Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos Digitales de Terreno CARLOS B. - Unlocked
Modelos Digitales de Terreno CARLOS B. - Unlocked
A.M.Felicísimo
El curso que presento en estas páginas es un escueto resumen de un original bastante más
extenso impartido en algunas Universidades.
Como bien sabéis, la creación de documentos HTML extensos es trabajosa, por lo que pido
disculpas por los errores y por el escaso tiempo que he dedicado a su revisión.
Poco a poco iré completando los diferentes temas, actualizando las referencias y añadiendo
las imágenes necesarias.
•Introducción
•¿Qué es un modelo?
•Tipos de modelos
Modelos icónicos, análogos y simbólicos
Modelos analógicos y digitales
•Modelos digitales del terreno
•Los MDT y los mapas
•Simulación de procesos con los MDT
•Introducción
•Origen del MDE
•Definición del MDE
•Estructuras de datos en el MDE
•Modelo vectorial
Contornos
TIN
•Modelo raster
Matrices regulares
Quadtrees
•¿Qué estructura usar?
316
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
•Introducción
•Captura de datos
•Métodos directos
Altímetros
GPS
Estaciones topográficas
•Métodos indirectos, 1
Restitución fotogramétrica
Radargrametría
•Métodos indirectos, 2
Digitalización automática
•Métodos indirectos, 3
Digitalización manual
•Elementos de la estructura topográfica
•Métodos de interpolación
Método general
La hipótesis de la variable regionalizada
•Métodos basados en triangulaciones
La red irregular de triángulos
La transformación vector-raster
•La continuidad hidrológica
317
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
•El gradiente
•La pendiente
•La orientación
•La curvatura
•La rugosidad
En estos momentos el curso sólo está disponible hasta aquí. La primera parte
del Tema 3 ha sido añadida el 26/09/97. Espero ir moviendo este aviso hacia
abajo hasta hacerlo desaparecer
Caracterización morfométrica
La descripción estadística
•Autómatas celulares
•La generación de líneas de flujo
•La definición de cuencas hidrológicas
•La estimación de caudales máximos
Cuencas visuales
•Estimación de cotas
•Perfiles topográficos
•Intervisibilidad entre dos puntos
318
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
•Modelos de reflectancia
•La reducción del efecto topográfico
Modelos climáticos
Los resultados
La estructura del índice puede variar según se vaya introduciendo el texto correspondiente. La estructura
del Tema 5 está sometida a revisión y sólo se apuntan los temas que pretendo tocar.
319
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
A
Allam, M.M. (1978): "DTM application in topographic mapping". Photogrammetric Engineering and
Remote Sensing, 44(12): 1513-1520.
Aracil, J. (1986): Máquinas, sistemas y modelos. Un ensayo sobre sistémica. Tecnos, 282 pág.
Madrid.
B
Balce, A.E. (1987): "Determination of optimum sampling interval in grid digital elevation models (DEM)
data adquisition. Photogrammetric Engineering and Remote Sensing, 53(3): 323-330.
Band, Lawrence E. (1986): "Topographic partition of watersheds with digital elevation models". Water
Resources Research, 22(1): 15-24.
Band, Lawrence E. (1989): "Spatial aggregation of complex terrain". Geographical Analysis, 21(4):
279-293.
Bernstein, Ralph (1983): "Image geometry and rectification". En Colwell (Ed.)(1983): 873-922.
Berry, J.K. (1987): "Computer assisted map analysis: potential and pitfalls". Photogrammetric
Engineering and Remote Sensing, 53(10): 1405-1410.
Berry, J.K. (1988): "Maps as data: fundamental considerations in computer-assisted map analysis".
GIS/LIS'88 Proceedings: 273-284. San Antonio, Texas.
Blakemore, Michael (1983): "Generalization and error in spatial databases". Proceedings Auto-Carto, 6:
313-322. Falls Church, Virginia.
Burrough, P.A.; Deursen, W. van; Heuvelink, G. (1988): "Linking spatial process models and GIS: a
marriage of convenience or a blossoming parthership ?". GIS/LIS'88 Proceedings: 598-607. San
Antonio, Texas.
Buttenfield, B.P.; Mackaness, W.A. (1991): "Visualization". En Maguire et al. (1991), vol. 1: 427-443.
C
Canters, Frank (1994): "Simulating error in triangulated irregular network models". EGIS/MARI '94,
Fifth European Conference and Exhibition on Geographical Information Systems: 169-178.
Carrara, A.; Cardinali, M.; Detti, R.; Guzetti, F.; Pasqui, V.; Reichenbach, P. (1991): "GIS techniques
and statistical models in evaluating landslide hazard". Earth Surface Processes and Landforms, 16:
427-445.
Carter, J.R. (1988): "Digital representation of topographic surfaces". Photogrammetric Engineering and
Remote Sensing, 54(11): 1577-1580.
Cayley, A. (1859). On contour and slope lines. The London, Edinburgh, and Dublin Philosophical
Magazine and Journal of Science. XVIII: 264-268. En Wood (1996, Ap. 2.2).
Chapman, C.A. (1952): "A new quantitative method of topographic analysis". American Journal of
Science, 250: 428-452.
320
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Chorley, R.J. (Ed.) (1972): Spatial analysis in geomorphology, 393 pág. Methuen, London.
Chuvieco, E.; Congalton, R.G. (1989): "Application of remote sensing and Geographic Information
Systems to forest fire hazard mapping". Remote Sensing of the Environnement, 29: 147-159.
Chuvieco, Emilio (1990): Fundamentos de teledetección espacial. Ediciones Rialp, 453 pág. Madrid.
Cignoni, P.; Laforenza, D.; Montani, C.; Perego, R.; Scopigno, R. (1994): "Evaluation of parallelization
strategies for an incremental Delaunay triangulator in E3".21 p. [internet, sin referencias]
Clarke, Keith C. (1988): "Scale-based simulation of topographic relief". The American Cartographer,
15(2): 173-181.
Clarke, Keith C. (1990): Analytical and computer cartography. Prentice Hall, 290 pág. Englewood
Cliffs, New Jersey.
Claus, M. (1984): "Digital terrain models through digital stereo correlation". Photogrammetria, 39(4-6):
183-192.
Collins, Stanley H. (1975): "Terrain parameters directly from a digital terrain model". The Canadian
Surveyor, 29(5): 507-518.
Connelly, Daniel S. (1972): "Geomorphology and information theory". En Chorley (Ed.) (1972): 91-
108.
Craig, R.G.; Craft, J.L. (Eds.)(1980): Applied Geomorphology. Proceedings of the "Binghamton"
Geomorphology Symposium, 11 th. Kent State University.
Craig, R.G. (1980): "Criteria for constructing optimal digital terrain models". En Craig y Craft
(Eds.)(1980): 108-130.
D
Davis, John C. (1973): Statistics and data analysis in geology. Kansas Geological Survey, 550 pág.
John Wiley & Sons. New York.
Day, T.; Muller, J.P. (1989): "Digital elevation model production by stereo image pairs: a comparison
of algorithms". Image Vision Comput., 7(2): 95-101.
Devereux, B.J. (1985): "The construction of digital terrain models on small computers". Computers &
Geosciences, 11(6): 713-724.
Dolton, L.; Dueker, K.J. (1986): "A comparison of functionality of grid and vector data structures in a
microcomputer environment". En Niemann (Ed.)(1986), vol. 1: 214-231.
Douglas, David H. (1986): "Experiments to locate ridges and channels to create a new type of digital
elevation model". Cartographica, 23(4): 29-61.
Doyle, F.J. (1978): "Digital terrain models: an overview". Photogrammetric Engineering and Remote
Sensing, 44(12): 1481-1485.
Dozier, Jeff; Strahler, Alan H. (1983): Ground investigations in support of remote sensing. En Colwell
(Ed.)(1983): 959-986.
Dubayah, Ralph; Rich, Paul M. (1995): "Topographic solar radiation mdels for GIS". International
Journal of Geographical Information Systems, 9(4): 405-419.
321
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Duda, R.D.; Hart, P.E. (1973): Pattern classification and scene analysis. John Wilwy and Sons, 482
pág. New York. En Schowengerdt (1983): 145.
E
Eastman, J. Ronald (1992): Idrisi Version 4.0. Technical Reference, 229 p. Clark University.
Massachussetts.
Ebner, Heinrich; Reinhardt, Wolfgang (1984): Progressive sampling and DEM interpolation by finite
elements. Sonderdruck aus BuL 3a, 9 pág. Zeiss, Oberkochen.
Ebner, Heinrich; Reinhardt, Wolfgang; Hößler, Rainer (1984): "Generation, management and utilization
of high fidelity digital terrain models". International Archives of Photogrammetry and Remote Sensing,
27(B11): 556-566.
