Contrôle qualité des données aériennes : des sources aux produits finaux

Commencer par les critères de réception

L’examen qualité doit suivre les usages et critères convenus plutôt qu’un rendu attrayant. Spécifiez produits, couverture, détail, coordonnées, essais et formats. Distinguez livrables requis, aperçus et dérivés facultatifs. Sans critères, l’équipe peut soigner l’apparence en manquant le défaut décisif pour l’analyse. Construisez une séquence couvrant acquisition et export. Chaque constat nécessite lieu, preuve, impact et réponse. La réception devient traçable au lieu de reposer sur une capture favorable qui ne représente pas nécessairement tout le jeu ni les exigences réelles.

Inventorier l’exhaustivité des sources et les sessions

Rapprochez images, trajectoires, journaux, appuis et fiches de la liste des sessions. Recherchez fichiers absents, doubles, corrompus ou mal attribués. Vérifiez heures et identités du matériel. Un manifeste permet de vérifier copies et changements ultérieurs. Pour les images, examinez netteté, exposition et couverture ; pour le LiDAR, continuité et entrées associées. Les défauts sources se détectent souvent plus facilement avant le traitement complet. Si les entrées manquent, consignez le périmètre concerné et décidez si un traitement provisoire est utile ou risque de produire des conclusions impossibles à évaluer fiablement.

Examiner la géométrie avant les dérivés

En photogrammétrie, examinez connexions des caméras, blocs séparés et reconstructions faibles. Pour le LiDAR, vérifiez trajectoires, accord des lignes et surfaces doubles. Utilisez profils et objets stables, pas seulement une vue de dessus. Conservez les preuves avant-après lors des corrections. Une fin de calcul sans erreur logicielle ne démontre pas la qualité géométrique. Des dérivés paraissent complets malgré des entrées faibles. Les contrôles précoces évitent de remplacer tout un ensemble après découverte d’un défaut fondamental lors des mesures. Les corrections doivent traiter une cause documentée et non améliorer seulement quelques exemples choisis.

Évaluer indépendamment références et positions

Confirmez références horizontales et verticales, unités et transformations à partir du dossier. Évaluez la position par des points non utilisés dans l’ajustement. Séparez ces résultats des résidus internes aux appuis. Examinez répartition, surfaces, effectif et motifs spatiaux. Petits pixels et forte densité ne prouvent pas l’exactitude absolue. Consignez raisons techniques et vérifications des références exclues. L’évaluation dépend aussi de la qualité de leurs mesures. Les utilisateurs doivent connaître le périmètre démontré et non testé plutôt que recevoir un chiffre isolé d’applicabilité incertaine.

Vérifier la signification de chaque sortie

Orthomosaïques, MNS, MNT, nuages classifiés et maillages ont des usages différents. Le nom doit correspondre au traitement et aux surfaces. Un raster conservant la canopée ne doit pas devenir un terrain sans observations et traitement adaptés. Examinez eau, mobilité, ombres et absences. Inspectez les artefacts de classification ou de retouche. Pour courbes et volumes, retracez les hypothèses influentes. Des fichiers semblables peuvent répondre à des questions différentes : vérifier leur sens prévient les usages hors contexte. Une bande d’altitudes valide ne prouve pas à elle seule que ses valeurs décrivent la surface requise.

Examiner particulièrement bords et jonctions

Limites de blocs, raccords de tuiles et bords de couverture présentent souvent des défauts absents du centre. Vérifiez lacunes, ruptures altimétriques, couleurs inhabituelles et classes incohérentes. Utilisez un voisinage approprié avant découpage. Réexaminez les ensembles combinés : la fusion peut introduire des problèmes de grille ou référence invisibles séparément. Cartographiez les constats avec les sources. Après correction d’une tuile, vérifiez ses voisines. La qualité globale dépend des relations entre parties, pas seulement de l’ouverture de chaque fichier. Cet examen montre aussi que la correction n’a pas déplacé le problème dans une section adjacente.

Tester les exports dans l’environnement destinataire

Ouvrez des échantillons dans l’application cible ou un environnement pertinent. Vérifiez coordonnées, unités, NoData, attributs, couleurs et performances de lecture. Distinguez aperçus légers et produits analytiques acceptés. Testez index de tuiles et liens transportables pour les grands jeux. Confirmez que métadonnées intégrées et documents d’appui accompagnent les données. Des défauts d’export apparaissent malgré un projet correct. Ces essais préservent la qualité acquise, au lieu de la perdre par format, arborescence, compression ou fichier auxiliaire manquant pendant le transfert final.

Expliciter les décisions correctives

Chaque constat doit avoir un statut clair : corrigé, en attente d’observations, accepté dans des limites explicites ou non résolu. Identifiez responsable et preuve de nouvel essai sans détails inutiles. Ne clôturez pas un problème parce que l’échéance approche. Pour une limite acceptée, conservez périmètre et validation selon les procédures du projet. Reliez les décisions aux versions exactes. Un autre groupe pourra distinguer données modifiées et interprétation modifiée. Un historique utilisable ne doit dépendre ni d’échanges privés ni du souvenir expliquant le traitement particulier d’un objet.

Organiser un examen par étapes

Contrôlez les sources sur le terrain, examinez la géométrie initiale, évaluez position et signification, puis testez la remise exportée. Les échantillons représentatifs trouvent tôt les défauts ; l’examen final couvre néanmoins le périmètre requis. Adaptez la liste aux données de chaque charge utile NiVO sans perdre la traçabilité. Le résultat dépasse un calcul terminé : les destinataires peuvent ouvrir, évaluer et utiliser les informations avec leurs preuves et limites. Cette organisation cible l’étape responsable et évite des reprises aval incapables de résoudre une omission amont.

Situation illustrative : un projet correct exporté dans un dossier incomplet

Considérez un levé hypothétique dont le projet passe son examen interne. À l’ouverture de la livraison, le destinataire voit correctement le nuage classifié, mais un attribut requis pour la sélection manque. Le projet SIG lié pointe aussi vers un dossier présent uniquement sur le poste du spécialiste. L’équipe ne conclut pas à un échec d’acquisition et ne rejette pas la remarque parce que l’original fonctionne. Elle distingue qualité source, traitement et facilité d’usage. La liste de produits acceptés et les analyses prévues déterminent ce qu’il faut rétablir avant de terminer la remise.

Un export représentatif est ouvert dans l’environnement cible. Les examinateurs comparent attributs, coordonnées, couverture et valeurs pertinentes à la version principale. Les liens transportables sont testés depuis une copie distincte, pas depuis le dossier de travail. Tout aperçu est identifié pour ne pas remplacer silencieusement les données analytiques. L’export corrigé reçoit une version explicite ; le dossier qualité décrit les constats et preuves de clôture. Les autres produits suivant le même circuit d’export sont examinés lorsque le défaut découvert donne une raison concrète de craindre un problème lié.

La réception repose sur le dossier reçu, pas uniquement sur un traitement réussi ou une capture soignée. L’index final relie chaque rapport aux données et métadonnées correspondantes. Cet exemple explique pourquoi le contrôle accompagne l’information jusqu’au transfert et à la réouverture. Il distingue un modèle source valide d’une livraison incomplète, dirige la correction vers la véritable défaillance et permet aux destinataires d’exécuter le travail convenu sans fichiers locaux cachés ni paramètres non documentés.