These Synthèse de Terrain À L'échelle Planétaire

Synthèse de terrain à l’échelle planétaire
Yann Cortial
To cite this version:

Yann Cortial. Synthèse de terrain à l’échelle planétaire. Modélisation et simulation. Université de
Lyon, 2020. Français. �NNT : 2020LYSEI094�. �tel-03186765�
HAL Id: tel-03186765

https://theses.hal.science/tel-03186765
Submitted on 31 Mar 2021
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
No d’ordre NNT : 2020LYSEI094
THÈSE DE DOCTORAT DE L’UNIVERSITÉ DE LYON

opérée au sein de
l’INSA Lyon
École Doctorale ED512

InfoMaths
Spécialité de doctorat : Informatique
Soutenue publiquement le 12/11/2020 par :

Yann C ORTIAL
Synthèse de terrain à l’échelle planétaire
Devant le jury composé de :
M. Loïc B ARTHE, Professeur des Universités, Université Paul Sabatier de Toulouse, Rapporteur
M. Marc D ANIEL, Professeur des Universités, Polytech Marseille, Rapporteur
Mme. Céline R OUDET, Maître de Conférences, Université de Bourgogne, Examinatrice
M. Éric G ALIN, Professeur des Universités, Université Claude Bernard Lyon 1, Examinateur
M. Éric G UÉRIN, Maître de Conférences, INSA Lyon, Directeur de thèse
M. Adrien P EYTAVIE, Maître de Conférences, Université Claude Bernard Lyon 1, Co-Directeur de thèse
Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

© [Y. Cortial], [2020], INSA Lyon, tous droits réservés
Département FEDORA – INSA Lyon - Ecoles Doctorales – Quinquennal 2016-2020
SIGLE ECOLE DOCTORALE NOM ET COORDONNEES DU RESPONSABLE
CHIMIE CHIMIE DE LYON M. Stéphane DANIELE

Institut de recherches sur la catalyse et l’environnement de Lyon
http://www.edchimie-lyon.fr IRCELYON-UMR 5256
Sec. : Renée EL MELHEM Équipe CDFA
Bât. Blaise PASCAL, 3e étage 2 Avenue Albert EINSTEIN
secretariat@edchimie-lyon.fr 69 626 Villeurbanne CEDEX
INSA : R. GOURDON directeur@edchimie-lyon.fr
E.E.A. ÉLECTRONIQUE, M. Gérard SCORLETTI

ÉLECTROTECHNIQUE, École Centrale de Lyon
AUTOMATIQUE 36 Avenue Guy DE COLLONGUE
69 134 Écully
http://edeea.ec-lyon.fr Tél : 04.72.18.60.97 Fax 04.78.43.37.17
Sec. : M.C. HAVGOUDOUKIAN gerard.scorletti@ec-lyon.fr
ecole-doctorale.eea@ec-lyon.fr
E2M2 ÉVOLUTION, ÉCOSYSTÈME, M. Philippe NORMAND

MICROBIOLOGIE, MODÉLISATION UMR 5557 Lab. d’Ecologie Microbienne
Université Claude Bernard Lyon 1
http://e2m2.universite-lyon.fr Bâtiment Mendel
Sec. : Sylvie ROBERJOT 43, boulevard du 11 Novembre 1918
Bât. Atrium, UCB Lyon 1 69 622 Villeurbanne CEDEX
Tél : 04.72.44.83.62 philippe.normand@univ-lyon1.fr
INSA : H. CHARLES
secretariat.e2m2@univ-lyon1.fr
EDISS INTERDISCIPLINAIRE Mme Sylvie RICARD-BLUM

SCIENCES-SANTÉ Institut de Chimie et Biochimie Moléculaires et Supramoléculaires
(ICBMS) - UMR 5246 CNRS - Université Lyon 1
http://www.ediss-lyon.fr Bâtiment Curien - 3ème étage Nord
Sec. : Sylvie ROBERJOT 43 Boulevard du 11 novembre 1918
Bât. Atrium, UCB Lyon 1 69622 Villeurbanne Cedex
Tél : 04.72.44.83.62 Tel : +33(0)4 72 44 82 32
INSA : M. LAGARDE sylvie.ricard-blum@univ-lyon1.fr
secretariat.ediss@univ-lyon1.fr
INFOMATHS INFORMATIQUE ET M. Hamamache KHEDDOUCI

MATHÉMATIQUES Bât. Nautibus
43, Boulevard du 11 novembre 1918
http://edinfomaths.universite-lyon.fr 69 622 Villeurbanne Cedex France
Sec. : Renée EL MELHEM Tel : 04.72.44.83.69
Bât. Blaise PASCAL, 3e étage hamamache.kheddouci@univ-lyon1.fr
Tél : 04.72.43.80.46
infomaths@univ-lyon1.fr
MATÉRIAUX DE LYON M. Jean-Yves BUFFIÈRE

Matériaux INSA de Lyon
http://ed34.universite-lyon.fr MATEIS - Bât. Saint-Exupéry
Sec. : Stéphanie CAUVIN 7 Avenue Jean CAPELLE
Tél : 04.72.43.71.70 69 621 Villeurbanne CEDEX
Bât. Direction Tél : 04.72.43.71.70 Fax : 04.72.43.85.28
ed.materiaux@insa-lyon.fr jean-yves.buffiere@insa-lyon.fr
MEGA MÉCANIQUE, ÉNERGÉTIQUE, M. Jocelyn BONJOUR

GÉNIE CIVIL, ACOUSTIQUE INSA de Lyon
Laboratoire CETHIL
http://edmega.universite-lyon.fr Bâtiment Sadi-Carnot
Sec. : Stéphanie CAUVIN 9, rue de la Physique
Tél : 04.72.43.71.70 69 621 Villeurbanne CEDEX
Bât. Direction jocelyn.bonjour@insa-lyon.fr
mega@insa-lyon.fr
ScSo ScSo* M. Christian MONTES

Université Lyon 2
http://ed483.univ-lyon2.fr 86 Rue Pasteur
Sec. : Véronique GUICHARD 69 365 Lyon CEDEX 07
INSA : J.Y. TOUSSAINT christian.montes@univ-lyon2.fr
Tél : 04.78.69.72.76
veronique.cervantes@univ-lyon2.fr

*ScSo : Histoire, Géographie, Aménagement, Urbanisme, Archéologie, Science politique, Sociologie, Anthropologie
R ÉSUMÉ
La synthèse de terrains virtuels à la fois vastes, détaillés, hétérogènes et explorables en

temps-réel, constitue un des défis de la modélisation de scènes naturelles. Les nombreuses
méthodes de l’état de l’art ne proposent en général que de traiter des scènes d’étendues
limitées en topologie planaire. Dans cette thèse nous abordons la modélisation de terrain à
l’échelle maximale, c’est-à-dire planétaire. Peu de choses ont été proposées pour traiter ce
problème qui dépasse, en termes de taille du domaine, ce qui se fait classiquement, de quatre
ordres de grandeur. Pour répondre à ce défi, nous proposons une solution découplée originale
à même de générer des planètes à l’échelle 1/1 présentant un bon niveau de réalisme. Notre
architecture prend tout d’abord en compte la géologie des planètes telluriques en mettant en
œuvre une simulation guidée de tectonique des plaques. Celle-ci permet la génération des
caractéristiques à grande échelle des planètes telles les continents, le relief océanique, les
arcs d’îles ou encore les chaînes de montagnes. Ce modèle macroscopique est dans un second
temps donné en entrée d’une méthode d’hyper-amplification capable de produire des vues
continues, détaillées, en temps-réel du terrain. Cette seconde méthode procédurale s’appuie
sur une pré-structuration du modèle macroscopique pour générer à la volée le modèle détaillé
final, dépendant de la vue caméra courante. Celui-ci est produit intégralement sur GPU par
un procédé massivement parallèle de subdivision stochastique, opérant à partir de règles
dépendantes du niveau de détail. Notre solution résout mieux certains problèmes inhérents aux
quelques méthodes précédentes, toutes fractales, comme l’auto-similarité, l’absence de variété
des paysages produits et l’absence de contrôle utilisateur. Au final, les modèles planétaires que
nous produisons sont jugés plus réalistes, tout en étant plus contrôlables par des artistes.
Mots-clés : informatique graphique, modélisation de terrain, modélisation de planètes,

modélisation procédurale, tectonique, amplification de terrain, modélisation de rivières
v
A BSTRACT
Allowing the real-time exploration of huge, detailed, heterogeneous synthetic terrains

remains an unsolved challenge in computer graphics, despite forty years of research. In general,
existing methods only handle terrains of limited extent, defined over a planar topology. In this
thesis, we explore terrain modeling at maximum-scale, i.e. at planetary scale - a scale which
exceeds by four orders of magnitude the extent of the domain of classical terrain synthesis.
However, this problem has been largely neglected, only a couple of modeling methods have
been proposed in past research. To tackle this challenge, we propose a novel decoupled
solution, capable of generating true-to-scale planets. Our architecture takes first into account
the geology of terrestrial planets by deploying a guided plate tectonics simulation. This
simulation allows the generation of large-scale planetary features such as continents, oceanic
relief, islands arcs and mountain ranges. This macroscopic model is then forwarded as an
input to an hyper-amplification method capable of producing continuous, detailed real-time
views of the terrain. To handle the size of the domain, the procedural amplification method
relies on the pre-structuration of the tectonic model, allowing on-the-fly generation of the final
detailed model, restricted to the current camera view. The model is produced entirely on the
GPU by relying on a massively parallel stochastic subdivision scheme, guided by level-of-detail
dependent rules. Overall, our method better handles certain problems tied to previous fractal
methods, such as the self-similarity of homogeneous landscapes and the lack of user-control,
by producing planets that show more variety, appear more realistic and can be more efficiently
designed by artists.
Keywords : computer graphics, terrain modeling, planet modeling, procedural modeling,

tectonics, terrain amplification, river networks
vii
TABLE DES MATIÈRES
1 I NTRODUCTION 1
2 É TAT DE L ’ ART 7
2.1 Synthèse de terrain classique . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 Aperçu du domaine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.1.1 Familles d’approches . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.1.2 Modes de synthèse . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1.3 La question du réalisme . . . . . . . . . . . . . . . . . . . . . 11
2.1.1.4 Représentation des terrains . . . . . . . . . . . . . . . . . . . 12
2.1.1.5 Contrôle utilisateur, contraintes sur les modèles . . . . . . . . 13
2.1.2 Méthodes physiques mono-échelles . . . . . . . . . . . . . . . . . . . . 14
2.1.2.1 Érosion thermique . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2.2 Érosion hydraulique . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2.3 Reliefs éoliens . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.2.4 Autres simulations . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.3 Méthodes multi-échelles . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.3.1 Modélisation fractale . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3.2 Méthodes procédurales avec pré-structuration . . . . . . . . . 23
2.1.3.3 Méthodes procédurales volumiques . . . . . . . . . . . . . . . 25
2.1.3.4 Synthèse à partir d’exemples . . . . . . . . . . . . . . . . . . 26
2.1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Passage à l’échelle planétaire . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1 Applications émergentes . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.2 Recherche académique . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2.1 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2.2 Stratégies de rendu . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 M ODÉLISATION DE PLANÈTES PAR REPRODUCTION D ’ UNE TECTONIQUE 39

3.1 Observations préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.1.1 État des connaissances géophysiques . . . . . . . . . . . . . . . . . . . 41
3.1.2 Éléments de tectonique des plaques classique . . . . . . . . . . . . . . 42
3.2 Aperçu de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.1 Phénomènes reproduits . . . . . . . . . . . . . . . . . . . . . . . . . . 48
ix
3.2.2 Modèle de plaque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.3 Aspect numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2.4 État initial de la simulation . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3 Modèle tectonique dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1.1 Subduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1.2 Collisions continentales . . . . . . . . . . . . . . . . . . . . . 59
3.3.1.3 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.2 Divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.2.1 Génération du plancher océanique . . . . . . . . . . . . . . . 65
3.3.2.2 Fragmentation de plaque . . . . . . . . . . . . . . . . . . . . 66
3.3.2.3 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.3 Érosion continentale et affaissement océanique . . . . . . . . . . . . . 69
3.4 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4.1 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4.2 Performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4.3 Contrôle utilisateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4.4 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4 A MPLIFICATION DE PLANÈTES POUR LE RENDU DÉTAILLÉ TEMPS - RÉEL 77

4.1 Approche par collage de modelés . . . . . . . . . . . . . . . . . . . . . . . . 78
4.1.1 Méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.1.1.1 Pré-traitement des cartes de hauteur . . . . . . . . . . . . . . 79
4.1.1.2 Données planétaires basse-résolution . . . . . . . . . . . . . . 80
4.1.1.3 Amplification temps-réel . . . . . . . . . . . . . . . . . . . . . 82
4.1.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.2 Approche par hyper-amplification . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2.1 Aperçu de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.2.2 Calcul du modèle basse résolution . . . . . . . . . . . . . . . . . . . . 87
4.2.3 Subdivision adaptative . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2.3.1 Schéma de subdivision . . . . . . . . . . . . . . . . . . . . . . 91
4.2.3.2 Paramètres des sommets . . . . . . . . . . . . . . . . . . . . . 94
4.2.3.3 Relief spécifique . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2.4 Injection de modelés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.5 Implémentation GPU . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.2.6 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5 C ONCLUSION 107
B IBLIOGRAPHIE 115

1
I NTRODUCTION 1
Figure 1 : Vue de la botte italienne depuis la Station Spatiale Internationale (ISS), orbitant à 400 km
d’altitude. En insert, photographie de la Terre réalisée durant la mission Apollo-8, prise en
1968 par l’astronaute William Anders. (Source : NASA)
On ne trébuche pas sur une montagne. On trébuche sur une pierre.

— Proverbe Indien
Les grecs anciens, dont Aristote, aimaient contempler la nature, autrement dit la physis, pour
en déduire les lois de leur philosophie naturelle. On peut supposer que certains parmi eux
avaient déjà sans doute formulé une sorte de rêve incongru, une chimère à jamais inaccessible,
inatteignable du fait de la limitation de la condition humaine, au regard des étendues du
cosmos qu’ils pouvaient déjà estimer par le calcul : voir la Terre, contempler le monde depuis
la voûte céleste, dans sa globalité – une vision sans doute réservée aux dieux. Mais voilà,
à peine quelques millénaires plus tard, ce rêve parmi les plus vieux rêves de l’humanité a
fini pourtant par se réaliser. Grâce aux pionniers de l’astronautique, il est désormais possible
de contempler la Terre dans son entièreté (figure 1), et il ne reste guère de surface de ce
monde qui n’ait été explorée. Mais rares sont les hommes et femmes autorisés à assister à
ce spectacle cosmique, les astronautes ne sont pas légions ; cependant, il reste le pouvoir
de l’image, pour que les autres, nous tous, puissions nous émerveiller à notre tour. C’est là
que l’informatique graphique peut jouer un rôle d’importance. Car, à défaut de contempler
nous-même ces spectacles naturels, nous pouvons transmettre des images, les animer, les
1
explorer virtuellement et pourquoi pas même les synthétiser, afin de montrer ce qui demeure
encore inaccessible à l’homme, d’autres planètes.
Tout comme l’astronautique, l’informatique graphique est jeune. Depuis sa naissance au

lendemain de la seconde guerre mondiale à aujourd’hui, beaucoup de chemin a été parcouru,
1 beaucoup a été proposé, pour parvenir à créer, visualiser, interagir avec, et explorer des
constructions numériques particulières qui nous intéressent de près : les mondes virtuels. Des
débuts balbutiants – on citera le travail de Sutherland en 1968, permettant avec un casque
rudimentaire d’explorer des salles virtuelles représentées en simple géométrie fil-de-fer – aux
effets spéciaux du cinéma moderne, photoréalistes, la route a été jalonnée de découvertes
en modélisation, en animation et en rendu. Les mondes virtuels, des représentations tri-
dimensionnelles du monde physique perceptible, sont peuplés d’objets multiples. Parmi eux,
des objets considérés comme essentiels pour leur crédibilité sont bel et bien les composantes
des paysages naturels, notamment le terrain, les nuages, les rivières et/ou la végétation ;
c’est-à-dire, la physis. La modélisation de ces éléments, et même leur synthèse, forme l’objet
de sous-domaines à part entière de l’informatique graphique. Jusqu’à il y a peu, et que ce
soit concernant les terrains, les nuages ou la végétation, les efforts n’ont porté que sur des
étendues limitées en topologie planaire : c’est-à-dire qu’on ne considère que des paysages sur
des étendues planes, de quelques kilomètres, très loin donc de l’étendue et de la sphéricité
de planètes entières. Toutefois depuis dix ans environ, à travers les jeux vidéo et le cinéma,
l’échelle planétaire suscite une attention particulière. C’est qu’entre temps la science-fiction
est devenue un genre extrêmement populaire, et que le besoin de voir, d’explorer, des planètes
complètes surgit avec force, parallèlement à ce que Google Maps/Google Earth, la NASA, nous
donnent à voir quotidiennement et qui rejoint ce qui a été évoqué en préambule : ce vieux
rêve de voir le monde.
Mais, une planète du point de vue numérique, virtuel, est un objet complexe à traiter. La
Terre est recouverte, sur un demi-milliard de kilomètres carrés, de reliefs (lithosphère), d’eau
(hydrosphère) et de nuages animés caractéristiques (atmosphère). Modéliser et rendre des
paysages planétaires, à toutes échelles, est un défi numérique majeur. Il rejoint les verrous de
l’étendue et de la précision des modèles de terrains (ou de nuages) lorsque ceux ci s’attachent
à dépasser les étendues conventionnelles. Le premier problème est donc celui de la taille du
domaine : l’échelle. Le second, lié au premier, est celui de la variété ou multi-modalité : en
effet, plus on s’attaque à de grandes étendues plus il faut prendre en compte une variété
élevée de paysages ; à l’instar de notre planète qui figure aussi bien des plaines, des vieux
massifs, des ergs sableux ou des regs en zone aride, que des vallées alpines ou des formations
karstiques ravinées toutes deux travaillées par de fortes hydrographies.
Face à ces défis la recherche académique n’a proposé curieusement que peu de choses. On
compte seulement deux méthodes de modélisation capables de traiter des planètes entières à
l’échelle 1/1, Musgrave [Ebe+98] et Derzapf et al. [Der+11]. Ce sont deux méthodes fractales
qui, par essence, abordent plutôt bien le problème de l’étendue vaste des planètes, mais par
contre produisent des terrains extrêmement homogènes qui ne répondent pas au second défi,
2 C HAPITRE 1. I NTRODUCTION

celui de la variété. Ces méthodes ne sont donc pas satisfaisantes. Du côté de la recherche
industrielle, bien entendu, les problèmes sont les mêmes, mais les solutions apportées varient.
Dans le cinéma, on évite généralement la question de l’exploration de planètes en introduisant
des scènes découplées pour les vues orbitales et les vues près du sol, i.e. sans continuité entre
les deux. Dans les jeux vidéo le problème est résolu de manière similaire, sauf pour un jeu en
particulier qu’il convient de mentionner, Star Citizen. Ce jeu a la particularité d’avoir obtenu
1
un budget participatif record de plusieurs centaines de millions de dollars et propose aux
joueurs l’exploration continue de planètes (comme le montre la figure 2). Le jeu est toujours
en développement, bien qu’ayant débuté en 2013, toutefois une version alpha est déjà jouable
en ligne. L’ambition du jeu est forte, et le problème de la variété des paysages est relativement
bien traité, par l’emploi de cartes de hauteur pré-calculées ; le problème de l’étendue et de la
précision est lui réduit en modélisant à l’échelle 1 : 10 les planètes (donc une surface réduite
d’un facteur 100, ce qui est considérable).
Figure 2 : Les terrains à l’échelle maximale, planétaire, du jeu Star Citizen. (source : © CIG)
Dans cette thèse, nous allons nous concentrer sur la modélisation de terrains planétaires
à l’échelle 1/1 et ce de manière à permettre l’exploration continue, temps-réel des modèles.
En premier lieu, nous présentons un État de l’Art (chapitre 2) dans lequel nous précisons
plus avant ce qui a été produit en matière de synthèse de terrains classiques, c’est-à-dire des
terrains à étendue limitée et en topologie planaire. Ceci permettra d’expliciter des notions,
des techniques, des problématiques communes sur lesquelles construire la modélisation de
terrains planétaires : en un mot de passer à l’échelle en fonction de l’existant. Les méthodes
de la littérature sont donc d’abord présentées en regard de l’approche classique, avant de
s’intéresser spécifiquement à ce qui a été fait en matière de terrains planétaires. Les rares mé-
thodes existantes qui traitent l’échelle planétaire sont toutes procédurales, et même fractales :
d’essence phénoménologique, elles ne s’intéressent pas aux causes physiques de la formation
des terrains, et leur nature fractale ne produit pas la variété essentielle au réalisme (comme le
montre la figure 3).
3
1
Figure 3 : Méthodes existantes de modélisation de planètes : (gauche) instance générée par combi-
naison de bruits procéduraux, à la façon de [Ebe+98], et rendue par le logiciel Terragen
(Source : nvseal @ deviant-art) ; (droite) exemple de terrain généré à la volée par la
méthode de Derzapf et al. [Der+11] (Source : [Der+11]).
Pour pallier à ces deux défauts tout en prenant en compte le problème particulier de
l’étendue considérable de planètes modélisées à l’échelle 1/1, nous proposons dans un second
temps une approche de synthèse originale, combinant à la fois représentation physique et
techniques procédurales. Les méthodes fractales échouant à produire l’hétérogénéité à grande
échelle des planètes, nous proposons d’abord (chapitre 3) de traiter l’échelle macroscopique
en simulant une physique géologique : à cette échelle il s’agit principalement de phénomènes
tectoniques, qui permettent d’engendrer correctement des formes de continents intéressantes,
des distributions d’arcs d’îles et d’archipels, des chaînes montagneuses plausibles. La méthode
opère sur une représentation triangulée de plaques tectoniques, animées dans une boucle
de simulation selon un pas de temps de plusieurs millions d’années. Lors de la simulation
les modes d’interaction tectoniques sont détectés et reproduits. Ces modes comptent, en
convergence, la subduction de plaques et les collisions continentales, donnant lieu à des
orogénies (formations de montagnes), et en divergence la formation de plancher océanique le
long des dorsales ainsi que le rifting, c’est-à-dire la fragmentation des plaques. La méthode offre
des capacités de contrôle à l’utilisateur, celui-ci peut en temps interactif durant la simulation
réorienter les plaques ou bien les re-paramétrer. Une fois le modèle tectonique produit, la
planète décrite par sa croûte avec une précision de quelques dizaines de kilomètres, est donnée
en entrée d’une seconde méthode d’amplification dont le rôle est de créer les détails du terrain
à la volée, à mesure que la caméra commence son exploration en temps réel. Nous proposons
(chapitre 4) deux méthodes d’amplification : la première par mélange de cartes de hauteurs
réelles, et la seconde, baptisée hyper-amplification, qui opère par subdivision stochastique.
L’hyper-amplification est inspirée du travail de Derzpaf et al. et permet de dépasser les
limitations de notre première méthode, laquelle ne permet pas une bonne précision du terrain
et n’offre aucun élément hydrographique structurant ; a contrario l’hyper-amplification permet
la génération à la volée de terrains variés en sus de réseaux hydrographiques cohérents. Elle
4 C HAPITRE 1. I NTRODUCTION

fonctionne par génération d’un réseau hydrographique à grande échelle, suivit d’un raffinement
adaptatif, parallèle et intégralement implémenté sur GPU, du terrain. Le raffinement se fait
par subdivision stochastique d’arêtes et de faces, et est guidé par des règles conditionnées
par le typage du terrain et l’échelle courante de subdivision. Une fois la subdivision opérée
nous la faisons suivre par un post-traitement des sommets du terrain visant à re-créer les
modelés hydrographiques caractéristiques que sont les lits de rivières et les vallées. Par le
1
couplage de l’approche tectonique, qui produit les grandes structures du relief planétaire, avec
l’hyper-amplification nous démontrons la possibilité d’explorer des planètes à l’échelle 1/1
de manière continue, en temps réel, présentant un réalisme et une variété de paysages à de
multiples échelles (figure 4) plus élevés que les méthodes existantes. Nous conclurons par un
rappel du contexte et des enjeux auxquels nous avons tenté de répondre dans cette thèse, tout
en offrant des perspectives de recherche et des considérations sur l’avenir du domaine.
Figure 4 : Résultats du couplage des méthodes tectonique et d’hyper-amplification, donnant les

grandes structures planétaires (gauche) et le relief détaillé (droite).
5
2
É TAT DE L’ ART
Table des matières

2.1 Synthèse de terrain classique . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 Aperçu du domaine . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.1.1 Familles d’approches . . . . . . . . . . . . . . . . . . . . 10
2.1.1.2 Modes de synthèse . . . . . . . . . . . . . . . . . . . . . 11
2.1.1.3 La question du réalisme . . . . . . . . . . . . . . . . . . . 11
2.1.1.4 Représentation des terrains . . . . . . . . . . . . . . . . . 12
2.1.1.5 Contrôle utilisateur, contraintes sur les modèles . . . . . 13
2.1.2 Méthodes physiques mono-échelles . . . . . . . . . . . . . . . . . . 14
2.1.2.1 Érosion thermique . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2.2 Érosion hydraulique . . . . . . . . . . . . . . . . . . . . . 15
2.1.2.3 Reliefs éoliens . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.2.4 Autres simulations . . . . . . . . . . . . . . . . . . . . . . 19
2.1.3 Méthodes multi-échelles . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.3.1 Modélisation fractale . . . . . . . . . . . . . . . . . . . . 21
2.1.3.2 Méthodes procédurales avec pré-structuration . . . . . . 23
2.1.3.3 Méthodes procédurales volumiques . . . . . . . . . . . . 25
2.1.3.4 Synthèse à partir d’exemples . . . . . . . . . . . . . . . . 26
2.1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Passage à l’échelle planétaire . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1 Applications émergentes . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.2 Recherche académique . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2.1 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2.2 Stratégies de rendu . . . . . . . . . . . . . . . . . . . . . 36
2.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
7
Les terrains sont une composante essentielle des paysages, car ce sont des éléments structu-
rant et support de la scène sur lesquels viennent se greffer les autres éléments (végétation,
bâtiments, véhicules, etc.). Ils occupent donc une place particulièrement importante dans
toute application numérique figurant de manière visuelle des scènes extérieurs 3D. Parmi
ces applications on compte celles qui s’appuient fortement sur les terrains de synthèse, et
qui se distinguent des applications de type SIG (GIS, Geographic Information System), plus
orientées vers l’analyse et la visualisation de terrains réels et de données affiliées (comme
par exemple l’occupation des sols). La synthèse de terrain a des applications importantes,
pour les simulateurs d’entraînement, lorsque ceux-ci nécessitent des reliefs spécifiques aux
missions d’entraînement, et surtout dans les industries du jeu vidéo et du cinéma. Dans ces
trois types d’applications, on constate au fil des ans et à mesure que le matériel informatique
gagne en capacités de traitement un accroissement de la taille des terrains ainsi que de leur
réalisme. Par exemple, les simulations de vol ou d’opérations de projection longue portée
2 (civiles ou militaires) peuvent couvrir des étendues de plusieurs milliers de kilomètres. Ou
encore, les jeux vidéo dits « mondes ouverts » peuvent présenter des terrains extrêmement
détaillés tout en étant étendus (par exemple le titre sorti en 2016 Final Fantasy XV offre un
terrain de 42 × 42 km entièrement explorable en continu et au niveau du sol, à comparer avec
The Elder Scrolls IV sorti en 2007, à l’époque révolutionnaire, qui offrait un terrain de taille
6 × 6 km). Enfin, le cinéma, avec la science-fiction devenue genre très populaire, propose
désormais souvent des paysages spectaculaires à l’échelle planétaire.
Tous ces terrains de synthèse sont générés par des méthodes dédiées, automatiques ou
semi-automatiques, qui s’appuient à des degrés divers sur les connaissances que nous avons du
monde géologique réel. En préambule de cet état de l’art il est donc souhaitable de rappeler
quelques éléments essentiels de géomorphologie. Sur Terre, la variété des paysages s’explique
par la rencontre interdépendante de nombreux facteurs qui donnent naissance aux modelés
géomorphologiques qui nous sont familiers comme les massifs montagneux, les systèmes de
collines érodées, les falaises côtières, ou tous les modelés dérivés de l’hydrographie comme
les vallées fluviales, les gorges et les canyons, les étendues de sédiments ou les criques.
Intuitivement nous caractérisons les terrains par leur forme. Mais un terrain n’est pas juste un
modelé statique. La forme s’explique par un historique de processus, lequel peut s’étaler sur
des échelles de temps extrêmement variables, pouvant être comptées en jours (par exemple
pour une dune ou un cratère volcanique), en milliers d’années (le delta d’un fleuve) ou encore
en millions d’années (une montagne). Les géomorphologues pensent ces processus en terme
d’analyse systémique : un terrain est un système ouvert, en équilibre dynamique plus ou
moins stable et figurant des boucles de rétroactions positives ou négatives. Au-delà de leur
complexité intrinsèque, ces terrains-systèmes peuvent être vus en première approximation
comme des antagonismes entre facteurs endogènes, plutôt générateurs (les forces géologiques,
tectoniques ou volcaniques) et facteurs exogènes plutôt destructeurs (les forces climatiques, le
vent, les précipitations, la température et les radiations solaires, induisant notamment l’érosion)
[Hug16]. Globalement, les forces génératrices de la tectonique agissent sur de grandes échelles
spatiales et temporelles pour façonner notamment les chaînes de montagnes, donc des grands
8 C HAPITRE 2. É TAT DE L’ ART

plissements s’étendant sur des centaines voire des milliers de kilomètres. Inversement, les
forces exogènes qui altèrent le terrain agissent sur de plus petites échelles, jusqu’au mètre pour
l’érosion hydraulique (écoulement des eaux de surface) ou l’érosion thermique (formation de
talus en bas des pentes). Mais plus petite échelle ne signifie pas effets négligeables, bien au
contraire : l’oeil humain est, par la force de l’évolution biologique, capable de discerner avec
une très grande efficacité les éléments d’un paysage naturel, notamment le relief. Ajoutons
que cette capacité de discernement s’opère généralement sur une gamme d’échelles étendue,
fonction de la portée de la vue (100 − 105 m) et du point d’observation choisi.
Nous souhaitons dans cette thèse mettre l’accent sur l’échelle des terrains synthétisés. Par le
mot « échelle » et à défaut d’autres termes en français, nous désignons à la fois l’étendue et la
précision du domaine spatial sur lequel s’opère la synthèse – étendue, comme taille absolue du
domaine, et précision, comme niveau de détail. À ces deux aspects pris de manière combinée 2
vient s’adjoindre naturellement la notion de résolution, qui serait, dans le cas discret, le nombre
global d’échantillons représentant le terrain. Toutes les méthodes classiques de génération de
terrains ne se valent pas, et notamment sur cette question de l’échelle. Nous allons organiser la
présentation des méthodes en deux grands groupes : les méthodes mono-échelle, c’est-à-dire
dédiées à représenter des phénomènes à une échelle donnée, ce sont souvent des méthodes
recréant la physique sous-jacente, et les méthodes multi-échelles qui peuvent s’appliquer
à divers objets de modélisation de manière relativement indépendante de l’échelle, et ce
sont comme on le verra souvent des méthodes phénoménologiques recréant l’apparence des
modelés sans prendre en compte véritablement la physique. Nous souhaitons explorer le
potentiel de ces méthodes quant au passage aux grandes échelles et, surtout, au passage à
l’échelle maximale des terrains, à savoir l’échelle planétaire.
2.1 Synthèse de terrain classique
Avant d’aborder directement la synthèse de terrains à l’échelle maximale, il est judicieux de

présenter un panel des travaux précédents en matière de synthèse de terrains classiques. En
effet, pendant plus de quarante ans, la recherche académique s’est intéressée à produire des
techniques permettant de générer des paysages naturels virtuels, en topologie planaire et sur
des étendues limitées certes, mais le passage à l’échelle se fera nécessairement sur la base de
ces travaux, par continuité logique et technique. La section 2.1.1 est donc une introduction
au domaine de la synthèse classique de terrains, elle présente rapidement les grands axes de
recherche, les thématiques et les contraintes sous-jacentes.
2.1 S YNTHÈSE DE TERRAIN CLASSIQUE 9

2.1.1 Aperçu du domaine
L’informatique graphique est née dans les années 50 plus ou moins du versement vers le do-
maine civil, notamment l’industrie aéronautique, automobile, les universités (avec les premiers
travaux sur les interfaces homme-machine), de technologies produites par les militaires au len-
demain de la seconde guerre mondiale et impliquant notamment le radar, le tube cathodique,
les premiers ordinateurs. Cependant, des années 50 au milieu des années 70, et bien que le
domaine se soit fort développé (l’ACM crée SIGGRAPH en 1969) et que des personnalités
telles Sutherland, Evans, Catmull, Clark, Blinn, etc., aient émergé, la modélisation 3D ignora
dans l’ensemble la synthèse de phénomènes naturels. À cela une des raisons concernaient le
bagage mathématique standard : les primitives de modélisation étaient des points, des lignes,
des surfaces lisses, linéaires dans le cas de polygones, au mieux des patches polynomiaux
(Bézier, B-splines, NURBS), le tout étant complètement déterministe. Or, les phénomènes
2 naturels, dans leur forme, sont tout au contraire engendrés par des non-linéarités, ce qui sera
nommé le chaos [TS02] – des phénomènes en apparence aléatoires et figurant un haut niveau
de désordre et d’irrégularité, du fait d’une dynamique extrêmement sensible aux conditions
initiales. En fait, il faudra attendre que les travaux du mathématicien Benoît Mandelbrot, sa
théorie des fractales et ses intuitions concernant la "géométrie de la nature" [MVN68 ; Man75 ;
Man82], versent dans l’informatique graphique, avec les premiers modèles stochastiques de
terrains [FFC82]. Ainsi le véritable essor de la génération de terrains en tant que sous-domaine
de l’informatique graphique date du début des années 80, et la modélisation fractale sera
d’abord à l’honneur, avant que ne soit explorées d’autres pistes, notamment l’introduction
progressive de méthodes reposant sur la physique.
2.1.1.1 Familles d’approches
On divise conceptuellement et classiquement le domaine en trois familles de méthodes

[Gal+19]. Premièrement, les méthodes dites procédurales, qui reposent sur des modèles
phénoménologiques, c’est-à-dire des modèles s’attachant à recréer l’apparence du réel sans
prendre en compte les causes physiques sous-jacentes. Les méthodes reposant sur les modèles
fractals sont typiques de cette catégorie (section 2.1.3.1). On trouvera en second lieu la
famille des méthodes de synthèse à partir d’une base d’exemples (section 2.1.3.4) : souvent
des terrains réels, encodant tout un réalisme géologique, dont on extrait des éléments qui
seront réassemblés et mélangés pour générer un nouveau terrain. Enfin la troisième catégorie
est celle des simulations (section 2.1.2) qui s’attachent à modéliser, avec plus ou moins de
finesse, les processus physiques qui déterminent la forme des terrains. On notera au regard de
la question de l’échelle, une séparation assez bien formée entre les méthodes de simulation en
grande majorité très limitées sur cet aspect (mono-échelle), et les méthodes procédurales et
de synthèse à partir d’exemples plutôt adaptables et capables de s’appliquer à de multiples
échelles. Nous ajouterons aussi que la répartition des méthodes en ces trois catégories

(procédurales, exemples et simulations) classiquement faite dans les états de l’art précédents
[Nat+13 ; Gal+19], n’est pas selon nous totalement satisfaisante : il faudrait se contenter
en fait de deux types d’approches, l’approche phénoménologique, regroupant procédural
et construction à partir d’exemples, et l’approche physique pour toute méthode prenant en
compte les causes physiques à l’origine des terrains. Comme ce découpage sémantique rejoint
celui de la question de l’échelle, c’est celui que nous proposons dans cet état de l’art.
2.1.1.2 Modes de synthèse
La modélisation de terrain se décline classiquement selon plusieurs modes : synthèse pure,

amplification, embellissement et reconstruction. On parlera de synthèse pure lorsqu’une mé-
thode est dédiée à la génération ex nihilo de terrains : le terrain est créé, sur toute son étendue,
comme sortie d’un algorithme paramétré. Mais on peut aussi envisager la modélisation comme 2
une modification d’un terrain existant. Ce peut être l’augmentation de la précision, donc
l’ajout de détails, auquel cas le terme à employer est celui d’amplification. La modification d’un
terrain peut également être d’un autre ordre, plus structurel. On peut vouloir ainsi ajouter
des caractéristiques, absentes du terrain original, et c’est le cas notamment avec toutes les
méthodes recréant les divers phénomènes érosifs ; le terrain est modifié, on parle souvent
d’embellissement, car ces méthodes ajoutent au réalisme perçu du terrain. Enfin un dernier
mode de modélisation consiste en la reconstruction de parties manquantes d’un terrain de
façon cohérente. Notons que dans tous les cas on parle bien de synthèse, car tous ces modes
génèrent des objets, que ce soit un terrain entier [Zho+07 ; Gén+13 ; GMM15 ; Cor+18], des
détails [Gu16 ; Zha+19], des caractéristiques [MDH07 ; Par+19a] ou des zones à reconstruire
[WSG07].
2.1.1.3 La question du réalisme
Il existe une problématique importante liée intrinsèquement au domaine, qui est celle de
l’évaluation des terrains générés par les diverses approches de la littérature. Cette évaluation
devrait s’opérer sur les qualités attendues du modèle : cela peut être le réalisme, ou encore
l’attrait visuel. Quelques travaux existent en matière de classification et de perception des
terrains, mais uniquement établis au croisement de la psychologie et de la géomorphologie
[DB06 ; HPT04]. Contrairement à d’autres domaines en informatique graphique (synthèse de
texture, modélisation 3D, qualité vidéo, etc.), où une riche littérature en lien avec la perception
visuelle existe et ayant produit notamment des métriques utiles, rien de tel n’a été proposé
en ce qui concerne les terrains virtuels. Par exemple, aucun ensemble de données comparatif
n’existe à l’heure actuelle permettant de distinguer terrains réels et synthétiques.
On soulignera donc l’unique travail récent de Rajasekaran et al. [Raj+19], où les auteurs
ont introduit une toute première métrique pour quantifier le réalisme perçu d’un terrain. La

Figure 5 : Les 10 géomorphons possibles sur le voisinage de Moore. (Source : [JS13]).
méthode s’applique à des terrains planaires représentés par cartes de hauteur et s’appuie sur
le concept de geomorphon [JS13] (Figure 5), des éléments de classification de la courbure
du terrain réalisée sur le voisinage de Moore. Cette approche n’est qu’un premier pas pour
2 évaluer la qualité perceptuelle d’un terrain, car les geomorphons ne caractérisent celui-ci que
localement et ne permettent pas à eux seuls d’évaluer les grandes structures, telles les réseaux
de rivières ou la distribution des vallées en zone montagneuse.
2.1.1.4 Représentation des terrains
En termes de modèles, il existe des représentations communes des terrains partagées par les
méthodes. Tout d’abord, on peut voir un terrain comme un champ de hauteur (heightfield) sur,
typiquement, une topologie planaire 1 auquel cas la représentation est dite 2.5D. Un champ
de hauteur peut être donné par une fonction évaluable en tout point du domaine, ou par une
carte de hauteur (heightmap) que l’on stocke numériquement sous la forme d’une grille. La
première forme est très compacte, cependant c’est la seconde qui est la plus commune aux
méthodes de l’art, pour des raisons d’efficacité calculatoire, l’accès à une grille se faisant en
temps constant. Mais notons que le coût de stockage est en sa défaveur puisqu’en O(N 2 ),
ce qui est un facteur limitant pour la résolution des terrains. En terme d’expressivité un
champ de hauteur représente bien 95% des modelés géomorphologiques existants en termes
d’occurrences naturelles, mais du fait de sa nature 2.5D n’est pas capable de représenter
certaines formes 3D spécifiques et localisées comme des surplombs sur une falaise, des arches
de roche ou des systèmes de grottes. Notons enfin, qu’un champ de hauteur peut être par
contre augmenté verticalement de couches distinctes, on parle alors de multi-champ de
hauteur, pour modéliser par exemple conjointement l’eau, le sable, la roche friable ou la roche
dure, ce qui s’est montré utile pour certaines méthodes, notamment les simulations inspirées
de la physique. Au-delà des champs de hauteur et des multi-champs de hauteur, il existe aussi
des représentations volumiques, donc complètement 3D, des terrains. Le volume de matière
peut être défini de la même façon par une fonction (par exemple des volumes implicites)
1. Mais pas uniquement, un champ de hauteur peut aussi être défini sur d’autres topologies, comme la topologie
sphérique pour une planète.

ou être discrétisé sur une grille en voxels. Cette dernière forme est peu utilisée au final car
extrêmement coûteuse en stockage.
2.1.1.5 Contrôle utilisateur, contraintes sur les modèles
Beaucoup des méthodes de la littérature proposent de donner des capacités de contrôle,

c’est-à-dire des capacités d’édition de la synthèse à utilisateur. Ceci est à mettre en regard
avec les champs applicatifs de la synthèse de terrain, où souvent ce sont des artistes qui
contrôlent le processus créatif (dans le cinéma, dans les jeux video). On trouve classiquement
2
les paradigmes de contrôle suivant : l’entrée de paramètres algorithmiques (typique des
méthodes fractales), qui est la forme la moins intuitive de contrôle ; la spécification de
schémas graphiques vectoriels (par exemple une ligne de crête, le lit d’une rivière, la présence
d’un pic) qui servent à décrire en filigrane l’aspect du terrain à synthétiser ; la spécification de
terrains sources, qui peuvent servir à un mécanisme de transfert de style ; enfin, par peinture
ou sculpture virtuelle avec un dispositif de pointage, ou par interface haptique (voir, à ce
propos, le travail original de Cordonnier et al. [Cor+18], section 2.1.2.4). Une méthode de
modélisation de terrain ne peut être conçue sans prendre en compte son intégration potentielle
dans un contexte numérique de production. Ce contexte applicatif, même s’il est réduit au
prototypage et à l’évaluation de la méthode dans le cadre de la recherche, comprend de facto
l’étape de visualisation du terrain généré. Il peut aussi impliquer comme nous venons de
l’évoquer une boucle d’édition en temps interactif de la part d’un ou plusieurs utilisateurs.
Numériquement cela implique l’existence d’un pipeline, même minimal, comprenant plusieurs
étapes qui doivent être liées. Ceci génère des contraintes sur les représentations numériques
et les modèles qui opèrent sur celles-ci. Par exemple la visualisation finale, que ce soit par
procédé offline de raytracing ou online de rasterisation temps-réel sur GPU, attend souvent
une représentation du terrain sous formes d’une collection de triangles, attribués au minimum
d’information de normales. Si on souhaite offrir des capacités d’édition et de contrôle à
une méthode il faudra que la boucle modélisation-visualisation-édition soit performante, et
c’est une contrainte directe sur la méthode. Autre exemple, et dans le cas des jeux vidéo,
les terrains doivent permettre des requêtes spatiales évaluables rapidement afin de réaliser
les tests d’intersection et de collision du moteur physique. Des conversions peuvent être
opérées entre les étapes du pipeline mais elles ont un coût temporel et spatial qui peut s’avérer
impactant, et c’est le cas dans les contextes de production interactifs. De ce fait, le potentiel
d’une méthode sera évalué aussi par son intégrabilité dans un contexte applicatif donné.
Notons que cet aspect est d’autant plus prégnant que l’échelle de modélisation du terrain est
grande.

