Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sig y Transporrte PDF
Sig y Transporrte PDF
Sistemas de Información
Geográfica y al software
ArcGIS
ESPECIALIZACIÓN EN TECNOLOGÍAS DE LA
INFORMACIÓN GEOGRÁFICA
UNIVERSIDAD NACIONAL DEL NORDESTE
0
Introducción a los Sistemas de Información Geográfica
y al software ArcGIS
Autores:
1
Índice de contenidos
1. Introducción ....................................................................................¡Error! Marcador no definido.
2. ¿Qué son los Sistemas de Información Geográfica? ...................................................................... 5
2.1. ¿Qué son los Sistemas de Información Geográfica? ............................................................ 5
2.2. Cuestiones a las que puede responder un SIG ....................................................................... 6
3. Los datos geográficos ................................................................................................................................ 9
7.1 Las tres componentes de los datos geográficos ........................................................................... 9
7.1.1 La componente espacial ............................................................................................... 9
7.1.2 La componente temática ........................................................................................... 10
7.1.3 La componente temporal ........................................................................................... 11
7.2 ¿Cómo representamos la realidad en un mapa? ........................................................................ 11
7.2.1 Conceptos básicos ............................................................................................... 11
7.2.2 ¿Qué es el Datum? .............................................................................................. 12
7.2.3 Sistema de Referencia y Datum .......................................................................... 13
7.2.4 Sistemas de Coordenadas ................................................................................... 13
7.2.5 ¿Qué es la Proyección UTM? ............................................................................... 14
4. Modelos y estructuras de datos........................................................................................................... 16
4.1 Modelos de datos .................................................................................................................................... 16
4.2 El modelo ráster ...................................................................................................................................... 20
4.3 El modelo vectorial ................................................................................................................................ 23
4.3.1 El modelo de datos: la representación de las entidades por medio de puntos, líneas
y polígonos .......................................................................................................................... 23
4.3.2 Estructuras de datos en el modelo vectorial.............................................................. 24
4.4 Modelos clásicos de bases de datos ................................................................................................ 25
5. Introducción al software ArcGIS ......................................................................................................... 27
5.1 Introducción los productos de ArcGIS ........................................................................................... 27
ArcGIS .................................................................................................................................. 27
ArcGIS Desktop .................................................................................................................... 27
5.2 Introducción al interfaz de ArcMap ................................................................................................ 30
Marco de datos ................................................................................................................... 30
Tabla de contenido .............................................................................................................. 31
Diseños de página ............................................................................................................... 31
Ventana Catálogo ................................................................................................................ 32
1
6. Producción de mapas. Salida gráfica y web.................................................................................... 34
Proceso para trabajar con un diseño .................................................................................. 34
Preguntas a considerar al crear el diseño ........................................................................... 35
Crear un diseño de mapa .................................................................................................... 35
Configurar el tamaño de página de la composición de mapa ............................................. 36
Flechas de norte .................................................................................................................. 40
Barras de escala................................................................................................................... 40
Texto de escala .................................................................................................................... 40
Leyendas.............................................................................................................................. 40
Transparencia en leyendas.................................................................................................. 41
Marcos ................................................................................................................................. 42
Convertir elementos de mapa en gráficos .......................................................................... 42
Impresión del mapa o exportación a otros formatos ......................................................... 43
7. Análisis Ráster ............................................................................................................................................ 47
7.1. Introducción ...................................................................................................................................... 47
7.2. Visualización...................................................................................................................................... 49
7.3. Operaciones Locales ....................................................................................................................... 50
7.3.1 Reclasificación ............................................................................................................ 50
7.3.2 Superposición de mapas ............................................................................................ 51
7.4. Operaciones de vecindad inmediata........................................................................................ 53
7.4.1 Pendientes y orientaciones ........................................................................................ 53
7.4.2 Análisis de las cuencas de drenaje ............................................................................. 54
7.4.3 Distancias euclidianas ................................................................................................ 55
7.4.4 Superficies de fricción ................................................................................................ 57
7.4.5 Análisis de intervisibilidad .......................................................................................... 58
7.4.6 Estadísticas de zonas .................................................................................................. 59
8. Análisis Vectorial ....................................................................................................................................... 60
8.1 Presentación de la información ........................................................................................................ 60
8.2 Operaciones con capas ......................................................................................................................... 62
8.3 Unión de objetos por atributos ........................................................................................................ 65
8.4 Mediciones espaciales sobre objetos.............................................................................................. 66
A) Mediciones sobre líneas ................................................................................................. 66
B) Mediciones sobre polígonos ........................................................................................... 66
8.5 Consultas a la Base de Datos .............................................................................................................. 67
2
8.5.1 Consultas por atributos .............................................................................................. 67
8.5.2 Consultas espaciales ................................................................................................... 68
8.6 Medición de distancias y Análisis de Proximidad ..................................................................... 69
8.6.1 Medición de distancias entre objetos ........................................................................ 69
8.6.2 Análisis de proximidad ............................................................................................... 70
8.6.3 Generación de polígonos de Thiessen ....................................................................... 71
8.6 Superposición de mapas ..................................................................................................................... 72
9. Análisis de Redes ....................................................................................................................................... 73
9.1 Introducción al análisis de redes ..................................................................................................... 73
9.2 Análisis de caminos mínimos ............................................................................................................ 77
9.3 Análisis de las áreas de influencia de los centros de servicio .............................................. 79
Anexo 1.................................................................................................................................................................... 81
Aplicación de metodologías Multicriterio para la asignación de Usos del Suelo. .................... 81
1. Introducción ........................................................................................................................................... 82
2. Análisis de localizaciones óptimas mediante análisis multicriterio booleano ........... 84
3. Análisis de localizaciones óptimas mediante la combinación lineal ponderada ....... 85
4. Consideraciones finales ..................................................................................................................... 88
5. Bibliografía citada ................................................................................................................................ 90
Anexo 2.................................................................................................................................................................... 96
Metodología para el análisis de la vulnerabilidad en redes de transporte público. El caso de
la red de metro de Madrid............................................................................................................................... 96
Anexo 3................................................................................................................................................................. 107
Análisis conjunto de entorno urbano y transporte público: los puntos de intermodalidad
de la ciudad de Madrid. ................................................................................................................................. 107
1. Introducción ........................................................................................................................................ 108
2. Selección de variables significativas: ‘indicadores’. ............................................................ 109
a. Demanda y población cubierta de un punto de transporte...................................... 109
b. Integración de la movilidad. ...................................................................................... 110
c. Usos del suelo y entorno urbano. ............................................................................. 113
d. Integración urbana. ................................................................................................... 115
3. Herramienta para la comprensión conjunta y el diagnóstico. ........................................ 116
4. Herramienta para la planificación de un nuevo punto intermodal a la escala ciudad.
118
5. Conclusiones........................................................................................................................................ 120
6. Referencias........................................................................................................................................... 121
Anexo 4................................................................................................................................................................. 122
3
Propuesta metodológica para la generación de corredores de mínimo impacto ambiental
de carreteras: Integración del paisaje. El caso de la autopista radial 5. Comunidad de
Madrid .................................................................................................................................................................. 122
4
1. ¿Qué son los Sistemas de Información Geográfica?
1.1. ¿Qué son los Sistemas de Información Geográfica?
Los Sistemas de Información Geográfica (SIG) son una tecnología que forma parte
del ámbito más extenso de los Sistemas de Información. El contexto general en el que surgen
es el de la "sociedad de la información", en la que resulta esencial la disponibilidad rápida de
información, para resolver problemas y contestar a las preguntas de modo inmediato.
Los SIG permiten gestionar y analizar la información espacial, por lo que han venido
a constituirse en la alta tecnología de los geógrafos y otros profesionales que trabajan sobre
el territorio. Se trata de sofisticadas herramientas multipropósito con aplicaciones en
campos tan dispares como la planificación urbana, la gestión catastral, la ordenación del
territorio, el medio ambiente, la planificación del transporte, el mantenimiento y la gestión
de redes públicas, el análisis de mercados, etc.
Los SIG se encuadran dentro de la familia de los Sistemas de Información, que tan
amplia aceptación han tenido en las últimas décadas. Los Sistemas de Información
computerizados no son más que programas o conjuntos de programas diseñados para
representar y gestionar grandes volúmenes de datos sobre ciertos aspectos del mundo real.
Operaciones que antes se desarrollaban manualmente, de forma tediosa y con numerosos
errores, hoy son llevadas a cabo automáticamente mediante tales sistemas. Por otro lado,
estos sistemas se orientan frecuentemente a facilitar información para la toma de decisiones:
se trata de un conjunto de procesos informáticos que permiten producir, a partir de datos no
tratados, información útil en la toma de decisiones.
Desde hace mucho tiempo los geógrafos y otros científicos de la tierra estamos
acostumbrados a estructurar la información en mapas temáticos, según sean los aspectos del
espacio que nos interese estudiar. De la misma forma un SIG descompone la realidad en
distintos temas, es decir, en distintas capas o estratos de información de la zona que se desea
estudiar: el relieve, la litología, los suelos, los ríos, los asentamientos, las carreteras, los
límites administrativos... El analista puede trabajar sobre cualquiera de esas capas según las
necesidades del momento. Pero la gran ventaja de los SIG es que pueden relacionar las
distintas capas entre sí, lo que concede a estos sistemas unas sorprendentes capacidades de
análisis. Los mapas almacenados en el ordenador pueden ser objeto de peticiones muy
5
complejas o ser combinados algebraicamente para producir mapas derivados, que
representen situaciones reales o hipotéticas.
6
Rhind (1990) distingue seis grandes tipos de cuestiones a las que un SIG puede
responder (cuadro 1.2):
4. Rutas.- El sistema puede calcular el camino óptimo (el más corto, más barato o más
rápido) entre dos puntos a través de una red (por ejemplo, entre el lugar donde se
ha producido una catástrofe y el hospital más próximo).
Cuadro 1.2: Cuestiones básicas que pueden ser investigadas con un SIG (Rhind, 1990)
7
Estas cuestiones son de interés primordial en las actividades de planificación. Dado
que los SIG trabajan con datos sobre el mundo real, es posible implementar modelos que
permitan predecir cuáles serán las tendencias futuras o qué efectos se producirán en caso
de que cambie alguno de los elementos del sistema territorial. En este sentido, Burrough
(1986) señala que si se utiliza un SIG del modo en que un piloto utiliza un simulador de vuelo,
es posible que los planificadores y políticos puedan explorar los posibles escenarios y
obtener una idea de las consecuencias de una actuación antes de que se hayan cometido
errores irreversibles.
Maguire (1991) pone en relación el esquema de cuestiones básicas de Rhind con las
fases de evolución de los SIG que distinguen Crain y MacDonald (1984) (figura 1.7). Estos
autores sugieren que cada fase en la evolución de los SIG está caracterizada por un tipo de
aplicación. Distinguen tres fases: la de inventario, la de análisis y la de gestión. En los SIG
menos maduros predominan las aplicaciones para la elaboración de inventarios, que
después van cediendo terreno al análisis y más tarde ambas dejan espacio a la gestión. Hoy
en día la mayor parte de los SIG se encuentran en el estadio de las aplicaciones tipo
inventario, algunos han pasado al del análisis y muy pocos son utilizados en la gestión.
La primera fase de la evolución de los SIG está caracterizada por las aplicaciones
relacionadas con los grandes inventarios de datos, como los inventarios forestales y de redes
públicas, o el catastro. En esta fase los sistemas son utilizados fundamentalmente para
realizar consultas, dentro de las cuestiones 1 y 2 (localización y condición) que plantea
Rhind.
En una segunda fase los Sistemas de Información Geográfica son capaces de resolver
cuestiones más complejas, que exigen relacionar distintas capas de información y utilizar
técnicas estadísticas y de análisis espacial. La determinación de localizaciones óptimas, por
ejemplo, para un vertedero de residuos sólidos o de un nuevo punto de atención al público,
exige un tratamiento complejo de la información en cuestiones relativas a condiciones y
tendencias (cuestiones 2 y 3 de Rhind).
En la tercera fase de evolución de los SIG surge una orientación hacia la gestión y la
decisión, es decir, un acercamiento hacia lo que se conoce como Sistemas de Apoyo a la
Decisión (SAD) (ver Densham, 1991, Guariso y Werthner, 1989, y Fedra y Reitsma, 1990). Se
pone un énfasis especial en el análisis espacial sofisticado y en la modelización. Se pueden
resolver problemas del tipo de dónde se debe construir un nuevo hospital o cuál es la ruta
óptima para un reparto de mercancías. Las cuestiones 4, 5 y 6 del esquema de Rhind (rutas,
pautas y modelos) son características de esta tercera fase.
8
2. Los datos geográficos
Si, de acuerdo con lo visto en el capítulo anterior, los SIG se distinguen de otros
Sistemas de Información por el hecho de trabajar con "información geográfica", parece
necesario tratar con un cierto detalle sobre la naturaleza los datos geográficos. En realidad
un SIG es mucho más que un software específico. El uso efectivo de esta tecnología alcanza
otras muchas cuestiones, algunas de las cuales tienen muy poco que ver con la informática,
pero son tan importantes como ésta para el usuario; muchas de esas cuestiones están
relacionadas con el conocimiento de la naturaleza de los datos geográficos (Goodchild, Rhind
y Maguire, 1991). De hecho la información geográfica tiene características únicas, y su
recolección, compilación y análisis presenta problemas únicos: la realidad representada por
la información geográfica es frecuentemente continua y siempre infinitamente compleja, por
lo que tiene que ser "discretizada", abstraída, generalizada o interpretada para su posterior
tratamiento y análisis (Kemp, Goodchild y Dodson, 1992).
A) La localización geográfica
Los objetos con que se representa la realidad tienen ciertas propiedades espaciales
de acuerdo con su naturaleza. Así, entre las propiedades espaciales de las líneas figuran la
longitud, la forma, la pendiente y la orientación. En el caso de los polígonos se pueden
identificar la superficie, el perímetro, la forma, la pendiente y la orientación. En el caso de los
SIG raster, en los que normalmente todos los objetos (las celdas) son de igual tamaño y
forma, se constituyen conjuntos de celdas (que habitualmente reciben el nombre de zonas)
9
que pueden ser tratados como si fueran polígonos a efectos del análisis de sus propiedades
espaciales.
De acuerdo con lo indicado anteriormente, los objetos con los que representamos la
variación que se produce en el mundo real poseen unas determinadas características que se
conocen como atributos (o variables). Así, cada objeto registra un determinado valor para
cada uno de los atributos considerados. Pero estos valores no presentan unas pautas de
variación más o menos aleatorias, sino que es posible encontrar ciertas regularidades en su
variación tanto sobre el espacio como sobre el tiempo:
Autocorrelación espacial
Los valores temáticos tienden a ser más parecidos entre objetos próximos en el espacio que
entre objetos situados lejos los unos de los otros. Este principio general, conocido como
autocorrelación espacial, es básico en Geografía y en los Sistemas de Información Geográfica,
ya que implica la existencia de un cierto orden en el espacio. Como señaló Humboldt en
alusión a los fenómenos naturales, lejos de producirse cambios bruscos (a saltos) en el
espacio, en la realidad tienden a producirse gradaciones más o menos suaves. Este principio
parece cumplirse no sólo en las variables de tipo físico, sino también en las de tipo humano.
El relieve terrestre, las precipitaciones y las temperaturas, por un lado, y las densidades de
población y las disparidades de renta, por otro, constituyen buenos ejemplos al respecto: si
tomamos un determinado punto del mapa como referencia, observaremos que los valores
temáticos de la variable considerada tienden a modificarse gradualmente a medida que nos
alejamos de él.
Autocorrelación temporal.
