Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las aplicaciones más usuales son para la gestión de empresas e instituciones públicas;
También son ampliamente utilizadas en entornos científicos con el objeto de almacenar la
información experimental.
Aunque las bases de datos pueden contener muchos tipos de datos, algunos de ellos se
encuentran protegidos por las leyes de varios países. Por ejemplo en España, los datos
personales se encuentran protegidos por la Ley Orgánica de Protección de Datos de
Carácter Personal (LOPD) y en México por la Ley Federal de Transparencia y Acceso a la
Información Pública Gubernamental.
Índice
1 Tipos de base de datos
o 1.1 Según la variabilidad de la base de Datos
1.1.1 Bases de datos estáticas
1.1.2 Bases de datos dinámicas
o 1.2 Según el contenido
1.2.1 Bases de datos bibliográficas
1.2.2 Bases de datos de texto completo
1.2.3 Directorios
1.2.4 Bases de datos o "bibliotecas" de información química o
biológica
2 Modelos de bases de datos
o 2.1 Bases de datos jerárquicas
o 2.2 Base de datos de red
o 2.3 Bases de datos transaccionales
o 2.4 Bases de datos relacionales
o 2.5 Bases de datos multidimensionales
o 2.6 Bases de datos orientadas a objetos
o 2.7 Bases de datos documentales
o 2.8 Bases de datos deductivas
2.8.1 Lenguaje
2.8.2 Ventajas
2.8.3 Fases
2.8.4 Interpretación
2.8.5 Mecanismos
o 2.9 Sistema de Gestión de bases de datos distribuida (SGBD)
3 Véase también
4 Enlaces externos
Son bases de datos de solo lectura, utilizadas primordialmente para almacenar datos
históricos que posteriormente se pueden utilizar para estudiar el comportamiento de un
conjunto de datos a través del tiempo, realizar proyecciones, tomar decisiones y realizar
análisis de datos para inteligencia empresarial.
Éstas son bases de datos donde la información almacenada se modifica con el tiempo,
permitiendo operaciones como actualización, borrado y edición de datos, además de las
operaciones fundamentales de consulta. Un ejemplo de esto puede ser la base de datos
utilizada en un sistema de información de un supermercado, una farmacia, un videoclub o
una empresa.
Según el contenido
Almacenan las fuentes primarias, como por ejemplo, todo el contenido de todas las
ediciones de una colección de revistas científicas.
Directorios
En este modelo los datos se organizan en forma de árbol invertido (algunos dicen raíz), en
donde un nodo padre de información puede tener varios hijos. El nodo que no tiene padres
es llamado raíz, y a los nodos que no tienen hijos se los conoce como hojas.
Las bases de datos jerárquicas son especialmente útiles en el caso de aplicaciones que
manejan un gran volumen de información y datos muy compartidos permitiendo crear
estructuras estables y de gran rendimiento.
Fue una gran mejora con respecto al modelo jerárquico, ya que ofrecía una solución
eficiente al problema de redundancia de datos; pero, aún así, la dificultad que significa
administrar la información en una base de datos de red ha significado que sea un modelo
utilizado en su mayoría por programadores más que por usuarios finales.
Son bases de datos cuyo único fin es el envío y recepción de datos a grandes velocidades,
estas bases son muy poco comunes y están dirigidas por lo general al entorno de análisis de
calidad, datos de producción e industrial, es importante entender que su fin único es
recolectar y recuperar los datos a la mayor velocidad posible, por lo tanto la redundancia y
duplicación de información no es un problema como con las demás bases de datos, por lo
general para poderlas aprovechar al máximo permiten algún tipo de conectividad a bases de
datos relacionales.
En este modelo, el lugar y la forma en que se almacenen los datos no tienen relevancia (a
diferencia de otros modelos como el jerárquico y el de red). Esto tiene la considerable
ventaja de que es más fácil de entender y de utilizar para un usuario esporádico de la base
de datos. La información puede ser recuperada o almacenada mediante "consultas" que
ofrecen una amplia flexibilidad y poder para administrar la información.
El lenguaje más habitual para construir las consultas a bases de datos relacionales es SQL,
Structured Query Language o Lenguaje Estructurado de Consultas, un estándar
implementado por los principales motores o sistemas de gestión de bases de datos
relacionales.
Durante su diseño, una base de datos relacional pasa por un proceso al que se le conoce
como normalización de una base de datos.
Durante los años 80 la aparición de dBASE produjo una revolución en los lenguajes de
programación y sistemas de administración de datos. Aunque nunca debe olvidarse que
dBase no utilizaba SQL como lenguaje base para su gestión.
Son bases de datos ideadas para desarrollar aplicaciones muy concretas, como creación de
Cubos OLAP. Básicamente no se diferencian demasiado de las bases de datos relacionales
(una tabla en una base de datos relacional podría serlo también en una base de datos
multidimensional), la diferencia está más bien a nivel conceptual; en las bases de datos
multidimensionales los campos o atributos de una tabla pueden ser de dos tipos, o bien
representan dimensiones de la tabla, o bien representan métricas que se desean estudiar.
