En este artículo descubrirás cómo aplicar dos tipos de interpolación (TLI e IDW) simultáneamente a una nube de puntos LIDAR, habiendo segmentado la nube en dos tipos de zonas.
Tutorial Procesamiento de datos HD LIDAR con QGis
2- Descargue los datos del IGN HD LIDAR y cárguelos en QGis
3- Herramientas para datos LIDAR en QGis 3.32
4-Colorear una nube de puntos a partir de una ortofoto
5-Colorear a partir de una imagen con LAStool
6- Modelo digital de superficie (MDS) con CloudCompare y LAStools
7- Créer un Modèle Numérique de Terrain avec CloudCompare
8- Creación de un Modelo Digital del Terreno con LAStools
9- Creación de un Modelo Digital de Entidades con Open Lidar Toolbox.
10-Función de la interpolación en el contexto del Modelo Digital de Elevación (MDE)
La interpolación tiene una influencia significativa en la precisión y la calidad visual del Modelo Digital de Elevación (MDE) final. Este proceso consiste en ajustar una superficie a los datos de elevación de puntos superponiéndolos a una cuadrícula definida por un tamaño de celda específico. Es importante señalar que los puntos obtenidos como resultado de este proceso se deducen de los datos originales y no corresponden directamente a los puntos de datos reales.
Interpolación espacial: un gran reto
Interpoladores disponibles
A pesar de los numerosos esfuerzos realizados en la materia, la interpolación sigue siendo un reto importante. Los métodos existentes para generar MDE a partir de datos LiDAR aerotransportados tropiezan con obstáculos importantes, sobre todo en contextos de proyectos en los que las zonas presentan características no terrestres densas o paisajes complejos. La abundancia de análisis destinados a evaluar la precisión demuestra la complejidad de elegir el método de interpolación adecuado, ya que cada método tiene sus propias ventajas e inconvenientes específicos.
En la práctica, se sabe que los métodos basados en el krigeaje generan MDE con mayor precisión, pero ello requiere más recursos informáticos. Enfoques como la ponderación inversa de la distancia (IDW), el método del vecino más cercano y la triangulación con interpolación lineal (TLI) permiten obtener MDE más precisos. En particular, la triangulación con interpolación lineal (TLI) y el método del vecino más próximo son métodos sencillos y rápidos para crear MDE relativamente precisos. Sin embargo, su rendimiento disminuye y su sensibilidad a la topografía aumenta a medida que aumenta la resolución espacial del MDE.
El método Spline parece ofrecer un compromiso entre el tiempo de cálculo y la precisión a alta resolución. Aunque es muy preciso a alta resolución, su fiabilidad disminuye a baja resolución.
Los problemas inherentes a cada interpolador
En contraste con la profusión de trabajos dedicados a la interpolación de Modelos Digitales de Elevación (MDE), la interpolación de Modelos Digitales de Rasgos (MDE) específicos de la arqueología sólo ha sido explorada hasta ahora brevemente en un reducido número de estudios, lo que ha dado lugar a conclusiones divergentes: TLI, Kriging, Spline Interpolation y el método del vecino más próximo han sido señalados como los interpoladores más adecuados.
Hasta la fecha, se considera que, a pesar de la superioridad de Kriging en términos de resultados, actualmente es el interpolador de distancia inversa ponderada (IDW) el que se adapta específicamente a la arqueología, principalmente por su facilidad de acceso.
Sin embargo, esto no significa que la interpolación de distancia inversa ponderada (IDW) esté libre de fallos. En las zonas donde el muestreo es muy insuficiente (donde la densidad de puntos de medición es muy inferior a la densidad de celdas de la cuadrícula), IDW genera un patrón relativamente denso de artefactos negativos de interpolación, lo que da lugar a errores en forma de valores negativos exagerados. En zonas moderadamente submuestreadas, los resultados serán visualmente más satisfactorios, ya que no habrá artefactos positivos. Sin embargo, pueden observarse artefactos negativos muy pequeños y un ligero efecto de escala (que aparecen como artefactos de escala de pez) en las pendientes. Aunque este efecto no es especialmente molesto a la vista, podría inducir a error a un observador inexperto (o incluso a un observador experimentado en ausencia de metadatos adecuados) y llevarle a concluir erróneamente que la formación está aterrazada.
