Análisis comparativo de técnicas de filtrado de vegetación para la generación de Modelos Digitales de Elevación (MDE) a partir de datos fotogramétricos (RGB y multiespectrales) y LiDAR con dron en viñedos
DOI:
https://doi.org/10.17398/3101-7177.2.246Palabras clave:
Modelo Digital de Elevación (MDE), Fotogrametría UAV, LiDAR, Imágenes multiespectrales, Filtrado de vegetaciónResumen
El uso de Modelos Digitales de Elevación (MDE) derivados de sensores LiDAR (Light Detection and Ranging) desde drones y satélites se ha consolidado como referencia en estudios ambientales y territoriales. No obstante, esta adquisición de datos implica costes económicos, operativos y de procesamiento que pueden limitar su disponibilidad. En este escenario, los sistemas RGB y multiespectrales se presentan como una alternativa más accesible económicamente. Esta investigación analiza diferentes metodologías para la generación controlada de MDEs a partir de un vuelo realizado con un dron DJI Mavic 3 Multispectral. El objetivo es evaluar si los MDEs obtenidos mediante filtrado morfológico, discriminación espectral e interpolación pueden aproximarse al derivado de un vuelo LiDAR (DJI Zenmuse L2). El análisis se desarrolla en un viñedo localizado en el municipio de Villamena (Granada, España), donde las imágenes fueron obtenidas en condiciones comparables (hora del día similar y etapa fenológica). Los resultados evidencian diferencias altimétricas sistemáticas entre los modelos generados por defecto por los programas de procesamiento de las imágenes de ambos drones, y sugieren una mayor capacidad del LiDAR para detectar la superficie del terreno con menor influencia de la vegetación, si bien los enfoques fotogramétricos muestran potencial para aproximarse a dichos resultados bajo un procesamiento controlado. Este trabajo constituye una fase preliminar orientada a establecer un marco metodológico reproducible para la generación y evaluación de MDE fotogramétricos frente a referencia LiDAR.
Descargas
Referencias
Anders, N., Valente, J., Masselink, R., & Keesstra, S. (2019). Comparing filtering techniques for removing vegetation from UAV-based photogrammetric point clouds. Drones, 3(3), 61. https://doi.org/10.3390/drones3030061
Bamber, J. L. (1994). A digital elevation model of the Antarctic ice sheet derived from ERS-1 altimeter data and comparison with terrestrial measurements. Annals of Glaciology, 20, 48-54. https://doi.org/10.3189/1994AoG20-1-48-54
Cambronero, L., Yu, Y., & Rodrigo-Comino, J. (2025). Scaling up analysis of human impacts on hydrological connectivity in Mediterranean viticultural landscapes: From hillslope to a watershed perspective. Ecohydrology & Hydrobiology, 25(4). https://doi.org/10.1016/j.ecohyd.2025.100700
DJI. (2025). DJI Terra v5.1.0 [Software]. https://www.dji.com/dji-terra
Gomroki, M., Jafari, M., Sadeghian, S., & Azizi, Z. (2017). Application of intelligent interpolation methods for dtm generation of forest areas based on lidar data. PFG–Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 85(4), 227-241. https://doi.org/10.1007/s41064-017-0025-0
González-Moreno, M. T., & Rodrigo-Comino, J. (2025). Geostatistical Vegetation Filtering for Rapid UAV-RGB Mapping of Sudden Geomorphological Events in the Mediterranean Areas. Drones, 9(6), 441. https://doi.org/10.3390/drones9060441
James, M. R., Chandler, J. H., Eltner, A., Fraser, C., Miller, P. E., Mills, J. P., ... & Lane, S. N. (2019). Guidelines on the use of structure‐from‐motion photogrammetry in geomorphic research. Earth Surface Processes and Landforms, 44(10), 2081-2084. https://doi.org/10.1002/esp.4637
Liu, X. (2008). Airborne LiDAR for DEM generation: some critical issues. Progress in Physical Geography, 32(1), 31-49. https://doi.org/10.1177/0309133308089496
Ma, H., Zhou, W., & Zhang, L. (2018). DEM refinement by low vegetation removal based on the combination of full waveform data and progressive TIN densification. ISPRS Journal of Photogrammetry and Remote Sensing, 146, 260-271. https://doi.org/10.1016/j.isprsjprs.2018.09.009
Na, J., Xue, K., Xiong, L., Tang, G., Ding, H., Strobl, J., & Pfeifer, N. (2020). UAV-based terrain modeling under vegetation in the chinese Loess plateau: A deep learning and terrain correction ensemble framework. Remote Sensing, 12(20), 3318. https://doi.org/10.3390/rs12203318
Pereira-Zamboni, P. A. P., Hendrickx, H., Sprute, D., Flatt, H., Rushdi, M. I., Brodrecht, F., & Eltner, A. (2024). Synergistic image and point cloud processing of UAV data for urban flood modeling: point cloud smart thinning and curb mapping. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48, 483-490. https://doi.org/10.5194/isprs-archives-XLVIII-2-W8-2024-483-2024
Pix4D SA. (2025). Pix4Dmapper v4.9.0 [Software]. https://www.pix4d.com/product/pix4dmapper-photogrammetry-software/
QGIS Development Team. (2026). QGIS Geographic Information System v3.40.10 [Software]. https://qgis.org/
Rodrigo Comino, J., Gatea Al-Shammary, A. A., Durán Zuazo, V. H., Serrano Bernardo, F. A., Caballero Calvo, A., & Rodríguez-Galiano, V. (2025). The Limits of RGB-Based Vegetation Indexes under Canopy Degradation: Insights from UAV Monitoring of Harvested Cereal Fields. Drones and Autonomous Vehicles, 3(1). https://doi.org/10.70322/dav.2025.10021
Roy, D., Desai, V. R., & Aithal, B. H. (2025). A GIS-based integrated assessment of geomorphometry with land use dynamics for topographically harsh ungauged watershed. Journal of Earth System Science, 134(2), 101. https://doi.org/10.1007/s12040-025-02557-7
Schaap, P., van der Velde, Y., de Louw, P., & Bartholomeus, H. (2024). DTM resolution controls the accuracy of estimating surface runoff indicators in flat, lowland landscapes. Hydrological Processes, 38(5), e15173. https://doi.org/10.1002/hyp.15173
Sithole, G. (2005). Segmentation and classification of airborne laser scanner data (Vol. 59). Netherlands Geodetic Commission.
Viles, H. (2016). Technology and geomorphology: Are improvements in data collection techniques transforming geomorphic science?. Geomorphology, 270, 121-133. https://doi.org/10.1016/j.geomorph.2016.07.011
Gruszczyński, W., Puniach, E., Ćwiąkała, P., & Matwij, W. (2019). Application of convolutional neural networks for low vegetation filtering from data acquired by UAVs. ISPRS Journal of Photogrammetry and Remote Sensing, 158, 1-10. https://doi.org/10.1016/j.isprsjprs.2019.09.014
Zhang, J., & Lin, X. (2013). Filtering airborne LiDAR data by embedding smoothness-constrained segmentation in progressive TIN densification. ISPRS Journal of Photogrammetry and Remote Sensing, 81, 44-59. https://doi.org/10.1016/j.isprsjprs.2013.04.001
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 María Teresa González-Moreno, Laura Cambronero-Ruiz, Víctor Rodríguez Galiano, Jesús Rodrigo-Comino (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
