El IGN ha lanzado un nuevo sistema de producción automática para la extracción vectorial de la red hidrográfica a partir de datos Lidar. La presentación muestra el sistema productivo desarrollado con el soporte de las herramientas de Esri que ha utilizado para la automatización, así como los resultados obtenidos de la producción que ya ha finalizado.
Presentación guía sencilla en Microsoft Excel.pptx
Producción automática de la red hidrográfica nacional a partir de datos Lidar - Conferencia Esri 2016
1. 1
Eduardo Núñez Maderal,
N. Valcárcel, J. Delgado, C. Sevilla, J.C. Ojeda
Producción automática de la red hidrográfica
nacional a partir de datos Lidar
2. 227 octubre 2016 CE16 2
Cambios
Entorno de información geoespacial
Recursos
humanos
Gestión
global
Tecnología
geoespacial
Usuarios
Mirar dentro de la
organización
Mirar a otros
3. 327 octubre 2016 CE16 3
Hidrografía en la cartografía básica del estado
Introducción
1990
2014 2,5D (XY+Z) Captura manual por restitución fotogramétrica
combinada con una actualización 2D (ortoimagen + MDT)
Captura y mantenimiento con propósitos cartográficos
Producción:
• La hidrografía es obtenida junto con otros
temas de información para hacer cartografía
• La precisión está en relación a la escala del
mapa (5 metros para 1:25.000)
• El ciclo de mantenimiento está vinculado a
las necesidades cartográficas
INFORMACIÓN GEOGRÁFICA
PARA EL MAPA TOPOGRÁFICO NACIONAL (1:25.000)
4. 427 octubre 2016 CE16 4
Red Hidrográfica Automática (RHA) del proyecto de
Información Geoespacial de Referencia (IGR) del IGN
Introducción
2014
… Producción de red hidrográfica de alta precisión: extracción
automática XYZ, homogénea y objetiva a nivel nacional
Captura y mantenimiento para propósitos cartográficos e
hidrológicos conforme a INSPIRE
LiDAR
DRAINAJE
NETWORK
PROYECTO DE PRODUCCIÓN IGR: red hidrográfica
Producción red hidrográfica:
• Conforme a INSPIRE
• Precisión: aproximación
bottom-up
• Ciclo de mantenimiento en
relación a necesidades (6
años para la red
hidrográfica)
5. 527 octubre 2016 CE16 5
¿Qué es la (IGR) Información Geoespacial de Referencia?
IGR: información oficial del territorio para que
cualquier usuario y aplicación puedan
referenciar sus datos
Características
Provee una localización precisa sin
ambigüedades
Posibilita la combinación de datos
Debe estar sometida a un proceso claro
de mantenimiento
Oficial: es producida y facilitada desde
una fuente competente, con mandato
legal
Imágenes
Redes Transporte
Ocupación suelo
Poblaciones
Hidrografía
Altimetría
6. 627 octubre 2016 CE16 6
Elementos de impulso del trabajo:
• Visión estratégica IGN, proyecto IGR
• Disponibilidad de cobertura Lidar nacional
• Necesidades usuarios:
• Confederaciones, organismos de cuenca
• D.G.Agua
• Sistema cartográfico nacional
• INSPIRE
• Producción de red europea: Programa Copernicus (EEA)
• Coordinación a nivel global: UN-GGIM
• Principios metodológicos (CEDEX-D.G.Agua)
Impulso del proyecto
7. 727 octubre 2016 CE16 7
PROYECTO DE DATOS LIDAR EN ESPAÑA (PNOA LIDAR)
8. 827 octubre 2016 CE16 8
METODOLOGÍA PARA LA EXTRACCIÓN AUTOMÁTICA DE RED HIDROGRÁFICA
Criterios
técnicos
Análisis
viabilidad
Metodología
•Planificación
•Prepara fuentes
•Procesado hidro.
•Validación Producción
• Planificación,
recursos
• Producción
Resultados y
conclusiones
CRITERIOS
VIABILIDAD
METODOLOGÍA DE
PRODUCCIÓN
PRODUCCIÓN
RESULTADOS
9. 927 octubre 2016 CE16 9
CRITERIOS TÉCNICOS
Requerimientos
Objeto geográfico Red de corriente natural del río (aguas superficiales)
Fuente de datos Clasificación automática datos LiDAR (0,5 p/m2)
MDT Paso malla 2 m, automático desde Lidar
Algoritmo
hidrológico
Modelo D8
Calidad Precisión XY: 1m. ; Precisión Z: 0,5m.
