Parra Díaz Yenny Paola 2021

PROCESAMIENTO DE IMÁGENES DIGITALES OBTENIDAS CON RPAS PARA
ANÁLISIS MULTIESPECTRAL DE LA PARCELA DE MONITOREO PERMANENTE

LOCALIZADA EN EL PARQUE NATURAL CHICAQUE
YENNY PAOLA PARRA DÍAZ
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES
PROYECTO CURRICULAR INGENIERÍA TOPOGRÁFICA
BOGOTÁ D.C.
2021
PROCESAMIENTO DE IMÁGENES DIGITALES OBTENIDAS CON RPAS PARA
ANÁLISIS MULTIESPECTRAL DE LA PARCELA DE MONITOREO PERMANENTE
LOCALIZADA EN EL PARQUE NATURAL CHICAQUE
YENNY PAOLA PARRA DÍAZ 20181032011
Trabajo de Grado presentado para optar por el Título de

INGENIERA TOPOGRÁFICA
PROYECTO DE GRADO BAJO LA MODALIDAD DE MONOGRAFÍA
Director de Proyecto
WILLIAM BENIGNO BARRAGÁN ZAQUE
Ingeniero Catastral y Geodesta
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES
PROYECTO CURRICULAR INGENIERÍA TOPOGRÁFICA
BOGOTÁ D.C.
2021
ARTÍCULO 117:
La Universidad Distrital Francisco José de Caldas no será responsable de las ideas expuestas
por el graduando en el trabajo de grado, según el acuerdo 029 de 1988.
AGRADECIMIENTOS
Expreso mis agradecimientos a Dios y a mis padres,
quienes fueron mi apoyo durante este proceso,
a la Universidad Distrital por abrirme sus puertas
y formarme profesionalmente, a mi docente director,
el Ing. William Barragán por su orientación y entrega
en la culminación de este proyecto, y demás docentes
que impartieron en mi sus valiosos conocimientos.

TABLA DE CONTENIDO
1. RESUMEN .............................................................................................................................. 1
2. ANTECEDENTES Y JUSTIFICACIÓN ................................................................................ 2
3. PROBLEMA O PREGUNTA DE INVESTIGACIÓN ........................................................... 5
4. OBJETIVOS ............................................................................................................................ 6
4.1. Objetivo General .............................................................................................................. 6
4.2. Objetivos Específicos ....................................................................................................... 6
5. MARCO TEÓRICO ................................................................................................................ 7
5.1. Localización de la zona de estudio ................................................................................... 7
5.2. La fotogrametría y el uso de vehículos tipo RPAS .......................................................... 8
5.2.1. Clasificación de la fotogrametría .............................................................................. 8
5.2.2. Tipos de mapas fotogramétricos ............................................................................... 9
5.3. Tipos de drones .............................................................................................................. 10
5.3.1. Drones de ala fija .................................................................................................... 10
5.3.2. Drones de ala rotatoria ............................................................................................ 10
5.3.5. Planeación de vuelo ................................................................................................ 14
5.3.6. Diseño de la ruta de vuelo ....................................................................................... 15
5.3.7. Apoyo topográfico .................................................................................................. 15
5.3.8. Sistema de Posicionamiento PPK ........................................................................... 16
5.4. Procesamiento de imágenes digitales ............................................................................. 16
5.4.1. 3Dsurvey ................................................................................................................. 16
5.4.2. Pix4Dmapper .......................................................................................................... 17
5.4.3. Telemetría ............................................................................................................... 18
5.4.4. Correlación de imágenes ......................................................................................... 18
5.4.5. Ortomosaico ............................................................................................................ 18
5.5. Procesamiento de imágenes multiespectrales y RGB .................................................... 19
5.5.1. Teledetección .......................................................................................................... 19
5.5.2. Tipos de sensores .................................................................................................... 20
5.5.3. Clasificación digital de imágenes ........................................................................... 20
5.5.4. Mapas de índices de vegetación y humedad ........................................................... 21
5.5.5. Cámara multiespectral MicaSense Altum ............................................................... 23
6. DISEÑO METODOLÓGICO ............................................................................................... 25
6.1. Metodología de campo ................................................................................................... 25
6.2. Metodología de oficina................................................................................................... 28
6.2.1. Procesamiento en el software Pix4Dmapper .......................................................... 28
6.2.2. Procesamiento en el software 3Dsurvey ................................................................. 28
6.2.3. Post proceso punto de apoyo GPS .......................................................................... 29
6.2.4. Obtención de perfiles topográficos en el software Merrick's Advanced Remote
Sensing MARS ...................................................................................................................... 29
6.2.5. Análisis de los resultados ........................................................................................ 29
7. DESARROLLO DE LA MONOGRAFÍA ............................................................................ 30
7.1. Procesamiento en la plataforma Pix4D .......................................................................... 30
7.2. Productos obtenidos de los vuelos en la plataforma Pix4D ........................................... 39
7.2.1. Ortomosaico vuelo 1 Phantom 4 Pro Pix4D ........................................................... 39
7.2.2. Modelo Digital de Superficie DSM vuelo 1 Phantom 4 Pro Pix4D ....................... 40
7.2.3. Ortomosaico vuelo 2 VTOL WingtraOne RGB Pix4D .......................................... 41
7.2.4. Modelo Digital de Superficie DSM vuelo 2 VTOL WingtraOne RGB Pix4D ...... 42
7.2.5. Modelo Digital de Superficie DSM vuelo 3 VTOL WingtraOne cámara MicaSense
Altum Pix4D .......................................................................................................................... 43
7.2.6. Mapas de índices: .................................................................................................... 44
7.3. Procesamiento en la plataforma 3Dsurvey ..................................................................... 53
7.4. Productos obtenidos de los vuelos en la plataforma 3Dsurvey ...................................... 61
7.4.1. Ortomosaico vuelo 1 Phantom 4 Pro 3Dsurvey ...................................................... 61
7.4.2. Modelo Digital de Superficie DSM vuelo 1 Phantom 4 Pro 3Dsurvey .................. 62
7.4.3. Ortomosaico vuelo 2 VTOL WingtraOne cámara RGB 3Dsurvey ........................ 63
7.4.4. Modelo Digital de Superficie DSM vuelo 2 VTOL WingtraOne cámara RGB
3Dsurvey................................................................................................................................ 64
7.5. Coordenadas post proceso punto de apoyo GPS ............................................................ 65
7.6. Generación de perfiles topográficos en el software Merrick's Advanced Remote Sensing
MARS: ...................................................................................................................................... 66
7.6.1. Perfil 1 costado oriental .............................................................................................. 68
7.6.2. Perfil 2 zona central .................................................................................................... 70
7.6.3. Perfil 3 costado occidental .......................................................................................... 72
7.6.4. Perfil 4, zona de laguna 1 ........................................................................................... 74
7.6.5. Perfil 5, zona de laguna 2 ........................................................................................... 76
8. ANÁLISIS DE LOS RESULTADOS ................................................................................... 79
8.1. Ventajas y desventajas de las plataformas ..................................................................... 79
8.2. Reporte de calidad procesamiento vuelo 1 Phantom 4 Pro Pix4D:................................ 80
8.3. Reporte de calidad procesamiento vuelo 1 Phantom 4 Pro 3Dsurvey: .......................... 89
8.4. Reporte de calidad procesamiento vuelo 2 RGB Pix4D: ............................................... 93
8.5. Reporte de calidad procesamiento vuelo 2 RGB 3Dsurvey: ........................................ 103
8.6. Análisis de imágenes multiespectrales del vuelo 3 en el software Pix4Dmapper: ...... 107
8.7. Análisis de los perfiles topográficos de la parcela y zona de laguna ........................... 110
9. CONCLUSIONES ............................................................................................................... 112
10. BIBLIOGRAFÍA ............................................................................................................. 113
LISTA DE FIGURAS
Figura 1. Mapa de índice vegetativo NDVI (a) y ortmosaico RGB (b) obtenidos en Pix4D........................ 2
Figura 2. Ortomosaico RGB (a) y mapa de índices NDVI (b) obtenidos con Agisoft Photoscan. ............... 3
Figura 3. Ortomosaico de los terrenos generados en Pix4D ......................................................................... 4
Figura 4. Ortomosaico de los terrenos generados en Agisoft PhotoScan. .................................................... 4
Figura 5. Localización Parque Natural Chicaque. ........................................................................................ 7
Figura 6. Localización parcela de monitoreo permanente Parque Natural Chicaque. .................................. 8
Figura 7. Dron ala rotatoria Mavic Air Fly. ................................................................................................ 11
Figura 8. Dron ala fija VTOL WingtraOne................................................................................................. 12
Figura 9. Dron multirrotor Phantom 4 Pro .................................................................................................. 14
Figura 10. Gráfica de productos obtenidos en el software 3Dsurvey. ........................................................ 17
Figura 11. Ortomosaico en formato 3D generado por el software Pix4Dmapper....................................... 17
Figura 12. Ejemplo de ortomosaico Aduanilla de Paiba sede Universidad Distrital. ................................. 18
Figura 13. Cámara Multiespectral MicaSense Altum. ................................................................................ 24
Figura 14. Posicionamiento GPS antena Trimble 5700. ............................................................................. 25
Figura 15. Vuelo programado RPAS Phantom 4Pro V2.0.......................................................................... 26
Figura 16. RPAS VTOL WingtraOne con cámara RGB integrada. ........................................................... 27
Figura 17. RPAS VTOL WingtraOne con cámara multiespectral MicaSense Altum. ............................... 27
Figura 18. Interfaz de inicio Pix4Dmapper. ................................................................................................ 30
Figura 19. Ventana “New Project” para establecer parámetros de inicio. .................................................. 30
Figura 20. Ventana de selección y cargue de imágenes. ............................................................................. 31
Figura 21. Ventana de selección de propiedades de las imágenes. ............................................................. 31
Figura 22. Ventana de selección de sistema de coordenadas para el proyecto. .......................................... 32
Figura 23. Ventana de selección de procesamientos. .................................................................................. 32
Figura 24. Interfaz del software Pix4Dmapper. .......................................................................................... 33
Figura 25. Pasos de procesamiento de imágenes en el software ................................................................. 33
Figura 26. Selección de parámetros de inicio del procesamiento inicial. ................................................... 34
Figura 27. Procesamiento inicial de imágenes. ........................................................................................... 34
Figura 28. Selección de parámetros para procesamiento de nube de puntos. ............................................ 35
Figura 29. Selección de parámetros para procesamiento de malla 3D........................................................ 36
Figura 30. Procesamiento de nube de puntos y malla en textura 3D. ......................................................... 36
Figura 31. Parámetros para procesamiento de DSM y ortomosaico. .......................................................... 37
Figura 32. Ortomosaico final. ..................................................................................................................... 38
Figura 33. Modelo Digital de Superficie. ................................................................................................... 38
Figura 34. Ortomosaico vuelo 1 Phantom 4 Pro V2.0. ............................................................................... 39
Figura 35. Modelo Digital de Superficie DSM vuelo 1 Phantom 4 Pro V2.0. ........................................... 40
Figura 36. Ortomosaico vuelo 2 VTOL WingtraOne cámara RGB. ........................................................... 41
Figura 37. Modelo Digital de Superficie DSM vuelo 2 VTOL WingtraOne cámara RGB………………42
Figura 38. Modelo Digital de Superficie DSM vuelo 3 VTOL WingtraOne cámara MicaSense Altum.... 43
Figura 39. Mapa de índice espectro electromagnético azul. ....................................................................... 44
Figura 40. Mapa de índice espectro electromagnético verde. ..................................................................... 45
Figura 41. Mapa de índice espectro electromagnético rojo. ....................................................................... 46
Figura 42. Mapa de índice infrarrojo cercano NIR. .................................................................................... 47
Figura 43. Mapa de índices borde rojo RedEdge. ....................................................................................... 48
Figura 44. Mapa de índice NDVI................................................................................................................ 49
Figura 45. Mapa de índice NDRE ............................................................................................................... 50
Figura 46. Mapa de índice NDWI (diferencial de agua). ............................................................................ 51
Figura 47. Índice NDWI (diferencial de agua) en zona de laguna. ............................................................. 51
Figura 48. Mapa de índice GCI. .................................................................................................................. 52
Figura 49. Interfaz de inicio 3Dsurvey. ...................................................................................................... 53
Figura 50. Ventana de selección y carga de imágenes digitales. ................................................................ 53
Figura 51. Ventana de configuración de modelo UAV para telemetría y sistemas de proyección. ............ 54
Figura 52. Ventana con datos de telemetría de imágenes digitales. ........................................................... 54
Figura 53. Menú para procesamiento de imágenes digitales. ..................................................................... 55
Figura 54. Menú para modo de ajuste del lote. ........................................................................................... 56
Figura 55. Resultado de ajuste del lote y nube de puntos dispersa. ............................................................ 56
Figura 56. Menú para orientación de nube de puntos. ................................................................................ 57
Figura 57. Tabla de errores de telemetría en metros (m). ........................................................................... 57
Figura 58. Resultado de reconstrucción de nube de puntos densa. ............................................................. 58
Figura 59. Menú de creación de malla DSM y 3D. .................................................................................... 58
Figura 60. Resultado del procesamiento de malla DSM. ............................................................................ 59
Figura 61. Resultado del procesamiento de malla 3D................................................................................. 59
Figura 62. Menú de creación de ortofoto. ................................................................................................... 60
Figura 63. Ortomosaico final generado....................................................................................................... 60
Figura 64. Ortomosaico vuelo 1 Phantom 4 Pro V2.0. ............................................................................... 61
Figura 65. Modelo Digital de Elevación DSM vuelo 1 Phantom 4 Pro V2.0. ............................................ 62
Figura 66. Ortomosaico vuelo 2 VTOL WingtraOne cámara RGB. ........................................................... 63
Figura 67. Modelo Digital de Elevación DSM vuelo 2 VTOL WingtraOne cámara RGB. ....................... 64
Figura 68. Reporte de coordenadas del punto de apoyo. ............................................................................ 65
Figura 69. Delimitación de la zona para creación de perfiles topográficos. ............................................... 66
Figura 70. Nube de puntos de la zona en vista 2D. ..................................................................................... 67
Figura 71. Nube de puntos de la zona en vista 3D. ..................................................................................... 67
Figura 72. Vista planta perfil 1, costado oriental. ....................................................................................... 68
Figura 73. Pendiente promedio de la copa de los árboles perfil 1. ............................................................. 69
Figura 74. Medición de alturas en la zona de árboles perfil 1. ................................................................... 69
Figura 75. Vista planta perfil 2, zona central. ............................................................................................. 70
Figura 78. Vista planta perfil 3, costado occidental. ................................................................................... 72
Figura 81. Vista planta perfil 4, zona de laguna 1. ..................................................................................... 74
Figura 84. Vista planta perfil 5, zona de laguna 2. ..................................................................................... 76
Figura 87. Avance del ortomosaico y el DSM vuelo 1 Phantom 4Pro. ...................................................... 81
Figura 88. Vista superior posición inicial de imágenes vuelo 1 Phantom 4Pro. ......................................... 82
Figura 89. Esquema de desplazamiento de las imágenes vuelo 1 Phantom 4Pro. ...................................... 83
Figura 90. Posiciones relativas de las imágenes calculadas vuelo 1 Phantom 4Pro. .................................. 84
Figura 91. Superposición de las imágenes vuelo 1 Phantom 4Pro.............................................................. 85
Figura 92. Avance del ortomosaico vuelo 1 Phantom 4Pro. ....................................................................... 89
Figura 93. Superposición de las imágenes vuelo 1 Phantom 4Pro.............................................................. 90
Figura 94. DEM vuelo 1 Phantom 4Pro. ..................................................................................................... 91
Figura 95. Avance del ortomosaico y el DSM vuelo 2 VTOL WingtraOne cámara RGB. ........................ 94
Figura 96. Vista superior posición inicial de imágenes vuelo 2 VTOL WingtraOne cámara RGB. .......... 95
Figura 97. Esquema de desplazamiento de las imágenes vuelo 2 VTOL WingtraOne cámara RGB. ........ 96
Figura 98. Posiciones relativas de las imágenes calculadas vuelo 2 Phantom 4Pro. .................................. 97
Figura 99. Superposición de las imágenes vuelo 2 VTOL WingtraOne cámara RGB. .............................. 98
Figura 100. Avance del ortomosaico vuelo 2 VTOL WingtraOne cámara RGB...................................... 103
Figura 101. Superposición de las imágenes vuelo 2 VTOL WingtraOne cámara RGB. .......................... 104
Figura 102. DEM vuelo 2 VTOL WingtraOne cámara RGB. .................................................................. 105
Figura 103. Esquema de índice NDVI. ..................................................................................................... 107
Figura 104. Histograma de índice NDVI. ................................................................................................. 107
Figura 105. Esquema de índice NDRE. .................................................................................................... 108
Figura 106. Histograma de índice NDRE. ................................................................................................ 108
Figura 107. Esquema de índice NDWI. .................................................................................................... 108
Figura 108. Histograma de índice NDWI. ................................................................................................ 108
Figura 109. Esquema de índice GCI. ........................................................................................................ 109
Figura 110. Histograma de índice GCI. .................................................................................................... 109
Figura 111. Altura zona de suelo perfil 3 costado occidental. .................................................................. 111
LISTA DE TABLAS
Tabla 1. Especificaciones técnicas VTOL WingtraOne. ............................................................................ 12

