Extraire et classifier les arbres LiDAR autour d'un champ — extraire_classifier_haies

Pipeline complet: 1) DTM (rasterize_terrain) 2) Normalisation (Z - DTM) 3) CHM (rasterize_canopy) 4) Segmentation (lidaRtRee) 5) Extraction arbres (lidaRtRee) 6) Clustering + classification: foret / haie_brise_vent / individuel 7) Export des rectangles des haies (largeur, longueur, angle)

Usage

extraire_classifier_haies_lidar(
  nuage_points,
  res_dtm = 1,
  res_chm = 0.25,
  hmin = 1,
  eps_dbscan = 6,
  minPts_dbscan = 3,
  seuil_aspect = 6,
  seuil_largeur_max = 12,
  seuil_linearity = 8,
  seuil_largeur_foret = 20,
  seuil_n_foret = 30
)

Arguments

nuage_points: Objet LAS (lidR) - typiquement l$nuage_points
res_dtm: Resolution DTM (m)
res_chm: Resolution CHM (m)
hmin: Hauteur minimale (m) pour la segmentation / extraction
eps_dbscan: Paramètre eps DBSCAN (m) pour regrouper les arbres en clusters
minPts_dbscan: minPts DBSCAN
seuil_aspect: Seuil L/W minimal pour haie (ex: 6)
seuil_largeur_max: Largeur max (m) d'une haie (ex: 12)
seuil_linearity: Linéarité PCA min pour haie (ex: 8)
seuil_largeur_foret: Largeur (m) indicative de forêt (ex: 20)
seuil_n_foret: Nombre d'arbres indicatif de forêt (ex: 30)

Value

Une liste: - dtm: SpatRaster DTM - chm: SpatRaster CHM - segms: segmentation (lidaRtRee) - trees: output brut lidaRtRee::tree_extraction - trees_sf: sf points avec attributs + cluster + classe - cluster_stats: table des métriques par cluster - haies_rectangles: sf POLYGON avec les rectangles des haies (largeur, longueur, angle)