Cette présentation s’intéresse au traitement et à l’utilisation de données LiDAR pour des recherches en archéologie. Les exemples développés ici ont été choisis pour l’essentiel autour de Besançon, et plus particulièrement dans le massif forestier de Chailluz situé aux abords immédiats de la ville (cf. Fruchart 2014 : https://hal.archives-ouvertes.fr/tel-01099184). La présentation évoque des points techniques et méthodologiques concernant l’analyse des topographies paysagères, et aborde notamment la question de la reconnaissance de formes agraires fossiles.

La forêt de Chailluz (pointillés jaunes sur la diapositive) est située à la périphérie de Besançon, espace urbain de premier plan à l’échelle régionale depuis plus de 2000 ans.Du point de vue topographique, cette forêt de feuillus est installée sur un relief karstique très accidenté, avec un plateau calcaire criblé de dolines et un relief naturel globalement marqué par un faisceau de plis montagneux orienté SO-NE. Ce massif forestier très ancien existe déjà au 13e s., et la documentation historique (textes et plans) atteste que l’actuelle forêt de Chailluz est déjà totalement boisée au 16e s. Par conséquent, tous les vestiges agraires qu’elle contient sont antérieurs à la période moderne.Aucune investigation archéologique n’avait été menée jusqu’à présent dans ce massif forestier, et l’analyse d’un relevé LiDAR réalisé en 2009 a révélé de très nombreux vestiges archéologiques inconnus auparavant.La diapositive montre la répartition des vestiges agraires (murs, talus, épaulements, pierriers, fossés, etc.) et des tronçons de voirie fossiles détectés à partir du relevé LiDAR. Les entités en noir sont antiques, celles en violet médiévales, celles en vert sont modernes. La datation des structures antiques et médiévales découle des résultats de prospections sur le terrain, celle des entités modernes est déduite des cartes anciennes (Etat-Major, plans forestiers du 18ème s., plan cadastral napoléonien). Les entités en rouge restent à dater.

En conclusion de la thèse, des états successifs de l’occupation du sol à différentes périodes ont été proposés. La diapositive montre un état pour la période romaine et un autre pour le second Moyen Âge (la zone d’étude correspond au polygone délimité en noir). Les zones en blanc ne sont pas exploitables à partir du relevé LiDAR à cause de l’occupation du sol actuelle (sols artificialisés, etc.). Celles en vert sont des surfaces estimées boisées et celles en beige des surfaces agropastorales durablement ouvertes. Les étoiles rouges sont des établissements (petits bâtiments, par exemple des fermettes, pour l’Antiquité ; granges et site cultuel pour le Moyen Âge). La zone en brun foncé est interprétée comme une surface alternant un usage sylvicole et agricole, pratique attestée au Moyen Âge (« essartage ») qui consiste à alterner au même endroit du taillis forestier et des cultures céréalières temporaires.La suite de la présentation commente le processus technique et méthodologique qui a conduit à proposer ces hypothèses d’occupations du sol, en croisant l’analyse des relevés topographiques LiDAR avec les résultats des prospections sur le terrain et avec les informations collectées à partir de recherches documentaires interdisciplinaires (archives historiques, données géographiques et environnementales, etc.).

Cette diapositive récapitule les possibilités et les limites du potentiel du LiDAR aéroporté pour une étude archéologique du paysage.

Le schéma à droite de la diapositive résume le processus technique et méthodologique mis en œuvre pour l’exploitation des données LiDAR du massif forestier de Chailluz.Par ailleurs, la diapositive liste les points techniques développés dans cette présentation, à prendre en compte pour un traitement des données LiDAR adapté à un usage archéologique.

