BR102017015268A2 - method for real-time flood monitoring by unmanned aerial vehicle - Google Patents
method for real-time flood monitoring by unmanned aerial vehicle Download PDFInfo
- Publication number
- BR102017015268A2 BR102017015268A2 BR102017015268-5A BR102017015268A BR102017015268A2 BR 102017015268 A2 BR102017015268 A2 BR 102017015268A2 BR 102017015268 A BR102017015268 A BR 102017015268A BR 102017015268 A2 BR102017015268 A2 BR 102017015268A2
- Authority
- BR
- Brazil
- Prior art keywords
- real
- files
- unmanned aerial
- time
- aerial vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 238000013481 data capture Methods 0.000 claims description 2
- 230000010006 flight Effects 0.000 abstract description 5
- 238000006424 Flood reaction Methods 0.000 description 11
- 238000002360 preparation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
Abstract
método para monitoramento de enchentes em tempo real por meio de veículo aéreo não tripulado . a presente invenção conjuga em apenas um sistema as funções de aquisição, processamento e fornecimento de informações para gestão de impactos de enchentes de forma mais rápida, robusta e integrada. são obtidos dados do território por meio de veículo aéreo não tripulado, que realiza uma sequência intervalada de voos no tempo. estes dados são processados, resultando em uma simulação, que constitui uma projeção de cenários de enchente em tempo real, gerando informações que são disponibilizadas para subsidiar o processo de tomada de decisões em situações de emergência.method for real-time flood monitoring by unmanned aerial vehicle. The present invention combines in one system the functions of acquiring, processing and providing information for managing flood impacts more quickly, robustly and integratedly. Territory data are obtained by unmanned aerial vehicle, which performs an interval sequence of flights in time. This data is processed, resulting in a simulation, which is a projection of flood scenarios in real time, generating information that is available to support the decision-making process in emergency situations.
Description
MÉTODO PARA MONITORAMENTO DE ENCHENTES EM TEMPO REAL POR MEIO DE VEÍCULO AÉREO NÃO TRIPULADOMETHOD FOR REAL-TIME FLOOD MONITORING BY UNCONTRACTED AIR VEHICLE
[001] A presente patente de invenção refere-se ao campo da gestão dos desastres naturais (Disaster Risk Reduction - DRR), mais particularmente a estabilização de um método e sistema para configuração, estruturação e aplicação de Veículos Aéreos Não Tripulados (VANTS/Drones) na prevenção do impacto de enchentes em tempo real.The present patent relates to the field of Disaster Risk Reduction (DRR), more particularly the stabilization of a method and system for configuration, structuring and application of unmanned aerial vehicles (VANTS / Drones). ) in preventing the impact of flooding in real time.
[002] Veículos aéreos não tripulados (VANTS) são tecnologias emergentes na gestão de desastres naturais. Sua aplicabilidade abrange tanto o Tempo-1 - Pré-impacto (previsão e preparação), como o Tempo-2 - Pós-impacto (reação e recuperação). Apesar deste amplo espectro de utilização ainda não foi estabilizado um processo capaz de compilar, processar e compartilhar informações para previsão de enchentes em tempo real. O aumento da capacidade de previsão é decisivo na diminuição dos impactos tangíveis (perdas monetarizáveis) e intangíveis (perdas não-monetarizáveis). É que existe uma relação inversa entre a capacidade de previsão do evento e o alerta: quanto maior a preparação, menores os impactos. Afinal, existe uma relação de continuidade entre a vulnerabilidade no Tempo-1 e a destruição no Tempo-2.Unmanned aerial vehicles (VANTS) are emerging technologies in natural disaster management. Its applicability covers both Time-1 - Pre-impact (prediction and preparation), and Time-2 - Post-impact (reaction and recovery). Despite this wide spectrum of use, a process capable of compiling, processing and sharing information for flood forecasting in real time has not yet been stabilized. Increasing forecasting capacity is decisive in reducing tangible (monetizable losses) and intangible (non-monetizable losses) impacts. There is an inverse relationship between the event's predictive capacity and the alert: the higher the preparation, the lower the impacts. After all, there is a continuity relationship between Time-1 vulnerability and Time-2 destruction.