Pero los valores temáticos no sólo cambian en el plano del espacio, sino también en el eje
del tiempo. Y, al igual que ocurre sobre el espacio, los cambios que se producen en el eje del
tiempo tienden a ser graduales. Este principio es conocido en las Ciencias Sociales como
autocorrelación temporal, y hace alusión a que los datos próximos en el tiempo tienden a ser
más parecidos entre sí que los más lejanos. Aplicando esta idea a una secuencia de mapas de
10
densidades de población de una determinada zona, resultará que los cambios que se
producen entre dos fechas próximas serán pequeños, pero irán aumentando a medida que
aumente el intervalo de tiempo comprendido entre las fechas de los dos mapas. Dicho de
otra forma: las distribuciones espaciales se modifican paulatinamente a lo largo del tiempo,
de manera que cabe esperar cambios tanto mayores cuanto mayor sea el tiempo
transcurrido. Así, el mapa de densidades de población de España de 1991 presenta las
mismas pautas generales que el de 1981, pero es radicalmente distinto al de hace 200 años.
El tiempo juega un papel fundamental en la Geografía. El mundo real sólo puede ser
explicado a partir de procesos espacio-temporales. Los geógrafos clásicos franceses se
referían a esta cuestión cuando afirmaban que la Historia explica el presente. Hartshorne
(1939) se mostraba en esa misma línea cuando indicaba que la interpretación de las
configuraciones geográficas presentes requiere cierto conocimiento de su desarrollo
histórico y proponía como forma de captar los procesos el proyectar sucesivas imágenes de
la geografía histórica de una misma región: "un intento de desarrollar una imagen en
movimiento produciría una variación continua tanto en el tiempo como en el espacio que
reflejaría, en efecto, la realidad en toda su complejidad".
Para trabajar con la información ráster y los distintos sistemas de referencia hay que tener
claro una serie de conceptos para no utilizar información geográfica de forma incorrecta o
errónea, y de esta forma se evitarán problemas en la georreferenciación y errores en la
utilización de las distintas bases de referencia.
En este documento se exponen los conceptos básicos que definen la Geodesia como ciencia
que tiene como objeto la determinación de la forma y dimensiones de la figura de la Tierra,
el posicionamiento de puntos sobre la superficie física terrestre y el estudio del campo de la
gravedad externo del planeta (Benaviedez, 2005). Ésta nos permitirá trabajar sobre distintos
sistemas de referencia con diferentes herramientas, fundamentalmente los sistemas de
información geográfica.
11
Ondulación o altura del Geoide (N): Distancia entre la superficie del elipsoide
de referencia y el geoide, medida a lo largo de la normal al elipsoide.
Un Datum es un modelo matemático que se ajusta a una parte o la totalidad del geoide,
proporcionando todos los parámetros de referencia para establecer los puntos de la
superficie de la tierra sobre un elipsoide.
12
Un elipsoide, definido por sus parámetros (semieje mayor, semieje menor y
achatamiento)
Uno de los Sistemas de Referencia más utilizados es el World Geodetic System 1984
(WGS1984). Sistema Geodésico Mundial de 1984 desarrollado por la NIMA (National
Imagery and Mapping Agency ) de los EE.UU. La exactitud de este sistema es del orden del
metro y a él están referidas las efemérides radiotransmitidas por los satélites GPS. El Datum
del WGS1984está definido por:
Los Sistemas de Coordenadas permiten establecer de forma unívoca la posición que ocupa
cada objeto en la superficie terrestre.
Se basan en una serie de puntos cuya posición absoluta es conocida, a partir de los cuales se
establece la posición de los demás mediante indicaciones de dirección y distancia
13
surge a partir del marco global. Así pues, existen dos formas de representar la superficie
terrestre, por medio de coordenadas geográficas o coordenadas planas.
Longitud (λ): Es el ángulo formado por el meridiano que pasa por el punto y un
meridiano que se toma como origen. El meridiano que se toma como origen es el
meridiano de Greenwich.
Coordenadas Proyectadas Planas: Dividen son aquellas que provienen de proyectar las
coordenadas geográficas sobre un plano, para esto es necesario aplicar una serie de
transformaciones matemáticas denominadas proyecciones cartográficas. En cualquier caso,
las coordenadas proyectadas se pueden definir en 2D (x,y) o 3D (x,y,z), donde las mediciones
x,y representan la ubicación en la superficie de la Tierra y z representaría la altura por
encima o por debajo del nivel del mar.
14
La proyección Universal Transverse de Mercator es un sistema de coordenadas
rectangulares, planas, desarrollado por el Ejército de los Estados Unidos y es adoptado por
la mayoría de los países del mundo.
Características:
Este tipo de proyección es muy útil para cartografía de pequeñas áreas o de áreas
que cubran poca Longitud, dado que la distorsión de la proyección aumenta en
función de la distancia al meridiano tangente.
Las coordenadas UTM (X, Y) son similares a un sistema cartesiano común, por lo
que son ortogonales, formando una cuadrícula perfecta.
15
3. Modelos y estructuras de datos
La base de datos espacial de un SIG no es más que un modelo del mundo real, una
representación digital en base a objetos discretos. Una base de datos espacial es, en
definitiva, una colección de datos referenciados en el espacio que actúa como un modelo de
la realidad (NCGIA, 1990). Las reglas según las cuales se modeliza el mundo real por medio
de objetos discretos constituyen el modelo de datos.
16
1- El modelo vectorial
2- El modelo raster
17
Comparación entre los modelos de datos raster y vectorial (según Aronoff, 1989).
MODELO RASTER
Ventajas
3. Cuando la variación espacial de los datos es muy alta el formato raster es una
forma más eficiente de representación.
Desventajas
3. La salida de gráficos resulta menos estética, ya que los límites entre zonas tienden
a presentar la apariencia de bloques en comparación con las líneas suavizadas de los
mapas dibujados a mano. Esto puede solucionarse utilizando un número muy
elevado de celdas más pequeñas, pero entonces pueden resultar ficheros
inaceptablemente grandes.
MODELO VECTORIAL
Ventajas
Desventajas
3. Resulta poco eficiente cuando la variación espacial de los datos es muy alta.
18
4. El tratamiento y realce de las imágenes digitales no puede ser realizado de manera
eficiente en el formato vectorial.
19
4.2 El modelo ráster
El modelo raster centra su interés más en las propiedades del espacio que en la
representación precisa de los elementos que lo conforman. Para ello compartimenta el
espacio en una serie de elementos discretos por medio de una retícula regular.
Habitualmente se trata de una retícula rectangular compuesta por celdas cuadradas, si bien
algunos sistemas utilizan otras figuras geométricas como los triángulos o los hexágonos.
Cada una de esas celdas se considera como indivisible y es identificable por su número de
fila y columna (figura 3.2). Conviene señalar que se emplea indistintamente el nombre de
celda o de pixel (abreviatura de la expresión inglesa picture element, es decir, elemento de
dibujo). En cuanto a la información temática, a cada celda le corresponde normalmente un
único valor relativo a la variable que se está representando (altitud, uso del suelo, materiales
geológicos...).
Figura:
Esquema de representación
20
La representación de los elementos del mundo real se realiza de la siguiente forma:
un elemento puntual se representa mediante una celda, un elemento lineal mediante una
secuencia de celdas alineadas y un elemento poligonal mediante una agrupación de celdas
contiguas. Uno de los mayores inconvenientes que se asocian al modelo de raster es la falta
de exactitud a la hora de localizar los elementos. Mediante este tipo de representación se
indica que un elemento puntual (por ejemplo, un manantial) está localizado en alguna parte
dentro de la celda correspondiente o que un elemento lineal (por ejemplo, un arroyo)
atraviesa una celda por algún lugar, pero no conocemos exactamente por dónde. En
consecuencia tampoco se conoce con exactitud cuál es la forma y el tamaño de los elementos
poligonales, si bien ambas características se pueden inferir aproximadamente a partir de la
configuración que presentan las celdas.
El formato raster permite representar no sólo elementos del mundo real, sino
también variables que presentan una variación continua sobre el espacio (es decir,
superficies). El ejemplo más típico es el del mapa de altitudes. A cada celda se le asigna un
valor, de forma que se puede conocer fielmente cómo varía la altitud por toda el área que
cubre un mapa. Se pueden representar de esta forma superficies tridimensionales, ya que a
las dos coordenadas de localización (X e Y) se añade una tercera (Z) para representar el valor
21
de la variable, en este caso la altitud. Es lo que se conoce como un modelo digital del terreno
(MDT), aplicable no sólo a la variable altitud, sino a cualquier otra variable que presente una
variación continua sobre el espacio (presión atmosférica, precipitaciones, coste de
transporte, etc.)
22
4.3 El modelo vectorial
b) Las líneas son objetos espaciales de 1 dimensión, ya que tienen longitud, pero no
anchura. Las líneas están definidas mediante una sucesión de puntos. Habitualmente se
representan mediante líneas elementos que se integran en redes, ya sean naturales (como
las redes hidrográficas) o artificiales (como las redes de carreteras).
La escala del mapa resulta fundamental en algunos casos a la hora de elegir un tipo
de objeto para representar una entidad. Así, por ejemplo, una ciudad puede ser representada
mediante un punto si se trabaja a escala 1:10.000.000, mediante un polígono si la escala es
1:200.000 o mediante un conjunto de polígonos si la escala es 1:25.000.
Es cierto que la mayor parte de las entidades espaciales tienen tres dimensiones.
Pero sólo algunas de esas dimensiones pueden ser relevantes desde el punto de vista de su
representación en un SIG. En este sentido se habla de entidades puntuales, lineales y
poligonales. Así, por ejemplo, en un tramo de carretera se podría medir su anchura y el
23
espesor del pavimento, pero lo más importante es su longitud a efectos de representación y
análisis en un SIG (NCGIA, 1990). Las otras dimensiones (espesor del pavimento y anchura
de la vía) pueden ser almacenadas como atributo en la base de datos (y ello es importante
desde el punto de vista de su representación cartográfica), pero no son propiedades
geométricas de las líneas. Sólo en el momento de dibujar la línea podría ser necesario
conocer la anchura de la carretera y el espesor del pavimento, que son atributos -como
también lo son la intensidad media de tráfico, la velocidad media, etc.- y no propiedades
geométricas del objeto línea. Conviene recordar aquí la diferenciación que se estableció
anteriormente entre las propiedades espaciales de las entidades del mundo real y las de los
objetos que utilizamos para su representación cartográfica.
24
Si ninguna de estas relaciones está presente, entonces la estructura es cartográfica. En
cualquier caso, es posible convertir una estructura de datos cartográfica en topológica
mediante el cálculo y almacenamiento de esas relaciones en un proceso que se denomina
"construcción de topología". El sistema debe ser capaz de determinar dónde se produce la
intersección de dos líneas, para marcar allí los nodos correspondientes y a partir de éstos
identificar los arcos. En base a arcos y nodos ya es posible registrar relaciones topológicas.
1- El modelo jerárquico
Este modelo es el más limitado de los tres y está prácticamente en desuso hoy en día. Los
objetos se organizan en una estructura arborescente. Las relaciones de los objetos son, pues,
jerárquicas, es decir, que cada objeto se relaciona con otros que se sitúan por encima o por
debajo de él en la jerarquía, pero no a su mismo nivel. Más concretamente es posible sólo
una relación con un elemento de un nivel superior (padre) y una o más relaciones con
elementos de un nivel inferior (hijos). El nivel jerárquico más elevado está compuesto por
un único elemento (raíz). En consecuencia, este modelo soporta bien las relaciones uno-a-
uno y también las relaciones uno-a-muchos (como en el ejemplo del catastro cuando una
persona es propietaria de muchas parcelas distintas), pero no soporta bien las relaciones
muchos-a-muchos, ya que su estructura lógica permite que cada hijo tenga un solo padre.
2- El modelo de red.
Este modelo supera alguna de las rigideces del modelo jerárquico. Cada objeto puede tener
relaciones con varios de niveles superiores (padres) y no es necesario que exista una raíz
única, por lo que el modelo de red soporta las relaciones muchos-a-muchos. Un ejemplo
típico de este tipo de relaciones se da en el catastro de la propiedad, donde una parcela puede
tener varios propietarios y un propietario puede tener varias parcelas. Así, en el modelo de
red no es necesario recorrer varios niveles jerárquicos al realizar búsquedas, por lo que
resulta mucho más eficaz. Por otro lado, las redundancias tienden a ser menores que en el
modelo jerárquico, a la vez que se ofrece un modelo más complejo del mundo real.
3- El modelo relacional
Los datos se almacenan en tablas, en las que las filas corresponden a los distintos objetos y
las columnas a los atributos de esos objetos. Para que ningún objeto esté repetido existe una
columna que recibe el nombre de clave primaria o identificador. Las búsquedas se pueden
realizar sobre una tabla en base a cualquiera de los atributos o sobre varias tablas utilizando
atributos comunes (ver texto). Las principales ventajas del modelo relacional son su mayor
flexibilidad frente a los otros modelos (en el sentido de que el usuario puede crear nuevas
25
relaciones entre objetos en tiempo real), la simplicidad de la organización de los datos y la
minimización de los niveles de redundancia. En contrapartida su principal desventaja estriba
en que el tiempo de respuesta y el consumo de recursos tienden a ser mayor cuando es
necesario relacionar varias tablas entre sí.
26
4. Introducción al software ArcGIS
Hoy en día ArcGIS es una plataforma para trabajar con distintos dispositivos, desde
ordenadores personales, dispositivos móviles o desde la propia web.
ArcGIS Desktop
ArcGIS Desktop es el producto principal que utilizan los profesionales SIG para compilar,
usar y administrar la información geográfica. Incluye aplicaciones SIG profesionales y
completas que admiten diversas tareas SIG, incluidas la representación cartográfica, la
compilación de datos, el análisis, la administración de geodatabase y el uso compartido de
información geográfica.
27
ArcGIS Desktop es la plataforma que los profesionales SIG utilizan para administrar sus
flujos de trabajo y proyectos SIG, y para crear datos, mapas, modelos y aplicaciones. Es el
punto de partida y la base de la implementación de SIG en organizaciones y en la Web.
En ArcGIS Desktop, estas aplicaciones se utilizan para crear y trabajar con varios tipos de
información geográfica. Por ejemplo, puede crear documentos de mapa en la aplicación
ArcMap, documentos de globo terráqueo en la aplicación ArcGlobe y modelos de
geoprocesamiento en la aplicación ModelBuilder, para trabajar con todos ellos.
Al utilizar ArcGIS Desktop, trabajará con varios elementos de información SIG, por ejemplo:
Geodatabases
ArcMap es la aplicación principal que se utiliza en ArcGIS for Desktop para la representación
cartográfica, edición, análisis y administración de datos. ArcMap se utiliza para el trabajo de
representación cartográfica y visualización 2D.
28
ArcGlobe se utiliza en la visualización 3D ininterrumpida de datos geográficos mediante una
vista global continua. Esta aplicación está diseñada para su uso con datasets muy grandes
que se visualizan con distintos niveles de detalle. ArcGlobe forma parte de la
extensión Extensión 3D Analyst de ArcGIS.
ArcScene se utiliza para la visualización 3D de escenas o áreas concretas. Crea una vista de
escena 3D por la que se puede desplazar y con la que puede interactuar en áreas cerradas de
su interés. ArcScene también forma parte de la Extensión 3D Analyst de ArcGIS.
29
5.2 Introducción al interfaz de ArcMap
1. Vista de datos
Cada vista le permite obtener una perspectiva del mapa y modo de interactuar con el mismo
específicos.