Erdas (1991a): Erdas Field Guide. Version 7.5. Erdas Inc., 394 pág. Atlanta.
ESRI (1989): Users Guide. Arc/Info. Volume 2. Command References. Environmental Systems
Research Institute. Redlands, California.
Evans, Ian S. (1972): General geomorphometry, derivatives of altitude, and descriptive statistics. En
Chorley (Ed.) (1972): 17-90.
Evans, D.L. (Ed.) (1995): Spaceborne Synthetic Aperture Radar: current status and future directions.
NASA Technical Memorandum 4679, Committee on Earth Science. (Acceso:
http://southport.jpl.nasa.gov/nrc/nrcT_of_C.html)
F
Felicísimo Pérez, A.M.; Fernández Cepedal, G. (1984): "Estimación de la radiación solar incidente en
laderas con pendiente y orientación variables". Studia Oecologica, 3(1/2): 267-283.
Felicísimo, A.M.; García-Manteca, P. (1990): "Corrección del efecto topográfico de las imágenes
Landsat mediante el uso de un modelo digital de elevaciones". III Reunión Científica del Grupo de
Trabajo en Teledetección: 209-216. Asociación Española de Teledetección. Madrid.
Felicísimo, A.M.; García-Manteca, P.; Marquínez, J. (1991): Influencia del relieve en la cartografía de la
vegetación con imágenes de satélite. Universidad de Oviedo, 45 pág. (informe inédito).
Felicísimo, A.M.; García-Manteca, P.; Marquínez, J. (1993): "Efectos de la corrección del efecto
topográfico en las imágenes Landsat sobre la clasificación de la vegetación y usos del suelo".
Teledetección y Medio Ambiente. IV Reunión Científica Asociación Española de Teledetección: 251-
256. Sevilla, 1991.
Felicísimo, A.M. (1992): Aplicaciones de los modelos digitales del terrenoen las ciencias ambientales.
Tesis Doctoral, 235 pág. Instituto de Recursos Naturales y Ordenación del Territorio (indurot),
Universidad de Oviedo.
Felicísimo, Angel Manuel (1994). Modelos digitales del terreno. Introducción y aplicaciones en las
ciencias ambientales. Biblioteca de Historia Natural, 3. 220 p. Pentalfa Ediciones, Oviedo.
Felicísimo, Angel M. (1994): "Parametric estatistical method for error detection in digital elevation
models". ISPRS Journal of Photogrammetry and Remote Sensing, 49(4): 29-33.
Felicísimo, Angel M. (1995): "Error propagation analysis in slope estimation by means of digital
elevation models". 17th International Cartographic Conference Proceddings, 1: 94-98. Barcelona.
322
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Fernández Cepedal, G; Felicísimo, A.M. (1987): "Método de cálculo de la radiación solar incidente en
áreas con apantallamiento topográfico". Revista de Biología de la Universidad de Oviedo, 5: 109-119.
Fisher, N.I. (1993): Statistical analysis of circular data, 277 p. Cambridge University Press. Cambridge.
Flach, J.D.; Chidley, T.R.E. (1988): "Digital elevation models and their application to remote sensing of
water resources". Proceedings of the 1988 International Geoscience and Remote Sensing Symposium
(Igarss), vol. 3: 1545-1546. Aston University.
Franklin, S.E.; LeDrew, E.F. (1983): "An assessment of information from DEM variables and Landsat
MSS data for an area of high relief". 9th Canadian Symposium on Remote Sensing: 451-460.
Franklin, Steven E. (1987a): "Geomorphometric processing of digital elevation models". Computers &
Geosciences, 13(6): 603-609.
Franklin, Steven E. (1987b): "Terrain analysis from digital patterns in geomorphometry and Landsat
MSS spectral response". Photogrammetric Engineering and Remote Sensing, 53(1): 59-65.
Franklin, Steven E.; Peddle, Derek R. (1987): "Texture analysis of digital image data using spatial
coocurrence". Computers & Geosciences, 13(3): 293-311.
G
García Asensio, L.; Lumbreras Crespo, J. Javier (1992): "El modelo digital del terreno MDT200 del
Instituto Geográfico Nacional: descripción general y resultados". Mapping, 1(3): 38-42.
Garland, Michael; Heckbert, Paul S. (1995): "Fast polygonal approximation of terrains and height fiels".
Technical Report CMU-CS-95-181, 37 p. Computer Science Department, Carnegie Mellon University.
(Tech. Rep.: http://www.cs.cmu.edu/˜garland/scape)
Garnier, B.J.; Ohmura, Atsumu (1968): "A method of calculating the direct shortwave radiation income
of slopes". Journal of Applied Meteorology, 7(10): 796-800.
Geertman, Stan; Ruddijs, Sebastiaan (1994): "Geographical sensitivity analysis: some procedures for
generating meta-information". EGIS/MARI '94, Fifth European Conference and Exhibition on
Geographical Information Systems: 151-158.
Gonçalves, P.P.; Diogo, P.M. (1994): "Geographic information systems and cellular automata: a new
approach to forest fire simulation". EGIS/MARI '94, Fifth European Conference and Exhibition on
Geographical Information Systems: 702-712.
Goolchild, Michael F.; Mark, David M. (1987): "The fractal nature of the geographic phenomena".
Annals of the Association of the American Geographers, 77(2): 265-278.
Goshtasby, A.; Stockman, G.C.; Page, C.V. (1986): "A region-based approach to digital image
transformation with subpixel accuracy". IEEE Transactions on Geoscience and Remote Sensing, GE-
24(3): 390-399.
Gregory, K.J.; Walling, D.E. (1973): Drainage basin, form and process. A geomorphological approach.
Edward Arnold, 458 pág. London.
Guindon, B.; Goodenough, D.G.; Teillet, P.M. (1982): "The role of digital terrain models in the remote
sensing of forests". Canadian Journal of Remote Sensing, 8(1): 4-16.
323
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
H
Hannah, M.J. (1981): "Error detection and correction in Digital Terrain Models". Photogrammetric
Engineering and Remote Sensing, 47(1): 63-69.
Harrington, Steven (1987): Computer graphics. A programming approach. Computer Science Series,
466 pág. McGraw-Hill Book Co, Singapore.
Heywood, H. (1964): "Standard date periods with declination limits". Nature, 204: 768.
Hinse, Mario; Gwyn, Q.H.J.; Bonn, F. (1988): "Radiometric correction of C-band imagery for
topographic effects in regions of moderate relief". IEEE Transactions on Geoscience and Remote
Sensing, 26(2): 122-132.
Hobson, R.D. (1967): Fortran IV programs to determine surface roughness in topography for the CDC
3400 computer. Nortwestern University. Evanston, 28 pág. Illinois.
Hobson, R.D. (1972): "Surface roughness in topography: quantitative approach". En Chorley (1972):
221-245.
Holben, Brent N.; Justice, Christopher O. (1980): "The topographic effect on spectral response from
nadir-pointing sensors". Photogrammetric Engineering and Remote Sensing, 46(9): 1191-1200.
Horn, Berthold K.P.; Sjoberg, Robert W. (1979): "Calculating the reflectance map". Applied Optics,
18(11): 1770-1779.
Horn, B.K.P. (1981): "Hill-shading and the reflectance map". Proceedings of the IEEE, 69(1):14-47.
Horton, R.E. (1932): "Drainage basin characteristics". Transactions of the American Geophysical
Union, 13: 350-361.
Horton, R.E. (1945): "Erosional development of streams and their drainage basins: hydrophysical
approach to quantitative geomorphology". Geological Society American Bulletin, 56(3): 275-370.
Hunter, Gary J.; Goodchild, Michael F. (1994): "Design and application of a methodology for reporting
uncertainty in spatial databases". URISA Proceedings, 1994: 771-786. Milwaukee, Washington.
Hutchinson, M.F. (1989): "A new procedure for gridding elevation and stream line data with automatic
removal of spurious pits". Journal of Hydrology, 106: 211-232.
Hutchinson, M.F.; Dowling, T.I. (1991): "A continental hydrological assessment of a new grid-based
digital elevation model of Australia". Hydrological Processes, 5: 45-58.
J
James, Mike (1988): Pattern recognition. John Wiley & Sons, 144 pág. New York.
Jenson, S.K.; Domingue, J.O. (1988): "Extracting topographic structure from digital elevation data for
geographic information system analysis". Photogrammetric Engineering and Remote Sensing, 54(11):
1593-1600.
João, Elsa Maria (1995): "The importance of quantifying the effects of generalization". En Müller et al.
(1995: 183-193).
