Contribuciones A La Geodecia

UNIVERSIDAD DE BUENOS AIRES
FACULTAD DE INGENIERÍA
CONTRIBUCIONES A LA GEODESIA APLICADA
Publicación del Instituto de Geodesia de la Facultad de

Ingeniería de la Universidad de Buenos Aires
DIRECTOR
Dr. Ing. EZEQUIEL PALLEJÁ
1 / 2004
Buenos Aires
Cuerpo docente y de investigación
del Instituto de Geodesia de la Facultad de Ingeniería de la
Universidad de Buenos Aires
Dr. Ing. Ezequiel Pallejá

Ing. Jorge A. R. Pardo
Ing. Eusebio H. Ruiz
Ing. Enrique E. D’Onofrio
Agrim. Raúl Días
Índice
EDITORIAL I
LA GRAVEDAD DE LA TIERRA – 1ra PARTE.

Agrim. Raúl Días. 1
CÁLCULO DE ALTURAS GEOIDALES Y DE LA SUPERFICIE

MEDIA DEL MAR PARA SER APLICADAS A UN MODELO
NUMÉRICO.
Enrique E. D’Onofrio; Mónica E. Fiore; Jorge A. R. Pardo; Eusebio H. Ruiz 9
ESTUDIO DE VECTORES GPS LARGOS – 1ra PARTE.

Ezequiel Pallejá 21
CONTROL DE CALIDAD DE MODELOS NUMÉRICOS DE BASES

DE DATOS EN SISTEMAS DE INFORMACIÓN GEOGRÁFICOS.
José Francisco Zelasco; Miriam Nuñez 33
LOCALIZACIÓN DE PUNTOS SINGULARES EN FLUIDOS MEDIANTE

IMÁGENES DINÁMICAS.
Tomas Crivelli – Bruno Cernuschi Frías 46
Contribuciones a la Geodesia Aplicada
Editorial
La geodesia estudia la forma y dimensiones de la Tierra. La geofísica estudia
los fenómenos físicos que se producen en nuestro planeta. Ambas ciencias están
profundamente relacionadas. El nexo más significativo lo constituye el estudio
común del campo de gravedad terrestre, es decir la gravimetría.
Asistimos hoy a un “renacimiento” de la gravimetría, tanto desde el punto de

vista geofísico, en lo que hace a la prospección de hidrocarburos y exploración
minera, como desde la perspectiva geodésica, en lo referente a la modelización del
geoide, por mencionar sólo algunas de las más actuales aplicaciones.
La gravimetría se presenta como un exponente ejemplar de la mencionada

ligazón existente entre la geodesia y la geofísica, recordándonos que no es posible
separar netamente estas disciplinas, habida cuenta de que no es posible conocer la
forma de la Tierra y medir puntos en ella sin el auxilio de conocimientos geofísicos,
y tampoco se pueden utilizar con propiedad las tecnologías geofísicas sin respaldo
geodésico.
El geoide constituye en sí mismo la prueba irrefutable de este parentesco

científico. Se define como una superficie equipotencial del campo de gravedad de la
Tierra, y es a su vez la forma “física” de la Tierra. Su conocimiento está en el centro
de la definición misma de la geodesia, y su estudio requiere el uso de conceptos,
técnicas y procedimientos geofísicos.
Por estas razones, geodesia y geofísica están unidas en las más importantes
organizaciones del mundo. La Unión Geodésica y Geofísica Internacional es el
ejemplo más visible, al que podríamos agregar nuestra Asociación Argentina de
Geofísicos y Geodestas, y más cerca aún nuestra carrera de Ingeniero Geodesta
Geofísico.
Las décadas del 80 y del 90 parecieron alejarse un poco de esta concepción,

y el advenimiento del Sistema de Posicionamiento Global (GPS) pareció eclipsar
los aspectos geofísicos, ofreciendo soluciones netamente “geométricas”, y
priorizando los aspectos métricos sobre los físicos. Esta situación era aparente,
pues en el fondo los sistemas de referencia geodésicos exigían desde el vamos
definiciones claras sobre la ubicación y comportamiento dinámico de la Tierra, su
centro de masas, su eje de inercia, sus movimientos y otros aspectos macro
geofísicos.
La otra señal de alerta que obligaba a volver sobre temas geofísicos era la
necesidad de comprender y utilizar sistemas altimétricos conceptualmente
correctos. El GPS proporciona valores de alturas sobre un elipsoide de referencia,
pero muchas aplicaciones requieren otro tipo de cotas, y para definirlas es
indispensable hacer participar conceptos gravimétricos.
-I-
Basta recorrer con la memoria los temarios de los cursos, seminarios o

conferencias de las últimas décadas, para comprender que los temas vitales eran
netamente geométricos: cálculos de coordenadas en diversos sistemas,
transformación de datums, compensación de redes. Mientras que en la actualidad,
se agregan con fuerza temas como el de la gravimetría en su relación con la
problemática geodésica.
Desde el punto de vista de los trabajos de prospección de hidrocarburos o

minera, también es notable la importancia que hoy se asigna al conocimiento
preciso del geoide así como a las sutiles diferencias en las definiciones de ciertos
parámetros y conceptos gravimétricos cuando se los aborda desde las perspectivas
geofísica o geodésica.
El mejoramiento de los gravímetros estáticos, la disponibilidad de

gravímetros portátiles de caída de cuerpos, el desarrollo de nuevos y potentes
paquetes de programas de computación, la posibilidad actual de simulación y
análisis, y los aportes de las nuevas tecnologías relacionadas con la complejidad, el
caos y la geometría fractal nos van completando un panorama que explica de algún
modo el renacimiento apuntado al iniciar estas líneas.
Cabría entonces preguntarnos si va llegando el momento de cambiar el

nombre de nuestra publicación -e incluso de nuestro Instituto- por otro que
evidencie más claramente esta relación íntima entre geodesia y geofísica.
Ezequiel Pallejá
- II -
LA GRAVEDAD DE LA TIERRA
Raúl Ernesto Días (1)

(1)
Agrimensor FIUBA, docente de las asignaturas Topografía y Geodesia en las carreras de
Agrimensura e Ingeniería Civil e Instituto de Geodesia de FIUBA. Ex funcionario de la Empresa
Agua y Energía Eléctrica, actualmente Director de Obras Especiales del GCBA.
Resumen:
Este trabajo reúne temas de diversas fuentes con el propósito de ofrecer a

los lectores interesados en la Geodesia y Geofísica, una aproximación al modelo
del campo de gravedad con que opera la Gravimetría. Se han evitado los
detallados desarrollos matemáticos en beneficio de la brevedad, procurando
mantener el rigor expositivo.
Abstract:
An approach to the gravity field model, from several sources, is offered to the
readers interested both in the geodesic and geophysical gravimetry aspects.
Detailed equation expansions were avoided in order to bring simplicity and
briefness, trying to keep conceptual accuracy all along this paper.
LA GRAVEDAD
La gravedad es una de las cuatro fuerzas, que según el estado actual de

desarrollo de la ciencia, gobiernan el mundo físico. Las otras tres fuerzas son: el
electromagnetismo, la acción débil y la acción fuerte. Los conceptos básicos para
la definición de la gravedad fueron desarrollados por Newton en el siglo XVII, como
resultado del análisis de las Leyes de Kepler del movimiento de los astros.
Quedan por descubrir los mecanismos intrínsecos que determinan la atracción
entre las masas, en particular las características de la transmisión en el espacio de
la acción gravitacional.
La atracción gravitacional es parte de la experiencia cotidiana, y sus

variaciones espaciales proveen información sobre el interior de la Tierra. La
dirección del vector gravedad, por otra parte, es fuente de información sobre la
forma de la Tierra.
Newton postuló la Ley Universal de Gravitación expresada por la ecuación:
-1-
m1 m 2
F = F = G
r2
F = módulo de la fuerza de atracción actuante entre la masas m1 y m2,

separadas de la distancia r
G = Constante universal de gravitación = 6,67 . 10-11 N.m2.kg-2 [unidad de
fuerza por unidad de superficie sobre unidad de masa], ó (6.672,59 ± 0,30).10-14
m3.seg-2.kg-1, (tal como fue definida en 1999 por la Unión Geodésica y Geofísica
Internacional, IUGG).
El campo gravitacional se define en función de la fuerza actuante en cada

punto sobre la unidad de masa, de modo que la intensidad (módulo del vector) del
campo generado por una masa puntual “m” en un punto a la distancia “r”, viene
dada por la expresión:
m
g = g = G [Nkg-1]; o más frecuentemente [m.seg-2]
r2
(F = m.g ⇒ g = F/m; fuerza por unidad de masa).
La ecuación de campo es aproximadamente válida también para la Tierra de

masa M y radio R, de modo que para un punto de la superficie terrestre, la
gravedad debida exclusivamente a la masa resulta:
M
g=G
R2
Desde el punto de vista de la composición geológica, la densidad de la Tierra

tiene carácter predominante. Siendo ρ la densidad promedio de la Tierra, resulta:
 masa  M 3M
ρ=  = 4 =
 volumen  [ 3 πR ] 4πR
3 3
R2 g
Sustituyendo M por su valor, según la: M = , resulta:
G
3g
ρ=
4πRG
Con lo cual, midiendo g y conocidos R y G, puede calcularse ρ, resultando

con los valores obtenidos de mediciones:
ρ = 5,52 . 103 kg.m-3 = 5,52 gr/cm3
El hecho de que las rocas de la corteza a las que tiene acceso la

investigación geológica y geofísica registren valores medios de densidad del orden
-2-
de 2,70 gr/cm3, son evidencia directa de la no uniformidad de distribución de masas

en el interior terrestre.
El objeto de estudio de la gravimetría es el campo de potencial de la masa

terrestre en rotación. Desde el punto de vista de la Geofísica, el campo de potencial
observado se compone de las contribuciones de las formaciones geológicas que
constituyen la corteza terrestre hasta cierta profundidad, determinada por el alcance
del método gravimétrico, por el cual no se pueden, en general, distinguir las
contribuciones a este campo provenientes de una formación o una estructura
geológica específica de aquellas de las otras formaciones o estructuras geológicas.
Sólo en casos especiales se puede lograr una separación de los efectos causados
por una formación o estructura geológica individual.
LA GRAVEDAD, LA GEODESIA Y LA FORMA DE LA TIERRA
La forma de la Tierra se halla en el centro de interés de la geodesia. Si la

Tierra fuera una esfera perfecta de densidad uniforme, el valor de la gravedad, g,
resultaría teóricamente constante sobre la totalidad de su superficie. En cambio si
la forma se desvía de la esfera (R variable), o si las densidades varían localmente
(anomalías), g también varía, no sólo en intensidad sino también en dirección.
La Tierra de densidad uniforme tampoco sería esférica sino elipsóidica

(cumpliendo ciertas condiciones de distribución y homogeneidad de masa), vale
decir achatada en los polos como resultado de la rotación, con un radio ecuatorial:
a = 6.378,137 km y radio polar: b = 6 356 752,3141 km, de lo que resulta un
achatamiento: α = 1/ 298,257222 (dimensiones del elipsoide WGS 84).
De las observaciones, que confirman los supuestos teóricos, surge que el

valor de g es mayor en los polos que en el Ecuador, siendo la fuerza gravitacional
neta la resultante de la combinación de las acciones de la atracción de masa y la
aceleración centrífuga, resultando la superficie equipotencial del elipsoide (ideal).
De modo similar a como se ha definido cierto elipsoide de revolución como

superficie geométrica que mejor se adapta a la forma real de la Tierra, puede
definirse una superficie física de nivel del campo de gravedad teórico de la Tierra.
Para ello, además de los parámetros puramente geométricos, eje mayor y

achatamiento, se requieren los parámetros físicos de masa total de la Tierra, M, y
su velocidad angular de rotación ω.
Existen ciertas dificultades teóricas vinculadas a la definición de la forma de

equilibrio de esa superficie de nivel en función de la homogeneidad y distribución de
las masas de un cuerpo en rotación, de modo que una superficie límite elipsoidal,
pueda servir también como modelo geofísico ideal de la Tierra.
A fin de compatibilizar resultados observacionales de distintas disciplinas

(astronomía, geodesia, geofísica), la Unión Geodésica y Geofísica Internacional ,
-3-
UGGI, define para su adopción por los países miembros, los parámetros
geométricos del Elipsoide y la Fórmula de Gravedad Internacional (IGF) ó
International Gravity Formula, que provee el valor de la gravedad NORMAL a nivel
de la superficie del elipsoide, habiéndose adoptado, como resultado de la puesta en
vigencia del modelo WGS 84 la Fórmula de Somigliana, que en la forma siguiente
se conoce también como: Fórmula de Gravedad Elipsóidica WGS84:
1 + k sen 2 ϕ
γ = γe
1 − e 2 sen 2 ϕ
en la cual:
bγ p
k= −1
aγ e
a, b = semiejes mayor y menos del elipsoide
γe, γp = gravedad teórica normal en el Ecuador y los polos
e2 = cuadrado de la Primera Excentricidad
ϕ = Latitud Geodésica (en la nomenclatura del NIMA se utiliza φ)
De modo que tal como se ha expresado, el elipsoide, además de un objeto

puramente geométrico, constituye una entidad física como superficie límite de la
masa de la Tierra sólida supuesta de densidad constante, uniforme e isótropa,
rotando a velocidad ω.
CAMPO DE GRAVEDAD TERRESTRE
Se define como tal la composición de los campos de atracción de la masa

terrestre y el campo centrífugo debido a la rotación diurna.
Ambos campos poseen un cierto valor, prácticamente constante en el

tiempo, en cada punto del espacio, alterado con un ciclo aproximadamente
semidiurno debido a las acciones perturbadoras del Sol y la Luna.
Para el estudio del campo de gravedad, se requiere la construcción de un

modelo en el cual se refiere la Tierra a una terna cartesiana derecha, centrada en el
centro de masa de aquella, con el eje Z coincidente con el eje de rotación terrestre,
sentido positivo hacia el Norte, y el plano (X, Y) normal al eje Z, (coincidente con el
plano ecuatorial terrestre), conforme con el esquema de la figura 1.
CAMPO GRAVITACIONAL
En el punto P (figura1) de coordenadas espaciales (x; y; z) de la figura 1, la

masa terrestre M da lugar a una aceleración gravitacional A dirigida hacia el centro
de la Tierra, que teóricamente podría calcularse integrando las aceleraciones
-4-
diferenciales producidas por cada volumen elemental, dm, de la masa terrestre, de

coordenadas espaciales (ξ; η; ζ).
El elemento de masa, dm, provoca en P(x; y; z) una aceleración elemental dA:
r dm
dA = dA = −G 2
q
ω d
PN
dA P(X;Y;Z)
q
dm(ξ;η;ζ)
Ω
r
ψ
ρ
ζ
ẑ
ŷ Y
ξ y
η x̂
d
M
x Ωy
X ε
Ωx Ω
Figura 1
El signo negativo denota que el sentido es contrario al del segmento dirigido,

q, de dm a P.
Las componentes cartesianas de los vectores que se originan son,

introduciendo los cosenos directores de q:
x −ξ y −η z −ζ
cos α = ; cos β = ; cos γ =
q q q
-5-
r r dm x − ξ x −ξ
Luego: dA x = dA cos α = −G 2 = −Gdm 3 ; por lo que la
q q q
componente del vector A en la dirección del eje X, resulta:
r x −ξ
A x = −G ∫ 3 dm ; y procediendo análogamente con las otras dos
M q
componentes, resulta el valor de A:
r x −ξ y −η z −ζ
A = −G ∫ 3 dm x̂ − G ∫ 3 dm ŷ − G ∫ 3 dm ẑ
M q M q M q
Conocida como Ecuación Vectorial del Campo Gravitacional:
M
A = −G r
r3
POTENCIAL GRAVITACIONAL TERRESTRE
En cada punto del espacio que rodea la masa M se halla entonces una
acción gravitacional representada por un vector que “apunta” hacia la Tierra,
constituyendo el Campo de Atracción Gravitacional de Masa de la Tierra, tal que su
circulación es nula:
r
∫L
A dl = 0 , de donde surge que existe una función escalar de punto:
V = V(x; y; z) ; tal que:

r
grad V = A ; para todo punto del espacio donde se asienta el campo.
dm
Se define: dV = G ; como el potencial inducido en el punto P por la masa
q
elemental dm, de modo que el potencial total será:
dm
V = G∫
M
q
∂V ∂V ∂V
Toda vez que: gra d V = x̂ + ŷ + ẑ ; derivando parcialmente V
∂x ∂y ∂z
respecto de x:
-6-
∂V  1  ∂q 1 ∂q
= G ∫  − 2  dm = −G ∫ 2 dm
∂x M q  ∂x Mq
∂x
q 2 = (x − ξ ) + (y − η ) + (z − ζ ) ; por ser diagonal del paralelepípedo

2 2 2
Pero:
rectángulo.
Derivando respecto de x:
∂q ∂q x − ξ
2q = 2(x − ξ ) ∴ =
∂x ∂x q
Reemplazando en la última integral:
∂V x −ξ
= −G ∫ 3 dm = A x ; y análogamente, derivando respecto de las otras
∂x M q
dos variables:
∂V y −η
= −G ∫ 3 dm = A y
∂y M q
∂V z −ζ
= −G ∫ 3 dm = Az
∂z M
q
Con lo cual se ha verificado que:

r
grad V = A ,
Siendo consecuentemente V la función potencial.
CAMPO DE ACELERACIÓN CENTRÍFUGA
Los puntos P que participan de la rotación diurna, están sometidos también a

r
la aceleración centrífuga Ω , tal que:
r
Ω = ω 2 ⋅ d ; perpendicular al eje de rotación y de sentido “hacia fuera”.
r x
La componente: Ω x = ω 2 d cos ε x̂ = ω 2 d x̂ = ω 2 x x̂
d
r
Análogamente: Ω y = ω y ŷ
2
r
Y obviamente: Ωz = 0
-7-
Con lo cual la ecuación que expresa este otro campo vectorial centrífugo
será:
r
Ω = ω 2 x xˆ + ω 2 y yˆ
FUNCION POTENCIAL CENTRÍFUGO
Se demuestra que el potencial del campo centrífugo vale:
ω2 2 ω2 2
Z= d = (x + y 2 )
2 2
El campo de gravedad será entonces la combinación de ambos: W = V + Z
-8-
CÁLCULO DE ALTURAS GEOIDALES Y DE LA SUPERFICIE MEDIA

DEL MAR
PARA SER APLICADAS A UN MODELO NUMÉRICO
DE NIVELES DEL RÍO DE LA PLATA
D’Onofrio E.E. (1) (2) - Fiore M. E. (1) (3) - Pardo J.A.R. (2) - Ruiz E.H. (2)
(1)
Servicio de Hidrografía Naval
Avda. Montes de Oca 2124
1271, Buenos Aires
mareas@hidro.gov.ar
(2)
Instituto de Geodesia
Facultad de Ingeniería
Avda. Las Heras 2214
geoduba@fi.uba.ar
(3)
Departamento de Ciencias de la Atmósfera y los Océanos
Facultad de Ciencias Exactas y Naturales
Ciudad Universitaria – Pabellón II
monicafiore409@hotmail.com
Resumen
En este trabajo se calculan la altura geoidal y la superficie media del mar,

para el recinto de un modelo numérico, que será utilizado en la predicción del nivel
del Río de la Plata y su Frente Marítimo. Para ello se ajusta la salida del modelo
EGM96 con distancias geoidales determinadas a partir de alturas elipsoidales y de
alturas niveladas (cotas IGM). La superficie media del mar se determina a partir de
alturas corregidas de la superficie del mar (CORSHH) provenientes del altímetro
TOPEX/Poseidon. Finalmente, se comparan las alturas geoidales determinadas,
con las correspondientes de la superficie media del mar, resultando que esta última,
en el área de interés, está en promedio 0.55 m sobre las alturas geoidales
obtenidas con un desvío standard de ±0.32 m.
Abstract
In this work, geoidal heights and mean sea surface are calculated to predict
water levels in a numerical model domain covering the Río de la Plata and its Frente
Marítimo. Data from EGM96 are corrected with elipsoidal heights (calculated from
GPS measurements and IGM leveling). The mean sea surface is obtained from
TOPEX/Poseidon Corrected Sea Surface Heights (CORSSH). Finally geoidal
-9-
heights and mean sea surface are compared, resulting that the mean sea surface in
this area is in average 0.55 m above the geoidal surface with standard deviation of
±0.32 m.
1. INTRODUCCIÓN
En las últimas décadas los avances tecnológicos especialmente en el campo

de la informática y de los satélites artificiales, han permitido desarrollar modelos
numéricos de geopotencial cada vez más precisos. Un ejemplo de estos avances
es el proyecto Gravity Recovery And Climate Experiment (GRACE) de la National
Aeronautics and Space Administration (NASA), que utiliza un par de satélites en la
misma órbita, para detectar pequeñas variaciones del campo gravitacional de
nuestro planeta. En 30 días la información así obtenida ha excedido a la recopilada
durante los 30 años previos al proyecto.
En la actualidad existen numerosos modelos numéricos de geopotencial.

Uno de los más difundidos dentro de la comunidad científica es el EGM96 (Lemoine
et al.,1998). Este modelo fue desarrollado en forma conjunta por la NASA y por la
National Imagery and Mapping Agency (NIMA) de Estados Unidos de América. Su
comportamiento en Sudamérica fue analizado, con resultados positivos, por
Blitzkow (1997).
La diferencia de altura entre el geoide y la superficie media del mar se la

conoce como topografía dinámica o topografía de la superficie del mar (SST, sea
surface topography). Esta superficie se ve afectada por variaciones anuales,
estacionales y de corto período que se producen en diferentes escalas. La SST
puede determinarse, directamente a partir de datos obtenidos con satélites
altimétricos referidos a un elipsoide de referencia, restándole la distancia geoidal.
La aparición de los satélites altimétricos ha posibilitado la determinación de

observaciones globales del nivel del mar, con excepción de las regiones polares.
Un ejemplo lo constituye el satélite TOPEX/Poseidon que fue lanzado en 1992
como un proyecto conjunto entre NASA, Jet Propulsion Laboratory (JPL) y el Centre
National d'Etudes Spatiales (CNES). Su principal objetivo es mejorar el
conocimiento de la circulación oceánica global y determinar su interacción con la
atmósfera terrestre. Las órbitas del satélite a una altitud de 1336 km sobre la Tierra
tienen una inclinación de 66°. Un ciclo se completa en 9,9156 días luego de 127
órbitas, volviendo a pasar por la misma posición con un error de aproximadamente
±1 km (Fu et al., 1994).
En este trabajo se determina la altura geoidal y la de la superficie media del

mar, para el recinto del modelo numérico del Río de la Plata y su Frente Marítimo
que está siendo desarrollado por Re et al. (2003a y 2003b). Los resultados aquí
obtenidos serán utilizados en este modelo cuya finalidad es la predicción de los
efectos del cambio climático en los niveles del Río de la Plata, en el marco del
proyecto “Impact of global change on the coastal areas of the Río de La Plata: Sea
level rise and meteorological effects” (AIACC - LA26).
- 10 -
2. ZONA DE ESTUDIO
Las costas de la provincia de Buenos Aires dentro del recinto considerado

(Figura 1) se caracterizan por ser zonas de llanura, con extensas playas de arena
que se extienden entre los 36° S y los 39°S (Lanfredi et al., 1998).
El Río de la Plata es un extenso estuario con orientación general NNO –

SSE. Su longitud es de aproximadamente 320 km con un ancho variable desde 35
km (La Plata – Colonia) hasta 220 km (Punta Rasa – Punta del Este), con un área
total cubierta de alrededor de 30212 km2 (Rodriques Vieira et al., 1996). Se
encuentran profundidades (referidas al cero del Riachuelo) de menos de 5 m
frente a la ciudad de Buenos Aires, de 5 a 10 m para la zona intermedia ocupada
por varios bancos de arena, hasta 10 a 20 m para la región exterior donde se
mezclan las aguas dulce y salada (Gagliardini et al., 1984).
A medida que se avanza dentro de la plataforma continental las

profundidades van aumentando, inicialmente con una pendiente suave, que luego
va incrementándose. Las profundidades varían desde alrededor de los 20 m en la
desembocadura del Río de la Plata hasta aproximadamente 4000 m en el borde del
recinto elegido (Carta Argentina H–1, 1999).
Figura 1. Zona de estudio. Ubicación de puntos con distancia geoidal conocida.
- 11 -
3. DETERMINACIÓN DE ALTURAS GEOIDALES
Una forma clásica de calcular la altura geoidal (N) es utilizando la expresión :

[1]
N=h–H
donde h es la altura elipsóidica y H la altura ortométrica del mismo punto.
Se cuenta con alturas elipsoidales y niveladas (con cota IGM) en 11 puntos

distribuidos a lo largo de la costa de la provincia de Buenos Aires (Perdomo et al.,
2002). La ubicación de los mismos puede observarse en la Figura 1. Esta
información es utilizada para determinar alturas geoidales utilizando la expresión [1].
Generalmente en zonas de llanura las diferencias entre altura ortométrica y

nivelada se reducen considerablemente, debido a que se mantiene sensiblemente
el paralelismo entre las superficies geopotenciales. Esta aproximación justifica
utilizar en estos casos alturas niveladas en lugar de alturas ortométricas. Si bien el
objetivo de este trabajo no requiere de precisión geodésica, se decidió realizar una
simulación para calcular las cotas ortométricas de los puntos mencionados,
utilizando gravedad normal en lugar de gravedad observada, dado que no se posee
información de esta última. Para ello se siguió el procedimiento indicado por Torge
(2001), resultando las diferencias entre cotas niveladas y cotas ortométricas
inferiores a 3 mm en todos los casos.
Debido a la carencia de datos de campo en el resto del recinto, para

determinar las alturas geoidales, se utiliza el modelo de geopotencial EGM96
(Lemoine et al.,1998).
Esta elección se fundamenta en el hecho de que autores tales como

Perdomo et al. (1999, 2002) y Burgués et al. (2002), estudiaron el comportamiento
de este modelo en el área de la provincia de Buenos Aires, obteniendo resultados
que justifican su utilización en este trabajo.
La Figura 2 muestra la comparación entre las alturas geoidales determinadas

con la fórmula [1] y aquellas obtenidas con el EGM96. En la misma se representa en
abscisas la distancia geodésica entre puntos y en ordenadas, las respectivas
alturas geoidales unidas con una línea llena al sólo efecto de lograr una mejor
visualización.
La diferencia media entre las alturas geoidales mencionadas es de 0.86 m

con un desvío standard de ±0.12 m. De acuerdo con estos resultados se decide
aplicar esta corrección a la totalidad de las alturas geoidales obtenidas con el
modelo EGM96, para el recinto de la Figura 1. Siguiendo esta metodología se
calcularon las alturas geoidales para una grilla de 837 nodos, con una equidistancia
en latitud y longitud de 15 minutos. Con los resultados obtenidos se confeccionó un
mapa de curvas de nivel de alturas geoidales, con una equidistancia de 1 m
(Figura 3).
- 12 -
18
17
16
N (m)
15
h-H EGM96
14
13
12
0 50 100 150 200 250 300 350 400 450
Distancia geodésica (km)
Figura 2. Comparación entre alturas geoidales determinadas con la fórmula [1]

y aquellas obtenidas con el EGM96.
Figura 3. Mapa de curvas de nivel de alturas geoidales expresadas

en metros.
- 13 -
De la observación de la Figura 3 surge que las alturas geoidales van

aumentando a medida que se acercan al continente. En la entrada del Río de la
Plata la altura geoidal es del orden de los 14 m, para luego aumentar a 15 m en su
parte media llegando a los 16 m en el Río de la Plata interior.
4. DETERMINACIÓN DE LA SUPERFICIE MEDIA DEL MAR
Las mediciones altimétricas incluyen muchas fuentes de error que necesitan

ser corregidas. Ellas se deben a errores del instrumental, perturbaciones del medio
ambiente (tropósfera húmeda, tropósfera seca y efectos ionosféricos), la influencia
de las olas oceánicas (estado del mar) e influencia de las mareas (mareas
oceánicas y mareas terrestres) y el efecto de barómetro invertido.
En este trabajo la superficie media del mar, en el recinto de estudio, fue

obtenida a partir de alturas corregidas de la superficie del mar (Corrected Sea
Surface Heights, CORSSH) determinadas por AVISO (1998), donde se han
considerado todas las correcciones mencionadas anteriormente.
Se seleccionaron los datos CORSSH correspondientes a la zona de interés,

agrupándolos en celdas de 15 por 15 minutos en latitud y longitud. Se destaca que
en este proceso no se tuvo en cuenta la información de los ciclos 118 y 237, tal
como lo recomienda AVISO (1998).
Con el propósito de controlar la calidad de las CORSSH se determinaron

anomalías de la superficie del mar como diferencias entre las alturas CORSSH y
las correspondientes generadas por el modelo de superficie media del mar
OSUMSS95 (Yi, 1995), eliminando aquellas que son mayores o iguales a 5 m. Este
último valor obedece a que la amplitud de la marea en la zona de estudio es del
orden de 1 m (Simionato et al., 2002) , luego los 4 m restantes pueden atribuirse a
las olas que contribuyen a aumentar la rugosidad de la superficie del mar y por
consiguiente el tamaño de la huella del altímetro, disminuyendo así la precisión las
alturas medidas.
En el recinto considerado se determinaron 150 celdas con información

altimétrica para el período 1992–2001. Se eliminaron, en cada celda, los registros
correspondientes a los años en los cuales faltaba información para algún mes
calendario. Luego, en cada celda y para la totalidad del período, se determinó la
media aritmética correspondiente a cada mes calendario. Finalmente se realizaron
los promedios ponderados, por el número de días de cada mes, de las medias
mensuales obtenidas. De esta manera los valores calculados son representativos
de la superficie media del mar en cada celda.
La Figura 4, por razones de presentación, muestra las alturas de la superficie

media del mar, en metros, correspondientes al punto central de la mitad de las
celdas evaluadas.
- 14 -
Figura 4. Alturas de la superficie media del mar.

Se separó en distintos colores las alturas correspondientes a los
siguientes rangos: alt. ≥ 12 m, 8 m ≤ alt.< 12 m, 4 m ≤ alt.< 8 m y alt. < 4 m
5. RESULTADOS FINALES Y CONCLUSIONES
En el punto 3 se obtuvieron alturas geoidales ajustando el modelo EGM96

con alturas correspondientes a 11 puntos fijos en Tierra. Posteriormente en el punto
4 se determinó la superficie media del mar a partir de datos altimétricos
provenientes de los altímetros TOPEX/Poseidon. Si bien las superficies definidas
no tienen porque coincidir exactamente deben estar estrechamente relacionadas.
Para estudiar el comportamiento de ambas superficies se calculó para las

coordenadas de cada altura de la superficie media del mar, la altura geoidal según
lo establecido en el punto 3. Con esta información se obtuvieron las diferencias
entre ambas superficies, es decir la SST. La Figura 5, por razones de presentación,
muestra las alturas de la SST, en metros, correspondientes al punto central de la
mitad de las celdas evaluadas.
- 15 -
Figura 5. Alturas correspondientes a la SST en metros.

Se separó en distintos colores las alturas correspondientes a los
siguientes rangos: alt. ≥ 1 m, 0.5 m ≤ alt.< 1 m, 0 m ≤ alt.< 0.5 m y alt. < 0 m
En general se observó que las diferencias se mantienen dentro del rango

1.22 m / -0.34 m. La superficie media del mar está en promedio 0.55 m por encima
de la superficie geoidal calculada, con un desvío standard de ±0.32 m. Si bien los
resultados obtenidos cumplen con el objetivo de este trabajo los mismos podrán ser
optimizados cuando se disponga de nueva información para ajustar el modelo
EGM96 y la determinación de la superficie media del mar.
AGRADECIMIENTOS
Los autores desean expresar su agradecimiento al Licenciado Raúl Perdomo

de la Facultad de Ciencias Astronómicas y Geofísicas de la Universidad de La Plata
por la cesión de los datos que fueron empleados en este trabajo. Por otra parte se
- 16 -
agradece las sugerencias brindadas por el Lic. G. Acuña del Laboratorio de

Geodesia Física y Satelital de Venezuela y el Dr. W. Bosch del Deutsches
Geodätisches Forschungsinstitut de Alemania.
6. Referencias
AVISO/Altimetry ,1998. AVISO user handbook, corrected sea surface heights

(CORSSHs), AVI–NT–0011-311-CN, Edition 3.2.
Blitzkow, D., 1997. NASA (GSFC) / NIMA Model Evaluation. Report Special
Working Group. International Geoid Service Bull., 6: 71-81.
Burgués, L., Jiménez, B. y Pacino, M.C., 2002. Analisis del comportamiento del
EGM96 en la Provincia de Buenos Aires. Trabajo presentado en la XXI Reunión
Científica de la Asociación Argentina de Geofísicos y Geodestas. Rosario, 23 a 27
de Setiembre de 2002. Pág. 159-163.
Carta Argentina H-1. Publicación del Servicio de Hidrografía Naval, 5ta. Edición,
1992. Reimpresión 1999.
Fu, L.L., Christensen, E.J., Yamarone, Jr C.A., Lefebvre, M., Menard, Y., Dorrer, M.
and Escudier, P., 1994. TOPEX / POSEIDON mission overview. J. Geophys. Res.,
99(C12), 24, 379-24, 381.
Gagliardini, D.A., Karszenbbaum, H., Legeckis, R., Klemas, V., 1984. Application of
Lansat MSS, NOAA/TIROS AVHRR, and Nimbus CZCS to study the La Plata River
and its interaction with the ocean. Remote Sensing Environment, 15, 21-36.
Lanfredi, W.N., Pousa J.L. and D’Onofrio E.E.,1998. Sea – level rise and related
potential hazards on the Argentine coast. Journal of Coastal Research. Vol 14, N°1,
47-60.
Lemoine, F., Kenyon, S.C., Factor, J.K., Trimmer, R.G., Pavlis, N.K., Chinn, D.S.,
Cox, C.M., Klosko, S.M., Luthcke, S.B., Torrence, M.H., Wang, Y.M., Williamson,
R.G., Pavlis, E.C., Rapp, R.H., Olson, T.R., 1998. The Development of the Joint
NASA GSFC and the National Imagery and Mapping Agency (NIMA) Geopotential
Model EGM96, NASA Technical Paper NASA/TP-1998-206861; Goddard Space
Flight Center, Greenbelt.
Re M. y Menéndez A.N., 2003a. Modelo Hidrodinámico del Río de la Plata y su

Frente Marítimo, Informe INA-LHA 03-216-03, Comitente: Proyecto Freplata.
Re M. y Menéndez A.N., 2003b. Modelo Numérico del Río de la Plata y su Frente
Marítimo para la Predicción de los Efectos del Cambio Climático. Aceptado para su
presentación en el XIII Congreso sobre Métodos Numéricos y sus Aplicaciones
(ENIEF 2003), Bahía Blanca, Argentina, 4-7 noviembre de 2003.
- 17 -
Perdomo R. y Del Cogliano D., 2002. Nuevos avances en la determinación de un

modelo de transformación de alturas para la Provincia de Buenos Aires.
Mendoza, Actas de la XXI Reunión Científica de la Asoc. Arg. de
Geof. y Geod., Rosario, setiembre de 2002.
Perdomo R. y Del Cogliano D., 1999. The geoid in Buenos Aires region.
International Geoid Service Bull.(IgeS). N°9: 109-120.
Rodriques Vieira J. and Lanfredi W.N., 1996. A hydrodynamic model for the Río de
la Plata, Argentina. Journal of Coastal Research. Vol 12, N°2, 430-446.
Simionato C.G., Dragani W., Nuñez M., Engel M., 2002. A set of 3-d nested models
for tidal propagation from the Argentinean Continental Shelf to the Río de la Plata
Estuary. Enviado a Continental Shelf Research.
Torge W., 2001. Geodesy – Third completely revised and extended edition. Walter
de Gruyter. Berlin. New York. 416 pág.
Yi Y., 1995. Determination of gridded mean sea surface from TOPEX, ERS-1 and
GEOSAT altimeter data. Report N° 434. Department of Geodetic Science and
Surveying, The Ohio State University.
- 18 -
ESTUDIO DE VECTORES GPS LARGOS.

Dr. Ing. Ezequiel Pallejá (*)
(*)
Instituto de Geodesia, Facultad de Ingeniería, Universidad de Buenos Aires - Escuela Superior
Técnica - Universidad de Morón
Primera Parte
Resumen
El propósito de este trabajo es contribuir al conocimiento del comportamiento

real de las determinaciones GPS diferenciales por medición de fase de las
portadoras (L1 y L2) en distancias largas (250-1600 km), bajo diferentes
condiciones de observación y de procesamiento. Más de mil vectores de diversa
longitud y orientación fueron procesados, generando una base de datos que
permitió evaluar su comportamiento en comparación con los valores de control
provistos por la "Subred geodésica minera", una red GPS de primer orden, medida
y compensada durante el desarrollo del proyecto minero "PASMA" (**).
Abstract
The purpose of this paper is to contribute to the knowledge of the actual

behaviour of GPS phase L1 - L2 differential measurements in long distances (250-
1600 km), under different observation and processing conditions. More than a
thousand of different size and orientation vectors were computed, generating a data
base that allows to evaluate their precision by comparing with the control values
provided by the "Subred Geodésica Minera", a GPS first order network measured
and adjusted during the development of the mining argentine project called
"PASMA" (**).
INTRODUCCIÓN
Las determinaciones GPS diferenciales con fase utilizando receptores de

simple o doble frecuencia constituyen una técnica precisa y actualizada para
determinar posiciones con óptimo rendimiento en términos de precisión y exactitud.
Usualmente se recomienda no extender las distancias entre estación base y

estación remota más allá de 30 o 40 km en mediciones con receptores
monofrecuencia (L1) y unos 100 km en mediciones con receptores de doble
frecuencia (L1 y L2). Además, las observaciones deben ser recogidas durante un
período suficientemente extendido, generalmente no menor a 1 hora y
preferentemente de 2 horas o más.
En estas condiciones estándar existe una muy alta probabilidad de obtener

precisiones relativas mejores a 1 parte por millón en planimetría y a 2 ppm en
altimetría. A las distancias indicadas, estos valores se traducen en errores de unos
pocos centímetros.
- 19 -
Los marcos de referencia utilizados por los países para materializar los
sistemas adoptados deben permitir a los usuarios, disponer de puntos base
suficientemente próximos como para no exceder estas distancias permitidas por la
utilización normal de receptores geodésicos GPS.
Las mediciones GPS de vectores largos, es decir, superiores a los límites

usualmente aceptados, abren un abanico de dudas en cuanto a su real
comportamiento. A pesar de ello, su utilización puede ser útil en lugares donde no
haya llegado la red básica con suficiente densificación, o en lugares de difícil
acceso, como zonas polares, océanos, desiertos muy extendidos, etc. Por otra
parte, la tecnología de transmitir correcciones diferenciales desde estaciones
activas puede verse beneficiada con el conocimiento de los rendimientos obtenidos
sobre distancias largas.
2. DATOS UTILIZADOS
Durante la realización de la llamada “Obra Topo geodésica” del Proyecto de

Asistencia al Sector Minero Argentino
(PASMA), se pudo recopilar la
información relativa a numerosas
estaciones de observación GPS.
Estas observaciones estaban

destinadas a la determinación de
coordenadas de una extensa red
geodésica o de esquineros de
concesiones mineras, trabajos que
involucraban distancias entre
estaciones de no más de 40 km. Este
trabajo se basa en parte del material
de medición y cálculo utilizado en el
desarrollo de la “Obra Topo
geodésica” del PASMA dentro de la 0
-
8
1 0
4
0
-
8
1 1
0
4
3 2
primera región encarada, que fue

0
-
8
1 2
0
0
-
8
1 5
0 5
7 6 8
0
-
8
1 7
0
0
-
8
1 0
3
0
-
8
1 6
0
10
9 1
0
-
8
1 0
9
0
-
8
1 0
1
12
0
-
8
1 8
0
0
-
8
1 1 13
15
0
-
8
1 3
1 14
0
-
8
1 2
1
0
-
8
1 4
1
0
-
8
1 1
5
0
-
8
1 6
1
0
-
8
1 1
9 16
0
-
8
1 0
2 17 18
0
-
8
1 1
2
20
19
0
-
8
1 6
2 0
-
8
1 2
0
-
8
1 1
8
21
denominada PASMA I.
0
-
8
1 2
3 2
5
0
-
8
1 0
-
8
1 7
2 2
4
2 0
-
8
1 2
8 23
0
-
8
1 24
25
26
27
28 29
0
-
8
1 1
3 30
0
-
8
1 0
3 31
0
-
8
1 9
2
32
3
34
35
0
-
8
1 3 36
0
-
8
1 4
3 0
-
8
1 3
5 38
37
40
39
42 41
0
-
8
1 6
3
0
-
8
1 8
3
0
-
8
1 7
3 43
45
0
-
8
1 0
4 0
-
8
1 4
2
9
3 0
-
8
1 4
1
0
-
8
1
0
-
8
1 4
0
-
8
1 5
4
0
-
8
1 6
4
46
47
0
-
8
1 9
4
0
-
8
1 8
4 -
8
1 6
0
-
8
1 0
5
PASMA I abarca una vasta

0
-
8
1 5
4
0
-
8
1 1
5
0
-
8
1 2
5
0
-
8
1 3
5
0
-
8
1 9
5
0
-
8
1 6
5 0
-
8
1 8
5
0
-
8
1 7
5
0
-
8
1 5
6
0
-
8
1 5
0
-
8
1 6
2
0
-
8
1 6
0
-
8
1 3
6
0
-
8
1 0
6
0
-
8
1 4
6
0
-
8
1 4
7
región al oeste y noroeste de la

0
-
8
1 9
6 7
2
0
-
8
1 0
-
8
1 3
7
0
-
8
1 8
6
0
-
8
1 0
7 1
7
0
-
8
1
7
6 0
-
8
1 1
8 5
7
0
-
8
1 0
-
8
1
0
-
8
1 2
8
0
-
8
1 8
3
0
-
8
1 7
0
-
8
1 8
7
0
-
8
1 9
7
0
-
8
1 0
8
0
-
8
1 4
8
0
-
8
1 6
7
0
-
8
1 5
8
0
-
8
1 6
8 0
-
8
1 1
9 0
-
8
1 2
9
0
-
8
1 9
8 0
-
8
1 0
9
0
-
8
1 8
0
-
8
1 7
8
0
-
8
1 9 -
8
1 1
0
0
-
8
1 8
9
-
8
1 0
0
-
8
1 9
5
0
-
8
1 7
9
0
-
8
1 4
9
0
-
8
1 9
6
Argentina, y fue ejecutada en primer

0
-
8
1 3
9 -
8
1 6
0
-
8
1 2
0 -
8
1 3
0 0
7 -
8
1 0
9
-
8
1
-
8
1 8
0
-
8
1 0
4
-
8
1 5
0
1 4
1
-
8
1 0
1
-
8
1 2
1 -
8
1 0
2 -
8
1 2
1
-
8
1 1 -
8
1 1
3 2
-
8
1
-
8
1 7
1 -
8
1 8
1
-
8
1 9
1
-
8
1 5
1
-
8
1 6
1
-
8
1 0
3
-
8
1 1
3
-
8
1 7
2
-
8
1 4
2 -
8
1 8
2 -
8
1 9
2
-
8
1 8
3
lugar por la importancia minera de las

-
8
1 5
2 6
2
-
8
1
-
8
1 6
3
-
8
1 7
3
-
8
1 3 -
8
1 5
3
-
8
1 3
4
-
8
1 4
-
8
1 3
2
-
8
1 2
4
-
8
1 3
4
0
4 -
8
1 1
4 -
8
1 1
5
2
3 -
8
1
-
8
1
-
8
1 3
9
-
8
1 5
0
-
8
1 7
4
-
8
1 6
4 -
8
1 9
4
-
8
1 8
4 -
8
1 8
5
-
8
1 6
5
-
8
1 5
4
provincias que la componen.

-
8
1 2
5
-
8
1 4
5 -
8
1 7
5
-
8
1 5
-
8
1 9
5
3
5 -
8
1 0
6
-
8
1
-
8
1 2
6
-
8
1 6
1
-
8
1 3
6 -
8
1 4
6
-
8
1 5
6
La provincia de Salta linda con

Chile al oeste y con Bolivia al norte. Provincias del PASMA I, donde se indican los
vértices de la Subred Geodésica. De N a S: Jujuy,
Precisamente en zonas próximas a Salta, Catamarca, La Rioja, San Juan, San Luis y
estos límites se encuentra gran parte Mendoza
de la explotación y exploración
mineras. La falta de apoyo geodésico en estas zonas era prácticamente total, lo
- 20 -
que obligó a planificar una gran cantidad de puntos de la Subred. La parte no

minera de la provincia se dejó librada a una futura densificación geodésica prevista
por el Catastro Rural próximo a ejecutarse por otro organismo (el cual a su vez
tomará la red PASMA como apoyo en donde ésta existe).
Catamarca y La Rioja son provincias también extensas y faltas de apoyo

geodésico previo. En estos casos se cubrió la totalidad del territorio con la Subred,
habida cuenta que la minería se extiende amplia y generosamente sobre estas
provincias, por otra parte muy escasas de población y de otros recursos.
San Juan, probablemente la provincia del país con mayor potencial minero,
está separada de La Rioja por una abrupta topografía. Fue enteramente cubierta
por la Subred.
Mendoza requería un amplio apoyo geodésico en la zona occidental y sur,

donde se encuentra la mayor parte de los emprendimientos mineros, lo que
condicionó el desarrollo de la Subred en esas zonas.
San Luis, la tercera provincia de Cuyo, posee un potencial minero muy

importante en su porción centro y norte.
Con excepción de San Luis, el resto de las provincias de PASMA I tienen en

su sector occidental la Cordillera de los Andes, imponente marco topográfico de
gran altura sobre el nivel del mar, donde se conjuga la dificultad de tránsito y
acceso con la potencialidad minera y petrolera. Precisamente, la Cordillera de los
Andes separa la Argentina de Chile, y es conocido el desarrollo minero del país
vecino del otro lado del macizo andino. Existen, inclusive, emprendimientos mineros
que atraviesan el límite internacional.
La Subred llega ahora hasta estos sectores limítrofes. Incluso se han

incorporado algunos hitos limítrofes internacionales, con el consiguiente aporte al
conocimiento preciso de las fronteras.
En este contexto es comprensible que la condición de “fácil acceso” a los

vértices sea poco menos que una simple expresión de deseos. La falta de caminos
adecuados, la destrucción de los pocos existentes, obliga a desplazarse por huellas
o cauces secos a menudo cortados por vastos cañadones. Muchas veces el único
vehículo posible de usar es de tracción a sangre, en especial las mulas. Hasta el
helicóptero es inadecuado en algunos parajes.
Además, la falta de poblaciones o asentamientos estables obliga a instalar

campamentos, de manera de barrer cada zona con adecuado apoyo logístico.
La Obra Topo geodésica se fue desarrollando en las seis provincias

mencionadas como componentes del PASMA I, alternando las tareas de medición
de la Subred con la de localización, eventual monumentación y medición de los
esquineros de las concesiones. En general, en cada área, el orden de ejecución
consistía en la medición de la Subred y luego la medición de esquineros. Sin
- 21 -
embargo, la magnitud del área a relevar motivó que coexistieran ambas tareas en el
tiempo, teniendo en cuenta que no había una sola empresa contratista para las seis
provincias.
Por ejemplo, tareas de Subred en Mendoza podían coexistir con tareas de

Subred en Salta o tareas de medición de esquineros de minas en La Rioja.
Estas características de superposición espacial y temporal de los trabajos,

sumadas a lo extenso de la región PASMA I, obligaron a plantear un especial
sistema de inspección y verificación por parte del Proyecto.
Además de los controles in situ, se planificó un “control cruzado” de las

mediciones, aprovechando la posibilidad del sistema GPS de poder posicionar
puntos en forma relativa, a
distancias largas. De manera que
cruzando las observaciones de una
y otra zona, se pudo controlar con
éxito en forma general, la
confiabilidad de la obra. A esto se
agregaron estaciones maestras
estratégicamente ubicadas fuera de
la zona de trabajo, con idéntica
finalidad y resultados.
La Inspección de Obra pudo

así cumplir su cometido dentro de
un plan racional que optimizó los
movimientos y la logística, evitando
la duplicación de tareas con buen
rendimiento en cuanto al logro de 0
-
8
1 0
2
0
-
8
1 0
3
0
-
8
1 0
4
0
-
8
1 5
0
0
-
8
1
0
-
8
1
1
0
6
0
0
-
8
1 7
0
1
7
3
6 8
2
los objetivos y los medios utilizados

10
9 1
0
-
8
1 9
0
0
-
8
1 0
1
12
0
-
8
1 0
8
1 13
0
-
8
1
15
0
-
8
1 3
1 14
0
-
8
1 2
1
0
-
8
1 4
1
0
-
8
1 5
1
0
-
8
1 6
1
0
-
8
1 9
1 16
0
-
8
1 0
2 17 18
0
-
8
1 1
2
20
19
0
-
8
1 6
2 0
-
8
1 2
0
-
8
1 8
1
21
0
-
8
1 3
2 2
5
0
-
8
1 2
0
-
8
1 2
7 23
0
-
8
1 4
2 0
-
8
1 2
8 24
25
a tal fin.
26
27
28 29
0
-
8
1 1
3 30
0
-
8
1 0
3 31
0
-
8
1 2
9
32
3
34
35
0
-
8
1 3 36
0
-
8
1 4
3 0
-
8
1 5
3
37 38
40
39
42 41
0
-
8
1 6
3
0
-
8
1 3
8
0
-
8
1 3
7 43
4
45
0
-
8
1 0
4 0
-
8
1 4
2
0
-
8
1 3
9 0
-
8
1 1
4
0
-
8
1 4
0
-
8
1 5
4
0
-
8
1 6
4
46
47
0
-
8
1 9
4
0
-
8
1 8
4 -
8
1 6
0
-
8
1 0
5
0
-
8
1 4
5
0
-
8
1 1
5
0
-
8
1 5
2
0
-
8
1 3
5
Estos procedimientos que,

0
-
8
1 9
5
0
-
8
1 5
6 0
-
8
1 5
8
0
-
8
1 5
7
0
-
8
1 5
6
0
-
8
1 5
0
-
8
1 2
6
0
-
8
1 6
0
-
8
1 3
6
0
-
8
1 0
6
0
-
8
1 4
6
0
-
8
1 7
4
0
-
8
1 9
6 2
7
0
-
8
1 0
-
8
1 3
7
0
-
8
1 6
8
0
-
8
1 0
7 1
7
0
-
8
1
6
7 0
-
8
1 8
1 5
7
0
-
8
1 0
-
8
1
como queda dicho, se idearon y

0
-
8
1 2
8
0
-
8
1 3
8
0
-
8
1 7
0
-
8
1 8
7
0
-
8
1 9
7
0
-
8
1 0
8
6
7 0
-
8
1 4
8
0
-
8
1
0
-
8
1 5
8
0
-
8
1 8
6 0
-
8
1 1
9 0
-
8
1 2
9
0
-
8
1 8
9 0
-
8
1 0
9
0
-
8
1 8
0
-
8
1 8
7
0
-
8
1 9 -
8
1 1
0
0
-
8
1 9
8
-
8
1 0
0
-
8
1 9
5
0
-
8
1 7
9
0
-
8
1 4
9
0
-
8
1 6
9
0
-
8
1 3
9 -
8
1 6
0
-
8
1 2
0 -
8
1 0
3 -
8
1 9
0
-
8
1 7
0
-
8
1 8
0
-
8
1 4
0
-
8
1 5
0
ejecutaron con vistas a facilitar la

1 4
1
-
8
1 0
1
-
8
1 2
1 -
8
1 0
2 -
8
1 2
1
-
8
1 1 -
8
1 3
1 2
-
8
1
-
8
1 7
1 -
8
1 1
8
-
8
1 9
1
-
8
1 5
1
-
8
1 6
1 0
3
-
8
1
-
8
1 1
3
-
8
1 7
2
-
8
1 4
2 -
8
1 8
2 9
2
-
8
1
-
8
1 8
3
-
8
1 5
2 6
2
-
8
1
-
8
1 6
3
-
8
1 7
3
-
8
1 3 -
8
1 5
3
-
8
1 4
3
inspección de la obra topo

-
8
1 4
-
8
1 3
2
-
8
1 2
4
-
8
1 4
3
0
4 -
8
1 1
4 -
8
1 1
5
2
3 -
8
1
-
8
1
-
8
1 9
3
-
8
1 5
0
-
8
1 7
4
-
8
1 6
4 -
8
1 9
4
-
8
1 8
4 -
8
1 5
8
-
8
1 6
5
-
8
1 4
5
-
8
1 2
5
-
8
1 4
5 -
8
1 5
7
-
8
1 5
-
8
1 9
5
5
3 -
8
1 6
0
-
8
1
geodésica, dieron origen además a

-
8
1 2
6
-
8
1 6
1 3
6
-
8
1 -
8
1 6
4
-
8
1 5
6
la realización de este trabajo de

investigación.
Ejemplo de algunos vectores largos
calculados a partir de observaciones
La inspección de obra del simultáneas en provincias diferentes
proyecto detectó que en muchas
ocasiones, existía simultaneidad
entre los trabajos realizados en las distintas provincias argentinas involucradas.
Esta simultaneidad permitió generar vectores (líneas de base) no previstos de
antemano, sobre distancias entre 250 y 1600 km, y comparar los resultados de los
- 22 -
respectivos procesamientos con los obtenidos a partir del proceso normal de

medición y ajuste geodésicos.
Como este proceso no estaba previsto de antemano, los datos tienen la

particularidad de representar fielmente las condiciones normales de trabajo, y las
conclusiones están libres de preconceptos o intencionalidad.
3. ESTRATEGIA DE PROCESAMIENTO.
Sobre la base de los archivos GPS “crudos” obtenidos en estaciones

distantes, se procedió a detectar aquellos que presentaban simultaneidad. Se
calculó luego cada vector, asignando coordenadas a uno de los extremos y dejando
libre el otro. Luego se compararon las coordenadas de este último con las
correspondientes al ajuste de la Subred Geodésica o, si se trataba de esquineros
de minas, a las calculadas para ellos a partir de la Subred.
La diferencia entre las coordenadas del extremo libre obtenidas a partir de

vectores largos con respecto a las compensadas y adoptadas, era representativa
del comportamiento del proceso de estos vectores, que se quería investigar.
Traducidas estas diferencias a unidades lineales (metros) y a expresiones

relativas (partes por millón) se analizó estadísticamente cada componente,
separando la discrepancia planimétrica de la altimétrica, y dentro de la primera, la
componente Norte-Sur de la Este–Oeste.
Se procesaron los vectores incluyendo las portadoras L1 y L2 y tomando en

cuenta sólo la frecuencia L1. Se analizó la influencia de parámetros tales como la
cantidad de observaciones útiles procesadas, el tiempo de observación, la
geometría de la constelación de satélites, los datos internos del proceso de
determinación de ambigüedades, la distancia entre estaciones, la orientación de los
vectores, etc.
Se volcó toda la información en una planilla de cálculo, lo que permitió la

manipulación de alrededor de 3000 procesamientos de unos 1500 vectores.
Los resultados se graficaron de manera tal de hacer comprensible la

visualización general de los comportamientos estadísticos estudiados.
4. DETECCIÓN DE MEDICIONES CONTEMPORÁNEAS
Para generar vectores GPS fue necesario, en primer lugar, buscar las
observaciones que hubieran sido efectuadas sobre puntos distantes entre sí, al
mismo tiempo y en condiciones compatibles de recepción. Esta información se
encontraba dispersa, puesto que cada empresa contratista, y cada comisión de
campo de ellas, trabajaba de acuerdo al plan de avance de obra, y proporcionaba
los archivos generados a medida que terminaba de medir la Subred y los
esquineros de minas en cada zona geográfica. Los vectores generados eran
siempre menores a 50 km, usualmente de 10 a 30 km, La tarea encarada consistió
- 23 -
en “cruzar” la información proveniente de diferentes zonas, por lo que pudo ser

completada sólo cuando la totalidad de los trabajos de campo concluyeron en la
región PASMA I.
Como se describió más arriba, la Región PASMA I está integrada por las
provincias de Salta, Catamarca, La Rioja, San Juan, Mendoza y San Luis. Estas
provincias ocupan la franja occidental de la Argentina, desde el límite con Bolivia,
unos 22 grados de latitud sur, hasta los 38 grados de latitud sur. Es decir, tiene una
extensión total en el sentido Norte–Sur del orden de 16 grados de latitud,
equivalentes a 1600 km En cuanto a su .extensión Este–Oeste, tiene un desarrollo
máximo de 500 km, aproximadamente.
En principio, se determinó que el trabajo simultáneo en diferentes provincias

permitía la formación de las líneas de base largas (más de 150 km) que se
buscaba. La estrategia consistió entonces en agrupar los archivos “crudos” por
fecha y por provincia, generando una carpeta por cada día de trabajo, con la
información de todas las provincias que habían efectuado observaciones GPS
dentro de esas 24 horas.
5. PROCESAMIENTO DE LOS VECTORES
Seleccionados los archivos a utilizar, se borraban todos los demás de cada

carpeta y se volvía a correr el GPPS.
En esta oportunidad, se fijaban las coordenadas de un extremo de cada

vector largo. Esto se efectuaba operando sobre el “archivo de proyecto” (Project
file), en el que se insertaban las coordenadas latitud, longitud y altura oficialmente
determinadas por el proyecto PASMA, en reemplazo de las que el software ofrece
por defecto, obtenidas a su vez por procesamiento rápido del código C/A.
El procesamiento de cada vector “largo” originó un archivo con la

información. En general, cada vector se calculó dos veces, adoptando en un caso la
solución “L1” que utiliza la frecuencia simple, y en otro caso la solución “L1c” que
agrega la frecuencia L2 en la modalidad “wide lane”. De esta manera se generaron
aproximadamente 1500 vectores en proceso L1 y 1300 en proceso L1c, con 1250
vectores sobre los que fue posible desarrollar ambos procesos.
Los campos constituyentes de la base de datos de vectores largos son los

siguientes:
BASE: Es el nombre del punto considerado “conocido” en el procesamiento de cada

vector. El nombre se compone de 4 caracteres alfanuméricos, y corresponde a la
designación utilizada originalmente por el operador del receptor GPS. Usualmente,
el primer carácter del nombre corresponde a la provincia (J= San Juan; S= Salta;
M= Mendoza; C= Catamarca; R= La Rioja; San Luis no antepone ningún carácter).
Cuando los dos primeros caracteres son “PR”, significa que el punto es “Punto de
Referencia”, perteneciente a la Subred en cualquiera de las provincias. Una sigla
del tipo “GNDL” corresponde a puntos del marco POSGAR.
- 24 -
LATBASE: Latitud del punto base en grados, minutos, segundos y fracción. Su

valor corresponde a las coordenadas obtenidas luego de completarse el proceso
completo de medición, cálculo y compensación de la Subred. Como todas las
coordenadas consignadas en esta base, el sistema de referencia adoptado es el
WGS84 dentro del marco POSGAR.
LATBASEg: Latitud del punto base en grados y fracción. Es calculada por el

software GPPS.
LONBASE: Longitud del punto base en grados, minutos, segundos y fracción. Su

completo de medición, cálculo y compensación de la Subred. Como todas las
coordenadas consignadas en esta base, el sistema de referencia adoptado es el
WGS84 dentro del marco POSGAR.
LONBASEg: Longitud del punto base en grados y fracción. Es calculada por el

software GPPS.
COTABASE: Altura del punto base sobre el elipsoide WGS84, en metros. Su valor
corresponde a las coordenadas obtenidas luego de completarse el proceso
completo de medición, cálculo y compensación de la Subred.
ANTBASE: Altura de la antena del equipo receptor sobre el punto de referencia. El

software GPPS la obtiene del valor oportunamente consignado por el operador, y
que está contenida en el archivo “S”. En los casos en que esta información faltase,
se indica “****” en el campo respectivo.
REMOTA: Es el nombre del punto considerado “desconocido” en el procesamiento

de cada vector. El nombre se compone de 4 caracteres alfanuméricos, y
corresponde a la designación utilizada originalmente por el operador del receptor
GPS. Usualmente, el primer carácter del nombre corresponde a la provincia (J =
San Juan; S = Salta; M = Mendoza; C = Catamarca; R = La Rioja). Cuando los dos
primeros caracteres son “PR”, significa que el punto es “Punto de Referencia”,
perteneciente a la Subred en cualquiera de las provincias. Una sigla del tipo
“GNDL” corresponde a puntos del marco POSGAR.
LATREMOTA/calc: Latitud del punto remota en grados, minutos, segundos y

fracción. Su valor corresponde a las coordenadas obtenidas del cálculo del vector
por parte del software GPPS. Como todas las coordenadas consignadas en esta
remota, el sistema de referencia adoptado es el WGS84 dentro del marco
POSGAR.
LATREMOTAg/calc: Latitud del punto remota en grados y fracción. Es calculada por

el software GPPS.
LONREMOTA/calc: Longitud del punto remota en grados, minutos, segundos y

fracción. Su valor corresponde a las coordenadas obtenidas del cálculo del vector
- 25 -
por parte del software GPPS. Como todas las coordenadas consignadas en esta
remota, el sistema de referencia adoptado es el WGS84 dentro del marco
POSGAR.
LONREMOTAg/calc: Longitud del punto remota en grados y fracción. Es calculada

por el software GPPS.
COTAREMOTA/calc: Altura del punto REMOTA sobre el elipsoide WGS84, en

metros. Su valor corresponde a las coordenadas obtenidas del cálculo del vector
por parte del software GPPS.
ANTREMOTA: Altura de la antena del equipo receptor sobre el punto de referencia.

El software GPPS la obtiene del valor oportunamente consignado por el operador, y
que está contenida en el archivo “S”. En los casos en que esta información faltase,
se indica “****” en el campo respectivo.
LATº, LAT´ y LAT”: Latitud de la estación remota en grados, minutos y segundos.

Su valor corresponde a las coordenadas obtenidas luego de completarse el proceso
LONº, LON´ y LON”: Latitud de la estación remota en grados, minutos y segundos.

Su valor corresponde a las coordenadas obtenidas luego de completarse el proceso
ALTURA: Altura de la estación remota en metros, sobre el elipsoide WGS84. Su

DISTANCIA: distancia entre el punto base y el punto remota, en metros. Es el

módulo del vector calculado, y su valor es obtenido por el software GPPS.
AZIMUT: azimut del vector, en grados y fracción, medido con origen en la dirección
Norte en el sentido horario.
DELTA N-S: Diferencia en metros entre la coordenada latitud de la estación remota

ajustado y compensado y la latitud de la estación remota obtenida por cálculo del
vector a partir de la estación base.
DELTA E-W: Diferencia en metros entre la coordenada longitud de la estación

remota ajustado y compensado y la longitud de la estación remota obtenida por
cálculo del vector a partir de la estación base.
DELTA ALTURA: Diferencia en metros entre la altura elipsóidica de la estación

remota ajustada y compensada y la altura elipsóidica de la estación remota
obtenida por cálculo del vector a partir de la estación base.
PPM PLANIM: Error relativo planimétrico obtenido por división error absoluto
planimétrico (composición cuadrática de los campos DELTA N-S y DELTA E-W) por
- 26 -
la distancia obtenida del campo DISTANCIA, multiplicada por 1.000.000 para ser
expresada en partes por millón (ppm).
PPM ALTIM: Error relativo altimétrico obtenido por división del contenido del campo
DELTA N-S por la distancia obtenida del campo DISTANCIA, multiplicada por
1.000.000 para ser expresada en partes por millón (ppm).
MIN de inf.: Duración del período de observaciones comunes en minutos. Se

obtiene a partir de los campos HINI, MINI, HFIN y MFIN.
TIPO: Indicador del tipo de procesamiento adoptado. (Ej. 3=L1c 1=L1)
GEOM: Indicador de la geometría de la constelación satelital utilizada.
CANTID: Cantidad de observaciones (épocas) útiles.
RMS: Error medio cuadrático (root mean square) del procesamiento interno.
RATIO: Relación de errores internos de procesamiento (solución fija)
SX, SY, SZ: Errores estándar internos del procesamiento (solución fija), en las
coordenadas geocéntricas.
FECHA: Fecha de la observación.
HINI, MINI: Hora y minutos del comienzo de la observación.
HFIN, MFIN: Hora y minutos del fin de la observación.
A partir de esta estructura básica se fueron agregando diversos cálculos

adicionales, que se detallan en el análisis correspondiente.
Un primer ordenamiento por TIPO, permitió generar dos bases

independientes, una por procesamiento L1c y otra por L1. La cantidad de vectores
de cada una es distinta, por cuanto existen algunos vectores que sólo pudieron
procesarse por alguno de los dos procedimientos. Sin embargo, un refinamiento
ulterior permitió generar un banco auxiliar que contiene exactamente los mismos
vectores procesados de ambas maneras.
- 27 -
Remota Latrem/calc Latrem/calc Lonrem/calc Lonrem/calc Cotar/calc Antrem Distancia Dist km Azimut Azim º Delta N-S Abs N-S Delta E-W Abs E-W Abs plan.
0159 32 57 33.17442 32.95921512 65 55 48.86740 65.93024094 1236.4980 1.3500 962996.3335 963 177.04145 177,0 -0,32 0,32 0,32 0,32 0,45
S015 25 4 12.60244 25.07016734 67 44 38.54710 67.74404086 3711.2746 1.0140 453147.1740 453 325.57520 325,6 0,29 0,29 0,80 0,80 0,85
5875 32 50 20.73122 32.83909201 66 6 19.28951 66.10535820 1652.8107 0.5100 945668.9355 946 176.10180 176,1 0,00 0,82 0,82 0,82
T32O 29 12 21.75690 29.20604358 69 52 54.37243 69.88177012 4167.7008 0.3000 429980.8069 430 203.38432 203,4 0,95 0,95 1,76 1,76 2,00
R038 29 10 57.72422 29.18270117 68 27 23.94495 68.45665137 1596.0568 1.1640 659401.0217 659 7.90043 7,9 0,49 0,49 -2,44 2,44 2,49
R038 29 10 57.72070 29.18270019 68 27 24.11220 68.45669783 1594.3830 1.1640 614215.2419 614 7.86230 7,9 0,59 0,59 -6,82 6,82 6,85
8062 32 48 28.34944 32.80787484 66 1 55.03396 66.03195388 1675.2315 0.2300 352406.7714 352 85.97089 86,0 -2,71 2,71 53,61 53,61 53,68
S003 25 1 54.94257 25.03192849 68 13 2.32868 68.21731352 4074.0601 1.3210 547180.1988 547 328.87045 328,9 0,15 0,15 -0,06 0,06 0,16
5875 32 50 20.72608 32.83909058 66 6 19.31864 66.10536629 1653.0531 0.5100 965808.4716 966 175.22748 175,2 -0,29 0,29 0,09 0,09 0,30
S024 24 35 17.02007 24.58806113 67 23 12.17258 67.38671460 3566.9379 1.3330 968432.5677 968 14.53860 14,5 0,29 0,29 0,20 0,20 0,35
R038 29 10 57.72120 29.18270033 68 27 23.90517 68.45664033 1595.1843 1.1640 655520.1473 656 10.04907 10,0 0,58 0,58 -1,40 1,40 1,51
S003 25 1 54.94137 25.03192816 68 13 2.33918 68.21731644 4073.7537 1.3210 520380.1161 520 328.44661 328,4 0,18 0,18 -0,34 0,34 0,39
0703 32 57 46.88422 32.96302339 65 58 44.55938 65.97904427 1297.0626 0.0500 963178.0986 963 177.31476 177,3 0,10 0,10 -0,81 0,81 0,81
5902 32 48 41.47815 32.81152171 66 2 57.57059 66.04932516 1782.5765 0.0500 303893.3304 304 85.85053 85,9 0,32 0,32 0,00 0,00 0,32
5902 32 48 41.47815 32.81152171 66 2 57.57059 66.04932516 1782.5765 0.0500 303893.3304 304 85.85053 85,9 0,32 0,32 0,00 0,00 0,32
M118 35 53 0.40128 35.88344480 69 29 51.64970 69.49768047 2179.6018 1.2440 749270.4468 749 187.22168 187,2 1,59 1,59 2,46 2,46 2,94
7798 32 47 50.40962 32.79733600 66 3 38.91601 66.06081000 1765.9796 1.0000 795441.7844 795 168.17071 168,2 -0,10 0,10 0,11 0,11 0,15
C157 28 42 53.82409 28.71495114 65 19 26.02783 65.32389662 495.9083 1.1530 482966.4154 483 144.95396 145,0 -0,13 0,13 0,13 0,13 0,18
M104 35 36 28.50344 35.60791762 69 30 29.57392 69.50821498 1406.1244 0.9480 719747.8896 720 192.07780 192,1 0,26 0,26 -0,49 0,49 0,55
5902 32 48 41.48917 32.81152477 66 2 57.57048 66.04932513 1783.4450 0.0000 923255.7352 923 165.19613 165,2 -0,01 0,01 0,00 0,00 0,01
5902 32 48 41.48741 32.81152428 66 2 57.57173 66.04932548 1783.1451 0.0000 951465.6071 951 167.22656 167,2 0,04 0,04 -0,03 0,03 0,05
5902 32 48 41.48448 32.81152347 66 2 57.56800 66.04932444 1783.2434 0.0000 906350.3752 906 166.34619 166,3 0,13 0,13 0,06 0,06 0,15
M076 35 7 21.63561 35.12267656 70 11 12.32626 70.18675729 2732.3335 1.5520 837271.9794 837 193.66329 193,7 0,06 0,06 0,16 0,16 0,17
M077 35 0 30.16535 35.00837926 69 48 51.61897 69.81433860 2618.4769 1.1560 816953.8715 817 191.57850 191,6 -0,09 0,09 0,17 0,17 0,19
5902 32 48 41.48962 32.81152489 66 2 57.56114 66.04932254 1783.3551 0.0000 935105.8544 935 165.81569 165,8 -0,02 0,02 0,24 0,24 0,24
5921 32 49 48.24856 32.83006905 66 0 19.84352 66.00551209 1679.3121 0.8300 843738.7720 844 173.29465 173,3 0,29 0,29 0,05 0,05 0,30
M049 33 56 53.06348 33.94807319 69 4 40.55751 69.07793264 1105.7015 1.3850 1295963.6516 1296 197.35393 197,4 -0,05 0,05 0,31 0,31 0,31
M085 35 10 10.57091 35.16960303 69 52 46.74603 69.87965168 1907.9992 1.1150 835631.5484 836 191.71136 191,7 0,00 0,00 0,34 0,34 0,34
PT31 30 22 32.67701 30.37574361 69 35 11.02562 69.58639601 3537.3735 0.6330 686877.1124 687 203.16509 203,2 -0,01 0,01 -0,49 0,49 0,49
5902 32 48 41.51102 32.81153084 66 2 57.51226 66.04930896 1777.4397 0.0500 307383.7931 307 82.10150 82,1 -0,66 0,66 1,47 1,47 1,61
5902 32 48 41.51102 32.81153084 66 2 57.51226 66.04930896 1777.4397 0.0500 307383.7931 307 82.10150 82,1 -0,66 0,66 1,47 1,47 1,61
T32O 29 12 21.76351 29.20604542 69 52 54.34694 69.88176304 4165.2171 0.3000 451830.8695 452 201.99967 202,0 0,76 0,76 2,43 2,43 2,54
M128 36 3 51.78328 36.06438424 68 58 3.74183 68.96770607 1497.2999 1.0090 764393.3265 764 183.46038 183,5 1,64 1,64 2,45 2,45 2,95
5916 32 49 59.13284 32.83309245 66 2 59.19177 66.04977549 1765.2000 1.5000 924306.4868 924 172.02813 172,0 175,56 175,56 -65,14 65,14 187,25
Ejemplo de datos de un registro de la base.
- 29 -
Registro de cada vector medido en el campo
Base PR29 Remota PR06 Tipo 1

Latbase 24 43 42.47790 Latrem/calc 32 49 28.65285 Geom 0.198179
Latbase 24.72846608 Latrem/calc 32.82462579 Cantid 1555
Lonbase 66 47 38.09100 Lonrem/calc 65 58 18.95973 rms 0.130064
Lonbase 66.79391417 Lonrem/calc 65.97193326
Cotabase 3809.3790 Cotatr/calc 1584.7646
Antbase 1.1460 Antrem 0.5000 ratio 56.575
sx 0.010
sy 0.021
Remota PR06 Distancia 9000523.5155 sz 0.018
Lat0 32 Azimut 175.08258
Lat' 49 Delta N-S -0.66492 fecha 1998/02/04
Lat" 28.63068 Delta E-W 0.320772202 h ini 18
Lon0 65 Delta altura -1.5113 m ini 45
Lon' 58 ppm planim 0.819801175 h fin 20
Lon" 18.97246 ppm altim -1.678246014 m fin 31
Altura 1583.2533 min. De inf. 106 tot m 106
Vista general de una muestra de registros de base
- 30 -
CONTROL DE CALIDAD DE MODELOS NUMÉRICOS DE BASES DE

DATOS EN SISTEMAS DE INFORMACIÓN GEOGRÁFICOS
José Francisco Zelasco 1-2-3

Myriam Nuñez 4
1-
Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires.
2-
Laboratorio de Esteriología, Dto. de Ingeniería Mecánica, Facultad de Ingeniería, Universidad de
Buenos Aires.
3-
Facultad de Ciencias Exactas, Universidad del Centro de la Provincia de Buenos Aires.
4-
Facultad de Farmacia y Bioquímica, Universidad de Buenos Aires.
Resumen
Los modelos numéricos de terreno almacenados en sistemas de información

geográficos no tienen, normalmente, el mismo error en altimetría que en
planimetría. Después de haber encarado varias soluciones derivadas de estudios
de error en planimetría, y realizar diversas simulaciones con resultados no
satisfactorios, se decidió estudiar el problema desde otra óptica. La solución
propuesta consiste en determinar los parámetros de las elipses o de los elipsoides
de error centrados en la superficie de referencia.
Primeramente, y en lo que concierne a este artículo, el estudio se limitó a

elipses de error centrados en perfiles de referencia. Se determinan los parámetros
de dicha elipse a partir de la distancia que separan tangentes a la elipse del centro
de la misma. Notemos que esta distancia es la raíz cuadrada de la varianza
marginal en la dirección de la tangente. Se generaliza a los elipsoides de
revolución. Es el caso en que el error en planimetría tiene el mismo valor en todas
las direcciones del plano horizontal (no es el caso de los MNT producidos v.g. por
interferometría radar).
Finalmente, para evaluar los tres parámetros de un elipsoide, caso en el que

los errores son diferentes en las tres direcciones, se observa que la cantidad de
puntos necesaria para la simulación es importante y la superficie debe ser muy
accidentada. En caso contrario es muy difícil estimar los errores en x e y. Sin
embargo, en todos los casos, ya sea que se trate de un elipsoide de revolución o
no, la estimación del error en z (altimetría) da resultados muy satisfactorios.
Abstract
In a Digital Elevation Model (DEM) the mean square error has not necessarily
the same value in height and in the horizontal direction. We have tried several
solutions for evaluating these errors separately. These solutions were derived from
studies concerning the error in the horizontal plane. The quality of these solutions,
evaluated by simulations, is not very up to standard. We try a new way that is to
evaluate the parameters of the ellipsoid error centered in the reference surface. In a
first step, we limit our study to the ellipse error; then, we generalize the result to the
revolution ellipsoid.
- 31 -
We find out the ellipse parameters by calculation using the distances

between the tangent to the ellipse and the line passing through the center of the
ellipse and parallel to the tangent. These distances are the mean squares of
distances between the points of the DEM and the reference profile in the tangent
direction. We show that this distance is also the square root of the variance in the
tangent direction. This mean square solution is canonical. When the error in
planimetry is not the same in the x and in the y axes, we need an important number
of points and a quite rough surface for an acceptable estimation. The simulation
results in several cases are adequate and satisfactory.
Palabras clave: Calidad MNT, Control superficies, MNT, estimador mínimos

cuadrados.
Introducción
Las diversas técnicas utilizadas para generar modelos de terreno producen

normalmente dos tipos de error en altimetría y en planimetría. En fotografías aéreas
y teledetección se han realizado estudios para estimar a priori esos errores, pero no
existe conocimiento de métodos eficaces para controlar la calidad, a posteriori, de
modelos numéricos mediante estas técnicas.
El control de cartas a partir de una cierta referencia, es decir, el control a

posteriori de la calidad geométrica de las cartas, es un problema que después de
muchos años ha acaparado la atención de los investigadores. Varias fueron las
propuestas: el control puntual, el control lineal y otros métodos. En efecto,
anteriormente, el control a partir de una referencia se resolvía mediante el control
puntual, pero se ha demostrado [Abbas, 1994 – Grussenmeyer 1994 – Hottier,
1996], después de muchas experiencias, que no es adecuado. Entre otros: la
elección de puntos homólogos entre la carta (modelo a evaluar) y la referencia, la
existencia de puntos aberrantes, la sistematización, y la no verificación de leyes
estadísticas clásicas sobre los errores accidentales.
A partir de ahí, la literatura propone algunos métodos de calidad poco

convincentes según [Abbas, Grussenmeyer y Hottier 1994]: criterio de superficie,
“Spurious polygons”, el método de la banda ε, etc., para finalmente caer en el
método lineal que se aplica a la planimetría. Este método se basa en la utilización
de la distancia de Hausdorff entre el contorno de la carta (modelo) y el contorno de
referencia [Hottier, 1996]. Recordemos que la distancia de Hausdorff entre 2
objetos definidos como un conjunto de puntos es la mayor de todas las pequeñas
distancias de cada punto de un conjunto con respecto a los puntos del otro
conjunto. Luego, la distancia de Hausdorff no es necesariamente una función
simétrica.
Se ha probado [Grussenmeyer, 1994 – Hottier 1996b] que el método de

control lineal es un método de control de calidad eficaz en planimetría. No obstante,
- 32 -
el método de control lineal que parece muy útil para determinar la precisión
geométrica de las cartas a pequeña escala, no puede aplicarse a la altimetría.
Extensión a la altimetría
Para la extensión a la altimetría pueden considerarse dos casos:

• caso de líneas homólogas.
• caso de modelos numéricos de terreno.
En este trabajo nos interesaremos en los modelos numéricos de terreno y

después de que hayamos podido determinar las líneas homólogas a partir de MNT
(líneas de cresta, líneas de talweg, etc.) habremos analizado el problema y nos
limitaremos a los puntos. Notemos que para los perfiles, pueden considerarse los
dos casos: el caso de las líneas homólogas y el caso de MNT. En efecto, por un
lado podemos considerar los dos perfiles como líneas correspondientes, por otro
lado podemos considerar el caso hipotético, y más bien teórico (por ejemplo:
modelo numérico del eje de una ruta), dentro del cual el modelo numérico de
terreno se reduce a un perfil tan bueno para los modelos a evaluar como para la
referencia.
En el caso del control lineal en planimetría, la distancia de Hausdorff da un

valor proporcional al error planimétrico. Sin embargo, aplicado a dos perfiles
homólogos, según nuestras simulaciones, las componentes en altimetría y en
planimetría del vector distancia Hausdorff no toman los valores esperados.
El problema de evaluación de la calidad de un modelo numérico en

comparación a una referencia, permanece entonces abierto. Desarrollaremos un
paso para evaluar la calidad geométrica de los modelos numéricos. Presentaremos,
en una primera etapa, el paso geométrico que converge a la solución y después,
los principios estadísticos sobre los cuales se basa el estimador propuesto. Luego
describiremos los métodos de simulación teniendo en cuenta ciertos efectos de
borde. Finalizaremos con la presentación de tablas de simulación, con el análisis de
los resultados.
Calidad geométrica de los modelos numéricos: error en altimetría y en

planimetría
Presentación de la solución propuesta.
Si suponemos conocido el error en planimetría y en altimetría de un modelo

numérico de superficie, es posible construir una elipsoide de error centrada sobre
cada punto de la superficie. Como veremos, la superficie envolvente del conjunto
de estas elipsoides corresponde a la media cuadrática de las distancias de los
puntos del modelo numérico a la superficie de referencia en las diferentes
direcciones que adopte la componente del vector error en la dirección normal a la
superficie.
- 33 -
Presentaremos los fundamentos estadísticos y finalmente probaremos

mediante diferentes simulaciones la buena calidad del estimador que hallamos.
Los fundamentos estadísticos.
Se trata de determinar σp2 (planimetría) y σz2 (altimetría) y, en los casos

excepcionales determinar σx2 , σy2 , σz2 .
Recordemos:
Tomemos una matriz diagonal de varianza σ2 de una variable aleatoria

tridimensional:
λ1 0 0
σ = 0 λ2 0
2
0 0 λ3
donde: λ1 = σx2 ; λ2 = σy2 ; λ3 = σz2
En un nuevo referencial la matriz de varianza – covarianza será: σref2 = Uσ2UT

U: matriz ortogonal, sus filas son las componentes de los nuevos ejes sobre los
viejos ejes.
Sobre un nuevo eje x’ el valor de la varianza será, entonces:
σ x2' = a112 σ x2 + a122 σ y2 + a132 σ z2 (1)
donde a112 , a122 , a132 son los cuadrados de los cosenos directores de los vectores
unitarios en la dirección de σ x2' .
1
Pero, la varianza en una dirección cualquiera i es:
n
∑ ei2
La raíz de la varianza en la dirección x’ es igual a la distancia entre el plano que
pasa por el centro del elipsoide de parámetros a = σ x ' b = σ y ' c = σz y un plano
paralelo a este y tangente al elipsoide (por definición de varianza marginal en una
dirección dada).
Basta entonces con tomar como estimador de la varianza marginal a los valores de
distancia di para poder expresar la ecuación:
d i2 = σ x2 cos 2 α + σ y2 cos 2 β + σ z2 cos 2 γ (2)
Esto se justifica debido a que es suficiente agrupar los n di en la misma dirección

para obtener su suma:
- 34 -
∑d i
2
= nσ x2 cos 2 α + nσ y2 cos 2 β + nσ z2 cos 2 γ = nσ i2
El plano que pasa por el centro del elipsoide es aquel definido por tres
puntos del modelo numérico de referencia ya que el punto exacto correspondiente
al modelo numérico a evaluar se encuentra sobre la superficie definida por la
referencia. Esta superficie estará entonces definida por triángulos.
Si los errores en planimetría son independientes de la dirección, el problema

se puede ver como bidimensional. Para determinar α (bidimensional), tomemos la
dirección de la pendiente máxima sobre cada plano (ver Figura 1).
Dado que:
d i2 = σ x2 cos 2 α + σ y2 cos 2 β + σ z2 cos 2 γ
d i2 = σ x2 cos 2 α + σ y2 cos 2 β + σ z2 cos 2 γ

di2 = σp2 (cos 2 α + cos 2 β )+ σz2 cos 2 γ
di2 = σp2 sin2 γ + σz2 cos 2 γ

2
Luego, p es la variancia en planimetría.
El estimador es entonces:
d 2 = B cos 2 α + Asen 2α = σ p2 sen 2α + σ z2 cos 2 α (3)
Figura 1: Elipsoide de revolución.
En efecto, la distancia de un punto del modelo a evaluar en la superficie de

referencia es un elemento de la muestra que permite determinar la varianza
correspondiente a la dirección de la recta x’, siempre constante si el ángulo
determinado por la recta x’ y la recta vertical (coincidente con la dirección z de la
elipse generatriz) es la misma. Lo mismo si tomamos:
σx2 = σy2 en la fórmula general tendríamos, entonces, α = 90° - γ. La dirección α

correspondiente es, por lo tanto, aquella de pendiente máxima del plano de
referencia.
Como expresado en tres dimensiones se podrían agrupar las ecuaciones

que tienen los mismos valores de dirección α (ó los valores de direcciones muy
próximas), calcular la media cuadrática d2 y dar a la nueva ecuación un peso
- 35 -
proporcional a la cantidad i de distancias en cada dirección α dada, pero, es

evidente que el resultado del estimador por cuadrados mínimos será el mismo.
Es interesante de verificar, que esta fórmula permite obtener los parámetros

a y b de una elipse a partir de un conjunto de puntos que la describen de una forma
aproximada. Es suficiente tomar cada valor igual a la dirección determinada por los
dos puntos Pi-1 y Pi+1 que se encuentra de cada lado del punto Pi elegido, y
suficientemente próximo de él. Y d será la distancia entre el punto Pi y una recta de
dirección α que pase por el origen. Muchos métodos pueden utilizarse para
determinar este origen.
Simulaciones
Al comienzo hicimos las simulaciones sobre los perfiles homólogos, si el

error en planimetría es independiente de la dirección, el problema puede ser
considerado como bidimensional. A partir de los perfiles de referencia generamos
los puntos del modelo a evaluar. Para esto utilizaremos el método de Box y
Müller que permite generar variables aleatorias normales N(0;1) [Hottier, 1996b].
Sean U y V dos variables uniformes de intervalo [0,1], las variables X e Y son
N(0,1):
X = (−2 ln U )1 / 2 cos 2πV
Y = (−2 ln U )1 / 2 sen2πV
Para evaluar la bondad de nuestro método desarrollaremos una aplicación

que permita medir las distancias de los puntos al sistema de referencia. La
dirección α tiene una distribución uniforme entre dos valores preestablecidos que
permiten simular los perfiles más o menos accidentados. Luego, con la distancia de
cada uno de sus puntos al perfil de referencia y la dirección α, obtenemos un
sistema de ecuaciones prolífico. Por otra parte habíamos aplicado al método de
mínimos cuadrados para obtener los parámetros a y b de la elipse o de la elipsoide
–de revolución– de error.
De manera análoga hicimos la simulación en 3D, pero la cantidad de puntos

necesarios para la simulación debe ser importante y la superficie muy accidentada.
El caso es delicado, son difíciles de estimar separadamente los errores en x y en y.
Finalmente comparamos los valores obtenidos por aquel método - σp2 y σz2 – con
los valores introducidos para realizar el ruido, o más bien, con los valores obtenidos
directamente de la muestra de los puntos ruidosos.
En efecto, se puede proceder al cálculo de la media de los errores en

planimetría y en altimetría de la muestra de los puntos generados aleatoriamente.
Estos últimos son ligeramente diferentes de los valores introducidos en la fórmula
de Box y Müller σp y σz. En todos los casos, los valores estimados para el error en
altimetría son extremadamente próximos a los valores de la muestra. La buena
calidad del estimador en planimetría (o en x e y en el caso 3D), depende de los
- 36 -
coeficientes -α u otros- adoptados por simular un terreno más o menos

accidentado.
Existen ciertos problemas de borde que pueden evitarse. Es suficiente sacar

los puntos que se encuentran próximos, ya sea del extremo del segmento en el
caso de los perfiles, ya sea cerca del borde de los triángulos en el caso en que el
error planimétrico sea anisótropo.
La noción de proximidad está ligada al error esperado en planimetría o al error

obtenido sin tener en cuenta los problemas de borde. La distancia límite aceptable
de los puntos del borde podría ser del orden de 2 ó 3 veces esos errores. (Figura
2).
Figura 2: En este esquema el punto Pi es aceptado y el punto Pj es rechazado.
Resultados
∆σz (%) y ∆σp (%) son los errores relativos (porcentajes) de la estimación del
método propuesto por la distribución de la muestra. Para cada test, se han
realizado siete ensayos para mostrar las variaciones. El intervalo angular
expresado en grados.
Test 1:
Cantidad de puntos: 500 ; σp : 15 ; σz : 10; (σp > σz) y terreno poco accidentado:
intervalo angular: -10/10.
Distribución de la muestra: σp : 14,84 ; σz : 9,89; (resultado real del ruido).
∆σz (%) 1,12% 3,82% 2,20% 0,77% 3,15% 0,32% 2,22%

∆σp (%) 38,61% 50,36% 84,00% 15,13% 70,23% 4,31% 27,56%
Terreno plano: resultados en planimetría no satisfactorios.
Test 2:
Cantidad de puntos: 500 ; σp : 10 ; σz : 15; (σp < σz) y terreno poco accidentado:
- 37 -
∆σz (%) 1,92% 3,68% 2,11% 2,5% 7,57% 5,10% 5,52%

∆σp (%) 205,16% 354,23% 260,26% 237,66% 524,0% 412,33% 410,80%
Terreno plano y con σp < σz resultados en planimetría son muy malos.
Test 3:
Cantidad de puntos: 500 ; σp : 15 ; σz : 10; (σp > σz) y terreno ligeramente

accidentado: intervalo angular: -20/20.
∆σz (%) 2,23% 3,93% 3,23% 2,56% 0,69% 3,26% 4,78%

∆σp (%) 15,83% 51,10% 33,74% 20,14% 15,16% 13,58% 83,57%
Terreno ligeramente accidentado: resultados en planimetría no satisfactorios.
Test 4:
∆σz (%) 2,20% 2,14% 0,52% 4,07% 6,47% 5,76% 0,96%

∆σp (%) 7,03% 10,29% 41,71% 70,89% 144,65% 111,04% 7,87%

Test 5:

∆σz (%) 0,70% 0,88% 2,76% 4,10% 0,94% 2,50% 5,56%

∆σp (%) 9,08% 15,71% 32,17% 49,50% 6,32% 39,48% 44,29%
Terreno ligeramente accidentado: resultados en planimetría no satisfactorios.
Test 6:
- 38 -
∆σz (%) 0,57% 0,70% 0,32% 1,33% 0,33% 1,80% 0,21%

∆σp (%) 26,18% 18,28% 2,82% 56,66% 12,24% 12,28% 7,56%
Test 7:

∆σz (%) 2,52% 0,91% 2,11% 2,74% 0,93% 3,27% 1,46%

∆σp (%) 46,73% 6,76% 16,91% 18,27% 6,32% 33,49% 16,86%
5000 puntos, terreno ligeramente accidentado: resultados alentadores.
Test 8:
Cantidad de puntos: 5000 ; σp : 10 ; σz : 10; (σp < σz) y terreno bastante

∆σz (%) 0,87% 1,43% 0,48% 0,97% 2,88% 1,69% 0,72%

∆σp (%) 11,02% 9,17% 0,78% 4,78% 18,00% 5,36% 2,83%
5000 puntos, terreno bastante accidentado: resultados satisfactorios en planimetría,
también con (σp < σz).
Test 9:
Cantidad de puntos: 10000 ; σp : 10 ; σz : 10; (σp = σz) y terreno bastante

∆σz (%) 0,37% 1,26% 0,62% 0,01% 1,57% 0,11% 0,67%

∆σp (%) 0,90% 9,72% 6,48% 3,30% 8,84% 1,96% 7,32%
10000 puntos, terreno bastante accidentado: resultados satisfactorios en

planimetría, con (σp = σz).
Análisis y Conclusiones
El análisis de los resultados tomados de las tablas precedentes conduce a

las siguientes conclusiones: la diferencia, entre los resultados en altimetría,
obtenidos por el estimador propuesto en este artículo y el valor de la muestra,
excede muy raramente el 10%. Además, en función de la cantidad de puntos (1000
- 39 -
ó más) esas diferencias son francamente inferiores al 1%. La estimación de los

errores en altimetría es además, muy satisfactoria también en los casos de los
terrenos muy accidentados.
Los métodos simples (por ejemplo: medida de las distancias verticales entre
el modelo y la referencia) no dan buenos resultados en terreno accidentado.
Recordar que existen métodos para estimar error altimétrico cuando la superficie es
plana o ligeramente ondulada, pero la literatura no menciona métodos satisfactorios
para estimar el error planimétrico haciendo intervenir un muestreo representativo.
En planimetría, aunque el problema sea resuelto para planos y cartas, en

relación con una referencia, con el método de la distancia de Hausdorff, cuando
éste se aplica a los MNT no parece dar resultados satisfactorios. Sin embargo, el
estimador presentado en este artículo da buenos resultados, bajo ciertas
condiciones: terreno suficientemente accidentado y cantidad de puntos abundante.
Estos resultados parecerían ser aún mejores si el error en planimetría es superior al
error en altimetría.
En el caso de MNT obtenido por interferencia de Radar donde el error en X

es normalmente diferente al error en Y, necesitaremos de un terreno que presente
fuertes irregularidades y de una cantidad considerable de puntos, para que los
resultados obtenidos tengan una distancia relativa inferior al 10 ó 15%. Por
supuesto, hay que tener presente la correlación de la altimetría con el eje Y en
planimetría (normal al plano definido por la trayectoria del satélite y su traza en el
plano XY).
Con las dos semillas de puntos, el del modelo y el de la referencia, es

conveniente notar, finalmente, que la aplicación informática que permite estimar los
errores del modelo en comparación a la referencia, no posee problemas mayores.
Presentamos en Tabla I y II la síntesis de los tests elaborados y los gráficos

de las Figuras 3 y 4.
La desviación estándar normal real de las muestras es conocida. En todos

los casos se observó que los valores de discrepancias (∆σα % entre el valor real de
la muestra y el estimado con el método acá propuesto) parece poco dependiente
del tipo de terreno, mientras que el comportamiento en la evaluación de σπ es muy
sensible y dependiente de la irregularidad, como se puede ver en las Tablas I y II.
Las discrepancias en altimetría y planimetría según los casos se observan en los
gráficos de las Figuras 3 y 4.
- 40 -
Errores a σα’=10, σπ’=15 σα’=15, σπ’=10

priori
Muestra σα=10.18, σπ=15.02 σα=15.09, σπ=10.11
Terreno Plano Ondulado Plano Ondulado
Angulo [-10,10] [-20,20] [-10,10] [-20,20]
# ∆σα % ∆σπ % ∆σα % ∆σπ % ∆σα % ∆σπ % ∆σα % ∆σπ %
Angulo 0.62 77.65 0.24 30.76 2.20 7.03 0.70 9.08
2 3.05 288.10 2.48 20.27 2.14 10.29 0.88 15.71
3 1.82 176.35 1.39 7.01 0.52 41.71 2.76 32.17
4 1.75 149.62 1.45 43.37 4.07 70.89 4.10 19.50
5 4.81 357.83 2.99 97.54 6.47 144.65 0.94 6.32
6 7.58 79.27 0.106 19.29 5.76 111.04 2.50 39.48
7 0.19 20.96 2.52 68.44 0.96 7.87 5.56 44.29
TABLA I: Discrepancias (%) entre "muestra" y "a posteriori" desviación estándar normal con
1000 puntos.
Errores σα’=10, σπ’=15 σα=15, σπ’=10

A priori
Muestra σα=10.18, σπ=15.02 σα=15.09, σπ=10.11
Terreno Plano Ondulado Accidentado Plano Ondulado Accidentado
Angulo [-10,10] [-20,20] [-30,30] [-10,10] [-20,20] [-30,30]
# ∆σα ∆σπ ∆σα ∆σπ ∆σα ∆σπ ∆σα ∆σπ ∆σα ∆σπ ∆σα ∆σπ
% % % % % % % % % % % %
1 0.90 87.67 0.95 51.16 0.87 11.02 0.57 26.18 2.52 46.73 0.42 3.30
2 0.26 11.53 1.65 44.92 1.43 9.17 0.70 18.28 0.91 6.67 0.27 1.02
3 1.00 127.53 0.68 41.28 0.48 0.78 0.32 2.82 2.11 16.91 1.33 8.87
4 0.54 93.61 0.29 18.50 0.97 4.78 1.33 56.66 2.74 18.26 0.65 14.03
5 0.43 56.22 2.50 87.31 2.88 18.00 0.33 12.24 0.93 6.32 0.26 2.77
6 0.98 72.74 1.89 67.48 1.69 5.36 1.80 12.28 3.27 33.49 0.78 0.88
7 0.269 11.35 0.83 94.68 0.72 2.83 0.21 7.56 1.46 16.86 1.21 2.208
TABLA II: Discrepancias (%) entre "muestra" y "a posteriori" desviación estándar normal con 5000
puntos.
Leyenda: terreno casi plano █ terreno ondulado █ terreno accidentado █
Di scr epancI a- al t I mét r i ca. Di scr epanci a- pl ani mét r i ca.
4 150
3 100
2
50
1
0 0
1 2 3 4 5 6 7 1 2 3 4 5 6 7
muest r a. m uest r a.
Figura 3: diagrama de barras para ∆σa % Figura 4: Diagrama de barras para

con los datos de la Tabla II, muestra ∆σp % con los datos de la Tabla II
σα=10.18, σπ=15.02. muestra:σα=10.18, σπ=15.02.
- 41 -
Bibliografía
ABBAS IYAD, 1994.Base de données vectorielles et erreur cartographique:

problèmes posés par le contrôle ponctuel; une méthode alternative fondée sur la
distance de Hausdorff: le contrôle linéaire. Thèse, Université Paris 7.
ABBAS IYAD, GRUSSENMEYER PIERRE, HOTTIER PHILIPPE, 1994. Base de

Données géolocalisées: estimation de l'erreur cartographique: une méthode fondé
sur la distance Hausdorf: le contrôle linéaire. Remarques sur le contrôle ponctuel.
Notes de cours, ENSG IGN, France.
DUNN,R., HARRISON,A.R. AND WHITE, J.C., 1990. Positional accuracy and

measurement error in digital databases of land use: an empirical study. International
Journal of Geographic Information Systems 4 (4) : 385- 398.
GRUSSENMEYER PIERRE, HOTTIER PHILIPPE, ABBAS IYAD, 1994. Le contrôle

topographique d'une carte ou d'une base de données constituées par voie
photogrammétrique. Journal XYZ 59, Association Française de Topographie, 39-45.
HABIB MOHAMED, 1997. Etude, par simulation, de la précision altimétrique et

planimétrique d'un MNT obtenu par corrélation d'images spatiales (capteur à
balayage) - Précision d’un MNT régulier -Erreur de rendu d'un semis régulier -
Description d'une structure de MNT régulier. Thèse, Univerisité Paris 7.
HIRANO AKIRA, WELCH ROY AND LANG HAROLD, 2002. Mapping from ASTER
stereo image data: DEM validation and accuracy assessment. Photogrammetry and
Remote Sensing, in press.
HOTTIER PHILIPPE, 1996. Qualité géométrique de la planimétrie. Contrôle

ponctuel et contrôle linéaire. Dossier: La notion de précision dans le GIS, Journal
Géomètre 6, juin, Ordre des Géomètres-Experts Français, 34-42.
HOTTIER PHILIPPE, l996. La méthode du contrôle linéaire en planimétrie -

Propositions pour une typologie des détails anormaux. Rapport de recherche,
ENSG, IGN, France.
HOTTIER PHILIPPE, 1996. Précis de statistiques. ENSG, IGN, France.
LESTER M. AND CHRISMAN, N. 1991. Not all slivers are skinny: a comparison of
two methods for detecting positional error in categorical maps. GIS/LIS 2 648-656.
ZELASCO, JOSÉ FRANCISCO, ENNIS KEVIN, 2000. Solución de un problema en

la estimación de variancias en un caso especial en el que no se pueden aplicar
estimadores habituales. XXVIII Coloquio Argentino de estadística, Posadas,
Misiones, Argentina.
- 42 -
ZELASCO JOSÉ FRANCISCO, ENNIS KEVIN AND BLANGINO EUGENIA, 2001.

Quality Control in Altimetry and Planimetry for 3D Digital Models. 8th European
Congress for Stereology and Image Analysis. Bordeaux, France.
ZELASCO JOSÉ FRANCISCO, 2002. "Contrôle de qualité des modèles

numériques des bases de données géographiques," Journal XYZ 90, Association
Française de Topographie, 50-55.
- 43 -
LOCALIZACION DE PUNTOS SINGULARES EN FLUIDOS MEDIANTE

IMAGENES DINAMICAS
Tomas Crivelli∗ y Bruno Cernuschi Frı́as ∗ †

∗Laboratorio de Investigación en procesamiento de señales e imágenes y redes neuronales, Facultad de
Ingenierı́a, Universidad de Buenos Aires y † CONICET
Resumen:
Los campos de flujo deformables constituyen sistemas muy caóticos y los modelos
matemáticos que los describen son de una complejidad tal que su análisis se vuelve un
problema complicado. En este contexto, el procesamiento de imágenes dinámicas de
fluı́dos aparece como un enfoque cada vez más importante de ser abarcado. Presenta-
mos aquı́ un método de detección de puntos singulares, donde el campo de velocidades
se anula, basado en un estimador afin y robusto de movimiento global. Se describe el al-
goritmo y se presentan resultados de su aplicación a imágenes satelitales meteorológicas.
Abstract:
Deformable flow fields are chaotic systems and the mathematical models which de-
scribe them are so complex that its analisys becomes an intricate problem. In this context
dynamic image processing of fluid flows appears as an important tool to be analysed. We
present here a method for detecting singular points, where the velocity field becomes null,
based on a robust and affine global motion model. The algorithm is described and sup-
ported by meteorological images.
INTRODUCCIÓN
El estudio de sistemas fı́sicos complejos en general implica la necesidad de procesar

grandes cantidades de información provenientes de la observación de la naturaleza. En
ese sentido, obtener datos concretos y significativos que permitan predecir el compor-
tamiento de dichos sistemas se torna una tarea complicada que requiere su procesamien-
to automático en forma eficiente.
El análisis digital de imágenes dinámicas es una herramienta cada vez más relevante
y poderosa para cumplir con esta dificultosa tarea, debido al avance en la potencia de
cálculo disponible y al desarrollo de algoritmos optimizados para automatizar el proceso
de estudio de la información obtenida.
En este contexto, las imágenes satelitates meteorológicas deben ser procesadas con-
tinuamente y en grandes cantidades para el estudio de fenómenos climáticos en forma
precisa, constituyendo un elemento fundamental en cualquier sistema de predicción en
tiempo real.
En este trabajo presentamos un algoritmo de estimación de modelos de movimiento

global sobre la base de secuencias de imágenes bidimensionales de fluı́dos que permiten
describir el campo de velocidades asociado. Se consideran modelos lineales parametriza-
dos robustos, basados en las variaciones temporales-espaciales de intensidad de bri-
llo entre dos imágenes consecutivas. La obtención de estos campos de movimiento se
conoce como el problema de estimación del flujo óptico (optical flow) (Horn and Schunk,
1981).
-45-
A partir de estos modelos, más allá de la velocidad estimada para cada punto de la
imagen, se puede obtener una descripción del tipo de movimiento (Maurizot 1994,1995)
(rotatorio, traslacional, divergente, etc) y especı́ficamente aquellos puntos donde la veloci-
dad se anula, denominados puntos singulares. Si consideramos imágenes de fluidos, en la
vecindad de estos puntos es probable que se encuentren vórtices generados por ejemplo
por centros de baja presión atmosférica y que pueden dar lugar a fenómenos climáticos
particulares. Localizar estos puntos de velocidad nula es, por lo tanto, de gran importancia.
En primer lugar, se describe un algoritmo de estimación del flujo óptico. Se aplica

este método a detección de puntos singulares y se presentan resultados sobre imágenes
satelitales meteorológicas.
ESTIMACIÓN DE MODELOS LINEALES
MODELO AFIN
Consideremos un modelo afı́n de la velocidad asociada a cada punto de la imagen. En

consecuencia podemos escribir:
" # " #
Vx x
V(x, y) = =A +b (1)
Vy y
en el que se pueden distinguir dos términos: el primero, donde A ∈ <2x2 es la matriz de la

transformación afin y X = (x, y)T define un punto sobre la imagen, es el componente de
velocidad dependiente de la posición; y el segundo, donde b es un vector independiente
de X, es un componente de traslación global.
Un modelo de estas caracterı́sticas permite simplificar el problema, a la vez que es

una buena aproximación a la descripción del flujo óptico. Además, en el entorno de un
punto singular se puede demostrar que el movimiento real del fluido es topológicamente
equivalente al modelo considerado (Kambe 2002), es decir que la aproximación lineal es
válida.
El objetivo, entonces, es estimar la matriz A y el vector b utilizando dos imágenes

consecutivas, It y It+1 , para que el modelo quede determinado completamente, en el
instante t+1, donde I es la función de nivel de intensidad de brillo que representa una
imagen bidimensional. Para ser mas precisos, llamamos I a una región contenida en
la imagen considerada, de modo que la estimación del flujo óptico total se realiza por
bloques, cada uno con un modelo asociado.
ESTIMACIÓN DE PARÁMETROS
Definamos una función error para cada punto de la siguiente forma:
ξ(X) = It+1 (X + (AX + b)∆t) − It (X) (2)
donde para una secuencia discreta consideraremos que ∆t = t + 1 − t = 1. Esta función

da la diferencia de intensidades entre un punto de la primera imagen y la posición en la
segunda hacia donde el modelo estima que se ha desplazado. Para poder decir esto,
-46-
estamos haciendo una suposición que no es trivial: el punto que se desplaza no varı́a
su intensidad (Odobez 1994, Horn 1981). Sin embargo lo normal es que en la escena
haya cambios de luminosidad, efecto particularmente presente en imágenes satelitales.
En consecuencia introduciremos un nuevo parámetro t (X) a estimar, que tiene en cuenta
el cambio de intensidad para el punto considerado ubicado en X, entre dos instantes
consecutivos. Es decir que (2) la escribiremos como:
ξ(X) = It+1 (X + (AX + b)) − It (X) + t (X) (3)
Podemos definir nuestro modelo óptimo como aquel que minimiza la suma de las fun-
ciones error cuadrático para todo punto de la imagen:
X
E= ξ(X)2 (4)
X∈I
Sin embargo está claro que el problema de minimizar la ecuación (3) es altamente no
lineal debido a que la función I tiene una forma arbitraria. Para solucionar esto, podemos
linealizar la ecuación en cada punto X y aplicar un proceso de estimación incremental que
sucesivamente aproxime el modelo a la solución óptima (Odobez 1994,1995).
Para un punto del fluido que se desplaza por la imagen escribimos la variación temporal
total de intensidad debido a las variaciones parciales temporales y espaciales, es decir
(Horn, 1981):
dIt (X) ∂X ∂It (X) ∂It (X)

= + = VtT (X)∇It (X) + I˙t (X) (5)
dt ∂t ∂X ∂t
donde Vt es la velocidad del punto X en el instante t, ∇It (X) es el gradiente espacial de
intensidad y I˙t (X) es la derivada parcial temporal de It (X). Supongamos una variación
de intensidad temporal constante igual para todo punto de modo que t (X) = t :
VtT (X)∇It (X) + I˙t (X) = t (6)
Considerando el modelo (1) podemos escribir (6) de la siguiente forma:
(XT AT + b)∇It (X) + I˙t (X) = t (7)
! !
a11 a12 b1
A= , b=
a21 a22 b2
Esta ecuación podemos reescribirla como en Odobez (1994):

!
M T (X)∇It (X)
ΘT
+ I˙t (X) = 0 (8)
−1
en donde:
!
1 x y 0 0 0
T T
Θ = b1 a11 a12 b2 a21 a22 t , M (X) =
0 0 0 1 x y
-47-
La ecuación (8) es válida para un único punto X. Tendremos en consecuencia n ecua-

ciones de este tipo, siendo n la cantidad de puntos considerados. Podemos, como hicimos
antes, definir una función error que llamaremos residuo:
r(X) = ΘT U(X) + I˙t (X) (9)

!
M T (X)∇It (X)
U(X) =
−1
buscando minimizar la suma de los cuadrados de error para todo punto de la imagen:
X
E= r(X)2 (10)
X∈I
Se trata de un problema de cuadrados mı́nimos donde el modelo estimado Θ̂ que

minimiza E esta dado por:
h i−1 X
Θ̂ = ΦT Φ ΦT U(X)I˙t (X) (11)
X∈I
X
Φ= U(X)U(X)T
X∈I
ENFOQUE INCREMENTAL
Cabe destacar que todo el desarrollo anterior se basa en la condición (6). Sin embar-
go muchas veces ocurre que esta aproximación no es válida cuando los desplazamientos
son grandes; en ese caso el problema se debe remitir a la ecuación (3), donde no se hizo
ninguna otra suposición además de considerar un modelo afin.
Podemos decir que el resultado (11) es correcto si consideramos un entorno pequeño

del punto X (Maurizot). De esta forma adoptamos un algoritmo de estimación incremental
aproximando la ecuación (3) por una expansión de primer orden.
Sea Θ̂ un estimado del modelo Θ tal que Θ = Θ̂ + ∆Θ. Dada la estimación actual nos
encontramos ubicados en el punto X + ÂX + b̂ para t + 1, y aproximando en primer orden
para un punto X + ÂX + b̂ + ∆ÂX + ∆b̂
ξ(X) ∼
= It+1 (X + (ÂX + b̂)) − It (X) + t + ∇It+1 (X + (ÂX + b̂))∆X
∆X = ∆ÂX + ∆b̂
Reordenando términos se puede llevar esta ecuación a la forma de (9):
f
ξ(X) = ∆ΘT U(X) + It+1 (X + (ÂX + b̂)) − It (X) + ˆt (12)
y minimizar la suma de errores cuadráticos como en (10) para obtener una estimación
f
de ∆Θ donde U(X) es equivalente a U(X) pero para t + 1 y en el punto X + ÂX + b̂.
Iterativamente se corrige la estimación del modelo con los sucesivos incrementos hasta
que el algoritmo converge al Θ óptimo. El proceso es iniciado con el estimador dado por
(11).
-48-
ESTIMACION ROBUSTA MULTIRESOLUCION
La estimación incremental se realiza siguiendo un enfoque multiresolución: se cons-

truye una pirámide de imágenes (Burt and Adelson, 1983) cada una con mayor resolución
que la superior, sobre las cuales se aplica el algoritmo propagándose el estimado hasta
llegar a la imagen original. Esto permite lidiar con grandes desplazamientos a la vez que
acelera la convergencia del proceso, ya que en los niveles más altos se logra estimar los
componentes de movimiento más generales rápidamente, debido a la menor cantidad de
puntos considerados, dejando el refinamiento de la estimación a los niveles bajos.
El proceso de minimización presentado en la sección anterior, se realiza en forma

robusta de manera que los puntos que se alejan demasiado del modelo tienen menor
peso en el proceso de estimación. Es decir que (10) se escribe de la siguiente forma:
X X
E= re(X)2 = w(X)r(X)2 (13)
X∈I X∈I
Los pesos w(X) se calculan iterativamente (Odobez, 1994) utilizando el estimador

robusto de Tukey (Hubert, 1981).
DETECCIÓN DE PUNTOS SINGULARES
Una vez obtenido el modelo afin para una región dada de la imagen, podemos encon-
trar aquellos puntos X̂ donde la velocidad se anula. Utilizando (1) podemos escribir:
X̂ = −A−1 b (14)
Hay dos parámetros fundamentales en el proceso de localización, de los cuales de-

pende el funcionamiento del algoritmo: el tamaño de la región o ventana donde se estima
el modelo y la posición de dicha ventana. Es importante lograr ajustar estos parámetros
correctamente hasta encontrar un punto singular con error acotado y donde la aproxi-
mación lineal sea válida.
Inicialmente la imagen se divide en N bloques iguales los cuales son procesados uno
a la vez. El algoritmo converge para cada bloque cuando el tamaño y la posición de la
ventana no debe ser modificada en la siguiente iteración.
Algoritmo de detección
Supongamos que en el paso k del algoritmo contamos con un modelo (Â y b̂) de la ve-
locidad para una ventana Vk , con centro Ck y tamaño Tk . El punto singular X̂ se obtiene de
(14). Si dicho punto se encuentra dentro de la ventana Vk , tomaremos como nuevo centro
Ck+1 = X̂. En caso que X̂ se estime fuera de la ventana actual, se considerará como
nuevo centro a la intersección del segmento que une Ck y X̂ con el borde de la ventana
ϑV (Maurizot 1994,1995). Se opta por esta decisión más conservadora que mover el cen-
tro directamente al punto singular ya que puede ocurrir que X̂ no represente un punto de
velocidad nula real del fluido y la ventana comience a trasladarse en forma errática por la
imagen.
-49-
Ahora debemos determinar el tamaño Tk+1 de la nueva ventana. Por un lado debe ser
suficientemente grande como para acotar la varianza de la estimación y por otro la región
considerada no debe extenderse demasiado de modo que el modelo lineal sea válido.
Asociado al modelo, se obtienen las incertezas de los parámetros, y a partir de estos se
puede calcular la varianza de la estimación de X̂, suponiendo que los mismos siguen una
distribución Gaussiana. En consecuencia se puede hacer la siguiente aproximación para
los intervalos de confianza: ∆aij ≈ 3 ∗ σaij y ∆bi ≈ 3 ∗ σbi . Podemos calcular ∆X utilizando
(14):
∆X = ∆A−1 | b | + | A−1 | ∆b (15)
donde | M | representa el valor absoluto de cada componente de M . La varianza de

los parámetros esta dada por la diagonal de la matriz de covarianza C del estimador de
cuadrados mı́nimos:
C = σr2 Γ−1 (16)
X
Γ= UUT
X∈V
siendo σr2 la varianza de los residuos.
Combinando (15) y (16) se puede obtener σx y σy de los componentes de X̂: σx ≈ 3∗∆x

y σy ≈ 3 ∗ ∆y. Ahora que conocemos la varianza del punto singular estimado, aplicamos
el siguiente proceso de decisión para determinar el tamaño Tk+1 . Tomamos un conjunto
p
de tres tamaños posibles Tk+1 de la siguiente forma:
1 2 2 3 3
Tk+1 = Tk , Tk+1 = Tk , Tk+1 = · Tk
3 2
M
y elegimos la ventana más grande posible, Tk+1 tal que se cumpla:
p p
k XM 2 2
k+1 − Xk+1 k ≤ k ∗ σ (Xk+1 ) ∀p < M (17)
p p
siendo Xk+1 el punto singular calculado para la ventana Vk+1 de tamaño Tk+1 . El valor
de k se toma entre k = 4 y k = 8. Este criterio tiene la siguiente justificación: mientras
los puntos estimados entre dos ventanas de distinto tamaño no estén muy distantes entre
sı́ se puede considerar que el modelo describe correctamente el movimiento, y en conse-
cuencia podemos utilizar una ventana mayor para disminuir la varianza de la estimación.
Si los puntos se encuentran alejados, significa que la estimación está muy sesgada, es
decir la aproximación lineal no es válida y debemos considerar una región más pequeña.
El algoritmo se resume a continuación:
-50-
1. i = 1
2. Para el bloque Bi computar el modelo
3. para k ≥ 1
Calcular X̂k
Si X̂k ∈ Vk ⇒ Ck+1 = X̂k
~
de otra forma Ck+1 = (C X̂) ∩ ϑVk
Tk+1 ⇒ ec.(17)
X̂k+1 = −A−1 b
5. repite 3 hasta Vk+1 = Vk .
6. repite 2 con i = i + 1, hasta i=N
EXPERIMENTOS CON IMÁGENES METEOROLÓGICAS
Se aplicó el algoritmo de detección de puntos singulares en imágenes reales, sobre

las cuales se observan zonas de gran vorticidad. Se consideraron bloques iniciales de
procesamiento de [50x50] pixels de la imagen original.
En la figura (1), se representan los campos de movimiento estimado para la región

indicada sobre la imagen conrrespondiente. Notar cómo el movimiento global rotacional
es capturado por el algoritmo, asi como el punto de velocidad nula.
Con respecto a la figura (2), se grafica la estimación secuencial de puntos singulares

y la trayectoria seguida por la ventana V . Algunos puntos caen lejos del vórtice buscado,
lo cual justifica no desplazar la ventana directamente a dicha posición.
CONCLUSIONES
Hemos presentado un método iterativo de localización de puntos de velocidad nula

entre dos imágenes consecutivas basado en algoritmos de estimación del flujo óptico. Se
hicieron uso de técnicas de estimación robusta multiresolución de modelos lineales para
encontrar los parámetros que describen el movimiento. Los resultados obtenidos son
satisfactorios en cuanto se lograron detectar los puntos singulares predominantes de las
formaciones de nubes. Gracias al avance en la potencia de cálculo, estos algoritmos son
realizables y se buscará optimizarlos en futuras investigaciones.
BIBLIOGRAFÍA
ODOBEZ J.M.; BOUTHEMY P. 1994. Robust multiresolution estimation of parametric

motion models in complex images sequences. Proceedings of 7th European Conference
on Signal Processing. Edinburgh.
ODOBEZ J.M.; BOUTHEMY P. 1995. Robust multiresolution estimation of parametric mo-

tion models. International Journal of Visual Communication and Image Representation.
Vol. 6, No. 4. pp 348-365.
HORN B.K.P.; SCHUNCK B.G. 1981. Determining optical flow. Artificial Intelligence.
Vol.17, pp 185-203.
-51-
KAMBE T. 2002. Gemoetric theory of fluid flows and dynamical systems. Fluid Dynamics
Research, Institute of Dynamical Systems, Japan.
MAURIZOT M.; BOUTHEMY P.; DEYLON B.; JUDITSKI A.; ODOBEZ J.M. 1995 Determi-
nation of singular points in 2D deformable flow fields. 2nd IEEE International Conference
on Image Processing. 1995.
MAURIZOT M.; BOUTHEMY P.; DEYLON B.; JUDITSKI A.; ODOBEZ J.M. 1994. Locating
singular points and characterizing deformable flow fields in image sequences. No.891.
MAURIZOT M. Analyse du mouvement fluide 2D dans des séquences dı́mages numériques:

localisation, caractérisation et suivi des points singuliers. Phd thesis LÚniversité de Rennes.
BURT P.; ADELSON E. 1983 The Laplacian pyramid as a compact image code. IEEE
Transactions on Communications. Vol.31, No.4.
HUBERT P.J. 1981. Robust Statistics.Wiley.
-52-
(a) (b)
(c) (d)
Figura 1: Las figuras (b) y (d) representan el campo de velocidades estimado para las re-
giones delimitadas en (a) y (c) respectivamente junto con la estimacion del punto singular
asociado al vortice en la nube.
-53-
(a)
(b)
Figura 2: Estimación de puntos singulares. Se indica la trayectoria de la ventana V y los

vórtices estimados con un punto blanco. La estimación final se indica con un cı́rculo. Para
la figura (a) el bloque inicial se encuentra debajo del vórtice (donde comienza la lı́nea
blanca). Para la figura (b), se inicia en la parte baja izquierda.
-54-

Contribuciones A La Geodecia

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Contribuciones A La Geodecia

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD DE BUENOS AIRES

CONTRIBUCIONES A LA GEODESIA APLICADA

Publicación del Instituto de Geodesia de la Facultad de

Dr. Ing. Ezequiel Pallejá

LA GRAVEDAD DE LA TIERRA – 1ra PARTE.

CÁLCULO DE ALTURAS GEOIDALES Y DE LA SUPERFICIE

ESTUDIO DE VECTORES GPS LARGOS – 1ra PARTE.

CONTROL DE CALIDAD DE MODELOS NUMÉRICOS DE BASES

LOCALIZACIÓN DE PUNTOS SINGULARES EN FLUIDOS MEDIANTE

Asistimos hoy a un “renacimiento” de la gravimetría, tanto desde el punto de

La gravimetría se presenta como un exponente ejemplar de la mencionada

El geoide constituye en sí mismo la prueba irrefutable de este parentesco

Las décadas del 80 y del 90 parecieron alejarse un poco de esta concepción,

Basta recorrer con la memoria los temarios de los cursos, seminarios o

Desde el punto de vista de los trabajos de prospección de hidrocarburos o

El mejoramiento de los gravímetros estáticos, la disponibilidad de

Cabría entonces preguntarnos si va llegando el momento de cambiar el

Raúl Ernesto Días (1)

Este trabajo reúne temas de diversas fuentes con el propósito de ofrecer a

La gravedad es una de las cuatro fuerzas, que según el estado actual de

La atracción gravitacional es parte de la experiencia cotidiana, y sus

Newton postuló la Ley Universal de Gravitación expresada por la ecuación:

F = módulo de la fuerza de atracción actuante entre la masas m1 y m2,

El campo gravitacional se define en función de la fuerza actuante en cada

(F = m.g ⇒ g = F/m; fuerza por unidad de masa).

La ecuación de campo es aproximadamente válida también para la Tierra de

Desde el punto de vista de la composición geológica, la densidad de la Tierra

Con lo cual, midiendo g y conocidos R y G, puede calcularse ρ, resultando

ρ = 5,52 . 103 kg.m-3 = 5,52 gr/cm3

El hecho de que las rocas de la corteza a las que tiene acceso la

de 2,70 gr/cm3, son evidencia directa de la no uniformidad de distribución de masas

El objeto de estudio de la gravimetría es el campo de potencial de la masa

LA GRAVEDAD, LA GEODESIA Y LA FORMA DE LA TIERRA

La forma de la Tierra se halla en el centro de interés de la geodesia. Si la

La Tierra de densidad uniforme tampoco sería esférica sino elipsóidica

De las observaciones, que confirman los supuestos teóricos, surge que el

De modo similar a como se ha definido cierto elipsoide de revolución como

Para ello, además de los parámetros puramente geométricos, eje mayor y

Existen ciertas dificultades teóricas vinculadas a la definición de la forma de

A fin de compatibilizar resultados observacionales de distintas disciplinas

γe, γp = gravedad teórica normal en el Ecuador y los polos

e2 = cuadrado de la Primera Excentricidad

ϕ = Latitud Geodésica (en la nomenclatura del NIMA se utiliza φ)

De modo que tal como se ha expresado, el elipsoide, además de un objeto

CAMPO DE GRAVEDAD TERRESTRE

Se define como tal la composición de los campos de atracción de la masa

Ambos campos poseen un cierto valor, prácticamente constante en el

Para el estudio del campo de gravedad, se requiere la construcción de un

En el punto P (figura1) de coordenadas espaciales (x; y; z) de la figura 1, la

diferenciales producidas por cada volumen elemental, dm, de la masa terrestre, de

El elemento de masa, dm, provoca en P(x; y; z) una aceleración elemental dA:

El signo negativo denota que el sentido es contrario al del segmento dirigido,

Las componentes cartesianas de los vectores que se originan son,

Conocida como Ecuación Vectorial del Campo Gravitacional:

POTENCIAL GRAVITACIONAL TERRESTRE

V = V(x; y; z) ; tal que:

q 2 = (x − ξ ) + (y − η ) + (z − ζ ) ; por ser diagonal del paralelepípedo

Reemplazando en la última integral:

Con lo cual se ha verificado que:

Siendo consecuentemente V la función potencial.

CAMPO DE ACELERACIÓN CENTRÍFUGA

Los puntos P que participan de la rotación diurna, están sometidos también a

FUNCION POTENCIAL CENTRÍFUGO