Marco de datos
El marco de datos muestra una serie de capas dibujada en un orden determinado para una
extensión de mapa y proyección de mapa determinadas. En la tabla de contenido del lado
izquierdo de la ventana de mapa se muestra la lista de capas del marco de datos.
30
Tabla de contenido
Diseños de página
31
Ventana Catálogo
ArcMap, ArcGlobe y ArcScene contienen una ventana Catálogo que se utiliza para organizar
y administrar diversos tipos de información geográfica en colecciones lógicas, por ejemplo,
los datos, mapas y resultados de los proyectos de SIG con los que trabaja en ArcGIS.
La ventana Catálogo proporciona una vista de árbol de las carpetas de archivos y las
geodatabases. Las carpetas de archivos se utilizan para organizar los documentos y archivos
de ArcGIS. Las geodatabases se utilizan para organizar los dataset SIG.
32
33
5. Producción de mapas. Salida gráfica y web.
En este tema se describen algunas de los conceptos y tareas clave para trabajar con diseños
en ArcMap.
El primer paso en ArcMap es cambiar la vista del mapa a diseño, ya sea seleccionando Vista
de composición de mapa en el menú Vista o haciendo clic en el botón Vista de
composición de mapa en la esquina inferior izquierda de la visualización del mapa.
34
Cuando esté trabajando en la vista de diseño, puede configurar las dimensiones de la página
y empezar a agregar elementos de mapa. Utilice el menú Insertar para seleccionar
elementos de mapa para agregarlos al diseño.
Cuando agregue elementos de mapa, puede editar sus propiedades, tamaño, aspecto, etc. y
organizarlos en la página con otros elementos de mapa. Cuando haya finalizado este trabajo
en el diseño, puede imprimir el mapa o crear otros tipos de formatos de salida: archivos PDF,
archivos PostScript o archivos de Illustrator.
¿El mapa será independiente o formará parte de una serie de mapas que comparten un
diseño similar? Si el mapa tiene varias páginas, debería considerar utilizar páginas
controladas por datos.
¿Qué tamaño tendrá el mapa impreso? Utilice esto para establecer el tamaño de página del
diseño. Encontrará más información al respecto en la sección Establecer el tamaño de página
del diseño de mapa, a continuación.
¿Tendrá el mapa otros elementos tales como título, flecha de norte y leyenda?
¿Contendrá el mapa gráficos o informes para complementar la vista geográfica de los datos?
Empiece por establecer el tamaño de página del diseño y sus dimensiones. Vea Establecer el
tamaño de página del diseño de mapa, a continuación.
Cree, edite y simbolice los datos como resulte adecuado en los marcos de datos.
En la vista de diseño, haga clic en el menú Insertar para agregar elementos al diseño. Si tiene
más de un marco de datos en el mapa, los elementos que inserte estarán relacionados con el
marco de datos activo (para activar un marco de datos, haga clic con el botón derecho en su
nombre y elija Activar).
35
Al agregar elementos de mapa (por ejemplo, una
barra de escala), el mapa refleja las actualizaciones.
Puede seleccionar, recolocar y modificar elementos
del mapa. Haga clic con el botón derecho en un
elemento seleccionado para acceder a su menú de
acceso directo y establecer opciones adicionales.
Dado que una composición es el orden de elementos de mapa de varios tipos en una página
para impresión, uno de los pasos iniciales obvios en la construcción de la composición es
establecer el tamaño de página deseado con el cuadro de diálogo Configuración de Página e
Impresión. De manera predeterminada, cuando crea un mapa nuevo en ArcMap y elijeMapa
en blanco, las dimensiones de la composición de página se establecen al tamaño de página
predeterminado de la impresora.
Haga clic en Archivo > Configuración de Página e Impresión en el menú principal para abrir
el cuadro de diálogoConfiguración de Página e Impresión.
36
De manera predeterminada, el tamaño de página de su composición para un mapa en blanco
se establecerá al tamaño de papel de la impresora (por ejemplo, 8,5 por 11 pulgadas).
Nota:
Para establecer su propio tamaño de página, desmarque la casilla de verificación Utilice las
propiedades de papeles para impresora para establecer el tamaño de página de su
configuración. Si desmarca esta opción, puede elegir cualquiera de las dimensiones de página
que desee, pero el nombre de la impresora no se guardará en el documento de mapa (.mxd).
37
O bien, puede seleccionar un tamaño de página estándar de la lista desplegable Tamaños
estándar, como por ejemplo ANSI C, Architectural D, o ISO A2.
Una vez que cambió el tamaño de página de la composición, deberá cambiar el tamaño de
todos los elementos del mapa y reposicionarlos para que se ajusten a las nuevas dimensiones
de la página. Es necesario hacer esto incluso si está trabajando con un mapa completamente
nuevo y todavía no ha agregado elementos o capas de mapa.
El Tamaño Página de Mapa está vinculado al Tamaño del papel de la impresora actual
siempre que la casilla de verificación Utilice las Propiedades de Papeles para Impresoraesté
seleccionada. De manera predeterminada, esta opción está seleccionada para los mapas
nuevos que se crearon con la opción Mapa en blanco en los cuadros de diálogoNuevo
documento o ArcMap: Introducción . En los ejemplos a continuación, la configuración de la
impresora Tamaño del papel utilizado como la opción predeterminada para ArcMap es de
8,5 x 11 pulgadas. Sin embargo, el Tamaño Página de Mapa se ha desvinculado del tamaño
original de 8,5 x 11 y se ha configurado a una página más grande de 22 x 34. El marco de
datos iniciales se ubicó en la composición basándose en el tamaño de página original, más
pequeño. Entonces, después de cambiar el Tamaño Página de Mapa, deberá utilizar la vista
de composición en ArcMap para volver a ordenar la composición. Reposicione el marco de
datos y los elementos de composición de manera que funcionen bien con el nuevo tamaño
de página.
38
Algunos elementos de mapa están relacionados con los datos de marcos de datos. Las flechas
de norte, barras de escala, texto de escala y leyendas son ejemplos de tales elementos.
Obtenga información sobre otros elementos de mapa, tales como títulos; elementos gráficos,
imágenes y bordes interiores; informes y gráficos.
Cada elemento de mapa tiene un nombre que se utiliza para identificar el elemento. Por
ejemplo, cuando el diseño está en modo de borrador, cada elemento se dibuja como un marco
vacío que contiene el nombre del elemento. De forma predeterminada, el nombre se basa en
el tipo de elemento, tal como Línea de la escala o Flecha de norte, pero puede cambiarlo por
un nombre único o más descriptivo en la ficha Tamaño y Posición del cuadro de
diálogo Propiedades del elemento. El nombre del elemento también es muy importante para
las secuencias de comandos de automatización de mapas que utilizan el
módulo arcpy.mapping. Las secuencias de comandos de automatización de mapas utilizan
los nombres de los elementos para identificar qué elementos modificará la secuencia de
comandos.
Los elementos de mapa no siempre tienen el tamaño que se desea cuando se agregan a un
mapa. Puede cambiar el tamaño de los elementos de mapa seleccionándolos y arrastrando
los controladores de selección. Al arrastrar un controlador alejándolo de un elemento, el
elemento se amplía, mientras que al arrastrar un controlador acercándolo a un elemento, el
elemento se reduce. Solo se puede cambiar el tamaño, la posición y el marco de un elemento
una vez colocado en el mapa. Si hace clic en Propiedades mientras está dentro del cuadro de
39
diálogo de configuración inicial de una barra de escala, por ejemplo, no verá la ficha Tamaño
y Posición ni la ficha Marco.
Flechas de norte
Las flechas de norte indican la orientación del mapa. Un elemento de flecha de norte
mantiene una conexión con un marco de datos. Cuando se gire ese marco de datos, el
elemento de flecha de norte girará con él.
Barras de escala
Las barras de escala proporcionan una indicación visual del tamaño de las entidades y las
distancias entre las entidades en el mapa. Una barra de escala es una línea o una barra
dividida en partes y etiquetada con su longitud sobre el terreno, normalmente en múltiplos
de las unidades del mapa, tales como decenas de kilómetros o centenares de millas. Si se
amplía o se reduce el mapa, la barra de escala continúa siendo correcta.
Al agregar una barra de escala a un mapa, es posible que el número y el tamaño de las
divisiones no sean exactamente los que se desean. Por ejemplo, quizá desee mostrar cuatro
divisiones en lugar de tres o mostrar 100 metros por división en lugar de 200. También es
posible que desee desear cambiar las unidades que muestra la barra de escala o ajustar cómo
se representan esas unidades. Puede ajustar muchas características de una barra de escala
en el cuadro de diálogo Scale Bar Properties.
Al agregar una barra de escala a un mapa, es posible que las etiquetas de número y las marcas
no sean exactamente las que se desean. Por ejemplo, quizá desee etiquetar los extremos de
la barra de escala pero no las divisiones, o marcas mayores en las divisiones principales de
la barra que en las secundarias.
De forma predeterminada, la etiqueta de las unidades de una barra de escala es igual que las
unidades de la barra de escala. En ocasiones, quizá desee cambiar la etiqueta de la barra de
escala, por ejemplo, de Kilómetros a km. Solo tiene que escribir la nueva etiqueta de la barra
de escala en el cuadro de texto Etiqueta.
Texto de escala
También puede representar la escala del mapa con texto de escala. El texto de escala indica
la escala del mapa y las entidades del mapa. El texto de escala indica al lector de un mapa
cuántas unidades de terreno representa una unidad del mapa: por ejemplo, un centímetro
es igual a 100.000 metros.
El texto de escala también puede ser una proporción absoluta independiente de las unidades,
tal como 1:24.000. Esto significa una unidad en el mapa es igual a 24.000 de las mismas
unidades sobre el terreno. La ventaja del texto de escala absoluto es que los lectores del mapa
pueden interpretarlo con cualquier unidad que deseen.
Una desventaja del texto de escala es que si se duplica una copia impresa del mapa en otra
escala (si se amplía o se reduce), el texto de la escala será erróneo. Las barras de escala no
padecen esta limitación. Muchos mapas tienen tanto texto de escala como una barra de z
Leyendas
40
Una leyenda indica al lector del mapa el significado de los símbolos utilizados para
representar las entidades en el mapa. Las leyendas constan de ejemplos de los símbolos del
mapa con etiquetas que contienen texto explicativo. Cuando se utiliza un único símbolo para
las entidades de una capa, la capa se etiqueta con el nombre de la capa en la leyenda. Cuando
se utilizan varios símbolos para representar las entidades en una única capa, el campo
utilizado para clasificar las entidades se convierte en un encabezado en la leyenda y cada
categoría se etiqueta con su valor.
Las leyendas tienen superficies que muestran ejemplos de los símbolos del mapa. De forma
predeterminada, las superficies de la leyenda son puntos, líneas rectas o rectángulos que
coinciden con los símbolos del mapa. Puede personalizar las superficies de la leyenda, por
ejemplo, de modo que las áreas se representen con superficies de otra forma o que los ríos
se dibujen con una línea ondulada en lugar de una línea recta.
Para obtener más información, vea trabajar con formas de superficie de leyenda.
Cuando hay más de un marco de datos, al insertar una leyenda se agrega una leyenda para el
marco de datos seleccionado. Cada leyenda corresponde a un único marco de datos, aunque
es posible disponer varias leyendas juntas como una leyenda única para un mapa complejo.
Puede cambiar el símbolo de texto utilizado por varios elementos de leyenda utilizando la
ficha Elementos del cuadro de diálogo Propiedades de leyenda. Puede cambiar el símbolo de
texto de todos los elementos de la leyenda o solo los seleccionados en la lista. Una lista
desplegable permite elegir las partes de los elementos de la leyenda a los que se desea aplicar
el símbolo de texto. Si desea que la descripción esté en más de una línea, inserte un salto de
línea presionando CTRL+ENTRAR mientras se encuentra en la Descripción del cuadro de
diálogo Leyenda.
Puede editar el texto de las etiquetas que aparecen en la leyenda cambiando el texto en la
tabla de contenido de ArcMap o en la ficha Simbología del cuadro de diálogo Propiedades de
capa. El texto de la leyenda se puede formatear con etiquetas de formato de texto de ESRI.
Si desea que aparezca en la leyenda una descripción adicional de las capas de símbolo único,
elija un estilo de elemento de leyenda que incluya una descripción. Para agregar una
descripción, haga clic con el botón derecho en la capa a la que desee agregar el texto
descriptivo en la tabla de contenido, haga clic en Propiedades y, a continuación, haga clic en
la ficha Simbología en el cuadro de diálogo Propiedades de capa. Si está utilizando el método
de Símbolo único, haga clic en el botón Descripción. Si está utilizando un método de dibujo
diferente de Gráficos, haga clic con el botón derecho en un símbolo tras haber especificado
sus opciones de simbología y haga clic en Editar descripción. El texto que escriba aparecerá
junto a ese símbolo en la leyenda; el texto no aparecerá en la tabla de contenido.
Transparencia en leyendas
Si tiene capas con transparencia en el mapa, ArcMap simulará los colores transparentes en
la leyenda. Cuando las capas de un marco de datos se hacen transparentes, la tabla de
41
contenido y las leyendas de la vista de composición utilizan automáticamente colores más
claros para reflejar la transparencia.
La opción para simular la transparencia en las leyendas se establece en la ficha General del
cuadro de diálogo Propiedades del marco de datos. Cuando esta opción está activada, una
capa dibujada con polígonos sólidos de color rojo brillante aparecerá en la leyenda con un
color rojo claro o rosa, dependiendo del porcentaje de transparencia aplicado a la capa. Sin
embargo, con la opción de simulación de transparencia desactivada, la leyenda continuará
mostrando el símbolo del polígono en rojo, aunque los polígonos no aparezcan en rojo en el
mapa porque la capa es transparente.
De forma predeterminada, esta configuración está desactivada (no marcada) en los mapas
creados con versiones de ArcGIS anteriores a la 9.3, pero puede activarla si lo desea. Esta
configuración se activa automáticamente en los nuevos marcos de datos que se crean en
documentos de mapa existentes.
Además, puede convertir la leyenda en gráficos y especificar manualmente los colores de las
superficies de leyenda. Con la herramienta Identificador de colores, puede obtener el valor
RGB exacto de un píxel y utilizar ese color para la superficie de leyenda.
Marcos
Ciertos elementos de mapa, entre ellos las barras de escala, el texto de escala, las flechas de
norte, las leyendas y los marcos de datos, pueden tener marcos. Los marcos permiten
elegir Borde, Fondo y Sombra para el elemento. Puede utilizar marcos para separar
elementos de mapa de otros elementos o del fondo del mapa. También puede utilizar los
marcos para vincular visualmente elementos de mapa a otras partes del mapa utilizando
marcos similares para los elementos relacionados.
Quizá desee convertir un elemento de mapa, tal como una leyenda, en gráficos si desea un
control más preciso sobre cada elemento que compone el elemento de mapa.
Es importante tener en cuenta que una vez convertido un elemento de mapa en un gráfico,
dejará de estar conectado a los datos originales y no responderá a los cambios realizados en
el mapa. Por ejemplo, con un elemento de leyenda, si decide agregar otra capa al mapa una
vez convertida la leyenda en un gráfico, la leyenda no se actualizará automáticamente.
Tendrá que eliminarla y reconstruirla de nuevo utilizando el Asistente de leyenda. Por
consiguiente, es una buena idea no convertir los elementos en gráficos hasta haber finalizado
la simbología y las capas del mapa.
42
Puede desagrupar más los gráficos de leyenda para poder editar los elementos individuales
(las superficies, el texto, etc.) que componen la leyenda.