324
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Jones, A.R.; Settle, J.J.; Wyatt, B.K. (1988): "Use of digital terrain data in the interpretation of SPOT-
1 HRV multispectral imagery". International Journal of Remote Sensing, 9(4): 669-682.
K
Kaufmann, D.S.; Haja, S.R. (1988): "Extraction of dense digital elevation models from SPOT stereo
imagery". Proceedings of the 1988 International Geoscience and Remote Sensing Symposium, vol. 1:
477-478. Igarss.
Keates, John S. (1988): Cartographic design and production. Longman Scientific & Technical, 2ª ed.,
261 pág. New York.
Keefer, B.J.; Smith, J.L.; Gregoire, T.G. (1988): "Simulating manual digitizing error with statistical
models". GIS/LIS '88 Proceedings, vol. 1: 475-483. San Antonio.
Klein, Dennis H. (1988): "User expectations for selecting a microcomputer-based municipal automated
mapping/land information system (AM/LIS). GIS/LIS'88 Proceedings, vol. 2: 550-560. San Antonio,
Texas.
Kubik, Kurt; Wu, Xiaoliang (1995): "Mapping from SPOT images using digital photogrammetric
workstation". 17th International Cartographic Conference Proceddings, 1: 266-274. Barcelona.
L
Lanter, D.P.; Veregin, H. (1990): "A lineage meta-database program for propagating error in geographic
information systems". GIS/LIS '90 Proceedings: 144-153.
Lapedes, Daniel N. (Red.)(1981): Diccionario de términos científicos y técnicos, vol 5. (pág. 2163-
2839). McGraw-Hill-Boixareu Ed. Barcelona-México.
Lebart, Ludovic; Morineau, Alain; Fénelon, Jean-Pierre (1985): Tratamiento estadístico de datos.
Métodos y programas. Marcombo, 520 pág. Barcelona.
Lee, Jay; Marion, Louis K. (1994): "Analysis of spatial autocorrelation of U.S.G.S. 1:250,000 Digital
Elevation Models". GIS/LIS '94 Proceedings: 504-513.
Ley, R. (1986): "Accuracy assessment of digital terrain models". Proceedings Auto-Carto London, 1:
455-464. (En Li, 1991:1334).
Li, Zhilin (1991): "Effects of check points on the reliability of DTM accuracy estimates obtanied from
experimental tests". Photogrammetric Engineering and Remote Sensing, 57(10): 1333-1340.
Lowell, Kim (1995): "Manipulating uncertainty-based digital maps to perform like polygon-based
thematic maps". 17th International Cartographic Conference Proceddings, 1: 168-175. Barcelona.
M
Maguire, D.J. (1989): Computers in geography. Longman Scientific & Technical, 239 pág. London.
Maguire, D.J.; Goodchild, M.F.; Rhind, D.W. (Eds.)(1991): Geographical Information Systems.
Principles and applications, 2 vol., 649+447 pág. Longman Scientific & Technical. Methuen, London.
Makarovic, B. (1973): "Progressive sampling for digital terrain models". ITC Journal, xx(xx): 397-416.
Maling, D.H. (1968): "How long is a piece of string?". The Cartographic Journal, 5(2): 147-156.
Mandelbrot, Benoît (1967): "How long is the coast of Britanin? Statistical self-similarity and fractional
dimension". Science, 156: 636-638.
325
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Mandelbrot, Benoît (1984): "De los monstruos de Cantor y Peano a la geometría fractal de la
naturaleza". Pensar la Matemática: 111-138. Cuadernos Infimos, 114. Tusquets Editores. Barcelona.
Mark, David M. (1975): "Geomorphometric parameters: a review and evaluation". Geografiska Annaler,
57A (3-4): 165-177.
Mark, David M. (1979): "Phenomenon-based data-structuring and digital terrain modelling". Geo-
Processing, 1: 27-36.
Menéndez Díaz, Agustín (1992): Caracterización de un sistema gráfico orientado a la ingeniería del
terreno. Tesis Doctoral, 155 pág. Departamento de Explotación y Prospección de Minas, Universidad
de Oviedo (inédita).
Merchant, D.C. (1987): "Spatial accuracy specification for large scale topographic maps".
Photogrammetric Engineering and Remote Sensing, 53(7): 958-961. En Veregin (1989a).
Miller, C.L.; Laflamme, R.A. (1958): "The digital terrain model-theory and application".
Photogrammetric Engineering, 24(3): 433-442.
Minnaert, M. (1941): "The reciprocity principle in Lunat photometry". Astrophysics Journal, 93: 403-
410. En Woodham y Lee (1985).
Moellering, H. (1983): "Designing interactive cartographic systems using the concepts of real and
virtual maps". En Clarke, K.C. (1990:5).
Moore, I.D.; O'Loughlin, E.M.; Burch, G.J. (1988): "A contour-based topographic model for
hydrological and ecological applications". Earth Surface Processes and Landforms, 13: 305-320.
Mukai, Yukio; Sugimura, Toshiro; Iijima, Tetsuji; Ayabe, Koichi; Tachi, Kazuo; Nakazawa, Takashi
(1989): Automatic computation of elevation data of side-lap area using system corrected Landsat TM
data. Remote Sensing Technology Center of Japan, Tokyo. Original no publicado, 8 p.
Mukai, Yukio; Sugimura, Toshiro; Arai, Kohei (1990): "Automated generation of digital elevation model
using system corrected SPOT data". Twenty-Third International Symposium on Remote Sensing of
Environment: 1107-1115. Bangkok, Thailand.
Mulla, David J. (1988): "Using geostatistics and spectral analysis to study spatial patterns in the
topography of southeastern Washington State, U.S.A.". Earth Surface Processes and Landforms, 13:
389-405.
Müller, Jean-Clude; Lagrange, Jean-Philippe; Weibel, Robert (1995): GIS and generalization. Gisdata
Series 1, 257 p. Taylor & Francis. London.
N
Niemann, B.J. (Ed.)(1986): Papers from Annual Conference of the Urban and Regional Information
Systems Association, 2 vol. Denver.
O
O'Loughlin, E.M. (1986): "Prediction of surface saturation zones in natural catchments by topographic
analysis". Water Resources Research, 22(5): 794-804.
Oliver, M.A.; Webster, R. (1990): "Kriging: a method of interpolation for geographical information
systems". International Journal of Geographic Information Systems, 4(3): 313-332.
326
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Oswald, H.; Raestzsch, H. (1984): "System for generation and display of digital elevation models". Geo
Processing, 2(2): 197-218.
P
Papo, H.B.; Gelbman, E. (1984): "Digital terrain models for slopes and curvatures". Photogrammetric
Engineering and Remote Sensing, 50(6): 695-701.
Park, S.K.; Schowengerdt, R.A. (1982): "Image reconstruction by parametric cubic convolution". En
Colwell (Ed.)(1983:735).
Peled, Ammatzia; Fradkin, Kiril (1994): "Automatic acquisition of hypsographic maps". ASPRS/ACSM
Proceedings: 245-249.
Perkal, J. (1966): "On the length of empirical curves". Discussion Paper 10 Ann Arbor, Michigan Inter-
University Community of Mathematical Geographers (citado en Blakemore, 1983)
Peucker, T.K.; Fowler, R.J.; Little, J.J.; Mark, D.M. (1978): "The triangulated irregular network".
Proceedings of the ASP Digital Terrain Models (DTM) Symposium: 516-540. American Society of
Photogrammetry. Falls Church, Virginia.
Peuker, T.; Douglas, D.H. (1975): "Detection of surface-specific points by local parallel processing of
discrete terrain-elevation data". Computer Graphics and Image Processing, 4(4): 375-387.
Pike, Richard J. (1988): "The geometric signature: quantifying landslide-terrain types from digital
elevation models". Mathematical Geology, 20(5): 491-510.
Poiker, T.K.; Fowler, J.J.; Mark, D.M. (1978): "The triangulated irregular network". Proceedings of the
Digital Terrain Models Symposium: 516-540. St. Louis, Mississippi.
Popper, Karl R. (1984): Post Scriptum a La lógica de la investigación científica. Vol. II. El universo
abierto. Un argumento a favor del indeterminismo. Tecnos, 208 pág. Madrid.
Press, William H.; Flannery, Brian P.; Teukolsky, Saul A.; Vetterling, William T. (1986): Numerical
recipes. The art of scientific computing. Cambridge University Press, 797 pág. Cambridge.
Priebbenow, Russell (1988): "Cartographic applications of SPOT imagery. The Queensland experience".
7th Australasian Cartographic Conference. Sydney.
R
Rich, Paul M.; Hetrick, William A.; Saving, Shawn C; Dubayah, Ralph (1994): "Using viewshed models
to calculate intercepted solar radiation: applications in ecology". ASPRS/ACSM Proceedings: 524-529.
