Generación de ortoimágenes de diferente nadir con pares estereoscópicos satelitales WorldView, y cartografía con Deep Learning a escala 1:5000 en el norte del DMQ

Abstract

El desarrollo de nuevas tecnologías de información geoespacial, tales como Deep Learning, han permitido optimizar tiempo de extracción de cartografía, reducir costos y el personal de trabajo; mientras que, la elaboración de cartografía por métodos tradicionales es un proceso que demanda tiempo y recursos como: personal capacitado, hardware y software. Es así que en este proyecto surge la necesidad de generar ortoimágenes de diferente nadir con pares estereoscópicos satelitales WorldView por correlación, y cartografía con Deep Learning a escala 1:5000 en el norte del Distrito Metropolitano de Quito (DMQ) que servirán como una técnica alternativa para la obtención de insumos geoespaciales. En base al desarrollo se obtiene que, el mejor método para generar ortoimágenes es, el modelo el base a los coeficientes polinomiales racionales, con una cantidad entre 7 y 9 GCP en la zona de estudio. Los resultados obtenidos del proyecto fueron varias ortoimágenes, en las cuales las generadas del WorldView-3 de 0.40m de resolución espacial, con nadir de 13.1° y un área de 100km2, cumplen con la precisión horizontal para escala 1:5000, con un nivel de confianza entre 90%-95%. La cartografía generada por el método de interpretación / digitalización en un área de 200ha de una zona plana si cumple con la precisión horizontal; mientras que, por el método Deep Learning no, cabe recalcar que, la cartografía automatizada es muy útil en la extracción de vías de similar material y en manzanas cuando se aplican grandes muestras (en extensión) para el entrenamiento del modelo.