{"id":26,"date":"2023-12-26T08:00:00","date_gmt":"2023-12-26T08:00:00","guid":{"rendered":"http:\/\/wcwp.rf.gd\/2023\/12\/26\/https-landscapearchaeology-org-2023-lidar-hd\/"},"modified":"2023-12-26T08:00:00","modified_gmt":"2023-12-26T08:00:00","slug":"lidar-hd","status":"publish","type":"post","link":"https:\/\/landscapeanalysis.org\/?p=26","title":{"rendered":"Lidar HD est l\u00e0 : profitons-en. Tutoriel & script QGIS."},"content":{"rendered":"\n

Attendues depuis tr\u00e8s longtemps, les donn\u00e9es lidar pour le territoire m\u00e9tropolitain fran\u00e7ais sont enfin disponibles. Chaque \u00e9l\u00e9ment du terrain ou presque est enregistr\u00e9 en 3D : b\u00e2timents, relief, trait de c\u00f4te, etc. Le suivi du projet – une moiti\u00e9 du territoire est couverte au moment de r\u00e9daction – et le t\u00e9l\u00e9chargement des donn\u00e9es peuvent \u00eatre trouv\u00e9es sur geoservices.ign.fr<\/em> 1<\/a>.<\/p>\n\n\n\n

\"\"
Le Puy-en-Velay : visualisation des donn\u00e9es lidar en 3D.<\/em><\/figcaption><\/figure>\n\n\n\n

Mais, que sont en r\u00e9alit\u00e9 ces fameuses donn\u00e9es lidar ? Un peu de th\u00e9orie s\u2019impose en amont du tutoriel pas \u00e0 pas. L\u2019appareil lidar utilise les faisceaux laser pour obtenir des mesures de distance. Ainsi, des millions de faisceaux sont envoy\u00e9s depuis un avion, un h\u00e9licopt\u00e8re ou un drone pour restituer finement la topographie (\u201cHD\u201d signifie haute d\u00e9finition). Or, les faisceaux peuvent rebondir sur tout type d\u2019obstacle autre que la surface du sol: b\u00e2timents, v\u00e9g\u00e9tation ou m\u00eame des oiseaux en vol. S\u2019impose donc la t\u00e2che tr\u00e8s technique de classification, c\u2019est-\u00e0-dire d\u2019interpr\u00e9tation des signaux de retour en fonction de la nature de cible atteinte. Voici les codes standardis\u00e9s de classification utilis\u00e9s pour le format de donn\u00e9es .las\/.laz :<\/p>\n\n\n\n

Code<\/th>Cat\u00e9gorie (classe)<\/th><\/tr><\/thead>
0<\/td>Jamais class\u00e9<\/td><\/tr>
1<\/td>Non attribu\u00e9<\/td><\/tr>
2<\/td>Sol<\/td><\/tr>
3<\/td>V\u00e9g\u00e9tation basse<\/td><\/tr>
4<\/td>Moyenne v\u00e9g\u00e9tation<\/td><\/tr>
5<\/td>Haute v\u00e9g\u00e9tation<\/td><\/tr>
6<\/td>B\u00e2timent<\/td><\/tr>
7<\/td>Point bas<\/td><\/tr>
8<\/td>R\u00e9serv\u00e9<\/td><\/tr>
9<\/td>Eau<\/td><\/tr>
10<\/td>Ferroviaire<\/td><\/tr>
11<\/td>Surface routi\u00e8re<\/td><\/tr>
etc.<\/td> <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Les erreurs de classification ne sont pas rares ; une haie bizarrement taill\u00e9e peut \u00eatre prise pour un b\u00e2timent, un buisson pour un rocher, par exemple. Ceci-dit, je trouve que les classifications fournies avec le lidar HD sont plut\u00f4t fiables – \u00e0 \u00e9tudier par chacun pour son usage particulier 2<\/a>. Nous n\u2019allons pas aborder la classification ici – probl\u00e9matique tr\u00e8s ardue – il s\u2019agit tout simplement de comprendre que nous avons besoin des donn\u00e9es classifi\u00e9es<\/strong> par le prestataire, \u00e0 la diff\u00e9rence des donn\u00e9es brutes. Nous comprenons \u00e9galement le besoin de jongler avec plusieurs classes pour r\u00e9cup\u00e9rer les \u00e9l\u00e9ments d\u2019int\u00e9r\u00eat, ou encore de v\u00e9rifier les erreurs de classification (\u00e9l\u00e9ments omis ou faux positifs, tels les b\u00e2timents fant\u00f4mes).<\/p>\n\n\n\n