Les données spatiales « brutes » (x,y,z) sont transformées en données binaires (par exemple au format .las) adaptées aux traitements informatiques. Ceci permet en particulier de diminuer le temps de traitement des données. Cependant, il est possible d’exploiter directement les tables attributaires en ASCII pour sélectionner des ensembles de points à partir de leurs coordonnées spatiales : les ordinateurs actuels sont capables d’effectuer des opérations sur des tables attributaires volumineuses en un temps raisonnable. Pour la détection d’entités archéologiques, structures qui se mesurent généralement à l’échelle métrique, il peut être intéressant de procéder ainsi, sans passer par une classification des points à l’aide d’algorithmes mathématiques. Les relevés LiDAR renseignent la topographie par des nuages de points qui atteignent facilement aujourd’hui une densité moyenne de 4 pts-sol/m2. Ce ratio taille/densité de points est suffisant pour assurer, à partir d’un tri des points sans classification préalable, une lisibilité correcte de la morphologie et du volume de ces structures et permet de les détecter par la photo-interprétation de modèles numériques de surface, si la résolution de ces modèles est adaptée à l’échelle des entités qu’on recherche. Les algorithmes de classification sont développés en tenant compte de la nature des structures à détecter (maisons, routes, végétation, etc.) et sont établis en se fondant sur des caractéristiques géométriques préalablement identifiées. Ils sont bien adaptés aux besoins des sciences environnementales, des sciences physiques ou de la géographie ; ils le sont moins à l’archéologie, où il n’est pas rare que des entités échappent aux classifications, car leur topographie est atypique et leur géométrie complexe et/ou inattendue, principalement du fait de leur dégradation morphologique due à la ruine ou au réemploi. Il faut donc, pour un usage archéologique, solutionner ce problème pour espérer détecter et observer l’intégralité des structures archéologiques visibles à la surface du sol.

En archéologie, la photo-interprétation de données LiDAR se fait généralement à partir de Modèles Numériques de Terrains (MNT) qui représentent le sol nu, artificiellement « débarrassé » de la végétation et des éléments du sursol (bâti, etc.). On cherche à détecter des structures conservées à même la surface du sol et masquées par la végétation actuelle. Les structures contemporaines en élévation sont éliminées car elles n’ont pas d’intérêt archéologique. Le MNT a cependant des limites, notamment pour un usage archéologique en milieu urbanisé.En illustration, la diapositive présente une orthophotographie d’une partie du centre ancien de Besançon, au pied de la citadelle édifiée par Vauban, une zone urbanisée dès la fin de l’âge du Fer, et le MNT correspondant réalisé à partir du relevé LiDAR. Le MNT est ici presque inexploitable, car la suppression du bâti a créé de nombreux artefacts qui rendent le modèle illisible pour un travail de photo-interprétation.

Si on dispose des classes de points du sol, du bâti et de la végétation, il est intéressant pour la détection d’entités archéologiques de réaliser des modèles numériques qui conservent les points du bâti et les points du sol et qui suppriment uniquement la végétation. Le modèle numérique de terrain bâti est bien plus lisible et, dans notre exemple, permet notamment de détecter sans ambiguïté l’emplacement d’anciennes terrasses et de carrières à présent cachées par la végétation, résultat qui ne peut être obtenu avec le MNT. Certaines structures fossilisées dans cet espace urbanisé depuis plus de deux millénaires pourraient être médiévales, voire même antiques, et sont donc susceptibles d’intéresser l’archéologie. D’une manière générale, les observations et résultats obtenus par les recherches autour de Besançon en pratiquant des allers-retours entre le traitement informatique des données LiDAR et l’analyse des structures sur le terrain ont conduit à travailler systématiquement avec des modèles numériques de terrain et bâti pour la détection d’entités archéologiques, même hors du milieu urbain. En effet, on sait que le LiDAR permet uniquement la détection de vestiges conservés en surface. Il est évident qu’on n’en détectera pas à l’emplacement précis de bâtiments actuels. En revanche, il n’est pas exclu qu’il en subsiste dans leur voisinage immédiat, partiellement conservés. En conservant le bâti sur le modèle numérique, on peut les identifier par photo-interprétation. Cette observation a été faite à plusieurs reprises autour de Besançon, dans des zones aux densités de bâti très variables, et a permis l’indentification d’aménagements agro-pastoraux, de carrières, de constructions et de tronçons viaires au voisinage de constructions actuelles. En outre, la prise en compte des édifices actuels est utile car elle permet de circonscrire précisément des zones qui ne peuvent pas être documentées archéologiquement à partir du LiDAR, et donc de différencier a priori les surfaces exemptes de vestiges de celles au sujet desquelles on ne sait rien.

