Software y modelado ambiental 134 (2020) 104842

Listas de contenidos disponibles en ScienceDirect

Software y modelado ambiental

revista Página de inicio: http://www.elsevier.com/locate/envsoft

Un algoritmo rápido para delinear los límites de las cuencas hidrográficas para geometrías simples

Scott Haag un , * , Daniel Schwartz segundo , Bahareh Shakibajahromi segundo , Michael Campagna C ,
Ali Shokoufandeh segundo

un Departamento de Informática Biomédica y de la Salud, Niños ' s Hospital de Filadelfia, Facultad de Computación e Informática, Universidad de Drexel, Estados Unidos
segundo Facultad de Computación e Informática, Universidad de Drexel, Estados Unidos

C Academia de Ciencias Naturales, Universidad de Drexel, Estados Unidos

INFORMACIÓN DEL ARTÍCULO ABSTRACTO

Palabras clave: En este manuscrito, describimos un modelo computacional para delinear los límites de las cuencas hidrográficas para geometrías simples (puntos, líneas o polígonos)
Límite de la cuenca donde la distancia máxima del flujo de agua puede estar restringida por una variable definida por el usuario. Este método generaliza investigaciones anteriores para
Algoritmo de marcha
delinear los límites de las cuencas hidrográficas utilizando un algoritmo de marcha. Nuestro método propuesto permite a los usuarios delinear las cuencas hidrográficas
Algoritmo de conjunto anidado modificado
para una serie de casos de uso, incluida la evaluación de las mejores prácticas de gestión (BMP ' s), midiendo los impactos del agua en los límites municipales, de
Límite de cuenca restringido
ciudades y parcelas y otros. Describimos la complejidad computacional y los costos de espacio y los comparamos experimentalmente con técnicas estándar.

1. Introducción
La delimitación de los límites de las cuencas hidrográficas es un campo bien estudiado (( O ' Callaghan y
Mark, 1984 ; Tarboton, 1997a ; Matthies et al., 2007 ; Haag y col., 2018 )) proporcionando información para la
gestión de sistemas hidrológicos. La delimitación y el mapeo de cuencas hidrográficas son parte de un
campo de estudio más amplio que se utiliza para conectar el estado de las regiones montañosas / cuesta
arriba a través del flujo y el transporte hidrológicos (por ejemplo, contaminantes). Reconocemos que los
modelos de datos y algoritmos descritos en este documento no resuelven todos los problemas requeridos
para modelar sistemas hidrológicos, sino que proporcionan una mejora en la eficiencia de un paso
importante en el proceso de modelado más amplio. Comenzamos con una amplia descripción del campo del
modelado hidrológico, el subcampo del modelado de cuencas hidrográficas y, por último, el método existente
para delinear los límites de las cuencas hidrográficas. Esto se utiliza para ubicar las contribuciones de este
artículo dentro del campo de estudio más amplio en el que se encuentra.
comenzó en los primeros principios con descubrimientos sobre las reglas generales de difusión del
agua ( Mulvany, 1850 ), difusión de agua subterránea ( D, 1856 ) y evaporación ( Juan, 1798 ). Estos
constructos fueron identificados y codificados a través de modelos empíricos y a gran escala. en el
lugar técnicas experimentales, y fueron codificadas en 1964 por Chow (1964) . El 1960 ' s vio las
etapas iniciales en la transferencia de modelos físicos de cuencas hidrográficas a representaciones
digitales de sistemas hidrológicos dentro de sistemas computacionales. A medida que aumentó la
utilización de las modalidades de detección, junto con el poder computacional se hizo más fácil
modelar sistemas más grandes y completos. Por ejemplo, en 1966 el modelo de cuencas
hidrográficas de Stanford pudo modelar todo el ciclo hidrológico dentro de un régimen de modelado ( Singh,
2018 ). El trabajo presentado en nuestro manuscrito se centra en el modelado de cuencas
hidrográficas o el estudio de la escorrentía, la recolección y el impacto de la precipitación sobre las
características terrestres.

Desde 1960 ' s este campo se ha integrado en gran medida con los avances en tecnología
informática y de sensores ( Singh, 2018 ). Las tecnologías modernas de teledetección proporcionan una
gran cantidad de información sobre el estado actual e histórico de los sistemas terrestres. Estos

1.1. Antecedentes incluyen mapas de alta resolución de elevación de superficie y batimetría a través de tecnologías de
rango digital como LiDAR y Radar de apertura sintética (SAR), interpretación de fotografías aéreas y

La modelización hidrológica es el campo de estudio que se utiliza para comprender el impacto estereoscopía y otros ( Jensen, 2014 ). Información sobre para qué se usa la tierra y qué la cubre (por

que tiene el ciclo del agua en el estado del sistema pasado, actual y futuro, tanto natural como ejemplo, bosque, urbano, humedal, etc.), tipos de suelo y lecho rocoso, espesor de la capa de nieve y

antropogénico. En esta revisión, confiamos en gran medida en Vijay Singh ' s ( Singh, 2018 ) hielo e incluso cambios en la fuerza gravitacional que pueden correlacionarse con la pérdida de masa

manuscrito de estudio para revisar la historia del modelado hidrológico. Generalmente, modelado local o ganancia

hidrológico

* Autor correspondiente.
Correos electrónicos: haags@email.chop.edu (S. Haag), des338@drexel.edu (D. Schwartz), bs643@drexel.edu (B. Shakibajahromi), msc94@drexel.edu
(M. Campagna), as79@drexel.edu (A. Shokoufandeh).

