Suite

Comment distinguer les bâtiments de la végétation dans les données LIDAR ?


Afin d'extraire le masque de végétation en cognition, avec analyse de base d'objets, avec création des jeux de règles, les bâtiments ont aussi été classés ! Une idée de comment extraire le bâtiment de la végétation? J'ai essayé d'utiliser la forme et aussi l'asymétrie, mais d'autres idées sont les bienvenues.


Il existe plusieurs vidéos en ligne montrant comment utiliser l'analyse d'images avec des données Lidar avec eCognition.

Les méthodes de classification d'images sont essentielles pour extraire les données correctes.

http://www.ecognition.com/support/media-library/videos/

Végétation (extraction de la canopée des arbres) http://www.ecognition.com/support/media-library/videos/ecognition-image-analysis-extracting-tree-canopy-lidar

Extraction de bâtiments http://www.ecognition.com/support/media-library/videos/obia-lidar-technical-demo-pt24


Il existe une solution dans LAStools appelée lasclassify.exe (README) que vous pouvez essayer. La version complète (jusqu'à un certain nombre de points) est disponible en ligne à des fins de recherche et d'évaluation.


Si vous utilisez ArcGIS, vous pouvez essayer l'outil LP360 for ArcGIS : Classify.

http://www.qcoherent.com/products/classify.html

Essai gratuit


Chaque point Lidar doit avoir plusieurs "retours" - le dernier retour est susceptible d'être soit au niveau du bâtiment, soit au niveau du sol. Les précédents sont susceptibles d'être touchés par la végétation telle que la canopée des arbres. J'ai donc l'impression que vous pouvez rejeter tout sauf le dernier retour comme étant de la végétation. Cela pourrait aider.


Un guide complet du LiDAR : détection de la lumière et télémétrie

Comment voudriez-vous agite ta baguette magique et tout d'un coup découvrir à quelle distance tout est loin de vous ?

Aucune baguette magique n'était nécessaire. C'est ainsi que fonctionne le LiDAR (Light Detection and Ranging). Bien sûr, sans la baguette magique !

Démystifions la détection et la télémétrie par la lumière. Espérons qu'après avoir lu ceci, vous passerez de zéro à un héros LiDAR.

LiDAR 101

LiDAR est fondamentalement un technologie à distance. Depuis un avion ou un hélicoptère, les systèmes LiDAR envoient de la lumière au sol.

Cette impulsion frappe le sol et retourne au capteur. Ensuite, il mesure combien de temps il faut pour que la lumière retourne au capteur.

En enregistrant l'heure de retour, c'est ainsi que le LiDAR mesure la distance. En fait, c'est aussi ainsi que LiDAR tire son nom - Light Detection and Ranging.

Comment fonctionne le LiDAR

LiDAR est un outil d'échantillonnage. Ce que je veux dire par là, c'est qu'il envoie 160 000 impulsions par seconde. Pour chaque seconde, chaque pixel de 1 mètre reçoit environ 15 impulsions. C'est pourquoi les nuages ​​de points LiDAR créent des millions de points.

Détection et télémétrie de la lumière aéroportée (LiDAR)

Les systèmes LiDAR sont très précis car ils sont contrôlés dans une plate-forme. Par exemple, la précision n'est que d'environ 15 cm verticalement et 40 cm horizontalement.

Lorsqu'un avion vole dans les airs, les unités LiDAR balayent le sol d'un côté à l'autre. Alors que certaines impulsions seront directement en dessous du nadir, la plupart des impulsions se déplacent selon un angle (hors nadir). Ainsi, lorsqu'un système LiDAR calcule l'altitude, il prend également en compte l'angle.

En règle générale, le LiDAR linéaire a une largeur de bande de 3 300 pieds. Mais les nouvelles technologies telles que le Geiger LiDAR peuvent numériser des largeurs de 16 000 pieds. Ce type de LiDAR peut couvrir des empreintes beaucoup plus larges par rapport au LiDAR traditionnel.

Que peut générer le LiDAR ?

1. Nombre de retours

Imaginez que vous marchez dans une forêt. Ensuite, vous regardez vers le ciel. Si vous pouvez voir la lumière, cela signifie que les impulsions LiDAR peuvent également passer. Cela signifie également que le LiDAR peut frapper la Terre nue ou la végétation courte.

Si vous voyez la lumière du soleil à travers la canopée de la forêt, alors LiDAR peut aussi

Une quantité importante de lumière pénètre dans la canopée de la forêt, tout comme la lumière du soleil. Mais LiDAR ne touchera pas nécessairement seulement le sol nu. Dans une zone boisée, il peut se refléter sur différentes parties de la forêt jusqu'à ce que l'impulsion atteigne enfin le sol.

En utilisant LiDAR pour obtenir des points au sol nu, vous ne faites pas de radiographie à travers la végétation. Au lieu de cela, vous regardez vraiment à travers les espaces dans les feuilles. Quand il atteint les branches, vous obtenez plusieurs coups ou retours.

2. Numéro de retour

Dans une forêt, l'impulsion laser descend. Lorsque la lumière frappe différentes parties de la forêt, vous obtenez le « numéro de retour ». Par exemple, vous obtiendrez les 1er, 2e, 3e retours jusqu'à ce qu'il touche enfin le sol nu. S'il n'y a pas de forêt sur le chemin, il touchera simplement la surface du sol.

Parfois, une impulsion de lumière ne reflète pas une chose. Comme dans le cas des arbres, une impulsion lumineuse peut avoir plusieurs retours. Les systèmes LiDAR peuvent enregistrer des informations à partir du haut de la canopée jusqu'au sol, en passant par la canopée. Cela rend LiDAR précieux pour interpréter la structure forestière et la forme des arbres.

3. Modèles d'élévation numériques

Les modèles numériques d'élévation (DEM) sont des modèles de terre nue (topographiques) de la surface de la Terre. En utilisant uniquement des retours au sol, vous pouvez créer un DEM. Mais ceci est différent des modèles numériques de terrain (MNT) car les MNT intègrent des contours.

