2016 PDF

AUTOMATIZACIÓN DE LOS PROCESOS REQUERIDOS PARA EL CÁLCULO DE
EMISIONES DE MATERIAL RESUSPENDIDO DEBIDO A FUENTES MÓVILES EN

BOGOTÁ
JOHAN SEBASTIAN VANEGAS GRACIA

MANUEL ALBERTO GARCIA LANCHEROS
UNIVERSIDAD DE LASALLE
FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA AMBIENTAL Y SANITARIA
BOGOTÁ
SEPTIEMBRE 2016
AUTOMATIZACIÓN DE LOS PROCESOS REQUERIDOS PARA EL CÁLCULO DE
EMISIONES DE MATERIAL RESUSPENDIDO DEBIDO A FUENTES MÓVILES EN
BOGOTÁ
JOHAN SEBASTIAN VANEGAS GRACIA

Trabajo de Grado para optar al Título de:

Ingeniero Ambiental y Sanitario
Directora
MAYERLING SANABRIA BUITRAGO
Ingeniera Ambiental y Sanitaria – Universidad Nacional de Colombia
Esp. Evaluación de Impacto Ambiental de Proyectos – Universidad Jorge Tadeo Lozano
Esp. Sistemas de Información Geográfica – Universidad Distrital Francisco José de Caldas
M.Sc. Hábitat – Universidad Nacional de Colombia
UNIVERSIDAD DE LASALLE
FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA AMBIENTAL Y SANITARIA
BOGOTÁ
SEPTIEMBRE 2016
EPIGRAFE
“El ingeniero, y, más generalmente, el diseñador, tienen que ver con cómo debieran ser
las cosas para alcanzar metas”
Herbert Simon
Las ciencias de los ingenieros son aquellas que dan los modos del conocimiento en las
direcciones y los métodos en la facilidad para la invención de esta arte y su
exteriorización in actu en los cuerpos físicos y sensibles.
Al - Farabi
AGRADECIMIENTOS
Primero que todo y antes de mencionar a cualquier persona, agradecer a Dios, quien me permitió
vivir y culminar una etapa más de mi vida; un proceso en el cual conocí compañeros, amigos, y
hermanos, quienes hoy también hacen parte de un éxito que espero de muchos frutos en el fututo.
De antemano, quiero destacar mi más grato agradecimiento al Ingeniero Jorge Eduardo
Pachón Quinche y su proyecto de investigación Convenio 5224377 ULS – SDA – ECOPETROL,
del cual surgió el presente trabajo de grado; de igual forma, a todo el grupo de investigación
CLIMA, en especial a Luisa Castro, Ingeniera encargada del pre-procesamiento de la información
geográfica para el referido proyecto, quien, durante todo el periodo de desarrollo, brindo su apoyo
incondicional ante las diferentes problemáticas presentas.
A mi directora de Trabajo de Grado, la Ingeniera Mayerling Sanabria Buitrago, quien, con
su carisma como persona, su integridad como profesional, y su amor hacia la docencia, lidero y
acompaño cada paso de avance hacia la culminación exitosa de la presente monografía para optar
al título de Ingeniero Ambiental y Sanitario.
Agradecer a quienes conforman el gran motor de mi vida, mi familia, conformada por mi
padre Jairo Vanegas Gordillo, mi madre Amanda Gracia Baracaldo y mi novia Angie Cantor
Forero, de quienes me siento muy orgulloso y afortunado, pues, siempre supieron brindarme su
apoyo incondicional en los momentos más difíciles, acompañado de todo el amor, cariño, ternura
y dedicación que cualquier hombre pudiera desear.
Por último, y no menos importante, quisiera agradecer a una persona muy especial que
siempre ha ocupado un lugar muy gigante en mi corazón, mi hermano Cristian Leonardo Vanegas
Gracia, quien, desde el cielo, supo darnos la fuerza necesaria para afrontar su ausencia, y supo
entregarnos, a mí y a mi familia, unión y mucho amor para confrontar diversidad de problemas.
JOHAN SEBASTIAN VANEGAS GRACIA.
Lo más importante es acabar con méritos esta gran etapa junto a personas que lo valen
quiero agradecer a todas las personas que hicieron parte de este camino tan difícil y lleno de
tropiezos, pero con ayuda de estos se pudo salir adelante cumpliendo un sueño, quiero agradecer
a mis padres Secundino Garcia y Martha Lancheros y mis hermanos Luis Miguel Garcia y José
David Garcia por demostrarme que los esfuerzos de la vida son recompensados de acuerdo a la
dedicación que se le otorgue, quiero agradecer al proyecto establecido por sus horas de dedicación
y aprendizaje, como a todos los miembros del Grupo CLIMA los cuales repartieron su
conocimiento, como también a la maravillosa directora de tesis Mayerling Sanabria la cual con
dedicación supo guiar un camino para desarrollar este documento.
Quiero agradecer a mi madrina Carmenza Rojas y mi mejor amigo Juan David Zarate Rojas
el cual desde hace mucho tiempo me acompaña de manera espiritual y todos mis logros serán por
y para esa persona que me enseño tanto en tan poco tiempo.
Página | 5
CONTENIDO
1 RESUMEN ................................................................................................................... 9
2 INTRODUCCIÓN ...................................................................................................... 11
3 JUSTIFICACIÓN ....................................................................................................... 18
4 OBJETIVOS ............................................................................................................... 19
4.1 OBJETIVO GENERAL ...................................................................................... 19

4.2 OBJETIVOS ESPECÍFICOS .............................................................................. 19
5 DESARROLLO METODOLÓGICO......................................................................... 20
5.1 CAPÍTULO 1. PROCESOS REQUERIDOS PARA EL CÁLCULO DE

EMISIONES DE MATERIAL RESUSPENDIDO DEBIDO A FUENTES MÓVILES ......... 20
5.1.1 Caracterización de Variables integradas al proceso de Cálculo. ................... 20

5.1.2 Metodologías de Tratamiento y Adquisición de Resultados. ........................ 23
5.1.3 Representación de Resultados como Dato Geográfico. ................................ 34
5.2 CAPITULO 2. AUTOMATIZACION DE PROCESOS BAJO HERRAMIENTA

MODELBUILDER ................................................................................................................... 41
5.2.1 MODELAMIENTO BAJO HERRAMIENTA MODELBUILDER ............. 41

5.2.2 DISEÑO DEL MODELO CONCEPTUAL MAS ADECUADO A SER
AUTOMATIZADO .............................................................................................................. 46
5.3 CAPITULO 3. EVALUACION DE LA EJECUCION DE LOS PROCESOS . 59
5.3.1 Comparación Salidas Graficas ...................................................................... 59

5.3.2 Comparación Tiempos de proceso ................................................................ 63
5.4 CONCLUSIONES .............................................................................................. 64

5.5 RECOMENDACIONES ..................................................................................... 65
6 REFERENCIAS ......................................................................................................... 66
LISTA DE DIAGRAMAS DE FLUJO
Diagrama de Flujo 1; Contribución de Material Particulado. ........................................... 21
Diagrama de Flujo 2; Metodología Material Particulado. ................................................ 26
Diagrama de Flujo 3; Metodología de Tratamiento para datos de Flujo Vehicular.......... 32
Diagrama de Flujo 4; Metodología de Tratamiento de datos de Malla Vial. .................... 34
LISTAS DE ILUSTRACIONES
Ilustración 1; Caso Aplicativo ModelBuilder: Invasión de Dunas en Dakhla Oasis. ...... 14
Ilustración 2; Caso Aplicativo ModelBuilder: Evaluación de paisajes en la Planificación de
la Conservación de Recursos Naturales en EEUU. ...................................................................... 15
Ilustración 3; Caso Aplicativo ModelBuilder: Identificación de Áreas Oportunas de
Conservación “COAs” en el Estado de Missouri. ........................................................................ 16
Ilustración 4; Campos necesarios para la creación de un Sistema de Georreferenciación.
....................................................................................................................................................... 35
Ilustración 5 Elementos de Modelo en ModelBuilder ...................................................... 43
Ilustración 5 sub-Modulo Conceptual de estaciones de monitoreo .................................. 48
Ilustración 6 sub-Modulo Conceptual de Malla Vial ........................................................ 49
Ilustración 7 sub-Modulo Conceptual de Grilla de Corte ................................................ 50
Ilustración 8 sub-Modulo Conceptual de Red Modular .................................................... 51
Ilustración 9. Submodulo primero (Estaciones)Fuente: Autores ...................................... 53
Ilustración 10. Submodulo segundo (Malla Vial) ............................................................. 54
Ilustración 11 Submodulo tercero (Grilla de Corte) ......................................................... 55
Ilustración 9 Modelo Compilado ...................................................................................... 56
Ilustración 10 Interfaz para elaboración de CoKriging ..................................................... 57
Ilustración 14 Generación de datos Raster en tablas ......................................................... 58
Ilustración 15 Tabla unificada ........................................................................................... 58
LISTA DE SALIDAS GRAFICAS

Salida Gráfica 1; Distribución Espacial de Estaciones con valor Cs. ............................... 27
Salida Gráfica 2; Distribución Espacial de Estaciones con valor %S. .............................. 28
Salida Gráfica 3; Distribución de Vías Transmilenio. ...................................................... 39
Salida Gráfica 4; Distribución Vías Principales................................................................ 39
Salida Gráfica 5; Distribución de Vías Secundarias. ........................................................ 39
Salida Gráfica 6; Distribución de Vías uso Publico .......................................................... 40
Salida Gráfica 7; Distribución de Vías uso Industrial ....................................................... 40
LISTA DE TABLAS
Tabla 1; Flujo Vehicular Vías Pavimentadas. ................................................................... 29
Tabla 2; Flujo Vehicular Vías No Pavimentadas. ............................................................. 31
Tabla 3. Campos determinados para cada shapefile de Punto de Monitoreo Cs y %S ..... 36
Tabla 4; Categorías de Flujos Vehiculares........................................................................ 37
Tabla 5; Cantidad de links establecidos para depuración de Malla Vial. ......................... 37
Tabla 6; Descripción de Elementos del Modelo ............................................................... 44
Tabla 7 Comparación de Métodos (Automatizado vs Sin Automatizar) .......................... 59
Tabla 8 Comparación de procesamiento según hardware del equipo ............................... 63
Página | 8
1 RESUMEN
En marco del contrato 1467 de 2013, proyecto adelantado por el grupo Centro Lasallista
de Investigación y Modelación Ambiental CLIMA junto con la Universidad de la Florida, fue
desarrollado e implementado para la Secretaría Distrital de Ambiente de la ciudad de Bogotá
(SDA) un modelo de calidad del aire; dicho modelo contempló un componente geográfico
articulado bajo plataforma ArcGIS, del cual se obtuvo gran diversidad de mapas “geográficos”
alusivos al comportamiento y distribución de contaminantes valorados por el referente estudio; sin
embargo, al ser el primer ejercicio en especialización de la referida modelación, el manejo de gran
cantidad de tablas y registros saturó los distintos procedimientos contemplados inicialmente para
la generación de cartografía, lo que produjo diversas fases del proceso lentas y tediosas de abordar.
Ante esta situación, y con la posibilidad de ampliar el campo laboral bajo un nuevo contrato
orientado, el presente proyecto con numero de convenio 52243771 conformado por la Universidad
de La Salle, Secretaría Distrital de Ambiente Bogotá y Ecopetrol en su alcance “Actualización y
ajuste del inventario de emisiones de Material Resuspendido” plantea la necesidad de estandarizar
la metodología geográfica que implica el procesamiento y desagregación espacial de la
información requerida para el posterior cálculo de emisiones de Material Resuspendido generadas
por fuentes móviles. De esta forma, la presente propuesta busca contribuir a la evaluación y
optimización de procesos en modelación de escenarios de calidad del aire para centros urbanos a
través del diseño conceptual, automatización y posterior documentación del procesamiento
geográfico alusivo sobre plataforma ArcGIS (herramienta de programación visual ModelBuilder).
La automatización de procesos requeridos para el cálculo de emisiones de material