https://doi.org/10.1016/j.envsoft.2020.104842
Aceptado el 6 de agosto de 2020

On-line el 15 de septiembre de 2020

1364-8152 / © 2020 Elsevier Ltd. Todos los derechos reservados.
S. Haag y col.
( Yeh et al., 2006 ). A medida que aumentó la resolución espacial y temporal de los datos de detección
remota, también aumentó la necesidad de convertir estos conjuntos de datos en sistemas de pronóstico casi
en tiempo real. Por ejemplo, el Sistema de Información de Inundaciones de Iowa (IFIS) está diseñado para
combinar múltiples indicadores de flujo en tiempo real en una visión holística de las inundaciones en el
estado de Iowa. Los modernos sistemas de mapeo por computadora han permitido modelos detallados de
fuentes y sumideros de contaminantes para informar la gestión de los sistemas acuáticos y otros recursos
asociados ( Parajuli et al., 2013 ). Hay varios tipos de modelos de cuencas hidrográficas, incluidos modelos
para estimar el flujo de nutrientes y sedimentos o modelos que se utilizan para predecir el estado físico de
una corriente, como la temperatura o el flujo y volumen de agua. Los ejemplos incluyen la regresión
referenciada espacialmente en atributos de cuencas hidrográficas (SPARROW) y las cuencas cartográficas
( MapShed, 2014 ). El objetivo principal de estos esfuerzos de modelado es conectar cuantitativamente lo
que está sucediendo entre las regiones aguas arriba y aguas abajo, ya sea en la corriente o adyacentes
(por ejemplo, modelado de inundaciones).
Un componente importante del modelado de cuencas hidrográficas y, por extensión, el modelado
hidrológico es la identificación y delimitación de un límite de cuenca hidrográfica como geografía de
entrada ( Tesfa et al., 2011 ). Varios sistemas de software existentes tienen rutinas preconstruidas que
devuelven los límites de las cuencas hidrográficas principalmente para representaciones basadas en
raster de modelos digitales de elevación (DEM) (por ejemplo, Sistema de soporte de análisis de
recursos geográficos (GRASS) ( Equipo de desarrollo de GRASS, 2017 ), Análisis del terreno mediante
modelos digitales de elevación (Taudem) ( Tarboton, 2015 ) y Whitebox ( Lindsay, 2020 ) entre otros).
Para respaldar estos esfuerzos, se han desarrollado varios métodos para modelar cómo fluye el agua
desde una elevación más alta a más baja sobre las celdas de la cuadrícula DEM adyacentes. Este
artículo se centra en el modelo de flujo D8 donde el agua fluye hacia la celda de la cuadrícula vecina
que tiene la pendiente más grande (es más baja que la celda actual y tiene la gradación más
pronunciada). Sin embargo, existen otras formas, posiblemente más precisas, de modelar este flujo,
como el D ∞ método Tarboton, 1997b ) o el MFD de dirección de flujo múltiple ( Wilson, 2012 ) método en
el que las particiones fluyen hacia todas las celdas adyacentes que son inferiores a la celda actual.
Esperamos en el futuro extender nuestro trabajo de D8 a otros modelos de flujo, pero no está claro si
brindarán las mismas ventajas que se describen aquí.
Originalmente, los sistemas de modelado de cuencas hidrográficas se desarrollaron para sistemas
computacionales de escritorio y mainframe. Más recientemente, una tendencia general ha sido trasladar
estos modelos geoespaciales a entornos computacionales basados en la nube con interfaces de
programación de aplicaciones (API) que sirven como conectores entre múltiples modelos numéricos ( Khan
et al., 2017 ). Un ejemplo de este paradigma es la aplicación web Model My Watershed desarrollada por el
Stroud Water Research Center. Model My Watershed se basa en una serie de API de modelado
interconectadas ' s (descargo de responsabilidad dos autores de este manuscrito son miembros del equipo
que ayudó a desarrollar Model My Watershed), para calcular la carga y atenuación de nutrientes, los límites
de las cuencas hidrográficas, las predicciones de las aguas pluviales del sitio y los cálculos rápidos de las
estimaciones de la cobertura terrestre del uso de la tierra para los límites de las cuencas hidrográficas.
Este artículo describe un algoritmo y un modelo de datos asociado para delinear los límites de las
cuencas hidrográficas en geografías más grandes en tiempos computacionales que apoyan el desarrollo
de herramientas de modelado basadas en la web. La transformación de los sistemas informáticos de
escritorio a las herramientas de apoyo a la toma de decisiones basadas en la nube ha permitido a los
usuarios no técnicos ejecutar modelos diseñados para imitar procesos naturales ( Salewicz y Nakayama,
2004 ). Por ejemplo, la aplicación web Model My Watershed permite a los usuarios delinear y describir los
límites de las cuencas hidrográficas en función de la elevación digital y los modelos basados en
cuadrículas de uso y cobertura de la tierra. Estos sistemas deben proporcionar información en tiempos de
recuperación coherentes con las preferencias de navegación web modernas, del orden de segundos a
minutos.
Se ha realizado algún trabajo para crear métodos más rápidos para devolver los límites de la
cuenca de agua dado un punto de fluidez de entrada. El primer ejemplo desarrollado por Pérez (2000) ,
calcula las cuencas hidrográficas aguas arriba en los puntos de confluencia y solo calcula
parcialmente el límite de la cuenca local. Luego, el límite de la cuenca local se fusiona con la cuenca
aguas arriba creando un límite de cuenca singular para un punto de entrada dado. Los autores
entienden que ambos métodos emplean un método similar.
2
Software y modelado ambiental 134 (2020) 104842
módulo de delineación de cuencas hidrográficas de wiki-watershed y API de delineación de cuencas hidrográficas de ESRI.
Según nuestro conocimiento, ninguna de estas herramientas ha publicado métodos sobre estos
enfoques. Ninguno de estos enfoques sería adecuado para calcular la unión de una cuenca
hidrográfica dada una línea o polígono sin algunas modificaciones. Por último ( Sit y Sermet Yusuf,
2020 ), ha desarrollado un algoritmo que fusiona rápidamente múltiples límites de captación
adyacentes en el lado del cliente. No pudimos comparar este método con nuestro enfoque
directamente porque solo devuelve cuencas hidrográficas en un tamaño mínimo, a diferencia de los
métodos descritos por ( Pérez, 2000 ).
1.2. Contribución
Este manuscrito describe varias innovaciones que lo diferencian de los métodos anteriores. Nuestro
método propuesto calcula directamente el límite de la cuenca hidrográfica fusionada para un conjunto de
puntos de fluidez contiguos. La mayoría de los sistemas de software existentes (GRASS ( Equipo de
desarrollo de GRASS, 2017 ), Taudem ( Tarboton, 2015 ) y Whitebox ( Lindsay, 2020 ) devuelve los límites
de las cuencas hidrográficas para un punto de fluidez singular. Nuestro modelo propuesto amplía nuestro
algoritmo original Watershed Marching Algorithm (WMA), el algoritmo Modified Nested Set (MNS) y las
estructuras de datos publicadas en ( Haag y col., 2018 ) para calcular un conjunto de intervalos basados
en un conjunto de puntos de fluidez. Nuestro método solo visita el exterior del objeto geométrico de
entrada correspondiente a una región de consulta, por lo tanto, para cualquier consulta poligonal, el
algoritmo propuesto solo tiene que caminar alrededor del borde para identificar el límite de la cuenca.
Nuestro enfoque se basa en gran medida en una estructura de datos dinámica novedosa para
fusionar el conjunto de intervalos llamado Árbol de búsqueda de intervalo modificado (MIST). La
estructura de datos propuesta se basa en la estructura de árboles de búsqueda binarios balanceados y
la noción generalizada de árboles de intervalo para conjuntos continuos ( Erwig, 1998 ). Este algoritmo
devuelve el límite de la cuenca para un objeto geométrico poligonal lineal o cerrado caracterizado
por una secuencia ordenada de puntos 〈( X 1, y 1), ( X 2, y 2), …, ( X ℓ, y ℓ) 〉 ∈ R 2. La estructura de datos MIST
permite que el algoritmo de marcha se
examinar múltiples ubicaciones posibles de cuencas durante los pasos de marcha ampliando el
algoritmo WMA original para admitir objetos geométricos lineales y poligonales. Por último,
describimos una modificación de la estructura MIST, la MIST restringida. Al usar una estrategia de
inserción de intervalo restringido, permitimos la creación de un límite de cuenca restringido, donde la
distancia del flujo de agua es menor que la distancia máxima de flujo proporcionada por el usuario.
Ver Figura 1 para obtener ejemplos ilustrativos.
Este nuevo algoritmo y las estructuras de datos asociadas permiten la creación de recursos de
aplicaciones analíticas y visualización de mapas interactivos basados en la web para delinear los
límites de las cuencas hidrográficas para las regiones poligonales, lineales o puntuales de interés.
Este es un avance importante ya que las técnicas actuales diseñadas para apoyar la delimitación de
los límites de la cuenca para una ubicación singular se basan en la resolución parcial de los límites
de la cuenca como se describe en ( Pérez, 2000 ), y por lo tanto no sería compatible con la línea o la
forma poligonal sin los costos computacionales adicionales asociados con la fusión de polígonos.
Nuestro método propuesto devuelve los límites de la cuenca utilizando el método de marcha, es
decir, caminando alrededor del límite de la cuenca sin entrar o salir de la cuenca.
Hay varios usos prácticos para este algoritmo. Por ejemplo, nos hemos asociado con el
Programa de la Bahía de Chesapeake (CBP) y Chesapeake Conservancy, una asociación regional
de organizaciones federales, estatales, locales y sin fines de lucro enfocadas en proteger y restaurar
el hábitat ecológico de la bahía de Chesapeake y ' s afluentes. El CBP ha identificado la carga de
nutrientes agrícolas y urbanos como impulsores de la salud ecológica de la bahía y ha invertido
mucho en el desarrollo de las mejores prácticas de gestión (BMP) para reducir el impacto de estas
actividades de uso de la tierra en la bahía. El CBP ha desarrollado un marco de modelado para toda
la bahía llamado Chesapeake Assessment Scenario Tool (CAST ( Programa de la Bahía de
Chesapeake, 2017 )), que se ha utilizado para distribuir la carga de nutrientes a regiones geográficas
más grandes (captaciones de arroyos y ríos). El marco de trabajo de modelado CAST no se traduce
al nivel del sitio
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Figura 1. Un ejemplo del algoritmo WMA-P para dos zonas ribereñas arbitrarias. Los puntos representan los vértices del polígono enviado en el que se completará la plantación. Se pueden delinear diferentes
versiones de la cuenca al alterar la distancia límite de la cuenca restringida definida por el usuario. El límite de la cuenca que se muestra aquí se basa en el FDG de 10 m del conjunto de datos de alta resolución
NHDplus.

modelado porque hace una serie de suposiciones que no se traducen en sitios locales específicos. (por ejemplo, 10 millas) y recibir el límite de la cuenca poligonal para el área de tierras altas
Por ejemplo, CAST asume que una restauración ribereña de un acre en una llanura costera responsable del evento (es decir, el límite de la cuenca para todos los flujos adyacentes y terrestres
interceptará un total de 5 acres (1 en la zona de amortiguamiento y 4 acres adicionales de tierras entre el punto y 10 millas río arriba).
altas (Modelado BMP ( Programa de la Bahía de Chesapeake, 2018 , pág. 62). Estos números se
basan en el área de la cuenca hidrográfica promedio para una región ribereña en regiones
geográficas más grandes. El algoritmo descrito en este manuscrito permitirá al CBP mapear con
1.3. Técnicas existentes
precisión estos límites de cuencas hidrográficas para un BMP específico, permitiendo la
diferenciación y priorización de BMP a nivel de sitio o parcela y, con suerte, conduciendo a una
La mayoría de los métodos computacionales existentes para delinear los límites de las cuencas
reducción de la carga de nutrientes y sedimentos dados los mismos recursos .
hidrográficas utilizan un solo punto de fluidez o punto de salida para describir la ubicación en la parte
más baja del flujo de la cuenca (Whitebox ( Lindsay, 2020 ), TauDEM ( Tarboton, 2015 ) y GRASS ( Equipo
de desarrollo de GRASS, 2017 )). Estos paquetes de software existentes inician un algoritmo de
Una consecuencia importante de la disponibilidad de este algoritmo es que puede integrarse en
seguimiento de la ruta del flujo a través de la cuadrícula direccional de flujo (FDG) que identifica las
otros sistemas de soporte de decisiones. A modo de ejemplo, al integrar nuestros algoritmos, los
celdas de la cuadrícula donde el agua fluirá a través del punto de fluidez. Solo conocemos una
usuarios finales pueden modelar la eficacia de varias mejores prácticas de gestión utilizando una
implementación de software que puede devolver límites de cuencas hidrográficas para objetos
herramienta basada en web creada por Chesapeake Commons (Field Docs ( FieldDoc.org, 2016 )). Esta
poligonales o lineales en lugar de ubicaciones de entrada singulares, la función BatchWatershed
herramienta permitirá a los usuarios ingresar un BMP potencial y obtener estimaciones instantáneas (en
Delineation for Polygons dentro de ESRI ' s Herramientas Arc Hydro. Observamos que sería posible
segundos) de las reducciones de carga contaminante basadas en el área de drenaje, la elevación y la
devolver resultados similares para otros métodos de delineación de cuencas hidrográficas al intersecar
cobertura del suelo local. En un caso de uso típico, un usuario puede cargar un polígono que representa
una línea o un polígono con el ráster DEM y luego crear y fusionar cuencas hidrográficas para cada
una franja de amortiguación boscosa. El límite de la cuenca se genera rápidamente usando el algoritmo
celda de la cuadrícula intersecada por la línea o polígono.
descrito en este manuscrito, luego usamos un algoritmo zonal rápido ( Haag et al., 2020 ) para
caracterizar el tipo de cobertura terrestre asociado con esa zona de amortiguamiento ' s cuenca. Con
esta información, se puede calcular la reducción estimada en la carga de nutrientes y sedimentos del
Para comprender mejor cómo ESRI ' Dado que la herramienta Arc Hydro funciona, ejecutamos una serie
arroyo. Una ilustración de tal escenario para esta herramienta se muestra en Figura 2 .
de objetos geométricos de prueba a través de la aplicación de escritorio. Si bien no pudimos examinar

