Base de datos

Este artículo o sección necesita referencias que aparezcan en una publicación

acreditada, como revistas especializadas, monografías, prensa diaria o páginas de
Internet fidedignas. Este aviso fue puesto el 24 de noviembre de 2013.
Puedes añadirlas o avisar al autor principal del artículo en su página de discusión pegando:
{{subst:Aviso referencias|Base de datos}} ~~~~

OpenOffice.org Base es un sistema de gestión de bases de datos de software libre.

Una base de datos o banco de datos es un conjunto de datos pertenecientes a un mismo

contexto y almacenados sistemáticamente para su posterior uso. En este sentido; una
biblioteca puede considerarse una base de datos compuesta en su mayoría por documentos
y textos impresos en papel e indexados para su consulta. Actualmente, y debido al
desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las
bases de datos están en formato digital (electrónico), y por ende se ha desarrollado y se
ofrece un amplio rango de soluciones al problema del almacenamiento de datos.

Existen programas denominados sistemas gestores de bases de datos, abreviado DBMS,

que permiten almacenar y posteriormente acceder a los datos de forma rápida y
estructurada. Las propiedades de estos DBMS, así como su utilización y administración, se
estudian dentro del ámbito de la informática.

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

Tipos de base de datos

Las bases de datos pueden clasificarse de varias maneras, de acuerdo al contexto que se esté
manejando, la utilidad de las mismas o las necesidades que satisfagan.

Según la variabilidad de la base de Datos

Bases de datos estáticas

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.

Bases de datos dinámicas

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

Bases de datos bibliográficas

Sólo contienen un subrogante (representante) de la fuente primaria, que permite localizarla.

Un registro típico de una base de datos bibliográfica contiene información sobre el autor,
fecha de publicación, editorial, título, edición, de una determinada publicación, etc. Puede
contener un resumen o extracto de la publicación original, pero nunca el texto completo,
porque si no, estaríamos en presencia de una base de datos a texto completo (o de fuentes
primarias —ver más abajo). Como su nombre lo indica, el contenido son cifras o números.
Por ejemplo, una colección de resultados de análisis de laboratorio, entre otras.

Bases de datos de texto completo

Almacenan las fuentes primarias, como por ejemplo, todo el contenido de todas las
ediciones de una colección de revistas científicas.

Directorios

Un ejemplo son las guías telefónicas en formato electrónico.

Bases de datos o "bibliotecas" de información química o biológica

Son bases de datos que almacenan diferentes tipos de información proveniente de la

química, las ciencias de la vida o médicas. Se pueden considerar en varios subtipos:

 Las que almacenan secuencias de nucleótidos o proteínas.

 Las bases de datos de rutas metabólicas.
 Bases de datos de estructura, comprende los registros de datos experimentales sobre
estructuras 3D de biomoléculas-
 Bases de datos clínicas.
 Bases de datos bibliográficas (biológicas, químicas, médicas y de otros campos):
PubChem, Medline, EBSCOhost.

Modelos de bases de datos

Además de la clasificación por la función de las bases de datos, éstas también se pueden
clasificar de acuerdo a su modelo de administración de datos.

Un modelo de datos es básicamente una "descripción" de algo conocido como contenedor

de datos (algo en donde se guarda la información), así como de los métodos para almacenar
y recuperar información de esos contenedores. Los modelos de datos no son cosas físicas:
son abstracciones que permiten la implementación de un sistema eficiente de base de datos;
por lo general se refieren a algoritmos, y conceptos matemáticos.

Algunos modelos con frecuencia utilizados en las bases de datos:

Bases de datos jerárquicas

Artículo principal: Base de datos jerárquica

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.

Una de las principales limitaciones de este modelo es su incapacidad de representar

eficientemente la redundancia de datos.

Base de datos de red

Artículo principal: Base de datos de red

Éste es un modelo ligeramente distinto del jerárquico; su diferencia fundamental es la

modificación del concepto de nodo: se permite que un mismo nodo tenga varios padres
(posibilidad no permitida en el modelo jerárquico).

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.

Bases de datos transaccionales

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.

Un ejemplo habitual de transacción es el traspaso de una cantidad de dinero entre cuentas

bancarias. Normalmente se realiza mediante dos operaciones distintas, una en la que se
decrementa el saldo de la cuenta origen y otra en la que incrementamos el saldo de la
cuenta destino. Para garantizar la atomicidad del sistema (es decir, para que no aparezca o
desaparezca dinero), las dos operaciones deben ser atómicas, es decir, el sistema debe
garantizar que, bajo cualquier circunstancia (incluso una caída del sistema), el resultado
final es que, o bien se han realizado las dos operaciones, o bien no se ha realizado ninguna.

Bases de datos relacionales

Artículo principal: Modelo relacional

Artículo principal: Base de datos relacional

Éste es el modelo utilizado en la actualidad para modelar problemas reales y administrar

datos dinámicamente. Tras ser postulados sus fundamentos en 1970 por Edgar Frank Codd,
de los laboratorios IBM en San José (California), no tardó en consolidarse como un nuevo
paradigma en los modelos de base de datos. Su idea fundamental es el uso de "relaciones".
Estas relaciones podrían considerarse en forma lógica como conjuntos de datos llamados
"tuplas". Pese a que ésta es la teoría de las bases de datos relacionales creadas por Codd, la
mayoría de las veces se conceptualiza de una manera más fácil de imaginar. Esto es
pensando en cada relación como si fuese una tabla que está compuesta por registros (las
filas de una tabla), que representarían las tuplas, y campos (las columnas de una tabla).

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.

Bases de datos multidimensionales

Artículo principal: Base de datos multidimensional

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.

Bases de datos orientadas a objetos

Artículo principal: Base de datos orientada a objetos

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:

 Encapsulación - Propiedad que permite ocultar la información al resto de los

objetos, impidiendo así accesos incorrectos o conflictos.
 Herencia - Propiedad a través de la cual los objetos heredan comportamiento dentro
de una jerarquía de clases.
 Polimorfismo - Propiedad de una operación mediante la cual puede ser aplicada a
distintos tipos 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.

SQL:2003, es el estándar de SQL92 ampliado, soporta los conceptos orientados a objetos y

mantiene la compatibilidad con SQL92.

Bases de datos documentales

Artículo principal: Base de datos documental

Permiten la indexación a texto completo, y en líneas generales realizar búsquedas más

potentes. Tesaurus es un sistema de índices optimizado para este tipo de bases de datos.

Bases de datos deductivas

Un sistema de base de datos deductiva, es un sistema de base de datos pero con la

diferencia de que permite hacer deducciones a través de inferencias. Se basa principalmente
en reglas y hechos que son almacenados en la base de datos. Las bases de datos deductivas
son también llamadas bases de datos lógicas, a raíz de que se basa en lógica matemática.
Este tipo de base de datos surge debido a las limitaciones de la Base de Datos Relacional de
responder a consultas recursivas y de deducir relaciones indirectas de los datos
almacenados en la base de datos.

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

 Uso de reglas lógicas para expresar las consultas.

 Permite responder consultas recursivas.
 Cuenta con negaciones estratificadas
 Capacidad de obtener nueva información a través de la ya almacenada en la base de
datos mediante inferencia.
 Uso de algoritmos de optimización de consultas.
 Soporta objetos y conjuntos complejos.

Fases

 Fase de Interrogación: se encarga de buscar en la base de datos informaciones

deducibles implícitas. Las reglas de esta fase se denominan reglas de derivación.
 Fase de Modificación: se encarga de añadir a la base de datos nuevas
informaciones deducibles. Las reglas de esta fase se denominan reglas de
generación.

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.

 Teoría de Modelos: una interpretación es llamada modelo cuando para un conjunto

específico de reglas, éstas se cumplen siempre para esa interpretación. Consiste en
asignar a un predicado todas las combinaciones de valores y argumentos de un
dominio de valores constantes dado. A continuación se debe verificar si ese
predicado es verdadero o falso.

Mecanismos

Existen dos mecanismos de inferencia:

  Ascendente: donde se parte de los hechos y se obtiene nuevos aplicando reglas de
inferencia.
 Descendente: donde se parte del predicado (objetivo de la consulta realizada) e
intenta encontrar similitudes entre las variables que nos lleven a hechos correctos
almacenados en la base de datos.