327
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 1
Copyrigth
Los modelos digitales del terreno son una parte importante de la información integrante de los sistemas de
información geográfica. En la revisión de la literatura sobre ellos destaca, sin embargo, la escasa atención
que se ha dedicado a los aspectos formales y conceptuales. Esta circunstancia ha conducido a que los libros
clásicos sobre SIG traten muy superficialmente el tema de los MDT y a que puedan encontrarse
ocasionalmente definiciones confusas, cuando no claramente erróneas. Este apartado tiene por objeto fijar
la base conceptual de los MDT con el fin de abordar posteriormente los aspectos relativos a su construcción
y manejo con mayor claridad.
¿Qué es un Modelo?
Primera definición: un modelo es "una representación simplificada de la realidad en la que
aparecen algunas de sus propiedades" (Joly, 1988:111).
El modelo reproduce solamente algunas propiedades del objeto o sistema original que queda
representado por otro objeto o sistema de menor complejidad.
Los modelos se construyen para conocer o predecir propiedades del objeto real.
Segunda definición: "un modelo es un objeto, concepto o conjunto de relaciones que se utiliza
para representar y estudiar de forma simple y comprensible una porción de la realidad
empírica" (Ríos, 1995:23).
La existencia de la relación simétrica entre modelo y realidad permite que un resultado C'
relativo al modelo pueda traducirse en otro C relativo al objeto real y, de esta forma, que las
respuestas derivadas del modelo sean aplicables a la realidad sin perder sentido.
La utilidad de los modelos para conocer o predecir está condicionada principalmente por:
•una buena selección de los factores relevantes para el problema
•una adecuada descripción de sus relaciones funcionales
La calidad de un modelo puede valorarse sometiendo una parte de los resultados a una
verificación experimental.
Dado que el modelo representa la realidad con una cantidad menor de información, existe un
error inherente al proceso de modelización que puede ser reducido pero no eliminado.
La eliminación del error implicaría la identificación del modelo con el objeto real; en este
sentido, debe buscarse un compromiso entre la complejidad del modelo y el error aceptable en
los resultados.
Parte 2
Tipos de Modelos
Existen numerosas clasificaciones de los modelos, ninguna de las cuales permite establecer
realmente unas categorías estrictamente excluyentes.
Primer ejemplo
Modelos icónicos, análogos y simbólicos
Turner (1970:364) se distingue tres tipos básicos de modelos: icónicos, análogos y
simbólicos.
modelo icónico
329
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Arriba: modelo análogo utilizado para resolver el problema del camino más corto entre dos
vértices de un grafo. Los lugares se representan mediante pequeñas anillas y los caminos
entre ellos se modelizan mediante hilos de la misma longitud que el camino real. Para localizar
la ruta más corta entre dos puntos, A y D, se cogen las anillas correspondientes y se tensa la
red. Los hilos tensos definen la ruta mínima: A>F>H>D
modelo simbólico
Segundo ejemplo
Modelos analógicos vs. Modelos digitales
Los modelos digitales están codificados en cifras; son, por tanto, modelos simbólicos.
Los modelos analógicos son modelos físicos, como los ya mencionados de una maqueta como modelo
icónico, o un mapa convencional como modelo análogo.
Los modelos digitales presentan algunas propiedades de interés:
no ambigüedad: cada elemento del modelo tiene unas propiedades y valores
específicos y explícitos
verificabilidad: los resultados se construyen mediante pasos explícitos y concretos que
pueden ser analizados uno a uno y comprobados en todas las fases del proceso
repetibilidad: los resultados no están sometidos, a menos que de diseñe expresamente,
a factores aleatorios o incontrolados y pueden ser comprobados y replicados las veces
que se desee.
330
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 3
MDT
Un MDT, o modelo digital del terreno es una estructura numérica de datos que representa la
distribución espacial de una variable cuantitativa y continua. Por tanto,
los MDT son modelos simbólicos
las relaciones de correspondencia con la realidad se establecen mediante algoritmos
los MDT son conjuntos de datos con una estructura interna
esta estructura se refleja en la forma lógica -en el sentido informático- de almacenar y
vincular las unidades de información datos entre sí, que debe representar de alguna
forma las relaciones espaciales entre los datos
los MDT representan la distribución espacial de una variable cuantitativa y de
distribución continua
Por tanto, los mapas temáticos (variables nominales) no son MDT ni éstos están formados
tampoco por entidades lineales o puntuales como, por ejemplo, una red hidrológica.
MDT y mapas
Los mapas son la versión analógica de los MDT y pueden se denominados, por tanto, modelos
analógicos del terreno, MAT. Ambos tipos de modelos se complementan y no es previsible la
total sustitución de unos por los otros.
Asimismo, un uso eficaz de los MDT no se concibe fácilmente sin un equipo de trabajo
relativamente amplio, un equipo informático sofisticado y un conjunto de circunstancias que
permita unas condiciones de trabajo con una razonable estabilidad. En la práctica, las
posibilidades de trabajo e investigación que los SIG/MDT permiten se ven limitadas por las
también exigencias económicas y estratégicas que plantean.
331
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 4
Simulación de procesos
Los MDT no son esencialmente modelos estáticos, su naturaleza digital permite realizar
procesos de simulación dinámica y crear modelos de procesos:
Parte 5
El MDE
En la cartografía convencional la descripción de las elevaciones a través del mapa topográfico constituye la
infraestructura básica del resto de los mapas. El papel equivalente en los MDT lo desempeña el modelo
digital de elevaciones (MDE), que describe la altimetría de una zona mediante un conjunto de cotas.
332
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Las aplicaciones informáticas de uso menos aplicado tuvieron que esperar algunos años más
y, habitualmente, surgieron en un contexto SIG que incorporaba la información topográfica
para el manejo de cartografía digital en términos más generales. El Harvard Laboratory for
Computer Graphics and Spatial Analysis marcó un hito cuando presentó SYMAP en 1967.
SYMAP era una aplicación formada por un conjunto de programas de manejo de cartografía
digital que incluía algoritmos de interpolación para generar mapas de isopletas a partir de
puntos acotados distribuidos irregularmente.
En los últimos años han surgido ya multitud de aplicaciones informáticas capaces de manejar
eficazmente los MDT. A pesar de ello, aún queda pendiente, lo mismo que en los SIG en
general, la resolución de problemas básicos como, por ejemplo, conseguir una estructura de
datos idónea, conseguir algoritmos eficientes, o facilitar el uso de los sistemas por parte de
los usuarios.
Parte 6
Definición
Un modelo digital de elevaciones es una estructura numérica de datos que representa la distribución
espacial de la altitud de la superficie del terreno.
Un terreno real puede describirse de forma genérica como una función bivariable continua:
donde z representa la altitud del terreno en el punto de coordenadas (x, y) y z es una función que relaciona
la variable con su localización geográfica..
En un modelo digital de elevaciones se aplica la función anterior sobre un dominio espacial concreto, D.
En consecuencia, un MDE puede describirse genéricamente como MDE=(D,z).
En la práctica, la función no es continua sino que se resuelve a intervalos discretos, por lo que el MDE está
compuesto por un conjunto finito y explícito de elementos. Esta generalización implica una pérdida de
información que incrementa el error del MDE y, en consecuencia, se propaga a los modelos derivados.
Estructuras de datos
De forma general, la unidad básica de información en un MDE es un punto acotado, definido como una
terna compuesta por un valor de altitud z, al que acompañan los valores correspondientes de x e y.
La estructuración de los datos elementales se ha realizado según dos modelos:
el modelo de datos vectorial está basado en entidades u objetos geométricos definidos por las
coordenadas de sus nodos y vértices
333
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
el modelo de datos raster está basado en localizaciones espaciales, a cada una de las cuales se les
asigna el valor de la variable para la unidad elemental de superficie
estructuras raster
matriz regular: cotas distribuidas sobre una malla cuadrada
quadtrees: matrices jerárquicas imbricadas
Parte 7
Modelo vectorial
El uso directo del modelo de contornos es poco útil pero casi todos los SIG tienen
herramientas para incorporarlos y transformarlos a otras estructuras (TIN o matrices).
Un TIN (triangulated irregular network, Peucker et al., 1978) está formado por triángulos
irregulares:
se construyen ajustando un plano a tres puntos cercanos no colineales
se adosan sobre el terreno formando un mosaico
se adaptan a la superficie con diferente grado de detalle, en función de la
complejidad del relieve.