directamente el código fuente para modelar cómo funcionan los algoritmos, pudimos deducir los pasos

principales en el proceso en función de cómo la herramienta creaba archivos temporales durante sus pasos de

procesamiento. Con base en estos resultados, creemos que sigue el proceso de ejecución del conjunto de
La versión restringida de nuestro algoritmo tiene implicaciones para permitir la determinación de la
herramientas ESRI existente; Primero, el objeto geométrico de entrada se rasteriza, ajustando (la misma
longitud de la corriente afectada por las plantas de tratamiento de aguas residuales y otras fuentes puntuales de
extensión y tamaño de celda) al FDG de entrada. A continuación, se crea un segundo dataset ráster temporal,
contaminación. Por ejemplo, la muerte de un pez observada podría rastrearse hasta todas las fuentes puntuales
nuevamente acoplado al FDG de entrada, para almacenar la identidad de las celdas de la cuadrícula que están
de contaminación dentro de las 10 millas aguas arriba del evento observado. Esto se hace enviando el punto
en la cuenca del objeto de consulta geométrica. En este punto, el ESRI ' El conjunto de herramientas s tiene tres
del evento observado, ingresando en una distancia relevante para un evento de muerte de peces
ráster

Figura 2. Un ejemplo de proyecto de amortiguamiento ribereño boscoso que se cargó en FieldDoc ( FieldDoc.org, 2016 ). Un usuario final carga una representación poligonal del lugar donde pretenden plantar una zona de amortiguamiento ribereña

boscosa y recibe rápidamente resultados de modelado basados en la geometría de la cuenca hidrográfica devuelta.

3
S. Haag y col.
conjuntos de datos, el primero es el FDG de entrada, el segundo es la versión rasterizada del objeto
geométrico y el tercero es el archivo ráster de salida que almacena la identidad de las celdas de la
cuadrícula que se encuentran dentro de la cuenca. Entonces parece que el ESRI ' s Las herramientas
Arc Hydro recorren todas las celdas positivas en el ráster original (que representa el objeto
geométrico) y buscan en el FDG utilizando un algoritmo de trazado de ruta. Si se encuentra que una
celda fluye hacia el objeto geométrico, ' El valor de s en el último ráster se establece en positivo. Se
requiere un paso adicional de este algoritmo en comparación con las versiones de punto de flujo
único, a saber, que es posible descubrir celdas ráster en el FDG varias veces y, por lo tanto, es
necesario verificar para determinar si una celda ya tiene un valor positivo. Cuando se han visitado
todas las celdas de la versión rasterizada del objeto geométrico, la segunda capa ráster se convierte
en un archivo vectorial y las capas ráster intermedias se eliminan.
Cuando hablamos de complejidad en este manuscrito, nos referimos al número de operaciones
necesarias para calcular un resultado dentro de un sistema computacional. Usamos el modelo RAM
ilimitado como discutido por ( Cormen y col., 2009 ) en su libro de introducción a los algoritmos. Este
modelo no tiene en cuenta las diferentes velocidades de RAM, caché, SSD, CPU, velocidad de GPU,
etc., sino que se centra en la complejidad como el conjunto total de preguntas que un algoritmo
requiere para ser respondido antes de que se devuelva un resultado.
No pudimos encontrar una discusión formal sobre la complejidad de ESRI ' s algoritmo de
cuencas hidrográficas por lotes. Pero según nuestra comprensión del algoritmo, la complejidad se
puede describir por el costo de estos cinco pasos; 1. El costo de rasterizar el objeto geométrico, 2. El
costo de buscar en la cuadrícula que representa el objeto geométrico, 3. El costo de buscar en el
FDG, 4. El costo de almacenar y buscar (para asegurarse de que una celda no ya visitado) el archivo
ráster de salida, y 5. El costo de vectorizar la celda de la cuadrícula de salida final.
La complejidad de buscar en la cuadrícula vectorizada se encuentra en el peor de los casos en relación con
el tamaño de la cuadrícula, ya que los datos se almacenan en ESRI. ' s como una lista vinculada (por ejemplo, un
vector). La complejidad de recorrer esta lista es simplemente el número de celdas de la cuadrícula contenidas en
el objeto geométrico original como se identificó en el paso 1.
La complejidad de la búsqueda en el FDG está relacionada con el número de celdas de la cuadrícula
identificadas por el algoritmo de seguimiento de flujo. Debido a que las rutas de flujo son únicas (para un
D8 FDG), es posible, aunque poco probable, que una celda de la cuadrícula que se encuentra dentro de la
cuenca se pueda encontrar como máximo 2 veces. Esto se debe directamente a la geometría de un D8
FDG que limita el número de posibles rutas a una ubicación, ya sea que se inicie un algoritmo de rastreo
de ruta en una celda de la cuadrícula o que la atraviese. Por lo tanto, la complejidad computacional de
buscar el FDG está directamente relacionada con el número de celdas de la cuadrícula que son
identificadas por el algoritmo de seguimiento de flujo. Al sumar la complejidad computacional total de todos
estos pasos, encontramos que el algoritmo existente se ejecuta en la complejidad del área del objeto
geométrico original proyectado sobre la cuadrícula de entrada más el área del límite de la cuenca de
salida. Funcionalmente, esto significa que con el aumento de la resolución de los DEM, este método
escalará exponencialmente en el tiempo con el aumento de la resolución de la cuadrícula. Como se
demostró más adelante en este artículo, nuestro método propuesto escala en tiempo constante en relación
con el número de celdas en la longitud del perímetro de la cuenca, superando así el método conocido de
ESRI a medida que el área de la cuenca aumenta o los modelos DEM se hacen más pequeños. Como
ejemplo, considere que la región de la Bahía de Chesapeake ha pasado en la historia reciente de un DEM
de 30 m basado en el Conjunto de Datos de Elevación Nacional (NED), a un DEM de 10 m del National
Hydrography Dataset High Resolution. Además, el CBP está trabajando actualmente en un modelo DEM
de 1 m de ancho de bahía.
2. Notación
Nuestro algoritmo de marcha de cuencas hidrográficas propuesto (WMA-P) para una región de
consulta poligonal toma como entrada un objeto geométrico PAGS y un regular re 8 cuadrícula DEM GRAMO
y produce el límite Ω ( W) de la vertiente W (P, G) que fluye a través PAGS con respecto a GRAMO. La
poligonal
objeto PAGS se representa en términos de una lista de vértices ordenados 〈 v 1, v 2, …, v ℓ 〉.
4
Software y modelado ambiental 134 (2020) 104842
Asumiremos que para cada yo yo, v +
corresponde a un borde límite ∈ o {1 , un,...ℓre -si
F PAGS, 1 th}, El
elinterior
par ordenado
de PAGS no es v - e metro tyo1pags
y)
luego v 1 = v ℓ. También asumimos cada punto límite v ∈ PAGS es unicamente
identificado por su ( X v, y v) coordenadas en R 2.
La cuadrícula regular GRAMO consta de un conjunto de norte × metro células, cada una de las cuales es una
subconjunto de R 2 con un tamaño de celda uniforme CS (G) ∈ R tanto en el X y y coordenadas. Usaremos la
notación G [i, j] para denotar la celda de la cuadrícula ubicada en la columna yo ∈ { 1, …, norte} y fila j ∈ { 1, …, metro}.
Para cada celda G [i, j] lo haremos
utilizar re 8 [ yo, j] para representar su valor de dirección del flujo y el par de intervalos [ re( yo, j),
F( yo, j)], con re( yo, j) ≤ F( yo, j), que representa su descubrimiento y valores finales. Usamos un algoritmo
existente (Bresenham ' algoritmo s Bresenham, 1965 )) para intersecar, o rasterizar, los segmentos de
líneas que forman el límite de PAGS
con las celdas de la cuadrícula en GRAMO creando un conjunto de celdas de cuadrícula Φ ( P, G) = 〈 gramo 1, gramo 2, …, gramo q 〉.
Dadas las celdas de la cuadrícula Φ ( P, G), obtenemos un conjunto único de intervalos YO ( P, G) =
⃒
{[ re u, F u] ⃒ u⃒ ∈ Φ ( P, G)}. Sin pérdida de generalidad, usamos las notaciones
YO ( P, G) y Φ ( P, G) indistintamente, ya que uno identifica unívocamente el
otro. Un conjunto de intervalos I = {[ re 1, F 1], [ re 2, F 2], …, [ re r, F r]} es referido como
conjunto de intervalo disjunto si por todos yo, j ∈ { 1, …, r}, tenemos [ re yo, F yo] ∩ [ re j, F j] = 0.
Dado un conjunto arbitrario de intervalos J = {[ re 1, F 1], [ re 2, F 2], …, [ re k, F k]}, nosotros
definir τ ( J) como su conjunto de intervalo disjunto equivalente J̃ = {[ re 1, ˜ F 1], [ re 2, ˜ F 2], …,
[ re yo ˜ F l]}, es decir, ∪ [ d, f] ∈ J [ d, f] = ∪ [ re, ˜ f̃].
[ re, ˜ F
Implementamos una variación] o ∈ F J ˜ los τ (.) operador utilizando un árbol de búsqueda de intervalo
modificado (MIST), T = τ ( J), cuyos vértices corresponden a un conjunto disjunto de un conjunto de
intervalos posiblemente superpuestos J. La estructura de datos MIST sigue la convención estándar para
un árbol binario enraizado con la modificación de que cada nodo contiene un rango de intervalo único [ d,
f
como su valor clave que no se superpone con las claves de cualquier otro nodo en]
T. El intervalo asociado con el hijo izquierdo de un nodo siempre tendrá límites menores que el
intervalo del padre, mientras que el hijo derecho siempre tendrá mayores intervalos clave que el
padre. Para implementar la estructura de datos MIST, usamos una estructura de datos existente, el
árbol rojo y negro inclinado hacia la izquierda ( Sedgewick, 2008 ), para garantizar una estructura
equilibrada de árbol de búsqueda binaria (BST) y una eliminación, inserción y eliminación rápidas
asociadas a la estructura de datos.
Extendemos la estructura de datos de MIST en la MIST restringida modificando su estructura
interna para representar una distancia restringida de modo que cada nodo contenga una tercera
clave, así como su rango de intervalo único. Además, cada nodo está representado por un triplete ([ d,
f], r) dónde [ d, f
permanece como su valor clave que no se superpone con las claves de cualquier otro] nodo en T, pero
tiene una restricción adicional r, el radio que debe mantenerse para restringir el dominio de la cuenca ' s
flujo de agua. Lo haremos
utilizar ([ re ′, F ′], r ′) para definir los atributos de un nuevo nodo que se inserta en el MIST restringido que
se adhieren a las mismas propiedades.
Usaremos W (P) para representar la cuenca de las células asociadas con
PAGS con respecto a la cuadrícula GRAMO. Para crear el límite Ω ( W (P)) de W (P), creamos una abstracción
secundaria de la cuadrícula regular GRAMO para denotar las esquinas de celosía de cada celda de la cuadrícula v ∈ V. Específicamente,
usamos L = ( Λ, Γ) para denotar
una celosía cuadrada regular, con Λ⊂ R 2 que denota el conjunto de puntos de celosía, y
Γ⊂ R 2 × R 2 como el conjunto de bordes que conectan puntos de celosía. El algoritmo devuelve el límite
de la cuenca en forma de un camino de celosía cerrado.
Ω ( W (P)), compuesto por una lista de puntos de celosía en L. Como mostraremos, los bordes del flujo en el re 8 flujo
de cuadrícula al conjunto de celdas de cuadrícula en Φ ( P, G) implicando que W (P) = W ( Φ ( P, G)).
3. Estructura de datos MIST
El algoritmo de marcha original como se describe en ( Haag y col., 2018 )
utilizó un mecanismo de sonda simple para clasificar las celdas de la cuadrícula con respecto a la inclusión o
exclusión de la cuenca. Específicamente, esta simple sonda determina si una celda de la cuadrícula está dentro
de la cuenca hidrográfica si y solo si su tiempo de descubrimiento ( re- valor) está contenido entre el rango
descrito por descubrimiento,
re q, y acaba, F q, valores del vértice de mirada (consulta) q. De ello se deduce entonces que la cuenca
hidrográfica combinada para una serie de ubicaciones de entrada puede definirse mediante la unión del conjunto
de rangos descritos por las ubicaciones de entrada.
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Fig. 3. Caso I, el nuevo intervalo, yo k, no se superpone con ninguno de los nodos existentes ' s intervalo en cualquier ruta de raíz a hoja.

