Aplicaciones del lídar Antonio Ruiz [email protected] Unidad de Fotogrametria Aplicaciones del lidar DTM alta precisión DTM en zonas de costa DTM en zonas de bosque. Medida de la altura de la vegetación. Detección de árboles individuales Cálculos de volumen en pantanos, minas a cielo abierto y vertederos Modelos 3D de ciudades Cartografía de líneas eléctricas, oleoductos, carreteras, vías férreas Estudios de erosión, deslizamientos... Aplicacions de l’escombrat làser DTM d’alta precisió DSM classificat Detecció de canvis Càlculs de volum Estudi de recursos hídrics Realitat virtual i rendering Processos cartogràfics Aplicacions forestals Inundacions Recobriment territorial Model d’alçada de la vegetació (CHM) i model d’edificis Construccions il·legals Monitoratge de la costa Embassaments, pedreres, abocadors Càlcul de gruixos de neu Models vectorials d’edificis, vegetació… Restitució assistida amb punts lídar Conversió cartografia 2D - 3D Corbes de nivell (a zones forestals) Ortofoto Detecció d’arbres Càlculs biomassa i C fixat Combinació lídar + multiespectral Mapes forestals d’usos del sol Corridor mapping Controls agrícoles Cartografía de línies elèctriques Construcció de carreteres, ferrocarril, oliductes... DTM preciso DTM de Catalunya Guipúzcoa 2005 y 2008 Lidar de costa 60 pasadas, ~450 km Volado octubre-noviembre 2008 (3 sesiones) Change monitoring: Nova Icària beach Volume (m3) Area (m2) Loss 7478 11826 Gain 4393 12810 January 17, 2009: 22880 m2 November 3, 2008: 23817 m2 http://www.ortoxpres.cat/client/icc/index.html?sIdioma=en Euregeo, A. Ruiz. Munich Enero June 2009 12, 2009 6 Penetración en la vegetación Los lidar de huella pequeña pueden penetrar entre los huecos de la vegetación Detectan también el suelo si la vegetación no es demasiado densa Proporcionan puntos a distintos niveles de la cubierta vegetal Emitted pulse 0 First echo Second echo Last echo t Aplicación de la tecnología LIDAR al estudio de la cubierta vegetal Antonio Ruiz Institut Cartogràfic de Catalunya Marc Coromines, Ester Blanco Centre Tecnològic Forestal de Catalunya Parámetros de vuelo Ter Foix 25/3/02 10 y 13/4/03 Velocidad del avión (m/s) 62 62 Semiángulo de barrido (º) 5 10 Frecuencia de barrido (Hz) 42 22 Frecuencia del pulso láser (Hz) 25000 25000 Altitud sobre el terreno (m) 2300 2300 Solapamiento entre pasadas (%) 50 50 Divergencia del haz (mrad) 0.2 0.2 Anchura de pasada (m) 402 811 2 1 Fecha de vuelo Densidad (puntos/m2) Estudios realizados Dos estudios: 2. detección de pies, comparación orto 3. determinación de parámetros de individuos y comparación con medidas en campo Datos 1er estudio Cuenca del rio Ter Parcela A: Quart (Gironès) Cultivo de Platanus x hispanica Gran homogeneidad Distribución regular de los pies DTM, DSM y diferencia DSM DTM CHM Superficie arbolada Identificación de los árboles Se genera el modelo de altura de la vegetación Se invierte el signo de la h y el modelo se analiza como una cuenca hidrográfica utilizando el método de acumulación de flujo Identificación automática de árboles Cada cuenca es un árbol Se supone que el centroide coincide con el pie Se pueden medir diámetros y áreas de copa Especie Lidar Ortofoto Sobreestimación A Platanus x hispanica 337 306 110 % B 107 86 124 % Pinus pinea 2º Estudio. Datos Cuenca del río Foix 3 Todas de Pinus halepensis 2 Parcela X UTM Y UTM # pies 1 386286 4568226 12 2 385167 4570077 10 3 383922 4571613 11 1 Medidas de campo Medidas de los individuos Altura de los árboles y altura de la base de la copa Diámetro normal (DBH) Diámetro de copa (sobre 2 ejes) Fracción de cabida cubierta (4 medidas sobre 2 ejes). Medidas en un punto medio entre el pie y los extremos de copa. Medidas de la parcela Área basimétrica Tipo de copa (comprimida, desplegada o equilibrada) Distribución de los árboles (agrupados, uniforme) Estructura: regular o irregular