Avan

ces d

e la G

eomo

rfolog

ía en

Espa

ña 20

10-20

12

AVANCES DE LA GEOMORFOLOGÍA EN ESPAÑA

2010-2012

Actas de la XII REUNIÓN NACIONAL DE GEOMORFOLOGÍASantander, 17-20 septiembre de 2012

CoordinadorA. González Díez

EditoresA. González-Díez, G. Fernández-Maroto, M.W. Doughty, J. Remondo, V.M. Bruschi,J. Bonachea, J.R. Díaz de Terán, P. Martínez-Cedrún, V. Rivas, G. Flor, E. Serrano,

F. Gutierrez-Santolalla, G. Benito, G. Desir, J. López, M.A. Romero, R. Batalla, F.J. Gracía-Prieto, G. Flor-Blanco, G. Garzón, J. Cardenal, J.M. Vilaplana,

J. Corominas, E. Díaz-Martínez, M. Jiménez-Sánchez, J.C. Guerra

isbn 978-84-86116-54-5 25 €

www.libreriauc.es

XII REUNIÓN NACIONAL DE GEOMORFOLOGÍASantander, 17 - 20 de septiembre, 2012

avances_geomorfologia_logos_165_978-84-86116-54-5 (165) 24/09/12 13:46 Página 1

AVANCES DE LA GEOMORFOLOGÍA EN ESPAÑA

2010-2012

ACTAS DE LAXII REUNIÓN NACIONAL DE GEOMORFOLOGÍA

Santander, 17-20 septiembre de 2012

Coordinador

A. González Díez

Editores

A. González-Díez, G. Fernández-Maroto, M.W. Doughty, J. Remondo, V.M. Bruschi,J. Bonachea, J.R. Díaz de Terán, P. Martínez-Cedrún, V. Rivas, G. Flor, E. Serrano, F.Gutierrez-Santolalla, G. Benito, G. Desir, J. López, M.A. Romero, R. Batalla, F.J.Gracía-Prieto, G. Flor-Blanco, G. Garzón, J. Cardenal, J.M. Vilaplana, J. Corominas,

E. Díaz-Martínez, M. Jiménez-Sánchez, J.C. Guerra

01-04_actas_geomorfologia 19/07/12 11:09 Página 3

Reunión Nacional de Geomorfología (12ª : 2012 : Santander) Avances de la geomorfología en España 2010-2012 : actas de la XII Reunión Nacional de

Geomorfología : Santander, 17-20 septiembre de 2012 / coordinador, A. González Díez ; editores, A.González Díez... [et al.]. — Santander : PUbliCan, Ediciones de la Universidad de Cantabria, D.L.2012.

xiv, 690 p. : il. ; 30 cm.

D.L. SA. 446-2012 ISBN 978-84-86116-54-5

1. Geomorfología — España — Congresos. I. González Díez, Alberto, ed. lit.

551.4(460)(063)

Esta edición es propiedad de PUBLICAN - EDICIONES DE LA UNIVERSIDAD DE CANTABRIA, cualquierforma de reproducción, distribución, traducción, comunicación pública o transformación solopuede ser realizada con la autorización de sus titulares, salvo excepción prevista por la ley.Diríjase a CEDRO (Centro Español de Derechos Reprográficos, www.cedro.org) si necesita foto-copiar o escanear algún fragmento de esta obra.

© Alberto González Díez (Coord.)© PUbliCan - Ediciones de la Universidad de Cantabria

Avda. de los Castros, s/n. 39005 SantanderTlfno.-Fax: 942 201 087www.libreriauc.es | www.unican.es/publicaciones

ISBN: 978-84-86116-54-5D. L.: SA 446-2012

Impreso en España. Printed in Spain

Imprime: TGD

01-04_actas_geomorfologia 19/07/12 11:09 Página 4

XII Reunión Nacional de Geomorfología, Santander 2012 263

Sesión IV. Métodos y técnicas en Geomorfología

EXTRACCIÓN AUTOMÁTICA DE MDT A PARTIR DE DATOS PROCEDENTES DE LÁSER ESCÁNER

(ESPADA)

Automatic digital terrain model extraction from terrestrial laser scanner data (Espada)

E. Rodríguez-Caballero (1), S. Chamizo (1), A. Afana (2), A. Solé-Benet (2), Y. Cantón (1) (1) Departamento de Edafología y Química Agrícola. Universidad de Almería. rce959@ual.es (2) Departamento de Desertificación y Geoecología. Estación Experimental de Zonas Áridas (EEZA. CSIC).

