TALLER DE SISTEMAS DE INFORMACIÓN GEOGRÁFICA

1 FASE

El análisis de riesgos es un área importante en la toma de decisiones sin embargo para ello se
necesita de levantar información. Dicha información debe provenir de un análisis
pormenorizado del terreno bajo estudio. Se le encarga desarrollar un análisis que permita
analizar las zonas en riesgo del distrito de Yura en Arequipa para lo cual deberá desarrollar la
siguiente pregunta:

1. ¿Qué tipo de información deberá consignar para hacer un levantamiento de

información con la finalidad de iniciar el análisis de riesgos? (Incluir tanto información
vectorial como información ráster vista en clase). ¿Cuál de toda la información incluida
en la pregunta anterior considera que sería la más relevante para llevar adelante el
análisis de riesgos? ¿Indagar sobre dos metodologías de análisis de riesgos que usen
sistemas de información geográfica como elemento más importante? Sustentar
bibliográficamente (2 citaciones o referencias de 5 años de antigüedad scielo, scopus
y wos) (4 pts.)

Para hacer un análisis de riesgo la información vectorial y rastrear es importante,

la información vectorial sirve especialmente cuando se trata de amenazas
relacionadas con la ubicación geográfica, planificación urbana o desastres
naturales. De la misma forma es importante considerar información ráster siendo
esto un tipo de información geoespacial que se representa mediante píxeles que
contienen variables continuas como fenómenos que se distribuyen en el espacio
de manera continua por ejemplo:
• Información vectorial:
• Mapas topográficos y geográficos que proporcionan información detallada
sobre la elevación del terreno así como caminos y otros elementos geográficos.
Los mapas geográficos pueden incluir información sobre límites
administrativos, parcelas de tierra y características naturales.
• Los datos de uso del suelo indican cómo se utiliza el terreno en una
determinada área. Esto puede ser crítico para evaluar riesgos relacionados con
el desarrollo urbano, la agricultura, la silvicultura y la conservación.
• La información demográfica puede ser importante para evaluar riesgos
relacionados con la salud pública.
• Información geográfica, herramientas que pueden ayudar a organizar y
visualizar datos geoespaciales en un contexto de análisis de riesgo.
• Información ráster:
• Datos climáticos como mapas de precipitación, temperatura, viento y
humedad, estos son fundamentales para evaluar riesgos climáticos como
sequías.
• Imágenes satelitales en alta resolución.
2.¿Cuál de toda la información incluida en la pregunta anterior considera
que sería la más relevante para llevar adelante el análisis de riesgos?
La información vectorial más importante son los los datos de sistema geográfico
que nos ayuda a delimitar el área exacta del área de estudio y la información
ráster más ráster más importante es los datos climatológicos, imágenes
espaciales que nos muestran una alta resolución del área de estudio.
3.¿Indagar sobre dos metodologías de análisis de riesgos que usen
sistemas de información geográfica como elemento más importante?
Sustentar bibliográficamente (2 citaciones o referencias de 5 años de
antigüedad scielo, scopus y wos)

Metodología 1 :
Propusieron un modelo para la detección remota de áreas naturalmente propensas
a inundaciones debido a sus características morfométricas de sus redes de relieve
y drenaje en el río Alto Sapucaí en Minas Gerais, Brasil. Los parámetros
morfométricos utilizados fueron la densidad de drenaje, densidad del río, relación
de relieve, índice de rugosidad, coeficiente de mantenimiento, factor de forma y
longitud de la superficie del arroyo, se escogieron variables que fueron agrupadas
en regiones identificadas naturalmente vulnerables a la ocurrencia de
inundaciones debido a los valores de los parámetros morfométricos e hidrológicos
que evalúan los riesgos de inundaciones.Así mismo se recopilaron datos empíricos
generados por la Defensa Civil de Minas Gerais , los cuales mapean las áreas con
ocurrencia de inundaciones en áreas urbanas de la región de estudio. Los
resultados del análisis de conglomerados se sintetizaron en ArcGIS 10.5,
generando mapas conconglomerados. de áreas con características morfométricas
similares. Esta agrupación utiliza el método de varianza mínima de Ward y este
método técnico utiliza la medida de las distancias absolutas desde Manhattan. En
el software ArcGIS las áreas cartografiadas por defensa civil fueron superpuestas
a las áreas agrupadas para cada uno de los parámetros morfométricos calculados
para el área de estudio, los cuales son: Coeficiente de compacidad (Kc); Densidad
de drenaje (Dd); Frecuencia de corriente (Sf); Coeficiente de mantenimiento (Mc);
Índice de rugosidad (Ri); Factor de forma (Kf). Luego, las variables fueron
seleccionadas considerando los mayores solapamientos entre las áreas mapeadas
por la defensa civil con los agrupamientos morfométricos (Servidoni et al., (2023).
El elemento más importante empleado en esta metodología fue el análisis de
conglomerados el cual agrupa las entidades de un conjunto de datos en función de
su similitud. En este caso, las entidades agrupadas fueron las áreas de la cuenca
del río Alto Sapucaí, Brasil. El criterio de similitud utilizado fue la similitud de
las características morfométricas de las áreas.Los resultados del análisis de
conglomerados se sintetizaron en ArcGIS 10.5, generando mapas con
conglomerados de áreas con características morfométricas similares. Estos mapas
se superpusieron a los mapas de áreas inundadas generados por la Defensa Civil
de Minas Gerais.

