Resumen de la misión
Tipo de investigación: Fotogrametría con drones para la investigación meteorológica científica
Desafío: Medir miles de granizos con precisión milimétrica en terrenos irregulares antes de que se derritan.
Solución: UgCS planificó misiones de seguimiento de terreno a baja altitud a 8 m AGL (frente a los 12 m de investigaciones anteriores) para obtener una resolución fotogramétrica constante de 1 mm/px.
Resultados:
- 98% de precisión de detección en experimentos controlados
- 81% de precisión en condiciones de tormenta real
- Error promedio inferior a 1 mm para objetos sintéticos
- ~4000 granizos capturados en un vuelo de 1 minuto y 49 segundos
Equipo: MeteoSwiss y ETH Zürich
Publicación:Frontiers in Environmental Science, septiembre de 2025
El problema que nadie podía resolver: datos reales sobre el tamaño del granizo
Las mediciones precisas del tamaño del granizo son fundamentales para la investigación meteorológica, y los radares estiman el tamaño desde miles de metros de altura. Sin embargo, no pueden determinar qué es lo que realmente impacta en el suelo. Los métodos actuales de verificación en tierra presentan deficiencias importantes:
- Placas de granizo requieren recolección manual y carecen de datos temporales
- Sensores automáticos cubren solo 0,2 m² y registran entre 10 y 80 impactos por evento
- Informes ciudadanos están sesgados hacia zonas pobladas
- Radar meteorológico proporciona estimaciones indirectas con una resolución de aproximadamente 1 km²
Ninguno de estos métodos ofrece lo que los científicos necesitan: distribuciones representativas del tamaño del granizo en grandes áreas con mediciones precisas al milímetro.
En junio de 2022, tras una fuerte granizada en Locarno, Suiza, los investigadores contaban con 20 minutos antes de que el granizo se derritiera. Necesitaban capturar y medir miles de granizos individuales en 220 m² de terreno irregular.
Toda la metodología dependía de una pregunta: ¿podría la fotogrametría con drones ofrecer una resolución de 1 mm por píxel sobre un terreno irregular?
Por qué era importante la resolución de 1 mm/px
La precisión de la fotogrametría depende de la distancia de muestreo del suelo (GSD): cuántos milímetros representa cada píxel.
A 1 mm/px, un granizo de 10 mm ocupa 10 píxeles. Es posible medir el diámetro, detectar bordes y distinguirlo de la hierba o las flores. A 1,5 mm/px, ese mismo granizo se reduce a 6,7 píxeles. La detección de bordes se vuelve borrosa y los granizos pequeños desaparecen en el ruido de los píxeles.
Los experimentos demostraron que esto no era solo teórico. Los granizos pequeños (≤15 mm) ya eran los más difíciles de detectar a 1 mm/px. Una resolución menor elevaría el umbral de detección, eliminando los datos que la investigación pretendía capturar.
Con una cámara DJI Zenmuse P1 (45 MP, lente de 35 mm), lograr 1 mm/px requiere volar a 8 metros sobre el nivel del suelo.
Trabajos previos de fotogrametría de granizo (Lainer et al., 2024) utilizaron DJI Pilot 2, que impone un mínimo de 12 m AGL, lo que resulta en una resolución de aproximadamente 1,5 mm/px, un tamaño de píxel un 50 % mayor.
Cómo la planificación de vuelos a baja altitud de UgCS resolvió el desafío de la resolución
UgCS admite la planificación de vuelos a baja altitud, desde los 5 m AGL. El equipo realizó experimentos controlados a 8 m AGL, logrando la resolución de 1 mm/px que requería su metodología.
Pero la altitud es solo la mitad de la ecuación. La otra mitad es mantener esa altitud de manera constante sobre terrenos irregulares.
Seguimiento del terreno para una resolución uniforme
Si el dron asciende de 8 m a 12 m sobre una colina, la resolución se degrada de 1 mm/px a 1,5 mm/px. El granizo en esa colina se mide con tamaños de píxel diferentes a los del valle. Esa inconsistencia complica el análisis y afecta la calidad de los datos.
El ajuste manual de la altitud no era práctico. Para aplicaciones de mapeo de precisión que requieren una resolución constante, el seguimiento automático del terreno elimina el error humano y garantiza la uniformidad de los datos. El piloto tendría que reaccionar más rápido que los reflejos humanos mientras mantiene una velocidad y unos ángulos de cámara constantes.
