20191028
16464800
1.0
FGDC CSDGM Metadata
FALSE
n
876805.250000
943551.750000
6504704.250000
6595440.250000
1
file://\\srvsig\FICSIG\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb
Local Area Network
002
Projected
GCS_RGF_1993
Linear Unit: Meter (1.000000)
RGF_1993_Lambert_93
<ProjectedCoordinateSystem xsi:type='typens:ProjectedCoordinateSystem' xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance' xmlns:xs='http://www.w3.org/2001/XMLSchema' xmlns:typens='http://www.esri.com/schemas/ArcGIS/10.5'><WKT>PROJCS["RGF_1993_Lambert_93",GEOGCS["GCS_RGF_1993",DATUM["D_RGF_1993",SPHEROID["GRS_1980",6378137.0,298.257222101]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Lambert_Conformal_Conic"],PARAMETER["False_Easting",700000.0],PARAMETER["False_Northing",6600000.0],PARAMETER["Central_Meridian",3.0],PARAMETER["Standard_Parallel_1",44.0],PARAMETER["Standard_Parallel_2",49.0],PARAMETER["Latitude_Of_Origin",46.5],UNIT["Meter",1.0],AUTHORITY["EPSG",2154]]</WKT><XOrigin>-35597500</XOrigin><YOrigin>-23641900</YOrigin><XYScale>124074650.52332792</XYScale><ZOrigin>-100000</ZOrigin><ZScale>10000</ZScale><MOrigin>-100000</MOrigin><MScale>10000</MScale><XYTolerance>0.001</XYTolerance><ZTolerance>0.001</ZTolerance><MTolerance>0.001</MTolerance><HighPrecision>true</HighPrecision><WKID>102110</WKID><LatestWKID>2154</LatestWKID></ProjectedCoordinateSystem>
BuildPyramids P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n -1 NONE BILINEAR LZ77 75 OVERWRITE
CalculateStatistics P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n 1 1 # OVERWRITE "Jeu d’entités"
BuildPyramids P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n -1 NONE BILINEAR JPEG 75 OVERWRITE
BuildPyramids P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n -1 NONE NEAREST LZ77 75 OVERWRITE
BuildPyramids P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n -1 NONE BILINEAR NONE 75 OVERWRITE
BuildPyramids P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n -1 NONE BILINEAR JPEG 75 OVERWRITE
BuildPyramids P:\ZZ_Thématiques\Environnement\forestier\ONF\exploit_lidar_ass.gdb\n 0 NONE NEAREST DEFAULT 75 OVERWRITE
20191127
14574400
20231024
10053800
625000
50000
ISO19139
Densité de tiges en nombre par hectare (N/ha).
Arbres de toutes les essences d'un diamètre supérieur à 17,5 centimètres.
Pour des peuplements très denses, le modèle sature et stagne aux alentours de 800 tiges/ha.
En général, les gros houppiers feuillus sont sur segmentés et prédits en plusieurs petits houppiers.
Les densités prédites en peuplement feuillu ont ainsi une mauvaise fiabilité.
Raster dendrométrique issus du LiDAR Jura sud de l'IGN acquis entre septembre et novembre 2014
La densité moyenne d’émission LiDAR calculé à partir des premiers retours LiDAR, est de 1.7 points/m².
La densité moyenne de points classé sol est de 0.8 points/m².
