Els principals objectius d’aquesta geoinformació són: Fer un seguiment acurat de l’evolució del litoral i les seves condicions canviants; Possibilitar l’avaluació dels canvis que es produeixen en l’entorn del litoral al llarg del temps o pels efectes dels temporals, i poder determinar així les polítiques de preservació d’aquest medi en evolució constant per l’acció de l’home i pels efectes del canvi climàtic; Obtenir models d’elevacions del terreny i de superfícies, així com visualitzacions 3D realistes del territori; Facilitar el càlcul del risc d’inundació i altres riscos on el coneixement del relleu és imprescindible; Proporcionar una base de referència per al desenvolupament de qualsevol activitat que tingui incidència territorial i que hagi de tenir en compte el relleu. Són especialment rellevants en l’àmbit de les activitats tècniques, de gestió, de planificació o d’administració del territori; Efectuar operacions d’anàlisi espacial amb altres conjunts d’informació geogràfica, especialment en 3D.

Los principales objetivos de esta geoinformación son: Realizar un seguimiento esmerado de la evolución del litoral y sus condiciones cambiantes; Posibilitar la evaluación de los cambios que se producen en el entorno del litoral a lo largo del tiempo o por los efectos de los temporales, y así poder determinar las políticas de preservación de este medio en constante evolución por la acción del hombre y por los efectos del cambio climático; Obtener modelos de elevaciones del terreno y superficies, así como visualizaciones 3D realistas del territorio; Facilitar el cálculo del riesgo de inundación y otros riesgos en los que el conocimiento del relieve es imprescindible; Proporcionar una base de referencia para el desarrollo de cualquier actividad que tenga incidencia territorial y que deba tener en cuenta el relieve. Son especialmente relevantes en el ámbito de las actividades técnicas, de gestión, planificación o administración del territorio; Realizar operaciones de análisis espacial con otros conjuntos de información geográfica, especialmente en 3D.

The main objectives of this geoinformation are: To carefully monitor the evolution of the coastline and its changing conditions; To enable the evaluation of the changes that occur in the coastal environment over time or due to the effects of storms, and thus be able to determine the preservation policies of this environment in constant evolution due to human action and the effects of climate change; To obtain models of terrain elevations and surfaces, as well as realistic 3D visualizations of the territory; To facilitate the calculation of the risk of flooding and other risks where knowledge of the relief is essential; To provide a reference base for the development of any activity that has a territorial impact and that must take the relief into account. They are especially relevant in the field of technical activities, management, planning or administration of the territory; To carry out spatial analysis operations with other sets of geographic information, especially in 3D.

L'extensió espacial abasta la franja litoral de Catalunya, completa o parcial. L'extensió temporal es refereix a la data de les dades. L'extensió vertical és aproximada i no inclou punts classificats com a soroll.

La extensión espacial abarca la franja litoral de Cataluña, completa o parcial. La extensión temporal se refiere a la fecha de los datos. La extensión vertical es aproximada y no incluye puntos clasificados como ruido.

Spatial extent covers the coastal strip of Catalonia, complete or partial. Temporal extent refers to the date of the data. Vertical extent is approximate and does not include points classified as noise.

El núvol de punts es capta amb un sensor lidar, calibrat i ajustat amb àrees de control topogràfic, per tal d'obtenir una precisió altimètrica amb un error mitjà quadràtic d'uns 6 cm en àrees planes amb poca vegetació. Cada punt lidar s'associa a la data i hora de captura (temps GPS absolut). Les dades es distribueixen per blocs d'1x1 km, si bé dins d'un mateix bloc poden haver punts amb diferents dates de vol. Cada bloc es calibra i s'ajusta amb les àrees de control. Es realitza una primera classificació automàtica dels punts ajustats amb l’objectiu de separar el soroll i els punts escapats —tant elevats com baixos— que no representen elements reals del terreny. Tot seguit, s’aplica una classificació bàsica per distingir els punts corresponents al terreny i als edificis de la resta. Per facilitar aquest procés, el terreny se segmenta prèviament segons la morfologia del terreny: plana, pendent normal o pendent pronunciat, i segons la presència d'edificis de grans dimensions. Posteriorment, es du a terme una classificació específica dels punts situats sobre plataformes de ponts, mitjançant informació vectorial sobre la ubicació d’aquests elements. El procés continua amb una classificació final que identifica i assigna els punts corresponents a vegetació i aigua a les seves classes respectives, tot generant també classes auxiliars. Finalment, es fa un control de qualitat del núvol de punts classificat, centrant-se en l’avaluació de la classificació automàtica de les classes de terreny, edificis i aigua. En el cas de la classe d’aigua, els errors detectats es corregeixen manualment.

La nube de puntos se capta con un sensor lidar, calibrado y ajustado con áreas de control topográfico, a fin de obtener una precisión altimétrica con un error medio cuadrático de unos 6 cm en áreas planas con poca vegetación. Cada punto lidar se asocia a la fecha y hora de captura (tiempo GPS absoluto). Los datos se distribuyen por bloques de 1x1 km, aunque dentro de un mismo bloque pueden haber puntos con diferentes fechas de vuelo. Cada bloque se calibra y ajusta con las áreas de control. Se realiza una primera clasificación automática de los puntos ajustados con el objetivo de separar el ruido y los puntos escapados, tanto elevados como bajos, que no representan elementos reales del terreno. A continuación, se aplica una clasificación básica para distinguir los puntos correspondientes al terreno y edificios del resto. Para facilitar este proceso, el terreno se segmenta previamente según la morfología del terreno: llana, pendiente normal o pendiente pronunciada, y según la presencia de edificios de grandes dimensiones. Posteriormente, se realiza una clasificación específica de los puntos situados sobre plataformas de puentes, mediante información vectorial sobre la ubicación de estos elementos. El proceso continúa con una clasificación final que identifica y asigna los puntos correspondientes a vegetación y agua en sus respectivas clases, generando también clases auxiliares. Por último, se hace un control de calidad de la nube de puntos clasificado, centrándose en la evaluación de la clasificación automática de las clases de terreno, edificios y agua. En el caso de la clase de agua, los errores detectados se corrigen manualmente.

The cloud of points is captured with a lidar sensor, calibrated and adjusted with topographic control areas, in order to obtain an altimetric accuracy with a mean square error of about 6 cm in flat areas with little vegetation. Each lidar point is associated with the date and time of capture (absolute GPS time). The data are distributed in 1x1 km blocks, although within the same block there may be points with different flight dates. Each block is calibrated and adjusted with the control areas. An initial automatic classification of the adjusted points is carried out with the aim of separating the noise and the escaped points —both high and low— that do not represent real elements of the terrain. A basic classification is then applied to distinguish the points corresponding to the terrain and buildings from the rest. To facilitate this process, the terrain is previously segmented according to the morphology of the terrain: flat, normal slope or steep slope, and according to the presence of large buildings. Subsequently, a specific classification of the points located on bridge platforms is carried out, using vector information on the location of these elements. The process continues with a final classification that identifies and assigns the points corresponding to vegetation and water to their respective classes, also generating auxiliary classes. Finally, a quality control of the classified point cloud is carried out, focusing on the evaluation of the automatic classification of the terrain, buildings and water classes. In the case of the water class, the errors detected are corrected manually.

Sensor lidar.

Sensor lidar.

Lidar sensor.

Versió 5.0

Versión 5.0

Version 5.0