El equipo utilizó el seguimiento del terreno de UgCS con modelos digitales de elevación de 0,5 m de resolución para generar automáticamente rutas de vuelo en 3D que mantienen una altitud constante sobre el suelo (AGL). El artículo de investigación lo documenta así: "Esto permite que el dron mantenga una altitud constante sobre el nivel del suelo (AGL), lo cual es esencial para una distancia de muestreo del suelo (GSD) uniforme".
El estudio de Locarno cubrió 220 m² de pradera irregular. Los experimentos de validación cubrieron cinco sitios diferentes con terrenos variables. El seguimiento del terreno mejoró la uniformidad en todos ellos.
Pruebas frente a una verdad terrestre conocida
El granizo real se derrite. Su tamaño real se vuelve incognoscible. Por ello, el equipo realizó experimentos sistemáticos con objetos sintéticos: esferas de EPS, guijarros de vidrio pintados y conos de hielo, de tamaños medidos con precisión.
Colocaron 50 objetos de diámetro conocido, realizaron misiones de fotogrametría a 8 m AGL, procesaron ortofotos a 1 mm/px, ejecutaron la detección por aprendizaje automático y compararon los tamaños detectados con los reales. Repitieron esto en cinco superficies de césped diferentes.
Los resultados del experimento controlado:
- 98% de tasa de detección
- Error promedio inferior a 1 mm (sesgo medio: -0,75 ± 1,6 mm) en todos los tamaños (10-78 mm)
- Errores mínimos en objetos opacos
- Errores ligeramente superiores (2-3 mm) en hielo y vidrio translúcidos debido al contraste reducido
Como referencia: los sensores automáticos de granizo utilizan clases de tamaño de 5 mm debido a una incertidumbre de medición de aproximadamente el 20 %. El método de fotogrametría con drones logró una precisión comparable o superior, cubriendo áreas cientos de veces mayores.
Esta es la primera validación sistemática de fotogrametría de granizo basada en UAV utilizando datos sintéticos de referencia.
Validación en campo: captura de 4000 granizos en condiciones de tormenta real
El evento de granizo real en Locarno presentó desafíos que los experimentos sintéticos no pudieron replicar:
- Poca luz debido a la cobertura de nubes de tormenta
- Granizos translúcidos de formas irregulares
- Flores de trébol que se asemejan al granizo
- Retraso de 19 minutos antes del estudio (derretimiento en curso)
- Superficie de césped irregular y rugosa
El equipo voló a 12 m AGL (más alto que en los experimentos por seguridad), obteniendo una resolución de 1,5 mm/px. El vuelo de 1 minuto y 49 segundos capturó imágenes que, tras su procesamiento, revelaron aproximadamente 4000 granizos individuales. La detección por aprendizaje automático logró una precisión del 81 %, un resultado sólido dadas las condiciones, con un sesgo medio de -0,79 ± 1,5 mm.
Los sensores automáticos habrían registrado quizás 50 impactos en 0,2 m². La metodología proporcionó tamaños de muestra estadísticamente significativos que ningún otro método de verificación en tierra podría igualar.
Procesamiento de fotogrametría con UAV: del vuelo a la detección por aprendizaje automático
El vuelo en Locarno capturó 44 imágenes superpuestas. El procesamiento utilizó OpenDroneMap para generar:
- Nube de puntos 3D a partir de estructura a partir del movimiento
- Malla 3D texturizada del área de estudio
- Ortofoto con GSD de vuelo (1 mm/px para experimentos, 1,5 mm/px para el evento real)
Después llegó el pipeline de ML: segmentación de imágenes, anotaciones de expertos, entrenamiento de Mask R-CNN, ajuste de umbrales y enmascaramiento de áreas ajenas al objetivo.
No fue una solución llave en mano. Pero todo el proceso dependía de la calidad de la fotogrametría. Una menor resolución en las ortofotos implica tasas de detección más bajas y mayores errores en la estimación del tamaño. UgCS proporcionó la precisión en la planificación de vuelo que hizo posible una recolección de datos limpia.
Factores que afectan la precisión de la fotogrametría con drones en estudios de granizo
La investigación demostró que múltiples factores afectan los resultados:
- Resolución: 1 mm/px frente a 1,5 mm/px afecta la capacidad de detección
- Iluminación: La poca luz reduce el contraste y las tasas de detección
- Tipo de superficie: La longitud de la hierba afecta la oclusión de granizos pequeños
- Características de los objetos: Los objetos translúcidos muestran mayores errores de medición
- Retraso temporal: El derretimiento entre la caída del granizo y el estudio reduce los tamaños medidos
Los experimentos controlados optimizaron lo que estaba bajo su control. Así es como lograron un 98% de detección. Las condiciones del mundo real son más complejas; el 81% obtenido en Locarno refleja esa realidad, superando aun así a los métodos existentes.