La réalisation de « modèles numériques de hauteur minimum » à partir des données ASCII permet de rendre compte d’une façon très acceptable de la topographie de zones problématiques et facilite l’interprétation archéologique. Ces modèles sont réalisés en attribuant par unité de surface Ui préalablement définie et géolocalisée la hauteur Z du point le plus bas parmi les points dont les coordonnées X,Y sont comprises dans les intervalles [Xi, Xi+1] et [Yi, Yi+1] de chaque unité de surface Ui. Ces unités de surface constituent les pixels du modèle numérique dont ils déterminent la résolution. En illustration, la diapositive présente deux exemples d’utilisation de tels modèles.En haut : (à gauche) MNT d’une zone où des falaises sont recouvertes de végétation persistante (buis) et où la plaine alluviale en contrebas est fortement urbanisée. Un château médiéval ruiné occupe le bord ouest du relief montagneux. Cet exemple montre un cumul de situations propices à la production d’un MNT de mauvaise qualité à partir des traitements algorithmiques « classiques », à la fois pour un rendu acceptable du relief naturel et pour une mise en évidence suffisante des entités archéologiques et de leur organisation spatiale : fortes pentes, terrain très accidenté, végétation persistante, urbanisation et structures ruinées en sursol. Dans cette zone, la complexité du nuage de points est telle dans les pentes au relief très accidenté que même une classification manuelle des points s’est avérée inopérable. En revanche, le modèle numérique de hauteur minimum (vue en haut à droite) documente de façon très acceptable la topographie naturelle et les vestiges archéologiques. En bas : (à gauche) MNT d’une zone en pente couverte de végétation persistante où des agents forestiers ont repéré des installations non autorisées. Le MNT ne permet pas de visualiser ces installations qui ont été considérés comme de la végétation à partir des algorithmes appliqués lors de la classification des points. En revanche (à droite), le modèle numérique de hauteur minimum révèle cette installation et permet même d’en détecter le chemin d’accès.

Cette diapositive évoque deux méthodes courantes pour la transformation de nuages de points en modèle numérique raster : création d’une enveloppe à partir d’une triangulation de Delaunay et remplissage des vides entre les points par la méthode « Inverse Distance Weight ».

Deux exemples pour illustrer ces techniques : Un MNT réalisé à partir d’une triangulation de Delaunay et un modèle avec la méthode IDW. On constate par ailleurs que, indépendamment des méthodes de génération des rasters, le modèle avec une résolution de 20 cm fournit une image plus nette et plus facile à interpréter que le modèle avec une résolution de 50 cm.

Combien de points faut-il pour générer un modèle raster d’une résolution adaptée à la détection et à l’interprétation d’une forme ? En illustration, cette diapositive présente le cas d’une plateforme de charbonnier, aménagement plan circulaire ou légèrement ovalaire, d’un diamètre de 6 à 10 m. On a réalisé quatre ensembles-test avec des densités d’environ 200 points/are, 100 points/are, 50 points/are et 25 points/are. On en a dérivé des modèles numériques de terrain (technique IDW) avec des résolutions de 1 m, 50 cm et 20 cm. Au final, les modèles qui offrent la meilleure lisibilité ont une densité de 200 points/are et une résolution de 50 cm et 20 cm, ainsi qu’une densité de 100 points/are et une résolution de 50 cm. Cette évaluation empirique de la perception de l’information topographique montre que la qualité du rendu visuel dépend à la fois de la résolution et de la densité du semis de points. Elle montre aussi, pour cet exemple précis, qu’un MNT d’une résolution de 50 cm réalisé à partir d’un relevé de points-sol d’une densité de 1 point/m2, voire 0,5 point/m2, fournit une qualité visuelle parfaitement exploitable pour la détection de cette structure d’environ 50 m2. Par ailleurs, le rendu visuel et la capacité à détecter la structure sont meilleurs dans tous les cas avec une résolution de 50 cm qu’avec une résolution de 1 m, quelle que soit la densité de points initiale prise en compte. Ceci peut signifier que, dans les choix à faire pour la réalisation d’un MNT (taille du pixel vs densité de points), il est peut-être préférable d’accorder la priorité à une résolution optimale, en rapport avec la taille des entités à détecter, plutôt que d’adopter une résolution théorique directement déduite de la densité de points ; en veillant toutefois à ce que cette résolution conserve des proportions raisonnables par rapport à la densité de points du relevé.

Après avoir évoqué des points techniques relatifs à l’utilisation des données LiDAR pour des recherches archéologiques, on aborde des questions méthodologiques.Une fois les données LiDAR transformées en modèles numériques raster, les tâches qu’on effectue s’apparentent à un travail de photo-interprétation et renvoient aux difficultés méthodologiques qu’on rencontre dans ce domaine. Par rapport aux autres moyens de télédétection, le LiDAR a cependant pour spécificité d’apporter en premier lieu une information topographique. Ce point le différencie fondamentalement de la photogrammétrie, où la topographie est une information secondaire déduite des images, alors qu’avec le LiDAR, on construit des modèles-images destinés à être photo-interprétés à partir de données topographiques. Cette spécificité a l’avantage d’ouvrir à un large éventail de possibilités de représenter la topographie et les volumes dont on peut utilement tirer parti en archéologie.

Cette diapositive et les deux suivantes illustrent quelques difficultés bien connues en photo-interprétation, présentées à partir d’un exemple de cartographie de l’évolution du boisement entre 1956 et 2003. Cette première diapositive montre une orthophotographie de 2003 à partir de laquelle le boisement a pu être cartographié automatiquement, puis simplement vérifié a posteriori pour corriger les erreurs.

Cette deuxième diapositive montre la même zone en 1956. Ici, la cartographie du boisement a été réalisée par photo-interprétation des images car les performances de la détection automatique sont insuffisantes pour effectuer cette tâche. La principale difficulté pour le photo-interprète est d’arbitrer sur l’attribution des catégories d’occupation du sol rapidement (les surfaces à couvrir sont importantes et le temps pour cartographier limité) et de manière constante (toutes les zones doivent être traitées de la même façon), notamment dans les zones qui présentent des difficultés d’interprétation. Sur ce cliché, la principale difficulté est de déterminer certaines limites du boisement tout en respectant les règles de cartographies appliquées selon un protocole préalablement défini.

Cette troisième diapositive montre la même zone en 1984. La cartographie du boisement a également été réalisée par photo-interprétation manuelle. Aux difficultés évoquées dans la diapositive précédente s’ajoute la mauvaise qualité de l’image, ce qui complique encore le travail.

On rencontre pour la photo-interprétation des données LiDAR les mêmes problèmes que ceux évoqués dans les diapositives précédentes : il faut interpréter les données selon des critères précis et, idéalement, en disposant d’une bonne lisibilité de l’image.Cette diapositive montre un extrait de modèle numérique de terrain qui contient des aménagements agropastoraux (terrasses ou rideaux de culture, en haut) et des plis naturels du terrain (en bas). Pour obtenir ce résultat, il a été nécessaire de réaliser un modèle numérique qui procure une bonne lisibilité des microreliefs et par ailleurs de déterminer des critères morphologiques qui permettent de différencier les structures d’origine anthropique des microreliefs naturels du terrain.

Les structures observées doivent être dessinées. Idéalement, la surface qui reste après avoir dessiné toutes les entités repérées (anthropiques ou naturelles, archéologiques ou actuelles) doit apparaître uniforme : il ne reste rien à dessiner. En illustration, la vue de gauche présente une zone où toutes les entités ont été dessinées : des routes forestières et limites parcellaires actuelles ainsi que des cloisonnements sylvicoles sont en rouge. Des dolines sont en rose, des plateformes de charbonnier en bleu, des fours à chaux en violet, des tas d’épierrement en jaune, d’anciens chemins en brun et des marques de terrasses/rideaux de culture en vert.La vue de droite montre des artefacts générés lors de la réalisation des modèles numériques. Ces artefacts, dont les morphologies diffèrent en fonction des techniques employées pour réaliser les modèles (ici, ils forment des lignes parallèles dans un cas et des sortes de digitations dans l’autre), ne renvoient pas à des entités réelles. Il convient donc d’être vigilant dans le travail de photo-interprétation pour ne pas leur attribuer à tort une réalité physique.

Les données LiDAR apportent une information volumétrique qu’il faut exploiter. L’utilisation de la 3D améliore sensiblement l’appréciation de l’agencement des diverses structures dans l’espace. C’est un outil qui apporte une information importante qui complète utilement la vue en plan. On peut aussi utiliser des courbes de niveaux (vue en bas à gauche) qui mettent également bien en valeur l’information altimétrique.

C’est à partir d’une observation attentive, en 2D et en 3D, effectuée sur plusieurs modèles numériques générés selon des méthodes différentes (triangulation, IDW, hauteur minimum), et après avoir dessiné toutes les entités, qu’on a pu proposer une interprétation différente des marques agraires fossiles dans la partie centrale de la zone d’étude du massif de Chailluz (brun foncé) par rapport à celle envisagée pour les marques observées ailleurs dans le massif (beige). En effet, bien que ces marques apparaissent ressemblantes sur les vues LiDAR en plan présentées sur cette diapositive, une analyse attentive montre qu’elles ont des caractéristiques morpho-typologiques sensiblement différentes.

