Utilisation des données LIDAR Michel Belleau Mai 2016
Plan de la présentation Premier pas; Première expérimentation; Projet en cours et perspectives futures 2
Premier pas Utilisation du modèle numérique terrain MNT et relief ombragé: Permet de faire des pré-validations sur les tracés de chemins planifiés et d apporter les premiers correctifs; Permet aussi de créer une couche de pente permettant de visualiser les cassés et les pentes abruptes afin d identifier des zones de non récolte. 3
Premier pas Faire un lien entre les résultats de l interprétation fine des photographies aériennes et les données LIDAR? Permet de préciser le volume/ha et Dm³/tige par essence, par peuplement; Permet de mieux prévoir les livraisons aux usines de sciage. 4
Première expérimentation Validation des tracés de chemins planifiés: Sélection d un secteur où la planification de chemins a été réalisée à partir des outils conventionnels tel que la cartographie et l ortho photo mosaïque; Validation et modification des tracées de chemins à l aide des données LIDAR; Validation avec la réalisation terrain. 5
Planification des tracés de chemins Tracé de chemins réalisé de façon conventionnelle à l aide des cartes écoforestière et topographique. Planification de 31.3 Km 6
Planification des tracés de chemins LIDAR Tracé de chemins réalisé à l aide de la couche MNT et Relief ombragé Planification de 26,7 Km 7
Réalisation de la construction des chemins Marquage et construction des chemins réalisés en 2014 et 2015 Construction de 24,4 km 8
Fichier de forme des pentes Création d un fichier de formes de pentes pour GPS des équipements forestiers (abatteuses, transporteurs). Le fichier de formes présente les polygones avec des pentes de plus de 30% et des pentes de plus de 45%. Outil est très apprécié des opérateurs: Permet de visualiser rapidement les obstacles lié aux pentes et aux cassés; Permet de prévoir leur cheminement dans les polygones de récolte. 9
Fichier de formes des pentes Création d une couche de pentes 30 à 45% 45% et plus 10
Fichier de forme des pentes La couche de pentes est intégrée dans le fichier IMG des GPS des équipements de récolte ce qui permet aux opérateurs de visualiser les contraintes terrain. 11
Projet en cours Projet visant à améliorer la prévisibilité des approvisionnements livrés aux usines (Volume/essence, Dm³/tige) Mettre en lien la données LIDAR (Dm³/tige) et le volume par essence provenant de la cartographie AIPF. 12
Volume par essence et Dm³/tige Projet réalisé sur la récolte de 2015-2016 pour deux chantiers d opérations. Un chantier localisé dans le Sud secteur mélangé et feuillu. Analyse volume par essence inventaire 3iem, LIDAR et AIPF versus Récolté Secteur Sud (mélangé et feuillu) EPN SAB et EPB PIG MEL SEPM BOU PEU FEU Total Superficie Volume inventaire 3iem 10 681 18 527 1 271 14 30 493 11 521 930 12 451 42 944 Volume total LIDAR et AIPF 15 032 28 479 2 863 7 158 53 532 12 527 2 505 15 032 68 564 511 Volume récolté 12 885 33 304 1 975 0 53 300 9 335 2 018 11 353 64 653 Volume MLNU estimé 258 666 40 0 1 066 280 61 341 1 407 Écart volume inv_3iem-récolté -2 462-15 443-744 14-23 873 1 906-1 149 757-23 116 Écart en % (Inv_3-récolté/récolté) -19% -45% -37% 100% -44% 20% -55% 6% -35% Écart volume Lidar-récolté 1 889-5 491 849 7 158-834 2 912 426 3 338 2 505 Écart en % Écart Lidar-récolté/récolté 14% -16% 42% 100% -2% 30% 21% 29% 4% Analyse des résultats. Les premiers constats démontre une amélioration des résultats pour le volume SEPM et total des données en provenance de LIDAR et AIPF Les volumes par essence demeure avec de la variabilités, mais les écarts sont dans l ensemble moins élevés. 13
Volume par essence et Dm³/tige Un chantier localisé dans le Nord secteur résineux Analyse volume par essence inventaire 3iem, LIDAR et AIPF versus Récolté Secteur Nord (résineux) EPN SAB PIG MEL SEPM BOU PEU FEU Total Superficie Volume inventaire 3iem 90 986 41 853 809 210 133 858 9 535 766 10 301 133 858 Volume total LIDAR et AIPF 83 091 41 410 154 0 124 655 14 0 14 124 655 1 700 Volume récolté 76 630 45 729 383 0 122 742 0 0 0 122 742 Volume MLNU estimé 1 533 915 8 0 2 455 0 0 0 2 455 Écart volume inv_3iem-récolté 12 823-4 791 418 210 8 661 9 535 766 10 301 8 661 Écart en % (Inv_3-récolté/récolté) 16% -10% 107% 100% 7% 100% 100% 100% 7% Écart volume Lidar-récolté 4 928-5 234-237 0-542 14 0 14-542 Écart en % Écart Lidar-récolté/récolté 6% -11% -61% 0% -0,4% 100% 0% 100% -0,4% Analyse des résultats. Les premiers constats démontre une amélioration des résultats pour le volume SEPM, Feuillu et total des données en provenance de LIDAR et AIPF Les volumes par essence dans l ensemble sont plus précis. 14
Projet en cours Projet visant à réduire le rubannage terrain des bandes riveraines. Créer à partir des données LIDAR, les délimitations des écotones riverains pour les lacs et rivières permanentes. Valider les contours sur les photographies aériennes et faire les ajustements nécessaires pour les écotones. Créer une zone tampon de 20 mètres à partir des contours d écotones riverains pour délimiter les zones de non circulation de la machinerie et ou zone de non récolte. 15
Projet réduction du rubanage La portion en rouge correspond à la végétation de moins de 2 mètres 16
Projet réduction du rubanage Validation du contour d écotone numérisé à partir des ortho photos 17
Projet réduction du rubanage Le contour en rose représente le travail fait avec Lidar sur les écotones avec une zone tampon de 20 mètres. Le contour hachuré correspond à la planification réalisée sur la cartographie. 18
Projet réduction du rubanage Les fichiers de formes des zones tampons, vont être intégrés dans les GPS des Équipements de récolte. Le système de navigation intégré dans les GPS va permettre aux opérateurs de visualiser les zones de non récolte. Alarme de proximité visuelle et sonore intégrée dans l outil de navigation; Alarme de proximité tient compte de l extension du mât de l équipement de récolte; Les premiers blocs de récolte ont fait l objet de rubannage, mais l opérateur doit se servir du navigateur pour la récolte. 19
Perspective future Générer une couche de cours d eau permanents ou intermittents à partir des données LIDAR. Générer à partir du modèle numérique de terrain une couche de lignes présentant le potentiel d écoulement d eaux. Une classification de ces lignes est nécessaire car plusieurs lignes sont générées par le modèle. 20
Cours d eau généré par le model. Le model génère beaucoup de potentiel de cours d eau. Un travail de classification est donc nécessaire. 21
Cours d eau Validation de la localisation des cours d eaux avec les données LIDAR. 22
Cours d eau Validation de la localisation de cours d eaux non cartographiés générés avec les données LIDAR. 23
Cours d eau Les objectifs poursuivis par le travail sur les cours d eau sont; Déterminer l emplacement exact; Repérer les ruisseaux non cartographiés; Diminuer le travail des superviseurs de récolte. 24
Questions 25
Merci et bonne fin de journée. 26