P. 1
Análisis y Modelamiento - Teoría

Análisis y Modelamiento - Teoría

|Views: 650|Likes:
Publicado porXander Bakker
Teoría del curso de análisis y modelamiento dictado en 2001 para un curso del CIAF, Bogotá, Colombia
Teoría del curso de análisis y modelamiento dictado en 2001 para un curso del CIAF, Bogotá, Colombia

More info:

Categories:Types, Research
Published by: Xander Bakker on Oct 08, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/08/2013

pdf

text

original

Sections

CENTRO INTERAMERICANO DE INVESTIGACIÓN Y DESARROLLO EN INFORMACIÓN GEOGRÁFICA

CIAF

TALLER DE ANÁLISIS Y MODELAMIENTO EN EL FORMATO RASTER - CONCEPTOS -

Xander Bakker y Fabiola Pérez

Santa Fe de Bogotá, (última revisión: febrero 2001)

© Instituto Geográfico Agustín Codazzi, 2001. Todos los derechos comerciales reservados. Prohibido su reproducción para fines no académicos o de investigación.

Contenido:

1 INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 RELACIÓN DE LOS CONCEPTOS PREVIOS CON EL ANÁLISIS Y MODELAMIENTO . 2

3 FUNCIONES DE ANÁLISIS Y MODELAMIENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 3.1 Operaciones de consulta, reclasificación y medición . . . . . . . . . . . . . . . . . . . . . . 8 Consulta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Reclasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 3.2 Operaciones de superposición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.3 Operaciones de vecindad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Funciones de búsqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Funciones de línea en polígono y punto en polígono . . . . . . . . . . . . . . . . . . . . 17 Funciones topográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Polígonos de Thiessen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Interpolación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Generación de isolíneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.4 Operaciones de conectividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Contigüidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Proximidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Esparcimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Optimización de rutas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Intervisibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Iluminación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Vista en perspectiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4 COMPARACIÓN ENTRE FORMATO RASTER Y VECTORIAL PARA EL ANÁLISIS . . . 31

5 MODELOS DIGITALES DEL TERRENO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 5.1 Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 5.2 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.3 La necesidad del modelo raster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.4 Delimitación de cuencas hidrográficas a partir de un MDE . . . . . . . . . . . . . . . . . 36 5.5 Generación de la red de drenajes a partir de un MDE . . . . . . . . . . . . . . . . . . . . . 37 5.6 Clasificación de la red de drenajes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.7 Los MDE hidrológicamente corregidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.8 Clasificación de formas del relieve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

6 MODELAMIENTO CARTOGRÁFICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Tipos de modelamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 6.1 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 6.2 Evaluación del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 6.3 Aplicaciones y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 6.4

7 CRITERIOS BÁSICOS PARA LA TOMA DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . 47 El papel del planificador, investigador y analista . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 7.1

8 INFORMACIÓN GEOGRÁFICA DISTRIBUIDA: LOS SIG EN LINEA . . . . . . . . . . . . . . . 48

Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 Anexo: Calidad de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

1

INTRODUCCIÓN

En este módulo se impartirán los conceptos básicos sobre el análisis y modelamiento (en formato raster) con ejemplos explicativos para las diferentes funciones. Con el desarrollo de una práctica se aplicarán dichos conocimientos. La característica más importante de un Sistema de Información Geográfica (SIG) es la capacidad de análisis y modelamiento de datos. Esta capacidad constituye la mayor diferencia entre un SIG y un sistema para cartografía automatizada. Las funciones para análisis espacial usan los atributos espaciales y no espaciales de la base de datos para responder preguntas sobre el mundo real. (Burrough 1985, Aronoff 1989, Valenzuela 1989) La aplicabilidad de un Sistema de Información Geográfica es básicamente en todos los campos que tienen una componente espacial. Los más comunes son:

Ecología e Impacto Ambiental Recursos Naturales Aplicaciones Forestales Ordenamiento Territorial Transporte Ingeniería Geología y Geomorfología Aplicaciones Socio-Económicas

Riesgos y Amenazas Agricultura Desarrollo Rural y Urbano Recursos Hídricos Generación de Cartografía temática Servicios Públicos Mercadeo

Dentro de un SIG es posible trabajar con los dos tipos de formatos, las diferencias entre un SIG basado en formato RASTER y VECTOR serán explicadas más adelante. Se sugiere al estudiante leer los capítulos 6, 7 y 8 de "Geographic Information Systems: A Management Perspective" por S. Aronoff y los capítulos 5 y 6 de "Principals of Geographical Information Systems for land Resources Assessment" por P. A. Burrough para ampliar los principios que se explicarán en esta asignatura.

©

X. Bakker y F. Pérez

1

Instituto Geográfico Agustín Codazzi. 2001

2

RELACIÓN DE LOS CONCEPTOS PREVIOS CON EL ANÁLISIS Y MODELAMIENTO ESPACIAL

En las asignaturas anteriores se expusieron los fundamentos de un SIG: entrada de datos y bases de datos. También recibieron el análisis y modelamiento en formato vectorial. En ésta se trata de integrar los fundamentos de los SIG con el análisis y modelamiento en formato raster. También se repasarán los aspectos de análisis y modelamiento en formato vectorial. En el siguiente esquema se señalan los principales componentes de un SIG y sus interrelaciones.

Antes de empezar con el análisis espacial, se debe tener bien claro los objetivos del proyecto, analizar los requerimientos de los datos, el nivel de precisión de los mismos y las interrelaciones existentes. El nivel del estudio (escala) es el primer indicativo de la precisión requerida para el manejo de los datos espaciales. Un estudio regional requiere un tipo de precisión diferente a un estudio a nivel de municipio. Generalmente la mayoría de los estudios se realizan con proyectos pilotos. La calidad de los datos implica, por un lado precisión en la ubicación de los datos espaciales, y por otro confiabilidad (suficientes registros históricos y validez de los mismos). (ver anexo). Para los mapas de polígonos, que consistan en varias planchas adyacentes, se recomienda la captura de los segmentos y un mapa de puntos que contenga los nombres de las unidades de mapeo. También se aconseja utilizar nombres comprensivos para la codificación de puntos, segmentos y polígonos. Utilizar nombres comprensivos para los mapas y tablas que se crean y anotar en una libreta los nombres usados.

©

X. Bakker y F. Pérez

2

Instituto Geográfico Agustín Codazzi. 2001

Qué podemos obtener del análisis? Para qué sirve el modelamiento espacial? Por medio del análisis y modelamiento espacial se pueden desarrollar modelos que permitan al usuario la evaluación de diferentes alternativas para solucionar problemas espaciales. Sí se tuviera que hacer este tipo de análisis en forma manual, se gastaría mucho tiempo y el resultado saldría, muy probablemente, menos preciso que el mismo análisis en un SIG. Un SIG es una herramienta (no la solución a un problema) que se puede aplicar efectivamente para hacer un estudio espacial. Otra de las ventajas de los SIG comparada con los métodos tradicionales es la actualización en forma rápida de la información. Se puede realizar esta actividad en forma casi automática (con poca influencia humana) ya que el procedimiento es siempre el mismo; lo único que cambia son las datos de entrada. Algunos ejemplos de diferentes estudios espaciales en que se han aplicado Sistemas de Información Geográfica son los siguientes:

t t

Modelamiento de la disponibilidad de los recursos hidrológicos y su demanda en áreas semi-áridas. (Bocco et al. 1991) Desarrollo de un sistema interactivo de modelación espacial (ISM) como herramienta de fácil uso para planificadores interesados en el manejo sostenible de los recursos naturales, aplicado a la vulnerabilidad de bosque primario en Indonesia y a la competición entre animales salvajes y domésticos por agua y pastos en Kenia. (Toxopeus and Van Wijngaarden 1994, Toxopeus et al. 1994, Bakker et al. 1994, Toxopeus 1996) Determinación de la mejor ruta de distribución de productos de consumo. (Bakker and Rivera, 1995) La subdivisión de una área en zonas con igual susceptibilidad o probabilidad de ocurrencia de movimientos de masa para evaluar amenazas por inestabilidad de pendientes. (Van Westen 1993) El manejo de desastres por incendios de bosque (Tim Walsh, 2000 [URL 9]). Ver gráfico abajo:

t t t

©

X. Bakker y F. Pérez

3

Instituto Geográfico Agustín Codazzi. 2001

t

La simulación de procesos de dispersión y colonización mediante autómatas celulares. (Felicísimo et al. 1999)

Pero también aplicaciones poco usuales han sido adelantadas, lo cual prueba que cualquier problema con un componente espacial puede ser parcialmente o completamente manejado con los SIG:

t

El manejo del movimiento interno en los casinos (Ian Finnimore, 2000 [URL 9])

Dentro de las funciones de análisis de un SIG, Aronoff (1989) las clasifica como se muestra en la tabla 1. En este módulo, el enfoque se centrará en el numeral 3 de la clasificación propuesta por Aronoff.

©

X. Bakker y F. Pérez

4

Instituto Geográfico Agustín Codazzi. 2001

Tabla 1: Funciones de análisis en un SIG (Aronoff 1989) 1 - Mantenimiento y Análisis de Datos Espaciales - Transformaciones de formato - Transformaciones geométricas - Transformaciones entre proyecciones de mapas - "Conflation" (ajuste de datos multitemporales) - "Edge matching" (ajuste de mapas adyacentes) - Edición de elementos gráficos - Eliminación de coordenadas intermedias redundantes

2 - Mantenimiento y Análisis de Datos de Atributos

- Funciones de edición de atributos - Funciones de consulta de atributos

3 - Análisis Integrado de Datos Espaciales y de Atributos

- Consulta/Reclasificación/ Medición

- Consulta - Reclasificación - Medición

- Superposición - Operaciones de Vecindad - Búsqueda - Línea en polígono y puntos en polígono - Funciones topográficos - Polígonos de Thiessen - Interpolación - Generación de isolíneas - Conectividad - Contigüidad - Proximidad - Redes - Esparcimiento - Optimización de rutas - Intervisibilidad - Iluminación - Vista en perspectiva

4 - Salida gráfica

- Anotaciones - Rótulos de textos - Patrón de textura y tipos de líneas - Símbolos gráficos

©

X. Bakker y F. Pérez

5

Instituto Geográfico Agustín Codazzi. 2001

Diferencias entre el formato vectorial y el formato raster Existen dos principales formas de representar información geográfica: el modelo vectorial y el modelo raster. Asimismo, existen dos formatos principales para desarrollar el análisis espacial: el formato vectorial y el formato raster. Gran parte de los diferentes tipos de análisis puede ser desarrollada en ambas formatos. Sin embargo, existen tipos de análisis que son propios; solamente pueden ser efectuadas en uno de los dos formatos. Ambos tipos de formatos tienen sus ventajas y desventajas (ver la tabla 2):
Tabla 2: Diferencias entre los formatos raster y vector Modelo RASTER Modelo VECTORIAL

Ventajas
1. Estructura de datos sencilla. 2. Las operaciones de superposición pueden ser efectuadas sencillamente. 3. Una alta variabilidad espacial puede ser fácilmente representada. 4. El formato raster es requerido para la manipulación, mejoramiento y análisis de imágenes digitales. Puede ser integrado con productos de imágenes satelitales. 5. Tecnología relativamente barata.

