Elementos de GIS

Capítulo 9
Elementos de los sistemas de información geográfica
Los temas relacionados con el aire, el agua, el suelo y el subsuelo son parte de un sistema único donde las acciones
humanas pueden generar situaciones complejas que requieren un manejo eficiente. Se necesitan herramientas y servicios
poderosos para una planificación adecuada, prevención de la explotación y protección. Sistemas de información geográfica
( GIS) y sus parientes dinámicos en tiempo real, el Sistemas de Soporte a la Decisión ( DSS), tienen como objetivo este
objetivo: pueden procesar una gran cantidad de datos que describen el entorno en un modo avanzado tanto en
situaciones ordinarias como extraordinarias. El uso combinado de tales herramientas con la Sistemas expertos ( ES)
permite generar escenarios útiles para los tomadores de decisiones en el manejo del territorio.
Los SIG son dispositivos informáticos (software) que combinan el componente semántico de las
características terrestres (descritas principalmente por atributos organizados en tablas) con su rigurosa
representación geométrica georreferenciada (Fig. 9.1). Están equipados con muchas herramientas de
procesamiento y representación que permiten una representación efectiva del territorio como no sería posible
con otros instrumentos; la posibilidad de representar y gestionar Modelos Digitales de Superficie (DSM), por
ejemplo, permite la creación de mundos virtuales en 3D con un impacto comunicativo muy alto.
Soluciones tan impresionantes no son suficientes para justificar y respaldar estos sistemas, donde el
requisito básico sigue siendo la sensibilidad de los operadores durante la recopilación, el procesamiento y la
organización de los datos. Acercarse al SIG sin las habilidades oportunas en cartografía y levantamiento puede
representar un riesgo para un correcto uso del mismo y para la confiabilidad de los resultados y escenarios
producidos. Hoy en día un fuerte impulso a la difusión de los SIG proviene de Internet. La disponibilidad de datos
y bases de datos distribuidos y la posibilidad de solicitarlos y publicarlos desde y hacia
Figura 9.1 Geográfico

Sistemas de información (GIS)
combinar semántica y
información geométrica
METRO 481
C Springer
©. Science
A. Gomarasca, + Business
Conceptos básicosMedia BV 2009
de geomática, DOI 10.1007 / 978-1-4020-9014-1_9,
482 9 elementos de los sistemas de información geográfica
ubicaciones en la red están empujando al WebGIS a convertirse en una herramienta muy importante para la futura
difusión completa de GIS y DSS.
Algunos aspectos fundamentales de SIG son comunes a otros temas tratados en este libro y se presentan
en otros capítulos. Los sistemas de gestión de bases de datos, por ejemplo, se tratan en el capítulo 5:
Elementos de la informática, adquisición de datos en los capítulos relacionados con cartografía, fotogrametría,
teledetección y sistemas de posicionamiento por satélite.
Se han publicado muchos libros sobre este tema (muchos se informan en la Bibliografía) y solo algunos de
ellos pueden considerarse exhaustivos. En este capítulo, aunque se presentan los principales componentes de
SIG y los modelos y métodos de análisis espacial de datos, se presta atención a las de fi niciones básicas, a la
investigación de las fuentes de error y la dinámica de propagación y al WebGIS.
9.1 Tipología de los sistemas de información geográfica
La rápida evolución de estos sistemas indujo un número creciente de de fi niciones. Por lo tanto, es
importante introducir una clasificación en la que se ignoren los sistemas de información no espacial. Se
adopta la sugerencia de Kraus (1995).
El Sistema de Información Geográfica comúnmente definido debería llamarse Sistema de
información espacial ( SIS), este último incluido el primero. El SIS es un Sistema de Información
Geográfica (con referencia al territorio) (SIG), que no da una idea del concepto multidimensional o
espacial.
En general, según Kraus, las clases de SIS se relacionan con tres categorías de mapas:
• mapas catastrales y mapas técnicos producido a escala 1: 500–1: 5000;

• mapas topográficos que representan objetos y su forma en la superficie de la Tierra
cara, como ríos, carreteras, edificios, campos, en escalas que van de 1: 2500 a
1: 100.000;
• geográfico y mapas temáticos que puede derivarse de diferentes fuentes de
datos.
Según estas categorías, los Sistemas de Información Espacial asumen diferentes nombres:
• Sistemas de información terrestre ( LIS) si tiene como objetivo la gestión de información catastral en
formato digital;
• Sistemas de información topográfica ( TIS) si tienen como objetivo describir
y paisajes arti fi ciales que introducen la tercera dimensión espacial, es decir, la altitud, mediante su
representación digital otorgada por los DSM, DTM y DEM
(mejor explicado más adelante);
• Sistemas de información geográfica ( GIS), si tienen como objetivo describir la naturaleza

paisajes naturales y antrópicos, sintetizando muchos contenidos temáticos con un mayor grado de
generalización. Según la aplicación a la que se dedique, el sistema de información se puede definir
mejor como ambiental, hidrográfico, forestal, agrícola, etc.
9.1 Tipología de los sistemas de información geográfica 483
Los sistemas de información espacial se pueden resumir en tres niveles con una complejidad creciente de sus
funciones:
• 1 ◦ nivel: sistemas orientados a la representación (cartografía continua); este nivel puede considerarse una
suerte de gestión digital de mapas geográficos capaz de simplificar considerablemente el uso convencional
de los mapas tradicionales, manteniendo su
misma eficacia;
• 2 ◦ nivel: sistemas para la gestión de atributos y geometría de entidades. Los atributos se organizan dentro de
bases de datos (archivos de tablas conectadas) relacionados directa o indirectamente con las características
geométricas del territorio; estos se agrupan generalmente en mapas temáticos independientes como
'Carreteras', 'límites', 'ríos', 'áreas cultivadas', etc., de fi nidos como 'estratos', que están equipados con tablas
pertinentes de atributos que contienen incluso técnicas, administrativas muy complejas. o información
topográfica. Este tipo de estructura permite un acceso intuitivo e interactivo a las bases de datos para realizar
operaciones complejas con respecto a las entidades geométricas y sus atributos relacionados. El beneficio
más importante de una herramienta SIG es la posibilidad de generar nueva información sintética a partir de
diferentes fuentes de datos.
re
• 3 ◦ lating a diferentes
nivel: sistemas capasa ylatablas.
destinados simulación dinámica de procesos complejos en desarrollo
optar en el territorio (simuladores); este nivel de SIG es una integración de los dos primeros niveles con
procedimientos específicos que pueden describir, de manera rigurosa o empírica, los fenómenos que ocurren en el
territorio y su condicionamiento. Los sistemas de soporte de decisiones (DSS) pertenecen a este nivel.
Kraus finalmente muestra que el SIG es el resultado exitoso de la integración de contribuciones científicas
relacionadas con campos externos y preexistentes. Reconoce lo siguiente (Fig. 9.2):
- Diseño asistido por computadora (CAD): desarrollado para soportar la planificación arquitectónica y el diseño
técnico, potenciando la computación como volumen, peso, etc., y permitiendo el modelado 3D del dibujo. Muchos de
los procedimientos que actúan sobre la geometría de las características disponibles dentro de un SIG se derivan de
CAD;
- Sistemas de gestión de bases de datos (DBMS);
Figura 9.2 La clasificación de los sistemas de información geográfica (SIG)

- Mapeo automatizado / Gestión de instalaciones (AM / FM): pueden gestionar datos geográficos tanto de
forma gráfica como alfanumérica. Se utilizan principalmente para la gestión de redes tecnológicas e incluyen
funciones computacionales para análisis espacial, incluida la tercera dimensión. Están pensados para
satisfacer las necesidades de las administraciones locales encargadas de gestionar redes tecnológicas para
la distribución de servicios.
9.2 Formato de los datos geográficos
Un mapa es la forma más común de representar datos geográficos como un conjunto de puntos, líneas y áreas, que
se colocan de acuerdo con un sistema de coordenadas definido; la característica geográfica, o elemento del suelo,
se compone de dos componentes:
• posicional que de fi ne gráfica y geométricamente la posición y la forma y la topología de los objetos

representados por primitivas geométricas como
puntos, líneas, polígonos y píxeles (por ejemplo, fronteras de países, ríos, lagos);
• descriptivo, expresado mediante declaraciones alfanuméricas, destinadas a calificar
algunas propiedades no espaciales de las características geométricas por medio de atributos (números,
cadenas, fecha); es decir, la población de cada condado, los topónimos, etc. Los atributos se organizan en
tablas.
Según este concepto, GIS es un sistema complejo capaz de gestionar:
• posición geográfica de los objetos;

• sus atributos;
• sus relaciones espaciales y de atributos; factor tiempo
• de los fenómenos dinámicos.
Incluso si los posición geográfica de un objeto se puede describir a través de atributos alfanuméricos (sus
topónimos, el nombre de la unidad administrativa a la que pertenecen, es decir, municipio o provincia, direcciones),
los descriptores básicos de dicho inmueble son sus coordenadas geográficas referentes a un sistema de referencia
oportuno (Fig. . 9.3, placa
9.3).
los atributos de fi nir y caracterizar algunas propiedades de los objetos georeferenciados representados. Si,
por ejemplo, el objeto es un bosque, la composición de especies, la altura de los árboles pueden considerarse
sus atributos. Los atributos son generalmente
datos no espaciales, ya que no tienen un valor posicional intrínseco; esto significa que no pueden cambiar de
acuerdo con las variaciones de la escala / proyección del mapa porque no tienen una referencia permanente a
otras entidades (Fig. 9.4).
Se distinguen cuatro tipos de atributos:
• métrico: números asociados a los elementos del mapa que describen sus propiedades geométricas como
posición, longitud, perímetro, área;
9.2 Formato de los datos geográficos 485
Figura 9.3 Ejemplo de mapa topográfico, escala nominal 1:10. 000, donde se muestran varias capas (carretera, área urbana,
etc.)
Figura 9.4 Datos geográficos: los dos

componentes de los datos geográficos; a:
posicional, que describe la topología de
los objetos por puntos, líneas,
polígonos; b: descriptivo,
basado en los atributos que describen las
propiedades de las características
geométricas
• gráfico: codi fi caciones numéricas útiles para la representación de las características del mapa, como el símbolo
utilizado para representar oportunamente un punto, o el color (o la
grosor) para trazar una línea para mejorar la interpretación del mapa;
• descriptivo: declaraciones alfanuméricas útiles para calificar las características; para examen-
Escriba el nombre del propietario de un edificio determinado (elemento poligonal), su dirección;
• complejo: atributos externos utilizados para describir elementos cartográficos, por ejemplo
descripción textual de un polígono industrial en un mapa de uso del suelo.
Relaciones espaciales, entre los elementos geográficos, se puede definir como (Fig. 9.5):
• topológico: equivalencia, equivalencia parcial, inclusión, adyacencia, separación;

• dirección: adelante, atrás, arriba, abajo, direcciones cardinales y sus combinaciones,
descripciones métricas de ángulos;
• proximidad cualitativa: cerca, lejos, próximo a;
• cuantitativo: mediciones de distancia.
Las relaciones pueden ser simples o muy complejas. Es importante, por ejemplo, no solo localizar áreas en
peligro de incendio y cuencas para captación de agua por helicópteros, sino también saber qué tan lejos están y
cuánto tarda el helicóptero en llegar al lugar. Por
Figura 9.5 Relaciones espaciales entre los elementos geográficos

- topológico: A interno a B, D conectado con B, C desarticulado de B, G superpuesto E;
- direccional: G este a C, C norte a D;
- proximidad: C cerca de B, D lejos de E.
Al estudiar las combinaciones de diferentes elementos, se pueden encontrar algunas intersecciones o asociaciones
entre fenómenos particulares: por ejemplo, es posible buscar una relación entre la incidencia de una enfermedad y
la presencia de una o más fuentes de contaminación conocidas.
los factor de tiempo permite realizar análisis temporales a través de la caracterización de los datos en el tiempo
con el fin de recopilar información valiosa sobre la evolución de un determinado evento, modelar el fenómeno y
generar pronósticos útiles para la alerta temprana y la intervención temprana.
Figura 9.6 Organización lógica de un SIG

9.3 Componentes y estructura de GIS 487
Figura 9.7 La organización estructural de un SIG: la aplicación debe abordar la configuración del sistema.
9.3 Componentes y estructura de GIS
Para una estructura orgánica, es importante especificar los componentes del SIG y su organización, así como la
lógica de procesamiento que de fi ne su estructura (Fig. 9.6). Estos temas ya se trataron en el Capítulo 5. Los
componentes principales del SIG son
• hardware;
• software;
• datos;
• contexto de organización o software en vivo (Fig. 9.7).
9.3.1 Hardware
Incluye todos los componentes de la calculadora (una computadora personal (PC)) que aloja el sistema y todos los
periféricos. El desempeño de la PC condiciona fuertemente la e fi ciencia de las herramientas de software y de los
periféricos para la inserción de datos y para la representación de los productos cartográficos, tales como
digitalizadores, instrumentos de escaneo, impresoras.
9.3.2 Software
El software diseñado específicamente para el procesamiento de datos geográficos es capaz de administrar datos vectoriales,
rasterizados o híbridos.
Los principales componentes de software de un SIG son
• el Sistema de administración de base de datos ( DBMS);

• el funciones básicas, gestionadas a través una interfaz de usuario oportuna, están dedicadas a:
- entrada y validación de datos;

- almacenamiento de datos y gestión de bases de datos;
- análisis y procesamiento de datos;

- salida de datos.
El lenguaje de consulta estructurado (SQL) controla las funciones básicas. La base de datos SQL es un lenguaje
informático diseñado para la recuperación y gestión de datos en Sistemas de gestión de bases de datos relacionales ( RDBMS),
creación y modificación de esquemas de base de datos y gestión de acceso a la base de datos.
9.3.3 Datos de entrada
Los datos son esenciales para un SIG; la calidad de cada resultado reproducido depende de la disponibilidad,
precisión y homogeneidad de los datos. El costo de la etapa de recopilación de datos excede los costos de
software y hardware, y se estima como el 70% del costo total necesario para obtener el producto final de salida.
Por lo tanto, es esencial que cada archivo de datos que ingresa a un SIG esté equipado con información que
declare su calidad. Se llama metadatos y debe comunicar el origen, la confiabilidad, la precisión, la integridad, la
consistencia y la actualización de los datos a los que se refiere. Si bien se gestiona una gran cantidad de datos,
otro factor fundamental lo representa la actualización constante y adecuada de la información. Para que los
datos estén disponibles y sean útiles para el mayor número de usuarios, deben corresponder a un estándar
predefinido o estándar de transferencia de datos.
Los pasos de trabajo mientras se usa un SIG ya estructurado son
• adquisición de datos: las fuentes de datos pueden ser estudios terrestres dedicados a la recopilación de datos
puntuales continuos o discontinuos, imágenes aéreas y satelitales, sistemas de escaneo láser (LSS) terrestres y / o
aéreos, mapas impresos existentes, bases de datos socioeconómicas, bases de datos estadísticas, etc .;
Figura 9.8 Recopilación y entrada de datos en una base de datos GIS

9.3 Componentes y estructura de GIS 489
Figura 9.9 Transformación de datos para su gestión en una base de datos
Figura 9.10 El procesamiento preliminar de datos incluye varios pasos para estructurar, clasificar y transformar los datos para que estén
listos para consultas: ( una) código topológico, ( si) clasificación de imágenes, ( C) de vector a ráster, re) de ráster a vector, ( mi) interpolación
de cuadrícula, F) triangulación, gramo) reclasificación, ( h) transformación de la proyección cartográfica
Figura 9.11 Salida de datos en diferentes tipos de representación
• Entrada de datos: los datos deben transformarse en un formato apropiado que pueda ser administrado por el sistema.
La entrada de datos geométricos puede provenir de la digitalización de mapas impresos, mediante trazado estereo
fotogramétrico, mediante sistemas de escaneo, etc .; la entrada de datos alfanuméricos proviene de la escritura del
teclado o del cálculo de tabla
ciones (Fig. 9.8);
• preprocesamiento: durante esta fase, los datos necesarios para la aplicación seleccionada
están adaptados para ser gestionados por el software. Para cada proceso, es importante realizar rigurosas
pruebas de calidad tanto en datos alfanuméricos como geográficos,
para calificar los resultados obtenidos (Figs. 9.9 y 9.10);
• gestión de datos: Los sistemas de gestión de bases de datos (DBMS) son la información
herramientas ics encargadas de esta tarea. La gestión considera tanto los datos gráficos (espaciales) como
los alfanuméricos (no espaciales) (ver Capítulo 5). A veces, los datos gráficos se gestionan por separado de
los alfanuméricos debido a sus diferentes
caracteristicas;
• presentación de datos: Los resultados producidos dentro de un SIG se representan comúnmente
a través de diseños que muestran mapas temáticos cuyo grado de detalle depende de la densidad de
información, que está en la escala del propio diseño (Fig. 9.11). Los mapas temáticos son una herramienta eficaz
para integrar en un solo dibujo tanto la geometría de las características como algunos de sus atributos.
9.4 El contexto organizacional
El contexto organizacional está representado por el operador frente a la computadora que aloja el SIG.
Este es el componente humano del sistema en contraposición al hardware y software.
9.5 Modelos de datos espaciales 491
9.4.1 Bases de datos y estructuras
Los componentes de datos geográficos (posición, atributos, relaciones espaciales y factor de tiempo) generalmente se
analizan y administran utilizando bases de datos debidamente organizadas, definidas Sistemas de gestión de bases de
datos ( DBMS).
Se pueden de fi nir tres tipos de DBMS:
- una única base de datos que gestiona tanto el componente geométrico como el alfanumérico;
- una base de datos doble, donde existe una base de datos dedicada para cada componente;
- una única base de datos solo para el componente geométrico de los datos conectados a otros externos que
contienen datos alfanuméricos.
Las bases de datos se describen en el Capítulo 5, así como la estructura de los sistemas de archivo jerárquico,
reticular, relacional y orientado a objetos.
9.5 Modelos de datos espaciales
Una vez ejecutado el análisis de las necesidades del usuario y de los recursos disponibles, el siguiente paso en el
diseño de un SIG es el de fi nición de un modelo de datos e fi ciente capaz de operar correctamente (considerando una
aplicación específica) con respecto a las funcionalidades atendidas del sistema (Fig. 9.12). El enfoque de modelado de
datos espaciales se refiere a dos formatos de datos diferentes: vector y cuadrícula (raster) ( Lámina 9.1).
Figura 9.12 Una representación de la escena: ( una) mundo real, ( si) modelo ráster, C) modelo vectorial
9.5.1 Formato vectorial
Alrededor de la década de 1960 apareció un SIG capaz de gestionar datos vectoriales para responder a las necesidades de
los mapas catastrales y a la gestión de redes tecnológicas. En el modelo de datos vectoriales se describe la geometría del
territorio aprovechando los elementos (primitivas) propios de la cartografía numérica (Fig. 9.13):
• puntos: que representan objetos descritos por un par de coordenadas (es decir, una torre de agua, una torre de
energía eléctrica, etc.);
Figura 9.13 Las primitivas geométricas

en la representación vectorial pueden ser
punto, línea, polígono, superficie,
volumen
• líneas o segmentos: representado por un conjunto de puntos conectados (es decir, una carretera); varios
segmentos, cada uno con dos vértices, forman una arco; áreas: polígonos encerrados por una polilínea
• donde el primer y último vértice son
coincidente (es decir, un campo cultivado);
• nodos: tipos particulares de puntos que especifican una conexión topológica o la posición
ción de una característica geométrica.
Figura 9.14 Codificación topológica en un mapa con dos polígonos: cada polígono está de fi nido por arcos que están de fi nidos por
nodos. Cada arco tiene una dirección adecuada. En el ejemplo, el arco c (nodos 3, 4) es común a los dos polígonos A y B
9.5 Modelos de datos espaciales 493
Las relaciones que existen entre las primitivas geométricas (nodos, arcos y polígonos) se denominan relaciones
topológicas. Su característica fundamental es que los arcos comienzan y terminan solo en correspondencia de nodos
y que los polígonos están encerrados por arcos. En lo que respecta a un arco, su descripción topológica debe
considerar no solo los nodos que lo definen sino también las áreas eventuales (es decir, los polígonos) a las que es
común (a su izquierda y derecha). Este hecho hace que el arco sea direccional, con una dirección: así, las primeras
coordenadas almacenadas del arco se refieren al nodo inicial mientras que las últimas se refieren al nodo final (figura
9.14). Los GIS vectoriales muestran límites relevantes, especialmente en lo que respecta a la digitalización de datos.
Es necesaria la supervisión constante y continua por parte de un operador calificado, y el procesamiento requiere
mucho tiempo, lo que a menudo hace imposible tener datos cartográficos actualizados en tiempo real. Esta es una
limitación especialmente para aplicaciones que requieren el monitoreo de fenómenos en evolución. Por otro lado, el
formato vectorial suele ser económico en términos de espacio de memoria requerido por los datos y presenta ventajas
en la precisión y la calidad de la representación (por ejemplo, no se produce degradación en la visualización durante
el zoom).
9.5.2 Modelo de cuadrícula o ráster
Los SIG capaces de gestionar datos ráster se desarrollaron durante la década de 1970 y se concibieron
como soporte para muchos temas. En los modelos ráster, el espacio representado se divide en una
cuadrícula, generalmente de tamaño regular, formada por filas y columnas. Cada elemento de la
cuadrícula (llamado celda) define una porción de tierra discreta del espacio. Según esta organización de
datos, la posición del objeto se define por los valores de fila y columna dentro de la matriz. La celda
única alberga un número que define un solo atributo del elemento de tierra en esa posición geográfica;
como solo se puede asociar un valor a cada celda, si se requieren diferentes atributos, deben
almacenarse en diferentes archivos de cuadrícula. Por ejemplo, un área urbana no es un polígono único
definido, sino que, a diferencia de una representación vectorial,
Si bien el formato de cuadrícula juega un papel fundamental en la representación de la información terrestre, en este
volumen el concepto de raster se relaciona principalmente con imágenes digitales. Burrough y McDonnell (2000) tratan este
tema de manera exhaustiva (Cuadro 9.1).
El modelo ráster presenta límites especialmente al representar y procesar entidades independientes; de hecho, cada
objeto no es una característica independiente, sino un grupo de celdas que no pueden reconocerse automáticamente
como pertenecientes a la misma forma. Además, los datos ráster requieren mucho espacio de memoria para
almacenarse. Como su precisión depende estrictamente del tamaño del suelo de la celda, lo que condiciona fuertemente
la dimensión del archivo, es importante buscar el mejor compromiso entre el grado de detalle espacial (tamaño de celda o
resolución geométrica) y el tamaño del archivo. ya que este último aumenta a medida que disminuye el tamaño de la
celda. El formato ráster es particularmente adecuado para representar datos temáticos, ya que cada celda de diferentes
capas de cuadrícula puede referirse a diferentes atributos de esa porción de terreno. Un SIG capaz de gestionar datos
ráster puede ser fácil y
actualizado económicamente por imágenes digitales (ortofotos aéreas o satelitales) permitiendo el recálculo
automático de los parámetros según el nuevo escenario.
Un formato particular del modelo ráster basado en un tamaño dinámico de las celdas es el quadtree modelo. El
concepto básico de este modelo es el aumento de la resolución geométrica de la cuadrícula en las zonas que sufren
una alta variabilidad, por lo que se requiere un mayor detalle (por ejemplo, los bordes de un área). De acuerdo con
esta organización de datos, si todas las celdas de la cuadrícula estuvieran etiquetadas como la misma clase, el
resultado sería una sola celda grande que incluye un área amplia. En un modelo ráster convencional, se habría
necesitado una gran cantidad de celdas etiquetadas con el mismo atributo para la representación de la misma área. Si
hay muchas clases presentes, el algoritmo procede por cuadrantes: primero, la cuadrícula se divide en cuatro
cuadrantes de igual tamaño; sucesivamente, sólo los cuadrantes que contienen más de una clase se dividen en cuatro
subcuadrantes de igual tamaño, y así sucesivamente.
Este modelo realiza algunas funciones de análisis espacial de manera más eficiente que en el modelo
ráster convencional; el quadtree La estructura tiende a tener su máxima ventaja en el caso de la gestión de
mapas homogéneos, que no requieren actualización periódica (Fig. 9.16).
9.6 Integración de datos vectoriales y ráster
El SIG está fuertemente condicionado por la fuente de datos y el tipo de aplicación. Por ejemplo, un SIG planeado para
trabajar con imágenes digitales está equipado con muchas herramientas de procesamiento de raster, mientras que un sistema
concebido para administrar herramientas tecnológicas vectoriales de red está más desarrollado.
Figura 9.15 Representación raster de elementos terrestres

