Suite

Comment créer un DEM à partir de données de nuage de points Lidar ?


J'utilise ArcMap et je souhaite créer des DEM sur une zone pour avoir différentes sorties en fonction des paramètres/filtres que j'ai mis. J'ai accès aux données de nuages ​​de points laser en tant que fichiers d'entrée. J'ai travaillé avec les outils de jeu de données LAS mais je ne sais pas vraiment si je fais tout correctement ou non. Parce que les points ne sont pas réguliers, peut-être qu'une méthode d'interpolation est nécessaire en premier ? Le problème, c'est que je n'ai aucune entité de point d'entrée.

Ce lien décrit assez bien les étapes que j'ai faites : http://www.edc.uri.edu/blog/using-las-datasets-create-functional-outputs


Tout d'abord, si nécessaire, créez un jeu de données LAS à partir de vos fichiers .las.

Ensuite, utilisez LAS Dataset to Raster, sélectionnez Moyenne pour une sortie DEM.


Essayez les tabourets.

De nombreuses pièces sont gratuites et vous pouvez BLAST2EM et obtenir ce dont vous avez besoin. N'essayez pas d'interpoler le lidar dans ArcGIS, sauf si vous êtes prêt à attendre longtemps.

Vous disposez d'un ensemble d'options robuste et il s'exécute à partir de la ligne de commande. Il utilisera l'approche TIN pour créer votre démo. C'est rapide et efficace.


Créer un terrain OpenRoads à partir de données LiDAR

Avant que tu commences

Pour rechercher des fichiers LiDAR pour un projet, consultez Acquisition de données LiDAR.

Créer un nuage de points à partir de données LiDAR

Ouvrez InRoads et ouvrez le fichier Terrain-lidar.dgn . Si ce dessin n'existe pas, créez un nouveau fichier appelé Terrain-lidar.dgn à l'aide du fichier de départ OpenRoads approprié. Une fois dedans, ouvrez le modèle Default-3D car ce processus ne fonctionne pas avec les modèles de dessin 2D.

Si vous utilisez les fichiers Umbagog (2017), Connecticut River Watershed (2015) ou Merrimack River Watershed (2011-2012), sachez qu'ils doivent être modifiés avant de pouvoir être utilisés. Cela se fait à l'aide d'un programme appelé las2las . Consultez la documentation de las2las pour plus d'informations.

Dans le menu CADD, sélectionnez Fichier > Nuages ​​de points pour obtenir le gestionnaire de nuages ​​de points illustré ci-dessous :

Dans le gestionnaire de nuages ​​de points, sélectionnez Fichier > Attacher. Dans le panneau Ouvrir un fichier, remplacez le type de fichier par LAS (*.las) et accédez au répertoire où résident le ou les fichiers LiDAR extraits. Sélectionnez le(s) fichier(s) LiDAR et cliquez sur Ouvrir .

Un panneau de propriétés intitulé Convertir LAS apparaîtra avec des informations sur le premier fichier à traiter. Ce panneau sera utilisé pour convertir le fichier LAS en un format POD nécessaire pour OpenRoads. Mais d'abord, dans la section Option , notez que le paramètre Unité de géométrie peut afficher le paramètre le plus récemment utilisé, pas nécessairement le bon pour les fichiers en cours d'importation. Si vous utilisez les fichiers Umbagog (2017) ou Connecticut River Watershed (2015), remplacez cette valeur par US Survey Feet . D'autres fichiers semblent mieux fonctionner lorsque cette valeur est définie sur Meters . Si vous utilisez les fichiers Umbagog (2017) ou Connecticut River Watershed (2015), confirmez également que la valeur Reprojeter dans la section Informations géographiques est définie sur Non .

Cliquez sur le bouton OK pour convertir ce fichier LAS. Enregistrez le fichier POD résultant dans le répertoire OpenRoads du projet . Un panneau Convertir LAS s'affichera s'il y a plus de fichiers LAS disponibles à convertir. Répétez jusqu'à ce que chaque fichier LAS soit converti.

Lancez la commande Ajuster la vue pour ajuster la vue afin d'inclure tous les fichiers joints. Si nécessaire, sélectionnez le(s) nuage(s) de points dans le gestionnaire de nuages ​​de points et activez l'affichage pour la vue actuelle.

Définition du style de présentation

Le style de présentation doit être modifié dans les attributs d'affichage . À partir de là, modifiez le style de présentation du nuage de points en Classification et intensité .

Ensuite, les paramètres de présentation doivent être modifiés à partir du gestionnaire de nuages ​​de points. Sélectionnez Paramètres > Présentation pour obtenir le panneau Présentation du nuage de points. Sous Paramètres de classification , décochez toutes les cases à l'exception des styles Sol, Point bas et Eau. Ça devrait ressembler a quelque chose comme ca:

Options de présentation des nuages ​​de points

Nuage de points de découpage

Si toute la zone n'est pas nécessaire, le découpage du nuage de points peut réduire la quantité de mémoire de l'ordinateur nécessaire pour travailler avec les données et économiser du temps de traitement plus tard. Pour ce faire, sélectionnez la commande Découper dans le gestionnaire de nuages ​​de points. Il existe un certain nombre d'options pour définir la forme de la limite du clip, telles que le rectangle, le polygone et l'élément fermé.

Enregistrer le nuage de points modifié

Dans le gestionnaire de nuages ​​de points, sélectionnez tous les fichiers et utilisez Fichier > Exporter pour obtenir un panneau Exporter un nuage de points. De là, nous pouvons créer un nouveau nuage de points combiné.

Dans le panneau Exporter le nuage de points, ajustez le filtre de classification pour n'exporter que le sol et l'eau . Pour ce faire, à partir du menu déroulant, cochez uniquement les éléments à exporter. Une fois terminé, l'option Filtre de classification affichera 2 classes . Définissez également la classification Channels> sur Inclure (les deux sont affichés dans l'image).