Ventajas
1. Es un formato compacto 2. Permite codificar la topología, y así es más eficiente para el análisis que requiere información topológica como el análisis de redes 3. Es un formato que permite tener más precisión en cuanto a los límites. 4. Cambios en proyecciones pueden ser efectuados eficazmente.

Desventajas
1. El formato raster consume por lo general mas espacio en disco. 2. Las relaciones topológicas son difíciles de representar 3. Las salidas gráficas son menos estéticas (pueden salir pixeladas) 4. Cambios en proyección requieren la corrección geométrica (trasladar los pixeles a un nuevo matriz) lo cual es un proceso largo e introduce nuevas imprecisiones.

Desventajas
1. Es un formato mas complejo. 2. Las operaciones de superposición son mas complejas. 3. La representación de superficies con un alto nivel de variabilidad espacial es difícil. 4. La manipulación, mejoramiento y análisis de imágenes digitales no es eficaz. Para integrar con productos de imágenes satelitales se tiene que vectorizar el producto. 5. Tecnología relativamente costosa.

(Aronoff 1989 y Burrough 1985)

©

X. Bakker y F. Pérez

6

Instituto Geográfico Agustín Codazzi. 2001

Diferencia entre los dos formatos para efectuar análisis ARC/INFO (líder en SIG basado en el formato vectorial) destaca varias limitaciones para la representación con - y el análisis en - formato vectorial:
Mientras las coberturas componen el corazón de la base de datos de ARC/INFO, no siempre son la mejor forma para representar y analizar sus datos. Algunos ejemplos para los cuales las coberturas son menos adecuadas son: 

Modelamiento de terreno: Las curvas de nivel son comúnmente usadas para representar la elevación superficial y sub-superficial, pero no son aptas para el análisis de terreno frequentemente usados dentro de los SIG, tales como el análisis de corte y relleno (diseño vial), intervisibilidad, modelamiento de cuencas, calculación de pendientes y aspectos de pendientes y el despliegue en tres dimensiones. Para tal propósito se usan los TIN y grids. Representación de elementos superficiales altamente variables: Los límites de los polígonos implican que las áreas adyacentes sean estrictamente definidas e internamente homogéneas. Sin embargo, muchas características físicas tales como suelos y vegetación varían dentro de la unidad y tienen límites de tipo “fuzzy” (son borrosas / cambian gradualmente). Los límites de polígonos no representan bien las zonas de transición. Por lo tanto se aplican los formatos grid y/o imágenes para representar y analizar estos elementos. Análisis de proximidad: En una cobertura se puede generar un buffer alrededor de los elementos espaciales, se pueden calcular distancias entre múltiples elementos y se puede determinar el elemento más cercano. Sin embargo, no es posible en el formato vectorial generar un mapa con la distancia a varios elementos, aplicando un análisis de conectividad y opcionalmente usando un modelo de gravedad. Análisis rápido: La superposición topológica es una operación espacial fundamental para coberturas. Mientras los resultados son más exactos en comparación a la superposición en formato raster, la detección de intersecciones de arcos y la definición de los nuevos límites y topología requiere mucho tiempo de procesamiento. El modelamiento en formato raster es más rápido debido a que los pixeles (celdas) de los diferentes mapas a superponer ya están ajustados, lo cual implica que no se requiere crear nuevos límites de los pixeles.   

(ESRI 1994)
Tanto el formato vectorial (visto en módulos anteriores) como el formato raster tiene sus propias aplicaciones. El capítulo 4 tiene una comparación entre los dos formatos para cada función de análisis.

©

X. Bakker y F. Pérez

7

Instituto Geográfico Agustín Codazzi. 2001

3

FUNCIONES DE ANÁLISIS Y MODELAMIENTO

Las diferentes funciones de análisis y modelamiento se pueden dividir en cuatro clases, las cuales pueden ser aplicadas tanto a los datos espaciales como a los datos no espaciales; primero: operaciones de consulta, reclasificación y medición, segundo: operaciones de superposición, tercero: operaciones de vecindad y cuarto: operaciones de conectividad. Mediante la combinación de las diferentes funciones las posibilidades de análisis y modelamiento son casi ilimitadas. En los siguientes numerales se describen las cuatro funciones de análisis y modelamiento, con sus respectivas subdivisiones y un ejemplo de las mismas. 3.1 Operaciones de consulta, reclasificación y medición La consulta, reclasificación y medición son funciones de análisis, en las cuales solamente se modifican los atributos. No se hace ningún cambio en la localización de los elementos espaciales y no se crean nuevos elementos espaciales. (Valenzuela 1989)

Consulta Las operaciones de consulta en datos espaciales y no espaciales, involucra la búsqueda, manipulación y recuperación de información útil sin la necesidad de modificar la localización geográfica de objetos o la creación de nuevas entidades espaciales. Las operaciones de consulta incluyen:

La extracción de datos mediante especificaciones geométricas, introduciendo un dominio espacial: punto, línea o área; extracción de todas las entidades espaciales y atributos contenidos total o parcialmente en el dominio.

ejemplo:

Entrada: Plancha de suelos

Resultado: suelos dentro de la área de estudio

Dominio: área de estudio

©

X. Bakker y F. Pérez - 2001

8

Funciones de Análisis y Modelamiento

La extracción de datos mediante condiciones geométricas, introduciendo un dominio espacial y una condición geométrica.

ejemplo:

Extraer información de vegetación en un radio de 10 km alrededor de un pozo:

Mapa de vegetación

Vegetación dentro de un radio de 10 km alrededor del pozo

Ubicación del pozo
En el formato RASTER esta operación será una combinación de un calculo de distancias (Conectividad-proximidad) y consulta.

La extracción de datos mediante especificaciones simbólicas, extraer información introduciendo un nombre propio o la codificación de un atributo.

ejemplo:

Se puede extraer a partir de un mapa de unidades de paisaje, información de pendientes por cada unidad, ya que esta información esta normalmente incorporada en el identificador de las unidades de paisaje.

la extracción de datos mediante condición simbólica o lógica, extraer información de atributos que satisfagan condiciones alfanuméricas con expresiones lógicas (booleana).

©

X. Bakker y F. Pérez - 2001

9

Funciones de Análisis y Modelamiento

ejemplo:

Buscar todas las series de suelos que tengan pH entre 6.5 y 7.5 y textura limoarcillosa:

Suelos

Suelos con pH entre 6.5 y 7.5 y textura limo-arcillosa

Reclasificación La reclasificación de categorías del mapa involucra la re-asignación de valores temáticos a las categorías de un mapa existente como una función del valor inicial, la posición, el tamaño o la forma de la configuración espacial asociada con cada categoría. El análisis de reclasificación se puede hacer en una sola capa o en varias, como parte de un proceso de superposición de capas. La generalización es el proceso de hacer la reclasificación menos detallada combinando clases. Se le utiliza a menudo para reducir el nivel de clasificación enfatizando una característica determinada.

ejemplo 1:

Se puede clasificar un mapa que contiene zonas residenciales (R), zonas industriales (I), bosque (B) y zonas agrícolas (A) en un mapa de dos clases: URBANO (residencias / industria) y RURAL (bosque / agricultura).

B I R I URBANO

B

A

A

RURAL

©

X. Bakker y F. Pérez - 2001

10

Funciones de Análisis y Modelamiento

ejemplo 2:

Clasificar pendientes según el método de la FAO:

0-3% 3-7% 7-12% 12-25% 25-50% 50-75% >75%

Datos: CVC - Cuenca Tulua-Morales,

Proyecto SIGPAFC asesorado por X. Bakker, HeRindser LTDA

©

X. Bakker y F. Pérez - 2001

11

Funciones de Análisis y Modelamiento

Medición Las mediciones de datos espaciales involucran el cálculo de distancias entre puntos, longitud de líneas, superficie y perímetro de polígonos y volúmenes. Mediciones entre puntos incluyen distancias de punto a punto, línea a polígono, enumeración del número total de puntos y también la enumeración de puntos que se encuentran en un polígono. (Valenzuela 1989)

ejemplo 1: Distancia entre línea y polígono

Longitud de una línea

Distancia entre punto y línea

Área de un polígono Distancia entre punto y polígono Distancia entre 2 puntos

Perímetro de un polígono

ejemplo 2:

Encontrar aquellas áreas forestales con una superficie mayor de 200 km2 aptas para zonas de conservación. Encontrar los aeropuertos con una distancia intermedia menor de 10 km, para determinar cuales podrían ser redundantes.

ejemplo 3:

Las operaciones de medición en los SIG basados en la estructura RASTER son más complejas e incluyen operaciones de vecindad y conectividad (contigüidad y proximidad).

©

X. Bakker y F. Pérez - 2001

12

Funciones de Análisis y Modelamiento

3.2 Operaciones de superposición La superposición de mapas crea un mapa nuevo donde los valores asignados a cada nueva localización son calculados como una función de valores independientes asociados a los mapas previos. Además de crear nuevos polígonos basados en la superposición de capas múltiples, estos polígonos tienen múltiples atributos, esto es, los atributos que han sido dados a cada una de las capas antes de que ocurriera la superposición. (Valenzuela 1989).

3
Capa 1 Operación sumar (+)

2
Capa 2

5
Capa resultado

Forma como se hace una superposición en formato RASTER. La ubicación de las celdas y el tamaño de las celdas tienen que ser iguales para poder hacer una superposición, por esta misma razón no se crean nuevos límites. (Aronoff 1989)

3

Forma como funciona una superposición en formato VECTOR. En este caso se tienen que definir nuevos límites, creando nodos en las intersecciones. Esta operación gasta bastante tiempo ya que es más compleja que en formato RASTER.