Metodología 2:

Se empleo el uso de información cartográfica (edafología, geología, uso de suelo

y vegetación, curvas de nivel, hidrología y cuerpos de agua) con una escala de 1
a 50,000 . Se obtuvo la precipitación pluvial máxima diaria y anual, de la base de
datos climática ERICIII V. 3.2 del Instituto Mexicano de Tecnología del Agua ; y
finalmente la información de sismos, extraída del Servicio Sismológico Nacional
a la vez que se utilizan magnitudes Richter arriba de 4 considerando que bajo estas
 intensidades los daños son menores a destructivos.La clasificación de atributos
para cada criterio condicionante y desencadenante se expresó con valores
cuantitativos a partir de la relación de éstos para desencadenar el riesgo alto o bajo
al deslizamiento de tierra.

Criterios condicionantes:

El riesgo de erosión del suelo, para su estimación fue a través de la metodología

RUSLE3D desarrollada en Arcmap 10.5, mediante la siguiente ecuación:

E=R*K*L*S*C*P

Dónde: E, pérdida de suelo promedio anual en (t ha -1 al año); R, Factor erosividad

de la lluvia (Mj mm/ha hr); K, factor erodabilidad del suelo ((t ha) (ha h/Mj mm));
LS, factor de la inclinación y forma de la pendiente (adimensional); C, factor
cubierta vegetal (adimensional); P, factor de prácticas del suelo (adimensional).
Dónde: El flujo acumulado proviene del modelo digital de elevación; tamaño de
celda corresponde a los valores aplicados para el modelo (20 x 20 metros); la
pendiente en radianes. El factor C, proviene de utilizar cuadros con valores que
relaciona los tipos de uso de suelo y vegetación. El factor P, no se aplica debido a
que no existen estudios de prácticas aplicadas al suelo y cultivo, por lo tanto, el
valor P asume el valor de la unidad.Los atributos para el criterio de erosión se
clasificaron mediante cinco categorías: nula (0 - 5), ligera (5 -10), moderada (10 -
50), alta (50 - 200) y muy alta (> 200).Finalmente el criterio de geología refleja la
influencia de los tipos de materiales, sedimentos y rocas en la activación de los
deslizamientos. Por tal motivo, se elaboraron cinco categorías y se tomó en cuenta
las características que propician los deslizamientos de tierra. Por lo tanto, las rocas
sedimentarias con baja resistencia a las condiciones climáticas, estos atributos
fueron clasificados con valores cercanos

Criterios desencadenantes:

La precipitación pluvial máxima diaria y precipitación pluvial media anual, fueron

consideradas cinco categorías de 1 a 5 que corresponden al mayor valor para
aquellas zonas con presencia de lluvias anuales (> 1000 mm) y lluvias máximas
diarias de fuertes e intensas (206 a 536.4 mm) que pueden ser una condicionante
para el deslizamiento de tierra. Sumado a ello, los sismos generan fuerzas
inerciales dentro de la ladera, las cuales aumentan el esfuerzo cortante en la
superficie, lo que provoca el desprendimiento de bloques y deslizamientos, entre
otros(González Bolaños et al., (2023).
El elemento más importante empleado en esta metodología fue el uso del modelo
RUSLE3D para estimar el riesgo de erosión del suelo. Este modelo se implementó
en ArcGIS 10.5 y se utilizó para generar mapas de riesgo de erosión del suelo para
el área de estudio.