Este modelo, bastante reciente, y propio de los modelos informáticos orientados a objetos,
trata de almacenar en la base de datos los objetos completos (estado y comportamiento).
Una base de datos orientada a objetos es una base de datos que incorpora todos los
conceptos importantes del paradigma de objetos:
En bases de datos orientadas a objetos, los usuarios pueden definir operaciones sobre los
datos como parte de la definición de la base de datos. Una operación (llamada función) se
especifica en dos partes. La interfaz (o signatura) de una operación incluye el nombre de la
operación y los tipos de datos de sus argumentos (o parámetros). La implementación (o
método) de la operación se especifica separadamente y puede modificarse sin afectar la
interfaz. Los programas de aplicación de los usuarios pueden operar sobre los datos
invocando a dichas operaciones a través de sus nombres y argumentos, sea cual sea la
forma en la que se han implementado. Esto podría denominarse independencia entre
programas y operaciones.
Lenguaje
Utiliza un subconjunto del lenguaje Prolog llamado Datalog el cual es declarativo y permite
al ordenador hacer deducciones para contestar a consultas basándose en los hechos y reglas
almacenados.
Ventajas
Fases
Interpretación
Encontramos dos teorías de interpretación de las bases de datos deductiva consideramos las
reglas y los hechos como axiomas. Los hechos son axiomas base que se consideran como
verdaderos y no contienen variables. Las reglas son axiomas deductivos ya que se utilizan
para deducir nuevos hechos.
Mecanismos
GEOPROCESAMIENTO
Definiciones en la Web
¿Qué es el geoprocesamiento?
Resource Center
El geoprocesamiento es para todos los que utilizan ArcGIS. Ya sea que usted es un usuario
que recién está comenzando o un profesional, el geoprocesamiento se convertirá en una
parte esencial de su trabajo diario con ArcGIS.
Los propósitos fundamentales del geoprocesamiento son permitirle automatizar las tareas
SIG y realizar análisis y modelado espacial. Casi todos los usos de SIG incluyen la
repetición del trabajo y esto crea la necesidad de contar con métodos para automatizar,
documentar y compartir procedimientos de varios pasos conocidos como flujos de trabajo.
El geoprocesamiento admite la automatización de los flujos de trabajo al proporcionar un
amplio conjunto de herramientas y un mecanismo para combinar una serie de herramientas
en una secuencia de operaciones mediante modelos y secuencias de comandos.
Los tipos de tareas que se van a automatizar pueden ser rutinarias, por ejemplo, alternar un
grupo de datos de un formato a otro. O las tareas pueden ser bastante creativas, mediante
una secuencia de operaciones para modelar y analizar las relaciones espaciales complejas,
por ejemplo, calcular las rutas óptimas a través de la red de transporte, predecir la ruta de
un incendio, analizar y buscar patrones en ubicaciones de delitos, predecir qué áreas son
propensas a derrumbes o predecir los efectos de inundación de una tormenta.
Para obtener más información sobre el geoprocesamiento y sobre qué les gusta hacer a los
usuarios con el geoprocesamiento, visite el Centro de recursos de geoprocesamiento.
Proyectar y recortar
El siguiente ejemplo de flujo de trabajo utiliza dos herramientas de geoprocesamiento,
Proyectar y Recortar. Este es sólo un ejemplo de una cantidad de tareas que puede
automatizar con el geoprocesamiento.
La forma más fácil de lograr esta tarea es, sin dudas, utilizar el geoprocesamiento. Primero,
debe utilizar la herramienta de geoprocesamiento Proyectar, que aplica una nueva
proyección a una clase de entidad de entrada para crear una nueva clase de entidad de
salida. La siguiente ilustración muestra el cuadro de diálogo de la herramienta Proyectar
con sus entidades de entrada en la parte superior izquierda y las entidades proyectadas en la
parte superior derecha. El sistema de coordenadas proyectadas es la Proyección Cónica
equivalente de Albers.
El segundo paso es utilizar la herramienta de geoprocesamiento Recortar para recortar los
datos que caen fuera de su área de estudio. La herramienta Recortar toma dos entrada, una
clase de entidad de cualquier tipo (punto, polilínea, polígono) y una clase de entidad
poligonal (la clase de entidad de recorte) y crea una nueva clase de entidad de sólo las
entidades que caen dentro de los polígonos de recorte.
Tanto la herramienta Proyectar como la herramienta Recortar se pueden utilizar en el modo
de lote, lo que permite introducir la lista de las 20 clases de entidad, y las herramientas se
ejecutan automáticamente una vez para cada una de las 20 clases de entidad. Puede crear la
lista al arrastrar las clases de entidad desde la ventana Catálogo hasta el cuadro de diálogo
de la herramienta.
O aún mejor, puede crear rápidamente un modelo de geoprocesamiento que conecte las
herramientas Proyectar y Recortar, de manera de utilizar la salida de Proyectar como la
entrada de Recortar, y utilizar el modelo en el modo de lote. El modelo que crea se
convierte en una nueva herramienta en el entorno de geoprocesamiento.