Capa 1

2 Capa 2

3 Capa resultado

5

2

©

X. Bakker y F. Pérez - 2001

13

Funciones de Análisis y Modelamiento

Las operaciones de superposiciones lógicas, aritméticas y condicional, son parte de todo SIG. Las operaciones aritméticas incluyen operaciones como adición, resta, multiplicación, división y otras como: MOD, DIV, EXP, SQRT, LOG, SIN, COS, TAN, etc, de cada valor de una capa por el valor en la localización correspondiente de la segunda capa. Ejemplo: Índice de vegetación verde (normalizado a un rango 0-255):

IVV

(XS3 XS2) 127128 (XS3  XS2)

Normalmente se escribe: IVV = (XS3-XS2)/(XS3+XS2)*127+128 La superposición lógica involucra el encontrar aquellas áreas donde un juego determinado de condiciones ocurren (o no ocurren) en forma conjunta (utilizando AND, OR, XOR, NOT). Por ejemplo: áreas óptimas para propósitos recreativos se pueden definir como aquellas áreas de bosque con topografía ondulada, suelos bien drenados y no agrícolas. Si el uso de la tierra, formas del terreno, y suelos están almacenados en capas separadas en la base de datos, entonces una operación de superposición lógica puede ser usada para identificar las áreas donde estas condiciones ocurren.

La siguiente tabla muestra las diferentes posibilidades de los conectores lógicos. A 1 1 0 0 B 1 0 1 0 NOT A 0 0 1 1 A AND B 1 0 0 0 A OR B 1 1 1 0 A XOR B 0 1 1 0

Donde "0" significa falso y "1" significa verdadero. (Burrough 1985)

©

X. Bakker y F. Pérez - 2001

14

Funciones de Análisis y Modelamiento

A

B

A

B

A AND B

A AND (NOT B)

A

B

A

B

A OR B

A XOR B

A

B

A

B

C (A AND B) OR C

C A AND (B OR C)

El diagrama de Venn muestra el resultado de combinar con operaciones lógicas Booleanas dos o más capas. En cada caso la parte achurada muestra la parte "verdadera". (Burrough 1985) La superposición condicional verifica una condición y hace una cosa cuando es verdadera y otra cosa en caso contrario. Una superposición condicional puede hacer uso de operadores aritméticos y lógicos y otros operadores como: < (menor), (menor igual), =(igual), (mayor igual), >(mayor). IF(condición,acción 1,acción 2) Sí la condición es verdadero se hará la acción 1 y en caso contrario se ejecutará la acción 2. La mayoría de los SIG permite anidar condiciones: IF(condición 1,IF(condición 2,acción 1,acción 2),acción 3) La acción 1 se hará cuando se cumplen ambas condiciones; la acción 2 se hará si solamente se cumpla la condición 1; la acción 3 se hará si no se cumpla la condición 1. Los modelos vector y raster difieren considerablemente en la manera como estas operaciones son realizadas. Las operaciones de superposición son usualmente ejecutadas más efectivamente en formato raster.

©

X. Bakker y F. Pérez - 2001

15

Funciones de Análisis y Modelamiento

3.3 Operaciones de vecindad La caracterización de vecindades cartográficas involucra la creación de un nuevo mapa basado en "ventanas móviles" de puntos vecinos alrededor de localizaciones seleccionadas. Cada función de vecindad requiere que se especifique por lo menos tres parámetros; uno o más objetos, la especificación de la vecindad alrededor de los objetos y la función que se ejecutará a los elementos dentro de la vecindad. Existen 6 tipos de operaciones de vecindad en los Sistemas de Información Geográfica, pero los más frecuentes son funciones de búsqueda, topográficas e interpolación. (Aronoff 1989, Valenzuela 1989)

Funciones de búsqueda Las funciones de búsqueda asignan un valor a cada objeto de acuerdo a alguna característica de su vecindad. El área de búsqueda es usualmente cuadrada, rectangular o circular con un tamaño seleccionado por el usuario. Estas funciones son de dos clases: aquellas que operan con datos numéricos y las que son utilizadas con datos o variables temáticas. Funciones típicas con datos numéricos son funciones de agregación como el total, promedio, media, mínimo, máximo y estadísticas tales como la moda, número de clases diferentes y frecuencias. (Aronoff 1989, Valenzuela 1989)
Por ejemplo: mediante operaciones de vecindad se puede calcular el número de hidrantes dentro de un radio de 5 km de una estación de bomberos. En este caso el objeto es la estación de bomberos, la especificación de la vecindad es el radio de 5 km y la función es el conteo de los hidrantes dentro este radio. (Aronoff 1989)

ejemplo:

Filtro promedio 3x3 en formato RASTER

1 2 4 1 3

6 7 5 2 4

8 6 3 9 5

5 3 8 7 4

2 6 9 5 2

3.0 5.0 6.0 5.0 3.7 3.6 4.7 5.7 5.6 5.6 3.1 4.3 5.6 6.2 6.4 3.0 4.0 5.2 5.8 5.7 2.7 4.0 4.9 4.8 3.7

Mapa de entrada

Mapa de salida

©

X. Bakker y F. Pérez - 2001

16

Funciones de Análisis y Modelamiento

Funciones de línea en polígono y punto en polígono Dentro de un SIG basado en formato VECTOR esta función es un tipo de búsqueda especializada. En un SIG basado en formato RASTER esta operación es básicamente una operación de superposición.

P3 P1 Límite de la ciudad

P2

La figura muestra un mapa con tres vías que cruzan la ciudad y tres talleres de vehículos P1, P2 y P3. Los puntos negros son las arcos que definen las vías. Para verificar sí las vías cruzan la ciudad no se puede hacer utilizando solamente las arcos. La vía más a la derecha no tiene arcos dentro de la ciudad pero sí cruza la ciudad. (Aronoff 1989)

©

X. Bakker y F. Pérez - 2001

17

Funciones de Análisis y Modelamiento

Funciones topográficas Las funciones topográficas son usadas para calcular valores que describen la topografía de un área. Las transformaciones más comunes trabajan con datos de elevación y con el aspecto (dirección que tiene la pendiente máxima). La pendiente máxima se llama gradiente. (Aronoff 1989, Valenzuela 1989)

ejemplo 1:

Mapa de pendientes, municipio de Úmbita y alrededores, (Boyacá).

plano

muy inclinado

ejemplo 2:

Mapa de aspectos de las pendientes, municipio de Úmbita y alrededores, (Boyacá).

90°

180°

270°

©

X. Bakker y F. Pérez - 2001

18

Funciones de Análisis y Modelamiento

Polígonos de Thiessen Los polígonos de Thiessen (o "polígonos Voronoi") definen áreas individuales de influencia por cada punto de un conjunto de puntos. Es una manera de extender información puntual asumiendo que la mejor información, para ubicaciones sin observaciones, es el valor del punto más cercano. (Aronoff 1989)

Ejemplo 1:

Polígonos de Thiessen a partir de un conjunto de puntos (Aronoff 1989).

A B D E G H F C

A B D E G H F C

Ejemplo 2:

Polígonos de Thiessen calculados sobre una superficie compleja mediante una operación de esparcimiento. (Datos: CVC, Cuenca Tulua-Morales, Proyecto SIGPAFC, asesorado por X. Bakker, HeRindser LTDA)

condiciones de esparcimiento

©

X. Bakker y F. Pérez - 2001

19

Funciones de Análisis y Modelamiento

Interpolación Es el procedimiento de estimar los valores de propiedades en sitios no muestreados dentro de un área cubierta por valores conocidos en localidades vecinas. El estimar los valores de propiedades en lugares fuera del área cubierta por observaciones se llama extrapolación. La calidad de la interpolación depende de la confiabilidad, certeza, número y distribución de los puntos conocidos usados en el cálculo y en la precisión del modelamiento de la función utilizada. Los valores desconocidos son calculados con esta función. El escoger el modelo apropiado, es esencial para obtener buenos resultados. (Valenzuela 1989, Aronoff 1989)

1 2 2

3

4

6

1 1

2 2 2 2 2 2

3 3 3 3 3 3

4 4 4 4 4 4

5 5 5 5 5 5

6 6 6 6 6 6

4

5

1 1

1

3 4

6

1 1

Valores conocidos

Valores interpolados

Normalmente se recomienda un mayor número de puntos (incluyendo partes fuera del área de estudio) para evitar errores durante la interpolación. Ver ejemplo de la página siguiente. En este ejemplo, se incluyeron puntos fuera del área de estudio, para asegurar la calidad de la interpolación dentro del área de estudio. Algunos programas evitan estos errores por medio de cálculos de extrapolación.

©

X. Bakker y F. Pérez - 2001

20

Funciones de Análisis y Modelamiento

Ejemplo:

Interpolación de puntos (promedio móvil, distancia máxima 50 km, función de ponderación en relación con la distancia d: 1/d2.5-1) con información de precipitación en el área de estudio de la Bioreserva Amboseli, Kenia.

Los puntos incluidos para la interpolación también están ubicados fuera el área de estudio, para evitar que las errores de interpolación ocurran dentro del área de interés. Posteriormente se recortó el área útil.
©

X. Bakker y F. Pérez - 2001

21

Funciones de Análisis y Modelamiento

Generación de isolíneas Son líneas que conectan puntos del mismo valor que indican una misma característica de superficie. Las curvas de nivel son la aplicación más común, en donde los puntos representan la misma elevación. Las isoyetas son otra aplicación en que las líneas representan puntos con la misma información pluviométrica.

Ejemplo 1:

Generación de curvas de nivel y vistas tridimensionales. (Aronoff 1989)

©

X. Bakker y F. Pérez - 2001

22

Funciones de Análisis y Modelamiento

3.4 Operaciones de conectividad Las operaciones de conectividad son funciones que acumulan valores sobre el área que se atraviesa. Se requiere que uno o más atributos sean evaluados y un recorrido acumulado esté incluido en el próximo paso. El recorrido acumulado puede ser cuantitativo, como la distancia acumulada viajando, o el tiempo acumulado viajando. También puede ser cualitativo, como por ejemplo si un punto todavía es visible. Todas las funciones de conectividad tienen incluida lo siguiente: una especificación de como son interconectados los elementos espaciales, las reglas que especifican el movimiento permitido por medio de estos interconectores y la unidad de medida. Considere, por ejemplo, una función de conectividad para viajar por medio de vías dentro de una ciudad. Una calle puede ser utilizada para definir la manera como están interconectados los elementos espaciales (calles, carreras, etc). Las reglas de movimiento pueden incluir velocidad máxima y la dirección en que uno puede viajar (contravía). La unidad de medida puede ser distancia (metros) o tiempo (segundos). Para encontrar la distancia (por medio de las calles) desde un origen hasta un destino, se tiene que definir la ruta y consecutivamente sumar las distancias individuales de los segmentos incluidos en la ruta. Este problema es mucho más complejo comparándolo con funciones de medición, con la cual se puede determinar la distancia utilizando un cálculo con la ubicación del origen y el destino solamente:

Distancia

(Xorigen Xdestino)2  (Yorigen Ydestino)2

Las funciones de conectividad se agrupan en: contigüidad, proximidad, redes, esparcimiento, optimización de rutas, intervisibilidad, iluminación y vistas en perspectiva. (Aronoff 1989)

Contigüidad Las medidas de contigüidad evalúan las características de las unidades espaciales que se encuentran conectadas. Una área contigua consiste en un grupo de unidades espaciales que comparten una o más características específicas y forman una unidad. (Valenzuela 1989, Aronoff 1989)
Las medidas de contigüidad comunes son: el tamaño de las áreas contiguas y la línea recta o más larga a través de un área. Ejemplo 1: Áreas contiguas. El área de 1's (unos) 2 4 6 8 2 5 1 1 3 5 4 6 3 1 2 2 3 8 2 1 1 1 4 7 1 1 8 2 1 1 7 8 Sí la contigüidad es solamente aceptada la forma lado-lado, entonces los 1's (unos) conformarían dos áreas contiguas. una sola área contigua si el punto esquina - esquina se acepta.

