Layout uniforme WebP: axes fixes + aspect='equal' pour superposition géolocalisée

- Positions d'axes fixes (data_left/bottom/width/height_frac) pour alignement
  pixel-parfait entre terrain et ortho/topo
- aspect='equal' au lieu de 'auto' pour conserver les proportions géographiques
- Colorbar descriptive pour les visualisations RGB (ortho/topo)
- Comblage des petits trous DTM (< 1m) via rasterio.fill.fillnodata
- Suppression de la visualisation "dépressions"
- Hillshade composite: 0.7*hillshade + 0.3*cos(slope)
- D8 flow accumulation accéléré par numba JIT (fallback Python)
- Flag --keep-tif pour conserver les TIFF intermédiaires
- --force supprime aussi les TIF existants avant régénération
- ETA affiché pendant la génération des visualisations
- Répertoires temp dans temp/ pour traitement parallèle

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

lidar_pipeline/dtm.py

@@ -289,13 +289,25 @@ def create_dtm_fast(las_file, basename, dtm_dir, resolution):
         dtm = stat.statistic.T
         dtm = dtm[::-1, :]  # Flip Y so north is at top
 
-        # Keep NaN for zones without LiDAR data — no interpolation
+        # Fill small gaps (< 1m from existing data) while keeping large gaps as NaN
         nan_count = np.count_nonzero(np.isnan(dtm))
         if nan_count > 0:
             total = dtm.size
             nan_pct = 100.0 * nan_count / total
             logger.info(f"    {nan_count:,} pixels sans données ({nan_pct:.1f}%)")
 
+            max_gap_pixels = max(1, int(1.0 / resolution))
+            from rasterio.fill import fillnodata
+            valid_mask = ~np.isnan(dtm)
+            dtm_filled = fillnodata(dtm, mask=valid_mask, max_search_distance=max_gap_pixels)
+            small_gap_mask = np.isnan(dtm) & ~np.isnan(dtm_filled)
+            filled_count = np.count_nonzero(small_gap_mask)
+            if filled_count > 0:
+                dtm = np.where(small_gap_mask, dtm_filled, dtm)
+                logger.info(f"    {filled_count:,} petits trous comblés (< {max_gap_pixels}px)")
+            remaining = np.count_nonzero(np.isnan(dtm))
+            logger.info(f"    {remaining:,} pixels restent sans données (grands écarts)")
+
         # Save as GeoTIFF
         output_tif = dtm_dir / f"{basename}_dtm.tif"
         transform = from_bounds(min_x, min_y, max_x, max_y, width, height)