En zonas ligeramente inframuestreadas, el IDW tiende a mostrar ruido de datos resultante de la configuración de los puntos de medición, que podría confundirse con rasgos geológicos o de otro tipo. En las zonas en las que la densidad de los puntos de medición es igual o superior a la de las celdas de la cuadrícula, el IDW conduce a un suavizado excesivo, que no es la solución óptima para una interpolación adaptada al contexto arqueológico.
El kriging ordinario destaca como interpolador de alta calidad, pero aún no está ampliamente disponible en la mayoría de los programas informáticos pertinentes. Si se mejorara su accesibilidad, podría convertirse rápidamente en la opción preferida para la interpolación específica de la arqueología. Por otro lado, la opinión más extendida destaca el potencial de un interpolador híbrido que fusionaría las características de IDW y TLI. Estos dos métodos se distinguen por su gran accesibilidad y su moderado coste de aplicación. Mientras que el TLI es la mejor opción para zonas con sobremuestreo, el IDW destaca en zonas con submuestreo.
Creación de un interpolador híbrido
En el pasado faltaba un elemento clave para la creación de un interpolador híbrido de este tipo. Se trataba de la falta de un método de segmentación adecuado para dividir los datos en zonas que se adaptaran mejor a cada interpolador. Recientemente, este problema se ha resuelto mediante el uso de análisis de árboles de clasificación y regresión para generar un mapa de predicción de la incertidumbre del Modelo Digital del Terreno (MDT). Este método se ha adaptado, en el plugin Open Lidar Toolbox, para crear un mapa de confianza específico de arqueología para el Modelo Digital de Rasgos (MDE), asignando un nivel de confianza que va de uno a seis a cada celda de la cuadrícula. Este enfoque permite cuantificar la calidad del Modelo Digital de Características a nivel de píxel.
El mapa de confianza
Cuando se evaluaron los interpoladores con respecto al mapa de confianza del MDE, se observó que el método de triangulación con interpolación lineal (TLI) funcionaba mejor en las zonas con niveles de confianza cinco y seis, y daba buenos resultados en los niveles tres y cuatro. Una vez resuelto el problema de la segmentación, quedaba el reto de aplicar el interpolador híbrido. Por definición, los interpoladores TLI e IDW producen modelos de cuadrícula ligeramente diferentes.
Si estos dos modelos se combinaran simplemente utilizando la calculadora de trama, aparecerían artefactos en forma de escalones en las zonas de transición entre los dos interpoladores. Aunque este fenómeno es intrínseco a cualquier interpolador híbrido y no puede eliminarse por completo, puede mitigarse. En Open Lidar Toolbox se han implementado tres medidas de mitigación distintas.
Soluciones para hibridar dos interpoladores
En primer lugar, las zonas de transición pueden reducirse mediante una operación de desfragmentación. En determinadas condiciones del paisaje y/o de recogida de datos, los valores del mapa de confianza aparecen en forma de fragmentos dispersos. En tales circunstancias, la zona de transición aumenta exponencialmente, lo que reduce los efectos positivos de la interpolación híbrida. Este problema puede resolverse imponiendo un tamaño mínimo para cada zona de interpolación, que sería mucho mayor que el tamaño de una sola celda.
El método estadístico zonal con una vecindad de 11 celdas se seleccionó como el más eficaz. Esta elección estuvo motivada por el hecho de que esta vecindad garantiza la ausencia de zonas inferiores a 6 celdas, lo que asegura la coherencia de los análisis.