En la siguiente ilustración, el mapa de posibles sitios para parques muestra las ubicaciones
más adecuadas en púrpura oscuro, mientras que las menos adecuadas se muestran en tonos
más claros. Las áreas grises marcan las ubicaciones de los parques existentes. La ilustración
también muestra que la densidad de población es un factor más influyente, es decir, que
tiene una mayor influencia (60) en la selección del sitio que la distancia a los parques (40).
(Estas ponderaciones son completamente arbitrarias).
El siguiente modelo de geoprocesamiento ilustra la lógica anterior. Hay cinco pasos en este
modelo, cada uno etiquetado con un círculo azul.
Este enfoque de superposición ponderada para proyectar los posibles sitios se ha utilizado
desde antes del advenimiento de las computadoras y de SIG. El geoprocesamiento hace que
la superposición ponderada sea fácil y accesible. Por ejemplo, puede cambiar las
ponderaciones de 60 y 40 a algo más y ejecutar el modelo nuevamente para ayudar a
determinar la sensibilidad a las ponderaciones. De la misma manera, puede cambiar los
valores de la reclasificación.
Sensores Remotos
Tabla de contenidos
[esconder]
1 Radiación electromagnética
o 1.1 Energía electromagnética
o 1.2 Espectro electromagnético
o 1.3 Fotogrametría y Sensoramiento remoto
2 Sensores Remotos
o 2.1 Fotogrametría y Sensoramiento remoto
o 2.2 Historia del sensoramiento remoto
3 Fotogrametría
4 Relación entre fotogrametría y sensoramiento remoto a las otras técnicas de
confección de mapas (relevamientos, GPS, cartografía, GIS y geografía)
[editar]
Radiación electromagnética
Un sensor es un dispositivo capaz de registrar la cantidad de energía que recibe de alguna
fuente. Estas fuentes pueden ser de energía energía mecánica potencial, como la energía del
campo gravitarorio, o potencial elástica, como la energía acústica, o electromagnética,
como la energía que irradia el sol y llega a la Tierra.
[editar]
Energía electromagnética
La energía electromagnética tiene dos componentes: una onda eléctrica y una onda
magnética que vibran ortogonales entre ellas (ver Figura 0). Hay dos parámetros de estas
ondas que son útiles: la longitud de onda, L, que es la longitud entre el pico de una onda
hasta el pico de la siguiente; y la frecuencia, que es el número de ondas que pasan por un
punto específico en un segundo (o el inverso del período de la onda).
El espectro electromagnético incluye rayos visibles, que nuestros ojos pueden detectar, y
rayos invisibles, como los rayos gamma, los rayos X, las ondas ultravioletas (UV), la
radiación infrarroja (IR), microondas, y ondas que usan la televisión y la radio (ondas de
radio). Para algunas longitudes de onda existen sensores remotos capaces de detectar esta
energía y de almacenar el valor registrado en forma de imágenes.
[editar]
Espectro electromagnético
El espectro electromagnético abarca todas las longitudes de onda. En general, el espectro es
dividido en regiones arbitrarias con rangos de longitudes de onda fijos. Este rango es
conocido como banda espectral, canal o región (ver tabla con clasificación de bandas). Las
bandas principales son UV, visible, IR (cercano, medio, lejano y termal) y microondas. Por
debajo de la región UV están las cortas longitudes de onda de los rayos gamma, que se
miden en nanómetros (nm), y por encima de las microondas están las largas longitudes de
onda de radio que se miden en metros. Estas dos últimas regiones son raramente utilizadas
en sensoramiento remoto, pues la atmósfera terrestre absorbe la energía de dichas regiones.
La mayoría de los colores que vemos son resultado de reflexión preferencial y absorción de
longitudes de onda que componen la luz blanca. Los objetos son vistos por el ojo humano
con el color (frecuencia del espectro de la luz blanca) que es reflejado mayormente por el
objeto, salvo que no refleje ninguno (objeto negro) o refleje todos (objeto blanco).
Espectro electromagnético
[editar]
[editar]
Sensores Remotos
[editar]
[editar]
Las imagenes adquiridas por sensores remotos pueden obtenerse no sólo con cámaras
convencionales, sino con más de un sensor especializado (cada uno preparado para captar
una región estrecha del espectro). Estos sensores habitualmente trabajan por medio del
escaneo electrónico y pueden registrar la existencia de radiación reflejada o emitida fuera
del rango visible del espectro de las cámaras estándar. Actualmente, los sensores remotos
son multiespectrales (hasta 20 bandas en el ultravioleta, visible, infrarrojo inferior e
infrarrojo medio, ver Figura 8), hiperespectrales (más de 20 bandas espectrales), energía de
microondas activa (radar), energía de microondas pasiva, energía termal infrarroja, y
energía láser activa (Lidar).
Los sistemas de sensores remotos pueden transportarse a bordo de aviones suborbitales (ver
Figura 8) o en satélites en órbita (ver Figuras 9 y 10). Los sistemas de sensores remotos
satelitales tienen órbitas sincronizadas con el Sol, amplio barrido, resoluciones fijas y
períodos de retorno al nadir fijos (ver Tabla en Fotogrametría). La órbita sincronizada con
el Sol da una cobertura global predecible con acceso reptetitivo sobre una misma área, a la
misma hora solar local dependiendo de su período de repetición. Las plataformas satelitales
son en general más estables que las de los aviones, que son muy perturbadas por
turbulencias en la atmósfera.
Fig. 9 – Sensores remotos aereos
Fig. 10 – Sensores remotos satelitales
Un ejemplo de lo que puede obtenerse con sensores remotos, dado por la NASA, puede
verse en la Figura 11.
Fig. 11 – Ejemplo
[editar]
Fotogrametría
La fotogrametría se inició alrededor de 1850 en Europa, cuando el Coronel francés A.
Laussedat comenzó a utilizar fotografías para obtener medidas de la Tierra. En 1934 se
fundó la Sociedad Norteamericana de Fotogrametría, que fue cuando comenzó a utilizarse
el término, que deriva de las palabras griegas photos, que significa 'luz', gramma que
significa 'algo escrito o dibujado', y metron que significa 'medir'. Si se combinan estas tres
palabras, significa medir gráficamente por medio de luz. La fotogrametría se divide en
varias especialidades de acuerdo al tipo de fotografías o imagenes utilizadas, o de acuerdo
al lugar del cual fueron extraídas. La que utiliza fotos de la superficie terrestre se llama
fotogrametría terrestre. La fotogrametría aérea o espacial involucra el uso de fotografías
analógicas o digitales, que pueden haber sido tomadas desde una plataforma aérea o
espacial, y éstas pueden ser verticales u oblícuas. En estéreo-fotogrametría se enciman
pares de fotografías que son obtenidas y medidas, o interpretadas en un dispositivo de
visión estereoscópica. Esto provee de una vista tridimensional y crea la ilusión de que el
observador ve un modelo del relieve del terreno. Esta técnica es fundamental en la
determinación de la coordenada z, y la vista esteroscópica ayuda a interpretar rasgos que
subyacen en la imagen. Ambos tipos de fotogrametría, aérea y espacial, son aplicables en la
práctica a:
(2) la fotointerpretación en la cual las fotografías son evaluadas de manera cualitativa para
hallar regiones de tala, contaminación de aguas, clasificar suelos, interpretar formaciones
geológicas, identificar cultivos, hacer inteligencia militar, etc. Esto contribuye a realizar:
Hoy día la fotogrametría es procesada utilizando PCs con software capaz de manejar
problemas fotométricos con modelos puramente matemáticos, lo que ha favorecido el
surgimiento desde 1950 de la “fotogrametría analítica”, donde se construye un modelo
matemático para representar las relaciones geométricas entre puntos en el espacio, con el
centro en la lente, y los puntos imagen en las fotografías. Esto involucra la resolución
numérica de problemas matemáticos para la calibración de la cámara, intersección espacial,
y triangulación de grupos, franjas y bloques de fotografías aéreas, espaciales o terrestres.
Esta es la primera imagen satelital obtenida por el satélite Explorer 6. Muestra un área del
océano Pacífico, iluminada por el sol, cubierta por nubes. Esta imagen fue capturada
cuando el satélite estaba aproximadamente a 27.000 km sobre la superficie terrestre el 14
de agosto de 1959. En el momento en que el satélite estaba cruzando México.
Una imagen satelital o imagen de satélite se puede definir como la representación visual
de la información capturada por un sensor montado en un satélite artificial. Estos sensores
recogen la información reflejada por la superficie de la Tierra que luego es enviada de
regreso a ésta y que procesada convenientemente, entrega valiosa información sobre las
características de la zona representada.
Esta es la primera imagen satelital de la tierra, puede ser transmitida por televisión, tomada
por el satélite meteorológico TIROS-1.
La primera imagen satelital de la tierra fue tomada el 14 de agosto de 1959 por el satélite
estadounidense Explorer 6.1 La primera fotografía satelital de la luna fue tomada por el
satélite soviético Luna 3 el 6 de octubre de 1959, en una misión para fotografiar el lado
oculto de la Luna. La canica azul, fue tomada en el espacio en 1972, esta fotografía se
volvió muy popular en los medios de comunicación y entre la gente. También en 1972 los
Estados Unidos comenzaron con el programa Landsat, el mayor programa para la captura
de imágenes de la tierra desde el espacio. El Landsat 7, el último satélite del programa, fue
enviado al espacio en 1999.
En 1977, se obtiene la primera imagen satelital en tiempo real, mediante el satélite KH-11.
Todas las imágenes satelitales obtenidas por la NASA son publicadas por Observatorio de
La Tierra de la NASA y están disponibles para el público.
Índice
1 Campos de aplicación
2 Técnicas
3 Véase también
4 Referencias
5 Enlaces externos
Campos de aplicación
En el campo militar, las imágenes obtenidas por medio de satélites espía se han utilizado
para tareas de reconocimiento, espionaje y seguimiento.
