Automatització de processos per al tractament, gestió i publicació de dades batimètriques portuàries

INGENIERÍA EN GEOINFORMACIÓN Y GEOMÁTICA TRABAJO DE FIN DE GRADO AUTOMATIZACIÓN DE PROCESOS PARA EL TRATAMIENTO, GESTIÓN Y PUBLICACIÓN DE DATOS BATIMÉTRICOS PORTUARIOS Proyectista: Carlota Cama Director: Rogelio López Convocatoria: Enero 2025 ÍNDICE 1 OBJETIVOS ......................................................................................................... 8 2 INTRODUCCIÓN .................................................................................................. 9 2.1 Batimetría ...................................................................................................... 9 2.1.1 Levantamiento hidrográfico .................................................................. 10 2.1.2 Satellite Derived Bathymetry (SDB) ...................................................... 12 2.2 Automatización de procesos ....................................................................... 15 3 DATOS ............................................................................................................... 11 PUERTO DE BARCELONA: .................................................................................. 11 3.1 Zona de estudio ........................................................................................... 11 3.2 Formatos ..................................................................................................... 12 3.2.1 Bathymetric Attributed Grid ................................................................... 12 3.2.2 Imágenes Sentinel ................................................................................ 15 4 METODOLOGÍA ................................................................................................ 17 4.1 Creación de procesos.................................................................................. 17 4.1.1 Visualización y Consulta ....................................................................... 17 4.1.2 Procesos Automatizados ...................................................................... 18 4.2 Modelo de extracción batimétrica por satélite .............................................. 22 4.2.1 Pre-Proceso ......................................................................................... 23 4.2.2 Modelo Log-Ratio de Stumpf ................................................................ 26 4.2.3 Calibración ........................................................................................... 28 5 RESULTADOS ................................................................................................... 30 5.1 Proceso Automatizado ................................................................................ 30 5.2 Código para el Modelo de extracción batimétrica por satélite ....................... 31 5.3 Diagrama de Flujo del Trabajo .................................................................... 35 6 Analisis de Sostenibilidad .................................................................................. 36 6.1 Matriz de Sostenibilidad ................................................................................... 36 6.1.1 Impacto Medioambiental ........................................................................... 36 6.1.2 Punto de vista Económico ......................................................................... 36 6.1.3 Implicaciones sociales ............................................................................... 37 6.2 Implicaciones Éticas ........................................................................................ 37 6.3 Relación con las metas de desarrollo sostenible ............................................. 38 7 CONCLUSIONES ............................................................................................... 39 8 BIBLIOGRAFÍA .................................................................................................. 41 9 AGRADECIMIENTOS ........................................................................................ 43 Tabla de Figuras 1 Ejemplo de un levantamiento con ecosonda multihaz [14] .................................................. 11 2 Representación gráfica de las desviaciones [12] ................................................................. 12 3 Principio físico del modelo SDB [8]...................................................................................... 14 4 Mapa de ubicación para la zona de estudio ........................................................................ 12 5 Visión conceptual de la estructura de un BAG [13] .............................................................. 14 6 Escala de la longitud de onda y el espectro visible por el ojo humano ................................ 15 7 Reclasificación aplicada en cinco clases iguales ................................................................. 17 8 A la izquierda los datos de campo sin ninguna modificación, a la derecha el ráster con la clasificación aplicada. Batimetría realizada el 29 de enero de 2018. ...................................... 17 9 Proceso creado para separar la elevación y la incertidumbre y obtener isóbatas ................ 18 10 Visualización de las isóbatas obtenidas con el proceso en FME ....................................... 18 11 Capa de polígonos generados por la contigüidad de valores en el fichero BAG. Vista general de la dársena (derecha) y vista acercada a la zona indicada (izquierda) ................... 19 12 Proceso completo para obtener un fichero descargable de las isóbatas. Resaltadas las herramientas para la depuración de las curvas creadas previamente .................................... 19 13 Tabla resultado de la herramienta de superposición (izquierda) y visualización de la nueva capa de isóbatas depurada (derecha) .................................................................................... 20 14 Isóbatas obtenidas con el proceso FME sobrepuestas ráster de los datos de campo ....... 