Traducido del inglés al español - www.onlinedoctranslator.
com
Capítulo 13: Modelos espaciales y modelado 577
Modelado Cartográfico
Amodelo cartográficoproporciona información a
través de una combinación de conjuntos de datos
espaciales, funciones y operaciones. Estas funciones y
operaciones a menudo incluyen reclasificación,
superposición, interpolación, análisis de terreno,
almacenamiento en búfer y otras funciones. Se combinan
varias capas de datos a través de estas operaciones, y la
información suele tener la forma de una capa de datos
espaciales. El álgebra de mapas, descrita en el Capítulo
10, se usa a menudo para especificar modelos
cartográficos para conjuntos de datos ráster.
Los análisis de idoneidad son quizás los ejemplos
más comunes de modelos cartográficos. Estos análisis
clasifican la tierra según su utilidad para diversos fines.
Los análisis de idoneidad a menudo involucran la
superposición, ponderación y clasificación de múltiples
capas de datos para categorizar las tierras en varias
clases. Las capas de datos relevantes se combinan y los
polígonos resultantes se clasifican según la combinación
de atributos. La Figura 13-3 ilustra un modelo
cartográfico simple para la identificación de sitios
potenciales para parques. Los sitios adecuados son
aquellos que están cerca de lagos, cerca de carreteras y
no
Figura 13-3: Un ejemplo de un modelo cartográfico. El modelo identifica sitios de parque adecuados en función de la
proximidad a carreteras y lagos, y la ausencia de humedales.
en humedales. El modelo utiliza tres capas de datos de
entrada, que contienen lagos, caminos y estado hídrico para
un área de estudio común. Las operaciones espaciales se
aplican a las capas de datos espaciales, incluida la
reclasificación, el almacenamiento en búfer y la superposición.
Esto da como resultado una capa de idoneidad. Esta capa de
idoneidad se puede usar para delimitar los sitios para una
evaluación adicional, identificar a los propietarios o ayudar en
la selección del sitio del parque.
Los modelos cartográficos se han utilizado para una
variedad de aplicaciones. Estos incluyen la planificación
del uso del suelo, estudios de rutas y corredores de
transporte, el diseño y desarrollo de sistemas de
distribución de agua, modelado de la propagación de
enfermedades humanas o especies de plantas y animales
introducidas, selección de sitios de construcción y
negocios, planificación de respuesta a la contaminación y
preservación de especies en peligro de extinción. Los
modelos cartográficos se utilizan tan ampliamente
porque brindan información útil para los
administradores, el público y los responsables de la
formulación de políticas, y ayudan a guiar las decisiones
que requieren la consideración de la ubicación espacial
en múltiples temas.
578 Fundamentos SIG
Los modelos cartográficos suelen estar
representados sucintamente pordiagramas de flujo. Un
diagrama de flujo es una representación gráfica de los
datos espaciales, las operaciones y su secuencia de uso
en un modelo cartográfico. La Figura 13-4 ilustra un
diagrama de flujo del modelo cartográfico ilustrado en la
Figura 13-3. Se buscan sitios adecuados que estén cerca
de caminos, cerca de lagos y no en humedales. Las capas
de datos se representan mediante rectángulos, las
operaciones mediante elipses y la secuencia de
operaciones mediante flechas. Las operaciones se
enumeran en cada elipse. Los diagramas de flujo a
menudo son requeridos por una agencia u organización
para documentar un análisis espacial completo. Debido a
que un conjunto consistente de símbolos ayuda en la
comunicación efectiva del modelo cartográfico, un
conjunto estándar de símbolos y métodos de diagramas
de flujo pueden ayudar a comprender los datos y las
operaciones en un análisis.
Los diagramas de flujo son útiles durante el
desarrollo y la aplicación de un modelo cartográfico.
Los diagramas de flujo ayudan en la
conceptualización y comparación de varios enfoques
en competencia y pueden ayudar en la selección del
modelo final. Un diagrama de flujo suele ser un
marco eficaz para documentar un modelo
cartográfico. Las ubicaciones de los archivos, las
fechas de trabajo y las observaciones intermedias se
pueden anotar con referencia al diagrama de flujo o
directamente en una copia del diagrama de flujo.
Figura 13-4: Diagrama de flujo del modelo cartográfico de la
Figura 13-3. El diagrama de flujo es un método abreviado para
representar una secuencia de operaciones espaciales.
El modelado cartográfico a menudo produce una
gran cantidad de capas de datos intermedias o
temporales que no se requieren en el resultado final.
Nuestro ejemplo en la Figura 13-4 ilustra esto. La
información necesaria está contenida completamente
dentro de la capa de datos de clasificación de idoneidad.
Se produjeron otras cinco capas de datos dentro del
modelo cartográfico ilustrado. Las capas almacenadas en
búfer, recodificadas y superpuestas fueron pasos
intermedios necesarios, pero en este análisis su utilidad
fue temporal. Esta proliferación de capas de datos es
común en el modelado cartográfico y puede causar
problemas a medida que las nuevas capas y otros
archivos se acumulan en el espacio de trabajo de la
computadora. La eliminación frecuente de archivos
innecesarios es útil.
Gran parte del poder del modelado cartográfico
proviene de la flexibilidad de las funciones de análisis espacial.
Las funciones y operaciones espaciales son un conjunto de
herramientas que se pueden mezclar y combinar en modelos
cartográficos. La superposición, la proximidad, la
reclasificación y la mayoría de las demás herramientas de
análisis espacial son bastante generales. Estas herramientas se
pueden combinar en un número asombrosamente grande de
formas, en la selección y el orden de aplicación. Estas
variaciones darán como resultado diferentes capas de datos
de salida, incluso cuando se utilicen las mismas capas de datos
de entrada. Con un pequeño conjunto de herramientas y
capas de datos, podemos crear una gran cantidad de modelos
cartográficos. Diseñando lo mejor
modelo cartográfico para resolver un problema (la
selección de las herramientas espaciales
apropiadas y la especificación de su secuencia) es
quizás el proceso más importante y, a menudo, el
más difícil en el modelado cartográfico.
Diseño de un modelo cartográfico
La mayoría de los modelos cartográficos se basan
en un conjunto de criterios. Desafortunadamente, estos
criterios a menudo se especifican inicialmente en
términos cualitativos, como "las pendientes no deben ser
pronunciadas". Puede ser necesaria una gran cantidad
de interpretación para traducir los criterios de un análisis
de idoneidad en una secuencia específica de operaciones
espaciales. En nuestro ejemplo actual, debemos
cuantificar lo que significa "demasiado empinado".
Generales o cualitativos
 Capítulo 13: Modelos espaciales y modelado 579
se pueden proporcionar criterios y estos deben
convertirse en medidas cuantitativas
específicas. La conversión de una especificación
cualitativa a cuantitativa es a menudo un
proceso iterativo, con interacción repetida entre
el analista que desarrolla y aplica el modelo
cartográfico y el gerente o el tomador de
decisiones que actuará sobre la información
resultante.
Usaremos un ejercicio de selección de sitio de inicio
para demostrar este proceso. El problema consiste en
clasificar los sitios según su idoneidad para la
construcción de viviendas. El área a analizar tiene un
terreno escarpado y se encuentra en un clima
estacionalmente frío. Hay cuatro criterios:
a) Las pendientes no deben ser demasiado empinadas. Las pendientes
pronunciadas pueden aumentar sustancialmente los costos o
impedir la construcción.
b) Se prefiere un aspecto sur, para mejorar el
calentamiento solar.
c) Se requieren suelos adecuados para sistemas sépticos en el
sitio. Hay una variedad de tipos de suelo en el área de
estudio, con una variedad de aptitudes para la
instalación de un sistema séptico.
d) Los sitios deben estar lo suficientemente lejos de una carretera
principal para ofrecer algo de privacidad, pero no tanto como
para estar aislados.
Estos criterios deben convertirse en
restricciones más específicas antes del desarrollo y
aplicación en un modelo cartográfico. El tomador de
decisiones debe especificar qué tipo de clasificación
se requiere. ¿Se necesita una clasificación binaria
simple, con clases adecuadas e inadecuadas, o se
necesita una gama más amplia de clases? Si se
especifica un rango de clases, ¿es aceptable una
clasificación ordinal o se prefiere una escala de
intervalo/razón? Estas preguntas generalmente se
responden a través de discusiones entre el analista y
los tomadores de decisiones. Luego, cada criterio
puede definirse una vez que se especifica el tipo y la
escala de medición de los resultados. Puede ser
bastante simple establecer el límite de pendiente
local que prohíbe la construcción. Por ejemplo, las
conversaciones con expertos en construcción locales
pueden identificar 30 grados como un umbral más
allá del cual la construcción es inviable. Se requiere
más trabajo para cuantificar cómo las pendientes
afectan los costos de construcción. Se deben hacer
refinamientos similares para cada criterio.
Debemos cuantificar el rango y cualquier preferencia
relativa por los aspectos del sur, la idoneidad relativa
del suelo, lo que define una carretera principal y lo
que constituye distancias cortas y largas.
Una segunda consideración clave involucra la
disponibilidad y calidad de los datos. ¿Existen las
capas de datos requeridas para el área de estudio?
¿Son las precisiones espaciales, la resolución espacial
y los atributos apropiados para el análisis previsto?
¿Cómo afectarán las generalizaciones del mapa al
análisis? por ejemplo, ¿las inclusiones de diferentes
tipos de suelo en un polígono de suelo conducirán a
resultados inapropiados? ¿Es apropiada la unidad
mínima de mapeo? De lo contrario, se deben obtener
o desarrollar los datos requeridos, o modificar los
objetivos y el modelo cartográfico.
Ponderaciones y clasificaciones
Si bien algunos modelos cartográficos son
simples y restrictivos, muchos más modelos
cartográficos requieren la combinación de criterios
que varían en un rango de valores y requieren una
clasificación explícita de la importancia relativa de
diferentes clases o tipos de criterios. Un ejemplo
simple y restrictivo podría requerir que
identifiquemos parcelas mayores a un cierto tamaño
y dentro de una cierta distancia del agua. Podemos
identificar claramente las áreas que cumplen con
estas condiciones deseadas.
Una clase de problemas mucho más común requiere
que integremos múltiples criterios que son
cualitativamente diferentes. Por ejemplo, la idoneidad del
sitio para el almacenamiento de desechos peligrosos
depende de una serie de factores, incluida la distancia a
los centros de población, el transporte, la geología y la
profundidad y el tipo del acuífero. Debemos calificar los
sitios en un rango de valores para todas estas variables.
Una vez que los criterios están definidos con precisión,
debemos obtener los datos apropiados, desarrollar un
diagrama de flujo o un plan para nuestro análisis y
abordar el problema más difícil de asignar clasificaciones
dentro de cada criterio y asignar las ponderaciones
relativas entre los criterios. Tenga en cuenta que en las
siguientes discusiones usamos la palabra "clasificaciones"
cuando describimos la asignación de valores relativos
dentro de la misma capa, por ejemplo, cómo
580 Fundamentos SIG