Sistema de Gestión de bases de datos distribuida (SGBD)

La base de datos y el software SGBD pueden estar distribuidos en múltiples sitios

conectados por una red. Hay de dos tipos:

1. Distribuidos homogéneos: utilizan el mismo SGBD en múltiples sitios.

2. Distribuidos heterogéneos: Da lugar a los SGBD federados o sistemas multibase de datos

en los que los SGBD participantes tienen cierto grado de autonomía local y tienen acceso a
varias bases de datos autónomas preexistentes almacenados en los SGBD, muchos de estos
emplean una arquitectura cliente-servidor.

Estas surgen debido a la existencia física de organismos descentralizados. Esto les da la

capacidad de unir las bases de datos de cada localidad y acceder así a distintas
universidades, sucursales de tiendas, etcétera

GEOPROCESAMIENTO
Definiciones en la Web

1. Manipulación y análisis de la información con referencia geográfica.

¿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.

El geoprocesamiento se basa en un marco de transformación de datos. Una herramienta de

geoprocesamiento típica realiza una operación en un dataset de ArcGIS (tal como una clase
de entidad, un ráster o una tabla) y produce un nuevo dataset como el resultado de la
herramienta. Cada herramienta de geoprocesamiento realiza una operación pequeña pero
esencial en los datos geográficos, tal como proyectar un dataset de una proyección de mapa
a otra, agregar un campo a una tabla o crear una zona de influencia alrededor de las
entidades. ArcGIS incluye cientos de herramientas de geoprocesamiento.

El geoprocesamiento permite conectar secuencias de herramientas, utilizando la salida de

una herramienta para alimentar a otra. Puede utilizar esta capacidad para componer una
cantidad infinita de modelos de geoprocesamiento (secuencias de herramientas) que le
ayudan a automatizar su trabajo y a solucionar problemas complejos.

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.

Supongamos que recibió 20 coberturas y shapefiles de un colega y que éstas se encuentran

en proyecciones de mapa diferentes y contienen muchas entidades que se encuentran fuera
de su área de estudio. Su tarea consiste en cambiar la proyección de mapa de cada uno de
los 20 datasets, quitar las entidades extrañas ("recortar" los datasets) y colocarlos todos en
una geodatabase de archivos.

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.

Buscar sitios adecuados para parques

A continuación le mostramos un uso un poco más complejo del geoprocesamiento que
realiza una selección simplificada de sitios para parques y produce un dataset de posibles
sitios para parques que se puede evaluar posteriormente. La selección lógica de sitios
consiste en buscar áreas que se encuentren cerca de áreas muy pobladas pero que no se
encuentren cerca de ningún parque existente, siendo la lógica que usted desea que los
parques estén cerca de la gente pero no desea que haya muchos parques muy cerca.
Además, se considera más importante que haya parques cerca de áreas pobladas que
colocar un nuevo parque lejos de los parques existentes. Como se indicó, esto es simple
lógica y sólo sirve para identificar los posibles sitios para una posterior evaluación (tal
como el uso del suelo compatible, la disponibilidad del sitio y las cualidades del sitio).

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.

 El paso 1 calcula la densidad de población desde una clase de entidad de punto de

entrada que contiene los centroides de población y genera como salida un dataset
ráster que contiene la densidad de población para cada celda.
 El paso 2 calcula la distancia hasta los parques desde un ráster de los parques
existentes y genera como salida un dataset ráster con la distancia a los parques
existentes como el valor para cada celda.
 El paso 3 reclasifica la salida de Densidad de población y el paso 4 reclasifica la
salida de Distancia a los parques. Los dos procesos de reclasificación transforman
los valores de celdas sin procesar en valores entre 0 y 100. Los valores
reclasificados indican la utilidad, donde 0 es lo menos útil y 100 lo más útil. Por
ejemplo, una celda que está cerca de un parque existente obtiene una puntuación
más baja que una celda que se encuentra más lejos y una celda que tiene una alta
 densidad de población obtiene una puntuación más alta que una celda con una baja
densidad de población.
 El paso 5 toma los datos de salida desde las dos reclasificaciones e introduce los
datos en la herramienta Superposición ponderada, donde se aplican las
ponderaciones (60 y 40); en Superposición ponderada, la suma de las ponderaciones
debería dar 100. El ráster de salida contiene una puntuación de adecuación, como se
muestra a continuación. Las áreas más adecuadas tienen un valor más alto en la
celda de salida y se muestran en púrpura oscuro.

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).

Fig. 0 – - Onda electromagnética

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 UV es la radiación de menor longitud de onda usada en sensores remotos, y el Sol es su

principal fuente natural. La capa de ozono terrestre absorve las longitudes de onda de
menos de 0.3 mm. Con lo cual sólo la región UV entre 0.3 – 0.4 mm es útil a los sensores
remotos. La región más utilizada es la visible.

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).

La radiación IR reflejada cercana se usa en películas sensibles en escala de grises IR y en

color IR. La energía calorífica, emitida continuamente por la atmósfera y sus rasgos
superficiales en la Tierra, domina la banda térmica del IR.

Las microondas pueden atravesar nubes, precipitación, copas de árboles y depósitos

superficiales secos. Los radares (radio detection and sensing) propagan microondas
artificiales y registran la componente reflejada.

Región espectral Longitud de onda

Rayos Gamma < 0.03 nm
Rayos X 0.03 – 30 nm
Ultravioleta (UV) 0.03 – 0.4 mm
UV lejano 0.01 – 0.2 mm
UV medio 0.2 – 0.3 mm
UV cercano (banda UV
0.3 – 0.4 mm
fotográfica)
Visible 0.4 – 0.7 mm
Visible azul 0.4 – 0.5 mm
Visible verde 0.5 – 0.6 mm
Visible rojo 0.6 – 0.7 mm
 Reflejada cerca del
0.7 – 3 mm
infrarrojo (IR)
IR fotográfico 0.7 – 1.3 mm
IR medio 1.5 – 1.8 mm, 2.0 – 2.4 mm
3 – 5 mm y 8 – 14 mm (por debajo de la capa de ozono) 10.5 –
IR térmico (IR lejano)
12.5 mm (por encima de la capa de ozono)
Microondas 0.1–100 cm
Zona radar: 0.1 – 100 cm
K 0.8 – 2.4 cm
X (3.0 cm) 2.4 – 3.8 cm
C (6 cm) 3.8 – 7.5 cm
S (8.0 cm, 12.6 cm) 7.5 – 15.0 cm
L (23.5 cm, 25.0 cm) 15.0 – 30.0 cm
P (68 cm) 30.0 – 100.0 cm
Radio > 100 cm

Espectro electromagnético
[editar]

Fotogrametría y Sensoramiento remoto

El sensoramiento remoto consiste en la obtención de información cualitativa y cuantitativa
sobre un objeto o área de la superficie terrestre (o algún otro cuerpo celeste) sin estar en
contacto físico con dicha superficie u objeto. Cuando el sensor es una cámara fotográfica
especial a partir de la cual se puede recolectar e interpretar información se utiliza el término
“fotogrametría”. Cuando se utilizan otros sensores más complejos y modernos , usualmente
en las regiones del espectro más allá del visible y próximas al infrarrojo se utiliza el
término “sensoramiento remoto”.

[editar]

Sensores Remotos
[editar]

Fotogrametría y Sensoramiento remoto

El sensoramiento remoto consiste en la obtención de información cualitativa y cuantitativa
sobre un objeto o área de la superficie terrestre (o algún otro cuerpo celeste) sin estar en
contacto físico con dicha superficie u objeto. Cuando el sensor es una cámara fotográfica
especial a partir de la cual se puede recolectar e interpretar información se utiliza el término
“fotogrametría”. Cuando se utilizan otros sensores más complejos y modernos , usualmente
en las regiones del espectro más allá del visible y próximas al infrarrojo se utiliza el
término “sensoramiento remoto”.

[editar]

Historia del sensoramiento remoto

La Segunda Guerra Mundial, a mediados del siglo pasado, permitió mostrar el potencial de
la fotogrametría como una herramienta para obtener información valiosa en forma remota.

Con el surgimiento de los satélites, y la posibilidad de tomar “fotos” en distintas regiones

del espectro electromagnético (visible, infrarrojo, microondas), el prefijo “foto” -que remite
a la parte visible del espectro- se volvió obsoleto para los métodos que se estaban
comenzando a utilizar e investigar. Además, la palabra “aérea” refiriéndose al tipo de
fotogrametría antes usada, era reemplazada por los incipientes satélites. También el
instrumental había comenzado a cambiar, no sólo se usaban cámaras fotográficas, sino
también escáneres, radiómetros, etc. Para referirse a la tecnología que estaba naciendo los
empleados de la sección de Geografía de la Oficina de Estudios Navales (ONR - Office of
Naval Research) acuñaron el término “sensoramiento remoto” en la década de 1960.

