Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERIA
EN GEOMENSURA”
2003
AGRADECIMIENTOS
Tal vez una de las partes más importantes para mí, de toda esta memoria,
sean los agradecimientos, aquí es donde reflejo mi gratitud a todas esas personas que
me ayudaron conciente, y algunas que sin saberlo de igual manera lo hicieron.
Así por último, y tal vez más importante, quiero agradecerle a Dios, que con el
amor y fuerzas que me brindó, cuando tropecé y caí, pude volver a levantarme y seguir
caminando, luchando por alcanzar mis sueños.
RESUMEN
CAPITULO I. Introducción. 6
1.1.- Introducción 6
1.2.- Antecedentes 8
2.1.- Ubicación 12
2.5 Hidrología 24
aplicaciones
4.6.- Escáner 88
un SIG 108
Referencias 137
Apéndices 141
CAPITULO I. INTRODUCCIÓN
1.1.- Introducción
Hoy en día, dentro del marco geográfico, son muchos los avances tecnológicos
que han sido desarrollados, estos han ido de la mano de los avances
computacionales, ya sea, en hardware como en software. Pero más interesante aún
que las mismas herramientas, son las posibilidades y los nuevos espacios de
investigación que abren, gracias a la gran capacidad de análisis, al manejo de gran
cantidad de datos y a la alta calidad y precisión que entregan sus cálculos.
aplicaciones.
MDT.
de estos MDT.
fotogrametría digital.
CAPITULO II. Antecedentes del Área de Estudio
2.1.- Ubicación
La ciudad de Santiago está ubicada en una cuenca que constituye una zona
deprimida de 30 Km. de ancho, entre las cordilleras de los Andes y de la Costa, al sur de
los cerros de Conchalí (figura 2.1). Las zonas urbanas más bajas de la ciudad, en el
sector occidente, están a 500 m s.n.m., en cambio, las partes más altas, se ubican en el
sector oriental, llegando a poco más de700 m s.n.m.
1
“Proyecto para Control de Aluviones en Quebrada de Macul; Etapa 1: Decantadores, Departamento de
Obras Fluviales Subdirección de Obras Dirección de Vialidad Mayo 1994.
2.2.- Historial de la Quebrada de Macul
( R.Edwards, 1993 )
FECHA DESCRIPCIÓN
1936 Un aluvión produjo serios daños en el área del cruce con el canal San
Carlos, bloqueando la pasada y arrasando terrenos agrícolas.
1987 Crecida importante, con mucho sedimento fino, que se depositó entre
las cotas 750 y 1.150 m.s.n.m. La línea de nieves se ubicó
aproximadamente en la cota 2.800 m.s.n.m.
Dic.1991 Aluvión de barro con más sedimento que caudal, que produjo un
embanque generalizado de todo el cauce preexistente sobre la cota 720
m.s.n.m. Gran depósito de piedras mayores desde la cota 1.000 a
1.150 m.s.n.m. Esta tormenta de verano tuvo línea de nieves sobre la
cota 3.200 m.s.n.m.
1 y el 6 de Mayo de 1993
t pp t pp
(hr) (mm) (hr) (mm)
8a9 0,5 16 a 17 2
9 a 10 3,4 17 a 18 3,2
10 a 1 1 0,2 18 a 19 0,2
11 a 12 9,8 19 a 20 0,2
12 a 13 7,1 20 a 21 0,1
13 a 14 2,3 21 a 22 0,1
14 a 15 0,9 22 a 23 0,1
15 a 16 0 23 a 24 0,1
2.5 Hidrología
Sin duda que la topografía es una de los factores que tiene una gran influencia en
la formación y variación de suelos y por consiguiente en los procesos dinámicos
naturales que los afectan. Por eso antes de estudiar o investigar cualquier proceso se
debe analizar las variables que dependen de la topografía.
2
Martinez-Casasnovas, J.,A., Modelos digitales del terreno : Estructuras de datos y aplicaciones en
análisis de formas del terreno y en edafología. Universitat de Lleida. Departament de Medi Ambient i
Ciències del Sòl Lleida, Junio 1999
• Estos procesos determinan los tipos y propiedades de los suelos que se
desarrollan en cada posición del paisaje (Porta et al. 1994), siendo el relieve o la
forma del terreno uno de los principales factores formadores del suelo.
Parece probable que uno de los primeros lugares donde se trabajó con modelos
digitales de terreno fue el Laboratorio de Fotogrametría del Instituto de Tecnología de
Massachussetts en los años 50. A partir de ese momento y de forma paulatina se fueron
ampliando las aplicaciones sobre todo dentro del entorno de los SIG y la cartografía
digital de los Estados Unidos. También merece ser destacado el Harvard Laboratory for
Computer Graphics and Spatial Analysis en los finales de los sesenta y el U.S.