9.6 Integración de datos vectoriales y ráster 495
Recuadro 9.1 Fortalezas y debilidades de los modelos vectoriales y ráster
Parámetro Modelo vectorial Modelo ráster
Memoria Datos compactos bajos El alto volumen de datos es
ocupación estructura, precisión y resolución y

dependiente de la precisión formatos de compresión
dependiente
Generalización Complejo Intrínseco simple en

estructura quadtree
Topológico Eficiente Dificultades

análisis
Exactitud Alto Depende de la resolución de la

celda
Procesamiento de datos Complejo Sencillo
Informativo Complejo pero preciso Simple pero menos preciso

capas superpuestas
Definicion de Eficiente y preciso Simple pero menos preciso

progresivo
distancias
(almacenamiento en búfer)
Imagenes
Sin modelo adecuado Eficiente y preciso
Procesando
Generación DEM Complejo pero preciso Simple pero menos preciso
Visualización de datos rápida Lento y dependiente de formatos

específicos
Figura 9.16 Fragmentación dinámica del

espacio operada por el modelo quadtree:
( una) polígono en un mapa, ( si) representación
del polígono con el uso progresivo de la
modelo quadtree en el área donde se

requieren más detalles
La posibilidad de superponer datos vectoriales y ráster es un requisito muy útil. Piense en superponer una capa
vectorial de 'carretera' sobre una ortofoto aérea: la percepción del territorio es más efectiva y las decisiones se pueden
tomar de una manera más completa (Fig. 9.17). Los datos vectoriales pueden operar como controladores de precisión
de la calidad de las ortoimágenes cargadas; se pueden utilizar como datos de referencia para mejorar la
georreferenciación de imágenes rasterizadas. Por otro lado, la posibilidad de rasterizar datos vectoriales, trans-
Figura 9.17 Organización de datos GIS en capas temáticas. Cada capa, que contiene información monotemática específica, se
puede combinar con otras para producir nuevas capas mediante consulta (Darling & Fairbairn, 1997)
formar la representación de vector a cuadrícula, permite el procesamiento de información a través de esas herramientas
(por ejemplo, los operadores lógicos) específicamente diseñadas para datos raster y eventualmente reconvertir el resultado
a un formato vectorial.
El nivel máximo que puede alcanzar un sistema integrado es un completo reparto de todas las
funcionalidades que permite un rápido paso de un formato a otro según la operación que se deba realizar.
Algunas tareas son más eficientes si se realizan en formato ráster, otras si se realizan en formato vectorial. Por
ejemplo, el formato ráster es adecuado para la clasificación, la interpolación espacial, la optimización, mientras
que el formato vectorial es más adecuado para la asignación de recursos, para la segmentación dinámica para
el almacenamiento en búfer y el geoprocesamiento.
Un sistema donde se otorga una integración lógica entre datos raster y vectoriales puede ofrecer un cambio de datos
sencillo de un formato a otro, una estructura de almacenamiento común a ambos formatos, una gestión de atributos a través de
una base de datos relacional, herramientas de georreferenciación adecuadas, potentes y de usuario -Potencialidades de
visualización amigables, herramientas de consulta de datos vectoriales y ráster simultáneas y cajas de herramientas de
procesamiento integradas.
9.7 Métodos de análisis de datos espaciales 497
Figura 9.18 El modelado espacial en sus tres componentes: análisis de datos espaciales, análisis de atributos y análisis
integrado de datos y atributos espaciales
9.7 Métodos de análisis de datos espaciales
El SIG puede realizar un análisis espacial; Las relaciones espaciales entre las características y sus atributos y el
vínculo persistente con su geometría (forma y posición) hacen del SIG una herramienta capaz de simular el mundo
real y, por lo tanto, de ayudar a los tomadores de decisiones a resolver problemas reales y pronosticar las posibles
consecuencias de fenómenos de riesgo.
La información contenida en un mapa tradicional se almacena en un SIG como una secuencia de capas
temáticas, cada una contiene un tema y posiblemente contiene el mismo tipo de primitivas (una capa poligonal,
una capa de puntos, etc.). los transporte La capa, por ejemplo, contiene carreteras y líneas de ferrocarril, mientras
que hidrogeología La capa puede incluir la red hidrográfica, los cuerpos de agua, etc. Esta estructura básica de
datos dentro de un SIG, donde la información se fragmenta en capas según el contenido y el tipo de primitivas (si
son vectoriales), de fi ne la tipología de operaciones que pueden ser realizado en las capas. Por ejemplo, el
cálculo de la longitud se puede realizar solo en capas de tipo polígono (perímetro) o polilínea, mientras que la
interpolación espacial opera en capas de puntos, etc.
Las operaciones se pueden realizar en una sola capa de datos o combinando dos o más capas de datos. La
interpolación espacial, por ejemplo, es la tarea más común realizada en una sola capa. Es típico al generar un
DEM y sus productos derivados (mapas de pendiente, aspecto, sombra de colinas).
El desarrollo de las técnicas GIS ha determinado, en los últimos años, un aumento constante de las
cajas de herramientas de análisis; pueden agruparse en tres categorías: análisis de datos espaciales,
análisis de atributos y análisis integrado; el último se puede dividir en 1 ◦ y 2 ◦ categorías (Fig. 9.18).
9.7.1 Análisis de datos espaciales
Esta familia de operaciones está dedicada a operar sobre la geometría de las capas. Las mismas operaciones realizadas
en un modelo raster o vectorial requieren diferentes procedimientos específicos. Las principales operaciones se pueden
resumir de la siguiente manera:
• formato de datos en la forma requerida por el SIG diseñado; acceso a datos

• (entrada / salida);
• georreferenciación de datos;
• integración de datos. Los operadores de matriz permiten fusionar el contenido de los datos de la cuadrícula. Las operaciones entre
diferentes capas ráster se llevan a cabo comparando (mediante fórmulas) los valores de las células homólogas pertenecientes a
cada una de ellas. Las herramientas de geoprocesamiento (fusión, unión, recorte, almacenamiento en búfer, intersección) son las
que se refieren a vectores
datos;
• edición de datos geométricos mediante la inserción de nuevas características o remodelación de la existente
uno;
• generalización del mapa mediante la reducción del número de características originales y su
eventual transformación;
• consultas espaciales dirigidas a la selección de características que satisfacen los requisitos topológicos
(por ejemplo, todos los hospitales a una distancia de 1 km de una escuela; todas las carreteras que se cruzan con
un límite administrativo declarado)
9.7.2 Análisis de atributos
Este grupo de funciones se utiliza para gestionar el contenido de las tablas de atributos. Las operaciones disponibles
son
- interrogación de atributos;
- edición de atributos;
- análisis de atributos y reorganización;
- consulta de atributo.
Las herramientas DBMS son aquellas diseñadas para realizar estas operaciones. Las tres categorías principales son
• funciones de consulta: permiten la investigación selectiva entre los registros (líneas) de las tablas (un registro por
característica) buscando la ocurrencia de valores de atributos específicos. La investigación genera nuevas tablas
que contienen el resultado (una selección), sin alterar los datos de origen. Básico investigación responde, por
ejemplo, a la siguiente pregunta: 'seleccione aquellas características (registros) que tienen el campo (atributo) permeabilidad
perteneciente a la hidrografía tabla igual a X (valor especi fi cado) '. Las consultas, es decir, la interrogación de la base de
datos, deben definirse de acuerdo con una sintaxis bien definida. El lenguaje de consulta más utilizado, en este momento,
es SQL ( Lenguaje de consulta estándar); esto es independiente de la estructura de la base de datos (Fig. 9.19);
• funciones de generalización Permitir la combinación de características según el valor de un atributo. Esta

operación fusiona los registros seleccionados de la tabla de atributos y la geometría de los objetos de mapa
correspondientes. El propósito de esta función es
reducir el nivel de clasificación, es decir, el nivel de detalle (Fig. 9.20);
• funciones de cálculo: en una base de datos, los atributos se almacenan como variables numéricas, de cadena o de
fecha. El campo de la tabla que aloja el atributo debe definirse como el tipo de datos correcto con respecto al
atributo alojado. Según su tipo de datos, los atributos se pueden procesar mediante funciones matemáticas (si son
numéricas), funciones de cadena o funciones de fecha; Los campos del mismo tipo también pueden interactuar
entre sí para producir nuevos resultados que se utilizan en nuevos campos de la tabla.
9.7.3 Análisis integrado de datos y atributos espaciales
Las funciones que se pueden utilizar para realizar un análisis integrado, que involucra tanto la geometría como los
atributos de las entidades, se pueden dividir esquemáticamente en cuatro categorías que se pueden detallar más:
• funciones de selección, clasificación y medición: estas operaciones no cambian ni la geometría ni los

atributos de las características (Fig. 9.21);
- funciones de selección realizar consultas típicas de un SIG como: ¿Dónde están las unidades del plano aluvial?
¿Cuál es el uso de la tierra en esta coordenada? El resultado es una nueva capa donde solo se muestran las
características seleccionadas y se equipan con los atributos originales (Fig. 9.22).
- funciones de clasi fi cación permitir la identificación y codificar categorías de características de acuerdo con un
corte de la distribución de un determinado valor de atributo. Por ejemplo, un DEM (una distribución extendida de
valores de altura) se puede clasificar (representar así) en norte rangos de altura (clases); un mapa de densidad de
población se puede clasificar de acuerdo con algunos rangos de densidad.
Figura 9.19 Selección de características en una sola clase: ( una) pertenecientes a categorías particulares (por ejemplo, selección de polígono)
y ( si) atributos que responden a requisitos de fi nidos (selección de un polígono entre otros)
Figura 9.20 Proceso de generalización: ( una) clasi fi cación original y ( si) clasi fi cación generalizada
Figura 9.21 Consulta de datos cartográficos con criterio geométrico: distancia desde un punto de fi nido. El resultado de la consulta podría ser una
lista de entidades interesantes, por ejemplo, edificios en el área de prueba y su énfasis en el mapa.
Figura 9.22 Investigación en un área de fi nida: ( una) investigación espacial con una ventana y ( si) investigación espacial basada en un objeto existente
- funciones de medida Permitir el cálculo de longitudes, áreas, volúmenes y distancias, es decir, responder
preguntas como ¿Cuánto mide este río? ¿Qué tan lejos están los pozos de agua entre sí en un área
determinada? ¿Cuántas hectáreas se cultivan con trigo?
Figura 9.23 Los operadores lógicos booleanos (O, Y, NO) y los operadores de conjunto (unión, intersección, diferencia) se pueden usar para
combinar diferentes regiones o capas espaciales. La búsqueda en bases de datos se basa en los principios de la lógica booleana, una
relación lógica entre los elementos de investigación (del matemático George Boole)
• funciones de geoprocesamiento o cruce: Funciones básicas de GIS orientadas a la interacción entre capas.
Las capas se procesan juntas para obtener nuevos datos resultantes de operaciones de fusión, intersección,
exclusión, unión, etc. Esto no solo produce un efecto gráfico, sino que genera nueva información tanto a nivel
de geometría como de atributos. Las aplicaciones son muy amplias y estos operadores permiten realizar
análisis ambientales sofisticados. Los operadores útiles para estas tareas se denominan booleanos. El efecto
de tal enfoque se muestra en la figura 9.23, donde una región es clara (verdadera) u oscura (falsa) de acuerdo
con la satisfacción de una condición requerida con respecto a un determinado fenómeno. Los operadores
booleanos ejecutan un cálculo lógico binario de acuerdo con algunas leyes específicas que permiten la
operación tanto en oraciones como en entidades matemáticas;
• herramientas de barrio: útil para evaluar el comportamiento de partes de mapas cerca de una posición específica (zonas de
amortiguamiento). Los cuatro tipos de operadores de vecindario se pueden definir de la siguiente manera:
- funciones topográficas: Permitir el cálculo y mapeo de pendiente, aspecto, cuenca visual de una
determinada función dependiente del espacio (formato de cuadrícula). Si la función es un DEM, los
resultados son modelos topográficos del área; estas operaciones son típicas del modelo ráster;
- herramientas de iluminación: destinado a calcular los parámetros relacionados con la radiación solar entrante,
determinando así cuántas horas está expuesta al sol un determinado lado de una montaña o de un edificio;
- herramientas de vista en perspectiva: Permiten la visualización de las superficies en modo 3D mejorando la

comprensión de algunos fenómenos. Draping es una herramienta eficaz que produce fácilmente modelos 3D
superponiendo temas o imágenes digitales sobre un modelo de superficie (generalmente un DEM o DSM, Fig.
9.24);
Figura 9.24 Modelado 3D por vista en perspectiva del área de la ciudad de Cuneo, norte de Italia: la banda pancromática EROS,
resolución nominal de 1.8 m, se despliega en el Modelo Digital de Elevación (DEM) derivado de un mapa topográfico 1: 10,000
- herramientas de interpolación: útil para sobre muestrear y regularizar la distribución de puntos de una función
observada. Calculan nuevos valores de las funciones en nuevas posiciones que se encuentran entre las
originales muy espaciadas. La distribución original de puntos (o líneas) puede ser regular o irregular (Fig.
9.25);
• herramientas de conectividad: útil para identificar si los segmentos de una red (de polígonos o líneas) están
conectados y cómo; los principales son
Figura 9.25 Proceso de interpolación: ( una) valores conocidos y ( si) valores interpolados, en las celdas blancas, como función espacial de los
valores conocidos
Figura 9.26 Investigación basada en criterio

de proximidad. Buffering
se define especificando un
distancia o un radio, alrededor de un punto ( una),
de una línea si),
alrededor de un área C).
- funciones de contigüidad: considerar aquellas áreas que tienen propiedades comunes y evaluar las
características de las características conectadas entre ellas. Por ejemplo, para identificar un área candidata
adecuada (suma de diferentes polígonos) como reserva natural dentro de una determinada región, se
podrían formular reglas de contigüidad. Encuentre todas las entidades adyacentes (polígonos) etiquetadas
como bosque (según una capa de cobertura vegetal) que permitan la generación de una sola área que
tenga al menos una determinada superficie declarada, que contenga suficientes cuerpos de agua (ríos y
lagos que pertenezcan a otro tema) y que muestre una morfología compleja. La función ejecuta estas
condiciones considerando las capas involucradas y avanzando polígono por polígono, o píxel por píxel,
para proporcionar un mapa de salida que muestre polígonos o grupos de píxeles, donde se satisfacen
estas condiciones;
- funciones de vecindario: realizar el cálculo de distancias entre dos o más elementos; la distancia debe
entenderse como una función de costes genérica, en la que intervienen muchos factores condicionantes.
Ejemplos típicos son la determinación de zonas de amortiguamiento alrededor de características críticas
(Fig. 9.26), o la generación de polígonos de Thiessen (Fig. 9.27). La capacidad de GIS para crear zonas
de amortiguamiento variables y asimétricas de acuerdo con la referencia mapeada
las funciones pueden resolver problemas complejos y producir nuevas capas temáticas útiles para los tomadores de
decisiones;
- funciones de propagación o dispersión: investigan aquellos fenómenos cuyos efectos sobre el territorio
están relacionados con la distancia de los elementos críticos. La distancia, nuevamente, es una función de
costos que potencialmente depende de diferentes restricciones relacionadas con las características del
territorio. Por ejemplo, es posible calcular la dilución de un contaminante en función de la distancia de la
fuente, del tipo de suelo, del tipo de cobertura del suelo, de las condiciones de impermeabilidad del terreno,
de la pendiente, de la lluvia; otro ejemplo es la de fi nición de áreas potencialmente inundadas con respecto
a la posición de una presa y al potencial volumen de agua saliente;
- buscar funciones: se utiliza para determinar la ruta mínima, la ruta óptima o al menos la más barata que
satisfaga reglas de decisión específicas; aplicando correctamente esta función en el DEM es posible, por
ejemplo, de fi nir la trayectoria de los fl ujos de agua a lo largo del territorio;
- análisis de red: se utilizan para optimizar y gestionar las actividades considerando el fl ujo de información
a través de sistemas de red utilizando funciones de investigación teniendo en cuenta la forma en que los
proveedores o usuarios acceden a la red y controlando la conectividad entre diferentes porciones de la
red. La función de segmentación dinámica puede asociar información a cualquier parte de una
característica lineal sin cambiar su estructura física, lo que permite que los atributos se representen
fácilmente y se administren de manera eficiente.
9.8 Métodos de representación de la superficie terrestre
Para investigar y describir los fenómenos que ocurren en la Tierra, se deben considerar modelos de
representación apropiados de su superficie. Si las medidas de altura provienen de un muestreo puntual y
lineal (discreto), solo representación incompleta
Figura 9.27 Segmentación de una imagen, o
interpolación de datos, utilizando los polígonos
de Thiessen. Los ejemplos se refieren a un
conjunto de datos de precipitaciones medidos in
situ
9.8 Métodos de representación de la superficie terrestre 505
Figura 9.28 Subdivisión jerárquica de los métodos de representación de la superficie terrestre
ción de la superficie es posible. Esto a menudo evita el reconocimiento de agregaciones locales útiles para definir
estructuras interesantes y / o sus variaciones.
Por el contrario, el representación completa continuo) puede verse como una serie de zonas contiguas, cada una
calificada por un único valor de código (atributo); o puede representarse mediante funciones matemáticas continuas
dependientes del espacio. Es una buena regla, mientras se describe el territorio a través de una representación
completa, operar explotando la agregación de formas básicas simples para describir una realidad más compleja (por
ejemplo, TIN).
La subdivisión jerárquica de los diversos métodos de representación de la superficie de la Tierra se

muestra en la Fig. 9.28; algunos de ellos se describen en el siguiente párrafo sobre modelos digitales de
terreno.
9.8.1 Modelos digitales de terreno
Los Modelos Digitales de Terreno (DTM) cobran cada vez más importancia en el procesamiento y análisis
de datos geográficos: permiten modelar, analizar y visualizar fenómenos relacionados con la morfología del
territorio (o con cualquier otra característica del territorio diferente a la elevación).
La tercera dimensión es un elemento básico de la visualización, que juega un papel fundamental en la

visualización virtual del territorio. Es importante profundizar en el significado de los términos de uso común y
comprender cómo se pueden producir los modelos digitales de la superficie de la Tierra.
La descripción digital de la altura del suelo nació a mediados del siglo XX. J. Miller, del famoso Instituto de
Tecnología de Massachusetts ( MIT), en Boston, Estados Unidos, fue el primero en introducir la tercera
dimensión. A partir de ese momento, los Modelos Digitales de Terreno cobraron importancia, entre ellos el
DTM del Servicio Spécial des Autoroutes ( Francia), de la Nordisk ADB ( Suecia) y del MIT Meshurface (Estados
Unidos), y las investigaciones en el campo de Linkwitz, Nakamura, Silar, Rummel en Alemania, hasta el
método más importante HIFI88 de Ebner et al. (1987) de la Universidad de Mónaco trabajó para generar. Más
recientemente, el primero que abordó estos problemas en Italia fue G. Inghilleri, de la Universidad de Milán,
entre 1964 y 1968; pero ya en 1833 Ignazio Porro asumió que el mapa es un subproducto del levantamiento
topográfico, mientras que la precisión de la medición de levantamientos terrestres no debería desperdiciarse
con los procedimientos gráficos para la impresión del mapa. Porro escribió que el terreno debería estar
representado por el término de coordenadas cartesianas (X, Y, Z) de todos los puntos estudiados; estos
pueden entonces ser interpolados linealmente: esta es la base misma de los actuales modelos digitales del
terreno de la superficie de la Tierra.
La clasificación de los modelos digitales, generalmente definida como la representación en formato digital de una
porción de superficie terrestre, se refiere, en la bibliografía, de diferentes formas. Los términos más usados son
• Modelo de superficie digital, DSM;

• Modelo de terreno digital, DTM; Modelo de
• elevación digital, DEM.
Aunque existen algunas diferencias entre estas de fi niciones (y siglas relativas), a menudo se utilizan
como sinónimos. Hasta que una autoridad internacional no establezca sin ambigüedades su significado
riguroso, se seguirán utilizando sin distinción. No obstante, se pueden observar algunas ligeras diferencias
entre ellos en publicaciones específicas; por ejemplo:
• El modelo de superficie digital o DSM describe la superficie terrestre, incluidos los objetos que la cubren
como edificios, vegetación y, en general, la describe a través de
primitivas geométricas conocidas (rectángulos o triángulos).
• El modelo digital de terreno o DTM describe la superficie justo al nivel del suelo.
• El modelo de elevación digital (DEM), en términos geométricos, es equivalente al DTM. Puede definirse como una
cuadrícula regular de medición de altura (generalmente con celda cuadrada) organizada en un formato de trama (ver
Lámina 9.2).
De todos modos, el DEM se usa generalmente como sinónimo de DTM. Posteriormente y en el texto, cuando
sea posible, se denominará genéricamente por las siglas DEM.
9.8.1.1 Pasos de producción de DSM / DTM o DEM
La derivación o reconstrucción de un 3D o 2 1/2 D de una proyección bidimensional se llama escaneo 3D.