resuspendido bajo plataforma ArcGIS, desarrolla tres flujogramas de procesos llamados Sub-
Módulos (Estaciones, Malla Vial, Grilla de Corte) integrados por una secuencia de comandos,
aplicando la metodología elaborada por el Centro Lasallista de Investigación y Modelamiento
Ambiental.
1
Proyecto Titulado “Fortalecimiento de las capacidades de modelación de calidad del aire en Colombia:
desarrollo de un aplicativo de procesamiento de emisiones; revisión de factores de emisión de fuentes móviles y
evaluación del impacto en salud humana” Universidad de LaSalle – Ecopetrol.
Página | 9
El presente desarrollo metodológico inicia con la adquisición y revisión de variables o datos
de entrada, siendo la carga de sedimento, porcentaje de finos, flujo vehicular y malla vial,
información predecesora al proceso de automatización. Dicha información es procesada bajo
herramienta MODELBUILDER una vez se es diseñada la línea de acción o flujograma conceptual
de procesos, obteniendo como resultado la desagregación espacial de la misma y depuración de
atributos generados; registros de salida requeridos en posteriores procedimientos de modelación
del proyecto ya mencionado. Se presenta, además, el rendimiento alcanzado por la aplicación del
modelo bajo dos sistemas operativos; uno de ellos, Windows 10 con un Procesador de 2.6 Ghz y
Tarjeta RAM de 8 Gb; y el otro, Windows 10 con un Procesador de 2.2 Ghz y Tarjeta RAM de 8
Gb, permitiendo no sólo al personal operativo del geo procesamiento alcanzar eficiencias en
tiempo (según la disponibilidad que presente su hardware), sino en la veracidad de los productos
obtenidos.
Página | 10
2 INTRODUCCIÓN
Año tras año, los nuevos retos que afronta la ciudad de Bogotá frente al crecimiento
poblacional y buscando suplir sus necesidades de movilidad, ha generado el incremento progresivo
en cuanto al uso de fuentes móviles; por lo cual, la calidad del aire bajo términos de Material
Particulado ha representado la constante preocupación por la amenaza que sugiere para la salud de
los habitantes el grado de afectación del mismo (Material Particulado). Es así como lo describe
Nelson E. Peñaloza P., Magister en Ingeniería Ambiental de la Universidad Nacional de Colombia,
en su trabajo titulado Distribución Espacial y Temporal del Inventario de Emisiones provenientes
de las Fuentes Móviles y Fijas de la ciudad de Bogotá, D.C:
Este notorio crecimiento poblacional y económico de la ciudad conlleva a un incremento

en la generación de energía a partir de combustibles fósiles; y a una mayor emisión de
contaminantes a la atmosfera deteriorando la calidad del aire de la ciudad. … Los mayores
problemas de contaminación atmosférica de la ciudad se originan a partir de las emisiones de los
siguientes contaminantes: Ozono (O3), Partículas Suspendidas Totales (PST) y el Material
Particulado de diámetro aerodinámico inferior a las 10 micras (PM10), emisiones que superan
frecuentemente los niveles máximos de inmisión regulados por el Ministerio de Ambiente,
Vivienda y Desarrollo Territorial mediante la Resolución 601 del año 2006. (Peñaloza Pabón,
2010).
Conexo al documento anteriormente mencionado, el Ingeniero Jorge Eduardo Pachón

Quinche, investigador de la Universidad de La Salle - Bogotá en colaboración con el Centro
Lasallista de Investigación y Modelación Ambiental (CLIMA), describe bajo su propuesta de
investigación2:
Bogotá es una de las ciudades con mayor contaminación del aire en Suramérica, siendo
el material particulado el contaminante que causa mayor preocupación. Estudios recientes
apuntan hacia los vehículos como la principal fuente de emisión de contaminantes al aire; en un
2
Página | 11
periodo de diez años (2002-2012), la flota de vehículos particulares de la ciudad aumentó en un
200% llegando a cerca de un millón de unidades. (Pachón Quinche, 2015).
A nivel mundial, la evaluación de calidad del aire ha estado ligada al perjuicio de la calidad
de vida de los ciudadanos; y, a las tasas de morbilidad y mortalidad por enfermedades respiratorias
(enfermedades asociadas a contaminación atmosférica) presentes en las grandes ciudades. Más del
80% de las personas que viven en áreas urbanas están expuestas a niveles de calidad del aire que
exceden los límites de la Organización Mundial de la Salud (OMS). Si bien todas las regiones del
mundo están siendo afectadas, las poblaciones de las ciudades de bajos ingresos son las más
vulnerables. Según la última base de datos sobre calidad del aire urbano 2016 emitida por la OMS,
el 98% de las ciudades con más de 100.000 habitantes de los países de ingresos bajos y medios no
cumplen las directrices de la OMS sobre calidad del aire. (World Health Organization, 2016).
De esta forma, los modelos de contaminación atmosférica han sido herramientas

implementadas para la planificación de la gestión de calidad del aire, demandando como insumos
de entrada: inventarios de emisiones, condiciones meteorológicas, e información geográfica propia
del lugar; que, en un contexto general, describe el proceso de adquisición y depuración de la
información asociada al lugar de estudio (procesamiento o desagregación espacial de la
información geográfica), auxiliando así la protección de la salud pública.
Dicho procesamiento, aunque ha sido de abundante aplicación en el mundo entero, ha

estado atado a escasa documentación; uno de los casos existentes y desarrollados en Colombia
pertenece al Grupo de Calidad del Aire del Departamento de Ingeniería Química y Ambiental
perteneciente a la Universidad Nacional de Colombia en coloboracion con el Laboratorio de
Polución de Aire y Suelo (LPAS) de la Escuela Politécnica Federal (EPFL) Suiza, quienes
desarrollaron la distribución espacial y temporal del inventario de emisiones provenientes de
fuentes móviles y fijas de Bogotá durante los años 2008-2009, años en los que la Secretaria
Distrital de Ambiente contrató la actualización del inventario de emisiones para la ciudad con base
en la medición de emisiones de fuentes fijas de combustión y fuentes móviles, a condiciones
locales; sin embargo, el inventario reportó las emisiones anuales totales, sin la distribución espacial
y temporal de las emisiones requeridas por el modelo fotoquímico y de transporte a implementar
Página | 12
TAPOM (Transport and Air Pollution Model). En consecuencia, para la distribución espacial, el
proyecto definió una malla de modelación de 55 x 55 Km, con resolución de celdas de 1 x 1 Km
sobre el perímetro urbano de Bogotá D.C; mientras que, con el fin de modelar un día típico, se
definió una resolución temporal de una hora y un periodo de 24 horas. Asimismo, el proyecto
definió una combinación de herramientas que incluyen Microsoft Excel, ArcGIS y el código
fortran EMISENS desarrollado en la EPFL (Lausanne, Suiza), modelo que permite estimar las
emisiones en caliente generadas por las fuentes móviles en el dominio a modelar distribuyéndolas
en espacio y tiempo. (Rojas, Peñaloza Pabón, & Robra, 2010).
Asimismo, y considerando la extensa producción de información geográfica en proyectos

de modelación en calidad del aire y en general, en cualquier área de investigación ambiental, surge
el interés hacia la estandarización y automatización de procesos sobre plataforma ArcGIS de tal
forma que se permita el control de calidad a la información producida de manera secuencial,
generando eficiencias ligadas al proceso de operación; ModelBuilder, lenguaje de programación
visual y herramienta contenida en la misma plataforma, permite crear flujogramas de trabajo donde
un modelo se representa como un diagrama que encadena secuencias de procesos (la salida de un
proceso representa la entrada de un proceso conexo) y herramientas de geo procesamiento;
documentando así, procesos de análisis espacial y administración de datos en cualquier campo de
investigación.
Una sencilla manera de observar la implementación y operación de la herramienta

ModelBuilder, es el trabajo desarrollado por la Universidad Freibutg – Alemania en colaboración
con el Land Use Department, National Authority for Remote Sensing and Space Sciences
(NARSS), donde se presenta un nuevo modelo basado en SIG para la extracción automatizada de
nuevos estudios de caso alusivos a la invasión de dunas en Dakhla Oasis, desierto occidental de
Egipto. En él, ModelBuilder es catalogado como un flujograma compuesto por unos datos de
entrada, un geo procesamiento, y unos datos de salida; información que permite supervisar y
evaluar los diferentes fenómenos relacionados a los movimientos de dunas de arena en la zona de
Oasis de Dakhla. Esta metodología contemplo la implementación de imágenes satelitales
multitemporales y un modelo SIG desarrollado por script Python en ArcGIS para el procesamiento
de información y posterior obtención de resultados; la forma de la trama y el vector de la migración
Página | 13
de dunas de arena se extrajo de forma automática utilizando herramientas de análisis espacial.
(Ghadiry, Shalaby, & Koch, 2012).
Fuente: (Ghadiry et al., 2012).