20 15 Proceso para la obtención de una nube de puntos en 3 dimensiones ............................... 21 16 Nube de puntos generada en FME vista desde arriba (derecha) y vista desde abajo (izquierda) .............................................................................................................................. 21 17 Diagrama de flujo del proceso aplicado para la extracción de batimetría asistida por satélite ............................................................................................................................................... 22 18 Imagen completa Sentinel-2A descargada del servicio Copernicus Open Access Hub ..... 23 19 Histogramas del antes y el después de la aplicación de la normalización de los datos para cada banda. ........................................................................................................................... 25 20 Elementos que contiene el fichero obtenido por el puerto de Barcelona con los datos de campo .................................................................................................................................... 25 21 Primer modelo 3D obtenido con los datos de campo sin el filtrado de los datos no válidos26 22 Proceso automatizado de generación de productos básicos ............................................. 30 23 Superficie suave generada a partir de la nube de puntos .................................................. 30 24 Acercamiento de la superficie suave generada a partir de la nube de puntos ................... 31 25 Modelo 3D de los datos de campo generado en Python ................................................... 31 26 Modelo 3D de los datos de campo generado en Python en vista aérea ............................ 31 27 Modelo 3D de los datos de campo generado en Python en vista frontal ........................... 32 28 Imagen Sentinel-2A antes de aplicar el modelo de Stumpf (derecha) y después (izquierda) ............................................................................................................................................... 32 29 Dimensiones de la cuadrícula de elevaciones de los datos de campo .............................. 33 30 Tabla de la relación de valores Log-Ratio y profundidades obtenidas en campo para cada uno de los puntos ................................................................................................................... 34 31 Diagrama de Flujo del Trabajo .......................................................................................... 35 Tabla de Acrónimos BAG: Bathymetric Atributted Grid, formato de archivo para el almacenamiento de datos batimétricos. ERS-1 / ERS-2: European Remote-Sensing Satellite, Satelite de Teledetección Europeo 1 y 2. ESA: Agencia Espacial Europea. FME: Feature Manipulation Engine, Motor de Manipulación de Entidades, es un programa de tipo ETL (Extraer, Transformar y Cargar) para la gestión de sistemas de información geográfica. HDF(5): Hierarchical Data Format, es un tipo de formato de organización de datos. El modelo 5 se diseñó para abordar algunas de las limitaciones del formato predecesor a la hora de utilizar aplicaciones y sistemas modernos. ISO: Organización Internacional de Normalización. LIDAR: Laser Imaging Detection and Ranging, tecnología de teledetección que utiliza rayos láser para medir distancias y movimientos precisos en un entorno, en tiempo real. NASA: National Aeronautics and Space Administration (EEUU). NS: Superficie de Navegación, representa una alternativa al enfoque tradicional para la gestión de datos batimétricos. ONS: Oficina Nacional de Seguridad, es el órgano de trabajo de la Secretaría del Estado directora del CNI en su función de Autoridad Delegada para la Seguridad de la Información Clasificada originada por la OTAN, la UE y la ESA. OLI: Operational Land Imager, es un objeto de teledetección que funciona a modo de escáner de escoba de empuje que utiliza un telescopio de cuatro espejos con espejos fijos. SDB: Satellite Derived Bathymetry, Batimetrías obtenidas por imágenes satelitales. SONAR: Sound Navigation and Ranging, técnica que usa la propagación del sonido bajo el agua principalmente para navegar, comunicarse o detectar objetos sumergidos. SWIR: Short Wave-Length Infrared, define un rango de longitud de onda específico en el que se diseñan y recubren los componentes ópticos y electrónicos. USGS: Servicio Geológico de los Estados Unidos. RESUMEN La Geoinformación y la Geomática son ámbitos muy amplios de la ingeniería. Representan el estudio de la superficie de la tierra a través de la informática mediante el tratamiento automático de la información geográfica. Para aplicar estas ciencias al estudio de fondos marinos, un Departamento de Topografía e Hidrografía de un puerto realiza levantamientos batimétricos casi a diario y dispone de un extenso repositorio de datos batimétricos, históricos y vigentes, de su ámbito territorial de gestión. Aunque, en muchas ocasiones, disponen de pocas herramientas para el tratamiento de los datos generados y su explotación. Este proyecto consiste en la implementación de procesos automáticos y la creación de herramientas para el tratamiento y explotación de los datos que permitan modelos en 3 dimensiones para la visualización y comparación entre distintas batimetrías. También se explora una alternativa a la obtención de datos tradicional, la conveniencia de los datos obtenidos y la aplicación de estos. De los productos se extraerá información que ayude a entender la evolución del fondo del puerto y las dinámicas que se dan. La idea es obtener productos de representación del terreno en diferentes fechas y formatos de datos, de manera individual o en grupo, que se puedan compartir y sean consultables. Las herramientas para la generación de estos productos se desarrollarán en FME y Python y los productos se analizarán con softwares de sistemas de información geográfica. Con estos resultados podremos conocer la evolución del terreno y las deformaciones que padece y realizar análisis estadísticos para consultar y tomar decisiones. Esta automatización permitirá reducir el tiempo en la generación de contenido y optimizar los recursos. Este es un producto innovador en el sector portuario y, por ello el Departamento de Topografía e Hidrografía del Puerto de Barcelona ha cedido compartir los conjuntos de datos que sean necesarios para el proyecto. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 8 1 OBJETIVOS El objetivo de este trabajo es comparar los datos batimétricos calculados por el puerto de Barcelona con las batimetrías de la zona derivadas de imágenes satelitales a la hora de generar productos de visualizables como Mapas 3D que permitan explorar el fondo marino en 3 dimensiones o cambios a lo largo del tiempo para mostrar cómo ha evolucionado el fondo. Con el paso de los años, la cantidad de datos que se generan y manipulan ha crecido exponencialmente, y lo que antes era la creación de un archivo, se ha convertido en la elaboración de numerosos ficheros. Actualmente la generación de productos derivados de las batimetrías en el puerto de Barcelona se obtiene de uno en uno. El objetivo principal de este trabajo es la optimización en la obtención de los productos derivados de una batimetría. Esta optimización estaría fundamentada en la aceleración y automatización, mediante la creación de diagramas de flujo a partir de los datos batimétricos facilitados permitiendo abrir múltiples archivos y generando diferentes productos a la vez. Por otro lado, utilizando estos mismos métodos anteriores, se busca producir batimetrías a partir de datos satelitales sin la necesidad de salir al campo para obtener esos mismos resultados, que de ser así supondría una disminución de coste y tiempo. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 9 2 INTRODUCCIÓN 2.1 Batimetría La palabra “batimetría” es definida como el estudio de la profundidad oceánica [3]. Proporciona información sobre el relieve del fondo o terreno en cuerpos sumergidos. Se podría decir que es el equivalente a la altimetría en términos de topografía convencional, pero, en este caso, de toda la superficie que se encuentra cubierta por agua [2]. Estos datos se obtienen a través de técnicas y herramientas especializadas como el sónar o los satélites. La finalidad de las batimetrías como en cualquier levantamiento, es la obtención de las coordenadas X, Y, Z de los puntos sumergidos. La determinación de la profundidad recibe el nombre de sondeo y consiste en medir la distancia vertical entre el nivel del agua y la superficie del fondo. Algunas de las aplicaciones para la práctica de este estudio son: - Cartas de navegación: Los datos batimétricos se utilizan para crear cartas náuticas precisas, que son esenciales para la navegación segura en puertos y aguas costeras [1]. - Planificación de dragado y drenaje: La información sobre las profundidades del fondo marino ayuda en la planificación de proyectos de dragado para mantener canales de navegación y áreas portuarias libres de sedimentos acumulados. - Diseño de infraestructuras portuarias: Los datos batimétricos son fundamentales para diseñar muelles, rompeolas y otras estructuras portuarias. Ayudan a determinar la ubicación óptima y la profundidad necesaria para la construcción. - Estudios medioambientales: La batimetría se utiliza para evaluar el impacto ambiental de proyectos portuarios. Por ejemplo, se puede analizar cómo la construcción de un puerto afectará los hábitats marinos y las corrientes de agua. - Exploración de recursos naturales: La batimetría permite identificar áreas con potencial para la extracción de minerales, petróleo y gas en el fondo marino [2]. En este trabajo nos centraremos en la aplicación para el diseño y mantenimiento de infraestructuras portuarias. Las batimetrías deben realizarse para tener un seguimiento Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 10 Las partes de un proceso completo de automatización son las siguientes: 1. Identificar los datos de entrada (apodados como ‘Reader’) y el formato del archivo de salida (apodado como ‘Writer’). 2. Elegir las herramientas necesarias para modificar el reader y transformarlo en aquello que buscas. Importante mantener un orden de operaciones. Principalmente los primeros pasos suelen ser el preprocesado de los datos, a continuación, las transformaciones, y finalmente la adecuación de los datos al formato de salida que se busca. 3. Conectar todo con el writer y correr todo el proceso. Estos procesos se pueden llevar a cabo en diferentes plataformas. Cada vez más softwares implementan tecnologías de automatización y se pueden generar desde las distintas aplicaciones ya especializadas en el ámbito elegido, otorgando herramientas específicas que otorgan soluciones a los problemas típicos del sector. Como ejemplo tenemos aplicaciones como ArcGis o QGis que habilitan esta opción de automatizado en el mundo de la geomática. Como estas también contamos con otras aplicaciones más enfocadas puramente a esta tarea como es el FME, que su principal aplicación es transformar y automatizar flujos de datos geoespaciales. Aparte de estas aplicaciones, y de forma más generalista, se encuentran los lenguajes de código. Lenguajes como Python o C++ que permiten crear los procesos y herramientas necesarias a medida. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 11 3 DATOS PUERTO DE BARCELONA: El Puerto de Barcelona está encajado entre la nueva desembocadura del río Llobregat y el barrio de la Barceloneta. Geográficamente el área de estudio se encuentra ubicada en las siguientes coordenadas geográficas: Latitud: 41º 20’ N Longitud: 2º 10 ’ E El evidente déficit de espacio e infraestructuras, es decir, la falta de superficie de explotación debido a la saturación del tráfico marítimo y terrestre provocó la propuesta del plan de ampliación del Puerto (Plan Director, 1987) que tenía como finalidad la expansión del espacio portuario en el que se propuso un crecimiento hacia el sur con la desviación del río Llobregat y la creación de dos diques de abrigo, Este y Sur. En el Puerto de Barcelona, en sus casi 600 años de historia, se han realizado tres grandes obras de ampliación de sus infraestructuras (dársenas, muelles y superficies terrestres) con las que se ha duplicado y configurado el puerto. Actualmente, el Puerto de Barcelona ocupa una superficie aproximada de 1.100 hectáreas con 22,4km de línea de atraque. 