Sistemas de Información Geográfica

Capítulo 2
Sistemas de información geográfica

José Paruelo
2.1 Introducción
Un SIG (Sistema de Información Geográfica), es un sistema capaz de inte-

grar, crear, almacenar, editar y manejar datos espaciales y atributos asociados.
Esto se realiza de diversas maneras, pero en la actualidad se recurre a progra-
mas de computación que incorporan algoritmos capaces de realizar las tareas
asociadas a un SIG. El usuario de un SIG puede hacerle preguntas a la base de
datos e indagar cuestiones que sólo pueden ser resueltas al integrar información
proveniente de distintas fuentes. Los SIGs son un valioso auxiliar en una enorme
cantidad de disciplinas, tanto básicas como aplicadas. Su papel en el manejo
y la organización del territorio ha adquirido una importancia creciente y hoy
en día los SIGs son una herramienta indispensable en múltiples organizaciones
públicas y privadas.
El primer sistema denominado como de información geográfica fue el de-
sarrollado en 1962 en Canadá para el “Canada Land Inventory” (Inventario de
Tierras de Canadá). Este sistema fue diseñado para almacenar mapas digitalizados
y atributos de la superficie georeferenciados con el objetivo de determinar el po-
tencial de uso de los suelos de Canadá. El sistema incluía información sobre sue-
los, agricultura, recreación, vida silvestre, bosques y usos del suelo a una escala
1:250,000. El responsable de la creación de este sistema fue Roger Tomlinson. A
nivel local, y con mucha menos trascendencia, el artículo de Román et al. (1986)
incluido en la Caja 2.1 muestra el desarrollo de un SIG (¡cuando aún no se usaba
esa denominación!) con fines fiscales en la Provincia de Buenos Aires. Los SIGs
resultan de la convergencia de varias disciplinas y campos tecnológicos: la geo-
grafía, la cartografía, la geodesia, la teledetección, la matemática, la computación,
la estadística, entre las más destacadas. La difusión que han tenido los SIGs se
40 Percepción remota y sistemas de información geográfica
asocia en buena medida a su capacidad de asimilar datos de fuentes muy diversas

y abrir la puerta a una enorme cantidad de posibilidades de análisis.
En sí mismo un SIG no resuelve un problema, sin embargo crea un entorno
de análisis muy poderoso. Obviamente la capacidad de extraer información y co-
nocimiento de un SIG dependerá de la claridad de las preguntas formuladas y de
los marcos conceptuales de quien opera el sistema. Si bien los SIGs brindan una
valiosa ayuda en la producción de mapas, su finalidad es otra: el análisis.
Una manera alternativa de definir un SIG es a partir de las preguntas que este
tipo de sistemas puede (o debería poder) contestar. Las preguntas que se le formulan
a un SIG pueden ser espaciales (¿Cuál es la mínima distancia entre dos localidades?)
o no-espaciales (¿Cuánta gente trabaja en una dada ciudad?). Hay cinco tipos de
preguntas generales que pueden contestarse con un SIG, estas se refieren a:
Localización: en este caso se busca responder preguntas sobre qué hay en
determinado lugar. La respuesta incluye no sólo el nombre de atributo sino sus
coordenadas geográficas.
Condición: se trata de preguntas complementarias a las anteriores, es decir
buscar lugares en donde se verifica determinada condición (áreas con humedales
mayores a 100 ha, bosques nativos a más de 100 m de una ruta).
Tendencias: estas preguntas involucran a las anteriores y, además, buscan di-
ferencias en el tiempo (e.g. en el uso del suelo).
Patrones: son preguntas más sofisticadas que las anteriores y no involucran sólo
a un atributo sino a varios y a sus relaciones espaciales, por ejemplo uno puede pre-
guntarse si una unidad aparece asociada a otra con más frecuencia que a una tercera.
Modelado: en este caso la pregunta es del tipo “¿Qué pasa si…?” La respuesta
a este tipo de preguntas implica proyectar el comportamiento del sistema en el
tiempo o el espacio y para ello es necesario no sólo información geográfica sino
también modelos conceptuales y condiciones de contornos que permitan realizar
las proyecciones.
Los SIGs están integrados por cinco componentes fundamentales: la computa-
dora o sistema de cómputo (“hardware”), el sistema de procesamiento (“software”),
los datos, el personal y los métodos de análisis, procesamiento y despliegue de los da-
tos. El sistema de procesamiento de un SIG proporciona las funciones y herramientas
necesarias para almacenar, analizar y desplegar información geográfica. Los compo-
nentes incluyen: a) un sistema de manejo de base de datos (SMBD), b) las herramien-
tas para la entrada y manipulación de información geográfica; c) las herramientas de
soporte para consultas, análisis y visualización geográfica, y d) una interfase gráfica
de usuario (GUI, por sus siglas en inglés) para un fácil acceso a las herramientas.
Obviamente el corazón de un SIG son los datos o la información que inclu-
yen. Un SIG está pensado para transformar datos en información, es decir para
darle sentido a los datos. El dato indicará el valor de una variable en una dada lo-
cación mientras que la información asociada a ese dato permitirá identificarlo con
un tipo particular de suelos o de vegetación. Para ingresar en un SIG los datos y/o
la información deben ser transformados a un formato susceptible de ser almace-
Sistemas de información geográfica 41
nado en una computadora y ser georeferenciado. Las estructuras de datos digitales

en las que puede almacenarse información acerca de un atributo geográfico son
básicamente de dos tipos: raster (o matricial) y vectorial.
Como señalábamos, un SIG es una herramienta de análisis. Esta, cómo una ba-
lanza o un destornillador, nos permite realizar una serie de operaciones destinadas a
obtener un dado resultado. Como en el caso de una motosierra o una grúa mecánica,
conocer su funcionamiento, estructura, alcance y limitaciones es importante para
sacarle el máximo provecho. Por otro lado, y al igual que con cualquier herramienta,
para usarla eficientemente debemos tener en claro el objetivo que se persigue. A di-
ferencia de las herramientas que compramos de manera directa en una ferretería, en
muchos casos estamos involucrados en el diseño o la construcción del SIG.
Las personas pueden relacionarse con un SIG de manera diversa. Por un lado,
están quienes participan en el diseño del SIG, definiendo los objetivos del sistema,
el tipo de preguntas a contestar, el grano y la extensión espacial y temporal, el
tipo de datos a cargar. Por el otro, los usuarios a los que está destinado, el sistema
de procesamiento a utilizar, los planes para su uso, mantenimiento, crecimiento
futuro y para la financiación de estas tareas. Si bien el conocimiento de las herra-
mientas computacionales es de gran ayuda, esta etapa del desarrollo de un SIG
puede ser realizada por personas que carecen de destreza en el uso de los progra-
mas específicos. En la etapa de diseño es central la definición de los objetivos y la
visión de cómo operará y para quienes.
La construcción del SIG requiere de técnicos/as especializados y entrenados en
el uso de los sistemas de procesamiento a utilizar. En esta etapa deben recopilarse
los datos a ingresar (mapas analógicos, imágenes de satélite, clasificaciones digita-
les, fotogramas aéreos, datos de campo, estadísticas de distinto tipo, etc.), evaluar
su calidad, unificar las proyecciones, proveer coordenadas geográficas a aquellos
datos que no las tengan, etc. y, finalmente, ingresarlos al sistema. Todas estas etapas
requieren de una cuidadosa documentación a fin de asegurar la repetibilidad de los
procesos llevados a cabo. El mantenimiento de una bitácora es de gran importancia
en el proceso de desarrollo de un SIG. La operación de un SIG incluye todas aque-
llas tareas relacionadas con la respuesta a las consultas que realizan los usuarios. El
grado de control de los procesos variará por parte del usuario. De hecho en muchos
casos quien diseña, construye y usa el SIG es la misma persona. En otros casos los
usuarios acceden solo a una versión ejecutable del sistema. Un ejemplo de estos ca-
sos son: Google Earth (http:// www.google.es /intl/es_ es/earth/) o el mapa de calles
de la Ciudad de Buenos Aires (http://mapa.buenosaires.gov.ar/sig/index.phtml).
2.2 Estructura de un SIG
Un SIG almacena datos e información como una colección de capas temáticas