[003] Isto significa que o sucesso da gestão dos desastres depende da capacidade de previsão do evento. É a previsão que estabelece a rapidez com que as populações afetadas são informadas e, consequentemente, conforma o padrão de preparação. Portanto, é a previsão que determina a calibragem da relação entre a pontualidade do alerta e a rapidez da resposta. Costuma ser concebida com base na projeção do passado para o futuro através da análise dos dados disponíveis. Por isso, a previsão de desastres naturais é muito difícil de ser estabelecida, pois depende da confiabilidade dos dados. Assim, por muito tempo a previsão de enchentes foi bastante subjetiva e achava-se invariavelmente em desacordo com o fenômeno em tempo real. Portanto, a previsão errada de um desastre ou um alerta inadequado constitui uma grande preocupação porque a consistência da preparação depende da qualidade da informação.This means that the success of disaster management depends on the predictability of the event. It is the forecast that establishes how quickly affected populations are informed and, accordingly, conforms to the pattern of preparation. Therefore, it is the forecast that determines the calibration of the relationship between alert punctuality and response speed. It is usually designed based on the projection of the past into the future by analyzing available data. Therefore, natural disaster prediction is very difficult to establish because it depends on the reliability of the data. Thus, for a long time the flood forecast was quite subjective and was invariably at odds with the phenomenon in real time. Therefore, the wrong prediction of a disaster or an inadequate warning is a major concern because the consistency of the preparation depends on the quality of the information.
[004] A previsão de enchentes em tempo real fundamenta-se na possibilidade de antecipação máxima da ocorrência do evento. Trata-se de uma série de resultados futuros em termos de probabilidade de ocorrência de um evento num determinado intervalo de tempo. O processo padrão envolve a combinação de informações relativas a dinâmica do rio. Porém, os rios são sistemas complexos que dependem de dois conjuntos de fatores: a) fatores naturais (fisiográficos, meteorológicos e hidrológicos); b) fatores sociais (uso e ocupação do solo). Para realização da previsão do comportamento da água nas diferentes fases do ciclo hidrológico o processo é modelado matematicamente. Contudo, como as informações sobre os fatores sociais são menos determinísticas que os fatores naturais, os modelos de previsão de enchentes existentes apresentam uma forte assimetria.The prediction of floods in real time is based on the possibility of maximum anticipation of the occurrence of the event. This is a series of future results in terms of the likelihood of an event occurring within a given time frame. The standard process involves combining information about river dynamics. However, rivers are complex systems that depend on two sets of factors: a) natural factors (physiographic, meteorological and hydrological); b) social factors (land use and occupation). To perform the prediction of water behavior in the different phases of the hydrological cycle the process is mathematically modeled. However, as information on social factors is less deterministic than natural factors, existing flood forecasting models have a strong asymmetry.
[005] A previsão em tempo real envolve sistemas de coleta e transmissão de dados, e metodologia estimativa. A estimativa é realizada pelo uso de modelos matemáticos que representam o comportamento das fases do ciclo hidrológico. As previsões durante o evento são efetuadas de duas formas principais: a) previsão da precipitação·, a chuva prevista no tempo futuro por um modelo meteorológico é introduzida no modelo de chuva-vazão para determinar a vazão futura; b) previsão da vazão a montante·, com base nos dados coletados na rede telemétrica aplicam-se modelos que simulam a conversão da precipitação em vazão com base na área de drenagem e o tempo de concentração da bacia hidrográfica para determinar a onda de cheia. Quanto mais atuais as informações sobre o aumento do nível do rio, mais adequados os alertas a população.[005] Real-time forecasting involves data collection and transmission systems, and estimation methodology. The estimation is performed by using mathematical models that represent the behavior of the phases of the hydrological cycle. Forecasts during the event are made in two main ways: a) precipitation prediction · the predicted rainfall in the future weather by a weather model is introduced into the rainfall-flow model to determine future flow; b) upstream flow prediction ·, based on data collected from the telemetric network, models that simulate the conversion of precipitation to flow based on the drainage area and the concentration time of the river basin to determine the flood wave apply. The more up-to-date information on rising river levels, the more appropriate the population alerts.
[006] Os modelos mais utilizados para previsão em tempo real são os modelos empíricos. Esses modelos baseiam-se em parâmetros que descrevem as relações entre as variáveis, sendo ajustados com dados locais como, por exemplo, dados de entrada (precipitações) e de saída (vazões). A modelagem empregada depende da capacidade de monitoramento das variáveis de entrada (chuva) e sua distribuição espacial e temporal. As limitações desses modelos de previsão são, principalmente, a quantidade e a qualidade dos dados. Portanto, a questão chave da previsão constitui os tipos de dados que alimentam os modelos matemáticos. Mais precisamente, a adequação da modelagem depende da representatividade dos dados: os processos não lineares que ocorrem fora da faixa de ajuste.[006] The most widely used models for real-time forecasting are empirical models. These models are based on parameters that describe the relationships between variables and are adjusted with local data such as input (precipitations) and output (flows) data. The modeling employed depends on the monitoring capacity of the input variables (rainfall) and their spatial and temporal distribution. The limitations of these forecasting models are mainly the quantity and quality of data. Therefore, the key prediction issue is the types of data that feed mathematical models. More precisely, the appropriateness of modeling depends on the representativeness of the data: the nonlinear processes that occur outside the adjustment range.
