Effects of Spatial Resolution on Topographic Representations and Drainage Networks Derived from LiDAR Digital Terrain Model

Rafael Carneiro; Adriano Rolim da Paz

doi:10.26848/rbgf.v17.5.p3794-3808

Autores

Rafael Carneiro Universidade Federal da Paraíba https://orcid.org/0000-0003-3214-2292
Adriano Rolim da Paz Universidade Federal da Paraíba https://orcid.org/0000-0003-0243-7006

DOI:

https://doi.org/10.26848/rbgf.v17.5.p3794-3808

Palavras-chave:

Resampling; Computational cost; Digital elevation model.

Resumo

Modelos Digitais de Terreno (MDT) derivados da tecnologia LiDAR estão cada vez mais disponíveis. Porém, trabalhar com esses MDT s acarreta altos custos computacionais e exige equipamentos de alto desempenho, o que pode até inviabilizar a utilização desses modelos. O objetivo deste trabalho é avaliar os efeitos causados pela alteração da resolução espacial em representações topográficas e redes de drenagem extraídas do LiDAR-MDT. Para isso, foram aplicadas três técnicas de reamostragem, agregação média, interpolação bilinear e interpolação do vizinho mais próximo, para tornar grosseiro um LiDAR- MDT de resolução espacial de 1 m em múltiplas resoluções (2, 10, 30 e 100 m). Uma sub-bacia (550 km²) da bacia do Rio Sirinhaém foi tomada como área de estudo de caso. Os resultados mostram que não houve diferença significativa entre as técnicas de reamostragem, mas sim entre as resoluções espaciais, variando de acordo com a métrica aplicada. A resolução espacial de 2 m é mais adequada caso seja necessária uma resolução mais grosseira.

Biografia do Autor

Rafael Carneiro, Universidade Federal da Paraíba

Mestre em Engenharia Civil e Ambiental pelo Programa de Pós-Graduação em Engenharia Civil e Ambiental (PPGECAM) ofertado pela Universidade Federal da Paraíba (UFPB) e Engenheiro Ambiental de formação graduado pela Universidade Federal da Paraíba (UFPB).

Adriano Rolim da Paz, Universidade Federal da Paraíba

Professor Associado do Departamento de Engenharia Civil e Ambiental, da Universidade Federal da Paraíba (Campus I - João Pessoa), desde set/2010, onde atua também como Pesquisador e Orientador de Doutorado, Mestrado e Iniciação Científica. Foi Coordenador do Curso de Graduação em Engenharia Ambiental da UFPB de 2014 a 2017 e atualmente membro do Núcleo Docente Estruturante, atuando na reformulação do Projeto Pedagógico do Curso segundo as novas Diretrizes Curriculares Nacionais. É membro permanente do corpo docente do Programa de Pós-Graduação em Engenharia Civil e Ambiental da UFPB, onde atua também como membro da Comissão de Autoavaliação, e revisor de periódicos internacionais e nacionais, atuando ainda como consultor ad hoc para agências de fomento nacionais e estaduais. Idealizador e atualmente coordenador do Laboratório de Análises Computacionais em Meio Ambiente da UFPB (LACMA). Tem Doutorado (2010) e Mestrado (2003) em Recursos Hídricos e Saneamento Ambiental pelo IPH-UFRGS (Porto Alegre/RS) e Graduação em Engenharia Civil pela UFPB (2001). As principais áreas de atuação são: modelagem hidrológica de grandes e pequenas bacias, modelagem hidráulica de rios e planícies de inundação, geoprocessamento, drenagem urbana sustentável e monitoramento ambiental via sensoriamento remoto orbital. Destaca-se atuação voltada ao avanço do estado da arte com o desenvolvimento ou melhoria de métodos e algoritmos computacionais, como o modelo hidrodinâmico-hidrológico de simulação de rios e planícies SIRIPLAN, o modelo hidrológico distribuído por pixels Hidropixel e diversas rotinas de processamento de Modelo Digital de Elevação, que tem sido usadas por outros pesquisadores nacionais e internacionais.

