The Internet belongs to everyone. Let’s keep it that way.

Protect Net Neutrality
Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Control de Calidad de Datos LIDAR

No description
by

Xavier Galarza

on 24 November 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Control de Calidad de Datos LIDAR

Control de Calidad de datos LIDAR aerotransportado
en la zona austral del Ecuador

Objetivo General

Evaluar la calidad de un conjunto de datos LIDAR (Light Detection and Ranging) aerotransportado correspondientes a la zona austral del Ecuador mediante su comparación con datos medidos en terreno.

Objetivos Específicos

1. Recopilar datos medidos en terreno mediante GPS diferencial con precisión mayor que la ofertada por los datos LiDAR.
2. Evaluar de la precisión de los datos LiDAR en base a los datos levantados en campo.
Zona de Estudio
AUTOR:
Xavier Galarza Galarza
xavier.galarzag@hotmail.com

DIRECTOR
Omar Delgado Inga
odelgado@uazuay.edu.ec

ESQUEMA GENERAL
METODOLOGÍA
Zona Austral del Ecuador.
En donde la SENAGUA - DHS, ejecutó los estudios del Proyecto para Uso Múltiple del Agua (PUMA).

Para lo cual se realizó un vuelo fotogramétrico digital combinado con LiDAR
Zona de captación
del agua (Presa)
Canal de
conducción
Área servida
del proyecto
Provincias Azuay y Cañar (Cantones Paute y Azogues)
Altura 2 500 a 3 300 m s.n.m.
Consiste en realizar el control calidad de un MDT, generado a partir de los datos LIDAR levantados para el proyecto PUMA, mediante su comparación frente a elementos puntuales de mayor exactitud capturados con observaciones estáticas DGPS, a partir de procedimientos de muestreo para la revisión y posterior aceptación o rechazo del modelo.
Acogiendo en gran medida lo sugerido en Normas ISO 19100 las mismas que incluyen el componente de la calidad cartografica en las normas ISO 19113, 19114 y 19138
Consideraciones generales:
• Superficie de trabajo: 15.304 ha
• Tamaño medio del píxel (GSD): 8 cm
• Altura media del vuelo: 800 m
• Dirección de las pasadas: Rumbos Varios
• Recubrimiento longitudinal: 60 % ± 5 %
• Recubrimiento transversal: 30 % ± 5 %
• Nº de fotogramas de solape entre pasadas interrumpidas: 4 fotogramas
• Sistema de coordenadas a utilizar para los cálculos: UTM 17 S con referencia a WGS84.
Definidos los límites de las zonas, considerando los requerimientos técnicos
Planifica el vuelo combinado
Stereocarto
Resultados:
1. Centros de Puntos DMC: Centros de proyección planificados (ubicación exacta prevista para cada foto).
3. Huellas DMC: Cobertura las fotos proyectada sobre el terreno, (superficie que representará cada foto)
2. Líneas de LIDAR: Trazado que seguirá el avión, (es el mismo para LIDAR y para la cámara)
• Huellas LIDAR: Zona que cubren datos LIDAR.
Control de calidad
Información de partida:
• MDT SRTM obtenido del USGS, paso de malla 100 m, WGS84, UTM Zona 17 Sur.
• Coordenadas de los centros de proyección
• Datos de la cámara y escala de vuelo.
Archivos de salida:
• Base de datos del vuelo: contiene información para cada fotografía: su escala, recubrimientos longitudinal y transversal.
• Archivo gráfico de las huellas proyectadas en terreno
Stereocarto SL.
Parámetros a evaluar:
• Cobertura estereoscópica: Toda el área de vuelo debe tener cobertura estereoscópica.
• Recubrimiento longitudinal: 60% + 5%
• Recubrimiento transversal: 30% + 5% tanto en la zona baja como alta.
8, 21, 22, 23 y 24 de Agosto de 2012
MEDIOS TÉCNICOS EMPLEADOS
Distintos productos levantados en vuelo por cada uno de los sensores, se compilan en un formato propio del fabricante
Cámara digital: cada disparo captura 8 imágenes, una por cada cámara individual que conforma el sistema; 4 pancromáticas y 4 multiespectrales (rojo, verde, azul e infrarrojo cercano), resolución radiométrica de 12 bits por píxel
Al mismo tiempo GPS / INS capturan información de navegación y el tiempo GPS en que la cámara efectúa cada exposición
LiDAR genera nube de puntos capturando para cada pulso:
• Número de retorno
• Intensidad de la señal retornada
• Ángulo de barrido
• Tiempo transcurrido entre la emisión y la recepción del pulso
• Posición del sensor (GPS/IMU)
Procesamiento en gabinete para obtención de los productos finales