relacionadas espacialmente (Figura 2.1). La definición de capas ordena y jerarquiza
los datos y la información a incluir en un SIG. Las capas constituyen entonces piezas
importantes del SIG y su definición conceptual es un aspecto central en su diseño.
Figura 2.1 Esquema general de un SIG indicando las capas temáticas que lo integran. En
este ejemplo el SIG está formado por capas vectoriales (suelos, distritos geográficos, rutas y
partidos) y capas raster (uso de suelo de la campaña 2004-2005 e imagen Landsat del 25 de
septiembre del 2004 en combinación falso color compuesto RGB) correspondientes al partido
de Bragado de la provincia de Buenos Aires.
No todos los datos y la información almacenada en un SIG deben necesariamente
ser geográficos.
La información geográfica contiene una referencia espacial explícita (latitud
y longitud o una coordenada de otro sistema, Gauss Krüger por ejemplo) o implí-
cita (el código postal). Las referencias implícitas pueden derivarse de referencias
explícitas mediante el proceso de “geocodificación”. Las referencias geográficas
son importantes para dar respuesta a preguntas acerca de localización o condición.
Cómo indicábamos antes los sistemas de información geográfica funcionan con
dos tipos fundamentales de información espacial: vectorial y raster (Figura 2.2).
En el formato raster los mapas están representados por una matriz en donde cada
elemento es denominado “píxel” o “celda”. Cada píxel queda determinado por sus
coordenadas de archivo y de mapa y por el valor de la variable o el atributo que re-
presenta. En este formato, un punto quedará representado como una celda completa,
una línea por un conjunto de celdas contiguas de sólo un píxel de ancho y un polígo-
no por un conjunto contiguo de celdas de una o más celdas de ancho. La represen-
tación de elementos tales como caminos o cursos de agua (desde un punto de vista
estético) solo es posible para tamaños de pixeles muy pequeños. Las dimensiones
del píxel se corresponden con la resolución. Esta resolución deberá entonces guardar
relación con aquellos elementos, procesos o estructuras que se busca representar.
Las imágenes de satélite que se incorporan a un SIG se almacenan en formato
raster. La resolución de la imagen en estos casos varía desde centímetros a decenas de
kilómetros de acuerdo al sensor y de la plataforma usada (ver capítulo 4). Los datos en
formato raster podrán ser continuos o cuantitativos, como en el caso de una imagen de
satélite, en donde se almacenan valores de reflectancia o radiancia, o de un modelo di-
gital de elevación del terreno, en donde se incorpora el valor de la altura sobre el nivel
del mar de cada píxel. Los datos podrán ser a su vez cualitativos o discretos, como en
Figura 2.2 Formatos de archivos en un SIG que está formado por capas vectoriales (suelos,
distritos geográficos, rutas y partidos) y capas raster (uso de suelo de la campaña 2004-2005 e
imagen Landsat del 25 de septiembre del 2004 en combinación falso color compuesto RGB)
correspondientes al partido de Bragado de la provincia de Buenos Aires.
el caso de mapas temáticos, en donde se almacenan códigos de clases. En este último

caso, y a diferencia de los datos continuos, los valores del píxel no representan can-
tidades y por lo tanto no pueden tratarse estadísticamente. El valor de un píxel en los
casos de archivos raster discretos representan categorías nominales (e.g. provincias),
ordinales (e.g. pobre, bien o excesivamente drenado en un mapa de suelos) o intervalos
de clases (áreas con menos o más de un habitante por km2).
El formato raster es una forma de partir el espacio en porciones regulares mu-
tuamente excluyentes y que incluyen la totalidad del área de estudio. Una super-
ficie puede dividirse en teselas, mosaicos o celdas regulares usando otras formas
geométricas además del cuadrado: el hexágono o el triángulo (Figura 2.3). En el
caso del hexágono se minimizará el efecto borde al ser la relación área/perímetro
máxima. Lo contrario ocurrirá con el triángulo. Existe por supuesto la posibilidad
de un “teselado” irregular de la superficie.
Figura 2.3 Distintas formas de construir un mosaico (raster) usando diferentes formas
geométricas: triángulo, cuadrado y hexágono.
Los datos vectoriales están representados por uno o más puntos ordenados
a los cuales se asocia una coordenada de referencia (x, y en dos dimensiones o
x, y, z en 3-D). Cada elemento en un mapa analógico se representa en una de las
tres formas en el archivo vectorial: un punto, una línea o un polígono. Un punto
está representado por un solo par de coordenadas. Una línea está compuesta de un
grupo de coordenadas (puntos) agregadas para formar el elemento que en un mapa
pareciera no tener medidas de ancho (e.g. rutas o arroyos). La representación de
elementos lineales curvos requiere de la “discretización” del trazo. Esto transfor-
ma una curva en una serie de segmentos (una línea quebrada o arco) definidos por
nodos. Un polígono es un conjunto de coordenadas unidas por líneas, en el cual
el primero y el último punto son iguales. El polígono siempre representa un área
cerrada, como por ejemplo unidades de suelos o catastrales. Los archivos vecto-
riales tienen asociados atributos, generalmente en una base de datos anexa. Estos
atributos hacen referencia a propiedades del elemento que se está representando,
sea este un punto, una línea o un polígono. Así un pueblo estará representado por
un punto (un registro en la base de datos) con su correspondiente identificación y
coordenadas. Este registro tendrá asociado uno o más campos en la base de datos
en los que se consignan atributos de la entidad (e.g. nombre del poblado, número
de habitantes, etc.). A una línea que representa una ruta se le puede asociar un
nombre o a un polígono un tipo de suelo. La descripción de los atributos puede ser
multidimensional; así el polígono de un dado tipo de suelo puede contener tam-
bién información sobre la textura, profundidad, salinidad, capacidad de uso, etc.
La información acerca de los atributos se almacena en bases de datos separadas
de los componentes geográficos o gráficos, pero relacionadas mediante un identi-
ficador del atributo particular (un punto, una línea o un polígono). Cada línea de la
base de datos tiene una relación unívoca con un atributo geográfico. Los atributos
se asocian sólo a representaciones vectoriales. La información gráfica de un mapa
digital brinda elementos acerca de cómo se representa la información. Esta inclu-
ye los colores, símbolos, tipos de trazo, etc., con que se desplegarán los distintos
atributos en una pantalla o en el papel.
La mayor parte de los SIGs usan estructuras (puntos, líneas y polígonos) con
una topología asociada, es decir con información acerca de conexión o contigüidad
de elementos geográficos. Las propiedades topológicas de un mapa permiten que
aún transformando el mapa (e.g. cambiando la proyección o deformándolo) se man-
tengan las relaciones de inclusión y vecindad. Aun cuando la forma y el tamaño de
dos polígonos se modifiquen, no cambiará quien contiene a quién ni quien limita con
quién. El proyecto Worldmapper (www.worldmapper.org) presenta buenos ejemplos
de mapeo topológico. El mapa de la figura 2.4a corresponde a una representación
plana del planeta en donde el tamaño que corresponde a cada país es proporcional
a su superficie. En la figura 2.4b el área (tamaño) del polígono es proporcional a la
población; en la c el tamaño lo es a la riqueza y en la d a los servicios de la deuda
externa del 2001. Los mapas muestran diferencias muy llamativas entre sí, sin em-
bargo conservan sus propiedades topológicas: Nepal sigue estando incluido en el
subcontinente indio y limitando al norte con China. Para lograr dicha consistencia
Figura 2.4 Distintas representaciones de los polígonos que representan países (tomados de
www.worldmapper.org). a) Cada país es proporcional a su superficie, b) a la población, c) a la
riqueza y d) a los servicios de la deuda externa (2001). A pesar de cambiar la forma y el tamaño
de los polígonos se mantienen las relaciones de inclusión y vecindad (propiedades topológicas)
que reconocen los distintos países.
topológica los objetos espaciales deben

satisfacer una serie de reglas: a) cada
arco debe estar definido por dos nodos,
b) un arco delimita dos polígonos (dere-
cho e izquierdo), c) cada polígono tiene
un límite cerrado definido por un número
finito de secuencias cíclicas y alternadas
de nodos y segmentos, d) en torno a cada
nodo existe una secuencia alternada y cí-
clica de arcos y polígonos y e) un arco
sólo intersecta a sus nodos (Figura 2.5).
Las propiedades topológicas de interior
y límite ayudan a definir relaciones entre
elementos espaciales (Figura 2.6).
En años recientes se ha realizado
un esfuerzo para estandarizar la ter-
minología asociada a los objetos espa- Figura 2.5 Objetos espaciales: (0) punto o nodo,
(1) línea o segmento y (2) polígono, que estable-
ciales representados en un SIG. En los
cen reglas topológicas. i) arco definido por dos
EE.UU. se adoptó en 1992 el Spatial nodos, ii) polígono con límite cerrado definido
Data Transfer Standard (SDTS). Este por nodos y segmentos, iii) un arco delimita dos
protocolo define 13 objetos básicos adi- polígonos (derecho e izquierdo) y iv) secuencia
mensionales, de una o dos dimensiones. alternada y cíclica de arcos y polígonos.
Dos de ellos son estructuras raster