Altura de los árboles 15 Altura de campo (m) 14 13 12 11 10 Parcela 1 Parcela 2 9 Parcela 3 8 8 9 10 11 12 13 14 Altura LIDAR (m) Diferencia campo - lidar Parcela Parcela N Media (m) Sigma 0.78 1 12 0.62 0.74 Y = 0.80 x + 2.87 0.71 2 10 0.81 1.11 Y = 1.19 x – 1.27 0.55 3 11 0.56 1.09 Total 33 0.66 0.96 Recta R2 1 Y = 0.77 x + 3.10 2 3 Área de copa 70 Área de campo (m2) 60 50 40 30 Parcela 1 20 Parcela 2 10 Parcela 3 0 0 5 10 15 20 25 30 35 40 45 Área lidar (m2) Parcela Recta R2 1 Y = 1.03 x + 0.33 0.54 2 Y = 0.99 x + 0.59 0.80 3 Y = 0.84 x + 2.95 0.73 50 Combined Use of LIDAR & QuickBird Data for the Generation of Land Use Maps Oriol Viñas, Antonio Ruiz*, Roger Xandri, Vicenç Palà & Roman Arbiol ICC Remote Sensing Dep. & * Geodesy Dep. Motivation Experience the contribution of the following data / techniques to Land Use/Cover generation: LIDAR Satellite High Resolution Optical imagery Object oriented classification tools (eCognition) Study Area Map sheet 807 (Chillón) between Ciudad Real, Badajoz and Córdoba. The area consists basically of dry farming land: 39% forest 28% “dehesas” 14% meadows 13% herbaceous crops LIDAR data Lidar sensor: Optech ALTM 3025 Aircraft: Partenavia P68-C Observer Acquisition data: December 13, 2004 21 parallel strips with 30% overlap + 2 transversal strips Control points with 2-3 cm. accuracy LS adjustment to obtain an elevation offset for each lidar strip LIDAR survey parameters Parameter Setting Velocity (knots) 135 FOV (degrees) 34 Scan frequency (Hz) 19 Pulse repetition (Hz) 25,000 Height above ground (m) 2300 Strip overlap (%) 30 IFOV (mrad) 0.2 Point distance along track (m) 1.8 Point distance across track (m) 2.1 Footprint diameter (m) 0.46 Multispectral data Quickbird: 26/01/2005 (p0002 and p0003) 23/02/2005 (p0001) Spectral bands: Channel 1: 450 nm-520 Channel 2: 520 nm-600 Channel 3: 630 nm-690 Channel 4: 766 nm-900 nm nm nm nm (blue) (green) (red) (near infrared) LIDAR process Ground and non-ground point classification Manual editing by trained operators TerraScan Generation of a terrain TIN + CQ: Field measurements vs. TIN Grid DTM from TIN (GSD=2m) TerraModeler Grid DSM from first echoes (GSD=2m) Generation of CHM with trees and buildings height: Using Arc/Info hydrological analysis tools Each tree corresponds to a sink or local minimum on DTM-DSM Each crown corresponds to the area draining to each sink LIDAR TIN model accuracy Test Area Vegetation N Mean of differences (m) Sigma (m) RMS (m) 1 Grass 20 0.001 0.044 0.043 2 Olive trees 16 0.067 0.043 0.079 3 Grass 20 -0.009 0.046 0.046 4 Grass 19 -0.008 0.084 0.083 5 Grass 19 -0.039 0.048 0.061 6 Olive trees 21 0.066 0.029 0.072 115 0.012 0.064 0.065 Total Data processing & classification Since mono-temporal spectral data does not permit to identify the different herbaceous covers for the area then, the analysis was directed to evaluate the classification possibilities in relation to the use of: • DTHM, which allows to identify urban vs. bare soil, woodland vs. herbaceous cover • Density of trees inside homogeneous landscape units (textural process) that allows to identify: meadows, dehesas and forest Data processing & classification First phase: fine segmentation (level 1) high resolution cartography of trees and buildings. Second phase: rough segmentation (level 3) low resolution cartography according to tree density Third phase: intermediate segmentation (level 2) final land use/cover cartography Segmentation levels First Phase Classification Performed in Level 1 segmentation Inputs • DTHM • Brightness • NDVI Output: • 6 categories, • distinguishing vegetation types by height, • distinguishing buildings from bare soil First Phase Classification Second Phase Classification Performed in Level 3 segmentation Inputs are variables derived from level 3 and level 1 segmentations: • Tree’s density # high