Appuyez sur le bouton OK et spécifiez un nouveau nom de fichier pour le nouveau fichier POD. Cela créera un fichier POD unique avec uniquement les données au sol en supprimant toutes les données classées comme sommets de bâtiments et cimes d'arbres.

Dans le gestionnaire de nuages ​​de points, Détachez le(s) fichier(s) POD d'origine, puis Attachez le nouveau fichier que vous venez de créer. Allumez son affichage s'il n'est pas déjà visible.

Si toute la zone couverte par le fichier POD n'est pas nécessaire, placez (a) une clôture juste autour de la zone à convertir en terrain.

Créer un terrain à partir de données de nuages ​​de points

Sélectionnez l'outil Créer à partir d'un nuage de points dans le menu des tâches Modèle de terrain. Sélectionnez les options comme indiqué ci-dessous :

Importer un terrain à partir d'un nuage de points

Cliquez sur le bouton Importer pour générer le terrain. La boîte de dialogue au bas de ce panneau indiquera lorsque l'importation est terminée. Étant donné que ce panneau ne se ferme pas automatiquement une fois l'importation terminée, fermez le panneau Créer un terrain à partir d'un nuage de points lorsque vous avez terminé.

Depuis le gestionnaire de nuages ​​de points, soit sélectionnez le(s) nom(s) du POD, puis fermez leur affichage dans toutes les vues, soit Détachez entièrement le(s) fichier(s). Dans le menu CADD, sélectionnez Enregistrer les paramètres, puis Enregistrer le nouveau fichier de dessin.

Il devrait maintenant y avoir un modèle de terrain dans le modèle par défaut-3D. Sa définition de fonctionnalité peut être modifiée en Exist_Boundary si vous le souhaitez. Le nom de la fonction peut être mis à jour à l'aide des informations sur l'élément . La zone Informations sur l'élément peut être utilisée pour activer et désactiver les contours et/ou les triangles.

Drapez une photo aérienne sur les triangles pour améliorer la vue.

Département des transports du New Hampshire
BP 483 | 7 Hazen Drive |
Concord, NH | 03302-0483
Tél. : 603.271.3734 | Télécopieur : 603.271.3914


Systèmes d'Information Géographique (SIG)

Aperçu
Les données géospatiales sont créées, partagées et stockées dans de nombreux formats différents. Les deux principaux types de données sont raster et vecteur. Les données vectorielles sont représentées sous forme de points, de lignes ou de polygones. Les données discrètes (ou thématiques) sont mieux représentées sous forme de vecteur. Les données qui ont un emplacement exact ou des limites strictes sont généralement affichées sous forme de données vectorielles. Les exemples sont les limites des comtés, l'emplacement des routes et des voies ferrées à l'aide de lignes, ou des données ponctuelles indiquant l'emplacement des bornes d'incendie.

En revanche, les données raster sont mieux adaptées aux données continues ou aux informations qui n'ont pas de limites ou d'emplacements fixes. En tant que rasters, les données sont vues comme une série de cellules de grille où chaque cellule a une valeur représentant l'entité observée. Pensez aux données raster appropriées pour modéliser des surfaces telles que l'altitude, la température, les précipitations ou le pH du sol. Ces phénomènes sont mesurés à intervalles (pensez aux stations météorologiques) et les valeurs intermédiaires sont interpolées pour créer une surface continue. Les données raster comprennent également des images de télédétection, comme la photographie aérienne et l'imagerie satellitaire.

Formats vectoriels :

SHP : Fichier de formes
ESRI Shapefile est devenu un format de données géospatiales standard de l'industrie et est compatible dans une certaine mesure avec pratiquement tous les logiciels SIG récemment publiés. Pour avoir un shapefile complet, vous devez avoir au moins 3 fichiers avec le même nom de préfixe et avec les extensions suivantes : .shp = shapefile, .shx = header et .dbf = fichier de base de données associé. De plus, vous pouvez avoir un fichier de projection .prj =, un fichier de couche .lyr = et d'autres fichiers d'index. Tous ces fichiers doivent être enregistrés dans le même espace de travail.
SDC : compression intelligente des données
SDC est le format hautement compressé d'ESRI, qui est directement lisible par le logiciel ArcGIS.
GDB : Géodatabase
La géodatabase fichier est une collection de jeux de données géographiques de différents types, les types les plus élémentaires étant les données vectorielles, raster et tabulaires. Il existe trois types de géodatabases : fichier, personnelle et ArcSDE. Les géodatabases sont le format de données natif pour ESRI's ArcGIS.
Couverture ArcInfo
Une couverture ArcInfo a été progressivement supprimée et est rarement vue/utilisée aujourd'hui. Il a été largement remplacé par le format de géodatabase. Les couvertures n'ont pas d'extension de fichier individuelle. Au lieu de cela, il est composé de deux dossiers dans un "workspace" qui contiennent chacun plusieurs fichiers. L'un des deux dossiers porte le nom de la couverture et contient un certain nombre de différents fichiers .adf. L'autre dossier est un dossier "info", qui contient généralement des fichiers .dat et .nit pour toutes les couvertures et grilles de l'espace de travail.
E00 : Format d'exportation ou d'échange d'arc
Les fichiers .e00 sont également rarement vus/utilisés aujourd'hui, mais sont essentiellement des fichiers d'échange ou d'exportation ArcInfo, utilisés pour copier et déplacer facilement les couvertures SIG ArcInfo (voir ci-dessus) et les grilles (voir ci-dessous). Un fichier .e00 doit être "importé" et converti afin d'utiliser les données dans ArcGIS ou un autre logiciel SIG.