Al extender esta sonda para consultar polígonos, proporcionaremos una condición necesaria y subárbol. Siguiendo esta regla, pueden ocurrir varios casos a lo largo del camino desde la raíz hasta la hoja:

suficiente basada en el conjunto mínimo de rangos no superpuestos inducidos por celdas asociadas
con la región de consulta. La estructura de datos MIST apoyará de manera eficiente esta condición
Caso I. El algoritmo no llega a ningún nodo a lo largo de la ruta de la raíz a la hoja.
de sonda extendida.
cuyo intervalo se superpone con el nuevo intervalo yo k = [ re k, F k], es decir, todos
Definimos un intervalo no degenerado Yo = [d, f], d ≤ f, como un subconjunto no vacío de R. La
nodo en el camino cae en " Sin intersección " categoría en comparación con yo k.
principal invariancia estructural de la estructura de datos MIST es
Fig. 3 muestra un ejemplo de este caso.
para mantener una familia de intervalos disjuntos I = { yo 1, yo 2, …, yo norte} de norte intervalos no degenerados,

es decir, con yo yo ∩ yo j = ∅, para todos 1 ≤ yo <j ≤ norte. Asumiremos el conjunto yo se crea mediante Caso II. El algoritmo llega a un nodo cuya clave yo i = [ re yo, F yo] contiene
inserciones incrementales de un conjunto de intervalos en forma de [ d, f] pares. En la práctica, estos el nuevo intervalo yo k = [ re k, F k], es decir, la relación entre yo yo y yo k cae en " Contenida " categoría.
intervalos representan las etiquetas MNS asociadas con las celdas que resultan de la intersección lineal del

objeto de consulta. PAGS a través de la cuadrícula GRAMO. Nuestro objetivo es diseñar una estructura de
Caso III. El algoritmo llega a un nodo que su clave yo i = [ re yo, F yo] se cruzan con el nuevo intervalo yo k
datos para representar a la familia yo usando una niebla T. Un requisito principal de la estructura de datos
=[ re k, F k], es decir, la relación entre yo yo y yo k
es que debe admitir operaciones dinámicas, incluidas inserciones y eliminaciones. En nuestra
cae en " Superposición " categoría.
implementación, cada intervalo se almacenará como los valores clave de los nodos en T. Asumiremos que

estas operaciones pueden invocarse en cualquier orden arbitrario. En el caso I, el algoritmo llega a un nodo sin subárbol derecho o izquierdo.
En este caso un nuevo nodo con clave yo k se insertará como una hoja. Nuestra implementación de la
estructura de datos MIST utiliza una variación modificada de
En el caso de la inserción, el nuevo intervalo puede tener una intersección no vacía con los llamada estrategia de árbol rojo-negro inclinado hacia la izquierda (LLRB), asignaremos un color

intervalos existentes en el conjunto YO , que puede resultar en un procesamiento adicional para rojo hasta el borde conectando yo k a su nuevo padre Sedgewick, 2008 ). Después de insertar un nodo, el
mantener la integridad de la familia disjunta YO . árbol MIST se volverá a equilibrar. Las operaciones basicas
Asumiendo un orden temporal de inserción en los elementos de YO , la inicial que ayudan a mantener el equilibrio son " girar a la izquierda "," girar a la derecha " y " voltear colores ”. Un

intervalo yo 1 se agregará como la raíz de T. La inserción de cualquier otro nodo al MIST se puede LLRB requiere que el borde rojo siempre se incline hacia la izquierda. Por lo tanto, en el caso de que el

resolver en dos pasos: Primero, buscamos dentro del existente nuevo nodo insertado sea un hijo derecho de su padre " girar a la izquierda " se utiliza la operación. Si el

MIST para determinar si el intervalo es único, o si se superpone o está contenido por un intervalo nuevo nodo insertado o el "giro a la izquierda " La operación del paso anterior de reequilibrio viola la

existente. Partiendo de la raíz comparamos el propiedad invariante del árbol LLRB, es decir, causa dos bordes rojos consecutivos, ambos inclinados a

intervalo yo k = [ re k, F k] a cada nodo ' s clave en el árbol que sigue a la propiedad BST. Si el nuevo la izquierda, " girar a la derecha " se utiliza la operación. Además, el nuevo nodo puede insertarse como

intervalo yo k no se cruza con el intervalo yo yo = hijo derecho de un nodo padre cuyo hijo izquierdo tiene un borde rojo. Esta situación se puede encontrar

[ re yo, F yo] de un nodo existente del MIST, comparamos re k con re yo. Si re k es menos que re yo, procedemos al después " derecho

subárbol izquierdo, de lo contrario seguiremos el derecho

Figura 4. Caso II, el nuevo intervalo, yo k, está contenido por un intervalo existente, yo yo, correspondiente a un nodo a lo largo de una ruta de raíz a hoja en el árbol.