Para obtener la representación 3D final, es necesario
pasar a través de un producto intermedio: un Grupo de puntos 3D. Hoy en día se deriva principalmente del sistema
de escaneo láser (Lámina 9.4).
El extraño concepto de un 2 1/2 El modelo de superficie D está relacionado con una condición de forzamiento en la
descripción del objeto. De hecho, se supone que para cada posición (X, Y) solo
existe una coordenada Z. En este modelo las coordenadas planas X, Y son datos conocidos, y son la clave para
acceder a la tercera dimensión que suena como un atributo de cada punto.
Si la forma descrita es muy compleja, la 2 1/2 El modelo D no es suficiente para una representación completa.
Por ejemplo, la representación 3D de la copa de un árbol no puede
ser visualizado por un 2 1/2 Modelo D, mientras que una superficie de campo sí.
El problema de generar un DSM apropiado para medir se expone a continuación.

Dado un grupo de puntos muestreados:
X∈3 (9,1)
que se supone que pertenecen a (o que están cerca) de una superficie desconocida U, se puede crear una
aproximación de la misma, el modelo S, que satisfaga el siguiente criterio:
d (S, U) <c (DSM) (9,2)
whered (): función de disimilitud o distancia

c: criterio de umbral.
La aproximación DSM (S) es más diferente de la realidad cuanto mayor es la complejidad
morfológica de la superficie U.
Sin embargo, es importante recordar que las mediciones X siempre se ven afectadas por errores accidentales y,
a menudo, contienen algunos valores atípicos erróneos (puntos aislados). Un ejemplo de puntos aislados que
pertenecen a X es un conjunto de datos de Escaneo Aéreo Láser (ALS) que contiene mediciones mixtas tanto de la
superficie con vegetación como del suelo desnudo. La identificación y eliminación de los valores atípicos son
siempre operaciones muy difíciles, cuya eficiencia puede afectar la precisión final del DSM derivado, incluso fuera
de su posición.
El número de modelos de superficie (S) es, en la práctica, infinito; por tanto, diferentes modelos de superficie pueden
dar una buena aproximación diferente a la realidad. Este problema hace que el problema de aproximación superficial sea
complejo.
Un enfoque ampliamente adoptado para generar un DSM a partir de los puntos Xmeasured es la segmentación
(regular o irregular) de la nube de puntos disponible dirigida para crear una modelo por partes resultante de la
integración de primitivas 3D básicas simples.
Los diferentes modelos enfrentan el problema del control de las diferencias de altura de diferentes maneras.
Algunos modelos generan una superficie geométrica continua que se degrada uniformemente en altura; otros
tienden a variar la estructura de los datos y la complejidad del cálculo. Cada modelo puede ser e fi ciente y preciso
para la aplicación específica para la que fue desarrollado y comportarse mal en otros contextos.
Por tanto, el control de calidad de un DSM depende del uso y la aplicación. Un DSM destinado a producir ortofotos a
gran escala tiene que satisfacer criterios diferentes de un DSM utilizado, por ejemplo, para realizar un DEM para el
estudio y de fi nición de áreas potenciales de inundación a escala cartográfica mediana-pequeña. La densidad del punto
3D también condiciona la calidad del DSM: una mayor densidad de puntos permite que el modelo siga las abruptas
variaciones de pendiente. Una densidad excesiva de puntos puede generar una mayor probabilidad de errores casuales.
Este hecho sugiere seleccionar primero los datos, con la consiguiente pérdida de frecuencia de datos en el modelo de
superficie.
El flujo de trabajo de DSM / DEM relativo tanto a su producción como a su utilización se desarrolla de acuerdo
con los siguientes pasos (Fig. 9.29):
• adquisición de datos;
• generación del modelo: de fi nición del modelo y de los algoritmos de interpolación;

• procesamiento: modi fi caciones y refinamiento;
• interpretación: análisis y extracción de información del DEM;

• visualización;
• aplicaciones.
Adquisición de datos altimétricos
Un levantamiento de puntos 3D es el paso más difícil y costoso de todo el proceso de producción de un DSM
/ DEM. La identificación de los puntos a encuestar y la estrategia de muestreo son parámetros críticos para la
calidad del modelo final. Las técnicas utilizadas para medir puntos 3D son
• estudio de tierra;
• digitalización de mapas existentes;
• métodos fotogramétricos aéreos y satelitales;
• interferometría de radar;
• Escaneo láser aerotransportado (ALS).
Estudio de tierra permite la adaptación de los procedimientos de muestreo a las características del terreno,
proporcionando así mediciones muy precisas, produciendo DEM de muy alta resolución geométrica. Como son
caras tanto en dinero como en tiempo, se realizan para detectar la topografía de áreas muy pequeñas, por
ejemplo, sitios contaminados, disputas, deslizamientos de tierra, variaciones de volumen.
Figura 9.29 Generación de modelos digitales de superficie (DSM). ALS: escaneo láser aerotransportado; POS: Sistema óptico pasivo
La digitalización de ya existente mapas representa la fuente de datos que se utiliza con más frecuencia para la generación
DEM pero que, por varias razones, es menos confiable. A continuación, se muestran algunas limitaciones:
• la densidad de muestreo es muy alta a lo largo de las curvas de nivel, pero no hay información disponible
sobre las áreas dentro de las curvas de nivel. Por esta razón, durante la fase de interpolación, las curvas de
nivel suelen coincidir con los puntos adquiridos.
de otra forma;
• las curvas de nivel se digitalizan a partir de productos cartográficos tradicionales, que a menudo son
afectado por errores incontrolables;

• otros defectos se introducen durante el paso de digitalización.
los enfoque fotogramétrico es el método clásico pero seguro que es más largo y caro que el
anterior. Permite medir las coordenadas espaciales 3D de puntos terrestres reconocibles sobre un
modelo estéreo orientado. Amplias áreas pueden
medirse de manera más e fi ciente que el estudio del terreno. Para generar un DSM, las líneas de contorno son
trazadas en estéreo por un operador experto que trabaja en el modelo estéreo utilizando un trazador estéreo analítico o
una estación de trabajo digital. Para completar el trabajo, corregir eventuales errores y evaluar la calidad final del
producto obtenido, se requieren estudios de campo limitados.
Según el enfoque fotogramétrico, la coordenada de altura (h pags) de un punto, que se encuentra en la

superficie de la Tierra, es una función de la línea de base (B), del vuelo
altura (H), de la distancia focal (f) y del paralaje total, medido a partir del
posición nadir (p l + pags r). Como el muestreo se realiza de forma interactiva por operadores especializados, esta técnica
puede producir conjuntos de datos muy precisos: utilizando estándares
Las cámaras aéreas que tienen una distancia focal de 150 mm y vuelan a 3000 m es posible, en un plotter analítico,
medir la elevación con una precisión de 0,5 m. Algunos procedimientos automáticos, basados en algoritmos de
autocorrelación, existen a bordo de las estaciones de trabajo de fotogrametría digital para extraer nubes de puntos de
estereo-modelos orientados. Se utilizan para procesar pares estéreo de antena y satélite. Un ejemplo típico es el uso
de imágenes de satélite estereoscópicas EOS-AM Aster que pueden proporcionar, en las mejores condiciones,
modelos digitales del terreno con una precisión de 15 m.
Vale la pena señalar que las mediciones de la altura del suelo de una manera fotogramétrica son posibles solo en
áreas de suelo desnudo, pero, donde hay árboles, no se puede derivar la elevación del suelo. En esta situación, se
requieren costosos estudios de tierra y pruebas por parte del operador.
Interferometría de radar: Las imágenes digitales de resolución media adquiridas en Amplitud y Fase por
sistemas de radar (frecuencia entre 500MHz y 10 GHz) permiten generar DEM. Los sistemas de radar dedicados
a esta tarea son SAR ( Radar de Apertura Sintética).
En mayo de 1991 se lanzó el primer SAR europeo a bordo del satélite ERS-1; Unos meses más tarde la Agencia
Espacial Europea (ESA), tras verificar las capacidades interferométricas, presentó una patente sobre nuevas
técnicas de procesamiento de datos, hasta lograr demostrar los movimientos de la corteza terrestre con precisión
de orden de centímetros. En 1995 se lanzó el segundo satélite europeo, el ERS-2 y, como sugirió la Unidad de
Procesamiento de Señal del Departamento de Electrónica e Información ( DEI) del Politécnico de Milán, Italia, se
colocó en la misma órbita del ERS-1 durante un breve período de tiempo para operar en la misma área con 1 día
de retraso. Esta configuración permitió la adquisición repetida de datos de toda la superficie de la Tierra,
generando un DEM de áreas amplias. Las ventajas del SAR en comparación con los sistemas ópticos están
relacionadas con la capacidad de operar de noche y con nubosidad; el SAR puede proporcionar imágenes
coherentes que contengan medidas tanto de la intensidad de la señal, relacionada con la reflectividad de los
objetos, como de la fase de la señal, relacionada con la distancia entre el objetivo y la fuente del radar.
A partir de la fase interferométrica, es posible obtener el mapa de elevación relativa de todos los píxeles de las
coordenadas del SAR, que luego debe colocarse en un sistema de referencia convencional (generalmente UTM) mediante
una operación de georreferenciación. En la figura 4.39 se muestra un ejemplo de DEM del volcán Etna generado por siete
pares de imágenes SAR.
Escaneo láser aerotransportado (ALS): la tecnología láser ya está disponible para aplicaciones
fotogramétricas a bordo de aviones; es un todavía en desarrollo y continuo
Tecnología en constante evolución que produce una enorme cantidad de datos difíciles de procesar, visualizar
e integrar en el proceso fotogramétrico (Cuadro 9.2).
Una generación de DSM / DEM de alta calidad requiere operaciones intensas sobre los datos,
principalmente dirigidas a la eliminación de errores graves, filtrado de nubes, simplificación y
segmentación. Un paso importante es la separación entre la superficie del suelo y las superficies de los
objetos (árboles, edificios, etc.). El enfoque consiste en el cálculo de una superficie media obtenida
promediando las medidas de todos los puntos (suelo y objetos). En primer lugar, se asignan
oportunamente pesos para distinguir los puntos que corresponden al nivel del suelo de los objetos
anteriores. En un segundo paso, se seleccionan los puntos del suelo y se utilizan para calcular el
modelo de superficie del suelo. El resultado está fuertemente condicionado por las características
morfológicas del área relevada. Por ejemplo, a lo largo de los valles, el DEM tiende a modelar
depresiones artificiales y a ignorar las pendientes naturales. Así,
Recuadro 9.2 Escaneo láser aerotransportado (ALS) versus fotogrametría analítica y digital y teledetección
9.8.1.2 Coordenadas 3D de los puntos de altura
Las coordenadas 3D se pueden medir mediante colimación analógica o digital (manual o automática), si se dispone de
un modelo estéreo de imagen orientada. Las ecuaciones de colinealidad y el principio de intersección hacia adelante
espacial son los conceptos básicos de este enfoque.
Las precisiones ( σ XY, σ Z) de la medición de coordenadas dependen de:
• calidad de la orientación del modelo estéreo;

• posición del objeto sobre imágenes;
• altura de vuelo o distancia del objeto en fotogrametría aérea; altitud de la órbita

• en la teledetección por satélite.
9.8.1.3 Metodologías de muestreo
Es posible de fi nir y adoptar diferentes métodos de muestreo, según la tarea requerida; Se pueden
reconocer tres estrategias de muestreo:
• regular: el modo de muestreo más sencillo, en el que los puntos medidos se colocan en una cuadrícula regular. Esta
metodología, a menudo utilizada de forma semiautomática, puede ser
aplicado solo en áreas homogéneas y regulares;
• progresivo: En este caso, el paso de muestreo se adapta a la composición de la superficie terrestre.
flexibilidad. Se obtiene un mayor detalle en áreas muy variables; el efecto es leve
aumento de la densidad de puntos;
• selectivo: esta es la estrategia adoptada para todas las áreas caracterizadas por una fuerte
variabilidad, donde es necesario muestrear de forma selectiva a lo largo de las discontinuidades reconocidas
(manual).
Figura 9.30 La generación de un DSM /

DEM a partir de un
escaneo láser aéreo
el sistema genera
problemas de clasi fi cación. los
Los puntos pertenecientes al nivel
del suelo U deben ser
correctamente identi fi cado, de lo contrario
pueden generar diferentes modelos de

superficie ( S1, S2)
Generación: Definición de modelo estructural
Los datos para la generación de un DEM se adquieren según diferentes distribuciones espaciales en
función del modelo que se utilice y del destino final del DEM.
La distribución espacial de los puntos encuestados se puede elegir de acuerdo con los siguientes criterios:
• rejillas regulares, típicas de la fotogrametría; rejillas

• irregulares;
• aleatorio e irregular, como es típico del método topográfico; líneas de discontinuidad del
• suelo, como valles, crestas, ríos, orillas de lagos; lineas de contorno.
•
En la mayoría de los casos, los datos que participan en la generación de un DEM no se adquieren en un
solo modo, pero se pueden tener en cuenta diferentes criterios de distribución (Recuadro 9.3).
Recuadro 9.3 Fortalezas y debilidades del sistema de escaneo láser aerotransportado en comparación con la fotogrametría
aérea y la teledetección en representación 3D
En cuanto a las tipologías estructurales, o formato de datos finales, en términos absolutos, nadie es
mejor que los demás. Por tanto, es necesario relacionar la estructura de datos más adecuada con los
fines de investigación y / o aplicación, considerando las ventajas y desventajas de cada uno (Lámina 9.5).
Los principales formatos en los que se puede suministrar un DEM son
• formato lineal o vectorial: el método más difundido para la descripción de la morfología del territorio. Está organizado
por arcos o curvas de nivel, conectando puntos que tienen la misma altitud. Las curvas de nivel se pueden
superponer fácilmente a todas las capas temáticas de un SIG; se utilizan principalmente como producto intermedio,
siendo los datos de entrada para el
algoritmos de interpolación, que conducen a una descripción continua de la Tierra

superficie.
• formato de cuadrícula o ráster: el modelo estructural más utilizado, gracias a su sencillez; La superficie de la
Tierra está representada por una cuadrícula regular donde las celdas (generalmente cuadradas) están asociadas
a un valor que representa la altura de esa porción de territorio. Todos los SIG raster utilizan este formato para la
representación continua del paisaje y sus atributos (Fig. 9.31). El límite del formato raster es la discretización
persistente de la representación que en la mayoría de los casos esconde las pequeñas discontinuidades: no es
posible una resolución progresiva para este tipo de datos; por tanto, si se requiere una mejor descripción, se
debe calcular un nuevo DEM que tenga una mejor resolución (figura 9.32). No obstante, una organización de
cuatro árboles es posible transformar la cuadrícula DEM en una representación progresiva por partes. Las
ventajas del formato de cuadrícula son la simplicidad del procesamiento de datos y la posibilidad de realizar
fácilmente comparaciones y superposiciones multitemporales. Un límite es la redundancia de información
especialmente en aquellas áreas donde hay pequeñas variaciones de altura: en este caso, se debe considerar la
eventualidad de simplificar el tamaño de la cuadrícula para
separar las zonas más homogéneas de las más complejas.

• cuadrículas poligonales: para realizar un modelo 3D de una escena, a menudo se utilizan polígonos unidos planos en
3D (primitivas geométricas 3D) que dan una representación por partes; un grupo de primitivos, si se combina
correctamente, puede describir cualquier forma. Un pequeño grupo de primitivos puede definir formas simples, como un
poliedro, mientras que los objetos más complejos requieren un fraccionamiento más articulado de ellos. Las primitivas
que participan en el modelo son generalmente polígonos 3D simples que se pueden describir de forma paramétrica
dentro de una cuadrícula de polígonos. Una red irregular de triángulos representa una
2 1/2 Cuadrícula de polígono D. Cuando el valor de altura, Z, tiene que calcularse en la posición genérica
(X, Y), se aplica la siguiente ecuación al triángulo que incluye el
punto del avión:
una 1 X + a 2 Y + a 3 = 0 (9,3)
En este caso, variaciones bruscas de altura crean algunos problemas en la representación, debido a la mala
aproximación de la superficie otorgada por un plano. La única solución para mejorar la calidad local de la
representación es aumentar alrededor de esa posición el número de puntos medidos. Por lo tanto, el modelo se
divide en muchas otras porciones que se transforman en una estructura donde se pueden representar mejor las
variaciones abruptas de altitud.
La información geométrica necesaria para construir la cuadrícula de polígonos se almacena en tablas que
contienen la declaración de las coordenadas de los vértices y las conexiones correspondientes, cuya naturaleza
depende de la relación geométrica que los une. Las posibles relaciones (modelo de superficie primitivo) pueden ser
ecuaciones polinomiales bivariadas, como ecuaciones lineales, bi-cuadráticas, bi-cúbicas, bi-cuarticas. los B-splines
son modelos más complejos utilizados por sus características de continuidad geométrica, funciones
trigonométricas, etc.
Figura 9.31 (a) DEM de trama original; ( si) TIN derivado del DEM original y ( C) curvas de nivel derivadas de TIN. Las curvas
de nivel superpuestas a TIN se representan en la Lámina 9.8
• Red irregular triangulada, TIN: el modelo TIN representa la superficie de la Tierra mediante varias facetas
triangulares que tienen sus vértices coincidentes con los puntos medidos. Como los triángulos pueden tener
tamaños y formas variables, esta estructura permite una representación fiel de la superficie de la Tierra, incluso
cuando existen discontinuidades fuertes y abruptas. Las zonas planas, de hecho, pueden representarse desde
un número limitado de puntos y describirse a través de facetas triangulares de gran tamaño; como ya se ha
recordado, las zonas donde el terreno es más irregular requieren que el triángulo
Figura 9.32 Vista 3D de un DEM en una estructura de cuadrícula en escala de grises

Figura 9.33 Comparación entre dos interpolaciones, partiendo del mismo conjunto de datos: la información de altitud de los puntos
dispersos disponibles en el mapa A puede producir resultados muy diferentes ( a, b)
el tamaño se reduce progresivamente aumentando el número de vértices medidos. Esta es la estructura que se
utiliza principalmente para gestionar un DEM en un SIG vectorial. La principal limitación del TIN es su dificultad
de manejo, teniendo relaciones topológicas que deben declararse explícitamente, que se calculan y registran
expresamente; además, los algoritmos de triangulación son muy complejos.
Generación: Algoritmos de interpolación
Teniendo en cuenta todas las posibles fuentes de datos, solo la utilización de imágenes digitales aéreas o satelitales
puede conducir directamente a la generación de un DEM como superficie continua en forma discretizada. La situación
más común es aquella que requiere interpolación de puntos, destinada a hacer continua y dimensionada oportunamente,
una distribución discreta irregular de puntos medidos o curvas de nivel. Los resultados esperados son una estructura de
cuadrícula o un TIN. Una vez más, ningún algoritmo de interpolación puede definirse como el mejor: la elección está
relacionada con la estructura del DEM que el software de interpolación puede manejar, con las características
morfológicas del terreno y, sobre todo, con la aplicación y precisión requerida del DEM final (Fig. 9.33 ).
El proceso de interpolación utilizado para generar un estructura de cuadrícula o ráster calcula el valor de altura
desconocido del punto interpolado como una suma ponderada de la altura
valores de sus vecinos (puntos medidos). Los pesos asignados a cada valor conocido se determinan como
inversamente proporcionales a la distancia entre la nueva posición y la de cada punto medido circundante. Los
puntos seleccionados para el cálculo pueden ser los más cercanos n ( criterio de investigación de cuadrante u
octante), o todos los puntos dentro de un círculo de radio dado (criterio de investigación que impone un radio
máximo). Para construir la cuadrícula, es decir, poder asociar un valor de elevación a cada celda elemental
espaciada regularmente, se asume que la distribución de las altitudes es regular y que no existen
discontinuidades como crestas, depresiones, precipicios.
Para generar un Red irregular de triangulación ( TIN), el algoritmo de interpolación más utilizado es el Triangulación
de Delaunay, que proporciona una asociación unívoca entre los puntos medidos y un conjunto de polígonos,
llamado Polígonos de Thiessen;
finalmente, genera triángulos de diferente forma y tamaño que representan la superficie descrita uniendo los puntos
internos de polígonos adyacentes. En la nueva estructura, cada punto se convierte en un vértice de un triángulo,
satisfaciendo el criterio de Delaunay que indica que ningún vértice está presente dentro del círculo circunscrito a un
triángulo.
Algunos algoritmos de interpolación permiten la generación de un TIN, también utilizando líneas de contorno y
DEM en formato ráster como datos de entrada. Estos últimos se generan a partir de puntos medidos, o curvas de
nivel, por interpolación operando con métodos numéricos o métodos de aproximación como distancia ponderada,
Cuadrado mínimo, interpolación polinomial, serie de Fourier.
Elaboración: Modi fi cación y Mejora
Las herramientas de edición DEM son cruciales para garantizar servicios buenos y confiables dentro de un SIG. Estas
herramientas son interactivas y permiten modificar y perfeccionar un DEM ya existente para mejorar su calidad.
Permiten buscar dentro del DEM, eliminar errores brutos, agregar nuevos valores, mover entidades, editar los valores
de altura, filtrar los datos.
Los filtros digitales se utilizan para mejorar, suavizar el DEM o reducir la cantidad de datos. Los filtros de mejora y
suavizado que se utilizan durante la edición de un DEM son los mismos que se utilizan en el procesamiento de imágenes
digitales.
Los filtros se aplican principalmente a DEM de estructura de cuadrícula; los efectos de un paso bajo el fi ltro es para
eliminar los detalles y por lo tanto hacer el DEM más homogéneo; mientras un paso alto El filtro tiene el efecto opuesto de
mejorar la discontinuidad de la superficie.
A veces, los filtros se utilizan para eliminar datos redundantes, ahorrando espacio en la memoria masiva de la PC y
reduciendo el tiempo de procesamiento. También se pueden utilizar para reducir la resolución DEM, especialmente
antes de convertir una estructura en otra. Se pueden crear mosaicos con dos DEM adyacentes, mientras que dos o más
DEM parcialmente superpuestos se pueden fusionar para formar un modelo único.
Otra posible operación y procesamiento es la conversión de un DEM existente que tiene una determinada estructura (es
decir, una cuadrícula) en otra estructura (es decir, TIN). Los modelos de cuadrícula son más fáciles de editar, ya que las
operaciones se refieren a una sola celda; La edición de TIN, en cambio, requiere herramientas que son más poderosas
porque cada intervención cambia su topología (Cuadro 9.4).

Recuadro 9.4 Modelado de la morfología del terreno por interpolación DEM y algunos métodos de interpolación
Interpretación DEM: análisis y extracción de información
Los SIG suelen estar equipados con herramientas adecuadas destinadas a procesar DEM para extraer
más información sobre la geometría del territorio. Hay dos formas posibles de seguir:
• interpretación visual simple del DEM; análisis

• cuantitativo.
El resultado de estos enfoques es información útil para el análisis de impacto ambiental, para la de fi
nición de modelos sobre la posible erosión o para simular los flujos de agua (láminas 9.6 y 9.7).
El objetivo del análisis DEM es derivar parámetros morfométricos que se pueden clasificar como:
• general: este es el caso de:
• mapas de pendientes, datos ráster donde el valor de la celda representa el ángulo entre el
gradiente horizontal y local del DEM (referido al plano tangente local);
• mapas de aspecto, donde el valor de la celda representa el ángulo (acimut, en el sentido de las agujas
del reloj) entre la dirección norte y el gradiente local (componentes planos). Generalmente se
consideran nueve clases: una referida al valor nulo (áreas planas), la otra altura a los principales
sectores de dirección (norte, noreste, este, sureste, sur, suroeste, oeste, noroeste). Estos mapas se
utilizan en los campos geológico y ambiental;
• A través de esta familia de herramientas también se pueden realizar vistas en perspectiva, análisis de cuencas visuales,
perfiles de altura y cálculos de volumen.
• específico: parámetros morfométricos directamente relacionados con las características hidrológicas superficiales.
Entre las características de los puntos se pueden destacar: depresiones, picos y pases; entre los lineales: canales
de drenaje y linderos de cuencas; entre los poligonales: cuencas de drenaje subtenidas por un tramo de cierre.
Estos parámetros se pueden investigar y utilizar como capas de entrada en el modelado hidrológico de la simulación
de caudales superficiales o en el pronóstico de inundaciones o en el modelado geomorfológico. Un DEM también se
puede utilizar para calcular los volúmenes del terreno que exceden una superficie de referencia (por ejemplo, un
plano de corte). Esto se obtiene como la suma de los volúmenes de varios prismas construidos sobre una base que
puede ser la celda de la cuadrícula o la proyección plana del triángulo.
Visualización
La visualización DEM puede ser
• estático: Se utiliza principalmente para comunicar los resultados del modelado mediante copias impresas o digitales.
apoyo;
• interactivo: permitir al usuario explorar el producto y posiblemente modificar y
refínalo.
Los modos convencionales de visualización de DEM son las curvas de nivel y el sombreado (representaciones
planas) y la representación virtual en 3D.
Aplicaciones
Los campos de aplicación de los DEM son varios: levantamiento topográfico, fotogrametría, ingeniería civil,
planificación y gestión de recursos, ciencias de la tierra y ambientales, aplicaciones militares, teledetección
y entrar en detalles:
• ingeniero civil: planificación del paisaje y análisis de visibilidad, planificación de fuertes

infraestructuras de impacto ambiental como carreteras, presas, puentes;
• geología: mapas de pendiente y aspecto para estudios geomorfológicos y evaluación de
fenómenos de deslizamientos de tierra y erosión;
• agrometeorología: mapas de pendiente, exposición solar y aspecto para el estudio de cultivos

fenología y producción de plantas;
• hidrogeología: extracción de redes hidrográficas y cuencas hidrológicas geo-
caracterización morfológica;
• teledetección y cartografía: datos radiométricos, ortoimágenes, imágenes 3D,
interpretación de mapas matic.
9.9 Evolución de GIS
El concepto GIS está en continua evolución gracias a la creciente disponibilidad de nuevas funciones analíticas
que ofrecen interfaces fáciles de usar para operar de manera cada vez más eficiente y económica.
Hasta ahora, se ha prestado atención a algunos campos donde se utiliza SIG para el análisis y descripción del
territorio. El próximo paso esperado es la posibilidad de utilizar GIS para simular la intervención humana, o eventos
de desastres para pronosticar su impacto, con el fin de responder a preguntas sobre qué, dónde y cuándo. El
tiempo debe considerarse como la cuarta dimensión de los datos geográficos. Por ejemplo, en caso de fuga de
contaminantes de una planta química, los pozos más riesgosos, canales de riego, ríos podría ser identificado y la
permanencia de los contaminantes determinada.
9.9.1 Orientado a objetos GIS
Los modelos orientados a objetos, adecuados para la gestión espacial, se han desarrollado desde la primera mitad de los años
ochenta.
El modelo de base de datos más utilizado para SIG es el relacional; por su sencillez y gracias a su
lenguaje estándar, SQL ( Lenguaje de consulta estructurado),
se considera más e fi ciente que los jerárquicos y reticulares (red). Por tanto, la organización de datos no
espaciales GIS se refiere principalmente a estructuras relacionales, mientras que los datos geométricos se
gestionan en estructuras topológicas.
El modelo relacional presenta algunos límites:
• es ineficaz cuando la base de datos contiene una gran cantidad de información;

• es bastante inadecuado procesar objetos complejos como los objetos espaciales GIS;
• carece de los mecanismos adecuados para la estructuración de datos: por ejemplo, temáticos y geográficos
Los datos métricos, que se refieren al mismo objeto, se organizan en dos sistemas de gestión diferentes.
Con el desarrollo de lenguajes de programación orientados a objetos, también llamados lenguajes de cuarta
generación, la tendencia es la unificación de las estructuras geométricas y de atributos. El nuevo enfoque, llamado o modelado
de datos orientado a objetos, es adecuado para aplicaciones espaciales para describir los elementos en el mundo
real y las propiedades relativas como objetos, con el fin de apoyar el procesamiento de entidades geométricas
complejas.
los enfoque basado en el campo modela el mundo real como un no vacio espacio compuesto por unidades de área, cada una
descrita por sus propios datos de atributos.
los enfoque orientado a objetos concibe el mundo real como un vacío espacio lleno de objetos terrestres
individuales. En este caso se inicia un proceso de abstracción, concerniente a la edición de los objetos del suelo ( qué),
su localización dónde), el momento ( cuando)
y las relaciones entre ellos. Para simplificar el proceso de abstracción, uno de los tres elementos se
mantiene fijo, uno está predefinido y el tercero se mide u observa.
9.9 Evolución de GIS 521
Antes de organizar los datos espaciales en un sistema, estos tres elementos deben identificarse y formalizarse.
La base de datos espacial representa los objetos del mundo real tal como aparecen en una aplicación específica.
Los aspectos semánticos de cada objeto terrestre se pueden analizar geométrica y temáticamente; el primero
incluye topología, forma, tamaño y posición, mientras que el segundo se refiere a los atributos no espaciales del
objeto.
Desde este punto de vista, el término objeto se utiliza con un significado más amplio que los elementos informados
en un mapa topográfico o temático. De hecho describe una entidad en un solo momento, especificando su individualidad
y su comportamiento (ríos, campos, unidades de suelo, etc.).
Los principales términos y conceptos utilizados en el enfoque orientado a objetos se pueden agrupar en un
estructura modelo y un estructura de desarrollo. El primero incluye la identidad del objeto y los cuatro
mecanismos de abstracción que lo caracterizan: clasificación, generalización / especialización, agregación y
asociación.
9.9.2 Sistemas de apoyo a la toma de decisiones (DSS)
La utilización avanzada de GIS está evolucionando cada vez más hacia los sistemas de soporte de decisiones. En este
caso, el SIG ya no se usa solo para analizar datos y simular eventos, sino que se explota para elegir, dentro de un grupo
de posibles alternativas, la solución óptima para un determinado problema. Algunas funciones de este tipo ya están
presentes en diferentes SIG (es decir, el cálculo de la ruta óptima entre dos puntos, la elección de un área utilizando
diferentes funciones de consulta, etc.), y en algunos casos se desarrollan para satisfacer necesidades específicas del
usuario. Los sistemas de apoyo a la toma de decisiones ayudan al flujo de operaciones que, desde la observación del
mundo real, conduce a la planificación de una intervención adecuada en el territorio.
Sistemas de Soporte a la Decisión ( DSS) albergan herramientas de procesamiento muy sofisticadas (y costosas), y
están concebidas para responder a la pregunta:
¿Qué va a pasar si ...?
Pueden simular el mundo, crear escenarios potenciales y sugerir una solución al tomador de decisiones.
Se han realizado algunas experiencias operativas en el campo de la
Evaluación de impacto ambiental ( EIA), donde sea apropiado, los DSS están estructurados para analizar y procesar
datos ambientales para investigar los efectos de las actividades humanas y los edificios. El análisis es transparente y
todos los pasos del procesamiento se pueden documentar y almacenar, lo que permite su fácil recuperación con el
objetivo de una rápida repetición de los flujos de trabajo definidos o su mejora.
Los Sistemas de Soporte a la Decisión pueden ser pensados como una herramienta de coordinación entre
diferentes profesionales y competencias y un instrumento de comunicación entre el mundo técnico y el social, haciendo
que los procesos de decisión sean transparentes, fl exibles e interactivos.
Estos sistemas son necesarios para poder ejecutar algoritmos que modelen el fenómeno examinado y para
representar los resultados de los cálculos de forma continua, dando a los operadores la posibilidad de seguir sus
evoluciones o simular diferentes escenarios. Se considera que los fenómenos modelados se desarrollan sobre
fondos terrestres que pueden cambiar de acuerdo con las diferentes situaciones investigadas. En algunos
casos,
También se requieren sofisticadas gestiones en 3D para mejorar aquellos aspectos del fenómeno que son
difíciles de observar con una visualización bidimensional.
Ejemplos prácticos son las simulaciones y manejo de emergencias, tales como riesgo hidrogeológico,
incendios, contaminación ambiental, control del tráfico aéreo, manejo táctico de situaciones, selección de la zona
más adecuada para posicionar una red de levantamientos terrestres. La gestión de la sala de control es uno de
los contextos más adecuados donde puede operar el DSS. De hecho, la monitorización de una red tecnológica
referida a procesos productivos, gestión de teléfonos móviles, puentes radio, transmisión eléctrica / ferroviaria /
carretera, etc., para la seguridad y protección civil, es un referente adecuado para probar esta tecnología.
Los sistemas de soporte de decisiones incluyen los siguientes elementos:
• biblioteca de software;
• estructura de archivo;
• entrada y salida de datos;

• gestión de datos en un contexto coherente;
• gestión de las estructuras dinámicas operativas superpuestas al tema básico
capas;
• gestión de las funciones espaciales que representan el efecto de la evolución de
modelos de fenómenos específicos;
• extracción de la información a procesar;

• estructura distribuida de estos sistemas y cooperativas y redes complejas relacionadas
funciones de trabajo.
El software comercial de SIG generalmente satisface solo una parte de las características mencionadas anteriormente, pero a
menudo no son lo suficientemente flexibles como para adaptarse directamente a las necesidades específicas de un sistema de apoyo
a la toma de decisiones. Sin embargo, hay algunos productos nuevos que pueden superar esta limitación.
9.9.3 Sistemas expertos (ES)
Otra tendencia que podría mejorar la difusión de los SIG, incluso y especialmente a nivel local (pequeñas realidades
profesionales), es la SIG virtual ( VGIS), que se caracteriza principalmente por la disponibilidad de interfaces de usuario
simplificadas que también permiten al personal no calificado administrar fácilmente las funciones de análisis en un GIS
complejo. El objetivo es dotar a las pequeñas oficinas técnicas de una herramienta no solo dedicada a la consulta de bases de
datos geográficas sino también a un procesamiento simplificado (operaciones básicas) de los datos. Las operaciones más
complejas y menos frecuentes siguen siendo accesibles solo por usuarios especializados.
Este instrumento debería permitir al usuario olvidarse de los problemas de diseño de SIG y concentrarse en tareas
específicas y necesidades prácticas relacionadas con un propósito o producto en particular.
Los modelos geométricos definidos en la mayoría de los SIG y los conceptos espaciales que residen en la mente de los
usuarios suelen ser bastante diferentes. El SIG puede diferir con respecto al modelo geométrico adoptado y, en
consecuencia, a los conceptos espaciales; además, cada problema se afronta explotando únicamente las operaciones
apropiadas relacionadas con el modelo elegido.

Figura 9.34 El SIG virtual propuesto por Ehlers, 1995. GUI: Interfaz gráfica de usuario, DIP: Procesamiento de imágenes digitales.
DEM: Modelo de elevación digital
Los VGIS son una prueba de integración de diferentes conceptos espaciales que ayudan a acercar el GIS al usuario.
Los SIG virtuales se conciben como un posible enfoque en la gestión automática de grandes cantidades de
datos dentro de un SIG. Utilizan Sistemas Expertos que son algoritmos complejos capaces de adquirir y formalizar
conocimientos para realizar operaciones autogestionadas (por ejemplo, interpretación automática de imágenes
adquiridas por diferentes plataformas).
Los procesadores virtuales GIS (inferenciales) diseñan y desarrollan flujos de trabajo basados en el
conocimiento, y ofrecen una Interfaz gráfica de usuarios ( GUI) orientada a aplicaciones. Este enfoque
deja al usuario libre para concentrarse en los objetos en lugar de en los datos y su gestión (Fig. 9.34).
La clave para hacer que el SIG virtual sea independiente del SIG tradicional es su orientación específica a la
operatividad del usuario, facilitando el análisis de datos y la extracción de información, y proporcionando resultados en
un formato sintético y exhaustivo. Cada tarea del proceso se puede dividir en bloques elementales que actúan como
átomos de una molécula. El primer paso es el desarrollo de interfaces oportunas que permitan el procesamiento de
datos (principalmente imágenes) incluso a aquellos especialistas que desconocen la organización interna del SIG.
Figura 9.35 Componentes expertos del sistema
Así, el SIG virtual tiene como objetivo alcanzar un modelado completo para obtener una interpretación automática de
los datos en un contexto SIG. Su objetivo más amplio incluye no solo el modelado de todos los datos (atributos, mapas e
imágenes) y de los procesos de interpretación, sino también de las aplicaciones; esto garantiza que el usuario pueda operar
y decidir de una manera cada vez más objetiva. Para alcanzar este objetivo declarado, los algoritmos adoptados tienen que
referirse necesariamente a los campos de la Inteligencia Arti fi cial o de los Sistemas Expertos, más conocidos como Sistemas
basados en el conocimiento.
Un Sistema Experto organiza el conocimiento en tres niveles que incluyen datos (o hechos), las reglas para
su gestión y los procedimientos de control generados por el procesador de inferencias (o cáscara). El
caparazón es el lugar donde se generan las elecciones y acciones basadas en las sugerencias de los expertos.
El motor de inferencia es un sistema que utiliza el conocimiento para llegar a algunas conclusiones (figura
9.35).
El usuario desarrolla su propio modelo conceptual sobre el resultado esperado explotando un sistema que opera
de acuerdo con muchas secuencias lógicas basadas en su experiencia. En el SIG actual esta división ideal depende
del operador, quien, por tanto, debe poseer un conocimiento profundo de todas las funciones del sistema que va a
utilizar; en el SIG virtual este paso está completamente automatizado gracias a los Sistemas Expertos (Fig. 9.36).
Los componentes básicos de Virtual GIS son
• una interfaz de lenguaje visual;

• un intérprete del flujo de trabajo del proceso (59.36);
• un GIS, concebido como una caja negra, donde las interfaces lideran las operaciones necesarias; un diseñador / constructor de flujo
• de trabajo de procesos.
El intérprete de VGIS convierte y divide el flujo de trabajo del usuario en dos pasos:
• generación de las funciones elementales o básicas de SIG requeridas; mapeo de los

• resultados de forma tradicional GIS.
Este esquema muestra la voluntad de crear flujos de trabajo específicos ensamblando funciones básicas.
Figura 9.36 Flujo de trabajo del proceso de un SIG virtual
El generador de flujo de trabajo tiene como objetivo facilitar las operaciones del usuario mediante el desarrollo de
interfaces seguras y fáciles de usar. El usuario solo tiene que definir el producto y la fuente de datos esperando la respuesta
automática del sistema representada principalmente por un diagrama de flujo personalizado equipado con explicaciones
exhaustivas. El usuario puede modificar, en cualquier momento, la solución propuesta. El diseño y la construcción del flujo de
trabajo del proceso se organiza en bloques que representan las funciones elementales del SIG con respecto a la generación
de información aprovechando la metainformación disponible, la descripción y los datos sobre el área de estudio especificados
por el usuario.
El flujo de trabajo del proceso se basa en sistemas expertos de encadenamiento hacia atrás, donde las reglas se refieren a dos
componentes:
• modelos de objetos metadatos), describiendo e identificando los datos de forma detallada;

• modelos de proceso, describiendo la aplicación de funciones VGIS.
9.9.4 Papel del EE en la interpretación y clasificación de imágenes
A medida que crece la complejidad de la aplicación, la interpretación y clasificación de imágenes muestran algunos límites
evidentes, que pueden superarse parcialmente mediante la introducción de técnicas de inteligencia artificial (IA). La
complejidad de las aplicaciones depende de la heterogeneidad de la información, el número de clases de decisión y el nivel de
rendimiento requerido.
Una solución eficaz debe basarse en herramientas capaces de simular procesos de conocimiento generados
por los expertos de acuerdo con su habilidad para manejar la complejidad del mundo real abstracción,
generalización y aproximación Procesos interdependientes.
Actualmente es posible afirmar que un sistema basado en el conocimiento, o Experto en Sistemas,
si correctamente entrenado, puede realizar funciones complejas de interpretación y clasificación refiriéndose a los
siguientes elementos:
• la elección de un idioma representar el conocimiento; el desarrollo de un motor inferencial capaz de

• generar los resultados relacionados con la
datos y conceptos representados; un apropiado estrategia para la
• adquisición de conocimientos.
Las soluciones dependen del dominio de aplicación específico y del tipo de problema a resolver. Lo que
distingue a un sistema basado en el conocimiento con respecto a cualquier programa de computadora es, sobre
todo, su arquitectura que incluye una codificación explícita de hechos y conceptos relativos al problema
considerado.
Los Sistemas Expertos realizan una transparente enfoque del problema; tienen, de hecho, la propiedad
de documentar explícitamente el conocimiento requerido, los conceptos y las relaciones casuales entre
ellos a fin de que el resultado pueda ser calificado con respecto a la cómo y el por qué se ha obtenido.
9.9.4.1 Representación del conocimiento: papel de la lógica difusa
Durante la década de los ochenta, hubo un fortalecimiento y una creciente difusión de los métodos de representación del
conocimiento para los Sistemas Expertos, esencialmente basados en formalismos derivados de la Lógica Clásica de
primer orden y en esquemas derivados de ella como redes semánticas, marcos, cláusulas de Horn (Cercone & McCalla ,
1983).
La lógica de primer orden es un sistema de representación formal y procesamiento simbólico que ya contiene las
herramientas para describir porciones de conocimiento o concepto específico por medio de símbolos que se refieren a reglas
sintácticas precisas. Un esquema inferencial construye secuencias de procesamiento simbólico para la inferencia de nuevos
hechos.
Los sistemas expertos en el pasado se han basado en lenguajes de manipulación simbólica como LISP, Prolog o
dominios ( conchas) con esquemas predefinidos de representación e inferencia.
El formalismo lógico convencional tiene carácter booleano y normativo. De acuerdo con un enfoque booleano, una
oración de lenguaje, que expresa, por ejemplo, pertenencias de un objeto a una clase dada, puede asumir valores
verdaderos o falsos; Las conexiones lógicas para los predicados y la agregación de esquemas inferenciales tienen un
significado predefinido independiente del contexto y la subjetividad de los expertos.
El conocimiento de un problema suele ser incompleto o impreciso; los expertos utilizan oraciones en lenguaje
natural para comunicar conceptos intrínsecamente vagos e indefinidos capaces de discriminar un valor verdadero o
falso. Por el contrario, la representación del conocimiento debe basarse en formalismos capaces de imitar los procesos
de conocimiento de los expertos en la formulación de descripciones cualitativas útiles para resumir los detalles
complejos del mundo real necesarios para tomar decisiones racionales.
En la literatura se sugieren muchas soluciones al problema de la representación del conocimiento, basadas

principalmente en el uso alternativo de lógicas no estándar que representan conocimientos cualitativos, intrínsecamente
inciertos y esquemas aproximados de razonamiento. Entre los modelos más difundidos se encuentran el modelo de Mycin,
la teoría de Dempster Shafer, los conjuntos aproximados, la lógica difusa y los modelos bayesianos (Smets et al. 1988).
Lógica difusa se basa en la teoría de la posibilidad (Zadeh, 1973) y se deriva de la

Conjuntos difusos teoría (Zadeh, 1965); Es un formalismo poderoso y fl exible para enfrentar problemas
heterogéneos de modelado y clasi fi cación de datos e imitar los
capacidad para tomar decisiones racionales deterministas, en contextos de alta complejidad conceptual (Zadeh, 1981).
Un esquema de representación basado en lógica difusa usa predicados que tienen valores verdaderos continuos
en el intervalo [0, 1] y especializa la semántica del esquema inferencial en función del contexto y subjetividad de los
expertos en el campo.
En un esquema difuso de interpretación / clasificación típica, se supone que para cada
elemento observable por ejemplo una celda de imagen o un píxel), es posible distinguir diferentes valores
relacionados con su probabilidad de pertenecer a las clases consideradas. Estos valores se derivan de un
proceso de abstracción realizado por los expertos al describir sus valoraciones sobre los objetos.
Por ejemplo, consideremos la cantidad observable elevación del suelo con un (0,
200) intervalo expresado en metros. Los expertos pueden describir la interpretación de la elevación datos en
términos de alto medio bajo, operando una especie de abstracción sobre la multiplicidad numérica de datos.
Aunque estas clases son convencionales y no corresponden a términos realmente utilizados por los expertos,
expresan la granularidad de información correcta en la que el intérprete de datos debe basar sus decisiones.
Se supone que el proceso de abstracción es posible en la naturaleza, y estas clases pueden representarse
mediante conjuntos difusos definidos en el intervalo numérico de la correspondiente cantidad observable.
Cada descripción lingüística como elevación de terreno alto, que será el predicado en el esquema de
interpretación, está asociado con una distribución de probabilidad. Un valor de altitud preciso corresponderá a
un valor de probabilidad para interpretar la alto
altitud. Cada cantidad observable Las descripciones de 'se agregan mediante operadores lógicos (es decir, Y, O) cuya
semántica se puede especializar de acuerdo con las consideraciones del contexto.
Las estructuras formales de lógica difusa permiten, por tanto, obtener la vaguedad intrínseca del conocimiento, típica de
muchos campos de aplicación.
Los formalismos de representación del conocimiento, como los basados en la lógica difusa, pueden llenar los
vacíos entre la representación mental de los conceptos y los modelos matemáticos, contribuyendo a la de fi nición de
sistemas inteligentes confiables, transparentes y precisos.
De todos modos, algunas experiencias, principalmente relacionadas con el análisis de datos geográficos y ambientales,
destacaron algunas limitaciones en el uso de un solo formalismo de representación del conocimiento. Estos dependen
básicamente de:
• el número de cantidades observables, que se evaluarán de forma combinada para tomar

decisiones intermedias o finales (es decir, más bandas espectrales de una imagen);
• la necesidad de discriminar entre varios casos indefinidos (es decir, píxeles mixtos)
debido a la presencia de un elevado número de clases de decisión.
Ningún modelo (modelo de Mycin, teoría de Dempster Shafer, conjuntos aproximados, lógica difusa y modelo
bayesiano) es universalmente válido; por lo tanto, ningún modelo puede satisfacer en el mejor de los casos diferentes
requisitos de dominios complejos. De acuerdo con este concepto, la tendencia actual es considerar como complementarios
estos modelos de representación, previamente considerados como alternativas, y enfocar el interés en sistemas de
arquitectura híbrida.
donde dos o más modelos de representación del conocimiento cooperan para los mismos (o diferentes) objetivos.
Los sistemas de inteligencia híbrida, por tanto, se basan en la integración de dos modelos de representación
diferentes, por ejemplo, simbólico y conectivo (neuronal) (Rumelhart et al., 1986), o, en el dominio simbólico, en la
integración de diferentes modelos de procesamiento de incertidumbre (p. Ej. basado en teorías probabilísticas).
Los diferentes modelos integrados en la arquitectura del sistema híbrido cooperan en diferentes niveles,
preservando ventajas mutuas y superando algunos límites que aparecen si se usan uno a la vez (Binaghi et al.
1993).
9.9.4.2 Adquisición de conocimientos
El paso de adquisición de conocimientos es el factor limitante en la definición de un sistema experto.

