Análisis y Modelamiento - Teoría

CENTRO INTERAMERICANO DE INVESTIGACI ÓN Y DESARROLLOEN INFORMACIÓN GEOGRÁFICA

CIAF

TALLER DE ANÁLISIS Y MODELAMIENTOEN EL FORMATO RASTER

- CONCEPTOS -

Xander Bakker y Fabiola Pérez

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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 RELACIÓN DE LOS CONCEPTOS PREVIOS CON EL AN ÁLISIS Y MODELAMIENTO . 2

3 FUNCIONES DE ANÁLISIS Y MODELAMIENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83.1 Operaciones de consulta, reclasificación y medición . . . . . . . . . . . . . . . . . . . . . . 8

Consulta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8Reclasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.2 Operaciones de superposición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133.3 Operaciones de vecindad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

Funciones de búsqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16Funciones de línea en polígono y punto en polígono . . . . . . . . . . . . . . . . . . . . 17Funciones topográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18Polígonos de Thiessen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19Interpolación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20Generación de isolíneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.4 Operaciones de conectividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23Contigüidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23Proximidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24Redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25Esparcimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25Optimización de rutas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Intervisibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28Iluminación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29Vista en perspectiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4 COMPARACIÓN ENTRE FORMATO RASTER Y VECTORIAL PARA EL AN ÁLISIS . . . 31

5 MODELOS DIGITALES DEL TERRENO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345.1 Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345.2 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355.3 La necesidad del modelo raster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355.4 Delimitación de cuencas hidrográficas a partir de un MDE . . . . . . . . . . . . . . . . . 365.5 Generación de la red de drenajes a partir de un MDE . . . . . . . . . . . . . . . . . . . . . 375.6 Clasificación de la red de drenajes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385.7 Los MDE hidrológicamente corregidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385.8 Clasificación de formas del relieve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

6 MODELAMIENTO CARTOGR ÁFICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436.1 Tipos de modelamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436.2 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436.3 Evaluación del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 446.4 Aplicaciones y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

7 CRITERIOS BÁSICOS PARA LA TOMA DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . 477.1 El papel del planificador, investigador y analista . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

8 INFORMACIÓN GEOGRÁFICA DISTRIBUIDA: LOS SIG EN LINEA . . . . . . . . . . . . . . . 48

Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

Anexo: Calidad de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

© X. Bakker y F. Pérez Instituto Geográfico Agustín Codazzi. 20011

1 INTRODUCCIÓN

En este módulo se impartirán los conceptos básicos sobre el análisis y modelamiento (en formatoraster) con ejemplos explicativos para las diferentes funciones. Con el desarrollo de una prácticase aplicarán dichos conocimientos.

La característica más importante de un Sistema de Información Geográfica (SIG) es la capacidadde análisis y modelamiento de datos. Esta capacidad constituye la mayor diferencia entre un SIGy un sistema para cartografía automatizada. Las funciones para análisis espacial usan losatributos espaciales y no espaciales de la base de datos para responder preguntas sobre elmundo real. (Burrough 1985, Aronoff 1989, Valenzuela 1989)

La aplicabilidad de un Sistema de Información Geográfica es básicamente en todos los camposque tienen una componente espacial. Los más comunes son:

Ecología e Impacto Ambiental Riesgos y Amenazas Recursos Naturales Agricultura Aplicaciones Forestales Desarrollo Rural y Urbano Ordenamiento Territorial Recursos Hídricos Transporte Generación de Cartografía temática Ingeniería Servicios Públicos Geología y Geomorfología Mercadeo Aplicaciones Socio-Económicas

Dentro de un SIG es posible trabajar con los dos tipos de formatos, las diferencias entre un SIGbasado en formato RASTER y VECTOR serán explicadas más adelante.

Se sugiere al estudiante leer los capítulos 6, 7 y 8 de "Geographic Information Systems: AManagement Perspective" por S. Aronoff y los capítulos 5 y 6 de "Principals of GeographicalInformation Systems for land Resources Assessment" por P. A. Burrough para ampliar losprincipios que se explicarán en esta asignatura.


2 RELACIÓN DE LOS CONCEPTOS PREVIOS CON EL AN ÁLISIS Y MODELAMIENTOESPACIAL

En las asignaturas anteriores se expusieron los fundamentos de un SIG: entrada de datos ybases de datos. También recibieron el análisis y modelamiento en formato vectorial. En ésta setrata de integrar los fundamentos de los SIG con el análisis y modelamiento en formato raster.También se repasarán los aspectos de análisis y modelamiento en formato vectorial. En elsiguiente esquema se señalan los principales componentes de un SIG y sus interrelaciones.

Antes de empezar con el análisis espacial, se debe tener bien claro los objetivos del proyecto,analizar los requerimientos de los datos, el nivel de precisión de los mismos y las interrelacionesexistentes. El nivel del estudio (escala) es el primer indicativo de la precisión requerida para elmanejo de los datos espaciales. Un estudio regional requiere un tipo de precisión diferente a unestudio a nivel de municipio. Generalmente la mayoría de los estudios se realizan con proyectospilotos.

La calidad de los datos implica, por un lado precisión en la ubicación de los datos espaciales, ypor otro confiabilidad (suficientes registros históricos y validez de los mismos). (ver anexo).

Para los mapas de polígonos, que consistan en varias planchas adyacentes, se recomienda lacaptura de los segmentos y un mapa de puntos que contenga los nombres de las unidades demapeo.

También se aconseja utilizar nombres comprensivos para la codificación de puntos, segmentosy polígonos. Utilizar nombres comprensivos para los mapas y tablas que se crean y anotar en unalibreta los nombres usados.


Qué podemos obtener del análisis? Para qué sirve el modelamiento espacial?

Por medio del análisis y modelamiento espacial se pueden desarrollar modelos que permitan alusuario la evaluación de diferentes alternativas para solucionar problemas espaciales. Sí setuviera que hacer este tipo de análisis en forma manual, se gastaría mucho tiempo y el resultadosaldría, muy probablemente, menos preciso que el mismo análisis en un SIG. Un SIG es unaherramienta (no la solución a un problema) que se puede aplicar efectivamente para hacer unestudio espacial.

Otra de las ventajas de los SIG comparada con los métodos tradicionales es la actualización enforma rápida de la información. Se puede realizar esta actividad en forma casi automática (conpoca influencia humana) ya que el procedimiento es siempre el mismo; lo único que cambia sonlas datos de entrada.

Algunos ejemplos de diferentes estudios espaciales en que se han aplicado Sistemas deInformación Geográfica son los siguientes:

t Modelamiento de la disponibilidad de los recursos hidrológicos y su demanda en áreassemi-áridas. (Bocco et al. 1991)

t Desarrollo de un sistema interactivo de modelación espacial (ISM) como herramienta defácil uso para planificadores interesados en el manejo sostenible de los recursosnaturales, aplicado a la vulnerabilidad de bosque primario en Indonesia y a la competiciónentre animales salvajes y domésticos por agua y pastos en Kenia. (Toxopeus and VanWijngaarden 1994, Toxopeus et al. 1994, Bakker et al. 1994, Toxopeus 1996)

t Determinación de la mejor ruta de distribución de productos de consumo. (Bakker andRivera, 1995)

t La subdivisión de una área en zonas con igual susceptibilidad o probabilidad deocurrencia de movimientos de masa para evaluar amenazas por inestabilidad dependientes. (Van Westen 1993)

t El manejo de desastres por incendios de bosque (Tim Walsh, 2000 [URL 9]). Ver gráficoabajo:


t La simulación de procesos de dispersión y colonización mediante autómatas celulares.(Felicísimo et al. 1999)

Pero también aplicaciones poco usuales han sido adelantadas, lo cual prueba que cualquierproblema con un componente espacial puede ser parcialmente o completamente manejado conlos SIG:

t El manejo del movimiento interno en los casinos (Ian Finnimore, 2000 [URL 9])

Dentro de las funciones de análisis de un SIG, Aronoff (1989) las clasifica como se muestra enla tabla 1.

En este módulo, el enfoque se centrará en el numeral 3 de la clasificación propuesta por Aronoff.


Tabla 1: Funciones de análisis en un SIG (Aronoff 1989)

1 - Mantenimiento y Análisis - Transformaciones de formatode Datos Espaciales - Transformaciones geométricas

- Transformaciones entre proyecciones de mapas- "Conflation" (ajuste de datos multitemporales)- "Edge matching" (ajuste de mapas adyacentes)- Edición de elementos gráficos- Eliminación de coordenadas intermedias redundantes

2 - Mantenimiento y Análisis - Funciones de edición de atributosde Datos de Atributos - Funciones de consulta de atributos

3 - Análisis Integrado de Datos - Consulta/Reclasificación/ - ConsultaEspaciales y de Atributos Medición - Reclasificación

- Medición

- Superposición

- Operaciones de Vecindad - Búsqueda- Línea en polígono y puntos en polígono- Funciones topográficos- Polígonos de Thiessen- Interpolación- Generación de isolíneas

- Conectividad - Contigüidad- Proximidad- Redes- Esparcimiento- Optimización de rutas- Intervisibilidad- Iluminación- Vista en perspectiva

4 - Salida gráfica - Anotaciones- Rótulos de textos- Patrón de textura y tipos de líneas- Símbolos gráficos


Diferencias entre el formato vectorial y el formato rasterExisten dos principales formas de representar información geográfica: el modelo vectorial y elmodelo raster. Asimismo, existen dos formatos principales para desarrollar el análisis espacial:el formato vectorial y el formato raster. Gran parte de los diferentes tipos de análisis puede serdesarrollada en ambas formatos. Sin embargo, existen tipos de análisis que son propios;solamente pueden ser efectuadas en uno de los dos formatos. Ambos tipos de formatos tienensus ventajas y desventajas (ver la tabla 2):

Tabla 2: Diferencias entre los formatos raster y vector

Modelo RASTER Modelo VECTORIAL

Ventajas Ventajas

1. Estructura de datos sencilla.

2. Las operaciones de superposiciónpueden ser efectuadas sencillamente.

3. Una alta variabilidad espacial puede serfácilmente representada.

4. El formato raster es requerido para lamanipulación, mejoramiento y análisis deimágenes digitales. Puede ser integrado conproductos de imágenes satelitales.

5. Tecnología relativamente barata.

1. Es un formato compacto

2. Permite codificar la topología, y así esmás eficiente para el análisis que requiereinformación topológica como el análisis deredes

3. Es un formato que permite tener másprecisión en cuanto a los límites.

4. Cambios en proyecciones pueden serefectuados eficazmente.

Desventajas Desventajas

1. El formato raster consume por lo generalmas espacio en disco.

2. Las relaciones topológicas son difíciles derepresentar

3. Las salidas gráficas son menos estéticas(pueden salir pixeladas)

4. Cambios en proyección requieren lacorrección geométrica (trasladar los pixelesa un nuevo matriz) lo cual es un procesolargo e introduce nuevas imprecisiones.

1. Es un formato mas complejo.

2. Las operaciones de superposición sonmas complejas.

3. La representación de superficies con unalto nivel de variabilidad espacial es difícil.

4. La manipulación, mejoramiento y análisisde imágenes digitales no es eficaz. Paraintegrar con productos de imágenessatelitales se tiene que vectorizar elproducto.

5. Tecnología relativamente costosa.(Aronoff 1989 y Burrough 1985)


Diferencia entre los dos formatos para efectuar análisisARC/INFO (líder en SIG basado en el formato vectorial) destaca varias limitaciones para larepresentación con - y el análisis en - formato vectorial:

Mientras las coberturas componen el corazón de la base de datos de ARC/INFO, no siempre sonla mejor forma para representar y analizar sus datos. Algunos ejemplos para los cuales lascoberturas son menos adecuadas son:

& Modelamiento de terreno : Las curvas de nivel son comúnmente usadas para representarla elevación superficial y sub-superficial, pero no son aptas para el análisis de terrenofrequentemente usados dentro de los SIG, tales como el análisis de corte y relleno (diseñovial), intervisibilidad, modelamiento de cuencas, calculación de pendientes y aspectos dependientes y el despliegue en tres dimensiones. Para tal propósito se usan los TIN y grids.

& Representación de elementos superficiales altamente variables: Los límites de lospolígonos implican que las áreas adyacentes sean estrictamente definidas e internamentehomogéneas. Sin embargo, muchas características físicas tales como suelos y vegetaciónvarían dentro de la unidad y tienen límites de tipo “fuzzy” (son borrosas / cambiangradualmente). Los límites de polígonos no representan bien las zonas de transición. Por lotanto se aplican los formatos grid y/o imágenes para representar y analizar estos elementos.

& Análisis de proximidad: En una cobertura se puede generar un buffer alrededor de loselementos espaciales, se pueden calcular distancias entre múltiples elementos y se puededeterminar el elemento más cercano. Sin embargo, no es posible en el formato vectorialgenerar un mapa con la distancia a varios elementos, aplicando un análisis de conectividady opcionalmente usando un modelo de gravedad.

& Análisis rápido: La superposición topológica es una operación espacial fundamental paracoberturas. Mientras los resultados son más exactos en comparación a la superposición enformato raster, la detección de intersecciones de arcos y la definición de los nuevos límitesy topología requiere mucho tiempo de procesamiento. El modelamiento en formato raster esmás rápido debido a que los pixeles (celdas) de los diferentes mapas a superponer ya estánajustados, lo cual implica que no se requiere crear nuevos límites de los pixeles.

(ESRI 1994)

Tanto el formato vectorial (visto en módulos anteriores) como el formato raster tiene sus propiasaplicaciones. El capítulo 4 tiene una comparación entre los dos formatos para cada función deanálisis.

© X. Bakker y F. Pérez - 2001 Funciones de Análisis y Modelamiento8

3 FUNCIONES DE ANÁLISIS Y MODELAMIENTO

Las diferentes funciones de análisis y modelamiento se pueden dividir en cuatro clases, las cualespueden ser aplicadas tanto a los datos espaciales como a los datos no espaciales; primero:operaciones de consulta, reclasificación y medición, segundo: operaciones de superposición,tercero: operaciones de vecindad y cuarto: operaciones de conectividad. Mediante la combinaciónde las diferentes funciones las posibilidades de análisis y modelamiento son casi ilimitadas. Enlos siguientes numerales se describen las cuatro funciones de análisis y modelamiento, con susrespectivas subdivisiones y un ejemplo de las mismas.

3.1 Operaciones de consulta, reclasificación y mediciónLa consulta, reclasificación y medición son funciones de análisis, en las cuales solamente semodifican los atributos. No se hace ningún cambio en la localización de los elementos espacialesy no se crean nuevos elementos espaciales. (Valenzuela 1989)

ConsultaLas operaciones de consulta en datos espaciales y no espaciales, involucra la búsqueda,manipulación y recuperación de información útil sin la necesidad de modificar la localizacióngeográfica de objetos o la creación de nuevas entidades espaciales. Las operaciones de consultaincluyen:

La extracción de datos mediante especificaciones geométricas, introduciendo un dominioespacial: punto, línea o área; extracción de todas las entidades espaciales y atributoscontenidos total o parcialmente en el dominio.

ejemplo:

Entrada: Plancha de suelos

Resultado: suelos dentro de la área de estudio

Dominio: área de estudio


La extracción de datos mediante condiciones geométricas, introduciendo un dominio espacialy una condición geométrica.

ejemplo: Extraer información de vegetación en un radio de 10 km alrededor de un pozo:

Mapa de vegetación

Vegetación dentro de un radio de 10 km alrededordel pozo

Ubicación del pozo

En el formato RASTER esta operación será una combinación de un calculo de distancias(Conectividad-proximidad) y consulta.

La extracción de datos mediante especificaciones simbólicas, extraer informaciónintroduciendo un nombre propio o la codificación de un atributo.

ejemplo: Se puede extraer a partir de un mapa de unidades de paisaje, información dependientes por cada unidad, ya que esta información esta normalmente incorporadaen el identificador de las unidades de paisaje.

la extracción de datos mediante condición simbólica o lógica, extraer información de atributosque satisfagan condiciones alfanuméricas con expresiones lógicas (booleana).


ejemplo: Buscar todas las series de suelos que tengan pH entre 6.5 y 7.5 y textura limo-arcillosa:

Suelos Suelos con pH entre 6.5 y 7.5 y textura limo-arcillosa

ReclasificaciónLa reclasificación de categorías del mapa involucra la re-asignación de valores temáticos a lascategorías de un mapa existente como una función del valor inicial, la posición, el tamaño o laforma de la configuración espacial asociada con cada categoría. El análisis de reclasificación sepuede hacer en una sola capa o en varias, como parte de un proceso de superposición de capas.La generalización es el proceso de hacer la reclasificación menos detallada combinando clases.Se le utiliza a menudo para reducir el nivel de clasificación enfatizando una característicadeterminada.

ejemplo 1: Se puede clasificar un mapa que contiene zonas residenciales (R), zonas industriales(I), bosque (B) y zonas agrícolas (A) en un mapa de dos clases: URBANO(residencias / industria) y RURAL (bosque / agricultura).

B I I

R URBANO

B A A RURAL


ejemplo 2: Clasificar pendientes según el método de la FAO:

0-3% 3-7%7-12%12-25%25-50%50-75%>75%

Datos: CVC - Cuenca Tulua-Morales, Proyecto SIGPAFC asesorado por X. Bakker, HeRindser LTDA


MediciónLas mediciones de datos espaciales involucran el cálculo de distancias entre puntos, longitud delíneas, superficie y perímetro de polígonos y volúmenes. Mediciones entre puntos incluyendistancias de punto a punto, línea a polígono, enumeración del número total de puntos y tambiénla enumeración de puntos que se encuentran en un polígono. (Valenzuela 1989)

ejemplo 1:

Distancia entrelínea y polígono

Longitud de una línea

Distancia entre Área de unpunto y línea polígono

Distancia entre punto y polígono

Distancia entre 2 puntos

Perímetro deun polígono

ejemplo 2: Encontrar aquellas áreas forestales con una superficie mayor de 200 km2 aptas parazonas de conservación.

ejemplo 3: Encontrar los aeropuertos con una distancia intermedia menor de 10 km, paradeterminar cuales podrían ser redundantes.

Las operaciones de medición en los SIG basados en la estructura RASTER son más complejase incluyen operaciones de vecindad y conectividad (contigüidad y proximidad).


3.2 Operaciones de superposiciónLa superposición de mapas crea un mapa nuevo donde los valores asignados a cada nuevalocalización son calculados como una función de valores independientes asociados a los mapasprevios. Además de crear nuevos polígonos basados en la superposición de capas múltiples,estos polígonos tienen múltiples atributos, esto es, los atributos que han sido dados a cada unade las capas antes de que ocurriera la superposición. (Valenzuela 1989).

3

Capa 1Operación sumar (+)

2

Capa 2

5

Capa resultado

Forma como se hace una superposiciónen formato RASTER. La ubicación delas celdas y el tamaño de las celdastienen que ser iguales para poder haceruna superposición, por esta mismarazón no se crean nuevos límites.(Aronoff 1989)

Forma como funciona una superposición en formatoVECTOR. En este caso se tienen que definir nuevoslímites, creando nodos en las intersecciones. Estaoperación gasta bastante tiempo ya que es máscompleja que en formato RASTER.

3

Capa 1

2

Capa 2

3 5 2

Capa resultado


IVV

(XS3 XS2)(XS3� XS2)

�127�128

Las operaciones de superposiciones lógicas, aritméticas y condicional, son parte de todo SIG.

Las operaciones aritméticas incluyen operaciones como adición, resta, multiplicación, división yotras como: MOD, DIV, EXP, SQRT, LOG, SIN, COS, TAN, etc, de cada valor de una capa porel valor en la localización correspondiente de la segunda capa.

Ejemplo: Índice de vegetación verde (normalizado a un rango 0-255):

Normalmente se escribe: IVV = (XS3-XS2)/(XS3+XS2)*127+128

La superposición lógica involucra el encontrar aquellas áreas donde un juego determinado decondiciones ocurren (o no ocurren) en forma conjunta (utilizando AND, OR, XOR, NOT). Porejemplo: áreas óptimas para propósitos recreativos se pueden definir como aquellas áreas debosque con topografía ondulada, suelos bien drenados y no agrícolas. Si el uso de la tierra,formas del terreno, y suelos están almacenados en capas separadas en la base de datos,entonces una operación de superposición lógica puede ser usada para identificar las áreasdonde estas condiciones ocurren.

La siguiente tabla muestra las diferentes posibilidades de los conectores lógicos.

A B NOT A A AND B A OR B A XOR B

1 1 0 1 1 0

1 0 0 0 1 1

0 1 1 0 1 1

0 0 1 0 0 0

Donde "0" significa falso y "1" significa verdadero. (Burrough 1985)


A B A B

A AND B A AND (NOT B)

A B A B

A OR B A XOR B

A B A B

C C

(A AND B) OR C A AND (B OR C)

El diagrama de Venn muestra el resultado de combinar con operaciones lógicas Booleanas doso más capas. En cada caso la parte achurada muestra la parte "verdadera". (Burrough 1985)

La superposición condicional verifica una condición y hace una cosa cuando es verdadera y otracosa en caso contrario. Una superposición condicional puede hacer uso de operadoresaritméticos y lógicos y otros operadores como: < (menor), �(menor igual), =(igual), �(mayor igual),>(mayor).

IF(condición, acción 1,acción 2)Sí la condición es verdadero se hará la acción 1 y en caso contrario se ejecutará la acción2.

La mayoría de los SIG permite anidar condiciones:

IF(condición 1,IF(condición 2, acción 1,acción 2),acción 3)La acción 1 se hará cuando se cumplen ambas condiciones; la acción 2 se hará sisolamente se cumpla la condición 1; la acción 3 se hará si no se cumpla la condición 1.

Los modelos vector y raster difieren considerablemente en la manera como estas operacionesson realizadas. Las operaciones de superposición son usualmente ejecutadas más efectivamenteen formato raster.


3.3 Operaciones de vecindadLa caracterización de vecindades cartográficas involucra la creación de un nuevo mapa basadoen "ventanas móviles" de puntos vecinos alrededor de localizaciones seleccionadas. Cadafunción de vecindad requiere que se especifique por lo menos tres parámetros; uno o másobjetos, la especificación de la vecindad alrededor de los objetos y la función que se ejecutaráa los elementos dentro de la vecindad. Existen 6 tipos de operaciones de vecindad en losSistemas de Información Geográfica, pero los más frecuentes son funciones de búsqueda,topográficas e interpolación. (Aronoff 1989, Valenzuela 1989)

Funciones de búsquedaLas funciones de búsqueda asignan un valor a cada objeto de acuerdo a alguna característicade su vecindad. El área de búsqueda es usualmente cuadrada, rectangular o circular con untamaño seleccionado por el usuario. Estas funciones son de dos clases: aquellas que operan condatos numéricos y las que son utilizadas con datos o variables temáticas. Funciones típicas condatos numéricos son funciones de agregación como el total, promedio, media, mínimo, máximoy estadísticas tales como la moda, número de clases diferentes y frecuencias. (Aronoff 1989,Valenzuela 1989)

Por ejemplo: mediante operaciones de vecindad se puede calcular el número de hidrantes dentrode un radio de 5 km de una estación de bomberos. En este caso el objeto es la estación debomberos, la especificación de la vecindad es el radio de 5 km y la función es el conteo de loshidrantes dentro este radio. (Aronoff 1989)

ejemplo: Filtro promedio 3x3 en formato RASTER

1 6 8 5 2

2 7 6 3 6

4 5 3 8 9

1 2 9 7 5

3 4 5 4 2

Mapa de entrada

3.0 5.0 6.0 5.0 3.7

3.6 4.7 5.7 5.6 5.6

3.1 4.3 5.6 6.2 6.4

3.0 4.0 5.2 5.8 5.7

2.7 4.0 4.9 4.8 3.7

Mapa de salida


Funciones de línea en polígono y punto en polígonoDentro de un SIG basado en formato VECTOR esta función es un tipo de búsquedaespecializada. En un SIG basado en formato RASTER esta operación es básicamente unaoperación de superposición.

P3P1 Límite de la ciudad

P2

La figura muestra un mapa con tres vías que cruzan la ciudad y tres talleres de vehículos P1, P2y P3. Los puntos negros son las arcos que definen las vías. Para verificar sí las vías cruzan laciudad no se puede hacer utilizando solamente las arcos. La vía más a la derecha no tiene arcosdentro de la ciudad pero sí cruza la ciudad. (Aronoff 1989)


Funciones topográficasLas funciones topográficas son usadas para calcular valores que describen la topografía de unárea. Las transformaciones más comunes trabajan con datos de elevación y con el aspecto(dirección que tiene la pendiente máxima). La pendiente máxima se llama gradiente. (Aronoff1989, Valenzuela 1989)

ejemplo 1: Mapa de pendientes, municipio de Úmbita y alrededores, (Boyacá).

plano muy inclinado

ejemplo 2: Mapa de aspectos de las pendientes, municipio de Úmbita y alrededores, (Boyacá).

90°

180° 0°

270°


Polígonos de ThiessenLos polígonos de Thiessen (o "polígonos Voronoi") definen áreas individuales de influencia porcada punto de un conjunto de puntos. Es una manera de extender información puntualasumiendo que la mejor información, para ubicaciones sin observaciones, es el valor del puntomás cercano. (Aronoff 1989)

Ejemplo 1: Polígonos de Thiessen a partir de un conjunto de puntos (Aronoff 1989).

A A B C B C

D D E F E F

G G H H

Ejemplo 2: Polígonos de Thiessen calculados sobre una superficie compleja mediante unaoperación de esparcimiento. (Datos: CVC, Cuenca Tulua-Morales, ProyectoSIGPAFC, asesorado por X. Bakker, HeRindser LTDA)

condiciones deesparcimiento


InterpolaciónEs el procedimiento de estimar los valores de propiedades en sitios no muestreados dentro deun área cubierta por valores conocidos en localidades vecinas. El estimar los valores depropiedades en lugares fuera del área cubierta por observaciones se llama extrapolación. Lacalidad de la interpolación depende de la confiabilidad, certeza, número y distribución de lospuntos conocidos usados en el cálculo y en la precisión del modelamiento de la función utilizada.Los valores desconocidos son calculados con esta función. El escoger el modelo apropiado, esesencial para obtener buenos resultados. (Valenzuela 1989, Aronoff 1989)

1 3 4 6

2

2 4 5

1 3 6

4

Valores conocidos

1 2 3 4 5 6

1 2 3 4 5 6

1 2 3 4 5 6

1 2 3 4 5 6

1 2 3 4 5 6

1 2 3 4 5 6

Valores interpolados

Normalmente se recomienda un mayor número de puntos (incluyendo partes fuera del área deestudio) para evitar errores durante la interpolación. Ver ejemplo de la página siguiente. En esteejemplo, se incluyeron puntos fuera del área de estudio, para asegurar la calidad de lainterpolación dentro del área de estudio.

Algunos programas evitan estos errores por medio de cálculos de extrapolación.


Ejemplo: Interpolación de puntos (promedio móvil, distancia máxima 50 km, función deponderación en relación con la distancia d: 1/d2.5-1) con información deprecipitación en el área de estudio de la Bioreserva Amboseli, Kenia.

Los puntos incluidos para la interpolación también están ubicados fuera el área de estudio, paraevitar que las errores de interpolación ocurran dentro del área de interés. Posteriormente serecortó el área útil.


Generación de isolíneasSon líneas que conectan puntos del mismo valor que indican una misma característica desuperficie. Las curvas de nivel son la aplicación más común, en donde los puntos representanla misma elevación. Las isoyetas son otra aplicación en que las líneas representan puntos conla misma información pluviométrica.

Ejemplo 1: Generación de curvas de nivel y vistas tridimensionales. (Aronoff 1989)


Distancia (XorigenXdestino)2� (YorigenYdestino)

2

3.4 Operaciones de conectividadLas operaciones de conectividad son funciones que acumulan valores sobre el área que seatraviesa. Se requiere que uno o más atributos sean evaluados y un recorrido acumulado estéincluido en el próximo paso. El recorrido acumulado puede ser cuantitativo, como la distanciaacumulada viajando, o el tiempo acumulado viajando. También puede ser cualitativo, como porejemplo si un punto todavía es visible. Todas las funciones de conectividad tienen incluida losiguiente: una especificación de como son interconectados los elementos espaciales, las reglasque especifican el movimiento permitido por medio de estos interconectores y la unidad demedida. Considere, por ejemplo, una función de conectividad para viajar por medio de víasdentro de una ciudad. Una calle puede ser utilizada para definir la manera como estáninterconectados los elementos espaciales (calles, carreras, etc). Las reglas de movimientopueden incluir velocidad máxima y la dirección en que uno puede viajar (contravía). La unidadde medida puede ser distancia (metros) o tiempo (segundos). Para encontrar la distancia (pormedio de las calles) desde un origen hasta un destino, se tiene que definir la ruta yconsecutivamente sumar las distancias individuales de los segmentos incluidos en la ruta. Esteproblema es mucho más complejo comparándolo con funciones de medición, con la cual sepuede determinar la distancia utilizando un cálculo con la ubicación del origen y el destinosolamente:

Las funciones de conectividad se agrupan en: contigüidad, proximidad, redes, esparcimiento,optimización de rutas, intervisibilidad, iluminación y vistas en perspectiva. (Aronoff 1989)

ContigüidadLas medidas de contigüidad evalúan las características de las unidades espaciales que seencuentran conectadas. Una área contigua consiste en un grupo de unidades espaciales quecomparten una o más características específicas y forman una unidad. (Valenzuela 1989, Aronoff1989)

Las medidas de contigüidad comunes son: el tamaño de las áreas contiguas y la línea recta omás larga a través de un área. Ejemplo 1:

Áreas contiguas. El área de 1's (unos)

2 1 una sola área contigua si el punto

4 1 1 esquina - esquina se acepta.

6 3 2 1

8 5 2 1 1 1 Sí la contigüidad es solamente aceptada

2 4 3 1 1 1 la forma lado-lado, entonces los 1's (unos)

5 6 8 4 8 7 conformarían dos áreas contiguas.

3 2 7 2 8

Formato RASTER


Ejemplo 2:

El parque, el campo y una zona avícolason consideradas como áreas verdescontiguas. La vía que atraviesa estaárea contigua es considerada un vacíopermitido.

ProximidadLa proximidad es una medida de la distancia entre objetos. Cuatro parámetros se especificanpara medir en proximidad: la localización del objeto, una unidad de medición, una función paracalcular la proximidad (ejemplo, distancia euclidiana, tiempo de viaje, costos de viaje) y el áreaa analizarse. Una zona buffer constituye un resultado de un análisis de proximidad. (Aronoff1989)

Ejemplo:

Mapa buffer de 500 m a partir deinfraestructura vial.


RedesLas funciones de redes son comúnmente usadas para mover recursos de una localidad a otra.El análisis de redes usualmente involucra cuatro componentes: un conjunto de recursos ( bienesa ser entregados por ejemplo), una o más localizaciones donde los recursos están ubicados, undestino y un conjunto de restricciones. (Valenzuela 1989, Aronoff 1989)

En los SIG se utiliza un análisis de redes para predecir transporte de agua y sedimentos en unsistema fluvial, optimización de rutas como horario de aerolíneas o recolección de basuras.

Ejemplo:

Ordenamiento de la red dedrenajes en una parte de lacuenca Tulua-Morales(CVC).

Los drenajes de menorcaudal tienen orden 1,cuando dos drenajes deorden 1 se unen, resultaorden 2, orden 2 más orden2 resulta en orden 3, etc.

EsparcimientoLas funciones de esparcimiento tienen características de proximidad y redes. Una función deesparcimiento evalúa fenómenos que se acumulan con la distancia. Se utilizan para evaluartiempo o costo de transporte sobre una superficie compleja. Los movimientos pueden serlimitados por barreras parciales que reducen la velocidad de movimiento o por barreras absolutasque impiden completamente el movimiento. (Valenzuela 1989, Aronoff 1989)


Ejemplo 1: Mapa de tiempos de viaje basado en infraestructura, vegetación, drenajes ypendientes (Cibodas, Indonesia) (Toxopeus and Bakker 1993)

Origen

± 6 horas

Ejemplo 2: Mapa de tiempos de viaje a partir de las escuelas en la Cuenca Tulua-Morales,(Datos: CVC, Cuenca Tulua-Morales, Proyecto SIGPAFC, asesorado por X. Bakker,HeRindser LTDA)

Escuelas (x)

± 2 horas


Optimización de rutasLa optimización de rutas es una búsqueda paso por paso desde un punto de origen utilizandouna regla de decisión. El movimiento se repite hasta que la regla de decisión sea violada. Elresultado de esta operación es la ruta óptima para llegar al destino. Se pueden aplicar estos tiposde búsquedas a un modelo digital de elevación, determinando el flujo del agua. La regla que seaplica en este caso es buscar desde el punto de origen el punto vecino con la elevación másbaja. Esta operación se repite hasta llegar al limite de un mapa o cuando se llega a unadepresión local (todos los vecinos tienen alturas más elevadas). (Aronoff 1989)

4.8 4 4.8 4.2 4.8 5.8

2.8 2 2.8 3.4 4.4 5.4

2 0

A

2 3 4 5

2.8 2 2.8 3.4 4.4 5.4

4.8 4 4.8 4.2 4.8 5.8

B

Optimización de la ruta entre A y B; primero se hizo un cálculo de distancias a partir de A,después se definió B como punto de origen, y determinando el vecino con la distancia más bajase generó la ruta óptima entre A y B.

Ejemplo:

Ruta óptima, desde unospuntos de interés hastael puesto de salud máscercano. (Datos: CVC,Cuenca Tulua-Morales,análisis X. Bakker)


IntervisibilidadIntervisibilidad ("viewshed modelling") es una operación acumulativa. Un "viewshed" es el áreaque se puede ver desde uno o más puntos de origen. Funciones de intervisibilidad son aplicadaspara determinar la ubicación de antenas (aplicaciones en comunicaciones), determinar el impactovisual construcciones (aplicaciones ambientales) y para determinar el área que el enemigo puedever desde sus puntos de observación (aplicaciones militares). Las funciones de intervisibilidadusan los modelos digitales de elevación para definir la topografía de los alrededores. Tambiénse debería incluir información sobre los obstáculos (tales como edificios, postes, etc). (Aronoff1989)

Ejemplo:

350 msnm. 3000 msnm.

Determinación del impacto visual de los postesprincipales de una línea de alto voltaje, (Cibodas,Indonesia). En la figura se muestra el modelo digitalde elevación. Los tres postes principales estánindicados con los puntos negros.

E l resultado delimpacto visual estadesp legado a laderecha. Las líneasindican la direccióndonde es visible elposte. Donde la líneaesta interrumpida nose puede ver el poste.T a m b i é n e s t ádesplegado el limitedel área de estudio.

Programa desarrolladopor X. Bakker.


IluminaciónLas funciones de iluminación proyectan un tipo de iluminación artificial sobre un terrenotridimensional. Los tres factores que determinan la iluminación son: la posición de la luz, latopografía y la posición o dirección como se está viendo el modelo.

Ejemplo 1:

Modelo de sombras del Municipio de Úmbita,(Boyacá, Colombia). El punto de iluminaciónesta ubicado en la esquina superior izquierda.

Detalle de la cuencaTulua - Morales. Lasdiferentes intensidadesde gris pueden serconvertidas en diferentestonos de amarillo, café,v e r d e , e t c , p a r avisualizar mejor las usossobre un modelo desombras.

(X. Bakker)


Vista en perspectivaUna superficie proyectada desde un punto de vista diferente al vertical se llama vista enperspectiva. La vista en perspectiva es principalmente una herramienta de presentación. En unavista tridimensional se puede exagerar la altura vertical para acentuar la topografía. Muchosprogramas ofrecen la posibilidad de sobreponer un mapa temático o imágenes de satélite sobreuna vista tridimensional.

Ejemplo 1: Vista tridimensional de una composición a color TM 453 (RGB), ciudad deCochabamba, Bolivia. (X. Bakker, HeRindser LTDA)

© X. Bakker y F. Pérez - 2001 Comparación entre Raster y Vector31

4 COMPARACIÓN ENTRE FORMATO RASTER Y VECTORIAL PARA EL AN ÁLISIS

La tabla 3 contiene una evaluación para determinar cual formato es mas apto para efectuar cadauna de las funciones de análisis, utilizando como base la clasificación de funciones de análisispropuesta por Aronoff (1989):

Tabla 3: Comparación de la utilidad de los formatos raster y vector para efectuar análisis.

Función de análisis Modelo Raster Modelo Vectorial

Consulta

VECTOR

La consulta por medio deespecificaciones geométricas esen verdad una superposición.

La consulta por medio decondiciones geométricas incluyefunciones de proximidad ysuperposición.

La consulta por medio deespecificaciones simbólicas por logeneral requiere una operación dereclasificación de los atributosalmacenados en una tabla, yluego asignarlos generando unnuevo mapa.

La consulta por medio deespecificaciones geométricas esfácil.

La consulta por medio decondiciones geométricas es fácil.

La consulta por medio deespecificaciones simbólicas esfácil.

Reclasificación

RASTER Y VECTOR

La reclasificación es fácil deefectuar.

La reclasificación es fácil deefectuar.

Medición

VECTOR

Las funciones de medición son enverdad funciones de proximidad.

Las funciones de medición sehacen mejor en formato vectorial.

Superposición

RASTER

La superposición en formatoraster es muy eficaz.

La superposición es unaoperación compleja en formatovectorial.

Búsqueda

1 RASTER / 2 VECTOR

La búsqueda en formato raster sehace por medio de filtros. Losfiltros solamente puede seraplicadas en formato raster. Deotro lado para efectuar unabúsqueda estadística deelementos dentro de un radio, serequiere funciones de proximidady superposición.

La búsqueda en formato vectoriales bastante eficaz. Sin embargo,no se permite aplicar filtros en elformato vectorial.



Línea en polígono ypuntos en polígono

VECTOR

En el formato raster es unasuperposición.

En formato vectorial es unabúsqueda especializada.

Funciones topográficos

1 RASTER / 2 VECTOR

El formato raster puede generarfácilmente los productostopográficos.

El formato vectorial, únicamentepuede generar estos productos sicuenta con el formato TIN(Triangular Irregular Networks).

Polígonos de Thiessen

1 RASTER / 2 VECTOR

En formato raster se puedegenerar polígonos de Thiessensobre superficies continuas(tiempos de viajar, costos, etc) yno solo con base en equidistancia.

El formato vectorial solamentepermite la generación depolígonos de Thiessen con baseen equidistancia.

Interpolación

1 RASTER / 2 VECTOR

El formato raster permiteinterpolar diferentes tipos deinformación.

El formato vectorial permite lainterpolación generando el sub-formato TIN (Triangular IrregularNetworks) con base en curvas ocotas.

Generac ión de isolíneas

1 VECTOR / 2 RASTER

El formato raster utiliza unainterpolación del modelo digital deelevación en nivel sub-pixel paragenerar confiablemente lasisolíneas.

El formato vectorial puede utilizarel formato TIN o cotas de alturapara generar las isolíneas.

Contigüidad

1 VECTOR / 2 RASTER

La contigüidad únicamente puedeser establecida a nivel de pixelcon conectividad de 4 o 8 pixeles.

La contigüidad puede serdeterminado de forma más exactaen formato vectorial, debido a quese usa límites exactos yelementos angostos (vías,drenajes) pueden ser incluidos oexcluidos en esta operación.

Proximidad

VECTOR

En raster se puede generar unmapa de proximidad, pero usandodos pasos: determinar distancias(mapa de superficie continua) yluego reclasificarlo.

El formato vectorial ofreceherramientas para determinarrápida y precisamente un mapade proximidad.

Redes

VECTOR

Puesto que el formato raster nocontiene información topológicano se puede efectuar de formaeficaz el análisis de redes.

El formato vectorial es el formatoindicado para elaborar análisis deredes.

Esparcimiento

RASTER

La operaciones de esparcimientosolamente pueden ser efectuadascon el formato raster.

No se puede efectuar análisis deesparcimiento con el formatovectorial.



Optimización de rutas

RASTER Y VECTOR

La optimización de rutas enformato raster es más lento queen formato vectorial. Sinembargo, el formato rasterpermite usar los resultados de lasfunciones de esparcimiento paraesta función y el formato vectorno permite esto.

La optimización de rutas en elformato vectorial utiliza las redes.Para determinar rutas óptimassobre mallas viales es necesarioel formato vectorial.

Intervis ibilidad

RASTER Y VECTOR

Los “viewshed” (áreas visiblesdesde un punto) son más fácilesde generar en el formato raster.

Las líneas de vista son másfáciles de generar en el formatovectorial.

Iluminación

1 RASTER / 2 VECTOR

Las funciones de iluminación sonmás fáciles de generar en elformato raster.

La iluminación únicamente puedeser realizada con base en elformato TIN.

Vista en perspectiva

1 RASTER / 2 VECTOR

Las funciones de vista enperspectiva son más fáciles degenerar en el formato raster.

Las vistas en perspectivaúnicamente puede ser realizadascon base en el formato TIN.

ConclusionesAunque el formato raster no puede efectuar directamente varias de las funciones de análisis, pormedio de combinar otras funciones se puede llegar al mismo resultado. El formato vectorialpermite efectuar la gran mayoría de las funciones y es obligatorio para el análisis de redes. Paralos análisis que requieren funciones de esparcimiento es indispensable el formato raster.

© X. Bakker y F. Pérez - 2001 Modelos Digitales del Terreno (MDT)34

5 MODELOS DIGITALES DEL TERRENOLos Modelos Digitales del Terreno (MDT) son modelos que describen características específicasdel terreno. La mayoría de los MDT únicamente pueden ser manejados en el formato raster. Elmodelo central en este tipo de aplicaciones y la base para la obtención de los MDT es el ModeloDigital de Elevación (MDE).

5.1 DefinicionesEs necesario aclarar algunos conceptos acerca los Modelos Digitales de Elevación (MDE). Engran parte de la literatura y los software (Clark University 1997, ESRI 1997, Aronoff 1989), losMDT hacen referencia a los modelos que contienen información acerca de la altura sobre el niveldel mar y así tienen el mismo significativo que los MDE:

& Modelos Digitales de Elevación (MDE) es un término que hace referencia a una imagen quealmacena datos que pueden ser interpretados como altura de una superficie. Aunque laestructura de los pixeles divide la superficie en celdas del mismo tamaño, la informaciónsupone ser una superficie continua. Un caso especial son los MDT (Modelos Digitales delTerreno), donde la altura hace referencia a la altura sobre el nivel del mar. (Clark University,1997)

& Un Modelo Digital de Elevación es una representación digital de una variable de valores z(altura) sobre una superficie bi-dimensional de celdas regulares georeferenciadas a unsistema de coordenadas común. Los Modelos Digitales de Elevación son usados pararepresentar el relieve del terreno. También son llamados Modelos Digitales de Terreno(MDT). (ESRI, 1997)

& Modelos Digitales de Elevación (MDE), Modelos Digitales del Terreno (MDT), Datos Digitalesdel Terreno (DDT) y Datos Digitales de Elevación del Terreno (DDET) son términosdesarrollados para referirse a la elevación digital y sus derivados. (Aronoff 1989).

Sin embargo, es importante notar que existe una gran diferencia entre los MDE y los MDT; laelevación hace parte del terreno, pero el terreno es un término más amplio. El terreno puedeincluir la altura, las pendientes, los aspectos de pendientes, dirección de flujo, acumulación deflujo, etc. mientras los MDE únicamente hacen referencia a la altura. Los MDT pueden serinterpretados como los productos de los MDE, incluyendo el mismo MDE. Los MDT por lo tantotienen como objetivo caracterizar el terreno en todos sus aspectos (Burrough 1985, Felicísimo1994).

& Cualquier superficie digital de la variación continua del relieve sobre un espacio se conocecomo Modelo Digital del Elevación (MDE). El término Modelo Digital del Terreno (MDT) esun término comúnmente usado. Puesto que el término terreno es mas amplio que elevación,se recomienda usar los MDE únicamente cuando se hace referencia a altura. (Burrough1985)


& Felicísimo menciona que los modelos digitales del terreno se han definido como un conjuntode datos numéricos que describe la distribución espacial de una característica del territorio.Un modelo digital de elevaciones (MDE) se define como una estructura numérica de datosque representa la distribución espacial de la altitud de la superficie del terreno. Un MDT esuna estructura numérica de datos que representa la distribución espacial de una variablecuantitativa y continua. (Felicísimo 1994)

5.2 AplicacionesLos MDE y los MDT son usados para muchas aplicaciones. Por medio de ellos se puededeterminar aspectos de intervisibilidad (aplicaciones militares, telecomunicaciones y aplicacionesambientales), resolver problemas de corte y relleno (diseño de vías), delimitar cuencas,determinar escorrentía, modelar inundaciones, estimar erosión, analizar el flujo potencial de lava,predecir zonas de saturación, evaluar el riesgo de incendio, elaborar modelos de reflectancia,etc. (Aronoff 1989, Bakker y Pérez 1999, Burrough 1985, Felicísimo 1994, Westen 1993).

Dentro de este curso no se puede tratar todas las aplicaciones de los MDT. Únicamente serántratadas las que tengan relación con la extracción de características hidrológicas y la clasificaciónde formas del relieve.

5.3 La necesidad del modelo rasterEs importante entender que para generar un MDT se requiere hacer un análisis en el formatoraster. Aunque el análisis de redes es un análisis propio del formato vectorial, la delimitación dedrenajes (análisis de redes) por medio de un MDE es un análisis en el formato raster. La mayoríade los SIG ofrecen su capacidad de análisis en un solo formato (vector o raster).

El flujo sobre una superficie siempre será en la dirección de la pendiente máxima decendiente.Una vez determinado la dirección de flujo para cada celda, es posible determinar cual y cuantasceldas fluyen hacia una celda determinada. Esta información puede ser usada para determinarlos límites de las cuencas y definir la red de drenajes. La siguiente gráfica muestra el proceso deextraer información hidrológica de un MDE mediante el módulo GRID de Arc/info.


(ESRI 1997)

5.4 Delimitación de cuencas hidrográficas a partir de un MDEGran parte de los SIG comerciales ofrecen capacidades para delimitar cuencas hidrográficas.Aunque los procesos son distintos para cada paquete, la metodología es la misma. Ladelimitación de cuencas se basa en una operación de conectividad, donde desde lasdesembocaduras de los ríos se empiezan a incluir aquellas celdas que fluyen hacia ladesembocadura. Luego desde las nuevas celdas que fueron incluidas en el paso anterior seevalúan los vecinos y la repetición de este proceso tiene como resultado la inclusión de lospixeles hasta llegar a las lineas divisorias de las cuencas.

Adaptación del MDEEl primer paso es la adaptación del MDE. Normalmente, los MDE tienen pequeñas depresioneso pozos (en ingles “pits” o “depressions”). Estos pueden haber sido introducidos debido alproceso de interpolación usado para la generación del MDE. Al no corregirlos, la delimitación delas cuencas puede terminar antes, puesto que la depresión tiene vecinos con todo un valor dealtura mayor al la altura de la depresión.


En la realidad estas depresiones, en caso que cada celda obtenga una igual cantidad de agua(sin infiltración), serán llenadas con agua y luego el flujo seguirá su camino hasta llegar a ladesembocadura. Puesto que la mayoría de los SIG durante la delimitación de las cuencas noincluyen la posibilidad de llenar estas depresiones, estas deben ser corregidas antes, obteniendoasí un MDE hidrológicamente corregido. (Clark University 1997, ESRI 1997, Felicísimo 1994,Gorte 1994, ILWIS 1997, PCI Geomatics 1998)

Creación de una matriz de dirección de flujoSe supone que el agua en cualquier celda fluye hacia alguna de sus 8 vecinas. Una matriz dedirección de flujo contiene para cada celda la indicación numérica que representa hacia cualcelda fluye el agua. Véase el siguiente gráfico con las indicaciones numéricas de la dirección deflujo utilizados en diferentes paquetes comerciales (ESRI 1997, ILWIS 1997, PCI Geomatics1997):

64 128 1 1 2 3 32 64 128

32 x 2 4 5 6 16 1

16 8 4 7 8 9 8 4 2

Easi/Pace ILWIS Arc/Info -GRID

Delimitación de las cuencasUna vez que se establece la matriz de dirección de flujo se puede delimitar por medio de unaoperación de conectividad las cuencas. Desde una desembocadura se evalúan los vecinos y seincluyen aquellos pixeles que tienen una dirección de flujo hacia la desembocadura. A partir delos nuevos pixeles se evalúan los pixeles vecinos y este proceso se repite hasta llegar a la lineadivisoria. Los pixeles que hacen parte de la linea divisoria son aquellos pixeles que no recibenagua desde ninguno de sus vecinos. (ESRI 1997, Felicísimo 1994, Gorte 1994, PCI Geomatics1998)

5.5 Generación de la red de drenajes a partir de un MDEEs posible generar a partir de un MDE una red de drenajes. Esto se hace por medio de unamatriz de acumulación de flujo.

Creación de una matriz de acumulación de flujoUna matriz de acumulación de flujo es una matriz donde cada celda tiene un valor querepresenta el número de celdas que fluyen hacia ella. El valor de acumulación de flujo en la celdade la desembocadura de la cuenca corresponde al número de pixeles que pertenecen a lacuenca. La matriz de acumulación de flujo se crea a partir de la matriz de dirección de flujo.(ESRI 1997, PCI Geomatics 1998, Gorte 1994, Meijerink et al. 1994)


Aplicación de un sesgo (“treshold”)El sesgo permite definir a partir de que valor de acumulación de flujo se debe incluir en la red dedrenajes. Aumentar el valor de sesgo reduce los pixeles correspondientes a los drenajespequeños contribuyentes que serán incluidos en la red. De esta manera se enfocará únicamenteen los drenajes principales. De otra manera, al reducir el sesgo, se creará una red más extensade drenajes. El valor del sesgo, depende por gran parte de las dimensiones del área de estudioy normalmente se define por medio de prueba y error.

5.6 Clasificación de la red de drenajesPocos programas permiten la clasificación de la red de drenajes, cuando éste se encuentraestructurado en formato raster. Dentro de los software analizados (ILWIS, Arc/Info GRID, Idrisi,PCI EASI/PACE y las herramientas desarrolladas por Gorte) únicamente las herramientasdesarrolladas por Ben Gorte (Gorte 1994) y el GRID de Arc/Info (ESRI 1997) permiten estaoperación. Arc/Info requiere la red de drenajes en formato GRID y la matriz de dirección de flujo.

5.7 Los MDE hidrológicamente corregidosPara lograr que los resultados del análisis sean buenos, es necesario disponer de un MDE sindepresiones locales. Los MDE que cumplen con esta condición son llamados MDEhidrológicamente corregidos. Arc/Info por medio de su módulo GRID ofrece varias herramientaspara crear estos tipos de MDE. El programa TOPOGRID permite el uso de informaciónsecundaria (cobertura de puntos en caso que la información primaria sea una cobertura decurvas de nivel, lagos como zonas planas, cobertura de drenajes, ubicación conocida dedepresiones locales permitidos, etc) para lograr este objetivo. Además, cuenta con herramientaspara detectar (SINK) y llenar (FILL) las depresiones locales.


5.8 Clasificación de formas del relieveLa clasificación de las formas del relieve puede definirse como el conjunto de procesos quepermiten realizar el agrupamiento de los elementos en grupos (clases) con propiedadessignificativamente diferentes entre sí. La aplicación de este concepto a la caracterización delrelieve supone la intención de discriminar diferentes tipos de formas a partir de los datos del MDEy de los modelos derivados (tales como los modelos digitales de pendientes, aspectos, curvaturay rugosidad). (Felicísimo 1994)

Felicísimo (1994) define las siguientes formas del relieve:


Pozo

& La curvatura es convexa en todas las direcciones& La rugosidad es media o alta& La pendiente no es un criterio determinante

Cresta

& La pendiente no es un criterio determinante& La curvatura es nula en el sentido de la

cresta& La forma general es convexa en el sentido

de las laderas& La rugosidad es media o alta

Pico

& La curvatura es convexa en todas las direcciones& La rugosidad es media o alta& La pendiente no es un criterio determinante


Canal

& La pendiente no es un criterio determinante& La curvatura es nula en el sentido del canal& La forma general es cóncava en el sentido de las

laderas& La rugosidad es media o alta

Collado

& La curvatura es cóncava en el sentido de la cresta& La curvatura es convexa en el sentido de las

laderas& La pendiente no es un criterio determinante& La rugosidad será media o alta

Ladera

& la pendiente debe ser no nula (moderada o fuerte)& la curvatura debe ser moderada en todos los

sentidos& pueden existir laderas con diversas combinaciones

de concavidad / convexidad& la rugosidad es baja


Para clasificar las formas del relieve se puede aplicar el siguiente modelo (Felicísimo 1994):

© X. Bakker y F. Pérez - 2001 Modelamiento Cartográfico43

6 MODELAMIENTO CARTOGR ÁFICOEl modelamiento de datos espaciales involucra el uso de un modelo que es una representaciónsimplificada de la realidad, en el que se establecen relaciones de forma generalizada.Modelamiento cartográfico es el acto de sintetizar la información geográfica como parte de unproceso de toma de decisiones, en otras palabras, es una aproximación selectiva de la realidad.(Valenzuela 1989)

El término modelamiento cartográfico es utilizado para designar el uso de las funciones demanipulación básicas de un SIG bajo una secuencia lógica para resolver problemas espacialescomplejos. (Pérez U. 1995)

6.1 Tipos de modelamientoExisten tres categorías principales de modelos:

1 Modelos Descriptivos: son aquellos que caracterizan o describen el mundo real. Un mapa deuso del suelo es un ejemplo de este modelo.

2 Modelos Predictivos: Son los que estiman lo que puede suceder bajo ciertas condiciones.Ejemplos de modelos predictivos son aquellos de predicciones de cultivos o de erosión.

3 Modelos de Decisión: Son aquellos que sugieren el curso de acción que se debe seguir enrespuesta a ciertas circunstancias. Los modelos de decisión pueden ser considerados comorecomendaciones estructuradas, usadas conjuntamente con modelos descriptivos y depredicción.

6.2 MetodologíaLos Sistemas de Información Geográfica son muy útiles en la creación de modelos utilizando unaserie de reglas y operaciones cartográficas, generalmente los modelamientos cartográficosutilizan técnicas de reducción del problema. Con esta técnica el modelo conceptual (problema)se descompone en sub-modelos que pueden ser resueltos separadamente. El modelo estácompuesto de tal forma que las soluciones de los sub-modelos individuales puedan sercombinadas, de manera que proporcione la solución al modelo original. Cada sub-modelo puedeser descompuesto en modelos más pequeños, los que pueden ser resueltos directamente.

El método básico del análisis de decisión es el de dividir un problema de decisión encomponentes más puntuales, de esta manera, permiten al especialista el concentrarse en lospuntos más críticos. El patrón de relaciones que permite la descomposición del modelo seconoce como el modelo de decisión.

Los modelos en un SIG ofrecen varias ventajas en el sentido que el analista, posiblemente másque en otras metodología, debe formularse el problema (objetivo) muy claramente, decidir el tipode datos requeridos y si es necesario el recolectarlos. Luego debe definir los procesoscartográficos y las relaciones espaciales de una manera precisa.

© X. Bakker y F. Pérez - 2001 Modelamiento Cartográfico44

Permiten la posibilidad de crear y definir una serie de escenarios que son examinados de unamanera rápida. Sin embargo, también existen desventajas en el uso de estos modelos, en elsentido que algoritmos algebraicos utilizados en los procesos de transformaciones de datos,asumen que todos aquellos son absolutamente correctos. La otra suposición que se hace es quelas superficies espaciales carecen de variabilidad.

6.3 Evaluación del modeloConstituye un proceso muy importante dentro del mismo modelamiento, ya que garantiza laefectividad del modelo. En la evaluación se requieren dos acciones: la verificación y lavalidación. (Pérez U. 1995).

La verificación es la concordancia"fidelidad" que debe existir entre el modelo y el fenómeno arepresentar. La validación se refiere a la precisión de dicha concordancia y es una consideracióntécnica, que resulta del análisis de los resultados obtenidos frente a los esperados.

Una forma muy apropiada para la validación de un modelo consiste en la ejecución del mismocon datos que previamente no fueron usados. Para ello se debe contar con una buena serie dedatos tomados en campo o que hagan parte de registros históricos estandarizados. Esimportante señalar que el uso de procedimientos y procesos exactos sobre datos inexactos, nohacen que los resultados sean más exactos. En el evento que los resultados no reflejen elcomportamiento de la realidad se debe replantear el modelo.

El replanteamiento de un modelo implica los siguientes pasos: definir objetivos específicos;identificar los datos requeridos; definir criterios, decisiones, reglas, procedimientos; implementarprocedimientos analíticos; y nuevamente evaluar los resultados.

6.4 Aplicaciones y ejemplosCuando está definido el problema en forma teórica, en muchos casos será necesario simplificarloy cambiarlo a una forma práctica. (vea los diagramas de flujo en las siguientes 2 páginas).

Coberturay Uso

Areas protegidos

Disponibilidadpotencialde leña

Densidad depoblación

Demandade leña

Disponibilidadsostenible

de leña

Areas condeficit de leña

Accesibilidad

Terreno

InfraestructuraArea potenciales

de colecciónde leña

Aptitud devegetación conalto rendimiento

de leña

Producciónde leña /

regeneración

Monitoreocambiospoblados

Monitoreocambio

población

SueldoEnegia alternativa

Monitoreo

Precios decultivos /

Propiotarios

Aptitudpotencialde usos

Recomendaciones

Mapa final

Resultado intermedio

Variables/cálculos/monitoreo

Mapas de entradaModelos descriptivos

Parque Nacional

Areaspotencialmente

en peligro

Monitoreode cambios

en uso

Poblados

Uso de la Tierra

Disponibilidadde leña por unidad

administrativa

UnidadesAdministrativas

Producciónde leña por uso

Poblaciónpor unidad

administrativa

Consumode leña per

cápita

Demandade leña por unidad

administrativa

Deficit deleña por unidadadministrativa

Poblados

Poblacionescon deficit

de leña

Velocidadpor clase de

infraestructura

Velocidadpor clase de

cobertura

Corrección de lavelocidad por

clase de pendiente

Accesibilidaddesde poblacionescon deficit de leña

Parque Nacional

Impacto en Parquepor colección

de leña

© X. Bakker y F. Pérez - 2001 Criterios básicos para la toma de decisiones47

7 CRITERIOS BÁSICOS PARA LA TOMA DE DECISIONESNormalmente están involucrados más que una organización o entidad en la toma de decisiones.Dentro de estas entidades pueden distinguirse dos tipos de personas: el investigador y elanalista. En muchos casos el investigador conoce bien el área de interés y los problemas, peronormalmente le falta el conocimiento para traducirlas al ambiente de un SIG. El analista conocebien la herramienta, pero no sabe mucho sobre la problemática dentro del área de interés. Lacooperación y comunicación entre estos dos profesionales es fundamental para el buendesarrollo de un proyecto.

7.1 El papel del planificador, investigador y analistaDado que el uso de los SIG involucra aspectos o fenómenos que se suceden sobre la superficieterrestre, y que en muchos de los casos el uso de esta herramienta tiene como objeto la tomade decisiones, es necesario comprender e integrar las funciones de los diferentes especialistasque intervienen en la implementación de un SIG.

Normalmente son los investigadores (diferentes profesionales relacionados con las ciencias dela Tierra y ciencias Sociales) quienes se plantean, ya sea por iniciativa propia o por algunanecesidad de la comunidad, diferentes tipos de proyectos que involucran el uso de los SIG. Unproyecto que a su interior contemple diferentes aspectos espaciales involucra la presencia dediferentes tipos de profesionales (ingenieros forestales, geólogos, sociólogos, biólogos,estadistas, matemáticos, arquitectos y muchos otros en determinados casos)

En nuestro medio, los investigadores tienen un gran cúmulo de conocimientos en sus respectivasáreas pero adolecen de la suficiente capacitación en el uso de la herramienta. Esta carencia dehabilidad se puede subsanar si existe un buen experto en el manejo de la herramienta, "analista"(generalmente ingenieros de sistemas o afines), y una buena comunicación con él.

El éxito de un proyecto dependerá de la buena acción interdisciplinaria que se maneje (sub-modelos), de la calidad de los datos y del planteamiento lógico y organizado que se le presenteal analista, lo cual puede ser mediante la estructuración de los sub-modelos o del modelogeneral. Otro aspecto importante es tratar de trabajar conjuntamente con él, para conocer losresultados parciales e ir validando el modelo.

Adicionalmente a las sugerencias dadas por el analista, el investigador debe tener presente losplanteamientos sugeridos por el planificador (entiéndase por planificador a la persona que tieneel poder de tomar decisiones -alcaldes, gobernadores, jefes de parques naturales, etc-). Por estarazón, en lo posible, el investigador debe plantear diferentes escenarios (diferentes solucioneso alternativas que visualizan determinado comportamiento de un fenómeno ante determinadascircunstancias) para que el planificador opte por la solución más adecuada.

© X. Bakker y F. Pérez - 2001 DGI: los SIG en linea48

8 INFORMACIÓN GEOGRÁFICA DISTRIBUIDA (DGI): LOS SIG EN LINEALa rápida expansión de Internet ha incrementado el intercambio de información y el ofrecimientode servicios. Por medio de tecnología de punta como los Sistemas de Información Geográficaen línea, es posible diseminar información espacial a un público más amplio. (Bakker y Aguirre1999, Plewe 1997, Kraak 1998)

Hoy en día existen muchos sitios web ofreciendo las facilidades de efectuar análisis, componermapas personalizados y bajar o imprimir el resultado. Puesto que el componente de análisis enestos sitios se está desarrollando fuertemente, se evaluarán los diferentes tipos de SIG en líneaexistentes con sus respectivas ventajas y desventajas.

- Raw data download (descarga de archivos)Los sitios web con este tipo de servicio, normalmente tienen una base de datos gigantesca quepuede ser descargada sin costo o con costos muy bajos. Los datos se ofrecen en diferentesformatos comunes, como Arc/Info E00 o SDTS. Uno de los pioneros de este tipo de servicio esel sitio de la “U.S. Geological Survey Geodata Online” [URL 11]. Además de ofrecer la descargade información espacial facilita herramientas de búsqueda. Muchos sitios con servicios deInformación Geográfica Distribuida (DGI) tiene este tipo de servicio.

- Static map display (despliegue estático de mapas)Este servicio de DGI consiste en el despliegue de mapas de imágenes prediseñados en formatoraster o vector. No se puede hacer ningún tipo de análisis. Aunque su estructura es muy sencilla,esta estructura atrae un público grande por sus bajos requerimientos en cuanto a la capacidaddel navegador y el conocimiento del usuario. (Plewe 1997)

- Dynamic HTML (HTML dinámico)Muchas de las funcionalidades de los SIG en linea pueden ser simuladas utilizando HTMLdinámico en conjunto con unos “JavaScripts” o “VBScript applets” (Gulbransen and Rawlings1998). Se pueden utilizar técnicas de “brushing” que normalmente requieren softwareespecializados. “Brushing” es una técnica que, cuando se selecciona un elemento en un mapa,automáticamente indica elementos (siendo atributos o elementos espacialmente relacionados)correspondientes en otros gráficos. (Kraak 1998)

Un proyecto piloto mostrando la utilidad de los “JavaScripts” es el “GeoShop Pilot”. En esteproyecto el usuario puede combinar información de tres diferentes fuentes; información decatastro en formato Ingres, información topográfica guardada en formato Illustra y archivosplanos en formato AutoCAD .DXF con información de la red de televisión por cable de fibraóptica. (Tuijnman 1998)

- Remote map generators (generadores de mapas a distancia)Son aquellos que no usan ni software del SIG ni datos. Algunos sitios ofrecen la posibilidad deutilizar su software y generar mapas para ser publicados en el sitio del cliente.


Arquitectura de un “Remote map generator”

Arquitectura de un “Propietary-data map generator

Basado en los parámetros que hacen parte del URL (“uniform resource locator”, dirección del sitioweb) se genera el mapa. La restricción de este tipo de servicio es que únicamente la informacióndisponible en el servidor puede ser utilizada.

En caso que el usuario tiene supropio conjunto de información, estano puede ser integrada en el mapa.(Plewe 1997) La mayoría de estosservicios ofrecen mapas viales enlos Estados Unidos.

Dos ejemplos de este tipo deservicio son: el sitio de MapquestConnect/InterConnect [URL 6] y elprimer sitio de DGI: TIGERMapping Service. [URL 3].

- Proprietary-data map generatorsEstos programas esencialmente sonprogramas de SIG conectados a unservidor del Internet.

El navegador envía parámetros loscuales son recibidos en el servidor.Una base de datos los interpreta ygenera el mapa o puede efectuarunos tipos de análisis sencillos(consulta).

El mapa que resulta se despliega enel navegador del cliente. (Plewe1997)

MapGuide desarrollado por AutoDesk es un ejemplo de este tipo de generador [URL 7].

- GIS-data map generators (Generadores de mapas a partir de datos de un SIG)Este generador trabaja en una manera muy similar al “Propietary-data map generator”, con unadiferencia crucial; este tipo de generador de mapas es capaz de leer la información nativa de unSIG. La ventaja es que la información puede ser actualizada, puesto que lee directamente lainformación almacenada en el servidor, lo cual puede ser utilizado simultáneamente para análisislocal en una red local (Plewe 1997).


Arquitectura de un “GIS-data map generator”

Arquitectura de un “Live GIS interface”

Arquitectura de un “Net-savvy GIS program”

MapObjects Internet Map Serverdesarrollado por ESRI es unsoftware que pertenece a este tipode generador de mapas [URL 8]

- Live GIS interfacesUno de los más poderosos yflexibles software de DGI es el “LiveGIS interfaces”. Sin embargo, tienela tendencia de ser lento. Elprograma DGI actúa como unapuerta de comunicación entre elservidor y un SIG que se estáejecutando. La puerta convierte elpedido en un conjunto de comandoslos cuales serán procesados por elSIG. (Plewe 1997)

El primer “Live GIS interface” es GRASSLinks y fue desarrollado por la Universidad de California“Berkeley” [URL 5].

-Net-savvy GIS softwareEste tipo de software de DGI sedistingue de los demás puesto quese ejecuta e instala al lado delcliente. La diferencia de los SIGconvencionales es que este softwaretiene la capacidad de usar tantoconjunto de datos locales comodatos almacenados en el Internet.Debe poder leer información endiferentes formatos sin convertirlos.

Además, debe ser capaz de cambiar la proyección y los sistemas de coordenadas mientras seestá leyendo.


“Net-savvy GIS” es uno de los objetivos del “Open GIS Consortium”, es un colectivo devendedores, desarrolladores de software SIG y profesionales que tienen como objetivoincrementar la posibilidad de que las diferentes plataformas SIG existentes operenconjuntamente. La visión del consorcio con respecto al ambiente de computación distribuida(DCE) incluye clientes con “net-savvy” software comunicándose e intercambiando informaciónpor Internet.

Los “Net-savvy” software deben poseer al menos tres capacidades; acceso de archivoalmacenada en el Internet, leer diferentes formatos de datos sin convertirlos, y conversión deproyecciones en tiempo real con el fin de combinar información procedentes de diferentesfuentes. (Plewe 1997) [URL 1].

GRASSLAND desarrollado por el LAS es un buen ejemplo de un “net-savvy” software. En juniodel año 2000 salió una versión beta de GRASS para Windows la cual es de dominio público ypuede ser bajado sin costo (ver [URL 12]). El MapServer desarrollado por la Universidad deMinnesota es otro ejemplo [URL 10].

Para obtener más información acerca el “Open GIS Consortium ” conéctese con el sitio principalde esta organización:

Open GIS Consortiumhttp://www.opengis.org/

El sitio de la Universidad de Berkeley también ofrece información acerca el formato de DGI y suprocesamiento conforme a las especificaciones del Open GIS Consortium:

Kenn Gardels, Universidad de Berkeleyhttp://www.regis.berkeley.edu/gardels/envmodel.html

© X. Bakker y F. Pérez - 2001 Bibliografía52

Bibliografía

Aronoff, S. 1989. Geographical Information Systems: A Management Perspective. WDLPublications Otawa. Canada. 294p.

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

Bakker, X. and H. Rivera, 1995. Desarrollo de un Sistema Interactivo de Visualización Espacialy Temporal para el Ministerio de Agricultura y Desarrollo Rural de Colombia. Memoriasde VII Seminario SELPER. Méjico, 8p.

Bakker, X. and H. Rivera, 1995. Desarrollo de un Sistema Interactivo para Evaluar Estrategiasde Mercadeo en manera espacial y temporal para Bogotá, Colombia. Memorias de VIISeminario SELPER. Méjico, 7p.

Bakker, X y N. Aguirre, 1999. Development of a GIS online for the Atlas of the "Sabana deBogotá". ICA Canada, 8 pp.

Bakker, X. y F. Pérez, 1999. Conceptos de análisis y modelamiento. Notas de clase, curso deespecialización en Sistemas de Información Geográfica. IGAC, Julio de 1999. Colombia,46 pp.

Bocco, G., H de Brouwer and F. Karanga, 1991, Modelling water resources and water demandin semi arid areas: data integration and analysis using a geographical information system.A case study in Samburu District, northwestern Kenya, using the Integrated Land andWater Information System (ILWIS). ITC, Enschede, 97p.

Bosque Sendra, J., 1992, Sistemas de Información Geográfica, Ediciones Rialp S.A., Madrid.435p.

Burrough, P.A. 1985. Principles of Geographical Information Systems for Land ResourceAssessment. Clarendon Press, Oxford. 193p.

Clark University, 1997. The Idrisi project. Ayuda en linea versión 2.0 Idrisi for Windows.

Environmental Systems Research Institute, Inc. (ESRI), 1994. ARC/INFO Data Management:Concepts, data models, database design, and storage. Redlands, United States ofAmerica.

Environmental Systems Research Institute, Inc. (ESRI), 1997. Arc/Info ayuda en linea versión7.1.1

Felicísimo, A.M. 1994. Modelos Digitales de Terreno. Introducción y aplicaciones en lasciencias ambientales. España. 118 pp.


Felicísimo, A.M. 1999. Simulación de los procesos de dispersión y colonización medianteautómatas celulares. Grupo de Investigación en Conservación, Área de Biología Animal,Universidad de Extremadura, España. 12pp.

Gorte, B. 1994. Tools for advanced Image Processing and GIS using ILWIS. ITC Publicationnumber 24, Enschede, The Netherlands. 57p.

Gulbransen, D. and K. Rawlings, 1998. Using Dynamic HTML. Que Corporation, Indianapolis,580 pp.

Integrated Land and Water Information System (ILWIS), 1997. ILWIS 2.1 for Windows User’sGuide. Enschede, The Netherlands. 511 p.

ITC Journal 1988-1: ILWIS overview.

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

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

Kraak, J.M., 1998. Exploratory cartography: maps as tools for discovery. Inaugural address asprofessor of geoinformatics, cartography and visualization. ITC Journal 1998 - 1, pp. 46-54.

Meijerink, A.M.J., H.A.M. de Brouwer, C.M. Mannaerts and C.R. Valenzuela, 1994.Introduction to the use of Geographic Information Systems for practical Hydrology. ITCPublication number 23, Enschede, The Netherlands. 243p.

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

PCI Geomatics., 1997. PACE Terrain Analysis. Version 6.2. Ontario, Canada. 103p.

Pérez Gomez, U., 1995. Notas de Clase Análisis y modelamiento de datos en un SIG. IGAC,Colombia, 23p.

Plewe, B., 1997. GIS ONLINE: information retrieval, mapping and the Internet. OnWord Press,Santa Fe, 311 pp.

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

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


Toxopeus, A.G., W. van Wijngaarden, 1994, An interactive spatial modelling (ISM) system forthe management of the Cibodas Biosphere Reserve (west Java, Indonesia). ITC Journal1994-4, pp. 385-391, The Netherlands.

Toxopeus, A.G., X. Bakker and A. Kariuki, 1994, An interactive spatial modelling (ISM) systemfor the management of the Amboseli Biosphere Reserve (southeast Kenya). ITC Journal1994-4, pp. 392-400, The Netherlands.

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

Tuijnman, F. 1998. The Geoshop Pilot: Dynamic Map Integration among Organisations byInternet. Geomatics Info Magazine, August ‘98, Volume 12, pp. 69-71.

Valenzuela, C, 1989, Análisis y modelamiento de datos, notas de clase.10p.

Westen, C. J., 1993, Training Package for Geographical Information Systems in SlopeInstability Zonation, ITC Publication Number 15, The Netherlands, 245p.


URLS:

[URL 1] GIS ONLINE: information retrieval, mapping, and the Internet. Brandon Plewe http://kayenta.geog.byu.edu/gisonline/

[URL 2] ITC's Cartographic Pagehttp://www.itc.nl/~carto/ITC Webcartography bookhttp://kartoweb.itc.nl/webcartography/webbook/

[URL 3] TIGER Mapping Servicehttp://tiger.census.gov/

[URL 4] U.S. Geological Survey Geodata Onlinehttp://edcwww.cr.usgs.gov/doc/edchome/ndcdb/ndcdb.html

[URL 5] GRASSLinks, REGIS program, University of California at Berkeleyhttp://www.regis.berkeley.edu/grasslinks/

[URL 6] Mapquest Connect/InterConnecthttp://www.mapquest.com/

[URL 7] MapGuide, AutoDeskhttp://www.mapguide.com/http://www3.autodesk.com/adsk/section/0,,308132-123112,00.html

[URL 8] MapObjects Internet Map Server, ESRIhttp://www.esri.com/software/internetmaps/index.html

[URL 9] Geospatial online edición julio 2000, artículo “In the line of fire” por Tim Walsh yartículo “GIS you can bet on” por Ian Finnimorehttp://www.geospatial-online.com/

[URL 10] MapServer, University of Minnesotahttp://www.gis.umn.edu/fornet/apps/

[URL 11] U.S. Geological Surveyhttp://www.usgs.gov/

[URL 12] GRASS for Windowshttp://www.baylor.edu/~grass/http://www.geog.uni-hannover.de/grass/


Las siguientes páginas web pueden ser de gran utilidad:

[URL 13] ARC data online (información en formato Shapefile (ArcView) sin costo)http://www.esri.com/data/online/index.html

[URL 14] Geography Network (información geográfica sin costo)http://www.geographynetwork.com/data/index.html

[URL 15] National Geographic maps (mapas interactivos del National Geographic)http://www.nationalgeographic.com/maps/

[URL 16] GIS WWW Resources (listado alfabético de enlaces a sitios web con relación a SIG)http://www.geo.ed.ac.uk/home/giswww.html

Los sitios web en este documento han sido verificados en febrero 2001. Sin embargo, debido ala dinamicidad de Internet, es posible que algunos sitios no existirán al momento de consultarlos.

© X. Bakker y F. Pérez - 2001 Anexo: Calidad de los datos57

Anexo:

Calidad de los datos (Valenzuela 1989)La precisión posicional está bien definida en SIG, es una medida de la probabilidad de la posiciónde los datos que están dentro de una distancia especificada de su localización real. La precisiónde posición se ha hecho desde hace mucho tiempo, incluso antes del uso de la cartografíaasistida por computador. Sin embargo, la precisión de atributos que incluye la precisión declasificación es un tema reciente que depende de la experiencia del analista y la calidad de lasherramientas utilizadas.

El conocer la calidad de los datos es un aspecto crítico al juzgar las aplicaciones para las queestos datos son apropiados. Cuando se hacen manualmente los análisis espaciales,especialmente las superposiciones de mapas, los analistas se hicieron expertos en lasuperposición de mapas moviéndolos hasta que éstos se superpongan correctamente enporciones del mapa así sucesivamente se repite este proceso hasta que todo el mapa se hayaanalizado. Este procedimiento no es posible en un SIG digital. Presuposiciones implícitas sobrela calidad de los datos deben hacerse explícitas para que puedan ser estudiadas correctamente.

El National Center for Geographic Information and Analysis (NCGIA) en los Estados Unidosincluye en su programa de investigación, la precisión de los datos espaciales como uno de sus12 temas de prioridad. Los siguientes siete puntos establecen la base y objetivos de lasiniciativas de investigación en precisión de datos espaciales.

La precisión de procesamiento en SIG es efectivamente infinita. El SIG típico en vectoreslocaliza 8 decimales a cada coordenada y muchos usan 16. La precisión de procesamientoes normalmente establecida por la precisión de entrada, entonces, se puede esperar queintersecciones de líneas por ejemplo, sean computadas con, por lo menos, las coordenadasde entrada. Sin embargo, estos niveles de precisión son mucho más altos que la precisiónde datos típicos de SIG. En un mapa topográfico de 100 cm. por 100 cm., 8 dígitos deprecisión determinan coordenadas al micrón más cercano, mientras que la línea promedioen un mapa topográfico es de cerca de 0.5 mm. de ancho. En el globo, dígitos con 8decimales darían posiciones a los 10 cm. más cercanos, lo que es muchísimo más precisoque los datos típicos sobre el globo.

Todos los datos espaciales son de precisión limitada. Datos posicionales están basadossobre mediciones de distancias o ángulos y su precisión depende de los instrumentosutilizados. Muchos objetos presentes en las bases de datos espaciales son abstracciones ogeneralizaciones de variaciones espaciales, por ejemplo, el área denominada tipo de sueloA en un mapa de suelos no es en realidad todo de tipo A y sus límites no son límites muybien definidos para zonas de transición.

En análisis convencional de mapas, la precisión es usualmente adaptada a la confiabilidad.El límite de la precisión en un mapa en papel es el ancho de la línea o típicamente cerca de0.5 mm. La distorsión del papel debido a cambios de humedad, a menudo puede reducir laconfiabilidad sustancialmente bajo ese nivel. Sin embargo, 0.5 mm. permanece el objetivode precisión en la recolección de datos y la compilación de mapas.

© X. Bakker y F. Pérez - 2001 Anexo: Calidad de los datos58

La habilidad de cambiar y combinar datos provenientes de diferentes fuentes y escalas enun SIG significa que la precisión usualmente no está adaptada a la confiabilidad. En elmundo digital, la precisión no está atada a la confiabilidad. Ningún SIG actual advierte alusuario cuando un mapa digitalizado a 1:25.000 es superpuesto con uno digitalizado a1:100.000 y el resultado es graficado a 1:24.000 y casi ningún SIG lleva la escala deldocumento fuente como un atributo de los datos.

No tenemos medios adecuados para describir la confiabilidad de objetos espacialescomplejos. Para puntos, la precisión posicional puede ser descrita por un modelo de mediciónbidimensional y una vasta literatura está disponible sobre este tema. Para objetos complejos,líneas y áreas tenemos métodos para describir algunos de los errores introducidos por elprocesamiento de digitalización, pero ninguno para modelar la complejidad de las relacionesentre objetos abstractos y las variaciones espaciales que ellos representan.

El objetivo debería ser una medida de inseguridad en cada producto SIG. Idealmente, elresultado que describe el error en la base de datos y su propagación a través de procesosSIG debería ser un conjunto de límites de confiabilidad de los productos SIG. En algunoscasos esto es relativamente simple; un modelo de error de precisión de posición de unpolígono, podría ser utilizado para generar límites de confiabilidad en la estimación del áreadel polígono. En otros casos, el problema se torna más difícil en vista de la complejidad delconjunto de normas que se utilizan durante el análisis cartográfico en muchas aplicacionesde SIG.

Documents

Análisis y Modelamiento - Teoría