5
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Figura 5. Una visualización de la inserción de MIST con un nuevo intervalo que se superpone a un intervalo existente.

girar " operación también. En este caso, el color de los bordes que conectan los nodos principales con a su sucesor, es decir, el nodo mínimo en su subárbol derecho. Entonces el sucesor será eliminado. Para

los secundarios se cambiará a negro y el color del borde adjunto al nodo principal se cambiará a rojo. eliminar un nodo hoja, si el nodo está adjunto con un borde rojo, se eliminará fácilmente. De lo contrario, se

En otras palabras, Flipping colors sube el borde rojo un nivel. Si " voltear colores " la operación provoca debe empujar un borde rojo hacia abajo del árbol. los " rotaciones a la izquierda "," rotaciones a la derecha " y " voltear

dos bordes rojos consecutivos, " Gira a la derecha " Las operaciones se utilizan para mantener las colores " se utilizará en el camino hacia abajo en la ruta de búsqueda para empujar el borde rojo hacia la

propiedades invariantes de LLRB. " Voltear colores " puede causar un borde rojo inclinado hacia la derecha o hacia la izquierda, de modo que el borde adjunto al nodo de hoja que se elimina se vuelva rojo.

derecha. Esta situación se resolverá con " girar a la izquierda ”. Entonces el nodo será eliminado. A partir del nodo eliminado, las rotaciones y las operaciones de cambio de

color se utilizarán en el camino hacia arriba para corregir los bordes rojos inclinados hacia la derecha y los

Por lo tanto, a partir del nuevo nodo insertado con borde rojo, usamos repetidamente una de las bordes rojos consecutivos que no están permitidos. Se pueden obtener más detalles del algoritmo de

operaciones para mantener los bordes rojos inclinados hacia la izquierda y sus propiedades invariantes. eliminación de código y nodo.

Estas operaciones se utilizan para pasar un enlace rojo hacia arriba en un árbol LLRB con el fin de
encontrado en ( Sedgewick, 2008 ). El intervalo yo yo se fusionará con yo k utilizando
reequilibrar el árbol. Se pueden encontrar más detalles del código y algoritmo de estas operaciones en ( Sedgewick,
2008 ). En el Caso II, de acuerdo con nuestro objetivo inicial de diseñar una estructura de datos con Algoritmo 2 y resulta en intervalo yo z = [ re z, F z]. El nuevo intervalo se insertará en el árbol MIST
intervalos que no se superpongan, no se necesita inserción ni eliminación. Figura 4 comenzando desde la raíz como explicamos
más temprano. Figura 5 muestra un ejemplo de este caso.

proporciona un ejemplo ilustrativo de este caso.

Algoritmo 1. Build_MIST: Un procedimiento para construir un árbol de búsqueda de intervalo
En el caso III, el nodo con clave yo yo debe eliminarse del árbol MIST. Para eliminar un nodo
modificado (MIST).
interno, el nodo ' La llave s será reemplazada por la llave

6
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Algoritmo 2. Actualización: Un algoritmo auxiliar para insertar un intervalo. yo k en una NIEBLA.

Algoritmo 3. Stabs_MIST: Un procedimiento para verificar si un valor apuñala cualquier intervalo en un

MIST con una distancia restringida.

7
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

tabla 1
Casos enumerados anteriormente de diferentes estrategias de inserción.

4. Versión restringida de la estructura de datos MIST
Extendemos la estructura de datos MIST para permitir la delimitación de límites de distancia de
flujo restringidos a partir de un D8 FDG regular. La distancia de flujo restringida está restringida por la
restricción de distancia máxima,
que en este caso restringido denota una distancia máxima de flujo ( Figura 1 ), que está controlado por
un parámetro definido por el usuario r, que denota la distancia restringida. La distancia de flujo
restringida también puede estar restringida por la restricción de distancia mínima, que en este caso
restringida denota una distancia de flujo mínima a través del D8 FDG, que está controlada por un
parámetro definido por el usuario. r, que denota la distancia restringida. Sin pérdida de generalidad,
para ambas restricciones de la estructura de datos MIST, cuando r se establece en ∞ la versión
restringida del MIST es igual a la forma base. Esta versión extendida del MIST mantiene la distancia
de la cuenca a cualquier cuadrícula y la distancia del flujo almacenando un parámetro de distancia de
flujo único para cada conjunto dentro de la estructura MIST.

Esta nueva estructura de datos requiere una O ( 1) sonda cuando dos

los intervalos se cruzan. Sin perder la generalidad, considere el caso en el que el MIST mantiene la
ruta de flujo más corta para cada intervalo. Esta verificación compara el intervalo original que se
superpone y el nuevo intervalo que se insertará. En la estrategia de distancia máxima, existen dos
casos: (a) si el nuevo intervalo está más alejado y se superpone a una parte del intervalo original, la
superposición se empalma del nuevo intervalo y el intervalo no existente permanece, o (b ) si el
nuevo intervalo no se superpone a los intervalos preexistentes, permanece todo el intervalo.
Alternativamente, para la estrategia de distancia mínima, existen dos casos: (a) si el nuevo intervalo
está más cerca y se superpone a una porción del intervalo original, la superposición se empalma del
nuevo intervalo y el intervalo no existente permanece, o (b) si el nuevo intervalo no se superpone a
intervalos preexistentes, permanece todo el intervalo. La estrategia de inserción restringida se
describe en Algoritmo 2

( Actualizar).

En el caso de la inserción para el MIST restringido, se sigue el mismo algoritmo a menos que el
nuevo intervalo se superponga o esté contenido por un
Figura 6. La celda DEM q fluye a través de los puntos límite pags 1, pags 2, pags 3 al punto interior s tal que las
intervalo existente. Partiendo de la raíz comparamos el intervalo yo k =
distancias asociadas con los puntos sean rr s<r3<r 2<
[ re k, F k] a cada nodo ' s clave en el árbol que sigue a la propiedad BST.
1 < r q.

Algoritmo 4. LatticeMove ( ℓ, μ), T

8
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Algoritmo 5. Entrada de polígono del algoritmo de marcha de cuencas hidrográficas ( GRAMO, T, PAGS)

9
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Si el nuevo intervalo yo k no se cruza con el intervalo yo i = [ re yo, F yo] del nodo actual existente de la
MIST, comparamos re k con re yo. Si re k es menos
que re yo, vamos al subárbol de la izquierda, de lo contrario seguiremos el subárbol de la derecha. Siguiendo esta
regla, pueden ocurrir varios casos de superposición a lo largo de una
camino de raíz-hoja como se muestra en tabla 1 :
Caso I. El intervalo que se insertará, [ re k, F k] con radio restringido r
se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
ese re k> re yo, F k> F yo, y r k> r yo.
Caso II. El intervalo que se insertará, [ re k, F k] con radio restringido r
se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
ese re k> re yo, F k < F yo, y r k> r yo.
El segundo sub-caso ocurre cuando la trayectoria del flujo desde la celda DEM hasta un
sumidero se cruza con el límite de PAGS en múltiples ubicaciones (ver Figura 6 ). Por definición del
algoritmo de etiquetado de conjuntos anidados modificado, la ruta desde la celda DEM hasta el
sumidero se puede representar mediante una función de distancia monótona negativa. Esto lleva a la
observación de que el primer punto límite se cruzó a lo largo del camino desde la celda hasta el
sumidero a través de PAGS, serán los armarios al punto de consulta. Esto conduce directamente al
hecho de que para el intervalo definido por la celda DEM no puede haber otro intervalo en el límite de PAGS
con una mayor distancia de flujo, de lo contrario se habría encontrado primero. Dado que el MIST
restringido solo subsume partes de intervalos cuando la distancia del flujo es mayor, el intervalo que
contiene el re y F para la celda DEM siempre se asociará con la distancia desde el primer límite pags. Por
lo tanto, cuando se consulta el MIST restringido, devolverá un resultado positivo y la distancia entre el
punto de consulta y PAGS

Caso III. El intervalo que se insertará, [ re k, F k] con radio restringido r

se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
puede ser determinado. ∎
ese re k < re yo, F k < F yo, y r k> r yo.
Proposición 2. Si hay una celda DEM en la cuenca hidrográfica que fluye hacia un punto interior
Caso IV. El intervalo que se insertará, [ re k, F k] con radio restringido r
dentro de la región de consulta, existe al menos un punto en el límite de la región de consulta por el
se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
que debe fluir.
ese re k < re yo, F k> F yo, y r k> r yo.
Prueba. Utilizando Proposición 1 , existe un testigo presente en el
Caso V. El intervalo que se insertará, [ re k, F k] con radio restringido r MIST restringido para la celda DEM de manera que cruzaría el límite en un punto y satisfará la
se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k misma restricción de distancia dada la dirección del flujo. Además, mediante la construcción del MIST
ese re k < re yo, F k> F yo, y r k < r yo. restringido utilizando Algoritmo 1 ( Construir niebla) para cada intervalo (y la distancia restringida
asociada) insertado, no debe haber superposición, de modo que exista al menos un intervalo en el
Caso VI. El intervalo que se insertará, [ re k, F k] con radio restringido r
límite de la región de consulta capturada por la MIST restringida por la cual el punto debe fluir antes
se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
de llegar al interior punto. ∎
ese re k> re yo, F k < F yo, y r k < r yo.

