Reading time:
min
No items found.
Nota: este contenido fue traducido automáticamente con IA.

El mapeo con ecosonda basado en UAV muestra una correlación del 87 % con mediciones de profundidad verificadas

Sensores avanzados
El mapeo con ecosonda basado en UAV muestra una correlación del 87 % con mediciones de profundidad verificadas
06/04/2025

Este caso de estudio demuestra cómo se utilizó un sistema de ecosonda basado en drones para mapear con precisión aguas interiores poco profundas. Al comparar más de 11,000 puntos de profundidad con datos de LiDAR y GNSS, el equipo confirmó una alta correlación y optimizó los ajustes de levantamiento con UAV para obtener los mejores resultados.

Antecedentes

El mapeo batimétrico es esencial para monitorear cuerpos de agua interiores, apoyando aplicaciones como el seguimiento de sedimentación, la evaluación de la capacidad de embalses y el modelado de riesgos de inundación. Los enfoques tradicionales, que incluyen sonar montado en embarcaciones y LiDAR, son precisos pero a menudo están limitados por el costo, la accesibilidad y la ineficiencia en entornos poco profundos o restringidos.

Para este estudio, el equipo de investigación utilizó un sistema de ecosonda basado en UAS desarrollado por SPH Engineering que ofrece una solución flexible y rentable. Este estudio, realizado por el Delta Research and Extension Center (DREC) de la Universidad Estatal de Mississippi, explora la viabilidad y precisión de las ecosondas montadas en UAS, complementadas con datos de LiDAR y GNSS para su validación.

Desafíos

El mapeo de cuerpos de agua poco profundos presenta desafíos únicos de planificación y precisión:

  • Acceso y seguridad. Los levantamientos en barco son difíciles y arriesgados en aguas poco profundas o remotas.
  • Vacíos de datos. Las ecosondas recopilan profundidad solo a lo largo de las rutas de vuelo. Rellenar los espacios entre estas rutas requiere un procesamiento de datos adicional.
  • Falta de puntos de referencia. Hasta ahora, no había existido una comparación exhaustiva de los datos de profundidad recopilados por UAS con mediciones de terreno reales.‍
  • Desafío de planificación de vuelo. Existía una evaluación previa limitada sobre cómo el espaciado de las líneas de vuelo y los intervalos de muestreo de datos afectan la calidad de los resultados de la ecosonda basada en UAV, lo que hizo necesario probar y establecer mejores prácticas a través de este estudio.
__wf_reserved_inherit
Área de estudio del estanque en el Delta Research and Extension Center, Mississippi

Solución

Para superar estas limitaciones, el equipo de investigación empleó un sistema de ecosonda basado en drones, combinando sensores modernos y herramientas de análisis geoespacial.

Descripción general del sistema y flujo de trabajo de la inspección

  • Plataforma: Dron DJI M300 RTK
  • Sensor: SPH Engineering Ecosonda de doble frecuencia ECT D052S (50/200 kHz)
  • Software de planificación de vuelo: UgCS (Software de control terrestre universal)
  • Área de estudio: Estanque de investigación de 2.09 acres en DREC‍
  • Datos de referencia: Mediciones LiDAR y GNSS de alta resolución tras el drenaje

El UAV voló en líneas paralelas separadas por 5 m, con la ecosonda sumergida bajo la superficie. Utilizando un altímetro de radar y el sistema SkyHub, el dron mantuvo una altura constante. Los datos se recopilaron y supervisaron en tiempo real mediante la aplicación UgCS Custom Payload Monitor (CPM). Tras el estudio, se drenó el agua y se realizaron escaneos LiDAR del fondo expuesto del estanque. También se tomaron mediciones con un rover GNSS en los charcos residuales.

Resultados

Los resultados confirman que las ecosondas montadas en vehículos aéreos no tripulados (UAV) pueden proporcionar datos de profundidad precisos, especialmente cuando se optimizan las estrategias de muestreo.

Métricas de precisión

Para evaluar la eficacia del sistema de drones en la captura de elevaciones subacuáticas reales, el equipo comparó sus mediciones de profundidad con los datos LiDAR y GNSS de alta resolución recopilados después de drenar el estanque. La precisión se midió utilizando dos indicadores estándar:

  • Error cuadrático medio (RMSE): La desviación media entre las mediciones del dron y los datos de referencia, en cm.‍
  • R² (Coeficiente de determinación): Muestra el grado de coincidencia entre los datos del dron y los datos de referencia, donde el 100% indica una correspondencia perfecta.

Hallazgos:

  • Conjunto de datos completo (11 439 puntos). El error medio fue de ±10,2 cm, y las mediciones explicaron alrededor del 73% de la variación en la profundidad (R² = 72,8%).
  • Conjunto de datos filtrado (95,45%). Tras eliminar los valores atípicos, la precisión mejoró a ±6,6 cm, y la coincidencia con los datos de referencia aumentó a casi el 87% (R² = 86,6%).
  • La mayoría de los valores atípicos se encontraron en zonas de aguas poco profundas; el sistema tuvo un mejor desempeño en áreas más profundas.
  • Precisión de la interpolación. Entre los diez métodos de interpolación probados, Topo to Raster destacó:
    • Con un espaciado de línea de vuelo de 5 m, se obtuvieron los mejores resultados con un error de ±6,3 cm y una coincidencia del 83% con los datos de referencia.
    • Con un espaciado de 10 m, el rendimiento fue ligeramente inferior, con un error de ±7,1 cm y 81,5 % de coincidencia.
__wf_reserved_inherit
Superficies batimétricas generadas mediante el método Topo to Raster

Resultados de la estrategia de muestreo

El estudio también evaluó cómo el espaciado de las líneas de vuelo y los intervalos de puntos afectaban a la precisión del mapeo. Los resultados mostraron que 5–10 m de líneas de vuelo y 5–10 m de intervalos de muestreo ofrecían el mejor equilibrio entre calidad de datos y eficiencia. Un espaciado superior a 20 m provocó mayores errores y una menor correlación.

Conclusión

Este estudio confirma que las ecosondas basadas en UAV pueden generar mapas de profundidad precisos para aguas interiores poco profundas, llegando incluso a coincidir con datos LiDAR de referencia con un margen de pocos centímetros. Tras analizar más de 11 000 puntos de datos y comparar diez técnicas de mapeo, el equipo de investigación identificó los mejores métodos y parámetros de vuelo para construir superficies batimétricas precisas. Estas conclusiones pueden ayudar a los equipos a planificar mejor sus estudios, reducir el tiempo de trabajo en campo y mejorar la fiabilidad de los datos.

‍

About
volver arriba
Download UgCS