A menudo, la impresión de mapas puede ser más compleja que la simple impresión de
documentos de procesamiento de texto o de presentaciones de PowerPoint. Los archivos de
mapa pueden tener tamaños muy grandes y consumir temporalmente grandes espacios del
espacio del disco mientras se realiza la impresión. Además, las dimensiones de la página de
la composición de mapa pueden exceder el tamaño del papel de impresora. Este tema cubre
una serie de consideraciones y opciones disponibles para imprimir mapas en ArcGIS.
Es probable que su organización SIG tenga impresoras para tamaños de páginas más grandes
que las impresoras de oficina de formato pequeño. Un importante paso inicial será realizar
una referencia a la impresora de formato grande en ArcGIS. Para cambiar la impresora, abra
el cuadro de diálogo Configuración de Página e Impresión y use la lista
desplegableNombre para establecer la impresora actual.
Dado que una composición es el orden de elementos de mapa de varios tipos en una página
para impresión, uno de los pasos iniciales obvios en la construcción de la composición es
establecer el tamaño de página deseado con el cuadro de diálogo Configuración de
Página e Impresión. De manera predeterminada, cuando crea un mapa nuevo en ArcMap
y elijeMapa en blanco, las dimensiones de la composición de página se establecen al
tamaño de página predeterminado de la impresora.
43
De manera predeterminada, el tamaño de página de su composición para un mapa en blanco
se establecerá al tamaño de papel de la impresora (por ejemplo, 8,5 por 11 pulgadas).
Nota:
Para establecer su propio tamaño de página, desmarque la casilla de verificación Utilice las
propiedades de papeles para impresora para establecer el tamaño de página de su
configuración. Si desmarca esta opción, puede elegir cualquiera de las dimensiones de página
que desee, pero el nombre de la impresora no se guardará en el documento de mapa (.mxd).
44
O bien, puede seleccionar un tamaño de página estándar de la lista desplegable Tamaños
estándar, como por ejemplo ANSI C, Architectural D, o ISO A2.
Una vez que cambió el tamaño de página de la composición, deberá cambiar el tamaño de
todos los elementos del mapa y reposicionarlos para que se ajusten a las nuevas dimensiones
de la página. Es necesario hacer esto incluso si está trabajando con un mapa completamente
nuevo y todavía no ha agregado elementos o capas de mapa.
45
46
6. Análisis Ráster
6.1. Introducción
Término Descripción
47
Una celda es la unidad de información más pequeña en datos ráster. Cada celda
representa el valor numérico de alguna medida en la ubicación del área de
unidad correspondiente en la tierra.
Las celdas normalmente tienen forma cuadrada. El área que cada celda
Celda representa depende de la resolución del ráster. Las celdas ráster de alta-
resolución (en gran escala) representarían áreas pequeñas, medidas en
unidades tan pequeñas como metros cuadrados. Las celdas en un ráster de
resolución más baja (pequeña escala) representan el valor uniforme de un área
más grande, como hectáreas o kilómetros cuadrados.
48
Un grupo de píxeles de una imagen que representa el mismo objeto en la
Clase
superficie de la tierra.
6.2. Visualización
49
6.3. Operaciones Locales
Algunas de las operaciones que realizan los SIG raster no tienen en cuenta la relación
de cada celda con las demás, sino que cada celda se considera aisladamente. Se trata de
obtener un nuevo mapa en el que el valor de cada celda depende de los datos asociados a esa
celda. En este sentido se pueden diferenciar dos posibilidades:
1- Que las operaciones para generar los nuevos valores se basen en los valores
existentes en una sola capa (operaciones de recodificación o reclasificación).
2- Que dichas operaciones se basen en los valores existentes en varias capas, que
son combinados celda a celda (operaciones de superposición de mapas).
7.3.1 Reclasificación
Se trata de una operación local a partir de una capa o mapa fuente. Por lo tanto, a
partir del valor de cada celda en el mapa fuente se obtiene el valor que corresponde a esa
misma celda en el mapa resultante. Antes de recodificar una variable debe considerarse su
naturaleza, ya que algunas operaciones de reclasificación pueden no tener sentido ante
determinados tipos de variables. Existen básicamente los siguientes tipos de reclasificación:
A) En variables cualitativas
1- Recodificación de clases.- Consiste en recodificar las clases del mapa fuente una
por una. Así, por ejemplo, en un mapa de usos del suelo de una región pueden
existen 70 clases y, sin embargo, en la hoja con la que nosotros trabajamos sólo
aparecen 5: las clases 23, 35, 50, 54 y 59. Para generar cartografía puede tener
sentido recodificar esas clases con las nuevas etiquetas de 1, 2, 3, 4 y 5.
B) En variables cuantitativas
2- Operaciones matemáticas.- Los valores del mapa final se obtienen a partir de los
valores del mapa original, mediante una ecuación que puede incluir cualquier
50
función matemática (suma, resta, multiplicación, división, potencias, raíces,
etc.) o trigonométrica.
Se trata de una operación local a partir de dos o más mapas fuente: el valor de cada
celda en el mapa final depende de los valores de esa misma celda en los mapas fuente.
Los valores de los mapas fuente se pueden combinar por medio de operaciones
aritméticas o utilizando condiciones lógicas, lo que da lugar a la diferenciación de dos tipos
de superposición de mapas:
A) Superposición lógica
Como se trata de una operación de superposición lógica, los mapas fuente deben ser
binarios.
2- O lógico.- Se trata de identificar las áreas donde se cumple una de las dos
condiciones (la primera O la segunda). Cuando de lo que se trata es de conocer
las celdas donde se cumplen alguna de las dos condiciones (la primera O la
segunda), la superposición se lleva a cabo sumando los valores de las dos capas,
celda a celda. El mapa resultante muestra el valor 2 donde se cumplen ambas
condiciones, el 1 donde sólo se cumple una de ellas y el 0 donde no se cumple
ninguna. Si de lo que se trata es de conseguir un mapa binario, dado que tanto
en el valor 1 como en el 2 se cumplen alguna de las dos condiciones, sería
51
necesario reclasificar los valores: el 1 y el 2 se codifican como 1 (se cumple
alguna de las dos condiciones) y el 0 se mantiene como 0 (no se cumple ninguna
de las dos).
B) Superposición aritmética
En este caso se trata de combinar dos o más capas, celda a celda, mediante una
ecuación matemática. En estas ecuaciones puede incluirse cualquier tipo de operación
matemática: suma, resta, multiplicación, división, raíces, potencias, funciones
trigonométricas...
En ArcGIS, la herramienta Calculadora ráster ejecuta las expresiones del Álgebra de mapas.
La herramienta tiene una interfaz de calculadora fácil de utilizar desde la cual se crean la
mayoría de declaraciones del Álgebra de mapas simplemente al hacer clic en los botones. La
Calculadora ráster se puede utilizar como una herramienta independiente, pero también en
ModelBuilder. Como resultado, la herramienta permite integrar la potencia del Álgebra de
mapas en el ModelBuilder.
C) Combinación de celdas
Se trata de cruzar los valores de dos capas para obtener las correspondientes
combinaciones (equivalentes a tabulaciones cruzadas en estadística). Si, por ejemplo, una
capa contiene los valores del 1 al 3 (intervalos de pendiente: débil, media y fuerte) y otra los
valores del 1 al 2 (cultivos y bosques), se obtendrán todos los cruces: 1-1 (pendiente débil
sobre cultivos), 1-2 (pendiente débil sobre bosque), 2-1 (pendiente media sobre cultivos), 2-
2 pendiente media sobre bosque), etc.
52
6.4. Operaciones de vecindad inmediata
Son operaciones en las que el valor de una celda en un nuevo mapa está en función
de los valores de las celdas situadas en su vecindad inmediata, es decir, las celdas contiguas
a ella, ya sea a través de un lado o a través de un vértice común.
A partir de una capa en la que se registra la altitud de cada celda (un modelo digital
del terreno ráster) es posible calcular automáticamente el valor de las pendientes y su
orientación. Se trata de una operación de vecindad inmediata: se trabaja con ventanas de 3
x 3 celdas de manera que el valor de la celda central de la ventana se obtiene a partir del
cálculo del valor de las pendientes existentes entre esa celda y las celdas vecinas. El valor y
la orientación de las pendientes son variables utilizadas en multitud de aplicaciones (pautas
de distribución de la vegetación, modelos de erosión, delimitación de cuencas hidrográficas,
capacidad de acogida de nuevos usos, etc.). Por otro lado, la orientación de las pendientes
permite conocer la dirección del flujo del agua sobre la superficie de la tierra y, en
consecuencia, delimitar cuencas de drenaje.
53
Cálculo de Pendientes (Slope) Cálculo de Orientaciones del terreno (Aspect)
Sombreado del relieve. Esta es una técnica cartográfica clásica, según la cual se
supone que existe un foco luminoso, generalmente en el noroeste y con un ángulo de 45
grados sobre la horizontal, que ilumina la superficie representada en el mapa produciendo
un efecto de sombreado: las celdas, de acuerdo con su pendientes y orientación, reciben los
rayos de luz con mayor o menor intensidad o incluso quedarán en sombra. El resultado es
un nuevo mapa cuyos valores expresan distintas intensidades de iluminación.
Sobre el mapa de orientación de las pendientes se puede determinar hacia qué celda de las
ocho vecinas vierte el agua de lluvia que cae sobre una celda dada. Si la orientación de la
pendiente en esa celda es la sur, el agua de escorrentía de esa celda se dirigirá hacia la celda
vecina del sur. En el caso de que la orientación se exprese en grados, el flujo se producirá
hacia la celda que se encuentre en el punto cardinal cuyo valor se aproxime más al valor de
la orientación de la pendiente. Así, por ejemplo, si el valor de la orientación es de 85 grados,
el valor del punto cardinal más próximo es el del este (90 grados), por lo que se asume que
el agua fluirá hacia la celda contigua en dirección este. Esta operación debe realizarse para
cada celda, de manera que finalmente se pueda conocer la dirección del flujo en todas las
celdas del mapa. Una vez finalizado este proceso, el SIG puede determinar qué celdas vierten
el agua de escorrentía hacia una celda o celdas dadas y delimitar cuencas de drenaje.
54
También se puede calcular el flujo acumulado sobre una celda dada en función de la cantidad
de agua que aportan las celdas que directa o indirectamente vierten sobre ella.
55
de las celdas que tienen distinto número de fila y de columna, la distancia se calcula mediante
el teorema de Pitágoras según:
2
d = d f + d c2
donde
Así, por ejemplo, la distancia entre la celda situada en la primera fila y primera
columna y la situada en la segunda fila y tercera columna será
2
d = d f + d c2 = 302 +602 = 67
56
Los polígonos de Thiessen se generan a partir de un conjunto de puntos
previamente definidos (en su caso representados mediante celdas), de forma que cada celda
queda asignada al punto más próximo a ella. Lógicamente resultan tantos polígonos (zonas)
como puntos se hayan fijado previamente. El resultado final es una división del espacio en
polígonos que recibe el nombre de teselación Voronoi, en la que los límites entre los
polígonos son equidistantes con respecto a los puntos vecinos. Cada uno de esos polígonos
es realmente una zona, que se puede reconocer por el hecho de que sus celdas presentan un
mismo valor.
También se puede recurrir a una teselación Voronoi cuando se trabaja con datos
muestrales y se desconoce cuál es el valor de la variable en cuestión en un punto diferente al
muestral. Por ejemplo, si se han tomado un conjunto de muestras para medir el Ph del suelo,
el valor de cada punto muestral se asigna a todas las celdas del polígono, es decir, el pH de
cualquier celda del polígono se considera igual al del correspondiente punto muestral.
57
transporte tan elevado que en la práctica se comporten como si se tratara de barreras
absolutas.
En este caso se utiliza como distancia base no la euclidiana, sino la que resulta de
atravesar sucesivamente celdas contiguas: si el movimiento se produce por los lados, la
distancia equivale a la resolución; si se produce por los vértices, equivale a la resolución
multiplicada por 1,4. Para tener en cuenta las características del territorio, cada paso de
una celda a otra se pondera en función del valor que tienen las celdas en la superficie de
fricción. De esta forma, se produce una distorsión en las aureolas que se generan al
calcular los costes con respecto a una celda o punto dado y al hacer un análisis de
proximidad sobre esos datos.
58
A partir de un mapa de elevaciones del terreno es posible determinar qué celdas son
visibles y no visibles desde una determinada celda (punto) o grupo de celdas (o puntos). El
resultado es un mapa en el que se diferencian las primeras de las segundas mediante un
determinado código (por ejemplo, 1 para las áreas visibles y 0 para las no visibles), de forma
que se delimitan cuencas visuales de forma automática. Para ello el sistema traza líneas de
visión en todas direcciones, de forma que puede determinar si dos celdas son visibles entre
sí o si por el contrario existe algún obstáculo entre ellas que impide la intervisibilidad.
Se trata simplemente de efectuar cálculos sobre una capa en función de las zonas (celdas con
un mismo valor) de otra capa. Lógicamente la primera es cuantitativa (como la altitud) y la
segunda cualitativa (como uso del suelo). Así, por ejemplo, se le puede pedir al sistema que
calcule la altitud media según usos del suelo.
59
7. Análisis Vectorial
Los sistemas vectoriales tienen una serie de utilidades que permiten confeccionar
mapas de alta calidad: paletas de color y de tramas, símbolos, posibilidad de representación
de una o más variables al mismo tiempo, escala gráfica, tipos de letras distintos para los
títulos y la leyenda, etc. Los mapas pueden ser presentados en la pantalla o impresos en papel
mediante periféricos de distintos tipos (ver anexo 2).
A) Mapas de puntos
Cuando los objetos espaciales de una capa son puntos, sus atributos se
pueden representar de distinta forma. Si la variable es cualitativa, se suelen utilizar signos
distintos para señalar la presencia de distintos tipos de entidades (por ejemplo, tipos de
comercios) o un mismo signo con distintos colores.
En el caso de las variables cuantitativas, se suelen producir mapas en los que los objetos
puntuales se representan mediante círculos proporcionales: el tamaño del círculo es
proporcional al valor que registra el objeto puntual en la variable en cuestión.
Evidentemente se pueden combinar en un mismo mapa criterios cualitativos y cuantitativos
60
(colores para indicar los tipos de comercios y círculos proporcionales para señalar el número
de sus empleados).
B) Mapas de líneas
C) Mapas de polígonos
61
E) Tablas y resúmenes numéricos
• Merge (fusión)
• Dissolve
Operaciones de superposición:
• Erase / Update
• Symmetrical Deifference
Merge
Para capas contiguas, normalmente hojas en una serie de mapas, permite fusionarlas en una
única capa.
62
Dissolve
Clip
Multipart to singlepart
Individualiza los elementos presentes en el archivo. Se usa para puntos, líneas o polígonos.
63
Unión
Combina la geometría y los datos de todas las capas y la convierte en una sola capa. Se usa
solo para polígonos.
Erase
Intersect
64
Identidy
Se cruzan dos capas y las proporciones comunes en la capa de entrada adquieren los
atributos de la capa que se sobrepone.
65
8.4 Mediciones espaciales sobre objetos
Los objetos lineales y poligonales poseen ciertas propiedades espaciales que pueden
ser medidas (apartado 2.1.2). Entre las propiedades de las líneas figuran la longitud y la
sinuosidad, y entre las propiedades de los polígonos el área y el perímetro. Otras mediciones
que se pueden realizar sobre los objetos no se refieren a sus propiedades, como ocurre con
el centroide del polígono.
- Longitud
Una línea está compuesta por uno o varios segmentos rectos (figura 5.4). A partir de
las coordenadas de los puntos que marcan la localización de los segmentos se puede calcular
fácilmente la longitud de éstos recurriendo al teorema de Pitágoras (ver apartado 4.5.1). En
consecuencia la longitud total de una línea será igual a la suma de las longitudes de los
segmentos que la componen. En las capas de líneas normalmente este dato es calculado
automáticamente por el sistema y almacenado como atributo espacial en la base de datos.