Geological Survey en los ochenta que estandariza la información de un modelo digital
de terreno en su país (FELICÍSIMO, 1994)3.
3
Fuente extraída del Capitulo 5 “Modelos Digitales de Terreno”, Manuel Arcila Garrido, Área de
análisis Geográfico.
3.2.- Concepto de Modelo
Para que los modelos puedan decirnos algo sobre el objeto que representan, es
necesario que se construyan estableciendo una relación con la realidad que debe ser
simétrica, es decir, la relación de correspondencia entre el objeto real y el modelo, debe
ser al menos parcialmente reversible y debe permitir la traducción de algunas
propiedades del modelo a la realidad.
Los modelos digitales del terreno o MDT, son por consiguiente modelos
simbólicos, ya que las relaciones de correspondencia que se establecen con el objeto
real tienen la forma de algoritmos o formalismos matemáticos.
Otra definición: “Se puede definir un Modelo Digital de Terreno (MDT) como
una representación digital de la variación continua del relieve en el espacio”
(Burrough, 1986; Rossiter, 1992). Siendo digital, el MDT puede ser usado por un
Sistema de Información Geográfica (SIG) para derivar una variedad de mapas
secundarios.
Los MDT toman la forma de estructura de datos, por ende, no son sólo una
acumulación o listado de cifras, su construcción debe realizarse mediante una estructura
interna. En un sentido informático esta estructura se refleja en la forma lógica de
4
Angel Manuel Felicísimo, “Modelos Digitales del Terreno”,capitulo 1, versión PDF del libro original de
1994.
almacenar y vincular las unidades de información datos entre sí, que debe representar de
alguna forma las relaciones espaciales entre los datos. Por eso un simple listado de
coordenadas acompañados por su altitud, no puede considerarse un MDT, ya que
necesita una estructura interna y se necesita un proceso en los datos para hacerla
utilizable en la modelización.
Este último punto separa los mapas temáticos de los MDT, ya que se excluyen
las variables nominales, representadas habitualmente mediante recintos con un
identificador o código interno y, de forma general, las variables representadas por
entidades lineales o puntuales, por ejemplo, una red hidrológica.
También se suele identificar los MDT con los MDE o modelos digitales de elevación,
cuando en realidad se pueden representar muchas otras propiedades del terreno.
Por último cabe mencionar que dentro de los MDT existe información de dos
tipos:
Información explícita, recogida en los datos concretos del atributo del modelo, como
la altitud en el caso del MDE. Información implícita, relativa a las relaciones
espaciales entre los datos, como la distancia o la vecindad. Ambos tipos de información
son complementarios y permiten obtener información sobre la morfología del relieve de
forma objetiva y exhaustiva.
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.
Aduciendo a una analogía entre la cartografía y los MDT, las elevaciones en los
mapas topográficos representan la información básica para otros tipos de mapas.
Similarmente los Modelos Digitales de Elevación (MDE) representan la base para
construir otros modelos, derivados de la información implícita o explícita del MDE. .
Incorporando información auxiliar se pueden desarrollar modelos más complejos,
utilizando conjuntamente descripción morfológica del terreno y simulaciones numéricas
de fenómenos físicos.
3.6.1.-Definición del MDE
5
Angel Manuel Felicísimo, “Modelos Digitales del Terreno”, capítulo 2, versión PDF del libro original
de 1994.
elementos. Esta generalización implica una pérdida de información que incrementa el
error del MDE y, en consecuencia, se propaga a los modelos derivados.
1. Estructuras vectoriales
• contornos: polilíneas de altitud constante más puntos acotados
2. Estructuras raster
• matriz regular: cotas distribuidas sobre una malla cuadrada
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),
además su papel se ha reducido a ser una etapa intermedia en la captura de información
como la de digitalización del mapa topográfico.
La matriz regular es la estructura que más se usa para construir los MDE debido
a su fácil manejo informático y simple de representar mediante estructuras lógicas como
las matrices de dos dimensiones.
• Supone aceptar las limitaciones de aplicaciones informáticas que puedan tener para
gestionar la información en el formato elegido.
Las diferencias entre raster o vectorial, tienen un enfoque práctico más que
teórico, y generalmente se les analiza en el contexto de los SIG, donde se concluye que
los modelos matriciales o raster facilitan las labores de análisis (estadísticos) o cálculo,
pero son poco flexibles debido a lo rígido de su estructura, al contrario los vectoriales
facilitan las labores de inventario pero presentan dificultades para realizar procesos de
análisis, debido a la complejidad de su manejo.