Ces différences sont particulièrement bien visibles en 3D. Sur la vue du haut, les aménagements linéaires sont bien marqués, réguliers et parallèles et ont été interprétés comme des terrasses ou rideaux de cultures permanents. Sur la vue du bas, les linéaments sont moins réguliers, moins marqués et moins rectilignes. La présence de tas d’épierrements, qu’on rencontre en association avec les linéaments, confirme la nature anthropique de ces structures et leur probable lien avec un usage agraire. Dans les deux zones, les pentes et l’exposition du terrain naturel ainsi que les types de sol sont identiques. La zone représentée en bas sur la diapositive occupe plusieurs centaines d’hectares et est limitée à l’ouest, à l’est et au nord par des faisceaux de chemins et un site médiévaux, datés par les prospections au sol. La structuration topographie moins organisée et moins marquée dans cette zone a amené à l’interpréter comme un espace dédié à l’essartage, où des pratiques agricoles non permanentes auraient laissé des marques agraires plus discrètes et moins structurées que celles laissées par des aménagements pérennes, tels ceux qui occupent la partie ouest du massif, occupé durant l’Antiquité (cf. vue du haut).

Il est nécessaire de développer un ou des référentiel(s) typologique(s) et descriptif(s) qui documentent les caractéristiques morpho-typologiques liées aux aménagements anciens, notamment aux pratiques agraires, qu’elles soient avérées, probables ou même hypothétiques. De tels référentiels permettront d’améliorer la qualité du travail de photo-interprétation et seront utiles dans des perspectives comparatives, que ce soit pour comparer diverses zones d’étude ou pour comparer des interprétations différentes proposées des photo-interprètes distincts.

Il faut déterminer les critères à prendre en compte pour bien caractériser les formes agraires et savoir où arrêter l’espace et les structures étudiées.Par exemple, en illustration sur cette diapositive, il est facile de discriminer sur la vue en haut à gauche les tas d’épierrement, circulaires et compacts, des murs ou talus empierrés, formes linéaires étirées. Sur la vue en haut à droite, comment faut-il interpréter les énormes amas de pierres ? S’agit-il de murs/talus ou de tas d’épierrement, ou faut-il leur attribuer une catégorie spécifique?Sur la vue en bas à gauche, où doit-on arrêter le descriptif des structures agraires? L’enclos contenant un petit habitat et les chemins de desserte font ils partie des structures agraires, ou en sont-ils exclus? Enfin, sur la vue en bas à droite, dans quelle catégorie faut-il classer de petits cours d’eau fossiles, entités naturelles utilisées de façon opportune au cours de la période moderne pour irriguer et/ou drainer des parcelles agricoles, puis abandonnées au cours du 20ème s. à cause d’une déprise agricole?

A l’heure actuelle, le principal référentiel morpho-typologique existant est constitué par des vues LiDAR consultables sur internet. La plupart de ces vues renvoient à des formes agraires du Royaume-Uni, où se développe sans aucun doute aujourd’hui une expertise de premier plan sur l’utilisation des données LiDAR pour l’archéologie. Mais cette omniprésence d’exemples provenant du Royaume-Uni peut constituer un biais référentiel : d’un point de vue culturel, par exemple, leur pratique de la « Historic Landscape Characterisation », qui date des aménagements en fonction de leur typologie, n’est pas nécessairement reconnue ou pertinente partout en Europe. Il serait probablement préférable d’établir un référentiel de façon concertée, en considérant les entités et les approches à une échelle qui dépasse un cadre national et s’inscrit plus largement à l’échelle européenne.En illustration, la diapositive présente 3 vues LiDAR de ridges and furrows extraites d’études faites au Royaume-Uni (vues du haut), une vue de billons et sillons en Allemagne (en bas à gauche, plaine rhénane) et une vue de billons et sillons en France (en bas à droite, Lorraine).

Cette diapositive présente une ébauche, qui reste à améliorer, de tableau de classification d’entités par rapport à leur caractérisation spatiale, physique et fonctionnelle.

Pour conclure, les deux dernières diapositives évoquent la question de la restitution de paysages et de l’organisation spatiale et fonctionnelle des espaces agraires observés à partir du LiDAR.

Au-delà d’un aspect illustratif, que les relevés LiDAR, associés à d’autres couches d’informations spatiales (cartes anciennes, orthophotographies historiques, notamment), permettent de développer assez facilement aujourd’hui à l’aide des outils offerts par les logiciels de SIG et de traitement d’images, l’exercice de restitution de paysages passés à partir de données archéologiques soulève des questions sur l’aménagement du sol et sur la structuration du paysage qui sont des sujets d’investigations scientifiques à part entière.Le LiDAR apparaît ainsi comme un outil particulièrement utile pour une étude archéologique des paysages passés, apportant aux recherches une information qui n’est remplaçable par aucun autre moyen d’investigation.