Comment pouvez-vous corriger les erreurs de données LiDAR pour l’analyse de la géologie structurelle?

2 Méthodes de détection

Pour détecter et évaluer l’ampleur et l’impact des erreurs de données LiDAR, vous pouvez utiliser plusieurs méthodes, telles que l’inspection visuelle des données dans différentes vues, le calcul et la comparaison de statistiques descriptives, l’évaluation des indicateurs de qualité et l’application de modèles mathématiques ou d’algorithmes. Par exemple, vous pouvez examiner les données dans des cartes 2D, des modèles 3D, des profils, des histogrammes ou des nuages de points ; calculer la moyenne, l’écart type, la plage ou les valeurs aberrantes des données ou des sous-ensembles de données; évaluer l’exactitude, la précision, la résolution, l’exhaustivité ou la cohérence des données ou des sous-ensembles de données; et appliquer des modèles mathématiques ou des algorithmes qui estiment ou simulent les erreurs ou les incertitudes dans les données.

4 Méthodes de validation

Après avoir corrigé les erreurs de données LiDAR, vous devez valider les résultats et vérifier que la qualité des données s’est améliorée et répond à vos objectifs. Pour ce faire, vous pouvez inspecter visuellement les données corrigées, les comparer aux données originales ou à d’autres sources d’information, telles que des photos aériennes ou des images satellites. En outre, vous pouvez calculer et comparer les statistiques descriptives des données corrigées et des données d’origine. En outre, vous pouvez évaluer les indicateurs de qualité des données corrigées et des données d’origine. Enfin, vous pouvez appliquer et tester des modèles mathématiques ou des algorithmes qui estiment ou simulent les erreurs ou les incertitudes dans les données corrigées et les données originales.

5 Exemples d’application

Pour illustrer comment corriger les erreurs de données LiDAR pour l’analyse de la géologie structurale, voici quelques exemples d’applications et de scénarios courants. La cartographie des défauts nécessite de filtrer le bruit et les valeurs aberrantes, de s’ajuster aux erreurs systématiques et géométriques, de corriger les erreurs atmosphériques et de surface et d’interpoler les lacunes ou les trous dans les données. Cela garantira que les données LiDAR représentent avec précision la topographie et la géométrie de la faille, ainsi que les décalages de défaut. De même, l’analyse des plis nécessite de filtrer le bruit et les valeurs aberrantes, de s’ajuster aux erreurs systématiques et géométriques, de corriger les erreurs atmosphériques et de surface et d’interpoler les lacunes ou les trous dans les données. Cela garantira que les données LiDAR représentent avec précision la topographie et la forme de pliage, en plus des axes de pliage et des charnières. Pour l’analyse des fractures, les données LiDAR doivent être filtrées hors bruit et valeurs aberrantes, ajustées pour les erreurs systématiques et géométriques, corrigées pour les erreurs atmosphériques et de surface, et interpolées lacunes ou trous dans les données. Cela garantira que les données LiDAR représentent avec précision la topographie et le réseau de fractures, ainsi que les orientations et les densités de fracture. Enfin, l’analyse de la litière doit filtrer le bruit et les valeurs aberrantes, ajuster les erreurs systématiques et géométriques, corriger les erreurs atmosphériques et de surface et interpoler les lacunes ou les trous dans les données. Cela garantira que les données LiDAR représentent avec précision la topographie et les plans de litière, ainsi que le pendage et la frappe de la litière.