Actualmente existen diferentes enfoques al problema:
• conceptos e integración de métodos psicológicos y de ciencias sociales (Neale, 1988); generación

• automática (Machine Learning), que ha de fi nido fortalecido varios
métodos generales en muchos dominios aplicativos (Michalsky, 1994).
Entre los métodos psicológicos más difundidos que tratan el análisis de eventos pasados, además de
los introspectivos, vale la pena referirse a la técnica de entrevista estructurada adoptada durante los
primeros pasos de interacción con los expertos. Se dedica a verificar la viabilidad del proyecto ya adquirir
los términos técnicos y definir los problemas básicos.
La técnica de entrevista más común se puede extender a todos los pasos del conocimiento que se
desarrollan a través de una secuencia estructurada de preguntas para hacer a los expertos. La secuencia y el tipo
de preguntas están guiados por la naturaleza del problema y por el modelo formal en el que se debe codificar
este conocimiento. La experiencia directa en el uso de técnicas de entrevista estructurada demostró que se
integran bien con la elección de representar el conocimiento mediante lógica difusa.
Un método de aprendizaje automático difuso, especialmente adecuado para la adquisición de conocimientos por
Sistemas Expertos aplicado a problemas de clasificación, es aprendizaje empírico o inducción mediante ejemplos. Este
enfoque requiere
• un conjunto de muestras supervisadas que se refieren a situaciones específicas sobre las que los expertos
ya han expresado una opinión o han elegido una decisión;

• un mecanismo de inducción capaz de abstraerse de casos específicos y generar
reglas en las que se basa la toma de decisiones.
Las estrategias de adquisición y representación del conocimiento están estrictamente relacionadas y una condiciona
a la otra, afectando la e fi ciencia del sistema. La consideración de estos dos aspectos sugiere que la Inteligencia Arti fi
cial puede ofrecer una herramienta válida para apoyar actividades de decisión complejas y juega un papel preciso, a
veces exclusivo, al enfrentar problemas de clasificación automática de datos heterogéneos en campos reales complejos.
9.10 Error, exactitud, precisión y tolerancia 529
Se encuentran soluciones sólidas y eficientes integrando estos diversos enfoques. Dado que, como ya se
señaló, no existe un método universalmente válido, todos los métodos agregan su propio valor específico; la
cooperación sinérgica entre las diferentes estrategias que interactúan dentro de los sistemas de arquitectura híbrida
es la oportunidad básica que ofrecen las técnicas de Inteligencia Arti fi cial para resolver problemas operativos.
9.10 Error, exactitud, precisión y tolerancia
Los problemas relacionados con los errores de datos, como la falta de precisión métrica o semántica, que afectan a los
Sistemas de Información Espacial han sido ampliamente subestimados durante años; Las experiencias sugieren prestar
mucha atención a estos temas para mejorar la confiabilidad del SIG.
GIS tiene la capacidad de vincular e integrar diferentes datos basados en su ubicación

independientemente de su naturaleza o fuente. Sin embargo, la importación de nuevos datos al sistema a
menudo adolece de errores posibles, no necesariamente evidentes, que a veces incluso pueden predecirse.
El punto crucial es que los posibles errores deben conocerse y posiblemente preverse su aparición para
reducir al máximo su efecto sobre el resultado. La necesidad de un conocimiento preciso de los errores conduce
a una evaluación profunda y objetiva de las potenciales limitaciones del SIG que deben ser señaladas para
evitar interpretaciones engañosas de los resultados obtenidos.
9.10.1 Definiciones
Para comprender mejor el problema, es fundamental introducir algunas de fi niciones tomadas de la teoría de
la estadística de errores:
• Exactitud: es el grado de similitud entre la medición y el valor real de la cantidad observada; se puede
mejorar mediante la calibración de un instrumento o procedimiento. Se calcula como la diferencia entre
el valor medio de la medición y su valor teórico esperado; a menudo se indica como sesgo. En el caso
de un SIG, se puede definir como el grado de similitud entre las mediciones (o información) derivadas
de los datos del SIG y la referencia de superficie (o valores ampliamente aceptados previamente). Al
tratar con medidas métricas, siempre es posible considerar por separado la precisión horizontal y
vertical. El nivel de precisión requerido para aplicaciones específicas puede variar ampliamente; Dado
que la generación de datos precisos es una operación muy costosa y difícil, el objetivo final y la
precisión requerida deben considerarse seriamente. Hablando estadísticamente, el sesgo (tanto en
altimetría como en planimetría) tiende a cero a medida que aumenta la precisión. los
La precisión geométrica depende de la escala del mapa.
• Precisión: el grado de consistencia recíproca entre los valores de repetición

mediciones de la misma cantidad, que deben realizarse respetando todas las condiciones
siguientes:
- mismo método de medición;

- mismo instrumento de medida;
- mismo observador;
- mismo lugar;
- mismas condiciones laborales;
- repetición en un corto período de tiempo.
La precisión define una calidad intrínseca del instrumento adoptado y define el grado de dispersión de las
mediciones alrededor de su valor medio. En un SIG, el nivel de precisión puede variar ampliamente en función de
la aplicación a la que se refiere: las medidas topográficas de un edificio requieren datos de mayor precisión que la
definición del perímetro del área urbana. Alta precisión no significa necesariamente alta precisión y viceversa; pero
tienen en común los altos costos que se pueden obtener. En probabilidad y estadística, la precisión define la
repetibilidad de la medición, y es mayor a medida que la raíz cuadrada de la varianza (MSD), denominada
desviación estándar, se reduce (véase el recuadro 8.5).
Recuadro 9.5 Tipos de error que pueden ocurrir al crear un sistema de información geográfica
• Calidad de los datos: de fi nido por los efectos combinados de exactitud y precisión de los datos. La calidad de
los datos debe declararse mediante una declaración de precisión y
datos de precisión y también de los pasos de procesamiento seguidos para su determinación.
• Error: cualquier cosa que afecte negativamente la exactitud y precisión de fi ne los datos
error. Puede ser burdo, sistemático o casual.
• Tolerancia: debe considerarse el valor de referencia real para definir la calidad de los datos del mapa. Por lo
general, se establece en dos × MSD. Aproximadamente el 96% de las mediciones se incluyen en la media del
rango ± 2 × MSD (admitiendo una distribución normal de la variable observada). Por ejemplo, la tolerancia de
cartografía 1: 100.000 es 40 m.
9.10.2 Tipos de error
Los errores pueden tener diferentes orígenes, pero el error de posicionamiento es el más evidente y también el
más habitual. Sin embargo, hay muchos otros errores que afectan a los atributos; pueden ser conceptuales y
lógicas, y pueden causar graves daños al sistema, aunque no son tan evidentes:
• precisión y precisión de la posición: se refiere tanto a elementos planimétricos como altimétricos. La

escala juega un papel determinante condicionando las aplicaciones del mapa. Un punto en un mapa no
tiene una posición fija única, sino una probable
posición dentro de un área determinada. Los valores de exactitud y precisión están estrictamente relacionados con la escala
nominal del mapa y la posibilidad de ampliar una imagen en un sistema GIS
no modifica este concepto básico;

• atributos exactitud y precisión: los datos no espaciales a menudo adolecen de imprecisiones
e imprecisión debido a una descripción incompleta de los fenómenos representados
o elementos;
• exactitud y precisión conceptual: consideremos el caso en el que un SIG con
contiene una clasificación derivada de datos de teledetección. Si se han definido clases de cobertura terrestre
inapropiadas para un área determinada, se comete un error conceptual. Admitir que las clases seleccionadas
son apropiadas, sin embargo, puede ocurrir un error de comisión u omisión. La falsa indicación de la posición
de un río afluente es una
error de comisión típico; no reconocerlo, en cambio, es un error de omisión;
• exactitud y precisión lógica: la información recopilada en una base de datos se puede organizar según diferentes
lógicas que en ocasiones pueden ser incorrectas o no adecuadas. Un SIG generalmente no puede alarmar a los
usuarios sobre un uso incorrecto de los datos. Un Sistema Experto que procesa datos dentro de un flujo de
trabajo, realizando consultas y obteniendo respuestas en una estructura y lógica compleja, es sensible a este
tipo de error.
9.10.3 Fuentes de error
Las posibles fuentes de errores que pueden afectar la calidad de un conjunto de datos en un SIG pueden ser muchas y de
diferente naturaleza. En el recuadro 9.5 se presenta una lista de los diferentes tipos de errores.
9.10.3.1 Fuentes evidentes de error
Algunos de estos errores pueden evitarse porque están relacionados con la super fi cialidad del operador, la atención deficiente o
simplemente con el llenado de los datos faltantes por otros que los sustituyen.
tener una calidad inferior o diferente. Otros errores dependen de algunas elecciones externas al gerente de
SIG, quien es responsable de evaluar los costos / beneficios de aceptar o rechazar algún tipo de error:
• actualización de datos: Los datos estructurados dentro del sistema pueden resultar inapropiados para las
aplicaciones actuales generadas en el pasado cuando las condiciones del objeto y del método eran diferentes. Esta
diferencia a menudo puede generar inconsistencias. Por ejemplo, un mapa que no está actualizado no es adecuado
para representar efectos recientes.
causado por erosión, depósitos u otros procesos geomorfológicos;
• Disponibilidad de datos de detección remota: modalidades de adquisición de satélite o antena
Los datos de detección remota a menudo producen datos incompletos. Los problemas pueden ser la falta de datos dentro de
una imagen (nubosidad, errores de adquisición) o la falta de imágenes en una serie temporal (falta de disponibilidad de
imágenes en las fechas solicitadas). Ambas situaciones
provocar una disponibilidad no homogénea de imágenes;

• escala del mapa: la posibilidad de representar detalles en un mapa depende de su nominal
escala; la escala afecta el tipo, la cantidad y la calidad de los datos. Mapas a menor escala también
a menudo se utilizan para deducir datos e información a mayor escala;

• frecuencia de observación de datos: un pequeño número de observaciones en un área determinada puede
conducir a realizar un análisis espacial inadecuado. Por ejemplo, si el intervalo de la línea de contorno es 40 m,
no es posible declarar una precisión de resultados superior a este umbral. Teniendo en cuenta que las curvas de
nivel se derivan de una dispersión de datos puntuales, se puede afirmar que cuanto más densa es la distribución
de puntos, mayor es la
precisión del contorno resultante;
• deducción de datos: cuando los datos no están disponibles directamente, pueden ser indirectamente
evaluados y / o representados (extrapolación). Los datos derivados (secundarios) deben generarse prestando
mucha atención y tratando de calificar su precisión, que es modelar la propagación de errores. Los datos
generados por deducción (espacialización) son ciertamente necesarios para muchas aplicaciones, pero no
garantizan un nivel de precisión.
iguales a los originales de los que se derivan;
• formato de datos: el formateo de la información digital es necesario para su archivo, transmisión y
procesamiento eficientes. Se pueden introducir algunos errores incluso durante esta operación. La alteración
de los datos originales siempre es posible durante la conversión entre sistemas de referencia, o durante la
conversión de formato de datos (raster a vector o viceversa), durante el remuestreo radiométrico de la imagen.
Las conversiones continuas de un formato a otro pueden producir un efecto similar al fotocopiado repetido
de documentos, es decir, propagación de errores y, por tanto, degeneración de datos;
• accesibilidad de datos: a menudo existen datos e información, pero no son directamente

accesible. Las restricciones por seguridad, leyes, competencia entre instituciones y factores
económicos limitan la disponibilidad o la exactitud de los datos, que
puede proporcionarse incompleto o con una resolución degradada;
• costo de datos: obtener y convertir datos puede ser un paso muy costoso; mantener-
La creación y gestión de una red de levantamiento de terreno puede ser una opción muy cara. Los costos deben
considerarse como el resultado de un compromiso entre los tipos de datos recopilados, su cantidad y precisión. Un
administrador de SIG debe considerar esto cuidadosamente.

9.10.3.2 Errores que dependen de la variación natural y de los métodos de medición
Estos errores se refieren a la posición del objeto. Pueden estar relacionados con la calidad del mapa, con los efectos de una mala
calibración del instrumento o con la calidad de una clasificación de uso del suelo / cobertura del suelo:
• Errores relacionados con la geometría del mapa: esto mide la desviación entre la posición real del objeto y su
posición en el mapa. La posición del objeto tiene su propia precisión, incluida
errores de registro provenientes de errores de digitalización, escaneo y conversión;
• errores relacionados con el contenido del mapa: relacionados con la asignación de polígonos a la correcta
clase. Si un abeto se clasifica como pino, puede ser irrelevante para algunas aplicaciones, pero
puede ser inaceptable en el campo forestal;
• errores relacionados con el instrumento: Las condiciones de medición y calibración del instrumento pueden
varían durante las campañas de campo. Estas variaciones siempre deben considerarse y evaluarse. Por
ejemplo, la temporada de adquisición afecta las condiciones de iluminación de una imagen; la precisión de un
posicionamiento GPS diferencial en la misma área depende de la sequía o la humedad de la atmósfera.
9.10.3.3 Errores en el procesamiento
Estos errores son más difíciles de detectar por el usuario en relación con el hardware y software adoptado. A menudo,
el usuario no conoce los detalles del algoritmo GIS; simplemente lo ejecuta para producir un resultado. Este enfoque
superficial puede llevar a una elección incorrecta o un uso incorrecto del algoritmo produciendo algunos errores:
• errores numéricos: no todos los procesadores pueden enfrentarse a los mismos cálculos complejos, y esto
condiciona fuertemente la posibilidad de generar ciertos resultados. Por ejemplo, el procesamiento de imágenes
genera resultados que pueden ser controlados en términos matemáticos solo por profesionales altamente
capacitados, generalmente diferentes de los expertos en geomática. A veces, el error puede incluso ser inherente al
componente básico.
elementos de un ordenador, p. ej. chips;
• errores en el análisis topológico: Los errores lógicos pueden generar pro-
análisis de cesación y topológicos; los datos pueden no ser uniformes y sufrir variaciones; por tanto,
la integración de capas temáticas generadas por separado puede dar lugar a algunos problemas
relacionados con la correspondencia entre
caracteristicas;
• clasi fi cación y generalización: la de fi nición de los umbrales que controlan el

la asignación de un elemento a una clase determinada o la visualización de un elemento demasiado pequeño
son operaciones típicas que conducen a estos errores;

• Errores en digitalización y georreferenciación: mientras adquiere puntos, líneas y poli-
gons de un mapa colocado en un digitalizador y durante la georreferenciación de imágenes, existen varias
oportunidades de cometer errores (Figs. 9.37 y 9.38).
Figura 9.37 Errores de digitalización: una curva se convierte en una polilínea
Figura 9.38 Común

errores de digitalización
9.10.3.4 Propagación de errores
Un SIG está formado por conjuntos de datos de diferente naturaleza y provenientes de diferentes fuentes con una
probabilidad muy baja de tener la misma exactitud y precisión. Además, transferir los datos a formato digital puede
introducir más errores. De acuerdo con esta situación, el SIG puede resultar globalmente bastante inexacto e
impreciso, ya que los errores dentro de los datos originales sufren algunas transformaciones a lo largo del flujo de
procesamiento. La transformación que afecta a los errores de datos originales puede
• propagación: esto ocurre cuando se utilizan datos incorrectos para realizar una sola operación que genera
nuevos datos; por ejemplo, cuando se utiliza un punto de control mal medido para registrar imágenes o mapas.
Para reducir este evento, mapas a la escala más alta
posible debería utilizarse para adquirir puntos de control terrestre;
• cascada: Esto ocurre cuando un error de propagación es repetitivo y no controlado.
manera transferida a muchas capas temáticas. Este es el caso de una incorrecta
9.11 Metadatos y calidad de los datos 535
imagen georreferenciada utilizada como mapa de referencia para el registro de otras imágenes. Este tipo de error
puede ser aditivo o multiplicativo y depende de cómo interactúan los datos y la información.
La cascada y la propagación pueden afectar a todos los demás errores considerados anteriormente.
9.11 Metadatos y calidad de los datos
Cuando se desconoce la exactitud y precisión de los datos, puede ser muy peligroso usarlos en un SIG. Aparentemente,
los datos cuidadosamente recopilados y organizados pueden importarse o relacionarse en una base de datos de manera
inadecuada con respecto a la aplicación dirigida. Por tanto, es importante conocer información detallada a la hora de
adquirir datos para ser cargados en un GIS.
Por este motivo, se recomienda encarecidamente los metadatos, con el fin de otorgar una Cédula de Identidad a los
datos calificándolos.
Metadatos certificar la calidad global de los conjuntos de datos; un conjunto de datos se define como un grupo
lógico de uno o más objetos almacenados física o electrónicamente. Los componentes que definen un objeto son,
por ejemplo, en el caso de un libro: título, autores, fecha y lugar de publicación, descriptores sintéticos, resumen, etc.
Los metadatos incluyen elementos útiles para identificar los datos, los propietarios y las condiciones de acceso a los
mismos. datos, para declarar el sistema de referencia, el contenido y el procesamiento previo, exactitud y precisión
(Recuadro 9.6). Algunos elementos de los metadatos, como exactitud y precisión, requieren que se realice un
análisis particular para obtener índices cuantitativos que los representen.
En Europa, el CENT / TC 287 ( Comité de Normalización, Comité Técnico

287) Información geográfica lleva años trabajando en el estándar de documentación; en 1999 se publicó
la colección de reglas sobre metadatos geográficos, indicada como anterior al estándar CENT / TC 287.
En 1994 en los Estados Unidos, el documento Estándar de contenido para metadatos geoespaciales digitales, editado
por el Comité Federal de Datos Geográficos ( FGDC, 8 de junio
1994), fue publicado. Además, se pusieron a disposición las reglas de organización que se habían definido y
los datos geográficos documentados según el estándar FGDC.
El documento CENT / TC 287 se divide en secciones:
• identificación de datos, información necesaria para identificar unívocamente la geo-

datos gráficos (conjuntos de geodatos);
• descripción general de datos geográficos disponibles;

• calidad de la base de datos;
• sistema de referencia espacial utilizado para posicionar los objetos geográficos; datos
• geográficos planimétricos y 3D, y temporales extensiones;
• datos definición facilitar la comparación entre conjuntos de geodatos y distinguir entre diferentes
clases de objetos geográficos, entre objetos geográficos que pertenecen a la misma clase y describir
las relaciones entre clases y objetos;
Cuadro 9.6 Ejemplo de metadatos (estándar ISO: 19139) que se refieren a productos de mapas diarios de áreas cubiertas de nieve
creados por el Proyecto de cartografía global de hielo marino y nieve de NASA-MODIS y distribuidos en una infraestructura de
datos espaciales compatible con INSPIRE (cortesía de los proyectos AWARE e IDE-Universe, apoyado por la Comisión Europea)
9.11 Metadatos y calidad de los datos 537
• sistema de clasi fi cación por el cual los datos se organizan en una o más jerarquías
dentro de un Tesauro;
• datos administrativos sobre propiedad y derechos de los datos, costos, pago de datos
modos y soportes de ment y compra en los que se distribuyen;
• información sobre metadatos incluyendo la fecha en la que se produjeron, la fecha de la última prueba en los
metadatos, la fecha de la última actualización, la fecha de la próxima prueba, el sistema de referencia espacial
utilizado para especificar la extensión del plano del conjunto de geodatos.
Hasta calidad de los datos está preocupado, se sugiere editar siempre un informe útil para una futura
utilización de datos que pueda diferir del original. Si un informe no viene con los datos adquiridos, es
recomendable hacer las siguientes preguntas sobre los datos:
• ¿A qué período se refieren? ¿De