Referências

Agência Nacional de Águas e Saneamento Básico – ANA. (2022). Hidroweb: Sistemas de informações hidrológicas. Retrieved in 2022, September 11, from https://www.snirh.gov.br/hidroweb/

Agência Pernambucana de Águas e Clima - APAC. (2020). Atualização do plano estadual de recursos hídricos de Pernambuco – PERH|PE (diagnóstico integrado). Recife. Retrieved in 2022, September 14, from https://www.perhpe.com.br/downloads

Ariza-Villaverde, A. B., Jiménez‐Hornero, F. J., & De Ravé, E. G. (2015). Influence of DEM resolution on drainage network extraction: A multifractal analysis. Geomorphology, 241, 243–254. https://doi.org/10.1016/j.geomorph.2015.03.040

Azizian, A., & Brocca, L. (2019). Determining the best remotely sensed DEM for flood inundation mapping in data sparse regions. International Journal of Remote Sensing, 41(5), 1884–1906. https://doi.org/10.1080/01431161.2019.1677968

Barnes, R., Lehman, C., & Mulla, D. J. (2014). Priority-flood: An optimal depression-filling and watershed-labeling algorithm for digital elevation models. Computers & Geosciences, 62, 117–127. https://doi.org/10.1016/j.cageo.2013.04.024

Chen, Y., Wilson, J. P., Zhu, Q.; & Zhou, Q., 2012. Comparison of drainage constrained methods for DEM generalization. Computers and Geosciences, 48, 41-49. https://doi.org/10.1016/j.cageo.2012.05.002

Cirilo, J. A., Alves, F. H. B., Silva, B. M., & Campos, P. H. A. L. C. (2015). Pernambuco tridimensional: base de dados espaciais para planejamento urbano e gestão territorial. In 12th Simpósio de Hidráulica e Recursos Hídricos dos Países de Expressão Portuguesa, Brasília. Retrieved in 2022, December 12, from https://anais.abrhidro.org.br/job.php?Job=12751.

Cirilo, J. A., Alves, F. H. B., Da Silva, L. a. C., & De Andrade Lima Campos, J. H. (2014). Suporte de Informações Georreferenciadas de Alta Resolução para Implantação de Infraestrutura e Planejamento Territorial (Support of Georeferenced Information of High Resolution for Implementation of Infrastructure and Territorial Planning). Revista Brasileira De Geografia Física, 7(4), 755–763. https://doi.org/10.26848/rbgf.v7.4.p755-763

Davies, H., & Bell, V. A. (2009). Assessment of methods for extracting low-resolution river networks from high-resolution digital data. Hydrological Sciences Journal, 54(1), 17–28. https://doi.org/10.1623/hysj.54.1.17

Erdbrügger, J., Van Meerveld, I., Bishop, K., & Seibert, J. (2021). Effect of DEM-smoothing and -aggregation on topographically-based flow directions and catchment boundaries. Journal of Hydrology, 602, 126717. https://doi.org/10.1016/j.jhydrol.2021.126717

Ferraz, G. F. (2019). Simulação hidrológica e hidrodinâmica do impacto de enchentes na bacia do rio Sirinhaém e avaliação de sistema de controle proposto. [Master’s thesis, Universidade Federal de Pernambuco]. UFPE Repository. Retrieved in 2022, September 18, from https://repositorio.ufpe.br/handle/123456789/34017

Gillin, C. P., Bailey, S. W., McGuire, K. J., & Prisley, S. P. (2015). Evaluation of Lidar-derived DEMs through Terrain Analysis and Field Comparison. Photogrammetric Engineering and Remote Sensing, 81(5), 387–396. https://doi.org/10.14358/pers.81.5.387.

Gong, J., & Xie, J. (2009). Extraction of drainage networks from large terrain datasets using high throughput computing. Computers & Geosciences, 35(2), 337–346. https://doi.org/10.1016/j.cageo.2008.09.002

Goulden, T., Hopkinson, C., Jamieson, R., & Sterling, S. (2014). Sensitivity of watershed attributes to spatial resolution and interpolation method of LiDAR DEMs in three distinct landscapes. Water Resources Research, 50(3), 1908–1927. https://doi.org/10.1002/2013wr013846.

Grohmann, C. H. (2015). Effects of spatial resolution on slope and aspect derivation for regional-scale analysis. Computers & Geosciences, 77, 111–117. https://doi.org/10.1016/j.cageo.2015.02.003.

