Geoinformática e Geoestatística: Uma Visão Geral

Extração e Análise de Diferentes Derivados de Terreno a Partir de Medições LiDAR Aerotransportadas de Nuvens de Pontos de Volumes de Dados Reduzidos

Fahmy FF Asal

Parâmetros topográficos como declive, aspecto, curvatura de perfil, curvatura de contorno e rede de drenagem são geralmente conhecidos como derivados de terreno que desfrutam de uma ampla gama de aplicações de engenharia e ambientais. Diferentes técnicas de engenharia de topografia, como topografia de solo, GPS, fotogrametria digital, além de tecnologias de sensoriamento remoto, constituem as principais fontes de dados de elevação digital explorados na extração de diferentes derivados de terreno em qualidades variadas. O LiDAR aerotransportado é uma tecnologia eficiente que pode capturar dados de elevação digital muito densos e precisos, conhecidos como dados de nuvem de pontos LiDAR para áreas estendidas em tempos relativamente curtos com custos razoáveis. No entanto, o processamento de dados de nuvem de pontos LiDAR de densidade muito alta pode levar a sérios problemas de consumo de tempo e memória. Assim, espera-se que as reduções dos volumes de dados LiDAR reduzam os custos de aquisição e processamento de dados; mas isso pode afetar as qualidades dos derivados de terreno extraídos. Este estudo teve como objetivo a extração e avaliação de diferentes derivados de terreno a partir de medições de LiDAR aerotransportado de volumes de dados reduzidos, incluindo mapas de declive, aspecto e sombreamento, além da avaliação dos resíduos de elevação que surgem devido às reduções nos volumes de dados LiDAR. Análises visuais de mapas de declive, mapas de aspecto e mapas de sombreamento mostraram diferenças claras nos tamanhos e formas dos patches de cor devido a reduções nos volumes de dados LiDAR que aparecem como degradações nos tons e texturas nos mapas que aumentam com o aumento da quantidade de reduções dos volumes de dados originais. A análise estatística de mapas de declive mostrou que o desvio padrão dos slopes diminuiu em apenas 0,225% e 30,442% devido à exclusão de 50% e 75% dos dados LiDAR originais, respectivamente. Isso significa que os mapas de declive podem suportar reduções nos volumes de dados LiDAR de até 50% dos dados brutos sem efeitos claros nas propriedades estatísticas dos mapas de declive produzidos. Mapas de erro resultantes da omissão de apenas 25% dos dados são estruturados onde os patches de cor são relativamente pequenos, mostrando grandes mudanças no tom dentro do mapa em comparação com o mapa de erro resultante de apenas 50% dos dados LiDAR que é menos estruturado com tons suavizados. A análise estatística dos mapas de erro mostrou que o desvio padrão dos resíduos de elevação aumenta com a diminuição do volume de dados LiDAR, referindo-se a maiores incertezas das elevações extraídas. Quando o volume de dados LiDAR é diminuído de 75% dos dados originais para 50%, o desvio padrão dos resíduos de elevação aumentou em apenas 17%, no entanto, ao diminuir de 75% para 25%, o desvio padrão dos resíduos de elevação aumentou em cerca de 101,5%.