Caso VII. El intervalo que se insertará, [ re k, F k] con radio restringido r

se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
Para reiterar si algún punto con una restricción de distancia fluye a un punto en
ese re k> re yo, F k> F yo, y r k < r yo.
PAGS, el polígono de consulta, entonces la estructura de datos de MIST restringido ya lo captura y
Caso VIII. El intervalo que se insertará, [ re k, F k] con radio restringido r probar el MIST restringido es suficiente para verificar si un punto fluye a una región de consulta.
se superpone con un intervalo existente [ re yo, F yo] con radio restringido r yo, tal k
ese re k < re yo, F k < F yo, y r k < r yo.
5. Complejidad de la construcción de MIST
En lo que sigue mostraremos que si una celda DEM pertenece a la cuenca, es decir, fluye hacia
cualquier punto interior o en el límite de PAGS ( el polígono de la región de consulta), una sonda de la
En esta sección discutimos el costo de construir y almacenar la estructura de datos MIST para
estructura de datos MIST restringida devolverá un resultado positivo y la distancia mínima de la ruta
un conjunto dado de intervalos arbitrarios. Mostramos que el
de flujo recorrida entre el punto de consulta y el límite de pags. Lo inverso también es cierto, que
cualquier punto que no fluya hacia PAGS devolverá un resultado negativo y, por lo tanto, una
distancia nula al límite de pags.

Proposición 1. Si una celda DEM fluye a una región de consulta, entonces uno y solo uno de los
nodos en la MIST restringida tendrá un intervalo que sea testigo de la celda DEM.

Prueba. Proporcionamos un análisis de caso considerando varias posibles rutas de flujo de la

celda DEM:
Caso 1: La ruta de flujo desde la celda DEM hasta el sumidero no se cruza con la región de
consulta. Según la descripción del algoritmo de conjunto anidado modificado, el valor d para la celda
DEM no estará contenido en ninguno de los intervalos en la región de consulta. Debido a que la
MIST restringida se construye a partir de la agregación de los intervalos en el límite de la región de
consulta, se deduce que el conjunto de intervalos disjuntos mantenidos por la MIST restringida no
contendrá d para la celda DEM.

Caso 2: La ruta de flujo desde la celda DEM hasta el sumidero se cruza con la región de
consulta. Observamos que hay dos sub-casos distintos que discutimos a su vez; en el primer caso, el
punto de consulta fluye a través de un intervalo que está representado en el MIST restringido de
forma única, es decir, es disjunto de todos los demás intervalos que forman el límite de la región de
consulta. Este sub-caso conduce a la observación de que el camino desde la celda DEM hasta el
sumidero golpea exactamente una ubicación en el límite de P, de lo contrario, el intervalo definido por
el punto del límite intersectado por este camino no sería disjunto. En este caso, el tiempo de
descubrimiento de la celda DEM intersecará el intervalo de un nodo en la MIST restringida y
Figura 7. Caso 1. Cuando PAGS ( en azul) es una línea, en este ejemplo la línea divisoria de aguas devuelta está
devolverá un resultado positivo y la distancia mínima entre la celda DEM y el límite de la consulta
en rojo, las celdas grises son la versión rasterizada de PAGS utilizando el algoritmo Bresenham ( Bresenham,
será la distancia de flujo entre el punto límite y la celda.
1965 ). El MIST se construye a partir de las celdas grises y se usa para marchar alrededor del límite rojo usando
WMA-P. (Para la interpretación de las referencias al color en la leyenda de esta figura, se remite al lector a la
versión web de este artículo).

10
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Figura 8. La diferencia entre la versión rasterizada de PAGS y PAGS ′, tenga en cuenta que el límite exterior creado por los bordes de la celosía es el mismo.

Figura 9. Caso 2a. PAGS se muestra en azul, las celdas grises representan la rasterización de PAGS

terminado GRAMO, las celdas interiores contienen puntos, el límite rojo representa el límite de la cuenca PAGS, el
límite verde muestra la línea divisoria de aguas de la celda de la cuadrícula UN, y las flechas dentro de cada celda
muestran la dirección del flujo de agua. (Para la interpretación de las referencias al color en la leyenda de esta figura, Figura 10. Caso 2b. PAGS se muestra en azul, las celdas grises representan la rasterización de PAGS

se remite al lector a la versión web de este artículo). terminado GRAMO, las celdas interiores contienen puntos, el límite rojo representa el límite de la cuenca PAGS, el
límite verde muestra la línea divisoria de aguas de la celda de la cuadrícula UN tenga en cuenta que cruza el
límite azul de PAGS, el límite púrpura muestra dónde se cruza el límite verde con el límite azul y las flechas

La estructura MIST tiene varios atributos en común con los algoritmos de clasificación basados en dentro de cada celda muestran la dirección del flujo de agua. (Para la interpretación de las referencias al color
en la leyenda de esta figura, se remite al lector a la versión web de este artículo).
la comparación, a saber, el peor costo de su construcción es
En Iniciar sesión norte) con un En) complejidad del espacio, para un polígono de consulta PAGS con norte

vértices. Dado que la estructura MIST está fusionando activamente segmentos, el verdadero costo de

almacenamiento al final podría ser menor que norte. Por último, el costo de buscar en la estructura MIST una

intersección en R es log norte). Este costo es una consideración importante ya que WMA-P busca a través de

la niebla al menos dos veces por cada marcha hacia adelante.

Proposición 3. El costo de construir una estructura de datos MIST para una familia
de intervalos I = { yo 1, yo 2, …, yo norte} utilizando Algoritmo 1 ( Construir niebla) Está encendido Iniciar sesión norte). Prueba. Comenzamos

esta prueba señalando que el costo de búsqueda T es registro norte, un

propiedad definida de un LLRB. A continuación, por definición de Algoritm2 ( Actualizar),

cada llamada da como resultado una inserción, eliminación o nada (en el caso contenido) de un nodo en T. Nuevamente,
por definición de un árbol LLRB, un costo de inserción y eliminación Iniciar sesión norte.

Usamos una prueba por inducción para demostrar el número total de veces que el Construir
niebla el algoritmo se puede llamar es norte. Para empezar presentamos un nuevo valor j que denota el
número de intervalos en yo que son inconexos. Para el caso donde n = j. Cada llamada a la estructura
MIST resultará en una inserción en T. Esto es cierto porque en ningún momento los intervalos se Figura 11. Caso 2b Insertar. El exterior EXTW (A) e interior IntW (A) parte de la cuenca para UN se muestra. segundo pags represntes

la intersección de la frontera de PAGS y la cuenca de UN, así que eso segundo p = PAGS ′ ∪ WASHINGTON).
cruzan, por lo que cada llamada a Construir niebla da como resultado una inserción. Porque cada
búsqueda e inserción registran costos norte y se hará el paso de inserción norte veces la complejidad
total para este caso será En Iniciar sesión norte). Esto es cierto porque una eliminación solo ocurre
cuando los rangos subyacentes

11
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

intersect, por lo tanto, nunca se llamará al algoritmo de eliminación.

A continuación, tomemos el caso donde j = n - 1. Esto solo puede ser cierto si y solo

si exactamente dos intervalos se cruzan. Sin pérdida de generalidad, suponga que la intersección
ocurre entre el último y el penúltimo intervalo.
enviado al MIST restringido ( yo norte y yo norte - 1, respectivamente). En este caso, la inserción se llamará norte
- 1 vez antes de la intersección. Nosotros
luego analice la intersección a través de un análisis de caso sobre el valor de insertar- Max. Si insertMax
es Cierto, luego se analizan las distancias de restricción asociadas con el nuevo intervalo y los
intervalos existentes y en el peor de los casos: se evalúan tres condicionales (un número constante)
así como un número constante de llamadas a Algoritmo 2 - ( Actualizar). Del mismo modo, si el valor
de
insertMax es Falso, entonces la intersección provocará una eliminación, una fusión y otra inserción.
Tenga en cuenta que para cualquier intervalo enviado al MIST restringido, termina con una inserción
o un caso contiene. Por lo tanto, el número total de inserciones incluso con intersecciones está
limitado por 3 norte, ya que el peor de los casos donde el valor de insertMax es Cierto

y todos los condicionales son verdaderos, entonces se insertan tres segmentos del intervalo cada vez. Esto
es lógicamente cierto porque el tamaño de la estructura MIST nunca puede ser mayor que norte y en el peor
de los casos, puede haber tres inserciones para cada llamada. El número de eliminaciones para este caso es
exactamente uno, ya que las eliminaciones solo se pueden llamar durante las intersecciones. Por tanto, el
número total de inserciones y eliminaciones nunca puede ser superior a 2 3 n = 6 norte. Porque cada inserción
y eliminación cuesta O ( Iniciar sesión norte), obtenemos ×

un
En Iniciar sesión norte) límite superior en la complejidad de la construcción de la Niebla Restringida. ∎

6. Corrección del algoritmo de marcha

En el corazón de nuestro algoritmo se encuentra la simple observación de que el resultado del

algoritmo de marcha propuesto de los intervalos inducidos por el límite de la región de consulta junto
con las celdas de la región de consulta formará el límite de la cuenca de una región de consulta
compleja. . Para mostrar esto, primero convertiremos la región de consulta lineal por partes en las
celdas del DEM real. En esta sección abusamos de la notación y nos referimos indistintamente a los
segmentos de borde del polígono de consulta y las celdas correspondientes a estos segmentos. Si
bien son de naturaleza diferente, estos objetos inducen el mismo subconjunto de DEM en la
representación digitalizada. Esto es una consecuencia del siguiente resultado de corrección para
Bresenham ' algoritmo s Bresenham, 1965 ).

Figura 12. Mapa que muestra los polígonos de entrada y sus cuencas hidrográficas resultantes delineadas
utilizando el algoritmo WMA-P.
Proposición 4. La rasterización del segmento de línea inducida por dos puntos cualesquiera en R 2 a través de una

cuadrícula regular utilizando BresenhamAlgorithm crea un conjunto de celdas de cuadrícula que contienen

completamente la línea creada al conectar los dos puntos. Tabla 2

Resultados de las comparaciones de tiempo entre WMA-P y ESRI ' La cuenca hidrográfica por lotes de polígonos

funciona en 11 polígonos de prueba.