[007] Um dos principais desafios da previsão em tempo real constitui a confiabilidade da rede de monitoramento. Quanto mais imediato o acesso, maior o custo operacional. Por isso, existem poucas redes telemétricas em uso devido a necessidade de manutenção contínua. Assim, embora a previsão constitua uma metodologia que minimiza o impacto das incertezas, a inconsistência dos dados converte-se num fator que acaba ampliando as incertezas. Isso ocorre porque a previsão da vazão depende do conhecimento do comportamento espacial. Este problema se intensifica com a diminuição da bacia hidrográfica. Os desafios da simulação hidrológica dependem fundamentalmente das limitações da rede telemétrica. Nesse sentido, a utilização de VANTS constitui uma ferramenta que capta não somente as variáveis de entrada e saída, mas todo o comportamento espacial da bacia.One of the key challenges of real-time forecasting is the reliability of the monitoring network. The more immediate access, the higher the operational cost. Therefore, there are few telemetric networks in use due to the need for continuous maintenance. Thus, while forecasting is a methodology that minimizes the impact of uncertainties, data inconsistency becomes a factor that increases uncertainties. This is because flow prediction depends on knowledge of spatial behavior. This problem intensifies with the shrinking watershed. The challenges of hydrological simulation fundamentally depend on the limitations of the telemetric network. In this sense, the use of VANTS is a tool that captures not only the input and output variables, but all the spatial behavior of the basin.
[008] Portanto, a questão central da previsão em tempo real constitui a antecedência, atualização e a precisão com que os valores são estimados. Afinal, quando se trata de prever a cota de inundação para uma comunidade ou região a margem de erro é decisiva. A margem de erro depende da capacidade da variável de entrada em antecipar eventos futuros; mais precisamente, do conhecimento antecipado do tempo de resposta da bacia hidrográfica, da precipitação e de sua distribuição temporal e espacial. Esta informação poderá indicar que conjunto de pessoas ou capital serão atingidos. Frequentemente opera-se com um intervalo da previsão esperada, associada com uma margem de erro. A introdução de um dado errado sobre a precipitação ou vazão pode distorcer toda a estimativa e comprometer a previsão. Isto indica que a consistência previsão depende da capacidade de monitoramento das variáveis.[008] Therefore, the central issue of real-time forecasting is the advance, update and accuracy with which values are estimated. After all, when it comes to predicting the flood quota for a community or region, the margin of error is decisive. The margin of error depends on the input variable's ability to anticipate future events; more precisely, the anticipated knowledge of the response time of the watershed, precipitation and its temporal and spatial distribution. This information may indicate which set of people or capital will be reached. It often operates with an expected forecast range, associated with a margin of error. Entering erroneous rainfall or flow data can distort the entire estimate and compromise the forecast. This indicates that the forecast consistency depends on the monitoring ability of the variables.
[009] Embora as enchentes não possam ser evitadas, sua ocorrência pode ser prevista. Teoricamente sabe-se que o tempo máximo possível de previsão da enchente depende da qualidade dos dados. Ocorre que apesar dos aparelhos e a medição serem simples, a aquisição de dados de qualidade é muito difícil de ser conseguida. É que medições de qualidade dependem da disponibilidade financeira, capacidade de processamento de computadores e da complexidade de analisar grandes quantidades de dados. Por isto, a maior parte do progresso neste campo tem sido modesta, incrementai e incerta, pois envolve a instalação, monitoramento e manutenção de equipamentos. Portanto, o desafio compreende estabilizar um processo de monitoramento que integre de detecção, caracterização e alerta de enchente em tempo real.Although floods cannot be prevented, their occurrence can be predicted. Theoretically it is known that the maximum possible flood forecasting time depends on the quality of the data. It turns out that even though devices and measurement are simple, acquiring quality data is very difficult to achieve. Quality measurements depend on financial availability, computer processing power, and the complexity of analyzing large amounts of data. Therefore, most progress in this field has been modest, incremental and uncertain as it involves the installation, monitoring and maintenance of equipment. Therefore, the challenge comprises stabilizing a monitoring process that integrates real-time flood detection, characterization and alerting.