Ilustración 1; Caso Aplicativo ModelBuilder: Invasión de Dunas en Dakhla Oasis.
Bajo la misma herramienta de geo procesamiento, el Instituto de Conservación Biológica

de Estados Unidos desarrolló un modelo lógico como método útil para la evaluación de los paisajes
en la planificación de la conservación de recursos naturales, utilizado con éxito en diferentes tipos
de estudios ecológicos y ambientales. El Sistema de Modelado de Evaluación Ambiental (EEMS),
es un marco de modelos de apoyo a las decisiones del medio ambiente diseñado para que
fácilmente pueda ser adaptado al trabajo con diferentes tipos de archivos y a la interfaz con otros
sistemas de software (formatos de archivo NetCDF y CSV, como una aplicación de línea de
comandos en el entorno ArcGIS ModelBuilder). En una prueba de rendimiento, EEMS se llevó a
Página | 14
cabo utilizando un conjunto de datos con cuatro millones de unidades de información por capa de
mapa y tiempos de ejecución cedidos de menos de 30 segundos. (Sheehan & Gough, 2016).
Ilustración 2; Caso Aplicativo ModelBuilder: Evaluación de paisajes en la Planificación de la

Conservación de Recursos Naturales en EEUU.
Fuente: (Sheehan & Gough, 2016).
El Departamento de Geografía de la Universidad de Tennessee en colaboración con el

Departamento de Conservación de Missouri, desarrolló una herramienta flexible e interactiva para
la identificación de Áreas Oportunas de Conservación “COAs” (áreas definidas como regiones
importantes en la manutención y restauración del rico y diverso patrimonio natural del estado
Missouri) utilizando un modelo de SIG (basado en ModelBuilder), el cual incorporó múltiples
factores ambientales y ecológicos, incluyendo: tamaño de parcela, cobertura forestal, área del
corredor ribereño, proximidad a terrenos y caminos públicos, y presencia de amenazas para
especies nativas. En su desarrollo metodológico, el modelo presenta módulos visuales y
automatizados para la integración de diversos datos de entrada, permitiendo así, la ejecución de
Página | 15
herramientas análisis espacial para la toma final de decisiones de conservación sobre parcelas de
tierra cuya evaluación resulta ser de alto rango. (Li & Nigh, 2011).
Ilustración 3; Caso Aplicativo ModelBuilder: Identificación de Áreas Oportunas de Conservación

“COAs” en el Estado de Missouri.
Fuente: (Li & Nigh, 2011).
Una nuevo estudios del State Key Laboratory of Remote Sensing Science de la Escuela de
Geografía - Beijing Normal University ante el causante terremoto, que normalmente desencadena
deslizamientos de tierra e induce grandes desastres en regiones montañosas reclamando un gran
número de víctimas y siendo una de las principales causas de daños al sistema de transporte chino,
diseñó un modelo de evaluación de riesgos, simple pero eficaz, a través de la herramienta
ModelBuilder en sistemas ArcGIS para la identificación y localización de riesgos por
deslizamientos de tierra presentándolos en forma de mapas o inventarios. Basando su evaluación
en el análisis de relación entre los factores causales y la ocurrencia de deslizamientos de tierra, el
Página | 16
modelo está diseñado para facilitar la representación cuantitativa y cualitativa de las condiciones
del terremoto, y el conocimiento sobre la geología – geomorfología que presenta el lugar. (Zhu,
2010).
La Universidad Lille – Francia, en su trabajo de investigación titulado “Using ArcGIS

ModelBuilder and Aerial Photographs to Measure Coasthne Retreat and Advance: North of
France”, presenta la plataforma ArcGIS ModelBuilder como herramienta de trabajo al estudio del
cambio costero a largo plazo (últimos 59 años) en la zona de Hardelot - Plage y Sainte Cécile -
Plage (14 Km de longitud de playa), en el norte de Francia. Las áreas costeras son naturalmente
dinámicas, con cambios que ocurren durante periodos de tiempo; cuando la costa se desplaza hacia
la tierra, la erosión costera se convierte en un problema serio, razón por la cual, la tasa de cambio
tiene que ser calculada. El objetivo principal de este estudio, fue desarrollar una metodología
automatizada en la cual, doscientos noventa y dos transectos perpendiculares a la costa fueran
utilizados para estimar la erosión costera deduciendo así, posibles tasas de recesión. (Chaaban,
Darwishe, Battiau-Queney, & Louche, 2012).
De esta manera, y expuestos los anteriores casos de aplicación, se resalta la importancia en

la implementación de nuevas técnicas y metodologías automatizadas en campos de investigación
que requieran manipulación y depuración de gran cantidad de información geográfica; justificando
la implementación de la herramienta ModelBuilder en los sistemas de modelación de calidad del
aire para grandes centros urbanos como Bogotá, aportando no solo eficiencias de tipo operativo,
sino en obtención y veracidad de resultados finales presentados.
Página | 17
3 JUSTIFICACIÓN
Teniendo en cuenta los resultados obtenidos por la implementación del modelo de calidad
del aire para Bogotá adelantado por el Ingeniero Jorge Eduardo Pachón Quinche y su grupo de
investigación (Contrato 1467 de 2013), fue posible identificar que el material resuspendido debido
al tránsito vehicular es uno de los mayores responsables de las concentraciones de PM10 en la
ciudad de Bogotá; por tanto, la distribución y comportamiento de esta variable bajo capas
geográficas es de vital importancia para el cálculo de emisiones que ejecutará el presente modelo
de calidad. En este sentido, es importante resaltar que para el cálculo específico de las emisiones
por material resuspendido, se ajustó con el grupo de investigación actual convenio 5224377 ULS-
ECOPETROL una metodología que en su mayoría opera sobre herramientas del software ArcGIS,
las cuales podrían ser ejecutadas bajo un proceso automatizado.
De esta forma, y teniendo en cuenta que el procesamiento de información geográfica para el

presente proyecto3 es considerado de gran magnitud, y que la estandarización de procesos sobre
ArcGIS permitiría establecer el control de calidad a la información producida de manera
secuencial; este proyecto de grado busca estandarizar los pre-procesamientos geográficos
implicados en la distribución y cálculo de las emisiones generadas por material resuspendido a
causa de las fuentes móviles en la ciudad de Bogotá; siendo esta propuesta desarrollada sobre
plataforma ArcGIS (herramienta ModelBuilder); pues éste, se es considerado como software
global utilizado por la mayoría de entidades a nivel nacional que manejan y gestionan información
geográfica, dentro de los cuales se destacan la Secretaria Distrital de Ambiente (SDA) y Ecopetrol.
3
Página | 18
4 OBJETIVOS
4.1 OBJETIVO GENERAL
Diseñar y automatizar el flujograma de procesos requerido para el cálculo de emisión de

material resuspendido debido a fuentes móviles en la ciudad de Bogotá, bajo la herramienta
ModelBuilder de la plataforma ArcGIS.
4.2 OBJETIVOS ESPECÍFICOS
 Identificar y documentar las variables geográficas requeridas en el cálculo de emisiones de

material resuspendido para establecer el modelo conceptual más adecuado a automatizar.
 Definir los módulos de geo procesos más apropiados sobre la herramienta ModelBuilder
de la plataforma ArcGIS, en pro de generar una red modular y funcional del modelo
conceptual diseñado.
 Evaluar la ejecución del proceso de automatización a través del rendimiento obtenido de
forma independiente en ArcGIS y el obtenido de forma secuencial bajo herramienta
ModelBuilder.
Página | 19
5 DESARROLLO METODOLÓGICO
5.1 CAPÍTULO 1. PROCESOS REQUERIDOS PARA EL CÁLCULO DE EMISIONES

DE MATERIAL RESUSPENDIDO DEBIDO A FUENTES MÓVILES
Se presenta a continuación la CARACTERIZACIÓN DE VARIABLES INTEGRADAS

AL PROCESO DE CÁLCULO (5.1.1), subcapítulo en el cual se describe cada una de las variables
sometidas al proceso de automatización (desagregación espacial); posteriormente hacen aparición
las METODOLOGIAS DE TRATAMIENTO Y OBTENCION DE RESUTADOS (5.1.2) donde
se presenta el compendio y/o esquematización de las diferentes técnicas revisadas por el grupo de
trabajo Centro Lasallista de Investigación y Modelación Ambiental CLIMA para el cálculo de
factores de emisión de material resuspendido provenientes de vías pavimentadas (VP) y no
pavimentadas (VNP); además de, información necesaria y/o requerida para el proceso de
modelación; por último, el subcapítulo REPRESENTACIÓN DE RESULTADOS COMO DATO
GEOGRÁFICO (5.1.3), data el proceso de conversión que suscita cada dato de información, de
forma que estos puedan ser integrados y asociados al proceso de modelación en la herramienta
ModelBuilder (ArcGIS).
5.1.1 Caracterización de Variables integradas al proceso de Cálculo.
5.1.1.1 Material Particulado Resuspendido.
Conjunto de partículas sólidas y/o liquidas presentes en la atmosfera, resuspendidas a partir

de la acción de fuentes naturales y/o antropogénicas, las cuales poseen un amplio rango de
propiedades morfológicas, físicas, químicas y termodinámicas. La identificación de Material
Particulado, trasciende en términos de diámetro aerodinámico registrando variaciones desde unos
pocos nanómetros a decenas de micrómetros, (Beatrix Jancsek-Turóczi, András Hoffer, Ilona
Nyír-Kósa, 2013) El presente proyecto mediante la revisión de metodologías internacionales
precisa el Material Particulado Resuspendido en términos de: Carga de Sedimento (Cs) para vías
pavimentadas, y Porcentaje de Finos (%S) para vías no pavimentadas.
Página | 20
Diagrama de Flujo 1; Contribución de Material Particulado.
PM
Carga de Sedimento (Cs) Porcentaje de Finos (%S)
Fuente: Autores.
 Carga de Sedimento.
La Carga de Sedimento (Cs) es una variable obtenida Fracción de sedimento (Material

Particulado) comprendido en cierta sección de área pavimentada, depositado por la actividad de
diversas fuentes naturales y/o antropogénicas; su metodología de muestreo y determinación son
compilados normalizados de la Agencia de Protección Ambiental de los Estados Unidos EPA
([EPA], 1995). El dato de Carga de Sedimento para este proyecto fue obtenido en laboratorio a
través de análisis de humedad y gravimetría.
 Porcentaje de Finos.
Teniendo en cuenta el Diagrama de Flujo 1, el % S se considera fracción de Material

Particulado presente en sección no pavimentada capaz de ser retenido por malla tamiz con diámetro
200 µm en examen de laboratorio ([EPA], 1995).
5.1.1.2 Flujo Vehicular.
Fenómeno cuantitativo originado por el tránsito de vehículos en una vía, calle, carrera o
autopista de la ciudad, en una hora seleccionada y durante un tiempo determinado.(Arrieta, 2016).
Esta información fue obtenida directamente de la Secretaria Distrital de Ambiente en formato .xlsx
(Formato Excel), en la cual se diferencia:
 Flujo Día Hábil.
autopista de la ciudad, en una hora seleccionada y durante un tiempo determinado, los días lunes,
martes, miércoles, jueves y viernes.
Página | 21
 Flujo Día No Hábil.
autopista de la ciudad, en una hora seleccionada y durante un tiempo determinado, los días sábados,
domingos y festivos.
 Categorización de Flujo.
Desagregación de información registrada en categorías de transporte y carga del vehículo

transitable por las diferentes vías, calles, carreras o autopistas de la ciudad.
5.1.1.3 Malla Vial.
Esta capa geográfica define el conjunto de vías, calles o carreteras que conforman un
espacio urbano lineal destinado a la circulación y transporte de vehículos y personas; permitiendo
así, la movilidad en todo el territorio de la ciudad de Bogotá. (Secretaria distrital de Planeación,
2015). Esta capa geográfica proporcionada por el Instituto de Desarrollo Urbano IDU está
compuesta alrededor de 113.466 tramos, y su clasificación parte de:
 Vía Pavimentada.
Característica otorgada al tipo de suelo estabilizado recubierto de asfalto, cemento, adoquín

u otro material de similar característica que permita una superficie de rodadura llana, compacta, y
firme; proporcionando características óptimas para el trasporte y concurrencia vial.
 Vía No Pavimentada.
Característica otorgada al tipo de suelo conformado por grava, afirmado, estabilizados o

terreno natural que permite una superficie de rodadura aceptable; presentando condiciones
adversas para un normal tránsito vehicular.
 Estado de la Vía.
Característica única asociada a la descripción física en la que se encuentra cada componente