La corrección del algoritmo de marcha es una consecuencia del siguiente resultado estructural.
ID de prueba Polígono Cuenca WMA-P Hora de ESRI WMA-P
Observe que al calcular la cuenca hidrográfica real, se deben incluir las celdas interiores de la región
Talla ( km 2) Talla ( km 2) Hora ( segundos) veces
de consulta, PAGS, como parte del resultado final.
( segundos) Más rápido ( ×

Proposición 5. Dado un DEM G, el límite de la cuenca W (P 0 1,96E - 03 2.90E - 03 0,50 372 706
creado por la intersección de P con G, es igual al límite de las aguas, G hed) 1 8.13E - 01 7.78E + 01 1.2 394 324
2 1,96E + 01 1,87E + 02 4.2 474 114
W (P ′, G) creado por la unión de los vértices {v 1, v 2, …, v ℓ} que representa el límite P ′ de P.
3 6.49E + 00 3.98E + 01 0,80 384 461
4 2.43E + 02 7.81E + 03 6.2 4387 703
5 5.64E + 01 2.84E + 03 5.5 1173 212
Prueba. Proporcionamos un análisis de caso discutiendo considerando varias formas posibles
6 1,25E + 03 4.44E + 03 6.6 2161 327
para P: 7 1.39E - 01 6,98E + 04 15 17890 1175
Caso 1: Suponga que P representa un objeto lineal por partes con un interior vacío. En este 8 1.10E + 02 8.84E + 02 5.7 746 131

caso, la intersección de los segmentos de borde a trozos de P sobre G es equivalente a la de 9 2.21E + 00 6.68E + 02 2.3 693 308
10 1.07E + 02 7.37E + 02 6.2 737 119
intersecar PAGS ′ con G ( Figura 7 ). En este caso, el WMA-P crea una superficie usando el MIST para
separar las celdas interiores y exteriores y la declaración de la proposición sigue. TOTAL 54,5 29.410 540

Caso 2: Asumir PAGS representa un polígono cerrado simple cuyo interior no está vacío.
celdas de cuadrícula Figs. 9 y 10 ). Similar al Caso 1, las celdas de la cuadrícula exterior
Argumentamos que reemplazar PAGS con su límite PAGS ′ produce el mismo límite de la cuenca
correspondiente a PAGS ′ se incluyen en la cuenca hidrográfica final, pero no necesariamente en el
hidrográfica cuando se utiliza el WMA-P ( Figura 8 ). Observar
límite de la cuenca. Queda por mostrar que la cuenca hidrográfica asociada con las celdas de la
que la intersección de los segmentos por partes de PAGS ′ con la cuadrícula regular GRAMO forma
cuadrícula interior siempre se incluirá en la cuenca hidrográfica final. Con este fin, consideraremos
una región exterior que puede encerrar algunos de los
dos sub-casos (ver

12
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Figura 11 ). Hydro, o el 0,1% del tiempo. A medida que aumenta el tamaño de la cuenca, aumenta el número de
Sub-caso 2a: En este caso asumiremos que para una celda de cuadrícula dada UN vértices del polígono y, por lo tanto, aumenta el tiempo que se tarda en delimitar las cuencas.
en el interior de PAGS, su línea divisoria de aguas WASHINGTON) está completamente contenido en el interior de PAGS

( ver Figura 9 ). Por definición de un re 8 FDG y el algoritmo de etiquetado MNS no existe ninguna ruta o conjunto de Dado que el algoritmo WMA-P se basa en el cruce solo del límite de la cuenca hidrográfica, esta
celdas de cuadrícula que se conecten UN implementación devuelve solo el límite y no devuelve sumideros. Sin embargo, el algoritmo Arc
a cualquier celda de la cuadrícula fuera del polígono pags. De lo contrario, la vertiente de UN cruzaría PAGS, que es Hydro devuelve los sumideros internos ( Figura 12 ). Esta cuenca hidrográfica resultante tiene muchos
contrario a la afirmación de Proposición 4 de segmentos de línea agujeros (sumideros) que tendrían que llenarse si se deseara solo el límite. Los sumideros son áreas

en PAGS ′. Esto es contrario a la premisa de este caso. de la cuenca donde el agua queda atrapada en depresiones o fluye bajo tierra. Por el contrario, si se

Sub-caso 2b: A continuación, asuma PAGS contiene una celda interior UN cuyo límite de cuenca se requieren sumideros y resultan útiles, el algoritmo WMA-P debería modificarse para devolver

encuentra parcialmente fuera PAGS ( Figura 10 ). En este caso, la vertiente de A, WA, consta de una sumideros internos. Esto podría lograrse almacenando las ubicaciones de las celdas de la cuadrícula

()
sección IntW A, completamente dentro de las celdas abarcadas por ( PAGS,) y parte exterior, ExtW que son sumideros (p. Ej., Que no fluyen hacia ninguno de sus 8 vecinos) como puntos, y su límite

( UN), es decir, W de cuenca hidrográfica asociado como polígonos dentro de un Sistema de información geográfica o

ExtW A IntW A. Similar al sub-caso 2. a, el interior w ( UN comió) rshed

= Sistemas de gestión de bases de datos relacionales (p. Ej. , PostGIS). Estas ubicaciones de raíces

está con (ta) en ∪ ed ent (ire) ly dentro de los límites de pags. Desde la línea divisoria de aguas para la celda UN se de sumideros (puntos) podrían intersectarse espacialmente con el límite de la cuenca que devuelve

extiende más allá del límite de PAGS, debe intersecar las células asociadas el WMA-P, una vez seleccionados, los polígonos de los sumideros internos podrían restarse del

atado con PAGS ′ en varias celdas de la cuadrícula, segundo PAGS( UN), con respecto a G ( Figura 10 ). Dado que todo límite exterior creando un sumidero interno.

fluye desde el exterior de PAGS debe pasar segundo PAGS( UN) está claro que ExtW (A) = W (B PAGS( UN)). Por

definición, la marcha alrededor de las celdas

asociado con PAGS ′ visitará todas las celdas de la cuadrícula en segundo PAGS( UN), está claro que el
límite de la cuenca ExtW (A) siempre está dentro de la cuenca

límite de PAGS ′, es decir, ExtW (A) ⊂ W (P ′). Esto a su vez implica el enunciado de la proposición. ∎

9. Conclusión
7. Complejidades temporales y espaciales de la WMA-P

Las herramientas existentes basadas en la web y los algoritmos asociados están diseñados para
La complejidad del espacio y el tiempo necesarios para devolver un límite de cuenca Ω ( W) para
devolver los límites de la cuenca de una manera eficiente para una ubicación de drenaje singular (p. Ej., x,
una región PAGS cuadrícula dada G ( es decir, WMA-P ( P, G)) se puede dividir en dos pasos; El
y ∈ R 2). Este manuscrito describe un método que puede devolver el límite de la cuenca para un objeto
primero es la complejidad de crear la estructura de datos MIST a partir de la intersección del límite de PAGS
geométrico lineal o poligonal.
con rejilla
ject (p. ej., 〈( X 1, y 1), ( X 2, y 2), …, ( X ℓ, y ℓ) 〉 ∈ R 2) Figura 1 . Extiende el algoritmo WatershedMarching
GRAMO, y el segundo es la marcha alrededor Ω ( W) utilizando el MIST en un paso de prueba durante cada marcha
original (WMA) y las estructuras de datos descritas por
hacia adelante. En Proposición 3 mostramos que la complejidad para construir la estructura de datos MIST es En Iniciar
( Haag y col., 2018 ) con una nueva estructura de datos denominada Árbol de búsqueda de intervalo
sesión( norte)), dónde norte es el número de celdas de la cuadrícula devuelto cuando PAGS se cruza con GRAMO.
modificado (MIST). La estructura de datos MIST permite que el algoritmo de marcha considere
múltiples ubicaciones durante los pasos de marcha, extendiendo el algoritmo WMA original para
En el algoritmo WMA original, se demostró que la complejidad es constante en relación con la
admitir objetos geométricos lineales y poligonales.
longitud del límite de la cuenca. L dividido por la zancada S longitud de cada marcha hacia adelante. La
longitud de la zancada es igual a la distancia entre cada esquina de la celosía o la resolución de la
celda de la cuadrícula subyacente. La variante WMA-P del algoritmo de marcha requiere una consulta
Apoyo
adicional de la estructura de datos MIST. Hemos demostrado que el costo de probar la estructura MIST
se basa en el número de nodos metro almacenados en el árbol binario, de modo que cada sonda se
Esta investigación ha sido financiada en parte por una subvención de la Agencia de Protección
puede enlazar O ( Iniciar sesión( metro)), juntando todo esto, la complejidad total del WMPA-P es; O (( L /
Ambiental de los Estados Unidos (EPA) bajo la subvención CB-96363001-0. Todas las opiniones,
S) ∗ Iniciar sesión( metro)).
hallazgos y conclusiones o recomendaciones expresadas en este manuscrito pertenecen a los autores
y no reflejan necesariamente la opinión de la EPA o del gobierno de EE. UU.

8. Comparación con técnicas existentes

Declaración de intereses en competencia

Los métodos computacionales para delinear los límites de la cuenca utilizan un único punto de
fluidez o punto de salida para describir la ubicación en el punto de fluidez más bajo de la cuenca
Los autores declaran los siguientes intereses financieros / relaciones personales que pueden
(TauDEM ( Tarboton, 2015 ), Caja blanca ( Lindsay, 2020 ) y GRASS ( Equipo de desarrollo de GRASS,
considerarse como posibles intereses en competencia: Ali Shokoufandeh y Scott Haag han solicitado
2017 )). A continuación, los paquetes de software existentes inician un algoritmo de seguimiento de la
una patente para el algoritmo de marcha de cuencas hidrográficas. Esto usa este algoritmo pero no se
trayectoria del flujo a través del FDG que identifica cada celda de la cuadrícula donde el agua fluirá a
enfoca en él. Ali Shokoufandeh también tiene un contrato para proporcionar una API a los algoritmos
través del punto de fluidez. Solo conocemos una implementación de software que puede devolver
descritos en este documento, tomando como modelo las estimaciones de nutrientes de la Bahía de
límites de cuencas hidrográficas para objetos poligonales o lineales en lugar de ubicaciones de
Chesapeake.
entrada singulares, la función Batch Watershed Delineation for Polygons dentro de ESRI ' s Arc Hydro
Tools. Por lo tanto, comparamos la velocidad y las operaciones del algoritmo WMA-P con esta
herramienta.
Reconocimiento

Los autores quisieran extender su gratitud por los perspicaces comentarios sobre el manuscrito
Se llevaron a cabo múltiples casos de prueba comparando el rendimiento y la precisión de la nueva
de Lin Perez, Jeffery Pennington y John Dawes y Chesapeake Commons por brindarnos acceso a Fie
delimitación de los límites de la cuenca frente al método utilizado en ESRI ' s Arc Hydro Tools,
ldDoc.org solicitud. Por último, agradecemos a los revisores anónimos sus valiosas sugerencias que
Delineación de cuencas hidrográficas por lotes para polígonos ( Figura 12 ). El algoritmo WMA-P
han hecho que el manuscrito sea más legible y preciso.
funcionó entre 114 y 1175 veces más rápido que la implementación de ESRI con un promedio de 540
veces más rápido ( Tabla 2 ). Incluso en el caso más simple, el proceso en ESRI necesitó 372 s para
completarse, mientras que el WMA-P tardó 0,5 s. Para la cuenca hidrográfica más grande probada, el
WMA-P funcionó en 15 s en comparación con los 17,890 s con Arc

13
S. Haag y col. Software y modelado ambiental 134 (2020) 104842

Referencias 123 - 127. https://www.sciencedirect.com/science/article/pii/S1364815205 001726 . http://linkinghub.elsevier.com/retrieve/pii/S1364

.
Mulvany, TJ, 1850. Sobre el uso de medidores de lluvia e inundaciones con registro automático. Procedimientos de
Bresenham, J., 1965. Algoritmo para el control informático de un trazador digital. IBM Syst. J. 4,
el Instituto de Ingenieros Civiles 4, 18 - 33 .
25 - 30 .
O ' Callaghan, JF, Mark, DM, 1984. La extracción de redes de drenaje de digital
Programa de la Bahía de Chesapeake, 2017. Herramienta de evaluación y escenario de Chesapeake (Cast)
datos de elevación. Computación. Vis. Proceso de imagen gráfica 28 (3), 323 - 344. http: //www.sci
Versión 2017. https://cast.chesapeakebay.net .
encedirect.com/science/article/pii/S0734189X84800110 .
Programa de la bahía de Chesapeake, 2018. Guía de referencia rápida del programa de la bahía de Chesapeake para
Parajuli, PB, Ouyang, Y., 2013. Métodos de modelado hidrológico a escala de cuenca y
mejores prácticas de manejo (bmps): bmps de fuentes no puntuales para reducir las cargas de nitrógeno, fósforo
aplicaciones. En: Bradley, PM (Ed.), Perspectivas actuales en hidrología de contaminantes y sostenibilidad de
y sedimentos en la bahía de Chesapeake y sus aguas locales. https:
los recursos hídricos. IntechOpen, Rijeka. https://doi.org/10.5772/ 53596 . Ch. 3.
//www.chesapeakebay.net/documents/BMP-Guide_Full.pdf .
Chow, VT, 1964. Handbook of Applied Hydrology: A Compendium of Water-Resources
Pérez, A., 2000. Proyecto de protección de fuentes de agua: una comparación de la delimitación de cuencas hidrográficas
Tecnología, primera ed. McGraw-Hill .
métodos en ARC / INFO y ArcView. En: Soporte de Modelado Hidrológico e Hidráulico: con Sistemas de
Cormen, TH, Leiserson, CE, Rivest, RL, Stein, C., 2009. Introducción a los algoritmos,
Información Geográfica. ESRI Press, Redlands, págs. 53 - 64. Cap. 3 .
tercera ed., tercera ed. La prensa del MIT .
Salewicz, KA, Nakayama, M., 2004. Desarrollo de un soporte de decisiones basado en la web
D, H., 1856. Les fontaines publiques de la ville de Dijon. Victor Dalmont, 647 páginas .
sistema (DSS) para la gestión de grandes ríos internacionales. Medio ambiente global. Cambio 14, 25 - 37 .
Erwig, M., 1998. Diets for fat sets. J. Funct. Programa. 8, 627 - 632 . FieldDocorg, 2016. https://www.chesapeakecommons.org/fielddoc
.
Sedgewick, R., 2008. Árboles rojo-negros inclinados hacia la izquierda. Taller de Dagstuhl sobre estructuras de datos
Equipo de desarrollo de GRASS, 2017. Sistema de soporte de análisis de recursos geográficos
17 - 26 .
(GRASS GIS) Software, versión 7.2. Fundación Geoespacial de Código Abierto. http: //grass.osgeo.org .
Singh, PV, 2018. Modelado hidrológico: progreso y direcciones futuras. Geociencia
Letras 5 .
Haag, S., Shakibajahromi, B., Shokoufandeh, A., noviembre de 2018. A new rapid watershed
Sit, Muhammed, Sermet Yusuf, DI, 2020. Biblioteca de delineación de cuencas hidrográficas optimizada para
algoritmo de delineación para cuadrículas de dirección de flujo 2D. Reinar. Modelo. Software 109, 420 - 428. https://www.sciencedirect.com/science/article/pii/S13648152183035
aplicaciones web del lado del servidor y del lado del cliente. Datos, software y estándares geoespaciales abiertos 4, 627 - 632
30 .
.
Tarboton, DG, 1997a. Un nuevo método para la determinación de direcciones de flujo y
Haag, S., Tarboton, D., Smith, M., Shokoufandeh, A., 2020. Algoritmo de resumen rápido
áreas de pendiente ascendente en modelos de elevación digitales de cuadrícula. Recurso de agua. Res. 33 (2), 309 - 319.
para estadísticas poligonales sobre una cuadrícula regular. Computación. Geosci. 142, 104524. http: //
https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/96WR03137 .
www.sciencedirect.com/science/article/pii/S0098300419306697 .
Tarboton, DG, febrero de 1997b. Un nuevo método para la determinación de direcciones de flujo y
Jensen, JR, 2014. Remote Sensing of the Environment: an Earth Resource Perspective,
áreas de pendiente ascendente en modelos de elevación digitales de cuadrícula. Recurso de agua. Res. 33 (2), 309 - 319.
segunda ed. Pearson, Noida .
http://onlinelibrary.wiley.com/doi/10.1029/96WR03137/abstract .
Juan, D., 1798 - 1802. Ensayos experimentales sobre la constitución de mezclas de gases; sobre la fuerza del vapor o del
Tarboton, D., 2015. Análisis del terreno mediante modelos digitales de elevación (TAUDEM). http: // h
vapor del agua y otros líquidos a diferentes temperaturas, tanto en el vacío torricelliano como en el aire; por
ydrology.usu.edu/taudem/taudem5/ .
evaporación; y sobre la expansión de gases por calor. Manch. Iluminado. Phil. Soc. Mem. Proc. 5 de octubre de 1535 - 1602
Tesfa, T., Tarboton, D., Watson, D., Schreuders, K., Baker, M., Wallace, R., 2011.
.
Extracción de medidas de proximidad hidrológica de dem mediante procesamiento paralelo. Reinar. Modelo.
Khan, S., Maqbool, F., Mohiuddin, K., 2017. Análisis del cambio de paradigma en la nube
Software 26 (12), 1696 - 1709 .
Gis Systems, vol. 6, págs.345 - 354, 12 .
Wilson, J., 2012. Modelado digital del terreno. Geomorfología 137, 107 - 121 .
Lindsay, J., 2020. Manual de usuario de herramientas de caja blanca. https: //jblindsay.github.
Yeh, PJ-F., Swenson, SC, Famiglietti, J., Rodell, M., 2006. Teledetección de
io / wbt_book / available_tools / hydrological_analysis.html # Watershed .
Cambios en el almacenamiento de agua subterránea en illinois mediante el experimento de recuperación por gravedad y clima (Grace) .
MapShed, 2014. https://wikiwatershed.org/help/model-help/mapshed/ .
Matthies, M., Giupponi, C., Ostendorf, B., febrero de 2007. Apoyo a las decisiones ambientales
sistemas: temas de actualidad, métodos y herramientas. Reinar. Modelo. Software 22 (2),

14