Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2.1 Introducción
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
Sistemas de información geográfica 43
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.
Figura 2.3 Distintas formas de construir un mosaico (raster) usando diferentes formas
geométricas: triángulo, cuadrado y hexágono.
44 Percepción remota y sistemas de información geográfica
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
Sistemas de información geográfica 45
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.
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.
Sistemas de información geográfica 47
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.
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
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.
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:
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).
Sistemas de información geográfica 53
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.
54 Percepción remota y sistemas de información geográfica
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.
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
58 Percepción remota y sistemas de información geográfica
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).
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 2.21 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).
62 Percepción remota y sistemas de información geográfica
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
Sistemas de información geográfica 63
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
Sistemas de información geográfica 77
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.
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 2.3.1 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).
82 Percepción remota y sistemas de información geográfica
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).
Sistemas de información geográfica 83
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).