Formato RASTER

©

X. Bakker y F. Pérez - 2001

23

Funciones de Análisis y Modelamiento

Ejemplo 2:

El parque, el campo y una zona avícola son consideradas como áreas verdes contiguas. La vía que atraviesa esta área contigua es considerada un vacío permitido.

Proximidad La proximidad es una medida de la distancia entre objetos. Cuatro parámetros se especifican para medir en proximidad: la localización del objeto, una unidad de medición, una función para calcular la proximidad (ejemplo, distancia euclidiana, tiempo de viaje, costos de viaje) y el área a analizarse. Una zona buffer constituye un resultado de un análisis de proximidad. (Aronoff 1989)

Ejemplo:

Mapa buffer de 500 m a partir de infraestructura vial.

©

X. Bakker y F. Pérez - 2001

24

Funciones de Análisis y Modelamiento

Redes Las funciones de redes son comúnmente usadas para mover recursos de una localidad a otra. El análisis de redes usualmente involucra cuatro componentes: un conjunto de recursos ( bienes a ser entregados por ejemplo), una o más localizaciones donde los recursos están ubicados, un destino y un conjunto de restricciones. (Valenzuela 1989, Aronoff 1989)
En los SIG se utiliza un análisis de redes para predecir transporte de agua y sedimentos en un sistema fluvial, optimización de rutas como horario de aerolíneas o recolección de basuras.

Ejemplo:

Ordenamiento de la red de drenajes en una parte de la cuenca Tulua-Morales (CVC). Los drenajes de menor caudal tienen orden 1, cuando dos drenajes de orden 1 se unen, resulta orden 2, orden 2 más orden 2 resulta en orden 3, etc.

Esparcimiento Las funciones de esparcimiento tienen características de proximidad y redes. Una función de esparcimiento evalúa fenómenos que se acumulan con la distancia. Se utilizan para evaluar tiempo o costo de transporte sobre una superficie compleja. Los movimientos pueden ser limitados por barreras parciales que reducen la velocidad de movimiento o por barreras absolutas que impiden completamente el movimiento. (Valenzuela 1989, Aronoff 1989)

©

X. Bakker y F. Pérez - 2001

25

Funciones de Análisis y Modelamiento

Ejemplo 1:

Mapa de tiempos de viaje basado en infraestructura, vegetación, drenajes y pendientes (Cibodas, Indonesia) (Toxopeus and Bakker 1993)

Origen

± 6 horas

Ejemplo 2:

Mapa de tiempos de viaje a partir de las escuelas en la Cuenca Tulua-Morales, (Datos: CVC, Cuenca Tulua-Morales, Proyecto SIGPAFC, asesorado por X. Bakker, HeRindser LTDA)

Escuelas ( )

N

± 2 horas
©

X. Bakker y F. Pérez - 2001

26

Funciones de Análisis y Modelamiento

Optimización de rutas La optimización de rutas es una búsqueda paso por paso desde un punto de origen utilizando una regla de decisión. El movimiento se repite hasta que la regla de decisión sea violada. El resultado de esta operación es la ruta óptima para llegar al destino. Se pueden aplicar estos tipos de búsquedas a un modelo digital de elevación, determinando el flujo del agua. La regla que se aplica en este caso es buscar desde el punto de origen el punto vecino con la elevación más baja. Esta operación se repite hasta llegar al limite de un mapa o cuando se llega a una depresión local (todos los vecinos tienen alturas más elevadas). (Aronoff 1989)
4.8 4 4.8 4.2 4.8 5.8

2.8

2

2.8

3.4

4.4

5.4

2

0

2

3

4

5

A
2.8 2 2.8 3.4 4.4 5.4

4.8

4

4.8

4.2

4.8

5.8

B
Optimización de la ruta entre A y B; primero se hizo un cálculo de distancias a partir de A, después se definió B como punto de origen, y determinando el vecino con la distancia más baja se generó la ruta óptima entre A y B.

Ejemplo:

Ruta óptima, desde unos puntos de interés hasta el puesto de salud más cercano. (Datos: CVC, Cuenca Tulua-Morales, análisis X. Bakker)

©

X. Bakker y F. Pérez - 2001

27

Funciones de Análisis y Modelamiento

Intervisibilidad Intervisibilidad ("viewshed modelling") es una operación acumulativa. Un "viewshed" es el área que se puede ver desde uno o más puntos de origen. Funciones de intervisibilidad son aplicadas para determinar la ubicación de antenas (aplicaciones en comunicaciones), determinar el impacto visual construcciones (aplicaciones ambientales) y para determinar el área que el enemigo puede ver desde sus puntos de observación (aplicaciones militares). Las funciones de intervisibilidad usan los modelos digitales de elevación para definir la topografía de los alrededores. También se debería incluir información sobre los obstáculos (tales como edificios, postes, etc). (Aronoff 1989)

Ejemplo:

350 msnm.

3000 msnm.

Determinación del impacto visual de los postes principales de una línea de alto voltaje, (Cibodas, Indonesia). En la figura se muestra el modelo digital de elevación. Los tres postes principales están indicados con los puntos negros.

E l r e s ultado del impacto visual esta desp legado a la derecha. Las líneas indican la dirección donde es visible el poste. Donde la línea esta interrumpida no se puede ver el poste. También está desplegado el limite del área de estudio.

Programa desarrollado por X. Bakker.

©

X. Bakker y F. Pérez - 2001

28

Funciones de Análisis y Modelamiento

Iluminación Las funciones de iluminación proyectan un tipo de iluminación artificial sobre un terreno tridimensional. Los tres factores que determinan la iluminación son: la posición de la luz, la topografía y la posición o dirección como se está viendo el modelo.

Ejemplo 1:

Modelo de sombras del Municipio de Úmbita, (Boyacá, Colombia). El punto de iluminación esta ubicado en la esquina superior izquierda.

Detalle de la cuenca Tulua - Morales. Las diferentes intensidades de gris pueden ser convertidas en diferentes tonos de amarillo, café, verde, etc, para visualizar mejor las usos sobre un modelo de sombras.

(X. Bakker)

©

X. Bakker y F. Pérez - 2001

29

Funciones de Análisis y Modelamiento

Vista en perspectiva Una superficie proyectada desde un punto de vista diferente al vertical se llama vista en perspectiva. La vista en perspectiva es principalmente una herramienta de presentación. En una vista tridimensional se puede exagerar la altura vertical para acentuar la topografía. Muchos programas ofrecen la posibilidad de sobreponer un mapa temático o imágenes de satélite sobre una vista tridimensional.

Ejemplo 1:

Vista tridimensional de una composición a color TM 453 (RGB), ciudad de Cochabamba, Bolivia. (X. Bakker, HeRindser LTDA)

©

X. Bakker y F. Pérez - 2001

30

Funciones de Análisis y Modelamiento

4

COMPARACIÓN ENTRE FORMATO RASTER Y VECTORIAL PARA EL ANÁLISIS

La tabla 3 contiene una evaluación para determinar cual formato es mas apto para efectuar cada una de las funciones de análisis, utilizando como base la clasificación de funciones de análisis propuesta por Aronoff (1989): Tabla 3: Comparación de la utilidad de los formatos raster y vector para efectuar análisis. Función de análisis
Consulta

Modelo Raster
La consulta por medio de especificaciones geométricas es en verdad una superposición. La consulta por medio de condiciones geométricas incluye funciones de proximidad y superposición. La consulta por medio de especificaciones simbólicas por lo general requiere una operación de reclasificación de los atributos almacenados en una tabla, y luego asignarlos generando un nuevo mapa. La reclasificación es fácil de efectuar. Las funciones de medición son en verdad funciones de proximidad. La superposición en formato raster es muy eficaz. La búsqueda en formato raster se hace por medio de filtros. Los filtros solamente puede ser aplicadas en formato raster. De otro lado para efectuar una búsqueda estadística de elementos dentro de un radio, se requiere funciones de proximidad y superposición.

Modelo Vectorial
La consulta por medio de especificaciones geométricas es fácil. La consulta por medio de condiciones geométricas es fácil.

La consulta por medio de especificaciones simbólicas es fácil.

VECTOR Reclasificación RASTER Y VECTOR Medición VECTOR Superposición RASTER Búsqueda

La reclasificación es fácil de efectuar. Las funciones de medición se hacen mejor en formato vectorial. La superposición es una operación compleja en formato vectorial. La búsqueda en formato vectorial es bastante eficaz. Sin embargo, no se permite aplicar filtros en el formato vectorial.

1 RASTER / 2 VECTOR

©

X. Bakker y F. Pérez - 2001

31

Comparación entre Raster y Vector

Función de análisis
Línea en polígono y puntos en polígono VECTOR Funciones topográficos 1 RASTER / 2 VECTOR Polígonos de Thiessen

Modelo Raster
En el formato raster es una superposición.

Modelo Vectorial
En formato vectorial es una búsqueda especializada.

El formato raster puede generar fácilmente los productos topográficos. En formato raster se puede generar polígonos de Thiessen sobre superficies continuas (tiempos de viajar, costos, etc) y no solo con base en equidistancia. El formato raster permite interpolar diferentes tipos de información.

El formato vectorial, únicamente puede generar estos productos si cuenta con el formato TIN (Triangular Irregular Networks). El formato vectorial solamente permite la generación de polígonos de Thiessen con base en equidistancia.

1 RASTER / 2 VECTOR Interpolación
El formato vectorial permite la interpolación generando el subformato TIN (Triangular Irregular Networks) con base en curvas o cotas. El formato vectorial puede utilizar el formato TIN o cotas de altura para generar las isolíneas.

1 RASTER / 2 VECTOR Generación de isolíneas 1 VECTOR / 2 RASTER Contigüidad
El formato raster utiliza una interpolación del modelo digital de elevación en nivel sub-pixel para generar confiablemente las isolíneas. La contigüidad únicamente puede ser establecida a nivel de pixel con conectividad de 4 o 8 pixeles.

