MODELO DE ELEVACIN DIGITAL PARA LAS HOJAS CARTOGRFICAS TILARN Y JUNTAS ESCALA 1:50.

000 DEL INSTITUTO GEOGRAFICO NACIONAL, COSTA RICA

Jorge Fallas, TELESIG-UNA (jfallas@racsa.co.cr Laboratorio de Teledeteccin y Sistemas de Informacin Geogrfica Programa Regional en Manejo de Vida Silvestre y Escuela de Ciencias Ambientales 2003

Indice Introduccin.......................................................................................................................................... 1 Modelo digital de elevacin (MDE)..................................................................................................... 1 Mtodos de interpolacin ..................................................................................................................... 2 Interpolacin a partir de puntos ........................................................................................................ 3 Interpolacin a partir de tringulos irregulares (TIN) ...................................................................... 5 Evaluacin de la exactitud del modelo digital de elevacin................................................................. 5 Exactitud........................................................................................................................................... 5 Error aritmtico promedio ................................................................................................................ 6 Error absoluto promedio................................................................................................................... 6 Raz cuadrada del error medio cuadrtico ........................................................................................ 6 Desviacin estndar o tpica (DT) .................................................................................................... 6 Estndares para modelos digitales de elevacin................................................................................... 7 Insumos para elaborar un modelo digital de elevacin ........................................................................ 8 Densidad y distribucin de los datos .................................................................................................... 9 Esquemas de muestreo.......................................................................................................................... 9 Edicin del modelo digital de elevacin............................................................................................. 12 Seleccin del mejor mtodos para crear un MDE .............................................................................. 13 Metodologa........................................................................................................................................ 13 Edicin de curvas de nivel.............................................................................................................. 13 Mtodos de interpolacin ............................................................................................................... 16 Tringulos irregulares................................................................................................................. 16 Curvatura mnima ....................................................................................................................... 16 Evaluacin de la bondad de ajuste de los interpoladores ................................................................... 18 Modelo de elevacin digital seleccionado para la cuenca del ro Chiquito........................................ 20 Aplicaciones ....................................................................................................................................... 20 Pendiente ........................................................................................................................................ 20 Sombreado del terreno.................................................................................................................... 24 Referencias ......................................................................................................................................... 26

1 Introduccin El trmino Modelo Digital del Terreno (MDT) fue acuado, segn Petrie y Kennie (1990) por Miller y La Flamme, dos ingenieros del Instituto Tecnolgico de Massachusetts, a finales de los aos 50. Segn estos investigadores un modelo digital del terreno es una representacin estadstica de una superficie continua del terreno mediante un conjunto infinito de puntos cuyos valores en X, Y y Z son conocidos y estn definidos en un sistema de coordenadas particular. Un modelo digital de elevacin en una representacin teselar de la superficie terrestre que permite realizar clculos de volmenes a remover o rellenar en trabajos de ingeniera, mapeo y estudios batimtricos e hidrolgicos, mapeo geolgico y geofsico, simulacin y anlisis del paisaje, estimacin de reas a inundar en proyectos hidroelctricos, estudios de intervisibilidad para determinar la ubicacin de antenas para telecomunicaciones, anlisis estadstico del terreno, determinacin de pendiente, aspecto, sombreado del terreno y visualizacin en 2.5D (Burroughs, 1986; ESRI, 1996; 1997; Keckler, D. 1995; Weibel y Heller, 1991). Algunos trminos utilizados para describir un modelo digital de elevacin son (Burrough, 1986; Petrie y Kennie, 1990): Modelo digital de elevacin (MDE) En este caso la palabra elevacin enfatiza el concepto de medicin de altura con respecto a un datum y la generacin por parte del modelo de valores absolutos de altura. Este trmino se utiliza con frecuencia en los Estados Unidos para describir un arreglo rectangular o exagonal de puntos con valores de elevacin obtenidos por mtodos fotogramtricos o cartogrficos. Modelo digital de altura (MDA) Este trminos aparentemente se origin en Alemania y su significado es similar al anterior; ya que las palabras altura y elevacin pueden utilizarse como sinnimos. Modelo digital de la tierra (MDT) En este caso se enfatiza el hecho de que la superficie terrestre es un continuo y que por lo tanto se pueden utilizar mtodos de interpolacin para obtener estimaciones de Z para aquellos sitios para los cuales no se posea informacin. El trmino se utiliza en Inglaterra; sin embargo con el tiempo se ha ido reemplazando por modelo digital del terreno. Modelo digital del terreno Este concepto es un tanto ms generalista; ya que el eje Z incluye tanto el uso de elevaciones (Ej. metros sobre el nivel del mar) como de alturas (Ej. levantamiento topogrfico); as como los accidentes tpicos del paisaje (Ej. ros, riscos, caadas, etc). Para muchos usuarios el trmino incluye tanto los elementos planimtricos como hipsomtricos propios del paisaje; as como la informacin derivada a partir del modelo (Ej pendiente, intervisibilidad y orientacin, entre otros). La elaboracin de modelos digitales de elevacin (MDE) a partir de curvas de nivel o valores puntuales (X,Y,Z) es una de las operaciones de mayor inters para los usuarios de los Sistemas de Informacin Geogrfica. Existe una gran diversidad de programas (Thoen,1997) que permiten crear modelos digitales de elevacin sin embargo, en el ambiente nacional, la mayora de los usuarios utilizan Surfer (Golden Software, 1999), IDRISI (Eastman, 1997) y las extensiones Spatial Analyst y 3D Analyst de ArcView (ESRI, 1997; 1998) para crear sus modelos de elevacin digital. El presente documento tiene como objetivo describir los datos y la metodologa utilizada en la elaboracin del modelo de elevacin digital para las hojas Tilarn y Juntas escala 1:50.000 del

2 Instituto Geogrfico Nacional. El proyecto se realiz en el marco del estudio Impacto Hidrolgico en la conversin de los bosques de niebla en pastos, con especial referencia a los bosques de niebla de Costa Rica que se realiza en la cuenca del ro Chiquito (Fig.1) y que es financiado por la Agencia de Cooperacin Inglesa (DFIF).

