Comment créer un modèle hydrologique en prenant en compte l’estimation de ralentissement et d’absorption de la végétation, du sol Ce passage change la nature de l’exercice : nous quittons l’analyse topographique pour un modèle de production-transfert, où le MNT n’est plus qu’une des quatre couches d’entrée — et pas la plus incertaine. Le retournement : la végétation devient une […]
1. Du modèle 3D au MNT Si notre source est un nuage de points (LiDAR drone ou photogrammétrie) : Classification sol / sur-sol : CSF (Cloth Simulation Filter) dans CloudCompare, lasground_new (LAStools), ou pdal avec le filtre SMRF. En photogrammétrie, la classification est plus délicate sous végétation — les points « sol » y sont souvent inexistants. Densité requise : […]
Ce que la comparaison nous offre : la compensation partielle des erreurs Quand nous soustrayons deux simulations partageant les mêmes paramètres, une part importante du biais s’annule. Si notre K_sigma est sous-estimé d’un facteur 3, il l’est dans les deux scénarios : les débits absolus sont faux tous les deux, mais leur écart relatif reste largement porteur d’information. C’est ce […]
En fichiers annexés nous trouvons la chaîne complète modèle 3D → couches hydrologiques QGIS, et non le seul chargement du nuage en couche (qui est traité dans vue3d.py). Ce que fait la chaîne, dans l’ordre des messages précédents : etape01_mnt.py — nuage → MNS/MNT, puis estimation de σ_Z par ajustement de plan sur vos zones de contrôle (et non par […]
