SciELO - Scientific Electronic Library Online

 
vol.31 issue2Hydrolysis of Red Beet Bagasse and Modeling of Hydrolysates for Bioethanol Production author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Ciencia e Ingeniería Neogranadina

Print version ISSN 0124-8170On-line version ISSN 1909-7735

Abstract

GARZON BARRERO, Julián; CUBIDES BURBANO, Carlos Eduardo  and  JIMENEZ-CLEVES, Gonzalo. Cuantificación del efecto de la densidad de datos de LiDAR en la calidad del DEM. Cienc. Ing. Neogranad. [online]. 2021, vol.31, n.2, pp.149-169.  Epub Dec 31, 2021. ISSN 0124-8170.  https://doi.org/10.18359/rcin.5776.

Los sensores LiDAR capturan nubes de puntos tridimensionales con alta precisión y densidad; dado la regularidad, se requieren métodos de interpolación para generar una cuadrícula regular. Debido al gran tamaño de sus archivos, el procesamiento es un desafío para las estaciones informáticas poco potentes. Este trabajo se propone equilibrar la densidad de muestreo y el volumen de datos preservando la sensibilidad de representación de formas topográficas complejas en función de tres descriptores de superficie: pendiente, curvatura y rugosidad. Se explora el efecto de la densidad de los datos de LiDAR sobre la precisión del Modelo Digital de Elevación (DEM) mediante una nube de puntos terrestres de 32 millones de mediciones obtenidas de un vuelo LiDAR sobre un área topográfica compleja de 156 ha. Se produjeron modelos digitales de elevación con diferentes densidades relativas al conjunto de datos de puntos totales. La precisión se evaluó mediante algoritmos de interpolación de distancia inversa ponderada y Kriging, con lo que se obtuvo 72 superficies y se calcularon las estadísticas de error: error cuadrático medio, error medio absoluto, error cuadrático medio e índice de efectividad de predicción. Con esto se evaluó la calidad de los resultados en contraste con los datos de validación correspondientes al 10% de la muestra original. Los resultados indicaron que Kriging fue el algoritmo más eficiente reduciendo los datos al 1 % sin diferencias estadísticamente significativas con el conjunto de datos original, y la curvatura fue el parámetro morfométrico con el impacto negativo más significativo en la precisión de la interpolación.

Keywords : reducción de datos; tamaño de la cuadrícula; precisión de interpolación; complejidad de las formas topográficas.

        · abstract in English     · text in English     · English ( pdf )