- Sinuosidad
Otra magnitud interesante en relación a las líneas es la distancia que separa a sus
puntos extremos. Ésta puede calcularse fácilmente por medio del teorema de Pitágoras, una
vez identificados sus puntos extremos. El cociente entre la longitud de la línea y la distancia
entre sus extremos es una medida habitual de sinuosidad. El valor más bajo posible (igual a
1) se obtendrá cuando ambos valores coincidan, es decir, cuando la línea esté compuesta por
un sólo segmento; a medida que aumente el valor de dicho cociente mayor será la sinuosidad
de la línea.
Perímetro y área
Dado que un polígono está enmarcado por una sucesión de líneas, su perímetro será
igual a la suma de las longitudes de esas líneas.
El cálculo del área es más complicado, dado que habitualmente no se trabaja con
polígonos regulares. Se puede llevar a cabo mediante un conocido algoritmo que se basa en
la descomposición del polígono en trapezoides (NCGIA, 1990 y Bosque, 1992). En numerosos
sistemas ambas magnitudes (perímetro y área) son calculadas automáticamente y
almacenadas en la base de datos como atributo espacial de los objetos poligonales.
Centroides
66
El centroide de un polígono es su punto central. Este puede ser calculado
fácilmente hallando las medias de las coordenadas X e Y de los distintos vértices del polígono
(figura 5.7). Pero éste método puede plantear problemas en polígonos cuyos vértices se
encuentran muy irregularmente repartidos. En algunas ocasiones este problema puede ser
solucionado con la operación de simplificación de líneas, ya que muchos de esos vértices
podrían ser redundantes; pero en otras ello es simplemente un reflejo de la realidad, es decir,
el contorno es más irregular en unas partes del polígono que en otras. En tal caso existen
otras soluciones más complejas que pueden encontrarse en NCGIA (1990) y Bosque (1992).
Un SIG puede ser utilizado como herramienta de análisis, pero también simplemente
como instrumento de consulta. En multitud de aplicaciones, especialmente en las de tipo
inventario, las consultas a la base de datos constituyen una operación de una importancia
capital. Piénsese en un SIG municipal, en el que constantemente se está requiriendo del
sistema información relacionada con la gestión urbanística (uso del suelo, edificabilidad,
impuestos municipales, etc.), o en un inventario de carreteras, donde se consultan cuestiones
relacionadas con su mantenimiento (año de asfaltado, señalización, estado de las
estructuras, etc.).
Las consultas a la base de datos se pueden hacer en dos direcciones: desde la base
de datos de atributos o desde el mapa digital.
En la base de datos se seleccionan los objetos espaciales que cumplen una o varias
condiciones fijadas por el usuario y esos objetos pueden ser visualizados en la pantalla.
Generalmente lo que se quiere es conocer DÓNDE se localizan esos objetos. Por ejemplo, si
tenemos una capa con polígonos, se le puede pedir al sistema que seleccione aquellos
polígonos cuyo uso del suelo sea "industrial". Si la información sobre el uso del suelo está
contenida en la variable "USO" y el código asignado al suelo industrial es el 8, habrá que
pedirle al sistema que seleccione aquéllos objetos en los que se cumpla la condición "USO =
8".
- Aritméticos: =, -, *, /
Estos operadores se pueden combinar para realizar selecciones más complejas. Así,
en el ejemplo anterior, se le puede pedir al sistema que seleccione las parcelas de uso
industrial con una superficie superior a los 1.000 metros cuadrados (figura 5.8). Se trata de
67
dos condiciones, una referente a la variable "USO" en la que se utiliza un operador aritmético
(USO = 8) y otra referente a la variable "AREA" en la que se utiliza un operador relacional
(AREA > 1000). Ambas condiciones quedan enlazadas por el operador booleano AND, lo que
significa que sólo se seleccionan los registros que cumplan ambas condiciones (USO = 8 AND
AREA > 1000). Una vez realizada la selección se le puede pedir al sistema que presente en
un mapa los objetos seleccionados (figura 5.8). En este caso las dos variables se encuentran
en la misma tabla, pero no hay inconveniente en hacer operaciones de consulta a través de
varias tablas, relacionándolas a través de un campo común (RELATE) (ver subapartado
3.3.3).
- Dibujando un círculo con el ratón para que el sistema seleccione los objetos tocados
por el círculo o contenidos dentro del mismo. Para dibujar el círculo el usuario fija un punto
sobre el mapa y a partir de él marca un radio de una determinada longitud (por ejemplo, 15
kilómetros).
68
- Pidiendo al sistema que seleccione los polígonos contiguos a un polígono
previamente seleccionado, etc.
Dado que en un SIG vectorial los objetos espaciales están localizados mediante
coordenadas, no presenta ninguna dificultad especial el medir la distancia que les separa en
línea recta (distancia euclidiana) recurriendo al teorema de Pitágoras (ver apartado 4.5.1).
El caso más sencillo sería la medición de la distancia entre dos puntos, pero también se puede
calcular la distancia entre cualquier par de objetos, independientemente de que sean puntos,
líneas o polígonos. El sistema puede responder a preguntas del tipo de cuál es la carretera
más cercana al lugar donde se ha producido un accidente de aviación (distancia entre punto
y línea) o cuál es el núcleo habitado más próximo al área en la que está ardiendo el bosque
(distancia entre polígono y polígono). Cuando en el cálculo de las distancias al menos uno de
los objetos es línea o polígono, se suele calcular la distancia "más corta" entre el par de
objetos, como en los dos ejemplos anteriores. Si se trata, más concretamente, de la distancia
entre dos polígonos, en algunas aplicaciones puede tener más sentido calcular la distancia
entre sus centroides (ver apartado 5.2.4), en tanto que estos representan la "localización
media" de los polígonos.
69
8.6.2 Análisis de proximidad
Cuando los objetos sobre los que se realiza el análisis de proximidad están muy
juntos o la distancia elegida es muy grande, las zonas de proximidad de los distintos objetos
pueden solaparse. En tal caso es muy útil recurrir a la operación de unión de objetos por
atributos . Supongamos que queremos calcular la superficie de una ciudad que queda servida
por la red de metro, entendiendo como tal el espacio que queda a menos de 1.000 m de una
estación. Si existen ocho estaciones, tras el análisis de proximidad podríamos tener ocho
círculos superpuestos, de manera que algunos lugares se encuentran servidos por más de
una estación. Como esos círculos son objetos poligonales, el sistema calcula
automáticamente su superficie. Sin embargo, la suma de la superficie de esos ocho nuevos
polígonos no es igual al área servida por la red de metro, debido al solapamiento de los
círculos. En tal caso se pueden unir esos objetos (mediante la operación de disolución y
fusión) para obtener un nuevo objeto poligonal cuya superficie es el área servida por la red
de metro.
Los resultados de los análisis de proximidad pueden ser sometidos a nuevos análisis.
Entonces es cuando queda patente la potencia de los SIG. En el ejemplo anterior puede tener
algún interés conocer cuál es la superficie servida por la red de metro (de acuerdo con los
70
criterios especificados anteriormente), pero resulta mucho más relevante calcular cuánta
población queda dentro de esas áreas de influencia marcadas en el análisis de proximidad.
Ello podría averiguarse por medio de una superposición de la capa que contiene las zonas de
proximidad con otra en la que se registre la población residente en las distintas secciones
censales (ver apartado 5.5).
- En primer lugar se debe generar una triangulación Delaunay a partir del conjunto
de puntos. Una triangulación de un conjunto de puntos es una triangulación Delaunay sólo
si la circunferencia circunscrita a cada triángulo no contiene ningún punto en su interior
(Weibel y Heller, 1991) (figura 5.12 A y B).
71
8.6 Superposición de mapas
72
8. Análisis de Redes
9.1 Introducción al análisis de redes
Una red está formada por un conjunto de arcos interconectados, a través de los
cuales es posible el movimiento de recursos de acuerdo con ciertas restricciones. Existen
redes de muy diversos tipos: de transporte, hidrográficas, telefónicas, eléctricas, de
abastecimiento de agua, de alcantarillado, etc. Pues bien, en un SIG vectorial se puede
representar una red y simular el movimiento de recursos sobre la misma. Dado que existen
redes de muy distintos tipos, las posibilidades de implementación de modelos de análisis de
redes son muy variadas. Así, por ejemplo, se puede implementar un modelo hidrológico que
simule el comportamiento de la corriente de un río o un modelo que calcule las pérdidas que
se producen a lo largo de una línea de transmisión eléctrica en función de la distancia.
Conceptos básicos:
Término Descripción
Nota:
Red de
En ArcGIS, las redes de transporte se modelan mejor mediante datasets de
transporte
red.
Precaución:
Si desea modelar una red fluvial o una red de servicios, tal como tuberías o
líneas de conducción, debe utilizar redes geométricas en lugar de datasets de
red.
Las entidades de origen son las entidades de puntos y líneas utilizadas para
crear un dataset de red. Pueden verse como la red física, que no tiene
Entidades de
topología incrustada dentro de las entidades. El dataset de red se puede ver
origen
como la red lógica, que incrusta relaciones topológicas necesarias para
realizar los análisis de red.
Dataset de red Cualquier análisis de red en ArcGIS Network Analyst requiere un dataset de
red, que es una red lógica. Quizá se pregunte por qué es necesario un dataset
de red si ya tiene una clase de entidad de línea que se parece a una red. La
razón es que las entidades de línea no saben inherentemente a qué están
conectadas, pero los elementos de red sí lo saben. Cuando se realiza un
73
análisis de red, el solucionador necesita digitalizar rápidamente una multitud
de elementos de red para deducir qué rutas de acceso puede tomar para
alcanzar un destino. Si tuviera que hacer referencia a entidades de línea
simples, necesitaría realizar operaciones espaciales que exigen mucho tiempo
para cada línea que inspeccionara; el proceso sería demasiado lento. Además,
la configuración de esquemas de conectividad complejos sería difícil, si no
imposible, de definir solo con entidades de línea. Como alternativa, cuando el
solucionador digitaliza un dataset de red, los elementos pueden proporcionar
la información precisa sin reducir tanto la velocidad del solucionador.
Elementos de Los dataset de red se componen de ejes, cruces y giros; estos componentes se
red conocen genéricamente como elementos de red.
Evaluadores Hay muchos evaluadores para cada atributo de red. Un atributo de red tiene
un evaluador único para cada elemento de red (cruces, ejes y giros) y cada una
de sus clases de entidad de origen. Además, hay dos evaluadores para cada
clase de entidad de origen de eje: uno para el lado de origen a destino de los
74
bordes, y otro para el lado de destino a origen. Por ejemplo, si se agrega un
atributo de coste a un dataset de red creado a partir de una clase de entidad
de calles y una clase de entidad de giros, puede haber un evaluador que
calcule los valores de atributo de coste para cada uno de los siguientes
elementos:
Giros
Hay varios tipos de evaluador, tales como evaluadores constantes que asignan
un valor único a todos los elementos de los evaluadores de campo y grupo que
puedan extraer valores de entidades de origen y asignarlos a sus elementos de
red correspondientes.
Las capas de análisis de red, o capas de análisis para abreviar, se pueden ver
como un marco para configurar y resolver un problema de red.
Por ejemplo, se crea una capa de análisis de ruta cuando se decide resolver un
problema de ruta (ruta de menor coste) en ArcMap. Se asocia
automáticamente al dataset de red activo. Además, la capa de análisis tiene
propiedades que permiten definir mejor el problema, tales como una
propiedad que permite especificar si las paradas se deben secuenciar de
Capa de
manera óptima o realizarse en el orden en que aparecen en la lista.
análisis de red
Las capas de análisis de red también contienen un conjunto de clases de
análisis de red predefinidas para el tipo de problema de red: las capas de
análisis de ruta contienen clases de análisis de red para paradas, rutas y
diversas barreras; las capas de análisis de origen-destino contienen orígenes,
destinos, líneas y barreras. Las clases de análisis, a su vez, contienen los datos
de entrada proporcionados y los datos de salida que proporciona la operación
de resolución.
Las clases de análisis de red son clases de entidad y tablas. Las entidades y
registros que contienen sirven como datos de entrada y salida para las capas
Clase de
de análisis de red; por ejemplo, en una capa de análisis de ruta, las paradas y
análisis de red
barreras proporcionadas y las entidades de ruta resultantes se almacenan en
clases de análisis de red.
75
Las clases de entidad del análisis de red se muestran en la tabla de contenido
de ArcMap como subcapas. No se mantienen en disco; en su lugar, se
almacenan en memoria y se guardan en el documento de mapa.
Ubicaciones de
Una ubicación de red puede hacer referencia a un objeto de anál
red
76
Las funcionalidades más populares dentro del análisis de redes son el cálculo de
caminos mínimos (routing) y el análisis de áreas de influencia de centros de servicio
(allocate).
77
Las impedancias de arco pueden ser direccionales. De esta forma es posible
tener en cuenta las condiciones del tráfico según el sentido de circulación. Si las velocidades
de circulación son distintas en un sentido y en otro, el tiempo de recorrido del arco será
también distinto. También puede ocurrir que una calle sólo pueda recorrerse en un sentido
de circulación, por ser prohibida en el contrario. Todas esas circunstancias deben quedar
registradas en la base de datos, debiendo reservarse dos campos para la impedancia, uno
para cada sentido de circulación.
78
que el sistema no sólo debe trazar el camino óptimo entre paradas, sino también calcular
cuál es la carga (número de pasajeros o mercancías) que se están transportando en cada
momento a lo largo de la ruta. Algunos sistemas no sólo calculan el camino óptimo entre
paradas, sino que además señalan el orden en que éstas deben ser realizadas de forma que
se minimice el movimiento a lo largo de toda la ruta (lo que se conoce como el problema del
viajante de comercio).
Por otro lado, el cálculo de caminos mínimos resulta de gran interés para la
implementación en un SIG de modelos gravitatorios realistas. Estos modelos, que se basan
en la vieja fórmula newtoniana de la gravitación universal, requieren el cálculo de la
distancia entre pares de objetos. Mediante el cálculo de caminos mínimos esa distancia
puede medirse de forma precisa a través de la red que realmente canaliza los movimientos,
en lugar de utilizar distancias euclidianas.
Figuras: Cálculo de camino mínimo con paradas de orden prefijado y con orden optimizado
El acceso a un colegio electoral se realiza habitualmente a pie, por lo que pueden utilizarse
impedancias en tiempo que reflejen la velocidad de estos desplazamientos a través del viario
de la ciudad. Pero el acceso a un hipermercado en la periferia de una ciudad se efectúa
79
habitualmente en transporte privado, por lo que resulta más realista trabajar con los tiempos
de recorrido sobre la red de transporte privado (calles y carreteras): un lugar más lejano,
pero bien comunicado con el hipermercado por autopista, puede quedar a menos tiempo que
otro más cercano pero fuera de los principales corredores de transporte. Esto significa que
las áreas de influencia de los centros de servicio pueden quedar distorsionadas en función
de las impedancias que presentan los arcos que componen la red, alargándose en el sentido
de las vías más rápidas. Pero las distorsiones también pueden deberse a la competencia entre
varios centros de servicio del mismo tipo, de manera que sus áreas de influencia tienden a
ser más reducidas en las direcciones en las que se produce esa competencia y más amplias
en el resto de las direcciones.
80
Anexo 1.