Planificación de escritorio para precisión en campo
El documento hace una observación general sobre la planificación de estudios a gran escala: "planificar escaneos de corredores de más de 200 km en pantallas de tabletas es difícil". Aunque no es específico para los experimentos de granizo, esto refleja el valor de la capacidad de escritorio para el trabajo científico que requiere parámetros precisos, análisis del terreno y repetibilidad entre sitios.
UgCS proporcionó:
- Control exacto sobre patrones de vuelo, altitud, velocidad, ángulos de cámara y solapamiento
- Integración de DEM para un mantenimiento preciso de la AGL
- Plantillas de misión para parámetros idénticos en cinco sitios experimentales
- Validación previa al vuelo con perfiles de elevación y visualización 3D
El equipo utilizó estas capacidades para ejecutar misiones de fotogrametría consistentes en condiciones de terreno variadas.
Contexto comparativo: Altitud de vuelo y resolución entre UgCS y DJI Pilot 2
El documento registra las diferencias entre los enfoques:
Investigación previa (2024):
- Planificación de vuelo con DJI Pilot 2
- Mínimo de 12 m AGL
- Resolución de ~1.5 mm/px
- 750 m² inspeccionados
Experimentos del estudio actual:
- Planificación de vuelo con UgCS
- 8 m AGL (admite hasta 6 m)
- Resolución de 1 mm/px
- 98% de detección validada frente a la verdad terrestre sintética
Estos hallazgos reflejan diferentes contextos de misión: los eventos, la iluminación, las superficies y el tiempo variaron. Sin embargo, la diferencia en la capacidad de altitud está documentada: el mínimo de 12 m de DJI Pilot 2 resultó en ~1.5 mm/px en trabajos anteriores; UgCS permitió 8 m para obtener 1 mm/px en estos experimentos.
Resultados: Medición de granizo con precisión milimétrica mediante fotogrametría con drones
MeteoSwiss necesitaba mediciones con precisión milimétrica de miles de granizos antes de que se derritieran. La metodología requería una resolución fotogramétrica de 1 mm/px sobre terreno irregular.
Se utilizó UgCS para planificar las misiones de vuelo a baja altitud con seguimiento de terreno que hicieron posible obtener datos de 1 mm/px, por debajo del umbral de 12 metros de investigaciones anteriores, manteniendo una resolución constante en áreas de estudio irregulares.
Resultados: 98% de precisión en la detección en experimentos controlados con un error promedio inferior a 1 mm, y 81% de precisión en condiciones reales de tormenta, capturando aproximadamente 4,000 granizos.
El proceso completo requiere procesamiento fotogramétrico experto, anotación, entrenamiento de aprendizaje automático y validación. Pero comienza con una planificación de vuelo que proporciona el control de altitud y el seguimiento del terreno necesarios para una recopilación de datos precisa.
Especificaciones técnicas y equipo
Experimentos:
- Plataforma: DJI M300 RTK + Zenmuse P1 (45MP)
- Altitud de vuelo: 8 m AGL, 1 mm/px GSD
- Seguimiento del terreno con DEM de 0.5 m
- Superficies de prueba: 5 tipos de césped diferentes
- Precisión de detección: 98%
Evento real (Locarno, junio de 2022):
- Altitud de vuelo: 12 m AGL, 1.5 mm/px GSD
- Área de estudio: 220 m² analizados en un vuelo de 1 min 49 s
- Granizos detectados: ~4,000
- Precisión de detección: 81%
Software:
- Planificación de vuelo: UgCS con seguimiento de terreno
- Procesamiento fotogramétrico: OpenDroneMap
- Aprendizaje automático: Mask R-CNN para detección de objetos
Equipo de investigación: MeteoSwiss y ETH Zürich
Publicación: Portmann et al. (2025), Frontiers in Environmental Science 13:1602917
Investigación realizada por Jannis Portmann, Martin Lainer, Killian P. Brennan, Marilou Jourdain de Thieulloy, Matteo Guidicelli y Samuel Monhart.
COPYRIGHT © 2025 Portmann, Lainer, Brennan, Jourdain de Thieulloy, Guidicelli y Monhart. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution License (CC BY). Se permite el uso, distribución o reproducción en otros foros, siempre que se reconozca al autor(es) original(es) y al titular de los derechos de autor, y que se cite la publicación original en esta revista, de acuerdo con la práctica académica aceptada. No se permite ningún uso, distribución o reproducción que no cumpla con estos términos.