Abstract: Terrestrial laser scanners (TLS) enable the acquisition of accurate tridimensional point clouds that allow the generation of high resolution digital terrain models (DTM) , permitting a wide range of applications in geomorphologic studies. These studies focus on the analysis of soil surfaces, where vegetation filtering is quite important. Filtering is a laborious and time-consuming process, cause for which numerous automatic methods have been developed to remove vegetation. Most methods have been developed to filter LiDAR data, which vary widely from TLS data. Application of LiDAR filtering to TLS data produces smoothed surfaces that do not retain their real morphology. We present a new methodology to filter TLS data, based on the morphology and spectral response of surfaces, which acts at different scales depending on the vegetation type. This methodology reduced the error generated by processed filtering compared with previous methodologies. This reduction is more important in non-vegetated areas, where other methodologies underestimate surface heights. Palabras clave: Escáner láser, filtrado de vegetación, micro-topografía, semiárido. Key words: Laser scanner, vegetation filtering, micro-topography, semiarid. 1. INTRODUCCIÓN La tecnología láser posibilita la obtención de modelos digitales del terreno (MDT) de alta resolución. Esta tecnología ha evolucionado en dos líneas: escáner láser aerotransportado (ALS) y escáner láser terrestre (TLS). Los TLS, ofrecen nubes de puntos mucho más densas y precisas que los ALS, lo cual abre un amplio abanico de aplicaciones relacionadas con la geomorfología: estudios de morfología superficial, hidrología, erosión y deposición, deslizamientos, micro-topografía, etc., (Guarnieri et al., 2009; Rodríguez-Caballero et al., 2012). La mayoría de estos estudios se centran en el análisis de la superficie del suelo, siendo necesario el filtrado de la vegetación. Este filtrado es un proceso muy laborioso y costoso en tiempo, por lo que se han desarrollado numerosos métodos automáticos y semiautomáticos para detectar y eliminar la vegetación. La mayoría de estos métodos se han desarrollado para filtrar datos ALS (Streutker y Glenn, 2006), pero la

naturaleza, escala de trabajo y el rango de aplicaciones para los que se destinan los datos difieren en gran medida de los datos TLS. Por este motivo, la aplicación de estos métodos de filtrado en datos TLS produce superficies muy suavizadas que no conservan su morfología real, lo cual tiene fuertes repercusiones en los procesos geomorfológicos y de generación de escorrentía a diferentes escalas (Rodríguez-Caballero et al., 2012). Por este motivo se presenta una nueva metodología para la extracción automática de MDT de gran resolución y precisión, manteniendo inalteradas las zonas desprovistas de vegetación. Esta metodología se basa en las técnicas tradicionales de filtrado ALS (Streutker y Glenn, 2006), y en la respuesta espectral de la superficie escaneada en la región del verde, de acuerdo con la metodología propuesta por Guarnieri et al. (2009). El objetivo es presentar una técnica de filtrado y generación de MDT automática, capaz de conservar la micro-topografía de las zonas no vegetadas. Esta técnica será aplicada en un entorno SIG.

264 XII Reunión Nacional de Geomorfología, Santander 2012

Sesión IV. Métodos y técnicas en Geomorfología

2. METODOS 2.1. Zona de estudio El trabajo se ha realizado en el área experimental El Cautivo, que es una zona acarcavada de margas yesíferas localizada en la cuenca de Tabernas (provincia de Almería, Fig. 1). Esta zona presenta un clima termo-mediterráneo semiárido con una temperatura media anual de 17,8ºC y una precipitación media anual de 235 mm. La zona está dominada por suelos poco evolucionados (Leptosoles, Regosoles y Gipsisoles), cubiertos por un variado mosaico de superficies (áreas erosionadas, áreas cubiertas por plantas y por costras físicas y biológicas, Cantón et al., 2004).

2.2. Parcelas experimentales y toma de datos Para este experimento se instalaron dos parcelas experimentales sobre superficies con características morfológicas y cobertura vegetal bien diferenciadas. 2.2.1 Parcela A Parcela de 1 m2 situada sobre un campo agrícola sometido a laboreo, para aumentar su rugosidad superficial y reducir la escorrentía y la pérdida de suelo. La parcela está cubierta por cultivo de cebada (Hordeum vulgare) de baja densidad y muy seco.

Fig. 1. Área experimental El Cautivo. Localizada en la cuenca de Tabernas (Almería).