pavimentado (vía, calle o carretera) de la Malla Vial.
 Vía Principal.
Clasificación vial emitida cuya función consiste en facilitar el flujo vehicular continuo y
controlado por semáforo en gran parte de su longitud, conectando distintas localidades, zonas o
Página | 22
núcleos de la ciudad; generalmente debido a grandes volúmenes de tránsito, estos espacios físicos
cuentan con dos o más carriles definidos para actividades exclusivas.
 Vía Secundaria.
Clasificación vial emitida cuya función consiste en facilitar el flujo vehicular no continuo
(transito intenso de corto recorrido) y controlado por semáforo entre distintas zonas o núcleos de
la ciudad, enlazando así su movilidad permanente; es importante mencionar que su espacio físico
posee características geométricas reducidas.
 Vía Troncal.
Clasificación vial emitida cuya función consiste en facilitar el flujo del sistema integral de
transporte publico TRANSMILENIO continuo y controlado por semáforo entre distintas
localidades, zonas o núcleos de la ciudad.
 Longitud de la Vía.
Característica tangible limitada al concepto de dimensión; corresponde a la distancia o

extensión de la vía publica usada para el transito general, según el tipo de superficie.
5.1.1.4 Grilla Espacial.
Esta capa fue definida por el proyecto como unidad de análisis para identificar la
distribución espacial del cálculo de la emisión de material resuspendido (grueso o fino). Esta
cuadricula presenta un área de pixel equivalente a un 1 Km2 en la ciudad, con una dimensión de
pixeles de 64 * 64.
5.1.2 Metodologías de Tratamiento y Adquisición de Resultados.
Es importante tener en cuenta las fases anteriores del proceso de investigación adelantado por el
grupo CLIMA, en las cuales son expuestas las diferentes metodologías abordadas para el cálculo
de factores de emisión para material resuspendido. Por tanto, se presenta a continuación de manera
general, las metodologías seleccionadas y adoptadas que dieron como resultado la obtención de
información puntual para la correspondiente investigación.
5.1.2.1 Material Particulado Resuspendido.
“Emissions Factors & AP-42, Compilation of Air Pollutant Emisión Factors” es un

documento expedido por la Agencia de Protección Ambiental (EPA) de los Estados Unidos el cual
Página | 23
presenta desde el año 1972 y gracias a sus constantes actualizaciones, un completo compendio de
factores de emisión de contaminantes atmosféricos con información de más de 200 categorías de
fuentes contaminantes del aire; posee además 15 capítulos y una serie de apéndices
complementarios, dentro de los cuales se registran metodologías para muestreos en superficie,
prácticas que permiten obtener factores de emisión por resuspensión de material Particulado en
vías pavimentadas (determinación de carga de sedimento) y no pavimentadas (determinación de
porcentaje de finos). Inspeccionado el documento ya mencionado por el grupo de investigación
Centro Lasallista de Investigación y Modelación Ambiental CLIMA, un último trabajo realizado
por los Ingenieros Carlos A. Zafra, Nancy A. Peña y Santiago Álvarez investigadores de la
Corporación Autónoma Regional de Cundinamarca y de la Universidad Distrital Francisco José
de Caldas para el año 2012 , cuyo propósito de investigación consistía en la determinación de
metales pesados en los sedimentos acumulados haciendo énfasis en las diferentes técnicas de
muestreo para el barrido de calles en vías pavimentadas y no pavimentadas de la ciudad (muestreo
por aspirado en seco, muestreo por aspirado en húmedo, muestreo por barrido en seco y, muestreo
por aspirado y barrido en seco), permitiendo después de un arduo análisis de humedad y
gravimetría en laboratorio estimar el material resuspendido incursionado por la circulación de
vehículos automotores; finaliza un completo compendio metodológico a desarrollar en cálculo de
factores de emisión de material resuspendido provenientes de vías pavimentadas y no
pavimentadas.
La determinación de CARGA DE SEDIMENTO (g/m2) en vías pavimentadas y PORCENTAJE

DE FINOS (%) en vías no pavimentadas, implico el muestreo de 45 puntos viales previamente
distribuidos y seleccionados por la Secretaria Distrital de Movilidad para la ciudad de Bogotá, 30
de ellos categorizados bajo característica vía pavimentada; el remanente de puntos viales
pertenecen a categoría vía no pavimentada siendo posicionados en siete localidades de la ciudad
de Bogotá teniendo en cuenta su cercanía a lugares de interés de la tabla explicada en la Salida
Gráfica 1; Distribución Espacial de Estaciones con valor Cs y Salida Gráfica 2; Distribución Espacial
de Estaciones con valor %S. Como objeto de estudio, es fundamental indicar la presencia de 8
puntos viales complementarios buscando mayor precisión en procesos posteriores de modelación.
Se registran los resultados obtenidos de Carga de Sedimento Cs (g/m2) y porcentaje de Material
Fino (%S) para cada punto vial seleccionado, producto del muestreo por barrido de calles, método
Página | 24
barrido y aspirado (metodología seleccionada por el grupo de investigación, el cual contempla la
recolección de muestra de material Particulado en un cuadro de área conocida únicamente en el
carril derecho de la vía), y posterior análisis en laboratorio (Porcentaje de Humedad y Gravimetría)
en vías pavimentadas y no pavimentadas respectivamente; adquiriendo así, un estimativo de la
masa de las partículas finas adheridas a la superficie de las vías.
NOTA: La metodología original que propone la EPA en la determinación de factores de emisión

para vías pavimentadas, contempla la toma de muestras (Sedimento) de manera transversal en todo
el ancho de la vía (para cada punto seleccionado); sin embargo, para el presente trabajo de
investigación se justifica el ajuste de resultados obtenidos debido a la imposibilidad de cierre total
o parcial de toda la vía, por lo cual el comité de trabajo determina un factor de afectación promedio
de 0.35 exclusivo para valores de Carga de Sedimento Cs (Este factor de afectación deberá estar
incluido en el valor Cs al ser ingresado como dato de entrada al proceso de Modelación).
Finalmente, la cita los resultados ajustados para Carga de Sedimento fruto del ajuste por factor de
afectación; los resultados relacionados a Porcentaje de Finos no presentan ningún cambio debido
a cumplimientos metodológicos estandarizados en su determinación.
Página | 25
Diagrama de Flujo 2; Metodología Material Particulado.
METODOLOGÍA DE TRATAMIENTO: MATERIAL PARTICULADO

RESUSPENDIDO DEBIDO A FUENTES MÓVILES
Escenarios delegados a evaluación: 64 PUNTOS VIALES
Carga de Sedimeto (Cs

Porcentaje de Finos (F %)
g/m²)
Vias Pavimentadas: Monitoreo de 40 Puntos Vias No Pavimentadas; Monitoreo de 16 Puntos

Viales y 8 puntos adicionales Viales y 4 puntos Adicionales correspondientes
correspondientes a peajes a peajes
Muestreo por Barrido de Calles: Muestreo por Barrido de Calles:

Metodo Barrido y Aspirado Metodo Barrido y Aspirado
Analisis de Laboratorio: Humedad Analisis de Laboratorio: Humedad y

y Graviemtria (Cs) Graviemtria (F %)
Obtención de Resultados Cs Resultados Porcentaje de

Previos Finos
Ajuste de Resutados: Factor de

Afectación
Resultados Carga de
Sedimento
Fuente: Autores.
Página | 26
Salida Gráfica 1; Distribución Espacial de Estaciones con valor Cs.
Fuente: Autores
Página | 27
Salida Gráfica 2; Distribución Espacial de Estaciones con valor %S.
Fuente: Autores.
Página | 28
5.1.2.2 Flujo Vehicular
La Secretaria Distrital de Movilidad, organismo gubernamental destinado a la orientación, el

liderazgo y la ejecución de políticas que garanticen las óptimas condiciones de movilidad,
proporciona información de Flujo Vehicular en formato Excel (.xls) para los 48 puntos viales ya
presentados (puntos viales destinados al muestreo de material Particulado). Para vías pavimentadas
(40 puntos viales) la información se encuentra estructurada en flujo las 24 horas (hora por hora y
total), con diferenciación entre día hábil y no hábil, para las categorías Automóvil, Colectivo,
Buseta/Busetón, Bus, Alimentador, Articulado, Biarticulado, Bus especial, Bus intermunicipal,
Camión de 2 ejes pequeño, Camión de 2 ejes grande, Camión de 3 y 4 ejes, Camión de 5 ejes,
Camión de más de 5 ejes y Motos; además, de presentar un total ponderado de flujo vehicular para
la ciudad de Bogotá; mientras que, vías no pavimentadas registra información de flujo total
ponderado para los 20 puntos viales seleccionados previamente sin ningún tipo de discriminación.
Se presenta en la Tabla 1 y Tabla 2, los resultados obtenidos para: vías pavimentas flujo total por
categoría y flujo total ponderado día hábil; vías pavimentas flujo total por categoría y flujo total
ponderado día no hábil; y, vías no pavimentas flujo total ponderado sin discriminación de
categorías; respectivamente.
Tabla 1; Flujo Vehicular Vías Pavimentadas.
IDESTACIÓN ESTACIÓN FLUJOH FLUJONH

1 AK_45_X_AC_170 64435,34 72533,75
2 AC_145_X_KR_104 24630,91 27966,15
3 AC_138_X_AK_72 30071,42 32427,00
4 AK_45_X_AC_127 71291,60 80880,76
5 AK_86_X_AC_80 44879,68 48731,50
6 AC_127_X_KR_7 22342,91 25773,00
7 AC_72_X_AK_86 34874,05 37778,00
8 AC_100_X_Tv_60 39045,33 37778,00
9 AK_72_X_AC_72 52124,08 53051,12
10 AC_100_X_KR_15 33672,73 32237,50
11 AC_26_X_Tv_93 41100,51 34486,25
12 KR_70_X_AC_63 15989,58 15275,75
13 AK_20_X_AC_80 32372,22 30925,25
14 AC_85_X_KR_7 19849,07 19856,25
Página | 29
IDESTACIÓN ESTACIÓN FLUJOH FLUJONH
15 AK_86_X_AC_17 54086,85 57344,00
16 AK_68_X_AC_26 82079,40 73604,24
17 KR_13_X_AC_63 11534,23 11744,50
18 AK_72_X_AC_17 67461,00 67431,58
19 KR_30_X_AC_53 73389,41 71459,76
20 AC_45_X_KR_7 19929,66 13786,00
21 AK_68_X_AC_9 71177,17 73784,25
22 AK_86_X_AC_43_S 26580,75 29074,64
23 AC_20_x_Tv_39A_BIS 33410,58 30662,60
24 KR_50_X_AC_3 28123,82 28189,00
25 KR_80_X_AC_55_S 20900,33 23306,25
26 AC_19_X_KR_10 18130,67 16105,74
28 KR_77_G_X_AC_59S 32122,51 31895,75
29 AC_45A_S_X_KR_68 43696,48 45833,15
30 AC_68_S_X_AK_51 21569,64 23298,50
31 AK_10_X_AC_20_S 18248,58 20883,74
32 AV_20_S_X_KR_3E 9800,83 10507,75
33 KR_19D_X_AC_62_S 33244,57 16105,70
34 DG_78_BIS_S_X_AK_1 11178,70 10507,75
35 AK_14_X_AC_53 15962,46 11744,50
36 AK_19_X_AC_127 21565,91 25773,00
37 AK_13_X_AC_53 12050,31 11744,50
38 KR_68_D_X_AC_24 20473,60 21681,50
39 KR_24_X_AC_66A 20577,26 19056,75
40 KR_72_X_AC_26_S 54674,67 57388,25
41 PEAJE_SIBERIA 24630,91 27966,15
42 PEAJE_RIO_BOGOTA 54086,85 57344,00
43 PEAJE_FUSCA 64435,34 72533,75
44 PEAJE_CHUSACA 11178,70 10507,75
45 PEAJE BOQUERON 11178,70 10507,75
46 PEAJE ANDES 64435,34 72533,75
47 CODITO 21565,91 25773,00
48 PEAJE_ORIENTE 18130,67 16105,74
Fuente: Autores.
Página | 30
Tabla 2; Flujo Vehicular Vías No Pavimentadas.
IDESTACIÓN ESTACIÓN FLUJO

