Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
ANDREA JULIANA MUÑOZ SALAZAR 2181518
Presentado a:
KELLY PATRICIA SANDOVAL RINCÓN
Pág
1. Introducción…………………………………………………………………………3
2. Objetivos………………………………………………………………....………….4
3. Ejercicios de operaciones con ráster……………………………………………..5
4. Ejercicios de Interpolación………………………………………………………...39
5. Conclusiones y recomendaciones………………………………………………..54
6. Bibliografía…………………………………………………………………………..55
2
1. INTRODUCCIÓN
Algunas de las operaciones mas usadas son mayoría, minoría, sumatorias, entre
otras. En el siguiente informe se realizan 10 ejercicios en los cuales se debe poner
a prueba los conocimientos adquiridos hasta el momento para poder realizarse
correctamente.
3
2. OBJETIVOS
El objetivo principal del informe tiene como fin estudiar y aprender a ejecutar todas
las operaciones que se pueden realizar con un modelo ráster.
4
3. EJERCICIOS DE OPERACIONES CON RÁSTER
5
Figura 1. Pasos para llegar a Reclassify.
En input ráster se debe seleccionar el ráster de pendientes, en “Reclass Field” se
deja la opción VALUE, posteriormente de da click en donde dice “classify” para
elegir el número de clases que se desean tener (4), en este caso la tabla de las
clases deberá ser:
1-5 1
5-7 2
7-40 NoData
Mayores a 40 3
6
Figura 2. Configuración de Reclassify.
Los valores de pendientes entre 0-5 representan las zonas que se inundan
periódicamente. Los valores entre 5-7 representan las zonas que se inundan en
eventos extremos. Los valores entre 40-77.5 representan las zonas de escarpes o
paredes de roca. El mapa obtenido se muestra en la figura 3.
7
Figura 3. 1. Zonas inundables periódicamente. 2. Zonas inundables en eventos extremos. 3. Zonas
con escarpes o paredes de roca.
0-10 NoData
10-30 4
Mayores a 30 NoData
8
Figura 4. Configuración de Reclass para pendientes entre 10 y 30.
El resultado de pendientes de 10 a 30 es:
Ahora se debe añadir al proyecto el DEM del municipio Santiago y realizar una
reclasificación para tomar los valores entre 1200 y 1800, que corresponden a una
zona altitudinal alta. Para esto se realiza el mismo proceso que con los dos
anteriores pero las clases deben ser 3 y ajustarse de la siguiente forma:
0-1200 NoData
1200-1800 5
Mayores a 1800 NoData
9
Figura 6. Configuración de Reclassify para altitudes altas.
Para el mapa que se desea obtener, se deben unir los ráster de pendientes de 10
a 30 con el de altitudes altas, para esto se usa la calculadora ráster y se suman
los ráster.
10
Figura 9. Resultado de ráster de pendientes y alturas combinados.
3.2. Obtenga los ráster de los métodos de clasificación (NB, Cuantiles, Intervalos I,
Geométrico). Observe e indique como se comporta el rango (o la diferencia) y la
desviación estándar, en los dos métodos más favorables (NB y Geométrico) y el
menos favorable (Intervalos I).
Lo primero que se debe realizar es obtener los ráster de los cuatro métodos
mencionados en el enunciado, para eso, desde la opción reclassify, se ingresa a
11
“classify”, y allí se elige el método y el numero de clases, que para este ejercicio
son 5. Es importante poner un nombre que represente el método que se está
ejecutando.
El ejemplo se realizó para el método NB, se debe repetir el proceso eligiendo los
otros tres métodos.
1 2 3 4
7
12
Ahora teniendo las reclasificaciones de los métodos, se procede a usar la
herramienta “Estadísticas zonales en tabla”, esta se encuentra en Spatial Analyst
Tools, luego en Zonal, y se elige “Estadísticas zonales en tabla”. En el input se
debe añadir el ráster clasificado y en el input valores ráster se debe poner el ráster
Slope.
Se debe generar esta tabla para los ráster de NB, Geometría e intervalos iguales,
a continuación, se encuentra una comparación de estos.
13
Figura 13. Estadísticas zonales en tabla.
3.3. Determine la pendiente máxima y media de cada una de las veredas que
conforman el municipio en estudio (Santiago), indique cual es la vereda de mayor
pendiente media.
Para resolver este ejercicio se deben tener como insumos las capas de pendientes
y la capa de veredas Santiago. Este proceso re realiza con la herramienta de
estadísticas zonales en tabla y la configuración es la siguiente:
14
3.4. Obtenga un mapa de las pendientes medias de las veredas que conforman el
municipio.