[010] Para aumentar a precisão da previsão em tempo real, a solução concebida foi redefinir o enfoque padrão de aquisição e processamento dos dados. Isso pressupõe o estabelecimento de um dispositivo técnico capaz de ajustar constantemente os parâmetros de previsão e o comportamento espacial da bacia considerando o escoamento em função do uso do solo, sem precisar do monitoramento convencional dos dados de vazão. Hoje estamos muito mais próximos da previsão em tempo real devido ao notável aumento da capacidade de monitoramento causada pela instrumentação convergente da tecnologia de Drones e tecnologias computacionais. Para isso a técnica propõe captar dados integrados da bacia, processar rapidamente e disponibilizar de forma amigável. Esse processo envolve: a) aumento da capacidade de captação dos tipos de dados; b) aumento da capacidade de processamento do volume de dados.[010] To increase the accuracy of real-time forecasting, the solution designed was to redefine the standard approach to data acquisition and processing. This presupposes the establishment of a technical device capable of constantly adjusting the prediction parameters and spatial behavior of the basin considering runoff as a function of land use without the need for conventional monitoring of flow data. Today we are much closer to real-time forecasting due to the remarkable increase in monitoring capability caused by the converged instrumentation of Drone technology and computational technologies. For this the technique proposes to capture integrated data of the basin, to process quickly and to make available in a friendly way. This process involves: a) increasing the ability to capture data types; b) increased data processing capacity.
[011] Mais precisamente, a técnica possibilita o monitoramento em tempo real tanto das variáveis naturais como das variáveis sociais e, portanto, o aumento da capacidade de resolução dos dados por meio da AQUISIÇÃO simultânea de dados georreferenciados através de modelo digital de elevação, raster hiperspectral e multiespectral, para constituição de banco de dados geográficos (Geodatabase); PROCESSAMENTO por meio da integração e transposição para um ambiente virtual em 3D composto por diferentes camadas, visando a confecção de carta enchente em tempo real; e SIMULAÇÃO a partir da carta enchente em ambiente 3D, cenários preditivos de dinâmica hídrica das bacias analisadas para alertar a população e subsidiar o processo de tomada de decisões em situações de emergência.[011] More precisely, the technique enables real-time monitoring of both natural and social variables and, therefore, increased data resolution through simultaneous ACQUISITION of georeferenced data using a digital elevation model, raster hyperspectral and multispectral, for constitution of geographic database (Geodatabase); PROCESSING through integration and transposition to a 3D virtual environment composed of different layers, aiming at the realization of the flood chart in real time; and SIMULATION from the flood chart in 3D environment, predictive scenarios of water dynamics of the analyzed watersheds to alert the population and support the decision-making process in emergency situations.
[012] A busca prévia por patentes indica que as reivindicações de propriedade intelectual existentes, relacionadas ao uso de VANTS em desastre podem ser classificadas de acordo com: a) o tipo do veículo aéreo não-tripulado: rotor, asa fixa, não-especifiçado; b) as tecnologias empregadas: Global Positioning System (GPS), câmera digital, sensores infravermelhos, dispositivos para transmissão de dados via rádio, dispositivos de telefonia celular, dispositivos de rede WSN; c) o tipo de desastre: terremotos e outros eventos geológicos, deslizamentos, avalanches, enchentes e cheias, enxurradas, tufões, poluição química e ambiental; d) a fase da gestão do desastres na qual pode ser empregada: pré-desastre, trans-desastre ou pós-desastre.[012] Prior patent search indicates that existing intellectual property claims related to the use of disaster VANTS can be classified according to: a) unmanned aerial vehicle type: rotor, fixed wing, unspecified ; (b) the technologies employed: Global Positioning System (GPS), digital camera, infrared sensors, radio data transmission devices, cellular telephone devices, WSN network devices; c) the type of disaster: earthquakes and other geological events, landslides, avalanches, floods and floods, floods, typhoons, chemical and environmental pollution; d) the phase of disaster management in which it may be employed: pre-disaster, trans-disaster or post-disaster.