En resumen, se puede decir que muchos han sido los estudios y variados los
autores que se han dedicado a analizar cada tipo de formato con sus ventajas y
desventajas, las cuales a modo de ratificar lo antes descrito, podemos mencionar
algunas:
Otros elementos que nos llevan al uso de una estructura matricial para la
implementación del MDE pueden ser tales como la descripción de una variable
continua, para las cuales las representaciones raster se adaptan mejor (Berry, 1988), la
mayor facilidad de implementación y análisis (cálculo) del MDE en esta estructura de
datos (Dolton y Dueker, 1986), la adecuada representación de las zonas de relieve
accidentado, como es nuestro caso de la Quebrada de Macul, a pesar de perder
definición de detalles en zonas planas (Carter, 1988); asimismo Sircar y Cebrián
(1990:15) plantean el uso de la matriz regular por considerarla "la estructura más
genérica y operativa”.
Felicísimo (1994) defiende que las estructuras raster ofrecen mayor facilidad para el
tratamiento numérico. Los modelos vectoriales son para este proceso más complejos y
costosos.
2. En las ciencias de la tierra los MDE facilitan datos para el estudio del relieve,
pendientes, geoformas, definición de cuencas fluviales y redes de drenaje.
6
Angel M. Felicísimo, “Modelos Digitales del Terreno”, cap. 3.4 Interpolación en modelos vectoriales.,
versión PDF del libro original de 1994.
3. En ingeniería de montes como cálculo de áreas de intervisibilidad, correlación entre
técnicas de explotación en la erosión del suelo, en la contaminación de las aguas y
en repoblación forestal.
3.6.5.-Captura de datos
Los métodos básicos para obtener la información que emplearán los modelos
digitales de terreno se agrupan principalmente en dos grupos; directos e indirectos, lo
que hace alusión a si son medidos directamente del terreno o no. Los más empleados o
importantes son los siguientes:
7
Martinez-Casasnovas, J.A.y Porta, J., “Tecnologías de la Información espacial (Fotointerpretación y
SIG) en el análisis de los procesos de erosión por cárcavas y barrancos en el Alt Penedès-Anoia
(Cataluña)”, Universitat de Lleida departamento del Medio Ambiente y Ciencias del Sol.1999.
TABLA 3.1 MÉTODO DE OBTENCIÓN DE DATOS
aéreas
salida digital
convencionales
8
vecindad. vease Topología.Felicísimo define la topología relacionandola como las propiedades no
métricas de un mapa. Propiedades como vecindad, inclusión, conectividad y orden. “Glosario de términos
usados en el trabajo con Sistemas de Información Geográfica”, M.Angel Felicísimo.
TABLA 5.2 ATRIBUTOS TOPOGRÁFICOS
¾ Cálculo de volúmenes
Aplicaciones:
Una de las aplicaciones más habituales es el análisis de las formas del terreno y
del apoyo a la descripción de las unidades del relieve.
Figura 3.8.-
Figura 3.9.-8
Figura 3.10.-
¾ Cálculo de volúmenes
Aplicaciones:
Res
ult
ado
de
la
dife
ren
cia
entre dos modelos digitales de elevaciones de los años 1957 y 1993 en la intersección
de las áreas erosionadas, las marcas azules denotan perfiles transversales.
Los coeficientes de esta ecuación son entonces calculados para cada submatriz de 3X3
celdas del MDE según el grupo de ecuaciones.
B = [(Z1+Z3-Z7-Z9)/4 - (Z2-Z8)/2] / L3
C = [(-Z1+Z3-Z7+Z9)/4 + (Z4-Z6/2)] / L3
D = [(Z4+Z6)/2 - Z5] / L2
E = [(Z2+Z8)/2 - Z5] / L2
F = (-Z1+Z3+Z7-Z9) / 4L2
G = (-Z4+Z6) / 2L
H = (Z2-Z8) / 2L
I = Z5
A partir de estas ecuaciones se pueden calcular de forma local los principales atributos
topográficos primarios como la pendiente, la orientación del terreno y la curvatura.
A. La pendiente
Aplicaciones de la pendiente:
B. Orientación
φ = 180 – arctan (H / G) + 90 (G / ½G ½)
C. Curvatura
Existen dos direcciones en que la curvatura del terreno tiene una significancia para
aplicaciones geomorfológicas o hidrológicas, las cuales son:
C = (d2Z/dX2) + d2ZdY2)
Figura 3.12.- Mapas de cubierta vegetal y usos del suelo en la intersección de las áreas
erosionadas en la cuenca de la Rierusa: 1957 (izquierda) y 1993 (derecha).
D. Rugosidad
Xί = sen γί * cos ϕί
Yί = sen γί * sen ϕί
Zί = cos γί
El modulo del vector suma de un conjunto de vectores es un indicador de agrupación y,
por tanto, inversamente proporcional a la rugosidad.
ώ = 1 – R/n
9
“Estimación de la rugosidad a partir del modelo digital de elevaciones”.Angel M. Felicísimo.
