Utilisation du T-LiDAR pour analyser la structure de la couronne d arbres de grandes dimensions et application à la foresterie urbaine

Transcription

1 Utilisation du T-LiDAR pour analyser la structure de la couronne d arbres de grandes dimensions et application à la foresterie urbaine Bastien Lecigne, Sylvain Delagrange, Olivier Taugourdeau, Charles Nock et Christian Messier

2 Mise en contexte 2 Tailles de dégagement des lignes électriques Normes de dégagement Zone effectivement dégagée 3 m Sous forme de cycles

3 Hypothèses 3 Taille Volume exploré Cycles de taille Morphologie de la couronne Croissance

4 Échantillonage 4 10 Érables argentés (sans feuilles) 5 arbres taillés 3 temps 5 arbres témoins taille Avant taille Après taille T-1 T-2 Première année Après un an de croissance T-3 Après un an de croissance

5 Acquisition des données T-LiDAR 5 Trois scans LiDAR par arbre rue ligne électrique LiDAR terrestre ILRIS 3D Résolution 5 mm à la distance moyenne trottoirs

6 Algorithme de reconstruction 6 Figure tirée de Verrous et Lazarus 2000 Pypetree Développé par Christian Jauvin Algorithme de colonisation du nuage de points Ne fonctionne pas sur des arbres de grandes dimensions

7 Les limites des données LiDAR 7 Zones d occlusion Bruit Occlusion + bruit > distance entre deux branches

8 Les défis à relever 8 Nécessité de développer une nouvelle méthode non sensible au bruit et à l occlusion et / ou capable de supporter un fort prétraitement du nuage de points brut

9 La solution : les Voxels 9 Nuage de points brut Nuage de voxels «Le plus petit volume discret qui peut être décrit dans un objet 3D» (Fernbandez-Sara et al., 2012)

10 Avantages des Voxels 10 Permet de réaliser un fort nettoyage sans perte de description du nuage de points Permet de réduire l influence de l occlusion occlusions occlusions compensées Permet de supprimer des points correspondant à du bruit Harmonisation de la densité de points Peuvent être analysés en tant qu objets

11 Inconvénients des Voxels 11 Pas de possibilité d extraire la topologie des axes Lien difficile avec la biomasse On parlera de volume d espace exploré

12 Le package VoxR 12 Voxelisation de nuages de points 3D Analyse de la dispersion des voxels dans l espace 3D ou 2D Comparaisons entre deux scènes LiDAR (croissance / pertes de branches) Reconnaissance d objets distincts

13 Prétraitement des scans LiDAR Alignement des scans dans un même référentiel 2. Normalisation de l orientation spatiale Origine à la base de la couronne Z au zenith Y parallèle au conducteur 3. Harmonisation de la densité de points et nettoyage : conservation d un point dans une sphère de 2cm suppression des points isolés (5cm)

14 Algorithme de voxelisation 14 Basé sur l'arrondissement des coordonnées Rapide Comptabilise de nombre de points par voxel Choix de la résolution 1 m 0.2 m 0.1 m

15 Outils d analyse de la dispersion des voxels dans l espace 2D 15 Projection du nuage de voxels dans un plan

16 Outils d analyse de la dispersion des voxels dans l espace 2D 16 Nombre de points Nombre de voxels Ratio npts / nvox

17 Outils d analyse de la dispersion des voxels dans l espace 2D : indice de saturation de l espace 17 Potentiel voxels

18 Outils d analyse de la dispersion des voxels dans l espace 2D : indice de saturation de l espace 18 Témoins Densité Saturation Faibles saturations* Fortes saturations* Taillés * Coefficients de kurtose et symétrie

19 Outils d analyse de la dispersion des voxels dans l espace 3D 19 Calculs de la distance des voxels : Par rapport à un axe Par rapport à un point 1 Échelle des distances (%) 0

20 Calculs de distance de chaque voxel par rapport au centre de la couronne 20 Z Centre : moyenne des coordonnées des voxels X Y

21 Calcul de distance de chaque voxel par rapport au centre de la couronne 21 * * * * * * * * * * * * Extériorisation du matériel vers la périphérie chez les arbres taillés en comparaison aux arbres témoins * Différence significative (ANOVA),seuil = 0.05 Barres d erreur : erreur standard

22 Outils d analyse de la dispersion des voxels dans l espace 3D 22 Calcul de l angle des voxels par rapport à un axe : Sans projection Avec projection 180 Échelle Échelle 0

23 Calculs de l angle de chaque voxel avec l axe des Y Y Projection dans le plan xy 270 X

24 Calcul de l angle de chaque voxels avec l axe des Y 24 Mise en évidence d une couronne bilatérale

25 Calcul de l angle de chaque voxel avec l axe des Y 25 * ** * ** * * * Développement préférentiel vers le sud pour les arbres témoins Développement contraint vers l Est et l Ouest pour les arbres taillés * Différence significative (ANOVA),seuil = 0.05 Barres d erreur : erreur standard

26 Comparaison entre deux scènes LiDAR : algorithme de «soustraction» 26 Permet d isoler les voxels uniques à une des deux scènes LiDAR : analyse des pertes de branches et de la croissance

27 Comparaison entre deux scènes LiDAR : algorithme de «soustraction» 27 L algorithme recherche les voxels isolés de tout autre voxel dans une distance de recherche définie par l utilisateur dist = 0 cm dist = 5 cm dist = 10 cm dist = 15 cm

28 Quantification des pertes de branches et impact sur le volume totale d espace exploré 28 Les pertes de branches induites par la taille correspondent en moyenne à 12,79 ± 9,55 % du volume total exploré par l arbre Impact sur le volume de l arbre = = * * Indicateur : volume / DHP Pas de différence significative avant taille entre arbres taillés et témoins Après taille la différence est significative Suggère la compensation des pertes au cours d un cycle de taille * Différence significative (ANOVA),seuil = 0.05 Barres d erreur : erreur standard

29 Quantification de la croissance et impact sur le volume total d espace exploré 29

30 Quantification de la croissance et impact sur le volume total d espace exploré 30 Croissance (%) Témoins Taillés + 5,54 ± 1, ,72 ± 2,89 = = Impact sur le volume de l arbre * = = Pas de différence significative après une année de croissance entre arbres taillés et témoins * Augmentation significative du volume des arbres taillés Suggère la compensation des pertes après une année de croissance * Différence significative (ANOVA),seuil = 0.05 Barres d erreur : erreur standard

31 Localisation des pertes et de la croissance 31 Couplage des algorithmes de soustraction et de calcul de la distance au centre de la couronne Les pertes de branches sont principalement localisées dans le centre de la couronne La recroissance est principalement localisée en périphérie de la couronne pour les arbres non taillés ET taillés

32 Algorithme de reconnaissance d objets spatialement distincts 32 Permet d attribuer un identifiant unique à des objets non connectés entre eux (qui présentent une discontinuité du nuage de voxels) Les couleurs sont redondantes

33 Conclusion sur VoxR 33 Bonne habilité à mesurer des modifications à grande échelle de la structure des arbres. Les algorithmes sont pour la plupart applicables à différents contextes Plantation de peupliers

34 Modèle conceptuel de la réponse à la taille au cours d un cycle 34 taille taille Volume exploré / DHP témoins taillés centre périphérie avant taille C-0 C-1 C-2 C-3 C-4

35 Conclusion : effet de la taille 35 Taille Perte de volume ponctuelle Cycles de taille Volume exploré Couronne bilatérale Extériorisation du matériel densification Croissance plus rapide Morphologie de la couronne Croissance latérale Croissance Compensation des pertes

36 Projet verglas 36 Objectif : comprendre les facteurs qui influencent la pénétration du verglas dans la couronne Hypothèse : plus il y a de matériel au dessus d une branche moins elle reçoit de verglas

37 Quantification du matériel présent à l'aplomb 37 a 4 a =

38 Nombre de voxels à l aplomb en fonction de la position sur la branche 38 a = 30 + =

39 Nombre de voxels à l aplomb en fonction de la position sur la branche 39 a = 30

40 Nombre de voxels à l aplomb en fonction de la position sur la branche : arbres virtuels 40

41 Merci à tous!