clasificamos un suelo arenoso frente a un suelo limoso en una pueden existir, o puede que tengamos que generarlos a
capa de suelos. Usamos la palabra "ponderaciones" cuando partir de otras fuentes. Esto nos permite clasificar las
asignamos los valores relativos de diferentes capas, por áreas según la probabilidad de inundación.
ejemplo, cómo ponderamos los valores en una capa de
Debemos formalizar explícitamente nuestra
elevación frente a los valores en una capa de uso del suelo.
clasificación para cada capa utilizada para representar un
criterio. Una de las primeras decisiones es si los rangos
deben ser discretos o continuos (Figura 13-5). Las
Clasificaciones dentro de los criterios clasificaciones son discretas cuando los datos de entrada
se interpretan de manera que la capa de datos de criterio
Cada criterio en nuestro modelo cartográfico
es un mapa de valores discretos. Los suelos son buenos o
generalmente se expresa mediante una capa de datos o "capa
malos para la construcción, las pendientes son
de criterio". Cada capa de criterio es una representación
demasiado empinadas o aceptables, y el mapa final
espacial de alguna restricción o condición de selección; por
define dos o unas pocas clases discretas; por ejemplo, los
ejemplo, el criterio que construimos fuera de una llanura
sitios se clasifican como adecuados o inadecuados. Los
aluvial puede consistir en un conjunto de números en una
rangos son continuos cuando varían a lo largo de una
capa que identifica las ubicaciones de las llanuras aluviales. A
escala; por ejemplo, los suelos pueden calificarse de 1 a
los sitios de llanuras aluviales se les puede asignar un valor de
100 para la idoneidad de la construcción.
0 y a los sitios de tierras altas se les puede asignar un valor de
1.
La Figura 13-5, arriba a la derecha, muestra la
Antes de que podamos asignar un valor a cualquier sitio,
asignación de una clasificación discreta de la productividad de
primero debemos obtener mapas de llanuras aluviales e
la tierra basada en valores en una capa de suelo. Se analiza la
interpretar los códigos en los mapas para delinear las áreas más
capa de origen en la parte superior izquierda de la figura. Si la
propensas a inundaciones. Mapas de llanuras aluviales
producción esperada para un suelo dado

Figura 13-5: Las clasificaciones dentro de una capa suelen ser discretas (arriba a la derecha) o continuas (abajo).
 Capítulo 13: Modelos espaciales y modelado 581

polígono es menor que 66, entonces la clasificación de rangos relativos dentro de una capa. Por ejemplo, es
salida se establece en 0. Si la producción es mayor o igual posible que deseemos representar el peligro del mercurio
a 66, entonces la clasificación de salida se establece en 1. en función de las concentraciones de metilmercurio en los
Un rango de valores de entrada se ha colocado en dos suministros de agua de un estado. Puede haber una
clases discretas, ilustradas como la capa de rango discreto amplia gama de concentraciones bajas de mercurio para
en la parte superior derecha de la Figura 13-5. las cuales no hay o hay pocos impactos negativos en la
salud. Sin embargo, a medida que se alcanza un umbral
de concentración, puede haber un rápido ascenso hacia
Las clasificaciones discretas se usan con mayor
una curva muy empinada, donde el riesgo de daño severo
frecuencia cuando hay clases claras y discretas para
es grande (Figura 13-6). Las formas de estas curvas deben
representar en los criterios. Una enfermedad puede
establecerse a través de conjuntos de estudios
estar presente o ausente, un país aliado o enemigo, o
epidemiológicos, en los que se relacionó la concentración
un bloque inventariado o no. Los valores a
de mercurio en la sangre o los tejidos humanos con el
representar son categorías discretas.
agua potable, y se registraron los impactos en la salud de
miles de personas a diversos niveles de exposición al
Por el contrario, podemos aplicar criterios como mercurio.
clasificaciones continuas dentro de un modelo
cartográfico. Estas clasificaciones continuas proporcionan
La figura 13-7 ilustra dos ejemplos de
una gama de valores para caracterizar una idoneidad o
puntajes de criterios continuos. Figura 13-7a
restricción, y dan como resultado un conjunto de
muestra la representación de un criterio vial
clasificaciones que varían progresivamente. Los rangos (o
complejo para un modelo cartográfico. Este criterio
puntajes) generalmente varían en un intervalo de entero
especifica que los sitios deseables están a más de
real o grande, por ejemplo, de 0 a 1 o de 0 a 1,000. La
300 pero a menos de 2000 m de una carretera. El
idoneidad más alta generalmente se asigna al rango más
gráfico superior izquierdo de la Figura 13-7a
alto y la más baja al último.
muestra la capa de carreteras original. Siguiendo las flechas
en el sentido contrario a las agujas del reloj, encontrará la
La parte inferior derecha de la Figura 13-5 capa de distancia, un ráster con la distancia desde
muestra una clasificación continua en un rango de 0 a
10. Se especifica un valor alto de 10 para los suelos
más productivos y un valor bajo de 0 para los menos
productivos. Podemos usar datos de producción
recopilados sobre un conjunto de tipos de suelo y un
mapa de tipos de suelo para asignar el valor relativo
de cada suelo. Podríamos escalar la producción desde
la más baja hasta la más alta observada en el rango de
0 a 10 y, al hacerlo, crear una capa que represente un
criterio de productividad del suelo.

No estamos limitados a relaciones lineales o

siempre crecientes o decrecientes entre nuestras
capas de entrada y nuestras capas de criterios.
Puede ser complejo
relaciones entre un valor de entrada y nuestros
puntajes o valores de clasificación de salida. Se
Figura 13-6: La clasificación dentro de una capa de criterio debe
puede representar cualquier curva o relación que
basarse en una relación defendible, cuya forma se haya
podamos crear con una combinación de funciones establecido a través de suficiente estudio o experiencia. Aquí, el
matemáticas y lógicas para reflejar relaciones riesgo de exposición al mercurio a través de la concentración en
el agua potable se ha relacionado con impactos negativos para
crecientes, decrecientes o complejas.
la salud. Las clasificaciones de idoneidad o riesgo en los
Deberíamos tener alguna justificación para modelos cartográficos deben estar bien respaldadas por
mediciones.
adoptar una curva específica al establecer
582 Fundamentos SIG