• dónde vienen? ¿Cómo fueron
• recolectados?
• ¿Qué software se utilizó para producirlos? ¿Qué
• área cubren?
• ¿A qué escala se han digitalizado?
• ¿Cuál es el sistema de referencia, proyección, datum? ¿Cuáles son la
• frecuencia y la densidad de las observaciones? ¿Cuál es el atributo y la
• precisión de la posición? ¿Son lógicas?
•
• ¿Son relevantes para la aplicación considerada?
• ¿Cuál es su formato actual y cuál era el original? ¿Se han probado alguna
• vez y cómo?
• ¿Por qué han sido producidos y por quién?
La respuesta correcta a estas preguntas certifica la calidad de los datos y define su utilidad real.
9.12 Distribución de sistemas de información geográfica en la web
Los datos GIS son un patrimonio a ser protegido por la autoridad administrativa encargada de administrar el
sistema; incluso debería coordinar las actualizaciones de datos requeridas
9.12 Distribución de sistemas de información geográfica en la web 539
y organizarlos en categorías deseando un control completo de los accesos del propio sistema.
Para consultar o consultar un Sistema de Información Geográfica, los operadores autorizados deben contar
con el software adecuado (el mismo utilizado durante el diseño / construcción del GIS o uno compatible). Esto
implica la adopción de con fi guraciones de hardware específicas y adecuadas, así como de software en vivo que
permita el uso del sistema. Este es un límite para la difusión y el intercambio de recursos SIG. Una estrategia para
superar este problema consiste en el denominado WebGIS.
El desarrollo de herramientas orientadas a la publicación web de mapas y datos geográficos está aumentando
enormemente: pueden considerarse como software diseñado para servidores web que permiten la distribución en
Internet de datos geográficos almacenados en el servidor; el servidor actúa como un procesador dedicado a la difusión
de la base de datos, incluso de acuerdo con arquitecturas de red muy complejas.
La World Wide Web se está convirtiendo en una herramienta útil para compartir datos espaciales y es especialmente
eficiente para transmitir rápidamente información territorial, por ejemplo, en situaciones de emergencia civil.
9.12.1 Requisitos y propósitos de un WebGIS
Emplear tecnologías de Internet para acceder a datos GIS es fácil y económico; Se requiere una conexión
a la red y un navegador apropiado equipado con complementos oportunos.
La difusión del Sistema de Información Geográfica a través de la red (GeoService) debe satisfacer algunos
requisitos fundamentales:
• la posibilidad de extraer información descriptiva y datos de la base de datos

asociado con los mapas disponibles;
• capacidad de visualización de datos de mapas;
• la posibilidad de correlacionar características geométricas con el alfanumérico relacionado

datos;
• integración completa en documentos hipertextuales posiblemente manejable por HTML

Instrumentos
La seguridad es una palabra clave en el uso de la red para distribuir el Sistema de Información Geográfica. Los
datos originales deben protegerse del acceso no autorizado y las operaciones de edición potencialmente realizadas
por usuarios remotos.
Algunas de las herramientas de software existentes permiten definir diferentes niveles de acceso; el
administrador de SIG puede decidir cómo las diferentes categorías de usuarios pueden acceder a los datos. En lo
que respecta a la visualización gráfica de datos, se pueden suministrar al cliente en formato raster (más común) o
vectorial; esta operación es realizada por herramientas extendidas proporcionado junto con el software principal. Los
mapas visualizados en el cliente no suelen ser productos georreferenciados aunque mantengan el factor de escala
correcto. Esta estrategia evita el robo no autorizado de datos: de hecho, aunque se pueden copiar en la caché de la
PC, el software CAD o GIS no puede procesarlos como datos georreferenciados. De esta forma la preservación de
la economía de los datos originales
se concede valor. Estos softwares han sido concebidos solo como herramientas para la visualización de contenidos SIG, pero no
como herramientas de libre distribución de los datos.
Vale la pena recordar que la adquisición de datos es uno de los costos más altos en la definición de un SIG
y, por lo tanto, es importante asegurar la mayor visibilidad por el mayor número de usuarios posible, siempre
preservando la propiedad de los datos.
Según la tipología de usuarios finales, WebGIS se puede dividir en tres clases principales:
• difusión intranet de datos de acuerdo con diferentes niveles de privilegios;

• público, accesible para cualquier usuario de Internet y dedicado a la distribución de información
disponibilidad a las necesidades de los usuarios;
• catálogos digitales que contienen datos que pueden ser adquiridos por otras organizaciones.
Desde el punto de vista del usuario, la búsqueda y selección de datos se lleva a cabo mediante una navegación en red
interactiva predefinida, que explota las conexiones entre los datos, o directamente un motor de búsqueda capaz de
formalizar consultas específicas.
La rápida convergencia entre los Sistemas de Información Geográfica, los Sistemas de Posicionamiento por
Satélite y las tecnologías informáticas y de telecomunicaciones más avanzadas producen servicios tanto en el
campo público como en el privado, por ejemplo para el desarrollo de servicios de localización. Estos son
suministrados por ASP ( Proveedor de servicios de aplicaciones): ASP proporciona un servicio de distribución,
gestión y actualización de aplicaciones de software que funcionan en Internet y alojadas en un IDC ( Centro de
datos de Internet). El tipo de acceso de los usuarios está permitido de acuerdo con un contrato que no requiere la
compra de licencias, sino tarifas fijas periódicas o indexadas por un parámetro de uso (pago y uso).
El enfoque ASP permite a los administradores / empresas activar inmediatamente funciones GIS en
sus sistemas de información, evitando diseñar, construir, actualizar y mantener su propio DBMS con
información espacial.
La recopilación, la gestión y el mantenimiento de datos son una parte importante de un SIG. Los sistemas federados
evitan la duplicación de datos dejando la actualización de datos a cargo de la misma institución que atendió su
recolección.
9.12.2 Sistemas federados y distribuidos
Una tendencia importante en la construcción de SIG complejos es la necesidad de desarrollar sistemas donde la base de
datos geográfica se divide en diferentes ubicaciones remotas (Fig. 9.39).
Un sistema puede ser
• integrado, si la base de datos se alimenta con datos provenientes de diferentes fuentes de acceso
sible por usuarios remotos;
• repartido, si el sistema se gestiona de forma centralizada y está físicamente descentralizado;

• federado si tanto la gestión como la ubicación física están centralizadas.
En las bases de datos distribuidas, el usuario ignora el diseño del sistema que está utilizando, dónde están los
datos y cómo se representan; por otro lado, el sistema debe garantizar el acceso definiendo un esquema de
compartición que puede variar en el tiempo.
Figura 9.39 Arquitecturas para un sistema de bases de datos distribuidas: ( una) Esquema global, ( si) Esquema integrado múltiple, ( C) Esquema
federado, ( re) Lenguaje de bases de datos múltiples. Los usuarios de los sitios α, β, γ
acceder a los datos de tres fuentes. Un esquema local (L) es el esquema conceptual de un sistema de base de datos de componentes y se
puede expresar en diferentes modelos de datos (como los sistemas de base de datos de componentes). Para cada esquema local, hay un
esquema de componentes correspondiente (C). Los esquemas de componente (C) y federado (F) se expresan mediante un modelo de datos
canónicos (CDM). Un esquema federado es la integración de múltiples esquemas de componentes. A cada C se le asocia una L, es decir, el
esquema conceptual de un Sistema de base de datos de componentes (CDS)
9.12.3 Estructura de los sistemas de difusión GIS en la web
El software para la publicación de datos geográficos en la Web se ejecuta dentro de un procesador apropiado (servidor Web)
conectado a la Web.
El esquema básico de WebGIS puede tener diferentes variantes tanto en el lado del cliente como en el lado del
servidor (Fig. 9.40).
El usuario, navegando por la Web como operador cliente, accede al sistema a través de navegadores web capaz de
gestionar documentos HTML y algunas imágenes de formato estándar: Formato de archivo de imagen de etiqueta ( PELEA),
Formato de intercambio gráfico ( GIF), Joint Photographic Experts Group( JPEG), Gráficos de red portátiles ( PNG). Para
operar incluso con otros formatos de datos (por ejemplo, datos vectoriales, archivos de audio o video), las funciones del
navegador deben ampliarse de acuerdo con una de las siguientes estrategias:
• complementos: rutinas adicionales que se ejecutan en el cliente, descargables desde la Web. En la versión general del
software, pueden surgir problemas; por eso tienen que estar constantemente
actualizado;
• Controles Active-X: extensiones de software que ejecutan algunas tareas y pueden

comunicarse con otros programas y desempeñar el mismo papel que los complementos; la principal diferencia es que
los controles Active-X, además de ampliar las funciones del navegador, pueden ser utilizados por programas o
aplicaciones que soporten OLE ( Incrustación de vinculación de objetos) estándar;
Figura 9.40 Estructura WebGIS y posibles sistemas de enlace entre el cliente y un GIS en línea. Controles enchufables Active-X.
Applet Java: programas que enriquecen el navegador; CGI: Interfaz de puerta de enlace común; API: interfaz de programa de
aplicación; ASP: páginas Active Server; JSP: páginas del servidor Java
• Los applets Java son rutinas ejecutadas por el navegador a bordo del cliente; un subprograma es un
ejecutable que, por razones de seguridad, solo puede acceder al servidor desde el que se ha descargado y es
independiente de la plataforma de hardware.
En WebGIS, el navegador web visualiza páginas HTML, que contienen el contenido del servidor GIS, de forma dinámica;
esto puede ocurrir de diferentes formas:
• Programa CGI (interfaz de puerta de enlace común) capaz de recuperar un programa necesario para establecer una
conexión a una base de datos del servidor que proporciona la información que se insertará en la página HTML; La
tecnología CGI es independiente de la adoptada
lenguaje de programación (Fig. 9.41);
• Servidor web - API (interfaz de programa de aplicación), resolución de interfaz programable
ident en el servidor; permite la optimización parcial de la memoria del servidor, ya que
allí los procesos no se ejecutan de forma independiente, como en el caso anterior (Fig. 9.42);
• Páginas de servidor activo ( ASP), programas del lado del servidor que operan en el entorno de Microsoft
entorno, permitiendo el desarrollo de aplicaciones dinámicas e interactivas para

un servidor web;
• Páginas del servidor Java ( JSP), tecnología similar a ASP, incluida en el HTML
código; estas aplicaciones están escritas en lenguaje Java, por lo que pueden ejecutarse a bordo
cualquier sistema operativo y servidor;

• Servlet de Java es la respuesta a la programación CGI mediante tecnología Java; es un
grupo de programas que se ejecutan en el servidor y producen páginas HTML; las ventajas son la
mayor e fi ciencia y la mayor portabilidad.
Figura 9.41 Operabilidad de las aplicaciones CGI (Common Gateway Interface)
Figura 9.42 Operabilidad de las aplicaciones API (Application Program Interface)
Los SIG en línea admiten tanto el formato vectorial como el ráster.

La elección entre los diferentes tipos de formato depende de la aplicación a desarrollar, la infraestructura
operativa (el formato raster fue concebido para la Web en formatos TIFF, GIF, JPEG, mientras que el formato
vectorial necesita plug-ins, y generalmente ambos requieren contactos con el servidor para cada solicitud del
cliente) y al software adoptado.
9.12.4 Arquitectura de un SIG orientado a la web
El componente de un WebGIS condiciona el modelo de arquitectura y determina altos niveles de:
• fiabilidad: capacidad para prestar un servicio, ante cualquier avería;

• Servicio: rendimiento en términos de tiempo del sistema (tiempo de respuesta para el usuario
peticiones);
• escalabilidad: adaptabilidad a la visualización de documentos grandes arbitrarios;
• seguridad: prevención contra usuarios no autorizados.
La de fi nición de una estructura es una tarea ardua ya que, en el dominio Web, la interacción entre los
diferentes componentes es muy alta. Por ejemplo, la velocidad de conexión afecta la cantidad de datos
transferidos, los tipos de datos afectan los volúmenes a transferir, el número de usuarios afecta tanto la
conexión como el rendimiento del sistema, el control de los permisos de acceso afecta la velocidad de
transferencia de datos.
Por lo tanto, es importante, en la fase inicial, pensar de manera global y luego detallar las diversas cuestiones
para reducir la complejidad del modelo.
En la figura 9.43 se propone un modelo de arquitectura que presenta una alta complejidad, así como fuertes
características de generalidad, que puede simplificarse considerablemente de acuerdo con la aplicación específica.
Dentro del esquema global, los subsistemas interconectados se describen en diferentes niveles de detalle
en función de los requisitos:
• Repositorio de datos: indica el conjunto de herramientas de almacenamiento (Disk Array, Tapes Libraries, CD Array, DVD,
Flash Memory, etc.) que contiene los datos sin procesar cuya integridad
y debe preservarse la coherencia;

• Red de área de almacenamiento ( SAN): un conjunto de componentes de hardware muy sofisticados,
conectados entre sí por fibra óptica, junto con el software necesario que asegura una completa escalabilidad
(necesaria para cantidades de datos que pueden estar por encima de un Terabyte) y servicios de transferencia
de datos que pueden alcanzar un Gigabyte por
segundo;
• Servidores de aplicaciones área: se refiere al conjunto de herramientas, incluido su software, que

Gestionar todos los servicios aplicativos. En el esquema, solo algunos servidores son
Figura 9.43 Modelo arquitectónico para el intercambio de datos en la Web. PDA: Asistente digital personal
mostrados (Terminal Server, Map Server) que representan solo algunos de los
mon aplicaciones;
• Servidor de seguridad área: se refiere al conjunto de herramientas, incluido su software, gestión
la protección del sistema. El esquema incluye el uso de cortafuegos, herramientas específicas para el
control del tráfico, el monitoreo del acceso y la separación de los
de la red interna;
• Servidor web área: se refiere al conjunto de herramientas, incluido su software, que
Permitir que el sistema organice la información y la ponga a disposición.
en línea;
• Red de comunicacion área: se refiere al conjunto de herramientas, incluido su software,

que representa la estructura de comunicación integrada destinada a transportar los datos de un lugar a otro.
Las aplicaciones GIS procesan de forma innata una gran cantidad de datos y, en consecuencia, la Web se
mantiene bajo presión. De ahí el diseño y la
el dimensionamiento del sistema debe ser preciso;
• cliente área: se refiere al conjunto de herramientas, incluido su software, destinadas a producir
solicitudes al servidor y obteniendo la información del mismo. El modelo de fi ne la alta variabilidad
de estos instrumentos, desde el PC al teléfono móvil. La Red Geográfica es el conjunto de recursos
geográficos disponibles en la Web activando un enlace bidireccional con el sistema.
9.12.5 Software de aplicación
Las principales propiedades de las herramientas de software para la distribución de mapas, datos geográficos y SIG a través de la Web
son
• posibilidad de extraer, mediante consulta de una base de datos relacionada, información sobre un
objeto específico;
• gestión de datos vectoriales;
• herramientas gráficas para visualizar mapas: herramientas de agrandamiento y arrastre, representación
gestión de básculas, etc.
El tema más innovador es la publicación de mapas activos cuyos elementos gráficos se pueden activar mediante
movimientos del mouse en la pantalla, que recuerdan atributos de características en la base de datos y habilitan
enlaces dinámicos.
9.12.6 Interoperabilidad de datos
Los Sistemas de Información Geográfica, para ser efectivos y eficientes para algunas aplicaciones, requieren
ser accesibles en tiempo real e interactuar con el operador / usuario incluso si no hay un acceso directo al
sistema físico que aloja y administra la aplicación. Las posibilidades que ofrece la Web para la difusión de
datos permiten transferir y procesar información espacial. Por esta razón, en los últimos años, varios
productores de SIG comenzaron a vender versiones en línea de sus sistemas, permitiendo a los usuarios
para acceder de forma remota al GIS. El papel del SIG es generalmente de distribuidor de mapas organizados en capas
temáticas que pueden superponerse y procesarse mediante algunas funciones propias del SIG. Los datos geográficos
son generalmente grandes (a veces gigabytes) y su transferencia y accesibilidad representan un problema complejo.
El problema de la interoperabilidad de los datos es aún más complejo debido al rápido desarrollo y la creciente
competencia entre los productos GIS, desarrollados por muchas empresas internacionales para su uso a escala
mundial. Cada productor, para ganar sectores de mercado cada vez más amplios, intenta imponer sus propios
estándares en cuanto a formato de datos, protocolo de transferencia, etc. Estos a menudo no son compatibles entre
sí, y su reformateo es muy caro.
Con interoperabilidad Se entiende la capacidad o posibilidad de acceder a diferentes sistemas y datos

espaciales, también organizados con diferentes herramientas de software, reconociendo y adaptando diferentes
formatos, modelos espaciales, procesamientos, aplicaciones sin modificar su contenido y calidad de información.
Considerando la creciente difusión de información terrestre y el favorable desarrollo del mercado, en

1998 el Consorcio Geoespacial Abierto
©
C ª. R ( OGC) se constituyó. Este Consorcio es una organización de estándares de consenso voluntario, internacional y sin
fines de lucro que está liderando el desarrollo de estándares para servicios geoespaciales y basados en la ubicación.
Su objetivo es facilitar la interoperabilidad y el intercambio de datos.
El propósito principal del OGC es definir un formato de datos neutral que no esté vinculado a ningún productor de
software SIG. Una de las soluciones sugeridas es la de fi nición de un lenguaje libre llamado Lenguaje de marcado de
geografía ( GML), de fi nido específicamente para codificar, almacenar y transferir datos geográficos, también a través de la
Web.
Basado en XML ( eXtensible Markup Language), gestiona la geometría y los atributos de los elementos geográficos.
Si se adopta, esto permitiría a los productores compartir conjuntos de datos heterogéneos y a los usuarios acceder a ellos
de forma transparente. En otras palabras, simplificaría y estandarizaría las operaciones en diferentes sectores, desde la
producción de mapas hasta la transformación de datos, desde las consultas espaciales hasta el análisis geográfico,
pasando por las aplicaciones emergentes en sistemas móviles.
9.12.7 Estándar XML
Lenguaje de marcado extensible ( XML), desarrollado por un consorcio de estandarización, el W3C ( Consorcio
Mundial de la red) permite la representación, almacenamiento e intercambio de datos de forma extensible y
flexible, según un paradigma adecuado, en función de los datos y de la aplicación. Representa una
herramienta para codificar los datos en modo textual y puede combinar una gran variedad de tipos de datos,
como textos, formatos numéricos, gráficos, audio, imágenes y mapas, incluyendo así la información espacial.
Hoy en día, la tecnología XML está difundida e incluida en algunos navegadores web. Mientras que el HTML
define el contenido junto con su presentación, el XML los separa. Esto significa que un archivo XML se
puede formalizar de diferentes maneras según la herramienta que lo utilizará, el usuario y su habilidad, etc.
XML requiere de fi nir la forma en que se debe representar un contenido específico; por esta razón
Se han desarrollado tecnologías de transformación XML hijo, para una amplia variedad de dispositivos, como Asistentes
digitales personales ( PDA) con conexiones inalámbricas. Como HTML, XML es un lenguaje de marcado, que es
un lenguaje que usa etiquetas para caracterizar el contenido del documento. Mientras que en HTML, las
etiquetas están predefinidas independientemente del dominio de la aplicación, en XML las etiquetas deben ser
definidas por el productor de datos y pueden variar según la aplicación específica. Tanto el significado como la
estructura de los contenidos específicos los condicionan. Esta característica indujo el desarrollo de XML dialectos,
cada uno adaptado para de fi nir documentos de diferentes campos de aplicación. Un ejemplo es MathML, para
matemáticas, o Lenguaje de marcado químico ( CML) para Química. GML es el equivalente de XML para
geografía. Por esta razón, XML debe considerarse un metalenguaje, es decir, un lenguaje para la definición de
otros lenguajes o aplicaciones.
En XML, la estructura del documento está definida por un DTD ( Definición del tipo de documento)
modelo o especificación según un esquema; un modelo DTD o un esquema proporcionan una descripción formal del
lenguaje de marcado creado por el usuario: describen una lista de las etiquetas admitidas, sus relaciones
estructurales, sus atributos e instrucciones (o restricciones). Estos últimos son utilizados por los analizadores de
validación como reglas para verificar los elementos, los atributos, las identidades y las notas de los documentos
XML de fi nidos de acuerdo con esa DTD o Esquema.
A diferencia de HTML, XML proporciona un único elemento XML, una especie de mecanismo de
enlace capilar y partes de él, con asociaciones complejas, así como bidireccionales.
9.12.8 Lenguaje de marcado de geografía (GML)
GML es un lenguaje de marcado perteneciente a la familia XML, desarrollado y mantenido por OGC, utilizado
para representar datos geográficos y su significado. Los datos geográficos describen la geometría del mundo
independientemente de la forma en que se visualiza. El GML tiene su propia estructura para codificar datos
espaciales y sus asociaciones; también se puede ampliar para adaptarse a un contexto de aplicación específico.
En general, GML tiene la capacidad de combinar y asociar datos geoespaciales con otro tipo de datos
(expresados en XML o GML), dando una solución al problema de la integración de datos heterogéneos.
En su nivel inferior, GML proporciona un método para describir los elementos espaciales y sus atributos en un
modo textual dentro de un documento XML. Estos documentos son fáciles de interpretar y pueden formalizar con
éxito las relaciones entre las diferentes geometrías y atributos de los objetos, beneficiándose de las altas
capacidades de vinculación de XML. GML no es un lenguaje de presentación de datos y, por lo tanto, debe
transformarse adecuadamente para presentarlo al usuario, generalmente en formato de mapa o imagen, pero
también en formato de texto o incluso vocal.
La implementación de GML proporciona principalmente una herramienta para transferir y almacenar datos en el
dominio web. Proporciona una amplia variedad de objetos espaciales; puede mantener separado el concepto de datos del
de su visualización; puede relacionar elementos espaciales con sus atributos permitiendo la definición de relaciones
espaciales (Fig. 9.44).
La codificación de datos geográficos por lenguajes como GML tiene como objetivo resolver los problemas emergentes de
interoperabilidad relacionados con la representación de datos.

