Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2016 PDF
2016 PDF
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
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
5 DESARROLLO METODOLÓGICO......................................................................... 20
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 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).
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:
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
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 | 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).
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).
Página | 13
de dunas de arena se extrajo de forma automática utilizando herramientas de análisis espacial.
(Ghadiry, Shalaby, & Koch, 2012).
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).
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).
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).
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.
3
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 | 18
4 OBJETIVOS
Página | 19
5 DESARROLLO METODOLÓGICO
Página | 20
Diagrama de Flujo 1; Contribución de Material Particulado.
PM
Fuente: Autores.
Carga de Sedimento.
Porcentaje de Finos.
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:
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, los días lunes,
martes, miércoles, jueves y viernes.
Página | 21
Flujo Día No Hábil.
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, los días sábados,
domingos y festivos.
Categorización de Flujo.
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.
Vía No Pavimentada.
Estado de la Vía.
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.
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.
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.
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.
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.
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
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.
Fuente: Autores.
Página | 31
Diagrama de Flujo 3; Metodología de Tratamiento para datos de Flujo Vehicular.
METODOLOGÍA DE
TRATAMIENTO:
FLUJO VEHICULAR
Fuente: Autores
Página | 32
N°9 Escalera Concreta, N°10 Escalera Ladrillo y N°11 Escalera Otros) de Vías No Pavimentadas
(N°8 Tierra).
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:
Columna Km:
Página | 33
Diagrama de Flujo 4; Metodología de Tratamiento de datos de Malla Vial.
Fuente: Autores.
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.
Fuente: Autores
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
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
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.
Fuente: Autores
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:
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
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
Página | 40
5.2 CAPITULO 2. AUTOMATIZACION DE PROCESOS BAJO HERRAMIENTA
MODELBUILDER
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”.
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:
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.
Página | 43
Tabla 6; Descripción de Elementos del Modelo
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.
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.
Página | 44
5.2.1.3 DESCRIPCION GENERAL DEL GEOPROCESAMIENTO GLOBAL
APICADO
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.
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
Página | 57
Ilustración 14 Interfaz para elaboración de CoKriging
Fuente: Autores
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
M.
Interpolación\Tipo Sin Automatizar Automatizado
de proceso
IDW_Cs
Página | 60
M.
Interpolación\Tipo Sin Automatizar Automatizado
de proceso
CoKriging DH
CoKriging DNH
Página | 61
M.
Interpolación\Tipo Sin Automatizar Automatizado
de proceso
TSSN_FDH_FDN
H
Página | 62
M.
Interpolación\Tipo Sin Automatizar Automatizado
de proceso
TSSN_VNP
Fuente: Autores
Página | 63
5.3.2 Comparación Tiempos de proceso
Tabla 8 Comparación de procesamiento según hardware del equipo
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
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