Tabla 2. Coordenadas punto de apoyo antena Trimble 5700. ..................................................................... 65
Tabla 3. Características iniciales del proyecto vuelo 1 Phantom 4 Pro. ..................................................... 80
Tabla 4. Control de calidad del proyecto vuelo 1 Phantom 4 Pro. .............................................................. 81
Tabla 5. Incertidumbres absolutas de orientación y posición de la cámara vuelo 1 Phantom 4 Pro........... 83
Tabla 6. Incertidumbres relativas de orientación y posición de la cámara vuelo 1 Phantom 4 Pro. ........... 84
Tabla 7. Detalles de ajuste del bloque vuelo 1 Phantom 4 Pro. .................................................................. 86
Tabla 8. Errores de varianza absoluta de geolocalización vuelo 1 Phantom 4 Pro ..................................... 86
Tabla 9. Error medio cuadrático RMS vuelo 1 Phantom 4 Pro. ................................................................. 87
Tabla 10. Opciones de procesamiento vuelo 1 Phantom 4 Pro. .................................................................. 87
Tabla 11. Detalles de densificación nube de puntos y resultados vuelo 1 Phantom 4 Pro.......................... 88
Tabla 12. Detalles de procesamiento DSM y ortomosaico vuelo 1 Phantom 4 Pro. .................................. 88
Tabla 13. Datos iniciales reporte vuelo 1 Phantom 4 Pro. .......................................................................... 89
Tabla 14. Datos del levantamiento vuelo 1 Phantom 4 Pro. ....................................................................... 90
Tabla 15. Errores de ubicación de la cámara vuelo 1 Phantom 4 Pro. ........................................................ 91
Tabla 16. Parámetros de procesamiento vuelo 1 Phantom 4 Pro. ............................................................... 92
Tabla 17. Características iniciales del proyecto vuelo 2 VTOL WingtraOne cámara RGB. ...................... 93
Tabla 18. Control de calidad del proyecto vuelo 2 VTOL WingtraOne cámara RGB. .............................. 94
Tabla 19. Incertidumbres absolutas de orientación y posición de la cámara vuelo 2 VTOL WingtraOne. 97
Tabla 20. Incertidumbres relativas de orientación y posición de la cámara vuelo 2 Phantom 4 Pro. ......... 98
Tabla 21. Detalles de ajuste del bloque vuelo 2 VTOL WingtraOne cámara RGB .................................... 99
Tabla 22. Errores de varianza absoluta de geolocalización vuelo 2 VTOL WingtraOne cámara RGB.... 100
Tabla 23. Error medio cuadrático RMS vuelo 2 VTOL WingtraOne cámara RGB. ................................ 100
Tabla 24. Opciones de procesamiento vuelo 2 VTOL WingtraOne cámara RGB. .................................. 101
Tabla 25. Detalles de densificación nube de puntos y resultados vuelo 2 VTOL WingtraOne. ............... 102
Tabla 26. Detalles de procesamiento DSM y ortomosaico vuelo 2 VTOL WingtraOne. ......................... 102
Tabla 27. Datos iniciales reporte vuelo 2 VTOL WingtraOne cámara RGB. ........................................... 103
Tabla 26. Datos del levantamiento vuelo 2 VTOL WingtraOne cámara RGB. ........................................ 104
Tabla 29. Errores de ubicación de la cámara vuelo 2 VTOL WingtraOne cámara RGB. ........................ 105
Tabla 30. Parámetros de procesamiento 2 VTOL WingtraOne cámara RGB. ......................................... 106
Tabla 31. Cuadro resumen de datos obtenidos de los perfiles topográficos. ............................................ 111
LISTA DE ECUACIONES
Ecuación 1. Fórmula Índice NDVI ............................................................................................................. 21

Ecuación 2. Fórmula Índice NDRE ............................................................................................................ 22
Ecuación 3. Fórmula Índice NDWI ............................................................................................................ 22
Ecuación 4. Fórmula Índice GCI ................................................................................................................ 23
Universidad Distrital Francisco José de Caldas.
Procesamiento de imágenes digitales obtenidas con RPAS para análisis multiespectral de la
parcela de monitoreo permanente localizada en el Parque Natural Chicaque.
1. RESUMEN
La adquisición, procesamiento y análisis de datos de un terreno o infraestructura obtenidos a

través de fotografías aéreas, han revolucionado el mundo de la fotogrametría y la
fotointerpretación. Actualmente se han desarrollado diversos equipos como aeronaves
remotamente tripuladas (RPAS1), dispositivos con tecnología LiDAR2, y diferentes software
capaces de procesar y generar modelos en dos dimensiones 2D, y modelos tridimensionales 3D
mediante la captura de nubes de puntos.
En el campo de la Ingeniería Topográfica, por los altos estándares de calidad y precisión de la

información requerida, surge la necesidad de conocer diferentes equipos y software ofertados en
el medio con el fin de identificar cuál o cuáles de ellos ofrecen mejores servicios de
procesamiento, herramientas de análisis, modelamiento y precisión de la información capturada
en la zona de estudio, y así alcanzar los productos requeridos para cualquier proyecto.
El objetivo principal de esta investigación es ejecutar el procesamiento de las imágenes digitales

obtenidas a través de vehículos aéreos de tipo RPAS en la parcela de monitoreo permanente del
Parque Natural Chicaque, localizado al sur occidente de la Sabana de Bogotá Cundinamarca, con
ayuda de la cámara de bandas sensibles al espacio del espectro electromagnético Rojo, Verde y
Azul, conocida comúnmente como RGB, y la cámara multiespectral MicaSense Altum. Con esta
información se elaboró el ortomosaico 2D y el modelo 3D de la zona, se realizó el respectivo
análisis multiespectral de la vegetación, la obtención de los perfiles topográficos de la parcela y
una aproximación de la altura de los individuos arbóreos. Estos modelos se realizaron en los
programas 3Dsurvey y Pix4Dmapper, en los cuales se llevó a cabo el análisis comparativo de los
resultados obtenidos en una zona de difícil acceso e interpretación, las herramientas con las que
cuenta cada programa para este proceso, y se proporcionó un concepto final con base a los
resultados obtenidos.
1
Acrónimo de Remotely Piloted Aircraft System
2
Acrónimo de Light Detection and Ranging
1
2. ANTECEDENTES Y JUSTIFICACIÓN
En este contexto se han realizado investigaciones que han permitido conocer análisis de las
imágenes multiespectrales obtenidas a través de RPAS. El estudio realizado por (Gutiérrez,
Santana, Morales, Aday, & Mora, 2018) titulado “Análisis de imágenes multiespectrales
adquiridas con vehículos aéreos no tripulados” muestra la experiencia del Grupo de
Automatización, Robótica y Percepción (GARP) de la Universidad Central “Marta Abreu” de las
Villas, y la Estación Territorial de Investigaciones de la Caña de Azúcar, donde se realizó el
mapeo de sembrados experimentales de caña de azúcar haciendo uso de la fotogrametría
multiespectral. Para este estudio se utilizó un equipo 3DR RTF X8+, con un sensor Parrot
Sequoia integrado, el cual es totalmente especializado para aplicaciones de agricultura de
precisión. El procesamiento de los ortomosaicos 2D, y los modelos 3D en formato RGB e
infrarrojo cercano - NIR se realizó a través de los software Pix4D y Agisoft Photoscan, en los
cuales se obtuvo los mapas de índices normalizados de vegetación – NDVI donde se representan
las zonas con mayor despoblamiento vegetal, a una altura de 120 m del terreno.
A través de este estudio se evaluaron ambos programas en cuanto a facilidad de uso, tiempo de
procesamiento y calidad visual del producto, los resultados obtenidos demostraron que el
software Pix4D es el más eficiente para para realizar cálculos de índices vegetativos, ya que este
incorpora correcciones radiométricas. Los agrónomos expertos realizaron la comparación de las
imágenes procesadas y la correlación entre los mapas de índices, donde se observó la variedad de
caña sembrada, su edad, los niveles de vigor vegetal, entre otras variables. La respuesta espectral
permite discriminar los campos en dependencia de la edad y densidad arbórea por parcelas, pero
los mapas NDVI no posibilitan determinar las diferentes variedades de caña sembradas en una
misma fecha. (Gutiérrez, Santana, Morales, Aday, & Mora, 2018).
(a) (b)
Figura 1. Mapa de índice vegetativo NDVI (a) y ortmosaico RGB (b) obtenidos en Pix4D. Fuente: (Gutiérrez,
Santana, Morales, Aday, & Mora, 2018)
2
(a) (b)
Figura 2. Ortomosaico RGB (a) y mapa de índices NDVI (b) obtenidos con Agisoft Photoscan. Fuente: (Gutiérrez,
Santana, Morales, Aday, & Mora, 2018)
Un segundo estudio realizado por (Costales, 2018) quien realizó la tesis “Análisis comparativo
entre los software de prueba Agisoft PhotoScan y Pix4D para el procesamiento de datos
obtenidos con fotogrametría de vehículo aéreo remotamente tripulado (RPAS) de bajo costo
aplicado a proyectos de medio ambiente”, donde se determinaron las características de prueba de
dichos programas, se evaluó la calidad del ortomosaico generado, y las herramientas para
cálculos de medidas de superficie y volumen para aplicación en proyectos de medio ambiente.
El estudio se realizó en una cantera ubicada en la ciudad de Ambato, y unos terrenos ubicados en
la ciudad de Riobamba, ambas en Ecuador. De las zonas de estudio se obtuvieron curvas de
nivel, ortomosaicos y un reporte de procesamiento, además se realizó el cálculo de área de los
terrenos y el cálculo de volumen de la cantera.
Como resultado de este estudio se obtuvo que el tiempo de procesamiento de Agisoft fue 3.3
veces mayor al de Pix4D en el proyecto de los terrenos, y 2.4 veces mayor en el proyecto de la
cantera. Respecto a la calidad y nitidez de los ortomosaicos, se determinó que ambos presentan
la misma nitidez y detalle de imagen sin una diferencia significativa. En cuanto a la generación
de curvas de nivel, Pix4D presenta curvas suaves y uniformes, mientras que Agisoft PhotoScan
muestra curvas irregulares con sobre posición en algunas cotas. Las herramientas de estos
programas para el cálculo de áreas son muy similares y presentan un fácil manejo, mientras que
para el cálculo de volúmenes, Pix4D brinda más opciones de cálculo.
3
Figura 3. Ortomosaico de los terrenos generados en Figura 4. Ortomosaico de los terrenos generados en
Pix4D. Fuente: (Costales, 2018) Agisoft PhotoScan. Fuente: (Costales, 2018)
El siguiente estudio se realizó con el fin de elaborar el procesamiento y análisis multiespectral de

las imágenes digitales obtenidas en el Parque Natural Chicaque mediante las plataformas
Pix4DMapper y 3Dsurvey, donde se llevó a cabo un análisis comparativo de los productos
obtenidos por medio de estos dos software, esta investigación permitió conocer la interfaz de las
plataformas y las herramientas de procesamiento y análisis de imágenes con las que cuenta cada
una.
Se elaboró el análisis de vegetación y humedad de los ortomosaicos y los mapas de índices, se

llevó a cabo la generación de perfiles topográficos de la parcela, y se calculó una aproximación
de las alturas de los individuos arbóreos, datos con los cuales se podrá mostrar la distribución de
la vegetación del terreno.
4
3. PROBLEMA O PREGUNTA DE INVESTIGACIÓN
En la topografía y la ingeniería en general se requiere recolectar y procesar información para

diferentes proyectos, estos se encuentran sujetos a normas de calidad y precisión de datos. En el
mercado existen diferentes equipos y software que ofrecen estos servicios, los cuales se eligen
según el tipo de información que se desea obtener, incluyendo herramientas de procesamiento y
análisis de datos.
¿Qué tipo de datos y análisis multiespectrales se pueden generar a partir de las imágenes
digitales obtenidas a través de aeronaves remotamente tripuladas de tipo RPAS en el Parque
Natural Chicaque, en los software planteados para este proyecto?
5
4. OBJETIVOS
4.1. Objetivo General
Realizar un estudio de reconocimiento, procesamiento, obtención de datos topográficos y

análisis multiespectral de las imágenes digitales obtenidas a través de aeronaves remotamente
tripuladas de tipo RPAS, en la parcela de monitoreo permanente del Parque Natural Chicaque.
4.2. Objetivos Específicos
 Procesar y generar la nube de puntos, los ortomosaicos de tipo multiespectral y RGB, y los
mapas de índices de las imágenes obtenidas en la zona.
 Realizar el reconocimiento de la interfaz de los software 3Dsurvey y Pix4Dmapper

propuestos para este análisis.
 Analizar los modelos y los datos topográficos generados por los software utilizados,
realizando el respectivo análisis multiespectral, y mostrando los resultados para el estudio
propuesto.
6
5. MARCO TEÓRICO
5.1. Localización de la zona de estudio
Para el desarrollo de este proyecto se definió la parcela de monitoreo permanente del Parque
Natural Chicaque, la cual tiene un área de 3,813 m2. Ésta ha sido objeto de estudio del semillero
de investigación de Ingeniería Forestal desde el año 2018.
Chicaque es una reserva natural protegida, localizada al sur occidente de la Sabana de Bogotá,
entre los municipios de Soacha y San Antonio del Tequendama, está conformada por 7 tipos de
bosque en donde se alberga una gran variedad de especies de flora y fauna, y habitan más de 100
especies de aves. Esta reserva está dedicada a la conservación de la naturaleza, la educación
ambiental y el eco turismo.
 Categoría: UICN (Reserva Natural Estricta)

 País: Colombia
 Temperatura: 16 °C
 Coordenadas geográficas: 4°36’25”N; 74°18’10”O
 Superficie: 2.44 Km2
 Altitud: 2100 – 2700 msnm
Figura 5. Localización Parque Natural Chicaque. Fuente: Google Earth 2020
7
Coordenadas geográficas parcela de monitoreo permanente: 4°36’2,45”N; 74°18’48,83”O
Figura 6. Localización parcela de monitoreo permanente Parque Natural Chicaque.

Fuente: Google Earth 2020
5.2. La fotogrametría y el uso de vehículos tipo RPAS
La fotogrametría, consiste básicamente en la captura de fotografías aéreas o terrestres con

características que permiten su explotación métrica. De esta manera, es posible la interpretación
y semántica de la imagen. Por medio de fotogrametría, es posible de manera eficiente,
representar la localización, formas y dimensiones de objetos que se encuentren en una escena al
momento de la toma de la imagen. (García, 2002).
5.2.1. Clasificación de la fotogrametría
Según el tipo:
 Fotogrametría terrestre: Tiene su principal aplicación en la arquitectura y la arqueología y se

basa en el principio de la toma de fotografías desde la tierra, como la hacemos habitualmente;
donde la posición de la cámara y el objeto es perfectamente conocida.
8
 Fotogrametría aérea: Es la que utiliza fotografías aéreas tomadas desde una cámara de toma
de vistas, ubicada en una plataforma especial (avión). (Centro de Geociencias Aplicadas,
2011).
Según tipo de tratamiento:
 Fotogrametría analógica: Se basa en la utilización de aparatos de restitución ópticos o

mecánicos, donde el operador realizaba la alineación de las imágenes para crear un modelo
estereoscópico debidamente nivelado y escalado. Por otro lado la confección de mapas, con
información plan altimétrica, se realizaba con el principio de la marca flotante o graficadoras
basadas en este principio. (Centro de Geociencias Aplicadas, 2011).
 Fotogrametría analítica: Con la utilización de los restituidores analógicos y la incorporación

de las computadoras se da inicio a la fotogrametría analítica. Se crea al restituidor analítico
agilizando los tiempos y logrando niveles de detalle a diferentes escalas. Se posibilita el
vuelco de la información a programas de tipo CAD. (Centro de Geociencias Aplicadas,
2011).
 Fotogrametría digital: El avance tecnológico hizo posible llegar a la fotogrametría digital. El

uso de las computadoras y los programas o software aplicados dan origen a los modelos
digitales del terreno 3D, entre otros. (Centro de Geociencias Aplicadas, 2011).
La fotogrametría aérea tuvo un giro revolucionario mediante la invención de los vehículos aéreos
remotamente tripulados de tipo RPAS, los cuales dieron a la topografía grandes ventajas para el
desarrollo de trabajos de alta complejidad; con ellos se ha logrado obtener nubes de puntos
densas para una representación detallada de relieves en lugares que abarcan grandes áreas y
optimizando tiempos laborales en campo y oficina. Es una técnica que permite realizar modelos
3D y obtener volúmenes a partir de fotografías, esta ha sido tradicionalmente empleada en la
creación de mapas y su correspondiente levantamiento en 3D usando modelos digitales del
terreno (DEM – Digital Elevation Model). (Caro, José L., 2012).
5.2.2. Tipos de mapas fotogramétricos
Las imágenes obtenidas mediante vehículos aéreos remotamente tripulados pueden generar
diferentes tipos de mapas. Si éstos se producen correctamente, los datos de estos productos
pueden ser utilizados para la fotogrametría de manera precisa.
Los mapas bidimensionales siguen siendo los productos más creados de imágenes recogidas por
un RPAS. La forma más sencilla para crear un mosaico a partir de imágenes aéreas es mediante
el uso de software de fotografías que combina una serie de superposiciones fotográficas aéreas
en una sola imagen (traslape). (Greenwood, 2015).
9
Con la producción de fotografías aéreas se pueden crear diferentes modelos:
 Modelo digital de superficie (MDS): Es una representación visual de la superficie terrestre