<gmd: referenceSystemInfo>
<gmd: MD_ReferenceSystem id = "ID0002">
<gmd: referenceSystemIdentifier>
<gmd: RS_Identifier>
<gmd: código>
<gco: CharacterString> EPSG: 32632 - WGS84 / UTM zone 32N </ gco: CharacterString> </ gmd: code>
</ gmd: RS_Identifier>

</ gmd: referenceSystemIdentifier>
</ gmd: MD_ReferenceSystem>
</ gmd: referenceSystemInfo>
<gmd: identityInfo>
<gmd: MD_DataIdentification>
<gmd: cita>
<gmd: CI_Citation>
<gmd: título>
<gco: CharacterString> MOD10A1 Snow_Cover_Daily_Tile 2007281 </ gco: CharacterString>
</ gmd: título>
<gmd: fecha>
<gmd: CI_Date>
<gmd: fecha>
<gco: Date> 2007-10-13 </ gco: Date>
</ gmd: fecha>
<gmd: dateType>
<gmd: CI_DateTypeCode codeList = "http://metadata.dgiwg.org/codelistRegistry? CI_DateTypeCode"
codeListValue = "creación" />
</ gmd: dateType>
</ gmd: CI_Date>
</ gmd: fecha>
……………………………………………………………………………………………………………………………… ..… ..
Figura 9.44 Ejemplo de metadatos en formato XML (estándar ISO: 19139) que se refieren a productos de mapas diarios de áreas
cubiertas de nieve creados por la NASA y distribuidos en una infraestructura de datos espaciales compatible con INSPIRE (cortesía de
los proyectos AWARE e IDE-Universe, respaldados por la Comisión Europea)
Los aspectos relevantes, distinguidos en ventajas y desventajas, que caracterizan el uso de esta
tecnología son
• Ventajas del lenguaje GML:
- separación entre contenido y representación: GML contiene datos geográficos, su geometría, sus
características y atributos, pero no declara cómo deben representarse. La representación se puede
hacer mediante la adopción de hojas de estilo: de tal manera es posible visualizar los datos en
diferentes formatos gráficos (es decir, SVG, VML, etc.) y, dentro del mismo formato, y personalizar
aún más el estilo (símbolos, líneas, representación de áreas);
- interoperabilidad: el GML es un formato textual estándar, sin propiedad, concebido para facilitar el
intercambio de conjuntos de datos heterogéneos y superar las diferencias entre los diferentes
formatos de datos GIS;
• Desventajas del lenguaje GML:
- estándar incompleto: los mayores problemas que afectan actualmente a GML se deben principalmente a algunas
lagunas en los descriptores disponibles; esto hace, por ejemplo, bastante compleja la integración de datos que
tienen diferentes sistemas de referencia;
- gestión de atributos: Las especificaciones de GML con respecto a la gestión de atributos son bastante generales en
este momento. Si esto puede verse como un aspecto positivo para la
La expansibilidad del lenguaje, por otro lado, es un obstáculo en la definición de aplicaciones destinadas a
la gestión de estos datos.
9.12.9 Instrumentos de representación gráfica
El objetivo principal de GML es definir e intercambiar contenido de datos geográficos. También se puede utilizar para
representar esos datos en formato de mapa, mediante el uso de un instrumento de renderizado capaz de interpretar datos
GML. Por lo tanto, los objetos GML deben transformarse en un formato que pueda ser interpretado oportunamente por un
visualizador gráfico dentro de un navegador. Esto requiere la interpretación del GML como símbolos gráficos. los Transformación
extensible del lenguaje de la hoja de estilo ( XSLT), en sí mismo parte de XML, puede ser la herramienta para construir la
presentación de datos. Usa Lenguaje de hoja de estilo extensible ( XSL), un lenguaje para la transformación de un
documento XML (por ejemplo, GML) en otro documento XML (por ejemplo, Gráficas vectoriales escalables, SVG) de
acuerdo con las reglas de transformación específicamente definidas.
Generalmente esto representación gráfica requiere que los datos GML se transformen en un formato
gráfico XML; durante el proceso de transformación, el modelo de datos puede cambiarse y es posible un
filtrado de los contenidos, destinado a extraer sólo lo necesario en un contexto específico. Hay XML dialectos que
fueron creados específicamente para visualizar datos gráficos (no necesariamente geográficos); algunos entre
los más conocidos son
• Gráficos vectoriales escalables (SVG), para la definición de gráficos vectoriales 2D;

• Lenguaje de marcado de vectores ( VML), (SVG competidor propuesto por Microsoft); VRML, para gráficos
• vectoriales 3D.
Los lenguajes gráficos derivados de XML tienen dos características importantes:
• interactividad: el documento a visualizar es sensible a algunas acciones (como el clic del mouse) llevadas a cabo
por el operador produciendo acciones específicas como respuesta a
estos eventos;
• dinámica: es posible crear algunas animaciones por SMIL (Sy Multincronizado
Lenguaje de integración timedia) lenguaje de animación, desarrollado por W3C.
9.12.10 Representación gráfica de elementos geográficos
Los lenguajes de visualización para documentos geográficos, como los archivos GML, tienen que representar la
información geográfica no solo en formato raster, como ocurre tradicionalmente en la Web, sino también en formato
vectorial; además es necesario tener la posibilidad de agrupar los datos representados en diferentes capas con diferente
contenido. Generalmente, un mapa digital puede considerarse como una superposición de diferentes capas vectoriales
temáticas, controlables por separado; tanto GML como los lenguajes de visualización ofrecen esta posibilidad.
Los archivos definidos por lenguajes de visualización como SVG y VML se pueden visualizar en un navegador web,
instalando complementos específicos sin cargo. Las funciones básicas que se ofrecen al usuario son
• visualización de mapas;
• gestión de visualización de mapas: panorámica, zoom, símbolos, colores, estilos, etiquetas, etc .;
• gestión de capas temáticas por organización jerárquica;

• clasi fi cación de datos según los atributos y la representación gráfica posterior
ción;
• descripción de los atributos de la capa temática;
• descripción de los elementos seleccionados;
• visualización de la fuente de datos.
9.13 Infraestructura de datos espaciales
La gran demanda de GeoSpatial Data y su gestión indujo a varias organizaciones en todo el mundo a
mejorar la interoperabilidad para compartir datos.
El correcto uso interoperable e interdisciplinario de la Información geoespacial
(GI) se aparta de la definición de Infraestructura de datos espaciales (SDI). Por analogía, una IDE puede considerarse
como una infraestructura de tránsito que permite la movilidad de personas y mercancías, incluidas las reglas (es decir, la
distancia recorrida en las carreteras), las instalaciones (es decir, el ferrocarril, los canales) y la organización (es decir, la
gestión del tráfico) que superan los límites administrativos dentro de y entre países. Del mismo modo, la IG debe basarse
en elementos concretos y duraderos.
los Infraestructuras de datos espaciales ( Las IDE) están destinadas a permitir el intercambio, en la Web, de datos
espaciales geocodificados que son heterogéneos por definición, en términos de sistema de gestión y escala de
desarrollo.
El concepto de una IDE se basa en el principio fundamental de que los sistemas y bases de datos deben
cumplir con algunos requisitos básicos, creando así una infraestructura real que permita el uso común de los
datos en cualquier nivel en el que se generaron.
En el campo de la Información Geoespacial, se han activado (o están por llegar en un futuro próximo)
programas que in fl uirán en la investigación, empresas y actividades profesionales a nivel Internacional en el
mediano y largo plazo, como la de fi nición de Infraestructuras de Datos Espaciales a nivel Nacional. , Nivel
continental y global. Varias iniciativas están en marcha para mejorar el conocimiento de nuestro planeta en
términos de Información Geoespacial, y los programas GEO y GEOSS se encuentran entre ellos.
El punto focal es promover y orientar procesos de armonización geoespacial en los que diferentes
organismos y organismos públicos, primeros y privados adopten las mismas reglas.
9.13.1 GSDI
La Información Geográfica es vital para tomar decisiones a nivel local, regional y global, y los tomadores de
decisiones se benefician de la IG, con las infraestructuras involucradas en el
9.13 Infraestructura de datos espaciales 551
proceso. Por lo tanto, la definición de pautas compartidas destinadas a regular los fundamentos de una Infraestructura de Datos
Espaciales es crucial.
Estas pautas han sido presentadas por Douglas (2004) en El libro de recetas de SDI, Desarrollo de
infraestructuras de datos espaciales - de este documento se informan las siguientes notas.
La Guía de Implementación de SDI o Recetario, a través del apoyo de la comunidad de Infraestructura de

Datos Espaciales Globales, proporciona a los proveedores y usuarios de información geográfica la información
básica necesaria para evaluar e implementar los componentes existentes de SDI. También facilita la participación
dentro de una creciente comunidad de información geográfica (digital) conocida como la Infraestructura Global de
Datos Espaciales (GSDI).
Para permitir a los constructores de SDI hacer uso y construir sobre los componentes de SDI existentes de una manera
que haga sus esfuerzos compatibles con los esfuerzos de otros constructores de SDI, este libro de recetas de GSDI identifica
• estándares existentes y emergentes;

• soluciones de software de código abierto y basadas en estándares comerciales;
• estrategias y políticas organizativas de apoyo; mejores

• prácticas.
Trabajar dentro de un marco común de estándares y herramientas basados en estos estándares también hace posible
maximizar el impacto de los recursos totales disponibles para la creación de IDE a través de la cooperación futura, por
ejemplo, desarrollamos esto, usted desarrolla aquello y luego lo compartimos.
A escala mundial, los ejemplos más destacados de programas formales de IDE se encuentran a escala nacional.
La mayoría de ellos son impulsados por el gobierno nacional o federal (por ejemplo, la NSDI en los EE. UU., La
SNIG en Portugal, la ASDI de Australia, la NaLIS de Malasia, la NSIF de Sudáfrica, Colombia, o el libro de recetas de
GSDI, la iniciativa multinacional INSPIRE en Europa), pero hay excepciones, que en gran medida han sido
impulsadas por el sector privado.
El Recetario proporciona un conjunto básico de principios rectores que han tenido éxito en el establecimiento de
Infraestructuras de Datos Espaciales compatibles y están respaldados por la Infraestructura Global de Datos Espaciales para
promover la toma de decisiones exitosa para asuntos de importancia local, regional y global. No puede pretender
proporcionar todas las respuestas para adaptarse a todas las variaciones que puedan existir entre las implementaciones de
las infraestructuras nacionales de datos espaciales. El objetivo es proporcionar una orientación común suficiente para
permitir que las IDE adyacentes intercambien información fácilmente mediante la adopción de principios, estándares y
protocolos comunes.
El desarrollo del Libro de recetas se concibe como un medio para aclarar la de fi nición de IDE y para compartir
experiencias actuales en la construcción de implementaciones de IDE que sean compatibles en muchas escalas de
esfuerzo con los siguientes argumentos:
• desarrollo de datos geoespaciales: creación de datos para usos múltiples;
• metadatos: descripción de datos geoespaciales;
• catálogo de datos geoespaciales: hacer que los datos sean detectables; visualización
• de datos geoespaciales: cartografía en línea;

• acceso y entrega de datos geoespaciales: acceso abierto a los datos; divulgación y
• creación de capacidad: creación de una comunidad.
9.13.2 Infraestructura para la información espacial en la Comunidad Europea -

INSPIRE
La realización de una IDE para Europa es el objetivo de la iniciativa europea INSPIRE.
La Directiva 2007/2 / CE del Parlamento Europeo y del Consejo de Europa del 14 de marzo de 2007
por la que se establece Infraestructura de información espacial en la Comunidad Europea ( INSPIRE) se
publicó en la Revista o fi cial el 25 de abril de 2007. La Directiva INSPIRE entró en vigor el 15 de mayo
de 2007.
El artículo 1 de la Directiva se centra claramente en el objetivo:
1. La presente Directiva tiene por objeto establecer normas generales destinadas al establecimiento
de la Infraestructura de Información Espacial en la Comunidad Europea (INSPIRE) a los efectos de las

políticas medioambientales comunitarias y las políticas o actividades que puedan tener un impacto
sobre el medio ambiente.
2. INSPIRE se basará en las infraestructuras de información espacial establecidas y
gestionados por los Estados miembros.
La solución sugerida por INSPIRE propone un compromiso, sin obligar a las sociedades ni a los usuarios, a
adoptar un formato común de definición de datos.
La situación general de la información espacial en Europa ha generado en el tiempo la fragmentación de los
conjuntos de datos y las fuentes, la falta de disponibilidad, la falta de armonización entre los conjuntos de datos a
diferentes escalas geográficas y la duplicación de la recopilación de información. Estos problemas hacen que sea difícil
identificar, acceder y utilizar los datos disponibles de fuentes difundidas.
Afortunadamente, está aumentando la conciencia a nivel nacional y de la UE sobre la necesidad de información

georreferenciada de calidad para apoyar la comprensión de la complejidad y las interacciones entre las actividades humanas
y las presiones e impactos ambientales. Por lo tanto, la iniciativa INSPIRE es oportuna y relevante, pero constituye un
desafío importante dada la situación general descrita anteriormente y los muchos intereses de las partes interesadas que
deben abordarse.
INSPIRE complementa las iniciativas políticas relacionadas, como la propuesta de la Comisión de una
Directiva sobre la reutilización y explotación comercial de la información del sector público.
La iniciativa pretende impulsar la creación de una infraestructura europea de información espacial que
ofrezca a los usuarios servicios integrados de información espacial. Estos servicios deben permitir a los
usuarios identificar y acceder a información espacial o geográfica de una amplia gama de fuentes, desde el
nivel local hasta el nivel global, de manera interoperable para una variedad de usos. Los usuarios objetivo de
INSPIRE incluyen responsables políticos, planificadores y gestores a nivel europeo, nacional y local y los
ciudadanos y sus organizaciones. Los posibles servicios son la visualización de capas de información,
superposición de información de diferentes fuentes, análisis espacial y temporal, etc.
9.13 Infraestructura de datos espaciales 553
En Europa varios países han iniciado el proceso de realización de la Infraestructura de Datos Espaciales
(IDE) basándose en los siguientes principios generales:
• Los datos deben recopilarse una vez y mantenerse en el nivel en el que se puede hacer
más eficazmente;
• Debería ser posible combinar perfectamente datos espaciales de diferentes fuentes.
y compartirlo entre muchos usuarios y aplicaciones;
• Los datos espaciales deben recopilarse en un nivel de gobierno y compartirse entre
todos los niveles;
• Los datos espaciales necesarios para la buena gobernanza deben estar disponibles en condiciones que
no restrinja su uso extensivo;

• Debería ser fácil descubrir qué datos espaciales están disponibles para evaluar su idoneidad.
para su propósito y saber qué condiciones se aplican para su uso.
9.13.3 GEO y GEOSS
Los sistemas de observación de la Tierra consisten en mediciones de aire, agua y tierra realizadas en el suelo,
desde el aire o desde el espacio. Históricamente observado de forma aislada, el esfuerzo actual es mirar estos
elementos juntos y estudiar sus interacciones.
Producir y gestionar mejor información sobre el medio ambiente se ha convertido en una de las principales
prioridades de las naciones de todo el mundo. En julio de 2003, la Cumbre de Observación de la Tierra reunió
a 33 naciones más la Comisión Europea y muchas Organizaciones Internacionales para adoptar una
declaración que significó un compromiso político hacia el desarrollo de una estrategia integral, coordinada y
sostenida.
Sistema de Observación de la Tierra ( EOS) para recopilar y difundir datos, información y modelos mejorados a las partes
interesadas y los tomadores de decisiones.
Un grupo ad hoc de altos funcionarios políticos de todos los países y organizaciones participantes, denominado
el Grupo de Observaciones de la Tierra ( GEO), se ha formado para emprender este esfuerzo global. GEO fue
encargado de desarrollar un Documento marco además de un informe más completo para describir cómo se podría
organizar el esfuerzo colectivo para monitorear continuamente el estado del medio ambiente, aumentar la
comprensión de los procesos dinámicos de la Tierra y mejorar los pronósticos sobre las condiciones ambientales.
Además, debía abordar los posibles beneficios sociales si se dispusiera de datos y modelos oportunos, de alta
calidad y de largo plazo para ayudar a los tomadores de decisiones en todos los niveles: organizaciones
intergubernamentales, gobiernos locales e individuos.
El 16 de febrero de 2005, los países miembros del GEO acordaron un plan de implementación decenal para un Sistema
global de sistemas de observación de la Tierra conocido como GEOSS. El proyecto GEOSS tiene como objetivo dirigirse a
las naciones involucradas en la producción y gestión de su información de una manera que beneficie al medio ambiente ya la
humanidad.
GEOSS se concibe como un gran esfuerzo cooperativo nacional e internacional para unir hardware y
software nuevos y existentes, haciéndolo todo compatible con el fin de suministrar datos e información sin costo.
Las naciones desarrolladas tienen un papel único en el desarrollo y mantenimiento del sistema, recopilando
datos, mejorando la distribución de datos y proporcionando modelos para ayudar a todas las naciones del
mundo.
Los resultados y beneficios de un sistema de información global incluirán
• reducción de desastres;
• gestión integrada de los recursos hídricos;

• vigilancia y gestión de los recursos marinos y oceánicos; monitoreo, pronóstico y
• advertencias del clima y la calidad del aire; Conservación de la Biodiversidad;
•
• uso y manejo sostenible de la tierra;
• comprensión pública de los factores ambientales que afectan la salud y el bienestar humanos
siendo;
• mejor desarrollo de los recursos energéticos; adaptación a la
• variabilidad y al cambio climático.
9.13.4 Seguimiento mundial del medio ambiente y la seguridad, GMES
La visión europea de GEOSS es Monitoreo mundial del medio ambiente y la seguridad ( GMES), que se
centra en integrar los Sistemas de Sistemas con una cadena de servicios calibrada en la necesidad de
Europa y sus habitantes.
La iniciativa GMES es, con el programa Galileo, el elemento principal del desarrollo estratégico del
Espacio Europeo.
La iniciativa GMES comenzó en 1998 para reunir tanto a los usuarios como a los proveedores de información
derivada de la observación por satélite. GMES se ha convertido en un elemento clave en la estrategia espacial
europea, orientada a fortalecer la capacidad de la Comunidad para adquirir información de alta calidad derivada de
observaciones espaciales, atmosféricas, terrestres y marinas integradas con datos geográficos y socioeconómicos.
Tras la aprobación del Consejo de la UE, la Comisión y la Agencia Espacial Europea (ESA) están
implementando el plan de acción sobre GMES desarrollado en 2001.
Los requisitos que impulsan la implementación de GMES incluyen apertura, arquitectura federada,
simplicidad de arquitectura, escalabilidad, confiabilidad, facilidad de uso, seguridad de datos, calidad de
servicio y ubicuidad global del acceso.
La Dirección General de la Comisión Europea Centro Común de Investigación ( JRC) hace una
contribución sustancial a la iniciativa GMES a través de una amplia gama de capacidades. Ha liderado el
camino en el establecimiento y desarrollo de bases de datos de información geoespacial europea, integrando
con éxito información de satélites en bases de datos, así como una serie de otras actividades de investigación
y seguimiento.
GMES consta de cuatro componentes principales como se muestra (Fig. 9.45):
• componente espacial, que incluye el desarrollo y operaciones de satélites y

infraestructuras de segmentos terrestres que proporcionan los flujos de datos necesarios;
• componente in situ, que incluye el desarrollo y operación de todos los

y redes aéreas de recopilación de datos. Esto también incluye datos socioeconómicos como datos
demográficos, datos de producción industrial y datos epidemiológicos;
9.14 Resumen 555
Figura 9.45 El GMES ( Monitoreo global para el medio ambiente y la seguridad) capacidad representada por el Diamante
GMES, en la Comunicación de la Comisión al Parlamento Europeo y al Consejo: Establecimiento de una capacidad GMES
para 2008 - Plan de acción (2004-2008)
• armonización de datos y estandarización, incluida la infraestructura para la asimilación de datos,

procesamiento estandarizado, fusión de datos, modelado y previsión e infraestructura de soporte de
servicios, como acceso a datos, catálogo, archivo y cliente.
instalaciones de apoyo;
• servicios orientados al usuario, incluyendo adquisición de datos, generación de información y

entrega, garantía de calidad del producto y seguimiento del cumplimiento de las prácticas de trabajo, estándares y
requisitos legislativos del dominio del usuario.
Estos cuatro elementos están interconectados, siguiendo un enfoque modular, para servir a los objetivos generales
de GMES.
9.14 Resumen
Varios autores (Burrough, 1986; Cowen, 1988; Aronoff, 1989) han definido Sistemas de información geográfica.
Burrogh (1997) como un poderoso conjunto de herramientas para recopilar, almacenar, recuperar a voluntad,
transformar y mostrar datos espaciales del mundo real para un conjunto particular de propósitos.
La característica geográfica, o elemento de suelo, se caracteriza por los componentes posicional y

descriptivo. Según este concepto, el SIG es un sistema complejo capaz de gestionar la posición geográfica
de los objetos, sus atributos, las relaciones espaciales y de atributos y el factor tiempo de los fenómenos
dinámicos. El atributo puede ser métrico, gráfico, descriptivo y complejo. Las relaciones espaciales pueden
ser topológicas, direccionales y de proximidad.
Los componentes de GIS son hardware, software, datos y liveware o contexto de organización. Los componentes
de datos geográficos son analizados y gestionados por Sistemas de gestión de bases de datos ( DBMS). Los DBMS se
describen en el Capítulo 5. El modelo de datos espaciales puede ser vectorial o raster, con posibilidad de integración
de los dos.
En GIS, se realizan métodos de análisis de datos espaciales. Las relaciones espaciales entre las
características y sus atributos y el vínculo persistente con su geometría hacen del SIG una herramienta capaz
de simular el mundo real. Estos métodos son el análisis espacial de datos, el análisis de atributos y su
combinación integrada.
La superficie de la Tierra se puede describir en un completar continuo representación
utilizando diferentes modelos para la visualización. Se describen el modelo de terreno digital (DTM) y su modelo
de superficie digital (DSM) y el modelo de elevación digital (DEM) equivalentes. En el flujo de procesamiento, la
adquisición de datos altimétricos desempeña un papel importante. Se mencionan y analizan metodologías y
técnicas de adquisición de puntos 3D: levantamiento terrestre, digitalización de mapas existentes, métodos
fotogramétricos aéreos y satelitales (Capítulo 3), interferometría de radar (Capítulo 4) y Escaneo Láser
Aerotransportado (Capítulo 6). También se analiza el modelo estructural para la representación, generación e
interpolación 3D.
Los SIG están en continua evolución y modelado de datos orientado a objetos es adecuado para aplicaciones
espaciales para describir los elementos en el mundo real y las propiedades relativas como objetos, con el fin de
apoyar el procesamiento de entidades geométricas complejas.
Una evolución importante de los SIG son los sistemas de soporte de decisiones (DSS). Albergan herramientas de
procesamiento sofisticadas y están concebidas para responder a la pregunta: ¿Qué va a pasar si ...?. Otra tendencia
que podría mejorar la difusión de los SIG, incluso y especialmente a nivel local, es el SIG virtual (VGIS), que necesita
sistemas basados en el conocimiento o Sistemas Expertos.
La gestión de datos y la importación de nuevos datos a GIS y DSS a menudo adolecen de errores que a
veces pueden predecirse. Se introducen terminologías como exactitud, precisión, calidad de datos,
tolerancia y error. Se describen los posibles tipos y fuentes de error y se discute su influencia en la cadena
de procesamiento. Los errores pueden introducirse en el sistema por propagación o en cascada.
La cuestión de la calidad de los datos y los metadatos son fundamentales en GIS y DSS. Metadatos
certificar la calidad global de los conjuntos de datos. Se informa un ejemplo detallado de metadatos.
El desarrollo de herramientas destinadas a la publicación web de mapas y datos geográficos está aumentando
considerablemente. Una estrategia para compartir conjuntos de datos protegidos es WebGIS. Se presentan los propósitos y
requisitos para la planificación de WebGIS.
Un tema de gran interés es la interoperabilidad de los datos. La gran demanda de GeoSpatial Data y su
gestión indujo a varias organizaciones en todo el mundo a mejorar la interoperabilidad para compartir datos.
Se introducen los esfuerzos para superar el problema, incluida una descripción del Lenguaje de
marcado extensible ( XML) y su derivación Geography Markup Language (GML).
El correcto uso interoperable e interdisciplinario de la Información geoespacial