3.7.3. Modelos hidrológicos
Las características topográficas de una ladera determinan la pauta por las cuales
el agua circula sobre ella. El MDE contiene información suficiente para definir al menos
en una primera aproximación, las propiedades de la red de drenaje superficial, y por
extensión, de la cuenca hidrológica.
A. Líneas de flujo
A partir del trazado de las líneas de flujo es posible definir la red hidrológica, el
área subsidiaria de una celda y, por extensión la cuencas hidrológicas.
B. Flujo acumulado
La matriz de dirección de flujo se emplea para crear otra matriz que contiene,
para cada celda, el número de celdas vecinas, aguas arriba, que fluyen a ella: la matriz
de flujo acumulado.
Celdas con un valor alto de flujo acumulado son áreas de concentración de flujo
y pueden ser usados para identificar las redes de drenaje.
Celdas con un valor nulo o muy bajo de flujo acumulado pueden ser usadas para
identificar divisorias.
Esta función puede ser utilizada también para estimar la cantidad de flujo que
realmente fluye en cada celda después de una tormenta, tomando en cuenta
además la matriz de flujo de direcciones, otra matriz que represente para cada
celda el balance de precipitación e infiltración en dicha celda.
La matriz de flujo acumulado es base del cálculo del área de drenaje específica,
de aplicación en modelos de erosión y en cálculo de índices topográficos
relacionados con el movimiento y concentración de agua en el terreno.
C. Redes de drenaje
As = A/B
As = Ac * L²
L o (2L²)½
Siendo:
W = ln (As / tan β)
Siendo:
W: índice de humedad.
Una aplicación de este índice lo realiza Moore et al. (1988), que encontraron una
relación entre el índice y el desarrollo de cárcavas a partir de valores sobre 10. También
encontraron que en algunas zonas, las cárcavas se desarrollaban en áreas donde se
producía la surgencia de agua subsuperficial, fenómeno que se modeliza mejor con el
índice de humedad.
Figura 3.13.-
En la figura se muestra la simulación de una erupción volcánica, donde las zonas
de color presentan la posibilidad que la lava pase por cada lugar. El trabajo original es
de Wadge y McKendrick (1993) y fue realizado con una aplicación desarrollada
específicamente para este tipo de simulaciones denominada FLOWFRONT.
En la figura se muestra un proceso genérico a partir del modelo derivado básico hasta
su aplicación sobre el objeto real (terreno), a través de un ciclo de corrección del
algoritmo que genera el modelo derivado.
CAPITULO IV. Conceptos de Fotogrametría Digital.
4.1.- Definición y objetivo de la fotogrametría
10
Definido por la ASP, “Society for Photogrammetry and Remote Sensing”, extracto del libro “
ELEMENTS OF PHOTOGRAMMETRY with Applications in Gis; Wolf, Paul R., 3ª Edición, McGraw-
Hill, United States of America, 2000.
instante de obturación y toma de fotografía (o imagen, en el caso de
fotogrametría digital), y la posición de la cámara o generalizando, del sensor. Este
proceso se llama Orientación, y se realiza con instrumentos denominados
Restituidores Fotogramétricos.
4.2.5.-Ajuste de Conjunto
Una vez que los puntos de control terrestre y los puntos de enlace han sido conectados,
puede comenzarse con el ajuste del conjunto, que es esencial para determinar la
información requerida para crear ortofotos, modelos digitales del terreno, modelos
digitales estéreo y elementos 3D. Una técnica estadística conocida como ajuste por
mínimos cuadrados es usada para estimar la solución de unión para el bloque
entero mientras también se minimiza y distribuye el error. Un reporte de salida puede
proveer un informe estadístico detallando la exactitud y precisión de los datos derivados
(ver Apéndice A).
Este proceso utiliza el área superpuesta entre dos imágenes. Para generar de
manera automática una representación 3D del terreno y su geografía asociada, se
utilizan técnicas de corroboración de imágenes digitales (correlación), para identificar y
medir las posiciones de los puntos que aparecen en las zonas de traslape. Una vez que se
dispone de estos datos, la información precisa del modelo de sensor derivado del ajuste
de conjunto es usado para transformar la posición de los puntos terrestres en
coordenadas 3D.
Sin tener que profundizar en el tema, podemos decir que una cámara aérea es un
tipo de sensor aerotransportado, donde el avión funciona como plataforma.
Específicamente trataremos los sensores aerotransportados, con película pancromática
en monobanda.
11
Chuvieco, E.:”Fundamentos de Teledetección espacial”, (Glosario del libro), 3ª.Edición, Rialp s.a.,
Madrid, 1996.