Comunidad de Madrid
81
1. Introducción
Pero se han dado algunos pasos orientados a valorizar los productos locales
(como el habón, la ternera sanabresa o la miel de brezo) que pueden hacer más
rentables las producciones invocando a la calidad y mejorando los canales de
comercialización. En cuanto a la explotación forestal, junto con el aprovechamiento
1
Esta aplicación fue desarrollada en el marco del proyecto SIGMA (Sistema de
Información y Gestión Medioambiental de Sanabria y Carballeda), realizado por un
equipo de investigadores del Departamento de Geografía Humana de la Universidad
Complutense (Javier Gutiérrez Puebla, José Carpio y Miguel Vía) por encargo de
ADISAC (Asociación para el Desarrollo Integrado de Sanabria y Carballeda), entidad
gestora del PRODER de la comarca (Carpio, Gutiérrrez Puebla y Vía, 2001).
82
de los bosques autóctonos hay que destacar los ingresos derivados de la explotación
de los pinares de repoblaciones forestales.
83
2. Análisis de localizaciones óptimas mediante análisis
multicriterio booleano
<Figura 1>
<Figura 2>
<Figura 3>
85
La conversión de variables en factores se puede llevar a cabo a través de distintas
funciones de transformación. La más simple (y la que se ha utilizado aquí) es la
transformación lineal que se realiza según
(vi vmin )
fi c
(vmax vmin )
donde
fi es el valor de la celda i en el factor considerado,
vi es el valor de la celda i en la variable,
vmax y vmin son los valores máximo y mínimo de la variable y
c es el coeficiente de normalización utilizado (en nuestro caso 255)
86
operaciones en donde 202,5º se corresponde con un valor de 67,5 (normalizado
255) disminuyendo hasta 0 según nos movamos hacia el ángulo 135º o el 270º
(Figura 4). El resto de las orientaciones se reclasifican con un valor de 0 (y con
esos valores se construye la correspondiente restricción). Posteriormente se
normalizan los valores como en el factor anterior, no siendo en este caso necesario
la inversión en el orden de los valores ya que los más altos se encuentran en los
202,5 grados, es decir, en la orientación más apta (Mapa 2 de la Figura 5).
<Figura 4>
- Altitud.- Para la obtención de este factor se reclasifican como 1.200 todas las
altitudes iguales o superiores a los 1.200 metros, se normalizan los valores con un
ajuste de tipo lineal y se procede también –como en el caso de las pendientes- a
invertir el orden de los valores, ya que son las zonas más bajas las más aptas, es
decir, aquéllas que deben tener los valores de aptitud más elevados (Mapa 3 de la
Figura 5). Se considera como restricción una altitud superior a los 1.200 metros,
operando de forma análoga a la restricción anterior para construir un mapa binario
de ceros y unos.
- Proximidad a los ríos.- Para este factor, al igual que todos los factores de tipo
proximidad, precisa de la elaboración en un primer momento de un mapa que mida
la distancia euclidiana, en línea recta, entre cada celda y la más próxima de una
serie de elementos de referencia, en este caso los ríos. También es necesaria la
normalización e inversión de la dirección de los valores, ya que las zonas más
próximas son las más aptas para el cultivo del habón (Mapa 4 de la Figura 5). El
límite de distancia de los 200 metros marca el comienzo de la correspondiente
restricción.
- Usos del suelo.- El uso del suelo se considera sólo como una restricción. Matorral,
pastos y cultivos son usos apropiados (unos), mientras que los bosques y el suelo
urbano constituyen restricciones (ceros). La capa correspondiente a esta
restricción ya fue creada al realizar la intersección booleana (Mapa 6 de la Figura
2).
87
conocido como Proceso Jerárquico Analítico (Saaty, 1980; Eastman y otros 1993). El
resultado de este proceso se muestra en la Tabla 1.
<Figura 5>
4. Consideraciones finales
88
ninguna información acerca de qué terrenos, de entre los seleccionados, son más o menos
aptos 2.
89
actores. Por otro lado, también es importante resaltar que el proceso es sumamente
transparente (ya que se pueden visualizar los mapas de los criterios y la
combinación de éstos en un mapa final) y que se puede aplicar de forma interactiva
(resultados inadecuados pueden ser corregidos modificando las restricciones, los
valores de los factores o los pesos y volviendo a realizar los cálculos).
5. Bibliografía citada
Saaty, T. (1980): The analytical hierarchy process. Nueva York, McGraw Hill.
90
Ejemplo: 1ª Celda : 1 * 1 = 1
2ª Celda : 0 * 1 = 0
91
1 2
3 4
5 6
1. Pendiente < 5%
2. Orientación Suroeste.
3. Altitud < 1200m.
4. Ríos < 200m.
5. Núcleos < 1500m y Carreteras <
500m.
6. Uso del suelo apto
Figura 2: Zona de expansión del cultivo del habón según la intersección booleana
92
93
Figura 3: Valoración de las orientaciones de las pendientes
94
1 2
3 4
5 6
1. Bajas pendientes
2. Orientación Suroeste.
3. Altitud baja.
4. Proximidad a red
fluvial.
5. Proximidad a núcleos.
6. Proximidad a
carreteras.
Figura 5: Zona de expansión del cultivo del habón según la combinación lineal
ponderada.
95
Anexo 2.
jcgarcia@ghis.ucm.es
eduardor@ghis.ucm.es
javiergutierrez@ghis.ucm.es
96
METODOLOGÍA PARA EL ANÁLISIS DE LA VULNERABILIDAD
EN REDES DE TRANSPORTE PÚBLICO:
EL CASO DE LA RED DE METRO DE MADRID
RESUMEN
El objetivo de esta comunicación es desarrollar una metodología para medir la
vulnerabilidad en una red de transporte público. Se usa la red de Metro de Madrid y se
analizan las consecuencias de la caída de cada uno de los tramos de la red sobre los
tiempos de los viajes o el número de viajes sin servicio. La metodología propuesta permite
conocer la criticidad de cada arco y la vulnerabilidad de las estaciones. Es posible además
obtener las peores situaciones en una caída sucesiva de tramos (simulando un ataque
coordinado sobre la red).
ABSTRACT
The aim of this paper is to develop a methodology for measuring public transport network
vulnerability, taking the Madrid Metro system as an example. The consequences of
disruption for riding times or the number of missed trips are analysed for each of the
network links. Using each link criticality, vulnerability of stations is calculated. The
proposed methodology also makes it possible to obtain a worst-case scenario for the
successive disruption of links by simulating a targeted attack.
1. INTRODUCCIÓN
Las redes de transporte público son un elemento fundamental en la movilidad de
los espacios urbanos. Cualquier tipo de incidencia en ellas afecta al funcionamiento diario
de la propia ciudad, en especial cuando se trata de los modos ferroviarios, por la cantidad
de viajeros que transportan y por su mayor vulnerabilidad. Fallos en los trenes, caídas de
la tensión eléctrica, obras, o sucesos como suicidios, manifestaciones o huelgas alteran
con frecuencia el servicio, afectando a múltiples usuarios. Otros acontecimientos más
graves, como ataques terroristas, afectan de forma sustancial a las redes durante largo
tiempo. Los ataques terroristas sobre el metro y los autobuses de Londres o los trenes de
cercanías de Madrid, por ejemplo, produjeron una tremenda perturbación en la vida sus
residentes.
En este contexto cobran cada vez más importancia los estudios de vulnerabilidad
de las redes, considerando la vulnerabilidad como la susceptibilidad a que determinados
incidentes en la red puedan causar reducciones en los niveles de servicio y las condiciones
de accesibilidad (BERDICA, 2002). Se dice que un nodo de la red (paradas o estaciones)
97
es vulnerable cuando la pérdida o degradación de un determinado número de arcos
produce una merma significativa de su accesibilidad (TAYLOR et. al., 2006).
Junto a la vulnerabilidad es importante conocer la criticidad. Los elementos críticos
de una red son los que más afectan a su vulnerabilidad: cuanto más crítico es un
componente, mayores son los efectos de su pérdida sobre el conjunto de la red (TAYLOR
et. al., 2006; JENELIUS et al., 2006; RODRÍGUEZ y GUTIÉRREZ, 2012). El nivel de
criticidad de un elemento de la red depende del papel que juegue en su estructura y de los
flujos que circulen por ella. Conocer los puntos débiles de una red y las rutas alternativas
es importante a la hora de mitigar la vulnerabilidad de la red (CHEN et al., 2007) o, por
ejemplo, dar prioridad tras una catástrofe a la reconstrucción de unos tramos sobre otros
(SOHN, 2006; BONO y GUTIÉRREZ, 2011).
En líneas generales, los trabajos sobre vulnerabilidad de redes de transporte pueden
diferenciarse según se trate de redes de carreteras (más frecuentes) o de transporte público
(menos habituales). Para el análisis se utilizan dos grandes tipos de indicadores. Desde
las ciencias físicas y matemáticas aparecen estudios que aplican indicadores de teoría de
grafos y redes complejas. Mientras, desde los estudios del transporte y el territorio lo
habitual es medir la vulnerabilidad a partir de indicadores de accesibilidad. Finalmente,
además del tipo de red al que se aplican o de los indicadores utilizados, los trabajos de
vulnerabilidad de redes pueden diferenciarse en función del enfoque que adoptan, ya se
trate de evaluación de escenarios específicos, identificación de los peores escenarios o
evaluación de escenarios de estrategias de ataques coordinados.
El objetivo de esta comunicación es presentar una metodología que permita medir
la vulnerabilidad y la criticidad en una red de transporte público. A diferencia de la mayor
parte de estudios sobre vulnerabilidad de redes de transporte público, que trabajan con
indicadores de teoría de grafos (ver por ejemplo el aplicado a Madrid de MOURONTE Y
BENITO, 2012), aquí se analizan los incrementos en los tiempos de viaje debido a la
necesidad de utilizar rutas alternativas a la óptima.
Para ello se toma como caso de estudio la red de Metro de Madrid. El área
metropolitana de Madrid es un buen ejemplo de la importancia del sistema de transporte
público en la movilidad y, dentro de ella, el Metro es el modo más importante. Según el
Consocio Regional de Transportes de Madrid, en 2010 el Metro transporta 630 millones
de viajes de los 1.488 millones que se realizaban en transporte público en Madrid.
Para la red de Metro de Madrid se mide la criticidad de cada tramo de la red y de
las líneas fundamentales para el sistema. A partir de la criticidad se calcula la
vulnerabilidad de las estaciones. Finalmente, se obtienen las peores situaciones en una
caída sucesiva de tramos, simulando un ataque coordinado sobre la red. En todos los casos
es posible conocer las consecuencias de esas situaciones sobre la distribución de los
flujos. Este análisis se hace usando un Sistema de Información Geográfica (SIG).
98
Figura 1: Red de Metro de Madrid
En 2007, tomando un día entre semana del mes de Octubre, se realizaban en el
Metro de Madrid casi 2.500.000 viajes diarios. La línea 10 y la circular 6 eran las que
más viajes canalizaban, con 367 y 353 mil respectivamente, seguidas de otras líneas
radiales como la 1, 3 y 5. Eran también las líneas 6 y 10 las que tenían un mayor número
medio de viajes por tramo. El máximo se localizaba en la línea 10, con tramos en el centro
de la ciudad por los que pasaban más de 250 mil viajes. Mientras, las líneas periféricas
llevaban un número mucho menor de viajeros (Figura 2).
99
- Red de Metro de Madrid. Incluye las estaciones y los tramos (arcos) de las líneas
referidas al año 2007. Como decíamos, se compone de 239 estaciones y 12
líneas, con 268 arcos que unen las estaciones entre ellas. Cada uno de los arcos
contiene el tiempo de recorrido, su longitud y la información de la línea a la que
pertenece. Se han incluido además 60 pasillos, que permiten simular los
transbordos dentro de las estaciones con más de un línea, con un tiempo de
penalización por transbordo.
- Matriz de viajes entre estaciones en 2007. Proporciona el total de viajes que se
realizan entre cada par de estaciones. Esta información permite conocer la
distribución de los flujos en la red (Figura 2).
4. METODOLOGÍA
La metodología seguida para estimar la vulnerabilidad de la red ha sido evaluar la
variación de la accesibilidad, midiéndola antes y después de una alteración hipotética de
cada uno de los arcos individuales de la red (SOHN, 2006). Al analizar el papel de cada
uno de los arcos en el funcionamiento de la red, estamos utilizando una metodología
calificada como “full scan approach” (JENELIUS et al., 2006). Un arco será o no
importante para el correcto funcionamiento de la red si al dejar de ser operativo tiene un
efecto notable sobre el rendimiento global del sistema (JENELIUS, 2009).
El corte de cada arco puede tener dos tipos de consecuencias. En unos casos, cuando
no existe otra alternativa para el viaje, la caída de un arco deja descolgadas de la red a
una estación o grupo de estaciones. En esta situación la criticidad de los arcos puede
medirse en relación al total de viajes que quedan sin poder alcanzar su estación de destino
(demanda no satisfecha). En otros casos, cuando existe otra alternativa, la caída del arco
produce un incremento en los tiempos de viaje debido a la necesidad de utilizar rutas
alternativas a la óptima. Obviamente, ese impacto es mayor cuando afecta a arcos
atravesados por muchos viajes que cuando lo hace sobre un arco poco utilizado.
Para el análisis de los impactos en los tiempos se ha usado como indicador el tiempo
medio de viaje de cada estación con el resto de estaciones de la red3, ponderadas por el
∑𝑇 𝐹
total de viajes entre las mismas. Se ha calculado según 𝑇̅𝑖 = 𝑖𝑗 𝑖𝑗 , siendo, T̅i el tiempo
𝐹𝑖
medio para la estación i; Tij el tiempo de viaje entre la estación i y j; Fij el número de viajes
entre la estación i y j; y 𝐹𝑖 el total de viajes generados desde la estación i. A partir de los
tiempos medios de cada estación se calculan las estadísticas básicas de los tiempos en el
conjunto de estaciones de la red.
Para conocer el impacto que tiene la caída de cada arco de la red se calculan los
tiempos medios sin ese arco y se comparan la media de tiempos de las estaciones en la
situación inicial y en la situación sin dicho arco, según 𝐼𝑎 = 𝑇̅0 − 𝑇̅𝑎 , donde Ia es la pérdida
de tiempo por el corte del arco a; T ̅0 el tiempo medio de las estaciones en una situación
̅
normal; y Ta el tiempo medio de las estaciones en la situación sin el arco a. El proceso se
repite para cada arco. Los resultados a nivel de arcos son cartografiados y su análisis
puede realizarse también según líneas y tipos de líneas (que por razones de espacio no se
presenta aquí).
3En este caso, con el fin de tener situaciones comparables se trabaja con las estaciones que tienen alternativas de viajes
a cada corte de tramos, tanto en el escenario inicial con en el escenario de cada corte.
100
Con este análisis se obtiene la criticidad (importancia) de cada arco. Esto permite
hacer un ranking de los arcos más críticos. A la vez, podemos medir la vulnerabilidad de
las estaciones. En aquellas estaciones que se encuentran con un arco sin otra alternativa
para el viaje, la vulnerabilidad se ha medido como el número de arcos hasta encontrar una
estación con dos o más alternativas de viaje. En las estaciones que tienen varias
alternativas, se han calculado las pérdidas medias de tiempos de los cortes de cada uno
de los arcos.
Finalmente, se identifican los escenarios más críticos en una secuencia sucesiva
de caída de arcos. La metodología usada es similar a la planteada por MATISZIW y
MURRAY (2009). Lo que se hace es identificar el arco que tiene el mayor impacto en los
tiempos y, a partir de esa situación, recalcular nuevamente las pérdidas que produce la
caída del resto de los arcos sobre una situación de partida en la que se ha eliminado ese
arco. Este proceso se repite el número de veces como escenarios críticos se quieran
identificar. En esta comunicación se han identificado los 5 arcos más críticos. Para cada
uno de esos escenarios se recalcula la distribución de los flujos en la red. Esto permite
identificar los arcos que absorben los desvíos de viajes.