trees • Predominance = # low trees Output: • 7 classes = (3 tree’s density categories x 2 predominance categories) + 1 category for density < 20 trees/ha Second Phase Classification Third Phase Classification Performed in Level 2 segmentation Inputs: • NDVI • Brightness • Categories from First and Second Phase Output: • 3 forest categories according to density • 4 scrubland categories (3 according to density + low scrubland) • Meadow, Olive trees, bare soil, buildings • herbaceous (with or without active vegetal cover) Third Phase Classification Conclusions Potential classification innovations are analyzed with respect to the use of: • Lidar • High resolution multispectral imagery: Quickbird • eCognition Essential contribution of DTHM layer. Discrimination between urban areas, bare earth and roads improves. Tree’s shadows, that use to be mistaken as urban areas, appear now as forested areas Classification of high resolution images requires textural and contextual analysis (and also very good geocoding) Agriculture application Classification of 3 tree species Oriol Viñas, Antonio Ruiz*, Vicenç Palà & Roman Arbiol CASI images 13.3.07 19.7.07 Species classification with DMC images & lidar 2 epochs of DMC images (4 channels) olive trees carob trees almond trees >10 m points Accurate orthorectification Traditional CIR ortophoto Segmentation of the trees Rectification with DSM * * Each tree is modelled as a generalized cylinder Coef de penetración y percentiles # ground IP = # total Los percentiles de puntos en altura describen la estructura vertical de la vegetación garrofer Variables calculadas: h, S, PI, <z>, σz, cvz, <I>, σI, cvi, p5, p10, p15, p20, p25, p35, p50, p90 Percentiles Relative heights of the 10, 35, 50 & 90% percentiles Training and classified trees almond trees carob trees olive trees Resultados clasificación % aciertos DMC 1m CASI 2m Lidar enero+julio marzo+julio enero Olivos Todos 92 91 92 91 Almendros 100 94 66 98 Algarrobos 77 60 58 74 Global 91 85 78 89 Confusion matrix Olive Carob Almond Sum Olive 93 10 0 103 Carob 8 33 0 41 Almond 0 0 47 47 101 43 47 191 Sum DMC 1m, 2 epochs Olive Carob Almond Sum Olive 93 16 14 123 Carob 7 25 2 34 Almond 1 2 31 34 101 43 47 191 Sum 15 lidar variables Estimaciones de biomasa Algoritmo de Andersen, McGaughey & Reutebuch, 2005 CHM Densidad combustible (kg/Ha) Canopy Fuel Estimator (CFE) , USDA Forest Service Forestry applications Some tree level variables can be measured better with lidar than in field. Exhaustively, without sampling Stand level parameters are better estimated: biomass, fixed C, timber volume Lidar is currently used in Scandinavian countries for regional inventories Land use maps are improved with canopy height and tree density classification Variables computed from multiple echoes lidar are not enough to distinguish species Celda RPC Celdas Rich Photorealistic Contents (RPC) El mismo objeto se ha fotografiado 300-600 veces cambiando el azimut Los programas de rendering muestran la foto correspondiente al observador 25 $/árbol en www.archvision.com Modelos de realidad virtual con celdas RPC LIDAR APPLICATIONS TO ROCK FALL HAZARD ASSESSMENT IN VALL DE NÚRIA Marc Janeras1, Maria Navarro1, Georgina Arnó1, Antonio Ruiz2, Wolfgang Kornus2, Julià Talaya2 1 RSE Aplicaciones Territoriales, S.A. C/ Entença, 95, 3er 2a 08015 Barcelona Tel. 0034 932289253 www.rsesa.com 2 Institut Cartogràfic de Catalunya Parc de Montjuïc 08038 Barcelona Tel. 0034 935671500 www. Icc.es Observaciones realizadas 7 pasadas paralelas + 1 transversal sobre campo de control con semiángulo de 7º El barrido casi vertical reduce las áreas ocultas en el fondo Observaciones realizadas Se añadieron pasadas con barrido de 20º para obtener más puntos sobre las paredes. Obsérvese el cambio de ancho de pasada con la altitud del terreno. Riegl LMS-Z210 ■Rango: de 2 a 