4.4.- Resolución de un sistema sensor
“Este término designa al objeto más pequeño que puede ser distinguido sobre
una imagen. En un sistema fotográfico, suele medirse como la mínima separación a la
cual los objetos aparecen distintos y separados en la fotografía. Se mide en milímetros
sobre la foto o en metros sobre el terreno, y depende de la longitud focal de la cámara y
de su altura sobre la superficie”13. También es llamada resolución geométrica y en
términos digitales se refiere al tamaño individual de un píxel y es importante para
reconocer rasgos y figuras en una imagen digital (figura 4.4)
12
Estes , J.E. y Simonett, D.S.(1975): Fundamentals of image interpretation, en Manual of Remote
Sensing, 1st.Ed.(R.G.Reeves, Ed.), American Society of Photogrammetry, Falls Church.
13
Chuvieco, E.:”Fundamentos de Teledetección espacial”, (libro), 3ª.Edición, Rialp s.a., Madrid, 1996.
Figura 4.4.- Resolución-Interpretación-Identificación.
4.4.2.-Resolución espectral
14
Chuvieco, E.:”Fundamentos de Teledetección espacial”, (libro), 3ª.Edición, Rialp s.a., Madrid, 1996.
bibliografía anglosajona: Digital Number (Lillesand y Kiefer, 1994), Píxel Value
(Mther,1987; Hord,1986), Grey Level (Schowengerdt, 1983), o Digital Count (Richards,
1993).
En resumen, toda imagen digital es representada por una matriz que contiene los
niveles digitales de cada píxel que la compone, con el origen en el extremo superior
izquierdo, esto debido a la secuencia de adquisición de las imágenes o escaneado de
estas.
4.6.- Escáner
0,9
0,8
0,7
Cobertura
Terrestre 0,6
en M etros
0,5
0,4
0,3
0,2
0,1
0
0
0
00
00
00
00
00
00
00
00
00
00
00
00
00
00
00
00
18
24
30
40
48
50
60
72
84
90
10
12
15
20
40
50
Escala Foto
15
Wolf, Paul R “ELEMENTS OF PHOTOGRAMMETRY with Applications in Gis”, (libro), 3ª Edición,
McGraw-Hill, United States of America, 2000.
La corrección radiométrica direcciona variaciones en la intensidad del píxel
(ND), estas variaciones incluyen: diferencia de sensitividad o mal funcionamiento de los
detectores, efectos topográficos, efectos atmosféricos (Chuvieco, 252).
16
ERDAS Field Guide, Fifth Edition (1999). Atlanta Georgia. Chapter 7 “Photogrammetric concepts”, pp
167.
Figura 4.9.- Formato del marco de una cámara digital
• Punto principal.
• Distancia focal.
• Marcas fiduciarias.
El valor de ∆t se desprecia por ser pequeño con relación a ∆r. Los efectos de la
distorsión del lente son normalmente determinados en laboratorio durante el proceso de
calibración de cámara (ver apéndice B, Datos Calibración de Cámara), estos efectos se
pueden aproximar, calculando estadísticamente los coeficientes del polinomio siguiente:
4.11.- Orientación Exterior
Los elementos posicionales incluyen Xo, Yo, Zo; ellos definen la posición del
centro de perspectiva (O) con respecto al sistema de coordenadas espacial terrestre
(X,Y,Z), donde Z es comúnmente referido al nivel medio del mar.
Se usa una matriz de 3X3, llamada matriz de rotación (figura 4.14), para
establecer la relación entre ambos sistemas. Esta matriz es derivada aplicando una
rotación secuencial de ω sobre el eje x, φ sobre el eje y, y κ sobre el eje z18.
17
En el manual de entrenamiento del Socet Set (programa fotogrametría digital) hace una analogía entre
aerotriangulación, orientación exterior, geoposicionamiento y georeferenciación.
18
“ELEMENTS OF PHOTOGRAMMETRY with Applications in Gis”; Wolf Paul R., 3ª Edición,
McGraw-Hill, U.S.A., 2000.
Figura 4.14.- Matriz de rotación
Para cada punto GCP hay dos correspondientes coordenadas de imagen (x, y),
así pueden formularse dos correspondientes ecuaciones de colinearidad que representen
la relación entre puntos terrestres y la correspondientes medidas de imagen.
Sin duda que uno de los desarrollos más significativos dentro de la fotogrametría
y específicamente en la fotogrametría digital, ha sido en las técnicas de comparación de
imágenes digitales, comúnmente llamada correlación automática.
En este tipo de técnicas existen tres tipos de categorías: área base (area-based), base-
formas (feature-based), métodos hybridos (hybrid methods).
4.15. Exactitud.
5.1 PLANIFICACIÓN
19
P:P:P: partes por pulgada o dpi en inglés.
aproximadamente, 170 Megabytes, en formato TIFF. (Según requerimiento de software,
fotogrametría digital).
Existen varios métodos para dar coordenadas a estos puntos de control. Pero a
juicio personal, el más apropiado fue a través del servicio de GPS omniSTAR20. El cual
entrega en tiempo real y con buena precisión las coordenadas de los puntos, pudiendo
llegar a precisiones menores de un metro. Así se contrarrestó la mala accesibilidad del
terreno en estudio, las fuertes pendientes y la carencia de puntos de referencia para
transportar coordenadas, razones que descartaban otros métodos.(figura 5.3).
