LiDAR HD IGN 2022
Description
Données altimétriques du territoire des Hauts-de-Seine de type LiDAR classifié issues d’une acquisition aérienne LiDAR de l’institut national de l’information géographique et forestière (IGN) à l’hiver 2022.
Les données LiDAR classifiées au format LAS sont un produit issu de l’acquisition aérienne LiDAR de 2022 de l’IGN. Il s’agit d’un nuage de points géoréférencé et classifié selon la norme de l’American Society for Photogrammetry and Remote Sensing (ASPRS) en fonction de la nature de l’objet à savoir : le sol, les surfaces en eau, la végétation (basse, moyenne, haute), les bâtiments, les routes, les voies ferrées, …
L’exploitation des données LAS nécessite des outils et logiciels spécifiques.
Contexte
Le Département des Hauts-de-Seine a récupéré auprès de l’IGN les données du LiDAR HD sur son territoire. Après contrôle des données, ces dernières ont été mises en conformité avec le Maillage Géographie de Référence (MGR) et la projection du Département des Hauts-de-Seine. Une acquisition LiDAR a pour avantages, notamment en période sans feuilles dans la végétation, de pouvoir acquérir davantage de données au sol sous la végétation (zones boisées par exemple) ou dans les zones agricoles à nu. Grâce à ces avantages, il est possible de générer des Modèles Numériques de Terrain (MNT) plus précis.
Les caractéristiques techniques de cette acquisition LiDAR sont les suivantes :
- Projection : RGF93-CC49 / IGN69
- Densité : 10 pts/m²
- Classe de précision planimétrique en surface dure : 0.1 m
- Période de l’acquisition aérienne : 2 et 3 mars 2022
Lexique
LiDAR
Light Detection And Ranging. Il s’agit d’une technique de mesure à distance fondée sur l'analyse des propriétés d'un faisceau de lumière renvoyé vers son émetteur. L’outil d’acquisition LiDAR peut être terrestre ou aérien. Dans le cas d’une acquisition aérienne, un logiciel de traitement permet de classifier les propriétés du faisceau de lumière et de restituer sa nature : bâtiment, eau, végétation, sol, …
MNT
Modèle Numérique de Terrain. Il s’agit d’une représentation numérique de la forme d’un terrain naturel ou non calculée à partir de données diverses dont on connait les coordonnées planimétriques et altimétriques : semis de points levés au sol ou par photogrammétrie, lignes topographiques levés au sol ou par photogrammétrie, points LiDAR, semis de points corrélés à partir d’images aériennes. Le MNT représente uniquement les données au sol. Les données en sursol (bâtiments, végétations, …) n’y apparaissent pas. La valeur d’altitude de ces zones correspond à la valeur au sol.
MGR
Maillage Géographique de Référence. Grille de dalles de 1 km par 1 km permettant de quadriller de manière régulière le territoire des Hauts-de-Seine.
Observations particulières
La mise à disposition des données LAS s'effectue sous la forme :
- De tuiles de 1 km x 1 km géoréférencées conforment au MGR du Département des Hauts-de-Seine.
- De fichiers contenant la tuile au format LAS géoréférencée.
- La syntaxe utilisée pour la dénomination des tuiles : " XXXX_YYYY_LAS", utilise les coordonnées XY en RGF93-CC49 suivant la norme Xmin_Ymax de la dalle concernée.
- Le téléchargement d'une dalle s'effectue en cliquant sur la dalle dans le tableau ou dans la carte et en téléchargeant le fichier zip associé.
Le nuage de points LiDAR classifié au format LAS est une donnée précise reflétant la réalité du terrain et permet diverses applications dont entre autres :
- Elaboration d’un MNT précis par un Réseau de Triangles Irréguliers (TIN) en combinant les points classifiés sol et des lignes de rupture de terrain. Son exploitation permet de réaliser des calculs de pentes, de zones d’extraction, de dépollution, de calculs d’inondation…
- Etude de végétation, modélisation de la végétation et de la canopée dans une optique de gestion de parcs et jardins par exemple.
- Modélisation automatique de formes de toits et modélisation urbaine 3D pour exploitation type études aérauliques ou de potentiel solaire dans les limites techniques des outils et de la précision du levé LiDAR.
Liens connexes
- Lien vers le site de l’American Society for Photogrammetry and Remote Sensing (ASPRS) https://www.asprs.org/
- Lien vers la donnée IGN https://geoservices.ign.fr/lidarhd
Données connexes
Portail Open data du Département des Hauts-de-Seine
- Lien vers le jeu de données Maillage Géographique de Référence : Maillage Géographique de Référence
Publisher
Attributions
Département des Hauts-de-Seine (Publisher)
Département des Hauts-de-Seine (Creator)
This dataset come from an external portal. View the original source.
Latest update
January 8, 2025
License
Licence Ouverte / Open Licence
Metadata quality:
Data description filled
Files documented
License filled
Update frequency not set
File formats are open
Temporal coverage filled
Spatial coverage not set
Some files are unavailable
Metadata quality
Update frequency not set
Spatial coverage not set
Some files are unavailable
2 APIs
There are no reuses for this dataset yet.
There are no discussions for this dataset yet.
There are no community resources for this dataset yet.
Information
Tags
License
ID
679af9477001c9a6fe6fd893
Temporality
Creation
January 8, 2025
Temporal coverage
2022/03/01 to 2022/03/02
Latest update
January 8, 2025
Actions
Embed
Extras
dcat
{'license': ['https://www.etalab.gouv.fr/wp-content/uploads/2014/05/Licence_Ouverte.pdf'], 'rights': ['https://www.etalab.gouv.fr/wp-content/uploads/2014/05/Licence_Ouverte.pdf']}
Harvest
archived_at
None
archived
None
backend
DCAT
created_at
2025-01-08 00:00:00
modified_at
2025-01-08 12:23:08
source_id
5731a6d688ee38379cd1b934
remote_id
https://opendata.hauts-de-seine.fr/explore/dataset/fr-229200506-lidar-hd-ign-2022/
domain
opendata.hauts-de-seine.fr
last_update
2025-04-12 04:03:14.316000
remote_url
https://opendata.hauts-de-seine.fr/explore/dataset/fr-229200506-lidar-hd-ign-2022/
uri
https://opendata.hauts-de-seine.fr/explore/dataset/fr-229200506-lidar-hd-ign-2022/
dct_identifier
https://opendata.hauts-de-seine.fr/explore/dataset/fr-229200506-lidar-hd-ign-2022/
Statistics for the year
Views
454
Downloads
129
Reuses of this dataset
0
Followers
0