Fig. 1: Ubicacin de la cuenca del ro Chiquito Mtodos de interpolacin La interpolacin permite estimar, a partir de una muestra de valores X, Y y Z, valores de Z para un set de puntos (X,Y) y puede utilizarse para estimar valores de Z para puntos particulares (X, Y); estimar valores de Z para una cuadrcula rectangular; para cambiar la resolucin de la cuadrcula en un archivo raster (mtodo conocido como remuestreo). Los interpoladores que operan a partir de puntos pueden clasificarse a su vez en (Oliver, 1990): Exactos: Preservan los valores originales de los puntos de muestreo. No exactos: No mantienen los valores originales de los puntos de muestreo. Globales: La interpolacin est basada en todos los puntos de muestreo. Locales: La interpolacin est basada en un subset de los puntos de muestreo.

3 Interpolacin a partir de puntos Una de las fuentes de datos para elaborar modelos digitales de elevacin son ubicaciones (X,Y) con sus respectivos valores de elevacin. Los puntos pueden muestrearse en forma aleatoria o utilizando un patrn regular (sistemtico). A partir de estos valores las rutinas de interpolacin crean una superficie en la cual cada punto tiene un valor estimado. Independientemente del interpolador utilizado la calidad del MDE depender del nmero y la distribucin de puntos de muestreo; as como de las caractersticas del terreno. Cuanto mayor sea el nmero de puntos y mejor distribuidos se encuentren mejores sern los resultados. Mtodos de interpolacin local Entre los mtodos de interpolacin local tenemos (ESRI, 1997, 1998; Golden Software, 1999; Petrie, 1990): Distancia inversa ponderada (DIP) Este interpolador asume que cada punto en el set de datos tiene una influencia local que disminuye con la distancia y que por tanto los valores de los puntos cercanos al nodo que se procesa tienen mayor importancia o peso en la estimacin del valor que ser asignado al mismo que los puntos ms lejanos. Normalmente, la bsqueda se hace considerando un nmero de puntos o un radio (crculo alrededor de la celda de inters) (Fig. 3). El interpolador se comporta como exacto cuando no se utiliza ningn factor de suavizado. Uno de los defectos de este mtodo de interpolacin es que genera una superficie con una apariencia de ojos de buey alrededor de los puntos de muestreo.

Figura 2: Concepto de distancia de bsqueda. Curvatura mnima (Spline) Este interpolador tiene su origen en los antiguos moldes curvos que utilizaban los dibujantes para ajustar un curva a una serie de puntos; y es realmente un conjunto de polinomios cbicos que describen tanto la tendencia como la magnitud de una lnea (ESI, 1996b; Keckler, 1995). La forma de la curva es definida localmente a partir de un subset de los datos. Algunos programas utilizan Bsplines, los cuales son a su vez la suma de otros splines utilizados para suavizar lneas. El interpolador ajusta una lnea de curvatura mnima a partir de los puntos de muestreo (X,Y,Z) y por lo tanto se comporta como un interpolador exacto (la superficie creada mantendr los valores de Z de los datos originales). Este mtodo de interpolacin es apropiado para superficies que varan en forma gradual tales como elevacin, precipitacin, temperatura, concentraciones de contaminantes y

4 profundidad de la tabla de agua; sin embargo no es apropiado para extrapolar valores. Cuando los cambios son muy abruptos no se recomienda utilizar este interpolador. El interpolador es muy utilizado en las ciencias de la Tierra (Ej. geologa, edafologa, geomorfologa, climatologa). Kriging El mtodo de interpolacin Kriging asume que la distancia y/o la direccin entre puntos de muestreo es una expresin de la correlacin espacial entre los puntos y que por tanto dicha informacin puede utilizarse para explicar la variabilidad encontrada en la superficie muestreada (Isaacks y Srivastava, 1989). El algoritmo del programa utilizado ajusta una funcin matemtica a un determinado nmero de puntos o a aquellos que se encuentren en un radio de bsqueda. Este interpolador es ms complejo que los anteriores y normalmente requiere de cierto conocimiento estadstico por parte del usuario(a). El anlisis incluye los siguientes pasos: anlisis estadstico exploratorio del set de datos, modelado del variograma, interpolacin de la superficie y anlisis de la superficie de varianza. Este interpolador se utiliza con mucha frecuencia en estudios geolgicos y edafolgicos. El mtodo de interpolacin Kriging puede utilizarse prcticamente con cualquier tipo de datos ya que es muy flexible. Cuando no se especifica la varianza pepita o nugget el interpolador se comporta como exacto. En general, Kriging es considerado como uno de los mejores mtodos de interpolacin ya que provee estimaciones insesgadas y de varianza mnima (Oliver, 1990). Este interpolador considera tanto la direccin como la magnitud de la correlacin espacial en el set de datos. Kriging ordinario ( Sin tendencia) Este mtodo de interpolacin es apropiado para datos con una distribucin regular de los datos (isotrpica). Un proceso es isotrpico cuando es estrictamente estacionario y su variacin no est asociada a una direccin particular en el set de datos. Una variable es estrictamente estacionaria si su componente estocstico (Xi ) satisface la siguiente condicin (Haggett, Cliff and Frey, 1977): La distribucin conjunta de las 7Xi ? depende solamente de la posicin relativa de las observaciones; o sea no existe ningn efecto estructural en los datos.

Kriging Universal El Kriging universal no tiene un variograma y adems el mtodo de interpolacin se sustenta en el hecho de que puede existir tanto u patrn local como uno estructural. Este mtodo de interpolacin es apropiado cuando los datos no tienen una distribucin homognea y por lo tanto se debe interpolar la superficie a partir de espacios sin informacin; tambin puede utilizarse cuando se desea extrapolar la superficie ms all de los lmites de los datos muestreados. La interpolacin se realiza va dos mtodos: Kriging Universal con tendencia lineal: Este mtodo de interpolacin es apropiado cuando los datos exhiben un patrn o tendencia lineal. En caso de duda este es el mtodo recomendado, y Kriging Universal con tendencia cuadrtica: Este mtodo de interpolacin es apropiado cuando los datos exhiben un patrn o tendencia cuadrtica (forma de parbola con depresiones).

5 El Kriging universal es apropiado cuando la variacin espacial del set de datos puede segregarse en un componente aleatorio y otro de tendencia o drift. Otras extensiones del mtodo Kriging son co-Kriging y Kriging disyuntivo ( Cressie, 1993; Oliver y Wbster,1990). Interpolacin a partir de tringulos irregulares (TIN) El modelo de datos TIN (por sus siglas en ingls) como un medio para almacenar, recuperar analizar datos topogrficos fue inventado en forma independiente en Amrica del Norte al menos tres veces en los primeros aos de la dcada del 70 (Mark, 1977). El modelo TIN surgi como una respuesta a la necesidad de buscar una estructura de datos alterna a la raster utilizada hasta aquel momento para representar Modelos Digitales del Elevacin (MDE) y a la insatisfaccin por parte de los usuarios(as) con el software existente para crear isolneas. Para finales de los aos 70 se haba aceptado el modelo TIN como la forma estndar de representar la topografa en un SIG y en otros programas de cmputo. La superficie puede representarse mediante un conjunto de puntos con un espaciamiento regular (en ingls, lattice) utilizando una red de tringulos irregulares (Triangulated Irregular Network, TIN, por sus siglas en ingls). El modelo TIN est formado por un conjunto de tringulos adyacentes que no se traslapan, los cuales se derivan a partir de un set de puntos con un espaciamiento irregular. El modelo TIN almacena la informacin topolgica que define las relaciones espaciales entre cada uno de los tringulos y sus vecinos (Ej. informacin sobre los vrtices y los lados de cada tringulo). El modelo TIN es apropiado para representar las irregularidades del terreno y para derivar mtricas del paisaje tales como pendiente, aspecto y sombreado del terreno. Sin embargo cuando se requiere utilizar la superficie con fines de modelado (Ej. simulacin de escorrenta superficial), la estructura de datos raster es ms apropiada. Los puntos equidistantes derivados del modelo TIN (cuadrcula) son el insumo a partir de los cuales se estiman los valores Z (Ej. elevacin) que posteriormente permitir crear un archivo de tipo raster. Evaluacin de la exactitud del modelo digital de elevacin Todo modelo digital de elevacin est sujeto a dos fuentes de error. La primera se denomina aleatoria y representan una sobre o sub estimacin de los valores reales de elevacin como resultado del azar. Estos errores no muestran un patrn determinado, en promedio su valor es igual a cero y los errores positivos y negativos tienen una frecuencia similar. El segundo tipo se denomina sistemtico y tambin representan una sub sobre estimacin de los datos de elevacin; sin embargo, a diferencia de los primeros, tienen un patrn determinado y su promedio no es igual a cero (Maling, 1989). Exactitud Desde un punto de vista estadstico, la exactitud mide la magnitud y direccin del error o sesgo en el set de datos. Cuando no existe sesgo, el promedio de la variable es igual su valor verdadero (estimador insesgado). Para aplicar este concepto a un MDE es necesario comparar las elevaciones derivadas del mismo con otra fuente de informacin con un mayor grado de exactitud; por ejemplo, un mapa con valores mas exactos, valores de campo o elevaciones obtenidas por medios fotogramtricos (Cressie, 1993; Maling, 1989; Weibel y Heller,1991). La comparacin resulta en una serie de diferencias denominadas residuos, cuyos valores pueden ser positivos o negativos. Estas diferencias se expresan estadsticamente como error promedio, error absoluto promedio y raz cuadrada del error medio cuadrtico (Shearer, 1990):

6 Error aritmtico promedio El promedio indica la tendencia central de los errores y por lo tanto no indica la magnitud ni la direccin del error para puntos individuales. Cuando los errores son aleatorios la media tiende a cero y cuando existe un sesgo en los datos su valor ser diferente de cero. El promedio aritmtico no es un buen indicador del error del MDE pues un valor muy grande puede ser compensado por otro grupo de valores pequeos. Por ejemplo, un error de -100 metros podra ser compensado por diez errores de 10 metros y en promedio el error sera igual a cero (0). El error promedio es igual a: r = 3 ri / n (1)

en donde: ri = residuos obtenidos en n puntos diferentes (tamao de la muestra). Error absoluto promedio El error absoluto promedio indica la tendencia central de la distribucin de errores sin considerar su signo y su valor es mayor o igual a cero. Este valor representa mejor el error esperado del MDE. Por ejemplo, para el caso mencionado en el prrafo anterior el error sera 18.2m. El error absoluto promedio es igual a: EAP = 3 *ri* / n en donde: ri = residuos * * = valor absoluto n = nmero de observaciones (tamao de la muestra) (2)

Raz cuadrada del error medio cuadrtico La raz cuadrada del error medio cuadrtico (RCEMC) es una expresin matemtica que captura tanto la magnitud como la variabilidad de las desviaciones de una serie de puntos de muestreo. Su frmula es: EMC = ( 3 (ri) 2 / n) 0.5 (3)

Desviacin estndar o tpica (DT) La desviacin estndar, tambin conocida como error estndar en el ambiente cartogrfco, expresa la desviacin de los errores (ri) con respecto al promedio r. Su expresin matemtica es la siguiente: DT = ( 3 (ri - r ) 2 / n-1) 0.5 (4) Cuando r = 0, la RCEMC es igual a la desviacin estndar de los errores; sin embargo si r 0 el valor de la RCEMC ser mayor que DT. En la literatura cartografa se le denomina con frecuencia a ambos trminos error estndar. Cuando los residuos tienen una distribucin normal, el 95% de los mismos se encontrarn entre 2DT y +2DT. Otros valores de uso comn son los siguientes:

7 Mltiplo de DT 0.6745 1.01 1.5 1.645 2.0 3.0 40. 0 % de puntos incluidos 50 68.3 86.6 90 95.5 99.7 99.9 Denominacin Error medio Error estndar q=1-P 0.5 0.333 0.143 0.1 0.05 Error mximo* 0.003 0.0001 % 50 33.3 14.3 10 5 0.3 0.01 k 1/2 1/3 1/7 1/10 1/20 1/333 1/10000

1-P: Probabilidad de que las observaciones exceden dichos lmites por factores de azar. %: Porcentaje de 1as observaciones que exceden dichos lmites por factores de azar. *: Conocido como criterio de Chauvenet (Maling, 1989). Cualquier residuo que exceda 3 desviaciones estndares es considerado como un valor extremo y es candidato a ser eliminado. Estndares para modelos digitales de elevacin Los estndares propuestos para la cartografa analgica (Ej. ecuaciones de Kopp y Normas de la Agencia Cartogrfica de los Estados Unidos de Amrica) se basan en la gradiente de terreno y en la escala del producto cartogrfico. En los modelos digitales de elevacin no existe la escala como tal y por tanto se consideran independientes de la misma; sin embargo para los archivos raster puede utilizarse la separacin entre los nodos de la cuadrcula como un equivalente de la escala. Ley (1986) citado por Shearer (1990), sugiere utilizar la siguiente equivalencia entre escala y tamao de la celda: Separacin entre nodos 30 m 100 m Equivalente a escala 1:50.000 1:250.000 Error planimtrico (RCEMC) 90% de los errores +25 m 90% de los errores +125 m

Utilizando esta equivalencia puede establecerse la exactitud de un MDE a partir de las normas utilizadas para la cartografa convencional. Un Modelo Digital del Terreno (DEM, por su siglas en ingls) en los Estados Unidos de Amrica es un archivo digital con puntos equidistantes en sentido norte-sur (X,Y) y con un valor de elevacin en el eje Z (Maune, 1994). A partir de los mapas 1:24.000 se trazan perfiles en sentido Norte-Sur con una separacin de 30 m entre s. Cada perfil a su vez contiene puntos con una separacin de 30m; por cuanto el producto final es una matriz regular de 30*30 m. Para los mapas 1:250.000, la separacin entre los perfiles y los puntos est basado en coordenadas geogrficas (latitud, longitud). La separacin entre perfiles y puntos es de 3 segundos de arco, lo cual corresponde a aproximadamente 90m en el sentido norte-sur y a una distancia variable en el sentido este-oeste. Esta ltima distancia depende de la ubicacin del lugar ya que los meridianos convergen conforme aumenta la latitud. A continuacin se describen las especificaciones de los MDE de nivel I, II y III utilizados en los Estados Unidos de Amrica (Brown, 1994; Maune, 1994;Veregin, 1997). En todos los casos el error es calculado a partir de una muestra de al menos 28 puntos. Nivel I Los valores de elevacin son estimados a partir de mtodos fotogramtricos. El MDE debe tener un error mximo (RCEMCz) de 15m y ningn error puede exceder 50m (aproximadamente 3 veces la RCEMC). Este MDE cumple con los requisitos para elaborar ortofotos a escala 1:12.000.

8 Nivel II EL MDE es creado a partir de curvas de nivel y el error (RCEMCz) permisible es 0.5 veces el intervalo entre curvas de nivel del mapa fuente; adems ningn error puede superar el intervalo de una curva de nivel. Las especificaciones de este nivel estn diseadas para que el usuario obtenga resultados similares a los que obtendra con mtodos manuales y utilizando mapas impresos a la misma escala. Nivel III Este MDE es creado a partir de curvas de nivel y otra informacin auxiliar (Ej. Datos de campo). El error permisible en elevacin (RCEMCZ) es de 7 m y ningn error puede superar el intervalo de una curva de nivel. Debido a que los estndares anteriores estn basados en normas para cartografa analgica, el Comit Federal para Datos Geogrficos de los Estados Unidos de Amrica aprob en junio de 1998 los Estndares Nacionales de Exactitud para Datos Espaciales (NSSDA, por su siglas en ingls) (http://mcmcweb.er.usgs.gov/sdts/, http://www.fgdc.gov/standards/status/sub1_3.html). Dichos estndares definen la metodologa y los estadsticos a utilizar para evaluar la exactitud tanto de mapas digitales como analgicos. Estos nuevos estndares recomiendan calcular un intervalo de confianza al 95% para el error (1.96*RCEMCz). Insumos para elaborar un modelo digital de elevacin Los insumos para elaborar un MDE pueden obtenerse a travs de levantamientos de campo, mtodos fotogramtricos y digitando elevaciones a partir de hojas topogrficas. El trabajo de campo es el mtodo mas costoso pero tambin el que genera los datos de mejor calidad. Las hojas topogrficas, son la fuente de menor costo, pero tambin pueden ser las de menor calidad. El levantamiento de campo es factible para reas pequeas y que requieran de gran exactitud. Acherman (1978) reporta que se requiri de 13 das para levantar 6000 puntos de campo en tanto que en 5.5 horas se levantaron 8500 puntos por medios fotogramtricos. La exactitud de ambos mtodos no es la misma (0.25m y 0.4m, respectivamente); sin embargo en ambos casos se pudo elaborar cartografa con curvas de nivel de 1 m; lo cual es apropiado para un sinnmero de aplicaciones. Cuando se utilicen medios fotogramtricos deben considerarse los siguientes aspectos (Shearer, 1990): T T T T Escala de la foto y altura de vuelo Razn de base-elevacin Exactitud del equipo utilizado Mtodo utilizado para levantar los datos Esttico o puntual: Este mtodo brinda mayor exactitud. Dinmico, perfiles o curvas de nivel: Este mtodo brinda una exactitud de aproximadamente 1/3 del anterior.

En el caso de las hojas topogrficas, la exactitud depender de la escala del mapa y del intervalo entre curvas de nivel. Otro aspecto que influir en el producto es el mtodo utilizado para digitar las curvas. Los mtodos manuales (mesa digitalizadora) pueden incluir un error planimtrico de 0.5mm, en tanto que los mtodos semiautomticos (uso de escner) pueden generar errores menores. Sin embargo, en todo caso esta fuente de datos es el que genera los MDE de menor exactitud.

9 Densidad y distribucin de los datos La densidad y distribucin de los insumos influyen en la exactitud del modelo de elevacin digital. Una distribucin regular y densa de puntos (Ej. cuadrcula) el uso de perfiles paralelos brindan una excelente cobertura del rea y por lo tanto generan MDE realistas. Sin embargo, cuando el terreno es muy escarpado y con inflexiones frecuentes se tiende a perder los detalles menores del paisaje (Ej. acantilados, cimas de la montaa, crcavas y pequeas caadas). Una solucin a esta limitante es complementar los datos anteriores con puntos particulares o lneas que indiquen inflexiones en el terreno. Los mapas de curvas de nivel son una fuente aceptable de datos para crear MDE; sin embargo la densidad de los datos estar directamente relacionada con la pendiente del terreno. Sitios con fuerte pendiente tendrn una mayor cantidad de puntos comparados con sitios ubicados en reas planas. En este caso tambin es aconsejable suplementar la informacin de curvas de nivel con valores puntuales y lneas que indican cambios bruscos en el terreno. Esquemas de muestreo El modelo digital de elevacin puede elaborarse a partir de datos obtenidos utilizando diferente mtodos de muestreo (Weibel y Heller, 1991): < < < < < < < < Perfiles Puntos equidistantes (cuadrcula) Muestreo selectivo: Lneas que indican cambios bruscos en el terreno Curvas de nivel Puntos aleatorios con elevaciones conocidas Muestreo progresivo: Lo intensidad de muestreo est en funcin de la complejidad del terreno; se muestrea con un patrn jerrquico. Muestreo compuesto: combinacin de muestreo selectivo y muestreo progresivo.

Perfiles

Muestreo sistemtico

10

Muestreo progresivo Figura 3: Esquemas de muestreo.

Muestreo compuesto

El cuadro 1 resumen los resultados reportados por Ebner y Reiss (1984) en cuanto a la eficiencia de las diferentes estrategias de muestreo. Cuadro 1: Eficiencia de diferentes estrategias de muestreo utilizadas para recabar datos para elaborar un MDE. Fuente: Ebner y Reiss,1984. Tipo de insumo Cuadrcula con una separacin entre nodos de 10m Perfiles con una separacin original de 10m Exactitud del insumo 0.25m Resultados El MDE elaborado a partir de la cuadrcula brind los mejores resultados (menor RCEMCz). La raz cuadrada del error medio cuadrtico (RCEMCZ) vari entre 0.47m para perfiles con una separacin de 20m y 0.52m para perfiles con una separacin de 60m. El tamao de celda utilizado fue 20m. El RCEMCZ para celdas con tamaos entre 20m y 60m vari entre 0.47m y 0.61m, respectivamente. La raz cuadrada del error medio cuadrtico (RCEMCZ) vari entre 0.51m para celdas de 20m y 0.57m para celdas de 60m.

0.5m

Curvas de nivel cada 2.5m

0.5m

Las implicaciones prcticas de estos resultados son las siguientes:

11 T T Las cuadrculas con un espaciamiento regular proveen un mejor insumo para elaborar modelos digitales del terreno que los perfiles. Las cuadrculas con un espaciamiento de hasta 60 m entre nodos provee una mejor fuente de datos para elaborar un MDE que perfiles o curvas de nivel con una densidad equivalente. Esto es muy importante pues reduce el tiempo y dinero requerido para levantar puntos en el campo o en las fotos areas.

Grassie (1982) citado por Shearer (1990) compar la exactitud de los MDE generados con diferentes programas comerciales utilizados en cartografa general y temtica. Los insumos consistieron en aproximadamente 300 puntos para los siguientes tipos de datos: < < < < < Puntos de muestreo sobre curvas de nivel Puntos sobre lneas que indican cambios bruscos en el terreno Puntos sobre ros Puntos en una cuadrcula con nodos cada 85m Puntos de elevacin conocida distribuidos en forma irregular

Los resultados se compararon con puntos de control derivados fotogramtricamente de una grilla con una separacin de 30m y de curvas de nivel con un intervalo entre curvas de 10m. Las conclusiones fueron las siguientes: T Todos los programas presentaron problemas en diferentes reas y en general no capturaron las irregularidades menores del paisaje obtenidas a partir de las curvas de nivel utilizadas como control. T Los mtodos que derivan valores para la cuadrcula basados en puntos al azar mostraron variaciones muy marcadas en la calidad del producto generado; seguidos por los mtodos basados en curvas de nivel. T Los mtodos globales de interpolacin mostraron los mayores errores seguidos por los mtodos locales y sus resultados son comparables con los mtodos basados en una bsqueda de puntos. T Los mtodos basados en la bsqueda de puntos alrededor de cada nodo de la cuadrcula tienden a generar curvas de nivel angulares en reas planas o de poca elevacin. Esto se debe a que el mtodo selecciona puntos con igual valor de elevacin alrededor de cada punto de la cuadrcula y por lo tanto los nodos de la cuadrcula tienden a tener el mismo valor que las curvas de nivel. T La distribucin espacial de los puntos de elevacin es crtica para lograr una adecuada representacin del paisaje en el MDE. Los mtodos basados en una cuadrcula regular mostraron mejores resultados que los basados en una distribucin irregular.
T

El error medio cuadrtico menor se obtuvo con los puntos distribuidos regularmente (3.31m a 6.54m), seguido por las curvas de nivel (3.49m a 6.27m) y finalmente por los puntos distribuidos en forma irregular (4.09m a 6.80m).

12 Curvas de nivel en mapas a escala 1:50.000 Lowthian (1986) citado por Shearer (1990) evalu la exactitud de modelos digitales del terreno elaborados a partir de curvas de nivel con un intervalo de 10 m, impresas en mapas a escala 1:50000 y digitadas manualmente. Los resultados se compararon con los valores de elevacin estimados para 2500 puntos derivados por mtodos fotogramtricos. Los resultados obtenidos fueron los siguientes: Error Absoluto Medio +6.75m Error Promedio -2.21m Error estndar (RCEMC) 6.44m

La diferencia en el promedio (indicador de error sistemtico) puede explicarse en parte, segn Shearer (1990), por diferencias en el sistema de referencia utilizado para generar los puntos de control y datos utilizados para crear el MDE. El error obtenido es aceptable para crear cartografa a escala 1:50.000. Observe, sin embargo que el intervalo entre curvas de nivel era de 10m y por lo tanto podra argumentarse que el error no debera exceder 5m (media curva). Edicin del modelo digital de elevacin Una vez creado el modelo digital de elevacin es necesario eliminar las inconsistencias generadas en el proceso de interpolacin. Entre las operaciones de depuracin que pueden aplicarse a un MDE tenemos (Weibel y Heller, 1991): 1. Edicin: Esta operacin puede realizarse tanto a nivel vectorial (TIN) como raster y consiste en modificar valores para puntos o celdas particulares. El SIG provee las herramientas para realizar dichas operaciones en forma automtica. 2. Filtrado: Esta operacin se aplica a un modelo de datos raster y tiene como objetivo eliminar valores inconsistentes en el MDE (Fig.4). Normalmente, se utiliza una filtro promedio en el dominio espacial (ventana mvil). Esta operacin tambin puede utilizarse para reducir la resolucin del MDE y por ende reducir el tamao del archivo.

Sumidero

Pico

Nuevo valor

Proceso puede automatizarse con la extensin: Hydrov11.avx

Figura 3: Proceso de eliminar sumideros y picos ficticios en el MDE. 3. Creacin de mosaicos: Con frecuencia los MDE son creados para espacios geogrficos definidos (Ej. una hoja 1:50.000) y por tanto es necesario su posterior fusin en unidades mayores denominadas mosaicos. La fusin de mapas puede hacerse tanto con archivos en formato raster como vectorial.

13 4. Cambio de formato: El MDE puede crearse como un archivo vectorial (TIN) o como uno raster; sin embargo con frecuencia es necesario pasar de un formato al otro. Esta transformacin es realizada por el SIG mediante diferentes mtodos de interpolacin. Es frecuente, por ejemplo, crear un modelo raster a partir de un TIN o crear isolneas (curvas de igual valor) a partir de un modelo raster. 5. Clasificacin y manipulacin: Las operaciones de clasificacin y manipulacin del MDE son parte de las herramientas que provee un Sistemas de Informacin Geogrfica. Por ejemplo, el MDE puede clasificarse en categoras de elevacin; tambin es posible crear elementos en 3D y derivar pendiente, orientacin y aspecto del terreno. Seleccin del mejor mtodos para crear un MDE El modelo digital de elevacin puede crearse utilizando una estructura de datos raster una vectorial (TIN). Los mtodos basados en una bsqueda selectiva de puntos brindan mejores resultados que los mtodos globales o locales (Shearer, 1990). Sin embargo, no es posible afirmar en forma categrica que siempre un mtodo dar mejores resultados que otro. Por esta razn es necesario evaluar los resultados de varios mtodos de interpolacin, documentar el grado de error y decidir s la calidad del mismo es apropiada para las necesidades de proyecto o aplicacin. Para algunos investigadores el mtodo de interpolacin basado en el modelo TIN es superior al raster; sin embargo esto no puede tomarse como una afirmacin absoluta (Carrara, Bitelliy y Carla, 1997; Carvacho y Snchez, 1997). Metodologa El modelo digital de elevacin se elabor a partir de curvas de nivel con un intervalo de 20 m (escala 1:50.000) adquiridas en formato digital del Instituto Geogrfico Nacional de Costa Rica. Edicin de curvas de nivel El modelo de elevacin digital se elabor a partir de curvas de nivel con una separacin de 20 m las cuales fueron vectorizadas y georefenciadas por parte del Instituto Geogrfico Nacional a partir de drminas a escala 1:50.000 (Fig. 4). Sin embargo al sobreponer las curvas de nivel a las hojas Juntas y Tilarn georeferenciadas y en formato digital se observ que las mismas no coincidan con la ubicacin de las curvas en el mapa (Fig. 5) y por tanto fue necesario editarlas utilizando ArcView GIS (Fig. 6). Una vez ajustadas las curvas de nivel al mapa 1:50.000 en formato digital se procedi a verificar sus valores de elevacin para luego crear un tema de puntos con una separacin de 25 metros entre ellos (Fig. 7). Para esto se utiliz la extensin Divide2.avx (www.esri/arcscripts). El valor de 25 metros se eligi asumiendo que el error planimtrico esperado para los mapas 1:50.000 es de 24m. Posteriormente, se cre un archivo con elevaciones puntales digitadas del mapa a escala 1:50.000. Finalmente, ambos archivos se fusionaron para crear un nico archivo de puntos; el cual se denomina masa de puntos en 3D Analista. Este archivo fue el insumo utilizado para crear el modelo digital de elevacin.

14

Figura 4: Curvas de nivel cada 20 metros utilizadas como insumo en la elaboracin del modelo digital de elevacin. Cuenca del ro Chiquito, Guanacaste.

Figura 5: Discrepancia entre el mapa 1:50.000 escaneado y georeferenciado y las curvas digitales vendidas por el IGN.

15

Figura 6: Curvas de nivel editadas.

Figura 7: Puntos con una separacin de 25 obtenidos de las curvas de nivel.

16 Mtodos de interpolacin Una vez creado el archivo de masa de puntos se procedi a crear el modelo digital de elevacin utilizando el programa ArcView GIS y las extensiones 3D Analista y Analista Espacial (www.esri.com). Los mtodos de interpolacin evaluados fueron tringulos irregulares y curvatura mnima (spline). Tringulos irregulares Este es un mtodo de interpolacin muy conocido y utilizado con datos vectoriales. El modelo fue creado a partir del archivo de masa de puntos utilizando la extensin 3D Analista de ArcView GIS (Fig. 8). Una de las limitaciones de este mtodo de interpolacin es que la separacin entre las caras de los tringulos es muy abrupta (Fig.8) y adems el interpolador no puede reproducir la elevacin del terreno en reas que se encuentran entre curvas de nivel con una misma elevacin; creando una apariencia de mesa o planicie en la cima de las colinas (Fig. 8). Posteriormente el archivo se rasteriz con una resolucin de 25 metros (Fig. 9). Curvatura mnima Este es un mtodo de interpolacin muy flexible que trata de reproducir la ubicacin de los puntos de muestreo en la superficie que se crea. Como insumo se utiliz el archivo de masa de puntos y la interpolacin se realiz utilizando la extensin Analista Espacial de ArcView Gis (Fig. 10).

Figura 8: Tringulos irregulares creados a partir de masa de puntos con una separacin de 25m entre puntos. Datos derivados de curvas de nivel cada 20 metros. Software: 3D Analista, ArcView GIS. (www.esri.com)

17

Figura 9: Apariencia de los tringulos irregulares rasterizados utilizando una cuadrcula de 25*25 m. Software: 3D Analista y Analista Espacial, ArcView GIS. (www.esri.com)

Figura 10: Superficie creada utilizando el mtodo de interpolacin de curvatura mnima (spline). Curvas de nivel cada 20 metros. Resolucin 25*25 m. Software: Analista Espacial, ArcView GIS. (www.esri.com)

18 Evaluacin de la bondad de ajuste de los interpoladores El grado de ajuste de las superficies creadas a la forma de terreno se evalu analizando la concordancia entre las curvas de nivel con un intervalo de 20 m creadas a partir de las superficies con las curvas de nivel originales (Fig. 11 y 12). El anlisis indic que el mtodo de interpolacin de curvatura mnima recrea mejor las curvas de nivel originales y por tanto se concluye que dicho mtodo de interpolacin es superior al de tringulos irregulares. Una desventaja del mtodo es el mayor tiempo de computo requerido para procesar el modelo digital de elevacin. Las figuras 13 y 14 muestran la discrepancia tanto a nivel espacial como en frecuencia (equivalente a rea) entre ambos mtodos de interpolacin. En general, la discrepancia fue muy pequea; pues el 96.9% de los pixeles mostr una diferencia de 10 metros; valor que se encuentra entre el error esperado de las curvas de nivel ( 0.5 curva de nivel).

Figura 11: Curvas de nivel recreadas del modelo digital de elevacin elaborado a partir de tringulos irregulares. Resolucin 25m. Software: 3D Analista, ArcView GIS. (www.esri.com). Las lneas rojas representan las curvas originales y las lneas color ciana las curvas creadas por la extensin 3D analista utilizando tringulos irregulares.

19

Figura 12: Curvas de nivel recreadas del modelo digital de elevacin elaborado a partir de mtodo de interpolacin de curvatura mnima (spline). Resolucin de 25m. Software: Analista Espacial, ArcView GIS. (www.esri.com)

Figura 13: Distribucin espacial de la discrepancia entre la superficie creada utilizando tringulos irregulares e interpolacin mediante curvatura mnima. Software: 3D Analista y Analista Espacial, ArcView GIS (www.esri.com).

20

80000 70000 60000

Frecuencia

50000 40000 30000 20000 10000 0

29

13

53

37

45

-6 9 -4 3 -3 5 -2 7 -1 9 -1 1

Diferencia (m)

Figura.14 : Distribucin de la discrepancia entre la superficie creada utilizando tringulos irregulares y curvatura mnima. Software: 3D Analista y Analista Espacial, ArcView GIS. Modelo de elevacin digital seleccionado para la cuenca del ro Chiquito Con base en los resultados de la evaluacin realizada se recomienda utilizar el modelo creado utilizando el mtodo de interpolacin de curvatura mnima (Fig. 15). Aplicaciones Entre las aplicaciones ms comunes de los modelos digitales de elevacin estn el clculo de pendiente, orientacin y sombreado del terreno. Pendiente La extensin DEMAT (DEM Analysis Tool) (thorsten.behrens@agrar.uni-giessen.de) permite calcular pendiente tanto en grados como en porcentaje utilizando los mtodos de Horn's (Fig. 16) y de Zevenbergen-Thorne (Fig. 17). El primer mtodo es mejor para superficies muy quebradas en tanto que el segundo para superficies menos abruptas (Burrough y McDonnell, 1999). La diferencia en pendiente para ambos mtodos se observa en la figura 18.

21

64

72

-3

21

Figura 15: Modelo digital de elevacin para la cuenca del ro Chiquito.

22

Figura 16: Pendiente, cuenca del ro Chiquito. Mtodo de estimacin de Horn.

23

Figura 17: Pendiente, cuenca del ro Chiquito. Mtodo de estimacin de Zevenbergen y Thorne.

24

Figura 18: Diferencia en el valor de la pendiente cuando se utiliza el algoritmo de Zenvenbergen Thorne y de Horn (Burrough y McDonnell, 1999). Extensin DEMAT.avx Sombreado del terreno El mtodo de sombreado del terreno fue desarrollado inicialmente por especialistas de las escuelas de cartografa de Suiza y Austria basados en los conceptos de claro-oscuro utilizados por los pintores del Renacimiento para crear objetos en tres dimensiones a partir de iluminacin y sombreados en sus pinturas (Burrough, 1986). El sombreado del terreno creado a partir de un MDE muestra como lucira el terreno si estuviese formado por un material ideal y fuese iluminado desde un ngulo particular (Fig. 19). Normalmente, el ngulo de la fuente de luz se ubica a 450 sobre el horizonte en el sentido noroeste (315). Sin embargo, el usuario puede modificar dicho valor en la mayora de los programas que permiten crear un mapa de sombreado del terreno. Algunos autores consideran que el modelo TIN brinda una representacin menos realista del terreno comparada con

25 un archivo raster; sin embargo esto depender de la densidad de puntos utilizados para crearlo. En el caso de los modelos raster (celdas equidistantes) el mapa de sombreado tiene una apariencia ms suavizada y por lo tanto crea una mejor impresin visual en el observador. Los mapas poli cromticos permiten apreciar mejor las caractersticas del paisaje que aquellos creados en tonos de grises.

Figura 19: Sombreado del terreno. Si usted est interesado(a) en obtener una copia del modelo digital de elevacin debe contactar a jfallas@raca.co.cr.

26 Referencias Ackerman, F. 1978. Experimental investigation into the accuracy of contouring through DTM.Proceedings of Digital Terrain Modelling Symposium, St. Louis, Missuri, USA. pp.165-192. Behrens Thorsten M. DEMAT - DEM Analysis Justus-Liebig-University Giessen, Germany Institut for Soil Science and Soil Conservation. thorsten.behrens@agrar.uni-giessen.de Brown, Daniel G. 1994. Anisotrophy in derivative surfaces as an indication of systematic errors in DEMs. International Symposium on the Spatial Accuracy of Natural Resources Data Bases. 1620May 1994. Williamsburg, Virginia.USA. American Society for Photogrammety and Remote Sensing.Pp.98-107. Burrough, P.A. 1986. Principles of Geographical Information Systems for land resources assessment. Monographs on Soil and Resources Survey. No.12. Oxford University Press. 193p. Burrough, P. A. y McDonnell. R. A. 1999: Principles of Geographical Information Systems. Oxford University Press Carrara, A; Bitelli, G. y Carla R. 1997. Comparison of techniques for generating digital terrain models for contour lines. Int. J. Geographical Information Science. Vol.11(5): 451-473. Carvacho Bart, Luis y Marcela Snchez Martnez. 1997. Modelos digitales del terreno: comparacin entre el modelo TIN y el INTERCON.Trabajo del Curso de Doctorado sobre Modelos Digitales del Terreno (Departamento de Geografa, Universidad de Alcal de Henares, Espaa. Cressie, N.A.C. 1993. Statistics for spatial data. Revised Edition. Wiley Series in probability and Mathematical Statistics. New York, USA. 900p. Divide2.avx. Divide line by adding points evenly. Generates points spaced evenly along a polyline. www.esri/arcscripts Eastman, J.R. 1997. IDRISI for Windows Version 2. User's Guide. Clark Labs for Cartographic Technology and Geographic Analysis.Clark University. USA. Ebnier, H. and Reiss, P. 1984. Experience with height interpolation by finite elements. Photogrammetric Engineering and Remote Sensing 50(2):177-182. ESRI. 1999. Using ArcView. Arc View GIS, Versin 3.2. USA. ESRI. 1997. Using ArcView 3D Analyst. Arc View 3D Analyst, USA.118p. ESRI. 1998. Using ArcView Spatial Analyst. Arc View Spatial Analyst, USA. Gao, Jay. 1997. Resolution and accuracy of terrain representation by grid DEMs at a micro-scale. Int. J. Geographical Information Science. Vol.11(2):199-212.

27 Grassie, D.N.D. 1982. Contouring by computer: some observations. British Cartographic Society Special Publication 2:93-116. Isaacks, E. H. and Srivastava, R. M.1989. An Introduction to Applied Geostatistics. New York, Oxford University Press. 561p. Keckler, D. 1995. Sufer for Windows. User s Guide.Contouring and 3D Surface Mapping.Golden Software, Inc.Colorado, USA. Golden Software, 1999 Haggett, P. ; Cliff, A.D. and Frey, A. 1977. Locational methods. Second Edition. Edward Arnold. London, U.K. Volume II. pp:260-605. Lowthian, B. 1986. The accuracy of DTM derived from O.S. 1:50000 scale mapping. Unpublished diploma project. University of Glasgow, Dept. of Geography and Topographic Science. Maling, D.H. 1989. Measurements from maps. Principles and methods of cartometry. Pergamon Press. Oxford. Pp.153-177. Mark. D.M.1997. The history of geographic information systems: invention and re-invention of triangulated irregular networks (tins) Proceedings, GIS/LIS'97. NCGIA, Department of Geography University at Buffalo Buffalo, NY 14261-0023. http://www.geog.buffalo.edu/~dmark/ Maune, Chris J. 1994. Introduction to digital elevation models (DEM). Proceedings: Mapping and Remote Sensing Tools for the 21 st Century. Conference and Exposition. August 26-29, 1994. Washington, D.C. USA. American Society for Photogrammety and Remote Sensing. Pp.128-133. Oliver, M.A y Webster, R.. 1990. Kriging: a method of interpolations for geographical information systems. Int. J. Geographical Information Systems. Vol. 4(3): 313-332. Petri, G. and Kennie, T.J.M (Ed). 1990. Introduction to terrain modelling-application fields and terminology. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 1-3. Petrie, G. 1990. Modelling, interpolation and contouring procedures. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 113-127. Shearer, J.W. 1990. The accuracy of digital terrain models. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 315-336. Thoen, Bill. 1997. Explore the third dimension. A comparative review of contouring products for window 95. GIS World Vol. 9 (12): 51-62. University of South Carolina.1998. USC-CLA. Grid Utilities. College of Liberal Arts. Computing Lab. Columbia, SC, USA. (Chad Hendrix, chendrix@iname.com) Veregin, Howard. 1997. The effect of vertical error in digital elevation models on the determination of low-path direction. Cartography and Geographic Information Systems. Vol.24(2):67-79.

28 Weibel, R y Heller, M. 1991. Digital terrain modelling. In Maguire, D.J.; Goodchild, M.F. y Rhind, D.W. (Eds.). Geographical Information Systems. Longman, Scientific & Technical. Vol. 1. Pp.269297. www.mcmcweb.er.usgs.gov/sdts/ www.fgdc.gov/standards/status/sub1_3.html).