[013] Em relação ao tipo do veículo aéreo não-tripulado, predominam patentes cujo tipo de veículo não foi especificado (CN102419171, CN101979961, 1-2013-051191-8, RU2005128131, CN201672918, CN204605622). Nesses casos, o tipo de veículo pode ser inferido de acordo com a finalidade ou aplicação da invenção: por exemplo, para a elaboração de mapas, a literatura científica indica que os veículos de asa fixa são mais indicados. Uma das invenções descreve especificamente o uso de veículo tipo "rotor" (CN204270491U) com emprego para o monitoramento de desastres por meio de obtenção de imagens fotográficas aéreas. Uma patente trata de modelos de automação/coordenação de voo para diferentes tipos de veículos (CN105700545).[013] Regarding the type of unmanned aerial vehicle, patents predominate whose vehicle type was not specified (CN102419171, CN101979961, 1-2013-051191-8, RU2005128131, CN201672918, CN204605622). In such cases, the type of vehicle may be inferred according to the purpose or application of the invention: for example, for mapping, the scientific literature indicates that fixed wing vehicles are more suitable. One of the inventions specifically describes the use of a "rotor" type vehicle (CN204270491U) used for disaster monitoring by taking aerial photographic images. A patent deals with flight automation / coordination models for different types of vehicles (CN105700545).
[014] Considerando as tecnologias empregadas, o uso de sistema de GPS é descrito nas patentes CN102419171, CN101979961 e CN204270491. Câmeras digitais para captura de imagem e/ou vídeo são componentes indicados das patentes CN102419171, CN201672918 e CN204605622. O emprego de sensores infravermelhos é descrito apenas no registro RU2350368. O uso de software de processamento de imagens e mapeamento está contemplado na patente CN102419171, especificamente para detecção de desastres naturais em tempo real. Nesse aspecto, o levantamento não apresenta patentes que coincidam com o uso coordenado de sensores fotográficos, multiespectrais e processamento de dados contidos nesta proposta.[014] Considering the technologies employed, the use of GPS system is described in the patents CN102419171, CN101979961 and CN204270491. Digital cameras for image and / or video capture are nominated components of CN102419171, CN201672918 and CN204605622. The use of infrared sensors is described only in register RU2350368. The use of image processing and mapping software is contemplated in CN102419171, specifically for real-time natural disaster detection. In this aspect, the survey does not present patents that coincide with the coordinated use of photographic, multispectral sensors and data processing contained in this proposal.
[015] Do ponto de vista do tipo de desastre, as patentes que mencionam aplicação em casos de desastres de caráter climático e, especificamente, para os casos de cheias, inundações ou enchentes são: KR101628880, caracterizado como um sistema de transmissão de imagens de vídeo em tempo real de áreas atingidas por desastres; RU2350368, cuja aplicação descrita é a utilização de imagens para a preparação de ações de resgate. A aplicação sugerida na presente proposta -- preparação de modelo 3D de bacia hidrográfica a partir de imagem fotográfica e de sensores espectrais, e a produção de modelos preditivos a partir da integração com dados meteorológicos e hidrográficos -- não foi verificada na busca prévia realizada.[015] From a disaster type standpoint, the patents that mention application in case of climatic disasters and, specifically, in the case of floods, floods or floods are: KR101628880, characterized as an image transmission system of real-time video of disaster-stricken areas; RU2350368, the application of which is described using images for the preparation of rescue actions. The application suggested in the present proposal - preparation of a 3D watershed model from photographic image and spectral sensors, and the production of predictive models from the integration with meteorological and hydrographic data - was not verified in the previous search.
[016] Tendo em vista a fase da gestão de desastres, as patentes pesquisadas tratam predominantemente de aplicações para a fase trans-desastre (preparação e resposta) e pós-desastre (reconstrução, reabilitação). As invenções com aplicações trans-desastre são: CN102419171, CN105700545, CN101979961, KR101628880, CN204270491 e CN204605622. As invenções com aplicações pós-desastre são: CN102419171, CN101979961, KR101628880, RU2350368, CN201672918 e KR20160072425. Apenas a patente CN204270491 antecipa usos na prevenção de desastres (monitoramento e alerta de deslizamentos). Cabe salientar que a presente proposta prevê aplicações da invenção para todas as três fases dos desastres, de forma integrada.[016] In view of the disaster management phase, the patents researched deal predominantly with trans-disaster (preparedness and response) and post-disaster (reconstruction, rehabilitation) applications. Inventions with trans-disaster applications are: CN102419171, CN105700545, CN101979961, KR101628880, CN204270491 and CN204605622. Inventions with post disaster applications are: CN102419171, CN101979961, KR101628880, RU2350368, CN201672918 and KR20160072425. Only patent CN204270491 anticipates uses for disaster prevention (monitoring and warning of landslides). It should be noted that the present proposal provides for applications of the invention to all three phases of disasters in an integrated manner.