Habtezion, N., Nasab, M. T., & Chu, X. (2016). How does DEM resolution affect microtopographic characteristics, hydrologic connectivity, and modelling of hydrologic processes? Hydrological Processes, 30(25), 4870–4892. https://doi.org/10.1002/hyp.10967.

Coz, M. L., Dagognet, F., Genthon, P., & Favreau, G. (2009). Assessment of Digital Elevation Model (DEM) aggregation methods for hydrological modeling: Lake Chad basin, Africa. Computers & Geosciences, 35(8), 1661–1670. https://doi.org/10.1016/j.cageo.2008.07.009.

Lidberg, W., Nilsson, M., Lundmark, T., & Ågren, A. (2017). Evaluating preprocessing methods of digital elevation models for hydrological modelling. Hydrological Processes, 31(26), 4660–4668. https://doi.org/10.1002/hyp.11385.

Lindsay, J. B., & Creed, I. F. (2005). Sensitivity of digital landscapes to artifact depressions in remotely-sensed DEMs. Photogrammetric Engineering and Remote Sensing, 71(9), 1029–1036. https://doi.org/10.14358/pers.71.9.1029.

Lindsay, J. B., Francioni, A., & Cockburn, J. M. H. (2019). LIDAR DEM smoothing and the preservation of drainage features. Remote Sensing, 11(16), 1926. https://doi.org/10.3390/rs11161926.

Lisenby, P. E., & Fryirs, K. (2017). ‘Out with the Old?’ Why coarse spatial datasets are still useful for catchment‐scale investigations of sediment (dis)connectivity. Earth Surface Processes and Landforms, 42(10), 1588–1596. https://doi.org/10.1002/esp.4131.

Meles, M. B.; Younger, S. E.; Jackson, C. R.; Du, E.H.; & Drover, D.T. (2020). Wetness index based on landscape position and topography (WILT): Modifying TWI to reflect landscape position. Journal of Environmental Management, 225, 109863. https://doi.org/10.1016/j.jenvman.2019.109863

Mendonça, R. L.; & Paz, A. R. (2022). LiDAR data for topographical and river drainage characterization: capabilities and shortcomings. Revista Brasileira de Recursos Hídricos, 27. https://doi.org/10.1590/2318-0331.272220220092

Metz, M., Mitášová, H., & Harmon, R. S. (2011). Efficient extraction of drainage networks from massive, radar-based elevation models with least cost path search. Hydrology and Earth System Sciences, 15(2), 667–678. https://doi.org/10.5194/hess-15-667-2011.

Muhadi, N. A., Abdullah, A. F., Bejo, S. K., Mahadi, M. R., & Mijic, A. (2020). The Use of LiDAR-Derived DEM in Flood Applications: A review. Remote Sensing, 12(14), 2308. https://doi.org/10.3390/rs12142308.

Muthusamy, M., Casado, M. R., Butler, D., & Leinster, P. (2021). Understanding the effects of Digital Elevation Model resolution in urban fluvial flood modelling. Journal of Hydrology, 596, 126088. https://doi.org/10.1016/j.jhydrol.2021.126088.

O’Callaghan, J., & Mark, D. (1984). The extraction of drainage networks from digital elevation data. Computer Vision, Graphics, and Image Processing, 28(3), 323–344. https://doi.org/10.1016/s0734-189x(84)80011-0.

Persendt, F., & Gomez, C. (2016). Assessment of drainage network extractions in a low-relief area of the Cuvelai Basin (Namibia) from multiple sources: LiDAR, topographic maps, and digital aerial orthophotographs. Geomorphology, 260, 32–50. https://doi.org/10.1016/j.geomorph.2015.06.047.

Polidori, L., & Hage, M. E. (2020). Digital Elevation Model Quality Assessment Methods: A Critical review. Remote Sensing, 12(21), 3522. https://doi.org/10.3390/rs12213522.

Roostaee, M., & Deng, Z. (2022). Effects of digital elevation model data source on HSPF-based watershed-scale flow and water quality simulations. Environmental Science and Pollution Research, 30(11), 31935–31953. https://doi.org/10.1007/s11356-022-24449-9.

Da Silva, R. O. B., Montenegro, S. M. G. L., & De Souza, W. M. (2017). Tendências de mudanças climáticas na precipitação pluviométrica nas bacias hidrográficas do estado de Pernambuco. Engenharia Sanitaria E Ambiental, 22(3), 579–589. https://doi.org/10.1590/s1413-41522017142481.