Tutoriel<\/h2>\n\n\n\n

[ Mise \u00e0 jour, mars 2025<\/strong> : le t\u00e9l\u00e9chargement des dalles lidar nous est rendu tr\u00e8s facile avec le plugin PointCloudFR<\/a> pour QGIS – plus besoin de bricoler avec le navigateur internet. ]<\/p>\n\n\n\n

Le tutoriel suivant pr\u00e9sentera la proc\u00e9dure pour le traitement du nuage de points class\u00e9s, en format .las\/.laz dans QGIS. Les donn\u00e9es lidar \u00e9tant extr\u00eamement volumineuses, toute la probl\u00e9matique rel\u00e8ve en r\u00e9alit\u00e9 de la gestion du gros volume (partant des donn\u00e9es classifi\u00e9es). Il faut d\u2019abord choisir les dalles \u00e0 t\u00e9l\u00e9charger. Pour ce faire, nous disposons d\u2019un tableau d\u2019assemblage r\u00e9guli\u00e8rement mis au jour.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Une fois charg\u00e9 dans QGIS, le tableau d\u2019assemblage permet de r\u00e9cup\u00e9rer les liens de t\u00e9l\u00e9chargement pour les dalles souhait\u00e9es. Il suffit de copier ces liens \u2026 ce que je ne saurais pas faire directement dans QGIS, donc je passe par Excel. Je copie-colle la s\u00e9lection dans Excel, pour ensuite s\u00e9lectionner et copier les liens. ATTENTION : Les donn\u00e9es lidar sont volumineuses, de l\u2019ordre de 5 \u00e0 10 Giga-octets par commune, soyez parcimonieux !<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n


Tableau d\u2019assemblage dans QGIS.<\/em><\/p>\n\n\n\n

Ensuite, nous allons t\u00e9l\u00e9charger les dalles en vrac. De nombreuses solutions existent pour ce faire, j\u2019utilise Simple mass downloader<\/em> pour Chrome 3<\/a>. Il suffit de coller les liens de t\u00e9l\u00e9chargement (uniquement les liens<\/em>), et le tour est jou\u00e9.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Simple mass downloader.<\/em><\/p>\n\n\n\n

Le nuage de points n\u2019est pas tr\u00e8s utile pour les traitements SIG, hormis quelques visualisations dont on a d\u00e9j\u00e0 pris l\u2019habitude. Nous allons donc cr\u00e9er un MNT en format raster. L\u2019algorithme est disponible en QGIS depuis la version 3.32<\/strong>.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Conversion du nuage de points en raster.<\/em><\/p>\n\n\n\n

L\u2019outil nous demande, entre autres, la r\u00e9solution souhait\u00e9e et la s\u00e9lection de classes \u00e0 prendre en compte. Concernant la r\u00e9solution, un demi-m\u00e8tre est \u00e0 mon sens le maximum de pr\u00e9cision justifiable, et un m\u00e8tre peut-\u00eatre un bon compromis entre la pr\u00e9cision et la maniabilit\u00e9 (\u00e0 \u00e9tudier). L\u2019attribut se r\u00e9f\u00e8re \u00e0 la valeur enregistr\u00e9e ; pour notre cas ce sera l\u2019altitude en z. D\u2019autres attributs peuvent \u00eatre int\u00e9ressants pour une \u00e9tude technique de l\u2019acquisition lidar (temps d\u2019acquisition, intensit\u00e9 du faisceau, nombre de retours\/\u00e9chos, etc.).<\/p>\n\n\n\n

L\u2019utilisation d\u2019un filtre est primordiale, nous permettant de choisir la ou les classes d\u2019int\u00e9r\u00eat : sol, architecture, v\u00e9g\u00e9tation, etc. \u00c9ventuellement, nous pouvons faire des mod\u00e8les multiples pour comparer l\u2019apport de diff\u00e9rentes classes. A ce stade ne chargez pas les dalles dans QGIS<\/strong>. Pour les afficher, le logiciel traite les dalles une par une, ce qui est parfois excessivement long (10 – 15 minutes pour un lot de taille moyenne). Je propose un script en Python pour le traitement direct, en appelant l\u2019outil d\u2019exportation en raster. Le script est t\u00e9l\u00e9chargeable \u00e0 partir du lien ci-dessus<\/a>, pour \u00eatre charg\u00e9 dans QGIS via la boite \u00e0 outils de traitement.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Chargement d\u2019un script dans le Traitement.<\/em><\/p>\n\n\n\n

Le plugin est rang\u00e9 parmi les Scripts<\/em>, section LandscapeArchaeology<\/em>. L\u2019interface est tr\u00e8s simple et reprend les param\u00e8tres de l\u2019outil QGIS expliqu\u00e9s ci-dessus. Enfin, veuillez prendre en compte le temps n\u00e9cessaire pour traiter des gros lots, de l\u2019ordre de plusieurs heures pour une commune (une minute par dalle +\/-).<\/p>\n\n\n\n

Une fois la conversion en raster faite, il nous reste \u00e0 traiter les dalles cr\u00e9es. Pour les jeux de donn\u00e9es de taille raisonnable, disons jusqu\u2019\u00e0 2 ou 3 giga-octets, il est commode de fusionner les dalles en une seule surface. Sinon, pour les jeux de donn\u00e9es plus cons\u00e9quents, ou bien pour les ordinateurs moins puissants, il nous reste l\u2019option du raster virtuel 4<\/a>.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Fusion des dalles.<\/em><\/p>\n\n\n\n

ATTENTION : veuillez \u00e0 renseigner la valeur -9999 comme NoData<\/em>, c\u2019est-\u00e0-dire le vide. Nous avons en effet \u00e9cart\u00e9 plusieurs cat\u00e9gories (classes) de points \u2013 sinon, c\u2019est pas bien fait \u2013, ce qui laissera des vides \u00e0 l\u2019emplacement, par exemple, de la v\u00e9g\u00e9tation. L\u2019algorithme QGIS (ou PDAL en r\u00e9alit\u00e9) utilise par d\u00e9faut la valeur -9999 pour marquer les vides.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Bien renseigner la valeur des vides (NoData).<\/em><\/p>\n\n\n\n

Alors les trous, il va falloir les combler. L\u2019outil GDAL Fill nodata<\/em> est parfait pour la t\u00e2che (\u00e0 trouver sous le menu raster, ou dans le outils du Traitement). Le MNT est pr\u00eat !<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n


Remplir les vides : Fill NoData.<\/em><\/p>\n\n\n\n

Enfin, nous allons pouvoir nous amuser avec le MNT lidar (Le Puy-en-Velay) :<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Les visualisations ont \u00e9t\u00e9 faites \u00e0 l\u2019aide du plugin Terrain shading<\/em> 5<\/a>. J\u2019aborderai le traitement du MNT dans un post ult\u00e9rieur (\u00e0 suivre\u2026).<\/p>\n\n\n\n

Bonne continuation !<\/p>\n\n\n\n

T\u00e9l\u00e9chargement<\/h2>\n\n\n\n

github.com\/zoran-cuckovic\/QGIS-scripts\/lidar_batch.py<\/a> (il faut t\u00e9l\u00e9charger le fichier .py)<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

<\/p>\n\n\n\n

Voir aussi github.com\/zoran-cuckovic\/QGIS-scripts<\/a> pour l\u2019installation des scripts dans QGIS.<\/p>\n\n\n\n

Liens<\/h2>\n\n\n\n