Figura 13-7: Ejemplos de dos capas de puntuación continuas para representar criterios en un modelo cartográfico. Panela,arriba,
muestra el criterio dual de distancia a la carretera aplicado usando una función de idoneidad. Esto da como resultado un rango
continuo de puntajes de idoneidad entre 0 y 1. En el panelb,se aplica una función de idoneidad diferente a la capa de pendiente, lo
que da como resultado una puntuación de idoneidad continua para el criterio de pendiente.
 Capítulo 13: Modelos espaciales y modelado 583
la carretera más cercana registrada en cada valor de
celda. En este ejemplo las distancias van de 0 a 6.000 m.
El gráfico en la parte inferior derecha de la Figura 13-7a
muestra una función de asignación de idoneidad. Los
valores de distancia se registran a lo largo del eje
horizontal y se utilizan para asignar la idoneidad para la
construcción, que se muestra en el eje vertical. Esta
función asigna puntuaciones de idoneidad de 0 para
distancias inferiores a 300 m. Las adecuaciones
aumentan y la distancia aumenta, de forma lineal, hasta
una puntuación de 1 a una distancia de 1.150 m a mitad
de camino entre 300 y 2.000. Luego, las puntuaciones
disminuyen linealmente hasta un valor de 0 a 2000 my
permanecen en 0 para todas las distancias superiores a
2000 m.
Figura 13-7bilustra una clasificación continua de
puntajes de idoneidad, en este caso para la pendiente. Las
pendientes se calculan a partir de la capa de elevación
(Figura 13-7b, izquierda),oscilando entre 0 y 49,6 grados
para este conjunto de datos. Los valores de pendiente se
transforman en valores continuos de idoneidad de
pendiente utilizando una función de caída suave (abajo a
la derecha, Figura 13-7).b).Estos valores se asignan a cada
ubicación de celda en una capa de datos de idoneidad de
pendiente de salida (arriba a la derecha, Figura 13-7b).
Tenga en cuenta que estas clasificaciones continuas
pueden combinarse, a menudo a través de un proceso de
suma ponderada, para generar una puntuación de
idoneidad combinada. Las diversas capas de idoneidad se
suman verticalmente para dar una puntuación compuesta
total para cada celda. Este puntaje se puede usar para
clasificar áreas según su idoneidad relativa. Las capas de
idoneidad discretas y continuas se pueden combinar
mediante una combinación de operaciones booleanas y
de suma para proporcionar una clasificación final. Esta
combinación a menudo requiere que definamos la
importancia relativa de cada capa de criterios, un proceso
conocido como ponderación entre criterios.
Ponderación entre criterios
Se deben combinar distintos criterios en muchos
análisis espaciales, generalmente en algún proceso de
superposición o adición (Figura 13-8). Debemos elegir
cómo ponderar una capa en relación con otra. ¿Qué
importancia tiene la pendiente en relación con el aspecto?
¿Un aspecto óptimo compensará un sitio moderadamente
empinado? ¿Qué importancia tiene el aislamiento en
relación con otros factores? Debido a que los criterios se
combinarán en una capa de datos de idoneidad, las
ponderaciones relativas otorgadas a cada criterio influirán
en los resultados. Diferente
Figura 13-8: Capas que representancriteriosA yBse
combinan en un análisis de idoneidad. Esta
combinación requiere que definamos la
importancia relativa de los dos criterios, a través de
la especificación de los pesosWashingtonyWB.
Estos pesos se pueden asignar utilizando varios
métodos y afectarán sustancialmente los valores en
la capa de idoneidad final.
584 Fundamentos SIG
es probable que los pesos relativos den como
resultado diferentes clasificaciones de idoneidad. A
menudo es difícil asignar estos pesos relativos de
manera objetiva, particularmente cuando la
idoneidad depende de medidas no cuantificables.
La asignación de ponderaciones relativas es más
fácil cuando la importancia de los diversos criterios se
puede expresar en una escala común. En nuestro
ejemplo, podemos asignar costos monetarios a una
pendiente creciente. Los tipos de suelo se pueden
clasificar en función de su capacidad séptica. Es posible
que se requieran diferentes sistemas sépticos para
diferentes tipos de suelo, ya sea a través de campos de
drenaje más grandes o la especificación de sistemas de
montículos versus sistemas de campo. Los costos podrían
estimarse en base a los requerimientos variables
establecidos por tipo de suelo. El costo de las molestias
por el ruido y el costo de la distancia en tiempo perdido o
en viajes también pueden cuantificarse monetariamente.
Reducir todos los criterios a una escala común elimina la
ponderación diferencial entre los criterios.
Hay muchos casos en los que no es posible una
escala de medición común. Muchas clasificaciones se
basan en variables que son difíciles de cuantificar. Los
valores personales pueden definir las distancias desde
un camino que constituyen "aislado" frente a
"privado", o cuál es la importancia relativa de la
pendiente frente al costo de construcción. La opinión
de expertos, las entrevistas grupales o las reuniones
de partes interesadas se pueden usar para clasificar
cuando hay múltiples partes o en competencia. Las
escalas para estas variables son inherentemente
diferentes y no hay una forma clara de traducirlas a
una escala común.
Un método para asignar pesos se basa en su
"clasificación de importancia". Los factores (criterios)
utilizados para decidir la calidad de un sitio pueden
ordenarse según su importancia, de mayor a menor
importancia. Entonces podemos calcular los pesos
relativos de acuerdo con:
n-r + 1
w i= --------------------i---------------- (13.1)
norte
-(n – rk+ 1)
k=1
dóndeWisconsines la ponderación del criterioenes
el número de criterios, ykes un contador para
sumar todos los criterios.
Supongamos que deseamos clasificar los sitios para
la colocación de tiendas en función de cuatro factores:
distancia al competidor más cercano, distancia a la
carretera principal más cercana, densidad de
estacionamiento y costo del paquete. La Figura 13-9
muestra un ejemplo de cálculo de ponderaciones de
criterios en función de la clasificación de importancia.
Cada criterio se enumera en la columna más a la
izquierda. El planificador, el cliente, el tomador de
decisiones o el grupo interesado asignan rangos a los
criterios. El numerador de la ecuación 13.1 se calcula para
cada criterio, dando al criterio más importante el valor
más alto y al menos importante el valor más bajo. El
denominador se calcula por suma, y luego se calculan
los pesos individuales, como se muestra en la columna
más a la derecha. Estos pesos se pueden utilizar para
combinar los datos de los diversos criterios.
Tenga en cuenta que hay varias suposiciones
en este ejemplo. Primero, asumimos que los
valores en cada capa asociados con cada criterio
tienen rangos apropiados, o al menos están en
escalas similares. En la Figura 13-8, los valores para
la capa de criterio A y la capa de criterio B varían
en un rango aproximadamente igual. Si una capa
