Identificación de Cumbres con LiDAR en Córcega, Francia

¿Cuántas cumbres de Córcega superan los 2000 metros de altitud? La lista tradicional de dosmiles de la isla se basa en los nombres que aparecen en mapas topográficos a escala 1:25.000. Como resultado, muchas cimas prominentes sin topónimo quedan excluidas, mientras que resaltes menores con nombre propio sí se incluyen por cuestiones históricas. Desde un punto de vista topográfico, esto no es consistente. El reto de Sostremetries consiste en elaborar una nueva lista con criterios estrictamente topográficos. Para ello, aprovechamos la reciente publicación de la cobertura LiDAR del Institut national de l'information géographique et forestière (IGN France), con una densidad mínima de 10 puntos/m², lo que permite detectar cualquier máxima altitud en el terreno y calcular su prominencia de manera automática. El desafío principal es que, en las cumbres más aisladas, el collado clave puede encontrarse a varios kilómetros de distancia, lo que exige analizar enormes volúmenes de datos LiDAR para realizar una búsqueda exhaustiva. Un enfoque directo superaría la capacidad de memoria de cualquier ordenador, por lo que era necesario un tratamiento eficiente de los datos.

Vista de la cara este de las Pinzi Corbini mediante la nube de puntos LiDAR HD publicada por el IGN France.

La fotografia real pone en evidencia el nivel de detalle del LiDAR. Fotografia: Association GHISONI-Oriente.

El primer paso fue filtrar la nube de puntos LiDAR publicada por IGN France para distinguir el terreno de otros elementos como vegetación, cruces cimeras o incluso animales. Solo los puntos clasificados como terreno se usaron para generar el modelo digital de elevaciones. Para manejar grandes volúmenes de datos sin sobrecargar los recursos computacionales, TCP PointCloud Editor permite aplicar filtros de altitud, eliminando automáticamente todos los puntos por debajo de 1850 m, umbral necesario para poder calcular prominencias de al menos 100 m con seguridad. Este filtrado reduce significativamente la cantidad de datos a procesar y facilita el cálculo eficiente de prominencias. En casos donde la prominencia de una cumbre es incierta, herramientas como TCP PointCloud Editor permiten analizar perfiles detallados en la nube de puntos original. Su vista ortográfica frontal, con el eje Z fijo, garantiza una comparación precisa entre collados. Además, la generación de curvas de nivel proporciona una validación visual adicional y permite estimar con precisión la incertidumbre en las cotas.

Identificación del collado que define la prominencia de la Punta Orlandino gracias a la clasificación de la nube de puntos por elevación y activando la restricción de eje Z vertical en una vista ortográfica frontal.

• El procesamiento previo de los datos permitió reducir la campaña de campo a solo unas 30 cimas y sus respectivos collados, centrándonos en aquellos puntos donde el LiDAR no garantizaba la superación de los umbrales de prominencia y aislamiento.
• Además, las observaciones GNSS en campo sirvieron como validación del levantamiento, combinando la precisión de un modelo digital de alta densidad con puntos de chequeo en el terreno.
• Más allá de este estudio, la capacidad de generar superficies con TCP PointCloud ofrece aplicaciones adicionales, como la determinación de grosores de nieve o la monitorización del retroceso glaciar comparando coberturas LiDAR de distintos años. En nubes de puntos sin información de color, la detección de lagos en los datos revela la presencia de nieve en el momento de la captura, ya que, sin nieve, el pulso láser no habría retornado.

Superposición de un modelo de superficies generado a partir de la nube de puntos LiDAR HD del IGN France (blanco) y un modelo de superficies derivado de correlación de imágenes aéreas de un vuelo fotogramétrico de la misma institución francesa (marrón).

Gracias a esta vista tenemos confirmación visual de que el terreno estaba cubierto de nieve durante un vuelo LiDAR sin información de color. En la esquina inferior izquierda se encuentra el Lavu di Bastani o Lac de Bastani donde se aprecia el ruido causado por errores de correlación sobre el agua. El retorno de puntos LiDAR en el lago confirma la presencia de cobertura nivosa.