Para obtener este mapa se usa la herramienta Estadísticas zonales, que da como
producto un mapa con la configuración que se le ponga, esta herramienta se
encuentra en Spatial Analyst Tools, luego en Zonal, y se elige “Estadísticas
zonales”. La configuración para obtener el mapa se encuentra en la figura 15.
Se elige la opción Mean ya que se desea conocer las pendientes medias de las
veredas. El mapa obtenido es:
15
Figura 16. Mapa de pendientes medias de las veredas de Santiago.
Para que el mapa salga con valores únicos y no con rangos, en simbología se
debe elegir la opción valores únicos y seleccionar la gama de colores preferida, en
este caso la gama semáforo.
16
Figura 17. Configuración de la simbología.
Para generar este mapa se requieren como insumos las capas de MM_Santiago, y
la de veredas Santiago.
Como los MM están en Shape y se necesita que estén en ráster, con el campo
Cod_MM se genera un ráster, para esto se usa la herramienta Polygon to raster
que se encuentra en Conversion Tools. En input features se pone el Shape de
MM, en el campo value se pone el código de MM y en el tamaño de celda se debe
poner 12.5, tal como se muestra a continuación.
17
.
Figura 18. Polygon to raster.
18
Se debe elegir la estadística de mayoría ya que recopila cuales son los valores
que más se repiten en cada vereda. Para que el nuevo ráster no salga cortado en
sus extremos se debe ir a Enviroments y elegir la opción “procesing extent” y en
donde dice Extent, darle en la opción de que sea igual que el layer de Veredas
Santiago, para que no se corten los extremos.
Área urbana
Caída de roca
Deslizamiento en cuña
Deslizamiento traslacional
Flujo de detritos
Flujo de tierra
Figura 21. Mapa de los MM predominantes en cada vereda.
19
3.6. De acuerdo con el punto anterior, determine el % del municipio que está
expuesto a cada tipo de MM.
20
Figura 23. Calcular el campo de porcentaje.
Figura 24. Porcentajes del municipio que está expuesto a cada tipo de MM.
21
El resultado de mapa de actividad se muestra a continuación:
Para obtener el mapa de los estados que predominan se usa la herramienta Zonal
Estadísticas.
22
Para que el nuevo ráster no salga cortado en sus extremos se debe ir a
Enviroments y elegir la opción “procesing extent” y en donde dice Extent, darle en
la opción de que sea igual que el layer de Veredas Santiago, para que no se
corten los extremos.
Activo
Latente
Zona urbana
23
Figura 29. Mapa de los estados de actividad predominantes en cada vereda.
3.8. Se requiere obtener un mapa que indique tanto el tipo como el estado
predominante de los movimientos en masa en cada vereda.
Para obtener el mapa que se pide en el ejercicio se deben combinar los mapas de
MM predominante y de actividad predominante de MM, la opción combinar se
encuentra en Spatial Analyst Tools, luego en la opción local, y finalmente combine.
24
Figura 31. Configuración de la herramienta combinar.
El resultado del mapa de Movimientos predominantes y estado de actividad
predominante es:
25
Figura 33. Tabla de atributos con la descripción.
3.9. Para el municipio La Paz, del cual se tiene la geomorfología, determine
espacialmente (mapa) cuantas subunidades geomorfológicas únicas existen por
vereda.
26
Es importante centrar el píxel con MDT de la zona.
Para obtener el mapa de estadísticas se usa la herramienta Estadísticas zonales,
y se configura como se muestra en la figura 36.
27
Figura 37. Cantidad de subunidades geomorfológicas por vereda.
3.10. Determine el ingreso total anual en usos del suelo por vereda. Teniendo en
cuenta que los ingresos anuales por metro cuadrado de uso de suelo son:
Para llenar este campo es más fácil si se selecciona por atributos y luego se llena,
por ejemplo:
1
3 4
2
5
2
28
Figura 38. Selección de atributos.
Al realizar eso se seleccionan todos los valores de esa unidad, entonces en el
campo que se desea llenar se da click derecho, calculadora de campos, y se
realiza lo que se refleja en la figura 39.
Se debe repetir este mismo procedimiento para todos los usos del suelo y así al
tener el campo completamente lleno, poder rasterizar, para rasterizar se usa la
opción Polígono a ráster que ya se ha trabajado anteriormente y la configuración
se muestra a continuación:
29
Ahora se debe multiplicar el campo “IngMill_m2” por 12.5 al cuadrado, esto con el
fin de obtener cual es el ingreso, pero no por metro cuadrado sino por pixel; se usa
12.5 porque es el valor del pixel que se ha trabajado en todos los municipios, y
porque corresponde al valor de las descargas MDT. Para realizar la multiplicación
se usa la calculadora ráster que se encuentra en Spatial Analyst Tools, luego en
Map algebra, como se muestra en la figura 41.
