A GIS-Based Framework for Integrating UAV Photogrammetry into Terrain Modeling and Spatial Analysis

Résumé Technique : Un cadre basé sur les SIG pour l'intégration de la photogrammétrie par UAV dans la modélisation du terrain et l'analyse spatiale

Énoncé du problème
Bien que les véhicules aériens sans pilote (UAV) aient révolutionné l'acquisition de données géospatiales en offrant des alternatives flexibles, à haute résolution et rentables aux méthodes traditionnelles de levés terrestres et de télédétection par satellite, un écart important subsiste dans l'intégration normalisée des données dérivées des UAV dans les flux de travail des Systèmes d'Information Géographique (SIG). Les défis actuels incluent des difficultés liées à la précision des données, des complexités de géoréférencement et l'absence d'une procédure unifiée pour transformer les sorties photogrammétriques brutes en informations géospatiales exploitables. Bien que la photogrammétrie par UAV soit largement utilisée dans des disciplines allant de la documentation du patrimoine culturel à la surveillance environnementale, le processus d'intégration de ces ensembles de données dans les SIG pour une modélisation robuste du terrain et une analyse spatiale manque souvent d'un cadre cohérent et de bout en bout.

Méthodologie
L'étude propose un cadre basé sur les SIG en cinq étapes, conçu pour intégrer systématiquement la photogrammétrie par UAV dans les pipelines de modélisation du terrain et d'analyse spatiale. La méthodologie a été testée dans la région de Mersin, dans le sud de la Turquie, une zone hétérogène présentant des plaines côtières et des terrains montagneux, afin de valider le cadre à travers diverses conditions topographiques.

1. Définition de la zone d'étude et acquisition des données : Des images aériennes à haute résolution ont été capturées à l'aide d'UAV dans des conditions environnementales contrôlées afin de minimiser les incohérences radiométriques. La planification du vol a privilégié un chevauchement élevé (≥80 % longitudinal, ≥70 % transversal) et un équilibre entre la distance d'échantillonnage au sol (GSD) et l'efficacité opérationnelle. Des images tant nadirales qu'obliques ont été capturées pour réduire les occlusions.
2. Traitement photogrammétrique : L'étude a utilisé des algorithmes de Structure-from-Motion (SfM) et de Multi-View Stereo (MVS). Le flux de travail comprenait l'extraction de caractéristiques, l'appariement d'images, l'ajustement de faisceaux (bundle adjustment) et la génération de nuages de points denses. Ces nuages de points ont servi de base à la création de modèles numériques de surface (MNS), de modèles numériques de terrain (MNT) et d'orthophotos.
3. Géoréférencement : Pour garantir une précision géométrique absolue, des points de contrôle au sol (GCP) basés sur le GNSS ont été distribués stratégiquement à travers la zone d'étude (incluant les coins, les crêtes et les points internes). Ces GCP ont été intégrés dans le processus d'ajustement de faisceau pour minimiser les erreurs systématiques et stabiliser le modèle photogrammétrique.
4. Intégration SIG et analyse spatiale : Les modèles générés ont été importés dans un environnement SIG où les systèmes de référence spatiale ont été harmonisés. Une série de routines d'analyse de terrain a été exécutée, comprenant :
   • Analyse de la pente : Dérivation des dérivées de premier ordre pour évaluer la déclivité du terrain et identifier les risques d'érosion ou de glissement de terrain.
   • Analyse de l'aspect : Détermination de l'orientation de la pente pour évaluer l'exposition au rayonnement solaire et les conditions microclimatiques.
   • Modélisation de l'élévation : Extraction de caractéristiques topographiques telles que les crêtes, les vallées et les réseaux de drainage.
   • Classification du terrain : Segmentation du paysage en unités distinctes basées sur des seuils de pente et d'élévation.
5. Évaluation de la précision : La précision verticale a été rigoureusement évaluée à l'aide de points de contrôle (CP) indépendants, non utilisés lors du géoréférencement. Les métriques statistiques, spécifiquement l'erreur quadratique moyenne (RMSE) et l'écart type, ont été calculées pour les composantes horizontales et verticales.

Contributions clés

• Flux de travail intégré : L'article établit un flux de travail standardisé de bout en bout qui traite la photogrammétrie et les SIG non pas comme des étapes isolées, mais comme des parties interconnectées d'un cycle de vie de données spatiales.
• Directives méthodologiques : Il fournit des suggestions méthodologiques spécifiques pour améliorer la qualité des données, en mettant l'accent sur le rôle critique des paramètres de planification de vol (chevauchement, altitude), de la sélection des capteurs et de la distribution stratégique des GCP.
• Démonstration de l'utilité des SIG : L'étude démontre comment les SIG servent de plateforme de calcul transformant les données brutes d'UAV en représentations géographiques significatives (ex. : pente, aspect, élévation), facilitant l'analyse spatiale multicouche et l'aide à la décision.
• Validation de la précision : La recherche offre des preuves empiriques que l'intégration des GCP mesurés par GNSS dans le flux de travail SfM-MVS améliore considérablement la stabilité géométrique et la précision absolue des modèles de terrain.

Résultats
L'étude a obtenu des modèles de terrain de haute précision avec les résultats statistiques suivants basés sur les points de contrôle indépendants :

• Précision horizontale : L'RMSE pour l'Est (RMSE_E) était de 0,048 m, et pour le Nord (RMSE_N) de 0,061 m.
• Précision verticale : L'RMSE pour l'élévation (RMSE_Z) était de 0,046 m.
• Performance globale : La précision verticale s'est avérée être dans une plage robuste adaptée à la cartographie à haute résolution, comparable ou supérieure aux résultats d'études antérieures en modélisation de terrain par UAV.

L'analyse spatiale a permis d'identifier avec succès des variations topographiques subtiles, telles que des caractéristiques de micro-terrain et des réseaux de drainage, souvent occultées dans les ensembles de données traditionnels plus grossiers. Les analyses de pente et d'aspect ont fourni des informations exploitables sur les zones potentielles d'érosion et les modèles d'exposition solaire, confirmant l'utilité des ensembles de données générés pour la surveillance environnementale et la planification de l'utilisation des terres.

Signification et revendications
L'article affirme que l'intégration de la photogrammétrie par UAV avec les SIG est une approche transformatrice pour l'analyse géospatiale moderne. Sa principale importance réside dans le fait de combler le fossé entre l'acquisition de données à haute résolution et l'analyse spatiale avancée, améliorant ainsi la précision, l'efficacité et l'applicabilité de la modélisation du terrain.

Les auteurs affirment que ce cadre :

• Standardise les processus : Il offre une procédure reproductible pour la collecte, le traitement et la validation des données, répondant aux incohérences actuelles dans l'intégration UAV-SIG.
• Améliore la prise de décision : En convertissant les données brutes en couches analytiques riches (pente, aspect, élévation), le cadre soutient des applications critiques dans l'ingénierie, les sciences de l'environnement et l'évaluation des risques.
• Valide l'importance des GCP : Il renforce la nécessité de GCP bien distribués pour atteindre une haute précision géométrique, particulièrement dans les terrains complexes.

L'étude conclut que bien que des défis tels que les exigences computationnelles et la dépendance aux GCP sur le terrain subsistent, le cadre proposé représente une solution viable et précise pour la modélisation de terrain à haute résolution. Elle positionne la synergie UAV-SIG comme un outil fondamental pour relever des défis géographiques complexes et soutenir les efforts de développement durable.