Productos MDT_hidro, modelo de direcciones y red hidrográfica
XYZ
Control calidad Procesos semiautomáticos XYZ. No se contemplan
trabajos de campo
10. 1027 octubre 2016 CE16 10
Selección áreas de test
ANÁLISIS DE VIABILIDAD
CUENCA
GUADALQUIVIR
Embalse
Pequeña cuenca
Área urbana
Conjunto de
datos (red
hidrográfica)
XY error
evaluad
o
Z error
estima
do
Tiempo
estimado
extracción
(1 máquina)
Cartografía
1:25.000
2-3m < 5 m
MDT 2m
(RHA02)
2-3m < 0.5
m
29,9 meses
MDT5m,
(RHA05)
3-4 m < 0.5
m
12,8 meses
Sevilla
11. 1127 octubre 2016 CE16 11
Metodología de producción desarrollada
METODOLOGÍA
PLANIFICACI
ÓN
PROCESADO
DE DATOS
PROCESADO
HIDROLÓG.
VALIDACIÓN
Lidar-MDT &
cartografía
Zonas de
proceso
MANUAL
EDITION
Capas
vectoriales
Mosaicos Red
hidrológica
MDT_hidro
12. 1227 octubre 2016 CE16 12
Preparación de los datos y generación MDT02
• Empleo ETLs para la gestión masiva de datos
• Generación automática de MDT02
METODOLOGÍA: DATOS Y PLANIFICACIÓN
DATA &
PLANNING
Lidar-MDT &
cartografía
Zonas
planificadas
2x2 km tiles LiDAR/DTM
(more than 160,000 files)
Ejemplo de unidades en el Guadalquivir:
24 unidades organizadas en 5 zonas
(cálculo basado en MDT200)
Unidades de producción de 1.500 km2
para ser capaces de procesar
hidrológicamente con grid de 2 metros
Unidades de producción
planificadas
13. 1327 octubre 2016 CE16 13
METODOLOGÍA : PROCESADO DE DATOS
PROCESADO
DE DATOS
Capas
vectoriales
Mosaicos
Ficheros de 2x2 km
Selección MDT02
RASTER
Generación mosaicos
(con relleno de
huecos y recorte
costa)
x 3 ficheros:
- MDT02
- MD_Edificios
- MD_Suelo
VECTOR
- Ejes de ríos
- Cabeceras ríos
- Embalses
- Presas
- Carreteras, ffcc
- Manzanas
urbanas
INPUTs para el
Procesado hidrológico
14. 1427 octubre 2016 CE16 14
METODOLOGÍA : PROCESADO HIDROLÓGICO
PROCESADO
HIDRO.
Red_hidro
MDT_hidro
Corrección
hidrológica en
masas de agua
Eliminación de obstáculos Adición de obstáculos
2.1. combina
corriente derivada
desde las cabeceras
(amarillo) con la
corriente acumulada
(rojo) 2.2 Cálculo de
cuenca de
drenaje
[HydroTools]
1.
2.
15. 1527 octubre 2016 CE16 15
METODOLOGÍA : PROCESADO HIDROLÓGICO
Desarrollo: procesos hidrológicos de corrección de MDT y extracción de red
16. 1627 octubre 2016 CE16 16
METODOLOGÍA : VALIDACIÓN
VALIDACIÓN
Generación automática de puntos de muestreo
Medida automática de calidad posicional XY(Z)
CARTO
Input Tipos de puntos
CARTO
Input
RED02
Output: puntos de muestra
Output: estadísticas
VS
17. 1727 octubre 2016 CE16 17
PRODUCCIÓN: PLANIFICACIÓN Y RECURSOS
LiDAR -
MDT
MDT02
HIDRO
RED
HIDRO
PLANIFICACIÓN
CAPAS
VECTORIALES
VALIDACIÓN
329
Unidades de producción (UP)
(504,000 km2 / 1,500 km2 UP )
500 ficheros(2x2 kms) x UP
8 Tb
Mosaicos
8 Gb x mosaico
x3=987 ficheros
5 días /UP/1máquina
x
329 UP
= 1645 días / 7 años
20-40 máquinas
¡ 5-6 meses !