Figura 42. Operación en la calculadora ráster para obtener un ráster de ganancia por píxel.
30
Ahora como se tiene un ráster con valores de ingreso por pixel, se debe realizar la
suma de estos, pero clasificadas por las veredas y ya se obtendría la respuesta
del ejercicio, para esto se usa la herramienta Estadísticas Zonales.
Es posible observar que las veredas que más ganan son Batatal y La Cuchilla.
31
3.11. Obtenga el mapa ráster de las veredas que tienen una pendiente media
>15°.
Para este ejercicio se requiere como insumo el mapa de pendientes medias de las
veredas, generado en el inciso 3.4 del presente informe, y se necesita de la
calculadora ráster ya antes trabajada.
Figura 45. Configuración de la calculadora ráster para hallar pendientes medias mayores a 15.
Se obtiene como resultado un mapa binario en el cual los tonos verdes son las
veredas mayores con pendiente media mayor a 15° y los tonos grises son las
menores.
32
Figura 46. Mapa ráster de veredas con pendiente media mayor a 15°.
3.12. Obtenga el mapa de las veredas con pendiente media mayor a 15° donde
predominan los deslizamientos traslacionales, flujos de detritos y flujos de tierra.
Para resolver este ejercicio se necesita como insumo el mapa de pendiente media
mayor a 15, generado en el punto anterior, y también el mapa de MayorMM, y
nuevamente se usa como herramienta la calculadora ráster.
33
Figura 47. Tabla de atributos del ráster de MMmayor.
34
El mapa obtenido se muestra a continuación, se muestran en tono celeste
aquellas veredas con pendiente media mayor a 15° y en las que predominan los
MM mencionados en el enunciado.
Figura 49. Mapa de veredas con pendiente media mayor a 15° y con MM predominantes.
Para resolver este ejercicio se requieren como insumos el Shape de MM, el mapa
obtenido en el punto anterior, y el shape de Veredas Santiago.
Con el shape de MM, se debe rasterizar con la casilla codigo de actividad (para saber si
es activo, latente…), pero sería un error si re rasteriza todo el shape, ya que solo se están
trabajando tres tipos de movimientos, entonces, se usa la herramienta selección por
atributos para elegir solo los que se desean (codigo de MM 3, 6 y 7).
35
Figura 50. Selección por atributos de los MM mencionados en el enunciado del ejercicio 3.12.
36
Ahora teniendo ese ráster, primero se deben elegir las veredas obtenidas en el
punto anterior (elegirlas en el shape de veredas) y posteriormente se abre la
herramienta Estadísticas zonales (aun teniendo seleccionadas las veredas), y se
configura de la siguiente forma:
37
Se muestran en gris (valor 1) las veredas en las que predominan los movimientos
activos y en azul (valor 2) en las que predominan los latentes.
El ejercicio pide un mapa en donde solo se muestren las veredas de estado activo,
para esto se debe reclasificar el mapa anteriormente obtenido, y la configuración
debe ser la siguiente:
38
Nota: Al intentar comparar lo obtenido con las áreas de los MM, es posible
identificar que se generan errores, ya que las veredas que destacaron como
activas, tienen realmente mayor área inactiva, esto se debe a que hay
movimientos en masa que se comparten entre dos veredas, y como quedan en el
límite, no son tenidos en cuenta. Para un trabajo más detallado seria muy bueno
separar los pixeles compartidos.
3.14. Individualice las veredas del punto anterior en distintas zonas ráster, es
decir, discretice el ráster en distintos valores.
En este caso se usa un pequeño truco para poder separar las veredas, ya que no
se pueden separar por código de vereda puesto que tienen números con muchos
dígitos. El atajo consiste en seleccionar las tres veredas que se desean
individualizar y se realiza una estadística zonal con un ráster que tenga valores
diferentes para cada vereda, por ejemplo, el ráster de pendiente media. El proceso
se muestra a continuación.
Finalmente, el ráster que se obtiene tiene valores únicos para cada vereda, como
se muestra a continuación:
39
Figura 57. Veredas individualizadas.
3.15. Teniendo en cuenta los resultados de los cuatro puntos anteriores haga una
breve descripción sobre los movimientos en masa de las veredas seleccionadas.
Las veredas, El Páramo, Quebrada Seca y Cornejito son veredas que tienen una
pendiente media mayor a 15°, también que se caracterizan por tener en mayoría
los movimientos en masa como deslizamientos traslacionales, flujos de detritos y
flujos de tierra, y a su vez, todos estos se encuentran activos (teóricamente no
100% activos, según la nota puesta en el ejercicio 3.13).
40
4. EJERCICIOS DE INTERPOLACIÓN
Los insumos que se requieren para realizar las operaciones de los métodos de
interpolación son tres capas, enviadas por la docente, las cuales son:
Existen dos formas de interpolar por IDW en ArcMap, una de estas se encuentra
en las herramientas de 3D Analyst, en esta hay un criterio muy importante que se
llama potencia, esta puede ir entre 0.5 y 3, y entre mayor sea el número, menos
suave será la interpolación. A continuación, se presentan algunos ejercicios sobre
esto.
41
-IDW con 3D Analyst:
42
Campo en el que se
encuentran las
elevaciones
El grupo de personas
que tomó los datos
caminó cada 5 metros
para tomarlos, por ende,
Primero se realiza el
el tamaño del pixel es 5.
ejercicio con la potencia
que no genera
suavidad.
43
potencia 3, se debe poner una potencia de 0.5, el resultado del mapa se muestra
en la siguiente figura.
44
Figura 64. Elevación de ambos ráster. Parte superior ráster con potencia 0.5, parte inferior con
potencia 3.
Es posible observar que la el ráster con potencia 0.5 es más suave, en cuanto a
los quiebres, ya que no es tan rectangular.
45
Figura 65. Ruta de la herramienta IDW con Geostatistical Analyst.
Poner un nombre
que lo diferencie
del realizado
anteriormente.
46
Figura 67. Mapa de IDW con predicción.
47
-Validación del mapa con el método IDW:
Sobre la capa del mapa, se debe dar click derecho y elegir la opción
Validación/predicción, tal como se muestra en la siguiente figura.
48
Se elige una
nube de puntos
diferente a la
usada para la
interpolación.
49
valor. Sus propiedades básicas son que es local, utiliza sólo un subconjunto de
muestras que circundan a un punto de consulta y asegura que las alturas
interpoladas estarán dentro del rango de las muestras utilizadas. No infiere
tendencias ni produce picos, depresiones, crestas o valles que no estén ya
representados por las muestras de entrada. La superficie pasa por las muestras
de entrada y es suave en todas partes, excepto en las ubicaciones de las
muestras de entrada.
50
El mapa que se obtiene es:
Figura 74. Resultado de interpolar con el método del vecino mas cercano.
51
Figura 76. Configuración de la extracción de puntos.
52
Ahora como quedaron seleccionados los valores con los que, SI se desea trabajar,
se procede a añadir un nuevo campo, el cual se debe llamar ERROR, y
posteriormente, sobre este, abrir la calculadora de campos, y ejecutar la resta, tal
como se muestra en la siguiente figura.
Figura 79. Estadisticas del error del metodo vecino más cercano.
4.3. Método Spline
53
La herramienta Spline utiliza un método de interpolación que estima valores
usando una función matemática que minimiza la curvatura general de la superficie,
lo que resulta en una superficie suave que pasa exactamente por los puntos de
entrada.
Hay dos tipos de Spline: Regularizado y de Tensión. El tipo Regularizado crea una
superficie suave que cambia gradualmente con valores que pueden estar fuera del
rango de datos de muestra. El tipo Tensión controla la rigidez de la superficie en
función del carácter del fenómeno modelado. Crea una superficie menos suave
con valores que están más restringidos por el rango de datos de la muestra.
54
La configuración de la herramienta también es muy sencilla y solo hay que tener
en cuenta que tipo de Spline se desea obtener, en este caso se elige el
regularizado.
El mapa que se obtiene es un poco diferente a los dos anteriores, los rangos son
muy grandes y no se permite bien su visualización.
55
Figura 82. Resultado de interpolar con el método Spline.
56
Teniendo en cuenta las figuras 71, 79 y 83, en donde se muestran las estadísticas
de cada método, es posible analizar que el método, estadísticamente mas
favorable es el IDW, debido a que tiene el promedio de error medio más pequeño,
y de la misma forma, la desviación estándar también es la menor de los tres
métodos. En segundo lugar, estaría el método del vecino mas cercano, y
finalmente el que tiene mayor error y mayor desviación estándar es el Spline.
5. CONCLUSIONES Y RECOMENDACIONES
Conclusiones:
57
Es importante establecer una gama de colores y configurar la cantidad de
clases, cuando se desea tener una buena visualización de un ráster.
Recomendaciones:
BIBLIOGRAFÍA
https://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-and-images/raster-
dataset-attribute-tables.htm
https://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analyst-toolbox/raster-
calculator.htm
https://desktop.arcgis.com/es/arcmap/10.3/tools/spatialanalysttoolbox/
understandinginterpolationanalysis.htm#:~:text=La%20interpolaci%C3%B3n
%20predice%20valores%20para,qu%C3%ADmicas%20y%20niveles%20de
%20ruido.
https://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analyst-toolbox/how-idw-
works.htm
https://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analyst-toolbox/how-
natural-neighbor-works.htm
58
59