(píxel y celda) y el resto vectores.
Las estructuras vectoriales pueden
ser de dos tipos: objetos espaciales
solamente geométricos o geométri-
cos y topológicos (Figura 2.7). Así
un punto puede ser un objeto exclu-
sivamente geométrico cuando repre-
senta una localidad o un objeto con
topología cuando es un nodo que co-
necta dos líneas. La topología de ese
nodo identifica el segmento del cual
el punto es un extremo. En una línea
la topología identifica el nodo inicial
y el final. Los polígonos podrían con-
cebirse, extendiendo los razonamien-
tos anteriores, como líneas quebradas
Figura 2.6 Propiedades topológicas en las cuales el nodo inicial y final
de interior y límite que definen relaciones son el mismo. Esta visión es un poco
entre elementos espaciales. ingenua y plantea problemas para re-
Figura 2.7 Estructuras vectoriales estandarizadas (SDTS por sus siglas en inglés (Spatial Data
Transfer Standard) para 13 objetos espaciales de una y dos dimensiones. Dos de ellos son
estructuras raster (píxel y celda) y el resto son vectoriales. Las estructuras vectoriales son de
dos tipos: objetos espaciales solamente geométricos o geométricos y topológicos.
solver situaciones frecuentes. Por ejemplo, en la figura 2.8a se observa que una
secuencia de nodos conectados por segmentos cuyo nodo inicial y final es el mis-
mo puede definir más de un polígono. Por otro lado, cuando se busca representar
polígonos continuos (Figura 2.8b) muchos de los nodos son compartidos gene-
rándose una redundancia en los datos almacenados ya que un mismo nodo forma
parte de la definición de más de un polígono. A su vez, almacenar polígonos como
una secuencia de nodos torna muy complicados los análisis espaciales del tipo
“¿Qué polígono está debajo de polígono A? El modelo de fronteras indicado en la
figura 2.8c soluciona buena parte de estos problemas al almacenar líneas fragmen-
tadas no cerradas (arcos) indicando qué polígono se encuentra a la izquierda y a la
derecha de cada arco. En la figura 2.7 se definen y presentan los objetos incluidos
en la SDTS.
Figura 2.8 Distintas representaciones de polígonos contiguos.

a) nodos conectados por segmentos cuyo nodo inicial y final son los mismos, b) un mismo
nodo forma parte de la definición de más de un polígono y c) modelo de fronteras que represen-
ta objetos incluidos en las estructuras vectoriales estandarizadas (SDTS por sus siglas en inglés
(Spatial Data Transfer Standard).
Los modelos de representación de datos geográficos (raster y vectorial) tienen

ventajas y desventajas para almacenar datos geográficos y los SIGs modernos ma-
nejan ambos modelos (Tabla 2.1). El uso de uno u otro formato debería basarse en
qué estructuras quieren representarse y en los objetivos del trabajo.
Tabla 2.1 Comparación entre las representaciones raster y vectoriales.
Características Formato RASTER Formato VECTORIAL

Estructura de los Simple Compleja
datos Menos compacta Compacta
Procesamiento de
Eficiente Ineficiente
imágenes
Representación de la
Dificultosa Sencilla
topología
2.3 La escala y la precisión en mapas digitales
En el capítulo 3 se discuten los conceptos asociados al término escala. En los

mapas digitales, el concepto de escala cartográfica presenta problemas ya que es-
tos no mantienen un tamaño fijo: pueden magnificarse o reducirse tanto como se
desee en la pantalla. En un SIG, de todas maneras, el concepto de escala cartográ-
fica sigue siendo fundamental y hace referencia a la escala de los mapas integrados
en él. La escala de los mapas que se incluyen en el SIG fija los límites de la repre-
sentación de los productos que de él se deriven.
No sólo la resolución sino diferentes aspectos que definen la calidad de los
mapas incluidos afectan la precisión de los productos generados por un SIG. Ade-
más, la precisión es función del objetivo: un mismo SIG puede ser muy preciso
describiendo la distribución de la vegetación, pero poco preciso para representar
límites catastrales. La precisión absoluta de un mapa hace referencia a la relación
entre la posición geográfica de un atributo en el mapa y su verdadera ubicación
en el terreno. La precisión relativa describe la diferencia en la ubicación de dos
puntos en el mapa (distancia y ángulo) y esa misma diferencia en el terreno. La
importancia relativa de ambos tipos de precisión dependerá de los objetivos del
proyecto. En general el conocimiento de la precisión relativa es suficiente. La
precisión de los atributos indica en qué medida la base de datos representa adecua-
damente el atributo al cual se asocia. Una falta de precisión de este tipo llevaría a
asignar una unidad de suelos incorrecta a un polígono o un nombre equivocado a
una línea que representa un curso de agua.
En la evaluación de la precisión de un mapa es necesario considerar la rela-
ción costo-beneficio en términos de esfuerzo, tiempo y dinero. Un aumento en
la precisión implica un aumento en el tiempo, esfuerzo y dinero invertido en el
proyecto. En qué medida esa inversión se justifica dependerá nuevamente de los
objetivos perseguidos por el proyecto. En muchas ocasiones, una buena precisión
resulta contraproducente en la medida que su logro demora la posibilidad de dar
respuesta a un dado problema. Como con cualquier modelo que pretende repre-
sentar una realidad compleja conviene comenzar su construcción con los datos
disponibles y evaluar la sensibilidad de los resultados a la calidad de los distintos
componentes para dirigir más adecuadamente el esfuerzo de mejora. Por ejemplo,
puede evaluarse cuánto mejora la estimación de la superficie afectada por un dado

fenómeno al cambiar la resolución espacial de una dada capa o la equidistancia de
las curvas de nivel en una carta topográfica. El esfuerzo para aumentar la precisión
debería estar orientado a la capa de información a la que el resultado es más sen-
sible (varía más ante un cambio en la calidad de la capa).
Las fuentes de error en los mapas tienen distinto origen y son acumulativas.
Incluyen: a) errores al pasar de una geometría esférica a una planar, b) la medición
de la ubicación en el terreno (e.g. información incorrecta del datum), c) una inco-
rrecta interpretación cartográfica y d) problemas de digitalización.
2.4 Funcionamiento de un SIG
El funcionamiento de un SIG involucra las tareas de captura e ingreso de da-

tos que conformarán la base de datos, las consultas a la base de datos, los análisis
espaciales y la visualización de los productos generados.
2.4.1 Captura de datos
Los datos a integrar en un SIG provienen de múltiples fuentes. Una primera