20
Este sistema proporciona a cualquier usuario que necesite saber su posición con una Latitud,
una Longitud y una Altura de alta precisión y en tiempo real basado en el Sistema de
Posicionamiento Global Diferencial (DGPS - Differential Global Positioning System).
OMNISTAR, Inc. ofrece una cobertura continental mediante una señal de corrección de banda
ancha especial transmitida por satélite. Esta señal de corrección OmniSTAR es separada de
las transmisiones de posicionamiento provenientes de los satélites GPS, y es la clave de la alta
precisión. Manual de AgGPS™ 124 / 132..
Figura 5.3.- Punto de control Aux-2. Este fue ubicado alrededor de una roca para
poder ubicarlo en la fotografía y en terreno.
Se tomaron alrededor de 100 mediciones por cada punto con un intervalo de tiempo de
3 segundos. Se obtuvo una media o promedio, previo descarte de valores umbrales,
donde la media es sensible y se podría ver afectada.
Luego se crean las minificaciones para cada imagen. Las minificaciones son
copias de la imagen original que crea el mismo programa, pero de distinta resolución.
Lo que permite funcionar más rápido al software en materias de cálculo y despliegue
visual, ya que no tiene que generar una imagen nueva cada vez que se hace un zoom o
un procedimiento.
Figura 5.4.- Menú de orientación interior. Aquí se puede ver para 4 marcas fiduciales,
aplicando una transformación afín de 6 parámetros.
Fig
ura
5.5.
-
Me
nú
y
ref
ere
ncia de triangulación automática
Figura 5.6 y 5.7.- Modelo digital de pendientes y modelo Tin en arcview 3.2.
Figura 5.6 y 5.7.- Modelo digital de pendientes y modelo Tin en arcview 3.2.
Al revisar el informe “Proyecto para Control de Aluviones en Quebrada de
Macul”21, se debe resaltar el hecho que el estudio y posterior materialización de las
piscinas buscan hacer frente a un aluvión de unos 400.000 mt³, con un peak en crecidas
del tipo 100 m³/seg.
Esto nos hace pensar que uno de los análisis más importantes en cuestión de
validar la eficiencia de estas piscinas de decantación, debiera enfocarse a estimar el
volumen real eficaz de cada piscina, obteniéndose un volumen total de todas ellas.
21
“Proyecto para Control de Aluviones en Quebrada de Macul”; Etapa 1: Decantadores, Departamento de
Obras Fluviales Subdirección de obras Dirección de Vialidad Mayo 1994.
Por consiguiente, la metodología a emplear para estimar los volúmenes indicaba
necesario la modelización de este volumen hipotético.
Los modelos de las piscinas fueron exportados a surfer como formato .asc aquí
fueron transformados al formato .grd a través de interpolación, utilizando
22
específicamente el método Kriging . Obteniéndose mapas de contorno, vistas 3D y
otros mapas derivados.
Empleando los perfiles topográficos y las vistas 3D, se idealizó el volumen que
se llenaría de cada piscina basándose en la pendiente de equilibrio de 3.8% que en
teoría debiera tener el flujo aluvional al descender por las piscinas. Para esto se volvió a
generar archivos .grd pero con un intervalo mayor entre puntos, para que se generasen
archivos con menor cantidad de nodos y así editarlos más fácilmente para poder
modificar sus altitudes. Esto explica el suavizado aparente entre la imagen 5.9 que fue
hecha con una mayor densidad de puntos provenientes de un modelo con resolución de
un metro, comparada con las de la figura 5.10 de menor resolución.
22
Método estadístico de interpolación propuesto por D.G.Krige. Este método realiza una estimación del
valor en el punto problema mediante una media ponderada en función de la distancia.
Figura 5.8.- Diseño del perfil de las piscinas
El programa surfer 8.0 cuenta con el comando Grid Node Editor, el cual entrega la
posibilidad de editar capa uno de sus puntos, este comando funciona similar al que
emplea el programa Soccet Set, para editar un modelo digital de terreno.
866
864
862
860
858
856
854
852
850
848
846
844
842
840
838
836
Los valores obtenidos para los volúmenes de cada piscina se muestran en la tabla
6.1 (capítulo 6).
23
Ver ayuda de software Surfer 8.0. Donde se calcula la integral doble de una función, que
matemáticamente es más exacto que otros métodos empleados.
CAPITULO VI.-Análisis y Resultados
Digital
Otro aspecto que es importante señalar es que el sistema presentó un poco
de paralaje, específicamente en zonas de los bordes de las imágenes, esto pasaba
cuando se realizaba la unión por bloque de tiras o fajas de líneas de vuelo, por
consiguiente se resolvió en tratar estas fajas por separado.
al terreno.