[017] Considerando o resultado geral da busca, verifica-se a inexistência de propriedade intelectual prévia, com aplicação para gestão de desastres, que coincida com a presente proposta. O ineditismo da proposta se evidencia pelos seguintes elementos: a) uso de veículo aéreo não-tripulado de asa fixa, selado, para uso em condições de chuva; b) integração de imagens fotográficas e espectrais para formação de modelo digital de elevação (DEM); c) integração de dados meteorológicos indiretos produzidos por equipamento GPS, dados meteorológicos tradicionais (índice pluviométricos, modelos meteorológicos) e dados hidrológicos para produção de simulação de previsão de vazão eventual; d) preparação de dados para uso público no sistema brasileiro de Defesa Civil.[017] Considering the overall result of the search, there is no prior intellectual property with application for disaster management that coincides with the present proposal. The originality of the proposal is evidenced by the following elements: a) use of unmanned fixed wing, sealed aerial vehicle for use in rainy conditions; b) integration of photographic and spectral images for digital elevation model (DEM) formation; c) integration of indirect meteorological data produced by GPS equipment, traditional meteorological data (rainfall, meteorological models) and hydrological data to produce eventual flow forecast simulation; d) preparation of data for public use in the Brazilian Civil Defense system.
[018] A presente invenção pode ser melhor entendida, e seus aspectos técnicos evidenciados, através da Figura 1 que descreve a obtenção dos dados pelo veículo aéreo não tripulado, o processamento dos dados obtidos e a disponibilização da informação gerada.[018] The present invention can be better understood, and its technical aspects made clear, by Figure 1 describing the data collection by the unmanned aerial vehicle, the processing of the obtained data and the availability of the generated information.
[019] O monitoramento e controle de enchentes é realizado utilizando-se como território o limite de uma microbacia. Através desta unidade de análise é possível traçar um cenário controle, ou seja, um cenário de normalidade, pré-impacto das cheias, em que é possível obter os níveis considerados normais dos cursos de água. A carta controle é obtida com voos regulares do VANT na microbacia. O desenvolvimento dessa carta subsidia a posterior elaboração da carta de cheias, ou seja, permite comparar a situação de normalidade com a situação de enchente.[019] Flood monitoring and control is carried out using the boundary of a watershed as territory. Through this unit of analysis it is possible to draw a control scenario, that is, a normality scenario, pre-impact of the floods, where it is possible to obtain the considered normal levels of the watercourses. The control card is obtained with regular UAV flights in the watershed. The development of this letter subsidizes the subsequent elaboration of the flood chart, that is, it allows to compare the normal situation with the flood situation.
[020] Os voos ocorrem através de um VANT de asa fixa, com estrutura impermeável, selado para voar também em condições adversas de chuva. Sua estrutura permite acoplar três tipos de sensores de captação de dados. O método para monitoramento e controle de enchentes, está estruturado em três principais etapas: 1) Aquisição de dados: em cenário de cheia ou não; 2) Processamento dos dados: nesta etapa os dados são integrados e georeferenciados em um ambiente 3D; 3) Simulação 3D: o processo de simulação 3D para subsidiar o processo de tomada de decisões por meio da combinação de dois tipos de produtos: a) Simulação computacional em 3D das cheias; b) Carta de cheias 3D.[020] The flights take place through a fixed-wing UAV with waterproof structure, sealed to fly also in adverse rain conditions. Its structure allows the coupling of three types of data capture sensors. The method for flood monitoring and control is structured in three main stages: 1) Data acquisition: in flood scenario or not; 2) Data processing: at this stage the data is integrated and georeferenced in a 3D environment; 3) 3D Simulation: the 3D simulation process to support the decision making process by combining two types of products: a) 3D computational simulation of floods; b) 3D flood chart.