27 Tb
LiDAR-MDT02
164,000 lidar
490.000.MDT
654.000 ficheros
ESPAÑA
Superficie: 504,000 km2
Ríos: 654,000 km (escala 1:25,000)
18. 1827 octubre 2016 CE16 18
FASE Cantidad Tiempo
ejecución
(meses)
MDT02 490m ficheros 3,5
Mosaicos x3 = 987 fich. 2,3
Procesado
hidro
329 (sub-zonas) 6
PRODUCCIÓN
UNIDADES DE
PRODUCCIÓN
x 329
Infraestructura local
(Centro de Proceso de Datos)
Infraestructura
Web
S3 + EC2
Desde Noviembre 2015 a Mayo 2016
19. 1927 octubre 2016 CE16 19
• Resultados finales:
• Red vectorial del río XYZ (eje del río) con 2-3m
metros en XY y 0,5 m en Z
• MDT hidrológico de paso malla 2 metros
• Modelo de direcciones y acumulación asociado
• Productos intermedios también útiles a usuarios:
límites físicos de cuencas vertientes
• Es una primera versión automática :
• Modelado hidrológico basado en datos
cartográficos
• Seguir dando pasos con el objetivo de conseguir
una red básica a nivel Nacional
o coordinación con la D.G.Agua, CEDEX, …
o combinar la modelización hidrológica con datos
procedentes de clima o hidro-geológicos
RESULTADOS
20. 2027 octubre 2016 CE16 20
Mapa topográfico
MDT02 original
Red obtenida
LiDAR LiDAR clase suelo
21. 2127 octubre 2016 CE16 21
Río
Tormes
Barco de
Ávila
UNIDAD DE PRODUCCIÓN:
Demarcación: DUERO
ZONA:G
SUBZONA:1
22. 2227 octubre 2016 CE16 22
• Metodología del CEDEX-DGA: clave para el
desarrollo
• Automatización alcanzada: 70% 60% ahorro
comparado con la captura manual estereoscópica
• Resultados homogéneos y objetivos
• Mejora significativa en la precisión altimétrica
• Análisis de viabilidad: clave para la toma de
decisiones
• Entorno Esri desarrollo : clave para la estabilidad
• Uso de big data & técnicas de computación en la
nube: clave para el procesamiento en plazo
CONCLUSIONES
23. CE16 2327 octubre 2016
Eduardo Núñez Maderal
enmaderal@fomento.es
Muchas gracias
Artículo del trabajo:
https://www.conftool.pro/isprs2016/index.php?page=browseSessions&print=head&form
_session=227#paperID2160
Editor's Notes
Buenos días, voy a hablar sobre una nueva línea de producción de información geoespacial de referencia del IGN. Soy un ingeniero de este organismo y estoy muy agradecido de estar aquí y presentaros este proyecto…y una de las razones de estar aquí es esta….
….. Los cambios…cambios en cómo usamos y en cómo necesitamos los datos espaciales, esta nueva metodología de producción de la que voy a hablar es el comienzo de un cambio, un cambio en busca de la automatización, cambios debidos a la importancia del «DONDE»
En el IGN, a finales del siglo pasado fue realizada una adquisición masiva de información geográfica para producir a nivel nacional la cartografía básica, esto llevó aproximadamente 11 años donde los ríos fueron capturados junto con otra información topográfica. Los últimos años han sido utilizados para el mantenimiento de estos datos en relación a las necesidades de publicación cartográfica.
El proyecto IGR es responsable de producir la hidrografía y otros temas fundamentales de un modo especializado. El objetivo de la metodología propuesta es obtener una red hidrográfica de alta precisión en las tres componentes (XYZ), que sea obtenida lo más automáticamente posible a partir de los datos Lidar. Los datos finales deben ser conformes a las reglas de implementación de INSPIRE y los ciclos de mantenimiento deben ser coordinados en relación a las necesidades de los usuarios con el objetivo de proporcionar Información de referencia.
Y qué es la IGR?: pues es información que proporciona una localización precisa, sin ambigüedades y sobre todo, que es oficial.
Es importante destacar los elementos de impulso estratégico del proyecto que han servido para ver la necesidad, para creer en la posibilidad tecnológica y para llevar adelante este proyecto, como son por ejemplo el disponer de una cobertura Lidar o haber contado con un punto de partida basado en el conocimiento de la metodología desarrollada por el CEDEX en coordinación con la D.G. del Agua del MAGRAMA.