350 m ■Precisión: 25 mm ■Frecuencia media: 9333 puntos/s ■Divergencia del haz: 3 mrad (30 cm a 100 m) ■Barrido Vertical: 0-80º Horizontal: 0-333º ■Resolución angular 0.036º horizontal 0.018º vertical Reigl LMS Datos lidar terrestre estático Las zonas que todavía presentaron oclusiones se barrieron con LIDAR terrestre: 5 estacionamientos estáticos Rellenado de huecos en los datos Modelo 3D de superficie Esllavissades Estudi del cremallera de Núria i de Montserrat Starting point Impact above the cover of Fénech tunnel Vegetation affected by avalanche Queralbs to Núria way Simulació amb model lídar 2x2 Núria, 3 de Març de 2003 Volúmenes en embalses, minas y vertederos La superficie a medir es muy pequeña. Hay que combinar estos vuelos con otros y volar varios proyectos en el mismo día. Margalef Nieve acumulada 3.2 m 2.8 2.4 2.0 1.6 1.2 0.8 0.4 0m Vall de Núria Ortofoto Levantamiento monoscópico con lídar y foto Clasificación de edificios Detección automática de cambios Octubre 2005 Detección automática de cambios Noviembre 2006 Confirmación de cambios Modelos vectoriales Representación de fronteras Modelos vectoriales Barcelona, 2.5 puntos/m2 Generalización de modelos con restricciones topológicas Salou 11 punts/m2 Classification of Lidar Points - 69 TerraSolid Bathymetric lidar Time difference provides sea depth p = ∆t ·c / 2 Optech Maximum depth Max reachable depth pm depends on diffuse attenuation coef k ps is Secchi depth 2 ps < pm < 3 ps absorption – scattering Max 50-70 m in very clean water Test area Test de Mataró Prueba hecha con Hawk Eye II, el 18/3/2006 Altitud 300 m Densidad de puntos 0.3 puntos/m2 batimétrico Frecuencia de pulsos 3.7 puntos/m2 topográfico 4000 Hz batimétrico Número de pasadas 64000 Hz topográfico 6+1 Anchura de pasada 105 m Solapamiento entre pasadas 30 % Velocidad 76 m/s, 149 nudos Productivity 20 km2/h Results Mataró harbour Maximum depth reached: 22 m Resultados Precision achieved: 17 cm (1 sigma) at 6-7 m depth. Comparison with 25 echo sounding points Mobile lidar Riegl LMS-Z210 Results in an urban environment Façanes amb lídar terrestre Cartografía de líneas eléctricas Interesa obtener la distancia mínima de los cables al suelo y a la vegetación. También podemos obtener la distancia mínima a edificios Hay que clasificar los puntos como pertenecientes al terreno, a la vegetación, a los cables, a las torres y a los edificios Se ajusta un modelo de catenaria para cada cable Se obtiene un mapa y un listado con todos los puntos demasiado próximos a las catenarias y otro de puntos a distancia mínima para cada clase de objeto Se puede analizar la caída de árboles Cartografía de líneas eléctricas Ejemplo: Línea de media tensión entre Collbató y Olesa de Montserrat (Les Planes) Perfil línea eléctrica Ejemplo: Línea de media tensión entre Collbató y Olesa de Montserrat (Les Planes) Sección línea eléctrica Parámetros que hay obtener Torres: coordenadas, orientación brazos, altura y tipo Cables: coordenadas puntos de suspensión, comba para una temperatura dada DTM en un corredor Líneas eléctricas que se cruzan Vectorización de construcciones y carreteras Vegetación y distancias mínimas Tower vectorization from TerraSolid A. Ruiz. Enero 2009 Modelo de catenarias ( ) a xa − xa y = e + e = a cosh x a 2 a Detección de objetos peligrosos Detección de objetos peligrosos Detección de objetos peligrosos La lista inicial de objetos peligrosos debe ser revisada Los puntos de torre deben estar correctamente clasificados Se puede considerar la caída de árboles Se debe considerar: la temperatura y viento en el momento de la medida la corriente en el momento de la medida el balanceo si hay viento la elongación de los cables si transportan corriente máxima a otra temperatura ambiente la elongación si hay hielo Distancias mínimas al suelo El punto de mínima distancia depende de la temperatura