5. RESULTADOS
5.1 Arcos sin otras opciones para los desplazamientos: demanda no satisfecha
La Figura 3 muestra los arcos sin otras opciones de desplazamiento según el total
de viajes que quedarían sin poder realizarse. Se trata de arcos que unen espacios
periféricos con el centro y con el resto de la red Metro. Los más críticos se localizan en
las líneas 1 (116.000 viajes colgados), la 9 (104.000) y la 10 (100.000). Se trata de arcos
que conectan líneas largas (dejan muchas estaciones desconectadas) y de espacios
residenciales densos del sur de la ciudad. En el caso de los arcos del sur de la línea 10, su
caída deja sin conexión con el resto de la red a la línea suburbana 12. En otros casos, la
caída afecta a elementos importantes en la cuidad, como la caída de los arcos de la línea
8, que dejarían sin servicio al aeropuerto de Barajas o al recinto Ferial IFEMA.
Como es lógico, las estaciones más vulnerables se localizan en las terminales de las
líneas de los conjuntos de arcos que quedan desconectados. En la figura 3 se muestra el
número de arcos que dejarían descolgadas a esas estaciones terminales. En este caso, las
más vulnerables se localizan en las estaciones de líneas radiales que alcanzan municipios
del este metropolitano (estación de Henares, línea 7), del sureste (Arganda del Rey, línea
9) o del sur metropolitano (Valdecarros, línea 1), que tienen que recorrer hasta 12 arcos
para alcanzar un arco con alternativas para continuar el viaje.
5.2 Arcos con otras opciones en los desplazamientos: pérdidas de tiempos
Para el análisis de los impactos en los tiempos se trabaja con los arcos y estaciones
para los que existe una alternativa de viaje. La media de las estaciones en los tiempos
ponderados en la situación normal es de 30,4 minutos. La media de las pérdidas por la
caída de cada uno de los arcos es de 0,5 minutos, lo que supone un 1.7%. Podemos decir
que la vulnerabilidad de la red de Metro de Madrid es baja. Sin embargo, el nivel de
criticidad de algunos arcos es más llamativo. El arco que produce las mayores pérdidas
de tiempos lo hace en 2,2 minutos, una pérdida del 7,2%. Dado que estas pérdidas se
refieren al total de relaciones entre estaciones, y muchas de ellas no usan ese arco, esta
pérdida es muy importante.
101
Figura 3: Viajes sin servir en los arcos sin otra opción de desplazamiento
102
Figura 4: Impacto medio de cada corte de arcos sobre el escenario sin cambios
103
Príncipe Pío (línea 10). Si se produjese una segunda caída, el arco más crítico se localiza
en la línea 6, entre Pacífico-Conde de Casal. La caída de estos dos arcos produciría un
incremento en los tiempos medios de 4.1 minutos (un 12,6% más). En el peor escenario,
con la caída de 5 arcos, los tiempos medios globales se incrementan en hasta 13 minutos,
un 33%. Es llamativo que todos se localizan en la zona sur de la red. Se trata de una zona
donde la densidad de red es menor y, en consecuencia, los rodeos mayores. Además por
ella entran al centro de la ciudad numerosos viajes desde los espacios suburbanos del sur.
De hecho, si nos fijamos en el total de viajes que se ven obligados a cambiar de recorrido,
pasan de los 163.000 en la situación con la caída del primer arco (un 6,6%) hasta los
753.000 con la caída de cinco arcos (un 31% del total de viajes). Si comparamos esta
secuencia con un ataque a la red sobre cinco arcos aleatorios4 las pérdidas de tiempos son
mucho menores, del 8,3%, en una situación en la que se verían alterados algo más del
20% de los viajes.
4La secuencia aleatoria obtenida ha sido de los tramos entre las estaciones de: Ibiza-Sainz de Baranda (L9); Tetuán-
Valdeacederas (L1); Arguelles-San Bernardo (L4); Plaza de España-Tribunal (L10); Rubén Darío-Núñez de Balboa
(L10) (mostrados en la Figura 7c).
104
5.4 Redistribución de los flujos en la red
La figura 7 muestra la redistribución de los flujos en el caso de producirse las
situaciones con la caída del arco más crítico (Lago-Príncipe Pio), en el caso de un ataque
coordinado sobre los 5 arcos del escenario más crítico y de un ataque sobre 5 arcos
aleatorios. Se han redistribuido todos los viajes con el fin de conocer qué arcos serían los
más afectados por los desvíos de viajes a otras líneas. Con la caída del arco Lago-Príncipe
Pio, los flujos de entrada al centro de la ciudad pasan en su mayor parte a la línea 5 y a la
circular 6, que sirve como redistribuidor para conectar nuevamente con la línea 10 y en
menor medida con las líneas 3 y 1 (Figura 7a). Como consecuencia, los arcos de la línea
5 multiplican por 4 sus flujos actuales y los de la línea 6 los duplican. Al contrario, se
produce una caída de los viajes en los arcos centrales de la línea 10 del 10%-20% de los
viajes. En las dos situaciones con 5 cortes las redistribuciones son más complejas (Figuras
7b y 7c), pero en ambos casos la línea 6 cobra un papel clave en la redistribución de los
flujos. En el primer caso, los arcos del sur de la línea 6 redistribuirían los viajes de entrada
a la ciudad de las líneas 1, 3 y 10, que usarían la línea 6 para alcanzar la línea 5 y acceder
por esta al centro de la ciudad. Los arcos de la línea 6 y de la 5 verían multiplicada su
demanda por más de 10, lo que produciría su saturación. Con 5 cortes aleatorios, son los
arcos del NW y NE de la línea 6 los que reciben un mayor número de viajes, duplicando
su demanda.
6. CONSIDERACIONES FINALES
En esta comunicación hemos presentado una metodología para analizar el grado de
vulnerabilidad en una red de transporte público, automatizada dentro de un SIG. Los
resultados muestran que el impacto que tiene el corte de cada arco es diferente en función
de su posición en la red y del total de viajes que canaliza. La caída de arcos para los que
no existe alternativa de viaje supone dejar sin posibilidad de servicio a los viajes que lo
atraviesan, que se verían obligados a usar otra red de transporte. Estas situaciones se
producen en las líneas radiales de acceso a la ciudad. En el caso de los arcos para los que
sí existe otra alternativa de viaje, los más críticos son aquellos que canalizan un flujo
importante de viajes, en espacios donde la densidad de la red es menor y, en consecuencia,
las alternativas para esos viajes son escasas y suponen rodeos importantes (es el caso de
algunos arcos de las líneas radiales del sur de Madrid). Las estaciones más vulnerables
son aquellas que se sitúan en los entornos de los arcos más críticos.
Un elemento que no se ha considerado son las características de la población
afectada por la caída de los arcos. Es evidente que la situación de vulnerabilidad será
mayor en las estaciones localizadas en entornos residenciales más pobres de la ciudad,
donde la población es más dependiente del transporte público. De hecho, en Madrid, los
105
arcos más críticos y las estaciones más vulnerables se localizan en la zona sur, que es la
de sectores residenciales más pobres de la ciudad. Tener en cuenta las características de
la población afectada permite relacionar vulnerabilidad de redes y vulnerabilidad social.
El tratamiento de las alternativas de viajes y la consideración de otras redes de
transporte público como alternativa es otro de los pasos necesarios para mejorar este
análisis. Al funcionar el transporte público como una red multimodal, muchas de las
incidencias en la red de Metro son resueltas buscando una alternativa a través de otras
redes. En Madrid, las redes de autobuses urbanos e interurbanos son muy densas, e incluso
el tren de cercanías supone una alternativa de viaje.
Conocer la información de criticidad y de vulnerabilidad es importante para mitigar
los efectos de incidencias sobre la red. Esta información es también de gran ayuda en la
planificación de nuevas líneas o ampliaciones de la red, de manera que su ampliación se
haga considerando no solo la eficiencia y la equidad en el servicio sino también una
reducción de la vulnerabilidad y de los elementos críticos.
7. BIBLIOGRAFÍA
BERDICA, K. (2002): «An introduction to road vulnerability: what has been done,
is done and should be done». Transport Policy, n. 9, p. 117-127
BONO, F. y GUTIÉRREZ, E. (2011): «A network-based analysis of the impact of
structural damage on urban accessibility following a disaster: the case of the seismically
damaged Port Au Prince and Carrefour urban road networks». Journal of Transport
Geography, n. 19, p. 1443–1455
CHEN, A., YANG, C., KONGSOMSAKSAKUL, S. y LEE, M. (2007): «Network-
based Accessibility Measures for Vulnerability Analysis of Degradable Transportation
Networks». Networks and Spatial Economics, v. 7, n. 3, p. 241-256
JENELIUS, E. (2009): «Network structure and travel patterns: Explaining the
geographical disparities of road network vulnerability. Journal of Transport Geography,
n. 17(3), p. 234-244.
JENELIUS, E., PETERSEN, T. y MATTSSON, L.G. (2006): «Importance and
exposure in road network vulnerability analysis», Transportation Research A, n. 40, p.
537-560
MATISZIW, T.C., MURRAY, A.T., GRUBESIC, T.H. (2009): «Exploring the
vulnerability of network infrastructure to disruption». The Annals of Regional Science n.
43(2), 307–321.
MOURONTE, M. y BENITO, R. Mª. (2012): «Structural properties of urban bus
and subway networks of Madrid». Networks and Heterogeneous Media, n. 7, p.415- 428
RODRÍGUEZ, E. y GUTIÉRREZ, J. (2012): «Análisis de vulnerabilidad de redes
de carreteras mediante indicadores de accesibilidad y SIG: Intensidad y polarización de
los efectos del cierre de tramos en la red de carreteras de Mallorca», GeoFocus, n.12, p.
374-394
SOHN, J., (2006): «Evaluating the significance of highway network links under the
flood damage: accessibility approach». Transportation Research A, n. 40, p. 491-506.
TAYLOR, M. A. P., SEKHAR, S. V. C. y D’ESTE, G. M. (2006): «Application of
Accessibility Based Methods for Vulnerability Analysis of Strategic Road Networks».
Networks & Spatial Economics, n. 6, p. 267–291
106
Anexo 3.
107
1. Introducción
108
2. Selección de variables significativas: ‘indicadores’.
¿Cómo caracterizar los distintos entornos en cuanto a sus características
urbanísticas y del servicio prestado por la red de transporte público?
Los indicadores se han seleccionado para, por una parte, ser capaces de
describir suficientemente los aspectos relevantes para la planificación. Por otra
parte, se ha tenido en cuenta que todos los indicadores sean de práctica habitual en
la planificación (de cara a incrementar su comprensibilidad, pero especialmente su
disponibilidad). En los casos en que, de cara a una mayor innovación, los indicadores
propuestos no sean de práctica habitual, éstos son calculables “fácilmente” por
medio de software, una única capa de información normalmente disponible y, por
tanto, sin basarse en trabajo de campo.
Estas medidas se recogen por las empresas gestoras de la red de transporte, con
medios muy distintos (conteo visual, mecánico, digital).
109
Figura 1: Representación de la variedad de demanda total (diámetro) y por modos
(colores) en puntos de intermodalidad de la ciudad de Madrid.
Población cubierta.
La población cubierta por cada punto de la red, independientemente del uso real de
la infraestructura que dicha población realice, representa la demanda potencial y la
capacidad de servicio, entendida esta última además como un deber de la
Administración en la línea del ‘derecho a la movilidad’.
b. Integración de la movilidad.
Múltiples estudios han explorado las relaciones entre entorno urbano y redes
de transporte, pero muchos estudian el impacto de un solo tipo de red y modo, o la
introducción de una nueva línea. Son menos frecuentes, aunque empiezan a
proliferar, aquellos que estudian el sistema de transporte público en su conjunto y
de forma integrada. Hemos seleccionado algunas variables propuestas en uno de
estos últimos (Curtis, 2011).
110
Interesa aquí determinar mediante valores sintéticos la dotación de
transporte público en su conjunto pero aplicado a localizaciones específicas: el
entorno urbano de un punto, estación o intercambiador.
Con este fin, se recurre a los siguientes tres indicadores, que caracterizan el
papel de cada punto en el conjunto de la red, desde un punto de vista estratégico.
Igualmente sirven para valorar la “utilidad” de cada punto de la red en comparación
con los otros, por lo que se puede interpretar también en términos de “atractivo”.
Se asocia a una “facilidad física” del viaje, pero también psicológica, tocando incluso
aspectos económicos en el caso de no existir integración tarifaria entre modos.
Igualmente, sirve para, junto con la variable anterior, identificar los entornos más y
menos accesibles desde el conjunto del territorio, asó como con el potencial del
entorno como origen y como destino.
111
Figura 2: Representación de la accesibilidad en nº de trasbordos (‘straightness
centrality’) en la ciudad de Madrid.
Las dos variables anteriores reflejan la utilidad del punto de transporte para dos
viajeros de tipo extremo: 1) aquel que prioriza la reducción del tiempo de
desplazamiento, no importándole las inconveniencias físicas de posibles
trasbordos; frente a 2) el viajero que prioriza la simplicidad y comodidad del viaje,
carente de trasbordos, pasando a un segundo plano la reducción del tiempo de viaje.
112
de un punto dentro del conjunto, así como estudiar el potencial de un entorno
urbano para acoger o atraer ciertos usos.
113
Figura 3: Captura de los principales usos del suelo a 500 metros de desplazamiento
peatonal desde el punto de intermodalidad a través de la red de viario.
A nivel económico, la edificabilidad tiene además una relación directa con los
beneficios y plusvalías derivadas de la urbanización.
La ocupación se relaciona con la calidad de los espacios libres, así como para la
percepción y orientación en éstos.
114
d. Integración urbana.
Según esta teoría, los usos del suelo buscan de forma natural su lugar óptimo en la
ciudad, y no al revés. Así, mediante el único input de la red de espacios urbanos, ha
demostrado su potencial para explicar diversas variables como la densidad, la
mezcla de usos, el comercio, el crecimiento urbano o el índice de delincuencia. Por
estos motivos, Space Syntax se constituye en una herramienta fundamental para la
planificación y diseño de los espacios urbanos.
Integración global.
115
Figura 4: Mapa de integración global en la ciudad de Madrid. Gradiente entre los
espacios más integrados (rojo) y menos (azul).
Integración local.
Cabe apuntar a ciertas precauciones que este método implica, como la posible
conveniencia de normalizar algunas de las variables, la identificación de ‘outliers’ en
cada cruce o la existencia de ‘terceros factores’ explicativos. Éstas y otras cautelas
han de estudiarse en la literatura específicamente estadística.
116
Varios software de análisis de datos permite sombrear rápidamente
relaciones en función de su coeficiente de correlación, dando pie a sacar
conclusiones de conjunto visualmente.
117
4. Herramienta para la planificación de un nuevo punto intermodal
a la escala ciudad.
Con la aplicación para el caso de la ciudad de Madrid de la herramienta
anteriormente descrita, se obtuvieron importantes conclusiones que dieron lugar a
priorizar ciertos indicadores frente a otros de cara a la elaboración de una
herramienta para acompañar el proceso de planificación de un nuevo punto
intermodal a la escala ciudad.
118
Muchas de las actuaciones en infraestructura del transporte en Europa
pueden explicarse en base a este tipo de factores, que no pueden sistematizarse.
119
Una vez más, la herramienta propuesta no sustituye al planificador en la toma
de decisiones. De hecho, tal y como está diseñada, distintos escenarios pueden
obtener los mejores valores en distintas variables, lo cual deja al planificador la
decisión final en base a sus prioridades.
