Este artículo presenta un enfoque metodológico novedoso para comprender y evaluar la idoneidad de la batimetría con lidar aerotransportado para la clasificación y el mapeo automáticos del fondo marino. Esta solución permite registrar la profundidad por debajo del disco de Secchi.

La batimetría aerotransportada por lidar (ALB) es una tecnología de medición moderna que permite obtener mediciones rápidas de profundidad en entornos submarinos poco profundos. La técnica permite registrar la profundidad por debajo del disco de Secchi. Los conjuntos de datos ALB son adecuados para fines de mapeo costero cercano a la costa, incluida la determinación de formas morfológicas sumergidas del lecho marino y estructuras de protección costera. Este artículo presenta un enfoque metodológico novedoso para comprender y evaluar la idoneidad de ALB para la clasificación y mapeo automáticos del lecho marino.

La expansión humana en las zonas costeras y su uso intensivo con fines económicos y recreativos exigen información sobre su estado, evolución y funcionamiento. Para gestionar eficazmente la zona costera, aprovechando al máximo sus recursos y garantizando la seguridad de las personas que la habitan, resulta crucial vigilar y cartografiar esta zona, lo que supone un reto desde el punto de vista técnico y logístico.

Cartografía de zonas costeras poco profundas

La cartografía costera es una de las herramientas fundamentales de apoyo a la ingeniería de costas. Es un elemento importante para el seguimiento y evaluación del estado del litoral y de la costa y permite identificar las zonas más sensibles a la erosión. Por tanto, permite una gestión eficaz y económica de la protección costera. En el caso de las costas protegidas, la topografía permite verificar la funcionalidad y la eficacia de las armaduras aplicadas, lo que contribuye a mejorar la práctica de la ingeniería.

Las mediciones batimétricas con lidar permiten medir zonas costeras poco profundas. En comparación con los sistemas acústicos, permiten realizar estudios mucho más rápidos en zonas poco profundas a un menor coste. Un escáner láser batimétrico utiliza un haz verde (532 nm) para registrar la profundidad por debajo de la superficie del agua. En comparación con los escáneres topográficos, este se caracteriza por una mayor potencia y frecuencias de pulso láser más bajas, debido al mayor tiempo de retorno del haz de eco reflejado.

Figura 1: El sitio de estudio y su ubicación en Europa. Ubicación de las áreas de investigación particulares N1–N4 (polígonos naturales) y A1–A2 (áreas modificadas por la presión antropogénica). Mapa base: OpenStreetMap.

La identificación y clasificación de la geomorfología del fondo marino a partir de conjuntos de datos de teledetección se puede realizar de forma manual, automática o semiautomática. El mapeo manual es laborioso y lleva mucho tiempo y requiere la experiencia de un solo intérprete, preferentemente. Por lo tanto, este estudio propone un método para el mapeo automático del fondo marino poco profundo basado en conjuntos de datos ALB para el Báltico meridional.

Sitios de estudio y conjuntos de datos adquiridos

El área de estudio se encuentra en la costa polaca del Báltico meridional (Fig. 1). Se seleccionaron para el estudio seis polígonos a lo largo de la costa, que representan franjas del lecho marino que se extienden desde la línea de costa hasta una profundidad de aproximadamente 5,5 m. Cuatro de estas áreas tienen un carácter ambiental natural y dos (cerca de las ciudades de Rowy y Ustka) han sido modificadas antropogénicamente. Los métodos de procesamiento desarrollados también se aplicaron a una sección de costa de 48 km del Báltico meridional.

El estudio utilizó datos ALB de la Oficina Marítima de Gdynia ( https://www.umgdy.gov.pl/ ) a través del portal SIPAM ( https://sipam.gov.pl/ ). Los datos se presentaron en forma de modelos digitales de elevación batimétricos (DEM), creados utilizando una nube de puntos registrada en el formato de datos .las. Las mediciones fueron obtenidas por OPEGIEKA con las siguientes especificaciones: densidad de escaneo promedio mínima de 2x12,4 puntos/m², error horizontal promedio de punto (XY) de 0,02 m y error vertical promedio de punto (H) no superior a 0,07 m. El modelo resultante en forma de modelo de terreno se presenta en la Figura 2.

Figura 2: Sección de ejemplo del conjunto de datos ALB proporcionado por la Oficina Marítima de Gdynia. A: Clasificación de la nube de puntos lidar, nivel del suelo; B: Reflexión de la intensidad de una nube de puntos ALB; C: Modelo digital del terreno (coloreado por altura).

Clasificación manual de los lechos de encofrado

La extensión espacial de nueve tipos de formaciones de lecho y tres tipos de estructuras antropogénicas se separó manualmente con base en la interpretación y análisis del ALB por geomorfólogos calificados. El análisis fue respaldado por investigaciones adicionales del relieve del fondo marino y la interpretación de la profundidad, pendiente y aspecto (incluyendo la delineación de bordes, bases de pendiente, crestas de forma de lecho y ejes de forma de canal). De este modo, se distinguieron 13 clases de objetos: artefactos, lecho ondulado, lecho ondulado con artefactos, lecho llano, lecho llano con artefactos, otras irregularidades, lecho de canal irregular, ondulaciones linguoideas (en forma de lengua), ondulaciones rectas o sinuosas, espigones, rompeolas sumergidos, módulos de arrecifes artificiales y turba.