donde se incluyen los objetos que la componen, ya sea edificios, vegetación, puentes, entre
otros, a los cuales se les incluye valores con la altura medida sobre el nivel medio del mar.
 Modelo digital de terreno (MDT): Es una estructura numérica de datos que representa la
distribución espacial de una variable cuantitativa y continua. (F.J., 1978). En el modelo
digital de terreno se representa solo el terreno natural.
 Modelo digital de elevación (MDE): Un modelo digital de elevación es una representación

visual y matemática de los valores de altura con respecto al nivel medio del mar, que permite
caracterizar las formas del relieve y los elementos u objetos presentes en el mismo.
(Felícisimo, 1994). En éste se representa todo lo existente en una superficie, menos todo lo
que sea fácilmente removible. En éste se representa todo lo existente en una superficie,
menos todo lo que sea fácilmente removible.
5.3. Tipos de drones
5.3.1. Drones de ala fija
Son aeronaves que poseen un perfil alar que permite que la aeronave pueda moverse a través del
aire y sea capaz de generar fuerzas sustentadoras para mantenerse en el aire. Este tipo de drones
tienen una estética muy similar a los aeromodelos de radiocontrol. (Aerial Insights, 2019). Una
gran ventaja de usar este tipo de drones es que éstos pueden estar volando varias hora gracias a
su eficiencia aerodinámica, por ello son ideales para fotografiar superficies de terreno de gran
extensión.
5.3.2. Drones de ala rotatoria
Este tipo de dron es el más común y más utilizado en el sector ingenieril. La principal diferencia
de los drones con ala rotatoria con respecto a los drones de ala fija, radica en la forma en la que
consiguen mantenerse en el aire. Mientras que los drones de ala fija consiguen la sustentación a
través de su perfil alar, los drones de ala rotatoria generan la sustentación a través de las fuerzas
que generan las hélices de sus rotores. (Aerial Insights, 2019).
5.3.2.1. Drones multirotor
También llamados multicópteros, son drones que poseen más de dos hélices, estos se mantienen
en el aire por la fuerza de las mismas, y tienen la habilidad de despegar y aterrizar de manera
vertical. Los drones multirotores se clasifican según su número de hélices:
 Tricóptero: Posee 3 hélices, localizadas en los extremos del dron.
10
 Cuadricóptero: Tiene 4 hélices, dos de ellas giran hacia el mismo sentido, y las otras dos,
hacia el lado contrario.
 Hexacóptero: Posee 6 hélices, su funcionamiento es el mismo que el dron de cuatro hélices.
 Octocóptero: Tiene 8 hélices, lo que hace más potente y estable.
En la Figura 7 se observa un dron multirotor Mavic Air Fly:
Figura 7. Dron ala rotatoria Mavic Air Fly. Fuente: Laboratorio de Fotogrametría U.D.F.J.C.
5.3.2.2. Drones VTOL (Vertical Takeoff and Landing)
La capacidad de despegue y aterrizaje vertical (VTOL) permite al dron de mapeo ascender y

moverse como un helicóptero. (WingtraOne, 2020). Este tipo de dron tiene la capacidad de
despegar y aterrizar verticalmente, lo que significa una mayor seguridad para el equipo.
5.3.3. Dron VTOL WingtraOne
WingtraOne es un dron VTOL profesional de ala fija utilizado por los especialistas geoespaciales
y los trabajadores de la industria en todo el mundo para mapear grandes zonas con alta precisión
y calidad de imagen. (WingtraOne, 2020).
Despegue y aterrizaje:
La capacidad de despegue y aterrizaje vertical (VTOL) permite al dron de mapeo WingtraOne

ascender y moverse como un helicóptero. Para la misión de reconocimiento del RPAS, puede
realizar una transición a un vuelo de crucero hacia delante, ofreciendo la duración y velocidad de
un RPAS de alas fijas. Para aterrizar, WingtraOne regresa a un modo de vuelo estacionario y
desciende verticalmente. (WingtraOne, 2020). En la Tabla 1 se observan las especificaciones
técnicas del RPAS, y en la Figura 8 se muestra el equipo preparado para el despegue:
11
Especificaciones técnicas:
Equipo
Tipo de drone Despegue y aterrizaje vertical sobre la cola VTOL

Máximo peso al despegar 4,5 kg
Peso (vacío) 3,7 kg
Máximo peso de carga útil 800 g
Envergadura de ala 125 cm
Dimensiones de WingtraOne 125 x 68 x 12 cm (sin soporte del medio)
Dimensiones del estuche paro el piloto 57 x 37 x 20 cm, 8,6 kg
Capacidad de la batería Dos baterías de 99 Wh (requiere un par de baterías)
Tipo de batería Ión - litio, tecnología de batería inteligente
Luces de posición (opcional) Verde y roja en la punta de las alas
Enlace de radio Bidireccional de 10 km en línea directa de visión
Redundante, utilizando GPS Glonass y listo para el
GPS a bordo rango de frecuencias Galileo y Beidou 1561,098
MHz / 1575,45 MHz / 1602,00 MHz
Dimensiones del estuche rígido de viaje (opcional) 137 x 67 x 23 cm
Peso del estuche rígido de viaje incluyendo el drone 18,6 kg
Tabla 1. Especificaciones técnicas VTOL WingtraOne. Fuente: (WingtraOne, 2020)
Figura 8. Dron ala fija VTOL WingtraOne. Fuente propia
12
5.3.4. Dron Phantom 4 Pro V2.0
El Phantom 4 Pro V2.0 es un dron de despegue vertical, ala rotatoria y capacidad de una batería
extraíble desarrollado por la compañía DJI. Este equipo posee características que permiten al
usuario desarrollar trabajos en el campo de la ingeniería por un costo asequible.
Principales características:
 Listo para volar

 Detección de obstáculos: 5 sentidos
 Sensores redundantes: brújulas duales, IMU duales
 Alcance: 7 Km
 Tiempo máximo de vuelo: 30 minutos.
 Velocidad máxima: 72 km/h
 Sensor: CMOS 1″
 Video: 4K – 60 fps
 Fotografías: 20MP, ráfagas de hasta 14 fps
 Obturador mecánico que elimina la distorsión.
 Compatibilidad inalámbrica con DJI Goggles (no incluidas)
 Active-Track para perseguir y rastrear sujetos
 Peso: 1388 g
 Distancia diagonal (sin hélices): 350 mm
 Velocidad máxima: 20 m/s (72 Km/h)
 Techo de operación: 6000 msnm
 Cámara: Sensor CMOS de 11 y resolución de 20 Megapixels
 Gimbal: Rango de -90° a +30° con estabilización en 3 ejes
 Hélices: Plástico
13
Figura 9. Dron multirrotor Phantom 4 Pro. Fuente propia
5.3.5. Planeación de vuelo
La misión del vuelo fotogramétrico tiene por objeto:
 Sobrevolar la zona a una altitud que debe calcularse en función de la escala deseada y de la
distancia principal de la cámara.
 Cubrir con sus imágenes una determinada zona y para ello es preciso que cada fotograma
tenga una zona común con las contiguas “zona de recubrimiento”. (Álvarez, 2001).
Para realizar la planificación de vuelo, primero debe decidirse si se realizará bajo el control
autónomo del GPS integrado al dron, o si se pondrán en tierra puntos de control
georreferenciados mediante posicionamientos GPS. Posteriormente, deben identificar obstáculos
en el terreno como líneas eléctricas, vegetación alta, zonas sensibles, etc., y finalmente, se debe
dar uso de una imagen satelital existente para realizar la ruta de vuelvo que llevará a cabo el
dron.
En la planificación de un vuelo existen una serie de decisiones previas tales como la escala del
mapa, formato de los fotogramas, proyección del mapa, elipsoide de referencia, entre otros, que
han de tenerse en cuenta a la hora de organizar el planeamiento, ya que afectan a las condiciones
del vuelo. (Álvarez, 2001).
Aspectos geométricos de la fotografía aérea:
14
 Certificado de calibración de la cámara: Nos dará los parámetros de orientación interna

(distancia principal, punto principal, coordenadas de las marcas fiduciales, distorsiones).
 Escala de la fotografía.
 Recubrimientos longitudinales y laterales.
 Seguridad de un recubrimiento total en toda la zona.
 Arrastre de la imagen sobre la fotografía.
 Horas útiles de tomas fotográficas.
En cuanto a las condiciones fotográficas se tienen en cuenta:
 Contraste fotográfico de la película.

 La calidad de la imagen.
 La homogeneidad de tonalidad.
 La ausencia de nubes.
 Longitud e intensidad de las sombras.
Bajo todas estas características y parámetros ya definidos, se procede a realizar la ruta que
llevará a cabo el dron en su vuelo para capturar las fotografías necesarias con un traslapo y una
calidad aceptables para el procesamiento del ortomosaico.
5.3.6. Diseño de la ruta de vuelo
El diseño de la ruta del dron es un componente importante del mapeo. Esto se hace típicamente
usando paquetes de software, muchos de ellos realizados por fabricantes de aviones no
tripulados. (Greenwood, 2015).
Un método para asegurar que el dron capture la cantidad de imágenes adecuadas para asegurar
un buen traslapo, es indicar el grado requerido en el software de procesamiento, y crear un mapa
preciso y de alta calidad. Se recomienda ajustar la elevación la altitud del dron para mantener
una constante por encima del nivel del suelo, ya que las características del vuelo varían según la
altitud.
Es posible guardar la ruta de vuelo en el computador para su acceso mientras el dron se

encuentre en campo. Durante la misión, el software muestra los datos recolectados en la
computadora o pantallas de tabletas o celulares, incluyendo altitud, estado del GPS, estado de la
batería, y estado de la señal en tierra. (Greenwood, 2015).
5.3.7. Apoyo topográfico
Para el apoyo topográfico, se colocan referencias o señales en toda la superficie a fotografiar

para la obtención de los puntos de apoyo con coordenadas GPS. Estos puntos servirán para
transformar el modelo fotogramétrico en modelo del terreno.
15
Las precisiones de los puntos de apoyo están acordes con la escala del producto. Además de
obtener la posición de los puntos sobre el terreno, estos también deben identificarse claramente
en las fotografías, para poder establecer una correcta correlación. (Ferreira & Aira, 2015).
Para la investigación realizada en este trabajo se utilizó un único punto de posicionamiento GPS
en tierra, el cual sirvió como apoyo para mejorar la precisión de las coordenadas obtenidas por
medio del sensor PPK integrado en el dron.
5.3.8. Sistema de Posicionamiento PPK
PPK (Post Processed Kinematics) es una técnica de posicionamiento que se utiliza para realizar
mediciones de dos o más receptores que rastrean simultáneamente varios satélites; uno de los
receptores recibe datos desde una posición conocida, y los otros se sitúan en los puntos cuyas
coordenadas se necesitan conocer. La diferencia de las mediciones de las señales satelitales
minimizan los errores, obteniendo datos de gran precisión sin necesidad de colocar puntos de
control en tierra. (Hito 1, 2020).
5.4. Procesamiento de imágenes digitales
Este tipo de procesamiento reúne el conjunto de técnicas que se emplean en las imágenes
digitales con el fin de optimizar la calidad de las mismas y facilitar la búsqueda de datos
requeridos para cualquier tipo de proyecto.
Para el procesamiento de las fotografías obtenidas a través de los vuelos de dron existen software
diseñados para este fin, estos son capaces de renderizar, procesar las fotos según el traslape
indicado, crear nubes de puntos densas, modelar los objetos obtenidos en vista 3D, generar
ortofotos de la zona levantada y crear mapas de índices para análisis multiespectrales por medio
de esta tecnología. Para este proyecto se utilizaron los software 3Dsurvey y Pix4Dmapper.
5.4.1. 3Dsurvey
Es un software de procesamiento de fotografías digitales con el cual se pueden obtener productos

como ortofotos, modelos digitales de terreno y superficie, cálculo de volúmenes, entre otros. Este
software está desarrollado con base en más de 300 proyectos de topografía, lo que ha permitido
adaptar las necesidades específicas de los profesionales de la topografía.
3Dsurvey soporta cualquier tipo de drone y cualquier tipo de cámara o sensor, y trabaja para
métodos de adquisición de datos aéreos y terrestres. En la Figura 10 se observa un modelo
procesado por el software y los productos que se pueden generar a partir de él:
16
Figura 10. Gráfica de productos obtenidos en el software 3Dsurvey.

Fuente: (MicroSurvey, 2020)
5.4.2. Pix4Dmapper
Pix4Dmapper es un software desarrollado por la compañía Pix4D, el cual tiene como objetivo
realizar mapeo profesional con drones, procesamiento de imágenes de tipo RGB,
multiespectrales y térmicas, y generar ortomosaicos en formato 2D y 3D, modelos espaciales
digitales y nubes de puntos. La Figura 11 observa un ortomosaico en formato 3D generado por
Pix4Dmapper:
Figura 11. Ortomosaico en formato 3D generado por el software Pix4Dmapper.

Fuente: (Pix4D, 2020)
17
5.4.3. Telemetría
Es un sistema que permite realizar la medición de datos obtenidos de manera remota, ya sean
magnitudes físicas de distancia, temperatura, tiempo, presión, entre otras. En el caso del
procesamiento de imágenes digitales, la telemetría permite obtener datos reales de medición a
través de la toma de datos de los sistemas GPS.
5.4.4. Correlación de imágenes
La correlación de imágenes, o también llamada la correspondencia de imágenes, el proceso

mediante el cual se establece la correspondencia de uno o más elementos en dos o más
fotografías, lo cual requiere que exista un traslape en ellas.
5.4.5. Ortomosaico
Los RPAS vuelan a baja altitud, por lo que la cámara de éstos tiene una vista limitada. Para
cubrir un área razonablemente grande, la cámara debe tomar cientos de fotografías, motivo por el
que para proveer una vista unificada estas fotografías deben ser alineadas y combinadas en una
sola. Este proceso de combinar las imágenes es llamado mosaicking, y la imagen resultante es
llamada mosaico. Lo que se espera de uno es que esté geométricamente corregido para que pueda
ser alineado con un sistema de coordenadas geoespacial. Este flujo de corrección es llamado
ortomosaico. (Ortega, 2018).
Figura 12. Ejemplo de ortomosaico Aduanilla de Paiba sede Universidad Distrital.

Fuente propia
18
5.5. Procesamiento de imágenes multiespectrales y RGB
Para realizar el procesamiento multiespectral de las imágenes obtenidas por RPAS se deben tener
en cuenta algunas características fundamentales en las imágenes:
Resolución espacial:
Este tipo de resolución hace referencia al tamaño del objeto más pequeño que puede ser
reconocido en una imagen obtenida por un sensor remoto o un vehículo aéreo.
Resolución espectral:
Se refiere a la habilidad de los sistemas de percepción de distinguir y diferenciar entre radiación

electromagnética de distintas longitudes de onda, siendo básicamente, número y anchura de las
bandas espectrales que pueden discriminar el sensor, a mayor resolución espectral, más útil será
la información que pueda ser deducida, en cuanto a resoluciones espectrales podemos distinguir
entre imágenes:
 Multiespectrales: Que generalmente capturan información entre 3 y 7 bandas de unos 100 nm

de anchos.
 Hiperespectrales: Que adquieren información en varias decenas o centenas de bandas
estrechas con longitud de ondas inferior a 5 nm de ancho. (García J. J., 2015).
Frecuencia de cobertura o resolución temporal:
Es una medida acerca de cada cuanto tiempo, está disponible un sistema de percepción remota,
para recoger información de un punto específico en la tierra.
5.5.1. Teledetección
Es la técnica que permite adquirir imágenes de la superficie terrestre desde sensores instalados en
plataformas espaciales, o por medio de fotografías aéreas. La teledetección no engloba solo los
procesos que permiten obtener una imagen desde el aire o espacio, sino también su posterior
tratamiento, en el contexto de una determinada aplicación. (Chuvieco, 1995).
Un sistema de teledetección espacial incluye los siguientes elementos:
 Fuente de energía: Flujo energético detectado por el sensor.