fuente de datos es la observación directa de los fenómenos geográficos relevan-
tes en el contexto del proyecto en desarrollo. Estas observaciones involucran la
adquisición de datos a campo a partir de la observación directa de entidades o
fenómenos. Por ejemplo, pueden registrarse a campo la presencia de una dada
especie, la altura del terreno, el trazado de un camino o la forma de un estable-
cimiento agropecuario o de un área protegida. En este caso, registramos en el
terreno entidades tangibles. A cada una de estas entidades deberá asociárseles una
coordenada geográfica. El uso de un Sistema de Posicionamiento Global (GPS,
por sus siglas en inglés) resulta particularmente útil en este caso (ver Capítulo 3,
Caja 3.1). Las entidades se transformarán en un atributo (un punto, una línea o un
polígono) de un archivo vectorial al cual se le asignará una identificación única.
No solamente registramos en el terreno entidades sino también fenómenos. Un
caso típico es el de los registros pluviométricos. La observación directa incluye
también la que podemos realizar mediante sensores remotos. En este caso, in-
corporaremos tanto la información efectivamente registrada (reflectancia o emi-
sión de energía electromagnética en distintas porciones del espectro) (capítulo
4) como los resultados del procesamiento de esos datos (e.g. índices espectrales,
bandas sintéticas o mapas temáticos) (capítulo 9).
A un SIG se le pueden incorporar datos e información provenientes de otras
fuentes digitales: datos raster en formato continuo (fotos aéreas, modelos digi-
tales de elevación del terreno, etc.), datos raster categóricos o mapas temáticos
(vegetación, tipos de suelos, usos del suelo, etc.), estadísticas varias (censos de
población, agropecuarios, etc.), datos o información acerca de atributos de regis-
tros vectoriales (nombre de calles, características de un curso de agua, etc.). Una
vez incorporados al SIG denominaremos a cada uno de esos conjuntos de datos

capas. Una capa raster no solamente incluye los datos correspondientes a cada
píxel sino también información adicional, por ejemplo el esquema de colores
para desplegar esa imagen en la pantalla o su leyenda. Una capa vectorial incluye
las entidades representadas como puntos, líneas y polígonos y todos los atributos
que las describen.
Los mapas analógicos construidos con otros fines suelen ser particularmente
valiosos cuando se los incorpora a un SIG y se los combina con otras fuentes de
información. Su incorporación requiere su digitalización (manual o a través de su
escaneado), rectificación y georeferenciación.
La figura 2.9 muestra un SIG para un área del noroeste de la Patagonia (Pa-
ruelo et al. 2004). El SIG incluye datos básicos en formato raster (imágenes de
los satélite LANDSAT TM, un modelo digital de elevación del terreno, mapas
temáticos de cobertura del suelo), y en formato vectorial (carreteras (líneas), ca-
tastro (polígonos), pueblos, escuelas y aguadas (puntos)). A cada uno de los ar-
chivos vectoriales se le asocia una base de datos que presenta distintos atributos.
La Tabla 2.2 resume las características de las capas incluidas en el SIG. A manera
de ejemplo la Tabla 2.3 muestra la base de datos asociada a polígonos de cada una
de las unidades catastrales.
Figura 2.9 Ejemplo de un SIG (Sistema de Información Geográfico) para un área de

la Patagonia en donde se despliegan distintas capas de información. Se visualizan las capas
vectoriales correspondientes a carreteras, escuelas, pueblos, aguadas y catastro y una capa
raster en escala de grises donde en gris oscuro se observan las zonas más bajas.
Tabla 2.2 Características de las capas incluidas en el ejemplo SIG

para un área de Patagonia.
Nombre de la Capa Tipo de formato Descripción
Imagen Landsat 5 TM Raster 30 x 30m Falso color compuesto
Modelo de elevación
Raster 90 x 90m Altura sobre el nivel del mar
digital
Mapa temático generado a partir de una
Tipos de vegetación Raster 30 x 30m
imagen Landsat 5 TM
Imagen generada a partir de IVN de una
Productividad Primaria Raster 30 x 30m
imagen Landsat 5TM
Nombre, Superficie,
Vector de
Catastro Partido, Tenencia,
polígonos
Habitado y Número de ovejas
Carreteras Vector de líneas Nombre y Tipo
Pueblos Vector de puntos Nombre y Número de habitantes
Aguadas Vector de puntos Volumen (l/hora)
Tabla 2.3 Base de datos asociada a los polígonos del vector Catastro donde
se indica el partido, nombre, tipo de tenencia y superficie (ha) de cada estancia
del ejemplo del SIG construido ad hoc para un área de Patagonia.
2.4.2 Operaciones básicas de un SIG
En términos generales con un SIG pueden realizarse operaciones típicas de

cualquier base de datos, incluyendo o no la dimensión espacial, operaciones que
involucran a una sola capa de información y operaciones multicapa. Por otra parte,
la mayor parte de los SIGs ofrecen amplias posibilidades de cambio de formato
de los datos, así capas raster pueden ser transformadas a formato vectorial o vice-
versa. Una mirada no exhaustiva a las operaciones que realiza un SIG muestra las
siguientes posibilidades:
2.4.2.1 Selección de datos y búsquedas (Queries)
Como en cualquier base de datos en un SIG pueden seleccionarse datos que

satisfagan determinados criterios. Esta selección se hace interactivamente. En el
ejemplo presentado en la figura 2.9 se seleccionaron todas las clases correspon-
dientes a la estepa graminosa (Figura 2.10a). La selección, cuando se trata de
variables continuas, se realiza fijando límites numéricos. Así por ejemplo, pue-
den visualizarse las áreas cuya productividad primaria neta aérea sea mayor a
2000 kgMS/ha/año (Figura 2.10b). Una búsqueda más compleja puede encararse
utilizando operadores lógicos: Y (AND) para indicar intersección, O (OR) para
indicar unión, NO (NOT) para negación y XO (XOR) para indicar exclusión.
Los operadores seleccionan registros en una base de datos usando uno o más
atributos. En la figura 2.10c se muestran los polígonos que corresponden a te-
nencia Empresarial ubicados en el partido de Alberdi y cuya superficie es mayor
a las 2000 hectáreas.
Figura 2.10 Selección de datos y búsquedas (Queries) sobre un mapa temático de Unidades
Fisonómicas de un área de Patagonia. a) selección de las clases correspondientes a estepa
graminosa, b) selección de áreas cuya productividad primaria neta aérea fuera mayor a 2000
kgMS/ha/año y c) selección de propiedades cuya tenencia fuera empresarial, ubicados en
el partido de Alberdi y cuya superficie fuera mayor a las 2000 ha (los objetos seleccionados
se indican en color amarillo).
2.4.2.2 Cálculos y recodificación
Los cálculos que se realizan en un SIG incluyen la medición de superficies y

distancias de distintos elementos y la operación sobre los valores de los atributos
numéricos o la recodificación de los valores cualitativos. En los ejemplos anteriores
se recuperaron valores de los atributos de un elemento de las bases de datos pero
estos no se modificaron. En muchos casos interesa modificar los valores de un dado
atributo (e.g. para calcular una variable con significado biofísico o para simplificar
la descripción de un atributo). En el SIG de la figura 2.11 por ejemplo, puede trans-
formarse el atributo Índice de Vegetación Normalizado (IVN) en la fracción de la
radiación fotosintéticamente activa absorbida por la vegetación (fPAR) (capítulo 9)
aplicando una transformación lineal de los datos originales de la forma:
fPAR = a + b * IVN
Alternativamente, se puede simplificar el mapa de vegetación asignando to-
das las clases de vegetación xerofítica a la nueva clase “Estepas”, manteniendo
las clases “Bosques”, “Matorrales” y “Praderas” (Figura 2.11). Sobre cada una de
las capas se realizan cálculos más o menos complejos para describir la heteroge-
neidad espacial de distintos atributos en distintas porciones del área total. La tabla
2.4 muestra la altura promedio, máxima y mínima y la desviación estándar de los
cada uno de los establecimientos. Por ejemplo, es posible calcular distintos índices
de paisaje: superficie de cada parche de vegetación, relación área/perímetro del
parche, número de parches en cada predio, etcétera. Todas estas métricas permiten
una detallada descripción de la estructura del paisaje. La Caja 2.2 presenta un
ejemplo del cálculo de estos índices para distintas áreas de la región pampeana.
Tabla 2.4 Cálculo del área (ha), la altura promedio, máxima, mínima, el rango
y la desviación estándar de cada estancia del ejemplo del SIG construido para un
área de Patagonia.
Figura 2.11 Recodificación de un mapa temático de Unidades Fisonómicas

de un área de Patagonia. A la izquierda se presenta un recorte del mapa original y a la derecha
el mapa donde fueron recodificadas todas las clases de estepa.
2.4.2.3 Análisis de proximidad

