Identificación automática de cárcavas a partir de modelos digitales de elevación y otras fuentes de datos

Abstract

Los fenómenos de precipitación de carácter torrencial tienen lugar cada vez con mayor frecuencia. Si se une la intensificación de la agricultura en zonas como la campiña sur de España, se obtiene un aumento de la erosión y la degradación del suelo, potenciando la formación de regueros y cárcavas. Los métodos actuales para detectar cárcavas comprenden la aplicación de diferentes técnicas, como la fotointerpretación directa de ortofotos o herramientas basadas en Aprendizaje Automático que carecen de fundamento físico y son ajenas a los procesos de formación de las cárcavas. Los modelos de detección de cárcavas más extendidos y aceptados, por su fundamentación física y empírica, son los basados en umbrales relacionados con la topografía del terreno, partiendo de Modelos Digitales de Elevación, que cumplen con la necesaria conectividad de la red hidrográfica con las ventajas que supone que, en este trabajo, como novedad, se aplica a nivel de parcela agrícola.

Torrential precipitation phenomena occur with increasing frequency. If the intensification of agriculture in areas such as the southern Spanish countryside is added, an increase in erosion and soil degradation is obtained, promoting the formation of rills and gullies. The current methods to detect gullies will include the application of different techniques, such as direct photointerpretation of orthophotos or tools based on Machine Learning that lack physical foundation and are aliened to gully formation processes. The most widespread and accepted gully detection models, due to their physical and empirical fundamentals, are those based on thresholds related to the topography of the terrain, based on Digital Elevation Models, which meet the necessary connectivity of the hydrographic network. It in this work, as a novelty, it is applied at the farm scale.