Cámara
LiDAR
MDS (1m)
MDT (1m)
1. Correcciones radiométricas
2. Correcciones geométricas.
3. Mosaicado de imágenes simples pancromáticas para conformar la imagen virtual
4. Obtención de imágenes a color por composición
5. Obtención de Imágenes Nivel 2
6. Obtención de Imágenes Finales
División de datos LiDAR en hojas de trabajo
Clasificación automática de los datos LiDAR
Clasificación inicial mediante algoritmos matemáticos automatizados, permiten tener una primera categorización de la nube de puntos LiDAR. Existen varios tipos de filtros: Basados en la pendiente, en la definición de un bloque mínimo, en superficies y en algoritmos de agrupación / segmentación Ibáñez (2008).
El filtro y los parámetros de configuración de éste, se establecen en función de las características de la zona de trabajo.
Clasificación Inicial nube de puntos LiDAR
Revisión y edición de la clasificación automática
Revisión de mapas de sombras
Inspección mediante visión estereoscópica
Revisión de las curvas de nivel.
Modelo Digital del Terreno
Modelo Digital de Superficie
Inspección directa de la nube de puntos
Se generan en base a categorías de los puntos, método mas usado triangulación
Primera fase: Planificación
Segunda: Levantamiento de información
El trabajo se desarrolló en dos partes,
Primera: control de calidad del MDT del área total de restitución del proyecto PUMA (6748 ha)

Segunda: control de calidad del MDT en cuatro sub áreas de trabajo
Factores influyentes en la calidad de los datos LIDAR (FEMA, 2003; NDEP 2004; Skinner, 2009; ASPRS, 2004): la cobertura de suelo y pendiente
Considerando ciertos criterios:
1. Tipo de muestreo: muestreo aleatorio simple.
2. Distribución espacial de la muestra: lo más homogénea (recomendaciones FGDC)
3. Necesidad de SENAGUA de validar la información en áreas de importancia (ejm: zona de embalce).
4. La facilidad de acceso al punto de muestreo con los equipos necesarios.
5. La precisión vertical del punto luego de haberlo levantado.
Ejecutado por Fiscalización y Supervisión del PUMA (PROMAS y SENAGUA), se utilizaron dos equipos DGPS marca Trimble modelos R4 y R8
Proceso de medición:
Posicionamiento estático rápido,
Mediciones continuas, con épocas de 5 segundos,
Período de observación entre 5 a 20 minutos
PDOP (Dilución de la Precisión de la Posición) inferior a 3
Máscara de elevación sobre los 10° (respecto al horizonte de la antena)


Resultado: 53 puntos levantados para el control de calidad del modelo digital del proyecto PUMA .
Software Trimble Business Center