3.1 Zona de estudio En este trabajo se procesarán batimetrías generadas en el puerto de Barcelona. Específicamente en la Dársena Sur, dedicada al transporte de mercancías. Esta dársena posee una entrada ancha y bien orientada que permanece siempre abierta, en cualquier condición meteorológica. Sus aguas se hallan perfectamente abrigadas y no existen mareas importantes. Aporta un apoyo logístico que cubre cualquier necesidad. La zona del levantamiento, así como todo el Puerto de Barcelona, se clasifica dentro del orden establecido por la S-102 de Orden Especial para aguas internas. Este tipo de orden se tiene en cuenta para aquellas áreas donde el mar es suficientemente poco profundo como para permitir que rasgos naturales o artificiales en el fondo marino constituyan una preocupación para el tráfico marítimo esperado que transite el área. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 12 4 Mapa de ubicación para la zona de estudio 3.2 Formatos 3.2.1 Bathymetric Attributed Grid Con la llegada de la navegación electrónica y el progreso tecnológico de los sistemas topográficos y capacidades de producción, la habilidad de mejorar la navegación marítima con la representación batimétrica de alta resolución se ha convertido en un requisito. El suministro y utilización de dichos datos en un formato estandarizado es esencial para respaldar esa navegación segura y precisa de los buques marítimos y, además, una base importante para muchas otras aplicaciones marítimas. En el puerto de Barcelona se realiza el levantamiento batimétrico siguiendo el estándar 102 de la Organización Hidrográfica Internacional. La Organización Hidrográfica Internacional (OHI) es una organización intergubernamental que trabaja para garantizar que todos los mares, océanos y aguas navegables del mundo sean objeto de levantamientos y cartografía [9]. Desde 1921 Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 13 coordina las actividades de los servicios hidrográficos nacionales y promueve la uniformidad de las cartas y documentos náuticos. El estándar 102, o S-102, cumple con el Modelo Universal de Datos Hidrográficos S-100 para satisfacer las demandas futuras de productos y servicios digitales en la generación de un producto de superficie batimétrica. El archivo de Información Geoespacial de la OHI contiene varios registros que contienen listas administradas de conceptos, metadatos de atributos de características y otros recursos utilizados para desarrollar especificaciones de productos basados en la serie de estándares compuestos en la ISO 19100. El producto es un modelo de elevación digital que representa el fondo marino en una estructura de cuadrícula regular. Comprende el modelo de contenido (estructura espacial y metadatos), estructura de codificación, representación e intercambiar formato de archivo para un producto de superficie batimétrica [10]. La norma ISO 19100 fue desarrollada por el Comité Técnico ISO/TC211 como consecuencia a la necesidad de una normalización en términos de información geográfica y de los servicios que la procesan debido a la creciente disponibilidad de este recurso. El objetivo de esta normalización es facilitar la interoperabilidad de los sistemas de información geográfica [11]. El objetivo principal del producto de superficie es proporcionar alta resolución batimétrica. Incorpora aspectos del concepto de Superficie de Navegación donde además de la estimación de la profundidad, se puede realizar una estimación opcional de la incertidumbre asociada con la profundidad. Se trata de un conjunto de valores organizados para formar la cuadrícula, con metadatos asociados para una zona del mar u otro cuerpo de agua. La cobertura final de la cuadrícula incluye la profundidad, un valor y la estimación de incertidumbre para cada ubicación en la matriz. La resolución espacial, o la dimensión espacial del área cubierta por el tamaño de una celda de la matriz, varía según el modelo adoptado a la hora de realizar el levantamiento. La representación de la batimetría siguiendo el S-102 está destinada a apoyar el paso seguro y el atraque y amarre preciso, así como la planificación de rutas de embarcaciones marítimas. El propósito secundario de un producto de superficie batimétrica es proporcionar datos batimétricos de alta resolución para otras aplicaciones marítimas. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 14 El producto está formado por un conjunto de datos que contiene los conjuntos de datos HDF5 más el Bloque de Certificación Digital. El Bloque de Certificación Digital es obligatorio cuando el producto de datos es producido con fines de navegación para que el usuario pueda rastrear si los datos han sido certificados. El archivo HDF5 consta de metadatos (espaciales, de características y de descubrimiento) y coberturas colocadas que consisten en los valores de profundidad e incertidumbre. El S-102 utiliza el Esquema de Protección de Datos S-100 para garantizar la certificación y autenticación [10]. Bathymetric Attributed Grid (BAG) es un formato de archivo diseñado para almacenar y compartir datos batimétricos. Fue creado para abordar la necesidad de transferir información relevante sobre la batimetría y la incertidumbre asociada (metadatos) entre aplicaciones de procesamiento. En el modelo de la Oficina Nacional de Seguridad (ONS), una Cuadrícula de Atributos Batimétricos se conoce como una unidad de batimetría. Un único objeto BAG representa un área contigua de la superficie de la Tierra con una sola resolución, pero puede representar datos en cualquier etapa del proceso, desde la cuadrícula sin procesar hasta el producto final. El nombre Superficie de navegación (NS) está reservado para una BOLSA de producto final destinada específicamente a fines de seguridad de la navegación. El estado de cualquier BAG en particular se distingue únicamente por la sección de certificación de metadatos incrustados en el archivo. 