Luis Iglesias Martínez (2), Jhonny I. Perez Montiel (3)

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Luis Iglesias Martínez (2), Jhonny I. Perez Montiel (3)"

Francisca Piñeiro Hidalgo
hace 5 años
Vistas:

Evaluación de modelos digitales de elevación derivados de fotogrametría por aeronaves remotamente pilotadas para el cálculo de áreas de inundación en zonas urbanas: el caso de estudio de la ciudad

Escobar Villanueva (Ponente) (1) Luis Iglesias Martínez (2), Jhonny I. Perez Montiel (3) (1) (3) Grupo de Investigación GISA, Facultad de Ingeniería.

1 Evaluación de modelos digitales de elevación derivados de fotogrametría por aeronaves remotamente pilotadas para el cálculo de áreas de inundación en zonas urbanas: el caso de estudio de la ciudad costera de Riohacha (Caribe colombiano) Trabajo presentado al XVII Congreso de la Asociación Española de Teledetección 6 octubre de 217, Murcia (España). Jairo R. Escobar Villanueva (Ponente) (1) Luis Iglesias Martínez (2), Jhonny I. Perez Montiel (3) (1) (3) Grupo de Investigación GISA, Facultad de Ingeniería. Universidad de La Guajira, Km 5 vía a Maicao, Riohacha-Colombia, jrescobar@uniguajira.edu.co (1), jpemon@uniguajira.edu.co (3) (2) E.T.S.I. de Minas y Energía Universidad Politécnica de Madrid. Dept. Explotación de Recursos Minerales y Obras Subterráneas. C/ Ríos Rosas, Madrid, España.luis.iglesias@upm.es

Introducción En la región latinoamericana existe una

y altas tasas de crecimiento urbano no planificado (Hoyos

Aumento en el riesgo local de inundaciones por cambio

, 213) Las Aeronaves remotamente pilotadas (Remotely

Visión Artificial, cámaras digitales y fotogrametría han

2 Introducción En la región latinoamericana existe una fuerte predisposición a eventos extremos de precipitación y altas tasas de crecimiento urbano no planificado (Hoyos et al., 213). Aumento en el riesgo local de inundaciones por cambio climático (Kundzewicz, Z.W., et al., 213) Las Aeronaves remotamente pilotadas (Remotely piloted aircraft RPAs) en consorcio con la Robótica, Visión Artificial, cámaras digitales y fotogrametría han irrumpido drásticamente la industria e investigación. Nuevas tecnologías apropiadas y de bajo coste han de ser evaluadas su aplicabilidad

3 Introducción Democratización de productos cartográficos ej: Modelos Digitales de Elevación (MDE) de alto nivel de detalle Aplicaciones en Ingeniería, Urbanismo y estudios hidráulicos/hidrológicos del territorio Oportunidad para el análisis y acción local frente a inundaciones en regiones (latinoamerica) donde recursos económicos y acceso a información geoespacial de detalle son una limitante Objetivo del trabajo: Evaluar la eficacia de los MDE derivados de RPA (ala fija) para el cálculo de inundaciones a escala de detalle en zonas urbanas.

Metodología (delimitación) Zona Estudio: (Subcuenca

(CREACUA, 214) Delimitación temporal: Evento

TR 84 años (Nardini y Gomes, 214) 5 m Mar Caribe

4 Metodología (delimitación) Zona Estudio: (Subcuenca Urbana Riohacha) Proyecto Adaptación Urbana Verde (CREACUA, 214) Delimitación temporal: Evento histórico mas adverso 18 septiembre de 212. TR 84 años (Nardini y Gomes, 214) 5 m Mar Caribe Riohacha N Cobertura vuelos RPAS (35 ha) Subcuenca Urbana (32.2 ha)

Metodología Flujo de Trabajo con un RPA Planificación del vuelo Inicio Ejecución del plan de vuelo

requerimientos y necesidades: Área a cubrir, GSD deseado (cm/pixel), tipo sensor, definición % de

aéreo Generación automática del plan de vuelo: altura, líneas y tiempo de vuelo Reconocimiento en campo

Post ajustes de ser necesario Definición de puntos de control en terreno (GCP) para amarre de productos

Definición de zona segura de lanzamiento y aterrizaje.