Una pregunta frecuente en el manejo de datos espaciales es: ¿cuál es el
área ubicada a menos de una dada distancia de un elemento espacial? En el
SIG de la figura 2.9 este tipo de pregunta se formula en relación a la distancia a
las aguadas. La figura 2.12 muestra las áreas ubicadas a menos de 3 km de las
aguadas naturales. Este nuevo mapa surge de generar áreas tampón (o buffer) en
torno a los puntos y las líneas que representan aguadas en el SIG. Los análisis
de proximidad pueden realizarse sobre elementos en formato raster o vectorial
(polígonos, líneas o puntos).
Figura 2.12 Análisis de proximidad

realizado sobre las aguadas presentes en un
área de Patagonia. Se indican los límites
de los establecimientos, la ubicación
de las aguadas y un área buffer de 3 km
de radio respecto de las aguadas.
2.4.2.4 Análisis de contigüidad
En este caso el interés está en identificar áreas que comparten determinadas ca-
racterísticas (valores de un atributo) pero, a diferencia de una selección no espacial,
que además de satisfacer ese criterio sean contiguas. Nuevamente este análisis puede
llevarse a cabo sobre archivos vectoriales (en este caso, sobre polígonos o líneas) o
sobre archivos raster. La figura 2.13 muestra los parches resultantes de ubicar áreas
que simultáneamente correspondan a la
clase “Estepa graminosa” y estén ubica-
das a menos de mil metros.
Figura 2.13 Análisis de contigüidad reali-

zado sobre un mapa temático de Unidades
Fisonómicas de un área de Patagonia y la
ubicación de aguadas en donde en verde
oscuro se observan los parches resultantes
de ubicar áreas de la clase estepa gramino-
sa ubicadas a menos de 1000 m.
2.4.2.5 Análisis de vecindad
Este tipo de análisis se lleva a cabo en archivos raster y consiste en la modi-

ficación del valor de una celda a partir de los valores de las celdas contiguas en
una ventana bidimensional (para más detalle ver capítulo 6). Este tipo de análisis
se denomina también “filtrado” o “ventana móvil”. Consideremos una celda focal
con coordenadas, supongamos, (5,6) y un valor de 8 (Figura 2.14). Un análisis de
vecindad va a reemplazar el valor por otro que surja de operar con los valores de
las 8 celdas vecinas (en caso de usarse una ventana 3x3). Las operaciones incluyen
el promedio, el valor máximo, el mínimo, etcétera.
Figura 2.14 Esquema que representa un ejemplo de análisis de vecindad.

La imagen original (formato raster) se modifica a partir de una ventana móvil
y da la imagen resultante.
2.4.2.6 Agregación espacial
En archivos raster en ocasiones es útil reducir el exceso de detalle espacial.

Para ello se define una ventana de un determinado número de celdas agregándose
los valores de las celdas incluidos en cada ventana. Esta agregación puede hacerse
con criterios variables. Se elige el valor máximo, el mínimo, el más frecuente, el
promedio, etcétera.
Este proceso da lugar a un archivo raster con una resolución espacial (tamaño
de píxel) distinta (Figura 2.15).
Figura 2.15 Ejemplo de agregación espacial a partir de una imagen Landsat

donde en a) el tamaño de píxel es 30 m y en b) es de 120 m.
2.4.2.7 Operaciones de superposición
Las capas de un SIG pueden superponerse unas con otras como si fueran ho-
jas de papel transparente. Esto es extremadamente útil para percibir determinadas
características del sistema. Los SIGs pueden ir más allá de esta superposición vi-
sual creando un producto de enorme potencial: una capa compuesta o sintética. La
superposición de dos capas da entonces origen a una nueva capa con valores que
resultan de aplicar reglas lógicas o de realizar operaciones aritméticas entre las capas
originales. Mediante la superposición de dos capas se realiza una selección espacial
en una capa de información usando los límites de otras. Así por ejemplo, puede se-
leccionarse una porción de un archivo raster usando como “molde” un polígono co-
rrespondiente a una capa vectorial. Esta función elimina del análisis áreas que no son
de interés. En ocasiones se denomina al polígono que corresponde al área a excluir
“máscara” ya que al eliminar esa porción de la imagen esta resulta “enmascarada”.
Por ejemplo, en la figura 2.16, el archivo raster correspondiente a un mapa temático
de unidades de vegetación fue cortado usando un polígono que corresponde a una
dada unidad política (el partido de Bragado). De este proceso resulta un archivo de
menor tamaño y en donde las áreas “enmascaradas” tienen valores nulos.
En el caso de archivos vectoriales una operación muy poderosa de superpo-
sición es la intersección. En este caso, la nueva capa tendrá nuevos polígonos que
resultan de la intersección de los polígonos de una con los de otra. (Figura 2.17).
Las operaciones lógicas que se utilizaban para seleccionar en una base de datos o
en una capa (Y, O, NO ó XO) pueden realizarse sobre dos o más capas. El resul-
tado será una capa sintética resultado de las anteriores. Estas operaciones pueden
aplicarse tanto sobre archivos raster como vectoriales. La siguiente sentencia ilus-
tra la generación de una capa de áreas con distinta aptitud pastoril en el SIG de
la figura 2.9: SI “Unidad fisonómica = Bosque” O (Unidad fisonómica = Estepa”
Y “Productividad Primaria < 1000), entonces “Aptitud = Baja”, sino “Aptitud =
Alta” (Figura 2.18). Este caso sencillo muestra la capacidad de los operadores
Figura 2.16 Mapa temático de unidades de vegetación (formato raster) enmascarado con el
vector del partido de Bragado, provincia de Buenos Aires. A la derecha se observa la imagen
original y a la izquierda en negro se observan las áreas enmascaradas (valores nulos).
Figura 2.17 Esquema representativo de la intersección de dos vectores A y B

dando como resultado el vector C.
lógicos para generar nuevas capas a partir de “tablas de decisión”, o sea, de la

valoración cualitativa de la combinación de dos o más capas. La figura 2.19 ilustra
algunas de las posibles superposiciones basadas en operadores lógicos y un caso
de tablas de decisión. La superposición entre capas puede resultar de operaciones
aritméticas entre píxeles y/o polígonos. Por ejemplo, la figura 2.20 ejemplifica al-
gunos de los posibles cálculos que pueden realizarse mediante una superposición
algebraica de capas. Una aplicación particularmente interesante de la superposi-
ción es la detección de cambios en el tiempo en, por ejemplo, la distribución de un
tipo de cobertura del suelo (Caja 2.3).
Figura 2.18 Ejemplo de operaciones lógicas aplicadas a un archivo raster.

Se genera una capa sintética a partir de la sentencia SI”Unidad fisonómica=Bosque” O
(Unidad fisonómica=Estepa” Y “Productividad Primaria <1000); entonces “Aptitud Baja”,
sino “Aptitud Alta”.
Figura 2.19 Ejemplos de operadores lógicos (recuadro de la izquierda) y un caso de tablas de

decisión (recuadro de la derecha).
Figura 2.20 Posibles cálculos de superposición algebraica de capas. R1 es el resultado de

sumar un número a la matriz A, R2 es la suma de matrices A + B y R3 es el resultado matricial
de (C + D/E) –F.
2.4.2.8 Operaciones lineares
Un conjunto diferente de operaciones incluye el cómputo de redes. Una red es

un conjunto de líneas conectadas que representan un dado fenómeno, usualmente
asociado al transporte de algo (personas, contaminantes, agua, etc.). El análisis de
redes en general se hace a partir de archivos vectoriales en donde sus componen-
tes nodos se conectan, y determinan intersecciones. Las redes pueden o no tener
dirección, en las primeras el movimiento es unidireccional y en las otras puede
ocurrir en ambos sentidos. Los SIGs más comunes incluyen varios tipos de he-
rramientas analíticas para redes. Éstas incluyen la búsqueda del camino óptimo
entre dos puntos de la red y la partición de la red.
En el caso de la búsqueda del camino óptimo se evalúa el costo de distintas
secuencia de elementos contiguos (líneas y nodos) para pasar del origen al des-
tino. El costo queda representado simplemente por la longitud de la secuencia o
involucrar otros atributos asociados a la resistencia ofrecida por cada segmento
de la red. Un ejemplo sencillo es el de una red caminera en donde cada segmento
tiene restricciones de velocidad máxima. Si el origen y el destino deben unirse
en el menor tiempo posible deberá elegirse un camino que no necesariamente es