Formats raster :

Grille ArcInfo
Une grille ArcInfo n'a pas d'extension de fichier individuelle. Au lieu de cela, il est composé de deux dossiers dans un "workspace" qui contiennent chacun plusieurs fichiers. L'un des deux dossiers porte le nom de la grille et contient un certain nombre de différents fichiers .adf. L'autre dossier est un dossier "info", qui contient généralement des fichiers .dat et .nit pour toutes les couvertures et grilles de l'espace de travail.
Bande entrelacée par ligne (BIL), Bande entrelacée par pixel (BIP) et Bande séquentielle (BSQ).

BIL, BIP et BSQ sont des formats produits par des systèmes de télédétection. La principale différence entre eux est la technique utilisée pour stocker les valeurs de luminosité capturées simultanément dans chacune de plusieurs couleurs ou bandes spectrales.
DEM (Modèle d'élévation numérique)
DEM est un format raster utilisé par l'USGS pour enregistrer des informations d'altitude. Contrairement aux autres formats de fichiers raster, les cellules DEM ne représentent pas les valeurs de luminosité des couleurs, mais plutôt les altitudes des points sur la surface terrestre.
GéoTIFF
Dans le cadre de l'en-tête du fichier TIFF, cela fournit l'étendue de la limite Lat/Long des données.
LiDAR
La détection et la télédétection de la lumière (LiDAR) est une méthode de télédétection qui utilise la lumière sous la forme d'un laser pulsé pour mesurer les distances (distances variables) jusqu'à la Terre. Les formats de fichiers varient selon le livrable, mais les données de nuage de points LiDAR brutes ont une extension de fichier .LAS. Un DEM peut être un livrable de LiDAR.


LiDAR Digital Elevation Model (DEM) utilisant QGIS et GRASS GIS

La modélisation du terrain est une fonction puissante d'un SIG. Avec l'émergence du LiDAR aéroporté, il est inestimable de pouvoir transformer les millions de lectures de points laser très précises en une surface pouvant être utilisée pour effectuer des analyses à grande échelle.

À mesure que les données LiDAR deviennent plus accessibles, de nombreuses industries et consultants seront en mesure d'utiliser les données à des fins d'analyse. Il semble cependant que de nombreuses personnes hésitent à utiliser LiDAR ou n'utilisent pas pleinement le LiDAR en raison d'un manque d'expérience dans le travail avec les données ou de l'hypothèse que le coût des données est trop élevé ou le coût du logiciel. nécessaire pour le traiter est trop compliqué ou trop cher aussi.

Comme première étape pour éliminer les barrières d'accessibilité au LiDAR, cet article passera en revue la tâche commune de création d'un modèle numérique d'élévation (DEM) ou plus précisément d'un modèle numérique de surface (DSM) qui est une représentation raster/image/grille de la topographie du sol avec la végétation et les bâtiments supprimés. Le DEM/DSM est la base de données qui peut être utilisée dans de nombreux types de modélisation environnementale et de terrain, tels que le calcul des bassins versants, les zones inondables, les bassins de vision, les pentes et l'identification des caractéristiques du terrain. Pour ce faire, nous utiliserons QGIS 3.4 qui a accès aux outils GRASS GIS 7.4.

Il existe plusieurs façons de traiter LiDAR avec des solutions gratuites et open source. J'aime utiliser cette méthode car tout le traitement, l'analyse, la visualisation et la cartographie peuvent être effectués avec un seul environnement. Ceci est fortuit car l'analyse devient plus compliquée, à quel point vous pouvez commencer à créer des scripts et des outils pour automatiser une grande partie des processus fastidieux et répétitifs (un sujet pour un futur tutoriel). QGIS est idéal car il est livré avec des outils GRASS intégrés (peut-être pas pour macOS)

L'ensemble de données que nous utiliserons pour ce didacticiel provient de Open Topography et est disponible sur ce lien.

La topographie ouverte est une source impressionnante d'informations sur l'altitude pour de nombreuses raisons. Non seulement il fournit des données LiDAR sans frais, mais il vous fournira de nombreux produits d'altitude à calcul intensif, tels que Hillshades, DEM, Point Cloud Viewer et bien plus encore !

Cependant, pour les besoins de ce didacticiel, nous choisirons de télécharger uniquement une petite partie des données LiDAR, en désélectionnant toutes les autres options fournies par Open Topography.

L'image ci-dessous montre les paramètres utilisés pour télécharger ces données LiDAR assurez-vous de sélectionner le format .las !

Étape 1

Inspectez les métadonnées LiDAR pour savoir dans quel système de référence spatiale (SRS) se trouvent les données LiDAR, pour avoir une idée de la moyenne des points par mètre carré et voir comment les données LiDAR ont été classées (c'est-à-dire les retours au sol et non -retours au sol). Pour mieux comprendre comment les données LiDAR sont structurées, consultez le site Web GISGeography qui contient une excellente description du fonctionnement du LiDAR et ASPRS - The Imaging and Geospatial Information Society a établi la norme pour la classification du LiDAR.

Vous trouverez ci-dessous les métadonnées qui peuvent être téléchargées avec les données de nuages ​​de points d'Open Topography. Les détails les plus importants à noter à ce stade sont les systèmes de coordonnées horizontales et verticales (en particulier les codes EPSG).

Étape 2

Dans cette prochaine étape, nous utiliserons quelques statistiques pour mieux comprendre les données du nuage de points. Notre objectif est de voir ce que nous pouvons utiliser comme résolution maximale pour notre DEM. Pour ce faire, nous allons calculer le nombre de points au sol LiDAR par mètre carré en utilisant GRASS GIS' outil r.in.lidar et le QGIS intégré Informations raster. outil.

Ouvrez un nouveau projet QGIS (téléchargez et installez une copie gratuite maintenant si vous ne l'avez pas déjà fait ! Une fois le programme ouvert assurez-vous de définir le système de référence spatiale/projection/EPSG par défaut pour correspondre à celui de l'ensemble de données LiDAR. Ensuite, cliquez sur le bouton "Boîte à outils" en forme d'engrenage dans la barre d'outils pour ouvrir la "Boîte à outils de traitement". Dans la zone de recherche, entrez r.in.lidar

Les paramètres clés à saisir dans l'outil sont :
Fichier d'entrée LAS=points.las
Statistiques à utiliser pour les valeurs raster=n (c'est-à-dire le nombre de points lidar par cellule raster)
Type de stockage pour la carte raster résultante=CELL
Plage de filtre pour les données z = -10000, 10000 (utilisez des valeurs élevées pour vous assurer que tous les points se trouvent dans la plage)
Plage de filtre pour les valeurs d'intensité = -10000, 10000
Résolution raster en sortie=1
Importer uniquement les points de la ou des classes sélectionnées = 2
Lidar Raster=/output/file/path/lidar_density.tif
Paramètres avancés
Utiliser l'étendue de l'entrée pour l'étendue raster = Coché
Définissez la région de calcul pour qu'elle corresponde à la nouvelle carte raster = Cochée
Ignorer la vérification de la projection=Coché

Le raster en sortie devrait ressembler à l'image ci-dessous et à première vue, il ne nous donnera pas beaucoup d'informations. À l'étape 3, nous effectuerons quelques statistiques simples sur ce raster pour nous aider à choisir la résolution optimale pour nos produits d'altitude.

Étape 3

Utiliser le QGIS intégré Informations raster. outil. L'outil est situé dans le menu déroulant en haut de la fenêtre QGIS : Raster -> Divers -> Informations raster.
Utilisation du raster généré dans Étape 2 comme couche d'entrée, avec Forcer le calcul des valeurs min/max réelles pour chaque bande vérifié et Lire et afficher les statistiques de l'image (forcer le calcul si nécessaire) cochée, nous allons calculer les statistiques raster.
L'outil produira un fichier .html qui devra être enregistré avec les autres sorties et données de ce didacticiel pour référence future.
Un extrait de la sortie peut être vu ci-dessous

L'image ci-dessous est le raster de densité LiDAR qui a été reclassé uniquement dans les cellules qui n'ont aucune mesure de point pour cette zone. Ceci est important pour deux raisons. Tout d'abord, nous voyons quelles zones du terrain ne renvoient aucun point LiDAR afin que nous puissions avoir une idée de l'endroit où le DEM pourrait être moins précis. Deuxièmement, nous pouvons utiliser cette visualisation pour ajuster notre résolution DEM afin de garantir qu'il y a un nombre adéquat de points LiDAR par cellule raster dans toute la zone d'étude.

Étape 4

Convertir .las en GeoPackage

Pour qu'un DEM soit créé à partir de points LiDAR, nous devons convertir les données du format .las au format GeoPackage. Cette étape est le processus le plus intensif en calcul et nécessitera un espace supplémentaire sur le disque dur car le format GeoPackage ne stocke pas le nuage de points de manière aussi compacte que LAS. Par exemple, le nuage de points utilisé pour ce didacticiel a une taille de 650 Mo au format .las et est de 808 Mo. Cela pourrait être en partie dû au fait qu'une topologie est construite lors de l'importation du nuage de points et est également probablement la raison pour laquelle le processus est gourmand en calculs. Cela a du sens à long terme car les calculs futurs seront beaucoup plus efficaces une fois le GeoPackage créé.

Importer un nuage de points avec v.in.lidar

Dans votre projet QGIS ouvert, recherchez v.in.lidar dans le panneau Boîte à outils de traitement ou recherchez-le sous GRASS -> Vecteur (v.*) -> v.in.lidar. Certains paramètres d'entrée sont essentiels pour l'importation. Le premier est le Plage de filtre pour les données z [facultatif]. Ce n'est pas facultatif ! Si vous ne définissez pas ces valeurs au-dessus et en dessous de la plage d'altitude des données ponctuelles, toutes les données ponctuelles ne seront pas importées ! Seconde, Importer uniquement les points de la ou des classes sélectionnées (entiers séparés par des virgules) [facultatif] devrait être réglé sur 2 pour n'importer que le point classé sol. Le reste des paramètres peut être laissé par défaut (voir image ci-dessous).

Étape 5

Dans cette étape, nous utiliserons le SIG GRASS v.surf.idw outil pour créer un DEM. Nous savons d'après les statistiques effectuées dans les étapes précédentes que la majorité des cellules ont suffisamment de lectures de points par cellule (

4) d'utiliser une résolution de 1 mètre pour le DEM. De plus, étant donné que les points sont dispersés de manière irrégulière dans la zone d'étude et qu'il existe des zones de taille significative qui n'ont pas de lecture d'altitude, nous utiliserons une méthode mathématique appelée Pondération de distance inverse (IDW) pour calculer une valeur d'altitude appropriée pour chaque cellule raster. GISGeography est une excellente ressource pour comprendre comment fonctionne IDW.

Il existe plusieurs paramètres qui peuvent être modifiés pour affecter le DEM résultant en fonction de l'utilisation des données. La variable la plus significative est la Pouvoir paramètre. Une puissance plus élevée augmentera le poids des points d'élévation plus proches d'une cellule donnée, ce qui signifie une meilleure précision pour les cellules avec beaucoup de points LiDAR à proximité, mais se traduit par une surface beaucoup plus rugueuse. Une puissance inférieure se traduira par une surface plus lisse qui pourrait être contagieuse lors de la production de rasters d'ombrage et de modèles d'écoulement de surface.