Seguimiento en vuelo de parámetros: Nivel de batería, avance del tiempo de vuelo y velocidad del viento

procesado en oficina No Generación nube densa de puntos: Reconocimiento automático de pares

5 Metodología Flujo de Trabajo con un RPA Planificación del vuelo Inicio Ejecución del plan de vuelo (Adquisición de datos) Procesamiento de datos de vuelo (Obtención de productos) Análisis de requerimientos y necesidades: Área a cubrir, GSD deseado (cm/pixel), tipo sensor, definición % de recubrimiento entre imágenes Análisis de riesgos y seguridad: en tierra y otros usuarios del espacio aéreo Generación automática del plan de vuelo: altura, líneas y tiempo de vuelo Reconocimiento en campo y verificación del plan de vuelo. Post ajustes de ser necesario Definición de puntos de control en terreno (GCP) para amarre de productos a la red geodésica oficial y nivel de precisión requerida en X,Y y Z. Definición de zona segura de lanzamiento y aterrizaje. Cargado de misión en el RPA Ejecución del vuelo fotogramétrico autónomo con ayuda del autopiloto Seguimiento en vuelo de parámetros: Nivel de batería, avance del tiempo de vuelo y velocidad del viento Correcta adquisición de imágenes geocodificadas Si Almacenamiento de imágenes geocodificadas para el procesado en oficina No Generación nube densa de puntos: Reconocimiento automático de pares estereoscópicos entre imágenes en software de fotogrametr ía digital (Aereotriangulación) Reprocesamiento de la nube densa con los GCP Generación de T.I.N (Malla de triángulos irregular) Generación del modelo digital de superficie MDS y nubes de puntos a diferentes densidades Generación ortoimagen rectificada Fin

Metodología (equipos y proceso) Equipo RPA empleado Parámetros del

m de altitud, - GSD = 1cm/pixel, - 7 % de solapamiento - 5 puntos

6 Metodología (equipos y proceso) Equipo RPA empleado Parámetros del vuelo ejecutado: - 3 vuelos para completar - 35 ha, - a 3 m.s.n.m de altitud, - GSD = 1cm/pixel, - 7 % de solapamiento - 5 puntos control (Error cuadrático medio RMSE =.81m). 45 min autonomía (cond. normales) 96 cm.69 kg Sensor: Cámara RGB Canon de la series11: Visible (Tamaño del sensor 7.6mm x 5.7mm) Hardware y software para postproceso Ordenador: Intel Core i7-67hq 2.4Ghz, 12 GB RAM. Software fotogramétrico Modelo Digital Superficie MDS RPA Modelo Digital Terreno MDT RPA

MDS RPA y MDT RPA procedente fotogrametría PIX4D 2. xy=east,north Coord.

7 Metodología (análisis) Cálculo de la extensión de inundación en S.I.G GRASS r.lake.xy ==> Volumen, área y mapa (raster de profundidades ) Entrada de datos 1. dem=name *.TIFF. MDS RPA y MDT RPA procedente fotogrametría PIX4D 2. xy=east,north Coord. Punto topográfico mas bajo de llenado de la subcuenca 3. wl=float Nivel del agua (h) en metros; Datos de simulación MODCEL para un TR de 84; h Max =1.22 mt. (Nardini y Migues., 216). ) Celda 74 en MODCEL (Frontera 5 m micro Cuenca urbana)

Metodología (análisis) Comparación MDE RPA Vs MDE LiDAR MDE RPA

28) LiDAR light detection and ranging RPA + Fotogrametría digital

distancia: referente máximo para estudios de inundaciones Ejem:

uk Calculo histogramas de elevación y estadísticos descriptivos

Calculo mapa diferencias de elevación entre MDE (Calculadora

i) Mapas de profundidad h (m) del evento histórico extremo y

8 Metodología (análisis) Comparación MDE RPA Vs MDE LiDAR MDE RPA MDE LiDAR State of the Art LiDAR de referencia para la zona (año 28) LiDAR light detection and ranging RPA + Fotogrametría digital Criterios para comparación de resultados Deteción por luz y distancia: referente máximo para estudios de inundaciones Ejem: PNOA, Environment Agency - data.gov.uk Calculo histogramas de elevación y estadísticos descriptivos para ambos modelos obtenidos. Calculo mapa diferencias de elevación entre MDE (Calculadora Raster en SIG). i) Mapas de profundidad h (m) del evento histórico extremo y profundidad máxima, ii) cálculo del área (mtr2) y iii) volumen inundado (m3). Estimación del RMSE de una muestra de profundidades de los MDE LiDAR y RPA (n=3) DTM LIDAR MDS LIDAR Resolución espacial de 1m