el más corto sino aquél que combina segmentos en los que se puede circular a
mayor velocidad.
La partición de la red asigna nodos y uniones en determinadas localizaciones
(nodo focal) de acuerdo a criterios definidos por el usuario. Las localizaciones
(nodos) pueden ser desde un centro de salud a una fuente de contaminación.
Los criterios para la asignación variarán en cada caso y deberán tomar en cuenta
que se distribuirá desde o hacia esa localización y la capacidad de producción o
acumulación de contaminantes de la localización. Un aspecto adicional de estos
análisis involucra la evaluación de que parte de la red está condicionalmente
conectada al nodo focal. La evaluación incluye considerar si existe la conexión
física y si esa conexión física satisface determinados criterios. Por ejemplo, un
punto de un río situado aguas abajo de otro no podrá transferir (conectarse) con
un nodo focal aguas arriba ya que la corriente establece una dirección en los mo-
vimientos (Figura 2.21).
Figura 2.21 Ejemplo de operaciones lineares en una red donde está determinada la dirección
de la corriente (a) donde la función de rastreo realiza búsquedas de puntos aguas arriba (b)
aguas abajo (c) o sin condiciones de dirección (d).
2.5 Dominio espacial de datos puntuales, identificación de límites

e Interpolación de datos
Los datos colectados a campo o los registros de algunas variables son de natu-
raleza puntual o cubren una superficie pequeña respecto del área total a describir.
Los registros de precipitación en estaciones meteorológicas son un caso típico de
esta situación. Si bien en muchas ocasiones queremos representar la cantidad de
agua precipitada en un área, los registros con los que contamos corresponden a un
punto. Este problema se nos plantea tanto con variables que tienen una variación
continua en el espacio, la precipitación por ejemplo, como con otras de variación
discreta: una unidad de suelos. El problema surge además cuando se debe evaluar
el área de influencia de un atributo/fenómeno o de una estructura con una localiza-
ción puntual (e.g. área de influencia de un hospital). Las alternativas para resolver
este tipo de problemas son variadas y cada una de ellas tendrá ventajas o desven-
tajas y la elección de la técnica a aplicar dependerá de la problemática particular.
Una primera alternativa es evaluar el área a la cual el valor de una medición
puntual puede extenderse a partir de datos con una cobertura espacial continua
(fotos aéreas, imágenes de satélite o mapas de variables asociadas). Este es el
caso de por ejemplo, la generalización en el espacio de una observación edáfica
(la descripción de una calicata). Mediante la interpretación de una imagen o de un
fotograma se puede evaluar, en base a una serie de atributos, cuál sería el área don-
de podría extenderse la observación puntual. Esto da lugar a un polígono que se
define como uniforme respecto de ese atributo y así definimos el dominio espacial
del atributo. Con técnicas más sofisticadas, una clasificación de datos espectrales
producirá un mapa de clases a las cuáles se asimilarán observaciones o descripcio-
nes puntuales. Por ejemplo, el resultado de la clasificación de una imagen Landsat
TM de Patagonia puede transformarse en un mapa de vegetación como el presen-
tado en la figura 2.9 al asignar cada clase a una unidad fisonómica definida a partir
de datos puntuales. La calidad de una generalización de este tipo, dependerá de la
evaluación que se haga de cada una de las clases, vale decir, de la constatación a
partir de datos puntuales independientes (no usados en el proceso de generación
de mapa) de las predicciones hechas por el modelo.
Otra situación se plantea cuando es necesario evaluar la zona de influencia
de un elemento puntual. En este caso se trata de particionar el espacio en porcio-
nes asociadas a puntos distribuidos en él. Por ejemplo, en un Parque Nacional se
encuentran distribuidos una serie de puestos de control (Figura 2.22), ¿qué área
debería controlar cada guardaparque? La definición de Polígonos de Thiessen es
una alternativa para resolver este problema. Los Polígonos de Thiessen definen
áreas individuales de influencia de cada punto (en el caso de la figura 2.22a, los
puestos de guardaparques) de manera tal que, los límites de cada polígono son
equidistantes de los puntos vecinos. De esta forma, cualquier ubicación den-
tro del polígono estará más cerca del punto contenido en él que del resto. Para
construir los polígonos se deben unir entre sí los puntos correspondientes a los
puestos de guardaparques (Figura 2.22a). Sobre las líneas que unen los puntos se
Figura 2.22 a) Ubicación de puestos de guardaparque en un parque nacional, b) construcción

de polígonos de Thiessen que permiten evaluar las zonas de influencia de cada puesto.
traza una línea perpendicular equidistante de ambos puntos (bisectriz). La inter-

sección de las bisectrices define los nodos de los polígonos (Figura 2.22b). Esta
interpolación espacial define unidades con límites discretos. De esta manera, un
área ubicada entre dos puestos será asignada a uno u otro guardaparque. Sin em-
bargo, en muchas ocasiones los límites definidos no se perciben en el campo ya
sea por cuestiones de topografía o por la presencia de barreras (e.g. una zona está
más accesible desde el puesto más lejano). En definitiva los límites pueden no
ser tan netos como en la representación generada en la figura 2.22. La teoría de
conjuntos difusos (o “Fuzzy sets” en inglés) provee una manera de representar
objetos o fenómenos intrínsecamente imprecisos en cuanto a sus límites. Así por
ejemplo, un área ubicada entre dos puestos en la figura 2.22, tendrá distinta pro-
babilidad de ser visitada por los guardaparque respectivos. Una aproximación
discreta determinaría que el área será controlada por uno u otro guardaparque.
Una clasificación basada en conjuntos difusos definirá una probabilidad de con-
trol por parte de cada uno de ellos.
Como se indicaba más arriba muchas variables tienen una variación continua
en el espacio (e.g. la precipitación). El problema se plantea al querer estimar el
valor que asumiría la variable en una ubicación en la cual no fue medida, pero que
se encuentra entre puntos en donde sí lo fue. En análisis numérico, se denomina
interpolación a la construcción de nuevos puntos partiendo del conocimiento de
un conjunto discreto de puntos. Se trata pues de encontrar una función de interpo-
lación a partir de n puntos distintos xk llamados nodos. La interpolación puede ser
global, cuando se define una función a partir del conjunto completo de puntos, y
esta se aplica a toda el área en la cual se quiere describir esa variable, es el caso de
la generación de superficies de respuesta.
Otro tipo de interpolaciones son denominadas locales. En estos casos las fun-
ciones van siendo aplicadas a un conjunto pequeño de puntos. Algunas formas de
interpolación local que se utilizan con frecuencia son la interpolación bilineal, la
interpolación polinómica, de la cual la anterior es un caso particular, el vecino más
cercano o la convolución cúbica (ver también capítulo 8). Los resultados de aplicar
uno u otro método pueden variar. Otra alternativa de interpolación es el “Kriging”,
un método geoestadístico de estimación de puntos que utiliza un modelo de vario-

grama para la obtención de datos. Esta aproximación geoestadística se basa en los
puntos más próximos se parecen más que a los más lejanos. Supone que la distri-
bución de las diferencias entre puntos es constante en el área y que depende de la
distancia y la orientación de los puntos. En definitiva, supone que las diferencias no
son constantes sino consistentes en el espacio. El variograma (o semivariograma) es
una herramienta que analiza el comportamiento espacial de una variable sobre un
área definida considerando la influencia de los datos a diferentes distancias. Consiste
básicamente en un gráfico de la semivariacia en función de la distancia entre pares
de puntos. La semivariancia de puntos separados por un intervalo h es una medida
de la influencia de puntos ubicados a esa distancia sobre la variable en cuestión (e.g.
la precipitación). El método Kriging calcula los pesos que se darán a cada punto
observado en el cálculo a estimar. Esta técnica de interpolación se basa en la premisa
de que la variación espacial continúa con el mismo patrón.
Caja 2.1 La renta normal potencial de la tierra. Un método de cálculo

(Román, et al. 1986. Realidad económica (Bs As) 72:133-144.
Revista de Ciencias Sociales).
Caja 2.2 Evaluación de la estructura (composición y configuración) de los

paisajes y sus cambios (adaptado de Baldi, et al. 2006.
Ecology and Society 13(2):6).
La heterogeneidad espacial que presentan los paisajes en general, así como sus
cambios, son usualmente detectados y cuantificados mediante un conjunto de índi-
ces de paisaje que capturan aspectos importantes de dichos patrones en unos pocos
números (O´Neill et al., 1988, O´Neill et al., 1997, Tischendorf et al., 2001). Ningún
índice en particular captura la totalidad de la complejidad del arreglo espacial de los
parches, por lo tanto se usa sólo un conjunto de índices (Dale et al., 1995, Riitters et
al., 1995). Estos métodos requieren información de tipo categórica, como por ejem-
plo, mapas de cobertura del suelo (Turner et al., 2006).
Para cuantificar la superficie de los cinco tipos de cobertura y uso del suelo
(e.g. la composición del paisaje) y los cambios entre los dos períodos de estudio
(1985-1989/2002-2004), Baldi y Paruelo (2008) generaron, para cada una de las
áreas piloto indicadas en la figura 2.2.1, grillas de cuadrados (ventanas) de 8x8
kilómetros cuadrados. El grillado posibilitó el resumen de la información a escala
de celda, facilitando la apreciación de los patrones en el espacio (e.g. análisis
espacialmente explícito) (Baldi et al., 2006). Una unidad de grilla de 6400 ha de-
tecta patrones a escala regional relacionados con información proveniente de las
imágenes AVHRR/NOAA.
En función de calcular los restantes índices de paisaje (Tabla 2.2.1), los mapas
de cobertura del suelo fueron levemente modificados mediante la aplicación de un
filtro de modas de 3x3 píxeles; este tipo de filtro es comúnmente utilizado para
suavizar la apariencia de “sal y pimienta” que aparece en las clasificaciones. Los
mapas de cobertura y uso del suelo, filtrados se transformaron de formato “raster”
a formato vectorial. Como el objeto de estudio fueron los pastizales, los polígonos
de las otras cuatro clases fueron descartados. Asimismo, los polígonos con una
superficie inferior a los cuatro píxeles fueron descartados debido a que no estarían
representando parches reales de cobertura, sino artefactos generados durante el
proceso de clasificación. Para apreciar los patrones en el espacio, se intersectaron
los mapas con las grillas antes mencionadas. Sobre los mapas de cobertura grilla-
dos se aplicaron cuatro índices espaciales de “configuración” del paisaje (a dife-
rencia del porcentaje del paisaje, que es un índice de composición). Estos índices
fueron seleccionados por ser utilizados habitualmente para caracterizar patrones
de paisaje. El índice tamaño efectivo de malla (Jaeger, 2000; Jaeger, 2001, Saura
et al., 2002) considera simultáneamente el tamaño de los parches y el nivel de
disección del paisaje (de la cobertura en cuestión) y adicionalmente es insensible
a la inclusión u omisión de pequeños parches. Refleja cambios estructurales del
paisaje y tiene una respuesta de tipo monotónica a través de las distintas fases de
fragmentación (a mayor tamaño efectivo de malla, menor es la fragmentación). En
este trabajo, se utilizó este índice como una medida única para captar la fragmen-
tación. Los restantes tres índices se utilizaron como medidas complementarias, ya
que describen en forma más explícita ciertas características de configuración de
Figura 2.2.1 Clasificaciones de tipos de cobertura del suelo en ocho áreas piloto de
los Pastizales del Río de la Plata. Las áreas piloto corresponden a escenas Landsat TM
obtenidas entre 1984 y 1989. Los detalles de las clasificaciones se presentan en Baldi y Paruelo,
2008. El panel inferior muestra la grilla de celdas de 8x8 km con la que se intersectaron las
imágenes raster correspondientes a las clasificaciones.
los parches de pastizales. El número de parches es una medida intuitiva y simple

acerca del grado de subdivisión de un determinado tipo de cobertura. Sin embargo,
lleva a interpretaciones equivocadas debido a que presenta una relación unimodal
con el grado de disturbio. El tamaño medio de parche es una medida también muy
simple relativa a la configuración del paisaje. Ambos índices son muy sensibles a
cambios en el tamaño de la “mínima unidad mapeable”, e.g. la entidad a ser ma-
peada más pequeña (Saura, 2002). La relación perímetro-área busca cuantificar la
complejidad de la forma de los parches. Se obtuvieron así mapas categóricos de
todos los índices de paisaje que permitieron apreciar su grado de fragmentación,
para cada una de las áreas pilotos y períodos de estudio. Para cada una de las fe-
chas se resumió esta información por distrito fitogeográfico, asignando cada uno
de las ventanas de las grillas analizadas a un distrito.
Tabla 2.2.1 Listado de índices de paisaje, sus fórmulas y abreviaturas.

Ai = área del parche, At = área total de la unidad de grilla, Pi = perímetro del
parche, n = número de parches.
Índice Fórmula Unidades Abreviatura
Porcentaje del paisaje % PPAI
Número de parches parches NUMP
Tamaño medio de parche hectáreas TMPA
Relación perímetro-área - RPAR
Tamaño efectivo de malla hectáreas TEMA
Los resultados acerca del nivel de fragmentación del paisaje en la actualidad

indican una buena heterogeneidad, tanto entre los distritos fitogeográficos o países
como dentro de los mismos (Figura 2.2.2). Basándose principalmente en el índice
tamaño efectivo de malla para establecer el estado de fragmentación y consideran-
do la información provista por el conjunto restante de índices de paisaje utilizados
para describir los componentes fundamentales de los patrones de paisaje (Riitters,
1995), se pueden clasificar las distintas situaciones de fragmentación según las
etapas de Forman (1995) y Jaeger (2000) (Figura 2.2.3). La Pampa Inundable se
encontraría en una etapa de incisión o perforación de la cobertura de pastizales,
con los pastizales constituyendo la matriz del paisaje. Los Campos del Norte y
del Sur se encontrarían en la etapa de perforación o disección; los pastizales cons-
tituyen en estos distritos una cobertura continua, pero existen numerosos sectores
dominados por cultivos o forestaciones (e.g. márgenes del Río Uruguay, cuenca de
la Laguna Merím). En la actualidad las Pampas Interior Oeste y Mesopotámica
se caracterizan por presentar numerosos parches de pastizal de tamaño intermedio
y formas simples, evidenciando la presión de las actividades agrícolas. Importan-
tes cambios relativos del índice tamaño efectivo de malla se registraron en estos
distritos, en donde la cobertura de pastizales estaría en una etapa de disección o
disipación. En las Pampas Austral, Ondulada e Interior Plana los pastizales
se encontrarían en una fase de encogimiento o agotamiento, caracterizada por la
presencia de parches de formas simples, pequeños y aislados.
Figura 2.2.2 Valor de los índices de paisaje usados en el estudio de Baldi, (2007)
(ver tabla 2.2.1) para cada celda de 8x8. Los valores se indican mediante un código de colores.
PPAI es el porcentaje del paisaje, NUMP es el número de parches, TMPA es el tamaño medio
de parche, RPAR es la relación perímetro/área y TEMA es el tamaño efectivo de la malla
(Baldi, 2007).
Figura 2.2.3 a) Representación del proceso de fragmentación y sus diferentes estados

(modificado de Forman (1995) y Jaeger (2000)). En gris se representa la cobertura original y en
blanco las coberturas de origen antrópico. Porciones del paisaje en el período 2002/2004 en: b) Pampa
Inundable, c) Campos del Norte, d) Pampa Mesopotámica, y e) Pampa Ondulada (Baldi, 2007).
Caja 2.3 Cambios en la cobertura del suelo: su detección y modelado usando