(GI) se aparta de la definición de Infraestructura de datos espaciales (SDI). La Infraestructura Global de
Datos Espaciales (GSDI) es la IDE mundial. La Comunidad Europea ha definido la iniciativa INSPIRE
con la Directiva 2007/2 / CE del Parlamento Europeo y del Consejo de Europa del 14 de marzo de 2007.
los Grupo de Observaciones de la Tierra ( GEO) y el Sistema global de sistemas de observación de la Tierra conocido
como GEOSS juegan un papel fundamental en la Observación de la Tierra
Bibliografía 557
administración. Las actividades se refieren a cómo se podría organizar el esfuerzo colectivo para monitorear
continuamente el estado del medio ambiente, aumentar la comprensión de los procesos dinámicos de la Tierra y
mejorar los pronósticos sobre las condiciones ambientales. La rama europea de GEOSS es Monitoreo mundial del
medio ambiente y la seguridad
(GMES).
Otras lecturas
Aronoff S., 1989, Sistemas de información geográfica: una perspectiva de gestión. Publicación WDL
ciones, Ottawa, Canadá.
Bernhardsen T., 1999, Sistemas de información geográfica: Introducción. John Wiley e hijos,
Nueva York, págs.448.
Burrough PA, McDonnell RA, 2000, Principios de los sistemas de información geográfica, espacial
Sistemas de información y geoestadística. Claredon Press, Oxford, págs.306.
Cercone N., McCalla G. (Eds.), 1987, The Knowledge Frontier: Essays in the Representation of
Conocimiento. Serie de Computación Simbólica. Springer-Verlag, Nueva York, págs. 552, ISBN 3-54096557-2.
Clarke KC, 2001, Introducción a los sistemas de información geográfica. Prentice Hall, nuevo
Jersey, EE. UU., Págs.352.
DorlingD., Fairbairn D., 1997, Mapeo: formas de representar el mundo. Prentice Hall, Pearson
Educación, Harlow, Inglaterra.
Douglas DN, 2004, Developing Spatial Data Infrastructures: The SDI Cookbook, Technical
Grupo de trabajo, GSDI, versión 2.0, 25 de enero de 2004.
Hearnshaw HM, Unwin DJ, 1996, Visualización en sistemas de información geográfica, John
Wiley and Sons, Nueva York.
Comisión de las Comunidades Europeas, 2007, Directiva INSPIRE, 2007/2 / CE del
Parlamento Europeo y del Consejo de 14 de marzo de 2007 Establecimiento de una infraestructura de información
espacial en la Comunidad Europea. Diario O fi cial de la Unión Europea, 50, 25 de abril, ISSN 1725-2555, L 108.
Jones C., 1997, Sistemas de información geográfica y cartografía por computadora. Educación Pearson,
Asia, Singapur, págs. 319.
Bibliografía
Albrecht J., 1995a, Sistema de información geográfica virtual (VGIS), IEEE-HICSS 1995, Maui,
Hawaii, enero, págs. 141–150.
Albrecht J., 1995b, Red semántica de funciones SIG elementales universales, Auto-Carto 12, Char-
lotte, NC, 27 de febrero a 2 de marzo de 1995, págs. 235–244.
Axelsson P., 1999, Procesamiento de datos de escáner láser: algoritmos y aplicaciones. ISPRS. diario
de fotogrametría y teledetección, 54: 138-147.
Antenucci JC, Brown K., Croswell PL, Kevany MJ, Archer H., 1991, Información geográfica
Sistemas: una guía para la tecnología. Chapman y Hall, Nueva York Vol. 10, págs. 211-236. Aronoff S., 1989, Sistemas
de información geográfica: una perspectiva de gestión. Publicación WDL
ciones, Ottawa Canadá.
Baltsavias EP, 1999b, Escaneo láser aéreo: relaciones y fórmulas básicas. ISPRS. Diario de
Fotogrametría y percepción remota, 54: 199–214.
Baltsavias EP, 1999a, Comparación entre fotogrametría y escaneo láser. ISPRS. diario
of Photogrametry and Remote Sensing, 54: 83–94.
Binaghi E., Cerrani I., Montesano MG, Rampini A., 1996, A hybrid fuzzy expert system shell.
En: Manual de lógica difusa y redes neuronales, CH Chen (Eds.). McGraw-Hill Professional Publishing Group Nueva
York.
Binaghi E., 1990, Un modelo de inferencia de lógica difusa para un sistema basado en reglas en el diagnóstico médico.
Revista internacional de ingeniería del conocimiento: sistemas expertos, información aprendida, 7 (3): 134–141.
Binaghi E., Della Ventura A., Rampini A., Schettini R., 1993, Enfoque de razonamiento difuso para simular
evaluación de la laridad en el análisis de imágenes. Revista internacional de sistemas inteligentes, 8 (7): 749–769. Brachman RJ,
Levesque HJ (Eds.), 1985, Lecturas en la representación del conocimiento, Morgan
Kaufmann, San Mateo, California.
Brivio PA, Marini D., 1993, Un método fractal para la construcción de modelos digitales de elevación y su
aplicación a una región montañosa. Foro de gráficos por computadora, 12 (5): 297–309.
Carrara P., Fortunati L., Fresta G., Gomarasca MA, Piazza Bonati L., Poggioli D., 2004, A
Enfoque metodológico para el desarrollo de aplicaciones en un entorno SDI. VII Congreso AGILE sobre Ciencias de la
Información Geográfica.
Carrara P., Fresta G., Gomarasca MA, Pasi G., Poggioli D., Rampini A., 2003, A reversible web
Arquitectura para la gestión de información geográfica. 6ª Conferencia AGILE sobre ciencia de la información
geográfica, Lyon (F), 24-26 de abril, págs. 161-168.
Chen CH (Ed.), 1996, Manual de lógica difusa y redes neuronales. Profesional de McGraw-Hill
Publishing Group, Nueva York.
Cercone N., McCalla G., 1983, The Knowledge Frontier, Springer y Verlag, Berlín. Cortellessa CM, 1995,
Breve Introduzione al GIS, Supplemento a Mondo Autocad, n. 5. Cover R., 2001, The XML Cover Page -
Geography Markup Language (GML).
Cowen DJ, 1988, GIS versus CAD versus DBMS: ¿Cuáles son las diferencias? Fotogramétrico
Ingeniería y percepción remota, 54: 1551-1554.
Cowen DJ et al., 1995, El diseño e implementación de una información geográfica integrada
Sistema de aplicaciones medioambientales. Ingeniería fotogramétrica y teledetección, 61 (11): 1393–1404.
Dikau R., 1989, La aplicación de un modelo de relieve digital al análisis de accidentes geográficos en geomorfología.
En: Aplicaciones tridimensionales en sistemas de información geográfica, J. Raper (Eds.). Taylor y Francis,
Londres, Nueva York, Filadelfia, págs. 51–78.
Duda RO Hart PE, 1973, Clasificación de patrones y análisis de escenas. John Wiley e hijos,
Nueva York.
Ebner H., Reinhardt W., Hößler R., 1987, Generation, management and utilization of high fi delity
modelos digitales del terreno. Archivos internacionales de fotogramática y teledetección, 27: 556–566.
Ehlers M., (1995a), Integración de sensores remotos y SIG para monitoreo ambiental-
ing y modelado: ¿dónde estamos? En: Manfred Ehlers (Hrsg.), Aktuelle Forschungsberichte der Abteilung
Geographische Informationssysteme / Fernerkunung. Vechta, Teil B, págs. 56-65.
Ehlers M., 1995b, Integración de la teledetección con los sistemas de información geográfica: una necesidad
evolución. Ingeniería fotogramétrica y teledetección, 55 (11): 1619–1627.
Elliotte Rusty H., 2001, Biblia XML - Transformaciones XSL, pub-HUNGRY-MINDS, xxxiii +
págs. 1206, ISBN: 0 7645-4760-7.
Fisher PF, Linderberg RE, 1989, Sobre las distinciones entre cartografía, teledetección y SIG.
Ingeniería fotogramétrica y teledetección, 55: 1431–1434.
Harrington S., 1983, Gráficos por computadora: un enfoque de programación. McGraw-Hill. Libro Com-
pany, International Editions, Nueva York.
Healey RG, 1991, Sistema de gestión de bases de datos. En: Sistemas de información geográfica: Principio
ples y aplicaciones, Maguire DJ, Goodchild MF, Rhind DW (Eds.). Longman, Londres, vol. 1, págs. 251-267.
Hinton JC, 1996, GIS e integración de sensores remotos para aplicaciones ambientales. Interna-
Revista nacional de sistemas de información geográfica, 10 (7): 877–890.
Bibliografía 559
Hoppe H., 1994, Reconstrucción de superficies a partir de puntos no organizados. Tesis doctoral. Universidad de
Washington, pág. 116.
Jackson MJ, 1987, Cartografía digital, análisis de imágenes y teledetección, hacia una integración
Acercarse. Reseñas de ciencias interdisciplinarias, 12 (1): 33–40.
Jain R., Kasturi R., Schunck B., 1995, Visión artificial. Compañía de libros McGraw-Hill, internacional
Editions, Nueva York. pags. 549.
Kandel A., Langholz G. (Eds.), 1992, Arquitecturas híbridas para sistemas inteligentes. Prensa CRC,
Boca Raton, Florida, Estados Unidos.
Korpela I., 2000, Captura de datos 3D para producción DEM / DTM / DSM: una introducción a Pho-
Métodos togramétricos y láser de rango, Curso Y196. Departamento de Gestión de Recursos Forestales, Universidad
de Helsinki, Helsinki.
Koeln GT, Cowardin LM, Strong LL, 1994, Sistemas de información geográfica, en: Bookhout
Ed. The Wildlife Society, Bethesda, pág. 540.
Kraus K., 1993, Fotogrametría. Vol. 1. Fundamentos y procesos estándar. Dummler, / Bonn,
págs. 397.
Kraus K., 1995, Del modelo de elevación digital al sistema de información topográfica, Fotograma
métrica Week'95, Fritsch / Hobbier Eds, Wichmann, págs. 277-285.
Kraus K., Pfeifer N., 1998, Determinación de modelos de terreno en áreas boscosas con láser aerotransportado
datos del escáner. ISPRS. Revista de fotogrametría y percepción remota, 53: 193-203. Kufoniyi O., 1995,
Introducción a las estructuras de datos orientadas a objetos. ITC Journal, 1: 1–7.
Lake R., 2001a, GML 2.0 - Habilitación de la web geoespacial. Galdos Systems Inc. Vancouver, BC
Canadá
Lake R., 2001b, Making Maps with Geography Markup Language (GML). Galdos Systems Inc. Lake R., Burggraf D.,
Trinic M., Rae L., 2004. GML Geography Mark-Up Language. John Wiley
and Sons, Southern Gate, Chichester, West Sussex.
Laurini R., Thomson D., 1992, Fundamental of Spatial Information Systems. La serie Apic, San
Diego, Ca.
Maguire DJ, Goodchild MF, Rhind DW, 1991a, Sistemas de información geográfica, vol. 1 y
2: Principios y Volumen 2: Aplicaciones. John Wiley and Sons, Nueva York, Estados Unidos.
Maguire DJ, 1991b, Una visión general y definición de SIG. En: Sistemas de información geográfica:
Principios y aplicaciones, DJ Maguire, MF Goodchild, DW Rhind (Eds.). Longman, Londres, vol. I, págs. 9-20.
Marangoz AM, Karakıs S. Akcın H., 2007, Clasificación automática basada en objetos de urbanos abiertos.
áreas verdes utilizando imágenes QuickBird de alta resolución e integración con GIS. Actas del 27º Simposio
EARSeL, GeoInformation in Europe, MA Gomarasca (ed.). Millpress, Países Bajos, págs. 125-134, ISBN
9789059660618.
Marble DF, Peuquet DJ, 1990, Lecturas introductorias en GIS. Taylor y Francis, Londres,
Nueva York, Filadelfia.
Meijerink AM, Valenzuela CR, Stewart A., 1988, La gestión integrada de tierras y cuencas
ment sistema de información. Publicación ITC, 7: 1–115.
Meijerink AMJ, De Brouwer HAM, Mannaerts CM, Valenzuela CR, 1994, Introducción a
Uso de sistemas de información geográfica para hidrología práctica. Publicación UNESCO-ITC número 23,
Enschede, Países Bajos.
Michalsky RS, 1980, Reconocimiento de patrones como inferencia inductiva guiada por reglas. Transacciones IEEE
sobre análisis de patrones e inteligencia de máquinas, PAMI-2: 349–360.
Michalsky RS, 1994, Teoría inferencial del aprendizaje: desarrollo de las bases para la multiestrategia
Aprendizaje, aprendizaje automático: enfoque de múltiples estrategias, R. Michalski, G. Tecuci (Eds.). Editorial Morgan
Kaufmann, San Francisco, vol. 4.
Migliaccio F. 1998, Appunti delle lezioni del corso di Cartogra fi a tematica e automatica. CLUP,
Milano
Neale IM, 1988, Sistemas expertos de primera generación: una revisión de la metodología de adquisición de conocimiento
gies. Revisión de ingeniería del conocimiento, 3 (2): 105-137.

Pedrycz W., 1990, Conjuntos difusos en el reconocimiento de patrones: metodología y métodos. Reconocimiento de patrones
ción, 23: 121-146.

Peuquet DJ, Marble DF, 1990, Lecturas introductorias en sistemas de información geográfica.
Taylor y Francis, Londres, Nueva York, Filadelfia, págs. 1-371.
Quin L., 2000, Conjunto de herramientas de base de datos XML de código abierto, Wiley and Sons, Nueva York.
Rott H., Nagler T., Malcher P., Mùller F., 2007, Un sistema de información basado en satélites para
monitoreo y modelado de glaciares. Actas del 27º Simposio EARSeL, GeoInformation in Europe, MA Gomarasca
(Ed.). Millpress, Países Bajos, págs. 395–402, ISBN 9789059660618.
Rumelhart H., Hinton GE, Williams RJ, 1986, Learning internal representation by error propa-
gation. En: Procesamiento distribuido paralelo, H. Rumelhart, JL McClelland (Eds.). MIT Press, Cambridge, EE.UU., págs.
318–362.
Smets P., Mamdani E., Dubois D., Prade H., 1988, Lógicas no estándar para el razonamiento automatizado.
Academic Press, Nueva York.
Sonka M., Hlavac V., Boyle R., 1999, Procesamiento de imágenes, análisis y visión artificial, 2ª ed.
PWS Publishing, Pacific Grove, California p. 770.
Star J., Estes J., 1990, Sistemas de información geográfica: una introducción. Prentice Hall, Inglaterra
Acantilados de madera.
Strobl P., Reithmaier L., Soille P., Mehl W., Bielski C., 2007, Montaje de un ref.
Base de datos de imágenes de referencia de Europa con una resolución de 25 m. Actas del 27º Simposio EARSeL,
GeoInformation in Europe, MA Gomarasca (Ed.). Millpress, Países Bajos, págs. 515–522, ISBN 9789059660618.
Tuffe ER, 1990, Envisioning Information. Prensa gráfica, Cheshire, Connecticut.

Van Oosterom P., Zlatanova S., 2008, Creación de infraestructuras de información espacial, Hacia la
Web semántica espacial. CRC Press, Taylor and Francis Group, Boca Raton, Londres, Nueva York, Leiden n. 70681,
ISBN: 978-1-4200-7068-2.
Whiteside A., Bobbitt J., Nicolai R., 2001, Datos de definición recomendados para referencias de coordenadas
R Consorcio.
sistemas de ences y transformaciones de coordenadas, OpenGIS ©
Wilkinson GG, 1996, Una revisión de temas actuales en la integración de SIG y teledetección
datos. Revista Internacional del Sistema de Información Geográfica, 10 (1): 85–101.
Yager RR, Filev DP, 1995, incluida la incertidumbre probabilística en el modelado de controladores de lógica difusa
utilizando la teoría de Dempster-Shafer. Transacciones IEEE sobre sistema, hombre y cibernético, 25 (8): 1221–1230.
Yager RR, 1995, Un enfoque unificado para la agregación basado en operadores MOM y MAM.
Revista internacional de sistemas inteligentes, 10: 809–855.
Zadeh LA, 1965, Fuzzy Sets, Information and Control, 8: 338–353. Zadeh LA, 1973, Fuzzy
Pattern Recognition. Prensa académica, Londres.
Zadeh LA, 1977, Fuzzy establece como base para una teoría de la posibilidad. Conjuntos y sistemas difusos, 1:
3-28.
Zadeh LA, 1981, PRUF - un lenguaje de representación de significados para lenguajes naturales. En borroso
Razonamiento y sus aplicaciones, EH Mamdani, BR Gaines BR (Eds.). Academic Press, Londres, págs. 1-58.

Elementos de GIS

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Elementos de GIS

Cargado por

Copyright:

Formatos disponibles

Capítulo 9

Elementos de los sistemas de información geográfica

Figura 9.1 Geográfico

9.1 Tipología de los sistemas de información geográfica

• mapas catastrales y mapas técnicos producido a escala 1: 500–1: 5000;

• Sistemas de información geográfica ( GIS), si tienen como objetivo describir la naturaleza

Figura 9.2 La clasificación de los sistemas de información geográfica (SIG)

9.2 Formato de los datos geográficos

• posicional que de ﬁ ne gráfica y geométricamente la posición y la forma y la topología de los objetos

Según este concepto, GIS es un sistema complejo capaz de gestionar:

• posición geográfica de los objetos;

Figura 9.4 Datos geográficos: los dos

• topológico: equivalencia, equivalencia parcial, inclusión, adyacencia, separación;

Figura 9.5 Relaciones espaciales entre los elementos geográficos

Figura 9.6 Organización lógica de un SIG

9.3 Componentes y estructura de GIS

• contexto de organización o software en vivo (Fig. 9.7).

Los principales componentes de software de un SIG son

• el Sistema de administración de base de datos ( DBMS);

- entrada y validación de datos;

- análisis y procesamiento de datos;

9.3.3 Datos de entrada

Los pasos de trabajo mientras se usa un SIG ya estructurado son

Figura 9.8 Recopilación y entrada de datos en una base de datos GIS

Figura 9.9 Transformación de datos para su gestión en una base de datos

Figura 9.11 Salida de datos en diferentes tipos de representación

9.4 El contexto organizacional

9.4.1 Bases de datos y estructuras

9.5 Modelos de datos espaciales

9.5.1 Formato vectorial

Figura 9.13 Las primitivas geométricas

9.5.2 Modelo de cuadrícula o ráster

tema de manera exhaustiva (Cuadro 9.1).

9.6 Integración de datos vectoriales y ráster

Figura 9.15 Representación raster de elementos terrestres

Recuadro 9.1 Fortalezas y debilidades de los modelos vectoriales y ráster

Parámetro Modelo vectorial Modelo ráster

Memoria Datos compactos bajos El alto volumen de datos es

ocupación estructura, precisión y resolución y

Generalización Complejo Intrínseco simple en

Topológico Eficiente Dificultades

Exactitud Alto Depende de la resolución de la

Procesamiento de datos Complejo Sencillo

Informativo Complejo pero preciso Simple pero menos preciso

Definicion de Eficiente y preciso Simple pero menos preciso

Visualización de datos rápida Lento y dependiente de formatos

Figura 9.16 Fragmentación dinámica del

modelo quadtree en el área donde se

9.7 Métodos de análisis de datos espaciales

9.7.1 Análisis de datos espaciales

• formato de datos en la forma requerida por el SIG diseñado; acceso a datos

que se refieren a vectores

• edición de datos geométricos mediante la inserción de nuevas características o remodelación de la existente

9.7.2 Análisis de atributos

• funciones de generalización Permitir la combinación de características según el valor de un atributo. Esta

9.7.3 Análisis integrado de datos y atributos espaciales

• funciones de selección, clasificación y medición: estas operaciones no cambian ni la geometría ni los

- herramientas de vista en perspectiva: Permiten la visualización de las superficies en modo 3D mejorando la

Figura 9.26 Investigación basada en criterio

9.8 Métodos de representación de la superficie terrestre

Figura 9.27 Segmentación de una imagen, o

interpolación de datos, utilizando los polígonos

de Thiessen. Los ejemplos se refieren a un