En utilisant un DEM, vous pouvez générer des produits supplémentaires. Par exemple, vous pouvez créer :

  • Pente (montée ou descente exprimée en degrés ou en pourcentage)
  • Aspect (sens de la pente)
  • Ombrage (relief ombré compte tenu de l'angle d'éclairage)
4. Modèles numériques de surface

Comme vous l'avez appris, LiDAR regarde à travers la forêt. Finalement, la lumière atteint le sol. Ensuite, nous obtenons un retour de Terre nue. Mais qu'en est-il du premier retour qui frappe l'arbre ?

Un modèle numérique de surface (DSM) incorpore les élévations des surfaces naturelles et construites. Par exemple, il ajoute l'élévation des bâtiments, de la canopée des arbres, des lignes électriques et d'autres fonctionnalités.

5. Modèle de hauteur d'auvent

Les modèles de hauteur de canopée (CHM) vous donnent la véritable hauteur des caractéristiques topographiques au sol. Nous appelons également ce type de modèle d'élévation un modèle de surface numérique normalisé (nDSM).

Tout d'abord, prenez le DSM qui inclut des éléments naturels et construits comme des arbres et des bâtiments. Ensuite, soustrayez ces élévations de la Terre nue (DEM). Lorsque vous soustrayez les deux, vous obtenez une surface d'entités qui représente la hauteur réelle par rapport au sol.

6. Intensité lumineuse

La force des retours LiDAR varie avec la composition de l'objet de surface reflétant le retour. Les pourcentages de réflexion sont appelés intensité LiDAR.

Mais plusieurs facteurs affectent l'intensité lumineuse. Par exemple, la portée, l'angle d'incidence, le faisceau, le récepteur et la composition de la surface (en particulier) influencent l'intensité lumineuse. Par exemple, lorsque l'impulsion est plus éloignée, l'énergie de retour diminue.

L'intensité lumineuse est particulièrement utile pour distinguer les caractéristiques de l'utilisation/de la couverture des terres. Par exemple, les surfaces imperméables ressortent dans les images d'intensité lumineuse. C'est pourquoi l'intensité lumineuse est bonne pour la classification d'images comme l'analyse d'images basée sur des objets.

7. Classement par points

Il existe un ensemble de codes de classification que la Société américaine de photogrammétrie et de télédétection (ASPRS) attribue pour la classification par points LiDAR.

Par exemple, les classes peuvent inclure le sol, la végétation (basse, moyenne et élevée), les bâtiments et l'eau, etc. Parfois, la classification par points peut appartenir à plus d'une catégorie. Si tel est le cas, les fournisseurs signalent généralement ces points avec des classes secondaires.

Les fournisseurs peuvent classer ou non le LiDAR. Les codes sont générés par l'impulsion laser réfléchie de manière semi-automatique. Tous les fournisseurs n'ajoutent pas ce champ de classification LAS. En fait, il est généralement convenu dans le contrat à l'avance.

Où sont les sources LiDAR ouvertes et gratuites ?

Les données LiDAR sont une ressource rare et précieuse. Mais grâce aux programmes de données ouvertes, ils sont de plus en plus disponibles.

Alors, où sont les données LiDAR ? Voici une liste des 6 principales sources de données LiDAR gratuites pour vous permettre de démarrer rapidement votre recherche.

Si vous ne trouvez pas ce que vous cherchez, vous devrez probablement acheter des données LiDAR. Les fournisseurs utilisent généralement le LiDAR commercialement par hélicoptère, avion et drone.

Quels sont les types de LiDAR ?

Explorons les types de systèmes LiDAR. Ils diffèrent par :

Profilage LiDAR

Le LiDAR de profilage a été le premier système jamais utilisé dans les années 1980. Il s'est spécialisé dans les éléments en ligne droite tels que les lignes électriques. Le LiDAR de profilage envoie une impulsion individuelle sur une ligne. À un nadir fixe, il mesure la hauteur le long d'un seul transect.

LiDAR à faible encombrement

Le LiDAR à faible encombrement est ce que nous utilisons le plus aujourd'hui. Il scanne à un angle de balayage d'environ 20 degrés. Ensuite, il se déplace d'avant en arrière. S'il dépasse 20 degrés, l'instrument LiDAR peut commencer à voir les côtés des arbres au lieu de se diriger vers le bas.

  • Le LiDAR topographique cartographie le terrain en utilisant généralement la lumière proche infrarouge.
  • Le LiDAR bathymétrique utilise une lumière verte pénétrante pour mesurer l'élévation du fond marin et du lit de la rivière.
LiDAR à grande empreinte

Le LiDAR à grande empreinte utilise des formes d'onde complètes avec une empreinte de 20 m. Mais sa précision est faible car le retour d'impulsion peut inclure un terrain en pente. Deux expériences notables de la NASA ont utilisé ce type de LIDAR :

  • SLICER (Imageur Lidar à balayage d'auvents par Echo Recovery)
  • LVIS (Capteur laser d'imagerie de la végétation)
LiDAR au sol

Le LiDAR au sol est posé sur un trépied et scanne l'hémisphère. C'est particulièrement utile pour scanner des bâtiments. Mais il y a aussi des applications en géologie, en foresterie et en construction.

LiDAR en mode Geiger

Le LiDAR en mode Geiger est toujours à l'état expérimental. Mais il est spécialisé dans le balayage à haute altitude. Parce qu'il a une bande extrêmement large, il peut couvrir plus de terrain que les autres types de LiDAR.

Nuage de points Lidar 3D du Capitole des États-Unis à Washington, DC

Composants du système LiDAR

Il y a 4 parties principales d'un LiDAR aéroporté. Ils travaillent ensemble pour produire des résultats très précis et utilisables :

CAPTEURS LiDAR: Pendant que l'avion se déplace, des capteurs balayent le sol d'un côté à l'autre. Les impulsions sont généralement dans les bandes vertes ou dans le proche infrarouge.

RÉCEPTEURS GPS: Les récepteurs GPS suivent l'altitude et l'emplacement de l'avion. Ces traces sont importantes pour des valeurs précises de terrain et d'altitude.