tuviera un rango de 1000 a 5000 y la otra tuviera
valores de 1 a 5, esto afectaría la combinación y la
clasificación de idoneidad final.
En segundo lugar, podemos suponer
implícitamente que las escalas son aproximadamente
lineales en nuestra clasificación dentro y entre los
criterios. A menudo combinamos los valores dentro
de una capa de criterio usando una operación
aritmética, por ejemplo, sumando valores con pesos
(Figura 13-9). Los pesos relativos entre y dentro de
cada capa se mezclan, lo que a menudo es un curso
de acción lógico bajo un supuesto de linealidad. Las
relaciones fuertemente no lineales en las escalas de
calificación y ponderación a menudo conducen a
idoneidades contrarias a la intuición y no deseadas.
Hay muchos otros métodos para definir los
valores para cada capa de criterio y las
ponderaciones relativas entre capas. Estos
incluyen métodos que intentan asegurar la con-
 Capítulo 13: Modelos espaciales y modelado 585
Figura 13-9: Un ejemplo de un método para calcular pesos relativos para cada uno de los cuatro criterios
según la ecuación (13.1).
consistencia entre los pesos, pero están más allá
del alcance de este texto introductorio. Puede
encontrar descripciones más detalladas en el
excelente libro de Malczewski (1999) enumerado
en la sección de lecturas sugeridas al final de este
capítulo.
Modelos cartográficos: un ejemplo
detallado
Aquí proporcionamos una descripción detallada de
los pasos involucrados en la especificación y aplicación de
un modelo cartográfico. Utilizamos un refinamiento de los
criterios generales para la selección de terrenos descritos
en la sección anterior. Estos criterios generales se
enumeran en el lado izquierdo y los criterios refinados se
muestran en el lado derecho de la Tabla 13-1. Los criterios
refinados pueden haberse definido después de una
discusión adicional con los tomadores de decisiones,
expertos del área local y una revisión de los datos y
métodos disponibles.
Tenga en cuenta que adoptamos el esquema de
clasificación y ponderación más simple al aplicar los
criterios de la tabla 13-1. Todos los criterios tienen la
misma ponderación y todos los criterios son binarios: la
tierra se clasifica como inadecuada o adecuada según
en cada criterio. Una ubicación debe pasar todos los
criterios para ser adecuada, y la calificación final es
adecuada o no adecuada.
En nuestro ejemplo, aplicaremos el modelo
cartográfico descrito por el diagrama de flujo en la
Figura 13-4 a una pequeña cuenca en un área
montañosa de estudio. La aplicación de los criterios
refinados requiere tres capas de datos básicos:
elevación, suelos y caminos. Para este ejemplo,
asumimos que las tres capas de datos están
disponibles con la precisión posicional y de atributo
requerida, recortadas al área de estudio de interés. La
necesidad de nuevas capas de datos a menudo se
hace evidente durante el proceso de traducir los
criterios generales iniciales a criterios refinados
específicos, o durante el desarrollo del diagrama de
flujo que describe el modelo cartográfico. Una vez
que se ha asegurado la disponibilidad y la calidad de
los datos, podemos completar el diagrama de flujo
final.
La Figura 13-10 contiene un diagrama de flujo de un
modelo cartográfico que puede identificar sitios
adecuados. Las capas de datos espaciales se muestran
como rectángulos y se incluye un nombre de capa de
datos descriptivo dentro del rectángulo. Las operaciones
o funciones espaciales están contenidas en puntos
suspensivos, y las flechas definen la secuencia de
586 Fundamentos SIG
capas de datos y operaciones espaciales. Las tres capas
de datos básicos (elevación, suelos y carreteras) se
muestran en la parte superior del diagrama de flujo.
Hay tres ramas principales en el diagrama de
flujo de la figura 13-10. La rama más a la izquierda
aborda los criterios relacionados con el terreno, la
rama central aborda los criterios de suelos y la rama
derecha aplica los criterios de distancia de la
carretera. Las tres ramas se unen en el modelo
cartográfico, produciendo una clasificación final de
idoneidad.
La rama izquierda del modelo cartográfico se
muestra en detalle en la Figura 13-11. Esta y las
siguientes figuras detalladas muestran una miniatura de
las capas de datos espaciales en cada paso del proceso.
Los nombres de las capas de datos se encuentran junto a
la capa de datos espaciales. Los primeros dos criterios
implican restricciones relacionadas con el terreno. Se
requiere que los sitios adecuados posean un conjunto
restringido de pendientes y aspectos. Estos criterios
requieren que se calculen capas de datos de pendiente y
aspecto y luego se clasifiquen en áreas que cumplen y no
cumplen con los criterios respectivos. La capa de datos de
elevación se muestra en la parte superior de la Figura
13-11; elevaciones bajas en negro hasta elevaciones más
altas en tonos más claros. Hay dos sistemas fluviales
principales en el área de estudio, uno que corre de oeste
a este en la parte norte del área de estudio, y
Tabla 13-1Criterios originales y refinados para ejemplo de modelo cartográfico.
Criterios Generales
Pendientes no muy empinadas
Se prefiere el aspecto sur
Suelos aptos para fosas sépticas. Lista especificada de unidades de suelo aptas para sistemas sépticos
tiempo
Lo suficientemente lejos de la carretera 300 metros < distancia a la carretera < 2.000 metros
para brindar privacidad, pero no aislado
uno que corre de sur a norte. Las áreas de tierras
altas se encuentran a lo largo de los márgenes
norte, oeste y este del área de estudio.
La pendiente y la orientación se derivan de la capa
de datos de elevación (Figura 13-11). Los valores de
pendiente más bajos se muestran en tonos claros, los
valores de pendiente más altos se muestran en tonos
oscuros y los aspectos se muestran en un rango de tonos
claros a oscuros de 0 a 360 grados. Las capas de
pendiente y aspecto se reclasifican en función de los
valores de umbral especificados en los criterios
enumerados en la Tabla 13-1. Se utiliza una tabla de
reclasificación para asignar valores a los
pendiente_trajevariable en función de la capa de talud. celdas
con unpendiente_valmenos de 30 se les asigna un
pendiente_trajede 1, mientras que las células con un
pendiente_valde 30 o más se les da un valor
pendiente_trajede 0. Los valores de aspecto también se
reclasifican mediante una tabla.
Las capas de pendiente y aspecto se combinan en
una superposición, se convierten de ráster a vector y se
reclasifican para producir una capa de terreno adecuada
(Figura 13-12). Se elige la conversión de ráster a vector
porque dos de las tres capas de datos base están en
formato vectorial y porque las futuras selecciones
complejas podrían ser mejor respaldadas por la
estructura de datos de atributos utilizada para los
conjuntos de datos vectoriales. Esta conversión crea
polígonos que tienen los atributos
Criterios refinados
Pendientes < 30 grados
90 < Aspecto < 270
 Capítulo 13: Modelos espaciales y modelado 587

Figura 13-10: Diagrama de flujo del modelo cartográfico de adecuación del sitio de origen. Se ingresan tres capas de datos
básicos. Se utiliza una secuencia de operaciones espaciales para aplicar criterios y producir un mapa de sitios adecuados.
588 Fundamentos SIG

Figura 13-11: Una representación detallada de las ramas más a la izquierda del modelo cartográfico que se muestra en la Figura 13-10. La
pendiente y la orientación se derivan de una capa de datos de elevación para la región de estudio. Luego, ambas capas se reclasifican mediante
una asignación de tabla. Los valores de pendiente < 30 se reclasifican como adecuados (gris), todas las demás pendientes como inadecuadas
(negro). Los valores de aspecto entre 90 y 270 se reclasifican como adecuados (gris), todos los demás como inadecuados (negro).
 Capítulo 13: Modelos espaciales y modelado 589

de la capa de datos ráster de entrada. Tenga en cuenta
que esta conversión tiene lugar después de que las capas
ráster se hayan reclasificado en una pequeña cantidad de
clases y después de que los datos se hayan combinado en
una sola capa en una superposición. La conversión de
ráster a vector avanza más rápidamente después de que
se haya reducido el número de clases de ráster y se hayan
combinado los datos en una sola capa de idoneidad del
terreno.
Luego, la superposición de terreno debe
reclasificarse para identificar aquellas áreas que cumplen
con los criterios de pendiente y de aspecto (consulte la
codificación de idoneidad para la lluvia en la Figura 13-12).
Esos polígonos con un 1 para ambospendiente_traje
ytraje_aspse les asigna un valor de 1 para
terreno_traje.Todos los demás reciben un valor de 0,
lo que indica que son sitios de vivienda inadecuados
según los criterios de pendiente y/o aspecto.
Debido a que deseamos reducir la cantidad de
polígonos redundantes donde sea posible, se aplica una
disolución después de la reclasificación. Esto reduce
sustancialmente el tamaño del conjunto de datos de
salida y acelera el procesamiento futuro. Los datos de
terreno disueltos y reclasificados se guardan

Figura 13-12: Las capas de datos de pendiente y orientación recodificadas se combinan en una operación de
superposición y el resultado se reclasifica. El terreno adecuado se muestra en gris, el inadecuado en negro.
590 Fundamentos SIG

en una capa etiquetadaTerreno adecuado (Figura
13-12, abajo a la derecha).
La rama central del modelo cartográfico de la Figura
13-10 se muestra en la Figura 13-13. Hay levantamientos
digitales de suelos disponibles que representan unidades de
suelo homogéneas como polígonos. Los datos de atributos se
adjuntan a cada polígono, incluido el tipo de suelo y la
idoneidad del suelo para sistemas sépticos. Datos de suelos
para el área de estudio
pueden ser reclasificados en base a estos atributos
de idoneidad séptica. Una tabla de reclasificación
asigna un valor de 1 a la variablesuelo_traje
si el tipo de suelo es adecuado para sistemas
sépticos, 0 si el tipo de suelo no lo es (Figura 13-13).
Después de la reclasificación, puede haber
muchos polígonos de suelo adyacentes con el mismo
suelo_trajevalor. Estos se agrupan mediante una
operación de disolución (datos entre reclasificación y

Suelos

Los polígonos de suelos se recodifican según el

tipo de suelo. A la variable soil_suit se le asigna
un valor 0 para tipos de suelo inadecuados y 1
para tipos de suelo adecuados.

tipo de suelo suelo_traje

buncombe 0
vaca 1
reclasificar
Culasaja 1 (por mesa)
Evard 1
Hiawasee 0
disolver
Santee 0
... ...

Vernon 0 Apropiado
suelos

Apropiado
terreno

cubrir
Terreno adecuado
& suelos adecuados

Figura 13-13: Una predicción detallada de la rama central del modelo cartográfico que se muestra en la Figura 13-10. Los
datos de suelos se reclasifican en aquellos aptos para sistemas sépticos y aquellos que no, y luego se combinan con la
capa de datos de terreno adecuada para identificar sitios aceptables según ambos criterios. .
 Capítulo 13: Modelos espaciales y modelado 591

disolver no se muestran en la figura; consulte el La rama derecha del modelo cartográfico de

Capítulo 9 para ver un ejemplo). La disolución elimina la Figura 13-10 se presenta en la Figura 13-14. los
los límites entre polígonos similares, lo que reduce Carreterasse obtiene la capa de datos y
sustancialmente la cantidad de polígonos y, por lo Carreteras principalesextraído. Esto tiene el efecto de eliminar

tanto, la cantidad de entradas en la tabla de todas las carreteras secundarias de la consideración en

atributos. Esto puede ser especialmente importante
con conjuntos de datos complejos, como datos de
suelos, o con datos ráster convertidos, ya que suelen
tener miles de entradas, muchas de las cuales se
combinarán después de la disolución.
análisis posteriores. Lo que constituye una carretera principal
se ha definido antes de este paso. En este caso, se
seleccionaron todas las vías divididas y de varios carriles del
área de estudio. Se aplican dos amortiguadores, uno a una
distancia de 300 m y otro a una