[021] Para realizar a aquisição o VANT porta três sensores: a) LiDAR; b) Hiperespectral; c) Multiespectral (RGB). Estará integrada aos dados do VANT uma rede de receptores GPS/GNSS para os ajustes de precisão. Essa rede também fornecerá dados do comportamento da ionosfera que permite aferir os valores do vapor d’água integrado na coluna atmosférica. Por meio destes sensores é possível obter dados sobre uso e ocupação do solo e cobertura espacial das cheias. Para realizar o monitoramento, é traçado um plano de voo para o VANT, capaz de cobrir o território da microbacia. Esse plano de voo é o mesmo nos voos para obter a carta controle e para obter a carta de cheias.[021] To perform the acquisition the UAV carries three sensors: a) LiDAR; b) Hyperspectral; c) Multispectral (RGB). A network of GPS / GNSS receivers for precision adjustments will be integrated into the UAV data. This network will also provide data on the ionosphere behavior that allows the measurement of the water vapor values integrated in the atmospheric column. Through these sensors it is possible to obtain data on land use and occupation and spatial coverage of floods. To carry out the monitoring, a flight plan for the UAV is drawn up, capable of covering the watershed territory. This flight plan is the same on flights to get the control chart and to get the flood chart.
[022] Os dados de entrada do processamento são adquiridos mediante a realização de uma sequência intervalada de voos no tempo(voo tempo a, voo tempo b, voo tempo n). Cada voo resulta em três tipos de arquivos: Arquivo 0X: imagem hiperspectral (.geotif); Arquivo 0Y: imagem multispectral (*.geotif); Arquivo 0Z: Modelo Digital de Elevação (MDE) composto por quatro arquivos (*.aux, *.xml, *.lyr, *.ovr). Estes arquivos são submetidos a dois tipos de processamentos: Proto e Meta Processamento. O Proto processamento é subdividido em duas fases: P01: responsável por abstrair das imagens arquivos com os gabaritos da paisagem (área inundada, construída, vegetação, etc) resultando em arquivos formato *.shp; P02: compila os três arquivos (ΟΧ, 0Y e 0Z) obtidos em cada voo, resultando em novos arquivos nos formatos *.shp, *.aux, *.xml, *.lyr, *.ovr). O Meta Processamentoestá estruturado em duas fases: a) nova compilação (P03): fusão do arquivo resultante do P01, com os arquivos resultantes do P02 gerando novo arquivo compilado (AC); b) simulação: constitui a projeção de cenários de enchente em tempo real com base nos arquivos compilados (ACa, ACb, ACn) produzindo um arquivo de sobreposição (SP) gerando a informação (saída) para a tomada de decisão.Input processing data is acquired by performing an interval sequence of time flights (time flight a, time flight b, time flight n). Each flight results in three file types: File 0X: Hyperspectral Image (.geotif); 0Y file: multispectral image (* .geotif); File 0Z: Digital Elevation Model (MDE) consisting of four files (* .aux, * .xml, * .lyr, * .ovr). These files undergo two types of processing: Proto and Meta Processing. Proto processing is subdivided into two phases: P01: Responsible for abstracting files with landscape templates (flooded area, built up vegetation, etc.) resulting in * .shp format files; Q02: Compiles the three files (ΟΧ, 0Y, and 0Z) obtained on each flight, resulting in new files in the formats * .shp, * .aux, * .xml, * .lyr, * .ovr). The Meta Processing is structured in two phases: a) new compilation (P03): merging the resulting file from P01, with the resulting files from P02 generating a new compiled file (CA); b) simulation: it is the projection of real-time flood scenarios based on compiled files (ACa, ACb, ACn) producing an overlay file (SP) generating the information (output) for decision making.
[023] A última etapa do processo consiste em subsidiar os usuários (defesa civil e indivíduos) com informação sobre o evento de cheia na respectiva microbacia de duas formas distintas: 1) Carta de Cheias: esse produto do processo permite aos usuários compreender a dinâmica histórica dos eventos de cheias, mapeando as áreas atingidas pela cheia em diferentes períodos de ocorrência; 2) Simulação Computacional 3D das cheias: esse produto do processo permite aos usuários elaborar simulações de possíveis eventos de cheias em uma plataforma 3D. Essa plataforma apresenta-se através de um software, que utiliza do Modelo Digital de Elevação (DEM) para apresentar o cenário 3D da microbacia, e consequentemente, elaborar diferentes cenários de cheias.[023] The last step of the process is to provide users (civil defense and individuals) with information about the flood event in their respective watershed in two different ways: 1) Flood Chart: This process product allows users to understand the dynamics history of flood events, mapping flooded areas at different periods of occurrence; 2) 3D Computational Flood Simulation: This process product allows users to simulate potential flood events on a 3D platform. This platform is presented through software that uses the Digital Elevation Model (DEM) to present the 3D scenario of the watershed, and consequently elaborate different flood scenarios.