También hay que señalar que las diferencias entre los interpoladores TLI e IDW no son uniformes. Sus variaciones son más pronunciadas en las zonas de confianza tres y cuatro, lo que da lugar a diferencias relativamente pequeñas entre los dos interpoladores en estos rangos de confianza. Como resultado, las transiciones entre los dos interpoladores son más suaves y menos perceptibles cuando los niveles de confianza están entre tres y cuatro.
Además, se tomaron medidas para mitigar el efecto restante de las transiciones entre interpoladores. Una de las estrategias adoptadas fue la introducción de una zona tampón en las zonas de contacto, donde la elevación se calcula como la media ponderada entre los resultados de los interpoladores TLI e IDW. Se realizaron varios experimentos con zonas tampón de una, tres y cinco celdas, con medias ponderadas. En la mayoría de los casos, los resultados fueron similares, aunque en algunos casos extremos, el uso de buffers mayores produjo artefactos más significativos. En consecuencia, se decidió utilizar un búfer de una celda para alcanzar un compromiso óptimo.
Se puso de manifiesto que podían formarse artefactos «donut» cuando las zonas de nivel de confianza 1 del mapa DFM eran directamente adyacentes a zonas de nivel 4 o superior. Para resolver este problema, se amplió la zona de contacto, es decir, se desplazó más hacia las zonas de nivel cuatro: un desplazamiento de tres celdas resultó ser una solución adecuada para esta situación.
Cómo funciona la interpolación híbrida
Se cumplen todas las condiciones necesarias para la interpolación híbrida. El proceso es el siguiente:
- En primer lugar, se interpola toda la nube de puntos utilizando ambos métodos de interpolación.
- A continuación, se divide el área en segmentos reclasificando el mapa de confianza DFM en dos categorías distintas: segmentos «rojos» (correspondientes a los niveles uno a tres para IDW) y segmentos «azules» (correspondientes a los niveles cuatro a seis para TLI).
- A continuación, se lleva a cabo una desfragmentación, seguida de un desplazamiento de tres celdas.
- Además, se define una zona tampón de contacto de una celda de ancho. Dentro de esta zona tampón, se utiliza el valor medio de elevación de los resultados obtenidos por los dos interpoladores.
- La última fase del procedimiento consiste en fusionar los segmentos «rojo» y «azul», junto con la zona tampón. Esta fusión se realiza mediante técnicas de álgebra cartográfica.
Algoritmo de creación del mapa de confianza
Este es el modelo de procesamiento utilizado por Open Lidar Toolbox en QGis para crear el mapa de confianza:
El mapa de confianza se produce a partir de tres archivos de entrada, dos nubes de puntos y un raster:
- el raster del modelo digital calculado mediante el método de triangulación (TLI)
- la densidad por metro cuadrado de los puntos correspondientes a la vegetación baja
- la densidad por metro cuadrado de los puntos correspondientes al suelo
En función de los valores de densidad y pendiente calculados a partir del modelo digital, tendremos seis clases:
- Clase 1: densidad de puntos ‘suelo’: <1 , Pendiente: <22,5° , Densidad de puntos de vegetación baja: no se utiliza.
- Clase 2: densidad de puntos «suelo»: 1-4 , Pendiente: 22,5°-42,5° , Densidad de puntos de vegetación baja: no se utiliza.
- Clase 3: densidad de puntos «suelo»: 1-2 , Pendiente: <22,5° , Densidad de puntos de vegetación baja: no se utiliza.
- Clase 4: densidad de puntos «suelo»: >2 , Pendiente: <22,5° , Densidad de puntos de vegetación baja: no utilizada, o densidad de puntos «suelo»: >4 , Pendiente: >12,5° , Densidad de puntos de vegetación baja: >4.
- Clase 5: densidad de puntos «suelo»: >4 , Pendiente: <12,5° , Densidad de puntos de vegetación baja: >4 o densidad de puntos «suelo»: >4 , Pendiente: >12,5° , Densidad de puntos de vegetación baja: <4.