 Cubierta terrestre: Formada por masas de vegetación, suelos, agua o construcciones humanas.
 Sistema sensor: Compuesto por el sensor y la plataforma que los sustenta.
 Sistema de recepción: Donde se recibe la información transmitida por la plataforma.
 Interprete: Es quien analiza la información.
 Usuario final: Encargado de analizar el documento fruto de la interpretación. (Chuvieco,
1995).
19
5.5.2. Tipos de sensores
Sensor multiespectral:
Existen sensores multiespectrales miniaturizados para embarcar en vehículos aéreos no

tripulados. Estos sensores pueden llegar a tomar valores de hasta 6 bandas espectrales, siendo
posible seleccionar diferentes bandas mediante el empleo de filtros. Por regla general, estos
sensores están diseñados para el estudio de parámetros relativos a la vegetación, por lo que las
bandas están seleccionadas en los rangos del verde, rojo e infrarrojo cercano, donde la
vegetación presenta su mayor respuesta de absorbancia y reflectancia. (García J. J., 2015).
Sensor hiperespectral:
Es el sensor más avanzado en la toma de datos espectrales, este recopila información a todo lo
largo del espectro electromagnético. La mayoría de las soluciones existentes capturan la
información comprendida entre 400 nm y 1.000 nm, tomando datos de hasta 300 bandas. Al
igual que en el sensor multiespectral, es precisa la corrección geométrica, calibración
radiométrica y corrección atmosférica. (García J. J., 2015).
5.5.3. Clasificación digital de imágenes
La clasificación digital de imágenes es el proceso por el que los píxeles que tienen características
espectrales similares, y que por lo tanto se supone que pertenecen a una misma clase, se
identifican y se asignan a un único color. (Gibson & Power, 2001).
Clasificación supervisada:
Para realizar este tipo de clasificación se requiere tener conocimiento del terreno y los tipos de
coberturas que se encuentran en la zona de estudio mediante la obtención de fotografías aéreas
previas, visitas de campo, mapas e informes. Las características espectrales de estas áreas son
utilizadas para “entrenar” un algoritmo de clasificación, el cual calcula los parámetros
estadísticos de cada banda para evaluar cada ND de la imagen, compararlo y asignarlo a una
respectiva clase. (Posada, Ramírez, & Espejo, 2008).
Clasificación no supervisada:
En este método no se requiere conocimiento de los tipos de cobertura a priori. El proceso se basa
en la elección de las bandas espectrales de la imagen a clasificar, definición del número de clases
espectrales, selección de los criterios de similitud y algoritmos de agrupación de los ND.
(Posada, Ramírez, & Espejo, 2008).
20
Composición RGB de imágenes:
Los filtros de imágenes RGB son una técnica de análisis de la percepción remota que sirven para
identificar diferentes elementos o coberturas como vegetación, humedad, cultivos, incendios,
entre otros, en imágenes satelitales u obtenidas a través de vuelos de vehículos remotamente
tripulados. Esto se logra a través de una composición de bandas que permite hacer un filtro
mediante los colores rojo, verde y azul, para componer imágenes que realcen estos elementos.
Espectroscopia de Reflectancia en el Infrarrojo Cercano NIR:
Estudia la interacción de la radiación electromagnética de origen infrarrojo con la materia. La

región del infrarrojo abarca la zona del espectro electromagnético comprendida entre el rango
visible y las microondas y se divide en tres regiones (cercano, medio y lejano) en función del
intervalo de longitudes de onda que abarcan y las variaciones en el estado energético que
producen, siendo la de mayor energía la radiación del infrarrojo cercano “NIR”, que está
comprendida entre 750nm y 2500nm. (González, García, Espina, García, & Sierra, 2020).
5.5.4. Mapas de índices de vegetación y humedad
Índice de Vegetación de Diferencia Normalizada NDVI:
Los índices multiespectrales son imágenes que se calculan a partir de imágenes multibanda, estas
imágenes destacan un fenómeno concreto presente, y atenúan otros factores que degradan los
efectos de la imagen. (ESRI, 2020). El índice NDVI es un indicador gráfico simple que se puede
utilizar para analizar mediciones de detección remota y evaluar si el objetivo que se observa
contiene vegetación verde viva. Este permite diferenciar la vegetación sana existente en una
imagen satelital, demostrando la diferencia existente entre ésta y la vegetación estresada, o con
otro tipo de cobertura como suelo, nubosidad, agua, entre otras.
Su fórmula es la siguiente:
NDVI = (NIR – Red) / (NIR + Red)

Ecuación 1. Fórmula Índice NDVI
Dónde:
NIR = Valores de píxel de la banda infrarroja cercana

Red = Valores de píxel de la banda roja
21
Índice de Diferencia Normalizada de Borde Rojo NDRE:
El NDRE es un índice que solo se puede formular cuando la banda de borde rojo está disponible
en el sensor. Es sensible al contenido de clorofila en las hojas, a la variabilidad en el área de la
hoja y los efectos visuales del suelo. Los valores altos de NDRE representan niveles altos de
contenido de clorofila en las hojas. El suelo generalmente tiene los valores más bajos, mientras
las plantas no saludables tienen valores intermedios y las plantas sanas, los más altos.
(MicaSense, 2020).
NDRE = (NIR – RedEdge) / (NIR + RedEdge)

Ecuación 2. Fórmula Índice NDRE
Dónde:

RedEdge = Valores de píxel de la banda de borde rojo
Índice de Diferencia de Agua Normalizado NDWI:
El Índice Diferencial de Agua Normalizado (NDWI) es un índice que, apoyándose en

variaciones en la radiación del infrarrojo cercano y la luz verde visible, sirve para destacar y
delinear masas de agua abierta. También permite obtener lecturas sobre la cantidad de humedad
que posee el suelo, así como el contenido de agua de la vegetación. (Earth Observing System,
2020).
NDWI = (Green – NIR) / (Green + NIR)

Ecuación 3. Fórmula Índice NDWI
Dónde:
Green = Valores de píxel de la banda verde

22
Índice de Clorofila GCI:
Este índice se usa para estimar el contenido de clorofila de las hojas en varias especies de
plantas. El contenido de clorofila refleja el estado fisiológico de la vegetación; disminuye en
plantas estresadas y, por lo tanto, puede usarse como un evaluador de la vigorosidad de las
plantas. (Alonso, 2020).
GCI = (NIR) / (Green) – 1

Ecuación 4. Fórmula Índice GCI
Dónde:

Green = Valores de píxel de la banda verde
5.5.5. Cámara multiespectral MicaSense Altum
Es un dispositivo tres en uno, ya que integra una cámara térmica radiométrica con cinco
bandas estrechas de alta resolución, produciendo imágenes térmicas, multiespectrales y de alta
resolución en un solo vuelo para análisis avanzados. (TYCGIS, 2019).
Especificaciones técnicas:
Altum + DLS 2: 406.5 g

Peso: Adaptador de Wi-Fi: 2 g
Memoria USB: 9 g
Dimensiones: 8.2 cm x 6.7 cm x 6.45 cm

Poder externo: 4.9 – 25.2 V
Entrada de energía: 5.5 / 7.0 / 10W (modo de espera, promedio, pico)
Bandas espectrales: Azul, verde, rojo, borde rojo, infrarrojo cercano (NIR)
Obturador global de alta resolución, alineado con todas las
Salida de color RGB:
bandas.
Térmico: LWIR infrarrojo térmico8-14um.
23
Resolución del sensor: 2064 x 1544 (3,2 MP por banda EO) a 120 m (400 pies) AGL 81
cm por píxel (térmico) a 120 m
Velocidad de captura: 1 captura por segundo (todas las bandas)
48 ° x 37 ° (multiespectral)
Campo de visión
57 ° x 44 ° (térmico)
Almacenamiento: Dispositivos de almacenamiento compatibles con USB 3.0
En la Figura 13 se observa una imagen de la cámara multiespectral MicaSense Altum:
Figura 13. Cámara Multiespectral MicaSense Altum.

Fuente: (MicaSense, 2020)
24
6. DISEÑO METODOLÓGICO
Para el desarrollo de esta investigación se llevó a cabo la metodología correspondiente al trabajo

de campo y oficina de la siguiente manera:
6.1. Metodología de campo
1. Al llegar al Parque Natural Chicaque, se realizó un vuelo de reconocimiento del terreno con
un equipo RPAS Phantom 4 Pro V2.0, con el fin de visualizar la zona donde se encuentra
localizada la parcela de monitoreo permanente, y así diseñar la ruta de vuelo que se llevaría a
cabo en los vuelos programados.
2. Se realizó el posicionamiento GPS de una antena Trimble 5700 (Figura 14), este punto de
apoyo tomó como base la Estación Continua MAGNA ECO – BOGA GNSS. El tiempo de
rastreo se muestra a continuación:
 Hora de inicio: 1:15 pm

 Hora de finalización: 4:30 pm
 Altura instrumental: 1.80 m
Figura 14. Posicionamiento GPS antena Trimble 5700. Fuente propia
25
3. Posteriormente, se realizó el primer vuelo programado con el equipo RPAS Phantom 4 Pro
V2.0 (Figura 15), con ayuda de la aplicación Pix4Dcapture, la cual se utilizó para llevar a
cabo la planificación de vuelo, allí se trazó una ruta de grilla cruzada. Las especificaciones de
este vuelo se muestran a continuación:
 Overlap: 70%
 Área cubierta: 2.108 km2
 Tiempo de vuelo: 12 minutos y 30 segundos
Figura 15. Vuelo programado RPAS Phantom 4Pro V2.0. Fuente propia
4. El segundo vuelo programado se realizó con el equipo RPAS VTOL WingtraOne y una
cámara RGB integrada (Figura 16), el cual cuenta con un receptor PPK sincronizado con la
antena Trimble 5700 para verificar la precisión del receptor. Las especificaciones de este
vuelo, el cual se llevó a cabo en el software WingtraPilot se muestran a continuación:
 Overlap: 70%
 Distancia de despegue al polígono: 26,69 km
26
Figura 16. RPAS VTOL WingtraOne con cámara RGB integrada. Fuente propia
5. Se llevó a cabo un tercer vuelo programado con el equipo RPAS VTOL WingtraOne, con la
cámara multiespectral MicaSense Altum integrada (Figura 17). Las especificaciones de este
vuelo se muestran a continuación:
 Overlap: 70%
 Distancia de despegue al polígono: 10,05 km
Figura 17. RPAS VTOL WingtraOne con cámara multiespectral MicaSense Altum. Fuente propia
27
6.2. Metodología de oficina

6.2.1. Procesamiento en el software Pix4Dmapper
A través de la plataforma Pix4Dmapper se realizó el procesamiento del ortomosaico y los mapas

de índices multiespectrales de la siguiente manera:
1. Se descargaron los archivos del RPAS Phantom 4 Pro V2.0 y se llevó a cabo el
procesamiento de la nube de puntos, la malla y el ortomosaico, posteriormente se
georreferenció el archivo al sistema de Coordenadas Magna Sirgas Colombia Bogotá Zone, y
se cargó el shape de la parcela de monitoreo permanente localizada en el Parque Natural
Chicaque, esto con el fin de crear los perfiles correspondientes.
2. Se descargaron las imágenes del RPAS VTOL WingtraOne obtenidas con la cámara
multiespectral MicaSense Altum, y se realizó el respectivo procesamiento generando la nube
de puntos, la malla, el modelo digital de superficie y el ortomosaico de la zona en estudio.
Posteriormente se cargó el shape de la parcela de monitoreo permanente y se generaron los
mapas de índices NDVI correspondientes a vegetación para el análisis multiespectral
respectivo. Se georreferenció el modelo al sistema de Coordenadas Magna Sirgas Colombia
Bogotá Zone.
3. Finalmente, se descargaron los archivos del RPAS VTOL WingtraOne obtenidos con la
cámara RGB del dron, y se realizó el mismo proceso anteriormente descrito para generar los
mapas indicados, de esta manera se elaboró el análisis comparativo de los productos
obtenidos en los tres vuelos.
6.2.2. Procesamiento en el software 3Dsurvey
Para hacer un análisis comparativo de los productos también se realizaron los respectivos
procesamientos en la plataforma 3Dsurvey de la siguiente manera:
1. Con los archivos obtenidos del RPAS Phantom 4 Pro V2.0 se realizó el procesamiento de la
nube de puntos, la malla y el ortomosaico de las imágenes digitales, posteriormente se
georreferenció el archivo al sistema de Coordenadas Magna Sirgas Colombia Bogotá Zone.
2. Con las imágenes obtenidas del RPAS VTOL WingtraOne y la cámara RGB del dron, y se
realizó el mismo proceso anteriormente descrito para generar los mapas indicados, de esta
manera se elaboró el análisis comparativo de los productos obtenidos en los tres vuelos.
28
6.2.3. Post proceso punto de apoyo GPS
Se descargaron los archivos crudos obtenidos por medio de la antena receptora GPS Trimble
5700 y los rinex de la Estación Continua MAGNA ECO – BOGA GNSS para realizar el
respectivo post proceso en el software Hi-Target Geomatics Office, y así obtener las coordenadas
del punto de apoyo posicionado para mejorar la precisión del PPK del dron.
6.2.4. Obtención de perfiles topográficos en el software Merrick's Advanced Remote Sensing

MARS
Se exportaron las nubes de puntos de los productos obtenidos en los software Pix4Dmapper y
3Dsurvey, estas nubes se importaron en el software MARS y se crearon los perfiles topográficos
de la parcela con el fin de realizar el análisis respectivo de la vegetación y la altura de los
individuos arbóreos.
6.2.5. Análisis de los resultados
Luego de tener todos los productos generados por los software Pix4Dmapper y 3Dsurvey, se
realizó el análisis comparativo de los mismos, de manera que se lograran evidenciar las
diferencias existentes en los equipos y las cámaras usadas, además de los resultados obtenidos
por medio de las dos plataformas.
Finalmente, se elaboraron los perfiles de la parcela de monitoreo permanente y el análisis

multiespectral de los mapas de índices NDVI generados. Con esta información se construyó el
análisis estadístico de los procesamientos, y con los perfiles topográficos se verificó si se logra
obtener la altura de los individuos arbóreos de la zona de estudio para concluir el reporte final
del proyecto.
29
7. DESARROLLO DE LA MONOGRAFÍA
7.1. Procesamiento en la plataforma Pix4D
Uno de los objetivos de este proyecto es realizar la caracterización de las plataformas utilizadas
para los procesamientos de las imágenes digitales. En la Figura 18 se muestra la interfaz de
inicio del software Pix4Dmapper versión 4.3.33:
Figura 18. Interfaz de inicio Pix4Dmapper. Fuente: Pix4D
Al abrir la opción “New Project” aparece una ventana en la cual se cargan las imágenes y se
establecen parámetros iniciales como el nombre del archivo y su ubicación, como se muestra en
la Figura 19:
Figura 19. Ventana “New Project” para establecer parámetros de inicio. Fuente: Pix4D
30
A continuación, en la Figura 20 y la Figura 21 se muestra como se cargan las imágenes que se

van a procesar y la proyección cartográfica de entrada correspondiente al proyecto:
Figura 20. Ventana de selección y cargue de imágenes. Fuente: Pix4D
Figura 21. Ventana de selección de propiedades de las imágenes. Fuente: Pix4D
31
Posteriormente, se abre la ventana de georreferenciación, allí se asigna el sistema de coordenadas

de salida con el cual se trabajará el proyecto (para este caso utilizó la proyección Magna Sirgas
Colombia Bogotá Zone), como se muestra en la Figura 22:
Figura 22. Ventana de selección de sistema de coordenadas para el proyecto. Fuente: Pix4D
Al finalizar la selección de los parámetros iniciales aparece la ventana de procesamiento, en la

cual se selecciona la opción de procesamiento estándar para la generación de mapas 3D:
Figura 23. Ventana de selección de procesamientos. Fuente: Pix4D
32
El software muestra a continuación la ventana en vista de mapa, donde se despliegan las 3

opciones de procesamiento de imágenes (Figura 24 y Figura 25):
1. Procesamiento inicial
2. Nube de puntos y malla
3. DMS, ortomosaico y clasificación
Figura 24. Interfaz del software Pix4Dmapper. Fuente: Pix4D
Figura 25. Pasos de procesamiento de imágenes en el software. Fuente: Pix4D
En este paso es importante seleccionar el botón “Processing Options” y configurar las opciones
de procesamiento de cada uno de los tres pasos. Como se muestra en la Figura 26, para el
procesamiento inicial se seleccionó la opción “Rapid” para la escala de la imagen, a continuación
se da inicio al procesamiento con el botón “Start”:
33
Figura 26. Selección de parámetros de inicio del procesamiento inicial. Fuente: Pix4D
El resultado del procesamiento inicial se muestra en la Figura 27:
Figura 27. Procesamiento inicial de imágenes. Fuente: Pix4D
34
Como se observa en la Figura 28, para el procesamiento de la nube de puntos y la textura de

malla 3D se toman en cuenta los siguientes parámetros de procesamiento:
Seleccionando el segundo botón llamado “Point Cloud and Mesh”, en la pestaña “Point Cloud”
se selecciona:
 Image Scale: 1/2 (Half image size, Default)