334
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 8
Modelos raster
El modelo matricial regular
Las matrices regulares se construyen superponiendo una retícula sobre el terreno y extrayendo la
altitud media de cada celda. Normalmente,
la retícula es una red regular de malla cuadrada
la localización espacial de cada dato está determinada de forma implícita por su
situación en la matriz, definidos el origen y el valor del intervalo entre filas y
columnas
La matriz regular es la estructura más utilizada para construir los MDE debido a su cómodo
manejo informático y simplicidad estructural.
Otras estructuras
Se han descrito muchas variantes y alternativas para el archivo y tratamiento de los MDE:
perfiles (Yoeli, 1983:21)
codificación de contornos mediante ecuaciones polinómicas (Miller y Laflamme,
1958:437)
id. mediante secuencias de segmentos de Bézier (Walton, 1989)
polígonos irregulares adosados (Moore et al., 1988)
redes hexagonales regulares (Roessel, 1988)
Cada uno aduce en cada caso ventajas para aplicaciones concretas pero su uso no se ha generalizado
hasta el momento.
335
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 9
¿vectorial o raster?
La adopción de una estructura de datos concreta:
supone decidir el método de construcción del modelo e, indirectamente, sobre qué tipo
de información va a ser representada y cuál descartada
implica un esquema concreto de almacenamiento y gestión informática de los datos
implica la necesidad de traducir los algoritmos a formas compatibles con la estructura
de datos elegida
supone aceptar las limitaciones que aplicaciones informáticas puedan tener para
gestionar la información en el formato elegido
Los SIG y algunas aplicaciones dedicadas expresamente al tratamiento de los MDT usan, en la
práctica, sólo dos de las alternativas anteriores: matrices regulares y TIN.
El papel del modelo de contornos ha quedado reducido a ser una etapa intermedia en la
captura de información: la de digitalización del mapa topográfico.
Los quadtrees han despertado un mayor interés y existen aplicaciones que los usan como
estructura básica pero, a pesar de tratarse de una estructura teóricamente adecuada para el
tratamiento de la topografía, presentan serios problemas en el diseño de algoritmos.
Entre las dos alternativas restantes, dominan ampliamente las matrices regulares, probablemente por su
simplicidad conceptual y su cómodo tratamiento informático
Parte 10
captura de datos
Los métodos básicos para la conseguir los datos de altitudes son:
métodos directos: medida directa de los datos de altitud sobre el terreno (fuentes
primarias)
altimetría: altímetros transportados por plataformas aéreas
GPS, global positioning system, localización mediante triangulación vía satélite
336
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 11
métodos directos
Los altímetros transportados por satélites permiten el registro directo de los datos de altitud en formato
digital:
son extremadamente precisos: el error nominal puede ser de unos centímetros (Bruzzi y
Wooding, 1990:13)
esta precisión es relativa, es decir, el altímetro evalúa de forma muy precisa diferencias
entre medidas sucesivas
Otros problemas relacionados con la fuerte dispersión de la señal en zonas rugosas y con una
resolución espacial reducida han limitado prácticamente su uso hasta el presente al análisis de
la topografía de la superficie marina y seguimiento de los hielos polares (Francis et al.,
1991:42-43).
Los sistemas de localización geográfica conocidos como GPS -global positioning system-
utilizan un conjunto de satélites de referencia y, mediante métodos de triangulación, permiten
obtener valores de las tres coordenadas espaciales para un lugar concreto de la superficie
terrestre:
es un método muy preciso en ciertas condiciones (GPS diferencial, con una segunda estación de
apoyo)
entre sus limitaciones:
es necesario acceder físicamente al lugar de medida
es necesario el acceso directo y simultáneo a un mínimo de cuatro satélites
la cubierta vegetal sobre la antena receptora dificulta la medida
Finalmente, las estaciones topográficas más avanzadas pueden generar y almacenar los
resultados de sus medidas en formato digital. Algunos sistemas de información geográfica
incorporan utilidades que permiten el tratamiento e incorporación de estos datos (ver, por
ejemplo, ESRI, 1991).
337
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 12
métodos indirectos
Restitución fotogramétrica, radargrametría
La restitución fotogramétrica utiliza pares de imágenes de la zona a estudiar, parcialmente solapados y
tomados desde puntos de vista diferentes, que forman los denominados pares estereoscópicos:
del examen de puntos homólogos y de su paralaje se deducen las cotas de referencia
necesarias para reconstruir la topografía
los restituidores fotogramétricos actuales realizan esta labor grabando los resultados en
un formato digital compatible con sistemas de información geográfica.
es necesario el acceso al terreno para establecer un conjunto de puntos de apoyo que
permitan fijar valores de altitud en una escala absoluta
Los pares estereoscópicos han sido hasta hace pocos años exclusivamente fotogramas
aéreos. Actualmente, a estas fotografías se han sumado las imágenes digitales tomadas por
sensores pancromáticos transportados por satélites.
Los radares de apertura sintética mediante técnicas definidas como radargrametría permiten
generar MDE de buena precisión. Aunque probablemente es la técnica del futuro, las
dificultades operacionales son aún significativas. Sin embargo, la magnitud del error del MDE
resultante permite establecer ya una competencia real con los métodos más convencionales.
Parte 13
métodos indirectos
la digitalización automática
La digitalización de mapas topográficos preexistentes es la técnica más habitual en la actualidad y puede
realizarse
de forma automática mediante un escáner
de forma manual, mediante un tablero digitalizador
La digitalización automática genera una imagen de valores de reflectancia. El tamaño de la celda o pixel
debe establecerse asegurando
que sea capaz de recoger todas las estructuras presentes en el mapa
338
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
que la dimensión de los ficheros permitan el tratamiento con los medios informáticos
disponibles
toma de la imagen mediante el escáner; la imagen puede ser binaria (blanco y negro) pero también
es posible usar el color para separar elementos
filtrado de la misma para separar las estructuras de interés y descartar el resto
vectorización de la imagen contrastada, de forma que los pixeles adyacentes se
estructuren en líneas, generándose una estructura vectorial
reconocimiento de los valores de elevación escritos en el mapa, en un proceso de
varios pasos:
una aplicación OCR -optical character recognition- identifica los dígitos del mapa
se restituyen los rótulos de elevaciones a partir de los dígitos
se asigna la elevación a los contornos a ambos lados del rótulo
se unen ambos extremos de contornos y se eliminan los rótulos
edición manual, para la corrección de los errores topológicos y la asignación de
altitudes a las líneas no etiquetadas
Los mapas originales suelen ser complejos, con mucha más información que la estrictamente
deseable. En consecuencia, la fase de revisión y corrección de los errores topológicos (Peled y
Fradkin, 1994:246) es muy costosa.
Por este motivo, y a pesar del coste cada vez más asumible de los escáneres de gran
formato, la digitalización manual es un método usado muy frecuentemente por los equipos de
pequeña entidad.
Parte 14
métodos indirectos
la digitalización manual
La digitalización manual se realiza con un tablero digitalizador sobre el que se coloca el
mapa:
las curvas de nivel se siguen manualmente con un cursor
el ordenador recibe a ciertos intervalos las coordenadas que definen la
trayectoria de la línea
los intervalos pueden ser fijos o variables
Parte 15
¿qué digitalizar?
La calidad de un MDE puede mejorarse significativamente complementando las curvas de nivel con
datos auxiliares de diversos tipos. En general, el listado de elementos que pueden aportar
información para construir un MDE es:
curvas de nivel, descompuestos o no en puntos acotados -mass points- previa
generalización o reducción de la densidad de vértices de la línea
puntos acotados singulares o vips -de very important points-: cumbres de picos,
fondos de dolinas, etc.
líneas estructurales, que definen elementos lineales con valores de altitud
asociados a cada vértice
líneas de inflexión o rotura – breaklines -, que definen la posición de elementos
lineales sin valores de altitud explícitos que rompen la continuidad de la
superficie.
zonas de altitud constante: polígonos que encierran una superficie de altitud
única (p. ej. lagos)
zonas de recorte, polígono que define los límites externos del MDE
zonas vacías, donde no es deseable asignar altitudes (p. ej. zonas inundadas o
cubiertas de nieve)
Todas las estructuras anteriores pueden y deben usarse para generar un MDE a fin de aprovechar
adecuada y eficazmente la información topográfica disponible.
340
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Parte 16
la interpolación
Esta familia de métodos permite la generación del MDE de una forma rápida y simple.
Sin embargo, se trata esencialmente de una media ponderada y, por tanto, el resultado
se encuentra siempre incluido dentro del rango de variación de los datos. Por este
motivo, el correcto tratamiento de las formas cóncavas y convexas depende
estrechamente de la distribución de los puntos originales y la presencia de datos
auxiliares se hace muy conveniente.
Esta hipótesis supone que la variación espacial de la variable a representar puede ser
explicada al menos parcialmente mediante funciones de correlación espacial: la
variación espacial de los valores de z puede deducirse de los valores circundantes de
acuerdo con unas funciones homogéneas en toda el área.