Este es el proyecto de lidar, con cobertura nacional con una resolución de un punto por cada 2 metros. Hemos utilizado esta cobertura y este año se ha comenzado a capturar una segunda cobertura completa que será utilizada para mejorar y actualizar la información existente.
Estos han sido los pasos seguidos para poner en práctica el sistema de producción automático. Os comento con más detalle cada paso.
La primera tarea fue definir qué queríamos y qué esperábamos:
Y lo que queremos es el eje de río (de las aguas superficiales)
Y lo que esperamos es unos datos de alta resolución coherentes con el terreno y obtenidos de la forma lo más automática posible
Para validar la idea propuesta seleccionamos varias zonas de test y medimos la calidad sobre las redes generadas, comparando resultados entre ellas y contra la red cartográfica existente. Esta tabla resumen es la que utilizamos para tomar la decisión de seguir adelante.
Este es el flujo de producción diseñado, consiste en 4 fases y en el caso de que los resultado cumplan con la calidad posicional y altimétrica requerida los datos pasan a la siguiente fase manual de edición. En otro caso se revisan los errores y se procesa de nuevo.
En la primera fase, la unidades de producción son planificadas dentro de cada demarcación hidrográfica, esta definición es importante debido a los límites técnicos para el procesado hidrológico con grandes ficheros raster. Una vez tenemos estas unidades, preparamos automáticamente las fuentes de datos: Lidar, MDT y cartografía necesaria
El segundo paso consiste en la generación de los ficheros necesarios para cada unidad de producción: los mosaicos raster y las capas vectoriales
El tercer paso comienza con la corrección del MDT. Diferentes casos fueron modelados para permitir al agua circular corriente abajo desde las cabeceras. Estas imágenes muestran 3 de ellos: corrección de masas de agua para extraer el eje virtual o ficticio, eliminación de obstáculos debido al cruce con infraestructuras o la adición de edificios en áreas urbanas.
La segunda tarea es la extracción de la red por combinación de la corriente derivada desde las cabeceras (en amarillo) con la corriente obtenida de acumulación(en rojo). Finalmente, se realiza el cálculo de la cuenca de drenaje para para filtrar la red de drenaje lógica.
Este es el entorno de desarrollo para esta fase de procesado hidrológico en donde hemos contado con Tragsatec para desarrollar los procedimientos y con Esri hemos conseguido optimizar los procesos para garantizar la producción.
Y en cuarto lugar, una validación automática de los resultados
Para esto primero generamos una muestra aleatoria de puntos basados en la cartografía y en segundo lugar estos puntos son usados para comparar automáticamente la red obtenida. Esta es la forma de medir la calidad del resultado y validar los procesos.
De este modo, una vez establecida la metodología lanzamos la producción masiva para todo el territorio. Ya conocemos la superficie de nuestro país y para hacernos a la idea de la cantidad de datos a manejar, en nuestra base topográfica a escala 1:25.000 tenemos más de 600.000 kms de ríos. Para procesar este territorio nos han salido 329 unidades de producción, cada una de ellas cubierta por aproximadamente 500 ficheros de lidar y 1500 ficheros de MDT02 y teniendo en cuenta un solape entre unidades estamos manejando unos 164.000 ficheros de lidar y unos 490.000 de MDTs, además de los casi 1000 mosaicos y capas vectoriales para cada unidad de producción. Para procesar una unidad de producción se estimaron 5 días por máquina lo que supone 7 años para todo, pero gestionando entre 20 y 40 máquinas de geoprocesos el tiempo se reduce a menos de 6 meses y esto parece fácil, hace poco ví una presentación de Google donde utilizaban 66.000 máquinas para procesar 2 millones de ficheros en menos de 2 días, increíble pero es una cuestión de máquinas cuando automatizas
Y así fue, empezamos en Noviembre del año pasado y terminamos en Mayo de este año. Para hacerlo posible involucramos todos los recursos locales disponibles en el IGN y necesitamos alquilar más infraestructura para complementar las tareas de geo-procesamiento usando los servicios Web de Amazon, como son el S3 y el EC2
Aquí muestro una selección de las conclusiones de este trabajo. Remarco el hecho de que es un primer paso de automatización para la extracción de red y hemos obtenido buenos resultados y estamos obteniendo buenas experiencias con ello como estar aquí hoy…muchas gracias