y la corriente Es diferente para cada cable Distancias mínimas al suelo Parámetros de vuelo Mejor utilizar helicóptero: velocidad ~ 100 km/h Altitud 150 m aprox. Anchura de la pasada 80-90 m Densidad transversal muy alta: footprints solapados Se vuela en visual pero hay que llevar una plan de vuelo con las torres numeradas e indicando en qué torres hay giros, hacia dónde y qué características se cruzan (carreteras, ríos...) Lidar de onda completa Riegl Muestreo a < 3 ns Señal reflejada por la vegetación Ejemplo de respuesta de la vegetación a 532 nm (Nilsson 1996) Digitalización del eco y análisis de onda Resultados para un árbol caducifolio echo signal alongprofile profile discrete return echo waveforms 25 waveforms integrated © GeoConsult 2004 Perfil en bosque caducifolio camera image DSM © GeoConsult 2004 Full waveform Waveform data stored in separate read-only files easy to support different manufacturer specific formats TerraScan uses flightline number and time stamp of a laser point to find waveform data trajectory specifies waveform files for that flight pass Full waveform Ventajas de la onda completa Generación de puntos adicionales El usuario puede seleccionar el área donde necesita más puntos (p.e. el cable de una línea eléctrica) El software analiza las señales muestreadas y utiliza una función para conseguir más puntos Generación más exacta de puntos: El usuario selecciona un área y una lógica específica según el material donde se ha producido la reflexión El software genera nuevos puntos o modifica las coordenadas de los puntos extraidos por el sistema Se puede emplear la anchura (duración) del eco como un atributo adicional para la clasificación Generación de más puntos Nubes de puntos obtenidas a partir de ecos múltiples (centro) y con onda completa (derecha) Parrish, 2007 Bibliografia ■Ruiz, A. Aportación del lídar aerotransportado al cálculo de cambios en las playas tras temporales. Revista Catalana de Geografia, 2009; 14(37). ■Ruiz , A., Viñas, O., Domingo, A. and Marco, V. Tree Species Classification from Aerial Images and Lidar in Agricultural Areas. Int. Geomatic Week. Barcelona, 3-5.3.2009 ■Marturià, J., Oller, P., Ruiz, A., Martínez, P.: Avaluació dels recursos hídrics emmagatzemats en forma de neu amb l’ús de tècniques lidar. 3a Jornada Tècnica de neu i allaus, Betren, Val d'Aran. 18-20.6.2008. ■Viñas, O., Ruiz, A., Xandri, R., Palà, V., Arbiol, R. Combined use of lidar and Quickbird data for the generation of land use maps. ISPRS Mid-term Symposium 2006 "Remote Sensing: From Pixels to Processes", Enschede, The Netherlands, 8-11.05.2006. ■Kaartinen H., Hyyppä J., Gülch E., Hyyppä H., Matikainen L., Vosselman G., Hofmann A.D., Mäder U., Persson Å., Söderman U., Elmqvist M., Ruiz A., Dragoja M., Flamanc D., Maillet G., Kersten T., Carl J., Hau R., Wild E., Frederiksen L., Holmgaard J., Vester K. ''Accuracy of 3D city models: EuroSDR comparison''. ISPRS Workshop "Laser scanning 2005". 12-14.9.2005, Enschede (The Netherlands). ■Kaartinen H., Hyyppä J., Gülch E., Hyyppä H., Matikainen L., Vosselman G., Hofmann A.D., Mäder U., Persson Å., Söderman U., Elmqvist M., Ruiz A., Dragoja M., Flamanc D., Maillet G., Kersten T., Carl J., Hau R., Wild E., Frederiksen L., Holmgaard J., Vester K. ''EuroSDR BUILDING EXTRACTION COMPARISON''. ISPRS Workshop "High-Resolution Earth Imaging for Geospatial Information". 1720.5.2005, Hannover (Germany). ■Ruiz, A., Coromines, M, Blanco, E. Aplicación de la tecnología lidar al estudio de la cubierta vegetal. 4º Congreso Forestal Español. 26-30.9.2005, Zaragoza, Spain. ■Kornus, W., Ruiz, A. ''Strip Adjustment of LIDAR Data''. ISPRS Workshop "3-D Reconstruction from Airborne Laser-Scanner and InSAR data; 8-10.10.2003, Dresden (Germany). ■Ruiz, A., Kornus, W. ''Experiencias y aplicaciones del LIDAR''. V Geomatic Week, 11-14.2.2003, Barcelona