Las funciones pueden deducirse analizando la correlación espacial entre los datos en
función de la distancia entre ellos midiendo la semivarianza entre datos separados por
distancias diferentes (Oliver y Webster, 1990:315, Royle et al., 1981).
341
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Ejemplo de semivariograma
donde la varianza real se
ajusta a una distribución
teórica; ésta es la que se
aplica para la estimación de
los pesos en la interpolación.
Por los motivos anteriores el kriging no suele dar buen resultado en la construcción de
MDE, generándose modelos muy suavizados donde la rugosidad del terreno se
infravalora fuertemente.
Parte 17
la triangulación
TIN, la red de triángulos irregulares
El modelo TIN tiene varias cualidades de interés:
no presupone ni exige la continuidad estadística de la superficie a representar
puede generarse incorporando una amplia variedad de estructuras auxiliares
se adapta a la complejidad del terreno, variando la densidad local de la red
respeta los valores de los datos que son usados como vértices
342
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
la región Vi contiene todos y sólo los puntos cuya distancia a Pi es menor que a
Pj y viceversa
el concepto se extiende a múltiples puntos Pn de forma que cada uno de ellos
se asocia a una región Vn
si el concepto se aplica a un dominio cerrado se genera un conjunto de
polígonos convexos que teselan el plano denominados regiones de Voronoi
si se conectan entre sí los puntos que comparten un borde de una región se
obtiene una triangulación de Delaunay
La forma más trivial de construir un TIN es usar todos los vértices y nodos de las
curvas de nivel, así como los puntos singulares como vértices de triángulos. Este
modelo masivo no es deseable:
por la enorme cantidad de elementos que sería necesario construir y manejar
para una zona de cierta extensión
por la redundancia debida a que muchos puntos procedentes de una
digitalización rutinaria no aportan una información significativa.
Los métodos de construcción de TIN más utilizados pueden agruparse en las siguientes
clases:
inserción incremental, que comienza con una triangulación mínima y a la que se
añaden progresiva y selectivamente nuevos puntos como vértices de la red.
reducción selectiva, por eliminación de puntos a partir de un modelo masivo
mediante criterios de incremento mínimo del error.
Por este motivo, lo más usual es crear un MDE según el modelo TIN y, posteriormente,
generar un MDE matricial convencional.
Parte 18
Otros métodos
Una forma de evitar el problema es introducir la red hidrológica como líneas de rotura
en la generación del modelo TIN. De esta forma, la triangulación utilizará estas líneas
como lados de los triángulos trazando correctamente las líneas de flujo.
344
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Tema 2
Valoración
del error en el MDE
Introducción
Los ordenadores y programas utilizados para el manejo de la información cartográfica
permiten definir localizaciones con una precisión casi arbitraria. Esta precisión se transmite
aparentemente al resto de las operaciones de forma que unos buenos gráficos, una
leyenda fácilmente legible y otros aspectos formales de la presentación tienen como
resultado una sobrevaloración de la calidad de la información presentada.
Sin embargo, la realidad muestra que los problemas inherentes al manejo de las bases de datos
cartográficas se deben, en una buena parte, a su mala calidad. Muchos documentos digitales han
sido "capturados" de mapas impresos de naturaleza muy heterogénea, generados con unos objetivos
y expectativas que no tienen porqué coincidir con los actuales. La potente maquinaria actual y los
sofisticados programas informáticos permiten obtener un resultado que replica fielmente todos los
defectos del original y añade algunos nuevos. Sin embargo, su naturaleza digital induce a creer
frecuentemente que el contenido de la base de datos es mejor que el original analógico.
El problema se incrementa con el tiempo, cuando unos datos originales han sido
usados para diferentes modelizaciones, cuyos resultados son, asimismo, tomados
como ciertos y reutilizados en otros procesos. El proceso sigue hasta el punto de
olvidar el origen de la cadena y perdiendo, por tanto, toda referencia con la realidad.
Por estos motivos es cada vez más necesario incorporar lo que se ha llamado meta-
información en los productos SIG: información sobre la información, de la cual la
referente al error es uno de los elementos de mayor importancia (Geertman y Ruddijs,
1994:152).
345
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Estos dos tipos de errores han sido denominados también, de forma más genérica,
cartográficos —error en la localización de elementos—, y temáticos —error en el
atributo cartografiado— (Veregin, 1989b:12).
Los errores posicionales afectan a los modelos vectoriales, como los basados en
contornos o en las redes de triángulos, que manejan entidades geométricas. Los
modelos raster, basados en localizaciones definidas implícitamente no se ven afectados
por errores de posición.
Los errores atributivos afectan tanto a modelos vectoriales como raster. En el primer
caso suele tratarse de errores en el sentido más básico de la palabra —blunders—, es
decir, fallos groseros y locales en la asignación de la altitud. En el caso de las matrices
regulares, el origen del error suele estar en las múltiples operaciones geométricas
implicadas en la construcción del MDE. En este caso, el error es de naturaleza
estadística y global, pudiendo considerarse un atributo que define y caracteriza el MDE.
Las imágenes de algunos sensores transportados por satélite han sido utilizadas para
generar modelos digitales de elevaciones de forma, hasta ahora, experimental.
En un primer ensayo, Mukai et al. (1989) han utilizado pares de imágenes Landsat-TM
para calcular altitudes en la zona de solapamiento entre dos órbitas. Los resultados que
presentan señalan un error cuadrático medio, ECM, de 92 m, lo que supone 3 veces el
tamaño del pixel de la imagen original —30 m—. La zona, de 40x45 km y situada en
los Alpes centrales de Japón, posee un desnivel máximo de 2200 m. Para el cálculo
del ECM se utilizó un total de 60 puntos de control.
El satélite SPOT es claramente más adecuado para el cálculo de altitudes debido a dos
circunstancias. La primera, que el tamaño de pixel de las imágenes es de 10 m en
modo pancromático, lo que supone un incremento muy significativo de la resolución.
La segunda es que el SPOT puede tomar pares de imágenes estereoscópicas de la zona
que se desee girando las cámaras, lo que permite cubrir cualquier zona de la superficie
terrestre.
Mukai et al. (1990), usando técnicas similares a las de su anterior trabajo con Landsat-
TM, consiguen en este caso valores del ECM de 26 m partiendo de las imágenes SPOT
pancromáticas. Sasowsky et al. (1992) realizan pruebas similares en un área de 25
km2 de Alaska y proponen una magnitud del ECM de 19 m, con errores entre –13 y
+48 m. En este caso, los errores no tienen media nula, lo que significa que el MDE
derivado de las imágenes SPOT tiene una tendencia significativa a proponer altitudes
más elevadas que el mapa de referencia —escala 1:6.000—.
346
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
La conclusión general es que las imágenes SPOT permiten construir modelos con
valores del ECM variables en función del relieve y de los métodos utilizados. La
magnitud del error limita sus aplicaciones en grandes escalas pero, como veremos
posteriormente, puede ser razonable si se generan modelos matriciales donde el ECM
sea aproximadamente un 10% del tamaño de la malla —distancia entre filas y
columnas—.
automática es dificultosa a partir de los complejos mapas editados, que son los más
fácilmente disponibles.
El error de la digitalización
En el caso de los errores derivados de la digitalización manual, cabe distinguir tres casos
diferentes:
el error topológico, provocado por que el operador sigue una línea equivocada
debido a una mala interpretación del mapa
el error estocástico, generado por la imprecisión en el seguimiento de las líneas
debido a una deficiente colocación del cursor
el error de generalización, debido a la simplificación del trazado de las curvas, que
son digitalizadas como una cadena de segmentos rectilíneos
Los errores topológicos son simples de detectar y corregir mediante un simple análisis
visual debido a los rígidos patrones de distribución de las curvas de nivel —paralelismo,
coherencia topológica—. Por este motivo, este tipo de errores se elimina en la primera
etapa del control de calidad y no tiene una influencia relevante en la calidad del modelo
final. Como ya se ha indicado en el tema anterior, el error topológico es mucho más
frecuente en la digitalización automática mediante escáner (Peled y Fradkin, 1994:246),
donde la experiencia y capacidad de interpretación del operador no pueden ser aplicadas.
cual el operador coloca el cursor sobre la línea. Si el tiempo entre puntos sucesivos es
suficiente el error en cada punto será independiente de los anteriores. Sin embargo, existe
la tendencia a mantener el cursor en continuo movimiento, pulsando de forma secuencial
y continua. En este caso, el modo punto a punto se asemeja al modo continuo y el
fenómeno de autocorrelación se hace significativo.