Técnicas
Índice
1 Proceso de filtrado
o 1.1 Filtrado en el dominio de la frecuencia
1.1.1 Tipos
1.1.2 Ventajas
1.1.3 Desventajas
o 1.2 Filtrado en el dominio del espacio
1.2.1 Tipos
2 Véase también
3 Bibliografía
4 Enlaces externos
Proceso de filtrado
Es el conjunto de técnicas englobadas dentro del preprocesamiento de imágenes cuyo
objetivo fundamental es obtener, a partir de una imagen origen, otra final cuyo resultado
sea más adecuado para una aplicación específica mejorando ciertas características de la
misma que posibilite efectuar operaciones del procesado sobre ella.
Por tanto, se consideran los filtros como operaciones que se aplican a los píxeles de una
imagen digital para optimizarla, enfatizar cierta información o conseguir un efecto especial
en ella.
El proceso de filtrado puede llevarse a cabo sobre los dominios de frecuencia y/o espacio.
Los filtros de frecuencia procesan una imagen trabajando sobre el dominio de la frecuencia
en la Transformada de Fourier de la imagen. Para ello, ésta se modifica siguiendo el
Teorema de la Convolución correspondiente:
Tipos
Filtros en el dominio de la frecuencia y espacio.
Filtro paso bajo: atenúa las frecuencias altas y mantiene sin variaciones las bajas.
El resultado en el dominio espacial es equivalente al de un filtro de suavizado,
donde las altas frecuencias que son filtradas se corresponden con los cambios
fuertes de intensidad. Consigue reducir el ruido suavizando las transiciones
existentes.
Filtro paso alto: atenúa las frecuencias bajas manteniendo invariables las
frecuencias altas. Puesto que las altas frecuencias corresponden en las imágenes a
cambios bruscos de densidad, este tipo de filtros es usado, porque entre otras
ventajas, ofrece mejoras en la detección de bordes en el dominio espacial, ya que
estos contienen gran cantidad de dichas frecuencias. Refuerza los contrastes que se
encuentran en la imagen.
Filtro paso banda: atenúa frecuencias muy altas o muy bajas manteniendo una
banda de rango medio.
Ventajas
Desventajas
Las operaciones de filtrado se llevan a cabo directamente sobre los píxeles de la imagen. En
este proceso se relaciona, para todos y cada uno de los puntos de la imagen, un conjunto de
píxeles próximos al píxel objetivo con la finalidad de obtener una información útil,
dependiente del tipo de filtro aplicado, que permita actuar sobre el píxel concreto en que se
está llevando a cabo el proceso de filtrado para, de este modo, obtener mejoras sobre la
imagen y/o datos que podrían ser utilizados en futuras acciones o procesos de trabajo sobre
ella.
El concepto de kernel se entiende como una matriz de coeficientes donde el entorno del
punto (x,y) que se considera en la imagen para obtener g(x,y) está determinado por el
tamaño y forma del kernel seleccionado. Aunque la forma y tamaño de esta matriz es
variable y queda a elección de cada usuario, es común el uso de kernels cuadrados nxn.
Dependiendo de la implementación, en los límites de la imagen se aplica un tratamiento
especial (se asume un marco exterior de ceros o se repiten los valores del borde) o no se
aplica ninguno. Es por ello, que el tipo de filtrado queda establecido por el contenido de
dicho kernel utilizado.
Aplicación de un kernel.
Para realizar un filtrado en el dominio del espacio se realiza una convolución (barrido) del
kernel sobre la imagen. Para ello se sigue el Teorema de Convolución en el espacio: g(x,y)
= h(x,y) * f(x,y)
Realce de bordes mediante Laplace: este tipo de filtros realza los bordes en todas
direcciones (los resultados que se obtienen pueden considerarse como una “suma”
de los obtenidos tras aplicar todos los modelos del tipo anterior). En esta ocasión se
trabaja con la segunda derivada, que permite obtener unos mejores resultados, a
pesar del aumento del ruido que se produce en la imagen.
Resalte de bordes con gradiente direccional: empleado para destacar y resaltar
con mayor precisión los bordes que se localizan en una dirección determinada.
Trabaja con los cambios de intensidad existentes entre píxeles contiguos.
Detección de bordes y filtros de contorno (Prewitt y Sobel): al igual que los
anteriores, se centra en las diferencias de intensidad que se dan pixel a pixel. Son
utilizados para obtener los contornos de objetos y de este modo clasificar las formas
existentes dentro de una imagen. Este tipo de filtros requieren un menor coste
computacional.
Mapa temático
New and Correct Chart Shewing the Variations of the Compass (de Edmond Halley, 1701),
el primer mapa que representaba isolíneas de declinación magnética.
Los mapas temáticos son mapas basados en mapas topográficos que representan
cualquier fenómeno geográfico de la superficie terrestre
IMAGENES SATELITALES - CLASIFICACION SUPERVISADA
9.4.1 Clasificación supervisada. Podemos definir esta clasificación como un
proceso en que pixeles de identidad conocida, ubicados dentro de las áreas de
entrenamiento, se utilizan para clasificar pixeles de identidad desconocida. La
clasificación supervisada involucra las siguientes etapas:
· Etapa de entrenamiento.
· Selección del algoritmo de clasificación adecuado y clasificación.
· Operaciones de post clasificación.
En la etapa de entrenamiento el analista selecciona áreas de identidad conocida
de la cubierta terrestre de interés (cultivos, forestaciones, suelos, etc.)
delineándolas sobre la imagen digital bajo formas de rectángulos o polígonos
cuyos datos numéricos quedan archivados en la computadora como regiones de
interés constituyendo los “datos de entrenamiento”. Para realizar la selección el
analista debe tener un conocimiento previo del área de estudio, sea por
reconocimientos de camposea por consulta de mapas, fotografías
aéreas, etc.
Una vez que se dispone de un conjunto de estos datos de entrenamiento debe
tratase de
adjudicar cada uno de los pixeles de la escena a alguna clase. Entre los
algoritmos clásicos
para estos fines citemos los siguientes:
Un pixel a de identidad desconocida, será adjudicado a una dada clase
computando
las distancias euclidianas entre el pixel y el centroide de cada clase. Aunque
simple desde el punto de vista computacional este algoritmo tiene ciertas
limitaciones, entre ellas la insensibilidad a los diferentes grados de varianza en
las respuestas espectrales de las diferentes clases.
Así por ejemplo el punto b en la Fig. 70 clasificador lo adjudicaría a clase 3,
aunque la mayor variabilidad de la clase 1 nos hace pensar que tal vez sería más
realista adjudicarlo a ésta.. Por tal motivo este clasificador no es muy apropiado
para aquellos casos en que las clases espectrales están muy próximas entre sí en
el espacio de medida y a la vez tienen elevadas varianzas.
9.4.1.2 Clasificador por paralelepípedos.
Este clasificador se implementa definiendo un subespacio en forma de
paralelepípedo (es decir, un hiper-rectángulo) para cada clase. En este
procedimiento se introduce sensibilidad respecto a la varianza de las clases. En
efecto, los límites de cada paralelepípedo son definidos por el rango de valores
para cada área de entrenamiento, o sea por los números digitales máximo y
mínimo para dicha área. Alternativamente, dichos límites pueden definirse
tomando cierto número de desviaciones standard para ambos lados de la media
del área de entrenamiento. En este caso la regla de decisión es que el pixel de
identidad desconocida caiga dentro de alguno de los paralelepípedos para
adjudicarlo a la correspondiente clase. Un ejemplo de la aplicación de este
clasificador en el caso sencillo de un diagrama de dispersión de sólo dos bandas
se presenta en la Fig. 71:
Mis contenidos
Me gusta
Compartir
Contenido relacionado
Los mapas como herramientas de información geográfica
Nivel: Secundaria
Área: Ciencias sociales
Disciplina: Geografía
Tipo de recurso: Secuencia didáctica
Etiquetas: mapa temático cartografía herramienta territorio
Autor/es: Carolina García
Idioma/s: Español
Fecha de publicación: 27/03/2012
Editor: Educ.ar
Capturas de pantalla
Más en educar
Especiales editoriales
Videojuegos educativos
Aprender a programar
educ.ar - Secciones
Docentes
Recursos
Experiencias
Convocatorias
Formació
MAPA DE USO DE SUELOS
Determinar la capacidad de uso de las tierras y orientar alternativas de uso bajo ciertos
niveles de manejo.
Planificar el uso racional del suelo adecuando las prácticas de manejo y conservación a las
exigencias de las distintas clases de tierra para lograr una mayor y sostenida productividad.
Establecer áreas de recuperación y habilitación de tierras afectadas por erosión, salinidad,
alcalinidad, inundación, etc.
Establecer con criterio técnico las áreas de conservación de suelos, políticas crediticias, de
colonización, etc.
Entre los usos de modelos numéricos del terreno, se pueden citar (Burrough, 1986):
a. Retículas Regulares: matriz de elementos con espacio fijo, donde se asocia el valor
estimado de la magnitud a la posición geográfica de cada punto de la retícula. Las
retículas regulares se obtienen por interpolación de las muestras o, alternativamente,
creadas por restituidores con salida digital.
b. Mallas Triangulares: la retícula es formada por la conexión entre las muestras,
utilizando la triangulación de Delaunay (sujeta a restricciones). La retícula
triangular es una estructura topológica vectorial del tipo arco-nodo, que forma un
conjunto de recortes irregulares en el espacio.
Las retículas triangulares son normalmente mejores para representar la variación del
terreno, pues capturan la complejidad del relieve sin necesidad de una gran cantidad de
datos redundantes. Las retículas regulares tienen gran redundancia en terrenos uniformes y
dificultad de adaptación a relieves de diferente naturaleza en el mismo mapa, por causa de
la retícula de muestreo fijo.
Para el caso de variables geofísicas y para operaciones como visualización 3D, son
preferibles las retículas regulares, principalmente por la mayor facilidad de manipulación
computacional.
El MDT no toma en cuenta los objetos que se encuentran sobre el terreno, como las plantas
y los edificios. Un Modelo Digital de Elevación es una representación de las elevaciones
sobre un terreno, incluyendo las plantas y los edificios.
Vuelo virtual sobre el Monte Santa Helena, en Washington (EE.UU.), generado por
computador a partir de un Modelo Digital del Terreno.