En 1988 la Sociedad Americana de Fotogrametría y Sensoramiento Remoto (ASPRS)

definió: “La fotogrametría y el sensoramiento remoto son el arte, la ciencia y la tecnología
para obtener información confiable de objetos físicos y su entorno, a través del proceso de
registración, medición e interpretación de imagenes y representaciones digitales de patrones
energéticos que provienen de sistemas de sensores que no están en contacto con dichos
objetos.” Ver Figura 8.

Fig. 8 – Principio de funcionamiento de los sensores remotos

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:

(1) la medición cuantitativa, de la cual pueden calcularse posiciones en la superficie,

elevaciones, distancias, áreas y volúmenes, a partir de los cuales pueden realizarse mapas
topográficos y planimétricos. Esta categoría se llama fotogrametría de precisión o métrica,
y sus aplicaciones principales son:

 La producción de mapas topográficos que contienen isolíneas de igual elevación a

partir de un datum, y la red hidrológica y de transporte.
 La obtención de Modelos Digitales de Terreno (DEM) que contienen la elevación,
la forma y las coordenadas de la superficie del terreno en forma matricial con
coordenadas x, y, z equiespaciadas (ver figura 13).
 La extracción de información planimétrica de construcciones, incluyendo su
perímetro.
 La preparación de mapas de imagenes que tienen las propiedades métricas de un
mapa de contornos acoplado con las calidades de las fotografías aéreas.

(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:

 mapas de uso de la tierra (describiendo el tipo de uso humano de la tierra, por

ejemplo, recreación);
 mapas de tipo de cobertura de la tierra (describiendo el tipo de recubrimiento de la
tierra, por ejemplo, bosques);
 mapas de información biofísica, como áreas de potencial esfuerzo en una fotografía
de color infrarrojo en un campo sembrado.

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.

Características de la recolección de datos aéreos vs. satelitales

Características Aéreas Satelitales
Altitud Baja a 30.000 m 175-1000 km
Ancho del barrido Angosto (varias tiras) Ancho (grandes áreas)
Variable a necesidad Fija por la órbita del satélite (excepto
Resolución
(hasta submétrica) para radares)
Iluminación Variable y no Sincronizada con la luz solar
sincronizada con la luz
 solar
Fija por los días de órbita, a menos
Capacidad de retorno Frecuente y flexible que posea capacidad de apuntar fuera
del nadir
Adaptabilidad geográfica Re-localizable Fija por la órbita de los satélites
Variable, definida por
Trayectoria de vuelo Fija por la órbita
el usuario
Acceso Intrusivo No Intrusivo
Parte del espectro
Gran parte Menor parte
electromagnético de trabajo

Fig. 12 – Fotogrametría aérea

Fig. 13 – DEM realizado con fotogrametría

Fig. 14 – Ejemplo de imagen obtenida con fotogrametría
[editar]

Relación entre fotogrametría y

sensoramiento remoto a las otras técnicas
de confección de mapas (relevamientos,
GPS, cartografía, GIS y geografía)
La fotogrametría se relaciona mayormente con la medición de objetos a partir de imagenes,
y volcar dicho objeto medido a un mapa o a algún otro tipo de “dato inteligente” que sea
útil al hombre. El sensoramiento remoto combina principios físicos y propiedades de los
objetos en nuestro entorno, que se expresan en las reacciones de materia-energía del
espectro electromagnético. Además, el sensoramiento remoto combina estos principos con
la práctica y conceptos de las ciencias de la Tierra, la vida y al entorno cultural del hombre.
A simple vista, el sensoramiento remoto parece ser una extensión de los relevamientos
aéreos y espaciales, y de la fotogrametría. Sin embargo, involucra instrumental óptico-
mecánico que usa las partes fotográficas y no fotográficas del espectro (es decir, más que la
parte visual del espectro). Sumado a las técnicas nuevas para la interpretación de estos
datos, el sensoramiento remoto se ha convertido en una parte de la ciencia aplicada en sí
misma. Aunque está basado en principios físicos y matemáticos que incluyen a la
fotogrametría, está también relacionado con las otras técnicas de confección de mapas,
como:

 relevamientos del tipo: planos (cuando se asume que la superficie de relevamiento

es plana, válido para pequeñas áreas), geodésicos (cuando la figura de la Tierra se
tiene en cuenta en el cálculo de coordenadas, buenos para generar puntos de control
de otras redes de precisión), catastrales (relacionados con límites terrestres y
subdivisiones, definen límites de propiedades), y GPS (ver
http://fcaglp.unlp.edu.ar/referenciacion/index.php/Técnicas_satelitales).
 geografía y cartografía: el sensoramiento remoto provee a la geografía de
información de la distribución espacial de la cobertura de la tierra y de su uso, y
características biofísicas de los ecosistemas, y cómo los ecosistemas cambian con el
tiempo. Los principios cartográficos se usan para tener una escala de características
espaciales de áreas grandes y pequeñas de la Tierra u otros cuerpos celestes en un
mapa 2D o 3D.
 GIS: utiliza imagenes ráster y vectoriales (incluyendo las recolectadas con sensores
remotos) para representar capas temáticas en un mapa en formato digital o gráfico.
La información recolectada con sensores remotos alcanza su máximo potencial
cuando es aplicada a un GIS, donde puede modelarse e interrelacionarse con otros
datos distribuidos espacialmente (ver figura 15).

En realidad, muchas de estas disciplinas se emplean para completar un proyecto de

sensoramiento remoto. Por lo tanto, cabe destacar que las otras disciplinas de confección de
mapas están basadas en sus propios sólidos principios, y que cada una posee su grado de
definción (ver figura 16).

Fig. 15 – Ejemplo de GIS + Sensores remotos aplicado a forestación.

Fig. 16 – Los datos de sensores remotos son indipensables para la creación de capas de
datos temáticas y de base. Las técnicas de procesamiento de imagenes de la fotogrametría y
de los sensores remotos pueden utilizarse para extraer otros tipos de datos que pueden
analizarse combinados con los datos de base.
Imagen satelital
(Redirigido desde «Imagenes satelitales»)

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

La fotografía de la superficie terrestre desde el espacio tiene evidentes aplicaciones en

campos como la cartografía. Los modernos sistemas de información geográfica, que
combinan el reconocimiento por satélite con el procesamiento de datos informatizado,
permite un mayor y más profundo conocimiento de nuestro entorno. Estas tecnologías están
tan extendidas que hoy en día es posible acceder a esta información desde cualquier lugar a
través del teléfono móvil.
También se ha convertido en una eficaz herramienta en el estudio del clima, los océanos,
los vientos , la vegetación2 y corrientes globales.

En el campo militar, las imágenes obtenidas por medio de satélites espía se han utilizado
para tareas de reconocimiento, espionaje y seguimiento.

Actualmente la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad

(CONABIO) recibe imágenes de satélite diariamente del sensor AVHRR (Advanced Very
High Resolution Radiometer), de los satélites NOAA (National Oceanic and Atmospheric
Administration), del sensor MODIS (Moderate Resolution Imaging Spectroradiometer) y
de los satélites terra-1 y aqua-1.

Técnicas

Imagen infrarroja de El Niño.

Se distinguen imágenes pancromáticas (en color), monocromáticas (blanco y negro) y

multiespectrales (que contienen información de muchas bandas del espectro
electromagnético).

Procesamiento digital de imágenes

Ejemplos de filtrado sobre una imagen.

El procesamiento digital de imágenes es el conjunto de técnicas que se aplican a las

imágenes digitales con el objetivo de mejorar la calidad o facilitar la búsqueda de
información.

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.

Los principales objetivos que se persiguen con la aplicación de filtros son:

 Suavizar la imagen: reducir la cantidad de variaciones de intensidad entre píxeles

vecinos.
 Eliminar ruido: eliminar aquellos píxeles cuyo nivel de intensidad es muy diferente
al de sus vecinos y cuyo origen puede estar tanto en el proceso de adquisición de la
imagen como en el de transmisión.
  Realzar bordes: destacar los bordes que se localizan en una imagen.
 Detectar bordes: detectar los píxeles donde se produce un cambio brusco en la
función intensidad.

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.

Filtrado en el dominio de la frecuencia

Ejemplo de filtrado en el dominio de la frecuencia.