9 = 4.37 m σ = 3.1 m = 5.8 m σ = 3.25 m Resultados Max 21.2 m Min -.6 m Max m Min.27 m MDS LiDAR Comparación hillshade y estadiscos descriptivos de los MDE MDT LiDAR versus MDT RPA. MDS RPA b) a) MDS LiDAR versus MDS RPA 5 m N = 1.67 m σ =.81 m = 1.87 m σ =.86 m = 4.37 m σ = 3.1 m = 5.8 m σ = 3.25 m Max 4.56 m Min.9 m Max 6.99 m Min.33 m Max 21.2 m Min -.6 m Max m Min.27 m MDT LiDAR MDT RPA MDS LiDAR MDS RPA

81 3. m 3.1 2 m dif MDT LiDAR-RPA..37 m.38 1.2 m 1.

10 Resultados Mapas de diferencias entre los MDE RPA versus MDE LiDAR 5 m N a) b) dif MDS LiDAR-RPA..8 m m m dif MDT LiDAR-RPA..37 m m m Muy similar Medianamente similar Muy diferente

11 Resultados N Mapas de inundación MDS (TR 84 años) del RPA con respecto al LiDAR 1.32m 1.44 m MDT LiDAR.5 m MDT RPA.2 m 5 m

12 Resultados N Mapas de inundación MDS (TR 84 años) del RPA con respecto al LiDAR 1.51 m 1.56 m MDS LiDAR.6 m MDS RPA.6m 5 m

13 Resultados MDS Profundidad Máxima (metros) MDS Área inundada (m 2 ) MDS Volumen inundado (m 2 ) 1,8 1,6 1,4 1,2 1,8,6,4,2 1,59 RPA RMSE =,22 1,51 LiDAR RPA LiDAR RPA LiDAR 1,6 1,4 1,2 1,8,6,4,2 MDT Profundidad Máxima (metros) 1,43 1,32 RMSE =, MDT Área inundada (m 2 ) MDT Volumen inundado (m2) RPA LiDAR RPA LiDAR RPA LiDAR

14 Resultados

15 Discusión Diferencias notables a nivel del MDT RPA con respeto MDS LiDAR, causando una sobredimensión de la inundación al no considerar artefactos como los edificios que suponen un volumen considerable Contrario, el MDS RPA coincide en términos generales con el del MDS LiDAR, pese a la amplia diferencia en resolución espacial, aunque con reducidas diferencias. Costo /eficiencia del RPA competitivo, pero muy restrictivo para grandes áreas. Siguiere modelización de inundaciones en zonas urbanas MDS con RPA. (solo construcciones y terreno, sin vegetación y ruido) Etapa adicional al final del flujo de trabajo con RPAs, la clasificación y filtrado de artefactos de la nube de puntos cruda (edificaciones y vegetación) Uso y adaptación algoritmos de clasificación de puntos LiDAR mejora modelos RPA

16 Conclusiones Productos del MDE del RPA son aceptables para la modelación hidráulica de inundaciones a nivel de superficie, es decir considerando edificaciones y terreno exclusivamente. Existen limitaciones de capacidades de cómputo y restricciones de escala que repercuten reduciendo el área efectiva a cubrir Flujo de trabajo confiable y muy competitiva en términos de costos, solución factible para técnicos y científicos en estudios de detalle y gestión local. Desafíos de investigación futura: Completar flujo de trabajo con el optimizado del tratamiento semiautomático en la nube densa de puntos preliminar, Superar las restricciones de cobertura y normativas locales Gestionar fácilmente cantidades ingentes de información digital

Documentos relacionados

José María Bernabé Confederación Hidrográfica del Segura. Ministerio de Agricultura, Alimentación y Medio Ambiente. Miguel Ángel Cánovas -

José María Bernabé Confederación Hidrográfica del Segura. Ministerio de Agricultura, Alimentación y Medio Ambiente. Miguel Ángel Cánovas - Confederación Hidrográfica del Segura. Ministerio de Agricultura,