Procesamiento automático de los conjuntos de datos ALB

La batimetría ALB permitió la extracción de un total de 21 atributos, como pendiente, aspecto, rugosidad y curvatura, además de atributos más avanzados como geomorfones o multi-resolución de planitud de crestas (MrRTF). Estos fueron sometidos a un algoritmo de selección de características cuyos resultados se utilizaron posteriormente para la clasificación.

Los puntos de control de la verdad de campo se generaron con base en clasificaciones manuales y un proceso aleatorio. Se separaron para muestras de entrenamiento y de prueba y se usaron como entrada para clasificadores supervisados. La delineación y clasificación automática de las formas de lecho se llevó a cabo utilizando análisis de imágenes basado en objetos geográficos (GEOBIA). Esto permite la segmentación de las imágenes de teledetección (útil para la delineación de la cobertura de las estructuras) y la clasificación basada en conjuntos de datos de verdad de campo generados previamente. Todos los algoritmos se pueden utilizar de forma semiautomática para alcanzar resultados objetivos. Este estudio probó varios algoritmos de segmentación y clasificación y seleccionó los que dieron los mejores resultados. El rendimiento de los clasificadores se midió utilizando estadísticas típicas como la precisión del productor, del usuario y general.

Figura 3: Resultado de la extracción de características de MrRTF del ALB con primeros planos de secciones de muestra de la costa (Báltico meridional). Las líneas negras con los números 1 a 3 representan crestas de bancos de arena delineadas manualmente. Mapa base: OpenStreetMap.

Rendimiento de los predictores y clasificadores de aprendizaje automático propuestos

El análisis de la selección de características confirmó que todos los atributos eran importantes para la clasificación automática, por lo que todos ellos se utilizaron como datos de entrada para el análisis. Desarrollado inicialmente para hidrología, MrRTF surgió como un buen predictor de crestas de bancos de arena y cimas de formaciones de fondo más pequeñas, como megaripples, por lo que se sugirió como un posible diagnóstico para la determinación de dichas formaciones de fondo cercanas a la costa (Fig. 3).

Este estudio demostró que el clasificador de bosque aleatorio (RF) es apropiado para la clasificación automática precisa de formas de fondo y estructuras antropogénicas basadas en mediciones ALB. RF tuvo el rendimiento más alto de todos los clasificadores que se probaron. La comparación general de sus resultados con las clasificaciones manuales mostró una buena concordancia para todos los tipos principales de formas de fondo (Fig. 4). El mismo algoritmo funcionó bien en áreas más complejas con una mezcla de formas de fondo naturales y estructuras antropogénicas en el fondo marino (Fig. 5), así como en el entorno cercano a la costa de 48 km de largo del Báltico meridional. La precisión en todos los escenarios varió entre aproximadamente el 75% y el 91%, con una mediana del 84%. Una opinión de expertos independientes mostró que las divisiones resultantes son factibles y correctas.

Figura 4: Comparación de los resultados de la clasificación automática de áreas naturales mediante el método manual (izquierda) y el método de bosque aleatorio (derecha). Mapa base: ortofotomapa de apoyo del mismo estudio de vuelo.

¿La clasificación automática reemplazará la interpretación manual?

La investigación presentada cubre varios aspectos de la determinación y evaluación de métodos de mapeo automático basados en conjuntos de datos ALB. Se distinguieron nueve tipos de formas de fondo y tres tipos de estructuras antropogénicas que ocurren en la zona cercana a la costa del Báltico Sur, lo que demuestra la idoneidad de los conjuntos de datos ALB de alta resolución para el mapeo automático de la zona cercana a la costa. La extracción del MrRTF se puede aplicar de manera eficiente a la delineación automática de los cursos de cresta de los bancos de arena, que son de gran importancia para la protección costera. La cobertura espacial del ALB presentada en este estudio muestra que todavía hay un potencial de mejora en la precisión y el rango de penetración de las mediciones batimétricas del escáner láser. Aunque se probaron muchos atributos geomorfométricos, las características secundarias de otras fuentes o en otras escalas espaciales pueden mejorar el rendimiento de la clasificación. Por lo tanto, si bien todavía hay margen de progreso, se han logrado avances significativos en el campo.

Figura 5: Comparación de los resultados de la clasificación automática de áreas modificadas antropogénicamente con el método manual (izquierda) y el método de bosque aleatorio (derecha). Mapa base: ortofotomapa de apoyo del mismo estudio de vuelo.

Lectura adicional

Janowski, L., Wroblewski, R., Rucinska, M., Kubowicz-Grajewska, A. y Tysiac, P. (2022). Clasificación y mapeo automático del fondo marino mediante batimetría aerotransportada con lidar. Ingeniería geológica, 301, 106615. doi: https://doi.org/10.1016/j.enggeo.2022.106615

Esta investigación fue financiada en su totalidad por el Centro Nacional de Ciencias de Polonia [Número de subvención: 2021/40/C/ST10/00240]