La contigüidad puede ser determinado de forma más exacta en formato vectorial, debido a que se usa límites exactos y elementos angostos (vías, drenajes) pueden ser incluidos o excluidos en esta operación. El formato vectorial ofrece herramientas para determinar rápida y precisamente un mapa de proximidad. El formato vectorial es el formato indicado para elaborar análisis de redes. No se puede efectuar análisis de esparcimiento con el formato vectorial.

1 VECTOR / 2 RASTER Proximidad
En raster se puede generar un mapa de proximidad, pero usando dos pasos: determinar distancias (mapa de superficie continua) y luego reclasificarlo. Puesto que el formato raster no contiene información topológica no se puede efectuar de forma eficaz el análisis de redes. La operaciones de esparcimiento solamente pueden ser efectuadas con el formato raster.

VECTOR Redes VECTOR Esparcimiento RASTER
©

X. Bakker y F. Pérez - 2001

32

Comparación entre Raster y Vector

Función de análisis
Optimización de rutas

Modelo Raster
La optimización de rutas en formato raster es más lento que en formato vectorial. Sin embargo, el formato raster permite usar los resultados de las funciones de esparcimiento para esta función y el formato vector no permite esto. Los “viewshed” (áreas visibles desde un punto) son más fáciles de generar en el formato raster. Las funciones de iluminación son más fáciles de generar en el formato raster. Las funciones de vista en perspectiva son más fáciles de generar en el formato raster.

Modelo Vectorial
La optimización de rutas en el formato vectorial utiliza las redes. Para determinar rutas óptimas sobre mallas viales es necesario el formato vectorial.

RASTER Y VECTOR Intervisibilidad RASTER Y VECTOR Iluminación 1 RASTER / 2 VECTOR Vista en perspectiva 1 RASTER / 2 VECTOR

Las líneas de vista son más fáciles de generar en el formato vectorial. La iluminación únicamente puede ser realizada con base en el formato TIN. Las vistas en perspectiva únicamente puede ser realizadas con base en el formato TIN.

Conclusiones Aunque el formato raster no puede efectuar directamente varias de las funciones de análisis, por medio de combinar otras funciones se puede llegar al mismo resultado. El formato vectorial permite efectuar la gran mayoría de las funciones y es obligatorio para el análisis de redes. Para los análisis que requieren funciones de esparcimiento es indispensable el formato raster.

©

X. Bakker y F. Pérez - 2001

33

Comparación entre Raster y Vector

5 MODELOS DIGITALES DEL TERRENO Los Modelos Digitales del Terreno (MDT) son modelos que describen características específicas del terreno. La mayoría de los MDT únicamente pueden ser manejados en el formato raster. El modelo central en este tipo de aplicaciones y la base para la obtención de los MDT es el Modelo Digital de Elevación (MDE).

5.1 Definiciones Es necesario aclarar algunos conceptos acerca los Modelos Digitales de Elevación (MDE). En gran parte de la literatura y los software (Clark University 1997, ESRI 1997, Aronoff 1989 ), los MDT hacen referencia a los modelos que contienen información acerca de la altura sobre el nivel del mar y así tienen el mismo significativo que los MDE: 

Modelos Digitales de Elevación (MDE) es un término que hace referencia a una imagen que almacena datos que pueden ser interpretados como altura de una superficie. Aunque la estructura de los pixeles divide la superficie en celdas del mismo tamaño, la información supone ser una superficie continua. Un caso especial son los MDT (Modelos Digitales del Terreno), donde la altura hace referencia a la altura sobre el nivel del mar. (Clark University, 1997) Un Modelo Digital de Elevación es una representación digital de una variable de valores z (altura) sobre una superficie bi-dimensional de celdas regulares georeferenciadas a un sistema de coordenadas común. Los Modelos Digitales de Elevación son usados para representar el relieve del terreno. También son llamados Modelos Digitales de Terreno (MDT). (ESRI, 1997) Modelos Digitales de Elevación (MDE), Modelos Digitales del Terreno (MDT), Datos Digitales del Terreno (DDT) y Datos Digitales de Elevación del Terreno (DDET) son términos desarrollados para referirse a la elevación digital y sus derivados. (Aronoff 1989).  

Sin embargo, es importante notar que existe una gran diferencia entre los MDE y los MDT; la elevación hace parte del terreno, pero el terreno es un término más amplio. El terreno puede incluir la altura, las pendientes, los aspectos de pendientes, dirección de flujo, acumulación de flujo, etc. mientras los MDE únicamente hacen referencia a la altura. Los MDT pueden ser interpretados como los productos de los MDE, incluyendo el mismo MDE. Los MDT por lo tanto tienen como objetivo caracterizar el terreno en todos sus aspectos (Burrough 1985, Felicísimo 1994). 

Cualquier superficie digital de la variación continua del relieve sobre un espacio se conoce como Modelo Digital del Elevación (MDE). El término Modelo Digital del Terreno (MDT) es un término comúnmente usado. Puesto que el término terreno es mas amplio que elevación, se recomienda usar los MDE únicamente cuando se hace referencia a altura. (Burrough 1985)

©

X. Bakker y F. Pérez - 2001

34

Modelos Digitales del Terreno (MDT) 

Felicísimo menciona que los modelos digitales del terreno se han definido como un conjunto de datos numéricos que describe la distribución espacial de una característica del territorio. Un modelo digital de elevaciones (MDE) se define como una estructura numérica de datos que representa la distribución espacial de la altitud de la superficie del terreno. Un MDT es una estructura numérica de datos que representa la distribución espacial de una variable cuantitativa y continua. (Felicísimo 1994)

5.2 Aplicaciones Los MDE y los MDT son usados para muchas aplicaciones. Por medio de ellos se puede determinar aspectos de intervisibilidad (aplicaciones militares, telecomunicaciones y aplicaciones ambientales), resolver problemas de corte y relleno (diseño de vías), delimitar cuencas, determinar escorrentía, modelar inundaciones, estimar erosión, analizar el flujo potencial de lava, predecir zonas de saturación, evaluar el riesgo de incendio, elaborar modelos de reflectancia, etc. (Aronoff 1989, Bakker y Pérez 1999, Burrough 1985, Felicísimo 1994, Westen 1993). Dentro de este curso no se puede tratar todas las aplicaciones de los MDT. Únicamente serán tratadas las que tengan relación con la extracción de características hidrológicas y la clasificación de formas del relieve.

5.3 La necesidad del modelo raster Es importante entender que para generar un MDT se requiere hacer un análisis en el formato raster. Aunque el análisis de redes es un análisis propio del formato vectorial, la delimitación de drenajes (análisis de redes) por medio de un MDE es un análisis en el formato raster. La mayoría de los SIG ofrecen su capacidad de análisis en un solo formato (vector o raster). El flujo sobre una superficie siempre será en la dirección de la pendiente máxima decendiente. Una vez determinado la dirección de flujo para cada celda, es posible determinar cual y cuantas celdas fluyen hacia una celda determinada. Esta información puede ser usada para determinar los límites de las cuencas y definir la red de drenajes. La siguiente gráfica muestra el proceso de extraer información hidrológica de un MDE mediante el módulo GRID de Arc/info.

©

X. Bakker y F. Pérez - 2001

35

Modelos Digitales del Terreno (MDT)

(ESRI 1997)

5.4 Delimitación de cuencas hidrográficas a partir de un MDE Gran parte de los SIG comerciales ofrecen capacidades para delimitar cuencas hidrográficas. Aunque los procesos son distintos para cada paquete, la metodología es la misma. La delimitación de cuencas se basa en una operación de conectividad, donde desde las desembocaduras de los ríos se empiezan a incluir aquellas celdas que fluyen hacia la desembocadura. Luego desde las nuevas celdas que fueron incluidas en el paso anterior se evalúan los vecinos y la repetición de este proceso tiene como resultado la inclusión de los pixeles hasta llegar a las lineas divisorias de las cuencas.

Adaptación del MDE El primer paso es la adaptación del MDE. Normalmente, los MDE tienen pequeñas depresiones o pozos (en ingles “pits” o “depressions”). Estos pueden haber sido introducidos debido al proceso de interpolación usado para la generación del MDE. Al no corregirlos, la delimitación de las cuencas puede terminar antes, puesto que la depresión tiene vecinos con todo un valor de altura mayor al la altura de la depresión.

©

X. Bakker y F. Pérez - 2001

36

Modelos Digitales del Terreno (MDT)

En la realidad estas depresiones, en caso que cada celda obtenga una igual cantidad de agua (sin infiltración), serán llenadas con agua y luego el flujo seguirá su camino hasta llegar a la desembocadura. Puesto que la mayoría de los SIG durante la delimitación de las cuencas no incluyen la posibilidad de llenar estas depresiones, estas deben ser corregidas antes, obteniendo así un MDE hidrológicamente corregido. (Clark University 1997, ESRI 1997, Felicísimo 1994, Gorte 1994, ILWIS 1997, PCI Geomatics 1998)

Creación de una matriz de dirección de flujo Se supone que el agua en cualquier celda fluye hacia alguna de sus 8 vecinas. Una matriz de dirección de flujo contiene para cada celda la indicación numérica que representa hacia cual celda fluye el agua. Véase el siguiente gráfico con las indicaciones numéricas de la dirección de flujo utilizados en diferentes paquetes comerciales (ESRI 1997, ILWIS 1997, PCI Geomatics 1997):
64 32 16 128 x 8 1 2 4 1 4 7 2 5 8 ILWIS 3 6 9 32 16 8 4 Arc/Info GRID 64 128 1 2

Easi/Pace

Delimitación de las cuencas Una vez que se establece la matriz de dirección de flujo se puede delimitar por medio de una operación de conectividad las cuencas. Desde una desembocadura se evalúan los vecinos y se incluyen aquellos pixeles que tienen una dirección de flujo hacia la desembocadura. A partir de los nuevos pixeles se evalúan los pixeles vecinos y este proceso se repite hasta llegar a la linea divisoria. Los pixeles que hacen parte de la linea divisoria son aquellos pixeles que no reciben agua desde ninguno de sus vecinos. (ESRI 1997, Felicísimo 1994, Gorte 1994, PCI Geomatics 1998)

5.5 Generación de la red de drenajes a partir de un MDE Es posible generar a partir de un MDE una red de drenajes. Esto se hace por medio de una matriz de acumulación de flujo.

Creación de una matriz de acumulación de flujo Una matriz de acumulación de flujo es una matriz donde cada celda tiene un valor que representa el número de celdas que fluyen hacia ella. El valor de acumulación de flujo en la celda de la desembocadura de la cuenca corresponde al número de pixeles que pertenecen a la cuenca. La matriz de acumulación de flujo se crea a partir de la matriz de dirección de flujo. (ESRI 1997, PCI Geomatics 1998, Gorte 1994, Meijerink et al. 1994)

©

X. Bakker y F. Pérez - 2001

37

Modelos Digitales del Terreno (MDT)

Aplicación de un sesgo (“treshold”) El sesgo permite definir a partir de que valor de acumulación de flujo se debe incluir en la red de drenajes. Aumentar el valor de sesgo reduce los pixeles correspondientes a los drenajes pequeños contribuyentes que serán incluidos en la red. De esta manera se enfocará únicamente en los drenajes principales. De otra manera, al reducir el sesgo, se creará una red más extensa de drenajes. El valor del sesgo, depende por gran parte de las dimensiones del área de estudio y normalmente se define por medio de prueba y error.

5.6 Clasificación de la red de drenajes Pocos programas permiten la clasificación de la red de drenajes, cuando éste se encuentra estructurado en formato raster. Dentro de los software analizados (ILWIS, Arc/Info GRID, Idrisi, PCI EASI/PACE y las herramientas desarrolladas por Gorte) únicamente las herramientas desarrolladas por Ben Gorte (Gorte 1994) y el GRID de Arc/Info (ESRI 1997) permiten esta operación. Arc/Info requiere la red de drenajes en formato GRID y la matriz de dirección de flujo.

5.7 Los MDE hidrológicamente corregidos Para lograr que los resultados del análisis sean buenos, es necesario disponer de un MDE sin depresiones locales. Los MDE que cumplen con esta condición son llamados MDE hidrológicamente corregidos. Arc/Info por medio de su módulo GRID ofrece varias herramientas para crear estos tipos de MDE. El programa TOPOGRID permite el uso de información secundaria (cobertura de puntos en caso que la información primaria sea una cobertura de curvas de nivel, lagos como zonas planas, cobertura de drenajes, ubicación conocida de depresiones locales permitidos, etc) para lograr este objetivo. Además, cuenta con herramientas para detectar (SINK) y llenar (FILL) las depresiones locales.

©

X. Bakker y F. Pérez - 2001

38

Modelos Digitales del Terreno (MDT)

5.8 Clasificación de formas del relieve La clasificación de las formas del relieve puede definirse como el conjunto de procesos que permiten realizar el agrupamiento de los elementos en grupos (clases) con propiedades significativamente diferentes entre sí. La aplicación de este concepto a la caracterización del relieve supone la intención de discriminar diferentes tipos de formas a partir de los datos del MDE y de los modelos derivados (tales como los modelos digitales de pendientes, aspectos, curvatura y rugosidad). (Felicísimo 1994) Felicísimo (1994) define las siguientes formas del relieve:

©

X. Bakker y F. Pérez - 2001

39

Modelos Digitales del Terreno (MDT)

Pozo 

 

La curvatura es convexa en todas las direcciones La rugosidad es media o alta La pendiente no es un criterio determinante

Cresta 

  

La pendiente no es un criterio determinante La curvatura es nula en el sentido de la cresta La forma general es convexa en el sentido de las laderas La rugosidad es media o alta

Pico 

 

La curvatura es convexa en todas las direcciones La rugosidad es media o alta La pendiente no es un criterio determinante

©

X. Bakker y F. Pérez - 2001

40

Modelos Digitales del Terreno (MDT)

Canal 

  

La pendiente no es un criterio determinante La curvatura es nula en el sentido del canal La forma general es cóncava en el sentido de las laderas La rugosidad es media o alta

Collado 

  

La curvatura es cóncava en el sentido de la cresta La curvatura es convexa en el sentido de las laderas La pendiente no es un criterio determinante La rugosidad será media o alta

Ladera 

  
©

la pendiente debe ser no nula (moderada o fuerte) la curvatura debe ser moderada en todos los sentidos pueden existir laderas con diversas combinaciones de concavidad / convexidad la rugosidad es baja

X. Bakker y F. Pérez - 2001

41

Modelos Digitales del Terreno (MDT)

Para clasificar las formas del relieve se puede aplicar el siguiente modelo (Felicísimo 1994):

©

X. Bakker y F. Pérez - 2001

42

Modelos Digitales del Terreno (MDT)

6 MODELAMIENTO CARTOGRÁFICO El modelamiento de datos espaciales involucra el uso de un modelo que es una representación simplificada de la realidad, en el que se establecen relaciones de forma generalizada. Modelamiento cartográfico es el acto de sintetizar la información geográfica como parte de un proceso de toma de decisiones, en otras palabras, es una aproximación selectiva de la realidad. (Valenzuela 1989)
El término modelamiento cartográfico es utilizado para designar el uso de las funciones de manipulación básicas de un SIG bajo una secuencia lógica para resolver problemas espaciales complejos. (Pérez U. 1995)

6.1 Tipos de modelamiento Existen tres categorías principales de modelos:
1

Modelos Descriptivos: son aquellos que caracterizan o describen el mundo real. Un mapa de uso del suelo es un ejemplo de este modelo. Modelos Predictivos: Son los que estiman lo que puede suceder bajo ciertas condiciones. Ejemplos de modelos predictivos son aquellos de predicciones de cultivos o de erosión. Modelos de Decisión: Son aquellos que sugieren el curso de acción que se debe seguir en respuesta a ciertas circunstancias. Los modelos de decisión pueden ser considerados como recomendaciones estructuradas, usadas conjuntamente con modelos descriptivos y de predicción.

2

3

6.2 Metodología Los Sistemas de Información Geográfica son muy útiles en la creación de modelos utilizando una serie de reglas y operaciones cartográficas, generalmente los modelamientos cartográficos utilizan técnicas de reducción del problema. Con esta técnica el modelo conceptual (problema) se descompone en sub-modelos que pueden ser resueltos separadamente. El modelo está compuesto de tal forma que las soluciones de los sub-modelos individuales puedan ser combinadas, de manera que proporcione la solución al modelo original. Cada sub-modelo puede ser descompuesto en modelos más pequeños, los que pueden ser resueltos directamente.
El método básico del análisis de decisión es el de dividir un problema de decisión en componentes más puntuales, de esta manera, permiten al especialista el concentrarse en los puntos más críticos. El patrón de relaciones que permite la descomposición del modelo se conoce como el modelo de decisión. Los modelos en un SIG ofrecen varias ventajas en el sentido que el analista, posiblemente más que en otras metodología, debe formularse el problema (objetivo) muy claramente, decidir el tipo de datos requeridos y si es necesario el recolectarlos. Luego debe definir los procesos cartográficos y las relaciones espaciales de una manera precisa.

©

X. Bakker y F. Pérez - 2001

43

Modelamiento Cartográfico

Permiten la posibilidad de crear y definir una serie de escenarios que son examinados de una manera rápida. Sin embargo, también existen desventajas en el uso de estos modelos, en el sentido que algoritmos algebraicos utilizados en los procesos de transformaciones de datos, asumen que todos aquellos son absolutamente correctos. La otra suposición que se hace es que las superficies espaciales carecen de variabilidad.

6.3 Evaluación del modelo Constituye un proceso muy importante dentro del mismo modelamiento, ya que garantiza la efectividad del modelo. En la evaluación se requieren dos acciones: la verificación y la validación. (Pérez U. 1995).
La verificación es la concordancia"fidelidad" que debe existir entre el modelo y el fenómeno a representar. La validación se refiere a la precisión de dicha concordancia y es una consideración técnica, que resulta del análisis de los resultados obtenidos frente a los esperados. Una forma muy apropiada para la validación de un modelo consiste en la ejecución del mismo con datos que previamente no fueron usados. Para ello se debe contar con una buena serie de datos tomados en campo o que hagan parte de registros históricos estandarizados. Es importante señalar que el uso de procedimientos y procesos exactos sobre datos inexactos, no hacen que los resultados sean más exactos. En el evento que los resultados no reflejen el comportamiento de la realidad se debe replantear el modelo. El replanteamiento de un modelo implica los siguientes pasos: definir objetivos específicos; identificar los datos requeridos; definir criterios, decisiones, reglas, procedimientos; implementar procedimientos analíticos; y nuevamente evaluar los resultados.

6.4 Aplicaciones y ejemplos Cuando está definido el problema en forma teórica, en muchos casos será necesario simplificarlo y cambiarlo a una forma práctica. (vea los diagramas de flujo en las siguientes 2 páginas).

©

X. Bakker y F. Pérez - 2001

44

Modelamiento Cartográfico

Monitoreo de cambios en uso

Monitoreo cambios poblados

Poblados Cobertura y Uso Areas protegidos Monitoreo cambio población

Disponibilidad potencial de leña Producción de leña / regeneración Disponibilidad sostenible de leña

Densidad de población

Sueldo Enegia alternativa

Demanda de leña

Areas con deficit de leña Terreno

Accesibilidad

Parque Nacional

Area potenciales de colección de leña

Infraestructura

Monitoreo

Aptitud de vegetación con alto rendimiento de leña

Aptitud potencial de usos

Areas potencialmente en peligro

Precios de cultivos / Propiotarios Recomendaciones

Mapa final

Resultado intermedio

Variables/cálculos/monitoreo

Mapas de entrada Modelos descriptivos

Uso de la Tierra

Unidades Administrativas

Población por unidad administrativa

Consumo de leña per cápita

Producción de leña por uso

Disponibilidad de leña por unidad administrativa

Demanda de leña por unidad administrativa

Deficit de leña por unidad administrativa

Poblados

Poblaciones con deficit de leña Velocidad por clase de infraestructura Accesibilidad desde poblaciones con deficit de leña Velocidad por clase de cobertura Corrección de la velocidad por clase de pendiente Impacto en Parque por colección de leña

Parque Nacional

7 CRITERIOS BÁSICOS PARA LA TOMA DE DECISIONES Normalmente están involucrados más que una organización o entidad en la toma de decisiones. Dentro de estas entidades pueden distinguirse dos tipos de personas: el investigador y el analista. En muchos casos el investigador conoce bien el área de interés y los problemas, pero normalmente le falta el conocimiento para traducirlas al ambiente de un SIG. El analista conoce bien la herramienta, pero no sabe mucho sobre la problemática dentro del área de interés. La cooperación y comunicación entre estos dos profesionales es fundamental para el buen desarrollo de un proyecto. 7.1 El papel del planificador, investigador y analista Dado que el uso de los SIG involucra aspectos o fenómenos que se suceden sobre la superficie terrestre, y que en muchos de los casos el uso de esta herramienta tiene como objeto la toma de decisiones, es necesario comprender e integrar las funciones de los diferentes especialistas que intervienen en la implementación de un SIG.
Normalmente son los investigadores (diferentes profesionales relacionados con las ciencias de la Tierra y ciencias Sociales) quienes se plantean, ya sea por iniciativa propia o por alguna necesidad de la comunidad, diferentes tipos de proyectos que involucran el uso de los SIG. Un proyecto que a su interior contemple diferentes aspectos espaciales involucra la presencia de diferentes tipos de profesionales (ingenieros forestales, geólogos, sociólogos, biólogos, estadistas, matemáticos, arquitectos y muchos otros en determinados casos) En nuestro medio, los investigadores tienen un gran cúmulo de conocimientos en sus respectivas áreas pero adolecen de la suficiente capacitación en el uso de la herramienta. Esta carencia de habilidad se puede subsanar si existe un buen experto en el manejo de la herramienta, "analista" (generalmente ingenieros de sistemas o afines), y una buena comunicación con él. El éxito de un proyecto dependerá de la buena acción interdisciplinaria que se maneje (submodelos), de la calidad de los datos y del planteamiento lógico y organizado que se le presente al analista, lo cual puede ser mediante la estructuración de los sub-modelos o del modelo general. Otro aspecto importante es tratar de trabajar conjuntamente con él, para conocer los resultados parciales e ir validando el modelo. Adicionalmente a las sugerencias dadas por el analista, el investigador debe tener presente los planteamientos sugeridos por el planificador (entiéndase por planificador a la persona que tiene el poder de tomar decisiones -alcaldes, gobernadores, jefes de parques naturales, etc-). Por esta razón, en lo posible, el investigador debe plantear diferentes escenarios (diferentes soluciones o alternativas que visualizan determinado comportamiento de un fenómeno ante determinadas circunstancias) para que el planificador opte por la solución más adecuada.

©

X. Bakker y F. Pérez - 2001

47

Criterios básicos para la toma de decisiones

8 INFORMACIÓN GEOGRÁFICA DISTRIBUIDA (DGI): LOS SIG EN LINEA La rápida expansión de Internet ha incrementado el intercambio de información y el ofrecimiento de servicios. Por medio de tecnología de punta como los Sistemas de Información Geográfica en línea, es posible diseminar información espacial a un público más amplio. (Bakker y Aguirre 1999, Plewe 1997, Kraak 1998)
Hoy en día existen muchos sitios web ofreciendo las facilidades de efectuar análisis, componer mapas personalizados y bajar o imprimir el resultado. Puesto que el componente de análisis en estos sitios se está desarrollando fuertemente, se evaluarán los diferentes tipos de SIG en línea existentes con sus respectivas ventajas y desventajas. - Raw data download (descarga de archivos) Los sitios web con este tipo de servicio, normalmente tienen una base de datos gigantesca que puede ser descargada sin costo o con costos muy bajos. Los datos se ofrecen en diferentes formatos comunes, como Arc/Info E00 o SDTS. Uno de los pioneros de este tipo de servicio es el sitio de la “U.S. Geological Survey Geodata Online” [URL 11]. Además de ofrecer la descarga de información espacial facilita herramientas de búsqueda. Muchos sitios con servicios de Información Geográfica Distribuida (DGI) tiene este tipo de servicio. - Static map display (despliegue estático de mapas) Este servicio de DGI consiste en el despliegue de mapas de imágenes prediseñados en formato raster o vector. No se puede hacer ningún tipo de análisis. Aunque su estructura es muy sencilla, esta estructura atrae un público grande por sus bajos requerimientos en cuanto a la capacidad del navegador y el conocimiento del usuario. (Plewe 1997) - Dynamic HTML (HTML dinámico) Muchas de las funcionalidades de los SIG en linea pueden ser simuladas utilizando HTML dinámico en conjunto con unos “JavaScripts” o “VBScript applets” (Gulbransen and Rawlings 1998). Se pueden utilizar técnicas de “brushing” que normalmente requieren software especializados. “Brushing” es una técnica que, cuando se selecciona un elemento en un mapa, automáticamente indica elementos (siendo atributos o elementos espacialmente relacionados) correspondientes en otros gráficos. (Kraak 1998) Un proyecto piloto mostrando la utilidad de los “JavaScripts” es el “GeoShop Pilot”. En este proyecto el usuario puede combinar información de tres diferentes fuentes; información de catastro en formato Ingres, información topográfica guardada en formato Illustra y archivos planos en formato AutoCAD .DXF con información de la red de televisión por cable de fibra óptica. (Tuijnman 1998) - Remote map generators (generadores de mapas a distancia) Son aquellos que no usan ni software del SIG ni datos. Algunos sitios ofrecen la posibilidad de utilizar su software y generar mapas para ser publicados en el sitio del cliente.

©

X. Bakker y F. Pérez - 2001

48

DGI: los SIG en linea

Basado en los parámetros que hacen parte del URL (“uniform resource locator”, dirección del sitio web) se genera el mapa. La restricción de este tipo de servicio es que únicamente la información disponible en el servidor puede ser utilizada. En caso que el usuario tiene su propio conjunto de información, esta no puede ser integrada en el mapa. (Plewe 1997) La mayoría de estos servicios ofrecen mapas viales en los Estados Unidos. Dos ejemplos de este tipo de servicio son: el sitio de Mapquest Connect/InterConnect [URL 6] y el TIGER primer sitio de DGI: Mapping Service. [URL 3].
Arquitectura de un “Remote map generator”

- Proprietary-data map generators Estos programas esencialmente son programas de SIG conectados a un servidor del Internet. El navegador envía parámetros los cuales son recibidos en el servidor. Una base de datos los interpreta y genera el mapa o puede efectuar unos tipos de análisis sencillos (consulta). El mapa que resulta se despliega en el navegador del cliente. (Plewe Arquitectura de un “Propietary-data map generator 1997) MapGuide desarrollado por AutoDesk es un ejemplo de este tipo de generador [URL 7].

- GIS-data map generators (Generadores de mapas a partir de datos de un SIG) Este generador trabaja en una manera muy similar al “Propietary-data map generator”, con una diferencia crucial; este tipo de generador de mapas es capaz de leer la información nativa de un SIG. La ventaja es que la información puede ser actualizada, puesto que lee directamente la información almacenada en el servidor, lo cual puede ser utilizado simultáneamente para análisis local en una red local (Plewe 1997).

©

X. Bakker y F. Pérez - 2001

49

DGI: los SIG en linea

MapObjects Internet Map Server desarrollado por ESRI es un software que pertenece a este tipo de generador de mapas [URL 8]

Arquitectura de un “GIS-data map generator”

- Live GIS interfaces Uno de los más poderosos y flexibles software de DGI es el “Live GIS interfaces”. Sin embargo, tiene la tendencia de ser lento. El programa DGI actúa como una puerta de comunicación entre el servidor y un SIG que se está ejecutando. La puerta convierte el pedido en un conjunto de comandos los cuales serán procesados por el Arquitectura de un “Live GIS interface” SIG. (Plewe 1997) El primer “Live GIS interface” es GRASSLinks y fue desarrollado por la Universidad de California “Berkeley” [URL 5].

-Net-savvy GIS software Este tipo de software de DGI se distingue de los demás puesto que se ejecuta e instala al lado del cliente. La diferencia de los SIG convencionales es que este software tiene la capacidad de usar tanto conjunto de datos locales como datos almacenados en el Internet. Debe poder leer información en diferentes formatos sin convertirlos. Arquitectura de un “Net-savvy GIS program” Además, debe ser capaz de cambiar la proyección y los sistemas de coordenadas mientras se está leyendo.

©

X. Bakker y F. Pérez - 2001

50

DGI: los SIG en linea

“Net-savvy GIS” es uno de los objetivos del “Open GIS Consortium”, es un colectivo de vendedores, desarrolladores de software SIG y profesionales que tienen como objetivo incrementar la posibilidad de que las diferentes plataformas SIG existentes operen conjuntamente. La visión del consorcio con respecto al ambiente de computación distribuida (DCE) incluye clientes con “net-savvy” software comunicándose e intercambiando información por Internet. Los “Net-savvy” software deben poseer al menos tres capacidades; acceso de archivo almacenada en el Internet, leer diferentes formatos de datos sin convertirlos, y conversión de proyecciones en tiempo real con el fin de combinar información procedentes de diferentes fuentes. (Plewe 1997) [URL 1]. GRASSLAND desarrollado por el LAS es un buen ejemplo de un “net-savvy” software. En junio del año 2000 salió una versión beta de GRASS para Windows la cual es de dominio público y puede ser bajado sin costo (ver [URL 12]). El MapServer desarrollado por la Universidad de Minnesota es otro ejemplo [URL 10].

Para obtener más información acerca el “Open GIS Consortium” conéctese con el sitio principal de esta organización: Open GIS Consortium http://www.opengis.org/ El sitio de la Universidad de Berkeley también ofrece información acerca el formato de DGI y su procesamiento conforme a las especificaciones del Open GIS Consortium: Kenn Gardels, Universidad de Berkeley http://www.regis.berkeley.edu/gardels/envmodel.html

©

X. Bakker y F. Pérez - 2001

51

DGI: los SIG en linea

Bibliografía

Aronoff, S. 1989. Geographical Information Systems: A Management Perspective. WDL Publications Otawa. Canada. 294p. Bakker, X., M. Esser and A.G. Toxopeus, 1994. ISM Handbook, Volume Va, Batch file listing (Cibodas Case). ITC publication, 94p. Bakker, X. and H. Rivera, 1995. Desarrollo de un Sistema Interactivo de Visualización Espacial y Temporal para el Ministerio de Agricultura y Desarrollo Rural de Colombia. Memorias de VII Seminario SELPER. Méjico, 8p. Bakker, X. and H. Rivera, 1995. Desarrollo de un Sistema Interactivo para Evaluar Estrategias de Mercadeo en manera espacial y temporal para Bogotá, Colombia. Memorias de VII Seminario SELPER. Méjico, 7p. Bakker, X y N. Aguirre, 1999. Development of a GIS online for the Atlas of the "Sabana de Bogotá". ICA Canada, 8 pp. Bakker, X. y F. Pérez, 1999. Conceptos de análisis y modelamiento. Notas de clase, curso de especialización en Sistemas de Información Geográfica. IGAC, Julio de 1999. Colombia, 46 pp. Bocco, G., H de Brouwer and F. Karanga, 1991, Modelling water resources and water demand in semi arid areas: data integration and analysis using a geographical information system. A case study in Samburu District, northwestern Kenya, using the Integrated Land and Water Information System (ILWIS). ITC, Enschede, 97p. Bosque Sendra, J., 1992, Sistemas de Información Geográfica, Ediciones Rialp S.A., Madrid. 435p. Burrough, P.A. 1985. Principles of Geographical Information Systems for Land Resource Assessment. Clarendon Press, Oxford. 193p. Clark University, 1997. The Idrisi project. Ayuda en linea versión 2.0 Idrisi for Windows. Environmental Systems Research Institute, Inc. (ESRI), 1994. ARC/INFO Data Management: Concepts, data models, database design, and storage. Redlands, United States of America. Environmental Systems Research Institute, Inc. (ESRI), 1997. Arc/Info ayuda en linea versión 7.1.1 Felicísimo, A.M. 1994. Modelos Digitales de Terreno. Introducción y aplicaciones en las ciencias ambientales. España. 118 pp.

©

X. Bakker y F. Pérez - 2001

52

Bibliografía

Felicísimo, A.M. 1999. Simulación de los procesos de dispersión y colonización mediante autómatas celulares. Grupo de Investigación en Conservación, Área de Biología Animal, Universidad de Extremadura, España. 12pp. Gorte, B. 1994. Tools for advanced Image Processing and GIS using ILWIS. ITC Publication number 24, Enschede, The Netherlands. 57p. Gulbransen, D. and K. Rawlings, 1998. Using Dynamic HTML. Que Corporation, Indianapolis, 580 pp. Integrated Land and Water Information System (ILWIS), 1997. ILWIS 2.1 for Windows User’s Guide. Enschede, The Netherlands. 511 p. ITC Journal 1988-1: ILWIS overview. ITC, 1997. ILWIS User’s Guide. ITC publication, The Netherlands, 511p. ITC, 1997. ILWIS Applications Guide. ITC publication, The Netherlands, 352p. Kraak, J.M., 1998. Exploratory cartography: maps as tools for discovery. Inaugural address as professor of geoinformatics, cartography and visualization. ITC Journal 1998 - 1, pp. 4654. Meijerink, A.M.J., H.A.M. de Brouwer, C.M. Mannaerts and C.R. Valenzuela, 1994. Introduction to the use of Geographic Information Systems for practical Hydrology. ITC Publication number 23, Enschede, The Netherlands. 243p. PCI Geomatics., 1998. Using PCI Software. Volume 1 and 2. Version 6.3. Ontario, Canada. 541p. PCI Geomatics., 1997. PACE Terrain Analysis. Version 6.2. Ontario, Canada. 103p. Pérez Gomez, U., 1995. Notas de Clase Análisis y modelamiento de datos en un SIG. IGAC, Colombia, 23p. Plewe, B., 1997. GIS ONLINE: information retrieval, mapping and the Internet. OnWord Press, Santa Fe, 311 pp. Toxopeus, A.G., and X. Bakker, 1993, Preliminary results of modelling the vulnerability of primary forest in the Cibodas Biosphere Reserve, West Java, Indonesia. ITC publication, 80p.The Netherlands. Toxopeus, A.G., X. Bakker and M. Esser, 1993, ISM Handbook, Volume II, Training Component (Cibodas Case), ITC publication, 173p.

©

X. Bakker y F. Pérez - 2001

53

Bibliografía

Toxopeus, A.G., W. van Wijngaarden, 1994, An interactive spatial modelling (ISM) system for the management of the Cibodas Biosphere Reserve (west Java, Indonesia). ITC Journal 1994-4, pp. 385-391, The Netherlands. Toxopeus, A.G., X. Bakker and A. Kariuki, 1994, An interactive spatial modelling (ISM) system for the management of the Amboseli Biosphere Reserve (southeast Kenya). ITC Journal 1994-4, pp. 392-400, The Netherlands. Toxopeus, A. G., 1996, ISM An Interactive Spatial and temporal Modelling system as tool in ecosystem management. ITC publication Number 44, The Netherlands, 250p. Tuijnman, F. 1998. The Geoshop Pilot: Dynamic Map Integration among Organisations by Internet. Geomatics Info Magazine, August ‘98, Volume 12, pp. 69-71. Valenzuela, C, 1989, Análisis y modelamiento de datos, notas de clase.10p. Westen, C. J., 1993, Training Package for Geographical Information Systems in Slope Instability Zonation, ITC Publication Number 15, The Netherlands, 245p.

©

X. Bakker y F. Pérez - 2001

54

Bibliografía

URLS: [URL 1] GIS ONLINE: information retrieval, mapping, and the Internet. Brandon Plewe http://kayenta.geog.byu.edu/gisonline/ ITC's Cartographic Page http://www.itc.nl/~carto/ ITC Webcartography book http://kartoweb.itc.nl/webcartography/webbook/ TIGER Mapping Service http://tiger.census.gov/ U.S. Geological Survey Geodata Online http://edcwww.cr.usgs.gov/doc/edchome/ndcdb/ndcdb.html GRASSLinks, REGIS program, University of California at Berkeley http://www.regis.berkeley.edu/grasslinks/ Mapquest Connect/InterConnect http://www.mapquest.com/ MapGuide, AutoDesk http://www.mapguide.com/ http://www3.autodesk.com/adsk/section/0,,308132-123112,00.html MapObjects Internet Map Server, ESRI http://www.esri.com/software/internetmaps/index.html Geospatial online edición julio 2000, artículo “In the line of fire” por Tim Walsh y artículo “GIS you can bet on” por Ian Finnimore http://www.geospatial-online.com/ MapServer, University of Minnesota http://www.gis.umn.edu/fornet/apps/ U.S. Geological Survey http://www.usgs.gov/ GRASS for Windows http://www.baylor.edu/~grass/ http://www.geog.uni-hannover.de/grass/

[URL 2]

[URL 3]

[URL 4]

[URL 5]

[URL 6]

[URL 7]

[URL 8]

[URL 9]

[URL 10]

[URL 11]

[URL 12]

©

X. Bakker y F. Pérez - 2001

55

Bibliografía

Las siguientes páginas web pueden ser de gran utilidad: [URL 13] ARC data online (información en formato Shapefile (ArcView) sin costo) http://www.esri.com/data/online/index.html Geography Network (información geográfica sin costo) http://www.geographynetwork.com/data/index.html National Geographic maps (mapas interactivos del National Geographic) http://www.nationalgeographic.com/maps/ GIS WWW Resources (listado alfabético de enlaces a sitios web con relación a SIG) http://www.geo.ed.ac.uk/home/giswww.html

[URL 14]

[URL 15]

[URL 16]

Los sitios web en este documento han sido verificados en febrero 2001. Sin embargo, debido a la dinamicidad de Internet, es posible que algunos sitios no existirán al momento de consultarlos.

©

X. Bakker y F. Pérez - 2001

56

Bibliografía

Anexo: Calidad de los datos (Valenzuela 1989) La precisión posicional está bien definida en SIG, es una medida de la probabilidad de la posición de los datos que están dentro de una distancia especificada de su localización real. La precisión de posición se ha hecho desde hace mucho tiempo, incluso antes del uso de la cartografía asistida por computador. Sin embargo, la precisión de atributos que incluye la precisión de clasificación es un tema reciente que depende de la experiencia del analista y la calidad de las herramientas utilizadas.
El conocer la calidad de los datos es un aspecto crítico al juzgar las aplicaciones para las que estos datos son apropiados. Cuando se hacen manualmente los análisis espaciales, especialmente las superposiciones de mapas, los analistas se hicieron expertos en la superposición de mapas moviéndolos hasta que éstos se superpongan correctamente en porciones del mapa así sucesivamente se repite este proceso hasta que todo el mapa se haya analizado. Este procedimiento no es posible en un SIG digital. Presuposiciones implícitas sobre la calidad de los datos deben hacerse explícitas para que puedan ser estudiadas correctamente. El National Center for Geographic Information and Analysis (NCGIA) en los Estados Unidos incluye en su programa de investigación, la precisión de los datos espaciales como uno de sus 12 temas de prioridad. Los siguientes siete puntos establecen la base y objetivos de las iniciativas de investigación en precisión de datos espaciales.

La precisión de procesamiento en SIG es efectivamente infinita. El SIG típico en vectores localiza 8 decimales a cada coordenada y muchos usan 16. La precisión de procesamiento es normalmente establecida por la precisión de entrada, entonces, se puede esperar que intersecciones de líneas por ejemplo, sean computadas con, por lo menos, las coordenadas de entrada. Sin embargo, estos niveles de precisión son mucho más altos que la precisión de datos típicos de SIG. En un mapa topográfico de 100 cm. por 100 cm., 8 dígitos de precisión determinan coordenadas al micrón más cercano, mientras que la línea promedio en un mapa topográfico es de cerca de 0.5 mm. de ancho. En el globo, dígitos con 8 decimales darían posiciones a los 10 cm. más cercanos, lo que es muchísimo más preciso que los datos típicos sobre el globo. Todos los datos espaciales son de precisión limitada. Datos posicionales están basados sobre mediciones de distancias o ángulos y su precisión depende de los instrumentos utilizados. Muchos objetos presentes en las bases de datos espaciales son abstracciones o generalizaciones de variaciones espaciales, por ejemplo, el área denominada tipo de suelo A en un mapa de suelos no es en realidad todo de tipo A y sus límites no son límites muy bien definidos para zonas de transición. En análisis convencional de mapas, la precisión es usualmente adaptada a la confiabilidad. El límite de la precisión en un mapa en papel es el ancho de la línea o típicamente cerca de 0.5 mm. La distorsión del papel debido a cambios de humedad, a menudo puede reducir la confiabilidad sustancialmente bajo ese nivel. Sin embargo, 0.5 mm. permanece el objetivo de precisión en la recolección de datos y la compilación de mapas.

©

X. Bakker y F. Pérez - 2001

57

Anexo: Calidad de los datos

La habilidad de cambiar y combinar datos provenientes de diferentes fuentes y escalas en un SIG significa que la precisión usualmente no está adaptada a la confiabilidad. En el mundo digital, la precisión no está atada a la confiabilidad. Ningún SIG actual advierte al usuario cuando un mapa digitalizado a 1:25.000 es superpuesto con uno digitalizado a 1:100.000 y el resultado es graficado a 1:24.000 y casi ningún SIG lleva la escala del documento fuente como un atributo de los datos. No tenemos medios adecuados para describir la confiabilidad de objetos espaciales complejos. Para puntos, la precisión posicional puede ser descrita por un modelo de medición bidimensional y una vasta literatura está disponible sobre este tema. Para objetos complejos, líneas y áreas tenemos métodos para describir algunos de los errores introducidos por el procesamiento de digitalización, pero ninguno para modelar la complejidad de las relaciones entre objetos abstractos y las variaciones espaciales que ellos representan. El objetivo debería ser una medida de inseguridad en cada producto SIG. Idealmente, el resultado que describe el error en la base de datos y su propagación a través de procesos SIG debería ser un conjunto de límites de confiabilidad de los productos SIG. En algunos casos esto es relativamente simple; un modelo de error de precisión de posición de un polígono, podría ser utilizado para generar límites de confiabilidad en la estimación del área del polígono. En otros casos, el problema se torna más difícil en vista de la complejidad del conjunto de normas que se utilizan durante el análisis cartográfico en muchas aplicaciones de SIG.

©

X. Bakker y F. Pérez - 2001

58

Anexo: Calidad de los datos

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->