Se Fija la base (Huintul) con el control horizontal y vertical (coordenadas conocidas WGS84), a partir de ésta se procesan los datos.
Resultados:
Puntos coordenadas U.T.M., precisiones altimétricas, planimétricas y de distancia, estos se presentan en reporte del programa (Disponible en SENAGUA)
Selección de Puntos de Control para Control de Calidad
ISO 19113: “Principios de la calidad”. Objetivo: establecer los principios para describir la calidad de un conjunto de datos, e informar sobre la misma. Esta norma establece que la descripción de la calidad de una base de datos geográfica puede realizarse mediante información no cuantitativa y cuantitativa. La primera se describe mediante los “elementos generales de la calidad” y es de carácter general, permite conocer el objetivo e historial de la información, asimismo posibles nuevas aplicaciones a más de las comunes; estos elementos generales se resumen en: propósito, uso y linaje del conjunto de datos geográficos. La primera parte del presente trabajo está totalmente ligada a estos elementos generales.
Por su parte la información cuantitativa de la calidad considera que hay aspectos del comportamiento de una base de datos geográficos que se pueden medir, esta información es descrita por los “elementos de la calidad” conocidos también como “componentes de la calidad del dato geográfico”, para cada elemento se establecen subelementos los mismos que permiten concretar el aspecto de calidad al que se refieren los elementos; éstos son:
1. Elemento Compleción: Detalla los errores de los subelementos omisión y comisión en los elementos, atributos y relaciones; es decir, define la presencia de elementos que no deberían estar presentes o la ausencia de otros que si deberían estar en la base de datos.
2. Elemento Consistencia Lógica: Trata del apego a las reglas lógicas del modelo, de la estructura de datos, de los atributos y de las relaciones. Considera los subelementos: consistencia conceptual, de dominio, formato, topológica. Para el caso existe un modelo “lógico” cuyas reglas se incumplen cuando hay: valores fuera de dominio, registros que no se apegan al formato establecido, o relaciones no consideradas en el modelo o la topología.
3. Elemento Exactitud Temporal: Trata de la exactitud conseguida en la componente temporal de los datos. Los subelementos de la exactitud temporal son: exactitud de la medida del tiempo, consistencia temporal, validez temporal. Hace referencia a la corrección de las referencias temporales asignadas a un elemento (informe del error en la medida del tiempo asignado), los eventos o secuencias ordenadas, si se indican, y a la validez de los datos respecto al tiempo.
4. Elemento Exactitud Temática: Describe la exactitud de los atributos cuantitativos o no cuantitativos y de la corrección de las clasificaciones de los elementos y de sus relaciones. Sus subelementos son: corrección de la clasificación, corrección de los atributos cualitativos, exactitud de los atributos cuantitativos. Por tanto, se observan dos niveles distintos de corrección, el de las clases y el de los atributos, diferenciando si éstos últimos son cuantitativos o cualitativos.
5. Elemento Exactitud Posicional: Corresponde a la exactitud alcanzada en la componente posicional de los datos. Los subelementos son: exactitud externa o absoluta, interna o relativa, exactitud para datos en malla. La exactitud absoluta se define como proximidad entre los valores de coordenadas del conjunto de datos en estudio y los valores verdaderos o los considerados como tales. La exactitud relativa se refiere a la posición relativa de los objetos de un conjunto de datos y sus respectivas posiciones relativas verdaderas o calificadas como verdaderas. La exactitud posicional de datos en malla es la proximidad de los valores de posición de los datos en estructura de malla regular a los valores verdaderos o reconocidos como fidedignos.
Los subelementos mencionados se registran con un paquete de siete descriptores obligatorios que informan sobre las medidas, éstos son:
1. Ámbito: El ámbito puede definirse como una serie de conjuntos de datos, a la que pertenece el conjunto de datos, el propio conjunto de datos, o una a agrupación más pequeña de datos, localizados físicamente en el conjunto y que comparten ciertas características comunes. Si no es posible identificar un ámbito, éste debe ser el conjunto de datos. Como ámbito se pueden utilizar: tipos de objetos, temas, extensiones espaciales o temporales, entre otros. Se debe identificar al menos un ámbito de la calidad por cada subelemento aplicable.
2. Medida: Para cada ámbito de la calidad se debe proporcionar una medida de la calidad, la misma que debe detallar brevemente y denominar el tipo de prueba a aplicar a los datos especificados por el ámbito; también debe incluir los valores límite de los parámetros.
3. Procedimiento de evaluación: Se debe proporcionar un procedimiento de evaluación de la calidad para cada medida Éste siempre debe describir, o hacer referencia a documentación que especifique la metodología empleada para aplicar cada medida a los datos especificados por su ámbito, se debe incluir un informe de la metodología.
4. Resultado: Se debe proporcionar un resultado por cada medida. El resultado de la calidad puede ser un valor o conjunto de valores numéricos o el resultado de evaluar el valor, o conjunto de valores, obtenidos frente a un nivel de conformidad especificado como aceptable.
5. Tipo del valor: Se debe especificar un tipo, éste se corresponderá a algunas de las tipologías; por ejemplo: byte, entero, real, entre otros.
6. Unidad del valor: Si procede, se debe proporcionar una unidad del valor para cada resultado de la calidad de datos. Así, las unidades correspondientes a una incertidumbre posicional podrán ser: metros (m), decímetros (dm), centímetros (cm), milímetros (mm), etc.
7. Fecha: Se debe proporcionar una fecha para cada medida, lo cual se realizará en conformidad con los requisitos del modelo temporal de la Norma ISO 19108.