 Point Density: Optimal
 Minimum Number of Matches: 3
Finalmente, en la opción “Export” se selecciona la casilla “LAS” para exportar los datos en este
formato y así lograr abrirlos en los software que soporten este tipo de archivo.
Figura 28. Selección de parámetros para procesamiento de nube de puntos. Fuente: Pix4D
En la pestaña “3D Textured Mesh” en la opción “Settings” se configura una resolución de

textura media (Medium Resolution Default), finalmente se selecciona la opción “DXF” para
exportar el archivo a un formato de AutoCAD, como se muestra en la Figura 29, a continuación
se da inicio al procesamiento con el botón “Start”:
35
Figura 29. Selección de parámetros para procesamiento de malla 3D. Fuente: Pix4D
El resultado del procesamiento de la nube de puntos y la malla en textura 3D se muestra a

continuación (Figura 30):
Figura 30. Procesamiento de nube de puntos y malla en textura 3D. Fuente: Pix4D
36
El último paso del procesamiento permite calcular el DSM, el ortomosaico final y la

clasificación de la nube de puntos. En la Figura 31 se muestran los parámetros utilizados para
este proceso, los cuales se dejaron por defecto como los muestra el software:
Figura 31. Parámetros para procesamiento de DSM y ortomosaico. Fuente: Pix4D
Por último se da clic en el botón “Start” y se inicia el procesamiento donde se obtiene el

producto final del proyecto.
En la Figura 32 y la Figura 33 se muestra un ejemplo del resultado del DSM y el ortomosaico

final generados por el software:
37
Figura 32. Ortomosaico final. Fuente: Pix4D
Figura 33. Modelo Digital de Superficie. Fuente: Pix4D
38
7.2. Productos obtenidos de los vuelos en la plataforma Pix4D
Los productos generados por el software Pix4Dmapper se exportaron para su tratamiento y

visualización al software ArcMap 10.4, allí se generaron las curvas de nivel del Modelo Digital
de Superficie DSM y la grilla de coordenadas correspondiente.
7.2.1. Ortomosaico vuelo 1 Phantom 4 Pro Pix4D
El ortomosaico del vuelo 1 comprende un área de 1.477 km2, es el producto obtenido del
procesamiento de 157 fotografías. En la Figura 34 se presenta el mapa una escala 1:10.000, la
georreferenciación del proyecto se realizó en el Sistema de Coordenadas Geocéntricas MAGNA
SIRGAS Origen Bogotá, proyección Transversal de Mercator.
Figura 34. Ortomosaico vuelo 1 Phantom 4 Pro V2.0. Fuente: ArcMap 10.4.1
39
7.2.2. Modelo Digital de Superficie DSM vuelo 1 Phantom 4 Pro Pix4D
El DSM del vuelo 1 comprende un área de 1.477 km2, las curvas de nivel de la superficie fueron
generadas cada 50 m. En la Figura 35 se presenta el mapa una escala 1:10.000, la
Figura 35. Modelo Digital de Superficie DSM vuelo 1 Phantom 4 Pro V2.0. Fuente: ArcMap 10.4.1
40
7.2.3. Ortomosaico vuelo 2 VTOL WingtraOne RGB Pix4D
El ortomosaico del vuelo 2 comprende un área de 1.988 km2, es el producto obtenido del
procesamiento de 622 fotografías. En la Figura 36 se presenta el mapa una escala 1:10.000, la
Figura 36. Ortomosaico vuelo 2 VTOL WingtraOne cámara RGB. Fuente: ArcMap 10.4.1
41
7.2.4. Modelo Digital de Superficie DSM vuelo 2 VTOL WingtraOne RGB Pix4D
El DSM del vuelo 2 comprende un área de 1.988 km2, las curvas de nivel de la superficie fueron
generadas cada 50 m. En la Figura 37 se presenta el mapa una escala 1:10.000, la
Figura 37. Modelo Digital de Superficie DSM vuelo 2 VTOL WingtraOne cámara RGB. Fuente: ArcMap 10.4.1
42
7.2.5. Modelo Digital de Superficie DSM vuelo 3 VTOL WingtraOne cámara MicaSense
Altum Pix4D
El DSM del vuelo 3 comprende un área de 0.723 km2, es el producto obtenido del procesamiento
de 985 fotografías, las curvas de nivel de la superficie fueron generadas cada 50 m. En la Figura
38 se presenta el mapa una escala 1:8.000, la georreferenciación del proyecto se realizó en el
Sistema de Coordenadas Geocéntricas MAGNA SIRGAS Origen Bogotá, proyección
Transversal de Mercator.
Figura 38. Modelo Digital de Superficie DSM vuelo 3 VTOL WingtraOne cámara MicaSense Altum. Fuente:
ArcMap 10.4.1
43
7.2.6. Mapas de índices:
A continuación se presentan los mapas de índices multiespectrales generados en los software

Pix4Dmapper y ArcMap 10.4 de las imágenes obtenidas por la cámara multiespectral MicaSense
Altum.
7.2.6.1. Mapa espectro electromagnético azul:
El área total que cubre las fotografías obtenidas y procesadas es de 0.723 km2, en la zona se
observan sectores de pastizal, vegetación densa, y la presencia de un cuerpo de agua.
En la Figura 39 se observa el mapa de espectro electromagnético azul (banda azul), donde se

evidencia la presencia de vegetación densa y saludable en las zonas de bajo espectro de color con
tonalidad verde, y en los sectores con alto espectro de color, se observa baja densidad de
vegetación en tonalidad naranja:
Figura 39. Mapa de índice espectro electromagnético azul. Fuente: Pix4D
44
7.2.6.2. Mapa espectro electromagnético verde:
La banda verde es utilizada para diferenciar las clases de vegetación existentes en la zona de
estudio. Está diseñada para estimar la salud de la vegetación midiendo su pico de reflectancia
verde. En la Figura 40 se observa un alto espectro de color (tonalidad naranja) en las zonas de
poca vegetación, y un bajo espectro de color (tonalidad verde) en el sector de alta densidad
arbórea:
Figura 40. Mapa de índice espectro electromagnético verde. Fuente: Pix4D
45
7.2.6.3. Mapa espectro electromagnético rojo:
El espectro electromagnético rojo (banda roja) se utiliza para diferenciar la vegetación de otros
elementos. Se caracteriza por absorber la clorofila, lo que facilita la clasificación de la cobertura
vegetal. En la Figura 41 se observa el realce de esta banda en tonalidades naranjas, donde se
evidencia poca presencia de vegetación, mientras que los valores de bajo espectro reflejan en
tonalidad verde alta densidad arbórea:
Figura 41. Mapa de índice espectro electromagnético rojo. Fuente: Pix4D
46
7.2.6.4. Mapa de espectroscopia de reflectancia en el infrarrojo cercano NIR:
Esta banda se utiliza para realizar la clasificación de la vegetación saludable y estresada, ya que
con el pico de reflectancia NIR se logran diferenciar los elementos presentes en la zona. En la
Figura 42 se observan bajos niveles de reflectancia NIR en zonas de alta densidad arbórea, y en
altos niveles de reflectancia los sectores con menor cantidad de vegetación densa o saludable:
Figura 42. Mapa de índice infrarrojo cercano NIR. Fuente: Pix4D
47
7.2.6.5. Mapa de borde rojo RedEdge:
La banda de borde rojo tiene una alta reflectividad, lo que también permite clasificar las plantas
entre vegetación estresada y saludable. En la Figura 43 se observa la reflectancia del borde rojo
en las zonas de vegetación con alta densidad arbórea:
Figura 43. Mapa de índices borde rojo RedEdge. Fuente: Pix4D
48
7.2.6.6. Mapa de índice NDVI:
Este índice se caracteriza por tener alta respuesta a la vegetación verde, el brillo y el color del
suelo. En la Figura 44 se observa cómo se realza el índice NDVI en color azul oscuro en las
zonas de alta densidad arbórea y vegetación saludable, mientras que las zonas con bajo índice se
presentan en tonalidad amarilla y verde:
Figura 44. Mapa de índice NDVI. Fuente: Pix4D
49
7.2.6.7. Mapa de índice NDRE:
Este índice es utilizado para estimar el contenido de clorofila de las plantas y diferenciarlas de la
vegetación estresada o con problemas de nutrientes. Una ventaja que tiene NDRE es que es
capaz de penetrar de manera más profunda la copa de los árboles que el índice NDVI. En la
Figura 45 se observa en color azul los valores más altos de este índice, en color naranja y
amarillo los más bajos:
Figura 45. Mapa de índice NDRE. Fuente: Pix4D
50
7.2.6.8. Mapa de índice NDWI:
Como se observa en la Figura 47, el Índice Diferencial de Agua NDWI es utilizado para la
identificación de cuerpos de agua o zonas de alta saturación de humedad. A continuación se
muestra el sector donde se encuentra la laguna del Parque Natural Chicaque resaltada en color
azul oscuro:
Figura 46. Mapa de índice NDWI (diferencial de agua). Fuente: Pix4D
Figura 47. Índice NDWI (diferencial de agua) en zona de laguna. Fuente: Pix4D
51
7.2.6.9. Mapa de índice GCI:
El índice GCI puede ser un complemento para estudios de vegetación como los mencionados
anteriormente, ya que se concentra en las masas vegetales y su contenido de clorofila. En la
Figura 48 se observa la zona de alta densidad arbórea resaltada con el color verde más intenso,
mientras que los sectores con baja presencia de vegetación se observan en colores más claros:
Figura 48. Mapa de índice GCI. Fuente: Pix4D
52
7.3. Procesamiento en la plataforma 3Dsurvey
A continuación se muestra la interfaz de inicio del software 3Dsurvey versión 2.12.1 (Figura 49):
Figura 49. Interfaz de inicio 3Dsurvey. Fuente: 3Dsurvey
Inicialmente se cargan las imágenes que serán procesadas en la pestaña “Nuevo proyecto”, como
se muestra en la Figura 50:
Figura 50. Ventana de selección y carga de imágenes digitales. Fuente: 3Dsurvey
53
En el siguiente paso aparece una ventana donde se indica el modelo de UAV para configurar la
telemetría de los datos, y se asigna el sistema de proyección de entrada y salida con el cual se
trabajará el procesamiento, como se indica en la Figura 51:
Figura 51. Ventana de configuración de modelo UAV para telemetría y sistemas de proyección. Fuente: 3Dsurvey
Posteriormente, el software muestra las fotografías cargadas (Figura 52):
Figura 52. Ventana con datos de telemetría de imágenes digitales. Fuente: 3Dsurvey
54
En la parte inferior derecha de la plataforma aparece un menú el cual se debe seguir paso a paso
para lograr activar todas las opciones de procesamiento de imágenes que se encuentran en la
parte superior derecha. En la Figura 53 se observa este menú, en este paso se da inicio al
procesamiento haciendo clic en el botón “Ajuste de lote”:
Figura 53. Menú para procesamiento de imágenes digitales. Fuente: 3Dsurvey
55
Posteriormente (Figura 54), aparece una ventana en la cual se debe seleccionar el modo de ajuste
del lote, en este caso se seleccionó la opción “Global”, a continuación se da clic en “Aceptar” y
se da inicio al procesamiento:
Figura 54. Menú para modo de ajuste del lote. Fuente: 3Dsurvey
El resultado del ajuste del lote crea una nube de puntos dispersa, como se puede observar en la
Figura 55:
Figura 55. Resultado de ajuste del lote y nube de puntos dispersa. Fuente: 3Dsurvey
56
En el siguiente paso se requiere orientar la nube de puntos creada, se selecciona la segunda

opción del menú inferior derecho, y se da clic en “Orientar con datos de telemetría” para que el
software realice la orientación correspondiente con estos datos, como se muestra en la Figura 56:
Figura 56. Menú para orientación de nube de puntos. Fuente: 3Dsurvey
El software muestra una ventana con el resumen de los datos para ajuste de telemetría (Figura
57), posteriormente se inicia el proceso seleccionando el botón “Next”. El resultado de la
orientación muestra una tabla de errores de posiciones de cámara basados en los datos GPS, estos
errores se muestran en metros (m):
Figura 57. Tabla de errores de telemetría en metros (m). Fuente: 3Dsurvey
57
El tercer paso del menú inferior derecho crea la reconstrucción de la nube de puntos, es decir, el
procesamiento de la nube densa de datos. En este menú aparece una ventana donde se puede
elegir el nivel de reconstrucción (extremo, alto, medio y bajo). En la Figura 58 se muestra el
producto obtenido de este proceso:
Figura 58. Resultado de reconstrucción de nube de puntos densa. Fuente: 3Dsurvey
Al finalizar los 3 pasos iniciales, se procede a crear la malla regular (Modelo Digital de
Superficie DSM) y la malla completa 3D, para esto se utilizan las opciones que aparecen en el
menú de la barra superior (Figura 59):
Figura 59. Menú de creación de malla DSM y 3D. Fuente: 3Dsurvey
58
El resultado obtenido de la creación de la malla DSM se muestra en la Figura 60:
Figura 60. Resultado del procesamiento de malla DSM. Fuente: 3Dsurvey
El resultado obtenido de la creación de la malla DSM se muestra en la Figura 61:
Figura 61. Resultado del procesamiento de malla 3D. Fuente: 3Dsurvey
59
Por último, se crea el ortomosaico final del procesamiento seleccionando la pestaña “Ortofoto”,
como se muestra en la Figura 62:
Figura 62. Menú de creación de ortofoto. Fuente: 3Dsurvey
El resultado obtenido del procesamiento del ortomosaico se muestra en la Figura 63:
Figura 63. Ortomosaico final generado. Fuente: 3Dsurvey
60
7.4. Productos obtenidos de los vuelos en la plataforma 3Dsurvey
Los productos generados por el software 3Dsurvey se exportaron para su tratamiento y

visualización al software ArcMap 10.4, allí se generaron las curvas de nivel del Modelo Digital
de Superficie DSM y la grilla de coordenadas correspondiente.
7.4.1. Ortomosaico vuelo 1 Phantom 4 Pro 3Dsurvey
La ortofoto del vuelo 1 comprende un tamaño de 1.571 Km x 1.535 Km, y una resolución del
pixel de 0.143 m, es el producto obtenido del procesamiento de 157 fotografías. En la Figura 64
se presenta el mapa una escala 1:8.000, la georreferenciación del proyecto se realizó en el
Figura 64. Ortomosaico vuelo 1 Phantom 4 Pro V2.0. Fuente: 3Dsurvey
61
7.4.2. Modelo Digital de Superficie DSM vuelo 1 Phantom 4 Pro 3Dsurvey
En el DSM del vuelo 1 las curvas de nivel de la superficie fueron generadas cada 50 m. En la
Figura 65 se presenta el mapa una escala 1:8.000, la georreferenciación del proyecto se realizó
en el Sistema de Coordenadas Geocéntricas MAGNA SIRGAS Origen Bogotá, proyección
Figura 65. Modelo Digital de Elevación DSM vuelo 1 Phantom 4 Pro V2.0. Fuente: 3Dsurvey
62
7.4.3. Ortomosaico vuelo 2 VTOL WingtraOne cámara RGB 3Dsurvey
La ortofoto del vuelo 2 comprende un tamaño de 1.641 Km x 1.834 Km, y una resolución del
pixel de 0.071 m, es el producto obtenido del procesamiento de 622 fotografías. En la Figura 66
se presenta el mapa una escala 1:10.000, la georreferenciación del proyecto se realizó en el
Figura 66. Ortomosaico vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
63
7.4.4. Modelo Digital de Superficie DSM vuelo 2 VTOL WingtraOne cámara RGB
3Dsurvey
En el DSM del vuelo 2 las curvas de nivel de la superficie fueron generadas cada 50 m. En la
Figura 67 se presenta el mapa una escala 1:10.000, la georreferenciación del proyecto se realizó
en el Sistema de Coordenadas Geocéntricas MAGNA SIRGAS Origen Bogotá, proyección
Figura 67. Modelo Digital de Elevación DSM vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
64
7.5. Coordenadas post proceso punto de apoyo GPS
Mediante el software Hi-Target Geomatics Office se realizó el post proceso de la antena de

apoyo GPS posicionada en campo para el ajuste de coordenadas del GPS PPK del dron. Los
resultados obtenidos a través de este software se muestran en la Tabla 2:
COORDENADAS PUNTO DE APOYO PARQUE NATURAL CHICAQUE

COORDENADAS GEOGRÁFICAS ALTURA COORDENDAS GAUSS - KRÜGER
Vértice
Latitud Longitud ELIPSOIDAL Norte Este
BOGA 4°38'19.3054"N 74°04'47.8387"W 2608.6962 1004699.1432 999728.2288
GPS 1 4°36'24.0019"N 74°18'25.2955"W 2584.9182 1001161.3249 974531.7451
Tabla 2. Coordenadas punto de apoyo antena Trimble 5700. Fuente propia.
En la Figura 68 se muestra el reporte de coordenadas generado por el software Hi-Target en

formato .txt:
Figura 68. Reporte de coordenadas del punto de apoyo. Fuente: Hi-Target Geomatics Office
65
7.6. Generación de perfiles topográficos en el software Merrick's Advanced Remote

Sensing MARS:
MARS es un software de detección remota avanzada creado por Merrick & Company, esta
aplicación permite visualizar, procesar y analizar datos de nubes de puntos LiDAR.
Para la creación de los perfiles topográficos de la parcela de monitoreo permanente en el Parque