2. Ubicar el distrito de (Grupo 1: Cercado, Grupo 2: Cerro Colorado, Grupo 3: Miraflores)

hacer un recorte solo al distrito y descargar el ráster DEM de alguna de las fuentes
explicadas en clase y categorizar de acuerdo con la tabla (4 pts.) (Se debe ver el distrito
completo sin ningún recorte):
 Categoría Altura mínima Altura máxima
1 0 1000
2 1000 2000
3 2000 3000
4 3000 4000
5 4000 5000
6 5000 6000
7 6000 7000

Se extrajo la capa ráster del portal del MINAM, luego procedimos a clasificar con la
calculadora ráster con el siguiente código:
("Reproyectada@1" <= 1000)*1+ ("Reproyectada@1" >1000 AND
"Reproyectada@1"<= 2000)*2+("Reproyectada@1" >2000 AND "Reproyectada@1"<=
3000)*3+("Reproyectada@1" >3000 AND "Reproyectada@1"<=
4000)*4+("Reproyectada@1" >4000 AND "Reproyectada@1"<= 5000)*5+
("Reproyectada@1" >5000 AND "Reproyectada@1"<= 6000)*6+("Reproyectada@1" >
6000)*7
Despues, extraímos el vector del distrito del cercado para poder cortar por máscara
nuestro ráster reclasificado

Figura 1. Cortar por mascara el distrito de Cercado

3. Con el ráster anterior poligonizar y obtener el área que abarca la categoría 3 (4 pts.).
 Figura 2 Vectorizado

Como se puede ver en la imagen el resultado fue polígono, para este se utilizó la
herramienta polinizar, que convierte un ráster en vector, después de colocaron todos
los parámetros que pide, para posteriormente, darnos la capa.

Dentro de la capa se observó que solo existía una clasificación, porque todas se
encuentran en una misma altura.

Figura 3. Vectorizado

Como se puede observar en la tabla de atributos solo se muestra una clasificación y

esta sucede porque cercado se encuentra a una misma altura, entonces para poder
sacar el campo de área utilizamos la calculadora de vectores, agregamos un nuevo
campo de área y ese es el que está presente en la imagen, el área es de 11406031 m2.
4. Desarrollar el mapa de Hillshade incluir curvas de nivel a 100 metros y 50 metros y
ubicar describir el terreno obtenido en base a lo observado en dicho mapa. (Construir
el mapa con la herramienta de Qgis) (4 pts.).

Hillshade

Figura 4. Capa de Hillshade Cercado

Curva de nivel 100 metros

Figura 5. Curvas de nivel a 100 metros

Curva de nivel 50 metros

 Figura 6. Curvas de nivel a 50 metros

Figura 7. MAPA DE HILLSHADE Y CURVAS DE NIVEL

5. Utilizando la calcula ráster calcular el mapa que divida la altura (obtenida de la capa
DEM original) con la capa de pendientes (que deberá ser extraída del DEM). Analizar
el resultado y construir el mapa con las herramientas de Qgis (4 pts.).
 Figura 8. Mapa

Como vemos en la imagen se hizo la extracción de la capa de pendiente donde primero se hizo
la Re-proyección, luego con ayuda de la calculadora ráster se hizo la división de la altura sobre
la pendiente la cual representa los metros recorridos.

Referencias :
Servidoni, L. E., Bernardes, J. E., Expedito,G. H., Gomes, R., F., Spalevic, V., Dudic,
B.,
& Mincato, R. L. (2023). Methodological proposal to remote detection and management
of areas that are naturally vulnerable to floods.Earth Sciences Research Journal, 27(1),
59-68.https://doi.org/10.15446/esrj.v27n1.103542
González Bolaños, Fátima, Olguín López, José Luis, Guevara Gutiérrez, Rubén Darío,
García, Carlos Palomera, Ramírez Romero, José Manuel, & Villalvazo López, Víctor
Manuel. (2023). Identificación espacial del riesgo por deslizamiento de tierra en el
municipio de Autlán de Navarro, Jalisco, México. Revista Geográfica de América
Central, (70), 349-376. https://dx.doi.org/10.15359/rgac.70-1.13