La norma ISO 19114 (procedimientos de evaluación de la calidad) tiene como objetivo establecer un marco para la evaluación de la calidad y para informar respecto a esta evaluación, para lo cual establece un proceso estándar que se debe cumplir tanto si se dispone de especificaciones para la evaluación de la calidad como si no se dispone de ellas. Según esta norma, la evaluación de la calidad consiste en la obtención de índices de la calidad de un producto. Los pasos propuestos para cumplir este proceso son:
1. Identificar un elemento, subelemento y ámbito aplicables: Según la Norma ISO 19113, se deben identificar el elemento, subelemento y ámbito de la calidad a evaluar; este proceso se para las diferentes pruebas que sean requeridas por las especificaciones del producto, o de acuerdo a los requisitos de usuario.
2. Identificar una medida de la calidad. Es necesario definir para cada prueba a desarrollar: una medida de la calidad, el tipo de valor y, si es aplicable, la unidad de medida.
3. Elegir y aplicar un método para la evaluación de la calidad. Este paso guarda relación directa con las normas ISO 2859 y 3159. Es necesario elegir un método adecuado para la evaluación de la calidad de las medidas identificadas.
4. Establecer el resultado de la calidad de los datos. Con la aplicación del método se obtiene un resultado cuantitativo, un valor o conjunto de valores, una unidad de medida y la fecha de la prueba.
5. Determinar la conformidad. El resultado de la conformidad (cumple / no cumple) es la comparación del resultado cuantitativo de la calidad con un nivel de conformidad para la calidad predefinido en las especificaciones del producto o requerimientos del usuario.

La norma ISO 19138 tiene por objeto normalizar las medidas de la calidad a aplicar a la Información Geográfica, es decir, utilizar un conjunto de medidas que siendo conocidas, puedan ser de fácil y correcta interpretación por parte del productor y del usuario. La forma para normalizar las medidas es mediante la definición de un conjunto o selección de ellas y dotándolas de especificaciones que las definan de manera inequívoca, a estas especificaciones se las denomina en la norma “componentes técnicos” y son los siguientes:
1. Nombre de la medida. Si existe un nombre definido se lo debe usar, caso contrario se puede proponer uno apropiado.
2. Alias: Hace referencia a otro nombre o abreviatura reconocidos para la medida. Puede haber más de un alias.
3. Elemento de la calidad del dato: El establecido de acuerdo a la norma ISO 19113.
4. Subelemento de la calidad del dato: El establecido de acuerdo a la norma ISO 19113.
5. Medida básica: Se trata de la medida básica que es de aplicación en este caso y según son determinadas por esta propia norma.
6. Definición: Establece el concepto fundamental de la medida.
7. Descripción: Hace referencia a la medida y sus métodos de cálculo, incluyendo fórmulas, figuras, definición de los tipos de error en los que se basa, entre otros.
8. Parámetro: Es una variable auxiliar que utiliza la medida, se puede incluir nombre, definición, descripción, etc y puede ser necesario más de uno por ejemplo el parámetro de la tolerancia para los overshooets / undershoots.
9. Tipo de valor: Se trata de la tipología del dato que soportará el resultado, ejemplo: booleano, byte, entero, doble, etc.
10. Estructura: Es la estructura que se debe usar para informar sobre el resultado de la calidad, ésta puede ser un dato único, un vector, una matriz, entre otras.
11. Fuente: Referencia o cita la(s) fuente(s) bibliográfica sobre la medida de la calidad.
12. Ejemplo: Ejemplo(s) de aplicación de la medida y de su resultado.
13. Identificador: Valor entero que funciona como identificador único de la medida en un sistema de registro como ISO 19135.
Deben ser al menos tres veces más precisos que el conjunto de datos a evaluar (En este caso el error vertical máximo es 0.043 m). ASPRS, 2004.
38 puntos de control
Supera "n" sugerido por Ruano, NMAS, EMAS, NSSDA e IPGH
Cuatro Puntos seleccionados por cada subárea definida por cobertura de suelo y pendiente

