En la remota isla de Tristan da Cunha, se integrarán imágenes de alta resolución de satélites y drones para crear un modelo de elevación digital preciso.
Los modelos digitales de elevación (DEM) globales de resolución media, como SRTM y ASTER GDEM, han apoyado la investigación en geociencias durante más de 20 años. Sin embargo, muchas aplicaciones ambientales y relacionadas con peligros, como el riesgo de deslizamientos de tierra, inundaciones y modelado de procesos superficiales, requieren datos topográficos más detallados y precisos. Los vuelos aéreos con LiDAR o fotogrametría pueden lograr una precisión subdecímetro, pero son costosos y logísticamente difíciles o imposibles de usar en entornos remotos. Como resultado, los DEM de alta resolución derivados de imágenes satelitales de muy alta resolución (VHR) e imágenes de drones de baja altitud se están volviendo cada vez más importantes como alternativa.
Características y terminología del sensor.
Aunque la terminología de resolución espacial de la distancia de muestreo terrestre (GSD) varía según el dominio, en este estudio se adopta la siguiente definición:
Baja resolución: >30 m Resolución media: 30 a 5 m Alta resolución: 5 a 1 m Muy alta resolución (VHR): <1 m
Las imágenes de drones con un GSD aproximadamente un orden de magnitud más fino que el satélite VHR se tratan como una categoría separada de resolución ultra alta.
A pesar de las imágenes espectrales de resolución media de las misiones Landsat o Sentinel, los DEM globales todavía dependen en gran medida de SRTM y ASTER, los cuales contienen artefactos, vacíos y problemas de alineación. Esto motivó la creación de productos mejorados, como los 90 millones de DEM libres de vacíos y conjuntos de datos comerciales como Airbus WorldDEM. Los DEM comerciales ofrecen mayor precisión pero siguen siendo caros.
Evolución del DEM derivado de satélite
La extracción DEM estéreo a partir de imágenes espaciales comenzó con la adquisición SPOT cruzada. Los satélites modernos (como WorldView 2/3) ahora ofrecen estéreo en pista, geometrías de adquisición más favorables y GSD pancromáticos de hasta 0,3 m. También incluye información de órbita/actitud de alta precisión, proporcionando una geolocalización absoluta alrededor de los 5 metros d.C. Combinado con potentes algoritmos como el emparejamiento semiglobal (SGM), puede generar modelos de superficie densos y detallados.
Avances y limitaciones de la fotogrametría con drones
Los drones de bajo costo equipados con cámaras civiles y sistemas GNSS/IMU se han convertido en algo común para mapear áreas pequeñas. Aunque estos sistemas producen nubes de puntos muy densas (cientos de puntos por metro cuadrado), el posicionamiento absoluto sigue siendo débil debido a GNSS no corregido y a una calibración inestable de la cámara. La sólida geometría del bloque de imágenes y los puntos de control terrestre (GCP) son esenciales para una precisión de altitud confiable.
Objetivos y antecedentes de la investigación.
Este estudio investiga cómo se pueden integrar imágenes satelitales VHR y datos de drones para crear un DEM preciso de alta resolución de Tristan da Cunha, una de las islas habitadas más aisladas del mundo. La isla está tan lejos de los principales continentes que no se puede cartografiar mediante fotogrametría aérea tradicional. Además, el mal tiempo, el terreno empinado y las frecuentes nubes complican la adquisición tanto de satélites como de drones. Una red de control geodésico recientemente establecida en la isla dentro del único asentamiento proporcionó la referencia terrestre precisa necesaria para una generación DEM precisa.
Sitios de datos e investigación.
Tristan da Cunha es una isla aproximadamente circular, de aproximadamente 12 km de diámetro y aproximadamente 96 km² de superficie, que se eleva abruptamente desde el nivel del mar hasta Queen Mary’s Peak, 2062 m sobre el nivel del mar. Se encuentra en medio del Océano Atlántico y no es accesible en avión. Los conjuntos de datos disponibles incluyen:
SRTM y ASTER DEM (ambos contienen ruido y vacíos) Archivos DigitalGlobe/Maxar VHR (QuickBird, WV2, WV3) Imágenes de drones de dos misiones DJI Phantom 3 GCP de alta precisión del estudio GNSS/Total Station
SRTM y ASTER se fusionaron utilizando el método de fusión de terreno de BAE para generar un DEM de resolución media (mDEM), que luego se utilizó como datos semilla iniciales para la comparación estéreo. De las 94 escenas satelitales, 3 fueron seleccionadas como “tripletes de imágenes” principales y 10 más fueron seleccionadas para áreas residenciales en función de la cobertura de nubes, la calidad de la radiación, la geometría de visualización y la relación de altura de la base (~0,6).
Los vuelos de los drones produjeron 373 imágenes con una fuerte diversidad geométrica. Nueve GCP medidos con precisión garantizan una georreferenciación precisa.
metodología
procesamiento satelital
El flujo de trabajo de fotogrametría se realizó por separado con tres paquetes comerciales:
• BAE SocetGXP
• Hexágono Eldas Imagina
• PCI Geomática
Los procesos comunes incluyen generación de puntos de enlace, triangulación y extracción de terreno con algoritmos NCC, NGATE, ATE o SGM. La comparación se realizó jerárquicamente, comenzando desde un DEM semilla de 30 m y ajustándose iterativamente a GSD de 10 m, 5 m, 2 m y 1 m.
procesamiento de drones
Pix4D Mapper manejó la autocalibración, la triangulación y la generación de nubes de puntos. Se probaron varias configuraciones de GCP.
fusión de datos
Las nubes de puntos espaciales y las nubes de puntos de drones se integraron mediante alineación geodésica directa, y las comparaciones basadas en ICP se utilizaron únicamente para la validación.
resultado
Triangulación satelital y calidad DEM
Las escenas WV2 y WV3 mostraron una excelente geolocalización inicial, con residuos inferiores a 0,5 m, mejores que las especificaciones publicadas. Solo se requirió un GCP y un punto de control para coordinar los bloques.
El rendimiento del DEM varía de la siguiente manera:
• SocetGXP ATE: el DEM de 2 m más limpio
• SocetGXP NGATE: DEM de 1m denso pero ruidoso
• Erdas eATE: menor ruido, calidad comparable
• SGM (Erdas): muy denso (espaciado de ~1 m) pero requiere un fuerte filtrado de ruido
• PCI Geomatica: DEM de 2m de alta calidad del mejor par estéreo. Agregar más imágenes aumenta el ruido debido a las diferencias temporales.
Triangulación y precisión de drones
Sin GCP, el GNSS de drones proporcionaba mediciones de área sólidas pero poca precisión de altura. Nueve GCP tuvieron reducciones de residuos a nivel de centímetros para todos los componentes. La densa nube de puntos alcanzó >500 puntos/m² en la zona del puerto, pero un poco menos dentro del asentamiento.
Integración y comparación
El control geodésico permite una alineación casi perfecta entre los datos obtenidos por satélite y drones sin rotación ni corrección de escala. El PCI demostró que:
• Desplazamiento promedio: 0,26 m → 0,14 m después de un movimiento menor
• Diferencia de altura: promedio de 0,01 metros, típico de 0,22 metros. revelador.
El producto integrado cubrirá la isla con una resolución de aproximadamente 1 a 2 m, y los detalles del puerto se mostrarán a nivel de centímetros.
conclusión
Las investigaciones han demostrado que:
1. Las imágenes satelitales VHR, si se seleccionan y procesan cuidadosamente, pueden reemplazar de manera confiable la cartografía aérea en áreas remotas.
2. La selección de imágenes (forma, radiometría, cobertura de nubes, proximidad temporal) es más importante que la selección del algoritmo de coincidencia.
3. La fotogrametría con drones proporciona detalles locales extremadamente finos cuando está respaldada por GCP de alta calidad y una geometría de bloque robusta.
4. La combinación de datos satelitales y de drones produce un DEM multiescala completo y preciso, incluso en condiciones ambientales adversas.
El trabajo futuro debería aprovechar el estéreo multivista en un subconjunto de satélites más grande para lograr una mayor integridad en terrenos empinados y utilizar archivos satelitales multitemporales para el monitoreo de peligros y la detección de cambios. El dron continúa brindando detalles de resolución ultra alta cuando es necesario.
entender
Este proyecto fue financiado por la Universidad de Luxemburgo y llevado a cabo por el Dr. Dietmar Bax y la profesora Felicia Teferle. Se puede acceder al texto completo de esta contribución de Space en https://doi.org/10.3389/feart.2020.00319 y forma parte de la tesis doctoral del Dr. Backes.
Tenga en cuenta: Este es un perfil comercial.
Este artículo se publicará en un próximo número de Special Focus Publication.
Source link