SIG y modelos markovianos (adaptado de Vega, et al. 2009.
Agriculture, Ecosystems & Environment 134:287-292).
La descripción de la dinámica de la cobertura del suelo es elemento clave para

la planificación del uso del territorio. La figura 2.3.1 muestra la distribución de
tipos de cobertura del suelo en los pastizales del Río de la Plata. Esta clasificación
se basa en secuencias multitemporales de imágenes Landsat (Baldi et al. 2006,
Baldi y Paruelo, 2008). La comparación directa de ambas clasificaciones permite
cuantificar los cambios en la superficie de pastizales, cultivos y áreas forestadas
(gráficos de tortas en la figura 2.3.1). El uso de algunas de las herramientas de un
SIG permite extraer más información de la dinámica de cambios. Mediante una
operación de superposición de archivos vectoriales correspondiente a una grilla
de 8 x 8 km y a los límites de unidades biogeográficas sobre la capa raster de las
clasificaciones, es posible resumir la información de cada celda para cada unidad
biogeográfica (Figura 2.3.2). Esto resume la información de cambio por unidad,
poniéndose de manifiesto una importante heterogeneidad en la tasa de cambio en
la cobertura de la clase pastizal (Figura 2.3.2). Más aún, la superposición de ambas
clasificaciones define áreas que experimentaron distintas transiciones a lo largo
del período estudiado (Figura 2.3.3a). Así por ejemplo, las áreas amarillas de la
figura corresponden a sitios que eran pastizales y lo siguieron siendo, las rojas a
zonas de cultivos que se mantuvieron como tales y las violetas a pastizales que du-
rante el período comprendido entre las clasificaciones pasaron a estar cultivadas.
A partir de ese nuevo mapa (la intersección de los anteriores), es posible estimar la
dinámica entre tipos de cobertura (Figura 2.3.3b) y de allí derivar la frecuencia de
transiciones entre tipos de coberturas (Figura 2.3.3c). Estas frecuencias pueden ser
asimiladas a probabilidades de transición entre coberturas de manera de resumir
la dinámica de una celda con una matriz de transiciones A o modelo markoviano
(Figura 2.3.3d). Una propiedad de los modelos markovianos es que puede calcu-
larse el vector de proporciones estables w, en este caso, la proporción de tipos de
cobertura en el equilibrio (siempre y cuando las probabilidades no cambien).
Figura 2.3.1 Mapas de cobertura del suelo (ver Figura 2.2.1 Caja 2.2) para dos períodos
a) 1985/1989 y b) 2002/2004. A la derecha se indican en gráficos de “torta” la proporción de
los distintos tipos de cobertura en los dos períodos (Paruelo y Baldi, 2008).
Figura 2.3.2 a) Para cada una de las 3411 unidades de grilla de 8 x 8 kilómetros de
la clasificación de cobertura del suelo (ver Figura 2.2.1, Paruelo y Baldi, 2008), b) se extrajo la
superficie ocupada por cada una de las cinco clases de uso y cobertura del suelo y c) se discriminó
según distrito fitogeográfico. Los resultados de esta medida o índice porcentaje del paisaje (PPAI)
se presentan en diagramas de tipo “box plot” d). Estos diagramas resumen dos medidas de tenden-
cia central (media y mediana), los cuantiles superiores e inferiores y los valores extremos. En el
caso de estudio, los extremos de las cajas representan los cuantiles 0,25 y 0,75, mientras que los
extremos de los bigotes representan los cuantiles 0,05 y 0,95. El panel de abajo se muestran los
diagramas “box plots” para cada distrito y período y la variación relativa en la cobertura (Baldi, 2007).
Figura 2.3.3 a) Intersección de dos mapas de cobertura del suelo presentadas en la figura 2.3.1.
b) Esquema que representa la dinámica entre tipos de cobertura. c) Estimación de probabilidades de
transición entre tipos de coberturas y modelo Markoviano (matriz A).
d) Cambios en la proporción de tipos de coberturas a lo largo del tiempo (iteraciones del modelo) y
proporciones estables (w). Condiciones de equilibrio del modelo markoviano, λ corresponde al eigen-
vector de la matriz (Paruelo et al., 2010).

Sistemas de Información Geográfica

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas de Información Geográfica

Cargado por

Copyright:

Formatos disponibles

Capítulo 2

Sistemas de información geográfica

Un SIG (Sistema de Información Geográfica), es un sistema capaz de inte-

asocia en buena medida a su capacidad de asimilar datos de fuentes muy diversas

nado en una computadora y ser georeferenciado. Las estructuras de datos digitales

2.2 Estructura de un SIG

Un SIG almacena datos e información como una colección de capas temáticas

el caso de mapas temáticos, en donde se almacenan códigos de clases. En este último

topológica los objetos espaciales deben

Dos de ellos son estructuras raster

Figura 2.8 Distintas representaciones de polígonos contiguos.

Los modelos de representación de datos geográficos (raster y vectorial) tienen

Tabla 2.1 Comparación entre las representaciones raster y vectoriales.

Características Formato RASTER Formato VECTORIAL

2.3 La escala y la precisión en mapas digitales

En el capítulo 3 se discuten los conceptos asociados al término escala. En los

puede evaluarse cuánto mejora la estimación de la superficie afectada por un dado

2.4 Funcionamiento de un SIG

El funcionamiento de un SIG involucra las tareas de captura e ingreso de da-

2.4.1 Captura de datos

Los datos a integrar en un SIG provienen de múltiples fuentes. Una primera

vez incorporados al SIG denominaremos a cada uno de esos conjuntos de datos

Figura 2.9 Ejemplo de un SIG (Sistema de Información Geográfico) para un área de

Tabla 2.2 Características de las capas incluidas en el ejemplo SIG

Nombre de la Capa Tipo de formato Descripción

Imagen Landsat 5 TM Raster 30 x 30m Falso color compuesto

Aguadas Vector de puntos Volumen (l/hora)

2.4.2 Operaciones básicas de un SIG

En términos generales con un SIG pueden realizarse operaciones típicas de

2.4.2.1 Selección de datos y búsquedas (Queries)

Como en cualquier base de datos en un SIG pueden seleccionarse datos que

2.4.2.2 Cálculos y recodificación

Los cálculos que se realizan en un SIG incluyen la medición de superficies y

Figura 2.11 Recodificación de un mapa temático de Unidades Fisonómicas

2.4.2.3 Análisis de proximidad

Figura 2.12 Análisis de proximidad

2.4.2.4 Análisis de contigüidad

Figura 2.13 Análisis de contigüidad reali-

2.4.2.5 Análisis de vecindad

Este tipo de análisis se lleva a cabo en archivos raster y consiste en la modi-

Figura 2.14 Esquema que representa un ejemplo de análisis de vecindad.

2.4.2.6 Agregación espacial

En archivos raster en ocasiones es útil reducir el exceso de detalle espacial.

Figura 2.15 Ejemplo de agregación espacial a partir de una imagen Landsat

2.4.2.7 Operaciones de superposición

Figura 2.17 Esquema representativo de la intersección de dos vectores A y B

lógicos para generar nuevas capas a partir de “tablas de decisión”, o sea, de la

Figura 2.18 Ejemplo de operaciones lógicas aplicadas a un archivo raster.

Figura 2.19 Ejemplos de operadores lógicos (recuadro de la izquierda) y un caso de tablas de

Figura 2.20 Posibles cálculos de superposición algebraica de capas. R1 es el resultado de

2.4.2.8 Operaciones lineares

Un conjunto diferente de operaciones incluye el cómputo de redes. Una red es

en el menor tiempo posible deberá elegirse un camino que no necesariamente es

2.5 Dominio espacial de datos puntuales, identificación de límites

Figura 2.22 a) Ubicación de puestos de guardaparque en un parque nacional, b) construcción

traza una línea perpendicular equidistante de ambos puntos (bisectriz). La inter-

un método geoestadístico de estimación de puntos que utiliza un modelo de vario-

Caja 2.1 La renta normal potencial de la tierra. Un método de cálculo

Caja 2.2 Evaluación de la estructura (composición y configuración) de los

los parches de pastizales. El número de parches es una medida intuitiva y simple

Tabla 2.2.1 Listado de índices de paisaje, sus fórmulas y abreviaturas.

Índice Fórmula Unidades Abreviatura

Porcentaje del paisaje % PPAI

Número de parches parches NUMP