349
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
punto j, ej puede ser representado como una suma ponderada de un número finito n de
errores anteriores más un término aleatorio a propio de cada punto:
El uso de modelos ARMA puede ser un camino para modificar los ficheros procedentes de
la digitalización y reducir el error posicional global. En efecto, si se demuestra que el
modelo es coherente y puede explicar una fracción significativa del error, puede ser
aplicado a posteriori para realizar una corrección de las coordenadas. Al menos, la parte
del error explicada por autocorrelación podría ser reducida para mejorar la calidad del
proceso. Sin embargo, esta hipótesis debe ser aún comprobada ya que no se han
localizado trabajos en la bibliografía que lo hayan llevado a la práctica.
La banda épsilon fue utilizada originalmente por Perkal (1966) como método de generalizar
objetivamente una línea. El algoritmo más utilizado en la actualidad para generalizar las
líneas (Peuker y Douglas, 1975) es básicamente un procedimiento iterativo que maneja
implícitamente el concepto de banda e al definir una distancia umbral para la "limpieza" de
las líneas —weed tolerance—. El valor de e puede usarse, sin embargo, como un índice de
calidad al valorar el proceso de digitalización.
350
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Cabe considerar que el valor de e puede no ser constante en todo el mapa. El motivo es
que el error de digitalización puede variar en función de la complejidad de las líneas y de
su proximidad.
Los errores de los mapas originales se suman, por tanto, a los ya estudiados del propio
proceso de digitalización. Pueden diferenciarse los siguientes componentes:
error altimétrico absoluto del mapa o error máximo admitido en los procesos
fotogramétricos
propagación del error planimétrico a la altimetría: el error planimétrico se
establece habitualmente en 0,2 mm de la escala del mapa. Su efecto en la
altitud es proporcional a la tangente de la pendiente del terreno
deformaciones dimensionales del mapa, debidas a alteraciones en la
temperatura y humedad
Cabe destacar que la detección y corrección de este tipo de errores sólo es posible cuando
se trata de deformaciones globales. Esto significa que problemas tan usuales como los
dobleces en los mapas pueden ser muy difíciles de corregir por tratarse de deformaciones
locales.
La medida de este tipo de error puede realizarse con criterios estadísticos a partir de un
conjunto de puntos de control localizados con precisión. El problema se plantea
básicamente como una transformación de coordenadas, desde un sistema original
deformado a otro de referencia, habitualmente un sistema de proyección geográfica.
352
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
El grado del polinomio de ajuste puede ser variable. Cuando vale 1 es posible efectuar
transformaciones afines, es decir, operaciones de translación, rotación y cambio de
escala. Los grados superiores permiten recuperar distorsiones geométricas más complejas.
En el primer caso, las ecuaciones de transformación se reducen a un plano de regresión:
El límite aceptable para el error cuadrático máximo de los puntos o para el ECM debe
fijarse en función de la aplicación a la que va destinado el MDE, así como de la escala de
partida, primer determinante de la precisión geométrica de un modelo. En la digitalización
manual puede proponerse un límite empírico que sería la distancia que corresponde a 0,25
mm del mapa a la escala de trabajo. Con un original a escala 1:50.000 este valor es de
12,5 m y corresponde aproximadamente a la precisión máxima que un operador
experimentado puede obtener en la digitalización manual.
En caso de errores excesivos deben examinarse individualmente los puntos de control para
comprobar si existe alguno especialmente anómalo. Posteriormente, puede variarse el
grado de la transformación para intentar mejores ajustes. De forma general, la
transformación de primer grado sólo permite efectuar ajustes lineales por lo que, si el
mapa está distorsionado, serán necesarias previsiblemente transformaciones de grado
superior. Existe un límite práctico derivado de la precisión de los cálculos implicados en las
operaciones matriciales necesarias.
Finalmente, debe destacarse que los puntos de control del mapa se digitalizan
manualmente por lo que una introducción descuidada puede una causa complementaria de
error muy significativa.
En este caso, la forma más simple de detectar el problema es trazar perfiles paralelos en
diversas direcciones y examinar visualmente los resultados. La corrección se realiza
manualmente actualizando en la base de datos el registro que describe la curva errónea.
También es posible y útil generar un MDE matricial y, a partir de él, modelos derivados.
Algunos de ellos permiten ver fácilmente los errores debido a las irregularidades en la
distribución de las variables —especialmente, pendientes y sombreado—.
En el caso de los modelos matriciales, el error puede considerarse de tres tipos posibles:
grandes errores —blunders—; su magnitud excede el máximo error permitido.
Son de naturaleza local y deben ser eliminados completamente
errores sistemáticos, que presentan un patrón de distribución concreto e
introducen un sesgo en el MDE. En caso de existir, son predecibles y pueden
ser eliminados o, al menos, reducidos
errores aleatorios, que permanecen tras la eliminación de los anteriores y que
suelen presentar una distribución de Gauss. Este error es global y se origina en
las imprecisiones de los datos originales y en los múltiples procesos de
generalización, interpolación, etc. que se ejecutan en su construcción.
Los parámetros que definen la distribución del error pueden deducirse a partir de un
conjunto muestral de puntos—check points— para los que se conoce la altitud real.
Los puntos de control se consideran "verdaderos", es decir, medidos sin error, por lo que
deben ser definidos mediante métodos precisos. El método más utilizado es extraer las
altitudes de mapas preexistentes de la mayor escala posible, con la confianza de manejar
errores desconocidos pero moderados. Probablemente el uso de los GPS adquiera aquí
pleno sentido, al permitir establecer un conjunto de puntos de control con precisión
conocida y que, en los casos de usar GPS diferencial, pueden tener una precisión
suficiente para el control de calidad.
El error medio para un conjunto dado de puntos de control tiene interés para comprobar si
las desviaciones del modelo son aleatorias o no. En el primer caso, EM no será
significativamente diferente de cero. Sin embargo, como las desviaciones positivas y
negativas se anulan, el EM no es una medida válida de la calidad del MDE.
354
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Lo más habitual es utilizar el error cuadrático medio, ECM, que se calcula mediante la
expresión:
El uso de estos estadísticos permite una evaluación objetiva de la calidad de los MDE si,
del mismo modo que en el caso de la cartografía convencional, se plantean unas reglas de
calidad o baremos para los MDE. Para la aplicación de un baremo se asume que los
grandes errores han sido corregidos, así como los posibles errores sistemáticos y sólo
resta la componente aleatoria.
cuando no hay sesgo, es decir, cuando EM=0—; R(e) es la fiabilidad de la medida del
error, asimismo en términos de desviación estándar —el error del error—; finalmente, n es
el número de puntos de control. Para 150 puntos de control, el valor de R(e) es del 6%,
similar al propuesto por Ley (1986).
Por tanto, si se desea evaluar el error con una fiabilidad del 10%, —R(e)=0.10—serán
necesarios 51 puntos de control. Inversamente, si se ha obtenido un error de R(e)=25 m
con 50 puntos de control, sabemos la desviación estándar del error es de 2,5 m, un 10%
de la medida. En consecuencia, los límites de confianza del 95% para el error estarán en el
rango de 25 ± 1,96 ∙ 2,5 m = 25 ± 4,9 m.
En la selección de los puntos de control debe tenerse en cuenta que el muestreo debe ser
representativo de las estructuras topográficas presentes en la zona. Por este motivo, el
uso de la red geodésica no es aconsejable ya que los puntos tienden a encontrarse en las
cimas y otros lugares destacados. Sí es posible, en cambio, utilizar la red como apoyo
para añadir otros puntos de control en zonas diferentes o utilizar el método GPS para
conseguir una red representativa con una distribución adecuada.
355
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
El origen de estos errores puede estar en causas diversas, incluso por los métodos
automáticos de estereocorrelación, que pueden tener problemas debido al bajo contraste
de las imágenes, a ambigüedades por la existencia de texturas periódicas sobre el terreno
o a reflejos (Hannah, 1981:63). Cuando los modelos se construyen por transformaciones
de archivos vectoriales previos, los conflictos pueden originarse en errores preexistentes o
en el comportamiento de los algoritmos de interpolación utilizados en zonas problemáticas.
Es posible utilizar métodos puramente visuales para la localización de este tipo de errores
(USGS, 1997). Para ello se realizan representaciones mediante bloques-diagrama,
coloreado de bandas de gradientes hipsométricos, vistas estereoscópicas mediante
anaglifos y simulaciones de iluminación.
En el análisis más simple se calculan las diferencias de altitud entre el punto problema y
sus vecinos. El punto se etiqueta si alguna de estas diferencias exceden un valor máximo
predefinido. Llamando e a la condición de error , se tiene:
Analizando el MDE por filas o columnas, si sólo se detecta un valor conflictivo puede
suponerse un punto de ruptura de pendiente. La detección de dos señales de alarma
secuenciales es un indicador de que el punto implicado en ambos cálculos es
probablemente erróneo.