Un Modelo Digital de Terreno (MDT) es una estructura numérica de datos que representa
la distribución espacial de una variable cuantitativa y continua.1
El tipo de Modelo Digital del Terreno (MDT) más conocido es el Modelo Digital de
Elevaciones (MDE), un caso particular de aquel, en el que la variable representada es la
cota del terreno en relación a un sistema de referencia concreto.1 No obstante no hay un uso
normalizado en la literatura científica de los términos Modelo Digital de Elevaciones
(MDE), Modelo Digital del Terreno (MDT) y Modelo Digital de Superficie (MDS). En la
mayoría de los casos, el término Modelo Digital de Superficie se refiere a la superficie de la
tierra e incluye todos los objetos que esta contiene. En cambio un MDT representa la
superficie de suelo desnudo y sin ningún objeto, como la vegetación o los edificios.2 3
Índice
1 Tipos de Modelos Digitales del Terreno
2 Construcción
3 Explotación
4 Disponibilidad
5 Comparativa
6 Herramientas colaborativas o gratuitas
7 Véase también
o 7.1 Artículos relacionados
o 7.2 Notas y referencias
o 7.3 Enlaces externos
red cuadrada/rectangular;
red hexagonal;
red triangular regular;
red triangular de otro tipo.
En función del tipo de red, varía la representación informática del MDT. En el caso de
redes rectangulares, se pueden utilizar cuadros, pero en el resto de casos, las estructuras de
datos son más complejas.
Construcción
Archivo:Transect in forest.jpg
El telémetro láser y el ordenador del terreno permiten elaborar la cartografía del terreno y la
creación del Modelo Digital de Terreno (a partir de las coordenadas x, y, z). La imagen
representa el transecto de un bosque, donde se han modelizado hasta los árboles a través de
Field-Map.
En los tres primeros casos, la red dependerá de la red utilizada para las imágenes iniciales,
que será generalmente una red regular rectangular. En casos aislados, se tratará de una red
regular triangular o hexagonal. En los dos últimos casos, la red suele ser triangular de
cualquier tipo, ya que la técnica de selección de los puntos característicos del terreno no
garantiza su distribución regular sobre el plano (x, y). Existen satélites de observación de la
Tierra dedicados a la creación de MDE: Spot 5 y el instrumento HRS, la constelación radar
TerraSAR-X y TanDEM-X.
Explotación
A partir de la lista de los puntos de la red, se construye un modelo de superficie formado
por triángulos pegados entre sí. En el caso de redes no triangulares, se añade una etapa de
selección de los puntos que se deben unir en triángulos. En el caso de la infografía, los
triángulos se visten con una capa, restituyendo de este modo el aspecto general del terreno,
de una imagen satelital o de un mapa. En el caso de una trayectografía de vuelo rasante,
establecemos el camino más corto y el menos expuesto, comprobando que cada punto de la
trayectoria se encuentra por encima de la superficie definida por la red del MDT. Cada vez
con mayor frecuencia, los sistemas de información geográfica (SIG) incorporan la tercera
dimensión en forma de MDT, a pesar de que los costes relacionados con la adquisición de
la información de altitud son relativamente elevados. Esto permite utilizar estos SIG para
aplicaciones como el cálculo de implantación de infraestructuras de transporte (conductos
subterráneos, vías terrestres, líneas eléctricas aéreas, antenas GSM, etc.). En este caso, y en
función de la resolución del MDT, se integran las informaciones vinculadas con la
cobertura del terreno por edificios o plantas, para añadir su altura a la altitud del terreno
sobre el cual están situados. Los modelos digitales de terreno también se aplican en el
ámbito de las ciencias de la tierra, para realizar análisis cuantitativos de la morfología, que
pueden señalar al investigador la presencia de una señal tectónica, climática o litológica.
Disponibilidad
Algunos organismos cartográficos (principalmente estadounidenses, gracias a las
subvenciones de las que disponen) ponen gratuitamente a disposición del público bases de
datos importantes, a las que se puede acceder a través de Internet. Citemos algunos de los
principales: la NASA (DEM ASTER, SRTM-1, SRTM-3, SRTM30, MOLA MEGDR), la
National Imagery and Mapping Agency (NIMA) (SRTMs) y el USGS (DEM SDTS, 1
grado, 7.5 minutos, NED, GTOPO30). La cantidad de datos gratuitos sigue siendo limitada,
ya que los organismos cartográficos que disponen de ellos se financian generalmente a
través de su venta (es el caso, en concreto, del IGN en Francia, que edita los MDT BD
Alti). Sin embargo, la situación está mejorando, ya que las administraciones públicas están
tomando conciencia de la importancia de estos datos en numerosos ámbitos civiles que no
pueden permitirse comprarlos a precio de oro. Por ejemplo:
Comparativa
Modelo digital de la topografía de la Selva Negra.