- Clase 6: Densidad de puntos «suelo»: >4 , Pendiente: <12,5° , Densidad de puntos de vegetación baja: <4.
La interpolación IDW se utiliza para las zonas 1 a 3, y la interpolación TLI para las zonas 4 a 6.
Interpolación híbrida de modelos de elevación
Para aplicar la interpolación híbrida para producir un Modelo Digital de Elevación, como vimos en el capítulo anterior, utilizamos la herramienta Procesamiento en un paso del plugin Open Lidar Toolbox.
Para crear un Modelo Digital del Terreno (MDT)
Para utilizar la herramienta de interpolación híbrida necesitamos
- un mapa de confianza
- un ráster interpolado con IDW
- un ráster interpolado con TIN
Los rásters creados por el plugin Open Lidar Toolbox utilizan las clases ‘suelo’ y ‘edificios’ como capas de terreno. Puedes modificar los parámetros en el código Python del plugin, pero sigue siendo más fácil ejecutar el plugin para obtener el mapa de confianza, interpolar sólo la clase ‘suelo’ y reemplazar el ráster creado por el plugin con estos nuevos rásters.
Para crear el mapa de confianza necesitamos una nube de puntos LIDAR clasificados. No basta con tener los puntos de suelo clasificados, porque también necesitamos la vegetación inferior. Se puede partir de una nube de puntos LIDAR del IGN clasificada, o de una nube de puntos sin clasificar a la que se puede aplicar LASclassify de LASTools, Classify LAS/LAZ de Open Lidar Toolbox o cualquier otro proceso de clasificación en función de las necesidades y del tipo de datos que se esté utilizando.
En el siguiente ejemplo, partimos de una nube de puntos LIDAR HD clasificada del IGN.
Para crear el mapa de confianza podemos utilizar la herramienta One Step Processing
Asegúrate de que la casilla The input Las/Laz file is already classified está marcada y desmarque las visualizaciones que no sean útiles.
El resultado es el siguiente:
Vous pouvez utiliser les outils d’interpolation IDW et TIN de votre choix, mais ici on gardera les mêmes outils que ceux utilisés par le plugin :
- WhiteboxTools->Lidar Tools -> LidarIDWInterpolation
- WhiteboxTools->Lidar Tools -> LidarTINGridding
Attention, ces outils ne fonctionnent pas avec des fichier .laz, vous devrez les convertir en .las préalablement (Traitements->Point Cloud Concersion -> Convert format).
Puedes utilizar las herramientas de interpolación IDW y TIN de tu elección, pero aquí mantendremos las mismas herramientas que utiliza el plugin:
- WhiteboxTools->Herramientas Lidar -> LidarIDWInterpolation
- WhiteboxTools->Herramientas Lidar -> LidarTINGridding
Tenga en cuenta que estas herramientas no funcionan con archivos .laz. Deberá convertirlos previamente a .las (Traitements->Point Cloud Concersion -> Convert format).
Introduce todas las clases excepto la clase ‘suelo’ (2) en la lista de exclusión y aumenta el Radio de búsqueda en función de los ‘agujeros’ sin puntos de suelo. Si el radio de búsqueda es demasiado pequeño, tendrás agujeros en tu raster IDW.
Ahora que tenemos los dos rásters que necesitamos, podemos ejecutar la herramienta de Interpolación Híbrida:
Usamos el mapa de confianza de Procesamiento en un paso, pero los dos rásters interpolados usando sólo los puntos «suelo».
Cargamos el MDT resultante en QGis y, utilizando la Vista de Perfil de Elevación, podemos ver los tres modelos de elevación, especialmente en las zonas híbridas:
La línea azul corresponde al MDT híbrido. Se puede ver claramente que los resultados de las interpolaciones IDW y TIN difieren donde las pendientes son más pronunciadas.
Tú decidirás qué método se adapta mejor a tus objetivos.
