You are on page 1of 61

CENTRO INTERAMERICANO DE INVESTIGACIÓN Y DESARROLLO

EN INFORMACIÓN GEOGRÁFICA

CIAF

TALLER DE ANÁLISIS Y MODELAMIENTO


EN 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 ANÁLISIS Y MODELAMIENTO . 2

3 FUNCIONES DE ANÁLISIS Y MODELAMIENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8


3.1 Operaciones de consulta, reclasificación y medición . . . . . . . . . . . . . . . . . . . . . . 8
Consulta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Reclasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Operaciones de superposición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3 Operaciones de vecindad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Funciones de búsqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Funciones de línea en polígono y punto en polígono . . . . . . . . . . . . . . . . . . . . 17
Funciones topográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Polígonos de Thiessen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Interpolación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Generación de isolíneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4 Operaciones de conectividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Contigüidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Proximidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Esparcimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Optimización de rutas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Intervisibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Iluminación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Vista en perspectiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4 COMPARACIÓN ENTRE FORMATO RASTER Y VECTORIAL PARA EL ANÁLISIS . . . 31

5 MODELOS DIGITALES DEL TERRENO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34


5.1 Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.2 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.3 La necesidad del modelo raster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.4 Delimitación de cuencas hidrográficas a partir de un MDE . . . . . . . . . . . . . . . . . 36
5.5 Generación de la red de drenajes a partir de un MDE . . . . . . . . . . . . . . . . . . . . . 37
5.6 Clasificación de la red de drenajes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.7 Los MDE hidrológicamente corregidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.8 Clasificación de formas del relieve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6 MODELAMIENTO CARTOGRÁFICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.1 Tipos de modelamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.3 Evaluación del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.4 Aplicaciones y ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

7 CRITERIOS BÁSICOS PARA LA TOMA DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . 47


7.1 El papel del planificador, investigador y analista . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

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

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

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


1 INTRODUCCIÓN

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

La característica más importante de un Sistema de Información Geográfica (SIG) es la capacidad


de análisis y modelamiento de datos. Esta capacidad constituye la mayor diferencia entre un SIG
y un sistema para cartografía automatizada. Las funciones para análisis espacial usan los
atributos espaciales y no espaciales de la base de datos para responder preguntas sobre el
mundo real. (Burrough 1985, Aronoff 1989, Valenzuela 1989)

La aplicabilidad de un Sistema de Información Geográfica es básicamente en todos los campos


que 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 SIG
basado en formato RASTER y VECTOR serán explicadas más adelante.

Se sugiere al estudiante leer los capítulos 6, 7 y 8 de "Geographic Information Systems: A


Management Perspective" por S. Aronoff y los capítulos 5 y 6 de "Principals of Geographical
Information Systems for land Resources Assessment" por P. A. Burrough para ampliar los
principios que se explicarán en esta asignatura.

©
X. Bakker y F. Pérez 1 Instituto Geográfico Agustín Codazzi. 2001
2 RELACIÓN DE LOS CONCEPTOS PREVIOS CON EL ANÁLISIS Y MODELAMIENTO
ESPACIAL

En las asignaturas anteriores se expusieron los fundamentos de un SIG: entrada de datos y


bases de datos. También recibieron el análisis y modelamiento en formato vectorial. En ésta se
trata 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 el
siguiente 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 interrelaciones
existentes. El nivel del estudio (escala) es el primer indicativo de la precisión requerida para el
manejo de los datos espaciales. Un estudio regional requiere un tipo de precisión diferente a un
estudio a nivel de municipio. Generalmente la mayoría de los estudios se realizan con proyectos
pilotos.

La calidad de los datos implica, por un lado precisión en la ubicación de los datos espaciales, y
por 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 la
captura de los segmentos y un mapa de puntos que contenga los nombres de las unidades de
mapeo.

También se aconseja utilizar nombres comprensivos para la codificación de puntos, segmentos


y polígonos. Utilizar nombres comprensivos para los mapas y tablas que se crean y anotar en una
libreta los nombres usados.

©
X. Bakker y F. Pérez 2 Instituto Geográfico Agustín Codazzi. 2001
Qué podemos obtener del análisis? Para qué sirve el modelamiento espacial?

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

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

Algunos ejemplos de diferentes estudios espaciales en que se han aplicado Sistemas de


Información Geográfica son los siguientes:

t Modelamiento de la disponibilidad de los recursos hidrológicos y su demanda en áreas


semi-áridas. (Bocco et al. 1991)

t Desarrollo de un sistema interactivo de modelación espacial (ISM) como herramienta de


fácil uso para planificadores interesados en el manejo sostenible de los recursos
naturales, aplicado a la vulnerabilidad de bosque primario en Indonesia y a la competición
entre animales salvajes y domésticos por agua y pastos en Kenia. (Toxopeus and Van
Wijngaarden 1994, Toxopeus et al. 1994, Bakker et al. 1994, Toxopeus 1996)

t Determinación de la mejor ruta de distribución de productos de consumo. (Bakker and


Rivera, 1995)

t La subdivisión de una área en zonas con igual susceptibilidad o probabilidad de


ocurrencia de movimientos de masa para evaluar amenazas por inestabilidad de
pendientes. (Van Westen 1993)

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

©
X. Bakker y F. Pérez 3 Instituto Geográfico Agustín Codazzi. 2001
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 cualquier
problema con un componente espacial puede ser parcialmente o completamente manejado con
los 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 en
la tabla 1.

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

©
X. Bakker y F. Pérez 4 Instituto Geográfico Agustín Codazzi. 2001
Tabla 1: Funciones de análisis en un SIG (Aronoff 1989)

1 - Mantenimiento y Análisis - Transformaciones de formato


de 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 atributos


de Datos de Atributos - Funciones de consulta de atributos

3 - Análisis Integrado de Datos - Consulta/Reclasificación/ - Consulta


Espaciales 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

©
X. Bakker y F. Pérez 5 Instituto Geográfico Agustín Codazzi. 2001
Diferencias entre el formato vectorial y el formato raster
Existen dos principales formas de representar información geográfica: el modelo vectorial y el
modelo 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 ser
desarrollada 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 tienen
sus 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. 1. Es un formato compacto

2. Las operaciones de superposición 2. Permite codificar la topología, y así es


pueden ser efectuadas sencillamente. más eficiente para el análisis que requiere
información topológica como el análisis de
3. Una alta variabilidad espacial puede ser redes
fácilmente representada.
3. Es un formato que permite tener más
4. El formato raster es requerido para la precisión en cuanto a los límites.
manipulación, mejoramiento y análisis de
imágenes digitales. Puede ser integrado con 4. Cambios en proyecciones pueden ser
productos de imágenes satelitales. efectuados eficazmente.

5. Tecnología relativamente barata.


Desventajas Desventajas
1. El formato raster consume por lo general 1. Es un formato mas complejo.
mas espacio en disco.
2. Las operaciones de superposición son
2. Las relaciones topológicas son difíciles de mas complejas.
representar
3. La representación de superficies con un
3. Las salidas gráficas son menos estéticas alto nivel de variabilidad espacial es difícil.
(pueden salir pixeladas)
4. La manipulación, mejoramiento y análisis
4. Cambios en proyección requieren la de imágenes digitales no es eficaz. Para
corrección geométrica (trasladar los pixeles integrar con productos de imágenes
a un nuevo matriz) lo cual es un proceso satelitales se tiene que vectorizar el
largo e introduce nuevas imprecisiones. producto.

5. Tecnología relativamente costosa.


(Aronoff 1989 y Burrough 1985)

©
X. Bakker y F. Pérez 6 Instituto Geográfico Agustín Codazzi. 2001
Diferencia entre los dos formatos para efectuar análisis
ARC/INFO (líder en SIG basado en el formato vectorial) destaca varias limitaciones para la
representación con - y el análisis en - formato vectorial:

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

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

& Representación de elementos superficiales altamente variables: Los límites de los


polígonos implican que las áreas adyacentes sean estrictamente definidas e internamente
homogéneas. Sin embargo, muchas características físicas tales como suelos y vegetación
varían dentro de la unidad y tienen límites de tipo “fuzzy” (son borrosas / cambian
gradualmente). Los límites de polígonos no representan bien las zonas de transición. Por lo
tanto 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 los
elementos espaciales, se pueden calcular distancias entre múltiples elementos y se puede
determinar el elemento más cercano. Sin embargo, no es posible en el formato vectorial
generar un mapa con la distancia a varios elementos, aplicando un análisis de conectividad
y opcionalmente usando un modelo de gravedad.

& Análisis rápido: La superposición topológica es una operación espacial fundamental para
coberturas. Mientras los resultados son más exactos en comparación a la superposición en
formato raster, la detección de intersecciones de arcos y la definición de los nuevos límites
y topología requiere mucho tiempo de procesamiento. El modelamiento en formato raster es
más rápido debido a que los pixeles (celdas) de los diferentes mapas a superponer ya están
ajustados, 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 propias
aplicaciones. El capítulo 4 tiene una comparación entre los dos formatos para cada función de
análisis.

©
X. Bakker y F. Pérez 7 Instituto Geográfico Agustín Codazzi. 2001
3 FUNCIONES DE ANÁLISIS Y MODELAMIENTO

Las diferentes funciones de análisis y modelamiento se pueden dividir en cuatro clases, las cuales
pueden 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 combinación
de las diferentes funciones las posibilidades de análisis y modelamiento son casi ilimitadas. En
los siguientes numerales se describen las cuatro funciones de análisis y modelamiento, con sus
respectivas subdivisiones y un ejemplo de las mismas.

3.1 Operaciones de consulta, reclasificación y medición


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

Consulta
Las operaciones de consulta en datos espaciales y no espaciales, involucra la búsqueda,
manipulación y recuperación de información útil sin la necesidad de modificar la localización
geográfica de objetos o la creación de nuevas entidades espaciales. Las operaciones de consulta
incluyen:

La extracción de datos mediante especificaciones geométricas, introduciendo un dominio


espacial: punto, línea o área; extracción de todas las entidades espaciales y atributos
contenidos total o parcialmente en el dominio.

ejemplo:

Entrada: Plancha de suelos

Resultado: suelos dentro de la área de estudio

Dominio: área de estudio

©
X. Bakker y F. Pérez - 2001 8 Funciones de Análisis y Modelamiento

La extracción de datos mediante condiciones geométricas, introduciendo un dominio espacial
y 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 alrededor


del 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 información


introduciendo un nombre propio o la codificación de un atributo.

ejemplo: Se puede extraer a partir de un mapa de unidades de paisaje, información de


pendientes por cada unidad, ya que esta información esta normalmente incorporada
en el identificador de las unidades de paisaje.

la extracción de datos mediante condición simbólica o lógica, extraer información de atributos


que satisfagan condiciones alfanuméricas con expresiones lógicas (booleana).

©
X. Bakker y F. Pérez - 2001 9 Funciones de Análisis y Modelamiento
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

Reclasificación
La reclasificación de categorías del mapa involucra la re-asignación de valores temáticos a las
categorías de un mapa existente como una función del valor inicial, la posición, el tamaño o la
forma de la configuración espacial asociada con cada categoría. El análisis de reclasificación se
puede 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 característica
determinada.

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

©
X. Bakker y F. Pérez - 2001 10 Funciones de Análisis y Modelamiento
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

©
X. Bakker y F. Pérez - 2001 11 Funciones de Análisis y Modelamiento
Medición
Las mediciones de datos espaciales involucran el cálculo de distancias entre puntos, longitud de
líneas, superficie y perímetro de polígonos y volúmenes. Mediciones entre puntos incluyen
distancias de punto a punto, línea a polígono, enumeración del número total de puntos y también
la enumeración de puntos que se encuentran en un polígono. (Valenzuela 1989)

ejemplo 1:

Distancia entre
línea y polígono

Longitud de una línea

Distancia entre Área de un


punto y línea polígono

Distancia entre punto y


polígono

Distancia entre 2 puntos

Perímetro de
un polígono

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

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

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

©
X. Bakker y F. Pérez - 2001 12 Funciones de Análisis y Modelamiento
3.2 Operaciones de superposición
La superposición de mapas crea un mapa nuevo donde los valores asignados a cada nueva
localización son calculados como una función de valores independientes asociados a los mapas
previos. 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 una
de las capas antes de que ocurriera la superposición. (Valenzuela 1989).

Capa 1
Operación sumar (+)
2 Forma como se hace una superposición
en formato RASTER. La ubicación de
las celdas y el tamaño de las celdas
Capa 2 tienen que ser iguales para poder hacer
una superposición, por esta misma
razón no se crean nuevos límites.
5 (Aronoff 1989)

Capa resultado

Forma como funciona una superposición en formato Capa 1


VECTOR. En este caso se tienen que definir nuevos
límites, creando nodos en las intersecciones. Esta
operación gasta bastante tiempo ya que es más
compleja que en formato RASTER.
2

Capa 2

3 5 2

Capa resultado

©
X. Bakker y F. Pérez - 2001 13 Funciones de Análisis y Modelamiento
Las operaciones de superposiciones lógicas, aritméticas y condicional, son parte de todo SIG.

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

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

IVV
(XS3 XS2) 127128
(XS3  XS2)

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

La superposición lógica involucra el encontrar aquellas áreas donde un juego determinado de


condiciones ocurren (o no ocurren) en forma conjunta (utilizando AND, OR, XOR, NOT). Por
ejemplo: áreas óptimas para propósitos recreativos se pueden definir como aquellas áreas de
bosque 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 áreas
donde 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)

©
X. Bakker y F. Pérez - 2001 14 Funciones de Análisis y Modelamiento
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 dos
o 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 otra
cosa en caso contrario. Una superposición condicional puede hacer uso de operadores
aritméticos 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 acción
2.

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 si
solamente 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 operaciones
son realizadas. Las operaciones de superposición son usualmente ejecutadas más efectivamente
en formato raster.

©
X. Bakker y F. Pérez - 2001 15 Funciones de Análisis y Modelamiento
3.3 Operaciones de vecindad
La caracterización de vecindades cartográficas involucra la creación de un nuevo mapa basado
en "ventanas móviles" de puntos vecinos alrededor de localizaciones seleccionadas. Cada
función de vecindad requiere que se especifique por lo menos tres parámetros; uno o más
objetos, la especificación de la vecindad alrededor de los objetos y la función que se ejecutará
a los elementos dentro de la vecindad. Existen 6 tipos de operaciones de vecindad en los
Sistemas de Información Geográfica, pero los más frecuentes son funciones de búsqueda,
topográficas e interpolación. (Aronoff 1989, Valenzuela 1989)

Funciones de búsqueda
Las funciones de búsqueda asignan un valor a cada objeto de acuerdo a alguna característica
de su vecindad. El área de búsqueda es usualmente cuadrada, rectangular o circular con un
tamaño seleccionado por el usuario. Estas funciones son de dos clases: aquellas que operan con
datos numéricos y las que son utilizadas con datos o variables temáticas. Funciones típicas con
datos numéricos son funciones de agregación como el total, promedio, media, mínimo, máximo
y 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 dentro
de un radio de 5 km de una estación de bomberos. En este caso el objeto es la estación de
bomberos, la especificación de la vecindad es el radio de 5 km y la función es el conteo de los
hidrantes dentro este radio. (Aronoff 1989)

ejemplo: Filtro promedio 3x3 en formato RASTER

1 6 8 5 2 3.0 5.0 6.0 5.0 3.7

2 7 6 3 6 3.6 4.7 5.7 5.6 5.6

4 5 3 8 9 3.1 4.3 5.6 6.2 6.4

1 2 9 7 5 3.0 4.0 5.2 5.8 5.7

3 4 5 4 2 2.7 4.0 4.9 4.8 3.7


Mapa de entrada Mapa de salida

©
X. Bakker y F. Pérez - 2001 16 Funciones de Análisis y Modelamiento
Funciones de línea en polígono y punto en polígono
Dentro de un SIG basado en formato VECTOR esta función es un tipo de búsqueda
especializada. En un SIG basado en formato RASTER esta operación es básicamente una
operación de superposición.

P3
P1
Límite de la ciudad

P2

La figura muestra un mapa con tres vías que cruzan la ciudad y tres talleres de vehículos P1, P2
y P3. Los puntos negros son las arcos que definen las vías. Para verificar sí las vías cruzan la
ciudad no se puede hacer utilizando solamente las arcos. La vía más a la derecha no tiene arcos
dentro de la ciudad pero sí cruza la ciudad. (Aronoff 1989)

©
X. Bakker y F. Pérez - 2001 17 Funciones de Análisis y Modelamiento
Funciones topográficas
Las funciones topográficas son usadas para calcular valores que describen la topografía de un
área. 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. (Aronoff
1989, 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°

©
X. Bakker y F. Pérez - 2001 18 Funciones de Análisis y Modelamiento
Polígonos de Thiessen
Los polígonos de Thiessen (o "polígonos Voronoi") definen áreas individuales de influencia por
cada punto de un conjunto de puntos. Es una manera de extender información puntual
asumiendo que la mejor información, para ubicaciones sin observaciones, es el valor del punto
más 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 una
operación de esparcimiento. (Datos: CVC, Cuenca Tulua-Morales, Proyecto
SIGPAFC, asesorado por X. Bakker, HeRindser LTDA)

condiciones de
esparcimiento

©
X. Bakker y F. Pérez - 2001 19 Funciones de Análisis y Modelamiento
Interpolación
Es el procedimiento de estimar los valores de propiedades en sitios no muestreados dentro de
un área cubierta por valores conocidos en localidades vecinas. El estimar los valores de
propiedades en lugares fuera del área cubierta por observaciones se llama extrapolación. La
calidad de la interpolación depende de la confiabilidad, certeza, número y distribución de los
puntos 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, es
esencial para obtener buenos resultados. (Valenzuela 1989, Aronoff 1989)

1 3 4 6 1 2 3 4 5 6
2 1 2 3 4 5 6
2 4 5 1 2 3 4 5 6
1 2 3 4 5 6
1 3 6 1 2 3 4 5 6
4 1 2 3 4 5 6
Valores conocidos Valores interpolados

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

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

©
X. Bakker y F. Pérez - 2001 20 Funciones de Análisis y Modelamiento
Ejemplo: Interpolación de puntos (promedio móvil, distancia máxima 50 km, función de
ponderación en relación con la distancia d: 1/d2.5-1) con información de
precipitación en el área de estudio de la Bioreserva Amboseli, Kenia.

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

©
X. Bakker y F. Pérez - 2001 21 Funciones de Análisis y Modelamiento
Generación de isolíneas
Son líneas que conectan puntos del mismo valor que indican una misma característica de
superficie. Las curvas de nivel son la aplicación más común, en donde los puntos representan
la misma elevación. Las isoyetas son otra aplicación en que las líneas representan puntos con
la misma información pluviométrica.

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

©
X. Bakker y F. Pérez - 2001 22 Funciones de Análisis y Modelamiento
3.4 Operaciones de conectividad
Las operaciones de conectividad son funciones que acumulan valores sobre el área que se
atraviesa. Se requiere que uno o más atributos sean evaluados y un recorrido acumulado esté
incluido en el próximo paso. El recorrido acumulado puede ser cuantitativo, como la distancia
acumulada viajando, o el tiempo acumulado viajando. También puede ser cualitativo, como por
ejemplo si un punto todavía es visible. Todas las funciones de conectividad tienen incluida lo
siguiente: una especificación de como son interconectados los elementos espaciales, las reglas
que especifican el movimiento permitido por medio de estos interconectores y la unidad de
medida. Considere, por ejemplo, una función de conectividad para viajar por medio de vías
dentro de una ciudad. Una calle puede ser utilizada para definir la manera como están
interconectados los elementos espaciales (calles, carreras, etc). Las reglas de movimiento
pueden incluir velocidad máxima y la dirección en que uno puede viajar (contravía). La unidad
de medida puede ser distancia (metros) o tiempo (segundos). Para encontrar la distancia (por
medio de las calles) desde un origen hasta un destino, se tiene que definir la ruta y
consecutivamente sumar las distancias individuales de los segmentos incluidos en la ruta. Este
problema es mucho más complejo comparándolo con funciones de medición, con la cual se
puede determinar la distancia utilizando un cálculo con la ubicación del origen y el destino
solamente:
Distancia
(Xorigen Xdestino)2  (Yorigen Ydestino)2

Las funciones de conectividad se agrupan en: contigüidad, proximidad, redes, esparcimiento,


optimización de rutas, intervisibilidad, iluminación y vistas en perspectiva. (Aronoff 1989)

Contigüidad
Las medidas de contigüidad evalúan las características de las unidades espaciales que se
encuentran conectadas. Una área contigua consiste en un grupo de unidades espaciales que
comparten una o más características específicas y forman una unidad. (Valenzuela 1989, Aronoff
1989)

Las medidas de contigüidad comunes son: el tamaño de las áreas contiguas y la línea recta o
más 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

©
X. Bakker y F. Pérez - 2001 23 Funciones de Análisis y Modelamiento
Ejemplo 2:

El parque, el campo y una zona avícola


son consideradas como áreas verdes
contiguas. La vía que atraviesa esta
área contigua es considerada un vacío
permitido.

Proximidad
La proximidad es una medida de la distancia entre objetos. Cuatro parámetros se especifican
para medir en proximidad: la localización del objeto, una unidad de medición, una función para
calcular la proximidad (ejemplo, distancia euclidiana, tiempo de viaje, costos de viaje) y el área
a analizarse. Una zona buffer constituye un resultado de un análisis de proximidad. (Aronoff
1989)

Ejemplo:

Mapa buffer de 500 m a partir de


infraestructura vial.

©
X. Bakker y F. Pérez - 2001 24 Funciones de Análisis y Modelamiento
Redes
Las 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 ( bienes
a ser entregados por ejemplo), una o más localizaciones donde los recursos están ubicados, un
destino 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 un
sistema fluvial, optimización de rutas como horario de aerolíneas o recolección de basuras.

Ejemplo:

Ordenamiento de la red de
drenajes en una parte de la
cuenca Tulua-Morales
(CVC).

Los drenajes de menor


caudal tienen orden 1,
cuando dos drenajes de
orden 1 se unen, resulta
orden 2, orden 2 más orden
2 resulta en orden 3, etc.

Esparcimiento
Las funciones de esparcimiento tienen características de proximidad y redes. Una función de
esparcimiento evalúa fenómenos que se acumulan con la distancia. Se utilizan para evaluar
tiempo o costo de transporte sobre una superficie compleja. Los movimientos pueden ser
limitados por barreras parciales que reducen la velocidad de movimiento o por barreras absolutas
que impiden completamente el movimiento. (Valenzuela 1989, Aronoff 1989)

©
X. Bakker y F. Pérez - 2001 25 Funciones de Análisis y Modelamiento
Ejemplo 1: Mapa de tiempos de viaje basado en infraestructura, vegetación, drenajes y
pendientes (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

©
X. Bakker y F. Pérez - 2001 26 Funciones de Análisis y Modelamiento
Optimización de rutas
La optimización de rutas es una búsqueda paso por paso desde un punto de origen utilizando
una regla de decisión. El movimiento se repite hasta que la regla de decisión sea violada. El
resultado de esta operación es la ruta óptima para llegar al destino. Se pueden aplicar estos tipos
de búsquedas a un modelo digital de elevación, determinando el flujo del agua. La regla que se
aplica en este caso es buscar desde el punto de origen el punto vecino con la elevación más
baja. Esta operación se repite hasta llegar al limite de un mapa o cuando se llega a una
depresión 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 2 3 4 5
A
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 baja
se generó la ruta óptima entre A y B.

Ejemplo:

Ruta óptima, desde unos


puntos de interés hasta
el puesto de salud más
cercano. (Datos: CVC,
Cuenca Tulua-Morales,
análisis X. Bakker)

©
X. Bakker y F. Pérez - 2001 27 Funciones de Análisis y Modelamiento
Intervisibilidad
Intervisibilidad ("viewshed modelling") es una operación acumulativa. Un "viewshed" es el área
que se puede ver desde uno o más puntos de origen. Funciones de intervisibilidad son aplicadas
para determinar la ubicación de antenas (aplicaciones en comunicaciones), determinar el impacto
visual construcciones (aplicaciones ambientales) y para determinar el área que el enemigo puede
ver desde sus puntos de observación (aplicaciones militares). Las funciones de intervisibilidad
usan los modelos digitales de elevación para definir la topografía de los alrededores. También
se debería incluir información sobre los obstáculos (tales como edificios, postes, etc). (Aronoff
1989)

Ejemplo:

350 msnm. 3000 msnm.

Determinación del impacto visual de los postes


principales de una línea de alto voltaje, (Cibodas,
Indonesia). En la figura se muestra el modelo digital
de elevación. Los tres postes principales están
indicados con los puntos negros.

E l r e s ultado del
impacto visual esta
desp legado a la
derecha. Las líneas
indican la dirección
donde es visible el
poste. Donde la línea
esta interrumpida no
se puede ver el poste.
También está
desplegado el limite
del área de estudio.

Programa desarrollado
por X. Bakker.

©
X. Bakker y F. Pérez - 2001 28 Funciones de Análisis y Modelamiento
Iluminación
Las funciones de iluminación proyectan un tipo de iluminación artificial sobre un terreno
tridimensional. Los tres factores que determinan la iluminación son: la posición de la luz, la
topografía 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 iluminación
esta ubicado en la esquina superior izquierda.

Detalle de la cuenca
Tulua - Morales. Las
diferentes intensidades
de gris pueden ser
convertidas en diferentes
tonos de amarillo, café,
verde, etc, para
visualizar mejor las usos
sobre un modelo de
sombras.

(X. Bakker)

©
X. Bakker y F. Pérez - 2001 29 Funciones de Análisis y Modelamiento
Vista en perspectiva
Una superficie proyectada desde un punto de vista diferente al vertical se llama vista en
perspectiva. La vista en perspectiva es principalmente una herramienta de presentación. En una
vista tridimensional se puede exagerar la altura vertical para acentuar la topografía. Muchos
programas ofrecen la posibilidad de sobreponer un mapa temático o imágenes de satélite sobre
una vista tridimensional.

Ejemplo 1: Vista tridimensional de una composición a color TM 453 (RGB), ciudad de


Cochabamba, Bolivia. (X. Bakker, HeRindser LTDA)

©
X. Bakker y F. Pérez - 2001 30 Funciones de Análisis y Modelamiento
4 COMPARACIÓN ENTRE FORMATO RASTER Y VECTORIAL PARA EL ANÁLISIS

La tabla 3 contiene una evaluación para determinar cual formato es mas apto para efectuar cada
una de las funciones de análisis, utilizando como base la clasificación de funciones de análisis
propuesta 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 La consulta por medio de La consulta por medio de
especificaciones geométricas es especificaciones geométricas es
en verdad una superposición. fácil.

La consulta por medio de La consulta por medio de


condiciones geométricas incluye condiciones geométricas es fácil.
funciones de proximidad y
superposición.

La consulta por medio de La consulta por medio de


especificaciones simbólicas por lo especificaciones simbólicas es
general requiere una operación de fácil.
reclasificación de los atributos
almacenados en una tabla, y
luego asignarlos generando un
VECTOR nuevo mapa.

Reclasificación La reclasificación es fácil de La reclasificación es fácil de


efectuar. efectuar.
RASTER Y VECTOR

Medición Las funciones de medición son en Las funciones de medición se


verdad funciones de proximidad. hacen mejor en formato vectorial.
VECTOR

Superposición La superposición en formato La superposición es una


raster es muy eficaz. operación compleja en formato
RASTER vectorial.

Búsqueda La búsqueda en formato raster se La búsqueda en formato vectorial


hace por medio de filtros. Los es bastante eficaz. Sin embargo,
filtros solamente puede ser no se permite aplicar filtros en el
aplicadas en formato raster. De formato vectorial.
otro lado para efectuar una
búsqueda estadística de
elementos dentro de un radio, se
requiere funciones de proximidad
1 RASTER / 2 VECTOR y superposición.

©
X. Bakker y F. Pérez - 2001 31 Comparación entre Raster y Vector
Función de análisis Modelo Raster Modelo Vectorial
Línea en polígono y En el formato raster es una En formato vectorial es una
puntos en polígono superposición. búsqueda especializada.

VECTOR

Funciones topográficos El formato raster puede generar El formato vectorial, únicamente


fácilmente los productos puede generar estos productos si
topográficos. cuenta con el formato TIN
1 RASTER / 2 VECTOR (Triangular Irregular Networks).

Polígonos de Thiessen En formato raster se puede El formato vectorial solamente


generar polígonos de Thiessen permite la generación de
sobre superficies continuas polígonos de Thiessen con base
(tiempos de viajar, costos, etc) y en equidistancia.
no solo con base en equidistancia.
1 RASTER / 2 VECTOR

Interpolación El formato raster permite El formato vectorial permite la


interpolar diferentes tipos de interpolación generando el sub-
información. formato TIN (Triangular Irregular
Networks) con base en curvas o
1 RASTER / 2 VECTOR cotas.

Generación de isolíneas El formato raster utiliza una El formato vectorial puede utilizar
interpolación del modelo digital de el formato TIN o cotas de altura
elevación en nivel sub-pixel para para generar las isolíneas.
1 VECTOR / 2 RASTER generar confiablemente las
isolíneas.

Contigüidad La contigüidad únicamente puede La contigüidad puede ser


ser establecida a nivel de pixel determinado de forma más exacta
con conectividad de 4 o 8 pixeles. en formato vectorial, debido a que
se usa límites exactos y
elementos angostos (vías,
drenajes) pueden ser incluidos o
excluidos en esta operación.
1 VECTOR / 2 RASTER

Proximidad En raster se puede generar un El formato vectorial ofrece


mapa de proximidad, pero usando herramientas para determinar
dos pasos: determinar distancias rápida y precisamente un mapa
(mapa de superficie continua) y de proximidad.
VECTOR luego reclasificarlo.

Redes Puesto que el formato raster no El formato vectorial es el formato


contiene información topológica indicado para elaborar análisis de
no se puede efectuar de forma redes.
VECTOR eficaz el análisis de redes.

Esparcimiento La operaciones de esparcimiento No se puede efectuar análisis de


solamente pueden ser efectuadas esparcimiento con el formato
RASTER con el formato raster. vectorial.

©
X. Bakker y F. Pérez - 2001 32 Comparación entre Raster y Vector
Función de análisis Modelo Raster Modelo Vectorial
Optimización de rutas La optimización de rutas en La optimización de rutas en el
formato raster es más lento que formato vectorial utiliza las redes.
en formato vectorial. Sin Para determinar rutas óptimas
embargo, el formato raster sobre mallas viales es necesario
permite usar los resultados de las el formato vectorial.
funciones de esparcimiento para
esta función y el formato vector
RASTER Y VECTOR no permite esto.

Intervisibilidad Los “viewshed” (áreas visibles Las líneas de vista son más
desde un punto) son más fáciles fáciles de generar en el formato
RASTER Y VECTOR de generar en el formato raster. vectorial.

Iluminación Las funciones de iluminación son La iluminación únicamente puede


más fáciles de generar en el ser realizada con base en el
1 RASTER / 2 VECTOR formato raster. formato TIN.

Vista en perspectiva Las funciones de vista en Las vistas en perspectiva


perspectiva son más fáciles de únicamente puede ser realizadas
1 RASTER / 2 VECTOR generar en el formato raster. con base en el formato TIN.

Conclusiones
Aunque el formato raster no puede efectuar directamente varias de las funciones de análisis, por
medio de combinar otras funciones se puede llegar al mismo resultado. El formato vectorial
permite efectuar la gran mayoría de las funciones y es obligatorio para el análisis de redes. Para
los análisis que requieren funciones de esparcimiento es indispensable el formato raster.

©
X. Bakker y F. Pérez - 2001 33 Comparación entre Raster y Vector
5 MODELOS DIGITALES DEL TERRENO
Los Modelos Digitales del Terreno (MDT) son modelos que describen características específicas
del terreno. La mayoría de los MDT únicamente pueden ser manejados en el formato raster. El
modelo central en este tipo de aplicaciones y la base para la obtención de los MDT es el Modelo
Digital de Elevación (MDE).

5.1 Definiciones
Es necesario aclarar algunos conceptos acerca los Modelos Digitales de Elevación (MDE). En
gran parte de la literatura y los software (Clark University 1997, ESRI 1997, Aronoff 1989 ), los
MDT hacen referencia a los modelos que contienen información acerca de la altura sobre el nivel
del mar y así tienen el mismo significativo que los MDE:

& Modelos Digitales de Elevación (MDE) es un término que hace referencia a una imagen que
almacena datos que pueden ser interpretados como altura de una superficie. Aunque la
estructura de los pixeles divide la superficie en celdas del mismo tamaño, la información
supone ser una superficie continua. Un caso especial son los MDT (Modelos Digitales del
Terreno), 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 un
sistema de coordenadas común. Los Modelos Digitales de Elevación son usados para
representar 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 Digitales
del Terreno (DDT) y Datos Digitales de Elevación del Terreno (DDET) son términos
desarrollados 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; la
elevación hace parte del terreno, pero el terreno es un término más amplio. El terreno puede
incluir la altura, las pendientes, los aspectos de pendientes, dirección de flujo, acumulación de
flujo, etc. mientras los MDE únicamente hacen referencia a la altura. Los MDT pueden ser
interpretados como los productos de los MDE, incluyendo el mismo MDE. Los MDT por lo tanto
tienen como objetivo caracterizar el terreno en todos sus aspectos (Burrough 1985, Felicísimo
1994).

& Cualquier superficie digital de la variación continua del relieve sobre un espacio se conoce
como Modelo Digital del Elevación (MDE). El término Modelo Digital del Terreno (MDT) es
un 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. (Burrough
1985)

©
X. Bakker y F. Pérez - 2001 34 Modelos Digitales del Terreno (MDT)
& Felicísimo menciona que los modelos digitales del terreno se han definido como un conjunto
de 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 datos
que representa la distribución espacial de la altitud de la superficie del terreno. Un MDT es
una estructura numérica de datos que representa la distribución espacial de una variable
cuantitativa y continua. (Felicísimo 1994)

5.2 Aplicaciones
Los MDE y los MDT son usados para muchas aplicaciones. Por medio de ellos se puede
determinar aspectos de intervisibilidad (aplicaciones militares, telecomunicaciones y aplicaciones
ambientales), 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 serán
tratadas las que tengan relación con la extracción de características hidrológicas y la clasificación
de formas del relieve.

5.3 La necesidad del modelo raster


Es importante entender que para generar un MDT se requiere hacer un análisis en el formato
raster. Aunque el análisis de redes es un análisis propio del formato vectorial, la delimitación de
drenajes (análisis de redes) por medio de un MDE es un análisis en el formato raster. La mayoría
de 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 cuantas
celdas fluyen hacia una celda determinada. Esta información puede ser usada para determinar
los límites de las cuencas y definir la red de drenajes. La siguiente gráfica muestra el proceso de
extraer información hidrológica de un MDE mediante el módulo GRID de Arc/info.

©
X. Bakker y F. Pérez - 2001 35 Modelos Digitales del Terreno (MDT)
(ESRI 1997)

5.4 Delimitación de cuencas hidrográficas a partir de un MDE


Gran parte de los SIG comerciales ofrecen capacidades para delimitar cuencas hidrográficas.
Aunque los procesos son distintos para cada paquete, la metodología es la misma. La
delimitación de cuencas se basa en una operación de conectividad, donde desde las
desembocaduras de los ríos se empiezan a incluir aquellas celdas que fluyen hacia la
desembocadura. Luego desde las nuevas celdas que fueron incluidas en el paso anterior se
evalúan los vecinos y la repetición de este proceso tiene como resultado la inclusión de los
pixeles hasta llegar a las lineas divisorias de las cuencas.

Adaptación del MDE


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

©
X. Bakker y F. Pérez - 2001 36 Modelos Digitales del Terreno (MDT)
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 la
desembocadura. Puesto que la mayoría de los SIG durante la delimitación de las cuencas no
incluyen la posibilidad de llenar estas depresiones, estas deben ser corregidas antes, obteniendo
así 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 flujo


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

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 cuencas


Una vez que se establece la matriz de dirección de flujo se puede delimitar por medio de una
operación de conectividad las cuencas. Desde una desembocadura se evalúan los vecinos y se
incluyen aquellos pixeles que tienen una dirección de flujo hacia la desembocadura. A partir de
los nuevos pixeles se evalúan los pixeles vecinos y este proceso se repite hasta llegar a la linea
divisoria. Los pixeles que hacen parte de la linea divisoria son aquellos pixeles que no reciben
agua desde ninguno de sus vecinos. (ESRI 1997, Felicísimo 1994, Gorte 1994, PCI Geomatics
1998)

5.5 Generación de la red de drenajes a partir de un MDE


Es posible generar a partir de un MDE una red de drenajes. Esto se hace por medio de una
matriz de acumulación de flujo.

Creación de una matriz de acumulación de flujo


Una matriz de acumulación de flujo es una matriz donde cada celda tiene un valor que
representa el número de celdas que fluyen hacia ella. El valor de acumulación de flujo en la celda
de la desembocadura de la cuenca corresponde al número de pixeles que pertenecen a la
cuenca. 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)

©
X. Bakker y F. Pérez - 2001 37 Modelos Digitales del Terreno (MDT)
Aplicación de un sesgo (“treshold”)
El sesgo permite definir a partir de que valor de acumulación de flujo se debe incluir en la red de
drenajes. Aumentar el valor de sesgo reduce los pixeles correspondientes a los drenajes
pequeños contribuyentes que serán incluidos en la red. De esta manera se enfocará únicamente
en los drenajes principales. De otra manera, al reducir el sesgo, se creará una red más extensa
de drenajes. El valor del sesgo, depende por gran parte de las dimensiones del área de estudio
y normalmente se define por medio de prueba y error.

5.6 Clasificación de la red de drenajes


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

5.7 Los MDE hidrológicamente corregidos


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

©
X. Bakker y F. Pérez - 2001 38 Modelos Digitales del Terreno (MDT)
5.8 Clasificación de formas del relieve
La clasificación de las formas del relieve puede definirse como el conjunto de procesos que
permiten realizar el agrupamiento de los elementos en grupos (clases) con propiedades
significativamente diferentes entre sí. La aplicación de este concepto a la caracterización del
relieve supone la intención de discriminar diferentes tipos de formas a partir de los datos del MDE
y de los modelos derivados (tales como los modelos digitales de pendientes, aspectos, curvatura
y rugosidad). (Felicísimo 1994)

Felicísimo (1994) define las siguientes formas del relieve:

©
X. Bakker y F. Pérez - 2001 39 Modelos Digitales del Terreno (MDT)
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

©
X. Bakker y F. Pérez - 2001 40 Modelos Digitales del Terreno (MDT)
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

©
X. Bakker y F. Pérez - 2001 41 Modelos Digitales del Terreno (MDT)
Para clasificar las formas del relieve se puede aplicar el siguiente modelo (Felicísimo 1994):

©
X. Bakker y F. Pérez - 2001 42 Modelos Digitales del Terreno (MDT)
6 MODELAMIENTO CARTOGRÁFICO
El modelamiento de datos espaciales involucra el uso de un modelo que es una representación
simplificada 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 un
proceso 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 de


manipulación básicas de un SIG bajo una secuencia lógica para resolver problemas espaciales
complejos. (Pérez U. 1995)

6.1 Tipos de modelamiento


Existen tres categorías principales de modelos:

1 Modelos Descriptivos: son aquellos que caracterizan o describen el mundo real. Un mapa de
uso 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 en
respuesta a ciertas circunstancias. Los modelos de decisión pueden ser considerados como
recomendaciones estructuradas, usadas conjuntamente con modelos descriptivos y de
predicción.

6.2 Metodología
Los Sistemas de Información Geográfica son muy útiles en la creación de modelos utilizando una
serie de reglas y operaciones cartográficas, generalmente los modelamientos cartográficos
utilizan técnicas de reducción del problema. Con esta técnica el modelo conceptual (problema)
se descompone en sub-modelos que pueden ser resueltos separadamente. El modelo está
compuesto de tal forma que las soluciones de los sub-modelos individuales puedan ser
combinadas, de manera que proporcione la solución al modelo original. Cada sub-modelo puede
ser 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 en


componentes más puntuales, de esta manera, permiten al especialista el concentrarse en los
puntos más críticos. El patrón de relaciones que permite la descomposición del modelo se
conoce como el modelo de decisión.

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

©
X. Bakker y F. Pérez - 2001 43 Modelamiento Cartográfico
Permiten la posibilidad de crear y definir una serie de escenarios que son examinados de una
manera rápida. Sin embargo, también existen desventajas en el uso de estos modelos, en el
sentido 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 que
las superficies espaciales carecen de variabilidad.

6.3 Evaluación del modelo


Constituye un proceso muy importante dentro del mismo modelamiento, ya que garantiza la
efectividad del modelo. En la evaluación se requieren dos acciones: la verificación y la
validación. (Pérez U. 1995).

La verificación es la concordancia"fidelidad" que debe existir entre el modelo y el fenómeno a


representar. La validación se refiere a la precisión de dicha concordancia y es una consideración
técnica, 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 mismo
con datos que previamente no fueron usados. Para ello se debe contar con una buena serie de
datos tomados en campo o que hagan parte de registros históricos estandarizados. Es
importante señalar que el uso de procedimientos y procesos exactos sobre datos inexactos, no
hacen que los resultados sean más exactos. En el evento que los resultados no reflejen el
comportamiento 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; implementar
procedimientos analíticos; y nuevamente evaluar los resultados.

6.4 Aplicaciones y ejemplos


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

©
X. Bakker y F. Pérez - 2001 44 Modelamiento Cartográfico
Monitoreo Monitoreo
de cambios cambios
en uso poblados

Poblados
Cobertura Areas protegidos
y Uso Monitoreo
cambio
población

Disponibilidad Densidad de
potencial población
de leña

Producción
Sueldo
de leña /
Enegia alternativa
regeneración

Disponibilidad
Demanda
sostenible
de leña
de leña

Areas con
deficit de leña
Terreno

Accesibilidad

Infraestructura
Area potenciales
Parque Nacional de colección
de leña

Monitoreo

Aptitud de
vegetación con Aptitud Areas
alto rendimiento potencial potencialmente
de leña de usos en peligro

Precios de
cultivos / Mapa final
Propiotarios

Recomendaciones
Resultado intermedio

Variables/cálculos/monitoreo

Mapas de entrada
Modelos descriptivos
Población Consumo
Uso de la Tierra Unidades por unidad de leña per
Administrativas administrativa cápita

Producción
de leña por uso

Disponibilidad Demanda
de leña por unidad de leña por unidad
administrativa administrativa

Deficit de
leña por unidad
administrativa

Poblados

Poblaciones
con deficit
de leña

Velocidad
por clase de
infraestructura

Accesibilidad
desde poblaciones Parque Nacional
con deficit de leña

Velocidad
por clase de
cobertura

Corrección de la Impacto en Parque


velocidad por por colección
clase de pendiente de leña
7 CRITERIOS BÁSICOS PARA LA TOMA DE DECISIONES
Normalmente 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 el
analista. En muchos casos el investigador conoce bien el área de interés y los problemas, pero
normalmente le falta el conocimiento para traducirlas al ambiente de un SIG. El analista conoce
bien la herramienta, pero no sabe mucho sobre la problemática dentro del área de interés. La
cooperación y comunicación entre estos dos profesionales es fundamental para el buen
desarrollo de un proyecto.

7.1 El papel del planificador, investigador y analista


Dado que el uso de los SIG involucra aspectos o fenómenos que se suceden sobre la superficie
terrestre, y que en muchos de los casos el uso de esta herramienta tiene como objeto la toma
de decisiones, es necesario comprender e integrar las funciones de los diferentes especialistas
que intervienen en la implementación de un SIG.

Normalmente son los investigadores (diferentes profesionales relacionados con las ciencias de
la Tierra y ciencias Sociales) quienes se plantean, ya sea por iniciativa propia o por alguna
necesidad de la comunidad, diferentes tipos de proyectos que involucran el uso de los SIG. Un
proyecto que a su interior contemple diferentes aspectos espaciales involucra la presencia de
diferentes 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 respectivas
áreas pero adolecen de la suficiente capacitación en el uso de la herramienta. Esta carencia de
habilidad 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 presente
al analista, lo cual puede ser mediante la estructuración de los sub-modelos o del modelo
general. Otro aspecto importante es tratar de trabajar conjuntamente con él, para conocer los
resultados parciales e ir validando el modelo.

Adicionalmente a las sugerencias dadas por el analista, el investigador debe tener presente los
planteamientos sugeridos por el planificador (entiéndase por planificador a la persona que tiene
el poder de tomar decisiones -alcaldes, gobernadores, jefes de parques naturales, etc-). Por esta
razón, en lo posible, el investigador debe plantear diferentes escenarios (diferentes soluciones
o alternativas que visualizan determinado comportamiento de un fenómeno ante determinadas
circunstancias) para que el planificador opte por la solución más adecuada.

©
X. Bakker y F. Pérez - 2001 47 Criterios básicos para la toma de decisiones
8 INFORMACIÓN GEOGRÁFICA DISTRIBUIDA (DGI): LOS SIG EN LINEA
La rápida expansión de Internet ha incrementado el intercambio de información y el ofrecimiento
de servicios. Por medio de tecnología de punta como los Sistemas de Información Geográfica
en línea, es posible diseminar información espacial a un público más amplio. (Bakker y Aguirre
1999, Plewe 1997, Kraak 1998)

Hoy en día existen muchos sitios web ofreciendo las facilidades de efectuar análisis, componer
mapas personalizados y bajar o imprimir el resultado. Puesto que el componente de análisis en
estos sitios se está desarrollando fuertemente, se evaluarán los diferentes tipos de SIG en línea
existentes 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 que
puede ser descargada sin costo o con costos muy bajos. Los datos se ofrecen en diferentes
formatos comunes, como Arc/Info E00 o SDTS. Uno de los pioneros de este tipo de servicio es
el sitio de la “U.S. Geological Survey Geodata Online” [URL 11]. Además de ofrecer la descarga
de información espacial facilita herramientas de búsqueda. Muchos sitios con servicios de
Información 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 formato
raster 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 capacidad
del 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 HTML
dinámico en conjunto con unos “JavaScripts” o “VBScript applets” (Gulbransen and Rawlings
1998). Se pueden utilizar técnicas de “brushing” que normalmente requieren software
especializados. “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 este


proyecto el usuario puede combinar información de tres diferentes fuentes; información de
catastro en formato Ingres, información topográfica guardada en formato Illustra y archivos
planos en formato AutoCAD .DXF con información de la red de televisión por cable de fibra
óptica. (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 de
utilizar su software y generar mapas para ser publicados en el sitio del cliente.

©
X. Bakker y F. Pérez - 2001 48 DGI: los SIG en linea
Basado en los parámetros que hacen parte del URL (“uniform resource locator”, dirección del sitio
web) se genera el mapa. La restricción de este tipo de servicio es que únicamente la información
disponible en el servidor puede ser utilizada.

En caso que el usuario tiene su


propio conjunto de información, esta
no puede ser integrada en el mapa.
(Plewe 1997) La mayoría de estos
servicios ofrecen mapas viales en
los Estados Unidos.

Dos ejemplos de este tipo de


servicio son: el sitio de Mapquest
Connect/InterConnect [URL 6] y el
primer sitio de DGI: TIGER
Mapping Service. [URL 3].
Arquitectura de un “Remote map generator”

- Proprietary-data map generators


Estos programas esencialmente son
programas de SIG conectados a un
servidor del Internet.

El navegador envía parámetros los


cuales son recibidos en el servidor.
Una base de datos los interpreta y
genera el mapa o puede efectuar
unos tipos de análisis sencillos
(consulta).

El mapa que resulta se despliega en


el navegador del cliente. (Plewe Arquitectura de un “Propietary-data map generator
1997)

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 una
diferencia crucial; este tipo de generador de mapas es capaz de leer la información nativa de un
SIG. La ventaja es que la información puede ser actualizada, puesto que lee directamente la
información almacenada en el servidor, lo cual puede ser utilizado simultáneamente para análisis
local en una red local (Plewe 1997).

©
X. Bakker y F. Pérez - 2001 49 DGI: los SIG en linea
MapObjects Internet Map Server
desarrollado por ESRI es un
software que pertenece a este tipo
de generador de mapas [URL 8]

Arquitectura de un “GIS-data map generator”

- Live GIS interfaces


Uno de los más poderosos y
flexibles software de DGI es el “Live
GIS interfaces”. Sin embargo, tiene
la tendencia de ser lento. El
programa DGI actúa como una
puerta de comunicación entre el
servidor y un SIG que se está
ejecutando. La puerta convierte el
pedido en un conjunto de comandos
los cuales serán procesados por el Arquitectura de un “Live GIS interface”
SIG. (Plewe 1997)

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

-Net-savvy GIS software


Este tipo de software de DGI se
distingue de los demás puesto que
se ejecuta e instala al lado del
cliente. La diferencia de los SIG
convencionales es que este software
tiene la capacidad de usar tanto
conjunto de datos locales como
datos almacenados en el Internet.
Debe poder leer información en
diferentes formatos sin convertirlos. Arquitectura de un “Net-savvy GIS program”

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

©
X. Bakker y F. Pérez - 2001 50 DGI: los SIG en linea
“Net-savvy GIS” es uno de los objetivos del “Open GIS Consortium”, es un colectivo de
vendedores, desarrolladores de software SIG y profesionales que tienen como objetivo
incrementar la posibilidad de que las diferentes plataformas SIG existentes operen
conjuntamente. La visión del consorcio con respecto al ambiente de computación distribuida
(DCE) incluye clientes con “net-savvy” software comunicándose e intercambiando información
por Internet.

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

GRASSLAND desarrollado por el LAS es un buen ejemplo de un “net-savvy” software. En junio


del año 2000 salió una versión beta de GRASS para Windows la cual es de dominio público y
puede ser bajado sin costo (ver [URL 12]). El MapServer desarrollado por la Universidad de
Minnesota es otro ejemplo [URL 10].

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

Open GIS Consortium


http://www.opengis.org/

El sitio de la Universidad de Berkeley también ofrece información acerca el formato de DGI y su


procesamiento conforme a las especificaciones del Open GIS Consortium:

Kenn Gardels, Universidad de Berkeley


http://www.regis.berkeley.edu/gardels/envmodel.html

©
X. Bakker y F. Pérez - 2001 51 DGI: los SIG en linea
Bibliografía

Aronoff, S. 1989. Geographical Information Systems: A Management Perspective. WDL


Publications 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 Espacial


y Temporal para el Ministerio de Agricultura y Desarrollo Rural de Colombia. Memorias
de VII Seminario SELPER. Méjico, 8p.

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

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

Bakker, X. y F. Pérez, 1999. Conceptos de análisis y modelamiento. Notas de clase, curso de


especialización 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 demand
in semi arid areas: data integration and analysis using a geographical information system.
A case study in Samburu District, northwestern Kenya, using the Integrated Land and
Water 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 Resource
Assessment. 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 of
America.

Environmental Systems Research Institute, Inc. (ESRI), 1997. Arc/Info ayuda en linea versión
7.1.1

Felicísimo, A.M. 1994. Modelos Digitales de Terreno. Introducción y aplicaciones en las


ciencias ambientales. España. 118 pp.

©
X. Bakker y F. Pérez - 2001 52 Bibliografía
Felicísimo, A.M. 1999. Simulación de los procesos de dispersión y colonización mediante
autómatas 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 Publication
number 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’s
Guide. 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 as
professor 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. ITC
Publication 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 of
primary 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, Training
Component (Cibodas Case), ITC publication, 173p.

©
X. Bakker y F. Pérez - 2001 53 Bibliografía
Toxopeus, A.G., W. van Wijngaarden, 1994, An interactive spatial modelling (ISM) system for
the management of the Cibodas Biosphere Reserve (west Java, Indonesia). ITC Journal
1994-4, pp. 385-391, The Netherlands.

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

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

Tuijnman, F. 1998. The Geoshop Pilot: Dynamic Map Integration among Organisations by
Internet. 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 Slope
Instability Zonation, ITC Publication Number 15, The Netherlands, 245p.

©
X. Bakker y F. Pérez - 2001 54 Bibliografía
URLS:

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

[URL 2] ITC's Cartographic Page


http://www.itc.nl/~carto/
ITC Webcartography book
http://kartoweb.itc.nl/webcartography/webbook/

[URL 3] TIGER Mapping Service


http://tiger.census.gov/

[URL 4] U.S. Geological Survey Geodata Online


http://edcwww.cr.usgs.gov/doc/edchome/ndcdb/ndcdb.html

[URL 5] GRASSLinks, REGIS program, University of California at Berkeley


http://www.regis.berkeley.edu/grasslinks/

[URL 6] Mapquest Connect/InterConnect


http://www.mapquest.com/

[URL 7] MapGuide, AutoDesk


http://www.mapguide.com/
http://www3.autodesk.com/adsk/section/0,,308132-123112,00.html

[URL 8] MapObjects Internet Map Server, ESRI


http://www.esri.com/software/internetmaps/index.html

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

[URL 10] MapServer, University of Minnesota


http://www.gis.umn.edu/fornet/apps/

[URL 11] U.S. Geological Survey


http://www.usgs.gov/

[URL 12] GRASS for Windows


http://www.baylor.edu/~grass/
http://www.geog.uni-hannover.de/grass/

©
X. Bakker y F. Pérez - 2001 55 Bibliografía
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 a
la dinamicidad de Internet, es posible que algunos sitios no existirán al momento de consultarlos.

©
X. Bakker y F. Pérez - 2001 56 Bibliografía
Anexo:

Calidad de los datos (Valenzuela 1989)


La precisión posicional está bien definida en SIG, es una medida de la probabilidad de la posición
de los datos que están dentro de una distancia especificada de su localización real. La precisión
de posición se ha hecho desde hace mucho tiempo, incluso antes del uso de la cartografía
asistida por computador. Sin embargo, la precisión de atributos que incluye la precisión de
clasificación es un tema reciente que depende de la experiencia del analista y la calidad de las
herramientas utilizadas.

El conocer la calidad de los datos es un aspecto crítico al juzgar las aplicaciones para las que
estos datos son apropiados. Cuando se hacen manualmente los análisis espaciales,
especialmente las superposiciones de mapas, los analistas se hicieron expertos en la
superposición de mapas moviéndolos hasta que éstos se superpongan correctamente en
porciones del mapa así sucesivamente se repite este proceso hasta que todo el mapa se haya
analizado. Este procedimiento no es posible en un SIG digital. Presuposiciones implícitas sobre
la 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 Unidos
incluye en su programa de investigación, la precisión de los datos espaciales como uno de sus
12 temas de prioridad. Los siguientes siete puntos establecen la base y objetivos de las
iniciativas de investigación en precisión de datos espaciales.

La precisión de procesamiento en SIG es efectivamente infinita. El SIG típico en vectores


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

Todos los datos espaciales son de precisión limitada. Datos posicionales están basados
sobre mediciones de distancias o ángulos y su precisión depende de los instrumentos
utilizados. Muchos objetos presentes en las bases de datos espaciales son abstracciones o
generalizaciones de variaciones espaciales, por ejemplo, el área denominada tipo de suelo
A en un mapa de suelos no es en realidad todo de tipo A y sus límites no son límites muy
bien 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 de
0.5 mm. La distorsión del papel debido a cambios de humedad, a menudo puede reducir la
confiabilidad sustancialmente bajo ese nivel. Sin embargo, 0.5 mm. permanece el objetivo
de precisión en la recolección de datos y la compilación de mapas.

©
X. Bakker y F. Pérez - 2001 57 Anexo: Calidad de los datos

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

No tenemos medios adecuados para describir la confiabilidad de objetos espaciales


complejos. Para puntos, la precisión posicional puede ser descrita por un modelo de medición
bidimensional 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 el
procesamiento de digitalización, pero ninguno para modelar la complejidad de las relaciones
entre objetos abstractos y las variaciones espaciales que ellos representan.

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

©
X. Bakker y F. Pérez - 2001 58 Anexo: Calidad de los datos

You might also like