Le LiDAR aéroporté topo-bathymétrique pour la caractérisation et le suivi des corridors fluviaux : premiers résultats et perspectives

Transcription

1 10 juin 2016 Journée Technique Avancées, apports et perspectives de la télédétection pour la caractérisation physique des corridors fluviaux Le LiDAR aéroporté topo-bathymétrique pour la caractérisation et le suivi des corridors fluviaux : premiers résultats et perspectives D. Lague 1, P. Launeau 2, C. Michon 3, E. Gouraud 3, C. Juge 3, W. Gentile 3, A. Crave 1, L. Hubert-Moy 1 1: Observatoire des Sciences de l Univers de Rennes, CNRS, Univ. Rennes 1 & Rennes 2 2: Observatoire des Sciences de l Univers de Nantes, Univ. Nantes 3: FIT-CONSEIL, Nantes

2 Lidar aéroporté topographique Laser en proche infrarouge (1064 nm) Mesure précise de la topographie à travers la végétation, mesure de la végétation Pas de pénétration dans l eau Echos de surface d eau Etangs et rivières proche de Gisors Données Lidar Titan (1064 nm) Absence de données bathymétriques Quid de la bathymétrie?

3 Bathymétrie fluviale : techniques synoptiques existantes Méthodes spectrales (imagerie aérienne ou satellite) (e.g., Legleiter et al., 2015) Mesure synoptique, jusqu à 5-10 cm de précision et résolution (aérien) Sensible à l ombrage Besoin de calibration in situ Limité aux fonds visibles faibles profondeurs Pas de mesure de la topographie et de la végétation Structure From Motion & Stéréo Photogrammétrie par UAV/drone Correction de réfraction dans l eau complexe, mais possible Difficultés liées aux ombrages, aux effets de surface d eau, végétation aquatique Limité aux fonds visibles faibles profondeurs Pas de pénétration à travers la végétation Difficulté de mise en œuvre sur de grandes surfaces Woodget et al., ESPL, 2015 with UAS-SfM : precision verticale < 10 cm, résolution horiz : 10 cm

4 Lidar Topo-Bathymétrique Haute précision & exactitude: < 10 cm vertical Haute résolution horizontale: cm Haute densité: > 5-20 pts/m² Retour d onde complet Ne pas confondre avec lidar bathymétrique (hawkeye, shoals, ): Tache laser 10x plus large (2-3 m) Pénétration plus grande mais faible capacité sur les zones peu profondes (< 1 m) Cout mobilisation > 1000 km² Instruments : Leica Chiroptera, Riegl VQ-880G, Optech Titan See McKean et al., (2009) (NASA EEARL) Mandlburger Titre journée et al., (2015) - Arial -(RIEGL), corps 14 Pan et al., (2015) (OPTECH).

5 Lidar Optech TITAN DW Instrument de recherche co-acquis par l Université de Nantes & Rennes Financé, par région Pays de la Loire, Région Bretagne et FEDER Mise en œuvre dans le cadre d un partenariat de recherche public/privé avec FIT-CONSEIL Ouverture au secteur académique, publique et privé pour l acquisition de données Caractéristiques vol topo-bathymétrique Altitude de vol entre m Exactitude verticale: < 5-10 cm, Précision: < 10 cm Densité de points (1 seul passage): Bathymétrie: pts/m² (par passage) Topographie: pts/m² ( nm) Utilisation comme un lidar topographique standard (à très haute résolution) 1064 nm 532 nm

6 Partie émergée du canal vert (532 nm) et bathymétrie du canal vert A A Vue Google Earth (janvier 2013) Dimitri Lague, OSUR, visualisation et calcul sous CloudCompare A Section transversale A Vert : Partie émergée du canal 532 nm Rouge : canal 1064 nm (pas de pénétration dans l e Bleu : bathy du canal 532 nm Cables electriques Fossé Titre inondé journée détecté - Arial sous - corps la végétation 14 Chemin de fer