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:

1. se aplica la Transformada de Fourier,

2. se multiplica posteriormente por la función del filtro que ha sido escogido,
3. para concluir re-transformándola al dominio espacial empleando la Transformada
Inversa de Fourier.

Teorema de la Convolución (frecuencia):

F(u,v): transformada de Fourier de la imagen original.

H(u,v): filtro atenuador de frecuencias.

Como la multiplicación en el espacio de Fourier es idéntica a la convolución en el dominio

espacial, todos los filtros podrían, en teoría, ser implementados como un filtro espacial.

Etapas del procesamiento de imágenes en el dominio de la frecuencia.

Tipos
Filtros en el dominio de la frecuencia y espacio.

Existen básicamente tres tipos distintos de filtros que pueden aplicarse:

 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

 Método simple y sencillo de implementar.

 Fácil asociación del concepto de frecuencia con ciertas características de la imagen;
cambios de tonalidad suaves implican frecuencias bajas y cambios bruscos
frecuencias altas.
 Proporciona flexibilidad en el diseño de soluciones de filtrado.
 Rapidez en el filtrado al utilizar el Teorema de la Convolución.

Desventajas

 Se necesitan conocimientos en varios campos para desarrollar una aplicación para el

procesamiento de imágenes.
 El ruido no puede ser eliminado completamente.

Filtrado en el dominio del espacio

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.

Los filtros en el dominio del espacio pueden clasificarse en:

 Filtros lineales (filtros basados en kernels o máscaras de convolución).

 Filtros no lineales.

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)

1. Cada píxel de la nueva imagen se obtiene mediante el sumatorio de la

multiplicación del kernel por los píxeles contiguos:
g(x,y) = ∑∑ f(i,j) w(i,j)
2. Generalmente se divide sobre cierto valor constante para normalizar que suele
obtenerse de la suma de los valores del kernel empleado.
Tipos

Ejemplo de filtrado promedio con filtro 5x5.

 Filtro paso bajo (suavizamiento): utilizados para eliminar ruido o detalles

pequeños de poco interés puesto que sólo afecta a zonas con muchos cambios. La
frecuencia de corte se determina por el tamaño del kernel y sus coeficientes. Se
emplean diversos kernels:
o Promedio: promedio de píxeles vecinos (kernel de unos).
o Paso bajo en frecuencia.
o Media: reemplaza cada píxel por el valor medio de sus contiguos.
o Mediana: sustituye por el valor de la mediana de los píxeles vecinos
(normalmente se comporta mejor que el de promedio).
o Gaussiano: aproximación a la distribución gaussiana.
 Filtro paso alto (atenuamiento): intensifica los detalles, bordes y cambios de alta
frecuencia, mientras que atenúa las zonas de tonalidad uniforme. Esto permite una
mejor identificación posterior de los objetos que se encuentren en la imagen, puesto
que el brillo se hace mayor en las zonas con frecuencias más altas, al mismo tiempo
que se oscurecen las zonas de frecuencias bajas. Es común la aparición de ruido tras
el proceso.
 Realce de bordes por desplazamiento y diferencia: sustrae de la imagen original
una copia desplazada de la misma. Así, es posible localizar y hacer resaltar los
bordes existentes y que se quieran obtener según el modelo de kernel aplicado:
o Horizontal.
o Vertical.
o Horizontal/Vertical (diagonal).

Imagen original, y resultante tras filtros Laplaciano y Sobel.

 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.

 VI. PROCESAMIENTO DE IMÁGENES



 EL PROCESAMIENTO de imágenes tiene como objetivo mejorar el aspecto de las

imágenes y hacer más evidentes en ellas ciertos detalles que se desean hacer notar.
La imagen puede haber sido generada de muchas maneras, por ejemplo,
fotográficamente, o electrónicamente, por medio de monitores de televisión. El
procesamiento de las imágenes se puede en general hacer por medio de métodos
ópticos, o bien por medio de métodos digitales, en una computadora. En la siguiente
sección describiremos muy brevemente estos dos métodos, pero antes se hará una
síntesis brevísima de los principios matemáticos implícitos en ambos métodos,
donde el teorema de Fourier es el eje central.
 El matemático Jean-Baptiste-Joseph Fourier (1768-1830) nació en Auxerre,
alrededor de 160 km al sureste de París. Perdió a sus padres a la temprana edad de
ocho años, quedando al cuidado del obispo de Auxerre, gracias a la recomendación
de una vecina. Desde muy pequeño mostró una inteligencia y vivacidad poco
comunes. Siguió una carrera religiosa en una abadía, al mismo tiempo que estudiaba
matemáticas, para más tarde dedicarse a impartir clases. Sus clases eran muy
amenas, pues constantemente mostraba una gran erudición y conocimientos sobre
los temas más variados.
 Fourier estaba muy interesado en la teoría del calor, y además tenía una gran
obsesión práctica por él. Se dice que mantenía su habitación tan caliente que era
muy incómoda para quienes lo visitaban, y que aparte de eso, siempre llevaba
puesto un grueso abrigo. Algunos historiadores atribuyen esta excentricidad a los
tres años que pasó en Egipto con el ejército de Napoleón Bonaparte.
 La teoría de Fourier se consideró tan importante desde de sus inicios, que lord
Kelvin dijo de ella: "El teorema de Fourier no solamente es uno de los resultados
más hermosos del análisis moderno, sino que además se puede decir que
proporciona una herramienta indispensable en el tratamiento de casi todos los
enigmas de la física moderna."
 El teorema de Fourier afirma que una gráfica o función, cualquiera que sea su
forma, se puede representar con alta precisión dentro de un intervalo dado, mediante
la suma de una gran cantidad de funciones senoidales, con diferentes frecuencias.
Dicho de otro modo, cualquier función, sea o no sea periódica, se puede representar
por una superposición de funciones periódicas con diferentes frecuencias. El
 teorema nos dice de qué manera se puede hacer esta representación, pero hablar de
él va más allá del objeto de este libro.
 La variación de la irradiancia o brillantez de una imagen, medida a lo largo de una
dirección cualquiera es entonces una función que se puede representar mediante el
teorema de Fourier, con una suma de distribuciones senoidales de varias
frecuencias. Sin entrar en detalles técnicos innecesarios, simplemente afirmaremos
aquí que atenuar o reforzar individualmente algunas de estas componentes
senoidales puede tener un efecto dramático en la calidad de una imagen,
mejorándola o empeorándola, según el caso. Este es el fundamento del
procesamiento de imágenes, tanto por medios ópticos como digitales, que ahora
describiremos.
 VI.l. PROCESAMIENTO ÓPTICO
 Los principios del procesamiento óptico de imágenes están bien establecidos desde
el siglo pasado, cuando se desarrolló la teoría de la difracción de la luz. Sin
embargo, su aplicación práctica data apenas del principio de la década de los
sesenta, cuando se comenzó a disponer del rayo láser.
 El procesamiento óptico se basa en el hecho de que la imagen de difracción de
Fraunhofer de una transparencia colocada en el plano focal frontal de una lente es
una distribución luminosa que representa la distribución de las frecuencias de
Fourier que componen la imagen, a la que se le llama técnicamente transformada de
Fourier.
 Consideremos el arreglo óptico de la figura 42. En el plano focal frontal de la lente
L1 se ha colocado la transparencia T, la cual está siendo iluminada por un haz de
rayos paralelos provenientes de un láser de gas. Sobre el plano focal F1 de la lente
L1 se forma una distribución luminosa que representa la transformada de Fourier de
la transparencia. Si ahora se coloca otra lente L2 como se muestra en la misma
figura, se puede formar una imagen de la transparencia en el plano focal F2 de esta
lente. Si ahora se coloca cualquier objeto o diafragma sobre el plano F1, se pueden
eliminar las porciones que se deseen de la transformada de Fourier de la
transparencia, eliminando así de la imagen las frecuencias de Fourier deseadas.
 Cada porción de la transformada de Fourier corresponde a una frecuencia espacial
diferente sobre el objeto. Por lo tanto, mediante los diafragmas adecuados se pueden
eliminar las frecuencias espaciales, llamadas también de Fourier, que se deseen
quitar.