5 Visión conceptual de la estructura de un BAG [13] Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 15 La Figura 5 proporciona una visión conceptual del contenido de cada uno de los elementos de datos obligatorios de un BAG. La cuadrícula de elevación contiene una matriz bidimensional de datos batimétricos. La cuadrícula de incertidumbre se coloca con la cuadrícula de elevación y contiene una matriz bidimensional que describe la incertidumbre vertical de la grilla de elevación. La lista de seguimiento detalla las modificaciones del hidrógrafo y la sección de certificación especifica la autenticidad y el uso previsto de los datos. 3.2.2 Imágenes Sentinel Cada vez se utiliza más la teledetección como fuente de datos geográficos gracias a su fácil acceso, inmediatez y bajo coste. Es normal que poco a poco esta fuente de datos vaya ganando un papel más importante en lo referente al análisis de la información geográfica. Se cuenta con una gran cantidad de datos históricos de acceso gratuito que permiten realizar controles temporales de aquel lugar que se decida investigar. Dentro de las imágenes satelitales se diferencian dos tipos. Por un lado, las imágenes multiespectrales u ópticas y por el otro las imágenes radar. En este trabajo se utilizan imágenes multiespectrales, por lo que se centrará en ellas la explicación. Las imágenes ópticas son imágenes de obtención pasiva, esto implica que no utiliza su propia fuente de emisión para obtener datos. Los satélites encargados de tomar estas imágenes cuentan con receptores multiespectrales capaces de detectar la luz reflejada por el sol en los objetos en distintas bandas de frecuencia, de ahí que se llame multiespectral. Estas bandas de frecuencia suelen estar comprendidas entre el aerosol, 430-450 nm de longitud de onda, hasta el infrarrojo de onda corta (SWIR), 2200 nm de longitud de onda aproximadamente. 6 Escala de la longitud de onda y el espectro visible por el ojo humano Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 16 Dentro de las imágenes con las que se suele trabajar los dos satélites más frecuentes son: Landsat y Sentinel. Ambos son importantes programas de observación de la Tierra. Por un lado, Landsat es gestionado por la NASA y el Servicio Geológico de los Estados Unidos (USGS). Sus satélites activos son Landsat 8 y 9, y su resolución espacial para bandas multiespectrales es de 30 metros. Otro factor importante a tener en cuenta es el tiempo de revisita que tienen dichos satélites, o la frecuencia de paso por el mismo punto de la Tierra, en este caso son 16 días. Por otro lado, Sentinel es gestionado por la Agencia Espacial Europea (ESA) bajo el programa Copernicus. Referente a imágenes ópticas de alta resolución contamos con dos satélites activos, Sentinel-2A y Sentinel-2B, dos satélites hermanos que proporcionan una resolución espacial de hasta 10 metros y una revisita de hasta 5 días combinando la información de ambos. Uno de los grandes problemas de las imágenes ópticas es la meteorología. Si llueve o está nublado se pierde de vista por completo el objeto de estudio ya que la luz se refleja en las nubes y obtienes imágenes de estas y no de la superficie terrestre. Además, si hay muchas partículas en suspensión se pierde resolución de la imagen. Teniendo esto en cuenta se ha elegido para este trabajo utilizar las imágenes Sentinel por dos motivos: la frecuencia de paso, que comporta una mayor cantidad de datos a los que poder acceder, disminuyendo el riesgo de encontrarnos con imágenes no aptas debido a las nubes, y la resolución de las imágenes. Al no ser muy grande la zona de estudio es importante obtener el máximo detalle. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 17 4 METODOLOGÍA 4.1 Creación de procesos 4.1.1 Visualización y Consulta Para visualizar y consultar los datos se debe disponer de un software específico para la generación o gestión de datos o un sistema de información geográfica (SIG). En este caso se ha usado el software de ESRI denominado ArcGis. El fichero con los datos de campo se visualiza directamente como un archivo ráster. Sin que sea necesario realizar modificaciones o aplicar filtros, ya es posible hacerse una idea de cómo es la morfología. Si se aplica una simple una reclasificación de los datos, la información se hace aún más evidente para interpretar. En este caso se ha reclasificado la batimetría en 5 clases, de más profundidad a menos, siendo el valor 1 a partir de la elevación más profunda -19.48 metros y el valor 5 hasta la menos profunda -1.59 metros. En caso de existir celdas sin datos estas también aparecerían. 7 Reclasificación aplicada en cinco clases iguales 8 A la izquierda los datos de campo sin ninguna modificación, a la derecha el ráster con la clasificación aplicada. Batimetría realizada el 29 de enero de 2018. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 18 4.1.2 Procesos Automatizados Para generar productos derivados de una batimetría en formato Bathymetric Attributed Grid se deben separar las dos bandas: la elevación y la incertidumbre. Es necesario eliminar la incertidumbre ya que, cuando se trata del procesado de datos para la visualización y el análisis, no influye en el resultado. La elevación es el único valor que importa a la hora de consultar las características físicas del lecho marino. Este paso se ha realizado en FME (Fig. 9), donde se ha usado la herramienta de RasterBandSeparator para indicar qué dos bandas se deben separar. Con la ayuda del CountourGenerator se crean curvas de nivel batimétricas, también conocidas como isóbatas, con un intervalo de 1 metro, para comprobar que la separación se ha realizado correctamente. El problema de esta herramienta es que genera las curvas compuestas por muchos elementos, y por eso se aplica una herramienta de unión, el LineCombiner. La mejor manera de asegurarse de que el proceso funciona correctamente y proporciona datos válidos es compararlo con los datos de campo. 9 Proceso creado para separar la elevación y la incertidumbre y obtener isóbatas 10 Visualización de las isóbatas obtenidas con el proceso en FME Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 19 Para pulir las curvas creadas de manera que no se formen en el exterior se le aplica una superposición de la superficie de la dársena. Para eso se deben extraer los datos del fichero batimétrico y crear una capa que se pueda usar para hacer dicha superposición. Con el RasterToPolygonCoercer se transforman los datos del ráster a formato vector. Esta herramienta crea una capa de polígonos a partir de todos los píxeles contiguos que tengan el mismo valor, la cantidad de polígonos generados depende de la uniformidad del fondo. 11 Capa de polígonos generados por la contigüidad de valores en el fichero BAG. Vista general de la dársena (derecha) y vista acercada a la zona indicada (izquierda) Como se busca un único polígono que delimite la superficie de la dársena, se le aplica una disolución (Dissolve) a la capa que unificará todos los polígonos. Sabemos que la herramienta ha funcionado si solo hay un elemento de salida para el área. Este se usa en la herramienta Clipper, que realiza la superposición, como capa de recorte junto con las curvas de nivel obtenidas previamente que es la capa a recortar. Como resultado obtenemos un archivo descargable en diversos formatos SIG y que se puede usar como referencia para otras aplicaciones. 12 Proceso completo para obtener un fichero descargable de las isóbatas. Resaltadas las herramientas para la depuración de las curvas creadas previamente Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 26 Se detecta el campo de la elevación y se comprueba que realmente los datos que contiene sean datos de profundidad. Al comprobar los datos nos encontramos que muchos de los valores de elevación que contiene corresponden al valor 1000000., valor que se habrá puesto de forma automática para aquellos puntos donde no habrán conseguido una medida por cualquier motivo. A continuación, se muestra una imagen de cómo se visualizaba la dársena al intentar realizar un modelo 3D con los datos: El siguiente paso es realizar una limpieza de aquellos puntos con valor 1000000 y quedarnos solo con aquellos válidos para el proceso. Una vez realizada la comprobación y el filtrado, realizamos un proceso de cambio de formato de estos datos a formato array. 4.2.2 Modelo Log-Ratio de Stumpf El Modelo Log-Ratio de Stumpf utiliza una relación logarítmica entre dos bandas espectrales (típicamente azul y verde) para estimar la profundidad del agua. La relación logarítmica ayuda a mejorar la correlación entre la reflectancia y la profundidad y mitiga 21 Primer modelo 3D obtenido con los datos de campo sin el filtrado de los datos no válidos Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 27 el impacto de la turbidez del agua y otras condiciones que pueden afectar la calidad de los datos. El modelo se basa en la siguiente fórmula: 𝐿𝑜𝑔 − 𝑅𝑎𝑡𝑖𝑜 = log ( 𝑅𝑒𝑓𝑙𝑒𝑐𝑡𝑎𝑛𝑐𝑖𝑎 𝑉𝑒𝑟𝑑𝑒 ) 𝑅𝑒𝑓𝑙𝑒𝑐𝑡𝑎𝑛𝑐𝑖𝑎 𝐴𝑧𝑢𝑙 Al aplicar el Modelo Log-Ratio de Stumpf se está utilizando una técnica específica de la Batimetría Derivada de Satélite (SDB) para estimar la profundidad del agua en áreas costeras a partir de imágenes de satélite. Aplicación del Modelo Log-Ratio: Para proceder con el modelo hay que hay que realizar un preprocesado de los datos a pesar de que sea una fórmula relativamente simple. Hay que asegurarse de que dentro de las bandas que vayan a ser utilizadas no haya valores cero para evitar las divisiones inválidas y que el proceso de error. Ahora sí, se aplica el modelo. La reflectancia de la banda azul generalmente disminuye más rápido con la profundidad que en la banda verde porque el azul es absorbido más rápidamente por el agua. De esta forma, generando estos índices log-ratio, se consigue discernir mejor las variaciones de la profundidad ya que se está compensando variaciones de la reflectancia con este proceso, debidas a factores como partículas en el agua que la enturbien o la cantidad de luz solar que pueda haber. Posteriormente, usando la librería matplotlib se visualizan los datos resultantes del índice. Rango de valores esperados: - Valores Positivos: Profundidades Menores (Aguas Poco Profundas): Las áreas con valores positivos generalmente indican profundidades menores. Esto se debe a que la reflectancia en la banda azul es mayor en aguas poco profundas y claras. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 28 Valor Típico: Para aguas muy claras y poco profundas, los valores del log-ratio podrían estar en un rango de 0 a 2. - Valores Cercanos a Cero: Aguas de Profundidad Moderada: Cuando la razón entre las bandas azul y verde es cercana a 1, el logaritmo de esta razón tiende a cero. Esto suele suceder en aguas de profundidad moderada donde la absorción de ambas bandas es similar. Valor Típico: Para profundidades moderadas, los valores podrían estar en el rango de -0.5 a 0.5. - Valores Negativos: Profundidades Mayores (Aguas Profundas): Las áreas con valores negativos tienden a indicar profundidades mayores porque la reflectancia de la banda azul disminuye más rápidamente que la verde a medida que la profundidad aumenta. Valor Típico: En aguas más profundas, los valores pueden ser negativos, con un rango que puede extenderse hasta -1 a -3 o más bajos dependiendo de la claridad del agua y otras condiciones. 4.2.3 Calibración Como último paso se encuentra la calibración. Esta se basa en el cruce de los dos tipos de datos que contamos. Por un lado, los datos de campo BAG facilitados por el puerto, y por otro lado los datos log-ratio extraídos durante el proceso anterior. Como se puede adivinar por los rangos de valores esperados en el apartado anterior, el log-ratio no nos da directamente la profundidad, sino un índice relativo entre bandas. Este índice está relacionado con la profundidad del agua, pero para obtener los valores reales en metros primero es necesario realizar la calibración. Se busca ajustar la relación entre los valores log-ratio y los datos de profundidad real obtenidos en campo. Con esto se podrá traducir los valores log-ratio en estimaciones de profundidad. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 29 Para ello se asume que hay una relación lineal entre ambos conceptos, representado de la siguiente forma: Profundidad = a ⋅ Log – Ratio + b En esta fórmula encontramos que a y b son coeficientes que deben ser estimados a partir de los datos de campo y que se encuentran mediante un método de regresión lineal. Para llevar a cabo la regresión lineal se carga la librería sklearn. Esta es una biblioteca de aprendizaje automático de Python que ofrece una gran cantidad de algoritmos de aprendizaje tanto supervisado como no supervisado. Es normalmente utilizada por su simplicidad y eficiencia. Entre la cantidad de métodos que ofrece está diseñada especialmente para realizar tareas comunes de machine learning como clasificación, regresión, clustering… Una vez importada al código se crea el modelo de regresión lineal con una sencilla línea: modelo = LinearRegression() Se le introducen los datos con los que se alimentará y se extraen los coeficientes que permitirán extraer la profundidad y completar el proceso de extracción de la batimetría a partir de imágenes satelitales. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 30 5 RESULTADOS 5.1 Proceso Automatizado A continuación, se puede observar el proceso que ha resultado con las diferentes herramientas de transformación en nuestro espacio de trabajo (Fig. 22). 22 Proceso automatizado de generación de productos básicos Con este proceso se ha acabado generando una superficie suave del lecho marino de la Dársena Sur del Puerto de Barcelona. En el modelo se diferencian con claridad las diferentes características que dan forma al fondo. 23 Superficie suave generada a partir de la nube de puntos Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 31 El nivel de detalle de esta capa proporciona información de calidad para el análisis del terreno. Se pueden realizar estudios de dirección de los elementos que se hallan en el fondo y la evolución de la morfología. También es útil para detectar las zonas que requieren alguna acción como el dragado o en caso de haber estructuras se podría detectar cuáles necesitan reparación. 24 Acercamiento de la superficie suave generada a partir de la nube de puntos 5.2 Código para el Modelo de extracción batimétrica por satélite Se ha realizado el proceso de batimetría derivada de satélite mediante código Python. Este código se puede consultar en el apartado Anexos. A continuación, se explican los resultados obtenidos del proceso. Los primeros resultados según el orden del proceso SDB y según se ha realizado el código fue la visualización de la imagen y la visualización de las bandas azul y verde recortadas, que se han mostrado en el apartado 4.2. Los datos de campo, una vez comprobados y filtrados de todos aquellos valores inválidos son mostrados en un modelo 3D mediante Matplotlib y genera lo siguiente: Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 31 800 25 Modelo 3D de los datos de campo generado en Python Como se puede observar, el modelo muestra una gran elevación en uno de los lados que correspondería a la orientación sureste de la dársena que probablemente sean reflejos de la pared. Si se observa desde arriba: 26 Modelo 3D de los datos de campo generado en Python en vista aérea Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 32 Se observa gracias a los distintos tonos las distintas zonas de profundidad de la dársena, de color oscuro las zonas con mayor profundidad y de verde algo más claro las zonas con menos profundidad. Esta imagen se puede complementar con la imagen de una vista frontal para tener la idea 3D de la dársena. El siguiente apartado es el modelo log-ratio de Stumpf. Como se mencionó en la sección 4.2.2, se podían esperar unos resultados entre -2 y 2 aproximadamente, donde los valores negativos implicarían aguas más profundas, valores cercanos a cero aguas con una profundidad moderada, y aquellos valores positivos indicarían aguas poco profundas. A continuación, se muestra el resultado de aplicar el log-ratio para cada uno de los píxeles de la imagen (Fig. 28). 28 Imagen Sentinel-2A antes de aplicar el modelo de Stumpf (derecha) y después (izquierda) 27 Modelo 3D de los datos de campo generado en Python en vista frontal Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 33 A la izquierda se muestra una imagen real de la dársena para que se aprecie mejor la visualización de los resultados de la imagen de la derecha. Primero de todo hay que destacar que todas las zonas que no sean agua no deben tenerse en cuenta. El log-ratio está diseñado para estimar las profundidades en cuerpos de agua, basándose en las propiedades ópticas del agua y la forma en que absorbe y refleja la luz en distintas bandas espectrales. En aquellos materiales que no son agua, como reflejan la luz de forma diferente, se perderá la relación entre la banda azul y verde que penetrarán y serán absorbidas diferentes que por el agua. Por tanto, se consideran estos valores anómalos y no deben tenerse en consideración. Por lo que comporta a la zona de agua, parece que se podría encontrar una mayor profundidad en la zona sur donde los píxeles tienen una tendencia más oscura al contrario que en la zona norte donde la presencia de píxeles amarillos es mayor y presuntamente la profundidad será menor a su vez. El tercer paso sería la calibración. Para ello, una vez tenemos listos los dos tipos de datos hay que conseguir que sus medidas cuadren. Por un lado, tenemos que los datos de campo tienen la siguiente dimensión: Una matriz de 773 por 726 píxeles, mientras que los datos de la imagen satélite después de haber sido recortada a la zona de interés son de 300 por 200 píxeles. Como las dimensiones no cuadran se escogió transformar los datos log-ratio y transformarlos a las dimensiones de los datos de campo. Una vez transformados se verifica que cada punto tenga datos de sus dos campos, log-ratio y elevación de datos de campo y se forma un conjunto de datos con ellos. Comprobamos el resultado de este conjunto de datos y vemos con cuantos puntos contamos. 29 Dimensiones de la cuadrícula de elevaciones de los datos de campo Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 34 30 Tabla de la relación de valores Log-Ratio y profundidades obtenidas en campo para cada uno de los puntos Como se puede ver, hay un total de 294662 puntos con información en los dos campos. Ahora ya con los datos relacionados seguiría hacer la regresión lineal. No obstante, los resultados de la regresión no se han conseguido alcanzar debido a problemas que no se han conseguido resolver relacionados con los datos y el procesamiento de la función ‘Lineal Regresión’. Al procesar el código marca errores con la composición de los datos y la presencia de valores nulos. Se han hecho pruebas al respecto contabilizando la cantidad de valores nulos presentes en cada una de las capas de datos, a ver si había algún valor que se ha escapado al filtrado hecho en el preprocesado, y es verdad que en un primer momento se encontró que debido al reescalado de la imagen satelital, se había formado alguno. Pero una vez limpiados los datos sigue dando errores y con el tiempo disponible no se ha conseguido realizar la regresión lineal. De haber salido, se hubiesen obtenido los coeficientes para calcular la profundidad y se hubiese podido aplicar el modelo a cualquier imagen satelital de la zona para crear el perfil batimétrico de forma automatizada. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 41 8 BIBLIOGRAFÍA [1] Visualización y descarga de datos batimétricos. En línea. MappingGIS. [s. f https://mappinggis.com/2022/11/visualizacion-y-descarga-de-datos-batimetricos/ [2] Batimetría; qué es y cómo se realiza. En línea. Topografia2. [s. f.]. https://topografia2.com/que-es-una-batimetria/ [3] REAL ACADEMIA ESPAÑOLA: Diccionario de la lengua española, 23.ª ed., [versión 23.7 en línea]. https://dle.rae.es [4] Sandwell, DT; Smith, WH Anomalía de gravedad marina a partir de la altimetría satelital Geosat y ERS 1. J. Geophys. Res. Solid Earth 1997 , 102 , 10039–10054. Google Scholar [5] Olson, CJ; Becker, JJ; Sandwell, DT Un nuevo mapa batimétrico global con una resolución de 15 segundos de arco para resolver la estructura del fondo marino: SRTM15_PLUS. En Proceedings of the AGU Fall Meeting Abstracts, San Francisco, CA, EE. UU., 15-19 de diciembre de 2014. < https://ui.adsabs.harvard.edu/abs/2014AGUFMOS34A..03O/abstract > [6] Pe'eri, S.; Madore, B.; Nyberg, J.; Snyder, L.; Parrish, C.; Smith, S. Identificación de diferencias batimétricas en la vertiente norte de Alaska utilizando un enfoque multitemporal de batimetría derivada de satélites. J. Coast. Res. 2016 <https://meridian.allenpress.com/jcr/article/doi/10.2112/SI76-006/27972/IdentifyingBathymetric-Differences-over-Alaska-s> [7] Dörnhöfer, K.; Göritz, A.; Gege, P.; Pflug, B.; Oppelt, N. Recuperación de componentes del agua y profundidad del agua a partir de Sentinel-2A: una primera evaluación en un lago oligotrófico. Remote Sens. 2016 , 8 , 941. https://www.mdpi.com/2072-4292/8/11/941 [8] Chybicki, A. Mapeo de la batimetría cercana a la costa del Báltico Sur mediante observaciones de Sentinel-2. Pol. Mar. Res. 2017 , 24 , 15–25. https://intapi.sciendo.com/pdf/10.1515/pomr-2017-0086 Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 42 [9] Iho.int https://iho.int/en/about-the-iho [10] Iho.int.https://iho.int/uploads/user/Services%20and%20Standards/HSSC/HSSC14/ HSSC14_2022_05.1D_Rev1_S102_PS_draft_2_1_0_clean_PrimarEdits_6May2022.p df. [11] ARIZA LÓPEZ, Francisco Javier; RODRÍGUEZ PASCUAL, Antonio Federico. Introducción a la normalización en Información Geográfica: la familia ISO 19100. Grupo de Investigación en Ingeniería Cartográfica, Universidad de Jaén, 2008. https://coello.ujaen.es/Asignaturas/pcartografica/Recursos/IntroduccionNormalizacion_ IG_FamiliaISO_19100_rev1.pdf [12] DE LA CALLE, V.S., 2014. Levantamiento batimétrico en el islote Montaña Clara (Islas Canarias). https://oa.upm.es/29357/1/PFC_VANESA_SANZ_DE_LA_CALLE.pdf [13] Noaa.gov https://www.ngdc.noaa.gov/mgg/bathymetry/noshdb/ons_fsd.pdf [14] Org.ar [en línea], [sin fecha]. [consulta: 22 septiembre 2024 c]. Disponible en: http://www.bibliotecacpa.org.ar/greenstone/collect/facagr/index/assoc/HASH19f3.dir/do c.pdf Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 43 9 AGRADECIMIENTOS Me gustaría expresar un gran agradecimiento a los individuos y organizaciones que han hecho posible la realización de este proyecto, así como los que me han acompañado durante los años para que este momento se hiciera realidad: Al Port de Barcelona por facilitar toda la información que fuera necesaria y compartir los datos que han sido tratados en este proyecto. Al profesorado por hacer que este camino haya sido especial. Y a mis compañeros, por estar siempre a mi lado. Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 44 ANEXO Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 41 Código: Código para cortar las capas utilizadas a la zona de interés: Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 42 Código para abrir archivo bag, transformar los datos, filtrarlos y mostrar en 3D: Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 43 Código principal dónde se automatiza el proceso (se ha añadido dentro el código anterior sin el visualizado 3D): Automatización de procesos para el tratamiento, gestión y publicación de datos batimétricos portuarios 44