Hannah (1981) propone pruebas más completas, basadas en el conjunto de los vecinos
más próximos de cada punto, y utilizando tanto los valores de pendiente como los de
cambio de pendiente. En ellas se utilizan valores umbral para ambos parámetros con el fin
de detectar puntos conflictivos.
356
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
La base del test reside en el análisis de las diferencias existentes entre dos valores de
altitud para cada punto: la presente en el MDE —correcta o errónea— y un valor estimado
mediante un proceso de interpolación a partir de las cotas vecinas. Para un punto situado
en la fila i, columna j, el valor interpolado es:
El proceso se realiza para el total de los n puntos del MDE y se obtiene la diferencia media
y su desviación estándar:
los valores anteriores definen la función de distribución de las diferencias, una distribución
de Gauss,
que permite realizar un test de significación para los valores individuales de las diferencia.
Con este test se puede aceptar o rechazar la hipótesis de que el valor individual de
desviación observado pertenece a la población de desviaciones. Para ello se utiliza un test
de la t de Student, que debe realizarse para cada punto del modelo calculando el valor del
estadístico mediante la expresión:
como el número de datos del modelo digital será habitualmente muy elevado, se usa el
valor infinito para los grados de libertad. El modelo digital constituye la población, por lo
cual los valores que definen la distribución pueden considerarse parámetros poblacionales
y no estadísticos muestrales.
La probabilidad de error de Tipo I puede definirse con el fin de detectar solamente las
diferencias muy significativas. En consecuencia, la condición de error vendrá dada, por
ejemplo, por
La hipótesis nula es
y la alternativa
357
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
El primer caso es, sin duda, el más frecuente y la forma más simple de tratar el problema,
pero obviar el problema puede tener consecuencias negativas en función de las decisiones
que se tomen a partir de la información defectuosa.
Queda, finalmente, una cuarta opción que la presentación de los resultados clave para una
decisión asociados a su nivel de incertidumbre y no de forma determinística estricta. Por
ejemplo, si es necesario delimitar las zonas con pendiente menor de 5º, el modelo que se
presente puede tener una frontera difusa entre la clase p<5º y el resto, con un significado
similar a la banda épsilon.
Las normas de propagación del error no son necesariamente simples, por lo que su
solución analítica puede ser inabordable. Asimismo, dependen estrechamente de los
algoritmos utilizados y, ocasionalmente, pueden cambiar en función de las características
del relieve de la zona.
El análisis de sensibilidad
La propagación del error se ha estudiado habitualmente realizando un análisis de
sensibilidad del proceso concreto. El análisis se realiza generando diferentes modelos de
error para los datos originales y estudiando los resultados producidos. Se trata, por tanto,
de producir a partir de un MDE original, otros MDE con diversos grados de distorsión y
358
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Habitualmente se asume que el error añadido al MDE original debe ser gaussiano y con
media nula —es decir, tener una distribución normal y no presentar sesgo—. En muchos
casos este modelo puede ser correcto pero hay autores que han propuesto también que el
error puede presentar diferentes grados de autocorrelación —ver más adelante—.
En el primer caso el error se asigna a cada punto del MDE mediante un algoritmo
generador de ruido aleatorio. La magnitud del error depende del ECM, para el cual deben
ensayarse varios valores. La altitud en un punto se modifica de acuerdo con la expresión:
donde zi,j es la altitud en el MDE original y z’i,j es el dato modificado mediante la adición
del componente aleatorio ei,j , el factor de ruido generado de acuerdo con una distribución
N(0,ECM).
En el segundo caso se asume que los errores de puntos adyacentes tienden a ser
similares. La presencia de errores correlacionados sugiere la existencia de alguna otra
variable que afecta al modelo. Esta variable puede estar relacionada, por ejemplo, con el
comportamiento del interpolador utilizado en la generación del MDE. En caso de simular
errores de este tipo debe introducirse un factor de autocorrelación, lo cual suele realizarse
mediante la expresión siguiente (Canters, 1994:171):
A partir de los puntos anteriores es posible generar modelizaciones numéricas del proceso
en número suficiente como para construir empíricamente la función de probabilidad de la
variable resultado.
Los métodos de Monte Carlo han comenzado a ser prácticos y útiles cuando los
ordenadores han estado disponibles de forma generalizada. Los generadores de números
aleatorios son rutinas bien conocidas con las cuales es posible generar series de números
cuyas distribuciones pueden ajustarse a múltiples modelos.
En el caso que se trata aquí, podemos asumir un error gaussiano o con cierto grado de
autocorrelación. Los errores serán añadidos a datos simulados y aplicados los algoritmos
que ejecutan la simulación. De los resultados podemos deducir las características de la
propagación del error.
Felicísimo (1995) aplica este método al análisis de la propagación del error altitudinal al
cálculo de la pendiente. Los pasos seguidos son los siguientes:
se genera un MDE con valores de altitud iguales, simulando un terreno plano
se genera un valor de error para cada punto de acuerdo con un distribución de
Gauss N(0,ECM)
la altitud de cada punto se altera añadiéndole el valor de error
se calcula la pendiente en cada punto de acuerdo con el algoritmo que se desee
utilizar se construye la distribución de los valores de la pendiente resultantes de
la modelización y se compara con la distribución del MDE "real"
el ECM se establece en porcentaje del tamaño de la malla del MDE; por ejemplo, para un
MDE de 30 m de intervalo entre datos, un ECM del 10% corresponde a 3 m
del análisis de frecuencias de error acumuladas, se deducen los siguientes
resultados: para un MDE con ECM=10%, el 50% de los datos tendrán un error
de al menos 2º; el 25% de 3,5º y el 5% de 5º o más
un MDE con ECM=20%, el 50% de los datos tendrán un error de al menos 5º;
el 25% de 7º y el 5% de 11º o más.
en el caso de un MDE con pendiente superior a 0º, la influencia del error
disminuye proporcionalmente a la misma.
360
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
El efecto de la autocorrelación
Cuando la distribución espacial del error en el MDE no es completamente aleatoria —
aunque pueda serlo su distribución estadística—, interviene un nuevo factor: la intensidad
de la autocorrelación.
Manteniendo el ECM constante, se muestra que tanto el error medio como la desviación
estándar de la radiancia normalizada aumenta ligeramente en el rango 0 < r < 0,20 para
disminuir rápidamente si la correlación aumenta.
Canters (1994:176) indica también que cuando el error presenta cierto grado de
autocorrelación, las consecuencias sobre el producto final son menos graves que cuando
el error es estrictamente gaussiano. Canters analiza la influencia del error en el cálculo de
la pendiente en un modelo TIN e indica que existe una alta sensibilidad ante la
autocorrelación. Encuentra que si el error de altitud está correlacionado, los errores en la
pendiente son menores —lo cual no es especialmente sorprendente—. Señala, en
consecuencia, que ignorar la autocorrelación en la propagación del error puede suponer
una seria sobreestimación del error en los resultados. Canters resalta asimismo la
dependencia entre la pendiente del terreno y el error en el mismo sentido que el señalado
anteriormente: el error aleatorio influye en menor grado en zonas de fuerte pendiente que
en zonas llanas.
El error y el relieve
En las simulaciones anteriores se han supuesto unos valores de ECM constantes para todo
el modelo de elevaciones, a partir de la cuales se han realizado las simulaciones en todos
los casos.
361
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
Los análisis realizados sobre MDE reales indican, sin embargo, que existe una dependencia
entre el ECM y la morfología del terreno que no debe ser obviada en las modelizaciones.
En Felicísimo (1994:70) se muestran los resultados de analizar en error en 3 zonas de la
serie MDT200 del Instituto Geográfico Nacional. Los modelos de esta serie están
generados a partir de mapas de isohipsas con 100 m entre curvas de nivel y presentan
una luz de 200 m.
Los resultados se muestran en la tabla siguiente —EM: error medio; entre paréntesis, el
error estándar de la media—:
362
Modelos Digitales de Terreno TOPOMETRÍA y MICROGEODESIA - Año 2000
A.M.Felicísimo
La consecuencia previsible de este efecto es que, aunque puede darse un valor de ECM
para una zona amplia, la magnitud real del error será previsiblemente diferente si esta zona
contiene regiones con diferentes características topográficas. Los análisis sobre la
propagación del error podrán, por tanto, incorporar esta dependencia entre el error y el
relieve para mejorar los modelos.
El autor autoriza la reproducción del texto de este documento, total o parcialmente, para fines
científicos o educativos con la única condición de citar su procedencia
363