A road´s superficial and transverse drainage is conformed of different types of minor works (OMD) which provide an adequate outlet for the runoff generated by precipitation and, for an OMD to work properly it must be dimensioned due to its expense that comes from a contribution micro watershed. In this area the Digital Elevation Models (DEM) serve as the basis for extracting the drainage patterns and with that delimit the micro watersheds. Unfortunately, when a DEM is generated, imperfections might occur as well within its structure, those imperfections must be corrected, and for that, algorithms such as Fill Depression (FD), Depression Breaching (DB) and Wang & Liu (WL) are used. A 0.5 m DEM was generated from a LiDAR data set from Km 278+000-288+000 on 95D Cuernavaca-Acapulco highway. The before mentioned algorithms were applied. As a result, a tendency was found, the DB algorithm correcting the DEM study case. However, it was found that the performance of all corrective algorithms depends on the scale and extent of the DEM. In addition to this, due to the great detail of the reality provided by the LiDAR data set, a dense runoff network was generated, which affected in having many inaccuracies in the delimitation of the micro-basins due to multiple pour points, turning it counterproductive.
El drenaje superficial y transversal de un camino está compuesto por distintos tipos de obras menores (OMD) que proporcionan una salida adecuada a los escurrimientos generados por la precipitación y para que una OMD funcione adecuadamente debe dimensionarse en función del gasto proveniente de una microcuenca de aportación. En este ámbito, los Modelos Digitales de Elevación (MDE) fungen como base para extraer los patrones de drenaje y con ellos delimitar las microcuencas. Desafortunadamente, cuando se genera un MDE se producen imperfecciones en su estructura que deben ser corregidas y para eso, se usan los algoritmos de pre-procesamiento tales como Fill Depression (FD), Depression Breaching (DB) y Wang&Liu (WL). Se generó un MDE de 0.5 m a partir de una nube de puntos LiDAR de la autopista 95D Cuernavaca–Acapulco km 278+000 – 288+000 al que se le aplicaron los algoritmos anteriormente mencionados. Como resultado, se encontró una tendencia del algoritmo DB de corregir por completo el MDE del caso de estudio. Sin embargo, se determinó que el desempeño de todos los algoritmos de corrección depende de la escala y la extensión del MDE. Adicionalmente, a causa del gran detalle de la realidad que proporcionan los datos LiDAR se generó una red de escurrimientos bastante densa lo que repercutió en tener muchas inexactitudes en la delimitación de las microcuencas debido a las múltiples opciones que se tuvieron para localizar los puntos de salida existentes de cada microcuenca por lo que se tornó contraproducente.