Figura 13-14: Una representación detallada de la rama derecha del modelo cartográfico que se muestra en la Figura 13-10. Las
carreteras tienen zonas de influencia a 300 metros y 2 kilómetros, y estas zonas de influencia se superponen. Las zonas de
influencia se recortan en la región de estudio y se identifican áreas adecuadas a más de 300 metros ya menos de 2 kilómetros de
las carreteras.
592 Fundamentos SIG

2 km de distancia de las principales carreteras. Estos búferes
luego se superponen. Debido a que las regiones de
amortiguamiento se extienden fuera del área de estudio, los
amortiguadores deben recortarse al límite del área de
estudio. Estos datos luego se reclasifican en áreas adecuadas
e inadecuadas, lo que da como resultado laAmortiguadores de
carreteracapa (abajo a la izquierda, Figura 13-14).
Todas las capas de datos se combinan en un conjunto
final de superposiciones y reclasificaciones (Figura
13-15). losAcceso adecuadoLa capa, derivada de los
datos y criterios de las carreteras, se combina
con elTerreno y sueloscapa. losTodos los criterios
La capa contiene los datos espaciales necesarios para
identificar los sitios adecuados frente a los inadecuados. Esta
capa de superposición debe reclasificarse en función de las
variables de idoneidad del camino, el suelo y el terreno,
clasificando todos los sitios potenciales en una clase
adecuada o no adecuada. Una disolución final produce la
capa final de datos digitales,Apropiado
sitios

inadecuado
apropiado

Figura 13-15: La superposición y reclasificación de las capas de datos combinados. Los datos de terreno, suelos y zona de influencia de la carretera
se combinan en una superposición. Estos datos se reclasifican en función de los criterios de idoneidad. Se aplica una disolución final para reducir el
número de polígonos, lo que da como resultado una capa final de sitios adecuados.
 Capítulo 13: Modelos espaciales y modelado 593

Este análisis de ejemplo, aunque simple y de alcance
limitado, ilustra tanto la flexibilidad como la complejidad
del análisis de datos espaciales utilizando modelos
cartográficos. El modelo cartográfico era simple porque
solo se requerían tres capas de datos espaciales de
entrada y se utilizó un pequeño conjunto de operaciones
de datos espaciales. La mayoría de los análisis reales
utilizan muchas más entradas de datos. La reclasificación,
la superposición y otras operaciones se utilizaron
repetidamente. El modelado es flexible porque las
operaciones espaciales pueden adaptarse al problema.
Finalmente, este ejemplo ilustra la complejidad que se
puede incluir en los modelos cartográficos, ya que se
aplicaron más de 20 instancias diferentes de una
operación espacial, en una secuencia definida, dando
como resultado al menos 15 capas de datos intermedios,
así como la capa de resultado final.
Scripting y Modelos
Muchos softwares proporcionan entornos de
secuencias de comandos o programación para
especificar una secuencia de operaciones
espaciales (Figura 13-16). Los ejemplos incluyen
ArcGIS Model Builder, QGIS Batch Modeler y
Modelador gráfico y GRASS wxGUI. Estas herramientas de
modelado pueden crear una cadena de operaciones que
se pueden guardar, volver a ejecutar, compartir o aplicar
con diferentes parámetros o datos de entrada. Los
modelos pueden verse como una receta para un conjunto
de herramientas espaciales, aplicadas a los datos, con el
resultado de las operaciones como entrada en las
operaciones posteriores.
Los entornos de programación a menudo permiten
un flujo complejo, incluido el bucle a través de varias
iteraciones de datos o parámetros, y la ramificación o la
terminación según las condiciones. Los scripts suelen ser
bastante útiles tanto para guardar un modelo cartográfico
para que pueda repetirse con nuevos datos como para
documentar los pasos aplicados en un análisis. Los scripts
son particularmente útiles cuando el procesamiento se
debe aplicar de forma repetitiva a diferentes instancias
del mismo tipo de datos, por ejemplo, para reproyectar y
luego volver a codificar cientos de mosaicos de datos
ráster. Esto puede ser bastante tedioso para completar
con una interfaz gráfica de usuario estándar, pero puede
tomar solo unos minutos de tiempo de usuario cuando se
incorpora a un script.