Como última parte de este capítulo nos abocaremos al aspecto práctico de
los Modelos digitales de terreno, el análisis volumétrico de las piscinas de
decantación de la Quebrada de Macul, donde se emplearon de forma práctica
distintos modelos digitales de terreno, que modelaban cada una de las piscinas
ubicadas en el sector precordillerano, entregándonos el volumen eficaz que son
capaces de contener
TABLA Nº 6.1
digitales de terreno
PISCINA VOLUMEN
Para finalizar este trabajo de título y dar las conclusiones pertinentes, deseo darle
dos enfoques, uno teórico práctico, referente a los resultados obtenidos, y dos un
enfoque personal.
En lo referente a los Modelos Digitales del Terreno, hemos visto las diferentes
acepciones dependiendo mucho de los autores que las emitieron, y también estudiamos
sus aplicaciones, las cuales fueron muy variadas, esto nos permite concluir para este
punto, que el desarrollo de los MDTs seguirá creciendo, debido a su carácter
informático y sus ventajas en cuanto aplicaciones. Destacando el concepto de
simulación, que podría llamarse el escalafón más alto en el desarrollo de un MDT. Esto
porque implica un conocimiento más acabado en materias específicas e informáticas.
Pu
nto
de
con
trol
(roj
o)
——————————
Gridding Report
——————————
Sun Aug 24 16:25:07 2003
Elasped time for gridding: 2.72 seconds
Data Source
Data Counts
Univariate Statistics
——————————————————————————————————————————
——
X Y Z
——————————————————————————————————————————
——
Minimum: 358943 6291767 903.0573
25%-tile: 359030 6291858 910.9588
Median: 359077 6291908 917.6068
75%-tile: 359126 6291961 928.2865
Maximum: 359217 6292045 949.9375
Coef. of Variation:
0.01131737813306
Coef. of Skewness:
0.44658946247836
——————————————————————————————————————————
——
Inter-Variable Correlation
————————————————————————————
X Y Z
————————————————————————————
X: 1.000 0.696 0.841
Y: 1.000 0.789
Z: 1.000
————————————————————————————
Inter-Variable Covariance
————————————————————————————————
X Y Z
————————————————————————————————
X: 3640.8611751998 2642.2522483534 528.43743577417
Y: 3964.0756534694 517.46147992392
Z: 108.4155943173
————————————————————————————————
Fitted Parameters
——————————————————————————————————————————
——
A B C
——————————————————————————————————————————
——
Parameter Value: -0.0054469503280822 -0.0011571919384385 10156.854310155
Standard Error: 0 0 0
——————————————————————————————————————————
——
Inter-Parameter Correlations
————————————————————————————
A B C
————————————————————————————
A: 1.000 0.000 0.000
B: 1.000 0.000
C: 1.000
————————————————————————————
ANOVA Table
——————————————————————————————————————————
——
Source df Sum of Squares Mean Square F
——————————————————————————————————————————
——
Regression: 2 -70622.788509369 -35311.394254684 -
319.43
Residual: 33338 3685307.1187325 110.54373743873
Total: 33340 3614684.3302231
——————————————————————————————————————————
——
—————————————————————————————————
Separation |Delta Z|
—————————————————————————————————
Minimum: 1 0
25%-tile: 1 0.096099999999979
Median: 1 0.21669999999995
75%-tile: 1 0.42960000000005
Maximum: 1 5.1675
Midrange: 1 2.58375
Range: 0 5.1675
Interquartile Range: 0 0.33350000000007
Median Abs. Deviation: 0 0.14449999999999
Mean: 1 0.32771477160253
Trim Mean (10%): 1 0.28224871863232
Standard Deviation: 0 0.35869020861396
Variance: 0 0.12865866575553
Lambda: 0.43770676889146
Clark and Evans: 1.323188223786
Skellam: 91694.176116062
Exclusion Filtering
Duplicate Filtering
Breakline Filtering
Gridding Rules
Semi-Variogram Model
Component Type: Linear
Anisotropy Angle: 0
Anisotropy Ratio: 1
Variogram Slope: 1
Search Parameters
Search Ellipse Radius #1: 195
Search Ellipse Radius #2: 195
Search Ellipse Angle: 0
Minimum Data: 8
Maximum Data: 64
Output Grid
X Minimum: 358943
X Maximum: 359217
X Spacing: 9.448275862069
Y Minimum: 6291767
Y Maximum: 6292045
Y Spacing: 9.5862068965517
Grid Statistics