Śliwiński, D., Konieczna, A., & Roman, K. (2022). Geostatistical resampling of LIDAR-Derived DEM in wide resolution range for modelling in SWAT: A case study of Zgłowiączka River (Poland). Remote Sensing, 14(5), 1281. https://doi.org/10.3390/rs14051281.

Sørensen, R., & Seibert, J. (2007). Effects of DEM resolution on the calculation of topographical indices: TWI and its components. Journal of Hydrology, 347(1–2), 79–89. https://doi.org/10.1016/j.jhydrol.2007.09.001.

De Sousa, T. M. I., & Da Paz, A. R. (2017). How to evaluate the quality of coarse‐resolution DEM‐derived drainage networks. Hydrological Processes, 31(19), 3379–3395. https://doi.org/10.1002/hyp.11262.

Stanislawski, L. V., Survila, K., Wendel, J., Liu, Y., & Buttenfield, B. P. (2017). An open source high-performance solution to extract surface water drainage networks from diverse terrain conditions. Cartography and Geographic Information Science, 45(4), 319–328. https://doi.org/10.1080/15230406.2017.1337524.

Tan, M. L., Ficklin, D. L., Dixon, B. M., Ibrahim, A. L., Yusop, Z., & Chaplot, V. (2015). Impacts of DEM resolution, source, and resampling technique on SWAT-simulated streamflow. Applied Geography, 63, 357–368. https://doi.org/10.1016/j.apgeog.2015.07.014.

Vaze, J., Teng, J., & Spencer, G. (2010). Impact of DEM accuracy and resolution on topographic indices. Environmental Modelling and Software, 25(10), 1086–1098. https://doi.org/10.1016/j.envsoft.2010.03.014.

Wang, L., & Liu, H. (2006). An efficient method for identifying and filling surface depressions in digital elevation models for hydrologic analysis and modelling. International Journal of Geographical Information Science, 20(2), 193–213. https://doi.org/10.1080/13658810500433453.

Winzeler, H., Owens, P. R., Read, Q. D., Libohova, Z., Ashworth, A. J., & Sauer, T. J. (2022). Topographic Wetness Index as a proxy for soil moisture in a Hillslope catena: Flow algorithms and map Generalization. Land, 11(11), 2018. https://doi.org/10.3390/land11112018.

Woodrow, K., Lindsay, J. B., & Berg, A. (2016). Evaluating DEM conditioning techniques, elevation source data, and grid resolution for field-scale hydrological parameter extraction. Journal of Hydrology, 540, 1022–1029. https://doi.org/10.1016/j.jhydrol.2016.07.018.

Wu, S., Li, J., & Huang, G. (2008). A study on DEM-derived primary topographic attributes for hydrologic applications: Sensitivity to elevation data resolution. Applied Geography, 28(3), 210–223. https://doi.org/10.1016/j.apgeog.2008.02.006.

Yang, J., & Chu, X. (2013). Effects of DEM resolution on surface depression properties and hydrologic connectivity. Journal of Hydrologic Engineering, 18(9), 1157–1169. https://doi.org/10.1061/(asce)he.1943-5584.0000731.

Yang, P., Ames, D. P., Fonseca, A., Anderson, D., Shrestha, R., Glenn, N. F., & Cao, Y. (2014). What is the effect of LiDAR-derived DEM resolution on large-scale watershed model results? Environmental Modelling and Software, 58, 48–57. https://doi.org/10.1016/j.envsoft.2014.04.005.

Yıldırım, A. A., Watson, D., Tarboton, D. G., & Wallace, R. M. (2015). A virtual tile approach to raster-based calculations of large digital elevation models in a shared-memory system. Computers & Geosciences, 82, 78–88. https://doi.org/10.1016/j.cageo.2015.05.014.

Zhang, K., Gann, D., Ross, M. S., Robertson, Q., Sarmiento, J. P., De Santana, S. A., Rhome, J., & Fritz, C. (2019). Accuracy assessment of ASTER, SRTM, ALOS, and TDX DEMs for Hispaniola and implications for mapping vulnerability to coastal flooding. Remote Sensing of Environment, 225, 290–306. https://doi.org/10.1016/j.rse.2019.02.028.