5. Conclusiones.
A pesar de la complejidad implícita en el estudio de las dinámicas e interacciones
urbanas y en particular con el sistema de transporte, es posible plantear
herramientas lo suficientemente ricas pero igualmente sencillas para enriquecer y
guiar el proceso de planificación conjunta urbanística y de transporte.
120
6. Referencias.
Ascher, F. (2001). Les nouveaux principes de l'urbanisme. La fin des villes n'est pas
à l'ordre du jour. Paris: Éditions de l’Aube.
Cervero, R., & Kockelman, K. (1997). “Travel demand and the 3Ds: density, diversity,
and design.” Transportation Research Part D: Transport and Environment, 2(3),
199-219.
Ewing, R., & Cervero, R. (2001). “Travel and the built environment: a synthesis.”
Transportation Research Record: Journal of the Transportation Research Board,
1780(1), 87-114.
Curtis, C. (2011). “Integrating Land Use with Public Transport: The use of a
discursive accessibility tool to inform metropolitan spatial planning in Perth”
Transport Reviews, vol.31, no. 2.
Hillier, B., & Hanson, J. (1984). The social logic of space. Cambridge: Cambridge
University Press.
121
Anexo 4
Comunidad de Madrid
122
TÍTULO: PROPUESTA METODOLÓGICA PARA LA GENERACIÓN DE
CORREDORES DE MÍNIMO IMPACTO AMBIENTAL DE CARRETERAS:
INTEGRACIÓN DEL PAISAJE. EL CASO DE LA AUTOPISTA RADIAL 5.
COMUNIDAD DE MADRID.
AUTORES:
AUTOR 1: Miguel Vía García
CARGO/DEPARTAMENTO :
Técnico Superior - Investigador
EMPRESA/ORGANISMO :
Centro de Investigaciones Ambientales de la Comunidad de Madrid “Fernando
González Bernáldez” - DG. de Medio Natural. Consejería de Medio Ambiente y
Ordenación del Territorio de la Comunidad de Madrid
DIRECCIÓN DE EMPRESA/ORGANISMO :
C/ San Sebastián, 71 (esq. C/ Almendro)
CIF EMPRESA/ORGANISMO: S-7800001-E
C.P/ POBLACIÓN Y PROVINCIA:
28791 – Soto del Real (Madrid)
TLF/FAX/ E-MAIL:
Tf: 918478911 / 918477265 Fax: 918480013 E-mail: miguel.via@madrid.org
123
PROPUESTA METODOLÓGICA PARA LA GENERACIÓN DE CORREDORES DE
MÍNIMO IMPACTO AMBIENTAL DE CARRETERAS: INTEGRACIÓN DEL PAISAJE. EL
CASO DE LA AUTOPISTA RADIAL 5. COMUNIDAD DE MADRID.
AUTORES:
PALABRAS CLAVE:
RESUMEN
PRESENTACIÓN
124
En el momento actual, los modelos de desarrollo sostenible son el objetivo de la mayor
parte de las políticas de ordenación del territorio. Debido a la complejidad de
interrelaciones que se producen en el territorio y que caracterizan al medio ambiente,
se considera necesario abordar trabajos de investigación dirigidos a mejorar las políticas
ambientales y de ordenación del territorio. En este sentido, la minimización de los
impactos negativos que ocasionan las acciones del hombre, es una de las labores
fundamentales que se debe perseguir.
Una Ordenación del Territorio eficiente, permitirá a priori reducir un gran número de
impactos que a posteriori serían de difícil minimización. El correcto diseño de las
infraestructuras lineales es fundamental en la minimización del impacto que ocasionan.
Una vez queda demostrada la teórica necesidad real que tiene la construcción de una
infraestructura de estas características, habida cuenta del servicio público que presta,
se precisa afrontar el cómo acomodarla de una forma eficiente en el territorio. Este tipo
125
de proyectos deben ajustarse a una serie de objetivos, entre los que está la aptitud
ambiental, junto a otros requisitos, como son: la aptitud o viabilidad técnica, la eficiencia
del proyecto respecto a sus objetivos y la aptitud económica. En muchos casos, la
aptitud ambiental se encuentra excesivamente supeditada al cumplimiento de los otros
tres requisitos, siendo necesario por ello, metodologías que compatibilicen todos los
criterios sin minusvalorar a ninguno.
126
Se podrían mencionar otra serie de objetivos de segundo nivel, entre los que
destacaría, debido a la especial atención que se le presta en este trabajo, la
incorporación adecuada de los modelos de valoración del paisaje en el
procedimiento metodológico general.
ÁMBITO DE ESTUDIO
DESARROLLO METODOLÓGICO
127
temporales en los que se quiere determinar los impactos ambientales (Mendoza, L.E.,
2000)
Una vez identificadas las acciones que conlleva la construcción de una autopista en sus
diferentes fases (construcción, explotación y abandono), se identifican las alteraciones
que estas acciones generan sobre el medio. Estas alteraciones nos permiten
seleccionar los indicadores de impacto principales, los cuales se agrupan por factores
ambientales, generando para cada factor a través de una integración multicriterio simple,
un indicador sintético de valoración.
Estos indicadores sintéticos conforman los factores del modelo, los cuales precisan de
ponderación, y que junto a las restricciones, conforman los criterios que los alimentan.
Posteriormente, se aplican las diferentes metodologías de EMC, generando diferentes
mapas de impacto, que se corresponden con la superficie de fricción necesaria para la
obtención de los corredores de mínimo impacto ambiental.
128
Figura 3. Metodología general de trabajo.
Estos indicadores sintéticos una vez normalizados, son los factores finales que
alimentan las diferentes metodologías de EMC, y que junto a las restricciones, nos
129
permiten obtener lo que se ha denominado mapas de impacto finales. En este trabajo,
la única restricción que se utiliza es el suelo urbano.
130
Figura 5. Hidrología: Indicador Sintético de Impacto.
La integración del paisaje en este tipo de estudios se considera una cuestión clave
en la valoración ambiental y en el correcto diseño de los corredores de mínimo
impacto. El paisaje es tratado como un indicador sintético de impacto y se integra
en el desarrollo metodológico general junto a los demás indicadores sintéticos.
Se incorpora en la integración multicriterio como un criterio más del modelo, junto
al peso relativo que le otorga el panel de expertos consultado.
Existe una diferencia esencial entre estos dos conceptos; así, mientras la calidad
visual de un paisaje es una cualidad intrínseca del territorio que se analiza, la
fragilidad depende del tipo de actividad que se pretende desarrollar (Montoya, R.,
131
2002). Por ello, y desde un punto de vista operativo, utilizamos en este estudio la
fragilidad visual, dirigiendo su valoración de forma concreta al impacto que
genera una autopista sobre el paisaje visual.
132
NORMALIZACIÓN DE VARIABLES
Una vez obtenidos los indicadores sintéticos de cada factor, es necesario estandarizar
las variables en una misma escala para hacerlos comparables, debido a que el rango
de valores finales de cada indicador sintético es diferente. Realizada la normalización,
estos indicadores se convierten en los criterios finales de los modelos. Se ha realizado
un ajuste de tipo lineal, de forma similar a lo realizado con los indicadores de impacto
iniciales, utilizando de rango de estandarización 50 categorías. La fórmula del ajuste de
tipo lineal es la siguiente (Eastman, J. 1999):
donde:
fi es el valor del factor normalizado
vi es el valor origen del factor
vmax es el valor máximo vmin
es el valor mínimo c es el rango de estandarización
ASIGNACIÓN DE PESOS
133
Figura 7. Tabla de ponderación de factores.
Existen otros métodos más complejos y precisos, pero que requieren un mayor trabajo
por parte del panel de expertos, como es el caso de las jerarquías analíticas o
comparación por pares (Saaty, T.L., 1977), que consiste en la elaboración de una matriz
en los que se especifica la importancia relativa de cada factor respecto a los demás.
Una vez se dispone de los criterios y los pesos, se han aplicado los modelos de EMC,
obteniendo con ello, los mapas finales de impacto (Figuras 8 y 9). Estos mapas
suministran una información sintética de todas las variables utilizadas, permitiéndonos
así, evaluar el impacto ambiental que en cada punto del territorio ocasionaría la
construcción de la autopista.
En nuestro caso concreto, nos encontramos ante un problema cuyo objetivo es la
minimización del impacto que ocasionaría la construcción de esta infraestructura, por lo
tanto, ante un problema de objetivo único. Existen muchas otras situaciones en las que
el objetivo ante un problema de localización espacial es múltiple, optando en ese caso
por la utilización de metodologías de evaluación multiobjetivo, entre las que se
encuentran como más conocidas y utilizadas, la extensión jerárquica, cuando los
objetivos son complementarios y cuando están en conflicto, la solución priorizada y
solución compromiso (Barredo, JI. 1996). Se han escogido para realizar los análisis dos
metodologías diferentes, una de ellas de tipo compensatorio y otra no compensatoria.
134
a xi wi r j
donde: a es el valor de impacto; xi es el valor de la celda i en el factor i ; wi es el peso del factor i ;
En la SLP los criterios pueden incluir tantos factores ponderados como restricciones. El
procedimiento comienza multiplicando cada factor, ya normalizado, por su peso
correspondiente y, posteriormente, suma los resultados. Éstos serán multiplicados por
el producto de las restricciones, definiendo las áreas excluidas del análisis. Los pesos
de los factores son muy importantes en el método, porque determinan como los factores
individuales se compensan entre sí. A mayor peso del factor, mayor influencia tendrá
este factor en el mapa de impacto final. Se caracteriza por ser un método con una
compensación total y por un nivel de riesgo medio, es decir, a medio camino entre la
minimización (operación “Y”) y la maximización (operación “O”) de las áreas
consideradas adecuadas en el resultado final. (Eastman, J. 1999). El procedimiento se
ha realizado en ArcView GIS 3.2 utilizando la calculadora de mapas. El software IDRISI,
lleva implementado este algoritmo en el módulo de evaluación multicriterio “MCE”.
135
impacto más alta tendrá el segundo peso ordenado y así sucesivamente. El sesgo
relativo, tanto hacia el mínimo como hacia el máximo de los pesos ordenados, controla
el nivel del riesgo. Si se da el mismo peso a todos los órdenes, la MPO funciona como
una SLP, ya que no importa que un criterio tenga un valor más alto que otro.
wi oi
a xi rj
w o
i
donde: a es el valor de impacto; xi es el valor de la celda i en el factor i ; w es el peso de los
factores; wi es el peso del factor i ; o es el peso de los ordenes; oi es el peso ordenado del factor i en la
El funcionamiento del algoritmo se basa en la SLP, sólo modificado por la influencia del
peso de los órdenes. Para cada celda o alternativa, los pesos de los factores se ven
matizados por el orden de los mismos en esa localización. Se multiplica el peso del
factor por el peso del orden correspondiente a ese factor en esa celda, dividiéndolo para
normalizar los valores, por la suma de los productos de los pesos de cada celda.
Para este proyecto se han seleccionado unos pesos de órdenes que suponen una
importante reducción de la compensación. Permite reducir el riesgo al establecer para
cada alternativa o píxel un orden de importancia de cada criterio. Los pesos de ordenes
utilizados para los 9 casos son los siguientes: [1- 0.400; 2- 0.300; 3- 0.150; 4- 0.070; 5-
0.040; 6-0.020; 7- 0.010; 8- 0.007; 9-0.003 (SUMA=1.000)]
Con este procedimiento, se está dando más peso en el resultado final de cada
alternativa a los factores con los valores más altos de impacto en ese píxel, sin dejar de
tener en cuenta los pesos que el panel de expertos otorgó a cada factor en general. El
modelo se ha realizado con el software IDRISI 32, a través del módulo de evaluación
multicriterio “MCE”.
136
Figura 8. Mapa final de impacto generado con la metodología EMC de la SLP .
Figura 9. Mapa final de impacto generado con la metodología EMC de las MPO.
CORREDORES Y TMIA.
137
los modelos multicriterio. Los valores de cada píxel en ese mapa informan sobre el coste
ambiental que supone que el trazado de la autopista discurra sobre él.
Una vez se dispone de los dos mapas de distancias o costes, se realiza una suma entre
ellos, obteniendo un mapa en el que los valores más bajos representan el corredor de
mínimo impacto ambiental. Según se elija el rango o intervalo de valores mínimo para
considerarlo corredor, este será más o menos amplio.
Figura 10. Corredor de mínimo impacto ambiental generado con la metodología EMC de la SLP.
138
Figura 11. Corredor de mínimo impacto ambiental generado con la metodología EMC de las MPO .
En el caso del trazado generado con la metodología MPO, este tiene un impacto global
más alto, debido a ser más largo, pero en cambio, su impacto medio es más bajo, ya
que con el uso de esa metodología, el trazado evita cruzar los píxeles que tienen un
valor muy alto en cualquiera de sus criterios, al dar un mayor peso en cada píxel a los
criterios con valores de impacto más altos. Esta metodología demuestra su carácter
menos compensatorio, ya que por las celdas en las que tienen un valor muy alto alguno
de los criterios, tiende a evitarlas, realizando por tanto un trazado más largo.
En cambio, el trazado SLP, al ser más compensatorio, es capaz de discurrir por zonas
en las que existen factores con un impacto ambiental muy alto, ya que si en otros
factores estos valores son bajos, se compensan, lo que conlleva que sus trazados sean
más cortos (impacto global más bajo) pero con un impacto medio más alto.
Se ha realizado también un análisis comparativo a través del impacto que producen los
distintos trazados sobre los factores del medio afectados (Figura 13).
139
Figura 13. Valores de impacto de los trazados de mínimo impacto ambiental sobre los factores
En el mundo real, la mayor calidad ambiental de un espacio, no sólo se mide por ser un
espacio de alto valor en todas sus variables ambientales. Cuando en un espacio de baja
calidad ambiental, existe una variable con un valor muy alto, es decir, una singularidad,
esta no debe compensarse con los valores bajos de los demás factores del medio. A
modo de ejemplo, el impacto ambiental es muy alto cuando una autopista va a pasar
por una zona de nidificación de aves esteparias protegidas, como por ejemplo de la
Avutarda. A pesar de que el lugar de nidificación sea una superficie de cultivo de secano
en las proximidades de una zona industrial, es decir, una zona con baja calidad de
vegetación, de aire, ruido etc. no debe compensar el valor alto de calidad en fauna,
convirtiendo a ese espacio en un lugar de escasa calidad ambiental, y por lo tanto, apto
para la construcción de una autopista.
140
No sólo por los resultados positivos de impacto medio, sino también, por el
procedimiento aritmético-estadístico que realiza, la metodología de evaluación
multicriterio menos compensatoria, denominada Medias Ponderadas Ordenadas, se
propone como metodología más apropiada para este tipo de estudios. Se considera que
es la metodología que salvaguarda de una forma más eficiente los valores ambientales
de cada territorio. Con la aplicación de esta metodología, se valora de forma prioritaria
en cada lugar concreto de ese territorio, aquellos factores ambientales con un valor de
calidad más alto. Por lo tanto, gracias a esta metodología propuesta, de carácter
claramente menos compensatoria, las singularidades concretas de cada espacio son
tenidas en cuenta.
CONCLUSIONES
141
medida el impacto ambiental que pueden llegar a generar, introduciendo la
consideración ambiental desde un primer momento del diseño de la infraestructura.
REFERENCIAS BIBLIOGRÁFICAS
142
SAATY, T.L.: “A Scaling Method for Priorities in Hierarchical Structures”. Journal of
Mathematical Psychology, 15, pp 234-281. 1977
143