Z Minimum: 903.78835280677
Z 25%-tile: 914.64670401767
Z Median: 923.29243560578
Z 75%-tile: 930.40103234709
Z Maximum: 945.16067760477
Z Midrange: 924.47451520577
Z Range: 41.372324797999
Z Interquartile Range: 15.75432832942
Z Median Abs. Deviation: 7.9421799307207
Z Mean: 922.91982912631
Z Trim Mean (10%): 922.83906885002
Z Standard Deviation: 9.9660539964633
Z Variance: 99.322232260421
————————————————
Grid Volume Computations (Piscina nº1)
————————————————
Sun Aug 24 16:59:09 2003
Upper Surface
Grid File Name: E:\proy_ronny\pracsurfer\calculo piscinas\piscina_1\out.grd
Grid Size: 30 rows x 30 columns
X Minimum: 358943
X Maximum: 359217
X Spacing: 9.448275862069
Y Minimum: 6291767
Y Maximum: 6292045
Y Spacing: 9.5862068965517
Z Minimum: 906.5514196589
Z Maximum: 945.16067760477
Lower Surface
X Minimum: 358943
X Maximum: 359217
X Spacing: 9.448275862069
Y Minimum: 6291767
Y Maximum: 6292045
Y Spacing: 9.5862068965517
Z Minimum: 903.78835280677
Z Maximum: 945.16067760477
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas
Upper Surface
X Minimum: 358792
X Maximum: 359042
X Spacing: 8.6206896551724
Y Minimum: 6291626
Y Maximum: 6291877
Y Spacing: 8.6551724137931
Z Minimum: 889.02398895481
Z Maximum: 920.20400921248
Lower Surface
X Minimum: 358792
X Maximum: 359042
X Spacing: 8.6206896551724
Y Minimum: 6291626
Y Maximum: 6291877
Y Spacing: 8.6551724137931
Z Minimum: 886.58385413328
Z Maximum: 920.20400921248
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas
————————————————
Grid Volume Computations piscina nº3)
————————————————
Sun Aug 24 19:45:17 2003
Upper Surface
X Minimum: 358693
X Maximum: 358867
X Spacing: 7.25
Y Minimum: 6291550
Y Maximum: 6291721
Y Spacing: 7.125
Z Minimum: 875.56583265675
Z Maximum: 892.83913686819
Lower Surface
X Minimum: 358693
X Maximum: 358867
X Spacing: 7.25
Y Minimum: 6291550
Y Maximum: 6291721
Y Spacing: 7.125
Z Minimum: 873.2517488283
Z Maximum: 892.83913686819
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas
————————————————
Grid Volume Computations (piscina nº4)
————————————————
Upper Surface
X Minimum: 358563
X Maximum: 358761
X Spacing: 8.25
Y Minimum: 6291442
Y Maximum: 6291645
Y Spacing: 8.4583333333333
Z Minimum: 861.39952614559
Z Maximum: 881.41651208422
Lower Surface
X Minimum: 358563
X Maximum: 358761
X Spacing: 8.25
Y Minimum: 6291442
Y Maximum: 6291645
Y Spacing: 8.4583333333333
Z Minimum: 858.66519047015
Z Maximum: 881.41651208422
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas
Upper Surface
X Minimum: 358362
X Maximum: 358638
X Spacing: 11.5
Y Minimum: 6291316
Y Maximum: 6291540
Y Spacing: 9.3333333333333
Z Minimum: 840.43872312491
Z Maximum: 865.72619102847
Lower Surface
X Minimum: 358362
X Maximum: 358638
X Spacing: 11.5
Y Minimum: 6291316
Y Maximum: 6291540
Y Spacing: 9.3333333333333
Z Minimum: 836.76640490287
Z Maximum: 865.72619102847
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas
————————————————
Grid Volume Computations (piscina nº6)
————————————————
Mon Aug 25 00:09:50 2003
Upper Surface
X Minimum: 358057
X Maximum: 358391
X Spacing: 10.4375
Y Minimum: 6291262
Y Maximum: 6291449
Y Spacing: 11
Z Minimum: 819.29925453929
Z Maximum: 846.5098009484
Lower Surface
X Minimum: 358057
X Maximum: 358391
X Spacing: 10.4375
Y Minimum: 6291262
Y Maximum: 6291449
Y Spacing: 11
Z Minimum: 816.66732452972
Z Maximum: 846.5098009484
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas
————————————————
Grid Volume Computations (piscina nº 7)
————————————————
Mon Aug 25 02:46:27 2003
Upper Surface
X Minimum: 358052
X Maximum: 358397
X Spacing: 10.4375
Y Minimum: 6291264
Y Maximum: 62914550
Y Spacing: 11
Z Minimum: 818
Z Maximum: 846.5098009484
Lower Surface
X Minimum: 358057
X Maximum: 358391
X Spacing: 10.4375
Y Minimum: 6291262
Y Maximum: 6291449
Y Spacing: 11
Z Minimum: 816.66732452972
Z Maximum: 846.5098009484
Volumes
Z Scale Factor: 1
Areas
Planar Areas
Surface Areas