1 TV_68_F_X_AC_36_SUR 406,78
2 KR_36_X_AC_25_B 456,14
3 KR_53_A_X_AC_15_C 210,53
4 KR_83_X_AC_15_A 280,70
5 KR_116_X_AC_122 210,53
6 AV_1_MAYO_X_KR_80 1152,54
7 SUBA_AC_140_B_X_KR_96 280,70
8 AC_161_X_KR_18_A 714,29
9 AC_78_SUR_X_KR_87_J 233,92
10 KR_89_A_BIS_#_80-98_S 245,61
11 KR_16_X_AC_76_SUR 779,66
12 TV_5_J_X_AC_48_L_SUR 417,29
13 DG_45_F_SUR_X_TV_16_G 308,65
14 AC_35_SUR_X_KR_12_B_ESTE 333,33
15 AC_62_X_KR_3 585,21
16 SANTAFE 459,27
41 PEJAE_SIBERIA 0,00
43 PEAJE_FUSCA 0,00
44 PEAJE_CHUSACA 0,00
45 PEJAE_BOQUERON 0,00
Fuente: Autores.
Página | 31
Diagrama de Flujo 3; Metodología de Tratamiento para datos de Flujo Vehicular.
METODOLOGÍA DE
TRATAMIENTO:
FLUJO VEHICULAR
Vía NO Pavimentada Vía Pavimentada (VP)

(VNP)
Flujo Día Habil Flujo Dia No Habil

Los vehiculos
transitados por las Categorización de Flujo:
diferentes estaciones Categorización de Flujo:
de monitoreo no Automoviles, Colectivos,
cumplieron ninguna Automoviles, Colectivos, Buseta/Busetón, Buses,
categoria en especifico Buseta/Busetón, Buses, Alimentador, Articulado,
Alimentador, Articulado, Biarticulado, Bus especial,
Biarticulado, Bus especial, Bus intermunicipal,
Bus intermunicipal, Camiones Camiones de 2 ejes pequeño,
de 2 ejes pequeño, Camiones Camiones de 2 ejes grande,
de 2 ejes grande, Camiones de Camiones de 3 y 4 ejes,
3 y 4 ejes, Camiones de 5 ejes, Camiones de 5 ejes,
Camiones de mas de 5 ejes y Camiones de mas de 5 ejes y
Motos Motos
Fuente: Autores
5.1.2.3 Malla Vial
El Instituto de Desarrollo Urbano, establecimiento público descentralizado destinado a la

ejecución de obras viales y de espacio público para el desarrollo urbano del Distrito Capital en
conjunto con la Secretaria Distrital de Ambiente, suministra la información de Malla Vial en
formato shapefile (.shp), presentando como contenido en su tabla de atributos:
 Columna TIPO CLA:
Clasificación numérica de superficies otorgada por la Secretaria Distrital de Ambiente a la

malla vial buscando diferenciar en procesamientos posteriores Vías Pavimentadas (Superficie N°1
Rígido, N°2 Flexible, N°3 Mixto, N°4 Adoquín Concreto, N°5 Adoquín Arcilla, N°6 Afirmado,
Página | 32
N°9 Escalera Concreta, N°10 Escalera Ladrillo y N°11 Escalera Otros) de Vías No Pavimentadas
(N°8 Tierra).
 Columna CLASIFI SU:
Información registrada según tipo de vía buscando clasificar cada tramo vial en Vía Troncal
Transmilenio (Tipo Troncal), Vía Principal (Tipo Arterial) y Vía Secundaria (Tipo Circuito
Movilidad, Expansión, Fuera DC, Intermedia, Local y Rural).
 Columna ESTADO 20 1:
Característica única y subjetiva asociada a cada componente pavimentado (vía, calle o

carretera) de la Malla Vial. Se adquiere como valoración el Estado Bueno: La vía presenta
condiciones específicas adecuadas en su instalación permitiendo el óptimo tránsito urbano; además
de presentar la aparente emisión en menor proporción de material resuspendido; Estado Regular:
Las condiciones específicas de la vía presentan defectos moderados en su instalación; por lo cual,
se infiere variaciones de movilidad y emisión de material resuspendido; Estado Malo: Condiciones
deplorables de la vía que dificultan en gran magnitud el tránsito vehicular, y contribuyen a la
resuspensión de material Particulado en considerable proporción.
 Columna Km:
Información asociada a la longitud correspondiente a cada tramo de vía presente en la Malla

vial.
Página | 33
Diagrama de Flujo 4; Metodología de Tratamiento de datos de Malla Vial.
METODOLOGÍA DE TRATAMIENTO: MALLA VIAL
Vias Pavimentadas Vias No Pavimentadas
Vias Vias Vias Vias Uso Vias Uso

Troncales Principales Secundarias Publico Industrial
Longitud de Longitud de Longitud de Longitud de Longitud de

la Vía la Vía la Vía la Vía la Vía
Fuente: Autores.
5.1.3 Representación de Resultados como Dato Geográfico.
Teniendo en cuenta las variables descritas anteriormente, el presente capitulo data la

representación de información obtenida como dato geográfico para su posterior vinculación en el
proceso de modelación; de tal manera, es necesario precisar que los datos de las estaciones
inicialmente están en formato .xlsx, por lo cual, como primer paso suscrito al proceso de
automatización será la conversión a formato .shp (representación geográfica de la información);
posteriormente, los flujos vehiculares establecidos para vías VP y VNP en formato .xlsx serán
relacionados a la información de estaciones (puntos de monitoreo alusivos al Material Particulado
Resuspendido bien sea Cs o %S), obteniendo de esta forma los shapefiles necesarios para el inicio
del proceso de Modelación. Es importante mencionar que, los archivos de Malla Vial, Grilla Corte,
Estaciones VNP y Localidades (archivos proporcionados), serán cargados directamente en formato
Shapefile (.shp) al no tener un tratamiento específico de conversión a formato ArcGIS.
5.1.3.1 Creación de Sistema de Georreferenciación.
Para establecer la manera en la cual se deben representar los datos geográficos, se establece un
único sistema de georreferenciación; el presente proyecto determinó necesario crear un sistema de
coordenadas proyectadas llamado “ECUATORIAL MERCATOR”, en el cual, con ayuda de la
Página | 34
aplicación ArcCatalog, se definió en la siguiente interfaz la información alusiva al sistema
generado y entregado por la Universidad de la Florida para su creación.
Ilustración 4; Campos necesarios para la creación de un Sistema de Georreferenciación.
Fuente: Autores
Según la Ilustración 4, se muestran los campos obligatorios completamente diligenciados en los

cuales se establecieron Falsos Este, Falso Norte, y Meridiano Central; datos suministrados por
especialistas en Sistemas de Información Geográfica de la Universidad de la Florida.
5.1.3.2 Estaciones de Monitoreo.
La variable establecida para estaciones de monitoreo para material resuspendido se dividen en dos
tipos de variables como se nombran anteriormente, estas se dividen en:
Página | 35
Tabla 3. Campos determinados para cada shapefile de Punto de Monitoreo Cs y %S
TIPO DE NÚMERO DE CAMPOS

OBSERVACIONES
GEOMETRÍA (Nombres)
Se midieron alrededor de 48 puntos en los

Puntos de Carga de 6 (X, Y, ID estación, Zona, cuales se instituyen 8 adicionales para
Sedimento (Cs) Dirección, Cs_g/m2) ampliar el rango de mapa que se va a generar.
Como se muestra en la Salida Gráfica 1.
7 (FID, shape (tipo de Se midieron alrededor de 16 puntos, 4 fueron
Puntos de Porcentaje geometría), ID, Latitud, establecidos como peajes para ampliar la
de Finos (%S) Longitud, Dirección y S imagen de las salidas gráficas como se
(porcentaje de Finos)) muestra en Salida Gráfica 2.
Fuente: Autores
Todos los campos generados se establecen en formato .xls en el cual se transformarán en
formato ArcGIS estableciendo un Feature Class en el cual se almacenarán y se filtrarán los campos
que no se usen, de forma que solo establezcan los necesarios contemplados por la modelación que
se realizara, estos puntos determinados se pueden visualizar en Salida Gráfica 1; Distribución
Espacial de Estaciones con valor Cs y Salida Gráfica 2; Distribución Espacial de Estaciones con valor
%S
5.1.3.3 Flujo Vehicular.
El flujo vehicular se establece según los el día que se está realizando la medición como lo
dice en el numeral 5.1.2.2 el día hábil y el día no hábil se divide en diferentes categorías las cuales
fueron expuestas anteriormente en la Tabla 4, este se muestra en formato .xls en donde se va a
discriminar las categorías de bicicletas y motocicletas, estas categorías seleccionadas se someterán
a un promedio (media) por cada punto de muestreo en día hábil y día no hábil en las cuales se
contempló el mismo punto monitoreado en el material resuspendido para su facilidad y uso
posterior.
Página | 36
Tabla 4; Categorías de Flujos Vehiculares.
CATEGORIA Sigla en Formato .xlsx

Automóviles L
Colectivos C
Buseta/Busetón B
Buses B
Alimentador AL
Articulado AT
Biarticulado BT
Bus especial ESP
Bus intermunicipal INT
Camiones de 2 ejes pequeño C2P
Camiones de 2 ejes grande C2G
Camiones de 3 y 4 ejes C3-C4
Camiones de 5 ejes C5
Camiones de más de 5 ejes y Motos >C5
Fuente: Autores
5.1.3.4 Malla Vial.
Tabla 5; Cantidad de links establecidos para depuración de Malla Vial.
Numero de Datos Porcentaje dentro de