Le paramètre clé suivant est taille de cellule. Le DEM résultant sera probablement la base de nombreuses analyses et modèles futurs. La taille de la cellule doit donc être choisie avec soin pour essayer de trouver l'équilibre entre la résolution la plus élevée possible, les exigences de traitement, l'échelle du projet et les exigences de précision. Une résolution de 1 m est assez courante et est flexible dans la mesure où elle peut être sous-échantillonnée ultérieurement à une résolution inférieure et convient à la plupart des industries.

Les paramètres pour générer un bon DEM complet peuvent être vus dans l'image ci-dessous. Les paramètres clés qui ont été modifiés par rapport aux valeurs par défaut sont :
Nombre de points d'interpolation :Supprimer la valeur par défaut de 12 en laissant la valeur de "Non défini"
Colonne de la table d'attributs avec des valeurs à interpoler :z_coord
Taille de la cellule de la région GRASS GIS 7 :1 *Il s'agit de la taille de cellule raster résultante

Étape 6 - Valider les résultats

La dernière étape du processus consiste à valider le DEM. Pour ce faire, nous allons générer une visualisation d'ombrage à partir du MNT qui aidera à avoir une idée du terrain, à faire des erreurs évidentes telles que ne pas sélectionner le type de retour approprié (les arbres rendent l'ombrage très rugueux) et vérifierons qu'il n'y a pas de lacunes dans les données.

Avec QGIS, il existe plusieurs moyens rapides et faciles de visualiser le DEM sous forme d'ombrage. Une façon consiste à changer la symbologie du dem d'une échelle de gris à un type de rendu de "Hillshade" (voir la première image ci-dessous). La deuxième façon est de générer un nouveau raster Hillshade en cliquant sur le bouton Raster barre d'outils en haut et dans le menu déroulant, sélectionnez Analyse -> Ombrage. . Les paramètres peuvent être visualisés dans la deuxième image ci-dessous.

Conclusion

Grâce à ce didacticiel, vous devriez maintenant pouvoir créer un DEM à partir de LiDAR à l'aide de QGIS avec les modules GRASS et valider les données en générant un raster d'ombrage. Ce DEM peut être utilisé comme données de base pour un large éventail de modèles et de calculs tels que les points de vue, les bassins versants, la pente, la rugosité du terrain, les chemins à moindre coût et bien plus encore !

La capacité d'effectuer ces procédures SIG avancées à l'aide de logiciels gratuits et open source est vraiment incroyable. J'espère que vous avez trouvé ce tutoriel facile à suivre. L'ombrage final peut être visualisé sur la carte interactive ci-dessous.

Si vous avez des questions ou des commentaires, n'hésitez pas à créer un compte ou à vous connecter en toute sécurité avec votre compte Facebook, Twitter ou Github.


Le nuage de points Lidar USGS 3DEP est désormais disponible en tant qu'ensemble de données public Amazon

Le programme USGS 3D Elevation (3DEP) est ravi d'annoncer la disponibilité d'une nouvelle façon d'accéder et de traiter les données de nuages ​​de points lidar à partir du référentiel 3DEP.

3DEP a acquis des informations tridimensionnelles à travers les États-Unis à l'aide de la technologie de détection et de télémétrie par la lumière (lidar) - une technologie de télédétection aéroportée à base de laser qui collecte des milliards de retours lidar pendant le vol - et met les résultats à la disposition du public. L'USGS s'est stratégiquement concentré sur la fourniture de nouveaux mécanismes pour accéder aux données 3DEP au-delà des simples téléchargements. Avec l'adoption par 3DEP du stockage et de l'informatique dans le cloud, les utilisateurs ont désormais la possibilité de travailler avec des ensembles de données de nuages ​​de points lidar massifs sans avoir à les télécharger sur des machines locales.

Récemment, l'USGS a commencé à télécharger des données de nuage de points lidar 3DEP dans un compartiment Amazon s3://usgs-lidar Requester Pays*. Il existe actuellement plus de 1,77 million de tuiles ASPRS LAS compressées à l'aide du codage de compression LASzip dans la région us-west-2, ce qui équivaut à plus de 12 000 milliards d'enregistrements de nuages ​​de points lidar disponibles à partir de plus de 1 254 projets à travers les États-Unis. Cette ressource fournit aux utilisateurs un mécanisme pour récupérer et travailler avec des données 3DEP qui est plus rapide que le protocole de téléchargement FTP gratuit.

« Le programme d'élévation 3D a été fondé sur le concept selon lequel les données d'élévation haute résolution doivent être fournies sans licence, gratuites et ouvertes au public », a expliqué Kevin Gallagher, directeur associé de l'USGS Core Science System. « Cet accord avec Amazon aide à tenir cette promesse en fournissant un accès cloud aux milliers de milliards de points de données collectés via le programme. La démocratisation des données d'altitude est une réalisation formidable de la communauté des partenaires à la tête de cet effort et promet de révolutionner les approches des applications allant de la prévision des crues et des évaluations géologiques à l'agriculture de précision et au développement des infrastructures.

Hobu, Inc. et le laboratoire d'ingénierie et de recherche sur les régions froides de l'US Army Corps of Engineers (USACE) (CRREL) ont collaboré avec l'équipe des ensembles de données publiques d'Amazon Web Services (AWS) pour organiser ces données en tant que ressources Entwine Point Tile (EPT), ce qui est un octree sans perte et diffusable basé sur l'encodage LASzip (LAZ). Les données font désormais partie du registre Open Data fourni par AWS*, similaire à l'archive Landsat. Vous pouvez en savoir plus sur ce projet sur la page AWS Public Dataset. https://registry.opendata.aws/usgs-lidar/

Vue de la page de visualisation WebGL, https://usgs.entwine.io/. (Domaine public.)

« La possibilité d'utiliser le cloud computing avec des données 3DEP ouvertes et gratuites favorisera de nouvelles applications et utilisations étonnantes de ces données que nous n'aurions pas pu faire auparavant », a déclaré Jason Stoker, scientifique en chef de l'élévation du programme national géospatial de l'USGS. « Le simple fait de pouvoir voir un projet dans tout l'État avec des centaines de milliards de points à la fois à partir d'un navigateur est incroyable, sans parler du potentiel de traiter et d'analyser toutes ces données ensemble de manière nouvelle et innovante. Nous apprécions grandement qu'AWS ait mis une copie de nos données à disposition en tant qu'ensemble de données public, et félicitations à Hobu Inc. et à l'USACE CRREL pour le traitement et l'organisation de ces données de manière à permettre l'accès de manière open source. J'ai hâte de voir comment les gens profiteront de cet effort.

Nous aimerions avoir des nouvelles de tous ceux qui utilisent cette nouvelle option d'ensemble de données publiques. Veuillez fournir vos commentaires à [email protected]

Pour plus d'informations sur le programme 3DEP et les données d'élévation USGS, rendez-vous sur : https://usgs.gov/3DEP

* Avis de non-responsabilité concernant les noms de produits USGS : Toute utilisation de noms commerciaux, d'entreprises ou de produits est uniquement à des fins descriptives et n'implique pas l'approbation du gouvernement des États-Unis.

Figure 1 : Un exemple d'affichage de l'ensemble de données de nuage de points lidar pré-ouragan Maria collectées au-dessus de Porto Rico dans un navigateur Web. Plus de 116 milliards de retours lidar ont été collectés pour ce projet. Points colorés par intensité laser (bleu = faible intensité, rouge = forte intensité). (Domaine public.)

Figure 2 : Zoom sur le rectangle rouge A de la figure 1. Points colorés par l'intensité du laser (bleu = faible intensité, rouge = haute intensité). (Domaine public.)

Figure 3 : Zoom avant et rotation de la scène en 3D de la figure 2. Points colorés par intensité laser (bleu = faible intensité, rouge = forte intensité). (Domaine public.)


Nuages ​​de points, SIG souterrain et nouveaux mondes des données 3D

Les données 3D sont de plus en plus disponibles à partir d'une grande variété de sources différentes. Les exemples présentés ici font allusion aux possibilités. Prenez le temps de cliquer sur ces applications sur votre ordinateur. Ces exemples innovants et bien d'autres sont rassemblés dans la galerie ArcGIS Web Scenes.

Lidar

La détection et la télémétrie de la lumière (lidar) est une technique de télédétection optique qui utilise la lumière laser pour échantillonner de manière dense la surface de la terre, produisant des mesures x, y et z très précises. Le lidar, principalement utilisé dans les applications de cartographie laser aéroportées, apparaît comme une alternative rentable aux techniques d'arpentage traditionnelles telles que la photogrammétrie. Lidar produit des jeux de données de nuages ​​de points de masse qui peuvent être gérés, visualisés, analysés et partagés à l'aide d'ArcGIS.

Maille intégrée

Les données de maillage intégrées sont généralement capturées par un processus automatisé de construction d'objets 3D à partir de grands ensembles d'images superposées. Le résultat intègre les informations d'image d'entrée d'origine sous la forme d'un maillage texturé à l'aide d'une structure triangulaire entrelacée. Un maillage intégré peut représenter des éléments 3D construits et naturels, tels que des murs de construction, des arbres, des vallées et des falaises, avec des textures réalistes et inclut des informations d'altitude. Les couches de scènes de maillage intégrées sont généralement créées pour la cartographie 3D à l'échelle de la ville et peuvent être créées à l'aide de Drone2Map for ArcGIS, qui peut ensuite être partagée avec ArcGIS Desktop ou des applications Web.

Données d'imagerie de drone

Au cours des dernières années, les drones sont devenus un moyen de plus en plus courant de capturer des images haute résolution des zones locales. Les images de drones sont généralement balisées avec des informations géographiques qui décrivent où chaque image a été prise, ce qui les rend prêtes à être utilisées dans ArcGIS. Drone2Map for ArcGIS vous permet non seulement de visualiser des images de drones brutes sur une carte, mais vous pouvez également créer à la fois des cartes 2D et des scènes 3D à partir des images.

Le monde sous nos pieds

Par défaut, la navigation souterraine est désactivée pour éviter de zoomer accidentellement sous la surface du sol d'une scène 3D et d'être désorienté. Si, toutefois, votre scène contient des données qui appartiennent correctement au sous-sol, telles que des canalisations souterraines ou des corps géologiques, vous pouvez activer cette fonctionnalité pour la scène 3D.


8. Applications LiDAR

Ligne de vue : analyse du champ de vision

Scénario : Un grand drapeau doit être hissé pour commémorer le 125 e anniversaire de Clemson. L'objectif est que le drapeau soit visible dans la plus grande partie possible du campus et dans ses environs immédiats, mais doit être placé sur un bâtiment existant. Elle sera idéalement visible depuis les trois autoroutes principales menant à Clemson : l'autoroute 123 de l'ouest, l'autoroute 93 de l'est et l'autoroute 76/28 du sud. Où devrait-il être placé pour répondre à la plupart, sinon à tous, de ces critères ? Est-il possible de le faire à partir d'un seul endroit ? Où essaieriez-vous en premier ?

Solution : Nous pouvons effectuer une analyse de la ligne de visée avec notre nuage de points pour évaluer si une caractéristique est visible depuis un autre point. Effectuer une analyse du champ de vision à l'aide de notre DSM de Clemson et des emplacements proposés nous montrera quelles régions sont visibles. À partir de là, nous pouvons déterminer si l'objectif est réalisable en utilisant nos emplacements proposés.

Pour commencer, nous utiliserons l'outil Line of Sight pour évaluer si Tillman Hall est visible depuis les trois autoroutes menant au campus.

À partir de la géodatabase Using_Visualizing_LiDAR_in_GIS , ajoutez la classe d'entités Sight_Lines, qui contient des entités linéaires 3D reliant chaque autoroute au point le plus haut représentant Tillman Hall.

Cliquez sur Clemson_Campus_Projected.lasd dans le volet Contenu, puis sur l'onglet Données. Cliquez sur Visibilité > Ligne de mire pour ouvrir l'outil.

Définissez Sight_Lines en tant qu'entités linéaires en entrée et enregistrez la sortie sous Tillman_LOS . Cliquez sur Exécuter, puis affichez le résultat.

Les lignes sont divisées en segments, avec une couleur verte indiquant un segment visible à partir du point d'observation et une couleur rouge indiquant non visible.

Raster en entrée : Clemson_DSM

Entités d'observateur d'entrée : cliquez sur l'icône en forme de crayon, puis sur Points pour dessiner une entité d'observateur. Accédez à Tillman Hall et dessinez un point aussi près que possible du sommet de Tillman Hall, en utilisant les points LiDAR comme guide.

Raster en sortie : Tillman_viewshed dans la géodatabase.

Cliquez sur Exécuter puis visualisez le résultat, qui sera symbolisé par la visibilité.

Scénario : L'université souhaite construire un réseau de panneaux solaires sur le toit d'un bâtiment du campus et doit savoir quels bâtiments seraient les mieux adaptés à cette fin.

Solution : On peut calculer l'ensoleillement (rayonnement solaire) reçu sur chacun des bâtiments à l'aide du DSM, qui nous donne l'élévation ainsi que l'aspect (direction) et la pente des bâtiments. Les données LiDAR fournissent des informations d'altitude haute résolution pour calculer les variations du rayonnement solaire entrant sur les toits individuels, ce qui nous permet d'optimiser le placement des panneaux solaires.

Pour commencer notre analyse, insérez une nouvelle vue Carte (allez à Insérer > Nouvelle carte > Nouvelle carte ). Ajoutez le raster Clemson_DSM et le jeu de données Buildings_CU_2016_2D à la carte. Enregistrez votre projet.

Nous utiliserons l'outil Area Solar Radiation pour calculer l'énergie entrante. Nous calculerons pour un jour spécifique - le solstice d'hiver du 21 décembre, pour montrer la quantité minimale d'énergie attendue. Ce calcul est assez intensif, donc pour accélérer les choses, nous allons découper notre DSM uniquement dans les zones où nous avons des bâtiments.

Dans le volet Géotraitement, recherchez et ouvrez le Extrait par masque outil. Utilisez ces paramètres d'outil :

Raster en entrée : Clemson_DSM .

Données raster ou de masque d'entité en entrée : Buildings_CU_2016_2D/Buildings_CU_2016_2D .

Raster en sortie : Bldgs_DSM Cliquez sur Exécuter .

Le raster en sortie est découpé uniquement aux emplacements des emprises du bâtiment.

Ensuite, recherchez et ouvrez le Rayonnement solaire de zone (Analyste spatial) dans le volet Géotraitement. Utilisez les paramètres suivants :

Raster en entrée : Clemson_DSM . Notice that the Latitude value automatically populates.

Output global radiation raster: Clemson_Solar_Rad in the geodatabase.

Time configuration to Within day , and select day 355 (December 21).

Explore the other parameters for the tool, then click Run . This may take a few minutes to process.

The Clemson_Solar_Rad raster is added to the map showing the insolation received by building rooftops.

Q. What are your thoughts on where the best locations for solar panels would be?


Gridded or Raster Lidar Data Products

Point clouds provide a lot of information, scientifically. However, they can be difficult to work with given the size of the data and tools that are available to handle large volumns of points. Lidar data products are often created and stored in a gridded or raster data format. The raster format can be easier for many people to work with and also is supported by many different commonly used software packages.

LEFT: Lidar data points overlayed on top of a hillshade which represents elevationin a graphical 3-dimensional view. RIGHT: If you zoom in on a portion of the data, you will see that the elevation data consists of cells or pixels and there are lidar data points that fall within most of the pixels.


Problèmes

For extremely large point sets common in lidar applications, not all input points can simultaneously reside in the main memory of a computer and must therefore reside on larger but much slower disks. In this case the transfer of data between disk and main memory (also called I/O), rather than computation, often becomes the performance bottleneck. Therefore we must consider I/O-efficient methods for constructing the segmentation, finding points in neighboring segments, and building the grid DEM


Lidar Program FAQ's

Light Detection and Ranging (LIDAR) is a technology similar to RADAR that can be used to create high-resolution digital elevation models (DEMs) with vertical accuracy as good as 10 cm. LIDAR equipment, which includes a laser scanner, a Global Positioning System (GPS), and an Inertial Navigation System (INS), is generally mounted on a small aircraft. The laser scanner transmits brief laser pulses to the ground surface, from which they are reflected or scattered back to the laser scanner. Detecting the returning pulses, the equipment records the time that it took for them to go from the laser scanner to the ground and back. The distance between the laser scanner and the ground is then calculated based on the speed of light.

While flying, the airplane’s position is determined using GPS, and the direction of the laser pulses are determined using the INS. Because one laser pulse may reflect back from multiple surfaces, such as the top of a tree, a house, and the ground surface, there are multiple returns from each pulse that can be used to map such things as the top of the tree canopy, buildings, and the ground.

Post-processing is used to differentiate between these multiple returns to determine the bare-earth surface. Using the combined information from the laser scanner, the GPS, and the INS, very accurate, closely spaced (typically 1 per square meter) X, Y, Z coordinates are determined from which a DEM is be made.

An exmaple of the raw data generated by airborne lidar, known as a "point cloud", is depicted here:

What kinds of data products are made from lidar ?

People may ask "how can I use some of that lidar data", and it is likely what they are asking are for uses of specific lidar-derived data products. These are made from the raw point cloud data, and are made available as "derivative" products. These may inclulde digital elevation models (DEM's), which represent the earth's surface with the structures and vegetation removed, to normalized digital surface models or nDSM's, which represent the difference between the first and last returns, effectively displaying the height of attributes such as buildings.

The process of moving from the point cloud to derivative products. Image courtesy of UVM's Spatial Analysis Lab.

Other derivative products include contours, aspect or the prevailing direction of slope, and percentage slope datasets:

What are example uses of lidar-derived data products?

The short answer is: too many to mention! In addition to those listed on the lidar program page, we are are often made aware of unanticipated uses. As of 2019, high resolution elevation data are available statewide. This enables a variety of uses across disciplines and geographic scales. For example, the Vermont Geological Survey has shared the following example:

Lidar-derived products used to clarify the extent of former Glacial Lake Winooski in what is now Central Vermont. Image: Colin Dowey and George Springston, Vermont Geological Survey / ANR

Another example comes from the Water Management Division of the Agency of Natural Resources, who uses the fine-grain detail of lidar-derived elevation products to better understand wetlands across Vermont:

An example of custom symbology used to display small changes in elevation that influence the form and function of wetlands, in this case a wetland in West Rutland. Different colors represent slight changes in topography. Image: Charlie Hohn, Department of Environmental Conservation / ANR

If you have an interesting example use of our lidar data, get in touch with us, we'd love to know.

Where can I download and stream lidar-derived data products?

Elevation products such as contours, digital elevation models and more in GIS format are found at the Vermont Open Geodata Portal's elevation page. A map-based way of downloading the most current version of these datasets is provided by the Vermont Lidar Finder.

Where can I view/download raw point cloud data?

USGS provides a web map tool for downloading our raw lidar point cloud data in .laz/.las format. This application allows you to search and download point cloud data by geographic extent and product. See the "How-to" button near the top of the page for instructions, if needed.

USGS also provides a browser-based way to view and download our raw lidar point cloud data in multiple formats. Documentation is available here.

How do I convert LAZ files to LAS files?

Is it possible to batch download an entire lidar-derived data product collection?

Oui. A web folder of all the individual tiles for a respective dataset may be found linked from the right-hand side of the tiled-data download tool. These tiled data download tools can be found for their respective dataset from either the data catalog on the elevation page at the VT Open Geodata Portal, or from a popup window in the Vermont Lidar Finder (there it will be a link that says "Download by Tile"). These links bring you to a tile data download page with a variant of this in the top right corner:This leads to a web folder were each individual data file lives. Once there, a tutorial that explains how to use a Chrome browser extension to batch download these files is linked here.

In what resolution(s) are lidar data available?

The resolution of lidar data in Vermont has improved. The first collection from 2004 was "QL4" or quality level 4, representing 3.2 meter resolution. QL3 collections were produced through 2012, representing 1, 1.6, and 2 meter resolutions. From 2013 through 2017, lidar collections were at quality level 2 or QL2, representing 0.7 meter resolution. An explanation of lidar quality levels can be found in the USGS lidar base specification, and in shorter form here. Lidar-derived elevation products are sortable by resolution ("QL" level) at the elevation page on the Open Geodata Portal. The following images depict how resolution has improved:

How can I find the out what the latest/greatest lidar collection is for an area of Vermont?

The Vermont Lidar Status Viewer displays the geographic extent and characteristics of the most recent and best available lidar collections organized by the lidar program throughout the state.

How do I find the flight date of available lidar data in an area of interest?

Flight information for a particular lidar-derived dataset can be found in that item's metadata, and more specifically, in the vendor report for that respective collection. Both are available from the Open Geodata Portal, with vendor reports linked from the bottom of the elevation page.

What are the differences in hydro treatments of Lidar-derived DEM's?

USGS has provided an overview of the differences between processing LiDAR with regards to hydrography. Each of these options, "Hydro Flattening", "Hydro Enforcement" and "Hydro Conditioning" are explained in the powerpoint file linked here.

Can I obtain the height above ground in meters for a point location using the nDSM service?

  • First, this method applies to and assumes you are using ArcGIS Pro. It is untested with other platforms.
  • Second, only actual height values between 1 and 47 meters above ground can be returned (>99% of all locations in VT). Actual height values lower or higher than this range are not able to be identified as they are not within the remapping range used to create the service itself. This means that objects higher than 47 meters above ground in the real world will still only return a pixel height value of 47 (meters). It is a limitation of the source data and presentation of a visually coherent statewide data layer.

Using ArcGIS Pro, perform the following:

  • Load the nDSM service into a project
  • Right-click the layer in the table of contents and uncheck "Use Service Cache":

  • With the nDSM layer hightlighted in the table of contents, selec the Data menu tab
  • Select Processing Templates-->None from the drop-down menu:

  • This will now remove the symbology applied to the cached image service and allow one to identify pixel values for objects with heights between 1 and 47 meters above ground:

Noter: This method of toggling-off a service’s cache and processing template also allows one to re-symbolize a service as they wish, and with Dynamic Range Adjustment (DRA) also applied to more easily view values within a specific area of interest.


Voir la vidéo: Making a DEM from LiDAR point-cloud data in ArcMap (Octobre 2021).