 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:

· Clasificador por mínima distancia

 · Clasificador por paralelepípedos
· Clasificador por máxima probabilidad
 9.4.1.1 Clasificador por mínima distancia.
Con este clasificador los datos de entrenamiento se utilizan sólo para determinar
la media de las clases seleccionadas como regiones de interés. El programa
efectuará la clasificación ubicando cada pixel no identificado en la clase cuya
media se encuentra más cercana para lo cual puede utilizar la distancia
euclidiana. El procedimiento se ejemplifica gráficamente en el diagrama de
dispersión de la Fig. 70. Por razones de simplicidad la representación la
hacemos tomando sólo dos bandas (Banda I y Banda II), pero debe tenerse en
cuenta que cuando el procedimiento se implementa numéricamente puede
generalizarse para cualquier número de bandas


 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:


Este clasificador es rápido y fácil de implementar. Tiene sin embargo fuentes de

error asociadas al relativamente frecuente solapamiento de los paralelepípedos:
un pixel puede caer dentro de más de un paralelepípedo si éstos se solapan.
Puede darse también el caso de que no caiga en ninguno. Estos factores quitan
robustez al clasificador.

Los mapas temáticos

El mapa temático es una herramienta cartográfica que permite representar muy diverso tipo
de información localizada en el territorio. A partir de esta secuencia los alumnos conocerán
qué es un mapa temático.

 Mis contenidos
 Me gusta
 Compartir

Ver pantalla completa

Contenido relacionado
 Los mapas como herramientas de información geográfica

Ficha del recurso

 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

 Efemérides y actos escolares

 Especiales editoriales

 Videojuegos educativos

 Aprender a programar

educ.ar - Secciones
Docentes

 Recursos
 Experiencias
 Convocatorias
 Formació


 MAPA DE USO DE SUELOS

El Plan de Uso de Suelo es un instrumento técnico normativo del

ordenamiento territorial que delimita espacios geográficos y asigna uso al
suelo, tiene como objetivo el manejo y uso sostenible de los recursos
naturales.

¿Que es un mapa del Suelo? y por que es

tan importante?
Mejor respuestaElección del que hace la pregunta

 crys respondida hace 4 años

En la naturaleza, cada suelo tiene un conjunto de características dentro de determinados

límites. El superior es la superficie de la tierra; el inferior, se ubica donde ya no actúan los
procesos formadores de suelos y, los laterales, son los contactos con otros tipos de suelos.
En consecuencia, existen en el mundo muchas clases individuales de suelos, aunque en el
ambiente no se los encuentre como unidades separadas. Por eso es necesario establecer los
límites dentro de los cuales deben ser estudiados. Las características de cada uno pueden
conocerse a través de las observaciones e investigaciones de campo, gabinete y laboratorio.
Su reconocimiento, clasificación y representación cartográfica es lo que se llama "Mapa de
Suelos".
La información suministrada por un mapa de suelos sirve, entre otras cosas, para:

Determinar la capacidad de uso de las tierras y orientar alternativas de uso bajo ciertos
niveles de manejo.

Dar bases técnicas para encarar líneas de investigación y experimentación agropecuaria.

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.

Los mapas de suelos están destinados principalmente al productor agropecuario con el

propósito de ayudarlo a conocer mejor sus tierras y contribuir a que las maneje en forma
adecuada, aumentando su nivel de aprovechamiento; a los extensionistas y agrónomos para
que los utilicen en las tareas de divulgación, asesoramiento y manejo de campos; a los
organismos estatales como elemento básico para la toma de decisiones políticas; a los
ingenieros civiles e hidráulicos para sus proyectos de construcción de caminos, edificios y
demás obras para las cuales necesiten datos sobre propiedades de los suelos.

Para la mayoría de los productores, de las instituciones oficiales e, incluso, de muchos

profesionales relacionados con la actividad agropecuaria, sin embargo, la importancia del
suelo no está comprendida como corresponde.

Comúnmente las diferencias de rendimiento se atribuyen sencillamente a la falta de tal o

cual nutriente, al cultivar con el que se trabaja, al efecto de determinados fertilizantes, a la
influencia del clima, etc., sin pensar en relacionar esos problemas de rendimiento con otras
características intrínsecas de los suelos. Por ejemplo, el porcentaje de arcilla, el grado en
que la mismas se contraen o expanden, la permeabilidad, el contenido de sales en solución,
el espesor de la capa arable, etc., son también aspectos que tienen importancia para los
diversos usos a que se destinan los suelos y que deben considerarse cuando se los quiere
emplear correctamente.
MNT

Modelos numéricos del terreno

El término Modelo Numérico del Terreno (MNT) es utilizado para denotar la

representación una magnitud que varía continuamente en el espacio. Comúnmente
asociados a la altimetría, también pueden ser utilizados para modelar unidades geológicas,
como el tenor de minerales o las propiedades del suelo o subsuelo (como aeromagnetismo).

Entre los usos de modelos numéricos del terreno, se pueden citar (Burrough, 1986):

1. Almacenamiento de datos de altimetría para crear mapas topográficos;

2. Análisis de corte y relleno para proyectos de carreteras y diques;
3. Cálculo de mapas de pendiente y exposición como apoyo a análisis
geomorfológicos y de erosión;
4. Análisis de variables geofísicas y geoquímicas;
5. Representación tridimensional (en combinación con otras variables).
El proceso de adquisición de una magnitud con variación espacial produce usualmente un
conjunto de muestras puntuales. A partir de estas muestras, se pueden construir dos tipos de
representación:

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.

Los procedimientos de interpolación para la creación de retículas regulares a partir de

muestras varían de acuerdo con la magnitud medida. En el caso de la altimetría, es común
el uso de funciones de ponderación por inverso del cuadrado de la distancia. Ya, para
variables geofísicas, son utilizados procedimientos de filtraje bidimensional o
geoestadístico (como krigeaje).

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.

La siguiente tabla resume las principales ventajas y desventajas de retículas regulares y

triangulares.

Comparación entre Retículas Regulares y Triangulares para representar Modelos

Numéricos del Terreno

Retícula triangular Retícula regular

1. Mejor representación
del relieve complejo.
Ventajas 2. Incorpora
restricciones como
líneas de cresta
1. Complejidad de
Problema manoseo.
s 2. Inadecuada para
visualización 3D
1. Facilita el manoseo y
conversión.
2. Adecuada para
geofísica y visualización
3D
1. Representación del
relieve complejo.
2. Cálculo de pendiente
Los modelos numéricos del terreno también pueden ser convertidos para mapas temáticos e
imágenes. En ambos casos, la magnitud numérica es cuantificada, sea para un número
pequeño de valores (en el caso de mapas temáticos) sea para la variación asociada a las
imágenes (valores discretos).

Modelo digital del terreno

Imagen en 3D de un MDT de Tithonium Chasma en la parte oeste de Valles Marineris, en

Marte. La imagen tridimensional se obtuvo calculando una iluminación ficticia, que en este
caso procede de la parte superior derecha.

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

En definitiva un MDT es pues una representación en falso 3D de la topografía (altimetría

y/o batimetría) de una zona terrestre (o de un planeta telúrico) en una forma adaptada a su
utilización mediante un ordenador digital (ordenador). Su campo uso es muy variado:

 Extracción de los parámetros del terreno.

 Trazados de perfiles topográficos.
 Modelización de la escorrentía del agua o del movimiento de masa (por ejemplo,
para avalanchas y corrimientos de terreno).
 Creación de mapas en relieve.
 Tratamiento de visualizaciones en 3D.
 Planificación de vuelos en 3D.
 Creación de modelos físicos (incluyendo creación de mapas de relieve).
 Rectificación geométrica de fotografías aéreas o de imágenes satelitales.
 Reducción (corrección del terreno) de las medidas de gravedad (gravimetría,
geodesia física).
 Los análisis del terreno en geomorfología y geografía física.
 Sistemas de información geográfica (SIG).
 Ingeniería y diseño de infraestructuras.
 Sistemas globales de navegación por satélite (GNSS).
 Análisis de la línea de mira.
 Cartografía de base.
  Simulación de vuelo.
 Agricultura de precisión y gestión forestal.
 Análisis de superficie.
 Sistemas de transporte inteligentes.
 Seguridad automotriz y sistemas avanzados de asistencia al conductor.

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

Tipos de Modelos Digitales del Terreno

En cartografía, las altitudes suelen representarse mediante curvas de nivel y cotas. En
función del tamaño de la zona cubierta, la mayoría de los MDT utilizan, para las pequeñas
zonas, una red cuadrada regular, mientras que para las zonas grandes utilizan una red
pseudocuadrada cuyos lados son meridianos y paralelos. Los MDT se pueden dividir según
el tipo de red utilizado:

 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.