Nombre Tipo de Geometría
(links) la Malla Vial (%)
Vías pavimentadas Línea 106095 93,50
Vías Pavimentadas
Línea 8794 7,75
Principales
Vías Pavimentadas
Línea 106095 93,50
Secundarias
Vías Pavimentadas
Línea 786 0,69
Troncales
Vías No Pavimentadas Línea 9686 8,54
Vías No Pavimentadas
Línea 298 0,26
Uso industrial
Página | 37
Vías No Pavimentadas
Línea 8975 7,91
Uso Publico
Fuente: Autores
Las mallas viales de Bogotá se muestran comprendida en la Suma de las VP y las VNP la
cual representa 113466 datos de acuerdo a la información suministrada por el IDU (instituto de
Desarrollo Urbano) en donde según la categoría de estas serán clasificadas en vías Pavimentadas
o Vías No Pavimentadas:
 Vías Pavimentadas que se muestran en la Tabla 5 corresponden a 106095 datos que

corresponde al 91,63% de las vías en la ciudad de Bogotá
Estableciendo dentro de estas unas subcategorías las cuales son: Salida Gráfica 3 (1),
Salida Gráfica 4 (2) y Salida Gráfica 5 (3), con los resultados obtenidos en la Tabla 5 podemos
ver unos datos faltantes esto se puede identificar como la mala toma de datos y los datos faltantes
provenientes de los entes reguladores dando como resultado la generación de datos incoherentes
en el geo procesamiento realizado en la malla vial
 Vías No Pavimentadas
En el mismo caso podemos ver que el porcentaje de las vías no pavimentadas no tiene una
magnitud relevancia, pero estos correlacionados con los puntos monitoreados se puede mostrar
que son los problemas más grandes de Material en Resuspensión.
Página | 38
Salida Gráfica 3; Distribución de Vías Transmilenio. Salida Gráfica 4; Distribución Vías Principales.
Fuente: Autores Fuente: Autores
Salida Gráfica 5; Distribución de Vías Secundarias.
Fuente: Autores
Página | 39
Vías No Pavimentadas como se determina en el numeral 5.1.2.3 se pretende cuantificar la
cantidad de datos de vías sin pavimentación y aporte considerable a la contaminación de PM10
por material resuspendido causando diferentes problemas medio ambientales realizando el proceso
de segregación y discriminación.
En las cuales también se pueden clasificar según el lugar o uso de suelo a la que esta
pertenezca determinando dos categorías como zona Industrial y Zona publica y como se muestra
en la Tabla 5 establece la poca cantidad de datos respecto a la malla vial.
Salida Gráfica 6; Distribución de Vías uso Publico Salida Gráfica 7; Distribución de Vías uso Industrial
Fuente: Autores Fuente: Autores
Página | 40
5.2 CAPITULO 2. AUTOMATIZACION DE PROCESOS BAJO HERRAMIENTA
MODELBUILDER
Frente a nuevas y constantes oportunidades de desarrollo y tecnificación, la ineludible

necesidad de ser cada vez más precisos en las diferentes metodologías de modelación y evaluación
de escenarios de calidad del aire, especialmente en aquellos casos para los que la población se vea
afectada, conlleva la innovación y mejora de técnicas que permitan localizar y analizar
espacialmente nuevos eventos, incluyendo su comportamiento y distribución en grandes centros
urbanos como Bogotá. Justamente, buscando generar nuevas herramientas que ayuden en el
fortalecimiento de capacidades de modelación de calidad del aire en Colombia, se presenta a
continuación la metodología orientada hacia la automatización de procesos requeridos para el
cálculo de emisiones de material resuspendido debido a fuentes móviles. (Noorollahi, Itoi, Fujii,
& Tanaka, 2007)
Un primer Sub-Capitulo contempla la descripción general del geo procesamiento global

aplicado por el grupo Centro Lasallista de Investigación y Modelación Ambiental (CLIMA);
segregando como producto, el “desarrollo metodológico” del modelo conceptual más adecuado a
ser automatizado. Dicho objetivo, contempló el diseño de tres Sub-Módulos engranados
comprendiendo la totalidad de variables geográficas requeridas para el posterior cálculo y
especiación de emisiones de material resuspendido, definidas y caracterizadas al ser consideradas
requerimiento de modelación. Posteriormente, el Sub-Capitulo dos, data el geo procesamiento
conceptual replicado bajo lenguaje de programación ModelBuilder – plataforma ArcGIS (tres Sub-
Módulos convertidos en MODELO DE GEOPROCESAMIENTO), exhibiendo generalidades,
vocabularios, comandos o herramientas, aplicadas al proceso de automatización. Se contempla,
además, la ilustración de resultados tangibles obtenidos por modelación, procesados bajo
proyectos ArcMAP (mxd), salidas graficas que serán comparadas mediante resultados obtenidos
por la operación manual y el procesamiento secuencial por parte de personal CLIMA.
5.2.1 MODELAMIENTO BAJO HERRAMIENTA MODELBUILDER
5.2.1.1 ¿QUE ES MODELBUILDER?
La ejecución de grandes cantidades de herramientas de geoprocesos, constituye la primera

e inequívoca causa para la implementación de modelos que empleen la automatización de tareas
Página | 41
de geo procesamiento como procesos espaciales eficientes en ahorro de tiempo y esfuerzo. En
ArcGIS (Software utilizado en el procesamiento requerido para el cálculo de emisiones de material
resuspendido) los procesos de automatización están asociados a ModelBuilder, en donde se puede
identificar muchos procesos como el denominado “GIS model for geothermal resource exploration
in Akita and Iwate prefectures, northern Japan” (Noorollahi et al., 2007) en donde establecen como
objetivos del estudio determinar las relaciones entre los pozos geotérmicos y geológicos,
geoquímica, y las capas de datos térmicos dentro del SIG y de utilizar estas relaciones para
identificar áreas prometedoras para la exploración geotérmica usando la herramientas
ModelBuilder (MB) para su elaboración.
Este lenguaje considerado como de programación visual, crea flujos de trabajo de geo
procesamiento. “Los modelos de geo procesamiento se crean y modifican en ModelBuilder, donde
un modelo se representa como un diagrama que encadena secuencias de procesos y herramientas
de geo procesamiento utilizando la salida de un proceso como entrada de otro proceso”.
5.2.1.2 GENERALIDADES DE MODELBUILDER
Esta aplicación o herramienta que trae la plataforma ArcGis puede ser explicada con los
diferentes proyectos que de esta se pueden encontrar (Sheehan & Gough, 2016), (Noorollahi et al.,
2007) y (Ghadiry et al., 2012), además de tener la capacidad de automatizar procesos dentro de las
investigaciones esta se caracteriza por ahorrar tiempo en las mismas el objetivo de esta es realizar
iteraciones
El Diagrama: El Diagrama del modelo es entendido como todo aquello que será
visualizado producto de la edición de datos, incluida su apariencia, diseño de herramientas y
variables del mismo.
Elementos: También llamados bloques de construcción básicos de modelos; pues, de ellos
surge la edición. Existen tres tipos de elementos de modelo principales:
 Las Herramientas de Geo procesamiento llevan a cabo varias operaciones en

datos geográficos o tabulares. Cuando se agregan herramientas a un modelo, se
convierten en elementos de modelo.
Página | 42
 Las Variables son elementos de un modelo que contienen un valor o una referencia
a datos; existen dos tipos de variables conocidas como datos y valores.
 Los Conectores conectan datos y valores a herramientas. Las flechas de conexión
indican la dirección del procesamiento. Hay cuatro tipos de conectores: datos,
entorno, condición previa y retroalimentación.
Ilustración 5 Elementos de Modelo en ModelBuilder
Fuente: (The Economic and Social Research Institute, 2016)
Página | 43
Tabla 6; Descripción de Elementos del Modelo
Descripción de Elementos del Modelo

Las variables de datos son elementos de modelo que almacenan rutas y otras
propiedades de los datos en el disco. Entre las variables de datos más comunes
Variable de Datos
se incluyen la clase de entidad, la capa de entidades, el dataset ráster y el
espacio de trabajo.
Los datos de salida o derivados son datos nuevos creados por una herramienta
en el modelo. Cuando se agrega una herramienta de geoprocesamiento a un
modelo, se crean automáticamente variables para los parámetros de salida de la
herramienta y se conectan a la herramienta.
Variable de Datos de
La herramienta crea un nuevo dataset que se escribe
Salida o Derivados
en el disco cuando se ejecuta el modelo.
La herramienta modifica los datos de entrada cuando

se ejecuta el modelo. Por defecto, la variable de
datos derivados de entrada y salida tendrán el mismo
nombre que los datos de entrada, pero con un número
único incorporado al final.
Las variables de valor son valores como cadenas de caracteres, números,

booleanos (valores verdadero/falso), referencias espaciales, unidades lineales o
Variable de Valor
extensiones. Las variables de valor contienen de todo excepto referencias a
capas o a datos almacenados en el disco.
Los valores que son el resultado de una herramienta. Los valores derivados
Variable de Valor
pueden ser entradas para otras herramientas. La herramienta Calcular valor, por
Derivado
ejemplo, genera el resultado de un cálculo lógico o matemático.
Las herramientas son las herramientas de geoprocesamiento que se agregan al

modelo. Aquí se incluyen todas las herramientas de la caja de herramientas de
sistema y las herramientas de secuencia de comandos y modelo personalizadas.
En las herramientas de ModelBuilder también se incluyen herramientas
especiales, como iteradores, utilidades de ModelBuilder y herramientas de lógica
de ModelBuilder.
Los iteradores son herramientas especiales solo de

ModelBuilder que repiten la misma operación o bucle
en un conjunto de datos de entrada o valores.
Herramienta
Las utilidades de ModelBuilder son herramientas que

resultan de gran utilidad para crear modelos y que
solo funcionan dentro de ModelBuilder, no en
secuencias de comandos.
Las herramientas de lógica se utilizan para controlar

el flujo lógico de los modelos. Una de las
herramientas de lógica es la herramienta Detener.
Fuente: (The Economic and Social Research Institute, 2016)
Página | 44
5.2.1.3 DESCRIPCION GENERAL DEL GEOPROCESAMIENTO GLOBAL
APICADO
Atendiendo los diferentes tipos de necesidades eficientes en el procesamiento de

información geográfica mediante la estandarización de metodologías automatizadas que permitan
el alcance de objetivos específicos en la implementación del modelo de calidad del aire para
Bogotá adelantado por el Doctor Jorge Eduardo Pachón Quinche y su grupo de investigación, es
importante resaltar que el proceso comprendido previo al cálculo especifico de emisiones por
material resuspendido (actualización del inventario de emisiones de material resuspendido),
presento un desarrollo de tipo operativo manual, siguiendo una secuencia de comandos ajustados
bajo plataforma ArcGIS, obtenido como resultados componentes geográficos desagregados
espacialmente, vinculados al visor geográfico o aplicativo desarrollado por el Proyecto Convenio
5224377 ULS- ECOPETROL.
Teniendo en cuenta que la documentación de las variables requeridas y fueron abordadas

en capítulo 1; a continuación, se presentara de manera general el procesamiento para la obtención
y análisis de resultados en laboratorio para cuyas variables (Carga de Sedimento y Porcentaje de
Finos) fueron muestreadas en los diferentes puntos viales categorizados como vías pavimentadas
y vías no pavimentadas.
Inicialmente se creó una capa geográfica “tipo punto” para la variable Carga de Sedimento
llamada Estaciones_VP (formato shapefile) después del registro tabular de sus atributos generados;
por otro lado, para los registros de vías no pavimentadas, fue necesario utilizar los datos
recolectados por el proyecto antecesor contrato 1467 de 2013, pues, hasta la fecha no se generaron
nuevas campañas de monitoreo y análisis para esta categoría vial.
Es importante mencionar que, este paso contempla la vinculación propia de flujo vehicular
según la clasificación que presenta la estación o punto de monitoreo como atributo a los formato
shapefile generados, información disponible gracias al proceso sumatorio de adquisición de
información geográfica (Datos geográficos) base provista por las diferentes entidades públicas
gubernamentales interesadas, dos de ellas, la Secretaria Distrital de Ambiente (SDA) y el Instituto
de Desarrollo Urbano (IDU).
Página | 45
Dispuestas estas dos variables como capa geográfica, son georreferenciadas bajo sistema
de coordenadas requerido (sistema de coordenadas planas específicamente el actual proyecto bajo
sistema de coordenadas proyectadas “Sistema Equatorial Mercator”), para su posterior tratamiento
bajo dos procesos geo estadísticos: uno de ellos, interpolación de variables (Carga de Sedimento
y Porcentaje de Finos) a través de los métodos IDW (ambas variables), CoKrigin Ordinario (Carga
de Sedimento) y Kriging (Porcentaje de Finos) ; el otro, polígonos de thiessen, aportando a
geoprocesos posteriores posibles predicciones en distribución de flujos vehiculares para la ciudad
de Bogotá.
Subsiguientemente, el geoproceso para la desagregación espacial de la información

continua con la Malla Vial de la ciudad, para la cual se realiza la clasificación correspondiente en
vías pavimentadas y vías no pavimentadas (momento para el cual, los polígonos de thiessen
“información de flujo vehicular” son vinculados a la información contenida por la cada
clasificación vial, como atributos tabulados), las cuales a su vez se encuentran divididas en
Principales, Secundarias y Troncales (Transmilenio); e Industriales y Publicas, respectivamente.
Por último, estos datos geográficos de salida mencionados (Principales, Secundarias,