Tres características principales permiten hacerse una idea rápida de un modelo digital de
terreno y juzgar su adecuación para una necesidad particular:
Cobertura
Nombre Resolución Editor Postratamientos
geográfica
DEM ASTER 30 m La Tierra entera NASA No
(bajo demanda)
DEM 1 grado 90 m Estados Unidos USGS Si
DEM 7.5 minutos 10 y 30 m Estados Unidos USGS Si
DEM CDED 23 m y 90 m Canadá CCOG Si
30" de arco
GTOPO30 La Tierra entera USGS/NASA Si
(~ 1 km)
DEM SDTS 10 y 30 m Estados Unidos USGS si
NED 10 y 30 m Estados Unidos USGS si
Visual DEM France* 75 m Francia IGN Si
MNT BD Alti* 50 a 1.000 m Francia IGN Si
Zonas litorales
Litto3D** 1m francesas entre -10m IGN/SHOM Si
y +10m
Shuttle Radar
80% de las tierras
Topography Mission| 90 m NASA/NIMA No
emergidas
SRTM-3
huttle Radar
Topography Mission| 30 m États-Unis NASA/NIMA No
SRTM-1
Marte (excepto zonas
MOLA MEGDR 463 m Si
polares)NASA
54 millones de km², IGN, Spot
Reference3D 30m Si
80 millones en 2014 Image
* Formatos de pago (para los MDT BD Alti, pedidos a partir de 400 euros, según el catálogo IGN 2003)
** Cobertura total del litoral metropolitano francés en 2013 con una precisión vertical de 20 cm
En los modelos digitales de elevación existen dos cualidades esenciales que son
la exactitud y la resolución horizontal o grado de detalle digital de
representación en formato digital, las cuales varían dependiendo del método que
se emplea para generarlos y para el caso de los que son generados con
tecnología LIDAR se obtienen modelos de alta resolución y gran exactitud
(valores submétricos).
Los Modelos Digitales de Elevación que produce el INEGI son de dos tipos:
El modelo digital del terreno (MDT) recrea la forma del terreno una vez que
fueron removidos todos los elementos ajenos al mismo como son la vegetación,
edificaciones y demás elementos que no forman parte del terreno.
Para qué sirven los Modelos Digitales de Elevación y quién los puede utilizar
Los Modelos Digitales de Elevación son ampliamente utilizados en
aplicaciones relacionadas con el uso y manejo de recursos naturales, de las
cuales pueden distinguirse grandes categorías de aplicaciones que utilizan los
modelos como son geodesia y fotogrametría, ingeniería civil, planeación y
manejo de recursos naturales, ciencias de la tierra, en aplicaciones militares,
cartografía especializada, prevención y atención a desastres naturales, entre
otras
Gradiente
Para otros usos de este término, véase Gradiente (desambiguación).
Índice
1 Definición
2 Interpretación del gradiente
3 Propiedades
4 Expresión en diferentes sistemas de coordenadas
5 Gradiente de un campo vectorial
6 Ejemplo
7 Aplicaciones
o 7.1 Aproximación lineal de una función
o 7.2 Aplicaciones en física
Definición
Se toma como campo escalar el que se asigna a cada punto del espacio una presión P
(campo escalar de 3 variables), entonces el vector gradiente en un punto genérico del
espacio indicará la dirección en la cual la presión cambiará más rápidamente. Otro ejemplo
es el de considerar el mapa de líneas de nivel de una montaña como campo escalar, que
asigna a cada pareja de coordenadas latitud/longitud un escalar altitud (campo escalar de 2
variables). En este caso el vector gradiente en un punto genérico indicará la dirección de
máxima inclinación de la montaña. Nótese que el vector gradiente será perpendicular a las
líneas de contorno (líneas "equiescalares") del mapa. El gradiente se define como el campo
vectorial cuyas funciones coordenadas son las derivadas parciales del campo escalar, esto
es:
Esta definición se basa en que el gradiente permite calcular fácilmente las derivadas
direccionales. Definiendo en primer lugar la derivada direccional según un vector:
Una forma equivalente de definir el gradiente es como el único vector que, multiplicado por
el vector unitario, da la derivada direccional del campo escalar:
Propiedades
El gradiente verifica que:
Demostración
Expresión en diferentes sistemas de coordenadas
A partir de su definición puede hallarse su expresión en diferentes sistemas de coordenadas.
En coordenadas cartesianas, su expresión es simplemente
Ejemplo
Dada la función su vector gradiente es el siguiente:
Aplicaciones
Aproximación lineal de una función
Aplicaciones en física
La documentación para cada tipo de datos se encuentra en PDF file. Si este vínculo no
funciona, puede abrir el documento (Geoprocessing_data_types.pdf) en la carpeta \arcgis\
Documentation de la ruta de instalación de ArcGIS Desktop.
Para ver este documento necesitará una copia de Adobe Reader, que podrá descargar de
forma gratuita desde http://www.adobe.com/products/acrobat/readstep.html.
En lo que respecta al ModelBuilder, la mayor parte de las veces las variables se crean a
partir de un parámetro de herramienta ya existente. Como todos los parámetros poseen un
tipo de datos asociado, la variable se creará automáticamente con el tipo de datos correcto.
Determinar el tipo de datos de un parámetro
Existen varias formas para determinar el tipo de datos de un parámetro: