Análisis y Modelamiento - Practica - ILWIS

CENTRO INTERAMERICANO DE INVESTIGACI ÓN Y DESARROLLOEN INFORMACIÓN GEOGRÁFICA

CIAF

TALLER DE ANÁLISIS Y MODELAMIENTOEN EL FORMATO RASTER

- PRÁCTICA -

Xander Bakker

Santa Fe de Bogotá, (última revisión: febrero 2001)

© Instituto Geográfico Agustín Codazzi, 2001. Todos los derechos comerciales reservados. Prohibido su reproducción para fines no académicos o de investigación.

Contenido :

1. Introducción a ILWIS 2.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1 La ventana principal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Objetos de ILWIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.3 Dominios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71.4 Dependencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.5 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91.6 Menú sensitivo al contexto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2. Convenciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4. Datos a utilizar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

5. Conocer los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

6. Modelo predictivo a utilizar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196.1 Sub-modelo de disponibilidad de leña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216.2 Sub-modelo de demanda de leña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276.3 Sub-modelo de accesibilidad a la leña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316.4 Determinar las áreas de impacto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446.5 Presentación del resultado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

7. Ejercicios adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 497.1 Determinar el impacto visual, método vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 497.2 Determinar la zona inundada causada por la construcción de una presa . . . . . . . . . . . . 517.3 Determinar la cuenca hidrográfica a partir de la red de drenajes . . . . . . . . . . . . . . . . . . . 537.4 Determinar la ruta óptima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Anexo: Design and implementation of a national rural telecommunications network inColombia, using GIS techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

Agradecimientos

Fabiola PérezMi querida esposa, por el tiempo que me brindaste para terminar este trabajo, las observacionesindispensables y las correcciones ortográficas.

Cristian MuñozCompañero en HeRindser Ltda y más que todo amigo. Por suministrar el documento digital congráficos muy explicativos, que fue incorporado en el presente documento como introducción aILWIS 2.23.

A Fabiola, Laura y Michèle

© X. Bakker Instituto Geográfico Agustín Codazzi. 20011

1. Introducción al Sistema de Información Geográfica ILWIS 2.23Para el desarrollo de las prácticas de análisis y modelamiento se ha escogido el Sistema deInformación Geográfica ILWIS para Windows versión 2.23, puesto que es fácil de manejar porsu interfaz amigable y tiene amplias posibilidad de análisis espacial. ILWIS es un SIG que ofrecesus funciones de análisis principalmente en el formato raster.

Es necesario introducir unos conceptos básicos de ILWIS para Windows antes de empezar conel desarrollo del análisis:

Para entrar al Sistema de Información Geográfica ILWIS haga doble clic sobre el icono de ILWISque se ha generado en el escritorio de WINDOWS; o acceda al programa mediante la utilizaciónde las opciones Inicio , Programas , ILWIS 2.2, ILWIS 2.2.

1.1 La ventana principalSe despliega una ventana de bienvenida que inmediatamente conduce a la ventana principal:


La Ventana principal de ILWIS da acceso a todas sus posibilidades, en ella se muestran todoslos elementos necesarios para la elaboración de cualquier operación así como los archivos queel usuario genera.

Elementos de la Ventana Principal

La barra de Título

Como en otras aplicaciones bajo Windows la barra de título suministra información al usuarioacerca de la ubicación en la que se encuentra trabajando, así como del programa que se estáejecutando, posee botones de control que permiten cerrar, ampliar, reducir o minimizar la ventanaen uso.

La barra de Menús

Inmediatamente bajo la barra de título se encuentra una barra de menús de tipo persiana endonde se posibilita al usuario el acceso a todas las herramientas y elementos del Sistema.

La linea de comandos

Esta es una característica especial de ILWIS, si se es un usuario avanzado puede utilizarse paraejecutar ordenes mediante el tecleo de los comandos apropiados. Además allí pueden escribirselas fórmulas de generación de nuevos elementos (columnas, tablas o mapas).

Se memorizan las últimas órdenes dadas de tal forma que el usuario tenga rápido acceso a ellassin necesidad de escribirlas nuevamente.


La barra de botones

Bajo la linea de comandos se encuentra la barra de botones, su funcionalidad es el desplieguede información y su presentación en pantalla los siguientes elementos la conforman:

El primer elemento de la barra de botones permite desplegar y ocultar la ventanacorrespondiente al Listado de operaciones, de esta manera se obtendrá mayorespacio para visualizar los elementos del catálogo.

Este botón permite al usuario mostrar un nuevo mapa en una nueva pantalla.Gracias a las características propias del Sistema operativo (Windows) es posibledesplegar varias ventanas de mapa, tablas y gráficos simultáneamente.

La función de este elemento de la barra de botones es el despliegue de una tablaexistente. De igual forma que en el despliegue de mapas es posible lavisualización de varias tablas en una pantalla de Windows.

En ILWIS es posible conocer las características de atributos que corresponden aun elemento geográfico, esto significa que mediante el uso de este botón puedeleerse la información alfanumérica que atañe a cualquier ubicación geográfica.

Haga clic aquí para seleccionar los elementos que quiere visualizar en el Catálogo;esta herramienta le facilita encontrar un objeto o mostrar solamente aquellos de untipo determinado.

Este es el seleccionador de drive; con el puede desplazarse de uno a otro sin tenerque recurrir al Administrador de Archivos. Si hace clic sobre él se desplegarán losdrives existentes en el computador y podrá escoger cualquiera de ellos.

Este otro seleccionador permite navegar por los directorios de un mismodrive. Normalmente toda la información que se procese será almacenadaen el drive y directorio que aparecen en la ventana principal en elmomento de ejecutarla.

Las Barras de desplazamiento al igual que en cualquier aplicación de Windows permitenvisualizar información dentro de una ventana sin tener que modificar su tamaño.

En la barra de estado aparecen las propiedades y funcionalidades de cada uno de los elementospor donde se desplace el cursor.


El Listado de Operaciones

En él se encuentran todos los programas y funcionalidades que hacen parte del Sistema deInformación Geográfica ILWIS. La forma de acceder a cualquiera de estas aplicaciones eshaciendo doble clic sobre el programa que se quiere ejecutar.

El Catálogo

En el Catálogo aparecen todos aquellos elementos de ILWIS que se encuentran dentro deldirectorio en ejecución, es importante tener en cuenta que un objeto de ILWIS no siempre constade un solo archivo por ello es recomendable que sean manejados, copiados o borrados desdela ventana de ILWIS y no desde el Administrador de archivos.


En el Catálogo entonces pueden visualizarse los diferentes tipos de mapas, tablas u objetos quepueden generarse con ILWIS. Como puede observarse un icono identifica cada objeto dentro deesta ventana, a continuación podrá diferenciar estos iconos y comprender su significado.

1.2 Tipos de objetos en ILWISEn ILWIS se utilizan diferentes iconos para representar diferentes tipos de objetos. Los objetosse dividen en cuatro clases:

Objetos de Datos:Objetos de datos consisten en los elementos que contengan datos. Además, los objetos secaracterizan por ser utilizados como datos de entrada en un análisis.

Mapas de Puntos (ej: Estaciones pluviométricas, sitios de muestreo, etc)

Mapas de Segmentos (ej: vías, drenajes, curvas de nivel, etc)

Mapas de Polígonos (ej: uso, cobertura, municipios, etc)

Mapas Raster (todos los mapas vectoriales rasterizados y además grados continuos{ej: modelo digital de elevación} y productos de sensores remotos {ej: imágenes desatélite y fotografías aéreas}).

Listados de mapas (un listado de mapas raster que comparten la mismageoreferenciación y el mismo dominio).

Tablas (información sin componente espacial, que puede caracterizar elementosespeciales. ej: datos de textura, pH y profundidad para unidades de suelos, etc).

Columnas

Objetos de mantenimientoObjetos de mantenimiento contienen información acerca de objetos de datos:

Dominio Contiene información sobre la definición (códigos) de los elementos quecontiene un objetos de datos.

Representación Contiene la definición de como representar los elementos en eldominio.

Georeferenciación Contiene la definición para mapas raster de como se relacionan filasy columnas con coordenadas planas o geográficas.

Sistema de coordenadas Contiene información sobre la extensión del mapa yopcionalmente la relación de coordenadas planas con su ubicación geográfica.


Objetos especialesObjetos especiales son aquellos objetos que pueden ser aplicados a, o derivados de objetos dedatos.

Vistas de mapas Frecuentemente existe la necesidad de elaborar un producto visualpara su impresión o presentación en pantalla, que consiste en múltiples capas deinformación. La definición de tal presentación se guarda en una vista de mapas.

Histograma de un mapa raster Una tabla con el mismo dominio que el mapa raster, lacual contiene información sobre la frecuencia de ocurrencia de los elementos en elmapa.

Histograma de un mapa de polígonos Una tabla con áreas, perímetros y número depolígonos por cada elemento del dominio del mapa de polígonos.

Histograma de un mapa de segmentos Una tabla con la longitud y el número desegmentos por cada elemento del dominio del mapa de segmentos.

Histograma de un mapa de puntos Una tabla con el número de puntos por cadaelemento del dominio del mapa de puntos.

Conjunto de muestreos espectrales Usado en el procesamiento digital de imágenespara efectuar una clasificación multiespectral supervisada.

Tabla bi-dimensional Usado para definir la combinación de elementos en dos mapasraster durante una superposición.

Matriz Generado en algunas operaciones estadísticas (covariancia, correlación,eigenvectors de componentes principales, etc).

Filtro Contiene información sobre la matriz de valores que se aplica en el proceso defiltrar un mapa raster.

Funciones Contiene funciones definidas por el usuario.

Scripts Pueden contener una secuencia de operaciones de ILWIS. Por medio de losscripts se puede automatizar un análisis.


Objetos de anotaciónLos objetos de anotaciones son aquellos que contribuyen a los objetos de datos para convertirlosa cartografía. La mayoría de estos objetos no pueden ser desplegados en el catálogo y son unaparte integral de una “vista de mapas”.

Capa de textos Norte

Título Grilla

Leyenda Graticule

Caja Bitmap

Escala

1.3 DominiosLos dominios son como el centro de un conjunto de información. Ellos contienen todos loscódigos que pueden ocurrir en un mapa, tabla o columna. Existen tres principales tipos dedominios:

Dominio tipo claseEl dominio clase (“class”) se utiliza para mapas donde una unidad puede existir en varias partesdel mapa, y aunque esta unidad existe en varias partes, las características de estas unidades sonlas mismas. Un mapa de unidades de cobertura es un ejemplo de un mapa con dominio tipoclase.

Dentro de este tipo de dominio existe una variación que se llama “class group”. Se utiliza paramapas donde rangos de valores se asignan el mismo significativo. Cuando a partir de un modelodigital de elevación (mapa con valores que representan la altura en cada pixel) se genera unmapa de pisos climatológicos, se aplica el dominio “class group”; 0-1000 msnm corresponde acálido, 1000-2000 msnm a clima templado, 2000-3000 msnm a clima frío y superior a 3000 apáramo y sub-páramo.

Dominio tipo IdentificadorEl dominio identificador se utiliza para identificar elementos que son únicos en un mapa. Un mapacon estaciones pluviométricas es un mapa de tipo identificador, puesto que la información quealmacena una estación pluviométrica es única.

Dominio tipo valorEl dominio tipo valor se utiliza obviamente para mapas y columnas con valores. Este tipo dedominio se subdivide en muchos tipos de dominio valor. Un dominio valor se define por su rangode valores y precisión.

Count Conteo de elementos: valores de 0 hasta 999'999.999 con precisión 1Distance Para cálculo de distancias: valores de 0 hasta 1.000'000.000 con precisión 0.1


Min1to1 Usado para cálculos con resultado en el rango de -1 hasta 1 como el índice devegetación verde: valores de -1 hasta 1 con precisión 0.0 (la precisión no tiene límite)

Perc Para representar porcentajes: valores de 0 hasta 100 con precisión 0.0 (la precisiónno tiene límite).

Value Valores por defecto de -9999999.99 hasta 9999999.99, precisión 0.01, el usuariopuede adaptar el rango y la precisión según sus necesidades.

& Dominio tipo valor usados para productos de la percepción remotaImage Para imágenes satelitales con rango de valores de o hasta 255: valores de 0 hasta

255 con precisión 1Noaa Para imágenes del satélite NOAA: valores de 0 hasta 1023 con precisión 1Radar Para imágenes RADAR: valores de 0 hasta 32767 con precisión 1

& Dominio tipo valor usados para operaciones lógicasBit Contiene valores 0 (falso) y 1 (verdadero)Bool Contiene valores 0 (falso), 1 (verdadero) y “?” (indefinido)Yesno Contiene “Yes” (Si), “No” (No) y “?” (indefinido)

Otros dominiosBinary Usados internamente y solo en elementos binarios (filtros del sistema)Color Para mapas raster con colores de 24-bits.Colorcmp Para composiciones a color de tipo estándar usando 216 colores.None Para tablas no relacionadas a elementos espaciales.Picture Para mapas que contienen colores de paleta (8-bits, 256 colores) sin otro

significativo de los pixeles.String Únicamente para columnas que contienen textos

1.4 DependenciasEn ILWIS existen diferentes tipos de dependencias. Un mapa depende de un dominio, ademáspuede tener por medio del dominio una o más representaciones. Una tabla de atributos puedeutilizar el mismo dominio que un mapa y por compartir el mismo dominio estos objetos de datospueden estar directamente relacionados.

Otro tipo de dependencia es cuando se efectúa un análisis y se guardan en las propiedades lafórmula que se aplicó para generar un nuevo mapa. Ejemplo: un análisis simplificado paradeterminar la erosión, que solamente utilice información (mapas) de precipitación, coberturavegetal, suelos y pendientes. Normalmente se tratan los mapas de entrada como si fueranestáticos, generando un resultado de análisis estático. En ILWIS, cuando un mapa utilizado comoentrada para un análisis se cambia, la dependencia del resultado con el mapa cambiado avisaráal usuario que el resultado del análisis está desactualizado y ofrece la opción de actualizarlo.


1.5 PropiedadesEl usuario puede tener acceso a las propiedades de los objetos por medio del menú sensitivo alcontexto. Para hacerlo aparecer se debe ubicar el puntero sobre el objeto de interés y oprimir elbotón derecho del mouse, luego seleccionar la opción “Properties”.

En las propiedades se puede obtener información sobre el dominio que está usando el objeto dedatos. Además, el número de puntos, segmentos, o polígonos para mapas vectoriales y númerode filas y columnas para mapas raster. En las propiedades se puede especificar la descripcióndel objeto que nos ayuda a trabajar más estructuradamente y hacer los datos masintercambiables.

1.6 Menú sensitivo al contexto El menú sensitivo al contexto en un menú emergente que aparece cuando el mouse está ubicadosobre un objeto y se oprima el botón de la derecha del mouse. Las opciones difieran dependiendoel objeto que se está usando.


2. Convenciones

Sí encuentra algo como:

� Entre al programa “Iteration ”. Especifique el mapa “start” como “Start Map ” y escriba lasiguiente fórmula en la caja de “Expression ”:

IFF(MDECOR>3280,START,nbmax(START#))

... indica que la operación está explicada detalladamente. Negrilla para programas y opcionesde ILWIS y para fórmulas, además se usa “cursiva” para nombres de mapas, tablas, códigos, etc(datos).

Sí encuentra algo como:

Cree un mapa que incluya zonas con una distancia menor a 600 metros a partir de la víaprincipal (código “main”), 400 metros a partir de las vías secundarias (códigos “sec1" y“sec2") y 200 metros a partir de las demás vías.

... el usuario con base en la experiencia previa debe resolver el problema.

En el transcurso de los ejercicio se asume que el usuario está trabajando en el directorio“C:\CIBODAS”. En caso de encontrar el siguiente:

� Cambie al directorio “C:\CIBODAS\CUENCA".

... se quiere decir que se debe ubicarse en el subdirectorio “CUENCA” del directorio“C:\CIBODAS”.

Una frase en cursiva indica que se está dando una descripción de la operación a ejecutar.

© X. Bakker - 2001 Introducción11

Ubicación del área de estudio

3. IntroducciónPara la práctica se utilizará un conjunto de datos de la Bioreserva Cibodas (Indonesia), elaboradopor el ITC en cooperación con el PHPA (Departamento de protección de bosque y conservaciónde la naturaleza) en el proyecto de UNESCO-ITC llamado "Geo-información para el manejosostenible de los recursos naturales".

INDONESIA

Java

Bioreserva Cibodas

Java

La Bioreserva "Cibodas" consta de tres zonas: 1) la zona de conservación estricta, 2) una zona donde sólo se tolera actividades que no causan impacto en la zona de conservación

y3) una zona con actividades humanas.

Se incluyeron las zonas 2 y 3 porque tienen una influencia directa sobre la zona 1.

En la zona con actividades humanas se practica una agricultura intensa. Con la agricultura seobtiene leña, la cual se utiliza para cocinar. Desafortunadamente, la leña obtenida de laagricultura no es suficiente para la mayoría de las personas. Las ganancias que obtienen con laagricultura no les permite comprar leña para cocinar. La única fuente de leña es el parquenacional donde no está permitida la colección de leña (tala de vegetación leñosa).


Cultivo de cebolla, con bajo rendimiento de leña, pero conmayor ganancia.

Frutales con alto rendimiento de leña

El resultado es que la gente ingresa ilegalmente al parque para abastecerse de leña. El perímetrodel parque (aproximadamente 225 km en una zona altamente montañosa) no permite la vigilancia.

Para poder definir un manejo que reduzca el impacto en el parque nacional, se tiene quedeterminar las áreas principales con déficit de rendimiento de leña.

Últimamente se está notando un cambio en la agricultura que causa graves problemas. Muchaspartes con agricultura de diferentes frutales (de alto rendimiento de leña) se está cambiando acultivos como cebolla con lo cual se puede obtener una mayor ganancia, pero con un rendimientomuy bajo de leña, causando una presión más alta al parque nacional.


Colección ilegal de leña en el Parque NacionalGunung Gede-Pangrango, Java, Indonesia.

Impacto en el bosque por cortar árboles enteros.

La educación ambiental es tiempo perdido, yaque este gente trata de sobrevivir. Ellos necesitanleña para cocinar.

El impacto se puede dividir en dos tipos:

Un impacto bajo, causado por individuos quecolectan productos del bosque de los cuales lamayoría se encuentran en el suelo.

La foto a la izquierda muestra dos personas conla leña recolectada.

Otro tipo de impacto es la colección a mayor escala,cortando árboles enteros, causando impactos gravesen el bosque.

La foto a la derecha muestra el resultado de este tipode colección.

1 Para una mejor comprensión y una reducción del tiempo de procesamiento, se han simplificado los datosusados en el proyecto UNESCO-ITC.

© X. Bakker - 2001 Datos a utilizar14

4. Datos a utilizarEn el directorio "C:\CIBODAS" encontrará el conjunto de datos para utilizar durante las prácticas.Los siguientes datos han sido incluidos1:

ADMIN Mapa de polígonos de las unidades administrativas (15 unidades), tipoidentificador.

CIBODAS Georeferenciación de esquinas, con 50 metros/pixel

CURVAS Mapa de segmentos con las curvas de nivel (de 400 m. hasta 3000 m., cada 100m.), dominio “mde” tipo valor.

INFRA Mapa de segmentos de la infraestructura vial, con dominio tipo clase

LANDUSE Mapa de polígonos del uso de la tierra (18 unidades, 71 polígonos), con dominiotipo clase

POPSTAT Tabla con las estadísticas de población para las años 1984/1985 hasta 1991/1992,para cada unidad administrativa, utilice el dominio ADMIN

SETTLE Mapa de polígonos de los poblados distinguidos (144 polígonos), con dominioclase.

Adicionalmente, durante el curso se crearán y editarán otras tablas con informacióncomplementaria.

© X. Bakker - 2001 Conocer los datos15

5. Conocer los datosAntes de trabajar con estos datos es recomendable observarlos. Consulta al profesor comoconfigurar el despliegue de los objetos en el catálogo!

Despliegue el mapa de polígonos de las unidades administrativas:

� En caso de que todavía no se encuentre en el directorio “C:\CIBODAS” cambie aldirectorio. Haga doble clic sobre el icono del mapa de polígonos “admin”. En la caja deldialogo de las opciones del despliegue acepte las opciones que salen por defecto y hagaclic en el botón “OK”.

Para consultar los nombres de las unidades administrativas, solamente se tiene quehacer clic con el mouse en una unidad desplegada en el mapa.

Cierre la ventana del mapa seleccionando del menú “File ” la opción “Exit ”.

Despliegue el mapa de segmentos con la infraestructura vial:

� Haga doble clic sobre el icono del mapa de segmentos “infra”. En la caja del dialogo delas opciones del despliegue acepte las opciones que salen por defecto y haga clic en elbotón “OK”.

Al hacer clic sobre una vía no se muestra la codificación, puesto que la opción “Info ” estápor defecto apagada para mapas de segmentos. Entre al menú de “Layers ”, seleccionela opción “Display Options ” y el mapa “1 seg infra ”. En la caja del dialogo prenda laopción “Info ” y haga clic en el botón “OK”. Consulte los códigos de los segmentos.

Cierre la ventana del mapa oprimiendo el botón en la parte superior derecha de laventana.

Despliegue el mapa de polígonos de uso de la tierra:

Despliegue el mapa de polígonos de uso de la tierra “landuse”, aceptando las opcionesque salen por defecto el la caja del dialogo. Verifique los códigos que tiene el mapa conla tabla que se encuentra en la página 23.

Despliegue el mapa de infraestructura sobre el mapa de uso:

� Seleccione el menú “Layers ”, luego la opción “Add Data Layer ” y después la opción“Segment Map ”. Seleccione el mapa “infra”, haga clic en “OK” y acepte las opciones deldespliegue por defecto.

Cierre la ventana.


Despliegue el mapa de curvas de nivel “curvas”.

Despliegue el mapa de segmentos “curvas” y prenda la opción “Info ”. Determine elintervalo de las curvas. Entre a las propiedades del mapa “curvas” por medio del menú“Edit ”, luego la opción “Domain ” y después la opción “1 seg curvas ”.

El mapa tiene curvas cada 100 metros pero está usando el dominio “mde” que tiene unaprecisión de 1 metro. Se podría utilizar un dominio con precisión de 100 metros para estemapa de curvas de nivel. Sin embargo, no se recomienda, puesto que los productosderivados (ej: un modelo digital de elevación, obtenido por medio de una interpolación)del mapa de curvas de nivel, por defecto utilizan el dominio del mapa de entrada. Elmodelo digital de elevación con una precisión de 100 metros de altura aparecería unaclasificación del mismo, y causaría errores graves en posteriores análisis (mapa dependientes, aspectos de pendientes, etc).

Cierre la ventana del dominio. Utilice los siguientes botones:

Desplegar ventana entera

Acercamiento (zoom 200%)

Alejarse (zoom 50%)

Ampliar la ventana (200%)

Reducir la ventana (50%)

Redibujar la ventana actual

Medir distancias

Despliegue el mapa de polígonos “settle” sobre el mapa “admin”:

� Despliegue el mapa “admin”, luego arrastre el icono del mapa de polígonos “settle” sobrela ventana del mapa “admin” y sueltelo, acepte las opciones del despliegue.

Puesto que los colores de ambos mapas no ayudan a una buena presentación del mapa,cambiaremos el despliegue. Entre a las opciones del despliegue (“Layers ”, ”DisplayOptions ”) del mapa “admin” y prende la opción “Boundaries Only ”. Cambie eldespliegue del mapa “settle” seleccionando primero la opción “Single Color ”, y luego elcolor “LightGray” para su presentación. Agregue el mapa “infra” con su representación.

La vía principal con el código “main” puede ser interpretada como el límite del área deestudio. Sin embargo, tenemos varios mapas que tienen información fuera del área deestudio (“curvas”, “settle” y “admin”).


Las razones son las siguientes:

Curvas Las curvas de nivel se deben capturar hasta fuera del área de interés puesto que durantela interpolación se generan errores en los límites de la información. Con informaciónhasta fuera del área de interés se asegura que los errores ocurran fuera del área deinterés.

Admin Las unidades administrativas tienen información de población relacionadas a ellas. Encaso de utilizar las unidades administrativas hasta el límite del área de estudio, segenerará densidades poblacionales mayores a la realidad.

Settle Por la misma razón que las unidades administrativas se está utilizando información hastafuera del área de interés. El mapa “settle” tiene las poblaciones codificados de formaúnica cuando están ubicadas dentro del área de interés y tiene un código igual por cadaunidad administrativa cuando están ubicados fuera del área de estudio. Por lo tanto elmapa está utilizando un dominio tipo clase.

� Despliegue del mapa infra únicamente la vía principal. Entre a las opciones deldespliegue, prende la opción “Mask ” y escribe “main” como código a desplegar. Observeel resultado y cierre la ventana.

Despliegue la tabla con las estadísticas de la población:

� Haga doble clic en el icono de la tabla “popstat”. Se abre la ventana de la tabla de lasestadísticas poblacionales. Utilice las barras de desplazamiento para ver todos los datos.La tabla depende del dominio “admin” que es el mismo que utiliza el mapa “admin”. Estonos permite especificar la tabla “popstat” como tabla de atributos del mapa “admin”.

Cierre la tabla. Entre a las propiedades del mapa “admin”: ubique el mouse sobre el iconodel mapa “admin” y oprima el botón derecho del mouse, luego seleccione la opción“Properties ”. Prenda la opción “Attribute table ” y seleccione la tabla “popstat” comotabla de atributos. Haga clic en el botón “OK”.

Despliegue el mapa “admin”, prenda la opción “Attribute ”. Seleccione la columna“Pop9192" para desplegar, luego seleccione la opción “Representation ”, acepte larepresentación “pseudo” y haga clic en el botón “OK”.

El mapa despliega las unidades administrativas con colores, representando el númerode habitantes: azul para valores más bajos, verde para valores intermedios y rojo/moradopara los valores más altos. Haga clic sobre algunas unidades para obtener su nombrey el valor de población desplegado. (No cierre la ventana).


Consultar la información de la población por cada polígono utilizando Pixel Information:

� Para obtener información de múltiples años, es necesario utilizar la opción “PixelInformation ” (Información de celdas). Entre al menú “File ” y seleccione la opción “OpenPixel Information ”. En la ventana de “Pixel Information ” entre al menú “File ” y luegoseleccione la opción “Add Map ”. Seleccione el mapa “admin” y haga clic en “OK”. Secarga la información de la tabla “popstat” según la unidad administrativa donde estéubicado el mouse. Mueva el mouse sobre el mapa “admin” para obtener los valores depoblación para varias unidades administrativas.

© X. Bakker - 2001 El modelo predictivo para utilizar19

6. Modelo predictivo a utilizarEl modelo predictivo contiene todos los datos con el fin de determinar las ubicaciones del parquenacional con mayor probabilidad de tener un impacto causado por la colección ilegal de leña.

© X. Bakker - 2001 El modelo predictivo para utilizar20

Toxopeus (1996) subdividió el modelo conceptual en tres sub modelos:

1- Disponibilidad de los recursos naturales (en este caso leña)2- Demanda de los recursos naturales (leña)3- Accesibilidad a los recursos naturales (leña del parque nacional)

Combinando la disponibilidad y la demanda de leña se puede definir la ubicación y cantidad deldéficit y excedente de leña. Luego a partir de las poblaciones que tienen un déficit se puedecalcular una distancia al parque nacional para determinar las áreas más probables a tener unimpacto causado por la colección ilegal de productos de bosque (leña).

Por la sencilla razón que la gente no puede llegar por medio de una línea recta al parque, o quela línea recta no representa la ruta óptima para llegar a la parte más cercana del parque, se tieneque incluir otros factores (tales como velocidad por las vías, velocidad en el campo, influencia dependientes, etc) para obtener tiempos de viaje. Esto hace parte del sub-modelo de accesibilidad.

© X. Bakker - 2001 El sub-modelo de disponibilidad de leña21

6.1 Sub-modelo de disponibilidad de leñaPara obtener la disponibilidad de leña se necesita el mapa de uso y cobertura y se requiereinformación sobre el rendimiento de leña por cada tipo de uso y cobertura por hectárea por año.También se tiene que utilizar las unidades administrativas, porque la información de demanda deleña solamente se puede determinar por unidad administrativa (consumo per capitá, informaciónde población disponible a nivel de unidad administrativa). Puesto que se tiene que combinar ladisponibilidad con la demanda, es necesario determinar la unidad espacial para hacerlo. En estecaso las unidades administrativas.

El proceso se inicia con el cruce de la información de unidades administrativas y la informaciónde uso y cobertura. El cruce es un tipo de superposición lo cual genera una tabla con informaciónsobre las diferentes combinaciones (tipo de uso y cobertura por unidad administrativa)encontrados y sus respectivas áreas. En ILWIS este proceso sólo se puede hacer en formatoraster.

Rasterizar los mapa de polígonos admin y landuse:

� Desde el menú sensitivo al contexto del mapa de polígonos “admin” seleccione la opción“Polygon to Raster ”. En la caja de dialogo seleccione la georeferenciación “cibodas” yprenda la opción “Show ”, deje el nombre del mapa de salida “admin”. Especifique unadescripción adecuada.

Tener la opción “Show ” prendida hace que el programa calcule y muestre el resultado.En el caso contrario el programa únicamente crearía el icono del mapa raster de salida,pero no lo crearía físicamente.

Repita el mismo proceso para el mapa “landuse”.

Es importante que todos los mapas que se incluirán en el análisis tengan la mismageoreferenciación. ILWIS no permite utilizar mapas con diferentes georeferenciaciones en unanálisis.


Cruzar las unidades administrativas con uso y cobertura:

� Seleccione el programa “Cross ” desde el listado de operaciones (haciendo doble clicsobre él). Especifique como primer mapa el mapa “admin” y como segundo mapa elmapa “landuse”. Escriba como nombre de la tabla de salida “adminuso” y prenda laopción “Show ”.

Puesto que solamente se está interesado en tener información tabular de los usos porunidad administrativa, no se crea un mapa de salida.

Las opciones de ignorar valores indefinidos en ambas mapas es para excluir las áreasque no son de interés (ver gráfico abajo). El achurado es el área de estudio y las líneasson los límites de las unidades administrativas. Puesto que las unidades administrativassobrepasan el área de estudio (se tiene solamente información de uso y cobertura dentrodel área de estudio) se excluyen las áreas indefinidas del mapa de uso para entoncesexcluir las partes de unidades administrativas fuera del área de estudio. Mas adelantese utilizará la información de los poblados que están ubicados fuera del área de estudio,para excluir de forma más precisa la población que vive fuera el área de interés (que sesupone no tiene influencia en el parque).

2 Note que el rendimiento de leña en el parque nacional es cero, dado que la colección de leña esta prohibida.


La tabla se despliega. La columna a la izquierda contiene el nuevo dominio que se creó el cualestá compuesto por los códigos de ambas mapas de entrada separado con un asterisco “*”.

La columna “NPix” contiene información sobre el número de pixeles que corresponden a loscruces de los dos mapas y básicamente sobra, puesto que también se generó una columna“Area” (m²).

Se puede observar que la unidad “Caringin” se cruza con los usos “Rice 1x/veg”, “Settlements”,“Rice 2x/veg”, “Mixed Garden”, “Homestead” y “Product Forest”.

Minimizar la tabla.

Crear una tabla con el rendimiento de leña por unidad de uso:

� Cree una nueva tabla a partir del dominio “landuse”. Asegurase que los dominios estándesplegados en el catálogo. Entre al menú sensitivo al contexto del dominio “landuse”y seleccione la opción “Create Table... ”. En la caja del dialogo especifique el nombre“rendiuso” y oprima el botón “OK”.

Cree una columna “rendi”. Entre al menú “Columns ”, luego seleccione la opción “AddColumns ”. Escriba el nombre “rendi” como nombre de la columna y ajuste el rango y laprecisión según la información en la siguiente tabla:

Uso Rendimiento de leña por año (m 3/ha)

Crater Lahar (Volcán) 0.0

Crater Shrubs (Veg. de volcán) 0.0

Dry Cashcrops (Frutos secos) 0.7

Dry Tumpang (Cultivos de terrazas) 4.0

Dry Vegetables (Cultivos sin irrigación) 0.7

Fishpond (Piscicultura) 0.0

Forest/Aban Tea (Cultivos té 7.5

Homestead (Parcelas pequeñas) 5.2

Irrigated Land (Tierras de irrigación) 0.7

Lake (Lago) 0.0

Mixed Garden (Parcelas de cultivos) 3.5

National Park (Parque Nacional) 0.02

Uso Rendimiento de leña por año (m 3/ha)


Product Forest (Bosque de producción) 2.2

Rice1x/veg (Arroz 1 ciclo/veg) 0.5

Rice2x/veg (Arroz 2 ciclos/veg) 0.3

Rice3x (Arroz 3 ciclos) 0.1

Settlements (Poblados) 0.0

Tea Estate (Plantaciones de té) 1.2

� Oprima el botón “OK” y edite los valores de la tabla. Luego cierre la tabla.

Unir rendimiento de leña a la tabla de cruce y calcular rendimiento por unidad administrativa:

En este paso debemos obtener los valores de la columna “rendi” de la tabla “rendiuso” e integrarlaa la tabla de cruce “adminuso” para poder calcular el rendimiento de leña por unidadadministrativa. La obtención en una tabla de datos los cuales están guardados en otra tabla sehace por medio de una operación “Join ” (unión).

Existen varias formas de unir información:

1 La tabla actual comparte el mismo dominio con la tabla externa.2 El dominio de una columna de la tabla actual es el mismo que el dominio de la tabla externa.3 El dominio de la tabla actual es el mismo que el dominio de una columna de la tabla externa

desde donde se va unir una columna.4 El dominio de una columna de la tabla actual es el mismo que el dominio de una columna de

la tabla externa desde donde se va unir una columna.

En este caso el dominio de la columna “landuse” de la tabla actual “adminuso” es el mismo queel dominio de la tabla externa “rendiuso”:


� Restaure la tabla “adminuso”. Entre al menú “Columns ” y seleccione la opción “Join... ”.En la caja del dialogo seleccione la tabla “rendiuso” y observe que automáticamente seseleccione la columna “rendi” (es la única columna en la tabla). Luego prenda la opción“Key Column ” y seleccione la columna “landuse” (el enlace). Escribe “rendi” comocolumna de salida y oprima el botón “OK”.

Con base en la columa “rendi” se puede calcular por cada área de cruce su rendimiento enm3/año.

� Escriba en la linea de comando de la tabla la siguiente fórmula para calcular el área enhectáreas:

AreaHa=Area/10000

Acepte el rango y la precisión que el sistema ofrece por defecto.

ILWIS utiliza las siguientes convenciones en las calculaciones:

= crea una columna dependiente de la información de entrada:= crea una columna independiente de la información de entrada

En caso de querer obtener una columna que se tenga que editar luego, se recomienda usar elsigno “:=” en caso contrario se recomienda usar el signo “=”.

� Escribe en la linea de comando la siguiente fórmula para calcular el rendimiento de leñapor cada cruce individual:

IndRendi=rendi*AreaHa

Acepte el rango y la precisión que el sistema ofrece por defecto.

Ya tenemos una columna que podemos utilizar para sumar el rendimiento por cada unidadadministrativa. Para tal propósito se debe utilizar funciones de agrupación (“Aggregation ”).

� Entre al menú “Columns ”, luego seleccione la opción “Aggregation... ”. Seleccione lacolumna “IndRendi” y la función “Sum”. Prenda la opción “Group by ” y seleccione lacolumna “admin”. Prenda la opción “Output Table ” y escriba “oferta” como tabla desalida. Luego escriba “TotRendi” como columna de salida.

En este cálculo se efectúa una suma obteniendo el rendimiento para de cada unidadadministrativa. En caso de omitir prendiendo la opción “Group by ” se efectúa una suma para todoel área de estudio.


� Cierre la tabla “adminuso”. Abra la tabla “oferta”. Se puede observar que se ha obtenidoen el parque nacional (código “NP”) un rendimiento mayor a 0, puesto que el límite delparque nacional en el mapa “admin” no corresponde completamente al límite del parquenacional del mapa “landuse”.

� Ejecute la siguiente fórmula para corregir este error:

TotRendi2=iff(%k="NP",0,TotRendi)

Esta fórmula es un cálculo condicional donde se evalúa si el dominio (“%k”) es igual alcódigo “NP” (debe escribirse entre comillas, puesto que en el caso contrario el sistemainterprete NP como nombre de una columna, que no existe, resultando un error). Cuandose cumple la condición se escribe el valor 0, en caso contrario se escriben los valoresque contiene la columna “TotRendi”.

Note que en ILWIS se usa “IFF” en vez de “IF” para cálculos condicionales.

Cierre la tabla.

© X. Bakker - 2001 El sub-modelo de demanda de leña27

Pobcreci(%) Pob9192

Pob8485

1ûaños

1 �100

6.2 Sub-modelo de demanda de leñaLa demanda de leña está definida por la cantidad de leña que cada persona consume.Adicionalmente hay un factor que contribuye en el consumo: la industria casera de fabricaciónde artesanías. Dentro de los datos entregados está la tabla “popstat” que contiene por cadaunidad administrativa la población entre 1984/1985 hasta 1991/1992. Para este ejercicio vamosa calcular la población en el año 1999/2000 y a esta población le relacionamos el consumo percápita y el consumo adicional para obtener la demanda de leña por unidad administrativa.

Calcular la población en el año 1999-2000 con base en el crecimiento de la población entre1984/1985 hasta 1991/1992:

Como tenemos datos de la población entre 1984/1985 hasta 1991/1992, se puede calcular elcrecimiento de la población por año por medio de la siguiente fórmula:

En ILWIS 2 esta fórmula se puede escribir así:

PobCreci=((Pop9192/Pop8485)^(1/7)-1)*100

o

PobCreci=(Pow((Pop9192/Pop8485),(1/7 ))-1)*100

Calcule en la tabla “popstat’ la columna “PobCreci”, seleccione el dominio “perc”.

De nuevo existe un error en la unidad “NP”. Con una fórmula cree la columna“PobCreci2" donde se reemplaza el valor indefinido del registro “NP” por 0.

3 Este dato ha sido modificado para simplificar el ejercicio.


Pob9900 Pob9192�Pobcreci(%)

100�1

(20001992)

Para estimar la población en el año 1999/2000 se debe utilizar el crecimiento promedio por cadaunidad administrativa y aplicarlo a la última población conocida (año 1991/1992) hasta llegar alaño 1999/2000. Se puede utilizar la siguiente fórmula:

En ILWIS esta fórmula se puede escribir así:

Pop9900=Pop9192*(PobCreci2/100+1)^(2000-1992)

o

Pop9900=Pop9192*Pow(PobCreci2/100+1,2000-1992)

Calcule la columna “Pop9900". Estime los valores mínimo y máximo y ajuste el rango yla precisión del dominio valor.

En algunas unidades administrativas se puede observar un crecimiento negativo entre 1990/1991y 1991/1992. Este crecimiento se puede estimar con el mismo cálculo (ûaños=1):

Calcule la columna “Creci9092" usando una fórmula similar a la que se encuentra en lapágina anterior. En caso que se ha utilizado el dominio “perc” algunos registros muestranvalores indefinidos. Por qué?

Calcular la demanda basado en el consumo per cápita y otros consumos:

Decimos que el consumo per cápita en este año será de 0.1 m3/año 3. Multiplicando la poblaciónen el año 1999/2000 por el consumo per cápita resulta en el consumo por unidad administrativaen m3 por año basado en la población.

Calcule el consumo por unidad administrativa:

Consumo =...........................................................

El consumo de la población es el 97% del consumo total. Así tenemos que ajustar el consumode la población para obtener el consumo total:


Calcule el consumo total por unidad administrativa:

ConsumoTot = .........................................................

Cree una nueva tabla “demanda” a partir del dominio “admin” y una desde la tabla“popstat” la columna “ConsumoTot” en esta tabla.

Unir la disponibilidad y calcular excedente y déficit:

Abra la tabla "oferta", una la columna "ConsumTot" de la tabla "demanda” y calcule ladiferencia entre disponibilidad y demanda. El resultado deberá indicar valores negativospara déficit y valores positivos para excedente.

ExceDefi = ..........................................

Observe los resultados y cierre la tabla. Defina en las propiedades del mapa “admin” latabla “oferta” como tabla de atributos y despliegue el mapa utilizando la columna“ExceDefi”. (utilice representación “pseudo”).

Cierre el mapa.

Para representar el resultado de una manera más entendible, crearemos una representaciónpersonalizada para la columna “ExceDefi”.

� Abra la tabla “oferta” y haga doble clic en el título de la columna “ExceDefi”. Esto deberíaabrir las propiedades de la columna. (Otra manera de tener acceso a las propiedades dela columna es por medio del menú “Columns ”, “Column Management ”, seleccionar lacolumna “ExceDefi” y oprimir el botón “Properties ”.) Haga clic en el botón para crearun dominio.

Llame el dominio de tipo valor “ExceDefi” y especifique el rango -20000 hasta 12000 conprecisión 0,01. Cierre la tabla.

En el menú sensitivo al contexto del dominio “ExceDefi”, seleccione la opción “CreateRepresentation ” y llame la representación “ExceDefi”. Luego en la ventana de editar larepresentación cambie el color correspondiente al valor -20000 a rojo oscuro: haga dobleclic sobre el valor “-20000", luego en la ventana de “Edit Limit ” cree un color conintensidades; Rojo=160, Verde=0 y Azul=0.

Cambie el numero de tonalidades por paso a 50: entre al menú “Edit ”, luego seleccionela opción “Stretch Steps ” y cambie el valor a 50. Cambie el color correspondiente al valor“12000" a “ForestGreen”.


Luego inserte un nuevo límite con valor 0: Entre al menú “Edit ” y seleccione la opción“Insert Limit ”. Especifique el valor 0 y asigne el color amarillo “Yellow”.

Cierre la representación y vuelva a desplegar el mapa “admin” utilizando la columna“ExceDefi” con su respectiva representación.

© X. Bakker - 2001 El sub-modelo de la accesibilidad a la leña31

6.3 Sub-modelo de accesibilidad a la leñaEn el sub-modelo de accesibilidad a la leña se repartirá el déficit sobre las poblaciones dentro delas unidades administrativas y a partir de las poblaciones con déficit de leña se calculará un mapade tiempos de viaje para determinar cuales partes del parque nacional son las más accesiblesy por tanto las más probables de tener un impacto.

Para el mapa de tiempos de viaje se utilizará información de velocidades por las vías, velocidadesen el campo y reducción de velocidad causado por las pendientes.

Crear el modelo digital de elevación a partir de las curvas de nivel:

� Abra el menú sensitivo al contexto del mapa “curvas” y seleccione la opción “ContourInterpolation ”. Escriba “mde” como nombre del mapa de salida y seleccione lageoreferenciación “cibodas”. Por defecto sale el dominio “mde” que se esta utilizando delmapa “curvas”. Prenda la opción “Show ” y oprima “OK”.

En la pantalla se puede observar "Forward" (paso hacia adelante) y "Backward" (paso hacia atrás)y los cambios (pixeles cambiando de valor). Esto se repite hasta llegar a cero cambios, despuéshay un paso final de interpolación.

Acepte las opciones del despliegue que salen por defecto y despliegue el mapa. Observe lapresencia de líneas rectas que indican errores de la interpolación, en la zona fuera del área deinterés.

Durante la interpolación se pueden crear pequeños errores, los cuales son mejorados con un filtrode suavizar (promedio).


Pixelcentral Mvecinos�1

n1

Valordelmapan�Valordelfiltron �Gain�Offset

Pixelcentral 2�1�8�1�4�1�6�1�7�1�3�1�4�1�5�1�6�1 �0.11111�0

Observa el contenido del filtro “avg3x3":

1 1 1

1 1 1

1 1 1

Gain: 0.11111 Offset: 0

Un filtro utiliza los valores de los vecinos para escribir el resultado en el pixel central. La fórmulaes la siguiente:

En caso del filtro "avg3x3":

2 8 4 1 1 1

6 7 3 1 1 1 � 5

4 5 6 1 1 1

Mapa entrada Filtro Mapa Salida

El Gain (0.11111) � 1/9, hace un promedio de los vecinos (incluyendo el valor central) y escribeel resultado en el mapa de salida en el pixel central. En esta forma se va moviendo el filtro sobreel mapa entero para escribir el mapa de salida.

� Entre por medio del menú sensitivo al contexto a la opción “Image Processing ”, luegoseleccione “Filter ”. En la caja del dialogo seleccione el filtro “avg3x3" y escriba comonombre del mapa de salida “mdes”. Acepta el dominio “mde” (el rango no se va acambiar), prenda la opción “Show ” y oprima el botón “OK”.


A partir del modelo digital de elevación suavizado podemos aplicar otros filtros para generar 2mapas que son necesarios en el cálculo de un mapa de pendientes. Estos filtros son: DFDX paracalcular la diferencia en la atura en la dirección X (horizontal) y DFDY para calcular la diferenciaen altura en la dirección Y (vertical):

0 0 0 0 0 0 0 -1 0 0

0 0 0 0 0 0 0 8 0 0

1 -8 0 8 -1 0 0 0 0 0

0 0 0 0 0 0 0 -8 0 0

0 0 0 0 0 0 0 1 0 0

Filtro "DFDX" Filtro "DFDY"

Gain = 0.08333334, Offset=0

Cree un mapa raster llamado "dfdx" aplicando el filtro lineal “dfdx” al mapa "mdes", y creeun mapa raster llamado "dfdy" aplicando el filtro “dfdy” al mapa "mdes", acepte en amboscasos el rango y la precisión que ofrece el sistema para los mapas de salida.

Despliegue los mapas y verifique sus valores. Luego cierre los mapas.

Calcular el mapa de pendientes:

� Escriba en la linea del comando la siguiente fórmula para generar el mapa “pendient” enporcentaje:

Pendient = 100 * HYP(dfdx,dfdy)/ PIXSIZE(mdes)

Por qué no se puede utilizar el dominio “perc” para el mapa “pendient”?

Acepte el rango y la precisión que salen por defecto. Se puede observar que el mapa nose calcula. Al hacer doble clic sobre el mapa el mapa se calcula y se despliega elresultado.

Clasificar las pendientes:

En este caso estamos interesados en obtener un mapa que contenga los valores que representanlos rangos de pendientes. Para cada rango, mas adelante, se asigna un atributo (corrección develocidad por influencia de las pendientes).


Para la clasificación se debe conocer el valor máximo del mapa de pendientes. En la caja dedialogo de las opciones del despliegue del mapa “pendient” está indicado este valor. Anote elvalor máximo:

Valor máxima = ..........

La clasificación de un mapa de valores se hace por medio de un dominio de tipo “class group ”donde se asigna un significativo a cada rango de valores.

� Cree un nuevo dominio “pendclas” seleccionando la opción “New Domain ” desde ellistado de operaciones. Asegúrese que tiene seleccionada la opción “Class ” y marcadola opción “Group ”. Por medio del menú “Edit ” y la opción “Add Item ” adicione loselementos según la tabla abajo.

Name UpperBound Code

0-5% 5 a

5-10% 10 b

10-20% 20 c

20-30% 30 d

30-45% 45 e

45-65% 65 f

>65% Valor mayor al máximavalor del mapa “pendient”

g

Cuando los valores han sido editados, cierre el dominio.

Por medio de un cálculo se aplica la clasificación:

� Escriba en la linea del comando la siguiente fórmula para generar el mapa “pendclas”:

Pendclas = CLFY(Pendient,pendclas)

donde:

Pendclas Es el mapa de salidaCLFY() Es una operación de ILWIS (necesita 2 parámetros)Pendient Es el mapa de entrada (pendientes sin clasificar)pendclas Es el dominio con la clasificación


Por defecto el sistema utilizará el dominio “pendclas” para el mapa de salida, lo cual está bien.

Calcule y despliegue el mapa. Al desplegar el mapa "pendclas" se está utilizando loscolores definidos en la representación "pendclas". Puesto que estos no son muyapropiados, los ajustamos.

� Entre al menú “Edit” y seleccione la opción “Representation”. En la ventana de larepresentación edita con las barras de desplazamiento las intensidades de los coloresprincipales Rojo, Verde y Azul de la siguiente manera:

Clase Rojo Verde Azul

0-5% 0 110 0

5-10% 0 170 0

10-20% 0 255 0

20-30% 255 255 0

30-45% 255 190 0

45-65% 255 0 0

>65% 190 0 0

� Cierre la representación y oprima el botón de re-dibujar la ventana. Cierre la ventana.

Para hacer la presentación una poco mejor se puede cortar el área fuera del área de estudio.Esto se hace mediante un cálculo.

� Escriba en la linea de comando de la ventana principal la siguiente fórmula:

Pendcl2=iff(isundef(landuse),?,pendclas)

La función “isundef() ” verifica si un mapa tiene pixeles que no son definidos (indicadosnormalmente en color blanco, donde aparece una interrogación “?” cuando se estaconsultando el valor). La asignación de una interrogación “?” cuando el mapa “landuse”está indefinido causará que el área fuera del área de estudio será indefinido y apareceráen color blanco. Despliegue el resultado.

Crear un mapa con la corrección de velocidades por clase de pendientes:

Cree una tabla “velocor”, a partir del dominio “pendclas” con la corrección de velocidadespor clase de pendiente. Crea una columna "Correcc" con los siguientes datos:


DeficitoexcedenteindividualAreapobladoindividual

Mn

1Areapobladon

� Deficitoexcedenteuni.admin.

Clase Correcc

0 - 5% 1.000

5 - 10% 0.958

10- 20% 0.818

20 -30% 0.646

30 - 45% 0.500

45 - 65% 0.409

>65% 0.288

Los valores de esta tabla se pueden asignar al mapa de pendientes clasificadas:

� Seleccione del listado de operaciones el programa “AttribRas ”. Seleccione el mapa“pendclas” como “Raster map ” y la tabla “velocor” como “Table ”. Automáticamenteaparece la columna “Correcc” seleccionada como “Attribute ”. Escriba como mapa desalida “velocor” y prenda la opción “Show ”.

Este mapa se utilizará para corregir el mapa de velocidades y reducirlas según lainfluencia de las pendientes. En caso que un área es muy inclinada se asigna un valorbajo. Al multiplicar este mapa con el de las velocidades (el cual se hará más adelante)se corrige las velocidades.

Distribuir el déficit sobre las poblaciones por medio de las áreas:

En el mapa de poblados tenemos la siguiente codificación: nombre de la unidad administrativaen que esta ubicado, espacio y número del poblado dentro de la unidad administrativa (estenúmero no se repite). Cuando un poblado esta ubicado fuera del área de interés tiene en vez deun número "xx".Con estos datos se puede distribuir el déficit o excedente de la unidad administrativa sobre lospoblados individuales:

Dividiendo el área de un poblado por la suma de las área de todos los poblados dentro de unaunidad administrativa luego multiplicándolo por el déficit o excedente de la unidad administrativa,se obtiene el déficit o excedente de cada poblado.


� Primero se debe calcular el histograma del mapa de polígonos “settle” para obtener elárea de cada unidad: Desde el menú sensitivo al contexto seleccione la opción“Statistics ”, luego “Histogram ” y oprima “OK”.

� En el histograma se debe calcular la longitud del nombre de la unidad:

longitud=length(%k)

Luego extraiga el penúltimo carácter del nombre de la unidad:

PenUlt=sub(%k,longitud-1,1)

Acepte el dominio “string”. Ahora se pueden distinguir los poblados que tienen doscaracteres después del nombre de la unidad administrativa de los que tienen un carácterdespués del nombre. Extraemos el nombre de la unidad:

admin=iff(PenUlt=”“,sub(%k,1,longitud-2),sub(%k,1,longitud-3))

Seleccione el dominio “admin” para la columna “admin”.

� Por medio de esta columna se puede sumar el área de todos los poblados por unidadadministrativa: Entre al menú “Columns ” y seleccione la opción “Aggregation ”.Seleccione la columna “Area” para agrupar, la función “Sum”, prenda la opción “KeyColumn ” y seleccione la columna ”admin”. Escriba el nombre “AdminArea” como nombrede salida.

Ya se puede unir la información de la demanda y corregirlo según la población que estáviviendo dentro del área de estudio:

� Entre al menú “Columns ”, luego seleccione “Join ”. Especifique “demanda” como “Table ”,“ConsumoTot” como “Column ” , especifique “admin” como “Key Column ” y escriba“ConsumoTot” como “Output Column ”.

Para distribuir la demanda sobre las poblaciones debemos determinar la fracción en áreade cada poblado sobre el área total de todos los poblados dentro la unidadadministrativa:

Fraccion=Area/AdminArea

Si multiplicamos la columna “fraccion” con la columna “ConsumoTot” obtenemos lademanda por cada poblado:

DemPoblado=Fraccion*ConsumoTot


La demanda por poblado debemos combinarla con la oferta de leña, distribuyéndolaigualmente sobre los poblados dentro del área de interés. Unimos la información desdela tabla “oferta”:

� Entre al menú “Columns ”, luego seleccione “Join ”. Especfique “oferta” como “Table ”,“TotRendi2” como “Column ” , especifique “admin” como “Key Column ” y escriba“TotRendi2” como “Output Column ”.

Para distribuir este valor tenemos que calcular otra columna donde no se incluyan lospoblados fuera del área:

Area2=i ff(penult=”x”,0,Area)

Asegúrese que todos los registros tienen valores (verifique “Sukabumi 3", en caso queno tiene valor amplíe el rango del valores en las propiedades de la columna!!!). Luegose debe sumar estas área por unidad administrativa: Entre al menú “Columns ” yseleccione la opción “Aggregation ”. Seleccione la columna “Area2” para agrupar, lafunción “Sum”, prenda la opción “Group By ” y seleccione la columna ”admin”. Escribael nombre “AdminArea2” como nombre de salida.

Ya se puede calcular la columna “fraccion2" la cual contiene la fracción para distribuir laoferta sobre los poblados dentro del área de estudio:

Fraccion2=Area2/AdminArea2

Si multiplicamos la columna “fraccion2” con la columna “TotRendi2” obtenemos la ofertapor cada poblado:

OfertaPob=Fraccion2*TotRendi2

Ahora se puede restar la demanda de la oferta por poblado y asignar el valor 0 a lospoblados fuera del área:

ExceDefi=i ff(penult=”x”,0,OfertaPob-DemPoblado)

Cambie el valor mínimo del rango de valores a -9000.

Para generar un mapa con estos valores se debe unir la última columna “ExceDefi” enuna nueva tabla “settle” creada con el dominio “settle”. Luego rasterice el mapa “settle”y crea un mapa de atributos “setval” con el dominio de tipo valor “ExceDefi”.

Despliegue el mapa “setval” y muestre el resultado al profesor.


Crear un mapa de velocidades por las vías:

Cada clase del mapa de vías tiene asociada una velocidad para caminar. Sólo se utiliza caminarcomo forma de viajar, dado que más del 90% de la población viaja caminando al parque. Aquí seutiliza la misma forma para crear un mapa de velocidades por las vías: rasterizar el mapa desegmentos, crear una tabla de atributos a partir del dominio “infra” y adicionar una columna conlas velocidades por cada vía lo cual posteriormente se asigna al mapa raster “infra”.

Rasterice el mapa de segmentos “infra” y nombre el mapa raster “infra”.

Cree una tabla “velovia” a partir del dominio “infra” y adicione una columna “velocidad”con la siguiente información:

Código Velocidad

horse 4

main 6

sec1 6

sec2 6

trail 3

Cree un mapa de atributos “velovias” asignando las velocidades a las vías.

Crear un mapa de velocidades por el campo:

En algunos casos la mejor ruta para llegar al parque no es por medio de las vías, sino cruzandoel campo. Cada clase de uso genera una respectiva velocidad para caminar. A partir del mapa“landuse” que está rasterizado, se puede crear este mapa de velocidades.

Cree una tabla “velocamp” a partir del dominio “landuse” y adicione una columna“velocidad” con la siguiente información:

Uso Velocidad

Crater Lahar 0.50

Crater Shrubs 0.50

Dry Cashcrops 2.00

Dry Tumpang 2.00

Dry Vegetables 2.00

Uso Velocidad


Fishpond 0.00

Forest/Aban Tea 0.75

Homestead 1.50

Irrigated Land 2.00

Lake 0.00

Mixed Garden 1.50

National Park 0.50

Product Forest 1.00

Rice1x/veg 2.00

Rice2x/veg 2.00

Rice3x 2.00

Settlements 6.00

Tea Estate 2.50

Cree un mapa de atributos “velocamp” asignando las velocidades al mapa “landuse”.

Crear un mapa de velocidades (vías y campo):

Aquí se debe utilizar una fórmula condicional para combinar los dos mapas de velocidades. Alsuperponer los dos mapas, se encuentran vías ubicadas en diferentes usos. Cuando se capturóel mapa de uso se aceptaron las vías como vacíos que crearon áreas contiguas.

Sintaxis (no escribir ni ejecutar este formula):

Mapadesalida=iff(condición,Acción 1,Acción 2)

Se supone que cuando hay vías utilizamos la información de las vías; en el resto, la informaciónde usos:

Velocid1=iff(isundef(infra),velocamp,velovias)

donde:Velocid1 Es el mapa de las velocidades combinadasinfra Es el mapa de víasvelovias Es el mapa de velocidades por las víasvelocamp Es el mapa de velocidades por el campo


Corregir las velocidades por la influencia de las pendientes:

Normalmente esta corrección solo se aplica al mapa de las velocidades en el campo, puesto quelas vías están adaptadas a las pendientes. En este caso con los datos reducidos, el tamaño delpixel (50m) no puede contener las curvas de las vías. Por tanto se debe aplicar la corrección delas pendientes a ambos mapas de velocidades.

Velocid2=velocid1*velocor

Utilice precisión 0.001. Despliegue el mapa.

Preparación de un mapa a utilizar en la operación de esparcimiento:

En ILWIS se utiliza el programa “Distance ” para hacer operaciones de esparcimiento y deproximidad. Para hacer una operación de esparcimiento se deben preparar dos mapas: un mapacon las fuentes (poblados con déficit de leña) y un mapa con los pesos (dificultad de viajar).

El mapa con las fuentes:7 En mapa con las fuentes tiene que tener dominio “class” o “ID”.

El mapa con los pesos:7 Partes inaccesibles (donde no se puede cruzar, como lagos, etc) tienen que estar indicadas

con valores negativos. No importa el valor que tenga (puede ser -1, -18987, etc) peronormalmente se utiliza "-1".

7 Los otros pixeles deben tener un valor que represente el peso (la dificultad) de cruzar estepixel.

La calculación de distancias normalmente (en caso de operaciones de proximidad) utiliza el valoruno "1" como valor de la dificultad de cruzar (no se utiliza la opción “Weight ” = mapa de pesos):

7 5 7

5 0 5

7 5 7

Dividiendo los valores de esta matriz por 5 resulta en:

1.4 1 1.4

1 0 1

1.4 1 1.4


Peso (s/m) 3.6velocidad (km/h)

El 1.4 es una aproximación de �2, que representa para viajar diagonalmente un pixel. Paradeterminar los valores de los vecinos de las fuentes se multiplica el valor de la primera matriz conel valor del peso dividiendo el resultado por 5 y multiplicándolo por el tamaño del pixel. El un casode un mapa con tamaño del pixel de 10 metros y valores de peso 1 (sin peso), viajando un pixelhorizontal o vertical resulta en un valor 5*1/5*10 (valor matriz * valor peso / 5 * tamaño de pixel)es 10 metros. Viajando diagonalmente 1 pixel resulta en un valor 7*1/5*10 es 14 metros (deberíaser 14.1421356...).

Sí se quiere obtener el tiempo de viaje, se tiene que especificar un valor de peso representadoen segundos/metro. Cuando se procesa este valor en el cálculo de distancias este resultado seráel tiempo en segundos. Para convertir el mapa de velocidades (km/h) hay que utilizar la siguienteformula:

Cuando la velocidad es 0 el peso tiene que ser "-1" (es inaccesible). Para crear el mapa de pesosse tiene que utilizar una superposición condicional.

Pesos1=iff(velocid2=0,-1,3.6/velocid2)

Si la velocidad del mapa “velocid2" es igual a cero (ej. lago o zona fuera del área de interés)asigne al mapa de salida (“pesos1") el valor "-1" en caso contrario calcule el peso en segundospor metros.

Puesto que la parte fuera del área de estudio tiene un valor indefinido, será mejor reemplazarlocon un valor negativo para excluir esta parte en el cálculo:

Pesos2=iff(isundef(pesos1),-1,pesos1)

Ahora falta generar el mapa con las fuentes de tipo clase. En el mapa “setval” están indicadoslos valores del déficit (valores negativos) para cada poblado.

Con el siguiente cálculo se puede obtener el mapa con las fuentes:

Fuentes=iff(setval<0,”Fuente”,?)

Cuando hay valores negativos (poblados con déficit) se asigna “Fuente”, en caso contrario seasigna el valor indefinido. Cree en esta operación un nuevo dominio “Fuentes” y agrege elelemento “Fuente” a este dominio.


Calcular el tiempo de viaje a partir de las poblaciones con déficit de leña:

Con el programa "Distance " se puede calcular, utilizando el mapa “pesos2" como mapa de pesosy el mapa “Fuentes“ como fuente, un mapa con el tiempo de viaje a partir de los poblados condéficit de leña.

� Entre al programa “Distance ” en el listado de operaciones. Especifique el mapa “Fuente”como “Source ”, prenda la opción “Weight Map ” y seleccione el mapa “pesos2" como“Weight Map ”. Escriba como mapa de salida “tiempos”, prenda la opción “Show ” yoprima el botón “OK”.

El sistema calculará las distancias hasta encontrar cero cambios (parecido a la interpolación), locual puede demorarse.

Clasificar el mapa de tiempos de viaje:

La idea es cruzar el mapa “tiempos” con un mapa del parque nacional. Sí cruzamos el mapa"tiempos" con sus datos exactos resultaran muchas áreas (probablemente más de las que elsistema puede soportar). El mapa de tiempos de viaje se puede simplificar con el siguientecálculo:

Tiempos2=tiempos/1000

Especifique precisión 0.1 para el mapa de salida. El mapa resultado tendrá un rango de 0.0 hasta71.0 (En el modelo real, se está utilizando una manera más exacta pero es demasiadocomplicado por ahora ).

© X. Bakker - 2001 Determinar las áreas de impacto44

6.4 Determinar las áreas de impactoCon el cruce entre un mapa del parque nacional y el mapa de tiempos simplificados se puededeterminar las áreas de menor tiempo de acceso (áreas con mayor probabilidad de impacto).

Crear un mapa con el parque nacional: Cree con base en el mapa de uso “landuse” utilizando un cálculo condicional un nuevo

mapa “np” asignando al parque nacional y los dos polígonos con “Crater” en el nombreel código “NP” y el resto indefinido (“?”). Cree un nuevo dominio “np”.

Cruzar el parque con el mapa de tiempos de viaja: Cruzar el mapa del parque nacional "np" con el mapa de tiempos de viaje "tiempos2",

ignorando valores indefinidos en los dos mapas de entrada, cree el mapa de salida“nptiempo” y guarde la tabla con el mismo nombre.

La ubicación del impacto en el parque son las áreas con el acceso mas fácil. En el modelo real,se determina el déficit para todo el área y se le traduce a una superficie de impacto (este métodoes bastante complicado, así que no lo usamos). Para este ejercicio se utiliza una superficie de7500 hectáreas (Note que el valor es muy exagerado, pero sí sirve para visualizar el impacto).Estas 7500 hectáreas se dividen en tres clases: las 2500 hectáreas más fáciles de accesar tienenun impacto alto, desde 2500 hasta 5000 hectáreas tienen un impacto medio, y hasta 7500hectáreas tienen un impacto bajo.

En la tabla de cruce “nptiempo” calcule una columna “AreaHa” con las áreas enhectáreas:

AreaHa:=Area/10000

� Calcule una columna “AreaHaCum” con el área en hectáreas acumuladas: Entre al menú“Columns ” y luego seleccione la opción “Cumulative ”. Seleccione la columna “AreaHa”como columna a la cual se aplicará la función acumulativa y escriba “AreaHaCum” comonombre de la columna de salida. Minimice la tabla.

Sobre esta nueva columna se puede aplicar la clasificación de los grados de impacto.Para tal propósito cree un nuevo dominio tipo “Class Group ” con nombre “impacto”según la siguiente tabla:

Rango Nombre

0-2500 ha Impacto alto

2500-5000 ha Impacto medio

5000-7500 ha Impacto bajo

>7500 ha Sin impacto

© X. Bakker - 2001 Determinar las áreas de impacto45

� Restaure la tabla y ejecute la siguiente fórmula para aplicar la clasificación a la columna:

Impacto=clfy(AreaHaCum,impacto)

Para espacializar la información tabular sobre el impacto, utilice el programa “AttribRas ”.Cree un mapa con nombre “impacto” que contenga la clasificación del impacto. Luegoedite la representación así:

Clase Rojo Verde Azul

Impacto alto 220 0 0

Impacto medio 255 150 0

Impacto bajo 255 255 0

Sin impacto 0 210 130

� Cree un mapa “impacto2" que es igual al mapa "impacto" con la diferencia que tiene unanueva clase la cual corresponde al área de estudio fuera del parque nacional a la queasignamos el código “Fuera del parque”. Ejecute el siguiente cálculo:

Impacto2=iff(isundef(landuse),?,iff(isundef(impacto),”Fuera del parque”,impacto))

Cuando el sistema pregunte si se quiere adicionar el elemento ”Fuera del parque” aldominio conteste “Si”. Despliegue el resultado y edite la representación de la nuevaunidad (gris Rojo=168, Verde=168, Azul=168).

Este mapa es el resultado del modelo predictivo. Para cambiar el modelo predictivo a un modelode decisión se tiene que utilizar un estudio de uso potencial, estudios socio-económicos, etc, paradeterminar cual podría ser la forma de obtener un mayor rendimiento de leña sin reducir lasganancias.

© X. Bakker - 2001 Presentación del resultado46

6.5 Presentación del resultado:Una vez obtenido el resultado existen varias maneras de presentarlo. A continuación se muestranalgunos ejemplos de presentación.

Despliegue tri-dimensional del resultado:El despliegue tri-dimensional presenta una mejor información sobre la situación en el campo. Convistas en perspectiva se puede obtener una mejor comprensión de un problema que tieneaspectos tri-dimensionales.

Despliegue el resultado con una vista en perspectiva:

� Entre a la opción “New GeoRef ”, luego seleccione la opción “GeoRef 3-D display ”.Seleccione el modelo digital de elevación “mdes” como “DTM”, cambie el tamaño de lageoreferenciación a 300 lineas por 500 columnas y escriba “v3d01" como nombre.

En la siguiente ventana deje el tamaño de la grilla en cada 500 metros y deje la opción“Raster Drape ” apagada.

Luego aparece una ventana con la grilla adaptada a la altura. Se nota la ubicación de lasmontañas. Sin embargo, no es muy interesante la vista y por lo tanto debe ser editada.Entre al menú “Edit ”, luego seleccione “Georeference ” y la ventana para la edición delos parámetros aparece.

Cambie la escala de exageración de altura ”Scale Height ” a 2, luego cambie la rotaciónhorizontal a -40 y la rotación vertical a 80. Experimente con otros valores (ojo: algunosson dependientes) hasta obtener una vista a su gusto.

Salga del editor y de la ventana de la vista 3D. En la ventana del catálogo de ILWIS hagadoble clic sobre la georeferenciación “v3d01" y luego especifique el mapa “impacto2”como “Raster Drape ” y apague la grilla.

Crear un modelo de sombras:Mediante la aplicación de un filtro de sombras a un modelo digital de elevación se puede simularuna iluminación artificial.

Aplique el filtro llamado "shadow" al modelo digital de elevación, creando un modelo desombras "sombra".

El resultado es un mapa raster con dominio valor. Al desplegarlo por defecto se estáutilizando la representación “pseudo”. Despliegue el mapa con representación “gray”.


Puesto que su mejor representación es con tonos de gris, se puede simplificar el mapa y aplicarun estiramiento para obtener el mapa con dominio “image” (que por defecto se despliega conrepresentación “gray”).

� Abra el menú sensitivo al contexto del mapa “sombra”, seleccione la opción “ImageProcessing ” y luego la opción “Stretch ”. Escriba como nombre de salida “sombras”,prenda la opción “Show ” y haga clic en el botón “OK”.

Por medio de esta operación se está leyendo el histograma del mapa “sombra” y sedetermina los valores que corresponden con el 1% y 99%. A estos valores se asigna losvalores 0 y 255 correspondientemente, normalizándolo al dominio “image”.

El modelo de sombras esta definido por las curvas de nivel. Dado que las curvas de nivel fueroncapturadas solamente con una pequeña parte fuera del área de interés, se puede observar unaslíneas (errores de la interpolación) fuera el área de interés, que deben ser excluidas.

Utilice un cálculo para asignar el valor 255 (corresponde a blanco con la representación “gray”)a la parte fuera del área de interés (utilice el dominio “image”):

Sombras2 = ......................................................................

Despliegue el mapa "sombras2" y despliegue el mapa de segmentos "infra" sobre este mapa.También despliegue este mapa en tres dimensiones por medio de la vista 3-D definido en lageoreferenciación “v3d01".

Despliegue del resultado utilizando un modelo de tinting:Un modelo de tinting es un mapa donde alguna información temática se despliega con un efectode iluminación artificial. En este ejercicio se creerá un modelo de tinting a partir del mapa desombras y el mapa de impacto en el parque.

Primero se debe generar un mapa de colores a partir del mapa “impacto2":

� Escriba en la linea de comando la siguiente fórmula:

Impcol=iff(isundef(impacto2),color( 255,255,255),mapcolor(impacto2) )

El mapa que resulta tendrá en dominio “color” y un color blanco (255,255,255) a la partefuera del área de estudio. Despliegue el resultado y haga clic en algunas partes del mapapara ver su codificación (con intensidades rojo, verde y azul).


A partir de este mapa se puede extraer las intensidades de rojo, verde y azul (son mapas condominio “image”):

� Seleccione en el menú sensitivo al contexto del mapa “impcol” la opción “ImageProcessing ” y luego “Color Separation ”. Seleccione “Red”, escriba “rojo1" como nombrede salida y prenda la opción “Show ”.

Haga lo mismo con los colores “Green ” y “Blue ” y llame los mapas “verde1" y “azul1"correspondientes.

Luego se les puede combinar con el mapa de sombras. Ejecute las siguientes fórmulaspara generar tres nuevos mapas (cada uno con el dominio “image”):

Rojo2=(sombras2+rojo1)/2

Verde2=(sombras2+verde1)/2

Azul2=(sombras2+azul1)/2

� Ahora se puede hacer una composición a color con estos tres mapas: Seleccione elprograma “Colorcomp ” del listado de operaciones (el primero, con icono que se parecea un mapa raster), luego apague la opción “Percentage ”. Especifique “rojo2" como“Red”, “verde2" como “Green ” y “azul2" como “Blue ”. Acepte los rangos de 0 a 255 paracada banda, escriba como mapa de salida “imp2tint”, prenda la opción “Show ” y hagaclic en el botón “OK”.

Finalmente despliegue este mapa en la vista tri-dimensional.

-- . --

© X. Bakker - 2001 Ejercicios adicionales49

7. Ejercicios adicionales

7.1 Determinar el impacto visualEl impacto visual se puede determinar tanto en el ambiente vectorial como en el ambiente raster.En el formato vector se determine por lo general líneas de vista, mientras en el formato raster sedeterminen los “viewshed” (áreas visibles desde un punto). Puesto que el análisis en formatoraster es un proceso demorado y complejo, se ha incluido el ejercicio en formato vector con el finde determinar la línea de vista. Como anexo de este documento se encuentre el artículo “Designand implementation of a national rural telephonecomunications network in Colombia, usingGIS techniques ” el cual describe el método raster para la obtención de un mapa con los áreasvisibles desde un punto.

Método vectorialEn el siguiente ejercicio evaluarán la línea de vista desde el punto X=698.733 y Y=9'241.567hasta el punto X=718.867 y Y=9'249.033.

Con el fin de crear el mapa de segmentos con estas coordenadas exactas se generará un archivoASCII con formato Arc/Info ungenerate.LIN. El formato de un archivo .LIN está basado en unaidentificación del segmento (número), luego el listado de las coordenadas y cada segmentotermina con “END”. Al final del archivo se escribe otro “END”.

Abra el “Bloc de notas” (Inicio, Programas, Accesorios, Bloc de notas) y digite el siguientecontenido (los “END” van en mayúscula!):

1698733 9241567718867 9249033ENDEND

Guarde el archivo en el directorio “C:\CIBODAS“ con nombre “vista.lin” escribiendo el nombreentre comillas .

� Importe el archivo que tiene el formato “Arc/Info LIN, .PTS ASCII vector ”. Luegodespliegue el mapa sobre el modelo de sombras.

� Cree un mapa de puntos a partir del mapa de segmentos: Entre por medio del menúsensitivo al contexto a la opción “Vectorize ” y luego “Segments to Points ”. Especifiqueuna distancia intermedia de 50 metros y nombre el mapa de puntos también vista.

Primero conviértalo a “UniqueID ”: Entre al menú sensitivo al contexto y seleccione laopción “Vector Operations ” y luego seleccione la opción “Unique ID ”. Cree un nuevomapa “vista2" y el dominio con el mismo nombre.


Abra el mapa de puntos “vista2" como tabla (por medio del menú sensitivo al contexto,opción “Open as Table ”) y calcule una columna con las alturas utilizando la función“MAPVALUE ”:

Altura=mapvalue(mdes,coord(x,y))

Calcule una columna con la diferencia en altura de cada registro con la altura principal:

DifAlt=Altura-Altura[1]

La parte “Altura[1] ” es una forma de obtener la altura del primer registro.

La distancia desde el primer punto hasta cada punto en la tabla se puede calcularutilizando varias formas pero lo harán con la función “DIST”:

Distancia=DIST(COORD(X,Y),COORD(X[1],Y[1]))

Luego se puede calcular un factor que representa el ángulo de vista:

Factor=IFF(%R=1,-10,DifAlt/Distancia*100)

En el caso que el valor de este factor es mayor que el máximo de este valor en las filasanteriores (menor distancia) el punto es visible:

Facmax1=FactorFacmax2=Factor

Facmax1=IFF(%R=1,-10,IFF(Factor>Facmax2[%R-1],Factor,Facmax2[%R-1]))Facmax2=IFF(%R=1,-10,IFF(Factor>Facm ax1[%R-1],Factor,Facm ax1[%R-1]))

Es necesario repetir las últimas dos fórmulas (primero 1, luego 2, después 1, luego 2, etc)para obtener el máximo acumulado en toda la columna (con la flecha arriba se puederecuperar los comandos ejecutados!).

Ahora se puede calcular las partes “visibles” y las partes en “sombra”:

Visible=IFF(factor<facmax2,”sombra”,”visible”)


7.2 Determinar la zona inundada causada por la construcción de una presaEn este ejercicio se calcularán las áreas que quedarán incluidas en la represa después deconstruir una presa. Aunque no es un cálculo de optimización de rutas, utilice las mismascaracterísticas.

� Cambie al directorio “C:\CIBODAS\REPRESA". Despliegue el mapa raster “mdes”, ydespliegue sobre este los siguientes mapas; el mapa de polígonos “presa”, el mapa desegmentos “dren” y el mapa de puntos “start”. El mapa “mdes” es el modelo digital deelevación de Cibodas, el mapa “presa” es un mapa indicando la ubicación donde seconstruirá una presa, el mapa “dren” es un mapa que contiene parte de la red dedrenajes y el mapa “start” indique un punto justo arriba de la presa.

El primer paso es rasterizar el mapa de polígonos “presa” con la ubicación de la presa y el mapade puntos “start”:

Rasterice el mapa de polígonos “presa” utilizando la georeferenciación “cibodas” ynombre el mapa raster de salida “presa”. Rasterice el mapa de puntos “start” utilizandola georeferenciación “cibodas” y nombre el mapa raster de salida “start”.

Es necesario convertir el mapa “start” a un mapa con dominio valor con el rango de 0 a 1 yprecisión 1:

� Ejecute la siguiente fórmula:

START2:=iff(ISUNDEF(START),0,1)

La parte superior de la presa tendrá una altura de 1525 msnm. Es necesario ajustar el MDE conel valor de la altura de la presa.

� Ejecute la siguiente fórmula:

MDESCOR=iff(ISUNDEF(PRESA),MDES, 1525)

En las partes donde está definida la presa se cambiarán los valores de altura al valor1525 msnm.


Ahora se puede entrar al programa y calcular el mapa de la represa:

� Entre al programa “Iteration ”. Especifique el mapa “start2” como “Start Map ” y escribala siguiente fórmula en la caja de “Expression ”:

IFF(MDESCOR>1500,START2,NBMAX(START2#))

Luego asegúrese que el “Until no changes ” está seleccionado como “Stop Criterium “y la opción “Propagation ” esta prendida. Escriba “represa” para el mapa de salida yseleccione el dominio “Value ” con rango de 0 a 1 y precisión 1.

(Nota: este proceso es un poco demorado!).

Despliegue el resultado sobreponiendo el mapa de segmentos “dren”.

Piensa en una manera para calcular el volumen de la represa cuando el espejo del aguaes a la altura 1500 msnm. Muestra el resultado al profesor.


7.3 Determinar la cuenca hidrográfica a partir de la red de drenajesPor medio de cálculos con funciones de vecindad (note que en ILWIS se habla de vecindad peroen verdad son funciones de "conectividad"), de la ubicación de los drenajes de una cuenca y delmodelo digital de elevación, se puede determinar cuales pixeles pertenecen a la (micro) cuencade los drenajes.

� Cambie al directorio “C:\CIBODAS\CUENCA". Despliegue el mapa de segmentos “dren”sobre el mapa raster “mdes100" el cual es el MDE con una resolución espacial de 100metros por pixel.

Rasterice el mapa de segmentos "dren" y llame el mapa raster de salida "dren".Despliegue el mapa y verifique su codificación.

Cada segmento está codificado según la cuenca a que pertenece.

� Entre al programa “Iteration ”. Especifique el mapa “dren” como “Start Map ” y escriba lasiguiente fórmula en la caja de “Expression ”:

iff(isundef(dren),iff(nbminp(mdes 100#)=5,nbprd(dren#),dren#[nbminp(mdes 100#)]),dren)

Luego asegúrese que el “Until no changes ” está seleccionado como “Stop Criterium “y la opción “Propagation ” esta prendida. Escriba “cuencas” para el mapa de salida yseleccione el dominio “cuencas”. (Nota: este proceso es demorado!).

Despliegue el resultado sobreponiendo el mapa de segmentos “dren” con color negro.

Explicación:

Propagation : Utilice iteraciones con propagación. El valor del pixel calculado en la línean será incluido en la calculación de la línea n+1.

La fórmula tiene la siguiente sintaxis:

iff(Condición 1,iff(Condición 2,Acción 1,Acción 2),Acción 3)

donde:

Condición 1: “isundef(dren) ”. Donde el mapa "dren" es indefinido , en otros palabrasdonde no hay drenajes ni pixeles incluidos en la cuenca. Si se cumple estacondición se evaluará la condición 2, en caso contrario se ejecuta la acción3.


Condición 2 “nbminp(mdes100#)=5 “ Sí la ubicación del vecino con el valor mínimo enel modelo digital de elevación (“mdes100”) corresponde al pixel actual =5(pixel en el centro de la vecindad), se ejecutará la acción 1, en casocontrario se ejecutará la acción 2.

Acción 1 “nbprd(dren#) ”En esta acción se determina el código predominante de losvecinos del mapa “dren” y asigne el código de este vecino en el mapa“dren” al pixel del mapa de salida. En caso de encontrar una depresiónlocal, se asigna el pixel a la cuenca predominante el los 8 pixeles vecinos.

Acción 2 “dren#[nbminp(mdes100#)] ”En esta acción se asigna al mapa de salidaaquel vecino del mapa “dren” donde el modelo digital de elevación“mdes100” tiene el valor mínimo de todos los vecinos. En otras palabras:se asume que el agua que recibe un pixel fluye en la dirección del pixelvecino con el mínimo valor de altura (en la dirección de la máximapendiente).

Acción 3 En esta acción no se cambia nada al mapa de salida. Los pixeles yaincluidos en la cuenca siguen estando incluidos dentro de ella.

En palabras: Esta operación calcula las sub-cuencas para un conjunto de ríos. Se asume queno hay depresiones locales en el modelo digital de elevación. El mapa raster iniciales el mapa con los ríos codificados distinguiendo con diferentes códigos los ríospertenecientes a distintas cuencas.


7.4 Determinar la ruta óptimaEn el siguiente ejercicio se calcularán unas rutas óptimas con base en el mapa de accesibilidad.Pide el mapa de puntos “ximpact” al profesor.

� Cambie al directorio “C:\CIBODAS".

El mapa de accesibilidad “tiempos” no puede tener áreas con valores indefinidos. En caso quetenga valores indefinidos busque el valor máxima del mapa de accesibilidad y reemplace lasáreas con valores indefinidos por el valor máximo. Use la siguiente sintaxis:

ACCESCOR=IFF(ISUNDEF(TIEMPOS),ValorMax,TIEMPOS)

� Luego se genera un mapa que contenga valores que indican la dirección del pixel vecinocon el valor mínimo:

xNBminP=nbminp8(ACCESCOR#)

Despliegue el resultado y evalúelo con los valores del mapa “ACCESCOR”.

La operación de optimización de rutas se debe hacer por medio de “Iteraciones” (un cálculo quese repite hasta que no se generan mas cambios). En ILWIS esta operación requiere un mapa conel cual se empieza (“Start Map ”). Este mapa se crea a partir del mapa de puntos “ximpact”:

� Rasterice el mapa de puntos “ximpact” con tamaño 1. Ejecute la siguiente fórmula:

Startmap=IFF(ISUNDEF(ximpact),0,255)

Es importante usar un dominio valor (no image!!!) Con un rango de 0 hasta 255 yprecisión 1.

Una vez que los mapas están preparados para el cálculo se debe definir la fórmula:

� Entre a la operación “Iteration ”, luego seleccione el mapa “startmap” como “Start Map ”y escriba en la caja de “Expression ”:

IFF(nbmax(startmap#)=255,IFF(xnbminp#[nbmaxp(startmap#)]=(10-nbmaxp(startmap#)),255,startmap),i ff(startmap= 255,1,0))

En palabras: Por cada punto indicado en el “startmap” se define cual pixel vecino tieneel valor mínimo y se asigna el valor 255 de tal forma que será interpretado como fuenteen el próximo paso. Este proceso se repite hasta llegar al pixel con valor 0 (todos losvecinos tendrán un valor mayor).


Seleccione en “Stop Criterium ” la opción “Until no changes ”, apague la opción“Propagation ”, escriba “rutas” como nombre del mapa de salida y especifique el mismodominio valor que se usó para el “startmap”. Ejecute el cálculo y despliegue el resultado.(Nota: este proceso es demorado!)

Explicación de la fórmula:

La fórmula tiene la siguiente estructura:

iff(Condición 1,iff(Condición 2,Acción 1,Acción 2),iff(Condición 3,Acción 3,Acción 4))

Condición 1 “nbmax(startmap#)=255 “ Verifique si el máximo de los pixeles vecinos tiene elvalor 255. Esto solamente ocurre cuando uno de los vecinos es un pixel que fueincluido en la ruta en el último paso (o en caso que sea uno de los pixelescorrespondientes a los puntos del mapa “ximpact” rasterizado). En caso que secumpla la condición 1 verifique la condición 2 y en caso contrario verifique lacondición 3.

Condición 2 “xnbminp#[nbmaxp(startmap#)]=(10-nbmaxp(startmap#) ” Básicamente es laparte más importante en este cálculo. El mapa “xnbminp” identifica el pixel con elvalor mínimo del mapa de accesibilidad. La parte “nbmaxp(startmap#) ” identificala posición del pixel que hace parte de la ruta óptima. Cuando el pixel de la rutaidentifica el pixel actual como el pixel con el valor mínimo entonces se le incluyeel la ruta.

Condición 3 “startmap=255 ” En esta condición se verifica si el mapa “startmap” tenía valor 255(el que fue incluido en el paso anterior). En caso que se cumpla se ejecuta laacción 3 (asignar el valor 1) o en caso contrario se ejecuta la acción 4 (asignar elvalor 0).

Acción 1 “255” Se asigna el valor 255 (el nuevo punto parte de la ruta óptima, el cual seráevaluado en el siguiente paso).

Acción 2 “startmap ” Se asigna el valor que tuvo el mapa “startmap” (no hay cambio).

Acción 3 “1” Se asigna el valor 1 (hace parte de la ruta).

Acción 4 “0” Se asigna el valor 0 (no hace parte de la ruta).

© X. Bakker - 2001 Bibliografía57

Bibliografía

Bakker, X. 1997. Práctica de análisis y modelamiento. Notas de clase curso de especializaciónen Sistemas de Información Geográfica. IGAC, Julio de 1997. Colombia, 50 pp.

Bakker, X. (en publicación). Design and Implementation of a national rural telecommunicationsnetwork in Colombia, using GIS techniques. 7 p.

Bakker, X. M. Esser and A.G. Toxopeus, 1994. ISM Handbook, Volume Va, Batch file listing(Cibodas Case). ITC publication, The Netherlands, 94p.

Bakker, X y C. Muñoz, 1999. Análisis y modelamiento espacial con ILWIS versión 2.21. Notas declase. Colombia, 43 pp.

Bakker, X y C. Muñoz, 1999. Introducción a ILWIS para windows. Notas de clase. Colombia,41 pp.

Bakker, X. y C. Muñoz, 1997. Introducción al Sistema de Información Geográfica ILWIS paraWindows. Colombia, 27 pp.

Bakker, X. y F. Pérez, 1997. Conceptos de análisis y modelamiento. Notas de clase curso deespecialización en Sistemas de Información Geográfica. IGAC, Julio de 1997. Colombia, 36pp.

Felicísimo, A. M., 1994. Modelos Digitales del Terreno. Introducción y aplicaciones en las cienciasambientales. 122 pp.

ITC, 1997. ILWIS Applications Guide. ITC publication, The Netherlands, 352p.

ITC, 1997. ILWIS User’s Guide. ITC publication, The Netherlands, 511p.

PCI Geomatics, 1998. Using PCI Software Volume 1 and 2, Version 6.3. 541 p.

Toxopeus, A.G., 1996. ISM An Interactive Spatial and temporal Modelling system as tool inecosystem management. ITC publication Number 44, The Netherlands, 250p.

Toxopeus, A.G., and X. Bakker, 1993. Preliminary results of modelling the vulnerability of primaryforest in the Cibodas Biosphere Reserve, West Java, Indonesia. ITC publication, TheNetherlands, 80p.

Toxopeus, A.G., X. Bakker and M. Esser, 1993, ISM Handbook, Volume II, Training Component(Cibodas Case), ITC publication, The Netherlands, 173p.

© X. Bakker - 2001 Anexo: Intervisibilidad en formato raster58

Figure 1: Service range of an antena in donut shape,showing non visible areas (shadows) in grey.

Design and implementation of a national rural telecommunications network inColombia, using GIS techniques.

Xander Bakker

ABSTRACT

In Colombia only a small percentage of the people living inrural areas have access to the current telephone network.The Colombian government has interest in developing andimplementing a national telecomunications network Thecurrent method used to design this network consists ofmanual procedures using only little computerizedoperations. In order to pre-design the network in a morereliable way Geographical Information System (GIS)techniques were applied in order to generate thecorresponding line of sights and viewsheds for eachantena. Crossing this information with the desired serviceareas based on actual and potential demand will indicatethe effectiveness of the selected site. This site should beevaluated in the field, since the scale of the analysis is notdetailed enough to take all possible obstacles in acount.Since the procedure has to be perfomed for each antenathe analysis has been automized for a cost-efectiveanalysis. The current paper will evaluate various methodsof determining lines of sight and viewsheds and will line outthe usage of a GIS as a Dynamic Data Exchange (DDE)server. This enables to create a user-defined user-interface in order to optimize the analysis.

RESUMEN

Colombia ofrece sus servicios de telecomunicaciones asolamente una pequeña parte de la población rural. ElGobierno de Colombia tiene interés de diseñar eimplementar una red nacional de telecomunicaciones paraofrecer este servico a la población rural. El métodoactualmente aplicado para el diseño de la ubicación de lasantenas consiste básicamente en procedimientosmanuales. Con el fin de pre-diseñar la red de una maneramás fiable se está utilizando un Sistema de InformaciónGeográfica (SIG) para la generación de las lineas de vista.La superposición de la intervisibilidad con la informaciónacerca las áreas que deben recibir el servicio con base enla demanda actual y potencial indica la efectividad de laubicación seleccionada. Obviamente, la ubicación

seleccionado debe ser evaluada en campo, puesto que laescala de trabajo no permite la incorporación de todos losobstáculos en el proceso. Ya que se tiene que efectuar elproceso para cada antena se decidió automatizarlo parareducir los costos. El presente articulo evaluará variosmétodos para la determinación de lineas de vista yofrecerá pautas para la utilización de un SIG como servidorDDE (Intercambio de Dinámico de Datos) la cual permitepersonalizar el interfaz con el usuario.

INTRODUCTION

Colombia is located in the North-Western part ofLatin America and comprises large parts of theAndean mountain range. The Andes has a highinfluence on the service range of an antena and onthe accessibility to reach the location, incrementingcosts, for maintenance purposes. Until recently, muchof the pre-design of the rural telecomunicationsnetwork was done manually, using a tri-dimensional1:1'500.000 scale relief map. Based on this mapmountain peaks with a reasonable accessibility wereevaluated in order to determine the servico range. Anantena sends out a signal in a “donut” shape (seefigure 1):


( )Q

a b d

Db=

−+

*

The antenas used in this project have a service rangeclose to 50 kilometres. Within this 50 kilometer radiothe potential and actual demand has been located,corresponding to settlement locations.

The objective of this study is to optimize theevaluation procedure for planning the location of theantenas.

METHODOLOGY

Intervisibility or “viewshed modelling” is an analysiswhereas the objective lies in the definition of visibleareas from one or more points of view [1,2,5].Intervisibility analysis is mainly used in threeapplication fields; visual impact studies, microwavecomunication networks and military purposes [4]. Forvisual impact studies the objective is to reduce thevisible area especially in those parts designated toconservation or recreation. In telecomunicationnetwork, one tries to achieve a maximum service area(visible area) and for military purposes the visible areafrom observation points influence stratagies directly.

The most common method in order to determineintervisibility is the analysis of a line of sight. To do soinformation on height is required which can beextracted from a digital elevation model (DEM) orread from a topographic map. Using a GIS givescertain advantages. In this study the Integrated Landand Water Information System ILWIS has been used.Once a dataset has been captured and structuredadequately the generation and evaluation of a line ofsight is rather easy. A straight line can be drawn,which can be converted into points specifying a stepprecisión (which should not be smaller than thepixelsize of the DEM). When opening the point mapas a tabla (contains three columns; X and Ycoordinates and segment name) the DEM value ateach coordinate can be extract using the“MAPVALUE” function. Although many algorithms areavailable in literature to determine visibility:

[5] where:Q required elevation to fall in the visibility or

viewshed.b average elevation of target plus its heighta elevation of the “obstacle” neighborsd distance of the analyzed pixel from the targetD distance of the “obstacle” neighbors from the

target

[1]/[2] formula

I decided to use a simular but different one. The lineof sight to an object is defined by the angle of viewand the cumulative maximum of views to intermediateobjects. A value representing the angle can easilydetermined using the following formula:

( ) ( )F a cto r

E H E H

di

ob ject i ob ject i

ob ject i

=+ − +_ _

_

targ e t ta rg e t

where:Factori view angles to object iEobject_i elevation at object iHobject_i height of object iEtarget elevation at targetHtarget height of targetdobject_i distance between target and object i

In order to determine visible and non-visible (shadow)areas a cumulative maximum (Fcummax) should bedetermined starting from the target in direction of theobject. In case Factori eguals the Fcummax than objecti is visible.

Since ILWIS at the moment of elabotrating thisarticles did not have a cumulative maximum functionthe following calcultations had to be repeated manytimes to obtain the propper effect [3]:

First two columns were created equal to Factori:

Facmax1=Factori

Facmax2=Factori

This was followed by a loop performing the followingcalculations until there were no changes:


Figure 2: Raster representation of differentangles.

Figure 3: Representation of the 22.5° angle.

Facmax1=iff(%R=1,-10,iff(Factori>facmax2[%R-1],Factori,Facmax2[%R-1]))

and

Facmax2=iff(%R=1,-10,iff(Factori>facmax1[%R-1],Factori,Facmax1[%R-1]))

This loop simulates the CUMMAX function. Howeveron large data sets this loop would require a largeamount of processing time and yielding only one lineof sight did not make it a favorable process. For thisreason it was decided to evaluate using viewshedmodelling in raster format.

The method proposed by Patrono and Saldaña [5]was evaluated and compared with a translation of thevector method, previously described, to raster format.

Since the vector format of the line of sight is a moreprecise determination of the visibility, this method wasused to evaluated several lines of sight of theviewsheds determined by both raster methods.

There were some notable errors in both rastermethods due to the dificulty of including those pixelsthat make part of a straight line of sight. (See figure2).

As can be seen from figure 2, horizontal, vertical anddiagonal lines include the correct pixels.

However the angles between horizonal or vertical anddiagonal angles will be more complicated to representin raster format. (See figure 3).

The figure above shows the pixels which should beincluded in the 22.5° angle (grey pixels between 1and 2). The grey thick line identified with number 4shows the actual route the raster line of sight takes.It is obvious that using this method without correction,will yield large errors.

Therefor, the clue to creating a true viewshed inraster format lies in the correction of the path used todetermine the visibility. For this purpose the followingprocess was used:

Requirements:& Digital elevation model (DEM)& Target point map (containing object)& Target object height& Obstacle map: landcover, reclassified to height

(optional, but recommended)

Step 1:Create a distance map from the target point map,using a vector method for precision purposes.

distance=dist(coord(X,Y),mapcrd(dem))

The X and Y values correspond to the target location.Below the comparison between a normal rasterdistance and the proposed calculations is shown:


Figure 5: Left neigbour identifications and rightneighbour value to reach center pixel

Figure 4: Distance comparison: left raster, right vector

Step 2:The terrain height at the target location should beadded to the object height (=TotHeight). Create afactor map where the values represent the differencein height (compared to the object + terrain height)divided by the distance. The factor map will containvalues that represent the angle of each point in themap to the target:

factor=iff(isundef(target),(DEM-TotHeight)/distance,-5)

where:

factor is the output maptarget is the target rasterized point mapDEM is the digital elevation mapTotHeight is the elevation at target + target

height-5 is a value less than lowest value in

factor map

Step 3:A start map ofr the CUMMAX iteration should begenerated that only has a value at the target (restremains undefined). The value should be lower thanthe "-5" of Step 2.

start=iff(isundef(target),?,-10)

Step 4:A neighbour minimum position map is created fromthe distance map to indicate the view direction:

xnbmin=nbminp(distance#)

In order to correct the view direction map produced inStep 4, Step 4a until Step 4f will be used.

Step 4a:Calculate the inverse distance:

invdist=maxdist-distance

Step 4b:Calculate difference in height (read inverse distance)in X-direction:

dfdx=mapfilter(invdist.mpr,dfdx.fil)

Step 4c:Calculate difference in height (read inverse distance)in Y-direction:

dfdy=mapfilter(invdist.mpr,dfdy.fil)

Step 4d:Calculate aspect map (direction of slope of inversedistance):

aspect=raddeg(atan2(dfdx,dfdy) + pi)

Step 4e:Classify the aspect map in the 8 wind directions:

aspclas=clfy(aspect,aspclas)

Step 4f:Reclassify the 8 classes into 8 neighbour directionvalues:

xnbdir=aspclas.reclfasp.nbvalue

Every wind direction corresponds to a neigbourdirection value (see figure 5):


Figure 6: neighbour directionvalue with alternate directions.

For instance if we are located at the upper right pixel,identified on the left as neighbour pixel number 3 thanthe right graph represents the direction to reach thecentre pixel (“7"). If we verify the direction “7" in theleft graph the direction indicates to the lower leftneighbour which corresponds to the centre pixel.

The resulting neigbour direction map still needsmixing with an alternate map to force the straight line.The alternate value are represented in figure 6.

Figure 6 shows using larger numbers the directionvalues as shown in figure 5 (right side). The smallerprinted values on the outside of the circle indicate thealternate value to force the line of sight to a straightline.

Step 4g:This alternate neighbour value map is obtained byreclasifying the aspect map in the 16 clases andassigning the alternate neighbour value to each class:

aspcl16=clfy(aspect,aspcl16)

altval=aspcl16.aspcl16.altval

Step 4h:In order to determine location of the alternate valuesthe aspect map is classified in 288 clases of each1.25 degrees.

aspcl288=clfy(aspect,aspcl288)

Step 4i:By using an attribute table, values ranging from 2.5(assigned to the maximum error) to 50 assigned tohorizontal vertical and diagonal angles. This valuerepresents every x pixels distance from the target analternate value should be mixed to force the rasterline of sight to a near straight line. A few sampleswere taken giving the following result:

Angle Mix at distancen*22.5+11.25 {n=0 to 15} 1 pixel every 5 pixelsn*45+22.5 {n=0 to 7} 1 pixel every 2.5 pixelesn*45 {n=0*7} 0 pixel at infinit distance

The intermediate values are a result of theinterpolattion of these angles. This interpolation isdone in the attribute table of the clasified (288 clases)aspect map.

Step 4j:These values are assigned to the classified aspectsmap.

aspdstpx=aspcl288.aspcl288.pixdist

Step 4k:The pixel distance is converted to distance in metresusing the pixelsize of the input map.

aspdist=aspdstpx*PIXSIZE(aspdstpx)

Step 4l:The “aspdist” map value is verified with the distancevalue to create a boolean map indicating with “true”those pixels that should be replaced with the alternatevalue:

altvaloc=inrange((distance mod aspdist),0,pixsize(aspdist)*0.99)

Step 4m:Finally the neighbour direction map is created mixingthe “xnbdir” neigbour direction map with the “altvaloc”alternate value location map (see figure 7):

finnbdir=iff(altvaloc,altval,xnbdir)


Figure 7: result of incorporating thealternate values.

Figure 8: Comparison of the method descriped by Patronoand Saldaña (left) with the method descriped in the currentpaper (right).

The gray lines in figure 7 indicate the result of forcingthe direction to a near straight line.

Step 5:This step creates a corrected factor map determinigin the viewdirection the cummelative maximum factor:

Factcorr = mapiter(start,iff((isundef(start)) and(nbmax(start#)>-20),iff(factor>=(start#[finnbdir]),factor,start#[finnbdir]),start))

In this "Iteration" the “start” map is evaluated to detectthose undefined pixels where the neighbourmaximum value is higher than -20 (read where theneighbouring pixel is defined). At these pixels thealgorithm checks whether the “factor” value (angle ofsight) is higher than the value of the neighbouringpixel in the same line of sight, but located closer tothe object. If the value is higher, the “factor” value willbe written, in case not, the cumalative maximumvalue will be retrieved from the “start” map. In all othercases the value remains the same as in the “start”map (undefined or with the cummalative maximum).

Step 6:The last step is simply comparing the “factor” mapvalues with the “factcorr” map values:

Viewshed=iff(factor<factcorr,"shadow","visible")

In case the “factor” map value is lower than the valueof the corrected factor map “factcorr” the pixel is notvisible ("Shadow"), in the other case the pixel isvisible ("Visible").

Step 7 (optional):You can easily include a maximum distance of sightor in case you're working with an antena(communications) the range of antena using thefollowing formula:

Viewsh15=iff(distance<=15000,viewshed,"out ofrange")

In this case a range of 15 km was used.

The process was tested on various study sites withnearly flat and very mountaineous areas. It was alsoapplied to the testcase presented in the ILWIS 2.1applications guide, chapter 16 by A. Patrono y A.Saldaña for comparison of the results.

Additionally some lines of sight (vector method) wereextracted from the results of both methods andcompared.

Figure 8 shows in grey the non visible and in whitethe visble areas. The vector method lines of sight useblack (shadow) and white (visible) colores. When agray area contains a white line or when a white areacontain a black line, the raster method wronglyinterpreted the intervisibility.


( ) ( )H

D E E D E E

D Drec

cum ant ob j ob j cum ant

ob j cum

=− + −

−

Figure 9: Intervisibility program developed by theauthor.

In order to reduce process time (the iterationoperation consumes at lot of time) it was decided toautomize the vector method. Since ILWIS did nothave a CUMMAX function at the time of writing thispaper, it was decided to explore the DDE serverfunctionality of ILWIS, provide the information(extracted using ILWIS operations) to a dedicatedapplication where the CUMMAX function wassimulated.

RESULTSThe descriped raster method proved to inrementprecision in order to obtain a viewshed.

The vector method proved to be more precise andlowered processing time to 10%. As the generalinterest of our client wasn’t to obtain a viewshed, butto be able to evaluate certain interest points (sites ofactual and potential demand) the intervisiblityprogram was choosen for the evaluation and designof the rural antena network for Colombia.

The use of DDE technology enables to creatededicated programs with persionalized userinterfaces, use a large part of the funcionalitiesoffered by the DDE-server and include functionalitiesthat are not available from the DDE-server.

Below please observe the user interface designed:

The grey parts of the line of sight are non visibleareas and the black parts are the visible areas.

The user can indicate the antena site in a ILWISmapa and the location is extracted by the dedicatedprogram. Furthermore the location of the site to beevaluated can be extracted in the same way orspecified manually.

Apart from the line of sight option, the programa hasthe option to create several lines of sight, defining thenumber of angles desired and the limiting range ofthe antena.

All results are written to an ASCII vector file (SMTformat) distinguishing the visble from shadowsections. This SMT file can be read directly by ILWISin allowing to overlay the vector map with otherinformation available.

In order to provide information on the height of theantena necesary to avoid intermediate obstacles, thefollowing formula was derived:.

where:Hrec = Recomended height of antenaDcum = Distance of maximum obstacleDobj = Distance between antena and objectEant = Elevation at antenaEcum = Elevation at maximum obstacleEobj = Elevation at object

Since the maximum obstacle is defined from theobject point of view, in order to define therecomended height, one should run the cumulativefunction starting from the object in the direction of theantena. Due to time restrictions to generate thisprocess, using the maximum cumulative factordetermined starting from the antena, normally is agood indication. In case the locations of the maximumobjects are different, the height of the antena neededto make the object visible is normally not feasable.


CONCLUSIONS

In order to define the optimum location for theplanning of an antena, one should perform aintervisibility analysis per interest site with a maximumdistance that equals the antena range, defininglocations from which an antena would be able toprovide the service. Using the AND operator foroverlaying each viewshed would yield a mapindicating areas that can provide service to all interestsites. Evaluating the cost aspect for maintenance inrelation to the accessibility of the potential antenasites should result in the optimum site. This would bea decision model [4] that would require little userinterference, but long processing times.

Using rather a predictive model, reduces processingtime and allows the user to have greater control overthe outcome.

Since this analysis requires long raster conectivitycalculations for each viewshed, which can take up toseveral hours depending on the pixelsize and theextend of the analyzed area, it was decided to usethe vector method.

The personalized user interface and the simulatedCUMMAX function optimize evaluation time.

REFERENCES

1 Aronoff, S. 1989. Geographical InformationSystems: A Management Perspective. WDLPublications Otawa. Canada. 294 pp.

2 Burrough, P.A. 1985. Principles of GeographicalInformation Systems for Land ResourceAssessment. Clarendon Press, Oxford. 193 pp.

3 Bakker, X. and C. Muñoz 1999. Análisis yModelamiento Espacial. Santafé de Bogotá, 43 pp.

4 Bakker, X. and F. Perez 1997. Conceptos deanálisis y modelamiento. Lecture notes.Specialization in GIS and Remote Sensing. IGAC -Universidad Distrital, Santafé de Bogotá, 36 pp.

5 Patrano, A. and A. Saldaña 1997. Modelling withneighborhood operators. ILWIS applications guide,ITC, Enschede, pp 201-206.

URLS

[URL 1]www.itc.nl/ilwisILWIS web site where the example DDE wasdownloaded

Documents

Análisis y Modelamiento - Practica - ILWIS