Troncales, Industriales y Públicos) son cortados e intersectados geométricamente con la
información perteneciente a la grilla de modelación, la cual divide y referencia la ciudad en celdas
de 1 Km X 1 Km con Latitudes y Longitudes definidas. En esta ocasión, la grilla de 55 X 55 que
se manejaba en procesos de modelación pasados, fue reemplazada por una grilla de 64 X 64 con
el nuevo Sistema de Coordenadas Proyectadas Equatorial Mercator; dando por culminado así, todo
el geo procesamiento de la información para su posterior alimentación al cálculo o actualización
del inventario de emisiones de material resuspendido).
5.2.2 DISEÑO DEL MODELO CONCEPTUAL MAS ADECUADO A SER

AUTOMATIZADO
Una vez descrito todo el geo procesamiento global aplicado de forma operativa y secuencial
bajo plataforma ArcGIS - ArcMAP, se presenta a continuación el modelo conceptual cronológico
más apropiado a ser automatizado bajo lenguaje de programación ModelBuilder divido en tres
Sub-Modelos llamados “Sub-Modulo ESTACIONES”, “Sub-Modulo MALLA VIAL”, y “Sub-
Página | 46
Modulo GRILLA DE CORTE”, engranados por un único modelo denominado RED MODULAR.
De esta forma y como se podrá visualizar en los siguientes diagramas de flujo, se integra la
totalidad de variables y geo procesos operados, obtenido como resultado únicas salidas geográficas
desagregadas espacialmente, requeridas por el aplicativo adelantado por el proyecto.
Página | 47
Ilustración 6 sub-Modulo Conceptual de estaciones de monitoreo
Fuente: Autores
Página | 48
Ilustración 7 sub-Modulo Conceptual de Malla Vial
Fuente: Autores
Página | 49
Ilustración 8 sub-Modulo Conceptual de Grilla de Corte
Fuente: Autores
Página | 50
Ilustración 9 sub-Modulo Conceptual de Red Modular
Fuente: Autores
Página | 51
Con los diseños conceptuales anteriormente expuestos se puede determinar el paso a seguir
en donde cada uno de estos será puesto en la aplicación ModelBuilder la cual fue expuesta en el
numeral 5.2.1.1 y 5.2.1.2 de manera secuencial se pretende establecer los submodulos o
subprocesos identificados en la parte experimental establecida, de la misma manera que se tuvieron
en cuenta en la realización de los modelos establecidos para la investigación de modelos
automatizados para cumplir el “Objetivo de este marco de cuatro partes es para acelerar el
procesamiento de datos y para asegurar la comparabilidad de mapas de riesgo de erosión de
suelo” (Csáfordi, Podör, Bug, & Gribovszki, 2012) los cuales cada sub módulo cumplirá una
función dentro del modelo establecido para el estudio que en este se menciona, tomando dicha
manera de abordar esto se puede identificar en los siguientes pasos expuestos, esto da pie a generar
los diferentes sub-módulos o subprocesos establecidos de forma Teórica en la herramienta
ModelBuilder (MB) donde:
Página | 52
Ilustración 10. Submodulo primero (Estaciones)
Fuente: Autores
Página | 53
Ilustración 11. Submodulo segundo (Malla Vial)
Fuente: Autores
Página | 54
Ilustración 12 Submodulo tercero (Grilla de Corte)
Fuente: Autores
Página | 55
Los módulos representados en las
Página | 56
Ilustración 10, Ilustración 11 e Ilustración 12 determinan de manera sistematizada los
procesamientos de datos de las variables anteriormente explicadas, en donde se pueden identificar
la complejidad de manejo de información, la complejidad de los mismo relaciona cada una de las
Salidas graficas presentes en el documento, de acuerdo a lo anterior el Submodulo 1 es el
encargado de realizar todos los procesos relacionados con material resuspendido donde se van a
generar las interpolaciones de IDW, polígonos de Thyssen y Kriging respecto a los monitoreos
necesarios, determinando un factor necesario la cantidad de puntos que se están trabajando y
permitiendo que el procesamiento de estos mismos sea de forma sistematizada para evitar o
minimizar el error humano presente en el modelo.
Ilustración 13 Modelo Compilado
Fuente: Autores
De acuerdo a los submodulos anteriormente expuestos se puede representar de forma

completa el modelo como se puede ver en la Ilustración 13 en donde se estipulan todas las
pruebas de los submodulos trabajados, por otra parte
De acuerdo a la investigación demandaba la creación de interpolaciones por el método de
CoKriging el cual no se puede realizar con las herramientas de ArcGis 10.1 pero si por las
herramientas Wizard que se encuentran a continuación:
Página | 57
Ilustración 14 Interfaz para elaboración de CoKriging
Fuente: Autores
En donde en la anterior Ilustración 14 se puede ver como se genera la interpolación

necesaria, además de esto los campos que van a ser interpolados y sus requerimientos exigidos por
parte del programa, aparte de esto es necesario establecer el uso posterior de la modelación para
determinar los valores de Cs en los tramos de las vías los cuales se pueden determinar mediante
las herramientas que se encuentran en ArcToolBox como se ve en la Ilustración 15, determinando
así la generación de la interpolación en los datos de malla vial como se puede ver en la Ilustración
16
Página | 58
Ilustración 15 Generación de datos Raster en tablas
Fuente: Autores
Ilustración 16 Tabla unificada
Fuente: Autores
Este proceso es repetido de acuerdo al uso que se les den a los datos necesarios para el
procesamiento de los mismos, siendo así la generación de datos para vías Secundarias, Uso
Industrial, Uso Público y las Troncales de Transmilenio
Página | 59
5.3 CAPITULO 3. EVALUACION DE LA EJECUCION DE LOS PROCESOS
5.3.1 Comparación Salidas Graficas

Tabla 7 Comparación de Métodos (Automatizado vs Sin Automatizar)
M.
Interpolación\Tipo Sin Automatizar Automatizado
de proceso
IDW_Cs
IDW_%S No se realizó esta capa
Página | 60
M.
de proceso
CoKriging DH
CoKriging DNH
Página | 61
M.
de proceso
Kriging_%S No se realizó esta salida gráfica.
TSSN_FDH_FDN
H
Página | 62
M.
de proceso
TSSN_VNP
Fuente: Autores
Determinando la Tabla 7 Comparación de Métodos (Automatizado vs Sin Automatizar) en

donde se puede mostrar la comparación de cada mapas en los cuales se puede expresar una
correlación entre los datos generados de manera sistematizada y los datos operados manualmente
generando la viabilidad esperada por la herramienta ModelBuilder (MB), además de esto se puede
corroborar que la generación del método de interpolación CoKriging que los datos y la manera de
hacerlo con las salidas del modelo generan los mismos datos o con diferencias mínimas.
Página | 63
5.3.2 Comparación Tiempos de proceso
Tabla 8 Comparación de procesamiento según hardware del equipo
Modelación con sistema operativo Modelación con sistema operativo

Modul
Windows 10 con un procesador de 2.6 Windows 10 con un procesador de 2.1
o
Ghz, tarjeta RAM de 8 Gb Ghz, tarjeta RAM de 8 Gb
2
minuto
4
minuto
6.5
minuto
8.47
minuto
Página | 64
Modelación con sistema operativo Modelación con sistema operativo
Modul
Windows 10 con un procesador de 2.6 Windows 10 con un procesador de 2.1
o
Ghz, tarjeta RAM de 8 Gb Ghz, tarjeta RAM de 8 Gb
23.47
N/A
minuto
Fuente: Autores
Respecto a la Tabla 8 se puede determinar que los tiempos establecidos por el modelo creado
se presentan en básicamente a el procesador que se tenga ya que se puede identificar una diferencia
considerable de tiempos.
Con base a este modelo se puede establecer que si es viable establecerlo ya que por los
diferentes trabajos en los cuales fue utilizada de forma mecánica y no sistematizada el tiempo de
modelación es considerable y con los tiempos establecidos para los dos sistemas operativos es
óptimo de acuerdo a la investigación Realizada.
5.4 CONCLUSIONES
Se definieron para el presente proceso de modelación bajo herramienta ModelBuilder,