Se consideró la precisión vertical más alta y la distribución espacial
La escala de representación de la cartografía generalmente establece los criterios de exactitud de ésta.
Por tanto, considerando:
Límite de percepción visual humano es de 0.25 milímetros, con un error no superior a 0.2 milímetros, por lo cual el error acumulado de un punto no debe superar este umbral trasladado a la escala del producto. En consecuencia, para una escala de módulo “M”, el umbral de exactitud posicional es igual a 0.2 x M, es decir, para cartografía a escala 1: 1000 el umbral de exactitud es igual a 20 cm Ariza, (2002a) en Mozas (2007); Por su parte, Ruano (2008) propone que la precisión para una cartografía a escala 1: 1000 deberá ser 0.25 m, es decir el intervalo de la curva de nivel dividido para cuatro
Se creó a partir de una nube de puntos con una densidad de un punto por m2, y que la precisión a priori de LIDAR es aproximadamente 15cm. Ibáñez, 2008; Skinner, 2009
Se generó un archivo vectorial de puntos a partir de las observaciones GPS (considerados como verdaderos por su precisión).
Se extrajo los datos de elevación del MDT (generado a partir de la nube de puntos LIDAR)
Se agrega a los atributos de los puntos de GPS generados en el paso anterior.
Para el análisis se estudiaron varias soluciones, Atkinson, García y Ariza (s/f); investigan cinco test para CCP en cartografía, éstos son:
1. El National Map Accuracy Standard (NMAS)
2. El Test EMAS / ASPRS Standar (Enineering Map Accuracy Standard/ American Society of Photogrammetry and Remote Sensing).
3. Test de la Fórmula de Koppe.
4. Test del USGS de categorías de exactitud de MDT propios de la ingeniería cartográfica


Resultados y Discusión
Primera parte: se ha comparado las alturas de los puntos de control de campo VS alturas del MDT en los 38 puntos elegidos para el área total de restitución del proyecto.
RMSE es menor a 25 cm por tanto la cartografía ha alcanzado el estándar de exactitud vertical predefinido
Segunda parte:
Análisis por cada sub área de interés
Cuando el territorio en estudio presenta pendientes débiles a irregulares (de 0 a 25%) y no existe cobertura herbácea, la precisión es mayor,
Conforme se presentan pendientes fuertes a abruptas (mayores a 25%) la precisión disminuye,
En presencia de vegetación herbácea sobre pendientes débiles a irregulares el RMSE disminuye
Nuevamente se incrementa cuando la vegetación herbácea se encuentra en pendientes mayores a 25%; en todos los casos la cartografía ha alcanzado el estándar de exactitud vertical predefinido.
Los objetivos del presente trabajo se han cumplido, pues se han recopilado los datos y se ha realizado un análisis sobre ellos, éstos cumplen con los requisitos de calidad sugeridos por organizaciones relacionadas con el manejo de cartografía como el APRS, USGS, IPGH, entre otros; así mismo cumplen con los parámetros propuestos por el IGM (quien también asume la propuesta del NSSDA) según el análisis realizado en la primera parte de este trabajo.
La precisión de los datos LIDAR se ve directamente influenciada por la cobertura de suelo y la pendiente del terreno por tanto son factores que se deben considerar al momento de la planificación del vuelo.
Los entes rectores en el manejo de la cartografía a nivel nacional deben normar de forma definitiva las metodologías de control de calidad cartográfico, ya sea asumiendo las propuestas emitidas por organismos internacionales, emitiendo unas propias o una combinación de las dos, ya que en el territorio ecuatoriano poseemos características propias que deben ser tomadas en cuenta.
Es imprescindible que se determine la calidad de la información geográfica y se la dé a conocer al usuario mediante los metadatos o reportes pertinentes, de esta manera se da un valor agregado a la información y se garantiza la integridad de la misma.
Conclusiones
PRUEBAS DE NORMALIDAD
MODELO PUMA
1: 1000
Acogiendo lo sugerido por Ruano, para el presente control de calidad el error máximo permisible fue de 25 cm.
1. El National Map Accuracy Standard (NMAS) que es el test empleado por el USGS desde 1947,
2. El Test EMAS / ASPRS Standar (Enineering Map Accuracy Standard/ American Society of Photogrammetry and Remote Sensing). Este test proporciona la exactitud de mapas topográficos a gran escala. Fue desarrollado por la American Society of Photogrammetry and Remote Sensing (ASPRS) junto con la American Society of Civil Engineers y el American Congress on Surveying and Mapping.
3. Test de la Fórmula de Koppe. emplean coeficientes derivados empíricamente para estudiar los efectos de las pendientes del terreno sobre el error medio en la componente vertical, según las relaciones establecidas por Koppe. : se emplea como alternativa al test NMAS
4. Test del USGS de categorías de exactitud de MDT propios de la ingeniería cartográficaempleado por el USGS para definir la exactitud de sus modelos digitales del terreno (MDT). el test está basado en el empleo de umbrales para el error máximo y el error medio cuadrático (RMSE).
5. Test NSSDA del Federal Geographic Data Committee (FGDC) con la obtención del RMSE para XY por un lado, y para Z por otro, calcula el error real de la muestra analizada en función de un determinado nivel de confianza impuesto por el usuario (generalmente el 95 %). Este test nos muestra un índice de calidad de la cartografía en unidades reales sobre el terreno. Este test viene a sustituir al NMAS y al ASPRS.
Por otra parte, a nivel nacional Ruano (2008) sugiere como norma adaptarse a la metodología de la National Standard for Spatial Data Accuracy - NSSDA (1998), además la norma ISO 19138 presenta al RMSE entre una de sus medidas propuestas.

