1. Du modèle 3D au MNT

Si votre 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 : une maille de 5 cm suppose ≥ 400 pts/m² pour être réellement résolue. En dessous, vous interpolez du vide et fabriquez du bruit.
• Rasterisation : interpolation TIN linéaire plutôt qu’IDW (meilleure préservation des ruptures de pente). PDAL writers.gdal ou whitebox_tools --run=LidarTINGridding.

Question préalable importante : MNT (sol nu) ou MNS (surface, bâtiments inclus) ? En contexte urbain ou péri-urbain, le ruissellement est piloté par les bâtiments et bordures — un MNT « nettoyé » vous donnera des écoulements qui traversent les murs. On travaille alors sur MNT + emprises bâties rehaussées, ou directement sur MNS filtré de la végétation.

2. Le point critique : 5 cm horizontal ≠ 5 cm vertical

C’est la principale source d’erreur. Une précision altimétrique typique est de 3–10 cm (1σ) en LiDAR drone, 2–5 cm en photogrammétrie avec GCP bien répartis. Si votre bruit vertical est du même ordre que le seuil que vous voulez détecter, l’algorithme d’écoulement va générer des chenaux fantômes sur les surfaces planes (parkings, dalles, prairies).

Pour détecter des différences réelles de 5 cm, visez σ ≤ 1–2 cm, ce qui impose : GCP levés au GNSS RTK, calibration IMU soignée, et vérification sur points de contrôle indépendants.

Appliquez un lissage préservant les discontinuités (FeaturePreservingSmoothing de WhiteboxTools, algorithme de Sun et al.) — il réduit le bruit sans arrondir les bordures de trottoirs ni les fossés.

3. Conditionnement hydrologique

À 5 cm, le remplissage classique des cuvettes (Fill) est presque toujours une erreur : il efface les micro-dépressions qui sont précisément l’objet de votre étude, et noie des volumes considérables.

• Préférez le breaching : BreachDepressionsLeastCost (WhiteboxTools) creuse des exutoires plutôt que de remplir. Fixez une --dist maximale pour éviter les tranchées absurdes.
• Ouvrages hydrauliques : c’est le talon d’Achille absolu de la haute résolution. Le LiDAR voit le tablier du pont, la chaussée au-dessus de la buse, la grille d’avaloir fermée. Chaque remblai routier devient un barrage. Il faut numériser manuellement les buses, ponceaux et regards, puis les brûler dans le MNT (FillBurn, ou soustraction le long des polylignes).
• Fossés et caniveaux : vérifiez leur continuité, souvent interrompue par la végétation.

4. Routage

D8 produit des écoulements en escalier sur les surfaces planes — visible et gênant à 5 cm. Utilisez plutôt D-infinity (Tarboton) ou MD∞ pour la dispersion, quitte à repasser en D8 pour l’extraction du réseau. Sous GRASS, r.watershed intègre un routage par moindre coût qui évite le pré-remplissage.

5. Volumétrie

400 cellules/m² → 4 × 10⁸ cellules par km², soit ~1,6 Go en Float32 non compressé. Prévoyez un traitement par tuiles avec recouvrement (buffer de plusieurs mètres pour que les bassins versants locaux ne soient pas tronqués), format COG ou GeoTIFF tuilé + compression LZW/DEFLATE.

6. Si vous voulez des hauteurs d’eau, pas seulement des axes d’écoulement

Ce qui précède relève de l’analyse topo-hydrologique (directions, accumulation, bassins). Pour de la lame d’eau et des vitesses, il faut un modèle hydraulique 2D : HEC-RAS 2D, TELEMAC-2D, LISFLOOD-FP ou TUFLOW.

Notez qu’on ne maille jamais en 5 cm : HEC-RAS 2D échantillonne le MNT haute résolution sous des cellules de calcul beaucoup plus grosses (approche sub-grid, via les profils de faces et les courbes hauteur-volume). Vous gardez donc le bénéfice de la finesse du terrain sans exploser le temps de calcul. C’est la bonne approche à cette résolution.

Sur quoi porte exactement la « sensibilité de 5 cm » : la taille de maille de votre livrable, ou le seuil de dénivelé que vous devez pouvoir détecter (micro-rétention, pente de fossé) ? La réponse change assez nettement les exigences sur la donnée d’entrée.

Le point dur : votre bruit est de la même amplitude que votre signal

À 30 m avec un capteur 4K, votre GSD est de l’ordre de 1 cm/pixel. La résolution optique n’est donc pas le facteur limitant — le facteur limitant est la géométrie du bloc et le contrôle au sol. Et avec σ_Z ≈ 5 cm, vous ne pouvez pas détecter de manière fiable un dénivelé de 5 cm : c’est exactement le niveau de votre incertitude. Une micro-dépression de 5 cm et un artefact de corrélation de 5 cm sont indiscernables.

Cela ne rend pas le modèle inutilisable, mais cela déplace ce qu’on peut en tirer.

D’abord : vérifier que 5 cm est bien 5 cm

Si le chiffre vient du rapport de traitement (RMS sur les GCP dans Pix4D, Metashape, RealityCapture), c’est un résidu d’ajustement, pas une précision. C’est la mesure de la qualité du fit sur les points qui ont servi à contraindre le bloc — structurellement optimiste, souvent d’un facteur 1,5 à 2.