cuatro variables consideradas como Datos de Entrada, las cuales son Material Particulado
Resuspendido (Cs y %S), Flujo Vehicular, Malla Vial y Grilla de Corte; considerando las
diferentes metodologías apropiadas y adoptadas por el Centro Lasallista de Investigación y
Modelación Ambiental (CLIMA) para su obtención, y posterior depuración de la Información
(Desagregación Espacial). De esta forma, se establecieron tres (3) sub módulos teóricos
engranados denominados ESTACIONES, MALLA VIAL y GRILLA DE CORTE, integrando la
totalidad del geo procesamiento requerido para el posterior cálculo de emisiones de material
resuspendido debido a fuentes móviles en la ciudad de Bogotá.
Por medio de herramientas ArcToolBox (Extensión de ArcGIS), el proceso teórico
comprendido por la definición de los tres sub módulos diseñados, fue transformado bajo lenguaje
Página | 65
de programación ModelBuilder, obteniendo un único flujograma de geo procesamiento
automatizado; estableciéndose así el proceso de modelación.
Se establece como rendimiento para el proceso de modelación, variabilidad conforme a los
diferentes hardware que el operador disponga para su ejecución; bajo procesadores con
velocidades de 2,5 Ghz, el tiempo de modelación puede oscilar de 8 a 12 minutos, según su tarjeta
RAM; mientras que, procesadores con velocidades de operación menores, el tiempo de modelación
puede tardar de 25 a 35 minutos; tiempos óptimos considerando el gran dimensionamiento de
información manejado por modelaciones en calidad del aire.
No todos los procesamientos realizados de forma manual y sistemática fueron
automatizados por el Flujograma desarrollado en la herramienta ModelBuilder; ya que este, solo
utiliza las herramientas existentes presentadas por el compendio de ArcToolBox, limitando los
procesos de: interpolación Co-Kriging, inclusión de la información asociada a concentraciones de
Material Particulado Resuspendido (Cs y %S) a la malla vial, y exportaciones de registros de salida
a formato .dbf (Formato tabular requerido por el aplicativo de emisiones). Para ello, se realizaron
procedimientos conexos en ArcMAP dando cumplimiento a la totalidad de requerimientos
manejados por el Proyecto ULS-SDA-ECOPETROL.
5.5 RECOMENDACIONES
Establecer un lenguaje unificado, delimitado por los requerimientos que tenga el aplicativo
de emisiones, evitando truncamientos durante el proceso de modelación.
El Licenciamiento es una pieza clave dentro de la modelación en plataforma ArcGIS, ya
que con este, se brinda la posibilidad de utilizar herramientas de ArcToolBox necesarias en
procesos de geo estadística y análisis espacial, inexistentes en licenciamientos inferiores; para
establecer y poder correr este proceso de modelación, es necesario adquirir el licenciamiento
ArcInfo Advanced, el cual integra todo el conjunto de herramientas aplicadas.
Es necesario determinar la organización conceptual de los procesamientos requeridos a
desarrollar por la investigación; pues, de la misma manera que se puede obtener un resultado
óptimo, a medida que el modelo crece, su lectura se dificulta y los errores pueden conllevar a
pérdidas de rendimiento (tiempo y operación).
Es importante resaltar que, en posteriores replicas al procesamiento de investigación, es
necesario tener presente el tipo o versión ArcGIS, pues con él se limita el número de herramientas
Página | 66
comprendidas en la aplicación de nuevos geo procesamientos; uno de ellos conversión de registros
de salida a formato .csv.
6 REFERENCIAS
[EPA], E. P. A. (1995). AP-42: Compilation of Air Emission Factors. Retrieved November 10,
2016, from https://www.epa.gov/air-emissions-factors-and-quantification/ap-42-
compilation-air-emission-factors
Arrieta, H. (2016). Flujo Vehicular. El tránsito vehicular (también llamado tráfico vehicular).
Retrieved September 19, 2016, from
http://www.academia.edu/8263843/Flujo_Vehicular._El_tr%C3%A1nsito_vehicular_tambi
%C3%A9n_llamado_tr%C3%A1fico_vehicular
Beatrix Jancsek-Turóczi, András Hoffer, Ilona Nyír-Kósa, A. G. (2013). Sampling and
characterization of resuspended and respirable road dust. Journal of Aerosol Science, 65, 69–
76. https://doi.org/10.1016/j.jaerosci.2013.07.006
Chaaban, F., Darwishe, H., Battiau-Queney, Y., & Louche, B. (2012). Using ArcGIS®
Modelbuilder and Aerial Photographs to Measure Coastline Retreat and Advance: North of
France. Journal of Coastal Research, 285, 14. https://doi.org/10.2112/JCOASTRES-D-11-
00054.1
Csáfordi, P., Podör, A., Bug, J., & Gribovszki, Z. (2012). Soil erosion analysis in a small forested
catchment supported by ArcGIS model builder. Acta Silvatica et Lignaria Hungarica, 8(1),
39–56. https://doi.org/10.2478/v10303-012-0004-5
Ghadiry, M., Shalaby, A., & Koch, B. (2012). A new GIS-based model for automated extraction
of Sand Dune encroachment case study: Dakhla Oases, western desert of Egypt. Egyptian
Journal of Remote Sensing and Space Science, 15(1), 53–65.
https://doi.org/10.1016/j.ejrs.2012.04.001
Li, Y., & Nigh, T. (2011). GIS-based prioritization of private land parcels for biodiversity
conservation: A case study from the Current and Eleven Point Conservation Opportunity
Areas, Missouri. Applied Geography, 31(1), 10.
https://doi.org/10.1016/j.apgeog.2010.02.006
Noorollahi, Y., Itoi, R., Fujii, H., & Tanaka, T. (2007). GIS model for geothermal resource
Página | 67
exploration in Akita and Iwate prefectures, northern Japan. Computers and Geosciences,
33(8), 1008–1021. https://doi.org/10.1016/j.cageo.2006.11.006
Pachón Quinche, J. E. (2015). Proyecto de fortalecimiento de las capacidades de modelación de
calidad del aire en Colombia: desarrollo de un aplicativo de procesamiento de emisiones;
revisión de factores de emisión de fuentes móviles y evaluación del impacto en salud humana,
21.
Peñaloza Pabón, N. E. (2010). DISTRIBUCIÓN ESPACIAL Y TEMPORAL DEL
INVENTARIO DE EMISIONES PROVENIENTES DE LAS FUENTES MÓVILES Y
FIJAS DE LA CIUDAD DE BOGOTÁ, D.C., 92.
Rojas, N. Y., Peñaloza Pabón, N. E., & Robra, J. P. (2010). Distribución espacial y temporal del
inventario de emisiones provenientes de las fuentes móviles y fijas de la ciudad de Bogotá,
DC. X Congreso Internacional de La SMH – Energías Renovables, 83.
Secretaria distrital de Planeación. (2015). Vias, Transporte y Servicios Públicos. Retrieved
September 19, 2016, from
http://www.sdp.gov.co/portal/page/portal/PortalSDP/OrdenamientoTerritorial/ViasTranspor
te/Vias
Sheehan, T., & Gough, M. (2016). A platform-independent fuzzy logic modeling framework for
environmental decision support. Ecological Informatics, 34, 92–101.
https://doi.org/10.1016/j.ecoinf.2016.05.001
The Economic and Social Research Institute. (2016). ¿Qué es ModelBuilder? Retrieved September
19, 2016, from https://pro.arcgis.com/es/pro-
app/help/analysis/geoprocessing/modelbuilder/what-is-modelbuilder-.htm
World Health Organization, [WHO]. (2016). WHO Global Urban Ambient Air Pollution Database
(update 2016).
Zhu, Z. (2010). An earthquake-induced landslides risk assessment model using the ModelBuilder
of ArcGIS. 2010 18th International Conference on Geoinformatics, Geoinformatics 2010.
https://doi.org/10.1109/GEOINFORMATICS.2010.5567701
Página | 68

2016 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2016 PDF

Cargado por

Copyright:

Formatos disponibles

AUTOMATIZACIÓN DE LOS PROCESOS REQUERIDOS PARA EL CÁLCULO DE

EMISIONES DE MATERIAL RESUSPENDIDO DEBIDO A FUENTES MÓVILES EN

JOHAN SEBASTIAN VANEGAS GRACIA

JOHAN SEBASTIAN VANEGAS GRACIA

Trabajo de Grado para optar al Título de:

MANUEL ALBERTO GARCIA LANCHEROS

4.1 OBJETIVO GENERAL ...................................................................................... 19

5.1 CAPÍTULO 1. PROCESOS REQUERIDOS PARA EL CÁLCULO DE

5.1.1 Caracterización de Variables integradas al proceso de Cálculo. ................... 20

5.2 CAPITULO 2. AUTOMATIZACION DE PROCESOS BAJO HERRAMIENTA

5.2.1 MODELAMIENTO BAJO HERRAMIENTA MODELBUILDER ............. 41

5.3 CAPITULO 3. EVALUACION DE LA EJECUCION DE LOS PROCESOS . 59

5.3.1 Comparación Salidas Graficas ...................................................................... 59

5.4 CONCLUSIONES .............................................................................................. 64

LISTA DE SALIDAS GRAFICAS

La automatización de procesos requeridos para el cálculo de emisiones de material

Este notorio crecimiento poblacional y económico de la ciudad conlleva a un incremento

Conexo al documento anteriormente mencionado, el Ingeniero Jorge Eduardo Pachón

De esta forma, los modelos de contaminación atmosférica han sido herramientas

Dicho procesamiento, aunque ha sido de abundante aplicación en el mundo entero, ha

Asimismo, y considerando la extensa producción de información geográfica en proyectos

Una sencilla manera de observar la implementación y operación de la herramienta

Fuente: (Ghadiry et al., 2012).

Bajo la misma herramienta de geo procesamiento, el Instituto de Conservación Biológica

Ilustración 2; Caso Aplicativo ModelBuilder: Evaluación de paisajes en la Planificación de la

Fuente: (Sheehan & Gough, 2016).

El Departamento de Geografía de la Universidad de Tennessee en colaboración con el

Ilustración 3; Caso Aplicativo ModelBuilder: Identificación de Áreas Oportunas de Conservación

Fuente: (Li & Nigh, 2011).

La Universidad Lille – Francia, en su trabajo de investigación titulado “Using ArcGIS

De esta manera, y expuestos los anteriores casos de aplicación, se resalta la importancia en

De esta forma, y teniendo en cuenta que el procesamiento de información geográfica para el

4.1 OBJETIVO GENERAL

Diseñar y automatizar el flujograma de procesos requerido para el cálculo de emisión de

4.2 OBJETIVOS ESPECÍFICOS

 Identificar y documentar las variables geográficas requeridas en el cálculo de emisiones de

5.1 CAPÍTULO 1. PROCESOS REQUERIDOS PARA EL CÁLCULO DE EMISIONES

Se presenta a continuación la CARACTERIZACIÓN DE VARIABLES INTEGRADAS

5.1.1 Caracterización de Variables integradas al proceso de Cálculo.

5.1.1.1 Material Particulado Resuspendido.

Conjunto de partículas sólidas y/o liquidas presentes en la atmosfera, resuspendidas a partir

Carga de Sedimento (Cs) Porcentaje de Finos (%S)

La Carga de Sedimento (Cs) es una variable obtenida Fracción de sedimento (Material

Teniendo en cuenta el Diagrama de Flujo 1, el % S se considera fracción de Material

5.1.1.2 Flujo Vehicular.

 Flujo Día Hábil.

Desagregación de información registrada en categorías de transporte y carga del vehículo

5.1.1.3 Malla Vial.

Característica otorgada al tipo de suelo estabilizado recubierto de asfalto, cemento, adoquín

Característica otorgada al tipo de suelo conformado por grava, afirmado, estabilizados o

Característica única asociada a la descripción física en la que se encuentra cada componente

Característica tangible limitada al concepto de dimensión; corresponde a la distancia o

5.1.1.4 Grilla Espacial.

5.1.2 Metodologías de Tratamiento y Adquisición de Resultados.

5.1.2.1 Material Particulado Resuspendido.

“Emissions Factors & AP-42, Compilation of Air Pollutant Emisión Factors” es un

La determinación de CARGA DE SEDIMENTO (g/m2) en vías pavimentadas y PORCENTAJE

NOTA: La metodología original que propone la EPA en la determinación de factores de emisión

METODOLOGÍA DE TRATAMIENTO: MATERIAL PARTICULADO

Escenarios delegados a evaluación: 64 PUNTOS VIALES

Carga de Sedimeto (Cs

Vias Pavimentadas: Monitoreo de 40 Puntos Vias No Pavimentadas; Monitoreo de 16 Puntos

Muestreo por Barrido de Calles: Muestreo por Barrido de Calles: