Package index • opencanopy

Pipeline complet

Point d’entree principal : produit CHM + indices + PDF recapitulatif depuis un fichier AOI GeoPackage.

Orthophotos IGN (WMS Geoplateforme) et dataset Open-Canopy (Hugging Face).

download_ign_ortho_pair(): Télécharger les ortho RVB et IRC pour une même emprise
download_ign_tiled(): Télécharger une ortho IGN complète pour une emprise (avec tuilage automatique)
download_ign_wms(): Télécharger une ortho IGN via WMS (pour une emprise donnée)
download_model(): Télécharger le modèle pré-entraîné depuis Hugging Face
download_open_canopy_src(): Télécharger le code source Open-Canopy
download_open_canopy_subset(): Télécharger un sous-ensemble du dataset Open-Canopy
download_ortho_for_aoi(): Télécharger les ortho RVB et IRC pour une AOI
download_pretrained_model(): Télécharger les modèles pré-entraînés depuis Hugging Face
download_wms_tile(): Télécharger une tuile WMS IGN
hf_download_file(): Télécharger un fichier depuis Hugging Face
hf_download_files(): Télécharger un ensemble de fichiers depuis Hugging Face
hf_git_clone(): Cloner le dataset complet via git (nécessite git-lfs)
hf_list_files(): Lister les fichiers du dataset sur Hugging Face
load_aoi(): Charger l'AOI depuis un fichier GeoPackage
load_ign_ortho(): Charger une ortho IGN (RVB ou IRC, 0.20m)
scan_ign_files(): Scanner un répertoire pour trouver les ortho IGN

Calcul d’indices depuis l’IRC, masques, statistiques zonales.

compute_canopy_change(): Différence de canopée entre deux dates
compute_chm_stats(): Statistiques de hauteur de canopée
compute_forest_cover_grid(): Couverture forestière par grille
compute_gndvi(): Calculer le GNDVI (Green NDVI) depuis une ortho IRC IGN
compute_irc_stats(): Statistiques spectrales d'une ortho IRC IGN
compute_ndvi(): Calculer le NDVI depuis une ortho IRC IGN
compute_ndwi(): Calculer le NDWI (Normalized Difference Water Index, McFeeters 1996)
compute_savi(): Calculer le SAVI (Soil Adjusted Vegetation Index, Huete 1988)
mask_vegetation(): Créer un masque de végétation à partir du NDVI
cross_ndvi_chm(): Croiser NDVI (IGN IRC) et CHM pour caractériser la végétation
zonal_canopy_stats(): Statistiques zonales
detect_canopy_loss(): Détection de perte de canopée

Preparation des tuiles, inference Python, reechantillonnage du CHM.

setup_conda_env(): Configurer reticulate pour utiliser l'environnement conda open_canopy
setup_python(): Configurer l'environnement Python
download_pretrained_model(): Télécharger les modèles pré-entraînés depuis Hugging Face
download_model(): Télécharger le modèle pré-entraîné depuis Hugging Face
download_open_canopy_src(): Télécharger le code source Open-Canopy
find_checkpoint_name(): Trouver le nom du fichier checkpoint dans le dataset HF via l'API
tile_for_inference(): Découper une image IGN en tuiles pour l'inférence
normalize_for_model(): Préparer une tuile IGN pour le modèle Open-Canopy
run_inference_python(): Exécuter l'inférence sur une tuile via Python
predict_chm_from_ign(): Pipeline complet : ortho IGN → prédiction CHM
resample_ign_to_spot(): Rééchantillonner une ortho IGN de 0.2m vers 1.5m
upsample_chm_to_ign(): Suréchantillonner un CHM prédit (1.5m) vers la résolution IGN (0.20m)
load_predictions(): Charger les prédictions
evaluate_predictions(): Évaluer les prédictions vs CHM de référence

plot_canopy_change(): Visualiser les changements de canopée
plot_canopy_classes(): Classification de la canopée
plot_chm(): Visualiser le CHM
plot_chm_histogram(): Histogramme des hauteurs de canopée
plot_ign_full_comparison(): Comparaison multi-panneaux : IGN RVB + IRC + NDVI + CHM
plot_irc(): Visualiser une ortho IRC en fausses couleurs
plot_ndvi(): Visualiser le NDVI
plot_prediction_comparison(): Visualiser la comparaison prédiction vs référence
plot_resolution_comparison(): Comparaison SPOT (1.5m) vs IGN (0.20m) sur la même zone
plot_rgb(): Visualiser une image en couleurs naturelles (RGB)
export_to_gpkg(): Exporter une liste de rasters vers un GeoPackage

Helpers de projection et de rattachement du CRS.