La adquisición puede realizarse de varias formas:

  mediante interferometría radar;
 mediante estereoscopía, a partir de pares de imágenes aéreas (fotogrametría) o
tomas por satélite;
 mediante digitalización de las curvas de nivel de un mapa;
 mediante la entrada directa de las coordenadas (x, y, z) de los puntos del terreno,
medidas por GPS, triangulación (por topógrafos) o lasergrametría (técnica que
permite capturar las coordenadas de un punto en x,y,z por medio de un telémetro
láser);
 mediante un sistema láser aerotransportado (Lidar).

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:

 El gobierno estadounidense autorizó recientemente (septiembre de 2003) la

distribución de archivos [SRTM]] (Shuttle Radar Topography Mission), que ofrecen
una resolución de 90 metros sobre el 80% de las tierras emergidas,
aproximadamente. Anteriormente, solo existían resoluciones de 1 km (GTOPO30).
 En 2009, se distribuyó gratuitamente un nuevo MDT (cubre el 99% de la superficie
del globo y tiene una resolución de 30 m); creado por la NASA y el Ministerio de
Economía, Comercio e Industria de Japón4 ·5 a partir de pares estereoscópicos
ASTER.
 Desde 2002, el instrumento HRS de Spot 5 ha adquirido más de 100 millones de
km² de pares estéreo que sirven para producir MDE de 30 metros en formato
DTED2 sobre más de 50 millones de km².6
 En 2014, las adquisiciones de los satélites radar TerraSAR-X y TanDEM-X estarán
disponibles en forma de cobertura mundial homogénea con una resolución de 12
metros.7

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:

 su resolución, es decir, la distancia entre dos puntos adyacentes del MDT;

 su cobertura geográfica': las zonas geográficas sobre las cuales existen datos
disponibles;
 la calidad de los datos: depende de la aplicación o no de tratamientos de corrección
de los datos tras su recuperación. En efecto, algunos métodos de adquisición dejan
artefactos en los datos (zonas distorsionadas sobre líneas costeras a causa de la
espuma de las olas, que falsea los ecos del radar, “agujeros” cuando existían nubes
durante una adquisición satelital, etc.).

Características de algunos formatos disponibles a través de Internet (consulte la sección

Enlaces externos para saber desde dónde descargarlos):

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

Herramientas colaborativas o gratuitas

Han aparecido varios SIG gratuitos o de código abierto. Es el caso de GRASS (Geographic
Resources Analysis Support System), por ejemplo, que puede vincularse con bases de datos
libres (MySQL, PostgreSQL, etc.), y utilizar un programa gratuito de estadística, como el
programa R. De igual forma, también hemos asistido a la aparición de herramientas de
visualización en 3D adaptadas a Linux, como TruFlite. También existen otras herramientas
colaborativas, como JMap Imagerie, que permiten interactuar con imágenes de tipo
matricial, en concreto con los modelos digitales de terreno (MDT) o las imágenes satelitales
con varias bandas. Permite el cálculo del área cubierta, de la pendiente, del volumen de
desmonte y terraplén, la vista en sección, la búsqueda de píxeles, así como los estudios de
visibilidad. Forma parte de la biblioteca GDAL (Geospatial Data Abstraction Library).

Modelos Digitales de Elevación (MDE) - Descripción Ver todo

¿Qué es un modelo digital de elevación?
Un modelo digital de elevación es una representación visual y matemática de
los valores de altura con respecto al nivel medio del mar, que permite
 caracterizar las formas del relieve y los elementos u objetos presentes en el
mismo.

Estos valores están contenidos en un archivo de tipo raster con estructura

regular, el cual se genera utilizando equipo de cómputo y software
especializados.

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).

Modelo digital de elevación con vista en perspectiva

Representación de un modelo digital de elevación en formato raster

Modelos digitales de elevación para representar el relieve

Desde el siglo XVII la representación del relieve siempre ha tenido importancia
 relevante para conocer la información que existe acerca de los elementos en la
superficie de la tierra, siendo de gran importancia para el análisis y estudios de
muy diversa índole en los campos de ingeniería civil y ciencias de la tierra, en
particular, el estudio de la forma del terreno y los elementos presentes en el
mismo constituye un importante insumo para muchos usuarios como
cartógrafos, geólogos, hidrólogos, ingenieros, militares y ahora en la actualidad
para los sistemas de información geográfica (SIG).

El modelo digital de elevación desde su creación en la década de los 50 ha

constituido un medio para el conocimiento y representación del terreno y para
lograr análisis de los elementos presentes en el mismo mediante el uso de
equipo y software especializado para tal fin. En la actualidad los modelos
constituyen un medio para lograr la representación del relieve muy versátil y
funcional ya que a partir del mismo se puede conocer la conformación o
morfología del terreno (MDT) sino también los elementos de origen antrópico y
la vegetación presente en el mismo (MDS).

Además es posible derivar o generar información a partir de los modelos

digitales de elevación que nos posibilita que tengamos más datos de apoyo para
el cumplimiento de objetivos, toma de decisiones y desarrollo de proyectos
relacionados con el relieve, los datos de apoyo derivados pueden ser curvas de
nivel, corrientes de agua, mapas de pendientes, redes irregulares de triángulos
(TIN), imágenes del relieve sombreado o mapa de sombras, puntos acotados de
altura, modelos vectoriales de la altura de los elementos presentes en el terreno,
líneas estructurales, entre otros.

Hoy en día con los sistemas de información geográfica el modelo digital de

elevación tiene un abanico de representaciones que permiten al usuario
desarrollar mejores análisis de estos datos del relieve ya que permiten visualizar
los mismos mediante tintas hipsométricas, realizar perfiles longitudinales,
obtener vistas en 3D, modelamiento dinámico en 3D, gamas tradicionales de
color, intervalos de color de acuerdo a la variación y rangos de la elevación,
sobre posición de datos o información en formato vectorial o raster de
diferentes ámbitos, temas y aplicaciones.
Tipos de modelos digitales de elevación
En la actualidad el Instituto Nacional de Estadística y Geografía (INEGI) realiza
la representación del relieve generando un modelo simplificado lo más cercano
a la realidad, debido a que se cuenta con diferentes métodos y soluciones
tecnológicas que permiten proporcionar un número infinito de puntos o de
información geográfica para tal fin mediante el uso de sistemas computarizados
con la finalidad de obtener y caracterizar las formas del terreno, dicho modelo
se denomina “Modelo Digital de Elevación” (MDE), el cual es utilizado como
una fuente de información digital para el estudio de la superficie del terreno de
México.

Al existir dos tipos, superficie y terreno, a través de los modelos digitales de

elevación es posible conocer la existencia, disposición, forma y posición de los
elementos que conforman un espacio geográfico y que pueden ser de origen
natural o antrópico.

Los Modelos Digitales de Elevación que produce el INEGI son de dos tipos:

Modelo digital de superficie (MDS) que representa todos los elementos

existentes o presentes en la superficie de la tierra (vegetación, edificaciones,
infraestructura y el terreno propiamente.

Modelo Digital de Superficie LIDAR del Distrito Federal

 Modelo Digital de Superficie LIDAR de Chiapas

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.

Modelo Digital de Terreno LIDAR del Distrito Federal

 Modelo Digital de Terreno LIDAR de Chiapas

Ambos tipos de modelos digitales de elevación se realizan utilizando una

variedad de fuentes de datos y mediante el uso de técnicas especializadas o
métodos de obtención, así como el empleo de soluciones tecnológicas y cuya
elección depende de la aplicación que se le va a dar al modelo resultante,
además del objetivo que se pretende alcanzar y de la exactitud que se requiere
del modelo.
Métodos de generación de modelos digitales de elevación
Los métodos para la generación de los Modelos Digitales de Elevación pueden
dividirse en dos grupos:

1. Métodos directos. Estos se obtienen a partir de mediciones que se

realizan directamente sobre el terreno real, en los cuales podemos citar:
o La toma directa de datos por medio de levantamientos
topográficos con estación total o con GPS.
o Uso de altímetros transportados desde una plataforma aérea
como el radar o láser.
2. Métodos indirectos. Cuando se utilizan documentos analógicos o
digitales elaborados previamente para generar un modelo digital de
elevación, en los cuales podemos citar:
o La digitalización de curvas de nivel y puntos de altura de la
cartografía topográfica realizada mediante procesos
convencionales de conversión automática (mediante escáner y
 vectorización) o manual (uso de tableta digitalizadora o en
pantalla).
o Restitución fotogramétrica numérica, analítica y digital (procesos
fotogramétricos).