Trois tests qui donnent la vraie valeur :

• Points de contrôle indépendants (non utilisés dans l’ajustement), levés au GNSS RTK. C’est la seule mesure honnête d’exactitude.
• Vol répété + différentiel de MNS. Deux vols du même site, même jour, on soustrait les deux surfaces. L’histogramme des différences sur les zones stables vous donne directement le plancher de bruit réel. C’est le test le plus informatif et le moins pratiqué.
• Résidu sur surface plane. Ajustez un plan sur un parking ou une chaussée, regardez l’écart-type des résidus. Vous obtenez le bruit haute fréquence, celui qui fabrique les chenaux fantômes.

Ensuite : deux problèmes plus graves que les 5 cm

La végétation. C’est de loin le plus limitant. La photogrammétrie RGB ne pénètre pas le couvert végétal — aucune. Sous un arbre, vous n’avez pas de sol : vous avez de l’interpolation entre les bords de la couronne. Sur une prairie ou un talus enherbé, votre surface est le sommet de l’herbe, soit 5 à 30 cm au-dessus du sol réel, avec une variabilité spatiale qui n’a rien d’aléatoire. Vous avez donc un MNS, et tout filtrage sol (CSF, SMRF) ne fera qu’inventer une surface plausible là où l’information n’existe pas.

Corollaire pratique : ce type de modèle donne de bons résultats sur surfaces minérales (voirie, cours, dalles, chemins compactés, sol nu) et se dégrade fortement dès qu’il y a du couvert. Les fossés enherbés — souvent l’objet même de l’étude — sont dans le pire cas.

La déformation systématique (effet de dôme). Un bloc nadir-seul avec une focale unique et un calibrage auto-estimé génère une déformation radiale en dôme ou en cuvette. Pour l’hydrologie, c’est plus destructeur que le bruit : le bruit aléatoire s’atténue en moyennant, la déformation systématique fausse directement les pentes sur longue distance, donc les directions d’écoulement et les limites de bassins versants. Un dôme de 20 cm sur 300 m de bloc introduit une pente parasite de 0,07 % — suffisant pour retourner un écoulement sur terrain plat.

Symptôme à chercher : sur le différentiel de vols répétés, une structure spatiale lente et concentrique plutôt qu’un bruit blanc.

Adapter la chaîne à cette précision

Rééchantillonnez à 10 ou 20 cm. Contre-intuitif, mais gardez la maille de 5 cm uniquement pour l’inspection visuelle. Une maille de 20 cm agrège ~16 cellules et réduit substantiellement le bruit haute fréquence — pas d’un facteur 4 (la corrélation spatiale du bruit photogrammétrique s’étend sur plusieurs décimètres), mais nettement. Et 20 cm reste très fin pour du routage hydrologique : vous conservez bordures, seuils et fossés.

Lissage préservant les ruptures (FeaturePreservingSmoothing, WhiteboxTools), avec un --max_diff calé sur votre σ mesuré, typiquement 0,10–0,15 m. Réglé plus haut, il commence à raboter les bordures de trottoir.

Breaching avec seuil. Ne traitez comme dépressions réelles que celles de profondeur supérieure à ~3σ, soit 15 cm. Les cuvettes en dessous sont statistiquement du bruit. BreachDepressionsLeastCost avec --flat_increment et une distance maximale bornée.

Routage D-infinity plutôt que D8, et regardez la carte d’accumulation avec méfiance sur les surfaces à pente < 1 % : c’est là que les artefacts se logent.

Ce que vous pouvez raisonnablement en tirer

En pratique : les axes d’écoulement principaux et les limites de bassins versants en zone urbanisée ou minérale sont exploitables. Le bilan volumétrique de micro-rétention ne l’est pas.

Si un nouveau vol est envisageable

Descendre en altitude n’apporterait presque rien — votre GSD est déjà excellent. Ce qui change la précision altimétrique, c’est :

• RTK/PPK à bord, ou à défaut 8–12 GCP dont plusieurs au centre du bloc, pas seulement en périphérie (c’est ce qui contraint le dôme).
• Vol croisé (deux grilles perpendiculaires) et prises obliques à 20–30° en périphérie. Le gain sur la déformation systématique est considérable, pour ~40 % de temps de vol en plus.
• Recouvrement 80/70 minimum.
• Ciel couvert uniforme — les ombres portées dures dégradent la corrélation.
• Saison : fin d’hiver, après fauche, végétation minimale.

Avec ce protocole, σ_Z de 2–3 cm est atteignable sur surfaces minérales. Le couvert végétal, lui, restera imperméable quelle que soit la qualité du vol : seul un LiDAR change cela.

Deux éléments qui orienteraient nettement la suite : l’occupation du sol du site (part de surfaces minérales vs enherbées/boisées), et le mode de géoréférencement utilisé — RTK embarqué, GCP levés, ou GNSS de navigation seul ? Ce dernier point détermine si vous avez un problème de bruit, un problème de dôme, ou les deux.