2.1.2 Méthodes physiques mono-échelles
Dans la catégorie des méthodes mono-échelle on trouvera naturellement toutes les mé-
thodes dédiées à la production de modelés spécifiques, lesquels de par leur caractéristiques
géomorphologiques n’existent que sur une certaine plage restreinte d’étendues. Également, les
méthodes reposant sur la simulation de processus physiques précis tombent dans cette catégo-
rie. De manière intéressante, ces simulations intègrent généralement la dimension temporelle
dans leur formulation. Il s’agit d’une modélisation dynamique permettant de reproduire le
jeu complexe des facteurs géomorphologiques exogènes et endogènes ; c’est-à-dire, comme
nous le disions en préambule, une modélisation considérant l’historique tout autant que la
forme des terrains. Le réalisme physique impose cependant des limitations, communes à toute
2 méthode travaillant sur des équations aux dérivées partielles par le choix du pas de temps et
de la précision spatiale. Notons qu’en sus de l’échelle fixe, la complexité calculatoire contraint
également, pour des raisons de performance, à opérer sur des terrains de faible étendue ou de
faible précision.
Érosion. La majorité des méthodes physiques se concentrent sur les facteurs géomorpholo-
giques exogènes, c’est-à-dire les diverses formes d’altération destructrice des terrains. Cette
altération peut être de deux ordres : météorisation ou érosion. Dans le domaine de la mo-
délisation de terrains, la seconde catégorie de phénomènes a fait l’objet de beaucoup plus
d’attention, car ayant, de loin, le plus d’impact visuel. La météorisation regroupe tous les
processus physico-chimiques d’altération in situ de la roche, tandis que l’érosion implique
l’action d’un agent tiers (l’eau, le vent, etc.) sur la roche et le transport de matériaux, puis
leur déposition. On se reportera à l’état de l’art suivant [MG08] pour évaluer ce qui a été
fait en informatique graphique pour prendre en compte les effets de la météorisation, qui
opère sur de petites échelles et modélisée classiquement par texturage ou conception de BRDF
particulières pour le rendu. Les deux formes d’érosion qui ont rencontré le plus d’attention
de la part des chercheurs en informatique graphique sont certainement l’érosion thermique
(section 2.1.2.1) et l’érosion hydraulique (section 2.1.2.2). Bien entendu, d’autres phénomènes
géomorphologiques sont d’importance dans le monde réel, mais n’ont pas fait l’objet d’au-
tant d’efforts : c’est le cas de l’érosion/construction éolienne (section 2.1.2.3), de la relation
végétation-relief (section 2.1.2.4) ou encore de la tectonique (section 2.1.2.4). Notons enfin
le grand absent, qui est l’érosion glaciaire, pour des raisons mal expliquées (peut être un
problème de l’ordre de l’échelle du phénomène, justement, temporel et spatial) alors que ces
effets sont assez marqués et caractéristiques, comme les vallées en forme de U, les amas de
sédiments (moraines), la striation et les vallées suspendues.

2.1.2.1 Érosion thermique
Techniquement, l’action de la température et l’ajustement des roches qui en résulte serait

plutôt une forme de météorisation. Cependant la thermoclastie 2 provoque la fragmentation
de la roche et donc le transport de matériaux (par gravité généralement) et est donc généra-
lement vue comme un phénomène d’érosion. En informatique graphique le premier à avoir
introduit l’érosion thermique a été Musgrave [MKM89]. Dans ce modèle l’érosion thermique
est regroupée avec d’autres formes d’érosion (mécanique notamment) dans une approche
générique permettant de rendre compte de la modification des pentes d’un terrain. L’idée
est que, par gravité et friction, des talus se forment au pied des collines, falaises, montagnes.
Le modèle procède par relaxation, à chaque pas de temps la pente s locale du terrain est
calculée, si s > tan(θ) pour un certain angle limite θ alors une certaine quantité de matière
est enlevée puis distribuée sur le voisinage inférieur immédiat. Dans [RPP93] l’érosion (ther-
mique et hydraulique) est modulée par la résistance de la roche ρ, modélisée par une fonction 2
volumique sur le domaine. Le modèle est simple à implémenter et de plus se parallélise bien.
Il est souvent utilisé en complément d’autres approches plus complexes comme l’érosion
hydraulique. Cependant le schéma eulérien itératif explicite le limite à des pas de temps
faibles ce qui pose un problème pour le passage à des échelles plus étendues. De plus il souffre
aussi de sa simplicité, en effet le talus généré est généralement uniforme, et en particulier ne
présente pas de pierriers 3 ; pour obtenir des terrains plus réalistes il faut soit accepter des
méthodes graphiques d’étendue très limitée comme dans [Pey+09b] ou alors se tourner vers
des méthodes issues de la géologie qui dépassent la simple érosion thermique pour inclure
aussi bien les glissements de terrain, l’érosion des pentes (hillslope evolution) ou encore les
laves torrentielles [HSR94].
2.1.2.2 Érosion hydraulique
L’hydrographie détient un caractère déterminant sur les modelés de terrain, l’eau étant
un agent d’érosion puissant, que ce soit par l’action à grande échelle des fleuves ou plus
localement par le ruissellement de surface des eaux de pluie. Naturellement, beaucoup de ces
phénomènes ont fait l’objet d’une attention soutenue de la part des chercheurs en informatique
graphique, et notamment le ruissellement de surface. Ce dernier est même devenu, par abus de
langage, quasiment synonyme d’érosion, dans le domaine de la modélisation de terrain car son
effet visuel est très caractéristique (Figure 6) et que les méthodes ont été bien popularisées.
Le ruissellement de surface implique la présence d’eau en surface du terrain laquelle,

après détachement mécanique de matériaux (action abrasive sur la roche), transporte ces
matériaux jusqu’à leur déposition par action de la gravité (là où le flot est calme) ou suite
à son évaporation : le terrain est donc essentiellement modifié par transport de matière. La
2. Action répétée du gel et de la chaleur qui avec le temps fait éclater la roche.
3. Amas de pierres, gravas et blocs de roche.

Terrain brut Terrain érodé
Figure 6 : Effet marqué typique d’érosion hydraulique par ruissellement, appliquée à un terrain brut.
(Source : [Gal+19]).
première proposition pour modéliser un tel phénomène est apparue dans [MKM89]. Les
auteurs ont proposé une solution simple, un modèle qualifié généralement de ad hoc mais
efficace de dissociation/déposition de matériaux et de mouvement de l’eau par diffusion à
2 partir du gradient d’élévation. Par la suite et pendant environ quinze ans des raffinements
ont été proposés jusqu’à tendre vers des modèles de plus en plus fidèles à la physique et à
la géologie : différents matériaux (plus ou moins résistants) ont été ajoutés [RPP93], Chiba
et al. [CMF98] ont été les premiers à introduire un champ de vitesse de l’eau ainsi qu’un
terme d’énergie de collision, les forces étant dépendantes du gradient d’élévation. Benes et
al. [BF02] ont opté, pour un gain de performance, pour un découplage des étapes d’érosion,
de transport, de déposition et d’évaporation de l’eau, introduite pour la première fois (ce qui
permet de générer des étendues lisses de sédiments) ; le transport demeurant toutefois simple,
s’effectuant par distribution sur le voisinage de Moore de chaque pixel d’élévation. Neidhold et
al. [NWD05] ont affiné le modèle physique de transport en prenant en compte l’accélération
du fluide et proposent un système d’équations différentielles du premier ordre qui se rapproche
des standards en simulation numérique de fluide (computational fluid dynamics) reposant sur
les équations de Navier-Stokes [Bri15]. Ceci permet de dépasser les problèmes inhérents aux
méthodes précédentes, plus éloignées de la physique, nécessitant le règlage fin de paramètres
ad hoc et sujettes à des instabilités. Dans [ASA07] les auteurs conservent globalement ce
même modèle mais le parallélisent sur GPU pour de meilleures performances.
Figure 7 : Érosion hydraulique [MDH07] reproduite par un modèle de shallow water issu de la
dynamique des fluides adjoint d’un modèle simplifié de détachement/déposition de matériau
issu de la géologie. (Source : [MDH07]).
Les équations de Navier-Stokes sont finalement introduites pour la modélisation de l’érosion

hydraulique de terrains avec [Ben+06]. Il s’agit d’une approche eulérienne – le fluide est

observé à des points fixes d’une grille, par opposition à une approche lagrangienne où le
fluide est modélisé par des particules en mouvement libre – pour un fluide incompressible
et incluant les deux équations de préservation de la masse et du moment. Cependant le
modèle opère sur une représentation volumique, des voxels d’air, d’eau et de roche, et par
conséquent est gourmand en ressources (temps processeur et mémoire), même pour des
étendues de terrain très limitées. Plusieurs auteurs ont ensuite [Ben07 ; MDH07] introduit un
outil bien adapté aux terrains et issu de la mécanique des fluides, le modèle de shallow water.
Ce modèle correspond à une pré-intégration selon la direction verticale des équations de
Navier-Stokes, sous condition que l’épaisseur verticale du fluide soit négligeable par rapport
à son étendue horizontale. Parce que la résolution est essentiellement 2D ces méthodes
atteignent des temps de simulation interactifs, et particulièrement [MDH07] (Figure 7) car
leur solution est entièrement parallélisable sur GPU. Par la suite, l’érosion sur GPU, grâce
au modèle de shallow water, a été explorée plus avant : dans [Št’+08] des terrains de
taille plus conséquente sont érodés grâce à un partitionnement du terrain en tuiles (avec 2
synchronisation aux frontières) tout en couplant deux modèles de sédimentation distincts
(un pour l’eau agitée et l’autre pour l’eau calme), la même approche par tuiles sera encore
améliorée dans [Van+11] par une approche multirésolution à partir de mip-mapping GPU.
Pour finir, la grande majorité des méthodes d’érosion hydraulique ont opté pour le paradigme
eulérien, probablement car en correspondance avec la représentation des terrains la plus
adoptée, les cartes de hauteur (heightmaps), qui sont effectivement des grilles d’élévations.
On citera le travail de Kristof et al. [Kri+09] qui passent à la représentation duale, à savoir la
représentation lagrangienne d’un fluide, avec l’introduction pour l’érosion hydraulique de la
méthode de Smoothed Particle Hydrodynamics (SPH), introduite par Gingold et Monaghan pour
des problèmes d’astrophysique [GM77 ; Mon05]. Rappelons qu’en représentation lagrangienne
le fluide est modélisé par des particules en mouvement ; ceci permet dans la méthode de Kristof
et al. de concentrer les calculs d’érosion uniquement là où l’eau est présente et de négliger
toutes les zones arides du terrain, qui peuvent être potentiellement étendues. Ceci offre un
gain de performance intéressant, d’autant plus que l’approche par SPH est essentiellement 3D
(et permet donc en théorie d’obtenir des surplombs du terrain, absents des méthodes 2D, par
exemple celles de shallow water), même si l’article [Kri+09] ne propose de traiter que des
cartes de hauteur.
2.1.2.3 Reliefs éoliens
Le terme éolien réfère à l’action du vent sur la roche et/ou les sédiments, par érosion ou
construction. En général en géomorphologie l’action de l’eau domine largement celle du
vent. Toutefois, la Terre est couverte à 25% de zones arides dans lesquelles la pauvreté de
la végétation et l’absence d’eau laissent entièrement la place aux processus éoliens qui dès
lors caractérisent le relief : déflation plus ou moins marquée de la roche selon sa résistance,
formation de dunes par saltation du sable, abrasion de la roche par le sable. Ces reliefs

désertiques, intéressants et répandus, ont été largement étudiés en géologie alors que très peu
de travaux en informatique graphique ont tenté de les reproduire.
Figure 8 : Structures caractéristiques de l’érosion éolienne en cheminées de fée, très localisées.

(Source : [Bea+07 ; Jon+09 ; TJ10])
2 Onoue et al. [ON00] ont modélisé des dunes couvertes d’ondelettes de sable en réutilisant,
dans un modèle procédural, les équations de saltation et de charriage du sable, issues de
la physique. Dans [BR04] la méthode a été étendue pour prendre en compte des obstacles
(végétation, roches) au déplacement du sable. Bien que capables de générer des ondelettes à
la surface du terrain, ainsi qu’une forme particulière de dune assez générique, ces méthodes
échouent à reproduire des formes de dunes importantes car répandues, telles les barkhanes
(dunes en demi-lune) ou les ghourds (dunes en étoile) ; de plus elles ne prennent pas en
compte l’interaction sable/roche (abrasion du relief). Sur ce dernier point il faut aller vers
d’autres travaux pour trouver des propositions spécifiques, ainsi [Bea+07 ; Jon+09 ; TJ10]
où une estimation de la courbure du terrain et de son accessibilité permettent de calculer
une approximation de l’érosion éolienne sur la roche. En général cette approche est limitée
à produire des structures localisées et très particulières, telles les cheminées de fée (anglais
hoodoos ou goblins) de la figure 8.
Figure 9 : Résultats obtenus dans [Par+19b] par une simulation éolienne, démontrant la capacité de
la méthode à générer divers types réalistes de dunes (gauche) par saltation du sable, ainsi
que l’abrasion de la roche (droite). (Source : [Par+19b])
Le seul travail qui tente de prendre en compte et de reproduire fidèlement la multiplicité

des effets érosifs et constructifs du vent sur un terrain est récent et a été proposé par Paris et
al. [Par+19b] (Figure 9). Les auteurs apportent deux contributions : un modèle procédural

d’écoulement du vent autour de la roche à de multiples échelles, qui sert de base à une simu-
lation interactive et contrôlable de transport du sable par le vent (par saltation et charriage),
laquelle produit des phénomènes jugés réalistes, tels la formation de dunes ou la sculpture de
la roche (yardangs).
2.1.2.4 Autres simulations
Végétation et terrain. Une publication récente de Cordonnier et al. [Cor+17a] a proposé

la modélisation conjointe d’agents géomorphologiques et écologiques pour la formation
de terrains. Leur approche consiste à prendre en compte des boucles de rétroaction entre
végétation et terrain, suite à des actions environnementales comme la pluie, la gravité, le
vent, le feu et les éclairs. Les rétroactions sont multiples, par exemple l’eau est absorbée par
la végétation mais en même temps, lors d’une inondation, peut déraciner des plantes, ou
encore un glissement de terrain peut être à la fois modéré par la présence de végétation tout
2
en détruisant par ailleurs celle-ci. La modélisation employée est originale, stochastique, des
évènements sont déclenchés selon des lois de probabilité données, et le terrain est représenté
par couches (de roches diverses, dont l’humus, ainsi que de divers types de végétation). La
méthode offre des capacités de contrôle intéressantes pour une simulation, car permettant
d’agir sur les évènements et/ou leur loi directement. En revanche les terrains sont d’étendue
modeste (quelques kilomètres) car un grand nombre d’évènements est requis, proportionnel à
la surface du terrain, pour obtenir des effets significatifs.
Figure 10 : Terrain étendu généré à partir de soulèvement tectonique combiné à une érosion fluviale.
(Source : [Cor+16])
Tectonique. L’érosion hydrique pour la modélisation de terrain opère généralement sur des
étendues modestes (quelques kilomètres au mieux). Dans [Cor+16] pour la première fois
les auteurs tentent d’aborder des terrains beaucoup plus vastes (de l’ordre de la centaine de
kilomètres). À cette échelle l’érosion hydrique est essentiellement fluviale, et entre en jeu un
autre facteur géomorphologique essentiel et jusqu’ici négligé en informatique graphique : la
tectonique des plaques. Dans ce travail, Cordonnier et al. ont combiné l’influence d’une carte
de soulèvement tectonique local (en anglais uplift) avec une érosion fluviale modélisée par

l’équation de stream power [Lag14] ; cette dernière étant une formulation heuristique issue
de la géologie exprimant le taux d’érosion en fonction de lois de puissance de la pente et de
l’aire de drainage du terrain. La méthode travaille sur une représentation vectorielle sous la
forme d’un graphe hydrologique et permet de générer des chaînes de montagnes avec une
précision suffisante pour déterminer les vallées et ravines principales (Figure 10).
La méthode a été significativement étendue par les mêmes auteurs dans [Cor+18]. Elle a
été décomposée en deux étapes, une simulation tectonique qui s’exécute en temps interactif et
un post-traitement érosif. L’aspect tectonique est modélisé finement et avec plus de contrôle.
L’utilisateur, par interface tactile, pousse avec les mains les plaques qui se rencontrent, et
l’algorithme évalue le transport et la contrainte exercée sur la croûte, modélisée comme
un fluide visqueux incompressible. La croûte est par ailleurs stratifiée procéduralement en
2 couches de roches de résistances et d’épaisseurs variables et une heuristique de plissements

multi-échelle est appliquée. Le post-traitement érosif est le même que dans [Cor+16], à savoir
une érosion fluviale, cependant augmentée de glissements de terrain. Les deux méthodes ont
le même objet, la génération de chaînes de montagnes réalistes sur plusieurs centaines de
kilomètres (Figure 11).
Figure 11 : Terrain étendu généré à partir de soulèvement tectonique, méthode étendue de [Cor+18].
(Source : [Cor+18])
2.1.3 Méthodes multi-échelles
Cette section est dédiée aux méthodes multi-échelles, que nous pourrions qualifier d’agnos-
tiques vis-à-vis de l’échelle. Cela signifie qu’elles sont indépendantes de la notion d’étendue et
de précision du domaine sur lesquelles elles travaillent. Cela ne signifie aucunement que ces
méthodes seraient affranchies de l’échelle, qu’elles seraient capable d’étendue ou de précision
infinie ; c’est un point important à soulever car on a eu l’habitude par le passé de présenter
certaines de ces méthodes comme tel, et notamment les méthodes fractales. En fait, il s’agit
d’indépendance théorique. La mise en œuvre pratique de ces méthodes les contraignent à
une résolution bien définie : que ce soit par le spectre limité de la synthèse par bruit, ou la
résolution limitée des exemples dans les méthodes à base d’exemples.

2.1.3.1 Modélisation fractale
Les méthodes fractales reposent sur les observations initiales du mathématicien Benoît
Mandelbrot, sur une catégorie de modèles stochastiques susceptibles d’imiter ou reproduire
des phénomènes naturels d’apparence chaotique. En 1968 Mandelbrot et Van Ness [MVN68]
introduisirent le terme de mouvement fractionnaire Brownien (fractional Brownian motion,
abrégé fBm) pour décrire une famille de processus stochastiques Gaussiens unidimensionnels,
qui plus tard furent étudiés en dimensions supérieures, notamment 2D et dans le but de
générer des terrains virtuels. Un fBm appartient à la classe des bruits dite 1 : f , c’est-à-dire
aux signaux dont la contribution de chaque fréquence au spectre de puissance est quasiment
inversement proportionnelle à la fréquence. Un fBm est de plus statistiquement auto-similaire :
les échantillons du signal préservent leurs caractéristiques statistiques indépendamment de
l’échelle d’observation, d’où le terme fractal 4 .
2
Coupures aléatoires. Mandelbrot a proposé trois approches pour réaliser numériquement le
calcul d’un fBm, celle qui a perduré jusqu’à nous est une méthode prenant le fBm comme
limite d’un champ de Poisson fractionnaire [Man75 ; Man82]. Cette méthode, remise au
goût du jour par Voss puis Ebert [Vos85 ; Ebe+98], est celle de l’algorithme dit de faulting,
c’est-à-dire qu’il procède par coupes aléatoires dans le domaine : un n-champ fractionnaire de
Poisson est un champ où F (p) est en tout point p la somme d’une infinité de fonctions step
dont la direction, la localisation et l’amplitude sont trois séquences de variables aléatoires
mutuellement indépendantes (Figure 12).
Figure 12 : Illustration de l’algorithme de faulting : (a) 1 itération, (b) 10 itérations, (c) 50 itérations.
(Source : [WNM19])
La méthode repose sur une fondation théorique solide mais souffre malheureusement d’une
très mauvaise complexité (O(N 3 )). Elle a été toutefois remise en oeuvre récemment et adaptée
pour la génération de modelés spécifiques tels les mesas [WNM19].
Subdivision stochastique. Fournier et al.ont proposé également une façon de produire l’ap-
proximation d’un fBm numériquement [FFC82], et ce en temps linéaire, par subdivisions
itératives et stochastiques d’une n-grille de départ. Chaque itération consiste à introduire de
4. Le terme fractal est également à attribuer à Mandelbrot.

Figure 13 : Terrains produits par subdivision stochastique contrainte : méthode de Belhadj et al.,
[BA05a] à gauche, et [Bel07] à droite. (Source : [Gal+19])
nouveaux sommets par interpolation du voisinage local et ajout d’une perturbation aléatoire
dont l’amplitude est dépendante du niveau de détail (de manière à garantir la dimension frac-
2 tale souhaitée pour le modèle). D’autres auteurs ont par la suite proposé soit des améliorations
soit des adaptations de la méthode initiale de l’algorithme diamond-square [Mil86 ; Lew87 ;
DKW94]. En particulier, il a été montré que la subdivision pouvait être contrôlée dans le but
de respecter des contraintes spécifiques. Dans [PH93] les auteurs proposent la modélisation
d’un terrain avec une rivière entièrement par subdivision ; cependant la rivière n’a pas de
tributaire et son altitude est zéro, c’est donc un modèle très sommaire (mais le premier à
montrer l’extensibilité de la méthode). Par la suite, cette approche gagna en maturité avec
[BA05a ; BA05b ; Bel07] où la subdivision suit des contraintes entrées par l’utilisateur telles
des lignes de crêtes ou des rivières (Figure 13). Enfin, Derzapf et al. [Der+11] montre que l’ap-
proche par subdivision stochastique possède un réel potentiel pour traiter de grandes échelles
efficacement puisqu’ils proposent la génération de réseaux hydrographiques en temps réel sur
toute une planète ; nous exposerons dans le Chapitre 4 une méthode d’hyper-amplification
qui s’en inspire mais qui permet en plus de générer différents modelés géomorphologiques en
sus des rivières.
Fonctions de bruit. Le mouvement fractionnaire Brownien peut aussi être approximé par
une somme à bande limitée de fonctions de bruit, dits bruits cohérents. De tels bruits ont
été proposés en 1985 par Ken Perlin [Per85], travail séminal qui a introduit un des outils de
modélisation procédurale les plus utilisés. La version initiale du Bruit de Perlin est un bruit de
gradient (Figure 14), i.e. une fonction calculée en tout point d’un domaine n-dimensionnel
par l’interpolation spline de gradients pseudo-aléatoires assignés aux sommets de la grille
discrète entière couvrant l’espace. La formulation initiale de Perlin a été par la suite étendue
[PH89] ou améliorée [Per02 ; Ken+08], notamment par adaptation à la grille simplicielle
pour une meilleure performance en haute dimension [Ola+02]. D’autres types de bruit ont
été également proposés : Bridson propose le curl-noise pour la simulation de fluide, basé sur
le calcul du rotationnel d’un bruit de gradient [BHN07], Worley introduit le bruit cellulaire
inspiré des diagrammes de Voronoï [Wor96]. Des bruits basés sur la convolution discrète

A B
C D
Figure 14 : Synthèse à partir de somme de bruits cohérents : (A) bruit de gradient, (B) ridge noise
calculé comme complément de la valeur absolue sur chaque octave d’un bruit de gradient,
(C) multifractal, chaque octave est modulée en amplitude d’après la somme des octaves
2
précédentes, (D) multifractal augmenté d’une déformation, calculée par un bruit auxiliaire
appliquée aux positions avant évaluation de la fonction. (Source : [Gal+19])
parcimonieuse (une somme pondérée finie de noyaux aléatoirement positionnés autour du

point d’évaluation) ont été conçus [Lew89 ; Lag+09]. Il existe enfin d’autres types de bruits
non-procéduraux 5 , précalculés et stockés, comme le bruit d’ondelettes [CD05], ou le bruit
anisotrope [GZD08].
2.1.3.2 Méthodes procédurales avec pré-structuration
Les méthodes procédurales, si on entend généralement par là les diverses formes de syn-
thèse fractale classique, n’offrent que peu de contrôle à l’utilisateur ou alors sous la forme
rudimentaire de paramétrage des algorithmes et ne produisent souvent que des formes de
terrain très auto-similaires, homogènes. Naturellement, des auteurs ont tenté de circonvenir
ces limitations. Les deux méthodes présentées dans cette section proposent d’augmenter
le modèle par de la sémantique, c’est-à-dire, pour un terrain, d’informations structurelles
supplémentaires.
Arbres de construction et hydrographie. Génevaux et al. [Gén+15] ont proposé une approche
procédurale à même de prendre en compte l’hétérogénéité des terrains. Un terrain réel est
souvent une composition complexe de diverses caractéristiques, distribuées à diverses échelles,
pics, lacs, falaises, collines, etc.. Leur méthode prend en compte ces éléments, en les modélisant
individuellement par des primitives de construction définies sur un support compact, lesquelles
sont combinées dans un arbre dont les noeuds intermédiaires sont des opérateurs, pour former
5. Qu’on ne peut pas évaluer à la volée par un algorithme direct en tout point de l’espace

un terrain continu. Les feuilles de l’arbre sont des éléments implicites (squelettes ponctuels ou
courbes) référençant soit des fonctions de bruit soit des portions de cartes de hauteur réelles,
possiblement déformées horizontalement. Les opérateurs sont ceux classiques des arbres de
construction de formes implicites (Blob-Tree, [WGG99]). La représentation est relativement
compacte et rapidement évaluable, y compris sur GPU. Cette méthode généralise une méthode
précédente des mêmes auteurs, introduite pour la synthèse de terrains comportant un réseau
de cours d’eau [Gén+13]. Dans ce précédent travail le focus porte sur l’hydrographie du
terrain : celle-ci est d’abord représentée par un graphe de drainage portant des informations
de flot hiérarchique, notamment le nombre d’Horton-Strahler [Hor45] qui caractérise les
jonctions symétriques et asymétriques. Le graphe est construit par conquête sous contraintes
du terrain depuis les embouchures des rivières, jusqu’aux sources. Le domaine est ensuite
décomposé en cellules de Voronoi associées aux noeuds du graphe, ce qui permet d’évaluer
l’aire de drainage en chaque noeud ainsi que de positionner les crêtes environnantes. De
2 ces données, et notamment la pente, la méthode extrait les types de Rosgen [Ros94] qui
caractérisent les lits des rivières (méandres, divisions, etc.). Enfin, le terrain final est généré
en distribuant des primitives de bruit autour des rivières en fonction des données précédentes,
combinées en arbre selon la méthode présentée plus haut.
Figure 15 : Divers paysages synthétisés par la méthode présentée dans [Arg+19] reposant sur la
métrique géomorphologique d’orométrie. La méthode est capable d’opérer à diverses
échelles, de petites étendues de dunes ou collines, aux grands ensembles montagneux.
(Source : [Arg+19])
Orométrie. Un autre travail atypique, novateur et récent est celui d’Argudo et al. [Arg+19]
reposant sur les métriques géomorphologiques d’orométrie caractérisant les reliefs et notam-
ment montagneux. Ce travail est partiellement relié à la thématique de l’évaluation quantifiée
du réalisme des terrains évoquée en section 2.1.1. En effet les auteurs montrent qu’avec une
métrique simplifiée basée sur l’orométrie il est possible de classifier automatiquement les
zones montagneuses de la Terre et de distinguer les chaînes de montagnes selon leurs zones
d’appartenance. Ils proposent également une méthode de synthèse de terrain travaillant à
partir d’un sketch utilisateur et qui place des points pics, des points selles (saddles points) et

des lignes de crête selon une distribution orométrique cohérente. Les points saillants du relief
sont connectés en graphe, puis un graphe hydrographique dual de rivières est construit. La
résolution (quelques kilomètres) est ensuite augmentée drastiquement en introduisant de
nombreux points, en subdivisant les arêtes des graphes et par échantillonnage de disques de
Poisson dans le reste du domaine. Les élévations des nouveaux points sont déterminées en
accord avec une loi géomorphologique prenant en compte l’aire de drainage de chaque point.
Tous les échantillons sont connectés en une triangulation irrégulière (triangular irregular
network, TIN) en utilisant un schéma de Delaunay contraint (qui préserve les arêtes crêtes et
rivières). Le terrain final (figure 15) est enfin obtenu en comblant les zones sans information
par du bruit, suivi d’un calcul d’érosion hydraulique. Ce dernier se doit de préserver les infor-
mations orométriques, aussi une version adaptée de la méthode de Cordonnier et al. [Cor+16]
(section 2.1.2.4) est utilisée, le soulèvement tectonique agissant spécifiquement pour contrer
les modifications orométriques non-désirées.
2
2.1.3.3 Méthodes procédurales volumiques
Les modèles générateurs de terrains s’appuient le plus souvent sur une représentation
par champ de hauteur en 2.5D du terrain. Cette approche est en effet très efficace, dans le
cas des cartes de hauteur (heightmaps) l’accès se faisant en temps constant. A contrario les
représentations 3D, volumiques, sont en général coûteuses en temps de calcul et en capacité
de stockage, si l’on se réfère au pendant des grilles de hauteur, les grilles de voxels. Toutefois,
une représentation pleinement 3D offre des avantages qu’on ne peut entièrement négliger :
notamment la possibilité de modéliser des aspects de terrains réels impossible à transcrire sous
forme 2.5D, comme les arches de pierre, les surplombs de falaises et les systèmes de grottes.
De ce fait, certains auteurs ont proposé des approches volumiques de synthèse permettant de
reproduire ces phénomènes précis.
Dans [Pey+09a] une méthode efficace est proposée pour représenter des terrains volu-
miques. Elle prend en compte différents types de matériaux organisés en couches, l’encodage
ne se faisant pas en terme de voxels mais plutôt d’empilement des couches en colonnes ;
l’aspect volumique est rendu possible par l’ajout du matériau « air » permettant de créer
des cavités entre couches. Ce modèle stratifié est converti en représentation fonctionnelle
implicite : la surface du terrain est vue comme une surface de convolution, définie par l’in-
tégration d’un noyau convolutif à support compact cubique, appliqué au volume local de
matière. Cette représentation implicite permet de proposer divers opérateurs d’édition du
terrain, en temps interactif, permettant de sculpter le terrain en volume. Un va-et-vient est fait
entre la représentation implicite fonctionnelle et la représentation des matériaux stratifiés afin
de stabiliser ces derniers, de manière similaire aux méthodes d’érosion thermique (section
2.1.2.1).

Figure 16 : Paysages complexes produits par la méthode de [Par+19a] reposant sur la combinaison
de primitives implicites volumiques. La méthode permet de reproduire de manière efficace
et phénoménologique notamment l’érosion côtière (haut), ou karstique (bas). (Source :
2 [Par+19a])
Dans [Par+19a] les auteurs ré-utilisent les arbres de formes implicites pour modéliser des
caractéristiques pleinement 3D des terrains.Il s’agit d’une méthode essentiellement d’embel-
lissement qui accepte en entrée un terrain spécifié sous forme de fonction ou de carte de
hauteur. Le terrain est d’abord converti entièrement en représentation implicite, laquelle est
adjointe d’un second arbre implicite encodant la résistance de la roche. La représentation est
volumique et permet, par le jeu d’opérateurs de combinaison, dont des opérateurs spécifiques
permettant de reproduire des failles et des plissements dans les couches de résistances diverses
de la roche, de reproduire certains effets d’érosion (figure 16) : notamment l’érosion côtière
des falaises ou l’érosion karstique qui produit des systèmes de grottes. Le jeu des opérateurs
permet aussi la synthèse d’éléments localisés comme des hoodoos (cheminées de fée, figure
8) ou des surplombs, toutes sortes de caractéristiques volumiques par ailleurs impossible
à reproduire par la grande majorité des méthodes travaillant uniquement sur champs de
hauteur. L’approche est complètement procédurale, donc phénoménologique, mais permet de
s’attaquer à des phénomènes jusqu’ici largement ignorés comme par exemple l’érosion côtière.
De plus, la représentation en arbre de formes implicites se prête bien au contrôle utilisateur,
comme démontré dans des précédentes méthodes. Enfin cette représentation est multi-échelle,
l’inclusion de hoodoos (quelques dizaines de mètres) combinée à des systèmes de falaises
(quelques dizaines de kilomètres) le démontre également.
2.1.3.4 Synthèse à partir d’exemples
À mi-chemin entre la génération procédurale qui tente d’imiter la nature et la simulation

physique qui tente de la reproduire, on trouve une famille d’approches intermédiaires, la
synthèse à partir d’exemples. Comme la génération fractale elle est, en théorie, capable de
s’appliquer à de multiples échelles et ne s’occupe pas des processus physiques. Pourtant, l’idée

et la force essentielle de ces méthodes est de justement tirer partie de la richesse géologique
encodée dans les exemples, qui servent de point de départ à la synthèse. Plus les exemples
utilisés sont riches et expressifs plus la synthèse sera réussie ; logiquement, les exemples choisis
sont le plus souvent des cartes de hauteur réelles de régions de la Terre. De nombreuses bases
de données en libre accès sont disponibles, on citera USGS (U.S Geological Survey, [Ges+02])
à une résolution de 10 m couvrant le territoire américain, ou encore le programme SRTM
(Shuttle Radar Topography Mission) soit à une résolution d’une seconde d’arc (environ 30 m),
soit à trois secondes d’arc (environ 90 m) mais couvrant la majorité des terres émergées du
globe.
Figure 17 : Synthèse à partir d’un terrain exemple et d’un sketch utilisateur : à gauche une formation
montagneuse synthétisée à partir de l’exemple du Mont Jackson (USA), à droite une
formation encaissée synthétisée à partir de l’exemple du Grand Canyon (USA). (Source :
[Zho+07])
Synthèse de texture. Les premières approches proposées de synthèse de terrains à partir

d’exemples sont à l’origine issue de travaux précédents et voisins en synthèse de texture
classique. La synthèse de texture couleur a fait l’objet de nombreuses propositions, on se
réfèrera à l’état de l’art suivant pour plus d’informations [Wei+09]. La transposition de ces
techniques aux cartes de hauteur (qui peuvent être vues comme des images encodant la
hauteur du relief) n’est toutefois pas immédiate. Par nature les terrains opposent certaines
contraintes qui empêchent l’application directe de ces techniques : (1) les terrains sont
caractérisés par de grandes structures (montagnes, vallées) qui échappent aux méthodes
génériques de synthèse de textures gaussiennes, (2) la plupart des méthodes se concentrent
sur la synthèse de grandes images couleur à partir d’une petite zone exemple, ceci en contraste
avec les terrains étendus où le contrôle utilisateur est demandé pour spécifier l’hétérogénéité
et les grandes structures sur toute l’étendue, (3) les données couleur peuvent être plus
facilement raccordées et mélangées que les données hauteur, la moindre discontinuité étant
immédiatement visible dans le terrain.
La méthode spécifiquement dédiée aux terrains de Zhou et al. [Zho+07] est la plus connue,
elle a ouvert la voie aux méthodes de synthèse à partir de cartes de hauteur (Figure 17).
Elle fonctionne par sélection de patches dans un terrain exemple et leur ré-ordonnancement
dans le terrain cible. Les patches sont d’abord placés autour de caractéristiques vectorielles

A B C
Figure 18 : Méthode de synthèse de Gain et al.[GMM15] : dictionnaire d’exemples (A), terrain
synthétisé à partir des exemples et de spécification utilisateur par des brushes (B) et/ou
par des contraintes vectorielles (C). (Source : [GMM15])
spécifiées par l’utilisateur qui figurent vallées et crêtes, la méthode offre donc une forme
de contrôle sur les grandes distributions du terrain. Un algorithme de coupure de graphe
2 délimite les coutures entre patches (lesquels sont possiblement déformés pour un meilleur fit),
suivi de la résolution d’une équation de Poisson pour ajuster les élévations de part et d’autre
des coutures. Cette méthode propose la synthèse globale de terrain, d’autres existent pour
des modes de synthèse plus particuliers, comme l’amplification par ajout de détails [BSS07],
ou la reconstruction de zones manquantes dans une carte de hauteur [WSG07]. Tasse et
al. [TGM12] ont amélioré la méthode de Zhou, en proposant une parallélisation au niveau des
patches ainsi que l’emploi d’une interpolation de gradients de Shepard au lieu du lissage de
Poisson, qui prend en compte non seulement les hauteurs mais leur gradient (i.e. la pente du
terrain). Gain et al. [GMM15] améliorent encore les performances en utilisant une approche
parallélisée dérivée de la synthèse de texture couleur où les extractions depuis les exemples
se font par pixel et non par patch ; la méthode est capable de temps interactifs grâce à une
implémentation GPU multi-exemple et travaillant sur des hiérarchies d’images, tout en offrant
de bonnes capacités d’édition à l’utilisateur (Figure 18).
Modélisation parcimonieuse. Des avancées en traitement du signal comme l’acquisition com-

primée ont été utilisées pour la modélisation de terrains. L’acquisition comprimée (en anglais
compressed sensing) vise, dans des conditions adéquates, à reconstruire un signal à partir de
peu d’échantillons, lorsque ceux-ci comptent moins que le nombre d’échantillons minimal
donné par le théorème de Nyquist-Shannon 6 . Une telle reconstruction en général opère par la
résolution de systèmes linéaires sous-déterminés. En traitement du signal, l’acquisition compri-
mée est possible sur une certaine catégorie de signaux comme les signaux parcimonieux, ce qui
rend possible l’encodage parcimonieux (sparse coding). Un tel encodage consiste à apprendre
d’abord un dictionnaire d’atomes sur lequel opérer la reconstruction – les atomes jouant le rôle
de base (par analogie avec la base de Fourier par exemple) mais ne sont pas nécessairement
orthogonaux – l’encodage est parcimonieux dans le sens où une combinaison linéaire d’un
nombre restreint d’atomes est suffisante pour reconstruire de manière satisfaisante le signal
6. Auquel cas la reconstruction reste possible car le théorème d’échantillonnage de Nyquist-Shannon donne
des conditions suffisantes, mais non nécessaires, pour une reconstruction parfaite d’un signal.

localement. Les applications sont nombreuses et démontrées efficaces en traitement d’image,
de vidéo, de sons, en synthèse de texture et en apprentissage non-supervisé. Guérin et al.
Figure 19 : Diverses amplifications d’un même sketch utilisateur à partir de multiples exemples, d’après
la méthode de modélisation parcimonieuse de Guérin et al. [Gu16]. (Source : [Gu16])
2
[Gu16] ont été les premiers à appliquer ce bagage théorique à la modélisation de terrain.
Ils démontrent des possibilités pour la synthèse, l’amplification, la modélisation procédurale
inverse et la représentation compacte de terrains (Figure 19). Dans [Arg+17] l’approche a
été étendue pour prendre en compte, toujours dans le contexte d’encodage parcimonieux, de
multiples couches d’information comme l’humidité, la pente, l’orientation, l’aire de drainage,
ou encore des statistiques de distribution de végétation.
Apprentissage automatique. Les réseaux adverses génératifs (generative adversarial networks,

abrégé GAN [Goo+14]) récemment introduits par Goodfellow sont des outils puissants appar-
tenant à la classe générale des modèles génératifs et pervasivement utilisés en apprentissage
non-supervisé, mais aussi en apprentissage semi-supervisé, supervisé et par renforcement.
Les GANs reposent sur le jeu en opposition d’un réseau neuronal générateur et d’un réseau
neuronal discriminateur : le premier, généralement déconvolutif, est entraîné à produire des
données depuis un espace latent, lesquelles données sont ensuite discriminées par le second,
généralement convolutif, qui apprend à les distinguer de la vraie distribution. L’idée est que, à
travers la backpropagation durant l’entraînement, les deux réseaux deviennent de plus en plus
performants dans leurs tâches respectives, jusqu’à ce que le réseau générateur puisse délivrer
des données de qualité.
Dans [Gué+17] les auteurs démontrent le potentiel des GANs appliqués à la modélisation
de terrain. L’utilisation d’un cGAN (conditional GAN, [Iso+17]) permet de faire apprendre la
relation entre des cartes de hauteur réelles et leurs annotations (par exemple des lignes de
crête ou des pics) de sorte que le réseau générateur puisse produire des cartes de hauteur de
synthèse à partir de nouvelles annotations entrées par l’utilisateur (Figure 20). Ils démontrent
aussi la possibilité d’amplification de terrains, en créant, toujours avec des GANs, une sorte
de filtre d’érosion artificiel capable de haute fidélité tout en étant plus rapide de 3 ordres de

Figure 20 : Synthèse par cGAN [Gué+17] : inférence automatique d’un terrain à partir d’annotations
utilisateur. Le modèle final détaillé (droite) est produit par amplification d’après la méthode
d’encodage parcimonieux [Gu16], les GAN ne travaillant que sur des tailles de terrain
modestes (256x256). (Source : [Gué+17])
grandeur que les méthodes de simulation. D’autres auteurs ont exploré les outils d’appren-
2 tissage profond dans le contexte des terrains : dans [Zha+19] des GANs sont utilisés pour
réaliser l’amplification de terrains selon potentiellement plusieurs thèmes exemples, et dans
[ACA18] des réseaux neuronaux convolutifs plus classiques sont dédiés également à l’ampli-
fication, par un système de super-résolution travaillant sur des cartes de hauteur grossières
adjointes d’ortho-photographies aériennes couleurs en haute résolution, la correspondance
entre données couleur et données d’élévation étant apprise par le réseau neuronal.
2.1.4 Conclusion
La table 2.1 rassemble les méthodes importantes de l’état de l’art que nous venons de
présenter sur la synthèse de terrain classique, et restreint à l’informatique graphique. Nous
les présentons d’abord sous l’angle de l’échelle, c’est-à-dire à la fois de l’étendue (taille) et
de la précision (niveau de détail) du domaine de synthèse. Cette table permet de rassembler
les informations essentielles relatives aux résultats atteignables par ces méthodes : échelle
donc, mais aussi performance et expressivité. Toutes les méthodes physiques (simulations), à
l’exception de [Cor+16 ; Cor+18], sont limitées en terme spatial à des étendues faibles (au
mieux 10 km) et une précision limitée (le plus souvent discrète avec une résolution de 1000
échantillons dans une dimension donnée). Pour le reste, i.e. les méthodes multi-échelles, les
résultats de la synthèse sont assez variables. Les méthodes de synthèse à partir d’exemples
sont capables globalement de traiter de grandes étendues (> 1000 km), mais ne proposent
pas une bonne précision (le niveau de détail reste faible). Certaines méthodes procédurales
sont capables d’atteindre des étendues arbitraires (donc en particulier l’échelle maximale,
i.e. planétaire) tout en conservant une bonne précision, avec une bonne performance, mais
cependant ne présentent qu’une expressivité limitée. Comme on peut s’y attendre, chaque
méthode a ses spécificités et aucune n’est idéale pour traiter tout problème. Il s’agira, au
regard de la question de cette thèse, la synthèse de planètes détaillées, de retenir les bonnes
approches parmi ces méthodes classiques qui soient transposables à notre problème.

