Utilisation conjointe de trains d'ondes lidar vert et infrarouge pour la bathymétrie des eaux de très faibles profondeurs

Abstract

La bathymétrie et la topographie des surfaces immergées sont des connaissances essentielles pour la gestion durabledes rivières et des espaces littoraux. Parmi les techniques permettant de les obtenir, le LiDAR bathymétrique apparaîtprometteur par sa capacité à relever de grandes surfaces en un temps limité, avec une forte résolution spatiale et demanière continue entre zones émergées et immergées.Bien que certaines études aient porté sur la précision de cette technique dans les zones côtières de profondeurmodérée, peu se sont intéressées aux eaux très peu profondes (< 3 m). Dans cette étude, une nouvelle méthode detraitement de formes d'ondes LiDAR pour les très faibles profondeurs est proposée. Cet algorithme s'appuie sur letraitement conjoint des trains d'ondes vert et proche-infrarouge (PIR). La densité et la précision des données résultantessur les eaux côtières très peu profondes sont ensuite analysées.Les résultats de ces développements et analyses sont présentés sur des données acquises sur le Golfe du Morbihan(France) par le Service Hydrographique et Océanographique de la Marine (SHOM) en 2005 avec un système SHOALSqui fournit les formes d'ondes Raman, PIR et vert. Ce travail met l'accent sur la comparaison de la qualité entre lesdonnées bathymétriques livrées issues du traitement des signaux par l'opérateur et celles issues de l'algorithme detraitement proposé. Pour la validation des résultats, une méthode spécifique est utilisée ici afin de faciliter lacomparaison de mesures altimétriques réalisées entre des points GPS de référence et des empreintes LiDAR (diamètrede l'ordre de 2 m). Dans les très faibles profondeurs d'eau, l'algorithme proposé extrait 41% de mesuressupplémentaires par rapport aux données livrées, avec un biais de mesure comparable (environ 5 cm) et un écart-typedes erreurs plus faible (26,1 cm contre 41,1 cm). 55% de ces mesures supplémentaires sont situés à une profondeurcomprise entre 1,5 m et 2 m. De plus, l'algorithme proposé améliore la profondeur minimale détectable de 80 cm parrapport aux données livrées (1 m contre 1,8 m).