2.2.1 Parcela B Parcela situada sobre una ladera, con fuerte pendiente y vegetación dispersa, dominada por macollas de Lygeum spartum, muy densas. En este tipo de superficies, la micro-topografía de las zonas no cubiertas por vegetación juega un papel fundamental en la respuesta geomorfológica de la

superficie (Rodríguez-Caballero et al., 2012). Las dos parcelas se escanearon con un TLS ScanStation-2 (Leica Geosystems). Las principales características residen en su precisión (~1mm), rapidez (50.000 puntos/s), y alcance (hasta 300 m). Este laser escáner emite pulsos laser a 532 nm, lo cual resulta muy útil para caracterizar zonas vegetadas (Eitel et al., 2010). Se realizaron dos escaneos desde posiciones opuestas para cubrir toda la parcela minimizando la existencia de zonas ocultas y se unieron posteriormente empleando varios puntos de control (proceso de registro). El proceso se realizó dos veces en cada parcela. El primer escaneo se hizo sobre la parcela inalterada, incluyendo la vegetación. Tras dicho escaneo se eliminó cuidadosamente la vegetación, sin alterar la superficie adyacente. Una vez la parcela estuvo desprovista de vegetación se repitió el proceso de escaneo.

2.3. Proceso de filtrado A partir de las nubes de puntos obtenidas en cada parcela inalterada, se ha desarrollado un método de extracción automática de la vegetación en pasos sucesivos a diferentes escalas (Fig. 2). Se trata de un proceso adaptativo de filtrado de datos TLS, en el cual se combina información morfológica y espectral de los puntos. Este proceso se ha nombrado con el acrónimo (ESPADA, Método adaptativo de filtrado de datos laser, a partir de información espectral). El proceso fue implementado en ARCGIS v10.0. ESPADA se basa en la obtención de la cota mínima de los puntos contenidos en una ventana móvil de determinado tamaño, y asigna ese valor como cota de la superficie para la generación del MDT, de forma similar a la mayoría de los algoritmos desarrollados con el mismo objetivo (Streutker y Glenn, 2006, morfológicos). El tamaño de la ventana es crucial para optimizar la relación entre la información real y la estimada y, por lo tanto, para

XII Reunión Nacional de Geomorfología, Santander 2012 265

Sesión IV. Métodos y técnicas en Geomorfología

mejorar los resultados. Una ventana muy grande aumenta la posibilidad de encontrar un punto real de la superficie dentro de ella, pero genera superficies muy suavizadas en zonas donde la vegetación es menos densa, o no hay vegetación. Por este motivo es necesario minimizar el tamaño de la ventana, para conseguir un MDT de elevada precisión, pero asegurando un correcto filtrado de todos los puntos de vegetación (Streutker y Glenn, 2006). El tamaño óptimo depende del tipo de vegetación y su densidad (Guarnieri et al., 2009). Como paso previo al filtrado clasificamos la nube de puntos en dos clases (vegetación y superficie) aplicando una clasificación K-Mean sobre la información espectral aportada por la intensidad de la nube de puntos, de acuerdo con Guarnieri et al. (2009). Una vez clasificada cada una de las nubes de puntos, se les ajustó un polinomio de segundo orden para eliminar el efecto de la pendiente y de la curvatura sobre los valores de altura de los puntos. A partir de las nubes de puntos sin pendiente, se generó un modelo ráster de 1 cm de resolución. Una vez obtenidas las diferentes capas, el primer paso (Paso 1) es detectar las zonas no cubiertas por vegetación, para mantener su superficie inalterada. Para detectar las superficies no vegetadas usamos la Rugosidad Aleatoria (RR), definida según Allmaras et al. (1966). Una vez calculada, se fijó un umbral de RR para clasificar las zonas de vegetación y suelo en cada escenario en función del tipo de vegetación predominante. Para ello se testaron diferentes umbrales (1-20 cm), y se validó cada MDT, comparándolo con el MDT generado a partir de las nubes de puntos escaneadas tras eliminar la vegetación, en términos de la raíz cuadrada del error cuadrático medio (RMSE). El valor medio de todos los puntos contenidos en la ventana fue asignado a las zonas clasificadas como suelo. En las zonas clasificadas como vegetadas se asignó el valor mínimo de todos los puntos

localizados dentro de la ventana de tamaño igual al tamaño de celda (1x1). Al aplicar este filtro morfológico, con una ventana móvil muy detallada, se elimina el efecto de la vegetación poco densa (vegetación anual, vegetación seca y errores aleatorios en la nube de puntos). El siguiente paso (Paso 2) fue localizar las zonas cubiertas por vegetación, para lo cual se utilizó la clasificación previa de las nubes de puntos, basada en su respuesta espectral. Para conseguir una caracterización correcta de la vegetación, generamos además un búfer sobre los puntos clasificados como tal, ya que la respuesta espectral puede verse afectada por la distancia al objeto, el ángulo de incidencia y el efecto borde (Höfle y Pfeifer, 2007), lo cual hace difícil clasificar toda la vegetación sólo con la información espectral. Este búfer se optimizó en cada escenario para el tipo de vegetación presente en la parcela, siguiendo el método empleado en el paso 1.

Fig. 2. Proceso de filtrado en pasos sucesivos (Espada), combinando información morfológica y espectral a

diferentes escalas. Espada opera de forma progresiva desde 1x tamaño de píxel hasta nx tamaño de píxel, n depende del tipo de vegetación en la zona de estudio.

Una vez obtenidas las zonas cubiertas por vegetación, deben filtrarse los elementos correspondientes a vegetación contenidos en ellas y no eliminados en el paso 1. Estas zonas pueden contener diferentes tipos de vegetación, que controlan la capacidad de penetración del láser en el dosel, y por tanto el tamaño óptimo de la ventana. Por este motivo es necesario realizar un proceso adaptativo, aplicando a cada zona el tamaño de ventana adecuado, en función

266 XII Reunión Nacional de Geomorfología, Santander 2012

Sesión IV. Métodos y técnicas en Geomorfología

de la estructura de la vegetación. En base al MDT generado en el paso 1 (MDT 1), aplicamos un filtro morfológico en una ventana de 5x5 píxeles, pero sólo en las zonas previamente clasificadas como vegetación en base a su respuesta espectral y rugosidad (Paso 3). Para determinar el umbral de rugosidad en este paso, se operó siguiendo la metodología empleada en el paso 1. A partir del MDT generado (MDT 5), se repite el proceso sucesivamente, con ventanas más amplias (10x10, 15x15, 20x20 y 40x40), optimizando el valor de RR en cada paso, acorde con la densidad y estructura de la vegetación. 3. RESULTADOS Y DISCUSION El método ESPADA laser presenta mejor resultado que otras metodologías en ambas parcelas (Tabla1). Esta mejora es mayor en las zonas no vegetadas, al incluir información espectral que nos ayuda a discriminar las zonas que no deben ser filtradas, como ya sugería Guarnieri et al. (2009).

Tabla 1: Errores de los tres filtros probados (cm). Errores para la parcela completa, zona sin vegetación

y zona con vegetación

En las zonas cubiertas por vegetación densa alternada con claros sin vegetación (parcela 2) esta metodología constituye una mejora muy importante, porque es capaz de adaptar el tamaño de ventana al tipo de vegetación, mejorando el resultado global en toda la parcela. La metodología presentada por Guearnieri et al. (2009), y el filtrado morfológico presentan un RMSE muy elevado en las zonas sin vegetación, ya que es necesario alcanzar un compromiso en el tamaño de ventana entre las zonas vegetadas y no vegetadas que

induce a una subestimación de la superficie en las zonas sin vegetación (Streutker y Glenn, 2006). 4. CONCLUSIONES El empleo de información espectral y tamaños de ventana adaptativos, mejora notablemente la precisión de los MDT obtenidos a partir de datos de TLS, sobre todo en las zonas con vegetación poco densa o sin vegetación. Agradecimientos A la Junta de Andalucía (COSTRAS, RNM 3614 cofinanciado con Fondos FEDER), al Plan Nacional (Bacarcos, CGL2011-29429), a la UE (DESIRE, contrato nº 037046) y al Ministerio de Educación y Ciencia por una Acción Complementaria (2007). REFERENCIAS Allmaras, R.R., Burwell, R.E., Larson, W.E y Holt,

R.F. 1966. Total porosity and random roughness of the interrow zone as influenced by tillage. USDA Conservation Research Report 7, 22.

Cantón, Y, Del Barrio, G., Solé-Benet, A. y Lazaro, R. 2004. Topographic controls on the spatial distribution of ground cover in the Tabernas badlands of SE Spain. Catena 55, 341-365.

Eitel, J.U.H., Long, D.S., Gessler, P.E., Hunt, Jr. y Brown, D.J. 2010.Sensitivity of ground-based remote sensing estimates of wheat chlorophyll content to variation in soil reflectance. Soil Science Society of America Journal 73 (5),1715-1723.

Guarnieri. A., Vettore, A., Pirotti, F., Menenti, M. y Marani, M. 2009. Retrieval of small-relief marsh morphology from Terrestrial Laser Scanner, optimal spatial filtering, and laser return intensity. Geomorphology 113, 12-20.

Höfle, B. y Pfeifer, N. 2007. Correction of laser scanning intensity data: Data and model-driven approaches. Journal of Photogrametry and Remote Sensing 62 (6), 415-433

Rodríguez Caballero, E., Cantón Castilla, Y., Chamizo De La Piedra, S., Afana, A. y Sole-Benet, A. 2012. Effects of biological soil crust on surface roughness and implications for runoff and erosion. Geomorphology 145-146, 81-89.

Streutker, D.R. y Glenn, N.F. 2006. LiDAR measurement of sagebrush steppe vegetation heights. Remote Sensing of Enviroment 102 (1-2), 135-145.