Avaliação do uso combinado de métodos de modelagem da direção do escoamento superficial e modelos digitais de superficie derivados de laser scanner em regiões urbanas

Abstract

Resumo: Com a impermeabilização do solo e alterações no meio, o ciclo hidrológico vêm sofrendo alterações significativas, sobretudo, no que diz respeito ao escoamento superficial sobre áreas urbanas. Com isso, existe um aumento no risco de cheias, principalmente pela falta de capacidade de drenagem das redes pluviais, assim como o problema de poluição através do escoamento superficial. Para que se possam definir medidas para mitigar tais eventos, é necessária a identificação dos lugares de maior influência. Com a possibilidade de se obter modelos digitais mais detalhados da superfície, como os obtidos por meio dos dados de Laser Scanner, pode-se utilizar tais informações para o melhor entendimento dos processos envolvidos nestes eventos em determinada área. Assim, foi estudada uma metodologia para simulação de escoamento superficial em ambientes urbanizados, utilizando dados altimétricos e imagens de alta resolução, visando identificação de regiões que possam receber maior quantidade de fluxo de escoamento ou poluição. Foram utilizados e comparados métodos de filtragem de dados do Laser Scanner para a geração de Modelo Digital de Terreno (MDT) e Modelo Digital de Superfície Normalizado (MDSn); assim como Classificadores Digitais de Imagem, baseados em Inteligência Artificial, avaliando também diferentes tamanhos de amostras de treinamento variados; e algoritmos de simulação da direção do escoamento superficial, sobre duas áreas de estudo. Os métodos de filtragem apresentaram acertos e erros em maior ou menor grau, uma vez que alguns filtraram excessivamente, corrompendo dados do terreno, ou deixando dados que deveriam ter sido filtrados. Os classificadores apresentaram acertos globais elevados, todos com mais de 80% de acerto e a maioria dos testes com acerto global acima de 95%. Foi identificado também que os algoritmos de simulação da direção do escoamento superficial apresentam resultados diferentes entre si, sendo também dependentes dos dados do modelo digital que os alimentam, variando em função da presença ou não de feições que supostamente eram obstáculos ao escoamento superficial.

Abstract: Soil imperviousness and environmental changes introduce severe changes in the water cycle, especially in urban areas. This can lead to increasing risk of flooding, mainly because the drainage networks are overloaded. Pollution is also increased and spread, as the surface runoff increases. It is necessary to develop solutions to identify locals where the risk is higher and develop methods to reduce this risk. An essential information to manage such situations is the knowledge of the topography in order to simulate runoff. Nowadays, remote sensing is able to provide altimetry from satellites and such models are used to model runoff in big basins. A more detailed description can be obtained using laser scanner data, but methods to handle with such detailed information are still not being considered. This work deals with the problem of runoff modelling in urban environments using laser scanner data and high-resolution images. The aim is to identify regions that can accumulate large volume of runoff and diffuse pollution. Different methods to filter laser scanner data, for the generation of Digital Terrain Model (DTM) and Digital Surface Model Normalized (DTMn) were compared and evaluated. In order to suppress vegetation, image classification was applied. Two methods based on artificial intelligence were compared. Then, the runoff was modelled applying different flow direction algorithms in two study areas within the city of Curitiba. According to the experiments, the DTM extraction based on mathematical morphology was more successful and the neural networks approach proved to be more efficient. When analysing the flow directions, that can be used to model urban runoff, it was verified that the single direction approaches lead to bad results. The methods that are based on multiple paths produced better results and are similar in terms of processing time. A significant contribution of this work is showing the necessity to perform a selective elimination of obstacles, because some elements, like treetops or power transmission network may introduce severe changes in the flow paths, while buildings and wall need to be preserved, because their influence on flow paths is real.