REIVINDICAÇÕES
Claims (8)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BR102017015268-5A BR102017015268A2 (en) | 2017-07-17 | 2017-07-17 | method for real-time flood monitoring by unmanned aerial vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BR102017015268-5A BR102017015268A2 (en) | 2017-07-17 | 2017-07-17 | method for real-time flood monitoring by unmanned aerial vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
BR102017015268A2 true BR102017015268A2 (en) | 2019-01-29 |
Family
ID=65365460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR102017015268-5A BR102017015268A2 (en) | 2017-07-17 | 2017-07-17 | method for real-time flood monitoring by unmanned aerial vehicle |
Country Status (1)
Country | Link |
---|---|
BR (1) | BR102017015268A2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210420A (en) * | 2019-06-05 | 2019-09-06 | 哈尔滨工业大学 | Classification method based on fusion high spectrum image and DSM data |
CN114112906A (en) * | 2021-10-12 | 2022-03-01 | 中通服咨询设计研究院有限公司 | Water body feature extraction system based on unmanned aerial vehicle low-altitude remote sensing and local topography |
-
2017
- 2017-07-17 BR BR102017015268-5A patent/BR102017015268A2/en not_active Application Discontinuation
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210420A (en) * | 2019-06-05 | 2019-09-06 | 哈尔滨工业大学 | Classification method based on fusion high spectrum image and DSM data |
CN114112906A (en) * | 2021-10-12 | 2022-03-01 | 中通服咨询设计研究院有限公司 | Water body feature extraction system based on unmanned aerial vehicle low-altitude remote sensing and local topography |
CN114112906B (en) * | 2021-10-12 | 2023-11-17 | 中通服咨询设计研究院有限公司 | Water body feature extraction system based on unmanned aerial vehicle low altitude remote sensing and local topography |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Equere et al. | Definition of a new morphological parameter to improve prediction of urban heat island | |
CN105868533B (en) | Based on Internet of Things and the integrated perception of 3S technology river basin water environment and application method | |
Ioannou et al. | Low-cost automatic weather stations in the internet of things | |
MacAlister et al. | Mapping wetlands in the Lower Mekong Basin for wetland resource and conservation management using Landsat ETM images and field survey data | |
Lwin et al. | City geospatial dashboard: IoT and big data analytics for geospatial solutions provider in disaster management | |
US11131790B2 (en) | Method of and system for generating weather forecast | |
Emamifar et al. | Daily mean air temperature estimation from MODIS land surface temperature products based on M5 model tree | |
Jafari et al. | Real-time water level monitoring using live cameras and computer vision techniques | |
Borg Galea et al. | Mediterranean intermittent rivers and ephemeral streams: Challenges in monitoring complexity | |
Ahmad et al. | Flood prediction and disaster risk analysis using GIS based wireless sensor networks, a review | |
McDonald | Drones in urban stormwater management: a review and future perspectives | |
Mallinis et al. | An object-based approach for flood area delineation in a transboundary area using ENVISAT ASAR and LANDSAT TM data | |
Degrossi et al. | Using wireless sensor networks in the sensor web for flood monitoring in Brazil. | |
Tripathy et al. | Global Flood Mapper: a novel Google Earth Engine application for rapid flood mapping using Sentinel-1 SAR | |
Sharma | Monitoring of Drainage System in Urban Using Device Free Localization Neural Networks and Cloud computing | |
Das et al. | Reservoir Assessment Tool 2.0: Stakeholder driven improvements to satellite remote sensing based reservoir monitoring | |
BR102017015268A2 (en) | method for real-time flood monitoring by unmanned aerial vehicle | |
Tew et al. | Urban expansion analysis using Landsat images in Penang, Malaysia | |
Shastry et al. | Using Steady‐State Backwater Analysis to Predict Inundated Area from National Water Model Streamflow Simulations | |
Anh Khoa et al. | Wireless sensor networks and machine learning meet climate change prediction | |
Le Toumelin et al. | Emulating the Adaptation of Wind Fields to Complex Terrain with Deep Learning | |
CN114067245A (en) | Method and system for identifying hidden danger of external environment of railway | |
Acharya et al. | Extraction and modelling of spatio-temporal urban change in kathmandu valley | |
Gomes et al. | Molines-towards a responsive web platform for flood forecasting and risk mitigation | |
Pathirana et al. | Deep learning based flood prediction and relief optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] | ||
B07A | Application suspended after technical examination (opinion) [chapter 7.1 patent gazette] | ||
B07A | Application suspended after technical examination (opinion) [chapter 7.1 patent gazette] | ||
B09B | Patent application refused [chapter 9.2 patent gazette] |