Figura 13-16: Un modelo gráfico de ejemplo desarrollado con wxGUI para GRASS. Los rectángulos representan
módulos u operaciones, las elipses representan datos y las flechas muestran el flujo de trabajo (cortesía de OSGEO).
594 Fundamentos SIG
Modelos espaciales simples
Los modelos espaciales predictivos se aplican
comúnmente, en particular cuando hay un modelo bien
establecido basado en observaciones y análisis puntuales
o de pequeña escala, y cuando el resultado es una
variable continua, por ejemplo, la temperatura, el valor
de la vivienda, las tasas de erosión del suelo o la
frecuencia del cáncer.
Como se señaló anteriormente, nuestros modelos
espaciales simples generalmente se basan en una o varias
ecuaciones, descritas como:
O = f(A, B, C, D, β1, β2, ...) (13.2)
dóndeOes la salida de referencia espacial;F()
es una operación matemática;A B C D,son
variables; y βi son parámetros de ecuación. Por
ejemplo, la NASA ha patrocinado el desarrollo de
modelos globales de productividad primaria bruta
(GPP), la biomasa total producida globalmente
por las plantas en un año determinado. Un
modelo común toma la forma:
PBI = ε⋅NDVI⋅PAR (13.3)
dóndeNDVIes una medida satelital de la
abundancia de plantas,PARes la cantidad de luz
solar disponible para la fotosíntesis, y ε es una
eficiencia de conversión, que puede ser fija o
puede depender de factores adicionales, como el
tipo de vegetación o la sequedad o el tipo de
suelo. En este ejemplo, nuestra ecuación es una
simple multiplicación de los componentes, y ε es
el único parámetro en el caso más simple de un ε
fijo. En formas más complicadas, hay un ε
diferente para cada tipo de vegetación, que se
aplica en consecuencia.
Los modelos espaciales simples requieren
campos espaciales de todas las variables y
parámetros apropiados para todas las condiciones en
el área modelada. En nuestroGPPejemplo anterior,
debemos tener estimaciones deNDVIyPARsobre
nuestra región de predicción. En este caso específico,
mediciones robustas deNDVIse han desarrollado en
base a mediciones satelitales repetidas, al igual que
métodos para estimarPAR de las redes
meteorológicas disponibles
y sistemas de medida. Se han estimado los valores
de ε para los tipos de vegetación dominantes y
cómo estos parámetros varían con otros factores
ambientales como la temperatura y la humedad
disponible. Las estimaciones del modelo se han
comparado con mediciones en una amplia gama
de condiciones.
Si bien llamamos a estos modelos espaciales
simples, como lo mostrarán los ejemplos anteriores y
posteriores, a menudo lleva mucho tiempo y es difícil
desarrollar los datos espaciales y estimar los
parámetros para aplicar estos modelos en el espacio.
Los modelos a menudo se basan en
relaciones y mediciones observadas en puntos o
parcelas pequeñas, por ejemplo, el crecimiento de
cultivos en días soleados o nublados, o el cambio en
el GPP en masas forestales cercanas con diferentes
valores de NDVI. Estos pueden ser suficientes para
estimar ε para los tipos específicos, pero las
diferencias entre los tipos de vegetación pueden
requerir mediciones repetidas en una amplia gama
de condiciones. Se puede requerir una red de
estaciones de campo, quizás en combinación con
datos de sensores remotos, para estimar las variables
de entrada, por ejemplo,PARen el
intervalos requeridos a través del paisaje.
La Ecuación Universal de Pérdida de Suelo
Revisada (RUSLE) y su precursora, la Ecuación
Universal de Pérdida de Suelo (USLE), se encuentran
entre los modelos espaciales simples más utilizados:
mi = r⋅k⋅C⋅PAGS⋅L⋅S (13.4)
dóndemies la erosión media anual,Res un factor de
lluvia,krefleja la erosionabilidad del suelo,C
integra efectos de cultivo,PAGScuentas de las
prácticas de gestión,Lrefleja la longitud de la
pendiente, ySrepresenta la pendiente.
El USLE/RUSLE predice la erosión del suelo en los
campos agrícolas y ha estado en desarrollo desde la
década de 1930. La intensidad de las lluvias, las
propiedades del suelo, el tipo de cultivo, la inclinación de
la pendiente y los factores de longitud de la pendiente se
han medido en decenas de miles de parcelas. El Servicio
de Conservación de Recursos Naturales de EE. UU. ha
desarrollado información de apoyo para todo el país,
incluidos los factores del suelo y el clima para los Estados
Unidos, y los impactos de los tipos de cultivos comunes y
su manejo.
 Capítulo 13: Modelos espaciales y modelado 595
regímenes de ment. La USLE y la RUSLE se han
aplicado ampliamente en otros países.
El RUSLE se ha aplicado ampliamente dentro de
un marco GIS para estimaciones de erosión en una
cuenca o escalas más grandes. El modelo es
relativamente simple, gran parte de los datos de
entrada se han desarrollado y están disponibles
públicamente, y los resultados son de amplio interés.
Los métodos para aplicar el modelo han variado, en
parte porque el modelo se desarrolló para campos
individuales, pero los datos espaciales a menudo no
están disponibles por campo. Si bien el factor de
lluvia, R, es generalmente similar en áreas del tamaño
de un condado que abarcan decenas de kilómetros,
otros factores a menudo cambian según el campo o
subcampo. Las aplicaciones a menudo difieren en los
métodos para estimar la gestión y los factores de
cultivo, y en particular en un
DEM
LS
Figura 13-17: Escalar de parcelas a paisajes requiere estimar todos los datos de entrada a través del espacio. Para USLE/
RUSLE, se han desarrollado varios métodos para estimar el factor LS, generalmente basados en una combinación de
pendiente y longitud de pendiente derivada de datos DEM.
combinación de la longitud de la pendiente y los factores de
inclinación.
La estimación de las variables impulsoras a través
del espacio a menudo presenta opciones, como se ilustra
en el cálculo de los factores de pendiente RUSLE, L y S
(Figura 13-17). Los modelos espaciales simples a menudo
se basan en estudios de áreas pequeñas para los cuales
todas las variables pueden medirse fácilmente. Esto a
menudo no es cierto cuando se aplican los modelos a
áreas más grandes. La inclinación de la pendiente (factor
S) se estima fácilmente dentro de un marco ráster, pero la
longitud de la pendiente (L) se considera uniforme a una
longitud fija de 22,1 m (72,6 pies) en el RUSLE estándar.
La aplicación del RUSLE a pendientes convergentes o
divergentes oa longitudes o tamaños de celda diferentes
al estándar puede dar lugar a errores de predicción. Este
desafío ha sido el foco de
Pendiente
Se aplica una de varias
funciones derivadas de la
medición, incorporando
tanto el ángulo de la pendiente como la
longitud de la pendiente, para
calcular el factor LS.
596 Fundamentos SIG
muchos estudios, y el capítulo del libro de Wilson y
Lorang, enumerado en las referencias, describe
algunos de los métodos utilizados para estimar de
manera efectiva una combinación de L y S.
Los factores K, C y P restantes pueden derivarse
de conjuntos de datos espaciales estándar, por
Figura 13-18: Las estimaciones de erosión USLE/RUSLE se pueden calcular a partir de capas base desarrolladas adecuadamente.
por ejemplo, datos NASS o NLCD para tipo y
tratamiento de cobertura terrestre/cultivo, y factores
K de datos SSURGO (Figura 13-18). La aplicación del
modelo a los datos espaciales, aquí en una
multiplicación celda por celda, produce estimaciones
de la erosión en una región.