La tecnología LiDAR al servicio de la representación del relieve y la identificación de coberturas del suelo

Resumen

Durante siglos hemos sentido la necesidad de definir, analizar y explicar nuestro entorno, buscado el acuerdo ideal entre el mundo real y el proyectado en nuestra mente. Tan incuestionable es el papel que la tecnología y disponibilidad de datos tienen en esta búsqueda como nuestro rol. Hemos pasado de ser usuari@s a creador@s. Como sociedad que avanza hacia la democratización real de la información y la inmersión en procesos colaborativos, el camino recorrido nos impulsa a crear herramientas que nos ayuden en nuestra búsqueda, pero ya no es suficiente con que sean efectivas, también deben ser accesibles. Al amparo de estos avances han surgido diversidad de métodos que permiten obtener datos georreferenciados, a la vez que se han desarrollado múltiples técnicas para extraer información a partir de ellos. La tercera dimensión ya no es una característica adicional de la información geoespacial, sino que es parte fundamental. Todo ello nos convirtió en testigos del cambio en la forma de representar el terreno, pasando de las visiones estáticas proporcionadas por los mapas convencionales a la creación, manejo y análisis de modelos digitales. Aunque existen múltiples técnicas para la adquisición de datos topográficos, la tecnología LiDAR es considerada el método estándar de adquisición de este tipo de datos y los Modelos Digitales del Terreno (MDT), el producto por excelencia que es posible obtener a partir de ellos. Haciendo uso de estos datos y como primer esfuerzo para cumplir con las demandas de los nuevos usuarios, se desarrolló un algoritmo de filtrado para la identificación de puntos terreno a partir de nubes de puntos LiDAR. Dicho algoritmo se encuentra implementado en el programa libre y colaborativo R (acuerdo con la accesibilidad). Los análisis realizados en relación al funcionamiento del filtro y su efectividad pueden ser de gran utilidad al usuario para comprender su forma de operar y adaptar el conocimiento obtenido a sus áreas de estudio (acuerdo con la usabilidad). Tal y como se puso de manifiesto a partir de los análisis anteriores, las características del entorno inciden directamente en la calidad con la que se representa en terreno. Estas señales llevaron a estudiar en profundidad los factores que afectan a la precisión de los modelos. Tras un análisis de sensibilidad se comprobó que las características del entorno, la variabilidad del terreno y la densidad de puntos son los factores que más influyen en la precisión de los MDT. Estos resultados se completaron con un análisis predictivo del error de estos modelos, dejando ver que la utilidad de este tipo de estudios puede ir más allá que explicar o subsanar anomalías en los resultados, pues dicha información puede tomarse como referencia en la etapa de captura de datos y aumentar la eficiencia y efectividad de esta tarea. Lo híbrido surge como respuesta a la demanda de productos con mayor nivel de detalle, lo que implica de nuevo abandonar las visiones estáticas. Y esta investigación empezó con un método híbrido de filtrado y finaliza con un método híbrido de clasificación (píxel + objetos). Los análisis y resultados obtenidos son muy satisfactorios pero sobretodo ponen de manifiesto el potencial de los datos y herramientas que se encuentran a nuestro alcance. Después de recorrer este camino, me quedo con la necesidad de buscar fuentes de luz que iluminen las nuevas inquietudes que esta investigación ha despertado en mí.