UNITES DE MESURE INERTIEL (IMU): Au fur et à mesure que les avions voyagent, les IMU suivent son inclinaison. Les systèmes LiDAR utilisent l'inclinaison pour mesurer avec précision l'angle incident de l'impulsion.

ENREGISTREURS DE DONNÉES: Pendant que le LiDAR balaie la surface, un ordinateur enregistre tous les retours d'impulsions. Ensuite, ces enregistrements sont traduits en élévation.

Forme d'onde complète vs discrète

Les systèmes LiDAR stockent les retours LiDAR de deux manières :

LiDAR discret

Imaginez des impulsions LiDAR balayant une zone boisée. Vous obtenez les 1er, 2e et 3e retours parce que l'impulsion frappe plusieurs branches. Ensuite, vous obtenez une impulsion importante et finale par le retour au sol nu.

Lorsque vous enregistrez les données sous forme de retours séparés, il s'agit d'un « LiDAR à retour discret ». En bref, le LiDAR discret prend chaque pic et sépare chaque retour.

LiDAR à forme d'onde complète

Lorsque vous enregistrez l'intégralité du retour sous la forme d'une onde continue, il s'agit d'un LiDAR à forme d'onde complète. Donc, vous comptez simplement les pics, cela le rend discret.

Même si les données de forme d'onde complète sont plus compliquées, le LiDAR évolue vers un système de forme d'onde complète.

Projets et applications LiDAR

Cette liste d'utilisations et d'applications LiDAR ne fait qu'effleurer la surface. Par exemple, voici quelques façons dont nous utilisons LiDAR aujourd'hui :

SYLVICULTURE: Les forestiers utilisent LiDAR pour mieux comprendre la structure et la forme des arbres.
VOITURES AUTONOMES: Les voitures autonomes utilisent le scanner LiDAR pour détecter les piétons, les cyclistes, les panneaux d'arrêt et d'autres obstacles.
ARCHÉOLOGIE: Les archéologues utilisent LiDAR pour trouver des motifs carrés dans le sol, qui étaient d'anciens bâtiments et pyramides construits par les civilisations maya et égyptienne.
HYDROLOGIE: Les hydrologues délimitent les ordres de cours d'eau et les affluents à partir du LiDAR.

Résumé : Qu'est-ce que le LiDAR ?

Light Detection and Ranging (LiDAR) utilise des lasers pour mesurer l'élévation des entités.

C'est une technologie à distance qui échantillonne avec une quantité incroyable de précision et de points.

C'est similaire au sonar (ondes sonores) ou au radar (ondes radio) car il envoie une impulsion et mesure le temps qu'il faut pour revenir. Mais LiDAR est différent du sonar et du radar car il utilise la lumière.

Nous avons résumé la détection de la lumière et la télémétrie avec ce guide LiDAR. Vous pouvez maintenant vous considérer comme un gourou du LiDAR.

Des questions? S'il vous plaît laissez-nous savoir avec un commentaire ci-dessous.


Extraction de la Terre nue à partir d'un nuage de points LAS

Je ne suis pas étranger à ce domaine. Edit : ça ne veut vraiment rien dire. J'utilise les DEM depuis de nombreuses années. Je travaille dans les systèmes d'information géographique depuis plus de 20 ans et j'ai utilisé le produit final de LiDAR, principalement un DEM. Ce qui, si je comprends bien, est essentiellement les résultats de la terre nue du LiDAR. Notre société a récemment commencé à capturer des données avec des drones et je n'ai travaillé qu'avec les orthomosaïques générées par le logiciel 'pix4d'.

Donc, avec cela à l'écart, ils se débattent avec les nuages ​​de points LAS et la couverture arborée. pix4d ne filtre pas ou n'a pas d'option pour renvoyer uniquement les résultats de la terre nue du LiDAR, nous obtenons donc beaucoup de couverture arborée.

J'ai été chargé de découvrir comment extraire ou filtrer les données de la terre nue à partir des nuages ​​de points LAS. J'ai essayé. MCC-LIDAR qui me donne des erreurs 'pas assez de mémoire'. Mon nuage de points de test a environ 6,2 millions de points.

J'ai essayé certains des outils Spatial Analyst disponibles dans ArcMap et il renvoie toujours des arbres dans le cadre de l'élévation. (ou il supprime simplement tout ce qu'il pense être des arbres et crée des trous). À l'heure actuelle, j'exécute avec scepticisme les outils LASGround pour ArcMap, mais le premier tour de piste a pris 15 minutes et a entraîné une erreur.

tl/dr Donc, ma question pour ce sous-marin est de savoir quel est le meilleur et/ou le moyen le plus simple d'extraire des données de terre nue à partir d'un nuage de points LAS ?

edit: Puisque j'ai appris plus depuis que j'ai posté ceci, je devrais probablement ajouter ici. Nous n'avons pas de LiDAR réel, mais un nuage de points dérivé photogrammétriquement de pix4d. Mon résultat final doit être des contours qui excluent la végétation et les bâtiments, si possible. Je m'excuse pour mon manque d'éducation et de connaissances à ce sujet.


Comment les scientifiques utilisent les données LiDAR

Il existe de nombreuses utilisations différentes des données LiDAR.

  • Les données LiDAR ont été classiquement utilisées pour dériver des données d'altitude à haute résolution
  • Les données LiDAR ont également été utilisées pour obtenir des informations sur la structure de la végétation, notamment
    • Hauteur de l'auvent
    • Couverture d'auvent
    • Indice de surface foliaire
    • Structure forestière verticale
    • Identification des espèces (dans les forêts moins denses avec un LiDAR à haute densité de points)

    Comment distinguer les bâtiments de la végétation dans les données LIDAR ? - Systèmes d'information géographique

    Abstrait

    La cartographie des zones forestières et d'autres paysages pour combiner des informations sur les structures du sol, la topographie ainsi que d'autres caractéristiques naturelles et artificielles peut être réalisée à l'aide de Li-DAR (Elmqvist, M. 2001). Le résultat peut être utilisé pour la planification de missions militaires et civiles et l'analyse de la possibilité de traverser des zones avec des routes mauvaises ou inexistantes (Sivertun & Gumos 2006) ainsi que pour la gestion des ressources naturelles et par exemple dans la planification physique. En combinant LiDAR et d'autres données de télédétection, il est possible d'utiliser les différents avantages offerts par les différents capteurs. Dans cet article basé sur un test dans la municipalité de Linköping, en Suède, nous avons utilisé le modèle de détection SingleTree™ basé sur Li-DAR (Ahlberg et al 2008) et des données d'images hyper spectrales pour améliorer la classification des arbres et de la surface du sol sous le des arbres. Cette méthode diffère de modèles similaires comme dans Béland et al. (2014) et Côté et al (2011) qui utilise des capteurs terrestres TLiDAR pour identifier les espèces d'arbres.

    En détectant les retours de faisceaux laser qui ont traversé la végétation et sont réfléchis vers le capteur, il est possible de détecter les fossés, pierres, bûches et autres obstacles au passage dans la zone. Les données des capteurs LiDAR modernes peuvent avoir une résolution spatiale très élevée, dans de nombreux cas 50 points/m2 ou plus. En filtrant les données LiDAR, il est également possible de détecter les véhicules et les objets fabriqués par l'homme qui sont cachés sous la végétation, en particulier si l'absorption LIDAR est comparée à un enregistrement antérieur, des mouvements et des différences peuvent être détectés.

    Les enregistrements LiDAR sont aujourd'hui effectués par l'industrie forestière afin d'obtenir des informations meilleures et plus précises sur la végétation et d'améliorer leurs activités. L'observation de la santé des plantes ou des arbres devient plus importante en raison du réchauffement climatique et de la pression accrue des insectes et des maladies. Il existe également une demande croissante de forêts et de cultures pour répondre aux demandes d'un monde en croissance et en partie plus riche (Kamaruzaman J. et Kasawani I., 2009). En foresterie, les données LiDAR sont utilisées pour planifier la récolte, la construction de routes forestières et le transport du bois. Une autre source importante de données est les scènes hyper spectrales (HSS) où la lumière solaire réfléchie est analysée pour identifier les anomalies dans la réponse spectrale et obtenir un indice sur la santé de la canopée (Hyperspectral Imaging 2011). La différence par rapport à l'utilisation d'images multispectrales par rapport à d'autres données de télédétection est que le capteur hyperspectral fournit une réponse dans plusieurs centaines de bandes de longueurs d'onde spectrales petites et bien définies. Ceux-ci sont censés indiquer la biomasse et la teneur en eau ainsi que la différence entre la bande d'absorption et la bande de réflectance pour la chlorophylle et de nombreuses autres conditions. Un système peut être utilisé pour identifier la signature spectrale dans une certaine zone afin de décider du matériau et des couleurs à utiliser pour le camouflage. Les données peuvent être combinées avec LiDAR et utilisées dans la classification des forêts, des sols et d'autres caractéristiques du paysage dans les systèmes d'information géographique (SIG). Le développement moderne de capteurs et de plates-formes permet d'utiliser par exemple des véhicules aériens sans pilote (UAV) comme des hélicoptères pour collecter des données LiDAR et HSS.

    Inclus dans

    Partager

    Données LiDAR et hyperspectrales pour la classification et la surveillance des paysages et de la végétation

    Session H8 : Nouveaux défis pour la modélisation et les logiciels des systèmes agricoles

    La cartographie des zones forestières et d'autres paysages pour combiner des informations sur les structures du sol, la topographie ainsi que d'autres caractéristiques naturelles et artificielles peut être réalisée à l'aide de Li-DAR (Elmqvist, M. 2001). Le résultat peut être utilisé pour la planification de missions militaires et civiles et l'analyse de la possibilité de traverser des zones avec des routes mauvaises ou inexistantes (Sivertun & Gumos 2006) ainsi que pour la gestion des ressources naturelles et par exemple dans la planification physique. En combinant LiDAR et d'autres données de télédétection, il est possible d'utiliser les différents avantages offerts par les différents capteurs. Dans cet article basé sur un test dans la municipalité de Linköping, en Suède, nous avons utilisé le modèle de détection SingleTree™ basé sur Li-DAR (Ahlberg et al 2008) et des données d'images hyper spectrales pour améliorer la classification des arbres et de la surface du sol sous le des arbres. Cette méthode diffère de modèles similaires comme dans Béland et al. (2014) et Côté et al (2011) qui utilise des capteurs terrestres TLiDAR pour identifier les espèces d'arbres.

    En détectant les retours de faisceaux laser qui ont traversé la végétation et sont réfléchis vers le capteur, il est possible de détecter les fossés, pierres, bûches et autres obstacles au passage dans la zone. Les données des capteurs LiDAR modernes peuvent avoir une résolution spatiale très élevée, dans de nombreux cas 50 points/m2 ou plus. En filtrant les données LiDAR, il est également possible de détecter les véhicules et les objets fabriqués par l'homme qui sont cachés sous la végétation, en particulier si l'absorption LIDAR est comparée à un enregistrement antérieur, des mouvements et des différences peuvent être détectés.

    Les enregistrements LiDAR sont aujourd'hui effectués par l'industrie forestière afin d'obtenir des informations meilleures et plus précises sur la végétation et d'améliorer leurs activités. L'observation de la santé des plantes ou des arbres devient plus importante en raison du réchauffement climatique et de la pression accrue des insectes et des maladies. Il existe également une demande croissante de forêts et de cultures pour répondre aux demandes d'un monde en croissance et en partie plus riche (Kamaruzaman J. et Kasawani I., 2009). En foresterie, les données LiDAR sont utilisées pour planifier la récolte, la construction de routes forestières et le transport du bois. Une autre source importante de données est les scènes hyper spectrales (HSS) où la lumière solaire réfléchie est analysée pour identifier les anomalies dans la réponse spectrale et obtenir un indice sur la santé de la canopée (Hyperspectral Imaging 2011). La différence par rapport à l'utilisation d'images multispectrales par rapport à d'autres données de télédétection est que le capteur hyperspectral fournit une réponse dans plusieurs centaines de bandes de longueurs d'onde spectrales petites et bien définies. Ceux-ci sont censés indiquer la biomasse et la teneur en eau ainsi que la différence entre la bande d'absorption et la bande de réflectance pour la chlorophylle et de nombreuses autres conditions. Un système peut être utilisé pour identifier la signature spectrale dans une certaine zone afin de décider du matériau et des couleurs à utiliser pour le camouflage. Les données peuvent être combinées avec LiDAR et utilisées dans la classification des forêts, des sols et d'autres caractéristiques du paysage dans les systèmes d'information géographique (SIG). Le développement moderne de capteurs et de plates-formes permet d'utiliser par exemple des véhicules aériens sans pilote (UAV) comme des hélicoptères pour collecter des données LiDAR et HSS.


    4 Centre national de cartographie laser aéroportée

    Soutenu par la National Science Foundation (NSF) des États-Unis, NCALM est un centre de distribution de données en ligne. La mission du NCALM est de fournir des données LiDAR aéroportées de qualité recherche à la communauté scientifique et de faire progresser l'état de l'art en matière de cartographie laser aéroportée.

    Ce site offre un accès public aux données de cartographie de fauchée laser aéroportées à haute résolution acquises par le NCALM pour des projets de recherche parrainés par la NSF. On peut également visualiser l'emplacement des projets disponibles et télécharger des fichiers de données à l'aide d'une interface Google Earth. L'interface fournit également à la volée des superpositions de relief ombré multi-résolutions pour le LiDAR DEM qui peuvent être utilisées pour prévisualiser les données et voir l'étendue précise de l'ensemble de données. Le fichier Google Earth KML peut être utilisé hors ligne pour parcourir les emplacements des projets et les métadonnées.


    Évaluation et test des métriques normalisées de la végétation forestière dérivées des données lidar

    Le programme USGS 3D Elevation (3DEP) gère l'acquisition de données lidar à travers le pays pour une cartographie haute résolution de la surface terrestre, utile pour de multiples applications. Les données Lidar sont initialement collectées sous forme de « nuages ​​de points » tridimensionnels qui cartographient l'interaction du laser aéroporté avec les caractéristiques de la surface terrestre, notamment la végétation, les bâtiments et les caractéristiques du sol. Généralement le produit.

    Le programme USGS 3D Elevation (3DEP) gère l'acquisition de données lidar à travers le pays pour une cartographie haute résolution de la surface terrestre, utile pour de multiples applications. Les données Lidar sont initialement collectées sous forme de « nuages ​​de points » tridimensionnels qui cartographient l'interaction du laser aéroporté avec les caractéristiques de la surface terrestre, notamment la végétation, les bâtiments et les caractéristiques du sol. En général, le produit d'intérêt a été des modèles d'élévation numériques à haute résolution générés en filtrant le nuage de points pour les retours laser provenant de la surface du sol et en supprimant les retours de la végétation, des bâtiments, des lignes électriques et d'autres éléments au-dessus du sol. Cependant, il existe une mine d'informations dans le nuage de points complet sur la structure de la végétation qui est actuellement sous-utilisée dans la livraison des produits USGS 3DEP. La normalisation des élévations des objets au-dessus du sol à la hauteur au-dessus du sol permet de caractériser la nature 3D de la végétation avec des données lidar et de cartographier la variabilité, la structure et le volume de la hauteur de la végétation sur de vastes zones. Ces attributs cartographiés se sont avérés extrêmement utiles pour les études d'habitat, les études de biomasse végétale et de changement de biomasse, et les modèles de comportement des feux de forêt. Dans ce projet, nous avons développé des méthodes pour standardiser la génération de produits géospatiaux métriques de végétation à partir de nuages ​​de points USGS 3DEP à l'aide de scripts en Python et R, nous avons généré des produits métriques standardisés pour deux zones pilotes de parc national à partir de cinq acquisitions lidar récentes, et nous avons développé une interface Web pour démontrer la recherche de produits, la sélection et le téléchargement de tuiles traitées fusionnées à deux résolutions spatiales. Les prochaines étapes possibles incluent le développement d'un traitement en temps quasi réel et à la volée des données stockées dans le cloud pour une livraison de produit individualisée.


    Lidar aéroporté pour l'archéologie en Amérique centrale et du Sud

    Vue lidar multispectrale de la grande place de la ville maya de Tikal au Guatemala. Le modèle 3D de la première surface a été recouvert d'une image d'intensité lidar multispectrale en fausses couleurs.

    Les forêts tropicales d'Amérique centrale et d'Amérique du Sud donnent peu d'indications sur les civilisations qu'elles ont englouties. Il y a quelques siècles, ces régions abritaient des villes indigènes animées, mais lorsque les civilisations se sont effondrées ou que les colonies ont été abandonnées, les forêts ont rapidement envahi leurs bâtiments comme un tapis vert roulant. Maintenant, nous pouvons voir peu de ces structures, à l'exception de la pyramide occasionnelle sortant de la forêt pour indiquer l'emplacement de ce qui était autrefois une métropole tentaculaire. Ces forêts ont rendu difficile pour les archéologues l'étude des villes et des cultures qui les ont construites. Heureusement, les deux dernières décennies ont donné aux archéologues un nouvel outil important : le lidar aéroporté.

    Note de la rédaction : un PDF de cet article tel qu'il est paru dans le magazine est disponible ICI.

    La suppression des retours lidar provenant de la végétation révèle des structures artificielles et une modification topographique par les Mayas.

    Volant au-dessus de la forêt à bord d'un avion, les systèmes lidar émettent des impulsions laser pour mesurer l'élévation du sol en dessous et créer des cartes 3D détaillées du terrain. Cette approche est nettement plus productive et encore plus détaillée que d'essayer de faire des relevés depuis le sol. Par exemple, sur le site maya de Caracol au Belize, les archéologues ont mis 20 ans à pied pour arpenter seulement neuf kilomètres carrés. À l'aide d'un lidar aéroporté, 200 kilomètres carrés ont été cartographiés en aussi peu que six jours, avec une résolution supérieure à celle obtenue à pied.

    Alors que les levés au sol sont idéaux pour documenter les détails d'un site localisé, les levés aériens offrent à l'arpenteur une perspective beaucoup plus large, mais détaillée, de la zone. Un promeneur peut rencontrer une légère crête dans la terre et ne rien en penser, mais la vue aérienne d'un lidar peut identifier que la crête s'étend en ligne droite sur des centaines de mètres et se connecte à d'autres caractéristiques.

    Les premiers capteurs lidar commerciaux sont devenus disponibles au milieu des années 90. Contrairement aux capteurs photographiques traditionnels, le lidar aéroporté avait la capacité unique d'être utilisé de jour comme de nuit, de pénétrer dans la canopée et de cartographier les structures sous-jacentes. Depuis lors, d'importantes améliorations technologiques ont fait du lidar un outil d'exploration essentiel pour les archéologues du monde entier. Cet article décrit certaines des avancées clés des capteurs lidar aéroportés et comment ils nous ont aidés à cartographier les civilisations qui ont prospéré il y a des siècles.

    Des débuts modestes

    Vue en perspective 3D en terre nue du cœur de Tikal, colorée par la pente locale.

    La première utilisation du lidar à des fins archéologiques en Amérique du Sud et centrale était presque fortuite. En réponse à la dévastation causée par l'ouragan Mitch au Honduras en 1998, le Bureau of Economic Geology de l'Université du Texas a utilisé son nouveau lidar aéroporté Optech ALTM 1225 en 2000 pour dériver des cartes topographiques précises que le United States Geological Survey (USGS) pourrait se transformer en cartes des risques d'inondation. Dans le cadre d'un projet parallèle, le Bureau souhaitait collecter des échantillons de données pour essayer différentes approches de classification des sols, et a décidé de le faire sur le site Maya voisin de Copan, dans l'ouest du Honduras.

    L'ALTM 1225 était équipé de manière unique pour l'arpentage dans la forêt tropicale. Lorsqu'un lidar tire son laser sur une forêt, une partie du faisceau frappe la canopée épaisse, une partie frappe les branches inférieures, une partie frappe le sous-bois et enfin (si le chercheur a de la chance) une partie atteint le sol de la forêt. Le lidar reçoit une impulsion de retour distincte pour chacun de ces objets, mais les premiers modèles de lidar n'enregistraient que le premier retour de la canopée pour chaque impulsion laser, ce qui n'était pas très utile pour déterminer ce qui se trouvait sur le sol de la forêt. Par comparaison, l'ALTM 1225 avait une capacité, nouvelle à l'époque, d'enregistrer à la fois la première et la dernière réflexion de retour. Avec un traitement minutieux des données, les utilisateurs ont pu retirer les premiers retours de la canopée afin que seuls ceux du sol restent, leur donnant une vue sur la terre nue en dessous.

    Photo aérienne oblique de la pyramide Caana (palais du ciel) sur le site maya de Caracol au Belize.

    C'est cette capacité qui distingue le lidar aéroporté des autres techniques d'arpentage à grande échelle telles que la photographie et le radar à synthèse d'ouverture (SAR). Ces deux techniques ont leur place en archéologie, mais aucune d'entre elles ne peut facilement pénétrer à travers de lourdes verrières pour étudier le sol en dessous. À Copan, l'ALTM 1225 a prouvé que le lidar aéroporté pouvait faire ce que la photographie et le SAR ne pouvaient pas faire : regarder à travers la forêt tropicale en haute résolution et mettre en lumière les ruines qu'il cachait depuis des siècles.

    Vitesse de rassemblement

    Pourtant, il faudra quelques années avant que le lidar ne commence à faire tourner les têtes dans le monde archéologique mésoaméricain. La technologie et le logiciel de support avaient besoin d'être améliorés, et cela n'est arrivé que lorsque le National Center for Airborne Laser Mapping (NCALM), qui à l'époque était partiellement basé à l'Université de Floride, a réalisé une enquête au Belize. Contrairement à l'enquête de Copan, celle-ci se voulait dès le départ une enquête archéologique. De plus, NCALM était équipé d'un Optech ALTM Gemini, qui contenait plusieurs années de mises à niveau par rapport à l'ALTM 1225.

    Par exemple, l'ALTM Gemini pourrait tirer plus d'impulsions laser par seconde (définie comme sa fréquence de répétition d'impulsions ou PRF), ce qui augmente considérablement les chances que les impulsions laser trouvent des trous dans l'épaisse forêt tropicale. Dans toutes les forêts, un certain pourcentage de tirs laser sera complètement bloqué par le feuillage afin qu'aucune énergie laser n'atteigne le sol et ne retourne au capteur. Alors que les forêts tempérées dans des endroits comme la Californie bloquent 70 à 80 % des tirs laser, les épaisses forêts tropicales tropicales peuvent souvent en bloquer jusqu'à 96 %, ne laissant qu'une infime fraction pour toucher le sol.

    Quatre produits de données lidar du site Maya de Copán au Honduras.

    L'ALTM 1225 avait un PRF de 25 kHz, il tirait donc environ 25 000 coups par seconde, dont seulement un millier environ atteignaient le sol. Cela peut sembler beaucoup, mais cela donne en fait des données très clairsemées lorsque l'avion se déplace rapidement. Un analyste peut être en mesure de repérer de grandes entités telles qu'un grand temple ou un palais dans de tels ensembles de données à faible résolution, mais pourrait facilement manquer des entités plus petites mais toujours importantes. En comparaison, le PRF maximum du Gemini était de 166 kHz, six fois plus rapide que celui de l'ALTM 1225, il pouvait donc mettre plusieurs milliers de points au sol par seconde. Cela a considérablement amélioré la résolution et la fidélité des cartes finales, rendant beaucoup plus facile de voir les restes de petits bâtiments.