ain
raster
ONF
forêt
dendrométrique
arbre
bois
environnement
économie
résineux
feuillu
tige
densité
ONF 2017
<DIV STYLE="text-align:Left;"><DIV><DIV><P STYLE="margin:0 0 0 0;"><A href="https://carto.ain.fr/webapps/externe/doc/ONF_notice_modeles_LiDAR_v2.pdf" STYLE="text-decoration:underline;"><SPAN STYLE="font-size:12pt">lien vers descriptif pdf</SPAN></A></P><P STYLE="margin:0 0 0 0;"><SPAN /></P><P STYLE="margin:0 0 0 0;"><SPAN STYLE="font-weight:bold;">1 - Principes de modélisation</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN>Les présents modèles sont construits à partir de la détection des apex identifiés sur le modèle numérique de hauteur issus des couvertures LiDAR. Seules les hauteurs supérieures à 13 mètres associés à des cuvettes de plus de 5 mètres carrés sont conservées. Le traitement est effectué à l'exclusion du type "non boisé" de la cartographie de peuplement v.2 de l'IFN. Chaque apex est classé comme feuillu ou résineux en fonction des pentes de son houppier et de sa réflectance mesurée sur les images SPOT 6. Les diamètres à 1.30m et les accroissements sont estimés par les caractéristiques de la cuvette associée à l'apex. A l'échelle du pixel de 26.5m de côté, les surfaces terrières prédites pour chaque arbre sont sommées par essence et catégories de diamètres. Les résultats obtenus sont corrigés selon des modèles linéaires. Les modèles appliquées aux apex et aux pixels sont calibrés à l'aide des placettes de l'observatoire forestier. Ils sont validés sur un nouveau jeu de 240 placettes de 15 mètres de rayon mesurées en 2015 et indépendant du jeu de calibration.</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN /></P><P STYLE="margin:0 0 0 0;"><SPAN STYLE="font-weight:bold;">2 - Validité des paramètres modélisés</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN>En règle générale, la validité des paramètres modélisés n'est pas connue pour les peuplements rares et atypiques à l'échelle des montagnes de l'Ain. Ces peuplements sont par exemple les plantations de mélèzes, les pinèdes à cochet, les jeunes futaies feuillues éclaircies… La validité en peuplement de pinèdes noires ou sylvestres n'a pas été vérifiée. Toutes les données s'entendent pour un diamètre de pré-comptage de 17.5 cm à 1.30m (sauf mention contraire).</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN /></P><P STYLE="margin:0 0 0 0;"><SPAN STYLE="font-weight:bold;">3 - Précautions pour la réalisation de calculs à partir des données des rasters</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN>Pour les valeurs de surface terrière, de production, de densité de tiges, de types de peuplement, la valeur zéro doit être utilisée en cas d'absence de données. Ces cas correspondent, soit à des peuplements de hauteur inférieure à 13 mètres (composé a priori d'arbres de diamètre inférieur à 17,5 centimètres), soit à un type de peuplement IFN non boisé. Pour les types de peuplement, la valeur zéro correspond à un peuplement non pré-comptable, ou à une zone non boisée. Pour les valeurs de hauteur, de diamètre, de Gini, la valeur NULL doit être utilisée en cas d'absence de données. Les pixels de lisière intègrent sur une partie de leur surface une zone non boisée. Dans le cas où la zone d'extraction intègre de tels pixels, Il est important d'appliquer à la surface d'extraction un buffer négatif qui permettra d'exclure ses points.</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN /></P><P STYLE="margin:0 0 0 0;"><SPAN>Cartographie prédictive des paramètres forestiers des montagnes de l'Ain, Office National des Forêts,</SPAN></P><P STYLE="margin:0 0 0 0;"><SPAN>A. Munoz, S. Dumas, 2017</SPAN></P></DIV></DIV></DIV>
Microsoft Windows 7 Version 6.1 (Build 7601) Service Pack 1; Esri ArcGIS 10.5.1.7333
Envir_ONF_dendro_2015_n
n
2017-01-01T00:00:00
1
5.269118
6.171709
46.435722
45.598476
<DIV STYLE="text-align:Left;"><DIV><P><SPAN>usage professionnel.</SPAN></P><P><SPAN>Pour accéder aux données sources (GRID) contacter la direction de l'environnement : direction.environnement@ain.fr</SPAN></P></DIV></DIV>
dendrométrique
ain
2015
Jeu de données raster de géodatabase fichier
dataset
EPSG
6.16(9.0.0)
Pixel
3424
2519
26,497221
26,500000
16
1
Upper Left
TRUE
LZ77
1
pixel codes
FGDBR
TRUE
row and column
26,497221
26,500000
20231024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=