7 Mêmes données sans les parties émergées Détection de fossés en eau sous la canopée Vue Google Earth (janvier 2013) Dimitri Lague, OSUR, visualisation et calcul sous CloudCompare Exemple d une zone forestière mesurée en une seule ligne à plus de 60 pts/m² en combinant canal 532 nm et 1064 nm Dimitri Lague, OSUR, visualisation et classification sous CloudCompare

8 Exemple du levé de la basse vallée de l Ain (data courtesy of Electricité De France) 1 journée d acquisition, ~ 10 milliards de points, ~ 900 Go Data 35 km Challenge opérationnel : le post-traitement automatique Détection des zones immergées Détecter précisément la surface d eau Corriger des effets de réfraction dans l eau Titre journée - Classifier Arial - corps automatiquement 14 les données (fond, végétation, berges, etc )

9

10 Sol (gris) et bathymétrie (couleur)

11

12 Caractérisation des faciès d écoulement Cartographie des profondeurs d eau Fort potentiel des données topo-bathymétrique + ripisylve: Cartographie des pentes hydrauliques, de la rugosité, de l ombrage,. Simulation d écoulement pour prédiction de vitesses et d habitat Suivi d évolution, transferts sédimentaires

13 Echos discrets vs retour d onde complet

14 Bilan sur les profondeurs atteintes Echos discrets : m avec fond clair : Vieux Rhin, Canal du Rhin, Sélune Jusqu à 4 m en eau claire et fond clair (Vallée de l Ain) Végétation aquatique réduit fortement la profondeur de pénétration Retour d onde complet : Traitement standard constructeur : 20 à 30 % de grain en profondeur Bathymétrie de la vallée de l Ain mesurée à 95 % Jusqu à 10 m de profondeur en domaine cotier (sable + eau claire) Possibilité d atteindre des profondeurs plus/échos plus faible (e.g., végétation) en améliorant le traitement du retour d onde complet Profondeur minimum détectable ~ 10 cm

15 Critères de succès d un vol topo-bathymétrique Absorption réduite du laser vert (532 nm) Turbidité minérale et organique la plus faible Niveau d eau le plus faible Météo favorable au vols Couvert végétal réduit Meilleure caractérisation des berges Absence de végétation aquatique Conditions d été Conditions d hiver Optimisation de la saison de vol en fct du type de corridor fluvial

16 Comparaison avec autres techniques synoptiques Topographie Végétation Bathymétrie Cout Linéaire Lidar topo > 10 km Photo/SFM drone < 10 km Méthode spectrale km Lidar topo-bathy > 10 km Cout acquisition + traitement données + orthophoto sur 50 km de l Ain ~ 800 /km Cout acquisition + traitement en configuration optimale : /km²

17 Conclusions Seule technique offrant une mesure simultanée de la topographie, de la bathymétrie et de la ripisylve sur de grands linéaires. Très bon résultats sur les rivières énergétiques et mobiles (type Ain). Capacité de détection de surface immergée sous la canopée Enjeux pour rendre la méthode encore plus opérationnelle: Prédire la profondeur de pénétration dans différentes rivières et optimiser les périodes de vol Développer des méthodes automatiques de classifications de données 3D massives: berges, végétation, seuils, canaux, (thèse débutant en octobre 2016) Améliorer la détection des échos faibles et l analyse du retour d onde complet pour la caractérisation de la tranche d eau (turbidité, nature du fond, ) Former à l utilisation des données et informer sur les applications de ces nouvelles données.

18 Algorithmes de traitement de nuage de points en contexte fluvial (gratuits) CANUPO (Brodu and Lague, 2012) Classification 3D (vegetation, ) M3C2 (Lague et al., 2013) Détection changement en 2D ou 3D CloudCompare (D. Girardeau-Montaut, EDF R&D) ~ 3D GIS toolbox: 3D Visualization, Sub-sampling, Gridding, Attribute based segmentation, Registration, Meshing, PC distance, Volume, Variety of I/O formats, Raw data : 7 Oct Vegetation classification Carte d érosion/sédimentation Raw data : 8 Oct

19 Merci de votre attention. Pour plus d infos : (en cours de construction)