    Une autre amélioration cruciale était la largeur d'impulsion de l'impulsion laser, essentiellement une mesure de la durée pendant laquelle le laser déclenche chaque impulsion. Plus la largeur d'impulsion est longue, plus il est difficile de distinguer des objets séparés dans la même impulsion. For example, a lidar with a long pulse width might not be able to tell apart the return from a bush and the return from the ground beneath it, leading to an inaccurate measurement of the ground’s elevation. The older ALTM 1225 had a long pulse width that could only distinguish objects that were 5 meters apart, but the Gemini’s shorter pulse width let it distinguish objects that were 2–3 meters apart. This was very useful for surveying in parts of the rainforest with heavy undergrowth (which was pretty much all of it).

    Searching for a lost city

    Lifting the canopy veil: Titan lidar data maps the forest canopy above Tikal and what is hidden beneath at an unprecedented level of detail.

    NCALM’s excellent results with the survey of Caracol in Belize using the Gemini caught the eyes of many people involved in researching the ancient cultures of the Americas, which led to considerably more work in Belize and Mexico. One of the people interested in lidar was filmmaker and adventurer Steve Elkins, who had spent years trying to locate traces of a legendary “lost city” in north-eastern Honduras.

    His proposal to NCALM was an interesting one: instead of surveying around pre-discovered ruins, could the Gemini search a wide area for ruins that researchers weren’t even sure existed? The land here is so remote and uninhabited that the rivers and mountains don’t even have names in the official maps. Such a shot in the dark would be almost impossible on foot (indeed, Elkins had tried to find the city for years that way). Intrigued and inspired by the challenge, NCALM, whose operational arm had recently moved to the University of Houston, took on the project.

    2016 excavation of stone artifacts found at one of the many lidar-identified sites in the Honduran Mosquitia.

    Identifying a “lost city” within a large geographic area is a multivariable optimization problem that depends on the altitude, speed, and PRF of the lidar. On the one hand, the searchers wanted to cover the largest possible area in the least amount of time and cost, which required flying at a higher altitude with a faster airspeed and a higher PRF. However, their ability to obtain ground returns through the thick tropical canopies depended on two factors: a) being lucky enough to illuminate gaps in the canopy through which the laser energy can pass, and b) ensuring that the laser shots that go through the gap have sufficient optical energy that enough of their photons can make the return trip to the sensor and be recorded by the detector.

    To increase the chances of putting laser pulses through gaps in the canopy, the searchers must increase the laser sampling, which means illuminating as much surface area as possible with laser footprints. They can accomplish this by flying higher (which increases the footprint size) and employing a higher PRF (which decreases the space between the footprints). Unfortunately, flying higher weakens the returning optical signal, making it harder to detect. Moreover, with the laser technology at the time, increasing the PRF would also reduce the energy packed in each laser pulse.

    Sensor window of the Optech Titan multispectral lidar.

    NCALM’s Gemini was at the time the best tool to overcome these challenges. Firstly, the Gemini was designed with a dual divergence mode, which enabled the operator to adjust the laser footprint size between two settings: Narrow and Wide. From a flying height of 1000 m, the footprint had a diameter of 25 cm in Narrow mode or 80 cm in Wide mode. Narrow mode allowed for a more precise height measurement at a lower surface illumination fraction, while Wide mode increased the surface illumination area for each footprint by a factor of 10, albeit at lower precision. Normally, Wide mode would also result in a weaker signal and lower power density. However, NCALM had had its Gemini customized years earlier to counteract this effect by boosting the laser power when it was in Wide mode. This allowed NCALM to achieve both a strong signal and large laser footprints, which was ideal for finding gaps in the dense tropical forest canopies.

    After flying the same experimental test line at 600 m above the jungle’s canopy top repeatedly with varying PRF and divergence settings, NCALM determined that the Gemini detected and recorded the most ground returns when it was operated at 125 kHz with Wide divergence. This combination was the “sweet spot” between surface illumination and laser pulse energy, and NCALM used it to perform the entire survey.

    Oblique aerial photo of the Grand Plaza in the Maya city of Tikal in Guatemala.

    These technologies made the survey in Honduras quite successful, covering 140 square kilometers in only eight flights and revealing several small settlements composed of structures and plazas scattered here and there. Although this was not enough to count as an entire “lost city”, it was a larger habitation area than had been documented before in the neighbouring regions. Even to this day, very little is known about the people who inhabited this part of Honduras, so a team of archaeologists and a production crew from National Geographic set foot in the jungle to verify the apparent archaeological sites. On-site, they confirmed that the structures in the lidar data were indeed created by humans and discovered a large collection of carved stone objects which included metates (grinding stones) and vessels that were apparently left behind as offerings when the residents abandoned the sites.

    Significant as this survey was, it was the next collaboration between NCALM and National Geographic that would create the biggest waves so far in both the media and the scientific community, and also showcase the abilities of the very latest lidar technology.

    Seeing in color

    A: The core of Tikal seen in Optech Titan multispectral lidar data: A) First-surface DSM colored with 1064-nm lidar intensities

    NCALM’s results had with the Gemini, along with its first survey using a new sensor in Guatemala in 2015, impressed the Pacunam Lidar Initiative, a joint effort of researchers from Guatemala and international institutions led by the Fundación Patrimonio Cultural y Natural Maya. Pacunam tasked NCALM with surveying a large portion of the Maya Biosphere Reserve in the northern region of Guatemala known as Petén, including the famous Maya city of Tikal. This area was truly gigantic, consisting of ten separate areas totalling 2100 km2, 15 times larger than the survey in Honduras.

    By now, NCALM had a new lidar tool to tackle this challenge, the ALTM Titan. Teledyne Optech originally designed this next-generation lidar for NCALM to create high-density maps of land and shallow waters simultaneously, but its unique design made it shine in many other applications as well, including archaeology.

    B: First-surface DSM colored with multispectral intensities (R: 1550 nm, G: 1064 nm, B 532 nm)

    First of all, the Titan uses a total of three separate laser channels, each firing at up to 300 kHz. This lets it fire 900,000 times per second, over 5 times faster than the single-laser Gemini. In addition, each laser is set at different angle, with one pointing straight down, one pointing 3.5° forward, and one pointing 7 ° forward. These different angles improve the chances that part of a laser beam will slip through gaps in the foliage and reach the ground, resulting in fewer wasted canopy-only shots. Finally, the Titan’s pulse width is even shorter than the Gemini’s, letting it get valid ground returns from under vegetation as low as 1.5 meters.

    The result of all this was high-resolution, high-fidelity maps that revealed over 60,000 human-made and human-modified structures, many of which were previously unknown to modern science. Some researchers estimate that this survey enabled the identification of about 80% of all the structures that have enough surface relief that they could possibly be found under the forest using lidar. Archaeologists can also now see subtle features such as canals, building foundations, small houses, and raised agricultural fields carved out of swampy areas, greatly improving their knowledge of the population that lived in the area.

    C: Bare-earth DEM colored by elevation.

    Laser design itself has also improved, with considerable benefits to the Titan’s efficiency. Because the Gemini’s laser tended to lose power when it was operating at its highest PRF, NCALM rarely used it at this setting for terrain mapping in dense jungle environments. To combat this effect, the Titan uses new lasers that do not suffer this drop-off, so it can use its maximum PRF without compromising the detection of faint ground returns. This enabled NCALM to cover 2100 km2 in the Maya Biosphere Reserve at 15 laser shots/m² with just eight flights.

    The Titan’s most innovative feature, however, is that it can essentially see the ground in “color”. Most lidar systems use a single laser operating at a single wavelength, but each of the Titan’s three laser channels operates at a different wavelength: 532 nm, 1064 nm, and 1550 nm. This feature was primarily intended to help the Titan in its role as a topographic/bathymetric survey system (the 532-nm channel excels at surveying through water, while the others work best in surveys over land), but NCALM found an entirely different use for it.

    All materials reflect light differently at different wavelengths, and that includes the three wavelengths used by the Titan. In other projects conducted by NCALM, false-color intensity maps have revealed the remains of ancient agricultural wetland fields where the topographic models just show flat terrain. This is possible because soils that had been irrigated in ancient time for agriculture still have different moisture levels from unirrigated land, and therefore show different responses at each wavelength.

    Preserve and protect

    These technical advances make airborne lidar systems an important tool for the identification and mapping of archaeological sites hidden beneath rainforests. Breakthroughs in archeological science have been the results of advances in lidar technology. While NCALM’s current schedule includes more surveys in Mexico, Guatemala, and Central America, the next big frontier is expected to be the Amazon. Large parts of this enormous rainforest remain uncharted, but modern airborne lidar systems such as the Titan are clearly the best tools to map it quickly and efficiently.

    This is fortunate, because time is running out for these sites. Looking back at the areas surveyed in Honduras during the first airborne lidar survey in 2000, many sites have been overrun by new urban areas, cleared for cattle grazing, or turned into plantations of palm trees. As human populations expand, archaeologists and activists will have their hands full working to prevent further destruction of Central and South America’s cultural heritage, a task that should be made easier with a catalogue of sites made possible through airborne lidar and other technologies. In the end, these systems won’t just help find these sites, but also protect them.

    Andrew Moller is a Technical Writer at Teledyne Optech, and has a degree in Classical Studies from the University of Waterloo.

    Dr. Juan Carlos Fernandez-Diaz has been with The National Center for Airborne Laser Mapping (NCALM) since 2005 and has coordinated 18 archaeological lidar surveys totaling over 5600 km².


    Sylviculture

    In addition to creating canopy height models, lidar can be used to obtain or estimate a variety of forest parameters. Individual trees can be measured and easily identified using lidar data. Lidar data can even be used to help identify individual tree species, particularly if intensity data is available for the points. Direct measurements from lidar include: Stand Density, Tree Height, Crown Width, and Crown Length. Other forest parameters can be estimated using regression models. Estimates include: Volume, Biomass, Basal Area and DBH (diameter at breast height).

    Lidar point cloud for an individual tree. Image Credit: USFS

    Caractéristiques des données

    The resolution of a lidar dataset is determined by the pulse rates, the aircraft speed, flying altitude and field of view of the system. Each point can also have a variety of attributes.

    Dataset Attributes

    Pulse Rate
    The pulse rate is the rate at which the lidar sensor emits pulses. A higher pulse rates produce denser data with more points per unit area. The pulse rates typically range from 10,000 to 200,000 pulse per second.

    Point Spacing and Density
    The point spacing is the linear spacing of the points in the dataset. The measurement is a given in linear units, for example a dataset might have an average point spacing of 0.25 meters. The point density is the density of points per area or the number of points in a given area. Point density can be estimated from the point spacing using the following equation: Density = 1/(Point Spacing) 2 and is represented as points per given area, for example 16 point per m 2 . Both point spacing and density are given as an average for the dataset.

    Point Count
    The point count is the total number of points in the lidar dataset. The larger the area the greater the point count. A high resolution dataset (smaller point spading, greater density) will have a greater point count compared to a lower resolution dataset. The point count can be found in the metadata or file attributes and most datasets contain millions of points.

    Point Attributes

    In addition to the position (the X,Y,Z coordinates) of the point, individual points can have additional attributes.

    Intensity
    Intensity is a measure of the return strength (magnitude) of the laser pulse. The strength of the returns varies depending on the reflectivity of the surface object. For example, in a near infrared lidar system points that represent vegetation would have a greater intensity because plants reflect greatly in the near infrared. Intensity is used to help in feature detection and extraction, and in lidar point classification. Intensity values can be used to create an image that resembles a panchromatic photograph.

    Intensity image created from lidar data. Image Credit : ESRI.

    Return Number
    Pulse have multiple returns and each returns is flagged with the return number (usually 1 through 5). Each point in the lidar dataset will have an associated return number.

    Classification
    Lidar points that have been processed are also classified by the type of object they represent. Lidar points can be classified into a number of categories including bare earth or ground, top of canopy, and water. Below is the table of full classification options as defined by the American Society for Photogrammetry and Remote Sensing (ASPRS).


    Voir la vidéo: WEBINAIRE: TRAITEMENT DE DONNÉES LIDAR par INAIRTECH 19-05-2020 (Octobre 2021).