Publication Étendue Précision Perf. Expressivité Modèle
[FFC82 ; Mil86 ; Lew87] max. < 1m r M subdivision
[Vos85] max < 1m s M faulting
[MKM89 ; Ebe+98] max. < 1m r M noise
[Der+11] max. < 1m r R subdivision
[PH93] 10 − 100 km 10 − 100 m s M, R subdivision
[BA05a ; Bel07] 10 − 100 km 10 − 100 m r M, R subdivision
[KU07] 1 − 100 km < 1m i M faulting
[WNM19] 4 − 400 km 1 − 100 m i T faulting
[DMS05] 4 − 4000 km 1 − 1000 m m M texture
[Zho+07] 4 − 4000 km 1 − 1000 m m M texture
[TGM12] 4 − 4000 km 1 − 1000 m m M texture
[GMM15] 4 − 4000 km 1 − 1000 m m M texture
[Gu16] 4 − 4000 km 1 − 1000 m s M sparse
[Arg+17] 4 − 4000 km 1 − 1000 m s M sparse
[Gué+17] 1 − 1000 km 1 − 1000 m i M deep 2
[ACA18] 1 − 10 km 1 − 10 m s M deep
[Zha+19] 1 − 10 km 1 − 10 m s M deep
[Cor+16] 10 − 100 km 10 − 100 m s M, R simulation
[Cor+18] 10 − 100 km 10 − 100 m i M, R simulation
[Cor+17a] 1 − 10 km 1 − 10 m m M, R simulation
[NWD05 ; MDH07] 1 − 10 km 1 − 10 m i M, R simulation
[Van+11] 1 − 10 km 1 − 10 m i M, R simulation
[Št’+08 ; Kri+09] 1 − 10 km 1 − 10 m i M, R simulation
[MKM89 ; RPP93 ; BF02] 1 − 10 km 1 − 10 m i M, R simulation
[CMF98] 1 − 10 km 1 − 10 m s M simulation
[Kur12] 1 − 10 km 1 − 10 m s R simulation
[Ben+06] 1 − 10 km 1 − 10 m h M, R simulation
[Par+19b] 1 − 10 km 1 − 10 m m D simulation
[KMN88] 10 − 100 km 10 − 100 m m M, R special1
[RME09] 10 − 100 km 10 − 100 m s M short-path
[Hna+10] 1 − 10 km 1 − 10 m i M, R diffusion
[Gén+13 ; Gén+15] 10 − 1000 km 1 − 10 m s M, R primitives
[DC+14] 1 − 10 km < 1m m R, C special2
[Bec+17] 100 m 1m i V diffusion
[Par+19a] 0.1 − 10 km 0.1 − 10 m s V special3
[Arg+19] 40 − 400 km 10 − 100 m m M, R special4
Table 2.1 : Table des méthodes de l’état de l’art. Performance (r : temps-réel < 50 ms, i : interactif
< 500 ms, s : secondes, m : minutes, h : heures), Expressivité (M : relief montagneux, R :
rivières, C : canyons, D : dunes et zones arides, T : mesas, V : effets volumétriques (arches,
etc.)).
1
: génération d’un réseau hydrographique cohérent puis calcul par minimisation du terrain
vu comme une surface en tension. 2 : diverses méthodes de clustering et d’image processing
appliquées sur une base de bruit. 3 : génération de caractéristiques volumiques à partir de
primitives à squelette. 4 : construction de graphes à partir de données géomorphologiques
(orométrie).

2.2 Passage à l’échelle planétaire
Le thème que nous explorons dans cette thèse est la synthèse de terrains à l’échelle maxi-
male, tout en offrant une bonne précision. Dans l’univers, les paysages, le relief, ont des
étendues naturellement bornées, celles de leur planète hôte. Toute la question est de savoir
comment, à partir des techniques existantes, permettant de générer des terrains plats et
de taille limitée, passer à cette échelle particulière caractérisée d’abord par un changement
topologique (sphérique), mais aussi une étendue considérable. Ajoutons que plus l’étendue
est grande plus cela implique potentiellement une diversité élevée de paysages, ce qui ajoute
au défi.
Les mondes qui orbitent les étoiles ne sont pas plats. Ce sont des objets quasiment sphériques,
car positionnés en équilibre hydrostatique, i.e. en équilibre interne entre gravité et pression.
2 Une planète tellurique comme la Terre comporte plusieurs couches sphériques : un noyau actif,
un manteau, et une lithosphère pour le domaine géologique, adjoints d’une hydrosphère (eau
liquide couvrant 71% du globe) et d’une atmosphère (qui empêche notamment la formation
de cratères d’impact d’éventuels astéroïdes). Ces sphères n’existent que parce que la Terre
est un astre différencié, du fait de sa masse mise en rapport avec son moment angulaire.
La géomorphologie terrestre est conditionnée, nous l’avons dit, par le jeu opposé des forces
géologiques et climatiques. Les formes des continents, les distributions d’arcs d’îles, les chaînes
de montagnes résultent de la tectonique des plaques, observées sur Terre comme un effet
de surface de la convection du manteau, elle-même activée par le noyau. Mais en détail, les
forces climatiques érosives de l’atmosphère et de l’hydrosphère viennent sculpter plus avant
ces grands reliefs : vallées, réseaux de drainage, lacs, deltas, monts et collines érodés, etc..
Notre Terre a un rayon moyen de 6370 km, soit une surface totale d’environ un demi milliard
de kilomètres carrés (150.106 km2 de surface continentale). Pour donner un ordre d’idée, en
terme de modélisation, un échantillonnage grossier à 1 km de précision nécessiterait donc
500 millions d’échantillons. Descendre à l’échelle du mètre, comme cela se fait de manière
standard en synthèse de terrain classique, demanderait un million de fois plus de données,
c’est-à-dire, si on triangule et qu’on attribue ces échantillons par une couleur, une élévation
et une normale (maillage de rendu minimal, sans informations topologiques ni de BRDF),
environ entre 10 et 20 Péta-octets de données (1015 ) seraient requis, soit plusieurs milliers de
serveurs de stockage de dizaines de Téra-octets chacun : c’est tout-à-fait considérable.
2.2.1 Applications émergentes
Depuis environ dix ans, des applications industrielles voient peu à peu le jour qui tentent
d’aborder l’échelle planétaire. Ceci pour plusieurs raisons : la capacité de traitement croissante
du matériel (notamment mémoires et cartes graphiques), la pression opérant sur les directeurs
artistiques les poussant à produire toujours plus et toujours plus grand, et la science-fiction

2
Figure 21 : Captures d’écran du jeu en développement Star Citizen permettant l’exploration continue
de planètes. (Source : © Cloud Imperium Games).
qui est devenue un genre culturel très populaire à travers le cinéma et les jeux vidéo. Dans
ce dernier secteur, on a assisté parallèlement au développement des jeux dits à "mondes
ouverts", où le joueur est libre d’explorer de vastes étendues extérieures et donc de vastes
terrains. L’exemple extrême est certainement le jeu Star Citizen(© Cloud Imperium Games), jeu
d’aventure spatiale multi-joueur où il est possible d’explorer des planètes entières, depuis orbite
jusqu’au sol (Figure 21). Ce jeu, toujours en développement mais très attendu, a fait l’objet
d’un financement participatif record de plusieurs centaines de million de dollars. La branche
allemande du studio CIG est en charge de trouver des solutions nouvelles pour répondre au défi
technologique de la modélisation et du rendu temps-réel de planètes complètes. Pour l’heure et
d’après les informations distillées par le studio, il semble que les planètes soient modélisées à
l’échelle 1/10 (1/6 pour les lunes) pour des raisons de performance et de précision (voir section
2.2.2.2) ; la technologie utilisée pour le terrain est le collage multi-échelle, semi-automatisé,
sur un cuboïde sphérique, de cartes de hauteur prétraitées (notamment avec des algorithmes
d’érosion) et augmentées de données telles que l’humidité, le biome (pour la végétation) et
les informations de textures (couleur, normale, BRDF, etc.). Notons que le mélange de cartes
de hauteur ne permet pas d’obtenir des réseaux hydrographiques cohérents, et de fait, d’après
les images du jeu disponibles, il semble que les cours d’eau soient complètement absents des
planètes représentées. Également, les développeurs ne disent pas comment ils traitent les
singularités de pavage aux huit coins du cuboïde et sur les huit arêtes horizontales.
Dans un autre domaine plus orienté Systèmes d’Information Géographiques, on citera

également les applications Virtual Globe, comme Google Earth (© Google Inc.), ArcGIS (©
Esri), NASA World Wind (open-source, NASA) ou Marble (open-source, KDE), parmi les plus
2.2 PASSAGE À L’ ÉCHELLE PLANÉTAIRE 33

connues, qui permettent la visualisation multi-échelle et temps-réel de la Terre. Là les données
ne sont pas synthétisées, bien entendu, mais sont extraites de bases de données d’élévation,
d’imagerie satellite et de caractéristiques vectorielles (pour les routes par exemple). Ce sont
donc des applications orientées out-of-core streaming d’un point de vue architecture de rendu,
reposant typiquement sur un système de projection entre l’ellipsoïde géodétique, comme par
exemple la projection de Mercator, et le plan pour plaquer les données 2D multi-résolution
(généralement organisées en quadtree) sur le modèle 3D. L’architecture de rendu est pensée
essentiellement en terme d’efficacité et de bande passante par rapport à l’importation à la
volée des données du terrain visibles par l’utilisateur.
2.2.2 Recherche académique
2 Jusqu’ici, de la part de la recherche académique, la modélisation de terrains à l’échelle

planétaire (section 2.2.2.1) n’a pas fait l’objet de beaucoup d’attention du fait de la pro-
blématique de l’étendue. On compte uniquement deux méthodes fractales : le travail de
Musgrave [Ebe+98] et celui de Derzapf et al. [Der+11]. En revanche, le domaine, inter-
médiaire entre modélisation et rendu, de la tesselation adaptative de planètes, dérivée des
méthodes classiques de tesselation de terrains étendus, a été plus exploré (section 2.2.2.2).
2.2.2.1 Modélisation
Figure 22 : Planètes générées par Musgrave et al.,[Ebe+98] à partir de combinaisons de fonctions de

bruit. (Source : [Ebe+98])
Dans le livre référence de la modélisation procédurale, Texturing & Modeling, a Procedural

Approach [Ebe+98], Kenton Musgrave expose ses travaux sur Mojoworld, un logiciel commer-
cial de sa conception qui permet de produire des images de planètes fractales, à toute échelle
(Figure 22). Le modèle de planète repose intégralement sur une combinaison de bruits 3D
cohérents (section 2.1.3.1) pour produire à la fois la couche nuageuse, l’élévation du terrain
et la couleur/texture du terrain. La combinaison de ces bruits est sophistiquée, à un point qu’il
est impossible de contrôler le modèle, de l’aveu même du créateur de MojoWorld.

Figure 23 : Méthode de Derzpaf et al.[Der+11] procédant par subdivision stochastique d’un maillage
de base attribué d’un réseau hydrographique (gauche). Le réseau est raffiné à la volée à
mesure que la caméra descend vers la planète (milieu), cependant le terrain environnant
les rivières (droite) est trop homogène pour être jugé réaliste. (Source : [Der+11])
L’approche prise par Derzapf et al. [Der+11] est toute aussi procédurale et même fractale
mais repose sur une subdivision stochastique sous contrainte pour produire le modèle plané-
2
taire. L’objectif de la méthode est de créer à la volée, en temps-réel, un réseau hydrographique
couvrant la planète qui soit cohérent d’un point de vue écoulement de l’eau, depuis les sources
des rivières, aux embouchures des fleuves. La méthode procède en deux étapes. La première
est un pré-calcul du maillage planétaire de base par insertion de sommets dans un octaèdre ;
les continents sont définis par marche aléatoire (random walk) sur les triangles, puis un
réseau hydrographique est construit à partir des embouchures des fleuves ; les altitudes des
sommets sur les cours d’eau sont définies de manière croissante. Tous les sommets continen-
taux appartiennent au réseau, aussi des sommets crêtes intermédiaires d’élévation élevée
sont introduits dans le maillage afin de séparer les cours d’eau. La seconde et principale
étape consiste à raffiner le maillage de façon adaptative (i.e. de manière dépendante à la
vue-caméra courante) par des séquences d’opérations parallèles impliquant soit la subdivision
d’arêtes (split), soit la fusion de sommets (merge) (Figure 24). Cette tesselation adaptative
repose sur les maillages progressifs (progressive meshes) introduits par [Hop96 ; Hop98a],
mais adaptée dans [HSH09 ; DMG10] pour être massivement parallélisable ; cette méthode est
complexe à mettre en oeuvre, du fait des informations topologiques spécifiques aux opérations
split/merge et des structures de données et de l’ordonnancement qui doivent être ajoutés du
fait de la parallélisation. La tesselation adaptative de Derzapf et al. opère sous contraintes,
Figure 24 : Schéma de tesselation adaptative de Derzapf et al.. (Source : [Der+11])

celles de la préservation du réseau hydrographique planétaire ; elle permet le raffinement de
celui-ci (i.e. la création à la volée de cours d’eau tributaires) par un ensemble précis de règles.
Cependant, la méthode ne propose rien concernant le terrain environnant les rivières, tout
étant laissé à l’auto-similarité homogène et répétitive de la subdivision classique (Figure 23) :
le modèle géomorphologique apparaît donc comme globalement déficient même si présentant
une hydrographie intéressante.
2.2.2.2 Stratégies de rendu
Le rendu de planètes à l’échelle 1/1 pose en soi des défis particuliers. Il y a tout d’abord un
problème de précision numérique qui surgit lorsque l’on souhaite faire du rendu temps-réel
ou que l’on souhaite utiliser le GPU comme processeur massivement parallèle, notamment
2 pour la tesselation adaptative du modèle planétaire. Les flottants IEEE-754 encodés en 32
bits ne possèdent que 7 chiffres significatifs. Pour être stable à travers les calculs les positions
doivent être capable de variations à l’échelle du centimètre, or, la Terre faisant environ
6000 km de rayon, cela requiert au moins 9 chiffres significatifs. Sans stratégie palliative, la
plus immédiate étant de recourir aux flottants encodés sur 64 bits, ce qui se fait bien en
rendu offline mais pose problème dès qu’on utilise le GPU 7 , on s’expose à des artefacts de
rendu caractéristique tels le z-fighting (irrésolution des triangles en profondeur) ou le jittering
(sauts des positions géométriques dû aux troncatures). Pour prévenir le jittering plusieurs
parades ont été proposées. La première est de positionner l’origine du monde à la position
de la caméra et de translater tous les objets inversement, de sorte que les triangles proches
de la caméra aient des coordonnées petites [Tho07 ; CR11] ; l’opération peut être réalisée
en double précision sur CPU mais implique le transfert répété de la géométrie à mesure que
la caméra bouge, ou directement dans le vertex shader par émulation de double précision à
partir de deux nombres flottants encodés sur 32 bits [Tha06]. Concernant le problème de
l’irrésolution en profondeur (z-fighting), deux solutions sont possibles [CR11], la première
est de décomposer le rendu sur plusieurs frustums, mais avec des problèmes potentiels de
raccord de géometrie entre les frustums, ou d’appliquer une fonction de transfert à progression
logarithmique sur les valeurs de profondeur (log-z buffering), ce qui est plus robuste.
Ces problèmes de précision numérique existent bel et bien mais sont relativement bien
gérés avec les techniques que nous venons de mentionner. Cependant, quand on souhaite
rendre une planète à plusieurs échelles, se pose la question de comment générer la géométrie
de rendu (typiquement une triangulation). Il est bien entendu impossible de pré-calculer
l’entièreté du maillage planétaire au plus haut niveau de détail et de le stocker. La solution
est potentiellement la même que pour le rendu de terrains à haute précision et étendus.
Elle consiste à générer à la volée une représentation adaptée à la vue courante de sorte que
7. OpenGL n’intègre les double que depuis la spécification 4.0 (2010), et encore partiellement puisque les
étapes fixes du pipeline entre shaders n’accepte que des floats ; la situation pour l’API DirectX est encore plus
restrictive.

seuls les triangles visibles soient présents et raffinés de manière à respecter une métrique de
qualité visuelle (typiquement la taille du triangle en pixels). La littérature sur les tesselations
adaptatives est riche, que ce soit pour les terrains [PG07] ou pour les modèles 3D plus
généraux [Gar99 ; Lue+03]. En général, pour les terrains les techniques génériques reposant
sur la multirésolution discrète (i.e. plusieurs versions simplifiées du maillage détaillé) ne
fonctionnent pas car un terrain est souvent vu avec un angle rasant où géométries proches
et lointaines sont toutes deux visibles ; il faut donc plutôt recourir à un niveau de détail
continu (CLOD, continuous level of detail) [Lin+96 ; Duc+97 ; Hop98b]. Cependant, ces
méthodes CLOD, travaillant à la granularité du triangle, ne sont plus adaptées aux architectures
graphiques modernes, où on souhaite désormais réduire les transferts vers le GPU ainsi que le
travail CPU. De fait, aujourd’hui on préfère les méthodes intermédiaires de niveau de détail
hiérarchique (HLOD, hierarchical level-of-detail) [EMBI01 ; Cig+03a], où le travail CPU ne
consiste plus qu’à déterminer la profondeur locale d’un arbre de type quad-tree ou bin-tree,
chaque feuille représentant une tuile maillée de plusieurs milliers de triangles ; les tuiles 2
résident en mémoire vidéo et ne sont jamais mises à jour, leur rendu se faisant en mode
instancié. Quelques auteurs ont exploré la topologie sphérique pour les planètes et proposé
des adaptations de méthodes précédentes, ainsi Cignoni et al. [Cig+03b] étendent la méthode
BDAM [Cig+03a] (une méthode HLOD) des mêmes auteurs, Duchaineau et al. adaptent leur
propre algorithme ROAM [Duc+97] en version HLOD et pour la topologie sphérique [HDJ05].
On citera enfin une alternative aux approches par tesselation adaptative consistant à créer
le maillage de rendu par projection du plan caméra sur le terrain [Mah10], c’est-à-dire en
associant directement les sommets de la triangulation de rendu aux pixels et en procédant
par raycasting pour trouver les élévations du terrain correspondantes. L’avantage est que la
triangulation peut être stockée sans être modifiée sur le GPU, ni raffinée à la volée, cependant
il faut prendre en compte des configurations gênantes (comme le relief à l’horizon, ou le relief
proche hors-champ occultant potentiellement la vue) et le grand problème de la méthode
est la tendance à l’instabilité visuelle du terrain rendu dès que la caméra bouge ; cependant,
cette méthode peut être utile pour d’autres cas de figures, notamment le rendu adaptatif de la
surface de l’eau d’un océan en mouvement.
2.2.3 Conclusion
Jusqu’ici, seules des méthodes procédurales fractales ont été proposées pour modéliser des
planètes, avec représentation en champ de hauteur adapté à la sphère, par sommes de bruits
pour Musgrave, ou par subdivision stochastique contrainte pour Derzapf. Nous l’avons dit, les
méthodes physiques sont plutôt mono-échelles et coûteuses en temps de calcul et en besoins
de stockage. Sur ces bases nous serions tentés de considérer le problème de la modélisation
détaillée de planètes en nous cantonnant à l’approche procédurale, et même fractale. Pour
autant, nos propositions dans cette thèse relèvent d’une approche combinée : à la fois prenant
en compte la physique, et en offrant une résolution procédurale pour des raisons essentielles

de performance par rapport à l’étendue, telles que mentionnées plus haut. Cette combinaison
repose sur une analyse directe du problème, dont les éléments ont été introduits tout au long de
cet état de l’art. Il existe en effet deux échelles importantes pour le rendu détaillé d’une planète,
et que l’on peut distinguer : l’échelle macroscopique, orbitale, figurant ses caractéristiques de
terrain propres (arcs d’îles, continents, massifs montagneux, zones arides, etc.) et l’échelle
mésoscopique, celle de l’humain, figurant les détails géomorphologiques perceptibles par ce
dernier. Or il s’avère que l’échelle macroscopique est gouvernée, transformée, modelée presque
exclusivement par les forces tectoniques endogènes. Tandis que l’échelle intermédiaire est
donnée par la tectonique mais transformée, modelée, in situ par les forces climatiques exogènes.
Notre proposition donc, face au problème de l’étendue, est de découpler ces deux échelles
puisque répondant à deux mécanismes distincts : nous proposons une approche physique
pour l’échelle orbitale, reposant sur une re-création itérative, simulée, d’une tectonique des
plaques afin de reproduire la structuration grande-échelle de la planète (Chapitre 3) ; que
2 nous faisons suivre d’une hyper-amplification par une méthode découplée procédurale qui
permet le passage adaptatif de l’échelle macroscopique à mésoscopique, et donc l’exploration
continue, avec une bonne performance, de planètes synthétiques présentant un bon niveau de
réalisme (Chapitre 4).

3
M ODÉLISATION DE PLANÈTES PAR
REPRODUCTION D ’ UNE TECTONIQUE
Table des matières

3.1 Observations préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.1.1 État des connaissances géophysiques . . . . . . . . . . . . . . . . . 41
3.1.2 Éléments de tectonique des plaques classique . . . . . . . . . . . . 42
3.2 Aperçu de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.1 Phénomènes reproduits . . . . . . . . . . . . . . . . . . . . . . . . 48 3
3.2.2 Modèle de plaque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.3 Aspect numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2.4 État initial de la simulation . . . . . . . . . . . . . . . . . . . . . . 54
3.3 Modèle tectonique dynamique . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1.1 Subduction . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.1.2 Collisions continentales . . . . . . . . . . . . . . . . . . . 59
3.3.1.3 Implémentation . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.2 Divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.2.1 Génération du plancher océanique . . . . . . . . . . . . . 65
3.3.2.2 Fragmentation de plaque . . . . . . . . . . . . . . . . . . 66
3.3.2.3 Implémentation . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.3 Érosion continentale et affaissement océanique . . . . . . . . . . . 69
3.4 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4.1 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4.2 Performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4.3 Contrôle utilisateur . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4.4 Limitations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
39
Après avoir exposé le contexte de recherche nous développons dans ce chapitre une réponse
à la problématique de la modélisation de terrains à l’échelle planétaire, à la fois efficace et
réaliste. Nous souhaitons dépasser les limitations inhérentes aux approches fractales usuelles,
c’est-à-dire leur auto-similarité, leur homogénéité, et l’absence de contrôle artistique induit,
pour aboutir à un modèle plus riche, au sens géologique, et offrant plus de capacités d’édition
aux artistes. Nous proposons comme solution une architecture interactive capable de générer
des planètes de type terrestre. Sa spécificité est de s’appuyer intégralement sur une com-
préhension des facteurs générateurs des terrains classiquement décrits en géomorphologie.
L’observation clé est qu’ils apparaissent tous comme une déclinaison des forces tectoniques.
En prenant donc comme référentiel notre planète, la Terre, car objet tectonique réel de loin
le plus décrit et étudié, et en intégrant une dynamique tectonique dans notre modèle, nous
montrons qu’il est possible de dépasser les limitations mentionnées des méthodes procédurales
classiques.
Notre contribution principale est la création d’un modèle efficace et original, inspiré par la
géologie, qui approxime la déformation de la croûte induite par les forces tectoniques pour
obtenir in fine des planètes exhibant des caractéristiques géomorphologiques convaincantes.
Ce modèle, itératif et géométrique, est une simulation intégralement construite sur des heuris-
tiques performantes ; en cela elle diffère d’une approche géophysique précise qui chercherait
à minimiser l’erreur avec les observations du réel. Notre méthode procure à l’utilisateur
différents moyens pour contrôler l’évolution d’une planète et prescrire les zones de continents,
de montagnes, d’archipels. Enfin, elle représente une synthèse guidée du macro-relief d’une
3 planète, et peut être source de données a posteriori pour une méthode d’amplification : ce
peut-être les deux propositions propres à cette thèse (Chapitre 4), ou bien une technique
connue de l’art, par exemple [Ebe+98], [Gu16] ou [Cor+17a].
3.1 Observations préliminaires
Nous voulons répondre au problème du contrôle de la synthèse des caractéristiques à grande

échelle des planètes virtuelles, c’est-à-dire de l’édition interactive du processus générateur
des continents, des arcs d’îles et archipels, des grandes chaînes de montagnes, et même du
relief océanique tel les dorsales. Or, d’une part les approches fractales ([Ebe+98], [Der+11])
échouent à reproduire ces caractéristiques géomorphologiques, car trop localisées (distribuées
non uniformément) et/ou trop anisotropes. D’autre part quand on accroît la sophistication
des méthodes fractales pour pallier à ce fait, on dégrade généralement fortement le contrôle
utilisateur qu’elles offrent. Dans les deux cas ces facteurs limitant, réalisme et contrôle,
apparaissent trop importants dans le contexte applicatif retenu. Bien que l’accent actuel sur
les techniques fractales provienne essentiellement de leur grande efficacité computationnelle,
nous décidons donc de réviser en bonne partie ce modèle, au moins pour la synthèse des
macro-structures constituant la surface planétaire. Nous choisissons donc sciemment de
40 C HAPITRE 3. M ODÉLISATION DE PLANÈTES PAR REPRODUCTION D ’ UNE

revenir à la racine physique des éléments constitutifs du relief : qu’est-ce qui conditionne
l’apparition, la forme, la distribution, des cordillères montagneuses, des arcs d’îles, et même
des côtes des continents ? La réponse est connnue en géologie, nous savons que tous les
modelés géormorphologiques, i.e. tous les types de terrains, résultent d’un processus endogène
commun, la tectonique [Hug16]. Bien sûr les facteurs exogènes, par exemple l’érosion hydrique,
viennent façonner plus avant et localement le relief généré - mais à grande échelle le processus
dominant, en propre, reste la tectonique des plaques.
En s’appuyant sur cette observation fondamentale, nous chercherons donc à introduire

les forces tectoniques comme élément principal d’un nouveau type de modèle permettant la
synthèse de surfaces planétaires.
3.1.1 État des connaissances géophysiques
La Tectonique des Plaques est un modèle théorique de la croûte terrestre qui a émergé
progressivement au fil du XXème siècle, supplantant les explications précédentes plutôt par-
tielles rangées sous le terme-ombrelle de « Dérive des Continents », pour s’imposer finalement
dans les années soixante par deux publications séminales [Mor68 ; LP68]. Pendant longtemps
le modèle se limitait à expliquer qualitativement les phénomènes. Cependant, depuis deux
décennies la recherche en géophysique s’est orientée, comme beaucoup d’autres disciplines,
vers les outils de simulation numérique. On parle aujourd’hui de tectonophysique, et le focus
porte actuellement sur le manteau terrestre, le concensus scientifique étant que ce dernier
3
joue un rôle prépondérant, et plutôt méconnu. Il semble qu’on ne puisse pas se contenter
de voir la convection du manteau comme le mécanisme moteur des plaques tectoniques,
mais que les plaques elles-même seraient en fait l’expression de surface du système convectif
auto-organisé du manteau terrestre [BTR15]. Cependant, même avec les capacités de calcul
modernes, la recherche sur ces simulations, récente, se heurte à des défis substantiels. Par
exemple décrire par le bon jeu d’équations les rhéologies complexes et profondes des roches
en fusion [Com+12], dont la connaissance directe ne peut être obtenue que par sondages
sismiques, ou par échantillons métamorphiques ramenés à la surface par volcanisme. Ou
encore et à l’instar des modèles climatiques, concevoir des modèles numériques performants
transverses à de nombreuses disciplines (pétrologie expérimentale, physique des minéraux,
séismologie, géodynamique, etc.). Par ailleurs, le problème du coût computationnel se pose,
car contrairement aux simulations climatiques qui opèrent sur des grilles géodésiques de faible
épaisseur, une simulation du manteau doit se déployer sur toute la profondeur du globe (on
passe de 2.5D à 3D) : en pratique, une exécution d’un modèle moderne requiert plusieurs
mois de calcul sur un cluster dédié [CS17]. Enfin, et bien que ces modèles numériques soient
parmi les plus complexes jamais écrit par l’homme, pour autant, nous ne sommes toujours pas
en mesure de répondre à des questions simples, comme, quelle serait l’origine des plaques
tectoniques ?
3.1 O BSERVATIONS PRÉLIMINAIRES 41

Dans le cadre de notre problème adopter une approche géophysique complète et précise
pour simuler une tectonique serait fortement inadapté. Pour offrir ne serait-ce que l’interacti-
vité, donc une garantie de performance, à l’utilisateur, le modèle se doit d’être rapidement
calculable. Notre proposition pour ce dernier s’appuiera donc sur des heuristiques choisies
pour leur performance et leur plausibilité. Notons qu’il n’existe par ailleurs aucune formule
directe pour quantifier la déformation des plaques ou le soulèvement de la croûte : les mo-
dèles tectonophysiques reposant sur des équations aux dérivées partielles, ils requièrent des
solutions numériques coûteuses et ne peuvent fournir d’expressions directes sur lesquelles
s’appuyer. C’est sous cette contrainte que nous nous plaçons, et nous proposerons donc une
approche simplifiée pour la recréation des effets tectoniques principaux. Ceux-ci seront ceux
décrits par la tectonique des plaques, c’est-à-dire par le modèle géologique classique, qualitatif,
mais pour autant, sans garanties vis-à-vis du comportement physique du manteau.
3.1.2 Éléments de tectonique des plaques classique
Croûte continentale
Croûte océanique
Asthénosphère
Lithosphère
Manteau
3
Noyau externe (liquide)
Noyau interne (solide)
Figure 25 : Vue en coupe schématique de la Terre. La lithosphère comprend la croûte terrestre et la

partie supérieure solide du manteau. (Source : USGS, public domain)
Dans le modèle classique, les plaques tectoniques sont décrites comme une partition de la
lithosphère, la couche planétaire supérieure (figure 25). Comme la lithosphère est plus froide
et moins dense que l’asthénosphère, la couche sous-jacente, les plaques peuvent être vues
comme des fragments rigides, ou des "dalles" flottantes, dérivant au-dessus d’un manteau en
fusion. La croûte terrestre proprement dite, c’est-à-dire la partie supérieure de la lithosphère,
peut être de deux types : océanique ou continentale. La croûte continentale est toujours plus
âgée, moins dense et plus épaisse que la croûte océanique, et cela induit une différentiation

dans le comportement dynamique. À mesure que les plaques dérivent à la surface, elles
se séparent ou collisionnent ce qui façonne la croûte, et donc le relief de la planète. Il est
important de réaliser que l’intégralité des effets tectoniques apparaissent sur les frontières des
plaques, et non en leur sein. Le relief d’une planète tectonique émerge ainsi des interactions
locales en bordure des plaques.
Convergence Divergence Décrochement
Figure 26 : Les trois modes canoniques d’interaction des plaques tectoniques : zones de convergence,
zones de divergence et zones de décrochement (cisaillement). (Source : Domdomegg
2016, contributeur wikipedia)
Il existe trois types d’interactions dynamiques, ou modes tectoniques : convergence, di-

vergence et cisaillement (Figure 26). La convergence de plaques conditionne l’apparition
des chaînes montagneuses (orogénie), et des fosses océaniques. La divergence provoque sys-
tématiquement l’émergence de plancher océanique, par effusion magmatique, ce qui vient
combler le vide laissé entre les plaques. Enfin, le cisaillement a lieu le long de zones dites de
décrochement transformantes. Le nom est trompeur, car ce mode dynamique n’engendre pas
3
de macro-relief caractéristique a contrario des zones de convergence et de divergence, mais
uniquement des séismes et des failles transformantes locales (comme par exemple la faille de
San Andreas en Californie). Nous laisserons donc d’emblée de côté les zones de décrochement,
pour nous intéresser essentiellement à la convergence et à la divergence. Ces deux modes
d’interaction induisent eux-même des phénomènes essentiels (Figures 27 et 31) qu’il sera
intéressant de chercher à reproduire, car générateurs en propre du relief.
Convergence de plaques. La rencontre catastrophique de deux plaques convergentes peut

engendrer plusieurs phénomènes tectoniques. En première approximation, nous choisissons
de les décliner selon deux types distincts, qui dépendent des caractéristiques des plaques
observées vers le front de convergence : on parlera ainsi tantôt de subductions/obductions,
tantôt de collisions continentales. Nous commencerons par bien définir les subductions, dans
le cas idéal, avant d’introduire obductions et collisions.
Subduction simple. Une subduction implique typiquement la rencontre d’une plaque océa-
nique Pi avec une autre plaque Pj . Si Pj est de type continental, alors la plaque océanique
entrera en subduction. Inversement, si Pj est océanique, alors la plus âgée des deux plaques

Collision & orogénie
Rift africain
Subduction & arcs d’îles
Dorsale océanique
Figure 27 : Gros plan sur une carte tectonique de la Terre, montrant les zones de divergence, de
convergence et de décrochement ainsi que les ordres de grandeur du mouvement tecto-
nique. En couleur et fléchés, les phénomènes que nous souhaitons prendre en compte dans
notre modèle. (Image de fond et données : NGDC World Coast Line data, Peter Bird, Eric
Gaba)

entrera en subduction sous l’autre. L’âge des fonds marins est important car formant un
indicateur de densité : une plaque océanique âgée est plus dense qu’une plaque océanique
jeune, a tendance à s’affaisser, et c’est ce qui détermine l’entrée en subduction. Le phénomène
de subduction à proprement parler implique une succion progressive de la plaque la plus dense
(Figure 28), qui plonge sous la plaque rencontrée (dite supérieure ou chevauchante) et se
retrouve à terme aspirée dans le manteau en fusion où elle y est recyclée (sur des échelles de
temps considérables). Le long du front de subduction une fosse océanique, ou fosse abyssale,
se forme. Sous la plaque supérieure les fortes contraintes induisent en remontée du volcanisme
et du plissement en surface, ce qui occasionne soit l’apparition d’un arc d’îles volcaniques si la
plaque chevauchante est océanique, soit une orogénie, c’est-à-dire la formation d’une chaîne
de montagnes, si elle est continentale. L’exemple canonique est la formation des Andes en
Amérique du Sud, du fait de la subduction de la plaque de Nazca, océanique, sous le continent
sud-américain. Le moteur principal des subductions est décrit par le terme anglais de Slab
Pull, c’est-à-dire la force d’entraînement et de traction exercée par la portion plongeante de
la plaque sur elle-même. Ce mécanisme est plus important d’un ordre de grandeur que la
poussée le long des dorsales océaniques (voir Divergence).
Arc volcanique
Océan Fosse
Croûte océanique Croûte continentale

Plissements
Lithosphère Lithosphère
3
AS
Slab Pull
Asthénosphère
Figure 28 : Illustration d’une zone de subduction pour le cas d’une convergence entre une plaque
océanique et une plaque continentale. La subduction induit une déformation de la surface
de la plaque chevauchante, par volcanisme et plissement.
Obduction, et collision continentale. La subduction telle que décrite précédemment est

relativement bien définie. Pour autant, une subduction peut évoluer, si les conditions s’y
prêtent, vers d’autres types de phénomènes qu’il convient de distinguer. On introduira d’abord
pour ce faire le terme de terranes. En géologie les terranes sont des portions de croûte
continentale ou des systèmes d’îles transportés par la croûte océanique environnante vers
les zones de subduction, à la façon d’un tapis roulant (lui-même entraîné par le Slab Pull).
Lorsque les terranes entrent dans la zone de subduction, on observe alors un phénomène
dit d’obduction, temporaire, qui n’est autre que le forçage de la croûte continentale sous
l’autre plaque. L’obduction de terranes produit une plus grande déformation de la plaque
chevauchante, que lors d’une subduction classique [Clo93 ; Dom+98]. À terme, comme la

croûte continentale est de densité plus faible que le manteau asthénosphérique dans lequel elle
s’enfonce, les terranes résistent à la subduction. Si la plaque adverse supérieure est océanique,
alors le mode tectonique se complexifie, et on parle de subduction inversée. En revanche,
si la plaque chevauchante est continentale, on assiste alors à la rupture des terranes d’avec
leur support (Slab Break), puis leur agrégation (suture) sur la frontière de la plaque adverse.
L’exemple canonique est la formation des Montagnes Rocheuses, constituées d’un patchwork
de terranes transportés avec le temps par la plaque Pacifique, en subduction, vers l’Amérique
du Nord. Lorsque la taille d’un terrane est substantielle, ou même représente un continent
entier, on parle de collision continentale : c’est le cas de l’Inde qui rencontre et se suture
progressivement au continent eurasiatique. Les collisions continentales occasionnent de fortes
orogénies, principalement par plissement dû à la compression, comme l’Himalaya.
Océan Dorsale (-2 km)

Plaine abyssale (-6 km)
Croûte océanique
Lithosphère
3 Asthénosphère
Figure 29 : Zone de divergence entre plaques : une dorsale océanique (profondeur moyenne 2 km) se
forme et se maintient par production magmatique continue venue du manteau. A mesure
que la croûte océanique s’étend et se refroidit, celle-ci se densifie et s’affaisse, formant de
grandes plaines abyssales.
Divergence de plaques. Les diverses zones de subduction d’une planète recyclent à terme
dans le manteau et en moyenne en moins de 200 millions d’années (Ma) l’intégralité de
la croûte océanique. Comme la lithosphère maintient parallèlement sa couverture, i.e. on
n’observe pas de « trous » dans la planète, c’est qu’il existe un mécanisme symétrique qui
génère de la croûte océanique. Ce rôle est rempli par les dorsales océaniques, lieu d’effusion
magmatique qui assure la création de plancher océanique. À mesure que les plaques divergent
(car attirées à l’autre bout par leurs fronts de subduction), la nouvelle croûte émerge, suit
et s’étend, depuis les dorsales, dans un processus continu de remontée du basalte, refroidi
au contact de l’eau et affleurant du fait de la séparation divergente des plaques (Figure 29).
Le magma solidifié constitue le nouveau plancher océanique ; et les dorsales forment des
structures de relief linéaire sous-marin, caractéristiques, qui s’élèvent à plusieurs kilomètres
au-dessus de la plaine abyssale. L’exemple typique de dorsale sur Terre est la dorsale des
Atlantiques nord et sud.

Fragmentation. Le recyclage des plaques océaniques amène nécessairement en contact de
nombreuses portions de croûte continentale, par le phénomène de collision continentale décrit
plus haut. L’agrégation de ces terranes, super-terranes et continents tend à former des super-
continents. Cela semble être le cas, cycliquement, dans le passé tectonique de la Terre. Mais
ces super-continents ne persistent pas, ils sont systématiquement brisés, par le phénomène
de fragmentation. Le long de ces brisures apparaissent des rifts, lesquels progressivement
feront remonter le magma de l’asthénosphère pour former de la jeune croûte océanique : la
dépression laissée entre les portions séparées continentales sera comblée par l’eau, à terme un
nouvel océan apparaitra. La figure 27 montre ainsi l’exemple du jeune rift africain.
3.2 Aperçu de la méthode
À partir de ces descriptions géologiques qualitatives de premier ordre de la croûte terrestre,

nous pouvons commencer à élaborer un modèle approximant une tectonique des plaques.
Notre objectif est, par reproduction des effets tectoniques principaux, de générer les éléments
constitutifs du macro-relief planétaire : des côtes continentales exhibant une variété de formes,
dont la symétrie et la linéarité, des distributions de chaînes montagneuses plausibles, dont des
cordillères en bordure des continents, des arcs d’îles qui suivent les fronts de subduction, ainsi
que du relief sous-marin, notamment des grandes dorsales médianes, des plateaux immergés,
des plaines abyssales et des fosses océaniques.
3
Contrôle utilisateur
Soulèvement Evènements tectoniques

continentale et
Mouvements G
océanique
Erosion
Subductions et Formation de croûte

Etat initial collisions océanique et rifting Croûte C
Simulation guidée
Pas de temps δt
Figure 30 : Aperçu de la méthode : étant donné une planète initiale décrite par ses plaques P(0),
nous calculons le mouvement tectonique des plaques P(t) et traitons les évènements
tectoniques tels la subduction, la collision ou encore la génération de croûte océanique.
Ces évènements façonnent la croûte terrestre C.
La méthode proposée (Figure 30) consiste en une simulation approchée de tectonique,

basée sur un pas de temps géologique δt de plusieurs millions d’années, qui mettra en mouve-
ment les plaques. À chaque pas de temps, nous nous attacherons à détecter et reproduire les
phénomènes tectoniques dû à la convergence et à la divergence des plaques. La simulation
est guidée, au sens d’une intervention possible de l’utilisateur pendant celle-ci. Il peut ainsi
librement prescrire les mouvements des plaques, déclencher des évènements, tel la fragmenta-
tion d’une plaque, ce qui permet d’éditer et de contrôler en temps réel la simulation. Cette
3.2 A PERÇU DE LA MÉTHODE 47

interactivité est rendue possible par la bonne performance du modèle, la simulation reposant
exclusivement sur un traitement heuristique efficace des interactions tectoniques.
Cette section présente maintenant le modèle numérique sous-jacent à la méthode, la

description détaillée et complète de la résolution des phénomènes simulés se trouvant en
section 3.3.
3.2.1 Phénomènes reproduits
Des trois modes d’interaction tectonique, pour rappel convergence, divergence et cisaille-
ment, nous ne retenons que la convergence et la divergence de plaques. Ceci car ces deux
modes engendrent l’essentiel des reliefs terrestres et sous-marins, a contrario du troisième.
Lorsque les plaques convergent ou divergent, divers phénomènes peuvent se produire. De la
variété des phénomènes tectoniques que l’on observe dans le monde réel, nous conceptualise-
rons quatre grands archétypes : subduction/obduction, collision continentale, génération de
croûte océanique, et fragmentation de plaque (Figure 31).
Génération de croûte océanique
3
Collision continentale
Subduction Fragmentation de plaque
Figure 31 : Exemples terrestres des quatre phénomènes tectoniques majeurs reproduits dans notre
modèle : subduction, collision continentale, génération du plancher océanique et fragmen-
tation de plaque.
1. Subduction. Les subductions résultent de la convergence de plaques et de présence de

croûte océanique, laquelle par sa densité élevée à tendance à plonger aisément sous
la plaque rencontrée. Nous traiterons indifféremment la subduction et l’obduction de
terranes tant qu’aucune masse continentale substantielle n’est rencontrée sur la plaque
chevauchante. Ceci car ces deux types d’interaction dynamique présentent la même
configuration, i.e. l’engloutissement d’une portion de plaque sous une autre et la genèse
de relief par soulèvement/volcanisme. Nous simplifierons par ailleurs ces deux derniers
aspects pour les unifier sous le terme unique de soulèvement (uplift en anglais). La

subduction (ou obduction) engendre donc une déformation de la croûte de la plaque
supérieure (plus marquée pour l’obduction), c’est-à-dire potentiellement une orogénie
de type Andéen pour une plaque supérieure continentale, ou bien l’apparition d’arcs
d’îles pour une plaque chevauchante océanique.
2. Collision continentale. Les subductions et obductions seront traitées de manière uni-
fiée ; toutefois une obduction sous une plaque continentale pourra se transformer en
une collision si l’aire des terranes subduits est importante. Une telle collision provo-
quera le détachement des terranes de la plaque subduite (Slab Break), leur agrégation
au continent rencontré et fera apparaître une forte orogénie sur ce dernier, de type
Himalayen.
3. Nouvelle croûte océanique. La divergence de plaques fait apparaître du nouveau
plancher océanique, au niveau de dorsales que nous nous attacherons également à
modéliser.
4. Rift. Toute plaque aura une probabilité de rupture d’autant plus élevée qu’elle sera
continentale et de taille conséquente. Nous introduirons des rifts, c’est-à-dire des lignes
de fragmentation, afin de briser la plaque. Par la suite, de la nouvelle croûte océanique
apparaîtra naturellement le long des nouvelles zones de divergence, tel que décrit en 3.
Précisions. Dans les éléments préliminaires de tectonique classique exposés au début de ce

chapitre, nous avons mentionné régulièrement la présence de plaques « océaniques » et de
plaques « continentales ». En fait dans la réalité, bien que certaines plaques soient presque
purement d’un type ou de l’autre, une plaque tectonique peut en général avoir des portions
3
continentales comme des portions océaniques. C’est aussi le cas dans notre modèle, et c’est
uniquement par abus de langage et dans un souci de simplification que nous parlerons de
plaques océaniques (resp. continentales) pour évoquer des plaques à dominante océanique
(resp. continentale). Par ailleurs et alors qu’en géologie un terrane est une portion de croûte
continentale peu étendue ou un système d’îles, nous étendrons ce concept dans notre modèle
de plaque, et définirons un terrane comme étant une portion continentale connexe (au sein
d’une plaque). À noter qu’avec cette définition un continent entier peut donc être vu comme
un terrane.
3.2.2 Modèle de plaque
Notre but est de générer le macro-relief d’une planète. Nous nous appuierons donc sur
l’observation suivante : les structures d’intérêt émergent des interactions en bordure des
plaques tectoniques, à mesure que celles-ci dérivent. Pour les raisons évoquées en observations
préliminaires de ce chapitre, nous nous cantonnerons au cadre de la tectonique des plaques
classique, nous ne nous intéresserons pas aux phénomènes profonds de la planète, i.e. à la
convection du manteau, laquelle n’intervient pas directement dans la génération du relief.

Nous proposons ainsi de représenter une planète exclusivement par sa croûte terrestre, c’est-
à-dire sa couche la plus externe. Il s’agit d’une représentation essentiellement surfacique ;
cette approche permet la bonne performance du modèle en terme de temps d’exécution, donc
d’offrir l’interactivité souhaitée pour l’utilisateur. Nous voudrons partitionner la croûte afin
de produire l’état initial du processus itératif : cette partition représentera directement les
plaques du modèle.
Plus formellement, la surface d’une planète est définie par l’union, notée P, de plaques
tectoniques Pi (Figure 32). Chaque plaque Pi est une portion de la croûte terrestre C.
Plaque Pi c Terranes R
Élevation p Continentale
z Océanique s(c)
0
e(p)
w w
Croûte C Bordure de plaque
Paramétrage Mouvement G
Figure 32 : Modèle de plaque : croûte C, élévation z et épaisseur e, mouvement géodésique G.
Symbole Description
3 xC Type de la croûte (océanique ou continentale)
e Épaisseur de la croûte
z Élevation de surface (relief)
ao Âge de la croûte (si océanique)
r Direction locale de dorsale (si océanique)
ac Âge de l’orogénie (si continentale)
o Type d’orogénie (si continentale)
f Direction locale de plissement (si continentale)
Table 3.1 : Paramétrage de la croûte terrestre, défini à la surface de la sphère.
Paramétrage. Une plaque est paramétrée continument par les fonctions suivantes, définies
en un point p de la sphère (Table 3.1) : type de croûte xC (p), épaisseur de la croûte e(p) et
élévation z(p) (fonction de relief). Selon le type de croûte xC , qui peut être soit océanique soit
continental, nous ajoutons les paramètres suivants : âge de la croûte ao (p) et direction locale de
dorsale r(p) pour la croûte océanique - et type d’orogénie o(p), direction locale de plissement
f (p) et âge de l’orogénie ac (p) pour la croûte continentale. L’âge de la croûte océanique
représente le temps écoulé depuis sa formation le long d’une dorsale océanique. La direction
locale de dorsale est un vecteur normalisé orienté parallèlement à la dorsale océanique la
plus proche. Le type d’orogénie o, pour une zone continentale, peut être soit Andéen soit
Himalayen et résulte respectivement d’une subduction ou d’une collision continentale, il s’agit

d’un nombre sans dimension, o ∈ [0, 1], 0 marquant le type Andéen pur et 1 le type Himalayen
pur. La direction locale de plissement indique l’orientation de la convergence tectonique
ayant donné lieu à l’orogénie, c’est donc un vecteur orthogonal aux barres montagneuses et
aux grandes vallées qui les séparent. Ces paramètres sont impliqués dans la simulation de
l’évolution d’une planète, et sont par ailleurs disponibles dans le résultat final pour permettre
son amplification (Chapitre 4).
Mouvements. Chaque plaque évolue sur la sphère selon un mouvement rigide géodésique,
noté G. Comme en première approximation nous considérons la surface de la planète identique
à une sphère parfaite 1 , ce mouvement géodésique est donc une rotation définie par un axe w
passant par le centre de la planète. Soit ω la vitesse angulaire, on définit la vitesse de surface
en tout point p comme s(p) = ω w × p. La vitesse moyenne d’une plaque est de l’ordre d’une
dizaine de millimètres par an, la vitesse maximale observée sur Terre est de ≈ 100 mm.a−1
(vitesse de la plaque Pacifique).
Constantes. Le modèle repose enfin sur un ensemble de constantes. Le tableau 3.2 montre
les valeurs utilisées pour l’expérimentation. Le niveau de la mer a été posé égal à 0, et sert
d’élévation référence. Certaines de ces valeurs sont propres au modèle et ont été choisies après
essais répétés pour leur plausibilité ; d’autres sont simplement celles observées sur Terre.
Symbole Description Valeur

δt Pas de temps 2 Ma 3
R Rayon planétaire 6 370 km
zr Élevation maximale des dorsales −1 km
za Élevation moyenne des plaines abyssales −6 km
zt Élevation moyenne des fosses océaniques −10 km
zc Altitude continentale maximale 10 km
rs Distance de subduction de référence 1 800 km
rc Distance de collision de référence 4 200 km
∆c Coefficient de collision 1.3 × 10−5 km−1
vs Constante de Slab Pull 8 mm.a−1
v0 Vitesse de plaque maximale 100 mm.a−1
o Affaissement océanique 4 × 10−2 mm.a−1
c Érosion continentale 3 × 10−2 mm.a−1
t Accrétion sédimentaire 3 × 10−1 mm.a−1
uo Soulèvement par subduction 6 × 10−1 mm.a−1
Table 3.2 : Constantes utilisées dans le modèle de génération tectonique. Les valeurs indiquées ont été
utilisées pour générer tous les exemples montrés dans le manuscrit. Notez que les vitesses
sont définies en mm.a−1 de sorte que les déplacements soient effectués en km sur une
durée de 1 million d’années (1 Ma).
1. Une planète réelle est en fait un géoïde oblongue, approximable par un ellipsoïde défini par un rayon
équatorial et un rayon polaire. Introduire cet aplatissement, de moins de 1% pour la Terre, rendrait la géométrie
du modèle complexe et impacterait donc grandement les perfomances, pour un très faible gain en réalisme.

3.2.3 Aspect numérique
Échantillonnage. Comme évoqué en introduction, la surface d’une planète s’étend sur

plusieurs centaines de millions de km2 , il faut donc faire un choix d’échelle et de résolution
pour la représentation numérique du modèle. En pratique, nous échantillonnons la croûte par
un ensemble fini de points (entre 50 000 et 500 000 points au maximum 2 , afin de préserver
les performances). Cette distribution de points est idéalement de faible discrépance vis-à-vis
de l’aire couverte par chaque élément. Alors qu’en topologie plane la grille hexagonale est
optimale en terme d’aire, rappelons qu’il n’existe pas de distribution parfaite de points sur
la sphère, au-delà de 20 points 3 . Il existe cependant des solutions quasi-optimales, et un
bon candidat pour un tel échantillonnage, simple à construire de surcroît, est le treillis de
Fibonacci sphérique. Le treillis de Fibonacci appartient à la famille des treillis en spirale ;
il est généré par une spirale de Fermat et son mouvement angulaire entre deux points est
relié directement au Nombre d’Or [Gon10], [Kei+15]. Étant donné NF points, NF impair, on
peut déduire les coordonnées sphériques de chaque sommet i du treillis, avec i ∈ [−P, P ] et
NF = 2P + 1,
2i
lati = arcsin
2P + 1
loni = 2πiφc
√
1+ 5
Où φc est le complémentaire du Nombre d’Or, φc = φ − 1 = 2 − 1.
3 Les sommets de Fibonacci construits forment autant de points d’échantillonnage de la croûte
terrestre : en chacun nous stockons des valeurs pour les paramètres décrits précédemment
(3.2.2, Tableau 3.1).
Triangulation. Pour passer de l’échantillonnage discret par un ensemble de sites à une

représentation continue de la croûte, nous choisissons de trianguler ces échantillons : nous
procéderons donc par la suite par interpolation barycentrique en tout point p de la sphère, afin
de pouvoir évaluer continument la croûte. Il s’agit de construire une triangulation bien formée
au sens de la maximisation de l’angle minimum interne des triangles. Cette triangulation T ,
en fait optimale, est définie par les triangles planaires sous-jacents aux triangles sphériques de
la Triangulation de Delaunay Sphérique (TDS) des échantillons. Une TDS (Figure 33) est la
transposition en géométrie sphérique (donc non-euclidienne) d’une triangulation de Delaunay
[Ren97]. Comme la littérature n’abonde pas sur le sujet et qu’il n’existait (en 2018) que la
seule implémentation en FORTRAN90 de STRIPACK pour la construction d’un tel objet, nous
décrivons ici succinctement comment procéder. La distance euclidienne est remplacée par la
2. Soit une résolution moyenne de 110 km ou 35 km respectivement, pour un rayon planétaire de 6370 km
similaire au rayon terrestre.
3. Qui sont les 20 sommets d’un dodécaèdre.

distance géodésique δg , définie entre deux points p and q sur une sphère de rayon R et de
centre c par :
(p − c) · (q − c)
δg (p, q) = R arccos
||p − c|| ||q − c||
Figure 33 : Triangulation de Delaunay Sphérique de 20,000 échantillons de Fibonacci, representée

par les triangles planaires sous-jacents.
La condition de Delaunay dépend de l’évaluation de cercles circonscrits aux triangles. Dans

notre cas, le centre G du cercle sphérique circonscrit au triangle sphérique ABC est aisé
à trouver : G est sur la sphère et colinéaire avec le centre de la sphère et le centre H du
cercle circonscrit au triangle planaire sous-jacent. Comme le segment radial connecté à H est
3
orthogonal au plan contenant ce cercle, nous trouvons G (en supposant la sphère centrée sur
l’origine) :
AB × AC
G=R
||AB|| ||AC||
Globalement nous construisons la TDS en utilisant des algorithmes classiques de construc-

tion de triangulations de Delaunay euclidiennes [CDS12] mais adaptés à la sphère. Nous
partons d’un ensemble de triangles de départ, les 8 triangles sphériques associés aux 8 tri-
angles planaires d’un octaèdre régulier inscrit dans la sphère. Les 6 sommets de l’octaèdre
font partie de l’ensemble final d’échantillons, adjoints des sommets de Fibonacci qui n’en sont
pas trop proches. Nous commençons par construire une triangulation naïve par insertion d’un
sous-ensemble de ces points dans les triangles sphériques, puis nous appliquons l’algorithme
de bascule d’arêtes pour transformer cette triangulation naïve en TDS. Enfin nous insérons
les points restant par une approche incrémentale classique, également par bascules d’arêtes,
lesquelles préservent la condition de Delaunay à chaque insertion.

3.2.4 État initial de la simulation
Spécification et contrôle. L’échantillonnage de Fibonacci et la construction de la triangulation

T constituent des étapes génériques : elles sont donc pré-calculées une fois pour toutes,
et ré-utilisées de nombreuses fois (y compris en cours de simulation pour le re-maillage
épisodique de la planète, Section 3.3.2.1). La session d’édition commence à proprement
parler pour l’utilisateur par la spécification de l’état initial de la simulation, c’est-à-dire N
plaques paramétrées et dôtées de leurs mouvements G respectifs. Nous proposons pour ce
faire soit une spécification intégrale/partielle par l’utilisateur, soit une génération automatique
(Figure 34) :
1. Contrôle utilisateur 2. Génération automatique

3 Figure 34 : Plaques tectoniques initiales : générées automatiquement par partition de Voronoi brui-
tée (gauche), ou spécifiées par l’utilisateur (droite). Les petits vecteurs représentent les
mouvements géodésiques initiaux de chaque plaque.
1. Spécification utilisateur. Ce mode est possible via l’entrée de cartes projetées de la

planète 4 , qui peuvent comprendre : une carte du découpage des plaques, chaque plaque
étant représentée par une couleur indexée, une carte de type bitmap (i.e. 0 ou 1)
représentant le type de croûte (ce qui définit les zones continentales et océaniques),
et une carte d’élévations de surface (le relief initial). L’utilisateur, s’il le souhaite, peut
également spécifier les mouvements tectoniques initiaux G de chaque plaque : soit en
cliquant directement sur la sphère pour indiquer (approximativement) les directions et
les amplitudes des mouvements, soit de manière plus précise sous la forme d’un fichier
texte comprenant la liste, par index de plaque, de paires de positions (en pixels) et
d’une vitesse en mm.a−1 (chaque paire de pixel représentant la direction du mouvement
géodésique).
2. Génération automatique. Dans ce mode l’utilisation de cartes projetées est remplacée
par une partition automatisée de la sphère pour obtenir des plaques, avec paramètres et
mouvements aléatoires. Nous générons un ensemble de sites de Voronoi uniformément
4. L’implémentation propose deux projections cartographiques à l’utilisateur : Wagner VI ou Équirectangulaire.

distribués sur la sphère. Un bruit cohérent est appliqué afin de distordre l’évaluation des
distances géodésiques pour la construction de la partition de Voronoi. Ceci permet d’ob-
tenir des frontières de plaques légèrement irrégulières tout en préservant la convexité
naturelle des cellules. Chaque cellule de Voronoi représente l’étendue d’une plaque :
Pi = {q ∈ S 2 | δg (w(q), pi ) ≤ δg (w(q), pj ), j 6= i}
Où δg est la distance géodésique, et où w est une fonction de déformation appliquant un

vecteur de somme de bruits de gradient fk (de type Perlin Noise ou Simplex Noise) au
point évalué :
X X y X
w(q) = q + ( fkx (q), fk (q), fkz (q))
k k k
k ∈ [1, N ], où N est le nombre d’octaves de la somme fBm (fractional Brownian motion,

terme que l’on doit à B. Mandelbrot et introduit en section 2.1.3.1 de l’état de l’art) ;
chaque octave ayant une fréquence deux fois plus élevée et une amplitude deux fois
moindre que l’octave précédente. En pratique N est petit (entre 3 et 8), le nombre
d’octaves exact n’est pas déterminant et seul compte ici l’effet de la distorsion, la précision
du maillage reste assez grossière (35 km au mieux) et l’objectif est simplement d’obtenir
des frontières de plaques aléatoirement irrégulières. Le paramètre est un coefficient
d’ajustement qui modère l’effet de la perturbation ; en pratique sa valeur est obtenue
par réglage empirique.
Avec cette approche, les plaques générées automatiquement n’ont pas toutes la même
taille ; le nombre de plaques étant petit (entre 10 et 50), une variation en aire d’un facteur
10 entre la plus petite et la plus grande plaque générée est observée en moyenne, ce qui
3
est suffisant pour représenter une variété de plaques initiales. Une fois les plaques créées,
nous leur assignons un paramétrage aléatoire, notamment le type de croûte (océanique
ou continentale), ce qui peut d’ailleurs être guidé par un ratio global de couverture
continentale donné par l’utilisateur. Le mouvement géodésique G est également aléatoire,
cependant l’amplitude ω initiale est gardée faible (entre 5 et 20 mm.a−1 en vitesse
de surface équivalente), mais elle grandira dès que les plaques commenceront leurs
transformations, et notamment les subductions via le mécanisme de Slab Pull.
Construction numérique. Quel que soit le mode de spécification, utilisateur ou automatique,

il s’agit ensuite de construire la représentation numérique des plaques. Partant de la triangu-
lation de Delaunay sphérique globale pré-calculée, nous extrayons des sous-triangulations,
une pour chaque plaque (Figure 35). Pour ce faire nous repérons et recopions les triangles et
sommets associés de la TDS globale dans des triangulations sphériques dédiées. Ces opérations
de création de plaques impliquent de dupliquer, de ré-indicer et de re-compacter les tableaux
stockant la topologie de la TDS globale, tout en ajoutant le voisinage vide aux frontières
des plaques. Au final, et étant donné N plaques partitionnant la croûte, nous instancions N
triangulations de Delaunay sphériques, qui serviront de support numérique au modèle.

Mouvement Gi Plaque Pi
Figure 35 : Une plaque tectonique est représentée dans le modèle par une triangulation de Delaunay
sphérique partielle, chaque sommet portant le paramétrage de la croûte.
3.3 Modèle tectonique dynamique
Une fois l’état initial spécifié, le cœur de la méthode consiste en une simulation approximant
les phénomènes tectoniques principaux. Ce processus itératif est basé sur un pas de temps δt,
fixé dans l’implémentation à deux millions d’années (2 Ma). Nous modélisons les interactions
suivantes entre plaques tectoniques : subductions/obductions (3.3.1.1), collisions (3.3.1.2),
génération de plancher océanique (3.3.2.1), et fragmentations (3.3.2.2). Chaque phénomène
3 modifie les caractéristiques de la croûte globale. À chaque pas de temps nous ajoutons aussi
une passe d’ajustement des élévations de surface (3.3.3), afin de reproduire sur ces échelles de
temps étendues une érosion continentale et une évolution des élévations sub-océaniques. En
pratique une simulation typique s’étend sur plusieurs minutes pendant lesquelles l’utilisateur
peut intervenir : il peut mettre en pause la simulation à tout pas de temps pour rediriger
les plaques et/ou les transformer, puis reprendre le processus automatisé de résolution
tectonique.
3.3.1 Convergence
La convergence de deux plaques peut induire une subduction, ou une collision continentale,
en fonction de la configuration locale. Nous exposons d’abord la méthode de résolution des
subductions, avant d’aborder les collisions.
3.3.1.1 Subduction
La simulation déclenche une subduction d’après un ensemble limité de règles opérant sur
les paramètres globaux de chaque plaque. Deux plaques océaniques convergentes impliquent

toujours la subduction de la plaque la plus âgée. Une plaque océanique amorce toujours une
subduction si elle est face à une plaque continentale. Enfin, nous permettons l’entame d’une
obduction dans le cas continental-continental, quelque soit la taille des terranes subduits ;
cette obduction deviendra collision si et seulement si la masse continentale adverse est
significative. Dans le cas contraire, c’est-à-dire si aucune masse continentale adverse n’est
rencontrée, l’obduction se déroule jusqu’à son terme, nous ne traitons pas les subductions
inverses et permettons simplement l’engloutissement des terranes et de la plaque porteuse, i.e.
une subduction complète.
En pratique, le modèle gère de manière unifiée les subductions et les obductions. Tant que
les masses continentales chevauchantes ne sont pas significatives, on autorise la subduction
de terranes. Sur le plan des traitements, une obduction sera identique à une subduction, au
facteur d’impact près : la plaque chevauchante subira ainsi un soulèvement plus important
dans le cas d’une obduction. Si les terranes subduits finissent par rencontrer une portion
continentale adverse suffisamment grande, alors et uniquement alors, nous déclenchons une
collision continentale. Une telle collision forme un évènement simulé discret ponctuel, donc
traité intégralement sur un unique pas de temps donné ; contrairement aux subductions qui
sont des processus continus, évoluant sur plusieurs pas de temps consécutifs.
Prisme
d’accrétion Soulèvement tectonique
Croûte
océanique s(c i ) s(c j ) Croûte 3
p continentale
Lithosphère
Asthénosphère
Distance de subduction d(p)

Plaque océanique Pi Plaque continentale Pj
Figure 36 : Convergence dans le cas océanique-continentale : la plaque océanique Pi entre en sub-

duction, induisant le soulèvement de la croûte continentale de la plaque chevauchante
Pj .
Modèle. En nous restreignant sans perte de généralité à un front unique de subduction entre
deux plaques, nous calculons l’évolution de la croûte par soulèvement induit dans la région
chevauchante. Soit p un point de la plaque supérieure Pj , et soit d(p) la distance au front de
subduction (i.e. à la zone d’amorce de la subduction, Figure 36). Soit v(p) = ksi (p) − sj (p)k
la vitesse de surface relative des deux plaques en ce point. Nous définissons le soulèvement u
ej
de la plaque Pj comme la combinaison de trois fonctions de transfert opérant chacune sur : la
3.3 M ODÈLE TECTONIQUE DYNAMIQUE 57

f (d) g (v) h (z~ )
1 1 1
~
rs
d0 v0 v 0 1
z
Transfert de distance Transfert de vitesse Transfert d’élévation
Figure 37 : Courbes de transfert pour le soulèvement de type Andéen (i.e. par subduction) : f prends
en compte la distance au front, g prends en compte la vitesse relative des plaques, et h le
relief porté par la plaque plongeante.
distance au front de subduction, la vitesse relative des deux plaques, et l’élévation moyenne
locale de la plaque subduite Pi (Figure 37) :
ej (p) = u0 f ◦ d(p) g ◦ v(p) h ◦ zei (p)

u
u0 est le coefficient constant de soulèvement du modèle (Tableau 3.2). Les fonctions de

transfert f et g définissent la déformation normalisée par rapport à la distance au front de
subduction d(p) et à la vitesse relative des plaques v(p). Dans notre implémentation, f est
donnée par un produit d’exponentielles. L’important est le profil du graphe (Figure 37), avec
3 un maximum à une certaine distance du front puis une asymptote vers zéro à partir d’un
certain seuil, i.e. quand d(p) ≈ rs , avec rs la distance maximale d’effet des subductions
(définie comme constante du modèle dans la table 3.2) :
2 (p)/r 2
f ◦ d(p) = e3d(p)/rs e−9d s
La fonction g est définie par une simple forme linéaire croissante : g(v) = v/v0 . Ici, v0 est
une constante représentant la vitesse maximale autorisée des plaques (table 3.2).
Si ze(p) dénote l’élévation normalisée par rapport à la profondeur maximale des fosses
océaniques zt et à l’élévation continentale maximale zc du modèle, alors l’influence du relief
de la portion de croûte en subduction de la plaque Pi à hauteur de p est :
h(zei ) = zei2 zei (p) = (zi (p) − zt )/(zc − zt )
Ceci signifie, intuitivement et comme nous l’avons évoqué en préambule, que les élévations
marquées ont un impact plus important sur le soulèvement. C’est le cas pour des formations
océaniques (plateaux immergés) et encore plus pour des systèmes continentaux (îles, terranes),
alors qu’inversement la plaine abyssale nue n’apporte que peu de soulèvement. Notons
qu’en pratique du fait de l’emploi systématique d’heuristiques le modèle est entièrement

paramétrable dans ses effets ; même si nous ne l’avons pas fait, il suffirait pour cela d’introduire
des poids modulant l’importance respective des fonctions de transfert.
L’âge de l’orogénie engendrée sur la plaque chevauchante, du fait du soulèvement, est

simplement initialisé à zéro, i.e. ac (t + δt) = 0.
La nouvelle élévation de surface de la croûte sur Pj est donc :
zj (p, t + δt) = zj (p, t) + u

ej (p) δt
La direction de plissement dans la zone d’orogénie est mise à jour d’après la direction relative
de convergence des deux plaques :
fj (p, t + δt) = fj (p, t) + β(si (p) − sj (p)) δt
La direction est normalisée a posteriori. Comme une subduction est un évènement continu
étalé sur plusieurs pas de temps, on modifie graduellement la direction de plissement, et β est
une constante pondérant l’influence pour un pas de temps de la vitesse relative.
Enfin, le modèle prends en compte et reproduit le phénomène de Slab Pull. Il se calcule le

long du front de subduction, et permet d’intensifier la vitesse de déplacement de la plaque
subduite, tout en la réorientant vers la zone de convergence. Ainsi, on met à jour le mouvement
géodésique G de la plaque subduite Pi en modifiant son axe de rotation (normalisé après
coup) :
wi (t + δt) = wi (t) +
n−1
X c i × qk
||ci × qk ||
δt 3
k=0
Les points qk sont localisés sur le front de subduction. La transformation de l’axe rapproche la
plaque Pi de ce dernier. La modification du mouvement géodésique est proportionnée par
le paramètre ; en pratique 1 de telle sorte qu’en un pas de temps un point qk aura
une influence très limitée sur le mouvement de la plaque, alors que des fronts de subduction
étendus, i.e. composés de nombreux points, auront une influence notable.
3.3.1.2 Collisions continentales
La convergence de deux plaques avec une présence suffisante de masse continentale de part
et d’autre peut résulter, après une phase d’obduction initiale, en une collision continentale.
Les terranes portés par la plaque subduite se détachent de celle-ci (Slab Break) et viennent se
suturer au continent rencontré sur la plaque chevauchante.
Modèle. Nous considérons ici une plaque océanique Pi comportant un terrane R, convergeant
vers une plaque continentale Pj . Contrairement aux subductions, qui sont des processus
continus (i.e. s’étendant sur de nombreux pas de temps consécutifs), une collision est un

p d(p,R)
q s(c j )
R R
s(c i ) Pj
r
Pi
R  B (r)
Plaque océanique Plaque continentale Région d’influence
Figure 38 : Convergence entre une plaque océanique Pi et une plaque continentale Pj : un terrane R
se détache de Pi , se suture à Pj et provoque un soulèvement dans son voisinage.
évènement discret : à un certain temps t, le terrane R arrête sa migration propre et se soude

au continent adverse percuté. La collision engendre une orogénie sur Pj , définie par une
région d’influence R ⊕ B(r), i.e. l’aire du terrane augmentée morphologiquement d’un rayon
r représentant la distance maximum d’influence (Figure 38). Si q est le centroïde de R, le
rayon d’influence augmentera avec l’aire du terrane A, et avec la vitesse relative des deux
plaques. Nous définissons ainsi la loi de puissance suivante :
q
r = rc v(q)/v0 A/A0
3
La constante rc est globale au modèle et est homogène à une distance ; A0 est également une
constante du modèle représentant l’aire moyenne initiale d’une plaque tectonique.
Dans la région d’influence de R nous appliquons un soulèvement instantané ∆z à la croûte,

par une fonction de la distance au terrane compacte :
x
∆z(p) = ∆c A f ◦ d(p, R) f (x) = (1 − ( )2 )2
r
Où ∆c dénote le coefficient de collision du modèle (voir précédemment 3.2).
L’élévation de surface au point p est instantanément augmentée :
z(p, t + δt) = z(p, t) + ∆z(p)
La nouvelle direction locale de plissement pour cette orogénie est :
p−q
f (p, t + δt) = (n × )×n
||p − q||
Avec n la normale à la sphère en p, et q le centroïde du terrane.

3.3.1.3 Implémentation
En tout début de chaque pas de temps nous appliquons les mouvements géodésiques. Sur
chaque sommet de chaque triangulation représentant les plaques, nous appliquons ainsi
la rotation G. Nous prenons également soin de faire évoluer le paramétrage vectoriel des
sommets : direction locale de plissement f et direction locale de dorsale r sont toutes deux
transformées par la rotation, afin de préserver la cohérence géométrique du modèle. Ce
traitement appliqué à chaque sommet est parallélisé afin de préserver les performances. Une
fois le mouvement appliqué à la croûte, nous passons au cœur des traitements consistant en
la détection et l’application des effets de la convergence des plaques.
Les interactions entre plaques ne sont que rarement binaires dans la pratique. Ainsi une
plaque peut sans problème entrer en subduction sous plusieurs autres plaques, formant ainsi
autant de fronts de subduction. Réciproquement une plaque donnée peut chevaucher plusieurs
plaques subduites. Il en va de même pour les collisions continentales, qui de surcroît, non
seulement évoluent depuis les obductions, mais interviennent potentiellement en même temps
que des subductions, sur une plaque donnée. La complexité du modèle vient essentiellement
de son aspect dynamique. C’est pourquoi il comporte une phase importante, à chaque pas de
temps, de détection et de suivi des interactions convergentes.
Suivi. Pour chaque plaque nous procédons au suivi d’une liste de ses triangles susceptibles
d’interaction. Cette liste est initialement créée à partir des triangles frontières de la plaque.
Dès qu’un triangle est par la suite repéré activement convergent (i.e. en subduction ou en 3
collision), chacun de ses voisins est examiné et s’il est également actif est ajouté à la liste,
et ceci récursivement. La liste est maintenue en mémoire et évolue à chaque pas de temps.
√
Cette approche permet de restreindre le coût de la détection des convergences à O( N ) en
moyenne, si N est le nombre de triangles de la plaque, par rapport à une approche brute force
en O(N ) où on testerait systématiquement tous les triangles. En sus du suivi individuel des
triangles des plaques, nous procédons aussi au suivi des évènements globaux entre plaques.
Nous instancions ainsi en début de simulation une matrice de subduction, laquelle est en
charge de marquer les paires de plaques en subduction. Cette matrice est valide et maintenue
en mémoire pendant un certain nombre de pas de temps, un intervalle associé au remaillage
épisodique de la planète (voir divergence, Section 3.3.2.3), après quoi elle est réinitialisée.
Détection de la convergence. Les plaques tectoniques dérivent et fatalement se rencontrent :

il s’agit d’être en mesure de détecter ces zones de convergence. Comme notre modèle repose
numériquement sur des triangulations partielles de la sphère (pour rappel, chaque plaque est
représentée par une triangulation sphérique), nous allons procéder à des tests d’intersection
entre plaques afin de détecter leur chevauchement. Pour préserver la bonne performance de la
simulation, nous associons à chaque plaque une structure accélératrice tri-dimensionnelle. La
façon la plus efficace de répertorier et de tester spatialement de façon accélérée un ensemble

de triangles est de construire une Bounding Volume Hierarchy (BVH) 5 . Nous construisons
donc, à chaque pas de temps, une telle hiérarchie de volumes englobants pour chacune des
plaques, et ce de manière parallélisée.
Traitement de la convergence. Dans le même pas de temps nous testons ensuite itérativement
chaque triangle inclut dans les listes de suivis des plaques. Nous mémorisons un certain nombre
d’informations pour un tel triangle, à commencer par la distance au front de convergence.
Cette distance est en fait une approximation, nous procédons par sur-estimation de la distance
réelle en calculant d(p, t + δt) = d(p) + s(p)δt, c’est-à-dire que nous incrémentons simplement
la distance selon la vitesse de la plaque, avec d(p) = 0 pour un triangle qui entre dans la liste
de suivi (donc situé sur le front de convergence). Ce calcul est bien sûr inexact, cependant
procéder autrement induirait une dégradation des performances de la simulation, en effet
il faudrait calculer la distance au triangle le plus proche situé sur le front de subduction,
donc parcourir le maillage (pour chaque triangle), tout en discriminant entre les possibles
multiples plaques chevauchantes. Au final et en pratique nous retenons cette approximation,
s’avérant extrêmement rapide et produisant de bons résultats. Pour un triangle Ti appartenant
à une plaque Pi , la première chose à faire est de tester s’il est déjà marqué comme étant en
subduction et si d(p) > rs . Si tel est le cas il n’a plus aucune influence sur la tectonique, un
tel triangle représentant une partie de la croûte entièrement engloutie dans le manteau, il
peut donc disparaître des traitements. Sinon, nous procédons aux tests d’intersection : nous
3 émettons un rayon connectant le centre de la planète au barycentre du triangle Ti , et nous
testons l’intersection avec tous les triangles des autres plaques, ceci de manière accélérée
grâce aux multiples BVH. Pour chaque intersection trouvée, il faut ensuite la valider.
• Si le triangle intersecté est lui-même en subduction l’intersection est rejetée (une

subduction ne peut avoir lieu que sous une plaque dominante).
• Si le triangle Ti n’est pas encore marqué comme étant en subduction (i.e. il commence à
entrer dans la zone de convergence) et que la subduction entre la plaque Pi et la plaque
intersectée Pj n’est pas autorisée, l’intersection est également rejetée. Le modèle autorise
une subduction entre deux plaques, soit en lisant l’état de la matrice de subduction, soit
en testant les règles présentées précédemment (3.3.1.1) si l’entrée n’est pas présente
dans la matrice.
• Sinon et avant d’accepter la subduction/obduction, nous vérifions si les trois sommets

du triangle Ti et si les trois sommets du triangle intersecté Tj sont tous continentaux : si
tel est le cas nous changeons le mode de suivi de Ti en celui de collision continentale
et nous mémorisons l’indice j de la plaque rencontrée ainsi que l’indice du triangle
intersecté.
5. Procédé standard dans le domaine du rendu par tracé de rayons, pour traiter la géométrie des scènes et
réaliser des intersections rayon-triangle rapides.

Mode de subduction Dans les autres cas et s’il ne s’agit pas d’une collision nous procédons
à la subduction/obduction du triangle. La subduction du triangle Ti consiste au calcul du
soulèvement induit sur le triangle Tj et à la mise à jour de certaines données de Ti et
de sa plaque Pi . Le soulèvement est calculé comme présenté dans le modèle (3.3.1.1) au
barycentre de Ti et distribué sur les trois sommets du triangle intersecté Tj . Si ces sommets sont
continentaux, le type d’orogénie évolue vers le type Andéen par o(t+δt) = max(0, o(t)−), avec
petit 6 . Ensuite nous mettons à jour l’axe et la vitesse du mouvement Gi de Pi pour refléter
le Slab Pull exercé sur la plaque. Le triangle Ti ainsi que ses sommets sont marqués comme
étant en subduction, nous pouvons donc examiner à leur tour ses trois voisins immédiats.
Enfin, pour le rendu visuel de la croûte, nous ajustons les élévations de tous les triangles
en subduction qui portent de la croûte océanique et qui sont situés le long d’un front de
convergence (ayant donc une valeur de d petite) pour les transformer en fosses océaniques,
ou fosses abyssales. En pratique donc, chaque sommet d’un tel triangle porte deux élévations :
l’élévation réelle pour le rendu (en l’occurrence une fosse), et l’élévation historique qui est
préservée uniquement pour le calcul du soulèvement, induit par ce triangle lorsqu’il passera
sous la plaque chevauchante et qu’il quittera le front de convergence (et ne sera plus visible).
Mode de collision À chaque pas de temps, une fois les BVH construits, le suivi des conver-
gences effectué et les subductions traitées par triangle, nous procédons au traitement spécifique
des collisions continentales. Nous examinons ainsi séquentiellement chaque plaque Pi :
1. D’après la liste de suivi des triangles de Pi nous construisons, pour chaque plaque
adverse Pj , une liste de triangles de Pi impliqués dans la collision avec Pj . 3
2. Pour chaque plaque Pj , nous acceptons la collision uniquement si au moins un triangle de
Pi a dépassé la distance minimale de collision, fixée à 300 km dans l’implémentation. Il
s’agit d’un test sur d la distance au front de convergence, i.e. l’interpénétration minimale
des deux plaques est à garantir avant de procéder au traitement de la collision.
3. La première plaque Pj qui passe le test est traitée :
a) Calcul des terranes. Nous détectons par exploration du maillage de Pi tous les
terranes impliqués dans la collision. Chaque terrane est une collection de triangles
connexes de Pi qui portent de la croûte continentale. Un traitement spécifique est
également ajouté afin d’inclure dans les terranes toute portion de mer intérieure
éventuelle ; il arrive ainsi que des mers intérieures se forment lors de la rencontre
de deux continents, la collision emprisonnant une étendue de croûte océanique :
il s’agit de bien inclure cette zone dans le terrane/continent résultant lorsque celui
ci entre à nouveau en collision.
b) Vérification de la zone de collision. À partir des données de convergence mémorisées
lors du suivi, nous procédons à l’évaluation de la masse continentale rencontrée.
En partant des triangles de Pi en collision nous cherchons à calculer le nombre de
6. 0.1 dans l’implémentation

triangles continentaux de Pj atteignables depuis les triangles intersectés. Si cette
portion continentale n’est pas assez étendue par rapport aux terranes calculés nous
arrêtons le traitement pour Pj 7 ; sinon nous poursuivons l’algorithme de collision.
c) Slab Break. Cette étape consiste à extraire les terranes de leur plaque porteuse
Pi . À partir des indices des triangles, nous construisons un duplicata du maillage
restreint aux terranes, avant de supprimer ces triangles de la triangulation de Pi .
En terme de structures de données il s’agit de ré-indicer correctement les tableaux
stockant la topologie de la triangulation ; la suppression des triangles de Pi suit le
même principe de re-topologie et de re-compaction.
d) Soulèvement. Nous procédons au calcul du soulèvement induit sur le continent
rencontré sur la plaque adverse Pj en suivant le modèle présenté en 3.3.1.2. En
pratique toutefois nous ne calculons pas directement la région de collision globale
car l’implémentation opère sur la granularité d’un triangle : nous parcourrons donc
le maillage de Pj depuis les intersections trouvées avec les terranes adverses, c’est-
à-dire que nous passons de triangle en triangle, par voisinage, cette propagation se
fait pour chaque triangle en collision appartenant aux terranes, jusqu’à atteindre
le rayon de collision calculé ; au passage nous appliquons le soulèvement aux
sommets.
e) Suture. Le traitement s’achève par l’augmentation du maillage de Pj avec les
triangles des terranes. Au passage nous ré-initialisons la frontière de la plaque
et donc la liste de suivi de convergence de ses triangles. Enfin, pour pallier à de
3 nombreux effets de bord dû aux opérations intensives sur les topologies des deux
plaques impliquées dans la collision, nous arrêtons ici le traitement des collisions
pour ce pas de temps : i.e. nous n’autorisons une seule telle collision par pas de
temps, les autres collisions en cours auront une chance d’être traitées aux pas
de temps suivants. Ceci permet également de préserver la performance de la
simulation, le traitement des collisions étant coûteux.
Au final et sur le plan numérique la convergence repose sur des intersections entre plaques,
calculées de manière optimisée grâce à l’usage de structures accélératrices classiques. La
difficulté vient de la dynamique induite par la simulation ; pour y faire face nous proposons
un ordonnancement des opérations reflétant la phénoménologie de la tectonique : d’abord
effectuer le suivi de la convergence générale des plaques, puis traiter subductions/obductions
de manière locale (au niveau des triangles) mais d’après des règles globales, enfin ajouter une
passe de résolution dédiée au traitement des collisions (qui évoluent naturellement depuis
les obductions). Globalement et afin d’assurer un traitement efficace nous procédons à des
simplifications qu’il convient de noter à nouveau : sur-estimation des distances aux fronts de
convergence et représentation dynamique entièrement surfacique (les plaques sont contraintes
7. En pratique, il est possible que la collision inverse soit acceptée plus loin dans le traitement, i.e. la plaque
Pj collisionne avec Pi ; ceci car nous passons en revue toutes les plaques et que leurs triangles respectifs ont
été correctement marqués en collision dans l’étape de suivi. Ceci peut aussi se dérouler lors d’un pas de temps
ultérieur.

à la surface de la sphère, nous ne intéressons qu’à leur chevauchement). Enfin, notons que
nous modulons légèrement le soulèvement dû à la convergence, à la fois par subduction ou
collision, avec du bruit cohérent (somme fBm de bruit de gradient) afin de produire de la
variété sur le relief généré.
3.3.2 Divergence
Nous avons présenté les deux modèles de convergence des plaques tectoniques. La di-
vergence est le pendant naturel à la convergence et est nécessairement observée du fait de
présence exclusive de mouvements rigides. Les deux phénomènes tectoniques essentiels asso-
ciés à la divergence sont la génération de croûte océanique, le long des dorsales océaniques,
et la fragmentation de plaques. Le premier phénomène s’articule symétriquement aux subduc-
tions, quand le second vient contre-balancer les collisions continentales. La section 3.3.2.1
et la section 3.3.2.2 présentent les modèles conceptuels choisis pour recréer respectivement
la production de plancher océanique et le rifting d’une plaque. La section 3.3.2.3 montre
comment procéder en pratique pour implémenter ces deux modèles.
3.3.2.1 Génération du plancher océanique
La croûte océanique se forme le long de la dorsale qui sépare deux ou plus plaques 3
divergentes (Figure 39), quelque soit la nature des plaques séparées. À mesure que la croûte
océanique vieillit elle se refroidit et se densifie, ce qui induit la tendance à l’affaissement et la
formation de plaines abyssales (par opposition aux dorsales qui sont comme des chaînes de
relief, des proéminences sous-marines). Nous voudrons ici combler les vides laissées entre les
plaques divergentes par l’introduction d’une nouvelle étendue de croûte, de type océanique.
Pj
s(c j ) Dorsale G
q
r
dP (p)
Pi p d G (p)
s(c i ) s(c k )
Pk
Distances à la plaque
Jonction triple entre plaques divergentes
et à la dorsale
Figure 39 : Divergence de plaques et génération complémentaire de plancher océanique.

Soit un point d’intérêt p situé dans la zone de divergence. Soit dΓ (p) et dP (p) les distances
depuis p respectivement à la dorsale et à la plaque divergente la plus proche (Figure 39). Nous
définissons le facteur interpolant α = dΓ (p)/(dΓ (p) + dP (p)). L’élévation du point z(p, t + δt)
dans la zone divergente est calculée par mélange continu entre l’interpolation linéaire des
élévations des plaques z̄ et un patron d’élévation représentant un profil générique de dorsale
zΓ (Figure 40) :
z(p, t + δt) = α z̄(p, t) + (1 − α) zΓ (p, t)
Nous calculons la direction parallèle à la dorsale r, d’intérêt pour l’amplification finale du

modèle de la croûte. Soit q la projection de p sur la dorsale, nous définissons :
r(p) = (p − q) × p
Élévation de la croûte Élévation interpolée

entre plaques : z
Plaque Pi z(p) Plaque Pj
s(ci ) z(p)
q s(cj )
zG(p) a Profil générique

Dorsale G de dorsale : z G
p
3 Figure 40 : Calcul du nouveau relief océanique le long de la dorsale et depuis elle : z(p) est défini par
mélange entre un profil générique de dorsale zΓ et les élévations interpolées z̄.
3.3.2.2 Fragmentation de plaque
Le rifting d’une plaque est modélisé comme un évènement discret, intervenant à un instant
précis t. Il s’agit de la fragmentation de la plaque en plusieurs sous-plaques, lesquelles auront
tendance par la suite à diverger les unes des autres . Ce phénomène occupe un rôle important
dans le réalisme global des planètes virtuelles générées car il empêche la formation trop rapide
des super-continents (dû aux collisions continentales).
Le modèle fracture une plaque Pi en n sous-plaques Pij . Nous fixons n petit, en pratique
n ∈ [2, 4]. La ligne de fracture et donc la forme des nouvelles plaques Pij est calculée par la
distribution uniforme de n centroïdes cj sur la plaque Pi suivi de la construction des cellules
de Voronoi correspondantes, qui donneront l’étendue des nouvelles plaques. Nous ajoutons
une déformation aux cellules dans l’idée d’obtenir des lignes de fractures irrégulières entre
plaques : le procédé pour y parvenir est le même que celui décrit pour la création des plaques
tectoniques (Section 3.2.4), pour rappel nous appliquons simplement du bruit cohérent dans

l’évaluation de Voronoi. Pour finir, nous donnons des directions aléatoires, mais globalement
divergentes, aux nouvelles plaques Pij :
n
1 X
wij = qj × cj qj = ck
n − 1 k=0,k6=j
L’axe est bien entendu normalisé a posteriori, qj représente le barycentre des centroïdes autre
que celui de la plaque considérée. La vitesse de divergence aléatoire est initialement faible
(quelques millimètres par an), mais grandira avec la survenue de futures subductions.
La fragmentation d’une plaque Pi est représentée par une variable aléatoire, laquelle suit
une loi de Bernouilli de paramètre pi :
pi = min(1, p xC A/A0 )
L’espérance pi dépend d’une constante p, du ratio de couverture continentale de la plaque xC

et de l’aire de la plaque rapportée à l’aire moyenne des plaques (une constante du modèle). La
probabilité de fragmentation d’une plaque évolue 8 donc avec elle au cours de la simulation,
selon l’étendue de ses zones continentales et de son aire, deux paramètres modifiés par les
subductions.
L’utilisateur peut librement influer sur la constante p pour modifier le comportement de

la simulation : par exemple poser p = 0 désactive complètement les fragmentations, ce
qui favorisera l’apparition de super-continents. Enfin, il peut alternativement décider d’une
fragmentation arbitraire à un pas de temps donné ; pour cela il lui suffit de mettre en pause la
3
simulation et de cliquer sur une plaque de son choix, un rifting est ensuite automatiquement
appliqué à la plaque.
3.3.2.3 Implémentation
Le modèle de divergence tel que présenté semble d’emblée complexe à mettre en œuvre
en terme de temps de calcul. En effet, et pour la seule génération de plancher océanique, il
faudrait repérer les zones de vide laissées entre plaques, donc faire des calculs de distance
entre frontières, puis augmenter les triangulations par de nouveaux échantillons tout en
prenant soin de ne pas introduire de chevauchement entre plaques (qui seraient détectés
comme des zones de convergence par l’algorithme) tout assurant l’étanchéité de la planète,
i.e. la couverture complète des zones de vide. Si on souhaite préserver l’interactivité de la
simulation, calculer à chaque pas de temps l’augmentation des TDS tout en garantissant ces
contraintes est en fait une tâche difficile.
8. Notons que si les paramètres associés aux plaques étaient constants,
P la somme des variables aléatoires
suivrait de manière approximée une loi de Poisson de paramètre λ = i pi , qui décrirait donc le comportement
global de la planète par la probabilité d’observer un ou plus évènements de rifting dans une certaine fenêtre de
temps.

En lieu et place de cette approche, nous proposons une alternative. Elle consiste à laisser
pendant un certain nombre de pas de temps les plaques dériver, donc laisser se développer
les zones de vide entre elles ; puis de procéder à la résolution de la divergence globalement
sur toute la planète, en une fois. Il s’agit d’un traitement épisodique, de période variable
∆T = (1 − α)M + αm, dépendant du facteur interpolant α = min(1, vm /v0 ) calculé à partir de
la vitesse de plaque maximale observée vm ; la période varie entre m = 32 Ma et M = 128 Ma,
dans l’implémentation.
Au terme de chaque période nous procédons au traitement global de la divergence. Plutôt

que de réaliser des augmentations de triangulations de Delaunay coûteuses, nous proposons
de re-mailler complètement la planète. L’idée est de ré-utiliser à bon escient la Triangulation
de Delaunay Sphérique globale qui a servi à la création de l’état initial de la simulation ; pour
chaque sommet de la TDS : soit il tombe dans une des plaques existantes à l’instant t, auquel
cas nous allons lui attribuer les données courantes de la croûte, soit il tombe dans une zone
de divergence auquel cas nous lui attribuerons de nouveaux paramètres, ceux exposés par le
modèle de génération de croûte océanique en 3.3.2.1. Plus en détails, voici l’algorithme :
1. Pré-traitement des plaques. Pour chaque plaque, en parallèle : nous re-calculons sa
frontière en ne prenant pas en compte ses triangles en subduction, si la plaque est
entièrement subduite, nous la détruisons, sinon nous construisons un BVH sur ses
triangles.
2. Échantillonnage. Pour chaque sommet p de la TDS globale :
a) Nous construisons un rayon passant par le centre de la planète et p. Pour chaque
3 plaque existante, nous testons l’intersection rayon-triangle via le BVH. Si l’intersec-
tion se fait avec un triangle en subduction ou en collision, nous ne la prenons pas en
compte. Sinon et s’il y a intersection, nous procédons à l’interpolation barycentrique
des paramètres de la croûte dans le triangle intersecté et nous les attribuons au
sommet. Nous mémorisons pour ce sommet l’indice de la plaque intersectée.
b) Si aucune intersection valide n’est trouvée, c’est que le sommet tombe dans une
zone de divergence entre plaques. Les plaques sont donc passées en revue et nous
calculons le point q1 le plus proche du sommet situé sur une frontière de plaque.
Nous calculons au passage le second point q2 le plus proche, également situé sur
une frontière de plaque mais sur une autre plaque que la plus proche (une zone de
divergence est entourée par au moins deux plaques). À partir de ces deux points,
nous pouvons procéder au calcul de la nouvelle croûte océanique en p tel que décrit
conceptuellement en 3.3.2.1. Pour ce faire nous avons besoin d’une estimation du
point le plus proche situé sur la dorsale médiane : nous prenons simplement le
milieu du segment sphérique reliant les deux points frontière, i.e. qΓ = R ||qq11 +q
+q2 || .
2
Pour finir, nous mémorisons pour le sommet global p l’indice de la plaque existante
la plus proche.
3. Nouvelles plaques. Il s’agit ensuite de partitionner l’ensemble des triangles de la TDS
globale afin de re-créer les plaques tectoniques. Nous nous servons pour cela des

assignations précédentes d’indices de plaque, que nous avons attribués à chaque sommet
p de la TDS globale. Nous dupliquons donc des sous-triangulations de la TDS, d’après
l’assignation des triangles aux plaques : de la même façon que pour la création de l’état
initial de la simulation, chacun de ces groupes de triangles deviendra (par duplication/ré-
indiçage) une nouvelle plaque tectonique. L’effet global est de préserver la forme des
plaques au pas de temps précédant le remaillage tout en les augmentant pour couvrir les
zones de divergence, et ce de manière étanche. Chaque plaque conserve son mouvement
géodésique précédent. Notons que les subductions sont en pratique réinitialisées car
tous les triangles subduits disparaissent lors du remaillage ; la matrice de subduction est
donc au passage invalidée et reconstruite pour les pas de temps suivants.
Enfin, après le remaillage global et la reconstitution de la planète, nous procédons à une

phase de test stochastique pour autoriser la fragmentation des plaques. Pour une plaque
donnée, si le test réussi, nous appliquons son rifting en procédant exactement comme décrit en
3.3.2.2. En pratique, avant de détruire la plaque, nous procédons encore une fois à la partition
de ses triangles et à la création des sous-plaques par duplication, ré-indiçage et re-compaction
de sa topologie.
3.3.3 Érosion continentale et affaissement océanique
À chaque pas de temps et outre la reproduction des quatre phénomènes tectoniques 3

principaux, nous appliquons une passe d’ajustement des élévations de surface, c’est-à-dire du
relief continental et sous-marin. Ceci est nécessaire afin de préserver le réalisme global de la
simulation : en effet sur ces grandes échelles de temps (pour rappel, le pas de temps est de
deux millions d’années) les orogénies continentales subissent une érosion significative. De
plus, le relief sous-marin évolue, avec le temps la croûte océanique se densifie et s’affaisse,
ce qui tend à former des plaines abyssales. Dans les deux cas il est important de parvenir à
recréer ces effets.
Érosion continentale. Le relief des continents est sculpté par une grande variété de phéno-
mènes érosifs notamment hydrauliques, thermiques, glaciaires et éoliens. Comme, problémati-
quement, de tels facteurs géomorphologiques exogènes agissent surtout localement sur le relief
(en-deçà de 10 km) pour le sculpter en détail, que par ailleurs nous travaillons sur une planète
complète, avec une résolution de ≈ 50 km, et que la granularité temporelle est grande (2 Ma),
nous ne pouvons appliquer aux élévations qu’un modèle d’érosion simple. Nous ajustons donc
à chaque pas de temps les élévations continentales selon la formule suivante :
z(p, t)
z(p, t + δt) = z(p, t) − c δt
zc

Évolution océanique. La croûte océanique émerge et s’étend depuis les dorsales à des
vitesses géologiques ; cependant à mesure que les millions d’années passent, elle prend plus de
densité et son élévation moyenne décroît. Pour reproduire cela, nous appliquons l’affaissement
suivant :
z(p, t)
z(p, t + δt) = z(p, t) − (1 − )o δt
zt
Par ailleurs, les fosses océaniques, qui sont les lieux les plus profonds de la planète, tendent
à se remplir avec ces millions d’années de sédiments, notamment par la présence du prisme
d’accrétion créé par la subduction entre les deux plaques délimitant la fosse. Nous approximons
cet effet en modifiant l’élévation des points situés dans des fosses ainsi :
z(p, t + δt) = z(p, t) + t δt
Les trois constantes c , o et t quantifient pour le modèle l’érosion continentale, l’affaisse-

ment océanique et le dépôt sédimentaire (Table 3.2).
Enfin, nous appliquons à nouveau un peu de bruit cohérent afin de moduler localement
l’importance de ces trois effets d’ajustement, pour plus de variété sur le modèle final.
3.4 Résultats
3 Notre méthode a été implémentée en C++ et testée sur un Intel Core i7 − 6700 K à 4 GHz
avec 16 Go de RAM. Les planètes montrées ici ont été générées par notre algorithme de
re-création tectonique. Sauf mention contraire, nous avons utilisé 500 000 échantillons pour le
modèle sur une planète de rayon 6 370 km, similaire à la Terre, soit une précision moyenne de
≈ 35 km.
3.4.1 Validation
Comparaison avec d’autres méthodes. Alors que beaucoup de méthodes ont été proposées
pour la modélisation et la génération de terrains et de paysages virtuels, bien peu d’approches
existent pour la synthèse de planètes complètes. Ces approches sont pour l’instant toutes
fractales et s’appuient soit sur des combinaisons de bruits procéduraux [Ebe+98], soit sur
une variante de l’algorithme de mid-point displacement [Der+11].
Les approches fractales mettent naturellement une emphase sur l’auto-similarité, et de ce

fait échouent à produire des structures de relief caractéristiques, à la fois sur la forme et sur
la distribution, telles que des groupes d’îles près de continents, ou des cordillères le long
des côtes. La Figure 41 montre une comparaison que nous avons réalisé entre une planète
procédurale synthétique produite par un algorithme basé bruit et notre approche tectonique.

Planète basée bruit Modèle tectonique
Figure 41 : Comparaison entre (à gauche) une planète générée par une somme fBm de bruit et (à
droite) notre méthode. Les modèles basés bruit exhibent des formes continentales homo-
gènes car fractales, de hautes fréquences dans les élévations océaniques, les montagnes
ne sont pas distribuées en chaînes et sont mal localisées, plutôt situées au centre des
continents. De manière contrastée, notre méthode produit des structures océaniques
et continentales distinctes, incluant notamment une symétrie des côtes, des cordillères
côtières et des fosses océaniques.
3
Étude. Nous avons mené une étude utilisateur à étendue limitée afin d’estimer le réalisme
perçu des planètes de synthèse générées par notre modèle tectonique en comparaison avec
l’approche fractale à base de bruits [Ebe+98]. Nous avons choisi de comparer les résultats
en utilisant une expérience à choix forcé à deux alternatives. Les participants de l’expérience
ont été confronté à 6 paires d’images, et nous leur avons demandé de choisir la plus réaliste
dans chaque cas. L’ordre global de présentation, ainsi que l’ordre des paires, ont été tirés
au hasard. Dans l’expérience, le rendu graphique des deux planètes effectué par nos soins a
été strictement identique, dans le but d’éliminer ce biais de perception. 24 personnes, âgées
entre 22 and 28 ans, ont participé à l’étude. Notre modèle tectonique a reçu un total de 97
votes, comparé aux 47 reçus pour le modèle fractal classique. Ceci produit un χ2 de 8.3 et une
p-value de moins de 0.4%, ce qui penche en faveur de notre modèle.
Nous avons enfin fait valider le résultat de notre simulation par Nicolas Coltice, géophysicien
français renommé et expert en tectonophysique. Il s’est montré très positif sur le réalisme
global de l’animation des planètes virtuelles et a confirmé que les effets produits par notre
modèle lui apparaissaient plausibles. De plus, l’expert a relevé quelques défauts mineurs
qui devraient être pris en compte pour améliorer la méthode, ce qui permet d’envisager des
extensions et corrections futures intéressantes.
3.4 R ÉSULTATS 71
3.4.2 Performance
Globalement, le calcul du modèle géométrique dynamique est implémenté intégralement

sur CPU. Le GPU n’intervient que pour la visualisation de l’état de la croûte à un instant t.
Résolution planétaire 102 km 78 km 50 km 35 km

Échantillons 60k 100k 250k 500k
Subductions 0.08 0.14 0.26 0.65
Collision continentale 0.02 0.04 0.69 0.63
Opérations parallèles 0.09 0.10 0.29 0.62
Total 0.19 0.28 1.24 1.90
Plancher océanique 0.58 1.22 3.58 13.10
Fragmentation 0.23 0.21 1.50 7.70
Table 3.3 : Temps moyens d’exécution, sur un pas de temps, en secondes et pour différentes résolutions
planétaires ; la planète a un rayon de 6 370 km. Les opérations parallèles (par plaque)
comprennent : la passe d’ajustement des élévations, le calcul des mouvements géodésiques
et la construction d’un BVH.
Le tableau 3.3 rassemble des temps d’exécution moyens pour la génération dynamique
de la croûte. La planète a, en état initial, 40 plaques tectoniques et un ratio de couverture
continentale de 0.3. La génération de la croûte océanique et la fragmentation (divergence)
représentent les étapes les plus lourdes, mais ne sont effectuées qu’épisodiquement, entre 32
et 128 Ma d’après la vitesse de plaque maximum observée ; les autres phénomènes (conver-
gence) peuvent être calculés à fréquence interactive à chaque pas de temps. L’application
3 des mouvements géodésiques des plaques, le contrôle des élévations de surface, le calcul des
données globales des plaques et la construction des BVH sont parallélisés sur plusieurs threads
CPU du fait de la nature indépendante de ces opérations.
3.4.3 Contrôle utilisateur
L’originalité de notre approche consiste à combiner un modèle géométrique dynamique pour

l’approximation et la simulation de phénomènes tectoniques déterminants, avec la possibilité
de guider interactivement la simulation.
L’intervention de l’utilisateur n’est toutefois pas requise, et notre méthode peut générer
d’elle-même des planètes synthétiques possédant une dimension temporelle. Étant donné
une distribution initiale de plaques dotées de mouvements, une couverture initiale océanique
et continentale, le modèle calcule leur évolution et peut synthétiser automatiquement une
planète comportant des structures émergentes caractéristiques telles des dorsales océaniques,
des fosses, des plaines abyssales, et des formes continentales plausibles arborant linéarité
et symétrie des côtes, des arcs d’îles, ainsi que des distributions géologiquement cohérentes
de chaînes montagneuses. L’expérimentation montre que de telles planètes réalistes sont
obtenues au bout de quelques centaines d’itérations, soit en moyenne ≈ 250Ma.

Figure 42 : Exemple de spécification utilisateur de l’état initial de la simulation. L’évolution de la
Terre a travers notre modèle part des données actuelles d’élévation et de mouvement des
plaques. À 80 Ma les continents ont dérivé et collisionné par endroits, et se sont fragmentés
en d’autres.
L’utilisateur peut s’il le souhaite malgré tout intervenir. Il peut prescrire partiellement ou
complètement l’état planétaire initial. À titre d’exemple nous avons reproduit la Terre, avec ses 3
mouvements tectoniques actuels, et avons observé le rifting du continent africain et la collision
de l’Australie avec l’Asie (Figure 42). L’utilisateur peut également intervenir temporellement,
durant la simulation, pour prescrire des scénarios de contrôle (Figure 43, 44). À tout moment il
peut sélectionner des plaques, ajuster leur mouvement, les fragmenter (Figure 45) ou changer
directement les paramètres de la croûte.
Notre méthode ne reposant pas sur une physique précise, nous ne sommes pas en mesure de
prédire l’évolution d’une planète réelle telle la Terre, toutefois la méthode offre la possibilité de
contrôle et est suffisamment plausible pour envisager l’application intéressante de conception
de scénarios de fiction et d’effets spéciaux.
3.4.4 Limitations
Contrôle. Dans l’implémentation actuelle l’utilisateur peut contrôler le mouvement des

plaques tectoniques et intervenir globalement sur chaque plaque (fragmentation, changement
du type de croûte, etc.). Toutefois, ce type de contrôle n’est qu’indirect. Au final, il n’a pas
de capacité d’agir précisément, localement sur la forme finale des continents, ou sur, par
exemple, des îles prises isolément. Cependant cette limitation peut être levée, on pourrait
3.4 R ÉSULTATS 73
ainsi envisager une extension de la méthode, orientée édition, où l’utilisateur pourrait peindre
à l’aide du dispositif de pointage, localement les caractéristiques de la croûte, notamment
l’élévation et le type de croûte.
Réalisme. Dans notre méthode les phénomènes tectoniques ne sont reproduits qu’au premier
ordre et de manière phénoménologique, en s’appuyant sur des heuristiques efficaces mais
simples. Toutefois l’approche reste plausible, ainsi que confirmée par M. Coltice. Dans ses
observations, il nous a fait parvenir une liste de limitations principales que nous examinons
ici.
Dans le monde réel, le rifting déchire progressivement la croûte au lieu de procéder par
fracture directe de la croûte continentale ; la cause principale étant la localisation des pôles
de rotation le long du rift 9 . Dans notre modèle nous nous appuyons sur une divergence
directe et franche des fragments de la plaque afin d’éviter des artefacts de collision entre
les sous-plaques initialement proches. La collision des sous-plaques par rotation les aurait
suturées et donc aurait annulé le processus de fragmentation. Notons que si nous souhaitions
nous montrer particulièrement réaliste, i.e. reproduire ce déchirement progressif de la plaque,
il faudrait un algorithme de suivi dédié particulier de la fragmentation et qui court-circuiterait
la détection de la convergence.
Notre modèle de convergence tend à générer beaucoup d’obductions de masses continen-

tales avec une ampleur qui diffère des observations physiques. La raison est essentiellement
3 calculatoire : la détection des obductions massives, leur interdiction et leur transformation en

subductions inverses ajouteraient des étapes de calcul lourdes dans la boucle de simulation ;
nous avons souhaiter à la place préserver les performances afin de garantir l’interactivité à
l’utilisateur, quitte à autoriser l’obduction de masses continentales sous des plaques océa-
niques.
Pour des raisons similaires d’efficacité nous n’avons pas pris en compte les marges passives
et plus généralement les régions continentales immergées telles les plateaux continentaux.
Cependant il serait intéressant de les inclure dans le modèle, car jouant un rôle important
visuellement pour le réalisme final des planètes.
Enfin, nous n’avons pas inclus les Points Chauds (en anglais Hot Spots) dans notre modèle.
L’exemple canonique est la chaîne d’îles volcaniques hawaïenne, où un lieu fixe (par rapport
au mouvement des plaques) de la planète induit volcanisme et souvent génération linéaire
d’îles sur une plaque océanique. Ce phénomène pourrait être facilement intégré au modèle et
implémenté, comme des points fixes de production magmatique ; nous ne le proposons pas
toutefois car l’occurrence des points chauds est rare et l’impact visuel reste mineur à l’échelle
planétaire.
9. Le pôle de rotation est l’intersection de l’axe de rotation géodésique avec la sphère

330 Ma
340 Ma
355 Ma
370 Ma
Figure 43 : Exemple de scénario d’accrétion d’un terrane sur un continent. À t = 330 Ma, la plaque
océanique à l’est converge vers la plaque continentale, et initie une subduction ; le sou-
lèvement induit l’émergence d’un arc d’îles. À t = 340 Ma l’arc est devenu une grand île,
orientée le long du front de subduction et de sa fosse. À t = 355 Ma l’utilisateur réoriente
le mouvement de la plaque océanique vers le nord-ouest, et la collision à t = 370 Ma
engendre l’accrétion complète de l’île sur le continent principal.
3.4 R ÉSULTATS 75
36 Ma 77 Ma 108 Ma
182 Ma 191 Ma 245 Ma

Figure 44 : Exemple de scénario utilisateur définissant l’évolution des continents d’une planète. À
t = 36 Ma, l’utilisateur modifie le mouvement géodésique de la plaque océanique contenant
l’île à l’est, de telle sorte qu’elle se déplace vers le continent. La collision a lieu à t = 77 Ma.
3 À t = 108 Ma le continent au nord accélère vers le centre, une subduction est initiée à
t = 182 Ma impliquant la bordure océanique des deux plaques. La subduction devient
obduction des masses continentales, qui à son tour se transforme en collision des deux
plaques à 191 Ma. Enfin, l’utilisateur sélectionne le nouveau super-continent et déclenche
un évènement de rifting, qui se traduit par la fragmentation de la masse continentale et
l’apparition d’une nouvelle mer à t = 245 Ma.
Fracture Plaques séparées

Figure 45 : Exemple d’une plaque se fracturant en 2 sous-plaques : l’image de gauche montre la plaque
avant la fragmentation, l’image de droite montre deux continents séparés et divergents
après 15 Ma.

4
A MPLIFICATION DE PLANÈTES POUR LE RENDU
DÉTAILLÉ TEMPS - RÉEL
Table des matières

4.1 Approche par collage de modelés . . . . . . . . . . . . . . . . . . . . . . 78
4.1.1 Méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.1.1.1 Pré-traitement des cartes de hauteur . . . . . . . . . . . . 79
4.1.1.2 Données planétaires basse-résolution . . . . . . . . . . . 80
4.1.1.3 Amplification temps-réel . . . . . . . . . . . . . . . . . . 82
4.1.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.2 Approche par hyper-amplification . . . . . . . . . . . . . . . . . . . . . . 85
4.2.1 Aperçu de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.2.2 Calcul du modèle basse résolution . . . . . . . . . . . . . . . . . . . 87
4.2.3 Subdivision adaptative . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2.3.1 Schéma de subdivision . . . . . . . . . . . . . . . . . . . 91
4.2.3.2 Paramètres des sommets . . . . . . . . . . . . . . . . . . 94
4.2.3.3 Relief spécifique . . . . . . . . . . . . . . . . . . . . . . . 97
4.2.4 Injection de modelés . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.5 Implémentation GPU . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.2.6 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 4
77
La méthode exposée au chapitre précédent permet de synthétiser les caractéristiques à
grande échelle de planètes – côtes et continents, chaînes montagneuses, groupes d’îles, relief
sous-marin – le tout par une recréation d’une dynamique tectonique. Dans les divers cadres
applicatifs retenus, pour mémoire simulations, applications ludiques ou encore effets spéciaux,
il est toutefois requis d’obtenir plus qu’une macro-représentation d’une planète : on souhaite
pouvoir explorer le modèle virtuel, depuis un point de vue orbital jusqu’au plus près de la
surface ; et la plupart des applications citées demandent la capacité de produire une telle
exploration détaillée en temps réel.
Pour pouvoir répondre à ce défi et compléter tout en le dépassant le modèle tectonique

précédent, nous proposons son amplification adaptative en temps interactif. Amplifier signifie
générer des détails à partir d’un modèle de base. Le caractère adaptatif est lui nécessaire, requis
par la forte contrainte du rendu temps réel ; rappelons qu’une planète terrestre représente
des centaines de millions de kilomètres carrés, avec les capacités des machines grand public
actuelles il est inconcevable de générer l’entièreté d’un modèle au plus haut niveau de détail,
de le stocker et de le rendre, ce qui représenterait à l’échelle 1/1 pour la Terre des dizaines de
péta-octets de données. L’adaptation renvoie donc à une stratégie de modélisation et de rendu
spécifique applicable au problème ; essentiellement il s’agit de circonscrire les calculs au strict
nécessaire requis pour l’affichage final, i.e. à la zone visible par l’utilisateur. Cela signifie bien
entendu que le modèle doit être complètement re-généré à chaque fois que le point de vue de
l’utilisateur change, c’est-à-dire à mesure que la caméra se déplace.
Nous proposons donc dans ce chapitre deux approches pour répondre à ce problème. Elles
viennent compléter la méthode tectonique précédente, et sont à même de produire des points
de vue détaillés et cohérents des planètes synthétisées. La première approche (Section 4.1)
repose sur une injection de modelés de terrain réels, par collage guidé et aléatoire. La seconde
(Section 4.2) souhaite dépasser la première approche et notamment produire des terrains
géomorphologiquement cohérents par génération d’un réseau hydrographique totalement
absent de celle-ci. La présence de cours d’eau, de rivières et de fleuves influence de manière
déterminante le relief continental par l’empreinte des lits et des vallées. Les deux méthodes
s’appuient sur les unités de calcul graphiques (GPU) pour être à même de s’exécuter en temps
4 réel, et ce de manière fortement couplée avec le pipeline de rendu graphique.
4.1 Approche par collage de modelés
La génération de détails par collage de modelés consiste à construire un maillage adaptatif,

relatif à la caméra, chaque sommet étant positionné en altitude d’après un mélange local de
cartes de hauteur. Les cartes sont des cartes de hauteur réelles de la Terre et leur combinaison
locale dépend du type de terrain spécifié par la simulation tectonique.
78 C HAPITRE 4. A MPLIFICATION DE PLANÈTES POUR LE RENDU DÉTAILLÉ

4.1.1 Méthode
L’amplification consiste à générer à la volée les détails du relief planétaire. Il s’agit donc
d’une modélisation partielle, fortement couplée au pipeline de rendu temps-réel. Avant d’enta-
mer ce processus, toutefois, il est nécessaire d’effectuer un pré-traitement qui comporte : une
passe d’extraction d’informations depuis chaque carte de hauteur utilisée (section 4.1.1.1),
notamment l’angle de la direction principale des plis géologiques, puis une passe de construc-
tion de données basse-résolution de la planète (section 4.1.1.2). Ensuite et seulement ensuite
pouvons nous procéder au mélange des cartes de hauteur pour déterminer l’altitude de chaque
sommet du maillage raffiné final (section 4.1.1.3).
4.1.1.1 Pré-traitement des cartes de hauteur
SRTM90 GeoTIFF: S20°, W64°
Figure 46 : Exemple de carte de hauteur brute issue du jeu de données SRTM90 (gauche), ici une
portion des Andes, et son traitement (droite) visant à détecter l’orientation des crêtes.
Dans cet exemple, l’élévation maximale est de 2253 mètres et l’angle des crêtes moyen est
calculé égal à 92.63 deg. 4
Les cartes de hauteur utilisées dans l’implémentation sont issues de la base de données
publique SRTM (Shuttle Radar Topography Mission) maintenue par le centre EROS de l’USGS
[USG]. Le sous-ensemble retenu est le SRTM Void Filled 3 arcsecs, c’est-à-dire le programme
couvrant 80% de la surface continentale terrestre, à précision 3 secondes d’arc (environ 90
mètres) et avec post-traitement comblant les zones de vide. Nous avons extrait de cette base
plusieurs ensembles de cartes, au format GeoTIFF : un pour représenter les zones de collisions
continentales, un autre pour les orogénies engendrées par subduction et un dernier pour tous
les massifs anciens et érodés. Chaque carte a fait l’objet d’un pré-traitement (figure 46) avant
de pouvoir être utilisée pour le rendu de la planète :
4.1 A PPROCHE PAR COLLAGE DE MODELÉS 79

• Conversion du format GeoTIFF au format PNG niveaux de gris 16 bit, par l’outil GDAL,
et détection des élévations maximale et minimale. Chaque carte a une résolution de
1201x1201 pixels, chaque pixel encodant l’élévation du terrain : par exemple, pour la
carte Sud-20/Ouest-65 l’élévation minimale est de 661 mètres et l’élévation maximale
4282 mètres, il s’agit d’une carte d’une région de la cordillère des Andes.
• Application d’un filtre passe-bas, moyennant sur un noyau de 9x9 pixels, afin de préparer
l’extraction des données, les hautes-fréquences n’étant pas nécessaires.
• Détection des maximums locaux : un pixel est retenu comme maximum local s’il repré-
sente la plus haute élévation dans une fenêtre de 120x120 pixels centrée sur lui, et s’il
est plus haut que l’altitude seuil de la carte (déterminée comme la moyenne entre les
altitudes maximale et minimale de la carte).
• Segmentation des crêtes : à partir de chaque maximum local l’algorithme essaye de
marcher d’un pixel à l’autre selon le voisinage de Moore, en respectant deux contraintes
d’altitude et en marquant tous les pixels ainsi accessibles (le marqueur étant l’index du
maximum local). Un pixel voisin est accessible s’il est plus haut que 96% de l’altitude du
pixel considéré, et s’il est plus haut que 70% de l’altitude du maximum local courant.
Chaque crête est ainsi définie par une collection de pixels connexes ; la fenêtre englobante
de la crête est stockée au passage.
• Détection de l’orientation de chaque crête retenue : une crête est retenue si et seulement
si sa fenêtre englobante est suffisamment grande, en pratique si la longueur de la
diagonale D est supérieure à 1/10 de la taille de la carte. L’algorithme procède, pour
chaque crête retenue, par tirage aléatoire de lignes au sein de sa fenêtre englobante :
un premier point est tiré, puis un second et le segment de longueur d les connectant
est valide si et seulement si d > D
2 ; l’angle du segment par rapport à l’horizontale est
mesuré et cumulé, la moyenne des angles par rapport au nombre de segments tirés
donne une approximation de l’angle de la crête. L’angle global représentant l’orientation
moyenne de toutes les crêtes de la carte est approximé enfin par moyenne des angles de
chaque crête, pondérée par le poids de chaque crête correspondant à son étendue.
Pour finir, chaque carte est transcrite dans un format binaire susceptible d’être consommé
4 par l’application hôte. L’en-tête du fichier comporte les meta-données qui nous intéressent
pour pouvoir procéder à l’amplification planétaire : le type de terrain (himalayen, andéen,
ancien), la résolution et la précision de la carte, et l’angle moyen détecté des plis géologiques
(crêtes). Les élévations sont normalisées de telle sorte que l’élévation maximale de chaque
carte soit égale à 1.
4.1.1.2 Données planétaires basse-résolution
Pré-traitement du modèle tectonique. Le modèle tectonique M est donné en entrée de

l’application sous la forme d’un maillage basse résolution, une Triangulation de Delaunay

Sphérique. Cette TDS relie des sommets, attribués de données tectoniques, et espacés au
mieux dans l’implémentation de 35 km. En pré-calcul nous construisons d’abord une structure
spatiale accélératrice sur ce modèle, en l’occurrence un BVH, laquelle permettra des requêtes
rapides. Puis nous calculons et stockons deux vecteurs représentant les axes d’un repère
tangent à la sphère en chaque sommet de M : ceci afin de préparer le calcul d’alignement
des cartes sur la direction de plissement tectonique. Enfin, nous assignons donc une carte
de hauteur à chacun des sommets du modèle, choisie aléatoirement parmi plusieurs sous-
ensembles de cartes, lesquels sont distingués d’après le paramètre tectonique o, qui permet
de discriminer entre orogénie 1 produite par subduction et orogénie produite par collision
continentale, ou bien d’après l’âge a de la croûte dans le cas des massifs anciens. Pour plus de
variété de relief, chaque assignation de carte est aléatoirement excentrée sur le sommet affilié,
et nous stockons deux offsets exprimés en coordonnées uv (espace texture) ; rappelons que
la distance moyenne entre sommets est de 35 km et que chaque carte couvre une surface de
108 × 108 km2 , supérieure à l’aire d’un triangle.
Triangulation de rendu. Pour le rendu de la surface amplifiée de la planète, nous nous

appuyons sur une seconde triangulation dédiée, dont les triangles sont consommés par le GPU
pour produire l’image finale. Cette triangulation de rendu est distincte de la TDS associée
au modèle tectonique : la première sera re-créée et détruite de nombreuses fois à mesure
que la caméra se déplacera, alors que la seconde est persistante et conservera les données
du modèle sur lesquelles nous effectuerons des requêtes. Partant d’une triangulation de base,
les huit triangles d’un octaèdre régulier, un pré-calcul commence donc par construire une
triangulation initiale L, par subdivisions successives de l’octaèdre produisant une hiérarchie
de triangles susceptibles d’être consommée par l’algorithme de subdivision (section suivante,
4.1.1.3). La précision est d’environ 40 km, longueur moyenne d’une arête de L.
Subdivisions
Récursives
Figure 47 : Illustration de la technique de subdivision ROAM [Duc+97] : à gauche le principe de

l’organisation en hiérarchie binaire de triangles, à droite le déclenchement de subdivisions
récursives pour garantir l’absence de trous dans le maillage. (Source : [Duc+97])
1. Zone de montagnes

4.1.1.3 Amplification temps-réel
Algorithme de subdivision. L’algorithme de subdivision appliqué est un dérivé de l’algorithme

ROAM [Duc+97] reposant sur un raffinement adaptatif d’un bin-tree, c’est-à-dire d’une hiérar-
chie binaire de triangles (figure 47, gauche). Lorsque L est prête, un fil d’exécution (thread)
est lancé, dédié au calcul des tesselations adaptatives H, c’est-à-dire des versions raffinées de
L en fonction du point de vue courant de la caméra. La production de H implique de garantir
l’absence de trous entre triangles de niveaux de détail différents : l’algorithme ROAM résout
ce problème en déclenchant des raffinement successifs sur le voisinage jusqu’à garantir une
différence maximale de niveau de détail entre deux triangles apariés de 1 (figure 47, droite).
La triangulation finale H est essentiellement sphérique, i.e. les sommets sont contraints sur la
sphère par simple projection, le calcul des élévations ne se fera que dans un second temps et
sur GPU.
pi fi
fj p
fk
pj pk
4
Figure 48 : Représentation schématique du procédé de mélange des cartes de hauteur en tout point p
de la surface, pondéré barycentriquement. Les sommets pi , pj et pk sont trois sommets de
la TDS du modèle tectonique. Les cartes associées (en rouge, vert et bleu) sont orientées
au préalable selon la direction locale de plissement f tectonique. Nous nous assurons que
l’étendue de chaque carte couvre suffisamment chaque triangle du modèle. Par précaution
le texturing sur GPU est répété en miroir pour éviter des zones vides (i.e. en dehors de la
texture).

Production du relief final. Une fois la triangulation de rendu H calculée, c’est-à-dire raffinée
sur CPU selon le point de vue de la caméra, elle est augmentée des données du modèle
tectonique, avant d’être transférée au GPU pour le positionnement final des sommets avant
leur projection sur l’écran et les calculs d’illumination. Pour chacun de ses sommets p nous
procédons à l’intersection entre un rayon passant par le centre de la planète et par p avec
les triangles du modèle M, de manière accélérée grâce au BVH 2 . Le sommet p intersecte un
unique triangle du modèle M. Par interpolation barycentrique il est donc possible d’attribuer p
avec les informations suivantes : direction de contrainte tectonique (f direction de plissement
pour une zone continentale, ou r direction parallèle à la dorsale la plus proche pour une
zone océanique), élévation z moyenne locale (élévation grande-échelle de la croûte), et âge
géologique a de la croûte. En sus, nous ajoutons les données relatives au placage des cartes
de hauteur sur la sphère. L’opération suivante est répétée pour chacun des trois sommets
du triangle du modèle intersecté : p est projeté dans le plan tangent à la sphère associé au
sommet du modèle, ensuite une anti-rotation, d’angle donné par l’alignement de la carte (qui
correspond à sa direction locale de plissement tectonique), est appliquée au sommet projeté,
ceci permet ensuite de déduire, par changement d’échelle, les coordonnées uv du sommet
dans la carte de hauteur alignée (figure 48).
Au final, la triangulation H est composée de sommets p triangulés et attribués des infor-

mations suivantes : élévation, âge et orientation des plis tectoniques, plus les trois références
aux trois sommets du triangle du modèle M dans lequel se trouve p. Ces références sont
composées : d’un couple de coordonnées (u, v) en espace texture, d’un index de texture
référençant la carte de hauteur, et de la coordonnée barycentrique associée au sommet du
triangle intersecté. Sur GPU, une pré-passe avant le rendu est dédiée au calcul des élévations
finales de chacun des points p en mélangeant les trois informations de hauteur récupérées
depuis les cartes de hauteur, et ce de manière pondérée par les coordonnées barycentriques du
point p dans le triangle du modèle (figure 48). Enfin, les normales en chaque sommet p sont
calculées par une seconde pré-passe, d’après les informations de connectivité du maillage de
rendu H ; le rendu final a lieu en mode déféré (deferred shading) pour composer la géométrie
du terrain avec le rendu de l’atmosphère et de l’eau.
4
Relief océanique. Notons que ceci vaut pour les points continentaux du modèle tectonique.
Pour le relief océanique, la direction de plissement f est remplacée par la direction locale
parallèle à la dorsale océanique la plus proche r, et au lieu de procéder par placage de cartes
de hauteur nous reproduisons les fonds marins plus simplement de manière directement pro-
cédurale (fractale) : nous utilisons du bruit de gradient [Per85] pour la majorité de la surface
sous-marine, excepté près des dorsales où du bruit de Gabor [Lag+09] est employé pour
simuler les striations caractéristiques des dorsales (figure 50) dû aux failles transformantes
(orthogonales à la dorsale).
2. Les requêtes sur le modèle se doivent d’être rapides car cette étape se répète de nombreuses fois lors de
l’exploration continue de la planète

4.1.2 Résultats
Croûte C Relief Amplifié T
Figure 49 : Visualisation de la croûte C donnée en entrée, générée à grande échelle par la simulation
tectonique (gauche), et du relief détaillé T (droite) obtenu par l’amplification par collage
de cartes de hauteur réelles.
La méthode a été implémentée en C++ et testée sur un processeur Intel Core i7 − 6700 K
couplé à 16 Go de mémoire vide et une carte graphique Nvidia GTX 1080. La méthode
opère sur la sortie de la simulation tectonique présentée au chapitre 3. Sur cette machine le
programme offre une fréquence d’affichage variable, entre 37 et 145 Hz, selon l’altitude de
la caméra. L’océan est modélisé par son propre maillage, duplicata du maillage du terrain
(le raffinement adaptatif sert aux deux maillages) ; la surface de l’eau est animée à chaque
frame. L’atmosphère est rendue par raymarching pour reproduire la perspective aérienne et la
dispersion atmosphérique de la lumière (scattering).
Données. Les modelés utilisés dans l’implémentation sont issus de la mission SRTM90
répertoriée dans la base de données USGS. Ce sont des cartes de hauteur (DEM, Digital
Elevation Model) de régions de la Terre ; nous avons extrait 3 ensembles de cartes : 7 DEM
pour les zones Himalayennes, 11 pour les régions Andéennes et 6 pour les anciennes orogénies
(tirées de la région de l’Atlas marocain). Chaque DEM a une précision de 90m et une étendue
d’environ 108km.
4
Limitations. Même si le prototype remplit les objectifs principaux initialement fixés, à savoir
produire des images détaillées et cohérentes du modèle tectonique à grande échelle, il souffre
de nombreuses limitations, que nous relevons ici.
Premièrement, l’intervalle de temps entre deux mises à jour du terrain, c’est-à-dire le calcul
du maillage de rendu adaptatif déclenché par le déplacement de la caméra, n’apparaît pas
entièrement satisfaisant : la tesselation effectuée dans un thread CPU met plusieurs secondes
à être calculée, ce qui induit un changement brusque du terrain visible par l’utilisateur. Par
ailleurs, l’utilisation de cartes de hauteur limite fortement la précision au sol du terrain
amplifié (en l’état environ 90m). Augmenter drastiquement la précision des cartes de hauteur

Figure 50 : Captures d’écran montrant l’amplification procédurale du relief sous-marin : à gauche, vue
depuis orbite, une jonction triple entre dorsales océaniques ; à droite, une vue rapprochée
d’une des failles transformantes orthogonales aux dorsales.
utilisées n’est pas envisageable du fait de la quantité limitée de mémoire embarquée des GPU.
Une solution serait une deuxième passe d’amplification avec ajout de bruits procéduraux ;
mais cela ajouterait significativement au temps de calcul car il faudrait produire de la variété
en multipliant les combinaisons de bruits, sans compter qu’en sus, il faudrait interpoler
quadratiquement (au minimum) les DEM, au lieu de bilinéairement, pour masquer l’effet
d’escalier produit entre les texels d’élévation. Enfin, le collage de modelés, bien que donnant
l’illusion de réalisme du fait de l’injection de données de hauteur réelles, ne permet pas de
générer des terrains pleinement réalistes. En effet, ce qui caractérise les terrains sur Terre sont
surtout les cours d’eau et les vallées et ravines que l’eau sculpte dans le relief. L’hydrographie
est une composante essentielle du réalisme d’un terrain, et elle est complètement absente de
cette méthode.
Notre seconde méthode d’amplification, présentée dans la section suivante, permet de lever
ces deux dernières limitations (précision, réalisme), tout en améliorant la première concernant
la fréquence de rafraîchissement du maillage adaptatif (à peu près d’un ordre de grandeur).
4.2 Approche par hyper-amplification 4

La méthode d’hyper-amplification consiste en la synthèse de détails géomorphologiques hy-
drologiquement structurés d’une surface planétaire, avec une grande plage d’échelles spatiales.
Elle attend en entrée une description basse résolution de la planète : dans notre implémenta-
tion et dans les résultats présentés, nous avons couplé l’hyper-amplification à la sortie produite
par la synthèse tectonique (Chapitre 3). La méthode demeure cependant entièrement com-
patible avec d’autres formats d’entrée, par exemple avec une représentation par cartes de
contrôle (nous démontrons une telle application par la reproduction de la Terre) ou encore par
fonctions fractales [Ebe+98]. L’utilisateur est libre de fournir le modèle planétaire à grande
échelle de son choix à partir du moment où celui ci demeure échantillonnable en tout point.
4.2 A PPROCHE PAR HYPER- AMPLIFICATION 85

4.2.1 Aperçu de la méthode
L’objectif de la méthode est la production à la volée d’un modèle planétaire détaillé suscep-
tible d’être rendu en temps réel et continument explorable. Elle est, par contrainte, fortement
couplée au pipeline de rendu. Elle travaille donc directement sur une représentation com-
patible, c’est-à-dire triangulée. L’hyper-amplification se découpe en trois grandes phases. La
première phase est un calcul offline d’un modèle planétaire de travail, qu’on nommera modèle
basse-résolution L. La seconde phase a lieu online et est essentiellement un calcul massivement
parallèle, adaptatif, du maillage surfacique local ; il s’agit d’un procédé de subdivision par
règles. La troisième phase est également online, massivement parallèle, et consiste en un
post-traitement de la subdivision afin d’injecter des modelés spécifiques, par déplacement
vertical paramétré du maillage.
Génération du modèle basse résolution. Que ce soit à partir de cartes de contrôle, d’une
représentation fonctionnelle ou du modèle tectonique, nous commençons par construire en
amont le modèle basse résolution L (section 4.2.2) : une triangulation sphérique irrégulière
stockant les données de contrôle dans chacun de ses sommets {pi }. A minima il s’agit de
l’élévation moyenne de la croûte terrestre, et optionnellement de son âge géologique, de
l’humidité locale et/ou de la présence de modelés spécifiques. Le modèle basse résolution L
est en essence une structure de données géométrique qui maintient tous les paramètres de
contrôle requis pour ensuite procéder à l’amplification temps-réel locale de la planète. Un
des aspects forts de la méthode est sa capacité à produire une structuration hydrologique du
relief : L contiendra donc non seulement les informations de côtes et de présence montagneuse
mais aussi un réseau hydrographique à grande échelle complet, que nous construirons avant
d’entamer la subdivision temps-réel.
Subdivision. Dès que l’utilisateur enclenche l’exploration visuelle de la planète, le modèle

basse résolution L est récursivement subdivisé pour atteindre une forme haute résolution
H (section 4.2.3). La subdivision est effectuée de manière massivement parallèle, d’après
4 un ensemble de règles S de production de modelés. Les informations de contrôle stockées

principalement dans les sommets, mais aussi dans les arêtes, du modèle basse résolution
orientent la sélection et l’application des règles de raffinement du maillage, jusqu’à atteindre,
localement, un niveau de détail λ satisfaisant. La figure 51 illustre la notion de niveau de
détail (LOD).
Injection de modelés. Le post-traitement de la subdivision, d’un point de vue limité à la

stricte modélisation, permet l’injection de modelés par ajustement final des élévations de
surface de H (section 4.2.4). Nous appliquons un déplacement vertical aux sommets de la
triangulation, guidé par les paramètres continus qu’elle contient. L’application principale est la
synthèse finale des lits des rivières et des vallées qui les environnent. L’application secondaire,

λ = 2, ≈ 12.5km λ = 5, ≈ 1.5km λ = 8, ≈ 200m λ = 11, ≈ 24m
Figure 51 : Hyper-amplification : visualisation pour le même point de vue de différents niveaux de

détails λ.
non développée dans cette thèse, est la possibilité théorique d’injection de terrains locaux,
sous forme de cartes de hauteurs spécifiées par l’utilisateur, afin de produire certains modelés
spécifiques.
4.2.2 Calcul du modèle basse résolution
La figure 52 présente les grandes étapes de la construction du modèle basse résolution

L. Elles se déroulent à partir de la spécification de l’entrée par l’utilisateur, c’est-à-dire des
données planétaires de base qui peuvent comprendre la répartition des continents, l’élévation
moyenne de la croûte, l’âge de la croûte, la direction des plis géologiques, etc..
a b c d e
Figure 52 : Étapes de pré-calcul : (a) entrée utilisateur, (b) échantillonnage par disques de Poisson,
résultant en un ensemble de sommets pi , (c) construction d’une triangulation de Delaunay
sphérique, (d) lissage des côtes, (e) génération du réseau hydrographique et calcul de ses
caractéristiques locales, telles l’index d’Horton-Strahler, le flot φi et l’élévation de l’eau.
Irrégularité. Notre objectif dans cette phase de pré-calcul est de produire une triangulation
4
de travail L, susceptible d’être ultérieurement raffinée, et marquée par une forte irrégularité.
Ce dernier point est d’importance, il est en effet préferrable d’éviter une structuration linéaire
du maillage, qui serait visible et gênante pour l’oeil, notamment pour la construction des
cours d’eaux principaux, des fleuves majeurs, où tout schéma régulier est à éviter sous peine
d’apparaître artificiel. Nos expériences ont montré que si nous partions d’un octaèdre ou
icosaèdre initial auquel nous appliquerions un schéma dyadique de subdivision, même avec
un fort jittering 3 des sommets nous n’obtiendrons pas de cours d’eau réalistes du fait de
motifs géométriques toujours clairement détectables par l’oeil. Nous procédons donc par
3. Pertubation appliquée aux positions

un échantillonnage stochastique par disques de Poisson [Bri07] de la planète, suivi d’une
triangulation de Delaunay sphérique des sommets produits. L’échantillonnage de Poisson
produit l’irrégularité souhaitée, tandis que la propriété de Delaunay garantit des triangles bien
formés, ce qui est important car ils subiront de nombreuses subdivisions dans le processus
ultérieur.
Paramètres de contrôle. L’échantillonnage des données fournies par l’utilisateur crée les
positions des sommets du maillage L. C’est aussi à cette étape que l’on évalue et stocke dans
ces sommets les paramètres de contrôle de l’hyper-amplification. L’élevation moyenne de la
croûte terrestre C ∈ [−104 , 104 ] définit les altitudes du relief basse résolution de la planète, et
circonscrit les continents, les océans, les plaines, les massifs et grandes zones montagneuses. À
mesure que la subdivision aura lieu, les élévations détaillées seront produites, contraintes par
C et caractériseront le relief final, local, de la planète. L’âge géologique A ∈ [0, 108 ] concerne
principalement les orogénies et permettra de distinguer entre jeunes et anciens massifs. Ce
paramètre joue un rôle important dans le choix des règles de subdivision, produisant des
monts arrondis et érodés pour les massifs anciens ou a contrario anguleux et hauts pour les
montagnes jeunes. L’humidité W ∈ [0, 1] est un paramètre normalisé, et peut être vu comme
une distribution d’indice de précipitation moyenne ; elle définit les zones arides ou humides et
contrôle la distribution des lacs ainsi que d’autres modelés spécifiques comme les mesas et les
terrasses dans les déserts rocheux. Enfin, la présence de plateaux et de collines, est déterminée
par les paramètres normalisés P ∈ [0, 1] et B ∈ [0, 1] respectivement.
Lissage des côtes et placement des estuaires. Cette étape survient après la construction du
maillage L, c’est-à-dire après les étapes a, b et c de la figure 52. Nous prenons soin de lisser
les côtes des continents afin de préparer la génération du réseau hydrographique tout en
garantissant l’absence d’artefact. Voici en détail les opérations consécutives mises en œuvre :
1. Marquage des côtes : nous procédons à un typage des triangles de L. Si un triangle

possède entre 1 et 2 sommets typés mer, nous le typons à côte. Les autres triangles sont
4 typés soit continent soit mer. Nous mémorisons dans une liste de travail tous les triangles
côtiers possédant exactement 2 sommets mer. Par la suite nous ne travaillerons que sur
ces triangles.
2. Lissage : pour chaque triangle de la liste, nous modifions les sommets mer en les élevant
à l’altitude de l’unique sommet continent du triangle, et en changeant leur type de mer à
côte.
3. Placement des estuaires : pour chaque triangle de la liste de travail, nous procédons à
des tests préalables, si un des tests échoue nous passons au triangle suivant. Le premier
test consiste à vérifier qu’aucun sommet rivière n’existe dans le triangle. Le second test
consiste à vérifier qu’aucun sommet rivière n’est atteignable par une arête incidente à un
des sommets du triangle. Enfin nous vérifions que le voisinage donne suffisamment sur

la mer : partant des 3 sommets du triangle, nous examinons récursivement chaque arête
incidente à chacun des sommets, si une arête compte un sommet mer il est ajouté à la
liste des sommets à examiner et on incrémente un compteur ; le test est positif si plus de
8 sommets mer ont été comptés. Si ces tests préalables réussissent, nous cherchons alors
1 parmi 6 configurations où un unique triangle mer, voisin du triangle côte en cours,
existe. Il y a 6 configurations, 3 pour les 3 voisinages de face et 2 sous-configurations
pour les arêtes. Nous passons donc en revue algorithmiquement les configurations,
dans le but de trouver un sommet estuaire candidat : ce dernier, déterminé par la
configuration, est retenu si et seulement si il donne bien sur la mer (directement), nous
cherchons pour cela l’existence d’au moins un sommet voisin de type mer. Une fois un
tel sommet candidat détecté, nous le retenons ce qui instanciera dans la phase suivante
l’embouchure d’un fleuve.
Génération du réseau hydrographique. Une fois les côtes lissées et les embouchures des
fleuves placées correctement, nous construisons le réseau hydrographique à la façon de
[Gén+13], par conquête et sous contraintes des paramètres de contrôle, notamment l’élévation
moyenne continentale.
En partant des estuaires, nous remontons vers les sources, arête par arête. L’itération
principale consiste à choisir un des cours d’eau et à lui ajouter un nouveau noeud primaire
ainsi que potentiellement un nouveau nœud secondaire, un noeud dit secondaire représentant
un cours d’eau tributaire et la création d’une jonction en "Y". Le choix du cours d’eau parmi
tous les cours d’eau en cours d’agrandissement est basé sur un système de priorités : dans
notre implémentation test, nous ne prenons en compte que l’altitude moyenne normalisée du
terrain, la priorité d’un cours d’eau étant plus élevée pour une altitude faible de plaine. Ceci
permet de bien couvrir les continents ; on se reportera à [Gén+13] pour une discussion sur
d’autres possibles stratégies de conquête. Chaque cours d’eau choisi est donc potentiellement
augmenté par 1 ou 2 nœuds. Un nœud candidat est choisi parmi les sommets adjacents d’après
un coût que nous cherchons à minimiser : pour un nœud primaire, l’angle du cours d’eau
doit être minime, il tendra à ne pas se situer dans une zone de plateau et une forte pente est
privilégiée, i.e. plus la différence d’altitude est forte plus le coût sera petit. Optionnellement,
pour le cas où un modèle tectonique est utilisé et où la direction de plissement de la croûte
4
terrestre est disponible, nous privilégions les cours d’eau orthogonaux à cette direction, afin de
marquer les vallées principales dans le bon sens. Notons que nous ajoutons une composante
aléatoire dans le coût calculé afin de ne pas systématiser artificiellement la génération du
réseau. Pour un nœud secondaire, donc marquant la création d’un cours d’eau tributaire, le
coût est calculé de manière similaire, excepté que l’angle de la jonction devra être inférieur à
90°. Le choix de créer un nœud secondaire est guidé par une probabilité, plus élevée à mesure
que le fleuve grandit.
Si aucun nœud candidat n’est trouvé, nous mettons fin à l’accroissement du fleuve courant
en créant sa source, ce qui consiste simplement à fixer l’élévation de l’eau égale à celle du

terrain. Tous les sommets ajoutés au réseau hydrographique sont typés rivière, il en est de
même pour les arêtes. Les élévations de lit de rivière suivent une progression croissante
depuis les embouchures. Tant que l’élévation du lit de la rivière demeure inférieure à celle du
terrain environnant, nous autorisons son accroissement par de nouveaux nœuds ; dans le cas
contraire, nous terminons l’accroissement en instanciant la source de la rivière.
Une fois le réseau construit, prenant la forme d’une collection d’arbres (une forêt) portés
par un sous-ensemble des arêtes et des sommets du maillage, on le parcourt à nouveau
afin de calculer des informations importantes pour la suite de l’algorithme. En premier lieu
nous calculons l’index d’Horton-Strahler caractérisant l’importance schématique de chaque
tributaire [Hor45]. Dans un second temps nous déterminons le flot de chaque cours d’eau.
En remontant depuis les embouchures, et à partir de l’information de longueur depuis l’em-
bouchure jusqu’à chaque noeud visité, ainsi que la longueur maximale détectée sur toute la
planète des cours d’eau, nous assignons l’amplitude normalisée du flot en chaque noeud. Trois
cas se présentent pour un noeud donné : (1) aucune jonction n’est présente, et le flot est
préservé, (2) une jonction symétrique est présente, auquel cas le flot est divisé en deux, (3)
une jonction asymétrique est présente, auquel cas le flot est distribué de manière pondérée
par les index d’Horton-Strahler. Enfin, nous procédons au calcul final des élévations de l’eau.
Pour cela, nous parcourons le réseau en sens inverse depuis les sources, et affectons un offset
depuis l’élévation du lit de la rivière, calculé inversement proportionnellement à la longueur
du cours d’eau (du noeud courant à l’embouchure) rapportée à sa longueur totale (de la
source à l’embouchure).
Dimensionnement et performance. Dans l’implémentation la distance moyenne entre deux

sommets de la triangulation L est de ≈ 50km, pour une planète de rayon 6370km similaire à
la Terre, environ 230 000 sommets sont générés et triangulés en approximativement 460 000
4 triangles. L’échantillonnage de Poisson et la triangulation de Delaunay sont des processus de

géométrie algorithmique intensifs, ils prennent en moyenne 9.2 secondes de temps de calcul
sur CPU. Toutefois ils peuvent être réalisés une seule fois, et stockés pour être réutilisés à
chaque nouveau besoin, par exemple lorsque l’utilisateur édite ou modifie le modèle planétaire
en entrée du processus. Le lissage des côtes et la construction du réseau hydrographique ne
prennent, en moyenne, que 500 millisecondes : ce temps d’exécution rapide permet l’édition
interactive des données planétaires d’entrée et d’observer leur hyper-amplification presque
instantanément.

4.2.3 Subdivision adaptative
L’amplification planétaire débute par un raffinement adaptatif du maillage L. Il s’agit d’un

schéma de subdivision hiérarchisé qui s’appuie sur des règles opérant à différentes échelles.
4.2.3.1 Schéma de subdivision
a) b) tc c) tc d) tc
tc tac tac tac
tbc tbc tbc
ra ra ra ra
rb rb rb rb
rab rab rab
Figure 53 : Illustration des deux étapes de la subdivision : a) triangle de départ, b) subdivision dya-
dique et insertion de 3 nouveaux sommets, c) création des arêtes internes et instanciation
d’un cours d’eau tributaire, d) le processus se répète récursivement, à mesure que le niveau
de détail λ croît.
Le coeur du processus de subdivision se découpe en deux phases (Figure 53). Ces deux
phases sont séquencées et se répètent jusqu’à atteindre un niveau de détail λ satisfaisant
pour la vue courante. Premièrement, nous raffinons les triangles du modèle selon un schéma
dyadique, c’est-à-dire que nous insérons un nouveau sommet dans chaque arête nécessitant
d’être détaillée. Ce processus s’appuie sur des règles de production sémantiques d’éléments
du relief, il est contrôlé par les diverses configurations locales trouvées dans la triangulation.
La seconde phase implique la création de nouvelles arêtes et de nouvelles faces internes aux
triangles, ces nouvelles arêtes relient les sommets créés lors de la phase précédente. Dans
cette seconde phase, un autre ensemble de règles spécifique s’applique.
Le raffinement temps-réel de la triangulation L s’appuie donc sur un ensemble de règles, qui

se déclenchent en fonction des configurations locales des sommets et arêtes. Sommets et arêtes
sont typés, et leur type sert à identifier ces configurations. Outre les informations de topologie
de la triangulation, les arêtes sont caractérisées essentiellement par leur type. Les sommets,
eux, ont un type ainsi que les paramètres exposés dans la Table 4.1 et la Section 4.2.3.2. 4
Symbole Description
x Type ∈ {Rivière, Terrain, Lac, Ravine, Mer}
h Élevation
hw Élevation de l’eau
hr , dr Élevation et distance du lit de rivière le plus proche
φ Flot hydrique
er Index de profile
sh , sd Élevation et distance de la ravine la plus proche
Table 4.1 : Paramétrisation des sommets de la triangulation.

Dans ce qui suit on dénote par R, T et U les types d’arêtes rivière, terrain, et inconnu. De
même r, t, l, s, g et u représentent respectivement les types de sommets associés à rivière,
terrain, lac, mer, ravine et inconnu.
rb hb rb
rab
ra hab
ra
ha rab
Vue 3D Vue de profil
Figure 54 : Illustration de la règle R1, où une arête rivière est subdivisée et où un nouveau sommet
rivière apparaît. Le calcul de l’élévation du lit de la rivière ainsi que l’élévation de l’eau au
nouveau sommet se doit de respecter le flot de la rivière.
Subdivision d’arêtes. Le schéma dyadique subdivise une arête donnée en deux nouvelles
arêtes et ajoute un sommet à la triangulation. Une configuration locale d’entrée, composée
d’un triplet (ua , Uab , ub ), déclenche une règle spécifique.
Les règles associées aux types de sommet Rivière et Terrain sont :

R1 (ra , Rab , rb ) → (ra , Rac , rc , Rcb , rb )
R2 (ra , Tab , rb ) → (ra , Tac , tc , Tcb , rb )
R3 (ra , Tab , tb ) → (ra , Tac , tc , Tcb , tb )
R4a (ra , Rab , tb ) → (ra , Rac , rc , Rcb , tb )
R4b (ra , Rab , tb ) → (ra , Rac , rc , Tcb , tb )
R5 (ta , Tab , tb ) → (ta , Tac , tc , Tcb , tb )
hmax
hab tab
ra
4 tab rb
hmin
ha
ra rb
Figure 55 : Illustration de la règle R2, où une crête apparaît entre deux vallées. La nouvelle élévation
se doit d’être supérieure aux altitudes des deux rivières.
R1 transforme une arête rivière en deux sections de rivière (Figure 54), R2 sert à créer des
crêtes entre rivières (Figure 55), et R3 crée un sommet terrain le long de la pente incidente
à une rivière (Figure 56). Les règles R4a et R4b servent à accroître la densité du réseau

hydrographique en finalisant la génération de nouvelles branches par l’ajout de sources aux
tributaires instanciés lors de la seconde phase de subdivision, i.e. lors de la génération des
arêtes internes aux faces. R4b est appliquée quand λ atteint un seuil et empêche la source
d’être placée trop proche d’un pic montagneux.
hmax
tb tb
hab tab
tab
hmin
ra ha
ra
Figure 56 : Illustration de la règle R3, où un sommet de type terrain apparaît le long de la pente
incidente à une rivière.
Subdivision des faces. La subdivision des faces constitue la seconde phase du schéma de
subdivision. Trois nouvelles arêtes internes (Figure 57) sont créées et insérées dans chaque
triangle dont les arêtes ont été subdivisées, elles relient les trois nouveaux sommets obtenus
lors de la phase précédente. Un ensemble de règles spécifiques s’appliquent afin de déterminer
le type inconnu Uxy des nouvelles arêtes :
Ia (ta , Uab , tb ) → (ta , Tab , tb )

Ib1 (ra , Uab , tb ) → (ra , Rab , tb ) si la condition β est satisfaite
Ib2 (ra , Uab , tb ) → (ra , Tab , tb ) sinon
Ic (ra , Uab , rb ) → (ra , Tab , rb )
ra ra ra
4
rab tac rab tac rab tac
rb tbc tc rb tbc tc rb tbc tc
Figure 57 : Arêtes internes : nous subdivisons le triangle par l’ajout de 3 arêtes reliant les 3 nouveaux
sommets créés lors de la première phase de subdivision. Le type de l’arête est obtenu après
application de règles spécifiques aux arêtes internes. En bleu, les sommets et arêtes de
type rivière, en gris le type terrain. Les 3 arêtes internes s’ajoutent aux 6 nouvelles arêtes
introduits par les 3 nouveaux sommets, et en tout 4 faces nouvelles et internes au triangle
sont créées.

Les règles Ib1 et Ib2 sont des variantes : soit un nouveau cours d’eau tributaire apparaît
(Figure 57 droite), ce qui accroît la densité du réseau de rivières, soit un morceau de terrain
plein apparaît (Figure 57 milieu). La condition β détermine ce choix. Elle combine plusieurs
tests. Un premier test vérifie l’angle entre la rivière existante et le tributaire candidat, qui
doit être inférieur à 90° pour éviter un aspect visuel contre-intuitif de la confluence. Un autre
test s’assure que l’on se trouve au bon niveau de détail ; en pratique un cours d’eau tributaire
apparaît sur une arête interne de longueur dans l’intervalle ≈ [3, 25] km. Également, et parce
que le calcul est massivement parallèle sur les triangles, l’arête interne rivière doit toujours
apparaître dans le même triangle incident à la rivière principale, ce qui est garanti par un
calcul déterministe décrit en Section 4.2.5. Si la condition β est satisfaite une nouvelle arête
rivière est créée.
4.2.3.2 Paramètres des sommets
Au cours de la subdivision, chaque nouveau sommet instancié se voit assigner l’ensemble de

ses paramètres. Les paramètres de contrôle globaux (A, W, P, B) sont simplement propagés
en moyennant les valeurs attachées aux deux sommets de l’arête subdivisée, pour tout niveau
de détail λ. Le calcul des autres paramètres (Table 4.1) résulte aussi d’une moyenne appliquée
par défaut, cependant l’application de règles spécifiques de production force le déclenche-
ment de graphes de calcul spécifiques sur certains paramètres, dans le but de produire les
caractéristiques détaillées du relief.
Sommets
Pics Pics
Jeunes
anciens anciens Collines multiplication
pics
Terrain basique arides humides
HumiditéW, LOD λ
Monts Monts
Monts Terrasse- Distance à la rivière dr
anciens anciens mélange mélange mélange
jeunes ment Collines
arides humides
HumiditéW Âge A LOD λ
+ mélange
mélange mélange mélange
Plateau P
Humidité W Âge A HumiditéW, âge A,
Élévation
LOD λ, élévation h Finale
Figure 58 : Graphe de calcul pour le cas (t, T , t) où une arête terrain relie deux sommets terrain.
4
Graphes de calcul. Pour assurer la continuité du modèle tout en contrôlant les caractéristiques
du terrain produit, nous combinons en ensemble de nœuds procéduraux dans un graphe,
nommé graphe de calcul, opérant sur le domaine continu des paramètres attachés aux som-
mets. Chaque nœud de génération procédurale accepte en entrée les paramètres des deux
sommets de l’arête ciblée, et définit des caractéristiques spécifiques du relief, telles que les
montagnes, les collines ou encore les plateaux. Des graphes de calcul spécifiques sont exécutés,
dépendant de la configuration locale et donc de la règle de production spécifique qui a été
déclenchée. La figure 58 montre le graphe appliqué à la configuration (t, T , t), la figure 61
à la configuration (r, T , r), et la figure 59 au cas (r, T , t). Ce sont les configurations les plus

fréquentes rencontrées dans la subdivision. D’autres configurations existent, notamment pour
le type ravine, mais elles sont similaires (symétriques) ou plus simples.
Nœuds procéduraux. Chaque graphe de calcul combine un ensemble de nœuds procéduraux

qui servent au calcul des paramètres. Parmi ces paramètres, l’élévation de sortie hi du nouveau
sommet est dérivée des deux élévations d’entrée ha et hb des deux sommets parents ta et tb ,
tel qu’illustré dans les figures 54, 55 et 56. Grâce au typage des sommets (principalement
rivière et terrain), ces nœuds procéduraux génèrent des éléments de forme de relief naturels
telles que crêtes et vallées.
Élévation Élévation
Nombres pseudo-
de la du
aléatoires : [0, 1]
Rivière Terrain
Élévation
1 – x3 mélange mélange
Finale
Plateau P
Figure 59 : Graphe de calcul de l’élévation pour le cas (r, T , t).
Voici le détail des calculs produits par les nœuds procéduraux du graphe présenté sur
la figure 58, pour le cas (ta , Tab , tb ). Dans ce qui suit ξ ∈ [0, 1] désigne un nombre pseudo-
aléatoire, généré à partir de la graine attachée au nouveau sommet. Sans perte de généralité
nous considérons les sommets parents ta et tb ayant des élévations minimale et maximale
ha < hb respectivement. Soit ∆ la dépendance sur l’échelle, λ étant le niveau de détail courant,
un entier avec λ = 0 pour le modèle basse-résolution L :

2k λ, si λ < 10
10
∆=1− , k=
5 1, sinon
Montagne classique. L’élévation h est obtenue par interpolation fractale entre les deux
élévations ha et hb . 4
h = (1 − α)ha + αhb
Le coefficient α dépend du type de montagne (jeune, ancien, humide ou aride) :
Ancien aride α = 12 + 2∆
5 (ξ − 1)
3∆
Ancien humide α = 1 + 5 (ξ − 1)
Jeune α = 21 + ∆ γ
2 (ξ − 1)
Pics. Les élévations des pics sont déterminées à partir de l’élévation moyenne de la croûte C :

Ancien aride h = ξC
Ancien humide h = (1 − ξ 2 )C
Jeune h = ξ2C
Terrassement. Ce nœud modifie une élévation d’entrée hi afin de produire un effet de

terrassement sur la roche des zones arides :
hi hi − T
h = T + β 2 (3 − 2β)τ avec T =b cτ, β=
τ τ
τ représente la hauteur des terrasses, qui peut être modulée elle-même par d’autres nœuds
procéduraux, bien que dans notre implémentation test nous n’avons utilisé qu’une simple
constante de 700 mètres. Le facteur de l’interpolation d’Hermite β est contraint entre [0, 1].
Collines. Ces nœuds procéduraux produisent un offset Hi appliqué à l’élévation du terrain :


(1 − ξ 2 )  −||ta −tb || , si χ < 0.5
3
Hi = min(Hmax , )B, =
2 ||t − t ||,
a b sinon
||ta − tb || est la longueur de l’arête courante, Hmax est une constante indiquant dans notre
implémentation la hauteur maximale des collines (800 m), et χ est un nombre pseudo-aléatoire
uniformément distribué entre [0, 1].
4
Figure 60 : Décalage horizontal appliqué potentiellement à chaque nouveau sommet, au sein d’une
zone définie en coordonnées barycentriques qui garantit le non-croisement du maillage.
Décalage horizontal. Dans le but de masquer la régularité et la linéarité de la triangulation,

susceptibles de transparaître dans les paysages générés, nous appliquons un décalage horizon-
tal aléatoire mais déterministe aux nouveaux sommets instanciés. La translation appliquée
se fait en coordonnées barycentriques au sein d’un des deux triangles incidents au sommet,
choisi aléatoirement. L’opération est délicate car pouvant induire des croisements dans le
maillage, qui le rendrait dégénéré pour le modèle et pour le rendu. Une bonne solution à
laquelle nous avons abouti est de choisir la nouvelle position du sommet dans un domaine

barycentrique garantissant l’absence de croisement. Chaque arête du triangle choisi pouvant
être sujette à un tel déplacement, il s’agit de garantir une zone de sûreté telle que décrite
dans la figure 60. Cette étape introduit un caractère chaotique dans le contour du relief, qui
apparaît ainsi plus naturel et évident à l’oeil : elle est particulièrement importante pour le
tracé des rivières, le pourtour des lacs et les effets dans les zones rocheuses arides.
Élévation Élévation Élévation

Constante Longueur Nombre pseudo-
de la de la de la 1 – x²
50m d’arête aléatoire : [0, 1]
Rivière - A Rivière - B croûte
Élévation
max + min échelle min multiplication max
Finale
Élévation basique Élévation des sommets
Figure 61 : Graphe de calcul de l’élévation pour le cas où deux sommets rivière sont connectés par
une arête terrain (r, T , r).
4.2.3.3 Relief spécifique
Ravines. Les ravines donnent sur les rivières et forment un réseau hiérarchisé de rigoles de
drainage sèches. Elles ajoutent au réalisme en creusant plus avant le terrain par un certain
nombre de sillons. Dans la subdivision, les ravines sont définies par les sommets et arêtes typés
g, similaires aux rivières et sont créées à partir de règles de production similaires aux règles
R1, R2 et R3. Dans la phase de création des arêtes et faces internes aux triangles, lorsque la
condition β n’est pas satisfaite et que donc l’instanciation d’une rivière tributaire échoue, nous
instancions à la place potentiellement une ravine tributaire.
Lacs. L’hyper-amplification que nous proposons permet de générer des étendues d’eau
non endoréiques, c’est-à-dire non isolées et connectées localement au réseau des fleuves et
rivières.
Sur Terre la grande majorité des lacs est de telle nature. Dans le modèle, les lacs (Figure 62) 4
sont formés par extension du lit des rivières, en s’appuyant fortement sur la seconde phase
de l’hyper-amplification d’injection de modelés et de prescription de sections transverses aux
rivières (Section 4.2.4). La règle de production R3 est modifiée dans le but spécifique de
générer des lacs en remplaçant le sommet terrain en un sommet lac. Ceci s’opère aléatoirement
d’après une probabilité calculée à partir de l’humidité locale W(p). Le sommet lac vient étendre
le lit de rivière, en assignant zéro au paramètre dr qui représente la distance à la rivière la plus
proche. Ce paramètre joue un rôle prépondérant dans la prescription des sections transverses
et en procédant de la sorte on garantira l’étendue du lac ainsi que les pentes de terrain qui y
mènent. Des calculs spécifiques d’élévation de l’eau sont déclenchés pour les lacs dans le but
de garantir localement la planéité de l’eau sur toute l’étendue du lac (Figure 63).

Terrain de référence Lacs
Figure 62 : Notre méthode permet la génération de lacs : l’image de gauche montre un terrain
référence produit par l’algorithme d’hyper-amplification brut, tandis que l’image de droite
montre la même région augmentée de lacs.
Surface du lac
plane
Sans lac Avec lac, par extension de la rivière
Figure 63 : Les lacs apparaissent comme des extensions des rivières. Un calcul dédié de l’élévation de
l’eau permet de garantir la planéité des lacs.
4.2.4 Injection de modelés
Une fois la subdivision complète, c’est-à-dire lorsque la triangulation a été suffisamment dé-
taillée localement, nous procédons à une seconde phase d’amplification : le but est de produire
des modelés hydrographiques réalistes, conformes aux archétypes décrits en géomorphologie
4 (Figure 64).
Cette nouvelle phase est un post-traitement de la triangulation raffinée H, appliqué à chacun

de ses sommets. Nous modifions les élévations des sommets produites par la subdivision,
d’après les paramètres de distance à la rivière la plus proche dr et d’élévation du lit de rivière
le plus proche hr . Le déplacement vertical des sommets permet de sculpter le lit des rivières
ainsi que les vallées qui les environnent.
Les caractéristiques de la section transverse d’une vallée, pente locale et largeur, sont
calculées à partir d’une estimation du flot hydrique local ||φ||, stocké en chaque sommet de la
triangulation et transmis par la subdivision. Nous utilisons une loi de puissance [Arg+19] pour
la relation entre la valeur du flot et la forme de la vallée, un drainage fort, par exemple celui

Subdivision Subdivision + Modelés
Figure 64 : Comparaison entre l’hyper-amplification ne reposant que sur la subdivision (gauche) et

l’ajout de modelés permettant la prescription de lits de rivières et de vallées transverses
(droite). Ces deux étapes sont réalisées en temps-réel sur GPU.
d’un grand fleuve, induisant moins de pente et une vallée plus large. Nous appliquons une
interpolation d’Hermite cubique pour inscrire de manière lisse, sans discontinuités artificielles
aux frontières, le profil résultant dans le terrain brut produit par la subdivision (Figure 65).
Mélange final
Subdivision pure
Section transverse de vallée

Lit de rivière
Distance de mélange
Distance transversale
Figure 65 : Illustration du procédé appliqué à chaque sommet et permettant la génération du lit de 4

rivière et de la vallée transverse, paramétré par dr , hr et φ.
La section transverse de la vallée est interpolée, à partir de l’index er , sur N profils géné-
riques, des courbes unidimensionnelles représentant des élévations de vallées normalisées.
Des archétypes de sections transverses ont été proposés pour différents types de vallées en
géomorphologie et ont été utilisés avec succès pour sculpter des terrains [Arg+19]. Notre im-
plémentation s’appuie sur des modèles paramétriques génériques aisément stockés et évalués
sur cartes graphiques. Des sections transverses réelles, issues de données terrestres, pourraient
être utilisées à la place, pour plus de réalisme : la difficulté viendrait uniquement de la capacité
à extraire ces sections de DEM, et de l’accroissement du coût mémoire de la méthode.

4.2.5 Implémentation GPU
Un aspect clé de notre méthode d’hyper-amplification est qu’elle a été pensée pour être
massivement parallélisée. Aussi, et afin de permettre l’exploration temps réel des planètes,
nous proposons une implémentation intégralement GPU de la méthode. La figure 66 expose
le pipeline de modélisation temps-réel, et son couplage avec le pipeline de rendu.
Injection
Marquage Correction
Division des des Profils /
Hyper-Amplification Initialisation Division des des Division des des Calcul des
Arêtes- Création
(toutes les N frames) Mémoire Arêtes Sommets- Faces Sommets- Normales
Fantômes Sommets-
Fantômes Fantômes
Eau
Répéter jusqu’au LOD cible
Calcul des Primitives Primitives Passe de Passe de Illumination

Boucle de Rendu Animation
Normales de Terrain d’Eau Géométrie Géométrie Finale
(chaque frame) de l’Eau
(Eau) Indexées Indexées Terrain Eau Déférrée
Figure 66 : Aperçu des opérations GPU : (orange) compute shaders, (bleu) passes graphiques.
Architecture parallèle. La génération du modèle hyper-amplifié et son post-traitement sont

réalisés sur GPU par des compute shaders, par un certain nombre d’étapes séquencées. La
triangulation demeure tout au long du processus en mémoire video, ce qui élimine des
transferts coûteux en bande passante vers le CPU hôte. Le processus de modélisation complet,
asynchrone, est effectué une fois toutes les n ≈ 10 frames de rendu. Le modèle ainsi généré,
dès qu’il est prêt, est directement injecté dans le pipeline graphique pour être rendu.
Pour chaque instance de modélisation, le niveau de détail cible de la triangulation est

d’abord atteint par l’appel itératif de quatre traitements : division d’arêtes, marquage des
sommets-fantômes, division des arêtes-fantômes et division des faces. Les opérations dites
« fantômes » garantissent une géométrie étanche (i.e. un maillage sans trous) aux frontières
de différents niveaux de détail : les sommets fantômes sont placés à l’exact milieu des arêtes
4 non divisées appartenant à des faces qui elles nécessitent d’être divisées (i.e. des triangles
possédant au moins une arête divisée). Ces quatre traitements représentent un unique niveau
de subdivision : ils sont donc répétés jusqu’à ce qu’aucune arête ne reste à diviser pour
atteindre le niveau de détail cible de la géométrie.
Une fois cette séquence achevée, nous procédons à l’injection des modelés hydrographiques
(Section 4.2.4) pour la création des lits de rivière et des vallées attenantes. Ce processus est
suivi de la création en masse, de manière parallèle, des sommets représentant la géométrie de
l’eau (rivières, lacs, océans) pour chaque sommet terrain où l’élévation de l’eau est supérieure
à celui-ci hw > h. Les sommets représentant l’eau sont ensuite connectés entre eux en
dupliquant la topologie du terrain sous-jacent. La phase de modélisation s’achève avec le
re-positionnement des sommets fantômes affectés par la prescription des sections transverses,

et le calcul des normales. À la toute fin, les étapes du pipeline de rendu construisent les
primitives graphiques indexées (terrain et eau) d’après le modèle géométrique produit et
d’après le frustum caméra courant, puis passent au rendu final par une méthode de deferred
shading.
Déterminisme. La sortie du pipeline de modélisation est déterministe et garantit la reproduc-

tion cohérente du terrain à différentes échelles. Toutes les opérations, nombreuses, de nature
stochastique doivent donc être reproductibles. Les nœuds de calcul procéduraux produisent
des élévations, par exemple, qui doivent être invariantes, i.e. ne pas fluctuer d’une instance de
modélisation à l’autre. Nous nous assurons de cela par l’emploi d’une graine pseudo-aléatoire
unique (un entier non signé) attachée à chaque sommet, et créée lors de l’instanciation d’un
nouveau sommet comme la somme circulaire des graines des deux sommets de l’arête, à la
façon de [Der+11]. Par ce biais, quel que soit le chemin de traitement amenant à la sub-
division d’une arête, les informations pseudo-aléatoires produites pour le nouveau sommet
seront invariantes. Le parallélisme des traitements est aussi source de difficultés, le calcul des
arêtes internes dans un triangle est délicat car différents triangles voisins peuvent accéder
au même sommet de manière concurrente. Pour nous assurer qu’une rivière tributaire soit
toujours créée dans le même triangle incident à la rivière principale, nous tirons un nombre
pseudo-aléatoire issu de la graine du sommet de jonction et qui permet de choisir de manière
déterministe le bon triangle.
Haute précision. Le rendu de planètes sur GPU pose problème en raison de la précision
limitée des flottants (32 bits). Le problème de l’échelle est connu et nous utilisons la solution
du log-z depth buffering [CR11] pour le calcul des profondeurs sans artefacts. Nous utilisons
également des flottants double précision partout où cela est possible. Bien que cela soit le cas
dans les traitements GPGPU des compute shaders, tant qu’on se cantonne à OpenGL, les passes
graphiques elles sont limitées à 32 bits dans le pipeline pour l’interpolation des paramètres sur
les primitives. Notons que l’usage de flottants double-précision est obligatoire dans le contexte
du rendu de planètes virtuelles à l’échelle 1/1 : plus de 7 chiffres sont en effet requis pour
représenter une position donnée à la précision du centimètre 4 . Nous utilisons des matrices de
4
projection et des positions représentées en double-précision, cependant, du fait de la limitation
matérielle évoquée plus haut, nous sommes obligés de trouver une parade pour passer du
vertex shader au fragment shader. Nous proposons d’interpoler et de stocker en 32 bits dans le
buffer de géométrie la distance du fragment courant à la caméra, puis dans le fragment shader
de le convertir en double-précision et de reconstruire la position dans le repère monde d’après
la matrice double-précision inversée de projection-vue. Ceci permet le texturage tri-planaire,
à partir d’une interpolation bi-linéaire en double-précision sur les coordonnées monde et
écrite à la main dans le shader (celle proposée nativement est en 32 bits au mieux). Dans
4. Pour la Terre, d’un rayon de 6370km, 9 chiffres décimaux sont requis.

nos expérimentations, cette approche originale est valide et produit un texturage stable, sans
artefact, du terrain, même pour des détails texturés en deçà du centimètre.
4.2.6 Résultats
Figure 67 : Instance d’hyper-amplification réalisée à partir d’une représentation de la Terre par cartes
de contrôle, présentant un zoom progressif sur le continent sud-américain.
Performance. Le prototype développé par nos soins a été testé sur un Intel i7-6700K cadencé
à 4.0 GHz, couplé à une carte graphique NVIDIA GTX 1080Ti. Les planètes que nous présentons
ont approximativement la taille de la Terre, i.e. un rayon de 6370km, la modélisation se fait à
l’échelle 1/1 et nous atteignons une résolution en surface de 50 cm au plus haut niveau de
détail. La fréquence de calcul et d’affichage du rendu temps-réel est approximativement de 25
Hz pour les cas critiques de vues basse altitude avec calculs intensifs pour l’illumination et
l’animation de l’eau, les effets atmosphériques et le texturage double-précision du terrain.
Une instance de modélisation de la surface planétaire, réalisée toutes les 10 frames de rendu,
4 incluant subdivision, injection de profils et post-traitements, prend en moyenne 80 ms. Mais
cette mesure varie fortement selon que la caméra est plus ou moins proche du terrain, avec des
cas critiques pointant au-dessus de 100 ms lorsqu’on s’approche du centimètre de résolution
et que le compte des triangles terrain atteint 4 millions. Une instance d’hyper-amplification
typique peut cependant être évaluée et détaillée de la façon suivante : la subdivision prend
≈ 50 ms (44% étant pris par la division des arêtes, 15% par les opérations dites « fantômes » et
41% par la division des faces), la prescription des lits de rivière et des vallées représente à peine
3 ms, enfin les post-traitements combinés prennent ≈ 30 ms. Le coût de l’hyper-amplification
est amorti cependant sur les 10 frames de rendu, le GPU étant libre de planifier les compute
jobs au milieu des passes graphiques, ce qui permet en pratique de maintenir l’exploration
temps-réel sans à-coup.

Contrôle. La méthode offre des capacités de contrôle à l’utilisateur, à la fois à haut-niveau
et localement. Le contrôle haut-niveau se fait pleinement par la spécification de l’entrée du
processus, c’est-à-dire par les données planétaires qui définissent à basse-résolution la planète.
Le plus commode pour l’utilisateur est de fournir des cartes de contrôle grande échelle :
la figure 67 démontre l’usage d’une telle représentation avec la reproduction amplifiée de
la Terre, obtenue en entrant simplement le relief des continents et une carte d’humidité à
résolution 50 km dans le système. Le contrôle de la synthèse à une échelle locale est également
possible, mais non démontré ici. Il s’agirait cependant de ré-écrire le shader d’injection de
modelés pour que le déplacement vertical des sommets se fasse sur des domaines spatiaux
restreints, selon des cartes de hauteurs spécifiques prescrites par l’utilisateur.
Rivières & Lacs Collines
Plateaux Massif Anciens
Figure 68 : La méthode permet la génération et le contrôle d’une vaste variété de terrains, tels rivières
et lacs (W), collines (B), massifs anciens et jeunes (A) et plateaux (P).
4
La figure 68 montre la variété des terrains générés par notre modèle. Les lacs sont géné-
ralement produits dans les régions où une grande humidité W règne. Les plateaux et les
collines apparaissent là où les les paramètres de contrôle P et respectivement B dominent. La
continuité des terrains générés est garantie par l’interpolation des paramètres dans le domaine
spatial et la combinaison lisse des élévations dans les graphes de calcul. La forme finale des
montagnes est influencée par l’âge géologique des orogénies A, qui donne des pentes plus
douces et érodées pour les vieux massifs. Le paramètre humidité joue aussi un rôle important
dans la forme détaillée et le rendu des terrains tel que le montre la figure 69. Enfin, ravines et

sillons de drainage interviennent pour ajouter plus de réalisme en travaillant plus avant les
terrains (Figure 70).
Pour finir, nous n’avons pas entrepris de tester le potentiel en terme d’édition et de concep-
tion de notre système ; mais, à en juger par la bonne performance de la méthode sur machine
grand public, une telle approche serait réalisable. On peut librement imaginer la manipulation
et l’édition des cartes de contrôle en peignant directement avec un dispositif de pointage sur
la planète. Dans notre prototype une demi-seconde est nécessaire pour régénérer le modèle
basse résolution L comprenant le réseau hydrographique de base, alors que la subdivision et le
rendu sont quasi-instantanés. Ceci est suffisant pour imaginer un retour interactif permettant
des sessions d’édition fluides.
Humidité maximale Humidité minimale
Figure 69 : Influence du paramètre humidité W donnant des paysages différents : (gauche) présence
d’eau, pentes du terrain douces en basse altitude, (droite) décalage horizontal marqué
suggérant l’érosion éolienne, lits de rivière asséchés et effet de terrassement sur les pentes
rocheuses.
Comparaison. Notre méthode se compare favorablement aux techniques de subdivision

standards [FFC82], ainsi qu’on peut le voir sur la figure 71, grâce à un procédé adaptatif
4 dépendant de l’échelle et auto-ajusté en fonction des caractéristiques du terrain à produire.
Comparée à d’autres méthodes de synthèse planétaire détaillée [Ebe+98 ; Der+11], notre
approche propose un cadre unifié pour la synthèse combinée d’une variété de modelés tels
que les vallées, les réseaux hydrographiques, les massifs et les plaines. [Der+11] est capable
de générer la surface d’une planète avec un réseau de rivières, mais souffre de l’emploi d’un
schéma de subdivision standard, simple, appliqué au terrain environnant : le résultat est
un relief partout homogène, isotrope, non-réaliste. Enfin, comparée à la première approche
d’amplification présentée au début de ce chapitre [Cor+19], l’hyper-amplification présente
l’avantage considérable de synthétiser un réseau hydrographique à haute précision ainsi que
le relief varié qui l’accompagne, tandis que cette première méthode se limitait à une résolution
de 100 m sans un tel réseau.

Sans ravines Avec ravines
Figure 70 : Comparaison entre un terrain généré près d’une arête rivière avec sa région de profil
transverse (en vert), sans (gauche) et avec (droite) présence de ravines.
Limitations. Notre méthode est coûteuse en mémoire vidéo, elle requiert plus de 2Go
sur la carte graphique. L’algorithme de subdivision s’appuie sur de nombreux paramètres,
auxquels il faut ajouter les données de topologie classiques du maillage triangulé. En tout,
32 octets sont utilisés pour stocker une arête, 32 octets pour un triangle, 48 octets pour
représenter la topologie d’un sommet et 112 octets pour stocker ses paramètres. L’usage
de flottants en double-précision pour les positions a un impact également important. Les
tableaux de sommets et d’autres buffers spécifiques au rendu accroissent significativement le
total de mémoire requise par le prototype. Ce dernier pourrait être optimisé, en compactant
efficacement, sur champs de bits, quelques uns des paramètres de contrôle comme W ou P.
Bien que notre méthode soit efficace et capable de générer des modèles réalistes, elle souffre
de la présence d’artefacts visuels indésirables au rendu de la géométrie. Cela se voit surtout
sur les hauteurs enneigées, car le rendu de la neige dépend fortement de la pente (normale)
en chaque sommet, qui varie d’une subdivision à l’autre toutes les ≈ 10 frames. Cela pourrait
toutefois être tempéré par l’usage d’une technique d’antialiasing temporel de l’art, ou par
4
l’introduction d’un morphing progressif de la géométrie entre deux instances de subdivision
consécutives.
Finalement, en terme de réalisme, il apparaît que le réseau hydrographique n’est pas

suffisamment dense par comparaison aux données réelles dont nous disposons. Cela provient
de contraintes géométriques du schéma de subdivision et c’est une limitation qui paraît dure à
lever. Par ailleurs, des pics et des crêtes plus réalistes pourraient être obtenus en ré-utilisant
des concepts orométriques récemment introduits dans [Arg+19] : il s’agirait de complexifier
l’algorithme de subdivision, au niveau des règles et des graphes de calcul, afin de produire
une distribution de formes montagneuses plus réalistes qu’actuellement dans le prototype.

Subdivision Classique
Hyper-amplification
Figure 71 : Notre méthode intègre des caractéristiques du relief telles que rivières, vallées, lacs,
plateaux, qui apparaissent au final plus naturel que les modèles générés par des techniques
de subdivision classiques.

5
C ONCLUSION
Tout au long de cette thèse, nous avons cherché à aborder la modélisation de terrains
à l’échelle maximale, c’est-à-dire couvrant des planètes complètes, selon un axe opposé à
l’approche orientée out-of-core streaming. Pour rappel, une telle approche est celle appliquée
dans Google Earth par exemple, où l’application ne s’occupe que de transférer par le réseau et
de présenter à l’utilisateur uniquement des données statiques, i.e. précalculées et stockées.
Ne pas avoir recours à cette approche, c’est essentiellement ne pas procéder au stockage du
modèle haute-résolution, ce qui nécessiterait, pour une planète semblable en taille à la Terre,
plusieurs dizaines de pétaoctets de mémoire, du fait d’une surface à générer de plusieurs
centaines de millions de kilomètres carrés. Ce choix discrimine très fortement le panel des
méthodes de l’état de l’art susceptibles d’être employées pour la modélisation. En effet, si l’on
disposait d’une telle quantité de mémoire alors le plus simple et direct serait de pré-calculer
l’entièreté du modèle synthétique en appliquant de bonnes méthodes adaptées de l’état de
l’art, par exemple [Cor+18] pour générer par simulation des chaînes de montagnes travaillées
par l’érosion fluviale, ou [Gén+13] pour inscrire des réseaux hydrographiques convaincants
de manière procédurale, ou encore et si l’on veut être un peu plus rapide s’orienter vers
la synthèse à partir d’exemples avec l’utilisation de réseaux neuronaux générateurs comme
dans [Gué+17]. Toutes ces approches seraient parfaitement valides, et même susceptibles de
générer des planètes localement fortement réalistes. Cependant, seuls des centres de calcul
dédiés jouxtés à plusieurs milliers de serveurs de stockage seraient capables de synthétiser et
de mémoriser de tels modèles.
Mais, même en faisant l’hypothèse que de telles ressources matérielles soient disponibles,
il demeure un aspect de modélisation non-élucidé et qui concerne, explicitement, l’échelle
macroscopique des planètes telluriques. Les méthodes de la littérature que l’on vient d’évoquer
conviennent bien pour les échelles situées en-deçà du macroscopique, mais rien n’a été proposé
jusqu’ici pour synthétiser les grandes structures planétaires que sont les continents et leurs
côtes, les distributions d’îles et d’arcs d’îles, la forme des chaînes montagneuses, ainsi que les
grandes formations sous-marines telles les dorsales ou les fosses – en un mot, tout ce qui est
visible depuis l’espace. C’est donc notre première contribution : une méthode (chapitre 3)
à même de générer automatiquement ces structures de manière convaincante, grâce à une
prise en compte des réalités décrites par la théorie de la Tectonique des Plaques. C’est donc
une approche physique, recréant les conditions principales donnant lieu aux mouvements de
plaques et aux interactions situées en bordure de celles-ci génératrices de relief caractéristique, 5
en convergence comme en divergence. La méthode offre des capacités de contrôle à l’utilisateur
107
intéressantes pour une simulation, grâce à une implémentation s’exécutant en temps interactif :
divers scénarios de mouvements de plaques peuvent être librement façonnés pour répondre à
des besoins créatifs précis. En résumé, que l’on soit dans une approche de streaming out-of-
core ou pas, cet aspect demeurait jusqu’alors non étudié, et notre méthode est une première
solution, un premier pas intéressant pour prendre en compte cette échelle particulière.
Reste le problème cependant des vastes dimensions des planètes lorsque l’on souhaite
proposer leur exploration continue et jusqu’au plus près de celles-ci. Si l’on ne dispose pas de
centres de calcul dédiés ni de centres de stockage comme ce fut le cas dans cette thèse, on
ne peut pas s’appuyer sur l’approche out-of-core, se posent dès lors des problèmes majeurs
pour générer les modèles car entrent en scène tous les verrous relatifs au multi-échelle et au
multi-modal. Ceci nous a forcé à prendre des chemins de traverse, de trouver une parade, une
approche alternative susceptible d’être adaptable à des ressources matérielles limitées. Notre
proposition est de prendre le même parti pris pour la modélisation que celui que l’on trouve
classiquement dans le domaine du rendu : la génération de modèles adaptatifs. C’est-à-dire,
ne calculer idéalement que ce qui est strictement visible depuis un certain point de vue caméra,
donc ne générer que des modèles partiels. De manière similaire au rendu, du fait des angles
rasants typiques de l’observation de terrains, cela signifie être capable de générer des modèles
fragmentaires qui soient multi-échelles, i.e. avec haut niveau de détail pour les éléments près
de la caméra et des versions moins raffinées pour les éléments du paysage lointain. Partant du
modèle à grande-échelle produit par la méthode tectonique, nous proposons d’amplifier le
terrain afin de produire les détails locaux de la planète. Cette amplification permet de passer
de manière continue de l’échelle macroscopique à l’échelle mésoscopique ; par construction,
elle est circonscrite au point de vue courant de la caméra et la synthèse se fait à la volée. Le
chapitre 4 offre deux telles solutions. La première (section 4.1) est similaire en essence à ce
qui a été proposé dans l’industrie, comme la solution du studio CIG (développeur du jeu vidéo
Star Citizen), elle procède par collage de cartes de hauteur sur la surface planétaire, cependant
de manière guidée par les paramètres de la croûte produite par le modèle tectonique. Nous
prenons en compte notamment l’âge géologique du relief pour produire des monts anciens et
des jeunes montagnes, et la direction de plissement afin d’orienter localement les crêtes selon
le sens de convergence des plaques tectoniques. Cette méthode possède ses limitations : en
termes de précision du terrain final, l’usage de cartes de hauteur ne permet pas de descendre
en dessous de plusieurs dizaines de mètres (notons que le studio CIG modélise ses planètes
à l’échelle 1/10 ce qui lui permet de s’affranchir de ce problème, alors que nous travaillons
à l’échelle 1/1) ; en termes de performance le thread CPU en charge de la tesselation et des
requêtes sur le modèle tectonique est lent et cause des changements brutaux de topographie
très visibles quand la caméra se déplace ; enfin en termes de réalisme l’usage de cartes de
hauteur mélangées aléatoirement prévient la prescription d’une hydrographie, ce qui apparaît
fortement problématique, l’hydrographie étant un élément quasi-central et structurant des
paysages. Pour pallier à ces trois limitations nous proposons une seconde méthode, baptisée
5 hyper-amplification (section 4.2). Elle s’inspire de la méthode de Derzapf et al. [Der+11] car
elle instancie un réseau hydrographique de base (i.e. des grands fleuves) sur un maillage à
108 C HAPITRE 5. C ONCLUSION

grande échelle de la planète qui est ensuite raffiné par subdivisions stochastiques de manière
massivement parallèle. Au contraire de cette méthode de l’état de l’art, nous proposons :
(1) d’attribuer le maillage basse résolution avec un ensemble de paramètres de contrôle,
spécifiés soit par des cartes entrées par l’utilisateur, soit par le modèle produit par la méthode
de recréation tectonique (ou une combinaison des deux), (2) de générer des modelés de
terrain spécifiques (crêtes, collines, terrasses, vallées fluviales) grâce à un ensemble de règles
guidées par le paramétrage précédent et par le niveau de détail courant, (3) de produire
en sus des étendues d’eau non-endoréiques dans les régions humides, c’est-à-dire des lacs
de tailles diverses connectés au réseau hydrographique, et (4) un schéma de subdivision
dyadique sur les arêtes beaucoup plus simple à mettre en œuvre en terme de synchronisation,
entièrement implémenté sous forme d’une séquence de compute shaders s’exécutant sur GPU.
Au final l’hyper-amplification (figure 72) permet l’exploration en temps-réel avec une bonne
performance de planètes structurées à la fois globalement par la tectonique et à l’échelle
intermédiaire, locale, par des réseaux de fleuves, d’affluents et de lacs, entourés de reliefs et
modelés variés.
Figure 72 : Hyper-amplification d’une planète tectonique.
Limitations et perspectives
Malgré les contributions que nous venons de résumer, il reste toutefois nombre d’éléments
d’importance qui peuvent être améliorés ou qui n’ont pas été traités.
Le modèle tectonique tout d’abord, présente des défauts sur le plan du réalisme effectif qui
ont été remarqués par l’expert en tectonophysique que nous avons consulté. Notre modèle
produit trop d’obductions car nous ne modélisons pas les subductions inverses qui devraient
se dérouler en lieu et place de l’engloutissement (impossible) de grandes masses continentales.
Cela se produit car notre modèle, bien qu’inspiré de la géophysique, est loin d’atteindre une
quelconque forme de justesse physique. Or, il faudrait pour cela prendre en compte la convec-
tion du manteau, et réaliser une pleine simulation 3D pour reproduire l’effet de surface que 5
sont les plaques tectoniques – mais, nous l’avons dit, cela nous éloignerait catégoriquement
109
d’une simulation interactive permettant l’intervention de l’utilisateur. Peut-être qu’une solution
intermédiaire serait possible, une simplification drastique d’une tectonophysique, compatible
avec les objectifs propres à l’informatique graphique ; cependant nous pensons que cela ne
pourra pas se faire avant que les géophysiciens ne parviennent à un bon niveau de connais-
sance des phénomènes profonds du manteau, i.e. que les simulations de tectonophysique
n’atteignent des résultats vérifiés convaincants. Au-delà de la tectonique, nous voulons aussi
faire remarquer que notre méthode est circonscrite par elle et nous posons donc la question
suivante : comment prendre en compte, modéliser, les géologies particulières des exo-planètes
ne figurant pas de tectonique des plaques, alors que nous ne les connaissons qu’à peine ? Le
problème demeure complètement ouvert.
En second lieu, en deçà de l’échelle de modélisation macroscopique tectonique, se trouve

notre méthode d’hyper-amplification. Celle-ci n’est pas exempte de défauts. Nous l’avons souli-
gné, nous n’obtenons pas de résultats complètement satisfaisants à la fois pour les montagnes,
et le réseau hydrographique. Ainsi sur le plan du réalisme effectif, il apparaît par construction
impossible d’obtenir des réseaux denses de rivières du fait de la configuration géométrique
du schéma de subdivision actuel. Il apparaît aussi difficile d’obtenir des pics montagneux
réalistes, reliés par une hiérarchie dendritique de crêtes. Le travail d’Argudo et al. [Arg+19]
a bien exploré la question de l’orométrie (qui est une métrique géomorphologique, associée
aux reliefs montagneux), et nous pensons que du travail substantiel reste à mener dans cette
direction pour obtenir une distribution de pics et de crêtes intéressante dans le cadre de notre
méthode. Mais augmenter par des ajustements orométriques la subdivision stochastique au
coeur de celle-ci impliquerait une baisse des performances. Or, ces dernières sont déjà en
l’état relativement limitées, en tout cas ne sont pas exploitables dans un contexte applicatif
temps-réel, typiquement celui des jeux vidéo. De plus, et au-delà des simples performances
d’affichage, se pose aussi la question de l’intégrabilité de la méthode dans un tel contexte
de production. En effet, le calcul de l’image visible par le joueur ne représente qu’une toute
petite partie du travail réalisé par un système multimédia complexe tel celui d’un jeu vidéo.
Il y a notamment classiquement les calculs répétés de collision physique avec le terrain : or,
notre méthode apparaît peu compatible avec ces requêtes, le terrain n’étant pas défini par une
fonction évaluable arbitrairement en tout point du domaine mais par un procédé hiérarchique
de subdivision et de post-traitements. Pour pouvoir intégrer des requêtes de collision physique
à notre méthode, il faudrait porter le procédé de raffinement sur CPU et les requêtes, devant
passer par toutes les étapes de la subdivision jusqu’à circonscrire le point de collision, ne se
feraient pas avec une rapidité suffisante.
Ces limitations et ces problèmes spécifiques sont relatifs au réalisme et à l’efficacité de notre
méthode. Pour adopter cependant une perspective plus large, il reste des verrous importants à
lever avant d’envisager des solutions satisfaisantes au problème général de la modélisation
multi-modale de planètes. Par le terme « multi-modal » nous faisons référence aux divers
5 constituants des paysages qui doivent être modélisés de manière combinée afin de produire
des mondes convaincants. Ces éléments constitutifs comprennent :

Le terrain. Il n’existe que quatre références de l’état de l’art traitant de la modélisation
de terrain planétaires, dont deux apportées par cette thèse. Même si nos contributions sont
significatives, elles ne le sont que parce que le problème auquel elles s’attaquent reste relative-
ment peu exploré. En d’autres termes, nos travaux ne sont que des premiers pas et beaucoup
reste à faire pour prétendre représenter fidèlement ne serait-ce que les divers modelés géo-
morphologiques que nous connaissons sur Terre. Même si nous nous cantonnions à cette
dernière – et donc que nous oublions momentanément l’extrême variété des reliefs possibles
de toutes les exoplanètes – la question est, comment générer des terrains planétaires figurant
les modelés familiers qui ont fait l’objet de la recherche en synthèse de terrain classique ? Par
exemple, un des aspects non élucidés demeure le relief érodé : le ruissellement de surface
produit des striations caractéristiques sur les pentes du relief, et jusqu’ici seules des méthodes
de simulation physique localisées permettent de les produire. Ces méthodes ne sont pas
transposables sur des modèles planétaires à l’échelle 1/1 (à moins de réduire cette échelle)
dans une approche non-orientée streaming. La seule façon à notre sens de reproduire ce
phénomène serait de proposer un bruit érosif, c’est-à-dire une fonction procédurale fractale
offrant un aspect dendritique (i.e. avec branchements). Notons qu’un tel bruit est un des graal
de la modélisation procédurale, mais il n’a pas été produit jusqu’ici, bien qu’un travail récent
de Gaillard et al. [Gai+19] tende à s’en approcher, cependant le coût calculatoire empêche
son application dans un contexte d’exploration temps-réel d’une planète. Le ruissellement de
surface n’est qu’un des multiples phénomènes géologiques qu’il faudrait prendre en compte
pour atteindre un réalisme effectif dans la modélisation. Demeurent tous les autres, érosion
côtière, karstique (grottes), glaciaire, sédimentation fluviale et deltas, lagunes, plages, reliefs
éoliens (dunes, yardangs, hoodoos), et ainsi de suite... Proposer une solution intégrant tous ces
modelés constitue déjà un des objectifs (inaccessible ?) en modélisation de terrain classique, et
la difficulté semble donc particulièrement exacerbée dans le contexte de terrains planétaires
générés à la volée.
L’atmosphère. Sur toutes les images de résultat présentées dans ce manuscrit on peut
remarquer l’absence évidente de nuages. Or, les nuages constituent un aspect des paysages
particulièrement important, pour la qualité dramatique qu’ils apportent du fait du jeu de
la lumière qui s’y disperse. La modélisation et le rendu de nuages sont des domaines de
recherche à part entière, qui ont fait historiquement l’objet au moins d’autant d’efforts que les
terrains. Nous ne développerons pas plus, mais le message essentiel est qu’au contraire des
terrains qui sont des surfaces, les nuages présentent un ordre de difficulté supplémentaire par
leur aspect volumique – et notamment pour le rendu temps-réel, presque impossible sur de
grandes étendues (a fortiori planétaires, ce qui n’a jamais été fait). Outre la difficulté de rendu,
il faut compter de plus sur la difficulté de modélisation et d’animation. Il faut en effet, pour
obtenir une distribution dynamique réaliste de nuages, un modèle climatique/météorologique.
Rappelons qu’à l’instar des modèles tectonophysiques, les modèles climatiques sont parmi les
simulations les plus complexes jamais développées par l’homme, et requièrent de ce fait des 5
ressources de calcul et de stockage considérables.
111
La végétation. La simulation du climat peut de manière intéressante permettre la définition
des biomes d’une planète, c’est-à-dire les divers climats locaux et donc la végétation associée.
Le problème ici, déjà étudié sur des terrains planaires d’étendue limitée, consiste à déterminer
à la volée la distribution des plantes sur le paysage d’après les informations climatiques et
hydrographiques. Et, outre le problème de la modélisation encore une fois s’ajoute celui du
rendu multi-échelle : i.e. comment passer de manière continue d’une vue proche, d’un bosquet
d’arbres par exemple, à celle d’une forêt entière, de la taille de l’Amazonie lorsque la caméra
se situe à des dizaines de kilomètres d’altitude ?
Terrain, nuages, climat, biomes et végétation, ne sont que les éléments naturels composant
les paysages, pourtant ils posent déjà de grands verrous qui restent à lever. Mais demeure en
sus tout le reste, c’est-à-dire tout ce qu’on peut imaginer dans les divers scénarios applicatifs :
routes, véhicules, personnages, créatures, bâtiments, y compris des villes entières. Toutes
sortes de problèmes encore une fois déjà étudiés dans les contextes de terrains planaires
limités, mais posant de sérieux problèmes lorsque l’on souhaite générer à la volée des modèles
partiels de grande étendue et figurant de multiples échelles pour un même point de vue
caméra. Au regard de tous ces problèmes, nous pensons que la génération procédurale a
de beaux jours devant elle, car elle seule pour l’instant démontre les bonnes performances
nécessaires à la modélisation à la volée. Toute la question à notre sens est de savoir comment
pré-structurer la modélisation afin que la génération procédurale soit enrichie et guidée au
moment de son évaluation (i.e. lors de l’amplification) afin qu’elle produise plus de variété, de
réalisme, de détails.
Enfin, nous conclurons en pointant vers un autre horizon, qui se situe bien au-delà d’une
simple planète prise isolément. Même si, pour toutes les raisons évoquées en introduction de
ce manuscrit, et qui touchent aux fondamentaux de l’être humain, la possibilité d’explorer
des planètes virtuelles devrait connaître un engouement croissant de la part du public, nous
irions plus loin et dirions que le public devrait être demandeur d’horizons bien plus vastes.
Ainsi, dans [Bru20] Eric Bruneton propose un modèle de rendu temps-réel de singularités
gravitationnelles hautement réalistes avec effets relativistes de distorsion de la lumière : nous
pensons que l’auteur partage avec nous l’intuition que ce sont vers les étoiles qu’il faut se
tourner. Le jeu vidéo Star Citizen est toujours très populaire malgré les retards incessants
pris dans son développement. Sa force, qui rejoint celle de la filmographie de George Lucas
avec la « Guerre des Étoiles », est de proposer à tout un chacun d’arpenter les étoiles, de
s’immerger dans une représentation vivante du cosmos. L’univers est source d’émerveillement,
nous aurions tort de l’oublier. Les étoiles ont toujours fait rêver l’humanité et aujourd’hui, alors
qu’elles ont disparu des cieux urbains, elles vivent en force dans les univers virtuels. Le défi ici
concernera donc la modélisation et le rendu détaillé de tous les phénomènes astronomiques
(figure 73) : nébuleuses, clusters d’étoiles, supernovas, galaxies, quasars, systèmes stellaires
avec leur cohorte de planètes, etc. Comment les futures générations de chercheurs aborderont-
5 elles le problème ? Difficile à dire, car tout dépendra de l’évolution du matériel informatique.
Peut-être la révolution quantique changera-t-elle la donne ? En tout cas pour l’heure, seule la

génération procédurale permet d’aborder la génération de détails sur de telles échelles... et
c’est tant mieux, car au final sa simplicité est attachante.
Référence Modèle procédural
Figure 73 : A gauche, image de référence de la galaxie spirale M51, à droite résultat de la méthode
d’un étudiant de Fabrice Neyret et al. [BN18] reproduisant cette même galaxie par une com-
binaison de bruits procéduraux mappés sur une spirale logarithmique. (Source : [BN18])
Plutôt que de maudire les ténèbres, tu peux allumer une petite lumière.
— Proverbe Indien
Publications :
• Yann Cortial, Adrien Peytavie, Éric Galin et Éric Guérin. « Real-time hyper-amplification
of planets ». In : The Visual Computer (CGI’2020). [Cor+20].
• Yann Cortial, Adrien Peytavie, Eric Galin et Eric Guérin. « Procedural tectonic planets ».
In : Computer Graphics Forum (Eurographics’2019). [Cor+19].
• Adrien Peytavie, Thibault Dupont, Eric Guérin, Yann Cortial, Benes Benes, James Gain
et Eric Galin. « Procedural riverscapes ». In : Computer Graphics Forum. [Pey+19].
• Antoine Webanck, Yann Cortial, Eric Guérin et Eric Galin. « Procedural cloudscapes ». In :
Computer Graphics Forum (Eurographics’2018). [Web+18].
• Yann Cortial, Antoine Webanck, Eric Guérin, Adrien Peytavie et Eric Galin. « Modélisation
procédurale de nuages multigenre ». In : Journées Françaises d’Informatique Graphique
(jFIG’2017). [Cor+17b].
113

B IBLIOGRAPHIE
[ASA07] Nguyen Hoang A NH, Alexei S OURIN et Parimal A SWANI. “Physically based hydraulic erosion
simulation on graphics processing unit”. In : Proceedings of the 5th international conference
on Computer graphics and interactive techniques in Australia and Southeast Asia. ACM. 2007,
p. 257-264 (cf. p. 16).
[Arg+17] Oscar A RGUDO, Carlos A NDUJAR, Antonio C HICA, Eric G UÉRIN, Julie D IGNE, Adrien P EYTAVIE
et Eric G ALIN. “Coherent multi-layer landscape synthesis”. In : The Visual Computer 33.6-8
(2017), p. 1005-1015 (cf. p. 29, 31).
[ACA18] Oscar A RGUDO, Antoni C HICA et Carlos A NDUJAR. “Terrain Super-resolution through Aerial
Imagery and Fully Convolutional Networks”. In : Computer Graphics Forum. T. 37. 2. Wiley
Online Library. 2018, p. 101-110 (cf. p. 30, 31).
[Arg+19] Oscar A RGUDO, Eric G ALIN, Adrien P EYTAVIE, Axel PARIS, James G AIN et Eric G UÉRIN.
“Orometry-based terrain analysis and synthesis”. In : ACM Transactions on Graphics 38.6
(2019), p. 199 (cf. p. 24, 31, 98, 99, 105, 110).
[Bea+07] Matthew B EARDALL, Mckay FARLEY, Darius O UDERKIRK, Jeremy S MITH, Michael J ONES et
Parris K E GBERT. “Goblins by SpheroidalWeathering.” In : NPH. 2007, p. 7-14 (cf. p. 18).
[Bec+17] Michael B ECHER, Michael K RONE, Guido R EINA et Thomas E RTL. “Feature-based volumetric
terrain generation”. In : Proceedings of the 21st ACM SIGGRAPH Symposium on Interactive
3D Graphics and Games. 2017, p. 1-9 (cf. p. 31).
[Bel07] Farès B ELHADJ. “Terrain modeling : a constrained fractal model”. In : Proceedings of the 5th
international conference on Computer graphics, virtual reality, visualisation and interaction
in Africa. 2007, p. 197-204 (cf. p. 22, 31).
[BA05a] Farès B ELHADJ et Pierre AUDIBERT. “Modeling Landscapes with Ridges and Rivers”. In :
Proceedings of the Symposium on Virtual Reality Software and Technology. Monterey, USA :
ACM, 2005, p. 151-154 (cf. p. 22, 31).
[BA05b] Farès B ELHADJ et Pierre AUDIBERT. “Modeling landscapes with ridges and rivers : bottom
up approach”. In : Proceedings of the 3rd international conference on Computer graphics
and interactive techniques in Australasia and South East Asia. 2005, p. 447-450 (cf. p. 22).
[Ben07] Bedrich B ENES. “Real-time erosion using shallow water simulation”. In : (2007) (cf. p. 17).
[BF02] Bedřich B ENEŠ et Rafael F ORSBACH. “Visual simulation of hydraulic erosion”. In : (2002)
(cf. p. 16, 31).
[BR04] Bedřich B ENEŠ et Toney R OA. “Simulating desert scenery”. In : (2004) (cf. p. 18).
[Ben+06] Bedřich B ENEŠ, Václav T ĚŠÍNSK Ỳ, Jan H ORNYŠ et Sanjiv K B HATIA. “Hydraulic erosion”.
In : Computer Animation and Virtual Worlds 17.2 (2006), p. 99-108 (cf. p. 16, 31).
[BTR15] D B ERCOVICI, P TACKLEY et Y R ICARD. “7.07-the generation of plate tectonics from mantle
dynamics”. In : Treatise on Geophysics. Elsevier, Oxford (2015), p. 271-318 (cf. p. 41).
115

[BN18] Astor B IZARD et Fabrice N EYRET. “Procedural modeling of multiscale galactic dust”. Mém.
de mast. LJK / Grenoble University - INRIA, juin 2018, p. 1-46 (cf. p. 113).
[Bri07] Robert B RIDSON. “Fast Poisson Disk Sampling in Arbitrary Dimensions”. In : SIGGRAPH
sketches. New York, NY, USA : ACM, 2007, p. 22 (cf. p. 88).
[Bri15] Robert B RIDSON. Fluid simulation for computer graphics. CRC press, 2015 (cf. p. 16).
[BHN07] Robert B RIDSON, Jim H OURIHAM et Marcus N ORDENSTAM. “Curl-noise for procedural fluid
flow”. In : ACM Transactions on Graphics (ToG) 26.3 (2007), 46-es (cf. p. 22).
[BSS07] John B ROSZ, Faramarz F S AMAVATI et Mario Costa S OUSA. “Terrain synthesis by-example”.
In : Advances in Computer Graphics and Computer Vision. Springer, 2007, p. 58-77 (cf.
p. 28).
[Bru20] Eric B RUNETON. Real-time High-Quality Rendering of Non-Rotating Black Holes. Rapp. tech.
2020 (cf. p. 112).
[CDS12] Siu-Wing C HENG, Tamal K D EY et Jonathan S HEWCHUK. Delaunay mesh generation. CRC
Press, 2012 (cf. p. 53).
[CMF98] Norishige C HIBA, Kazunobu M URAOKA et Kunihiko F UJITA. “An erosion model based
on velocity fields for the visual simulation of mountain scenery”. In : The Journal of
Visualization and Computer Animation 9.4 (1998), p. 185-194 (cf. p. 16, 31).
[Cig+03a] Paolo C IGNONI, Fabio G ANOVELLI, Enrico G OBBETTI, Fabio M ARTON, Federico P ONCHIO
et Roberto S COPIGNO. “BDAM—Batched Dynamic Adaptive Meshes for high performance
terrain visualization”. In : Computer Graphics Forum. T. 22. 3. Wiley Online Library. 2003,
p. 505-514 (cf. p. 37).
[Cig+03b] Paolo C IGNONI, Fabio G ANOVELLI, Enrico G OBBETTI, Fabio M ARTON, Federico P ONCHIO et
Roberto S COPIGNO. “Planet-sized batched dynamic adaptive meshes (P-BDAM)”. In : IEEE
Visualization, 2003. VIS 2003. IEEE. 2003, p. 147-154 (cf. p. 37).
[Clo93] Mark C LOOS. “Lithospheric buoyancy and collisional orogenesis : Subduction of ocea-
nic plateaus, continental margins, island arcs, spreading ridges, and seamounts”. In :
Geological Society of America Bulletin 105.6 (1993), p. 715-737 (cf. p. 45).
[CS17] Nicolas C OLTICE et Grace E S HEPHARD. “Tectonic predictions with mantle convection
models”. In : Geophysical Journal International 213.1 (2017), p. 16-29 (cf. p. 41).
[Com+12] M C OMBES, Cécile G RIGNÉ, Laurent H USSON, CP C ONRAD, Sébastien L E YAOUANQ, M

PARENTHOËN, Chantal T ISSEAU et Jacques T ISSEAU. “Multiagent simulation of evolutive
plate tectonics applied to the thermal evolution of the Earth”. In : Geochemistry, Geophysics,
Geosystems 13.5 (2012) (cf. p. 41).
[CD05] Robert L C OOK et Tony D E R OSE. “Wavelet noise”. In : ACM Transactions on Graphics (TOG)
24.3 (2005), p. 803-811 (cf. p. 23).
[Cor+16] Guillaume C ORDONNIER, Jean B RAUN, Marie-Paule C ANI, Bedrich B ENES, Eric G ALIN,
Adrien P EYTAVIE et Eric G UÉRIN. “Large scale terrain generation from tectonic uplift and
fluvial erosion”. In : Computer Graphics Forum. T. 35. 2. Wiley Online Library. 2016,
p. 165-175 (cf. p. 19, 20, 25, 30, 31).
116 B IBLIOGRAPHIE

[Cor+18] Guillaume C ORDONNIER, Marie-Paule C ANI, Bedrich B ENES, Jean B RAUN et Eric G ALIN.
“Sculpting Mountains : Interactive Terrain Modeling Based on Subsurface Geology”. In :
IEEE Transactions on Visualization and Computer Graphics 24.5 (2018), p. 1756-1769
(cf. p. 11, 13, 20, 30, 31, 107).
[Cor+17a] Guillaume C ORDONNIER, Eric G ALIN, James G AIN, Bedrich B ENES, Eric G UÉRIN, Adrien
P EYTAVIE et Marie-Paule C ANI. “Authoring Landscapes by Combining Ecosystem and Terrain
Erosion Simulation”. In : ACM Transactions on Graphics 36.4 (2017), 134 :1-134 :12 (cf.
p. 19, 31, 40).
[Cor+19] Yann C ORTIAL, Adrien P EYTAVIE, Eric G ALIN et Eric G UÉRIN. “Procedural Tectonic Planets”.
In : Computer Graphics Forum. T. 38. 2. Wiley Online Library. 2019, p. 1-11 (cf. p. 104,
113).
[Cor+20] Yann C ORTIAL, Adrien P EYTAVIE, Éric G ALIN et Éric G UÉRIN. “Real-time hyper-amplification
of planets”. In : The Visual Computer (2020), p. 1-12 (cf. p. 113).
[Cor+17b] Yann C ORTIAL, Antoine W EBANCK, Eric G UÉRIN, Adrien P EYTAVIE et Eric G ALIN. “Modélisa-
tion procédurale de nuages multigenre”. In : Journées Françaises d’Informatique Graphique
(j.FIG). Rennes, France, oct. 2017 (cf. p. 113).
[CR11] Patrick C OZZI et Kevin R ING. 3D engine design for virtual globes. AK Peters/CRC Press, 2011
(cf. p. 36, 101).
[DMS05] Carsten D ACHSBACHER, Martin M EYER et Marc S TAMMINGER. “Height-Field Synthesis by

Non-Parametric Sampling”. In : Vision, Modeling and Visualization 2005 (2005), p. 297-302
(cf. p. 31).
[DC+14] Daniel Michelon D E C ARLI, Cesar Tadeu P OZZER, Fernando B EVILACQUA et Victor S CHETINGER.
“Procedural generation of 3D canyons”. In : 2014 27th SIBGRAPI Conference on Graphics,
Patterns and Images. IEEE. 2014, p. 103-110 (cf. p. 31).
[Der+11] Evgenij D ERZAPF, Björn G ANSTER, Michael G UTHE et Reinhard K LEIN. “River networks for
instant procedural planets”. In : Computer Graphics Forum. T. 30. 7. Wiley Online Library.
2011, p. 2031-2040 (cf. p. 2, 4, 22, 31, 34, 35, 40, 70, 101, 104, 108).
[DMG10] Evgenij D ERZAPF, Nicolas M ENZEL et Michael G UTHE. “Parallel View-Dependent Refinement
of Compact Progressive Meshes.” In : EGPGV. 2010, p. 53-62 (cf. p. 35).
[DKW94] AR D IXON, GH K IRBY et Derek PM W ILLS. “A data structure for artificial terrain generation”.
In : Computer Graphics Forum. T. 13. 1. Wiley Online Library. 1994, p. 37-48 (cf. p. 22).
[Dom+98] S D OMINGUEZ, SE L ALLEMAND, J M ALAVIEILLE et Roland von H UENE. “Upper plate deforma-
tion associated with seamount subduction”. In : Tectonophysics 293.3-4 (1998), p. 207-224
(cf. p. 45).
[DB06] Lucian D R ĂGU Ţ et Thomas B LASCHKE. “Automated classification of landform elements

using object-based image analysis”. In : Geomorphology 81.3-4 (2006), p. 330-344 (cf.
p. 11).
[Duc+97] Mark D UCHAINEAU, Murray W OLINSKY, David E S IGETI, Mark C M ILLER, Charles A LDRICH
et Mark B M INEEV-W EINSTEIN. “ROAMing terrain : real-time optimally adapting meshes”.
In : Proceedings. Visualization’97 (Cat. No. 97CB36155). IEEE. 1997, p. 81-88 (cf. p. 37,
81, 82).
B IBLIOGRAPHIE 117

[Ebe+98] David S. E BERT, Forest Kenton M USGRAVE, Darwyn P EACHEY, Ken P ERLIN et Steven
W ORLEY. Texturing and Modeling : A Procedural Approach. 3rd. San Francisco, CA, USA :
Morgan Kaufmann Publishers Inc., 1998 (cf. p. 2, 4, 21, 31, 34, 40, 70, 71, 85, 104).
[EMBI01] Carl E RIKSON, Dinesh M ANOCHA et William V B AXTER III. “HLODs for faster display of large
static and dynamic environments”. In : Proceedings of the 2001 symposium on Interactive
3D graphics. 2001, p. 111-120 (cf. p. 37).
[FFC82] Alain F OURNIER, Don F USSELL et Loren C ARPENTER. “Computer rendering of stochastic
models”. In : Communications of the ACM 25.6 (1982), p. 371-384 (cf. p. 10, 21, 31, 104).
[Gai+19] Mathieu G AILLARD, Bedrich B ENES, Eric G UÉRIN, Eric G ALIN, Damien R OHMER et Marie-
Paule C ANI. “Dendry : a procedural model for dendritic patterns”. In : Proceedings of the
ACM SIGGRAPH Symposium on Interactive 3D Graphics and Games. 2019, p. 1-9 (cf. p. 111).
[GMM15] James G AIN, Bruce M ERRY et Patrick M ARAIS. “Parallel, Realistic and Controllable Terrain
Synthesis”. In : Computer Graphics Forum 34.2 (2015), p. 105-116 (cf. p. 11, 28, 31).
[Gal+19] Eric G ALIN, Eric G UÉRIN, Adrien P EYTAVIE, Guillaume C ORDONNIER, Marie-Paule C ANI,
Bedrich B ENES et James G AIN. “A review of digital terrain modeling”. In : Computer
Graphics Forum. T. 38. 2. Wiley Online Library. 2019, p. 553-577 (cf. p. 10, 11, 16, 22,
23).
[Gar99] Michael G ARLAND. “Multiresolution modeling : Survey & future opportunities”. In : State
of the art report (1999), p. 111-131 (cf. p. 37).
[Gén+13] Jean-David G ÉNEVAUX, Éric G ALIN, Éric G UÉRIN, Adrien P EYTAVIE et Bedrich B ENES. “Ter-
rain Generation Using Procedural Models Based on Hydrology”. In : Transaction on
Graphics 32.4 (2013), 143 :1-143 :13 (cf. p. 11, 24, 31, 89, 107).
[Gén+15] Jean-David G ÉNEVAUX, Eric G ALIN, Adrien P EYTAVIE, Eric G UÉRIN, Cyril B RIQUET, François
G ROSBELLET et Bedrich B ENES. “Terrain modelling from feature primitives”. In : Computer
Graphics Forum. T. 34. 6. Wiley Online Library. 2015, p. 198-210 (cf. p. 23, 31).
[Ges+02] Dean G ESCH, Michael O IMOEN, Susan G REENLEE, Charles N ELSON, Michael S TEUCK et
Dean T YLER. “The national elevation dataset”. In : Photogrammetric engineering and
remote sensing 68.1 (2002), p. 5-32 (cf. p. 27).
[GM77] Robert A G INGOLD et Joseph J M ONAGHAN. “Smoothed particle hydrodynamics : theory

and application to non-spherical stars”. In : Monthly notices of the royal astronomical
society 181.3 (1977), p. 375-389 (cf. p. 17).
[GZD08] Alexander G OLDBERG, Matthias Z WICKER et Frédo D URAND. “Anisotropic noise”. In : ACM
Transactions on Graphics (TOG) 27.3 (2008), p. 1-8 (cf. p. 23).
[Gon10] Álvaro G ONZÁLEZ. “Measurement of areas on a sphere using Fibonacci and latitude–
longitude lattices”. In : Mathematical Geosciences 42.1 (2010), p. 49-64 (cf. p. 52).
[Goo+14] Ian G OODFELLOW, Jean P OUGET-A BADIE, Mehdi M IRZA, Bing X U, David WARDE -FARLEY,
Sherjil O ZAIR, Aaron C OURVILLE et Yoshua B ENGIO. “Generative adversarial nets”. In :
Advances in neural information processing systems. 2014, p. 2672-2680 (cf. p. 29).
[Gu16] Eric G UÉRIN, Julie D IGNE, Eric G ALIN et Adrien P EYTAVIE. “Sparse representation of terrains
for procedural modeling”. In : Computer Graphics Forum 35.2 (2016), p. 177-187 (cf. p. 11,
29-31, 40).
118 B IBLIOGRAPHIE

[Gué+17] Éric G UÉRIN, Julie D IGNE, Eric G ALIN, Adrien P EYTAVIE, Christian W OLF, Bedrich B ENES et
Benoît M ARTINEZ. “Interactive example-based terrain authoring with conditional genera-
tive adversarial networks”. In : Acm Transactions on Graphics (TOG) 36.6 (2017), p. 228
(cf. p. 29-31, 107).
[HPT04] Caroline M H AGERHALL, Terry P URCELL et Richard TAYLOR. “Fractal dimension of landscape
silhouette outlines as a predictor of landscape preference”. In : Journal of environmental
psychology 24.2 (2004), p. 247-255 (cf. p. 11).
[Hna+10] Houssam H NAIDI, Eric G UÉRIN, Samir A KKOUCHE, Adrien P EYTAVIE et Eric G ALIN. “Feature
based terrain generation using diffusion equation”. In : Computer Graphics Forum. T. 29.
7. Wiley Online Library. 2010, p. 2179-2186 (cf. p. 31).
[Hop98a] Hugues H OPPE. “Efficient implementation of progressive meshes”. In : Computers &

Graphics 22.1 (1998), p. 27-36 (cf. p. 35).
[Hop96] Hugues H OPPE. “Progressive meshes”. In : Proceedings of the 23rd annual conference on
Computer graphics and interactive techniques. 1996, p. 99-108 (cf. p. 35).
[Hop98b] Hugues H OPPE. “Smooth view-dependent level-of-detail control and its application to
terrain rendering”. In : Proceedings Visualization’98 (Cat. No. 98CB36276). IEEE. 1998,
p. 35-42 (cf. p. 37).
[Hor45] Robert E H ORTON. “Erosional development of streams and their drainage basins ; hydro-
physical approach to quantitative morphology”. In : Geological society of America bulletin
56.3 (1945), p. 275-370 (cf. p. 24, 90).
[HSH09] Liang H U, Pedro V S ANDER et Hugues H OPPE. “Parallel view-dependent refinement of

progressive meshes”. In : Proceedings of the 2009 symposium on Interactive 3D graphics
and games. 2009, p. 169-176 (cf. p. 35).
[Hug16] Richard H UGGETT. Fundamentals of geomorphology. Routledge, 2016 (cf. p. 8, 41).
[HSR94] K H UTTER, B S VENDSEN et D R ICKENMANN. “Debris flow modeling : a review”. In : Conti-

nuum mechanics and thermodynamics 8.1 (1994), p. 1-35 (cf. p. 15).
[HDJ05] Lok M H WA, Mark A D UCHAINEAU et Kenneth I J OY. “Real-time optimal adaptation for pla-
netary geometry and texture : 4-8 tile hierarchies”. In : IEEE Transactions on Visualization
and Computer Graphics 11.4 (2005), p. 355-368 (cf. p. 37).
[Iso+17] Phillip I SOLA, Jun-Yan Z HU, Tinghui Z HOU et Alexei A E FROS. “Image-to-image translation
with conditional adversarial networks”. In : Proceedings of the IEEE conference on computer
vision and pattern recognition. 2017, p. 1125-1134 (cf. p. 29).
[JS13] Jarosław JASIEWICZ et Tomasz F S TEPINSKI. “Geomorphons—a pattern recognition ap-

proach to classification and mapping of landforms”. In : Geomorphology 182 (2013),
p. 147-156 (cf. p. 12).
[Jon+09] Michael D J ONES, McKay FARLEY, Joseph B UTLER et Matthew B EARDALL. “Directable wea-
thering of concave rock using curvature estimation”. In : IEEE Transactions on Visualization
and Computer Graphics 16.1 (2009), p. 81-94 (cf. p. 18).
[KU07] K Raiyan KAMAL et Yusuf Sarwar U DDIN. “Parametrically controlled terrain generation”.
In : Proceedings of the 5th international conference on Computer graphics and interactive
techniques in Australia and Southeast Asia. 2007, p. 17-23 (cf. p. 31).
B IBLIOGRAPHIE 119

[Kei+15] Benjamin K EINERT, Matthias I NNMANN, Michael S ÄNGER et Marc S TAMMINGER. “Spherical
fibonacci mapping”. In : ACM Transactions on Graphics 34 (2015), 193 :1-193 :7 (cf.
p. 52).
[KMN88] Alex D K ELLEY, Michael C M ALIN et Gregory M N IELSON. “Terrain simulation using a model
of stream erosion”. In : Proceedings of the 15th annual conference on Computer graphics
and interactive techniques. 1988, p. 263-268 (cf. p. 31).
[Ken+08] Andrew K ENSLER, Aaron K NOLL, Peter S HIRLEY, A K ENSLER, A K NOLL et P S HIRLEY. “Better
gradient noise”. In : Tech. Rep. UUSCI-2008–001 (2008) (cf. p. 22).
[Kri+09] Peter K RIŠTOF, Bedrich B ENEŠ, Jaroslav K ŘIVÁNEK et Ondřej Š T ’ AVA. “Hydraulic erosion
using smoothed particle hydrodynamics”. In : Computer Graphics Forum. T. 28. 2. Wiley
Online Library. 2009, p. 219-228 (cf. p. 17, 31).
[Kur12] Michał KUROWSKI. “Procedural generation of meandering rivers inspired by erosion”. In :

The 20th International Conference in Central Europe on Computer Graphics, Visualization
and Computer Vision. Citeseer. 2012 (cf. p. 31).
[Lag+09] Ares L AGAE, Sylvain L EFEBVRE, George D RETTAKIS et Philip D UTRÉ. “Procedural Noise Using
Sparse Gabor Convolution”. In : ACM Transactions on Graphics 28.3 (2009), 54 :1-54 :10
(cf. p. 23, 83).
[Lag14] Dimitri L AGUE. “The stream power river incision model : evidence, theory and beyond”.
In : Earth Surface Processes and Landforms 39.1 (2014), p. 38-61 (cf. p. 20).
[LP68] Xavier L E P ICHON. “Sea-floor spreading and continental drift”. In : Journal of Geophysical
Research 73.12 (1968), p. 3661-3697 (cf. p. 41).
[Lew87] John P L EWIS. “Generalized stochastic subdivision”. In : ACM Transactions on Graphics

(TOG) 6.3 (1987), p. 167-190 (cf. p. 22, 31).
[Lew89] John-Peter L EWIS. “Algorithms for solid noise synthesis”. In : Proceedings of the 16th
annual conference on Computer graphics and interactive techniques. 1989, p. 263-270 (cf.
p. 23).
[Lin+96] Peter L INDSTROM, David KOLLER, William R IBARSKY, Larry F H ODGES, Nick FAUST et
Gregory A T URNER. “Real-time, continuous level of detail rendering of height fields”. In :
Proceedings of the 23rd annual conference on Computer graphics and interactive techniques.
1996, p. 109-118 (cf. p. 37).
[Lue+03] David L UEBKE, Martin R EDDY, Jonathan D C OHEN, Amitabh VARSHNEY, Benjamin WATSON
et Robert H UEBNER. Level of detail for 3D graphics. Morgan Kaufmann, 2003 (cf. p. 37).
[Mah10] Joseph M AHSMAN. “Projective grid mapping for planetary terrain”. Thèse de doct. 2010
(cf. p. 37).
[Man75] Benoit B M ANDELBROT. “Stochastic models for the Earth’s relief, the shape and the fractal
dimension of the coastlines, and the number-area rule for islands”. In : Proceedings of the
National Academy of Sciences 72.10 (1975), p. 3825-3828 (cf. p. 10, 21).
[Man82] Benoit B M ANDELBROT. “The fractal geometry of nature.” In : San Francisco, CA (1982)
(cf. p. 10, 21).
[MVN68] Benoit B M ANDELBROT et John W VAN N ESS. “Fractional Brownian motions, fractional
noises and applications”. In : SIAM review 10.4 (1968), p. 422-437 (cf. p. 10, 21).
120 B IBLIOGRAPHIE

[MDH07] Xing M EI, Philippe D ECAUDIN et Bao-Gang H U. “Fast hydraulic erosion simulation and
visualization on GPU”. In : 15th Pacific Conference on Computer Graphics and Applications
(PG’07). IEEE. 2007, p. 47-56 (cf. p. 11, 16, 17, 31).
[MG08] Stéphane M ÉRILLOU et Djamchid G HAZANFARPOUR. “A survey of aging and weathering

phenomena in computer graphics”. In : Computers & Graphics 32.2 (2008), p. 159-174
(cf. p. 14).
[Mil86] Gavin SP M ILLER. “The definition and rendering of terrain maps”. In : Proceedings of the
13th annual conference on Computer graphics and interactive techniques. 1986, p. 39-48
(cf. p. 22, 31).
[Mon05] Joe J M ONAGHAN. “Smoothed particle hydrodynamics”. In : Reports on progress in physics

68.8 (2005), p. 1703 (cf. p. 17).
[Mor68] W Jason M ORGAN. “Rises, trenches, great faults, and crustal blocks”. In : Journal of
Geophysical Research 73.6 (1968), p. 1959-1982 (cf. p. 41).
[MKM89] F Kenton M USGRAVE, Craig E KOLB et Robert S M ACE. “The synthesis and rendering of
eroded fractal terrains”. In : ACM Siggraph Computer Graphics 23.3 (1989), p. 41-50
(cf. p. 15, 16, 31).
[Nat+13] Mattia N ATALI, Endre M L IDAL, Julius PARULEK, Ivan V IOLA et Daniel PATEL. “Modeling
Terrains and Subsurface Geology.” In : Eurographics (STARs). 2013, p. 155-173 (cf. p. 11).
[NWD05] Benjamin N EIDHOLD, Markus WACKER et Oliver D EUSSEN. “Interactive physically based
fluid and erosion simulation”. In : Eurographics workshop on natural phenomena. 2005
(cf. p. 16, 31).
[Ola+02] Mark O LANO, John C H ART, Wolfgang H EIDRICH, Bill M ARK et Ken P ERLIN. “Real-time
shading languages”. In : Course Notes. ACM SIGGRAPH 99 (2002) (cf. p. 22).
[ON00] Koichi O NOUE et Tomoyuki N ISHITA. “A method for modeling and rendering dunes with
wind-ripples”. In : Proceedings the Eighth Pacific Conference on Computer Graphics and
Applications. IEEE. 2000, p. 427-428 (cf. p. 18).
[PG07] Renato PAJAROLA et Enrico G OBBETTI. “Survey of semi-regular multiresolution models for
interactive terrain rendering”. In : The Visual Computer 23.8 (2007), p. 583-605 (cf. p. 37).
[Par+19a] Axel PARIS, Eric G ALIN, Adrien P EYTAVIE, Eric G UÉRIN et James G AIN. “Terrain Amplification
with Implicit 3D Features”. In : ACM Transactions on Graphics (TOG) 38.5 (2019), p. 1-15
(cf. p. 11, 26, 31).
[Par+19b] Axel PARIS, Adrien P EYTAVIE, Eric G UÉRIN, Oscar A RGUDO et Eric G ALIN. “Desertscape
Simulation”. In : Computer Graphics Forum. T. 38. 7. Wiley Online Library. 2019, p. 47-55
(cf. p. 18, 31).
[Per85] Ken P ERLIN. “An image synthesizer”. In : ACM Siggraph Computer Graphics 19.3 (1985),
p. 287-296 (cf. p. 22, 83).
[Per02] Ken P ERLIN. “Improving noise”. In : ACM Transactions on Graphics. T. 21. 3. ACM. 2002,
p. 681-682 (cf. p. 22).
[PH89] Ken P ERLIN et Eric M H OFFERT. “Hypertexture”. In : Proceedings of the 16th annual
conference on Computer graphics and interactive techniques. 1989, p. 253-262 (cf. p. 22).
B IBLIOGRAPHIE 121

[Pey+19] Adrien P EYTAVIE, Thibault D UPONT, Eric G UÉRIN, Yann C ORTIAL, Benes B ENES, James
G AIN et Eric G ALIN. “Procedural Riverscapes”. In : Computer Graphics Forum 38.7 (2019),
p. 35-46 (cf. p. 113).
[Pey+09a] Adrien P EYTAVIE, Eric G ALIN, Jérôme G ROSJEAN et Stéphane M ÉRILLOU. “Arches : a fra-
mework for modeling complex terrains”. In : Computer Graphics Forum. T. 28. 2. Wiley
Online Library. 2009, p. 457-467 (cf. p. 25).
[Pey+09b] Adrien P EYTAVIE, Eric G ALIN, Jérôme G ROSJEAN et Stéphane M ÉRILLOU. “Procedural
generation of rock piles using aperiodic tiling”. In : Computer Graphics Forum. T. 28. 7.
Wiley Online Library. 2009, p. 1801-1809 (cf. p. 15).
[PH93] Przemyslaw P RUSINKIEWICZ et Mark H AMMEL. “A fractal model of mountains and rivers”.
In : Graphics Interface. T. 93. Canadian Information Processing Society. 1993, p. 174-180
(cf. p. 22, 31).
[Raj+19] Suren Deepak R AJASEKARAN, Hao KANG, Bedrich B ENES, Martin Č ADÍK, Eric G ALIN, Eric
G UÉRIN, Adrien P EYTAVIE et Pavel S LAVÍK. “PTRM : Perceived Terrain Realism Metrics”.
In : arXiv preprint arXiv :1909.04610 (2019) (cf. p. 11).
[Ren97] Robert J R ENKA. “Algorithm 772 : STRIPACK : Delaunay triangulation and Voronoi diagram
on the surface of a sphere”. In : ACM Transactions on Mathematical Software (TOMS) 23.3
(1997), p. 416-434 (cf. p. 52).
[Ros94] David L R OSGEN. “A classification of natural rivers”. In : Catena 22.3 (1994), p. 169-199
(cf. p. 24).
[RPP93] Pascale R OUDIER, Bernard P EROCHE et M P ERRIN. “Landscapes synthesis achieved through
erosion and deposition process simulation”. In : Computer Graphics Forum. T. 12. 3. Wiley
Online Library. 1993, p. 375-383 (cf. p. 15, 16, 31).
[RME09] Brennan R USNELL, David M OULD et Mark E RAMIAN. “Feature-rich distance-based terrain
synthesis”. In : The Visual Computer 25.5-7 (2009), p. 573-579 (cf. p. 31).
[Št’+08] Ondřej Š T ’ AVA, Bedřich B ENEŠ, Matthew B RISBIN et Jaroslav K ŘIVÁNEK. “Interactive terrain
modeling using hydraulic erosion”. In : Proceedings of the 2008 ACM SIGGRAPH/Euro-
graphics Symposium on Computer Animation. Eurographics Association. 2008, p. 201-210
(cf. p. 17, 31).
[TGM12] Flora Ponjou TASSE, James E. G AIN et Patrick M ARAIS. “Enhanced Texture-Based Terrain
Synthesis on Graphics Hardware”. In : Computer Graphics Forum 31.6 (2012), p. 1959-
1972 (cf. p. 28, 31).
[Tha06] Andrew T HALL. “Extended-precision floating-point numbers for GPU computation”. In :

ACM SIGGRAPH 2006 research posters. 2006, 52-es (cf. p. 36).
[TS02] John Michael Tutill T HOMPSON et H Bruce S TEWART. Nonlinear dynamics and chaos. John
Wiley & Sons, 2002 (cf. p. 10).
[Tho07] Chris T HORNE. “Origin-centric techniques for optimising scalability and the fidelity of
motion, interaction and rendering”. Thèse de doct. 2007 (cf. p. 36).
[TJ10] Luther A T YCHONIEVICH et MD J ONES. “Delaunay deformable mesh for the weathering and
erosion of 3d terrain”. In : The Visual Computer 26.12 (2010), p. 1485-1495 (cf. p. 18).
122 B IBLIOGRAPHIE

[USG] USGS, E ARTH R ESOURCES O BSERVATION AND S CIENCE (EROS) C ENTER. USGS EROS
Archive - Digital Elevation - Shuttle Radar Topography Mission (SRTM) Void Filled. [Online ;
accessed 21-July-2020] (cf. p. 79).
[Van+11] Juraj VANEK, Bedrich B ENES, Adam H EROUT et Ondrej S TAVA. “Large-scale physics-based
terrain editing using adaptive tiles on the GPU”. In : IEEE Computer Graphics and Applica-
tions 31.6 (2011), p. 35-44 (cf. p. 17, 31).
[Vos85] Richard F V OSS. “Random fractal forgeries”. In : Fundamental algorithms for computer
graphics. Springer, 1985, p. 805-835 (cf. p. 21, 31).
[WNM19] Korneliusz K WARSZAWSKI, Sławomir S N IKIEL et Marcin M RUGALSKI. “Procedural Method

for Fast Table Mountains Modelling in Virtual Environments”. In : Applied Sciences 9.11
(2019), p. 2352 (cf. p. 21, 31).
[Web+18] Antoine W EBANCK, Yann C ORTIAL, Eric G UÉRIN et Eric G ALIN. “Procedural cloudscapes”.
In : Computer Graphics Forum. T. 37. 2. Wiley Online Library. 2018, p. 431-442 (cf.
p. 113).
[WSG07] Lakin W ECKER, Faramarz S AMAVATI et Marina G AVRILOVA. “Contextual void patching for
digital elevation models”. In : The Visual Computer 23.9-11 (2007), p. 881-890 (cf. p. 11,
28).
[Wei+09] Li-Yi W EI, Sylvain L EFEBVRE, Vivek KWATRA et Greg T URK. “State of the Art in Example-
based Texture Synthesis”. In : Eurographics 2009, State of the Art Report, EG-STAR. Munich,
Germany : Eurographics Association, mar. 2009, p. 93-117 (cf. p. 27).
[Wor96] Steven W ORLEY. “A cellular texture basis function”. In : Proceedings of the 23rd annual
conference on Computer graphics and interactive techniques. 1996, p. 291-294 (cf. p. 22).
[WGG99] Brian W YVILL, Andrew G UY et Eric G ALIN. “Extending the csg tree. warping, blending and
boolean operations in an implicit surface modeling system”. In : Computer Graphics Forum.
T. 18. 2. Wiley Online Library. 1999, p. 149-158 (cf. p. 24).
[Zha+19] Yiwei Z HAO, Han L IU, Igor B OROVIKOV, Ahmad B EIRAMI, Maziar S ANJABI et Kazi Z AMAN.
“Multi-theme Generative Adversarial Terrain Amplification”. In : ACM Transactions on
Graphics 38.6 (nov. 2019), 200 :1-200 :14 (cf. p. 11, 30, 31).
[Zho+07] Howard Z HOU, Jie S UN, Greg T URK et James M. R EHG. “Terrain Synthesis from Digital
Elevation Models”. In : IEEE Transactions on Visualization and Computer Graphics 13.4
(2007), p. 834-848 (cf. p. 11, 27, 31).
B IBLIOGRAPHIE 123
FOLIO ADMINISTRATIF
THESE DE L’UNIVERSITE DE LYON OPEREE AU SEIN DE L’INSA LYON
NOM : CORTIAL DATE de SOUTENANCE : 12/11/2020
Prénoms : Yann
TITRE : Synthèse de terrain à l’échelle planétaire
NATURE : Doctorat Numéro d'ordre : 2020LYSEI094
Ecole doctorale : InfoMaths (ED512)
Spécialité : Informatique
RESUME :
La synthèse de terrains virtuels à la fois vastes, détaillés, hétérogènes et explorables en temps-réel, constitue un des défis de
la modélisation de scènes naturelles. Les nombreuses méthodes de l’état de l’art ne proposent en général que de traiter des
scènes d’étendues limitées en topologie planaire. Dans cette thèse nous abordons la modélisation de terrain à l’échelle
maximale, c’est-à-dire planétaire. Peu de choses ont été proposées pour traiter ce problème qui dépasse, en termes de taille
du domaine, ce qui se fait classiquement, de quatre ordres de grandeur. Pour répondre à ce défi, nous proposons une solution
découplée originale à même de générer des planètes à l’échelle 1/1 présentant un bon niveau de réalisme. Notre architecture
prend tout d’abord en compte la géologie des planètes telluriques en mettant en œuvre une simulation guidée de tectonique
des plaques. Celle-ci permet la génération des caractéristiques à grande échelle des planètes telles les continents, le relief
océanique, les arcs d’îles ou encore les chaînes de montagnes. Ce modèle macroscopique est dans un second temps donné
en entrée d’une méthode d’hyper-amplification capable de produire des vues continues, détaillées, en temps-réel du terrain.
Cette seconde méthode procédurale s’appuie sur une pré-structuration du modèle macroscopique pour générer à la volée le
modèle détaillé final, dépendant de la vue caméra courante. Celui-ci est produit intégralement sur GPU par un procédé
massivement parallèle de subdivision stochastique, opérant à partir de règles dépendantes du niveau de détail. Notre solution
résout mieux certains problèmes inhérents aux quelques méthodes précédentes, toutes fractales, comme l’autosimilarité,
l’absence de variété des paysages produits et l’absence de contrôle utilisateur. Au final, les modèles planétaires que nous
produisons sont jugés plus réalistes, tout en étant plus contrôlables par des artistes.
MOTS-CLÉS : informatique graphique, modélisation de terrain, modélisation de planètes, modélisation procédurale, tectonique,
amplification de terrain, modélisation de rivières
Laboratoire de recherche : LIRIS (CNRS UMR 5205)
Directeur de thèse : Éric GUÉRIN
Président de jury : Éric GALIN
Composition du jury : Loïc BARTHE (Professeur des Universités, Université Paul Sabatier de Toulouse - Rapporteur), Marc
DANIEL (Professeur des Universités, Polytech Marseille - Rapporteur), Céline ROUDET (Maître de Conférences, Université de
Bourgogne - Examinatrice), Éric GALIN (Professeur des Universités, Université Claude Bernard Lyon 1 - Examinateur), Éric
GUÉRIN (Maître de Conférences, INSA Lyon - Directeur de Thèse), Adrien PEYTAVIE (Maître de Conférences, Université
Claude Bernard Lyon 1 – co-Directeur de Thèse)


These Synthèse de Terrain À L'échelle Planétaire

Transféré par

Droits d'auteur :

Formats disponibles

These Synthèse de Terrain À L'échelle Planétaire

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Synthèse de Terrain À L'échelle Planétaire

Transféré par

Droits d'auteur :

Formats disponibles

Synthèse de terrain à l’échelle planétaire

To cite this version:

HAL Id: tel-03186765

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

THÈSE DE DOCTORAT DE L’UNIVERSITÉ DE LYON

École Doctorale ED512

Spécialité de doctorat : Informatique

Soutenue publiquement le 12/11/2020 par :

Synthèse de terrain à l’échelle planétaire

Devant le jury composé de :

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

SIGLE ECOLE DOCTORALE NOM ET COORDONNEES DU RESPONSABLE

CHIMIE CHIMIE DE LYON M. Stéphane DANIELE

E.E.A. ÉLECTRONIQUE, M. Gérard SCORLETTI

E2M2 ÉVOLUTION, ÉCOSYSTÈME, M. Philippe NORMAND

EDISS INTERDISCIPLINAIRE Mme Sylvie RICARD-BLUM

INFOMATHS INFORMATIQUE ET M. Hamamache KHEDDOUCI

MATÉRIAUX DE LYON M. Jean-Yves BUFFIÈRE

MEGA MÉCANIQUE, ÉNERGÉTIQUE, M. Jocelyn BONJOUR

ScSo ScSo* M. Christian MONTES

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

La synthèse de terrains virtuels à la fois vastes, détaillés, hétérogènes et explorables en

Mots-clés : informatique graphique, modélisation de terrain, modélisation de planètes,

Allowing the real-time exploration of huge, detailed, heterogeneous synthetic terrains

Keywords : computer graphics, terrain modeling, planet modeling, procedural modeling,

3 M ODÉLISATION DE PLANÈTES PAR REPRODUCTION D ’ UNE TECTONIQUE 39

4 A MPLIFICATION DE PLANÈTES POUR LE RENDU DÉTAILLÉ TEMPS - RÉEL 77

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

On ne trébuche pas sur une montagne. On trébuche sur une pierre.

Tout comme l’astronautique, l’informatique graphique est jeune. Depuis sa naissance au

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

Figure 4 : Résultats du couplage des méthodes tectonique et d’hyper-amplification, donnant les

Table des matières

8 C HAPITRE 2. É TAT DE L’ ART

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

2.1 Synthèse de terrain classique

Avant d’aborder directement la synthèse de terrains à l’échelle maximale, il est judicieux de

2.1 S YNTHÈSE DE TERRAIN CLASSIQUE 9

2.1.1.1 Familles d’approches

On divise conceptuellement et classiquement le domaine en trois familles de méthodes

10 C HAPITRE 2. É TAT DE L’ ART

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

2.1.1.2 Modes de synthèse

La modélisation de terrain se décline classiquement selon plusieurs modes : synthèse pure,

2.1.1.3 La question du réalisme

2.1 S YNTHÈSE DE TERRAIN CLASSIQUE 11

2.1.1.4 Représentation des terrains

12 C HAPITRE 2. É TAT DE L’ ART

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

2.1.1.5 Contrôle utilisateur, contraintes sur les modèles

Beaucoup des méthodes de la littérature proposent de donner des capacités de contrôle,

2.1 S YNTHÈSE DE TERRAIN CLASSIQUE 13

14 C HAPITRE 2. É TAT DE L’ ART

Cette thèse est accessible à l'adresse : http://theses.insa-lyon.fr/publication/2020LYSEI094/these.pdf

Techniquement, l’action de la température et l’ajustement des roches qui en résulte serait

2.1.2.2 Érosion hydraulique

Le ruissellement de surface implique la présence d’eau en surface du terrain laquelle,

2.1 S YNTHÈSE DE TERRAIN CLASSIQUE 15