Natural Chicaque, se realizó un recorte en la nube de puntos en una zona que incluyera el área de
la parcela, un sector de pastizal y el cuerpo de agua. En la Figura 69 se observa la delimitación
de la zona que se usó para este fin, allí se observa el polígono de la parcela:
Figura 69. Delimitación de la zona para creación de perfiles topográficos. Fuente: Global Mapper v20.1
Posterior a la selección del área de recorte, esta nube de puntos se exportó en formato .las y se
abrió para su respectiva visualización y tratamientos de datos en el software MARS, donde se
realizó la elaboración de los perfiles topográficos. A continuación, en la Figura 70 se observa la
nube de puntos y el área de la parcela en vista 2D, y en la Figura 71 se observa la vista 3D:
66
Figura 70. Nube de puntos de la zona en vista 2D. Fuente: MARS
Figura 71. Nube de puntos de la zona en vista 3D. Fuente: MARS
67
Posteriormente, se realizó el trazado de 3 perfiles a lo largo de la parcela; el primero en el

costado oriental, el segundo en el centro de la parcela, y el tercero en el costado occidental.
Adicionalmente, se crearon 2 perfiles más en la zona de la laguna, esto con el fin de realizar un
análisis de los datos obtenidos en la nube de puntos, y tomar diferentes mediciones para llevar a
cabo su comparación en las áreas seleccionadas.
7.6.1. Perfil 1 costado oriental
En la Figura 72 se observa la vista planta perfil 1 del costado oriental, la longitud de este perfil es
de 90,35 m:
Figura 72. Vista planta perfil 1, costado oriental. Fuente: MARS
El software MARS cuenta con herramientas que permiten clasificar nubes de puntos,
georreferenciarlas y hacer mediciones de las mismas en vista planta y perfil. El archivo .las de la
nube de puntos fue importado desde el software Pix4Dmapper a MARS con el sistema de
Coordenadas Magna Sirgas Colombia Bogotá Zone, donde se visualizó con las coordenadas y las
elevaciones correspondientes.
Para obtener un estimado de las alturas de los árboles en la parcela de monitoreo, se llevó a cabo
la siguiente metodología:
1. Se tomó la pendiente promedio de la copas de los árboles a lo largo de la parcela:
68
Figura 73. Pendiente promedio de la copa de los árboles perfil 1. Fuente: MARS
2. Se midieron 3 alturas desde la pendiente promedio hacia abajo donde se facilitara la

visualización y la medición, como se observa en la Figura 74:
Figura 74. Medición de alturas en la zona de árboles perfil 1. Fuente: MARS
69
En el perfil 1, las alturas registradas son las siguientes:
 15,78 m
 15,55 m
 6,44 m
3. Se calculó el promedio de las mediciones obtenidas, y se tomó este valor como un estimado
de la altura de los árboles, tomado desde la copa hasta el suelo. En el perfil 1, este valor es de
12,59 m de altura.
A continuación se presentan los perfiles restantes y sus mediciones correspondientes.
7.6.2. Perfil 2 zona central
En la Figura 75 se observa la vista planta perfil 2 de la zona central, la longitud de este perfil es
de 89,42 m:
Figura 75. Vista planta perfil 2, zona central. Fuente: MARS
Las Figuras 76 y 77 presentan la pendiente promedio de las copas de los árboles a lo largo de la
parcela, y las alturas obtenidas en el perfil 2:
70
71
 15,38 m
 7,88 m
 19,14 m
El valor promedio estimado de la altura de los árboles, tomado desde la copa hasta el suelo es de
14,13 m.
7.6.3. Perfil 3 costado occidental
En la Figura 78 se observa la vista planta perfil 3 de la zona occidental, la longitud de este perfil
es de 86,90 m:
Figura 78. Vista planta perfil 3, costado occidental. Fuente: MARS
En el perfil 3 se observa una variación notoria en las alturas de la nube de puntos, ya que en la
parte central se registran datos de alturas más bajas que podrían corresponder a pequeñas zonas
despobladas, es decir, sin individuos arbóreos, lo que podría significar una mejor estimación de
la altura de los árboles en este perfil.
Las Figuras 79 y 80 presentan la pendiente promedio de las copas de los árboles a lo largo de la
parcela, y las alturas obtenidas en el perfil 3:
72
73
 19,47 m
 22 m
 14,70 m
18,73 m.
En la zona donde, según el perfil, se registra un pequeño despoblamiento vegetal, se considera

que la altura aproximada de los árboles cercanos es de 20 m.
7.6.4. Perfil 4, zona de laguna 1
En la Figura 81 se observa la vista planta perfil 4 del área de laguna, se puede apreciar la
presencia de una zona totalmente plana, la cual corresponde al cuerpo de agua, además se
observan los sectores donde cambian las pendientes del terreno en el área de pastizal y donde
empiezan a aparecer los individuos arbóreos. La longitud de este perfil es de 141,52 m.
Figura 81. Vista planta perfil 4, zona de laguna 1. Fuente: MARS
Las Figuras 82 y 83 muestran la pendiente promedio de las copas de los árboles en la zona donde
se presenta vegetación espesa, y las alturas obtenidas en el perfil 4:
74
75
 17,75 m
 13,36 m
 16,43 m
15,84 m.
7.6.5. Perfil 5, zona de laguna 2
En la Figura 84 se observa la vista planta perfil 5 del área de laguna, al igual que en el perfil 4, se
puede apreciar la presencia de una zona totalmente plana, la cual corresponde al cuerpo de agua,
además se observan los sectores donde cambian las pendientes del terreno en el área de pastizal y
donde empiezan a aparecer los individuos arbóreos. La longitud de este perfil es de 134,39 m.
Figura 84. Vista planta perfil 5, zona de laguna 2. Fuente: MARS
Las Figuras 85 y 86 muestran la pendiente promedio de las copas de los árboles en la zona donde
se presenta vegetación espesa, y las alturas obtenidas en el perfil 5:
76
77
 11,48 m
 15,33 m
 12,02 m
12,94 m.
La selección de las áreas y los perfiles se realizó de manera que se lograran comparar diferentes
sectores de la parcela de estudio, y las zonas donde se mostrara la laguna y el sector de pastizal,
esto con el fin de hacer un contraste y una mejor estimación de la altura de los árboles, lo cual
era uno de los objetivos planteados.
78
8. ANÁLISIS DE LOS RESULTADOS
8.1. Ventajas y desventajas de las plataformas
A través del procesamiento realizado en los software Pix4Dmapper y 3Dsurvey se encontró en

cada una de las plataformas algunas ventajas y desventajas de su utilización. A continuación se
mencionan algunas de ellas:
Ventajas del software Pix4Dmapper:
 Permite realizar clasificación manual de la nube de puntos.

 Realiza procesamiento de imágenes multiespectrales.
 Permite realizar el respectivo análisis multiespectral de imágenes con los mapas de
reflectancia que genera el software por defecto, y además, permite agregar nuevas fórmulas
con la calculadora para la creación de nuevos índices.
 Las nubes de puntos, los ortomosaicos y los Modelos Digitales de Superficie (DSM) se
generan automáticamente en formato .tiff, .dxf y .las si durante la configuración del
procesamiento se activan las respectivas opciones, lo que permite su visualización en
diferentes software de tratamiento de datos LiDAR.
 Permite generar y realizar tratamiento de datos 3D.
 Tiene compatibilidad con cualquier tipo de cámara y dron mientras las imágenes sean en
formato .jpg o .tiff.
 Pix4Dmapper logra realizar una excelente interpolación de los datos, lo que permite que el
ortomosaico tenga una calidad visual y una precisión óptimas.
Desventajas del software Pix4Dmapper:
 No fue posible generar el ortomosaico RGB de las imágenes digitales capturadas por la
cámara MicaSense Altum, en la página de soporte de Pix4D se encontró la siguiente
información: “Nota: El ortomosaico RGB no se puede generar a partir de imágenes .tiff con
píxeles de 10, 12 y 14 bits por muestra. Tenga en cuenta que esto se aplica solo para
ortomosaico, no reflectancia ni mapa de índice”. (Pix4D, 2020).
Ventajas del software 3Dsurvey:
 Su interfaz es sencilla e intuitiva, lo que permite que su reconocimiento y utilización sean

más rápidos y de menor complejidad, esto logra una optimización del tiempo del usuario en
esta fase.
79
 Este software tiene compatibilidad con AutoCAD.

 Permite generar modelos 3D.
 Cuenta con herramientas de medición de fácil utilización.
 Las nubes de puntos, los ortomosaicos y los Modelos Digitales de Superficie DSM se pueden
exportar en formato .tiff, .dxf, .las, entre otros, lo que permite su visualización en diferentes
software de tratamiento de datos LiDAR.
Desventajas del software 3Dsurvey:
 No permite realizar procesamiento de imágenes en formato .tiff, lo que significa que no se

puede realizar procesamiento y análisis de imágenes multiespectrales.
 La versión 2.12.1 no permite cargar archivos en formato .shp.
 El reporte de calidad generado contiene menos información detallada que el de Pix4D.
8.2. Reporte de calidad procesamiento vuelo 1 Phantom 4 Pro Pix4D:
El reporte de calidad es el resumen de los datos de procesamiento y los resultados obtenidos a

través del mismo; por lo cual es natural que los softwares creados para esta tarea cuenten con la
opción de descarga para posteriores análisis del los productos generados.
A continuación se observa el reporte de calidad obtenido del procesamiento del vuelo 1. En la

Tabla 3 se muestran las características iniciales del proyecto como nombre, fecha de
procesamiento, modelo de la cámara utilizada, tamaño del pixel en el terreno y área de cobertura
de las fotografías.
Tabla 3. Características iniciales del proyecto vuelo 1 Phantom 4 Pro. Fuente: Pix4D
En la Tabla 4 se muestra el control de calidad del procesamiento, los íconos en color verde
indican que los procesos se realizaron de manera correcta, y los íconos en amarillo sugieren
que se realice una revisión de los mismos, ya que puede existir algún error. A continuación se
explica detalladamente los resultados obtenidos en esta tabla:
80
 Imágenes: Media de 5588 puntos clave por imagen.

 Conjunto de datos: 157 de 157 imágenes calibradas (el 100% de las imágenes utilizadas).
 Optimización de cámara: 0.31% de diferencia relativa entre los parámetros internos de la
cámara inicial y optimizada.
 Coincidencias: Media de 2721,98 coincidencias por imagen calibrada.
 Georreferenciación: Georreferenciado sin puntos de control GCP 3D.
Tabla 4. Control de calidad del proyecto vuelo 1 Phantom 4 Pro. Fuente: Pix4D
El reporte genera una visualización del avance del ortomosaico y el Modelo Digital de Superficie
antes de la densificación, como se observa en la Figura 87:
Figura 87. Avance del ortomosaico y el DSM vuelo 1 Phantom 4Pro. Fuente: Pix4D
81
Los detalles de calibración muestran el número de imágenes calibradas y el número de imágenes

geolocalizadas. En el caso del vuelo 1, el 100% de las imágenes hicieron de manera correcta este
proceso.
En la Figura 88 se muestra la vista superior de la posición inicial de las imágenes. La línea verde
sigue la posición de las imágenes en el tiempo a partir de los puntos azules, este esquema
representa la manera en que el dron capturó las imágenes de la zona.
Figura 88. Vista superior posición inicial de imágenes vuelo 1 Phantom 4Pro. Fuente: Pix4D
En la Figura 89 se observa el desplazamiento entre las posiciones de la imagen inicial (puntos

azules) y las posiciones calculadas (puntos verdes), así como el desplazamiento entre las
posiciones iniciales de los GCP (cruces azules) y sus posiciones calculadas (cruces verdes) en la
vista superior (plano XY), vista frontal (plano XZ) y vista lateral (plano YZ). Las elipses de
color verde oscuro indican la incertidumbre de la posición absoluta del resultado del ajuste del
bloque de haz. (Pix4D, 2020).
82
En la imagen se observa que el tamaño y la posición de las elipses tienen una variación uniforme,
lo que demuestra que el desplazamiento de las posiciones iniciales y calculadas son semejantes y
logran una buena precisión.
Figura 89. Esquema de desplazamiento de las imágenes vuelo 1 Phantom 4Pro. Fuente: Pix4D
La incertidumbre absoluta de posición y orientación muestra el desplazamiento de la cámara en

las direcciones X, Y, Z en metros, y la incertidumbre en los ángulos Omega, Phi y Kappa se
registra en grados. En el caso del vuelo 1, la media y la desviación estándar en las direcciones X,
Y, Z es baja, donde el error máximo es de 12 cm, y el mínimo de 8 mm, mientras que la
incertidumbre en las posiciones Omega, Phi y Kappa la media no supera los 0.039 grados, y la
desviación estándar es de 0 (Pix4D, 2020). En la Tabla 5 se observan los resultados de este
cálculo:
Tabla 5. Incertidumbres absolutas de orientación y posición de la cámara vuelo 1 Phantom 4 Pro. Fuente: Pix4D
83
En la Figura 90 se observan las posiciones de las imágenes calculadas con vínculos entre
imágenes coincidentes. Los enlaces más oscuros indican el número de puntos clave 2D
coincidentes entre las imágenes. Los enlaces más claros indican enlaces débiles y requieren
puntos de enlace manuales o más imágenes. Las elipses de color verde oscuro indican la
incertidumbre de la posición relativa de la cámara del resultado del ajuste del bloque de haz.
(Pix4D, 2020).
Figura 90. Posiciones relativas de las imágenes calculadas vuelo 1 Phantom 4Pro. Fuente: Pix4D
La Tabla 6 se presentan las incertidumbres relativas de orientación de las cámaras:
Tabla 6. Incertidumbres relativas de orientación y posición de la cámara vuelo 1 Phantom 4 Pro. Fuente: Pix4D
84
En la Figura 91 se observa el número de imágenes superpuestas calculadas para cada píxel del
ortomosaico. Las áreas rojas y amarillas indican un solapamiento bajo por lo que se pueden
generar resultados deficientes. Las áreas verdes indican una superposición de 5 imágenes por
cada píxel. Se generarán resultados de buena calidad siempre que el número de coincidencias de
puntos clave también sea suficiente para estas áreas. (Pix4D, 2020).
El resultado de la superposición para el vuelo 1 es óptimo, ya que la mayoría de las imágenes

tuvo un buen traslapo exceptuando la parte superior e inferior izquierda del ortomosaico, donde
las fotografías pierden información de los extremos, pero se evidencia un buen resultado en el
resto del producto.
Figura 91. Superposición de las imágenes vuelo 1 Phantom 4Pro. Fuente: Pix4D
Los detalles de ajuste del bloque muestran en orden los siguientes parámetros:
 Número de observaciones de puntos clave 2D para el ajuste: En el vuelo 1 se encontraron un

total de 453710 puntos clave que coinciden en todas las imágenes.
 Número de observaciones de puntos 3D para el ajuste: Se logró generar 105955 puntos 3D a
partir de la coincidencia de los puntos 2D.
 Error medio de reproyección (pixeles): El error promedio de re proyección en pixeles es de
0.117.
85
Según estos resultados, los puntos clave coincidentes observados en las fotografías son
suficientes para lograr un buen traslapo en el ortomosaico, es por ello que el error en pixeles es
bajo. En la Tabla 7 se observan estos resultados:
Tabla 7. Detalles de ajuste del bloque vuelo 1 Phantom 4 Pro. Fuente: Pix4D
Los detalles de geolocalización muestran el número de imágenes geolocalizadas y calibradas que

se han etiquetado como inexactas. El error mínimo y el error máximo representan intervalos de
error de geolocalización entre -1,5 y 1,5 veces la precisión máxima de todas las imágenes. Las
columnas X, Y, Z muestran el porcentaje de imágenes con errores de geolocalización dentro de
los intervalos de error predefinidos. El error de geolocalización es la diferencia entre las
posiciones de la imagen inicial y calculada. (Pix4D, 2020).
El error promedio de las posiciones X, Y, Z es de 0, la desviación estándar y el error RMS son

iguales en todos los casos, donde el mínimo es de 0.25 m y el máximo de 0.40 m.
Tabla 8. Errores de varianza absoluta de geolocalización vuelo 1 Phantom 4 Pro. Fuente: Pix4D
86
En la Tabla 9 se observa el error medio cuadrático RMS en los ángulos Omega, Phi y Kappa en
grados, este representa la variación de la orientación de la imagen. Como se muestra en la tabla,
el error máximo obtenido en este proceso es el ángulo Kappa con una variación de 3.744 grados,
y el error mínimo es el del ángulo Phi con 0.632 grados.
Tabla 9. Error medio cuadrático RMS vuelo 1 Phantom 4 Pro. Fuente: Pix4D
En la Tabla 10 se observan las opciones de procesamiento iniciales que se tomaron en cuenta

para el proyecto:
 Plantilla detectada: Ninguna.

 Escala de imagen de puntos clave: Rápido, escala de imagen 0.25.
 Pares de imágenes coincidentes: Cuadrícula aérea o corredor.
 Estrategia de emparejamiento: No se utiliza.
 Extracción de puntos clave: Automático.
 Calibración: Método estándar, optimización de parámetros internos y externos.
Tabla 10. Opciones de procesamiento vuelo 1 Phantom 4 Pro. Fuente: Pix4D
A continuación, en la Tabla 11 se presentan los detalles de la densificación de la nube de puntos,

y los resultados obtenidos de este proceso, los cuales se especifican de la siguiente manera:
 Número de mosaicos generados: 1

 Número de puntos densificados 3D: 10792847
 Densidad media (por m3): 1.41
87
Tabla 11. Detalles de densificación nube de puntos y resultados vuelo 1 Phantom 4 Pro. Fuente: Pix4D
Finalmente se obtiene el reporte del DSM y el ortomosaico generados. En la Tabla 12 se muestra

el resumen de estos datos:
Tabla 12. Detalles de procesamiento DSM y ortomosaico vuelo 1 Phantom 4 Pro. Fuente: Pix4D
88
8.3. Reporte de calidad procesamiento vuelo 1 Phantom 4 Pro 3Dsurvey:
El reporte de calidad que genera el software 3Dsurvey es menos detallado que el obtenido por
Pix4D, ya que presenta los datos generales del procesamiento y un avance de los productos
generados. A continuación se muestra el reporte obtenido por el software 3Dsurvey, el cual se
exportó en idioma español:
Reporte de calidad:
Proyecto: Reporte_Procesamiento_Phantom4Pro_3Dsurvey
Fecha de adquisición de 2020-10-01
imágenes:
Modelo de cámara Resolución Longitud Tamaño de Tamaño de

focal sensor pixel
DJI FC6310S 5472 × 3648 8.8 mm 13.2 × 8.8 mm 2.412 µm
Tamaño de ortofoto: 1.571 km × 1.535 km Resolución de pixel: 0.143 m
Tabla 13. Datos iniciales reporte vuelo 1 Phantom 4 Pro. Fuente: 3Dsurvey
En la Figura 92 se presenta un avance del ortomosaico generado por 3Dsurvey, el cual es similar
al generado por Pix4D. Se observa que en ambos casos, las fotografías de la zona occidental
pierden información, por lo cual la triangulación distorsiona el ortomosaico en este sector:
Figura 92. Avance del ortomosaico vuelo 1 Phantom 4Pro. Fuente: 3Dsurvey
89
Datos del levantamiento:
Al igual que en el software Pix4D, 3Dsurvey procesó la totalidad de las imágenes (157). El
promedio de puntos clave por imagen es de 1509, un número significativamente menor
comparado con el obtenido en Pix4D, donde se encontró que este valor es de 5588.
Número de imágenes: 157 Número de imágenes 157

registradas:
Altitud de vuelo: 516.0 m Número de puntos 1509
clave por imágenes /
promedio:
Resolución terreno: 0.1507 m Georreferenciación: Sí
Tabla 14. Datos del levantamiento vuelo 1 Phantom 4 Pro. Fuente: 3Dsurvey
En la Figura 93 se observa un esquema de superposición de imágenes, donde las áreas azules y

amarillas indican un solapamiento bajo, y las áreas rojas indican una superposición de imágenes
mayor, por lo que se generarán resultados de buena calidad en esta zona.
Figura 93. Superposición de las imágenes vuelo 1 Phantom 4Pro. Fuente: 3Dsurvey
90
Ubicaciones de la cámara:
3Dsurvey presenta el error de ubicación de la cámara en las posiciones X, Y, XY y Z, en metros.

En comparación con los datos obtenidos en Pix4Dmapper, se observa que los errores en estas
posiciones son mayores en este software, como se evidencia en la Tabla 15, donde se observa
que el error máximo es de 33 cm y el mínimo es de 16 cm:
Error X [m] Error Y [m] Error XY [m] Error Z [m] Error total [m]
0.190 0.167 0.253 0.336 0.421
Tabla 15. Errores de ubicación de la cámara vuelo 1 Phantom 4 Pro. Fuente: 3Dsurvey
Modelo Digital de Elevación:
En la Figura 94 se muestra un avance del Modelo Digital de Elevación generado por 3Dsurvey
con su respectiva escala:
Resolución de grilla: 1m Densidad de punto 14.58 puntos/m²

promedio:
Figura 94. DEM vuelo 1 Phantom 4Pro. Fuente: 3Dsurvey
91
Parámetros de procesamiento:
En esta tabla se presentan los parámetros de procesamiento del ortomosaico, como se mencionó
anteriormente no se utilizaron puntos de control terrestre.
 Se muestra que el número de puntos 3D es de 236982, una cantidad de puntos superior a la

generada por Pix4Dmapper, ya que fueron 105955 puntos.
 El error de reproyección RMS total es de 1.034, y el error máximo de reproyección es de
9.515, estos errores son superiores a los obtenidos mediante el procesamiento de Pix4D.
Estadísticas de ajuste por lote

Imágenes 157
Imágenes registradas 157
Número de puntos de control 0
terrestre
Puntos 3D 236982
Error de reproyección RMS 1.03409
Error de reproyección máx 9.51539
Parámetros de optimización
Parámetros f, ppx, ppy, k1, k2, k3, t1, t2
Nube de puntos densa
Número de puntos 12495816
Malla de grilla regular
Tamaño de celda de grilla 1m
Número de triángulos 4822970
Ortomosaico
Tamaño 10997 × 10745
Resolución de pixel 0.143 m
Tabla 16. Parámetros de procesamiento vuelo 1 Phantom 4 Pro. Fuente: 3Dsurvey
92
8.4. Reporte de calidad procesamiento vuelo 2 RGB Pix4D:
Luego de generar y analizar los reportes obtenidos del vuelo 1, es necesario generar los reportes
del vuelo 2 para realizar la respectiva comparación de los productos, teniendo que cuenta que
este vuelo se llevó a cabo con una RPAS de gran precisión especializado para topografía, de esta
manera se pondrá a prueba la calidad de la cámara y la precisión del sensor PPK integrados a
este dron, de igual manera se evaluará la función que cumplen los softwares trabajados en este
proyecto.
A continuación se observa el reporte de calidad obtenido del procesamiento del vuelo 2. En la

Tabla 17 se muestran las características iniciales del proyecto como nombre, fecha de
procesamiento, modelo de la cámara utilizada, tamaño del pixel en el terreno y área de cobertura
de las fotografías.
Tabla 17. Características iniciales del proyecto vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
En la Tabla 18 se muestra el control de calidad del procesamiento, A continuación se explica

detalladamente los resultados obtenidos en esta tabla:
 Imágenes: Media de 3642 puntos clave por imagen.

 Conjunto de datos: 617 de 622 imágenes calibradas (el 99% de las imágenes utilizadas).
 Optimización de cámara: 0.16% de diferencia relativa entre los parámetros internos de la
cámara inicial y optimizada.
 Coincidencias: Media de 756.556 coincidencias por imagen calibrada.
 Georreferenciación: Georreferenciado sin puntos de control GCP 3D.
93
Tabla 18. Control de calidad del proyecto vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
El reporte genera una visualización del avance del ortomosaico y el Modelo Digital de Superficie
antes de la densificación, como se observa en la Figura 95:
Figura 95. Avance del ortomosaico y el DSM vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
Los detalles de calibración muestran el número de imágenes calibradas y el número de imágenes

geolocalizadas. En el caso del vuelo 2, el 99% de las imágenes hicieron de manera correcta este
proceso.
94
En la Figura 96 se muestra la vista superior de la posición inicial de las imágenes. La línea verde
sigue la posición de las imágenes en el tiempo a partir de los puntos azules, este esquema
representa la manera en que el dron capturó las imágenes de la zona.
Figura 96. Vista superior posición inicial de imágenes vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
En la Figura 97 se observa el desplazamiento entre las posiciones de la imagen inicial (puntos

azules) y las posiciones calculadas (puntos verdes), así como el desplazamiento entre las
posiciones iniciales de los GCP (cruces azules) y sus posiciones calculadas (cruces verdes) en la
vista superior (plano XY), vista frontal (plano XZ) y vista lateral (plano YZ). Las elipses de
color verde oscuro indican la incertidumbre de la posición absoluta del resultado del ajuste del
bloque de haz. (Pix4D, 2020).
95
En la imagen se observa que el tamaño y la posición de las elipses tienen una variación uniforme
en la mayoría de las imágenes, sin embargo se presenta una variación de desplazamiento en la
zona inferior izquierda de la grilla, en este punto es donde se podría presentar mayor error de
precisión en las posiciones X, Y y Z.
Figura 97. Esquema de desplazamiento de las imágenes vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
La incertidumbre absoluta de posición y orientación muestra el desplazamiento de la cámara en

las direcciones X, Y, Z en metros, y la incertidumbre en los ángulos Omega, Phi y Kappa se
registra en grados. En el caso del vuelo 2, la media y la desviación estándar en las direcciones X,
Y, Z cuentan con un error máximo de 23 cm, y el mínimo de 3 cm, mientras que la incertidumbre
en las posiciones Omega, Phi y Kappa la media no supera los 0.026 grados, y la desviación
estándar es de 0.005 grados. En la Tabla 19 se observan los resultados de este cálculo:
96
Tabla 19. Incertidumbres absolutas de orientación y posición de la cámara vuelo 2 VTOL WingtraOne cámara RGB.
Fuente: Pix4D
En la Figura 98 se observan las posiciones de las imágenes calculadas con vínculos entre
imágenes coincidentes. Los enlaces más oscuros indican el número de puntos clave 2D
coincidentes entre las imágenes. Los enlaces más claros indican enlaces débiles y requieren
puntos de enlace manuales o más imágenes. Las elipses de color verde oscuro indican la
incertidumbre de la posición relativa de la cámara del resultado del ajuste del bloque de haz.
(Pix4D, 2020).
Figura 98. Posiciones relativas de las imágenes calculadas vuelo 2 Phantom 4Pro. Fuente: Pix4D
97
La Tabla 20 se presentan las incertidumbres relativas de orientación de las cámaras:
Tabla 20. Incertidumbres relativas de orientación y posición de la cámara vuelo 2 Phantom 4 Pro. Fuente: Pix4D
En la Figura 99 se observa el número de imágenes superpuestas calculadas para cada píxel del
ortomosaico. Las áreas rojas y amarillas indican un solapamiento bajo por lo que se pueden
generar resultados deficientes. Las áreas verdes indican una superposición de 5 imágenes por
cada píxel. Se generarán resultados de buena calidad siempre que el número de coincidencias de
puntos clave también sea suficiente para estas áreas. (Pix4D, 2020).
El resultado de la superposición para el vuelo 2 es óptimo, ya que la mayoría de las imágenes

tuvo un buen traslapo exceptuando la parte inferior izquierda del ortomosaico, donde las
fotografías pierden información de los extremos, pero se evidencia un buen resultado en el resto
del producto.
Figura 99. Superposición de las imágenes vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
98
Los detalles de ajuste del bloque muestran en orden los siguientes parámetros:
 Número de observaciones de puntos clave 2D para el ajuste: En el vuelo 2 se encontraron un

total de 442408 puntos clave que coinciden en todas las imágenes.
 Número de observaciones de puntos 3D para el ajuste: Se logró generar 162747 puntos 3D a
partir de la coincidencia de los puntos 2D.
 Error medio de reproyección (pixeles): El error promedio de re proyección en pixeles es de
0.074.
Según estos resultados, los puntos clave coincidentes observados en las fotografías son
suficientes para lograr un buen traslapo en el ortomosaico, es por ello que el error en pixeles es
bajo. En la Tabla 21 se observan estos resultados:
Tabla 21. Detalles de ajuste del bloque vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
Los detalles de geolocalización muestran el número de imágenes geolocalizadas y calibradas que

se han etiquetado como inexactas. El error mínimo y el error máximo representan intervalos de
error de geolocalización entre -1,5 y 1,5 veces la precisión máxima de todas las imágenes. Las
columnas X, Y, Z muestran el porcentaje de imágenes con errores de geolocalización dentro de
los intervalos de error predefinidos. El error de geolocalización es la diferencia entre las
posiciones de la imagen inicial y calculada. (Pix4D, 2020).
En la Tabla 22 se observa que en promedio, la posición con mayor error de geolocalización es la

X, y que los errores de desviación estándar y RMS son similares en las tres posiciones. Se
observa que la posición con mayor error es la Y, y la de menor error es la Z.
99
Tabla 22. Errores de varianza absoluta de geolocalización vuelo 2 VTOL WingtraOne cámara RGB. Fuente:
Pix4D
En la Tabla 23 se presenta el error medio cuadrático RMS en los ángulos Omega, Phi y Kappa en
grados, este representa la variación de la orientación de la imagen. Como se muestra en la tabla,
el error máximo obtenido en este proceso es el ángulo Kappa con una variación de 2.773 grados,
y el error mínimo es el del ángulo Phi con 1.051 grados.
En comparación con el procesamiento del vuelo 1, en ambos casos se observa que el error
máximo se encuentra en el ángulo Kappa, y el mínimo en el ángulo Phi.
Tabla 23. Error medio cuadrático RMS vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
100
La Tabla 24 presenta las opciones de procesamiento iniciales que se tomaron en cuenta para el
proyecto:
 Plantilla detectada: Ninguna.

 Escala de imagen de puntos clave: Rápido, escala de imagen 0.125.
 Pares de imágenes coincidentes: Cuadrícula aérea o corredor.
 Estrategia de emparejamiento: No se utiliza.
 Extracción de puntos clave: Automático.
 Calibración: Método estándar, optimización de parámetros internos y externos.
Tabla 24. Opciones de procesamiento vuelo 2 VTOL WingtraOne cámara RGB. Fuente: Pix4D
A continuación, en la Tabla 25 se presentan los detalles de la densificación de la nube de puntos,

y los resultados obtenidos de este proceso, los cuales se especifican de la siguiente manera:
 Número de mosaicos generados: 6

 Número de puntos densificados 3D: 114404964
 Densidad media (por m3): 9.01
Al realizar una comparación con el procesamiento del vuelo 1, se observa que los mosaicos
generados en este caso fueron 6, esto se debe a que el volumen de fotografías utilizadas para el
proceso fue mayor, y el software segmenta el ortomosaico final. Por esta misma razón, el número
de puntos densificados y la densidad media por m3 del producto también son mayores.
101
Tabla 25. Detalles de densificación nube de puntos y resultados vuelo 2 VTOL WingtraOne cámara RGB.
Fuente: Pix4D
Finalmente se obtiene el reporte del DSM y el ortomosaico generados. En la Tabla 26 se muestra

el resumen de estos datos:
Tabla 26. Detalles de procesamiento DSM y ortomosaico vuelo 2 VTOL WingtraOne cámara RGB. Fuente:
Pix4D
102
8.5. Reporte de calidad procesamiento vuelo 2 RGB 3Dsurvey:
A continuación se muestra el reporte obtenido por el software 3Dsurvey, el cual se exportó en

idioma español:
Reporte de calidad:
Proyecto: Reporte_Procesamiento_RGB_3Dsurvey
Fecha de adquisición de 2020-10-01
imágenes:
Modelo de cámara Resolución Longitud Tamaño de Tamaño de

focal sensor pixel
SONY DSC-RX1RM2 7952 × 5304 35 mm 35.9 × 23.9 mm 4.515 µm
Tamaño de ortofoto: 1.641 km × 1.834 km Resolución de pixel: 0.071 m
Tabla 27. Datos iniciales reporte vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
En la Figura 100 se presenta un avance del ortomosaico generado por 3Dsurvey, el cual es
similar al generado por Pix4D. Se observa que en ambos casos, la ortofoto se distorsiona en la
parte inferior izquierda, ya que es la zona en la cual las fotografías pierden información.
Figura 100. Avance del ortomosaico vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
103
Datos de levantamiento:
3Dsurvey procesó 618 de las 622 imágenes cargadas en el software, una más de las utilizadas por
Pix4D que fueron 617. El promedio de puntos clave por imagen es de 1150, un número
significativamente menor comparado con el obtenido en Pix4D, donde se encontró que este valor
es de 3642.
Número de imágenes: 622 Número de imágenes 618

registradas:
Altitud de vuelo: 525.5 m Número de puntos 1150
clave por imágenes /
promedio:
Resolución terreno: 0.0718 m Georreferenciación: Sí
Tabla 28. Datos del levantamiento vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
En la Figura 101 se observa un esquema de superposición de imágenes, donde las áreas azules y
verdes indican un solapamiento bajo, y las áreas rojas indican una superposición de imágenes
mayor, por lo que se generarán resultados de buena calidad en esta zona.
Figura 101. Superposición de las imágenes vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
104
Ubicaciones de la cámara:
3Dsurvey presenta el error de ubicación de la cámara en las posiciones X, Y, XY y Z, en metros.

En comparación con los datos obtenidos en Pix4Dmapper, se observa que los errores en estas
posiciones son similares, donde el error el X es de 0.141, en Y es de 0.152 y en z es de 0.23. En
la Tabla 29 se presentan los errores de posición generados por 3Dsurvey:
Error X [m] Error Y [m] Error XY [m] Error Z [m] Error total [m]
0.126 0.158 0.202 0.116 0.233
Tabla 29. Errores de ubicación de la cámara vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
Modelo Digital de Elevación:
En la Figura 102 se muestra un avance del Modelo Digital de Elevación generado por 3Dsurvey
con su respectiva escala:
Resolución de grilla: 1m Densidad de punto 78.35 puntos/m²

promedio:
Figura 102. DEM vuelo 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
105
Parámetros de procesamiento:
En esta tabla se presentan los parámetros de procesamiento del ortomosaico, como se mencionó
anteriormente no se utilizaron puntos de control terrestre.
 Se muestra que el número de puntos 3D es de 711110, una cantidad de puntos superior a la

generada por Pix4Dmapper, ya que fueron 162747 puntos.
 El error de reproyección RMS total es de 1.038, y el error máximo de reproyección es de
11.187, estos errores son superiores a los obtenidos mediante el procesamiento de Pix4D.
Estadísticas de ajuste por lote

Imágenes 622
Imágenes registradas 618
Número de puntos de control 0
terrestre
Puntos de liga 3D 711110
Error de reproyección RMS 1.38779
Error de reproyección máx. 11.1878
Parámetros de optimización
Parámetros f, ppx, ppy, k1, k2, k3, t1, t2
Nube de puntos densa
Número de puntos 146795871
Malla de grilla regular
Tamaño de celda de grilla 1m
Número de triángulos 6019188
Ortomosaico
Tamaño 22974 × 25676
Resolución de pixel 0.071 m
Tabla 30. Parámetros de procesamiento 2 VTOL WingtraOne cámara RGB. Fuente: 3Dsurvey
106
8.6. Análisis de imágenes multiespectrales del vuelo 3 en el software Pix4Dmapper:
El procesamiento de imágenes multiespectrales obtenidas con la cámara MicaSense Altum se

realizó en el software Pix4Dmapper, como se mencionó anteriormente, esta plataforma no genera
ortomosaicos para imágenes TIFF de 10, 12 y 14 bits, razón por la cual no se logró exportar un
ortomosaico de este vuelo. La generación de mapas de índices y obtención de histogramas se
llevó a cabo en el software ArcMap 10.4.
A continuación se presenta el análisis multiespectral de las imágenes procesadas en el software:
IMAGEN HISTOGRAMA
Figura 103. Esquema de índice NDVI. Fuente: ArcMap Figura 104. Histograma de índice NDVI. Fuente:
10.4 ArcMap 10.4
NDVI: Según los expertos, los valores de índice NDVI mayores a 0.49 indican presencia de
vegetación saludable. La escala para esta zona va desde 0.58 en la región de pastizal (colores
amarillo y verde), a 0.96 en la zona de alta densidad arbórea (color azul), lo que indica que
ambas se encuentran dentro de un rango de valores altos en el máximo nivel de vigor vegetal.
El histograma presenta un valor mínimo de 0,02, un valor máximo de 0,97, la media de 0,82 y la
desviación estándar de 0,08.
107
Figura 105. Esquema de índice NDRE. Fuente: Figura 106. Histograma de índice NDRE. Fuente: ArcMap
ArcMap 10.4 10.4
NDRE: Este índice es similar al NDVI, pero solo se puede formular si la banda de borde rojo
está disponible en el sensor. En este caso, la escala de valores va de 0.24 a 0.67, resaltando las
áreas color azul claro y oscuro, como las que tienen mayor contenido de clorofila en los
individuos arbóreos. La zona donde la vegetación se encuentra más saludable es donde la
densidad arbórea es mayor, las demás áreas se encuentran resaltadas en color amarillo y naranja.
El histograma presenta un valor mínimo de -0,28, un valor máximo de 0,73, la media de 0,45 y
la desviación estándar de 0,07.
Figura 107. Esquema de índice NDWI. Fuente: Figura 108. Histograma de índice NDWI. Fuente: ArcMap
ArcMap 10.4 10.4
108
NDWI: El estrés hídrico es otra variable de importancia en el estudio de los índices de

vegetación. La escala presentada por Pix4D en esta zona muestra valores que van desde -0.92 a -
0.49, donde se evidencia la presencia de agua en las zonas con mayor valor NDWI representadas
con el color azul oscuro, como se observa con el cuerpo de agua localizada en el centro de la
región de estudio.
El histograma presenta un valor mínimo de -0,92, un valor máximo de 0,22, la media de -0,71 y
Figura 109. Esquema de índice GCI. Fuente: ArcMap Figura 110. Histograma de índice GCI. Fuente: ArcMap
10.4 10.4
GCI: Este índice refleja el estado fisiológico de la vegetación. La escala de valores de la zona en
estudio se encuentra entre 0.36 y 10.16, donde el valor más alto representa un mayor contenido
de clorofila en la región de alta densidad de vegetación espesa. En esta imagen, la zona con altos
índices de clorofila se representa en color verde oscuro, y la zona con valores bajos se encuentra
representada en verde claro.
El histograma presenta un valor mínimo de -0,36, un valor máximo de 21,57, la media de 5,26 y
109
8.7. Análisis de los perfiles topográficos de la parcela y zona de laguna
Se obtuvo 5 perfiles topográficos; 3 de la zona de la parcela, y 2 del sector de la laguna, allí se

midieron las alturas aproximadas de las copas de los árboles hacia el suelo, y se estimó un
promedio de las mismas a lo largo del perfil. A continuación, en la Tabla 31 se presenta un
resumen de estos datos:
ALTURA
IMAGEN PERFIL LONGITUD
PROMEDIO
1. Costado Oriental 90,35 m 12,59 m
2. Zona Central 89,42 m 14,13 m
3. Costado
86,90 m 18,73 m
Occidental
4. Zona de laguna 1 141,52 m 15,84 m
110
5. Zona de laguna 2 134,39 m 12,94 m
Tabla 31. Cuadro resumen de datos obtenidos de los perfiles topográficos. Fuente propia
En promedio, la altura de los árboles en toda la zona de estudio es de 14,85 m, donde los árboles
más altos se encuentran en el perfil 3 costado occidental con un promedio de altura de 18,73 m,
y los árboles más bajos se localizan en el perfil 1 costado oriental con un promedio de 12,59 m.
Se observa que los individuos arbóreos localizados en las cercanías de la laguna y las zonas de
pastizal tienen una tendencia a ser más bajos, pero en cuanto la vegetación empieza a hacerse
espesa, los árboles aumentan su altura gradualmente.
En el perfil 3 se observa una variación notoria en las alturas de la nube de puntos, ya que en la
parte central se registran datos de alturas más bajas que podrían corresponder a pequeñas zonas
despobladas o de suelo, lo que significaría una mejor estimación de la altura de los árboles. En
este sector, la altura aproximada es de 21 m.
Figura 111. Altura zona de suelo perfil 3 costado occidental. Fuente: MARS
111
9. CONCLUSIONES
La tecnología ha logrado un gran avance en la articulación de la ingeniería, la topografía y la

optimización de procesos, los cuales han logrado implementar herramientas que hace algunos
años hubiesen sido impensables. El uso de la tecnología RPAS ha facilitado la captura de datos
en áreas muy extensas o de difícil acceso desde equipos convencionales, también ha permitido
integrar sensores tipo LiDAR y cámaras de alta resolución para obtener ortofotos, modelos
digitales de terreno, modelos digitales de elevación, curvas de nivel, indicadores de vegetación,
entre otros, y desarrollar proyectos con la precisión y rigurosidad que se requiere.
Junto con los RPAS se han desarrollado diferentes software capaces de lograr un excelente
producto mediante sus herramientas de procesamiento, en este proyecto se trabajaron dos de
ellos: Pix4Dmapper y 3Dsurvey, los cuales ofrecen bastantes ventajas y algunas desventajas en
su uso, pero que utilizados de manera complementaria logran optimizar los resultados de un
producto.
Pix4D es un software que cumple con las expectativas esperadas, logra gran calidad y precisión
en los ortomosaicos generados, el tiempo de procesamiento depende de la cantidad de
información tomada en campo, pero en general, su velocidad es óptima y el reporte de calidad de
los datos es bastante detallado. La ventaja más grande que tiene Pix4D es que cuenta con
herramientas de cálculo y análisis multiespectral, lo que permite procesar imágenes en formato
.tiff y así generar mapas de índices, los cuales son de gran utilidad en proyectos de agricultura de
precisión, medio ambiente, construcción, entre otros.
Por su parte, 3Dsurvey es un software desarrollado para que su utilización sea más fácil e
intuitiva, su interfaz es sencilla, las herramientas de cálculo y procesamiento se encuentran y se
entienden rápidamente, y su tiempo de procesamiento es similar al de Pix4D, lo que permite una
optimización en las tareas y los tiempos. El producto generado por este software también cuenta
con una buena calidad para su visualización y tratamiento de datos, 3Dsurvey también genera
modelos 3D, y el reporte de calidad es detallado. Una desventaja de este software frente a Pix4D
es que no procesa imágenes .tiff, por lo cual no se pueden generar mapas de índices.
La vinculación de este trabajo de grado junto con la labor adelantada por el Semillero de
Investigación del proyecto curricular de Ingeniería Forestal en la parcela de monitoreo
permanente del Parque Natural Chicaque, ha demostrado que se puede llevar la topografía a otras
áreas de conocimiento y se pueden generar resultados de gran alcance para estos proyectos, en
este caso, se logró obtener una estimación de las alturas de los árboles desde su copa hasta el
suelo, datos que podrían servir para futuras investigaciones, o sentar un precedente para que se
sigan adelantando y perfeccionando técnicas para lograr este objetivo.
112
10. BIBLIOGRAFÍA
Aerial Insights. (2019). Recuperado el 13 de Diciembre de 2020, de https://www.aerial-

insights.co/blog/tipos-de-drones/
Alonso, D. (18 de Agosto de 2020). MappingGis. Recuperado el 21 de Enero de 2021, de

https://mappinggis.com/2020/07/los-6-indices-de-vegetacion-para-completar-el-ndvi/
Álvarez, J. A. (2001). Apuntes de Fotogrametría III. Mérida, México: Universidad de Extremadura

Centro Universitario de Mérida.
Caro, José L. (2012). Fotogrametría y modelado 3D: un caso práctico para la difusión del patrimonio y
su promoción turística. Málaga, España: Universidad de Málaga.
Centro de Geociencias Aplicadas. (2011). Universidad Nacional del Nordeste. Recuperado el 13 de

Diciembre de 2020, de
http://ing.unne.edu.ar/dep/goeciencias/fotointer/pub/teoria2011/parte01/fotom.pdf
Chuvieco, E. (1995). Fundamentos de Teledetección Espacial. Madrid España: Ediciones Rialp S.A.
Costales, G. A. (2018). Análisis comparativo entre los software de prueba Agisoft PhotoScan y Pix4D
para el procesamiento de datos obtenidos con fotogrametría de vehículo aéreo remotamente
tripulado (RPAS) de bajo costo aplicado a proyectos de medio ambiente. Quito Ecuador:
Repositorio Digital EPN.
Earth Observing System. (2020). Earth Observing System. Recuperado el 23 de Octubre de 2020, de
https://eos.com/es/blog/indices-de-vegetacion/
ESRI. (2020). ArcGIS Pro. Recuperado el 23 de Octubre de 2020, de https://pro.arcgis.com/es/pro-

app/help/data/imagery/indices-gallery.htm
F.J., D. (1978). Digital terrain models: An over view.
Felícisimo, Á. M. (1994). Modelos digitales de terreno, introduciión y aplicación en las ciencias

naturales.
Ferreira, M. R., & Aira, V. G. (2015). Aplicaciones topográficas de los drones. Recuperado el 28 de
Diciembre de 2020, de
http://www.bibliotecacpa.org.ar/greenstone/collect/otragr/index/assoc/HASHac69.dir/doc.pdf
García, J. J. (2015). Estudio de índices de vegetación a partir de imágenes aéreas tomadas desde
UAS/RPAS y aplicaciones de estos a la agricultura d precisión. Madrid, España.
García, J. L. (2002). Fotogrametría moderna. Valencia, España: Universidad Politécnica de Valencia,

Servicio de Publicación.
113
Gibson, P. J., & Power, C. H. (2001). Introductory Remote Sensing: Principles and Concepts. Londres,
Inglaterra: Routledge Taylor & Francis Group.
González, E. A., García, Y. D., Espina, P. G., García, C. O., & Sierra, V. (2020). estudia la interacción de
la radiación electromagnética de origen infrarrojo con la materia. La región del infrarrojo abarca
la zona del espectro electromagnético comprendida entre el rango visible y las microondas y se
divide en tres regiones (cercano, m. ecnología Agroalimentaria. Boletín informativo del SERIDA.,
43-50.
Greenwood, F. (Julio de 2015). Drones and aerial observation. Recuperado el 13 de Diciembre de 2020,
de http://www.rhinoresourcecenter.com/pdf_files/143/1438073140.pdf
Gutiérrez, S. K., Santana, L. H., Morales, R. O., Aday, O. d., & Mora, I. D. (2018). Análisis de imágenes
multiespectrales adquiridas con vehículos aéreos no tripulados. SicELO, 4.
Hito 1. (2020). Hito 1. Recuperado el 28 de Diciembre de 2020, de https://www.hito1.es/drones/sistema-

de-posicionamiento-ppk-para-levantamiento-fotogrametrico-con-drones/
MicaSense. (23 de 06 de 2020). MicaSense. Recuperado el 21 de Enero de 2021, de

https://micasense.com/es/que-es-el-ndre/
MicroSurvey. (2020). MicroSurvey. Recuperado el 26 de Diciembre de 2020, de

http://www.microsurvey.com.mx/3dsurvey.htm
Ortega, Á. R. (2018). Algoritmo para la generación de ortomosaicos a partir de imágenes aéreas

tomadas por drones en la agricultura. Santiago, Chile.
Pix4D. (2020). Pix4Dmapper. Recuperado el 26 de Diciembre de 2020, de

https://www.pix4d.com/es/producto/pix4dmapper-fotogrametria-software
Pix4D. (2020). Pixd4D Documentation. Recuperado el 23 de enero de 2021, de

https://support.pix4d.com/hc/en-us/articles/202558539-Input-files#label1
Posada, E., Ramírez, H. M., & Espejo, N. C. (2008). Manual de Prácticas de Percepción Remota con el
programa ERDAS IMAGINE. Bogotá, Colombia: Instituto Geográfico Agustin Codazzi .
TYCGIS. (2019). TYCGIS drones y sensores. Recuperado el 23 de Octubre de 2020, de

https://tycgis.com/micasense-altum/
WingtraOne. (2020). Wingtra. Recuperado el 2 de Enero de 2021, de https://wingtra.com/es/dron-mapeo-

wingtraone/
114

Parra Díaz Yenny Paola 2021

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Parra Díaz Yenny Paola 2021

Cargado por

Copyright:

Formatos disponibles

PROCESAMIENTO DE IMÁGENES DIGITALES OBTENIDAS CON RPAS PARA

ANÁLISIS MULTIESPECTRAL DE LA PARCELA DE MONITOREO PERMANENTE

YENNY PAOLA PARRA DÍAZ

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

YENNY PAOLA PARRA DÍAZ 20181032011

Trabajo de Grado presentado para optar por el Título de

PROYECTO DE GRADO BAJO LA MODALIDAD DE MONOGRAFÍA

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Expreso mis agradecimientos a Dios y a mis padres,

quienes fueron mi apoyo durante este proceso,

a la Universidad Distrital por abrirme sus puertas

y formarme profesionalmente, a mi docente director,

el Ing. William Barragán por su orientación y entrega

en la culminación de este proyecto, y demás docentes

que impartieron en mi sus valiosos conocimientos.

Tabla 1. Especificaciones técnicas VTOL WingtraOne. ............................................................................ 12

Ecuación 1. Fórmula Índice NDVI ............................................................................................................. 21

La adquisición, procesamiento y análisis de datos de un terreno o infraestructura obtenidos a

En el campo de la Ingeniería Topográfica, por los altos estándares de calidad y precisión de la

El objetivo principal de esta investigación es ejecutar el procesamiento de las imágenes digitales

El siguiente estudio se realizó con el fin de elaborar el procesamiento y análisis multiespectral de

Se elaboró el análisis de vegetación y humedad de los ortomosaicos y los mapas de índices, se

3. PROBLEMA O PREGUNTA DE INVESTIGACIÓN

En la topografía y la ingeniería en general se requiere recolectar y procesar información para

4.1. Objetivo General

Realizar un estudio de reconocimiento, procesamiento, obtención de datos topográficos y

4.2. Objetivos Específicos

 Realizar el reconocimiento de la interfaz de los software 3Dsurvey y Pix4Dmapper

5.1. Localización de la zona de estudio

 Categoría: UICN (Reserva Natural Estricta)

Figura 5. Localización Parque Natural Chicaque. Fuente: Google Earth 2020

Coordenadas geográficas parcela de monitoreo permanente: 4°36’2,45”N; 74°18’48,83”O

Figura 6. Localización parcela de monitoreo permanente Parque Natural Chicaque.

5.2. La fotogrametría y el uso de vehículos tipo RPAS

La fotogrametría, consiste básicamente en la captura de fotografías aéreas o terrestres con

5.2.1. Clasificación de la fotogrametría

 Fotogrametría terrestre: Tiene su principal aplicación en la arquitectura y la arqueología y se

Según tipo de tratamiento:

 Fotogrametría analógica: Se basa en la utilización de aparatos de restitución ópticos o

 Fotogrametría analítica: Con la utilización de los restituidores analógicos y la incorporación

 Fotogrametría digital: El avance tecnológico hizo posible llegar a la fotogrametría digital. El

5.2.2. Tipos de mapas fotogramétricos

Con la producción de fotografías aéreas se pueden crear diferentes modelos:

 Modelo digital de superficie (MDS): Es una representación visual de la superficie terrestre

 Modelo digital de elevación (MDE): Un modelo digital de elevación es una representación

5.3. Tipos de drones

5.3.1. Drones de ala fija

5.3.2. Drones de ala rotatoria

5.3.2.1. Drones multirotor

 Tricóptero: Posee 3 hélices, localizadas en los extremos del dron.

En la Figura 7 se observa un dron multirotor Mavic Air Fly:

5.3.2.2. Drones VTOL (Vertical Takeoff and Landing)

La capacidad de despegue y aterrizaje vertical (VTOL) permite al dron de mapeo ascender y

5.3.3. Dron VTOL WingtraOne

La capacidad de despegue y aterrizaje vertical (VTOL) permite al dron de mapeo WingtraOne

Tipo de drone Despegue y aterrizaje vertical sobre la cola VTOL

Tabla 1. Especificaciones técnicas VTOL WingtraOne. Fuente: (WingtraOne, 2020)

Figura 8. Dron ala fija VTOL WingtraOne. Fuente propia

5.3.4. Dron Phantom 4 Pro V2.0

 Listo para volar

Figura 9. Dron multirrotor Phantom 4 Pro. Fuente propia

5.3.5. Planeación de vuelo

La misión del vuelo fotogramétrico tiene por objeto: