Aplitop: identification-lidar-sommets-corse-france

La première étape a été de filtrer le nuage de points LiDAR publié par IGN France pour distinguer le terrain d'autres éléments tels que la végétation, les franchissements de sommets ou encore les animaux. Seuls les points classés comme terrain ont été utilisés pour générer le modèle numérique d'élévation.

Pour traiter de gros volumes de données sans surcharger les ressources de calcul, TCP PointCloud Editor vous permet d'appliquer des filtres d'altitude, éliminant automatiquement tous les points en dessous de 1850 m, seuil nécessaire pour pouvoir calculer des protubérances d'au moins 100 m en toute sécurité. Ce filtrage réduit considérablement la quantité de données à traiter et facilite le calcul efficace des protubérances.

Dans les cas où la proéminence d'un sommet est incertaine, des outils tels que TCP PointCloud Editor vous permettent d'analyser des profils détaillés dans le nuage de points d'origine. Sa vue orthographique avant, avec l'axe Z fixe, assure une comparaison précise entre les collines. De plus, la génération de courbes de niveau fournit une validation visuelle supplémentaire et permet une estimation précise de l'incertitude aux altitudes.

Identification du col qui définit la proéminence de Punta Orlandino grâce à la classification du nuage de points par élévation et à l'activation de la contrainte verticale de l'axe Z dans une vue orthographique frontale.

• Le traitement préalable des données nous a permis de réduire la campagne de terrain à seulement une trentaine de sommets et leurs collines respectives, en nous concentrant sur les points où le LiDAR ne garantissait pas le dépassement des seuils de saillance et d'isolement.
• De plus, les observations GNSS sur le terrain ont permis de valider l'enquête, combinant la précision d'un modèle numérique à haute densité avec des points de contrôle sur le terrain.
• Au-delà de cette étude, la possibilité de générer des surfaces avec TCP PointCloud offre des applications supplémentaires, telles que la détermination de l'épaisseur de la neige ou le suivi du retrait glaciaire en comparant la couverture LiDAR de différentes années. Dans les nuages de points sans information de couleur, la détection de lacs dans les données révèle la présence de neige au moment de la capture, puisque, sans neige, l'impulsion laser ne serait pas revenue.

Superposition d'un modèle de surface généré à partir du nuage de points IGN France HD LiDAR (blanc) et d'un modèle de surface dérivé de la corrélation d'images aériennes issues d'un vol photogrammétrique de la même institution française (marron).

Grâce à cette vue, nous avons la confirmation visuelle que le terrain a été recouvert de neige lors d'un vol LiDAR sans informations de couleur. Dans le coin inférieur gauche se trouve le Lavu di Bastani ou Lac de Bastani où vous pouvez voir le bruit causé par les erreurs de corrélation sur l'eau. Le retour des points LiDAR dans le lac confirme la présence d'un manteau neigeux.