Los métodos que emplea actualmente el INEGI para la generación de los

Modelos Digitales de Elevación son:

1. Generación a partir del método fotogramétrico de correlación

cruzada: La técnica de correlación cruzada de imágenes se fundamenta
en la comparación de imágenes digitales a partir de pares
estereoscópicos de fotografías aéreas digitalizadas. En este método se
extraen sub-imágenes homólogas digitales de ambas fotografías,
izquierda y derecha, que subsecuentemente se correlacionan por medio
de su información radiométrica (los valores de la escala de grises), para
así determinar áreas homólogas. De esta manera el proceso de
correlación proporciona el ajuste necesario del cual proporcionará
valores de elevación para una serie de puntos de densidad irregular. Los
modelos generados por este método pueden ser del tipo superficie y del
terreno con una resolución de 15 metros, exactitud de 3 metros y la
cobertura territorial representada en el modelo es la correspondiente a la
escala cartográfica 1:20,000.
2. Tecnología LiDAR (acrónimo en el idioma inglés de Light Detection
and Ranging”, esto es, “Detección y Medición a través de la Luz”):
LiDAR es la combinación de tecnologías diseñadas para la obtención de
coordenadas tridimensionales (X, Y, Z), de puntos del terreno mediante
un telémetro láser montado en un avión. A partir de estos datos llamados
“Nube de puntos LiDAR ajustada al terreno” se pueden elaborar
modelos digitales de elevación de alta resolución sub-métricos, tanto del
terreno como de la superficie del mismo (objetos naturales o
artificiales).

Comparado con los métodos tradicionales la exactitud, mejor detalle y

los tiempos de respuesta en la obtención de los resultados (oportunidad)
son variables a considerar al momento de elegir la tecnología LiDAR
como fuente de obtención de datos de elevación. Los modelos generados
mediante esta tecnología tienen una cobertura territorial disponible
correspondiente a la escala cartográfica 1:10,000 y 1:20,000 y pueden
tener una resolución de 1 a 15 metros, con exactitud de 15 a 90
centímetros dependiendo de las características de planeación y ejecución
del vuelo para la captación de los datos.

Los modelos digitales de elevación de superficie (MDS) y de terreno

(MDT) LiDAR, resultan particularmente útiles en el análisis de las áreas
susceptibles de inundación, en virtud del gran nivel de detalle que
ofrecen.
 Componentes que intervienen en la Tecnología LIDAR

Nube de puntos LiDAR ajustada al terreno

Es un conjunto de puntos con posición tridimensional obtenidos a través

de tecnología LiDAR (LIght Detection And Ranging -detección por luz
y distancia). Adicionalmente a las coordenadas X, Y, Z, contiene
información característica de este tipo de sistemas que corresponde a los
atributos de intensidad, clasificación, número de retorno y tiempo de
Componentes que intervienen en la Tecnología LiDAR captura GPS,
entre otros. La nube de puntos es un insumo para la generación de
Modelos Digitales de Elevación (MDE).

El LiDAR aerotransportado, es un sensor activo que consta de un

telémetro emisor de luz láser y de un espejo que desvía el haz
perpendicularmente a la trayectoria del avión, generando una serie de
pulsos de luz que al entrar en contacto con los objetos o el terreno, se
refleja al sensor parte de la energía del pulso emitido. Para la generación
de la nube de puntos, se eliminan los retornos que presentan anomalías
altimétricas (puntos altos y bajos); enseguida los puntos de la nube se
comparan con puntos de control terrestre con el objeto de reducir errores
sistemáticos en altura; finalmente, se aplica un proceso de ajuste entre
líneas que permite reducir otros errores a fin de procurar la redundancia
en áreas de sobre posición.

La nube de puntos tiene una amplia utilidad para la clasificación

automática y manual, así como del filtrado de puntos del terreno y los
ubicados por encima de éste; es útil para la generación de imágenes de
intensidad. Es el insumo principal para la generación de MDE LiDAR
en formato vectorial como el TIN (Triangulated Irregular Network) o en
ráster como una malla regular de datos de elevación.
Nube de puntos LiDAR ajustata al terreno en formato. LAS de la clave
F14A36d3 - Nuevo Leòn
 Nube de puntos LiDAR ajustata al terreno vista con un software de
datos en 3D de la clave F14A36d3 - Nuevo Leòn

3. Digitalización de cartografía topográfica: Los mapas topográficos

proporcionan información acerca del relieve del terreno, dicha
información viene en forma de curvas de nivel y puntos de altura
(elevaciones de las puntas de los cerros o puntos bajos en los valles), la
opción de digitalizar las curvas y aplicar un algoritmo de interpolación
produce un Modelo Digital de Elevación de tipo terreno con buena
calidad si se tiene la precaución de asegurarse que la digitalización de
las curvas ha sido realizada de buena manera y cuidando que los valores
de altura asignados a las curvas sean correctos, a este proceso se le
conoce como “Conversión de Curvas de Nivel”, ya que se pasa de
altimetría analógica (en papel) a una de formato digital mediante el uso
de un seguidor de línea semiautomático que utiliza como fondo una
imagen raster de las curvas de nivel y la hidrografía. Los modelos
generados por este método tienen una resolución de 10 a 100 metros con
exactitudes de 8 a 100 metros, tanto la resolución como la exactitud
depende de la escala cartográfica de la información fuente utilizada para
generar el modelo y la cobertura territorial representada en este tipo de
 modelos es la correspondiente a la escala cartográfica a 1:50,000,
1:250,000, 1:1’000,000.

Diagrama de flujo del proceso de generación de modelos

digitales de elevación de curvas de nivel digitalizadas

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

Geodesia y fotogrametría.- En éstos campos, el propósito principal es el de

producir modelos de alta calidad para otras aplicaciones como ingeniería civil,
y cartografía, además de emplearse en la captura de datos fotogramétricos,
determinación del geoide, métodos de control de calidad, como fuente de
comprobación de mediciones del terreno, edición de datos del terreno,
producción de ortofotografías, cartografía topográfica.

Ingeniería civil.- Los Modelos Digitales de Elevación pueden ser usados, en

 ingeniería civil, en aplicaciones tales como en el diseño para la construcción de
infraestructura diversa, minas a cielo abierto, el cálculo de perfiles (secciones
de perfil) y los cálculos de volúmenes (llamado también de “corte y relleno”).
Son usados en aplicaciones tales como diseño de carreteras, presas y otro tipo
de infraestructura.

Manejo y planeación de recursos naturales.- Este campo, el de mayor uso de

los Modelos Digitales de Elevación, involucra disciplinas tales como
planeación urbana y ambiental, teledetección, ciencias del suelo, agricultura,
meteorología y climatología. Aplicaciones típicas serían, entre otras: estudios
de impacto ambiental, prevención de desastres, localización de sitios
industriales, corrección geométrica y auxiliar en la clasificación de imágenes
de satélite, estudios de rentabilidad, desarrollo de estrategias de cosecha,
modelos de flujo de viento y dispersión de contaminantes.

Ciencias de la tierra.- Las aplicaciones en Ciencias de la Tierra (geología,

hidrología, geomorfología, glaciología) requieren de funciones específicas para
el modelaje de las discontinuidades del terreno, principalmente redes de
drenaje, de las que se requiere una representación muy precisa de ellos.
Algunas aplicaciones serían: monitoreo de cuencas de drenaje para monitoreo
de inundaciones y control de contaminantes, modelamiento de flujos
hidrológicos, simulaciones para la creación de cuencas hidrológicas,
interpretación y cartografía geológica.

Aplicaciones militares.- El terreno es uno de los componentes más

importantes en el análisis del ambiente militar en escala local y mediana. Los
usos militares de los modelos incluyen operaciones de planeación de sitio
similares a la de ingeniería civil: análisis del terreno para manejo de campo de
batalla, intervisibilidad entre puntos, análisis de tráfico, guía de misiles y redes
de comunicación y animación para simuladores de vuelo para entrenamiento de
pilotos.

Aplicaciones cartográficas.- A partir de un Modelo Digital de Elevación se

genera el Relieve Sombreado, con esta variante la visualización es un
importante componente para comprender, analizar o explicar la distribución de
fenómenos en la superficie de la tierra. El análisis del relieve sombreado es una
técnica que se utiliza para generar de forma automática mapas de relieve
sombreados.