Gracias
Según FEMA, 2003; NDEP 2004; Skinner, 2009; ASPRS, 2004; en presencia de vegetación y pendientes fuertes, la precisión de los datos LIDAR disminuye, sin embargo en este trabajo ha resultado que en la subárea tres (vegetación herbácea en pendiente menor a 25%), la precisión de los datos es mayor que la dos y la uno; esto podría ser debido a la variabilidad de los datos y es inherente a un proceso de muestreo, sin embargo la tendencia es a que la precsion disminuya.
5. Test NSSDA del Federal Geographic Data Committee (FGDC) con la obtención del RMSE para XY por un lado, y para Z por otro, calcula el error real de la muestra analizada en función de un determinado nivel de confianza impuesto por el usuario (generalmente el 95 %). Este test nos muestra un índice de calidad de la cartografía en unidades reales sobre el terreno. Este test viene a sustituir al NMAS y al ASPRS.
Por otra parte, a nivel nacional Ruano (2008) sugiere adaptarse a la metodología de la NSSDA, por tanto se acogió esta propuesta, aplicando la metodología NSSDA con un coeficiente de exactitud posicional a un 95% de confianza. Requisito, normalidad de los datos.

Finalmente se determina si la cartografía ha alcanzado el estándar de exactitud vertical predefinido.
El procedimiento comprendió:
1. Instalación de la estación de referencia (estación base) en un punto con coordenadas conocidas, hotel Rivera (Azogues),
2. Ubicación de punto temporal en zona del PUMA (Huitul) en el que se instaló la base (Antena R8), (la distancia base - móvil fue menor, precisión de datos es superior y tiempo de observación menor)
3. Levantamiento de puntos de control (dos antenas una R4 y otra R8) considerando parámetros de muestreo.
6. Número de puntos de control a levantar
Diversos tamaños de muestra (n) son recomendados:
a) National Map Accuracy Standard (NMAS), Enineering Map Accuracy Standard (EMAS), National Standard for Spatial Data Accuracy (NSSDA); sugieren n = 20
b) Instituto Panamericano de Geografía e Historia (IPGH) n = 30
c) Ordnance Survey (OS) n = 50,
d) Standardization Agreement (STANAG) n = 167.
e) Ruano 2008 (IGM) n = 20
Full transcript