El sombreado estima valores de reflectancia de la superficie a partir de la

posición del sol a cualquier altitud y en cualquier azimut, en el que se puede
variar la orientación de la iluminación para dar énfasis a las estructuras en
direcciones particulares para visualizar detalles de modelos de drenaje,
infraestructura y otros rasgos.

Gradiente
Para otros usos de este término, véase Gradiente (desambiguación).

En cálculo vectorial, el gradiente de un campo escalar es un campo vectorial. El

vector gradiente de evaluado en un punto genérico del dominio de , ( ), indica la
dirección en la cual el campo varía más rápidamente y su módulo representa el ritmo de
variación de en la dirección de dicho vector gradiente. El gradiente se representa con el
operador diferencial nabla seguido de la función (cuidado de no confundir el gradiente
con la divergencia, ésta última se denota con un punto de producto escalar entre el operador
nabla y el campo). También puede representarse mediante , o usando la notación
. La generalización del concepto de gradiente a campos vectoriales es el
concepto de matriz Jacobiana.

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:

Con la definición anterior, el gradiente está caracterizado de forma unívoca. El gradiente se

expresa alternativamente mediante el uso del operador nabla:

Interpretación del gradiente

De forma geométrica el gradiente es un vector que se encuentra normal (perpendicular) a la
curva de nivel en el punto que se está estudiando, llámese (x,y), (x,y,z), (tiempo,
temperatura), etcétera. Algunos ejemplos son:

 Considere una habitación en la cual la temperatura se define a través de un campo

escalar, de tal manera que en cualquier punto , la temperatura es
. Asumiremos que la temperatura no varía con respecto al tiempo.
Siendo esto así, para cada punto de la habitación, el gradiente en ese punto nos dará
la dirección en la cual la temperatura aumenta más rápido. La magnitud del
gradiente nos dirá cuan rápido aumenta la temperatura en esa dirección.
 Considere una montaña en la cual su altura en el punto (x,y) se define como H(x, y).
El gradiente de H en ese punto estará en la dirección para la que hay un mayor
grado de inclinación. La magnitud del gradiente nos mostrará cuán empinada se
encuentra la pendiente.

Propiedades
El gradiente verifica que:

 Es ortogonal a las superficies equiescalares, definidas por =cte.

 Apunta en la dirección en que la derivada direccional es máxima.
 Su norma es igual a esta derivada direccional máxima.
 Se anula en los puntos estacionarios (máximos, mínimos y puntos de silla).
 El campo formado por el gradiente en cada punto es siempre irrotacional, esto es,

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

En un sistema de coordenadas ortogonales, el gradiente requiere los factores de escala,

mediante la expresión

Para coordenadas cilíndricas ( , ) resulta

y para coordenadas esféricas ( , , )

En un sistema de coordenadas curvilíneo general el gradiente tiene la forma:

donde en la expresión anterior se usa el convenio de sumación de Einstein.

Gradiente de un campo vectorial

Ver también Tensor_deformación#Tensores_finitos_de_deformación

En un espacio euclidiano tridimensional, el concepto de gradiente también puede

extenderse al caso de un campo vectorial, siendo el gradiente de un tensor que da el
diferencial del campo al realizar un desplazamiento:
Fijada una base vectorial, este tensor podrá representarse por una matriz 3x3, que en
coordenadas cartesianas está formada por las tres derivadas parciales de las tres
componentes del campo vectorial. El gradiente de deformación estará bien definido sólo si
el límite anterior existe para todo y es una función continua de dicho vector.

Técnicamente el gradiente de deformación no es otra cosa que la aplicación lineal de la que

la matriz jacobiana es su expresión explícita en coordenadas.

Ejemplo
Dada la función su vector gradiente es el siguiente:

Aplicaciones
Aproximación lineal de una función

El gradiente de una función definida de Rn → R caracteriza la mejor aproximación lineal

de la función en un punto particular en Rn. Se expresa así:

donde es el gradiente evaluado

en

Aplicaciones en física

La interpretación física del gradiente es la siguiente: mide la rapidez de variación de una

magnitud física al desplazarse una cierta distancia. Un gradiente alto significa que de un
punto a otro cercano la magnitud puede presentar variaciones importantes (aquí se entiende
por gradiente alto o grande uno tal que su módulo es grande). Un gradiente de una
magnitud pequeño o nulo implica que dicha magnitud apenas varía de un punto a otro.

El gradiente de una magnitud física posee innumerables aplicaciones en física,

especialmente en electromagnetismo y mecánica de fluidos. En particular, existen muchos
campos vectoriales que puede escribirse como el gradiente de un potencial escalar.

 Uno de ellos es el campo electrostático, que deriva del potencial eléctrico:

 Todo campo que pueda escribirse como el gradiente de un campo escalar, se

denomina potencial, conservativo o irrotacional. Así, una fuerza conservativa
deriva de la energía potencial como:
  Los gradientes también aparecen en los procesos de difusión que verifican la ley de
Fick o la ley de Fourier para la temperatura. Así, por ejemplo, el flujo de calor en un
material es directamente proporcional al gradiente de temperaturas

Tipos de datos de los parámetros de la

herramienta de geoprocesamiento
Resource Center

El geoprocesamiento surge en torno al concepto de los tipos de datos. Cada parámetro de

herramienta posee un tipo de datos asociado que define el contenido de la variable. Entre
los tipos de datos simples se encuentran: las cadenas de caracteres (conjunto de caracteres
alfanuméricos), los booleanos (un valor verdadero/falso) y los largos (un valor entero
comprendido entre -2.147.483.648 y 2.147.483.647). Además de estos tipos de datos
simples, existen muchos otros tipos de datos creados específicamente para los datos
hallados en ArcGIS, como por ejemplo, campo, sistema de coordenadas y extensión.

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.

Dónde son necesarios los tipos de datos

No es necesario que los usuarios ocasionales del geoprocesamiento tengan conocimientos
sobre los tipos de datos. Aun así, hay situaciones en las que es necesario proporcionar los
tipos de datos de las variables y parámetros.

 En ModelBuilder, al crear una variable independiente, deberá proporcionar un tipo

de datos para que se pueda crear la variable.
 A la hora de agregar una herramienta de secuencia de comandos mediante el
asistente Herramienta de secuencia de comandos, deberá proporcionar el tipo de
datos para cada uno de los parámetros de la herramienta de secuencia de comandos.

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:

 En la página de referencia de una herramienta, la sección de sintaxis incluye una

tabla en la que se describe cada parámetro y su tipo de datos.
 En ModelBuilder, se puede crear una variable a partir del parámetro de una
herramienta. Haga clic con el botón derecho del ratón en la variable, después en
Propiedades y, a continuación, haga clic en la ficha Tipo de datos. El tipo de datos
aparecerá en la parte superior del cuadro de diálogo.
 En ModelBuilder, se puede crear un informe del modelo. El informe mostrará todos
los tipos de datos de todos los parámetros.

Sintaxis de la cadena de caracteres

Cada uno de los tipos de datos posee una sintaxis de la cadena de caracteres que se utiliza
en el cuadro de diálogo de la herramienta y durante la secuencia de comandos. La mayoría
de los tipos de datos poseen una sintaxis de la cadena de caracteres muy simple, como
puede ser el nombre de ruta a un dataset, un número o una palabra clave. Por ejemplo, el
tipo de datos de campo es el nombre del campo. En cambio, existen otros tipos de datos que
poseen una sintaxis más compleja.

La sintaxis de la cadena de caracteres de un tipo de datos determinado se puede encontrar

en el archivo PDF mencionado anteriormente. Si no tiene claro cuál es la sintaxis de una
cadena de caracteres determinada de un tipo de datos pruebe lo siguiente:

1. Busque la herramienta que utiliza el tipo de datos.

2. Ejecute la herramienta a través de su cuadro de diálogo.
3. En la ventana Resultados, haga clic con el botón derecho del ratón en el resultado y,
a continuación, haga clic en Copiar como fragmento de código de Python. Podrá
entonces pegar este fragmento de código en cualquier editor de texto (o en la
ventana Python) y examinar los valores de la cadena de caracteres de todos los
parámetros.

Tipos de datos y objetos de secuencia de comandos

La sintaxis de la cadena de caracteres de algunos tipos de datos es demasiado compleja
como para utilizarse en una secuencia de comandos. Por ejemplo, a continuación encontrará
la cadena de caracteres textual del tipo de datos de referencia espacial que define un
sistema de coordenadas Eckert IV: