SIG aplicados al anlisis y cartografa de riesgos climticos

Francisco Alonso Sarria

Dpto. Geografa Fsica, Humana y Anlisis Geogrfico Regional
Universidad de Murcia
alonsarp@um.es

MTODOS Y TCNICAS DE ANLISIS DE RIESGOS CLIMTICOS

II CURSO DE VERANO DE LA
ASOCIACIN ESPAOLA DE CLIMATOLOGA

2 de julio de 2004

1 Introduccin

Riesgo natural implica la existencia de un proceso brusco de transferencia de materia y energa capaz de generar
daos y un uso del territorio vulnerable a dichos procesos. Por tanto, cartografiar el riesgo implica hacer tanto
una cartografa de los puntos vulnerables como un modelo de los procesos y su intensidad sobre estos puntos
vulnerables.
La herramienta ms adecuada para la modelizacin y cartografa de riesgos es un Sistema de Informacin
Geogrfica. Sin embargo en muchos casos ser conveniente enlazar el programa a otro tipo de herramientas
como Sistemas de Gestin de bases de datos y Programas de anlisis de datos.
A continuacin, en esta introduccin, se har un repaso de los conceptos bsicos en modelizacin y de las
caractersticas de los Sistemas de Informacin Geogrfica. En secciones posteriores se tratarn los modelos de
datos necesarios para introducir en un SIG la informacin relevante en anlisis de risgos climticos, as como
algunos ejemplos de la modelizacin espacial de los mismos.

1.1 Cuestiones generales sobre modelizacin

Un modelo es la representacin simplificada de un sistema. Existen muchos tipos de modelos, normalmente

cuando se trata de estudiar procesos naturales se utilizan modelos matemticos. La construccin de un modelo
de este tipo implica la seleccin y cuantificacin de las variables para representar el sistema con el nivel de
detalle requerido.

1
Los procesos que actan sobre el territorio se caracterizan por su carcter tridimensional, su dependencia del
tiempo y complejidad. Esta complejidad incluye comportamientos no lineales, componentes estocsticos, bu-
cles de realimentacin a diferentes escalas espaciales y temporales haciendo muy complejo, o incluso imposi-
ble, expresar los procesos mediante un conjunto de ecuaciones matemticas.
Estas ecuaciones, junto con los esquemas de flujo para su resolucin, consituyen hiptesis acerca del compor-
tamiento de los procesos. Estas ecuaciones toman variables de entrada y producen una serie de variables de
salida en funcin de parmetros que reflejan las caractersticas del territorio. Por otro lado existe un conjunto
de variables de estado internas al sistema que se ven modificadas.
Los parmetros se distinguen de las variables en que aquellos son invariantes a la escala espacio-temporal del
modelo. Las variables de entrada y salida representan flujos de materia y enega desde y hacia el interior del
sistema (precipitacin y caudal por ejemplo). Las variables de estado representan cambios en la cantidad de
materia y energa disponible (humedad del suelo).
En definitiva, un sistema natural recibe entradas de materia y energa de su entorno que devuelve a dicho entorno
con ciertas modificaciones:

Desplazamiento en el espacio

Modulacin en el tiempo

Figura 1: Modelos de procesos

1.2 Tipos de modelos

Una clasificacin de los modelos matemticos podra basarse en una serie de caractersticas dicotmicas:

Basados en estadstica o basados en principios fsicos

2
 Figura 2: Modelos de radiacin

El carcter estadstico o fsico constituye la caracterstica fundamental de un modelo. Un modelo fsico

se basa en las leyes fsicas que rigen los procesos, un modelo estadstico se basa en relaciones estads-
ticamente significativas entre variables. Las ecuaciones que describen un modelo estadstico no son por
tanto fsicamente o dimensionalmente consistentes ni universales, ya que en rigor slo son vlidas para
el contexto espacio-temporal en el que se calibraron.

Estocsticos o deterministas
Los primeros incluyen generadores de procesos aleatorios dentro del modelo que modifican ligeramente
algunas de las variables. De esta manera, para un mismo conjunto de datos de entrada, las salidas no
seran siempres las mismas. La distincin ente modelos deterministas o estocsticos se confunde a veces
con la anterior, relacionando equivocadamente modelos estocsticos con empricos y deterministas con
fsicos.
Los modelos aleatorios permiten determinar un rango de posibles valores de salida para obtener, en
lugar de un nico resultado, una muestra de posibles resultados que permiten un posterior tratamiento
estadstico.

Agregados o distribuidos
En el primer caso toda el rea de estudio se considera de forma conjunta, por ejemplo una cuenca hidro-
grfica. Se tiene un nico valor para todos los parmetros del modelo. El modelo predice unas salidas
para las entradas aportadas sin informar de lo que ocurre dentro del sistema.
En un modelo distribuido, tendremos el rea de estudio dividida en porciones cada una de ellas con su
propio conjunto de parmetros y sus propias variables de estado. Cada porcin recibe un flujo de materia
y energa de algunas de sus vecinas que a su vez reemite a otras.

3
 Figura 3: Modelos de procesos en una cuenca

Una tercera posibilidad son los modelos semidistribuidos que se construyen a partir de la yuxtaposi-
cin de diversos modelos agregados, por ejemplo diversas subcuencas de una cuenca hidrogrfica. Otra
posibilidad a menudo explorada en hidrologa es dividir el rea de trabajo en Unidades de Respuesta
Hidrolgica. Se trata de segmentos de ladera homogeneos en cuanto a su pendiente, orientacion, litologa
y uso a los que se asume una respuesta hidrolgica nica. En un modelo semidistribuido las diferentes
unidades generan sus propias salidas de forma agregada pero aparecen entradas y salidas de unas a otras.

Estticos o dinmicos
Se refiere a la forma en que se trata el tiempo. Los modelos estticos dan un resultado agregado para todo
el perodo de tiempo considerado este puede ser por ejemplo uncaudal medio o un caudal punta. Los
modelos dinmicos devuelven las series temporales de las variables consideradas a lo largo del perodo
de estudio, siguiendo con el ejemplo anterior un hidrograma.

Sea cual sea el tipo de modelo con el que se trabaja, en un modelo matemtico es necesario comenzar por
codificar las variables de entrada, salida y de estado, as como los parmetros en formato digital. Si se trabaja
con modelos agregados o semidistribuidos hay que codificar, adems, los lmites de las diferentes unidades.
Este proceso es ms complejo de lo que pudiera parecer a primera vista e implica la creacin de un modelo de
datos y la manera ms eficiente de hacerlo es mediante un Sistema de Informacin Geogrfica.
Las caractersticas deseables de los modelos (Moore et al., 1993) son:

Parsimonia, un modelo no es necesariamente mejor por tener muchos parmetros. La simplicidad es

siempre deseable.

Modestia, deben tratar de alcanzarse slo objetivos asequibles. Un modelo, al igual que un mapa, no
debe aspirar a imitar la realidad sino slo a resaltar aquellos aspectos de inters para su aplicacin.

4
 Exactitud, el modelo debe reproducir en la medida de lo posible el funcionamiento del sistema y generar
valores para las variables de salida y estado similares a los observados en la realidad.

Verificabilidad, los resultados del modelo deben poder compararse con datos reales y determinar de este
modo el grado de exactitud del modelo.

Por otro lado, no basta con que funcionen bien, deben funcinar bien por las razones correctas

1.3 Sistemas de Informacin Geogrfica y Modelizacin

Una definicin un poco antigua pero amplia de SIG es la que dieron Dueker y Kjerne (1989) Sistema de hard-
ware, software, datos, personas, organizaciones y acuerdos institucionales para recopilar, almacenar, analizar
y diseminar informacin acerca de diferentes porciones de la superficie terrestre. Esta definicin resalta el
carcter corporativo y complejo de los SIG.
Una definicin ms simple partira de la definicin de Sistema de Informacin como Conjunto de datos y
herramientas para manejar esos datos para cubrir unos objetivos concretos. En el caso de un SIG la nica
diferencia es que se manejan datos espaciales.
Los SIG incluyen por tanto numerosas funciones para el manejo de datos espaciales en formato digital. Estas
funciones pueden clasificarse en:

1. Almacenamiento de datos espaciales y temticos. Para ello es necesario definir modelos de datos con
los que codificar los diferentes aspectos del territorio.

2. Visualizacin de estos datos en forma de mapas, tablas o grficos.

3. Consultas que permiten seleccionar aquellos elementos que cumplen un conjunto de condiciones, de tipo
espacial o no espacial. Los resultados pueden obtenerse como un valor, una tabla o un mapa.

4. Anlisis de datos. Bsqueda de regularidades en los datos que permitan verificar hiptesis acerca de los
mismos.

5. Modelizacin. Bien utilizando los resultados de los anlisis de datos (modelos estadsticos) o bien apli-
cacin de modelos fsicos. Permiten utilizar el modelo matemtico del territorio almacenado en el SIG
para utilizar y validar diversas hiptesis.

El campo de los SIG es altamante pluridisciplinar, integrando a especialistas de diversas ciencias; se ha hecho
tan amplio que hoy en da pueden distinguirse fcilmente tres tendencias en la utilizacin de los SIG:

Catografa de alta presicin combinada con herramientas de CAD con aplicaciones en arquitectura e
ingeniera. Se asume que los elementos cartografiados son estticos (alta inversin).

Servidores de mapas a travs de Internet con aplicaciones en ordenacin del territorio y servicios turs-
ticos. Tpica implementacin AM/FM (Automated Mapping/Facilities Management)

5
 SIG para modelizacin ambiental, enlazado con herramientas de anlisis de datos y modelizacin
con aplicaciones diversas en las ciencias de la Tierra. El asunto que nos concierne est ms vinculado,
evidentemente, a esta ltima.

Segn Goodchild (1993) un SIG destinado al anlisis de datos y modelizacin ambiental debe incorporar un
conjunto de herramientas para:

Preprocesar grandes volmenes de datos y prepararlos para su anlisis

Anlizar los datos con el objeto de descubrir regularidades y desarrollar modelos

Implementar estos modelos

Reorganizar los resultados en modo de tablas, grficos o mapas de forma que sean tiles para el usuario

En muchos casos resulta preferible incorporar programas externos de modelizacin que trabajen en coordi-
nacin con un SIG. Las diferentes formas de integrar ambos programas fueron resumidas por Fedra(1993) en 4
tipos de unin entre un SIG y un programa de modelizacin:

Dos programas separados utilizando ficheros comunes. En muchos casos la utilizacin de un SIG para
modelizacin se ha centrado en el primero y el ltimo de los puntos sealados anteriormente utilizando
un programa especfico para analizar y modelizar con el que el SIG se comunica a travs de archivos de
intercambio. Este esquema se denomina enlace dbil (loose coupling) entre el SIG y los modelos.

Dos programas separados utilizando ficheros comunes y una interfaz de usuario comn.

Integracin de funciones de diferentes programas en una arquitectura abierta en el que las diferentes
herramientas se interrelacionana y se imbrican en un lenguaje.

Integracin de uno de los programas como parte del conjunto de funciones del otro.

Uno de los proyectos ms interesantes de integracin de SIG con programas de gestin de bases de datos y
programas de anlisis de datos se ha desarrollado, en un entorno de software abierto, para GRASS (Bivand y
Neteler, 2000)

1.4 Modelos de datos

La codificacin de los parmetros y variables de un modelo en un SIG requiere su simplificacin y cuantifi-

cacin. En definitiva se trata de utilizar un modelo de datos. Los SIG presentan diferentes estructuras de datos
que corresponden a diferentes modelos de la realidad. Tanto en SIG como en gestin de bases de datos en
general, suele asumirse la existencia de diversos niveles de abstraccin en la codificacin de los elementos de
un modelo de datos mediante determinados modelos de datos.

6
En primer lugar un modelo conceptual acerca de como entendemos la realidad y en segundo lugar un modelo
lgico que define las diferentes estrategias para codificar la realidad en funcin del modelo conceptual adoptado.
Un tercer nivel, ya especfico de cada programa concreto, sera un modelo digital que define la implementacin
digital de un determinado modelo lgico.

1.4.1 El modelo conceptual. Objetos y variables

La realidad, por ejemplo el trozo de realidad representado en la figura 4 puede entenderse segn dos modelos
mentales (conceptuales) en principio contradictorios:

1. Como un continuo definido por una serie de variables que pueden ser de tipo cualitativo (litologa, usos
del suelo, etc.) o cuantitativo(elevaciones, precipitacin, etc.) (figura 5). De este modo una porcin del
territorio puede caracterizarse por la superposicin de unconjunto de superficies que se consideran como
ms significativas.

2. Como la yuxtaposicin de objetos de lmites definidos y con caractersticas homogeneas, por ejemplo
parcelas de propiedad, nucleos urbanos, carreteras , etc. Cada uno de estos objetos va a tener un identi-
ficador nico (figuras 6 y 7).Mientras que las variables cubren el espacio de forma completa, una capa
formada por un conjunto de objetos puede no hacerlo.

Las superficies son objetos tridimensionales con dos dimensiones que representan los ejes espaciales y una
tercera que representa una tercera variable cuantitativa representada en cada punto del espacio. Este tipo de
modelos se suelen denominar como de dos dimensiones topolgicas y media (grficos 2,5D), pues en realidad
la tercera dimensin (la Z) no se analiza en su totalidad, no se considera exactamente un hecho volumtrico, sino
una superficie (las dos dimensiones) ondulada, levantada en tres dimensiones (la media dimensin). Los grficos
y los anlisis verdaderamente 3D necesitan emplear modelos de datos diferentes y bastante ms complejos que
son de especial utilidad para algunas aplicaciones prcticas como en Geologa o en modelizacin atmosfrica.
El ejemplo ms tpico de variable regionalizada es la elevacin sobre el nivel del mar, representada mediante
los Modelos Digitales de Elevaciones (MDE)1 . Se trata de una superficie que representa la topografa del
terreno, es decir, las alturas en cada punto de un territorio. Pero, en realidad, se puede crear superficies a partir
de cualquier variable que cumpla unas mnimas caractersticas, esencialmente la continuidad espacial, sin que
existan saltos bruscos en el valor de la variable. De este modo, diversos aspectos fsicos naturales, tales como
las precipitaciones, las temperaturas, 1a composicin litolgica o mineral, la acidez o basicidad de los suelos,
etc., o tambin variables sociales: nmero de habitantes, densidad de poblacin, etc., se pueden representar y
analizar como una superficie.
Por lo que se refiere a los objetos, podemos considerar a priori 6 categoras de informacin que caracterizan a
los diferentes objetos geogrficos:
1
La razn de la importancia de los MDE estriba tanto en su carcter indispensable como base territorial de un SIG como en la
facilidad con que se piuede medir la elevacin de cualquier punto del territorio en comparacin con otras variables regionalizadas como
precipitacin, humedad del suelo, etc.)

7
Figura 4: Realidad

Figura 5: Superficie

8
 Figura 6: Objetos

1. Identificador. Se trata de una variable cuantitativa que identifica cada objeto dentro de un conjunto de
objetos del mismo tipo. El identificador ser un valor nico y las propiedades de los objetos se almace-
narn en una base de datos a la que se accede cada vez que es necesario.

2. Propiedades geomtricas. Indica la ubicacin del objeto en un espacio, generalmente bidimensional.

Implicitamente indica tambin su dimensin y su forma. De este modo cada tipo de objeto tiene, en fun-
cin de su nmero de dimensiones, una serie de propiedades espaciales de tamao y forma directamente
extraibles de su codificacin espacial:

Los objetos lineales tienen longitud, sinuosidad y orientacin.

Los objetos poligonales tienen area, permetro, elongacin mxima y diversos ndices de forma
directamente calculables a partir de estas.

3. Propiedades espaciales. Son variables cuantitativas medidas en magnitudes espaciales y que indican
algn aspecto de la extensin espacial de los objetos no representable debido a la escala de trabajo, a
tratarse de una magnitud en la tercera dimensin o a la dificultad de representarla por el tipo de abstrac-
cin que implica su representacin (por ejemplo la profundidad de un cauce).

4. Propiedades no espaciales. Son variables cualitativas o cuantitativas que no tienen nada que ver con el
espacio pero que se relacionan con el objeto. Resultan de mediciones simples o de descripciones. Pueden
ser constantes o variables en el tiempo. Por ejemplo toda la informacin relativa a la demografa de un
municipio. Existen diversas operaciones que permiten derivar propiedades nuevas a partir de otras ya
existentes.

9
 Combinacin aritmtica: Densidad = P oblacion/Superf icie
Combinacin lgica: Si P oblacion < x & P IB > y => Riqueza = 1
Reclasificacin: Si P oblacion < 1000 & P oblacion > 500 => Recl = 2

5. Propiedades topolgicas. Todos los objetos geogrficos tienen unas relaciones con su entorno, es decir
con el resto de los objetos del mismo o distinto tipo que aparecen a su alrededor. Estas relaciones pueden
ser de tipo puramente topolgico (polgonos vecinos) o de tipo fsico (cauces tributarios que se conectan
al cauce principal). Pueden codificarse de forma explcita en la base de datos asociada al objeto o estar
implcita en al codificacin de su localizacin espacial. Estas relaciones pueden dar lugar a la creacin
de tipos compuestos (redes, mapas de polgonos, etc.).

En la figura 7 aparecen diversos ejemplos de objetos. El escoger un tipo u otro para representar determinado
objeto depender en gran manera de la escala y del tipo de abstraccin que se pretenda hacer, de forma similar a
lo que ocurre en la generalizacin cartogrfica. As una ciudad puede ser puntual o poligonal y un cauce fluvial
lineal o poligonal. Una ciudad slo tendra sentido considerarla poligonal en estudios de planificacin urbana.
Para casi todas las aplicaciones hidrolgicas tiene ms sentido representar los cauces como objetos lineales y
codificar su anchura y profundidad como propiedades espaciales.

1.4.2 Modelos lgicos. Formato raster y vectorial

El modelo logico hace referencia a como se muestrean y organizan las variables y objetos para lograr una
representacin lo ms adecuada posible. En un SIG existen bsicamente dos modelos lgicos que se conocen
como formato raster y formato vectorial y que dan lugar a los dos grandes tipos de capas de informacin
espacial.
En el formato raster se divide el espacio en un conjunto regular de celdillas, cada una de estas celdillas
contiene un nmero que puede ser el identificador de un objeto (si se trata de una capa que contiene objetos) o
del valor de una variable (si la capa contiene esta variable). Puede considerarse por tanto que el modelo rster
cubre la totalidad del espacio. Este hecho supone una ventaja fundamental respecto a las otras tres alternativas
ya que pueden obtenerse valores de forma inmediata para cualquier punto del espacio.
Los elementos que componen una capa raster (figuras 8 y 9) son:

Una matriz de datos que puede contener los valores, en caso de que se trate de una variable cuantitativa,
o bin un identificador numrico nico para cada valor, en caso de que sea una variable cualitativa. Esta
matriz se almacenar en un fichero como una lista de valores numricos, por tanto una capa raster necesita
ms informacin que permita al programa y al usuario ubicarla en el espacio, leer sus valores y entender
su significado, concretamente.

Informacin geomtrica acerca de la matriz y de su posicin en el espacio:

Nmero de columnas (nc )

10
Figura 7: Representacin de objetos en formato vectorial (carreteras, red de drenaje, nucleos urbanos y lmites
municipales) en un SIG en las cercanas de la ciudad de Murcia

11
 Figura 8: Modelos digitales. Codificacin de una variable cuantitativa en formato raster

Nmero de filas (nf )

Coordenadas de las esquinas de la capa (e, w, s, n)
Resolucin o tamao de pixel en latitud (rx ) o en longitud (ry )
Una tabla de colores que permita decidir de que color se pintar cada celdilla en la pantalla
En caso de que la variable sea cualitativa, una tabla que haga corresponder a cada identificador numrico
una etiqueta de texto.

En el formato vectorial cualquier entidad que aparezca en el espacio (casas, carreteras, lagos, tipos de roca,
etc.) puede modelizarse a la escala adecuada como un objeto extraido de la geometra euclidiana. Pueden ser
clasificados por su dimensionalidad en tres tipos: puntos, lineas o polgonos (figura 10).

Puntos (figura 10.a). Objetos geomtricos de dimensin cero, su localizacin espacial se representa por
un par de coordenadas (X,Y).
Lineas (figura 10.b). Objetos geomtricos de dimensin uno, su localizacin espacial se representa como
una sucesin de pares de coordenadas llamados vrtices, salvo el primero y el ltimo que se denominan
nodos (en la figura 10 aparecen en negro).
Polgonos. Objetos geomtricos de dimensin dos. Se representan como una linea cerrada (figura 10.c)
o como una sucesin de lineas denominadas arcos (figura 10.d). La representacin de puntos o lineas es
inmediata, sin embargo al representar polgonos aparecen dos situaciones diferentes:

12
 Figura 9: Modelos digitales. Codificacin de una variable cualitativa en formato raster

Si los polgonos aparecen aislados los unos de los otros, como en el caso de los nucleos urbanos,
cada poligono se codifica como una linea cerrada, se trata de un modelo Orientado a Objetos
Si los polgonos se yuxtaponen, como en el caso de los trminos municipales. En este caso, codificar
los polgonos como lineas cerradas tiene el problema de que habra que repetir cada una de las lineas
interiores. El formato alternativo es el modelo Arco-Nodo cuya mayor virtud es ahorrar memoria y
facilitar algunas de las operaciones de anlisis SIG. En el modelo Arco-Nodo se codifican las lineas
por separado y, pposteriormente, se define cada uno de los polgonos a partir del conjunto de lineas
que lo componen.

1.5 Problemas y limitaciones

La utilizacin de un SIG para resolver problemas de modleizacin y representacin medioambiental y de ries-

gos, presenta diversas dificultades:

Dentro del mercado de los SIG, la mayor demanda es para sistemas cuya prioridad es la visualizacin y
consulta de datos y no el anlisis de datos o la modelizacin.

El carcter de programa para hacer mapas que tienen los SIG obligan a que cada capa de informacin
que se crea deba almacenarse como un fichero. Esto supone en primer lugar la necesidad de disponer de
un gran espacio en disco duro y en segundo lugar la disminucin de la velocidad de proceso debido a las

13
Figura 10: Tipos de objetos en formato vectorial a) Punto, b) Linea, c) Polgono en formato OO, d) Polgono
en formato Arco-Nodo.

continuas lecturas y escrituras en el disco. Si parte de los datos, que pueden considerarse temporales se
almacenan en memoria y se borran despues de utilizarse se solucionan ambos problemas.

Los modelos de datos espaciales utilizados en SIG son muy eficientes para manejar grandes cantidades
de datos espacialmente distribuidos pero estticos. En modelizacin la perspectiva es ms local pero con
un gran nmero de capas de informacin que adems varian con el tiempo. Los SIG no permiten una
representacin explcita del tiempo.

Los parmetros efectivos de una celdilla pueden no corresponderse con los valores medios en esa celdilla.
La estimacin de los parmetros depende del mtodo inicial y de la escala de trabajo

Los dos primeros pueden solucionarse en gran parte mediante la utilizacin de programas especficos para el
manejo de bases de datos (series temporales) y el anlisis de datos.

2 Herramientas SIG tiles en la modelizacin y cartografa de riesgos

A lo largo del desarrollo terico de los SIG, una de las lineas ms interesantes se centra en un anlisis de las
diferentes herramientas de SIG como elementos, operadores y funciones, que forman parte de un lenguaje para
la codificacin y resolucin de algoritmos que resuelven determinados problemas espaciales (Tomlin, 1990;
Berry, 1993; Verbyla, 2002). Uno de los objetivos de esta linea es lograr una clasificacin de las diferentes
operaciones.

14
 Figura 11: Esquema de base de datos relacional

A continuacin se presentan 3 grandes tipos de herramientas SIG que resultan imprescindibles en la mayora de
las aplicaciones y especficamente en el anlisis, modelizacin y cartografa de riesgos. Se trata de los accesos
a bases de datos, las diferentes tcnicas de interpolacin y el lgebra de mapas.

2.1 Enlaces con bases de datos

Mucha de la informacin necesaria para trabajar en anlisis de riesgos no es informacin estrictamente espa-
cial sino informacin temtica. Los SIG son programas diseados para el manejo de bases de datos espaciales
utilizando diferentes modelo lgicos. Para la gestin de informacin temtica, se dispone de otro tipo de pro-
gramas que son los gestores de bases de datos.
A lo largo del desarrollo de las tecnologas ligadas a los SIG desde los setenta hasta la actualidad, una de las
tendencias ms claras es el papel, cada vez ms importante, que tiene el uso de SGBD para la gestin de datos
temticos como apoyo al SIG. En principio se utilizaron para almacenar los atributos temticos de los objetos
espaciales, hoy en da se estn empezando a utilizar para el almacenamiento de la informacin geomtrica
(conjunto de coordenadas) de los objetos espaciales.
Una base de datos relacional es bsicamente un conjunto de tablas, similares a las tablas de una hoja de clculo,
formadas por filas (registros) y columnas (campos). Los registros representan cada uno de los objetos descritos
en la tabla y los campos los atributos (variables de cualquier tipo) de los objetos. En el modelo relacional
de base de datos, las tablas comparten algn campo entre ellas. Estos campos compartidos van a servir para
establecer relaciones entre las tablas que permitan consultas complejas (figura 11).
Un sistema de bases de datos relacionales dispone de un lenguaje estandarizado para hacer consultas (lenguaje
SQL), los resultados de una consulta hecha con este lenguaje van a ser datos individuales, tuplas o tablas que
incluyen valores extraidos de la base de datos en funcin de diversas condiciones.
La integracin de un SIG y una base de datos relacional da lugar a lo que se ha dado en llamar modelo geo-
relacional de base de datos (Bosque Sedra, 2000). En este se utiliza la base de datos para almacenar la informa-
cin temtica y el SIG para la informacin geomtrica y topolgica. Una de las funcionalidades de este modelo

15
 Figura 12: Esquema de base de datos geo-relacional

ser el enlazado de ambos tipos de informacin que se almacenana de formas completamente diferentes (figura
12).
La clave del modelo georelacional es que el identificador de los diferentes objetos codificados en el SIG es el
mismo que un campo identificador presente en alguna de las tablas de la base de datos relacional. De este modo
los resultados numricos de una consulta pueden asociarse a los diferentes objetos espaciales para, por ejemplo,
representar cada objeto con un color diferente en funcin del resultado obtenido (figura 13).
En estos casos se necesita un mdulo especfico que transforme los resultados de las consultas en una serie de
reglas para pintar los polgonos asignando al mismo tiempo una paleta de colores definida por el usuario.
En definitiva la nica diferencia entre el trabajo de un gestor tradicional de bases de datos y el enlace de un SIG
a base de datos es el modo de presentacin (tabla o mapa). Casi todo el trabajo lo hace el gestor de bases de
datos y el Sistema de Informacin Geogrfica, se limita a presentar los resultados. La autntica novedad de los
SIG vectoriales est en la yuxtaposicin de mapas de diverso tipo para realizar anlisis complejos del territorio.
Hasta ahora lo que hemos hecho es obtener objetos espaciales como resultado de una consulta, pero cuando se
trabaja con un SIG enlazado a una base de datos, se pretende que las consultas incluyan tambien condiciones
espaciales. Incluso deberamos ser capaces de llevar a cabo consultas interactivas en las que las condiciones se
formulan en funcin de donde haya pinchado el usuario en un mapa mostrado en pantalla.
Sin embargo en el modelo geo-relacional toda la informacin geomtrica y topolgica est en el SIG no en el
SGBD por tanto las consultas debern preprocesarse y postprocesarse.
Preprocesamiento significa que el mdulo encargado de construir de forma automtica consultas SQL como
las que hemos visto antes, y lanzarlas al programa servidor de bases de datos, deber hacerlo teniendo en cuenta
una serie de criterios espaciales definidos por el usuario. Por ejemplo, si el usuario pincha en la pantalla dentro
de un polgono esperando obtener nombre y poblacin del municipio, el mdulo deber determinar de que
polgono se trata e incluir su identificador, por ejemplo 17, como condicin que debe cumplirse:

16
Figura 13: Capa de objetos (municipio) enlazada a una base de datos (informacin censal)

17
Postprocesamiento implica que los resultados de la consulta SQL debern filtrarse para determinar cuales
cumplen determinadas condiciones relacionada con el espacio. Para ello, una de las columnas pedidas en la
consulta ha de ser el identificador a partir del cual se obtiene, ya en el SIG, la geometra del polgono a la que
se puede aplicar la operacin de anlisis espacial (distancia, cruce, inclusin, adyacencia, etc.) necesaria para
derminar si se cumple o no la condicin. Aquellos casos en los que si se cumple constituye la salida del mdulo,
el resto se deshechan.
Una alternativa recientemente desarrollada al modelo Geo-relacional es el uso de bases de datos objeto-relacionales.
Estas permiten la inclusin de objetos espaciales en sus tablas y extienden el lenguaje SQL para incluir fun-
ciones y operadores espaciales.

2.2 Interpolacin a partir de puntos

El proceso de interpolacin espacial consiste en la estimacin de los valores que alcanza una variable Z en un
conjunto de puntos definidos por un par de coordenadas (X,Y), partiendo de los que adopta Z en una muestra
de puntos situados en el mismo rea de estudio, la estimacin de valores fuera del rea de estudio se denomina
extrapolacin. En algunos casos pueden utilizarse otras variables de apoyo V a la interpolacin/extrapolacin.
El rea de estudio vendra definida, aunque no de forma muy clara, por el entorno de los puntos en los que s se
dispone de datos. Un estudio en profundidad de las diferentes tcnicas de interpolacin aplicadas al campo de
los SIG puede encontrarse en Burrough & McDonnell (1998).
Cuando se trabaja con un SIG la interpolacin espacial suele utilizarse para obtener capas raster que representan
la variable a interpolar. En esos casos cada celdilla de la capa raster constituye un punto en el que hay que
realizar la interpolacin.
Lo ms habitual es partir de medidas puntuales (variables climticas, variables del suelo) o de isolineas (cur-
vas de nivel), los mtodos que se utilizan en uno u otro caso son bastante diferentes. Todos los mtodos de
interpolacin se basan en la presuncin lgica de que cuanto ms cercanos esten dos puntos sobre la superficie
terrestre ms se parecern, y por tanto los valores de cualquier variable cuantitativa que midamos en ellos sern
ms parecidos, para expresarlo ms tcnicamente, las variables espaciales muestran autocorrelacin espacial.
Los diferentes mtodos de interpolacin desarrollados pueden dividirse en dos tipos fundamentales:

1. Mtodos globales, utilizan toda la muestra para estimar el valor en cada punto de estimacin. Se dividen
en mtodos de regresin y de clasificacin (figura 15). Asumen la dependencia de la variable a interpolar
de otras variables de apoyo.
2. Mtodos locales, utilizan solo los puntos de muestreo ms cercanos. Destacan las medias ponderadas por
inverso de la distancia elevado a una potencia, kriggeado, TIN y splines.

2.2.1 Mtodos de clasificacin

La variable de apoyo es cualitativa (usos del suelo, tipos de suelo o roca, etc). En este caso se asume que la
variable adopta en cada punto el valor medio correspondiente al valor de la variable de apoyo en ese punto. Por

18
Figura 14: Puntos de muestreo de precipitacin

19
 Figura 15: Modelos de regresin y clasificacin del contenido en arcilla

ejemplo se asigna a todos los puntos situados sobre litosoles el valor de salinidad medio de los litosololes. Se
basan en una serie de premisas que no se cumplen necesariamente:

1. Las variaciones de Z dentro de las diferentes clases de V son aleatorias y no autocorrelacionadas espa-
cialmente.

2. La variable Z sigue una distribucin gaussiana dentro de cada una de las clases y las correspondientes
medias y varianzas son las mismas en todas las manchas de una misma clase.

3. Los cambios en la variable Z en las fronteras entre clases se producen de forma brusca.

El resultado es equivalente a una reclasificacin que produce un mapa en el que los diferentes valores de V se
transforman en valores de Z

2.2.2 Mtodos de regresin

Implican, como su nombre indica, un anlisis de regresin previo a partir del cual se genera un modelo de
interpolacin de tipo polinmico (figuras 15 y 16. Generalmente se utilizan X e Y (longitud y latitud) como
variables de apoyo ya que no necesitan de ninguna medicin, y tambin alguna variable cuantitativa V espa-
cialemente distribuida que se correlaciona de alguna forma con ellas, un ejemplo habitual es la altitud, y otras
variables topogrficas derivadas, por su facilidad de medida su evidente relacin con casi todos los procesos
ambientales y por las posibilidades que un SIG ofrece en cuanto al tratamiento de la elevacin e informacin
derivada (MDT).

20
 Figura 16: Interpolacin por regresin de la temperatura respecto a la altitud

En ambos casos (clasificacin y regresin) se requiere una anlisis estadstico previo para determinar que los
datos se ajustan al modelo estadstico implicado. En el caso de la clasificacin que las medias de las diferentes
clases son significativamente diferentes y que las desviaciones tpicas dentro de las clases son pequeas (figura
15). En el caso de la regresin es necesario verificar que el coeficiente de correlacin es significativamente
elevado.
El problema de los mtodos globales es que slo consiguen modelizar una componente a escala global de la
estructura de variacin, pero no las componentes a escala ms detallada. De hecho no resulta recomendable
utilizar polonmios de grado mayor que 3 ya que, a pesar de un ajuste cada vez mejor, se hacen cada vez ms
sensibles a los valores extremos con lo que cualquier error en los datos podra generar distorsiones importantes
en el resultado final. Por tanto se utilizan para filtrar esa componente global y eliminarla de los valores medidos
para, posteriormente, estimar tan slo la componente local mediante mtodos locales.

2.2.3 Mtodos locales basados en medias ponderadas

Los mtodos locales se basan en la utilizacin de los puntos ms cercanos al punto de interpolacin para estimar
la variable Z en este. Asumen autocorrelacin espacial y estiman los valores de Z como una media ponderada
de los valores de un conjunto de puntos de muestreo cercanos. Exigen tomar una serie de decisiones:

1. Decidir que puntos cercanos van a formar parte del conjunto de interpolacin en funcin de los siguientes
criterios (figura 17):

Aquellos cuya distancia al punto de interpolacin sea inferior a un valor umbral r

Los n puntos ms cercanos al punto de interpolacin

21
 El semivariograma nos permite determinar un valor de distancia de forma objetiva, lgicamente el valor
umbral no debe superar el valor del alcance de este..

2. Cual ser el mtodo de interpolacin

La solucin ms simple, asignar el valor del punto ms cercano (mtodo del vecino ms prximo
o de los poligonos de Thyessen), se utiliz antes de la existencia de ordenadores ya que resultaba
sencillo hacerlo a mano.
Media de los valores de los puntos incluidos en el conjunto de interpolacin.
Sin embargo es lgico pensar que cuanto ms apartados esten dos puntos ms diferentes sern sus
valores de Z. Para tener en cuenta este hecho se utilizan medias ponderadas utilizando como factor
de ponderacin funciones del inverso de la distancia. El criterio de ponderacin ms habital es el
inverso de la distancia elevado al cuadrado.

N
Zj0 =
X
Wi Zi (1)
i=1
1/d2j,i
Wi = PN 2
(2)
i=1 1/dj,i

En la figura 18 aparece el resultado de una interpolacin por inverso de la distancia de los datos que
aparecen en la figura 14.
Utilizacin del kriggeado, mtodo desarrollado en el marco de la teora geoestadstica y que uti-
liza toda la informacin procedente del semivariograma para obtener unos factores de ponderacin
optimizados. Se trata de un mtodo muy extendido, pero es bastante complejo matemticamente
y muy exigente en cuanto a la calidad de la muestra de puntos y la variable que se interpola. Si
esta no es adecuada son preferibles los modelos de medias ponderadas que son los ms utilizados
tradicionalmente debido a la sencillez de su manejo y a su robustez.
Los programas de SIG suelen disponer de herramientas para su utilizacin o bien de modos de
integrar programas especficos de geoestadstica. En la figura 19 aparece el resultado de una inter-
polacin por kriggeado de los datos que aparecen en la figura 14.

Uno de los problemas ms importantes de los mtodos basados en medias ponderadas es que, como su propio
nombre indica, interpolan basndose en el valor medio de un conjunto de puntos situados en las proximidades,
por tanto nunca se van a obtener valores mayores o menores que los de los puntos utilizados para hacer la
media. En consecuencia no se van a interpolar correctamente mximos o mnimos locales y adems los puntos
de muestreo aparecen en el mapa final como mximos y mnimos locales erroneos. En la figura 20 se muestra
como en el punto X=7, un mtodo de media ponderada por inverso de la distancia al cuadrado genera un valor
poco razonable (la X roja) dada la tendencias observada en los puntos.

22
 Figura 17: Criterios para obtener un conjunto de puntos de interpolacin

Figura 18: Interpolacin por media ponderada por el inverso de la distancia

23
 Figura 19: Interpolacin por kriggeado

2.2.4 Interpolacin local por splines

El mtodo de los splines ajusta funciones polinmicas en las que las variables independientes son X e Y. Es
similar a una interpolacin global mediante regresin, pero ahora esta interpolacin se lleva a cabo localmente.
En general producen resultados muy buenos con la ventaja de poder modificar una serie de parmetros en
funcin de la estructura de variacin local de los datos.
La tcnica de splines consiste en el ajuste local de ecuaciones polinmicas en las que las variables indepen-
dientes son X e Y. La forma de la superficie final va a depender de un parmetro de tensin que hace que el
comportamiento de la superficie interpolada tienda a asemejarse a una membrana tensa o aflojada.
La ventaja fundamental del mtodo de splines respecto a los basados en medias ponderadas es que, con estos l-
timos, los valores interpolados nunca pueden ser ni mayores ni menores que los valores de los puntos utilizados
para interpolar. Por tanto resulta imposible interpolar correctamente mximos y mnimos. En la figura 21 pode-
mos ver como el mtodo de splines genera en este caso una estimacin mucho mejor, al menos visualmente, de
los datos que se presentaron en la figura 14.

2.2.5 Interpolacin local mediante TIN

Las Redes Irregulares de Tringulos (TIN son las iniciales en ingls) se generan a partir de valores puntuales
tratando de conseguir tringulos que maximicen la relacin rea/permetro, el conjunto de todos los tringulos

24
Figura 20: Comparacin de resultados con medias ponderadas y con splines

25
 Figura 21: Interpolacin por splines

forma un objeto geomtrico denominado conjunto convexo. Suelen utilizarse como mtodo para representar
modelos de elevaciones (y producen resultados visualmente muy buenos) sin embargo a la hora de integrarlos
con el resto de la informacin raster es necesario interpolar una capa raster a partir de los tringulos (figuras 22
y 23).
Cada uno de los tres vrtices de los tringulos tienen unos valores X, Y y Z a partir de los cuales puede
obtenerse un modelo de regresin Z = AX + BY + C que permite interpolar la variable Z en cualquier punto
del rectngulo.
En definitiva puede asimilarse a un mtodo de media ponderada ya que el resultado siempre va estar acotado
por los valores mximo y mnimo de Z en los vrtices del tringulo y ser ms parecido al del vrtice ms
cercano.
El resultado final de una interpolacin TIN es similar a los de media ponderada aunque sin la aparicin de
artefactos circulares. Sin embargo, al ser la estimacin en cada celdilla un punto en un plano inclinado (cada
uno de los tringulos), el valor de Z ser siempre una media ponderada por el inverso de la distancia (sin
exponente) de los valores de Z situados en los vrtices. La particularidad es que siempre se cogen 3 puntos
localizados de tal manera que se cubre el mximo de direcciones posibles.
La figura 24 muestra los resultados de una interpolacin TIN a partir de los datos presentados en la figura 14.

26
 Figura 22: Red Irregular de Tringulos formando un conjunto convexo

2.2.6 Validacin y validacin cruzada

Para verificar la calidad de un mapa interpolado debe utilizarse un conjunto de validacin formado por una serie
de puntos de muestreo (de los que por tanto se conoce el valor real) en los que se va a hacer una estimacin
de dicho valor real (sin utilizar por supuesto el valor medido en ellos). La diferencia entre el valor medido y el
estimado es el error de estimacin en ese punto. De este modo a cada punto de validacin se asigna un error. El
conjunto de los errores debe tener las siguientes caractersticas:

1. Media de errores y media de errores al cuadrado prxima a cero

2. Los valores de error deben ser independientes de su localizacin en el espacio y no estar autocorrela-
cionados

3. La funcin de distribucin de los errores debe aproximarse a la distribucin normal

El problema es que en muchos casos se dispone de pocos puntos de muestreo, por lo que no resulta conveniente
reservar algunos de ellos como puntos de validacin, la alternativa es el procedimiento de validacin cruzada.
Este consiste en la estimacin del valor de la variable Z, con el procedimiento de interpolacin que quiere
validarse, en cada uno de los puntos de muestreo, aunque sin incluir dicho punto de muestro. De esta manera
se conoce para cada punto de muestreo tanto el valor real como el valor estimado de forma que puede llevarse
a cabo el anlisis estadstico de errores antes mencionado.

27
Figura 23: Interpolacin dentro de uno de los tringulos de un TIN

28
 Figura 24: Interpolacin mediante Red Irregular de Tringulos

2.2.7 Combinacin de diferentes mtodos

Generalmente se asume que la distribucin espacial de una variable cuantitativa est condicionada por la suma
de tres procesos:

Una tendencia a escala global y que por tanto puede modelizarse mediante mtodos de interpolacin
global

Una variacin local autocorrelacionada que puede modelizarse mediante mtodos locales

Un conjunto de factores indeterminados y errores de medida que se agrupan en un trmino final de error

La lluvia recogida durante un episodio de precipitacin concreto puede servir como ejemplo. En primer lugar
la dispoisicin de los frentes de lluvia puede dar lugar a una tendencia global por la que la precipitacin vara
en funcin de las coordenadas X e Y; en segundo lugar la dinmica de los nucleos convectivos (nubes de tor-
menta) genera una variabilidad autocorrelacionada, a una escala ms detallada, que se superpone a la tendencia;
finalmente diversos factores aleatorios introducen una ltima fuente de variabilidad dificil de modelizar.
La tcnica ms habitual para interpolar las variables resultantes, es utilizar en primer lugar un procedimiento
global, a ser posible fundamentado en bases fsicas. Por ejemplo, la temperatura disminuye con la altitud, por
tanto si se dispone de un mapa de elevaciones y temperaturas medidas en observatorios de altitud conocida

29
resulta sencillo estimar un modelo de regresin y aplicarlo posteriormente con las tcnicas de lgebra de mapas
vistas en temas anteriores. En el caso de propiedades del suelo, estas van a depender del tipo y uso de suelo,
por lo que un procedimiento de clasificacin va a dar buenos resultados.
Una vez que se ha aplicado un mtodo global, deben analizarse los residuales, es decir las diferencias en-
tre los valores originales medidos y los valores estimados por el mtodo. Si estos residuales no cumplen las
condiciones expuestas en el apartado anterior (especialmente si se comprueba que no son espacialmente ide-
pendientes) debera procederse a utilizar mtodos locales para la interpolacin de estos residuales ya que resulta
obvio que existe una estructura de variacin espacial local independiente de la estructura general modelizada
mediante mtodos globales.

2.3 Algebra de mapas

Para que un SIG pueda utilizarse en modelizacin ambiental el usuario debe ser capaz de trabajar con repre-
sentaciones simblicas de las variables espaciales utilizando un lenguaje que permita combinarlas en opera-
ciones aritmticas, lgicas o geomtrica y que incuya funciones tpicas utilizadas en modelizacin. Es decir
debe existir un lenguaje. Este lenguaje debe permitir la creacin de nuevos atributos para objetos existentes y
la creacin de nuevos objetos.
Berry (1993) concibe a un SIG como un entorno que nos ofrece un conjunto de operaciones analticas primitivas
similar al de la estadstica o el lgebra. Estas operaciones constituyen los elementos bsicos de este lenguaje.
El lgebra de mapas incluye un amplio conjunto de operadores aritmticos y lgicos que se realizan sobre una
o varias capas raster de entrada para producir una capa raster de salida. Por operador se entiende un algoritmo
que realiza una misma operacin en todas las celdillas de una capa raster. Estos operadores se definen mediante
ecuaciones, por ejemplo el operador B = A 100 genera una nueva capa (B) asignando a cada celdilla el
valor de la celdilla correspondiente multiplicado por 100. (figura 25). Se trata de operaciones entre capas raster
completas, cada una de ellas es una matriz de nmeros y la operacin se realiza para todos los nmeros de la
matriz, por tanto para todas las celdillas de la capa raster.
Pueden definirse infinitos operadores, aunque normalmente se clasifican (Tomlin, 1990) en funcin de las celdil-
las implicadas en el clculo en:

Operadores locales

Operadores de vecindad

Operadores de area

Operadores de area extendida

2.3.1 Operadores locales

Los operadores locales generan una nueva capa a partir de una o ms capas previamente existentes. Cada
celdilla de la nueva capa recibe un valor que es funcin de los valores de esa mismo celdilla en las dems capas.

30
 Figura 25: Operador local aritmtico

Zmx,y = f (Z1x,y , Z2x,y , .., Znx,y ) (3)

la funcin representada por f () puede ser aritmtica, lgica o una combinacin de ambas.
El caso ms simple de operador local de tipo lgico es la reclasificacin o clculo del nuevo valor a partir del
valor de la misma celdilla en otra capa (figura 26) en base a un conjunto de reglas sencillas de reclasificacin.
Un ejemplo de reclasificacin sera la creacin de mapas de diversas propiedades del suelo a partir de un mapa
de suelos y de una tabla en la que a cada suelo se le asignara un conjunto de valores caractersticos de dichas
variables.
En cuanto a operadores de tipo aritmtico (figura ??), puede tratarse de operaciones sencillas como la multipli-
cacin por 100 de una capa de altitudes en metros para obtener una capa de altitudes en centmetros o la suma
de 12 capas de precipitacin mensual para obtener una capa de precipitacin anual. Sin embargo se admiten
casos ms complejos utilizando varias capas y coeficientes para obtener ndices de diverso tipo.

2.3.2 Operadores de vecindad

Los operadores de vecindad adjudican a cada celdilla un valor que es funcin de los valores de un conjunto
de celdillas contiguas, en una o varias capas. El conjunto de celdillas contiguas a la celdilla X ms ella misma
constituye una vecindad. Generalmente se trabaja con vecindades de forma cuadrada y tamao variable, el
tamao se define como el nmero de celdillas que hay en el lado del cuadrado, siempre un nmero impar (3, 5,
7, etc.).
Los ejemplos ms habituales de operador de vecindad son el filtrado de capas utilizado en anlisis de imgenes
de satlite o de fotografas areas digitalizadas , los operadores estadsticos empleados para estimar estadsticos

31
 Figura 26: Reclasificacin

en el entorno de una celdilla, y los operadores direccionales.

Los operadores direccionales son un tipo de operador de vecindad que permiten estimar un conjunto de parmet-
ros relacionados con la ubicacin de los diferentes valores dentro de la vecindad. Su utilidad primordial es el
anlisis de Modelos Digitales de Terreno (pendiente, orientacin, curvatura, etc.).

2.3.3 Operadores de vecindad extendida, operadores extendidos

Son aquellos que afectan a zonas relativamente extensas que cumplen determinado criterio pero cuya local-
izacin precisa no se conoce previamente. Por tanto el operador (programa) debe determinar previamente cual
es el rea que cumple dichas caractersticas. Entre los casos ms habituales estn:

1. Areas situadas a una distancia, inferior a un valor umbral, de un objeto definido por una o varias celdillas.
Se genera as una zona tampn (buffer). El resultado sera una capa en la que se codificara de un modo
el objeto de otro modo el rea tampn y de un tercero el rea exterior al tampon (figura 27).
Siguiendo con el ejemplo anterior, la especie a reintroducir puede requerir la presencia de una superficie
de agua a una distancia determinada. Este operador permitir discriminar cuales son las celdillas que
cumplen esta condicin.

2. Lineas de flujo y cuencas de drenaje (figura 28). A partir del operador de direccin de drenaje visto
anteriormente, puede construirse otro que de modo recursivo genere la linea de flujo que seguira un
volumen de agua depositado sobre el territorio. La unin de todas las lineas de flujo que coinciden a un
punto constituye la cuenca de drenaje de ese punto. Dada un celdilla, incluye todas las que drenan a este.
Se trata de un operador fundamental en el desarrollo de modelos hidrolgicos.

32
Figura 27: Operador extendido. Clculo de distancias

33
 Figura 28: Operador extendido. Clculo de lineas de flujo y cuencas

2.3.4 Operadores de rea

Son aquellos que calculan algn parmetro (superficie, permetro, ndices de forma, distancias, estadsticos)
para una zona previamente conocida. Puede tratarse de diferentes niveles de una variable cualitativa (superficies
con diferente litologa por ejemplo) o digitalizada e introducida por el usuario.
Uno de los casos ms habituales es la obtencin del valor medio de una variable cuantitativa para diferentes
valores de una variable cualitativa (figura 29). Por ejemplo obtener la altitud media para cada tipo de uso de
suelo a partir de un mapa de elevaciones y de otro de usos del suelo. Otro caso sera el clculo de la superficie
ocupada por cada uno de los usos del suelo.

2.3.5 Propagacin de errores en lgebra de mapas

Toda operacin de lgebra de mapas implica la estimacin de una variable a partir de otras, por tanto implica
la existencia de errores.
Los errores pueden proceder de las fuentes u originarse en el proceso de digitalizacin y posterior procesado de
los datos. Adems los errores pueden propagarse y aumentar al llevar a cabo operaciones con los datos. Sera
deseable que las fuentes de los datos informaran acerca de los errores esperables en los datos.
La digitalizacin supone errores en la localizacin de los objetos digitalizados. Un error de digitalizacin de un
milmetro en un mapa 1:50.000 supone un error de 50 metros que se aade al propio error de partida del mapa.
Algunos de los operadores previamente tratados tienen capacidad para propagar y multiplicar la magnitud de
los errores. Si una pendiente tiene un error de + 5% y elevamos al cuadrado un valor de 20, el resultado

34
 Figura 29: Altitud media por reas

estar entre 225 y 625 con lo que la indeterminacin aumenta de forma considerable.

2.3.6 Implementacin del lgebra de mapas en los SIG

Los primeros programas de SIG incorporaban mdulos para los operadores ms comunes (pendiente, ori-
entacin, aritmtica). Con el tiempo se fueron desarrollando mdulos de propsito general que permitan es-
tablecer operadores locales simples, operaciones matemticas entre mapas o con un slo mapa; mientras que
los operadores de vecindad o rea ms comunes seguan realizndose en mdulos aparte debido a su dificultad.
Las ltimas versiones de los SIG ms avanzados como GRASS disponen de un mdulo que es prcticamente
un lenguaje de programacin que permite realizar operaciones locales, de vecindad, de vecindad extendida o
de rea. Los operadores de vecindad extendida ms complejos (cuencas de drenaje o cuencas visuales) siguen
realizndose en mdulos aparte ya que son difciles de programar y siguen unos esquemas muy poco flexibles
que siempre se van a programar igual.
En el Departamento de Geografa de la Universidad e Utrech se ha desarrollado PCRaster. Se trata de un SIG
relativamente barato que es exclusivamente un interprete de un lenguaje de lgebra de mapas muy potente que
incluye operadores de vecindad extendida muy potentes y fciles de programar. Se utiliza fundamentalmente
en estudios de tipo hidrolgico y geomorfolgico.

2.3.7 El lgebra de mapas como lenguaje

El uso del lgebra de mapas supone la superacin de la fase inicial de presentacin y consulta de datos en
un SIG e iniciar un uso ms avanzado (anlisis, modelizacin de procesos, toma de decisiones, etc.). Uno
de los conceptos fundamentales e lgebra de mapas es el de operador entendiendo como tal cada una de las
operaciones (ms o menos complejas) que a partir de una o ms capas de entrada y texto producen una o ms
capas de salida o incluso salida en formato texto (figura 30).

35
 Figura 30: Ejemplos del concepto de operador

Pusto que los operadores de lgebra de mapas toman una o varias capas de entrada y producen una capa
de salida, el anlisis SIG puede concebirse como una especie de mecano lgico mediante el cual diferentes
piezas (operadores) se ensamblan formando anlisis complejos que, en definitiva, consituyen nuevos macroop-
eradores.
El desarrollo de un proyecto SIG consistira de esta manera en la divisin sucesiva de un problema en subtareas
cada vez ms simples hasta el momento en que cada una de estas subtareas pudiera expresarse como un operador
de lgebra de mapas (figura 30 parte baja); este es el concepto fundamental del trabajo con un SIG. Por tanto
el lgebra de mapas se convierte en un lenguaje de programacin y el trabajo con un SIG en el desarrollo de
algoritmos.
Una vez que se ha explicitado un determinado trabajo en SIG como una serie de ordenes escritas en el lenguaje
formal del lgebra de mapas lo que tenemos es un programa con todas las de la ley. Por tanto podemos escribirlo
en un fichero y utilizarlo con otra base de datos diferente. Evidentemente para hacer esto necesitamos un SIG
basado en comandos, es decir basado en un lenguaje.

36
3 Modelos de datos para el anlisis y la cartografa de riesgos

3.1 Modelos de datos climticos

La recogida de datos meeorolgico-climticos se ha hecho tradicionalmente en observatorios fijos. La propia

definicin de clima exige disponer de una serie temporal suficientemente larga para poder considrerarla como
significativa. Por tanto, el estudio de datos climticos se ha hecho mediante el anlisis de series temporales.
Apesar de que estas series tienen una ubicacin espacial, es preferible almacenarlas en una base de datos debido
a las limitaciones de los SIG para trabajar con la componente temporal. Una estructura de datos adecuada, para
evitar repeticiones innecesarias de informacin, sera mantener en una tabla la informacin referente a los
observatorios y en otras las referidas a las diferentes series temporales manejadas. En la figura 31 aparece
un ejemplo y en la figura 32 el resultado de una consulta en la que se pide a la base de datos que devuelva
las coordenadas del observatorio y la precipitacin en ese observatorio en una determinada fecha. Se puede
comprobar en la figura 31 que existe un campo comn que es el que permite relacionar ambas tablas.

Figura 31: Tablas de observatorios y datos meteorolgicos

Figura 32: Resultado de una consulta para obtener un mapa de puntos de precipitacin

37
El resultado de la consulta es en definitiva un mapa de puntos que puede visualizarse (figura 14), analizarse
para determinar la existencia de factores que puedan ayudar a la interpolacin (figura 16) o interpolarse (figuras
16 a 24).
Hoy en da se dispone de sensores remotos de diverso tipo que permiten captar imgenes con las que hacer
estimaciones ms o menos precisas de diversas variables climticas y su variacin espacial en un momento
concreto. Los satlites meteorolgicos (Meteosat, NOAA) y los radares meteorolgicos se han utilizado para
hacer estimaciones de la precipitacin, sin embargo requieren un trabajo de calibracin importante con datos
de pluvigrafo para poder dar estimaciones fiables.
La estructura de la informacin proporcionada por estos sensores es siempre en formato raster por lo que es
fcilmente incorporable a un SIG. Su anlisis se basa en operadores de lgebra de mapas:

Operadores de vecindad para filtrar la imagen y resaltar determinados aspectos de la misma

Operadores locales, ndices que permiten obtener variables climticas a partir de la reflectividad medida
por el sensor

Visible Infrarrojo trmico Vapor de agua

Figura 33: Imgenes de cada uno de los canales del satlite Meteosat

Los estudios de riego suelen basarse en el concepto de perodo de retorno. En el caso de precipitaciones inten-
sas, avenidas e inundaciones se determina en primier lugar cual es la lluvia mxima esperable en 24 horas y
posteriormente se descompone en un yetograma de diseo (Ferrer Polo, 2000).

3.2 Modelos de datos topogrficos

Uno de los elementos bsicos de cualquier representacin digital de la superficie terrestre son los Modelos
Digitales de Terreno (MDT). Constituyen la base para un gran nmero de aplicaciones en ciencias de la Tierra,
ambientales e ingenieras de diverso tipo. El anlisis de MDT y su aplicacin en modelos hidrolgicos y climti-
cos ha sido objeto de nmerosos trabajos (Felicisimo, 1994; 1999; Olaya Ferrero, 2004; Weibel & Heller, 1991;
Wood, 1996).

38
Se denomina MDT al conjunto de mapas que representan distintas caractersticas de la superficie terrestre
derivadas de un mapa de elevaciones (Modelo Digital de Elevaciones, MDE). Algunas definiciones incluyen
dentro de los MDT prcticamente cualquier variable cuantitativa regionalizada. Siguiendo la primera de estas
aproximaciones se va a considerar al MDE como la pieza clave de un MDT de la que se derivan todas las dems
y, por tanto, aquella que va a requerir ms atencin en su obtencin.

3.2.1 Estructuras de codificacin de la elevacin

Un Modelo Digital de Elevaciones puede representarse de forma genrica mediante la ecuacin:

z = f (x, y) (4)

que define un campo de variacin continua. La imposibilidad de resolver la ecuacin anterior para todos los
puntos del territorio obliga a definir elementos discretos sobre el mismo que permitan simplificar la codificacin
de la elevacin. Las ms habituales son:

Curvas de nivel, se trata de lineas, definidas por tanto como una sucesin de pares de coordenadas, que
tienen como identificador el valor de la elevacin en cada unos de los puntos de la linea. Generalmente
el intervalo entre valores de las curvas de nivel es constante.

Red Irregular de Tringulos (TIN),a partir de un conjunto de puntos, en los que se conoce la elevacin,
se traza un conjunto de tringulos. En principio pueden formarse tringulos a partir de puntos extraidos
de la misma curva de nivel, pero al tener el mismo valor daran lugar a tringulos planos. Tienen entre
sus ventajas el adaptarse mejor a las irregularidades del terreno, ocupar menos espacio y dar muy buenos
resultados a la hora de visualizar modelos en 3D. Entre los inconvenientes destaca un mayor tiempo de
procesamiento y el resultar bastante ineficientes cuando se intenta integrarlos con informacin de otro
tipo.

Formato raster, es el ms adecuado para la integracin de las elevaciones en un SIG ya que va a permitir
la utilizacin de diversas herramientas para la obtencin de nuevos mapas a partir del MDE; por tanto va
a ser el que se trate en este tema.

3.2.2 La construccin del MDE

Existen diversos mtodos para construir un MDE:

Mtodos directos mediante sensores remotos:

Altimetra, altmetros transportados por aviones o satlites que permiten determinar las diferencias
de altitud entre la superficie terrestre y el vehculo que transporta el altmetro (que se supone con-
stante). El inconveniente es la baja resolucin (celdillas muy grandes) de los datos y su sensibilidad
a la rugosidad del terreno. Por ello se limita al seguimiento de hielos polares.

39
 Radargrametra o interferometra de imgenes radar. Un sensor radar emite un impulso electro-
magntico y lo recoge tras reflejarse en la superficie terrestre, conociendo el tiempo de retardo del
pulso y su velocidad puede estimarse la distancia entre satlite y terreno. En 1999 la NASA inici
el proyecto SRTM (http://www2.jpl.nasa.gov/srtm/) para elaborar un mapa topogrfico de toda la
Tierra a partir de interferometra radar.

Mtodos directos sobre el terreno:

Topografa convencional, estaciones topogrficas realizadas en el campo mediante dispositivos

que permiten la grabacin de datos puntuales que se interpolan posteriormente.
Sistemas de Posicionamiento GPS, sistema global de localizacin mediante satlites, que permite
estimaciones suficientemente precisas de latitud, longitud y altitud de un punto, posteriormente
deben interpolarse los datos.

Mtodos indirectos:

Restitucin fotogramtrica a partir de fuentes analgicas (fotografa area) o digitales (imgenes

de satlite). El paralaje2 de un punto en una fotografa area o imagen de satlite es proporcional a
la distancia del objeto respecto al fondo.
Digitalizacin de curvas de nivel de un mapa mediante escner o tablero digitalizador e interpo-
lacin de las mismas.

Los trabajos de campo son bastante precisos y su resolucin se decide a priori. Adems es posible adaptar el
muestreo a las condiciones y las irregularidades del terreno. EL principal inconveniente es su elevado coste en
tiempo y dinero. Slo resulta rentable cuando se quiere conseguir un MDE muy detallado de una porci de
terreno reducida.
La fotogrametra implica tambin un muestreo de puntos sobre los que calcular el paralaje, se trata sin em-
bargo de un muestreo en gabinete por lo que no resulta tan costoso. Existen dispositivos que convierten la
fotogrametra en un proceso semiautomticos sin embargo resultan bastante caros. Al final tras obtener las
elevaciones en una serie de puntos es necesario interpolar resultados.

3.2.3 Obtencin de variables derivadas

Un MDE no solamente contiene informacin explcita acerca de la altitud en un rea muestreada en diversos
puntos (modelo TIN) o celdillas (modelo raster) sino que tambin aporta informacin relativa a las relaciones
(distancia y vecindad) entre los diferentes valores de altitud. Ello permite el clculo, a partir de diversos proced-
imientos de lgebra de mapas, de nuevas variables topogrficas. En la figura 34 aparece el Modelo Digital de
Elevaciones de una pequea zona de poco ms de 2 Km2 situada un kilmetro al Sur de Pliego. El MDE se ha
hecho a partire de curvas de nivel a escala 1:5000 y se utilizar para presentar los diferentes mapas derivados.
2
movimiento aparente de un objeto sobre el fondo de la imagen cuando se observa desde dos puntos de vista diferentes. Un ejemplo
sencillo se obtiene al mirar un lpiz con uno y otro ojo sobre un fondo alejado. Cuando se mira con el ojo izquierdo el objeto parece
desplazarse a la derecha y viceversa.

40
Figura 34: Modelo Digital de Elevaciones

41
 Figura 35: Operador de vecindad, clculo de pendientes y orientaciones

La pendiente en un punto del terreno se define como el ngulo existente entre el vector normal a la superficie
en ese punto y la vertical. Su estimacin es sencilla a partir del MDE, aunque existen diferentes procedimientos
que dan lugar a diferentes resultados (cuando se trabaja con un programa es importante conocer cual es el
algoritmo que utiliza para calcular pendientes) entre los mtodos habituales estn:

Pendiente mxima de la celdilla central con respecto a los valores vecinos, adecuado para evaluacin de
la erosin

Pendiente media de la celdilla central con respecto a los valores vecinos

Pendiente en el sentido del flujo descendente, adecuado en celdillas correspondientes a cauces en aplica-
ciones de tipo hidrolgico

Ajuste de una superficie a los 9 valores de elevacin correspondientes a la celdilla central y sus 8 celdillas
vecinas

La orientacin (figuras 35 y 37) en un punto puede definirse como el ngulo existente entre el vector que
seala el Norte y la proyeccin sobre el plano horizontal del vector normal a la superficie en ese punto. Como
en el caso de la pendiente, el valor de orientacin se estima directamente a partir de los parmetros obtenidos
de ajustar una superficie cuadrtica a los nueve valores de la celdilla central y su entorno:

42
Figura 36: Mapa de pendientes

43
Figura 37: Mapa de orientaciones

44
 Figura 38: Operador de vecindad. Clculo de la direccin de flujo

3.3 Modelos de datos hidrolgicos

En los estudios de hidrologa computacional (Olaya Ferrero, 2004), resulta difcil establecer una separacin en-
tre obtencin de datos topogrficos y datos hidrolgicos. En el apartado anterior se ha finalizado presentando la
orientacin y la pendiente como operadores direccionales. Otro operador direccional es la direccin de drenaje,
se trata de determinar a cual de las 8 celdillas vecinas drenar la celdilla considerada. La solucin fcil es aplicar
el algoritmo D8 (OCallaghan y Mark, 1984), se trata de dirigir el flujo de forma determinista a la celdilla que,
estando situada a menor elevacin, siga la direccin de mxima pendiente. Existen otras posibilidades (Moore,
1996) como el algoritmo Rho8 que utiliza un procedimiento estocstico para asignar el flujo o los algoritmos
FD8 y FRho8 que permiten la difusin del flujo entre varias de las celdillas vecinas.
La direccin de flujo calculada con el algoritmo D8 representa la direccin hacia la que drenara un volumen
de agua situado sobre una celdilla. Puesto que toda celdilla est rodeada por otras 8, puede tomar 8 valores
diferentes (figuras 38 y 39).
Se denomina lnea de flujo al trayecto que, a partir de un punto inicial, seguira la escorrenta superficial sobre
el terreno
Las lneas de flujo siguen la lnea de mxima pendiente por lo que pueden deducirse del modelo digital de
pendientes con las nicas limitaciones que las derivadas de la calidad del MDE original.
A partir del trazado de las lneas de flujo es posible definir la red hidrolgica, el rea subsidiaria de una celda
y, por extensin, las cuencas hidrolgicas: Se define el rea subsidiaria de una celda como el conjunto de celdas
cuyas lneas de flujo convergen en ella; una cuenca hidrolgica est formada por el rea subsidiaria de una celda
singular, que acta como sumidero
La magnitud del rea subsidiaria de una celda del MDE est directamente relacionada con el caudal mximo
potencial, CMP, en el mismo. En efecto, el caudal que puede circular en un momento dado en un punto del
terreno depende, entre otros factores, de la magnitud del rea subsidiaria, de las precipitaciones sobre ella y de

45
Figura 39: Mapa de direccin del flujo

46
 Figura 40: Red de drenaje extraida por procedimientos automticos a partir del modelo de elevaciones.

la pendiente de la zona, que permite la circulacin con menor o mayor rapidez. En funcin de estos parmetros
es posible simular el CMP en un modelo digital del terreno.
Otra informacin de gran inters hidrolgico directamente extraible de un MDT son las redes de drenaje. Para
ello se parte de la hiptesis de que hay un valor umbral de rea subsidiaria por encima del cual el cauce en
cuestin puede considerarse como perteneciente a un cauce. Por tanto basta con reclasificar el mapa de reas
subsidiarias para asignar un valor 1 a aquellas celdillas con rea subsidiaria mayor que dicho umbral y valor 0 o
nulo a las restantes. Finalmente, si se quiere el mapa de redes de drenaje en formato vectorial se deber realizar
el correspondiente cambio de formato.
Las redes de drenaje extraidas con este procedimiento presentan algunas deficiencias (figura 40):

El que en una determinada celdilla se inicie un cauce depende no slo de su rea subsidiaria sino tambin
de las caracteristicas litolgicas e incluso de uso del suelo de la misma. Por tanto utilizar un slo valor
umbral para todo el rea de trabajo resulta bastante simplista.
Debido al algoritmo que genera las direcciones de flujo y los mapas de rea subsidiaria, los cauces
resultantes tienden a adoptar un carcter rectilineo

En muchos casos, es preferible trabajar con representaciones vectoriales de las redes de drenaje. Estas pueden
digitalizarse directamente utilizando las curvas de nivel presentes en los mapas topogrficos o vectorizarse a
partir de las redes de drenaje en formato raster generadas mediante el procedimiento antes mencionado. Pueden
obtenerse diferentes modelos de red de drenaje a partir de diferentes valores de rea vertiente umbral para
considerar que una celdilla es un cauce (figura 41).

47
 Figura 41: Red de drenaje automatizada de la Rambla Salada con diferentes valores umbral

Una vez que se tiene la red de drenaje digitalizada, la reconstruccin de las relaciones topolgicas entre los
diferentes tramos permite aplicar cualquier sistema de ordenacin de redes de drenaje (Horton, Strahler, etc.).
Para ello basta con construir una tabla en la que se anote para cada tramo cuales sonlos tramos aguas arriba y
cual es el tramo aguas abajo.
La aplicacin de un algoritmo de ordenacin de redes de drenaje (figura 42) va a a permitir la evaluacin au-
tomtica de diferentes parmetros, como la razn de bifurcacin, razn de longitud, longitus del cauce principal,
etc. (Chorley et al., 1984) que pueden utilizarse para caracterizar de manera global la red y calcular parmetros
de modelos hidrolgicos agregados.

3.4 Datos temticos

Se incluyen aqu aquellos datos de los que habitualmente se ha ocupado la cartografa temtica. Se trata de
mapas de variable cualitativa por lo que pueden almacenarse tanto en formato raster como vectorial.

3.4.1 Usos de suelo

Aunque existen mapas publicados de usos de suelo, e incluso los mapas topogrficos incluyen este tipo de
informacin en sus yeyendas, se trata de una variable con una variabilidad temporal tan alta que los mapas
quedan rpidamente obsoletos, quizs incluo antes de su publicacin. La solucin al problema vendra dada

48
 Figura 42: Red de drenaje de la Rambla Salada. Ordenacin de Horton

por la utilizacin de mapas de suelos obtenidos por tcnicas de teledeteccin a partir de satlites dedicados al
anlisis de recursos naturales como los de la serie landsat (figura 43).
Las diversas tcnicas de clasificacin utilizadas han tenido siempre el problema de las bajas resoluciones es-
pectral (nmero de bandas) y radiomtricas (nmero de niveles de reflectividad observables). Hoy en da han
empezado a lanzarse satlites con una capacidad prospectiva mayor por lo que en el futuro cabe esperar una
clasificacin mucho ms exacta y rpida de las imgenes. La clasificacin de imgenes de satlite debe siempre
apoyarse, en todo caso, en trabajo de campo.
Uno de los problemas de los mapas de uso de suelo obtenidos a partir de imgenes de satlite es la relativamente
baja capacidad de discriminacin que se limita a unas pocas categoras generales de uso del suelo (figura 44)

3.4.2 Mapas litolgicos

Al contrario que el caso anterior, la informacin litolgica puede considerarse invariante con el tiempo. El
ITGME ha publicado mapas geolgicos a escala 1:50000 de casi toda Espaa. Sin embargo estos mapas no se
encuentran disponibles en formato digital. No obstante pueden escanearse y georreferenciarse, casi todos los
programas de SIG disponen de los mdulos apropiados para hacerlo.

49
 Figura 43: Imagen landsat. Embalse de puentes, valle del Guadalentn y la ciudad de Lorca

3.4.3 Mapas de suelos

Estos mapas suelen ser ms difciles de conseguir. El antiguo ICONA a travs del Proyecto LUCDEME public
varios mapas de suelo del Sureste ibrico a escala 1:50000 (aunque la edicin se hizo a escala 1:100000).
Recientemente, la Consejera de Agricultura Pesca y Medio Ambiente de la Comunidad Autnoma de la Regin
de Murcia ha publicado en formato digital las correspondientes a la Regin. Esta publicacin incluye diversas
tablas con las propiedades de los diferentes polgonos de suelo, perfiles y muestras de capa arable. Tanto los
perfiles como las muestras de capa arable se guardan en una base de datos acompaadas de sus correspondientes
coordenadas, por lo que resulta sencillo obtener un mapa de puntos de cada una de las varibales medidas e
interpolarla.
Se trata de una informacin de gran inters en cualquier trabajo acerca del riesgo de inundacin ya que permite
hacer una buena caracterizacin de las propiedades fsicas e hdricas del suelo para estimar su capacidad de
infiltracin. Una vez que se dispone de mapas raster interpolados de las diferentes variables de inters basta
con utilizar un modelo de infiltracin basado en parmetros que puedan calcularse mediante operadores locales
a partir de estas capas. Los mtodos de Green-Ampt o del nmero de curva (figura 45) son buenos ejemplos
(Tragsa-Tragsatec, 1998).
Una posibilidad ms sencilla sera reclasificar (operador local) el mapa de suelos asignando a cada tipo de suelo
un valor medio de determinada variable recopilado en la bibliografa.

50
4 Modelos de procesos

4.1 Modelos de radiacin y evapotranspiracin

La radiacin solar incidente sobre la superficie de la Tierra es resultado de un complejo de interacciones entre
la atmsfera y la superficie terrestre. La topografa es el principal factor, a escala local, que condiciona la
energa solar incidente sobre la superficie terrestre. La variedad de altitudes, pendientes y orientaciones crean
fuertes contrastes locales que afectan directa e indirectamente a procesos biolgicos y fsicos. Algunos de
estos factores son modelizables con los MDT. As la radiacian incidente sobre una determinada celdilla Ri es
funcin de la radiacin que alcanzara a una celdilla perpendicular a la direccin de los rayos solares Rs por un
factor corrector que es funcin de la inclinacin de los rayos solares sobre el horizonte h y de la pendiente s y
orientacin a de la celdilla:

Ri = Rs (cos(h)sen(s)cos(a) + sen(h)cos(s)) (5)

Pendiente y orientacin se obtienen del MDE y la altura del sol sobre el horizonte como:

h = arcsen(sen()sen(L) + cos(L)cos(w)cos()) (6)

donde L es la latitud, w el ngulo horario y la declinacin en cuyo clculo interviene el da del ao. En la
estimacin de Rs se debe tener en cuenta la atenuacin de la radiacin por absorcin atmosfrica.
Otro efecto a tener en cuenta es la existencia de zonas de sombra es una variable de gran inters en regiones
montaosas, donde el relieve puede ser el factor determinante ms importante del clima local. Se define la
insolacin potencial en un punto como el tiempo mximo que ese lugar puede estar sometido a la radiacin
solar directa en ausencia de nubosidad. La insolacin potencial depende directamente del ngulo de incidencia
del sol respecto a la superficie terrestre y del ocultamiento topogrfico ante una trayectoria concreta del Sol.
Los mdulos de SIG que modelizan la radiacin incidente suelen permitir obtener mapas de ngulo solar para
un instante determinado, arcsen(cos(h)sen(s)cos(a) + sen(h)cos(s)), o integrar la radiacin total recibida
durante un perodo de tiempo y expresada en unidades energa partido por espacio. perodos de tiempo mayores
de tiempo mayores.
El ngulo solar resulta adems de utilidad en aplicaciones relacionadas con la teledeteccin (correccin por
iluminacin y clculo de reflectividades). En cuanto a la radiacin recibida se utiliza en:

1. Modelos de estimacin de variables climticas (temperatura, evapotranspiracin)

2. Modelos de distribucin potencial de especies animales o vegetales

51
4.2 El Hidrograma Unitario Geomorfolgico. Un modelo agrgado

Se trata de un modelo desarrollado por Rodriguez Iturbe (1993) que utiliza el mtodo del Hidrograma Uni-
tario pero utilizando un conjunto de ndices geomorfolgicos para calibrarlo. De esta manera no es necesario
disponer de datos de aforos para su aplicacin.
El Hidrograma Unitario es la respuesta de una cuenca a una precipitacin uniforme, efectiva (es decir lluvia
que cae con igual intensidad en toda la cuenca y produce slo escorrenta rpida) y que adems es de valor
unitario. (Tragsa-Tragsatec, 1998). Esta respuesta se prolonga ms o menos en el tiempo, en funcin de las
caractersticas de la cuenca, y se define:

t et/k
h(t) = GU H(t) = ( )1 (7)
k k()
Si la precipitacin instantanea fuera de un volumen cualquiera (v), en lugar de unitaria, el hidrograma resultante
sera

H(t) = vh(t) (8)

Si la precipitacin, en lugar de instantanea, se prolonga a lo largo de una serie de intervalos discretos (formando
un yetograma), el hidrograma resultante puede calcularse mediante un procedimiento de convolucin siempre
que se haya utilizado la misma discretizacin temporal en el yetograma que en el hidrograma unitario:

t
X
H(t) = v(i)h(t i + 1) (9)
i=1

La hiptesis del Hidrograma Unitario Geomorfolgico permite estimar los parmetros de h(t) a parir de una
serie de parmetros geomorfolgicos:

RB Indice de bifurcacin de Horton

RA Indice de areas

RL Indice de longitudes

L Longitud en el cauce principal

y de la velocidad en el cauce principal

RB 0 0.07
= 3.29( ) .78RL (10)
RA

RA
k = 0.7( )0 .48L v 1 (11)
(RB RL )

52
Por tanto el parmetro k depende de la velocidad del flujo en el cauce principal, se tratra de un parmetro de
muy difcil estimacin y variable con el tiempo. Para solventar este problema se ha utilizado una aproximacin
diferente:
Rosso (1984) propone utilizar como estimacin de k:

tl
k= (12)

donde tl es el tiempo de retardo y el parmetro de forma del Hidrograma Unitario Geomorfolgico.
Este modelo fue aplicado en un proyecto de deteccin y cartografa de reas susceptibles de inundacin que re-
aliz el Instituto del Agua y del Medio Ambiente de la Universidad de Murcia en colaboracin con la Direccin
General de Proteccin Civil de la Comunidad Autnoma de la Regin de Murcia.
Para su aplicacin, se desarrollo un mdulo especfico para GRASS v.GUHs que muestra en pantalla la red de
drenaje requerida. El usuario, tras pinchar en uno de sus tramos, obtiene (utilizando los algoritmos detallados
anteriormente) la reconstruccin de la cuenca y de la red de drenaje tributaria de este tramo, su ordenacin
por los criterios de Strahler y los parmetros necesarios para aplicar el mtodo del Hidrograma Unitario Geo-
morfolgico. Al mismo tiempo se obtiene un valor de nmero de curva y valores de precipitacin mxima en
la cuenca para los perodos de retorno considerados. Estos valores se calculan a partir de los valores medios
registrados en las celdillas pertenecientes a las cuencas.
Con estos valores se entra en otro mdulo programado para R. R es un entorno para el anlisis estadstico que
proporciona un gran nmero de tcnicas estadsticas y grficas, as como un lenguaje con el que resulta sencillo
programar modelos matemticos.
Este programa es el encargado de llevar a cabo:

Creacin del yetograma de la tormenta de diseo

Clculo de la precipitacin efectiva

Estimacin de los parmetros del Hidrograma Unitario Geomorfolgico

Convolucin y obtencin de los caudales mximos para 50, 100 y 500 aos.

Seleccionando los tramos que afectan a cada uno de los nucleos de poblacin considerados se obtiene un
hidrograma de avenida para cada uno de ellos.
En la figura ?? aparece la cuenca de la Rambla del Ramonete, mientras que en la figura 48 aparece el resultado
de seleccionar el punto, Ermita de Ramonete, para el que se quiere llevar a cabo un anlisis hidrolgico. La
seleccin de este punto implica al mismpo tiempo la reconstruccin de toda su cuenca vertiente que acta como
mscara para obtener un mapa de Nmero de Curva y de precipitacin para determinados perodos de retorno
(figuras 50 y 51). La integracin de toda esta informacin permite generar un yetograma de perodo de retorno,
modelizar la infiltracin para obtener un yetograma de precipitacin efectiva; generar el Hidrograma Unitario
Geomorfolgico y hacer la convolucin para obtener hidrogramas de diseo (figura 51).

53
4.3 Modelos hidrolgicos distribuidos de tipo fsico

El flujo de agua y materiales en el espacio y a travs del tiempo, es gobernado por una serie de principios
bsicos.

Conservacin de la masa (ecuacin de la continuidad):

Q A
+ =q (13)
x t
Conservacin del momento (segunda ley de Newton) que en su forma simplificada puede escribirse:

A = Q (14)

Conservacin de la energa: Primera ley de la termodinmica

E = Ic W (15)

Dejando al margen la conservacin de la energa, el proceso queda simplemente regido por dos ecuaciones
que se pueden integrar en un nico modelo. En estas ecuaciones, Q es el caudal, A es el rea de la seccin
mojada, t el intervalo de tiempo, x el intervalo espacial equivalente a la resolucin o tamao de la celdilla.
Finalmente, y son dos parmetros que dependen del tipo de formulacin que se emplea para relacionar
caudal con rea de la seccin mojada. Si se emplea la formulacin de Manning:

nP 23 3/5
=( ) (16)
1.49 S

= 3/5 (17)
A
Diferenciando la ecuacin 14 y sustituyendo t por su equivalente segn la ecuacin 13 se obtiene:

Q Q
+ abQb1 =q (18)
x t
Esta ecuacin corresponde al modelo de onda cinemtica, una simplificacin de las ecuaciones de SaintVenant
(Chow et al., 1984) y puede resolverse mediante un procedimiento de diferencias finitas haciendo las siguientes
sustituciones:

Q Qj+1,i+1 Qj+1,i
= (19)
x x

Q Qj+1,i+1 Qj,i+1
= (20)
t t

54
 Qj+1,i + Qj,i+1
Q= (21)
2

qj+1,i+1 + Qj,i+1
q= (22)
2
Los subndices j e i hacen referencia a los diferentes intervalos temporales y espaciales, respectivamente, segn
el esquema de la figura 52. Esta representa una malla espacio-temporal que simboliza el proceso de resolucin
del modelo de modo que el cauda en el punto j + 1, i + 1 se resuelve a partir de los valores ya conocidos en
j, i + 1, j + 1, i y j, i. Esta resolucin requiere conocer:

Las condiciones iniciales, es decir el valor de caudal en todos los puntos i cuando j = 0.

Las condiciones de contorno o hidrograma de entrada al sistema, es decir el valor del caudal en i = 0
para todo j

Las entradas al sistema (precipitacin efectiva), es decir los valores de q para todo i y j

Sustituyendo y despejando para Qj+1,i+1 se obtiene:

t Qj,i+1 +Qj+1,i 1 q +q
( x Qj+1,i + Qj,i+1 ( 2 ) + t( j+1,i+12 j,i+1 ))
Qj+1,i+1 = Qj,i+1 +Qj+1,i 1
(23)
t
x + ( 2 )

Este algoritmo asume un cauce lineal que se divide en intervalos discretos, en el caso de una cuenca tenemos
una cuenca bidimensional, pero puesto que cada celdilla recibe el flujo de sus celdillas tributarias (figura 53),
el valor de Qj,i y Qj+1,i se calcula como la suma de los caudales de las celdillas tributarias
t
El inverso del parmetro x equivale a la mxima velocidad que puede alcanzar el flujo para que la resolucin
del modelo conserve la estabilidad. Se trata de la condicin de Courant que establece que:

x
Vmax < x > Vmax t (24)
t

ya que en otro caso el sistema se vuelve inestable. Una forma intuitiva de entenderlo es que si no se cumpliese
se dara la paradoja de que Vmax t, que es el espacio recorrido por un determinado volumen de agua entre dos
intervalos de tiempo del modelo, sera mayor que x y por lo tanto el agua habra saltado de una celdilla a otra
sin pasar por la intermedia.
La condicin de Couran implica que las escalas espaciales y temporales de los modelos fsicos estn uy vin-
culadas. Si se quiere trabajar con un modelo de elevaciones detallado, debe hacerse con intervalos temporales
bajos.

55
4.4 Modelos atmosfricos

El comportamiento de la atmsfera puede ser descrito como un sistema de ecuaciones diferenciales que de-
scriben el conjunto de fuerzas que actan sobre la atmdfera y la respuesta de esta. Para resolver el sistema es
necesario disponer de informacin acerca de las condiciones iniciales y de contorno. Las condiciones iniciales
hacen referencia a los valores e las diferentes variables implicadas al inicio de la simulacin, las condiciones de
contorno se refieren a las caractersticas de las superficies que limitan la atmsfera y que pueden actuar como
fuentes o sumideros, en este caso la superficie terrestre.
Las ecuaciones utilizadas son:

Conservacin de la velocidad

Conservacin de la energa

Conservacin de la masa (materia), y de cada uno de los componentes de la masa atmosfrica por sepa-
rado.

Puesto que se desarrolla en 3 dimensiones es necesario dividir el espacio en celdillas tridimensionales denomi-
nadas voxels que viene a ser algo as como pixel con volumen.
Los modelos atmosfricos presentan una gran variacin en cuanto a la escala, van desde modelos globales con
una resolucin de 400x400 Km a modelos de un kilmetro cuadrado o menos y de horas a siglos por lo que se
refiere a la escala temporal.
Aquellos procesos que ocurren a escalas ms detalladas que la resolucin del modelo se parametrizan. Esto
implica la utilizacin de modelos empricos para introducir las variables necesarias. Un ejemplo tpico son los
fenmenos termoconvectivos producto de la radiacin acumulada en superficies especialmente expuestas que
dan lugar a nubes de desarrollo vertical.
Las ecuaciones pueden resolverse con una aproximacin similar a la de la figura 52 pero la condicin de
Courant resulta an ms limitante debido a que los flujos que se tratan presentan velocidades caractersticas
mucho mayores.
Un ejemplo de modelo atmosfrico sencillo puede ser el clculo de la temperatura potencial en un dominio
tridimensional. Habitualmente se calcula con la ecuacin:

p0 CRp
= T( ) (25)
p
R
donde p es la presin atmosfrica, p0 una presin de referencia y Cp = 0.28571 para el aire seco.
La temperatura potencial puede tambin expresarse como una funcin lineal de la altitud z y un trmino :

n
= A + d z + (n)(n) = Ce l cos(n/l) (26)

56
donde n es la distancia entre cada voxel y la superficie terrestre medida en un ngulo normal a esta, l es un
parmetro de escala y C un parmetro trmico en superficie. Por lo tanto se requiere un MDE para resolver el
modelo. En la figura 54 aparece un resultado de este tipo de simulacin.

5 Referencias

Berry,J.K. 1993: Cartographic Modeling: The analytical Capabilities of GIS en M.F. Goodchild, B.O.
Parks & L.T. Steyaert Environmental Modeling with GIS Oxford University Press, New York, Oxford.
pp. 58-

Bivand,R. & Neteler,M., 2000. Open Source geocomputation: using the R data analysis language inte-
grated with GRASS GIS and PostgreSQL data base systems in Geocomputation 2000 http://reclus.nhh.no/gc00/gc00

Bosque Sendra,J., 1992. Sistemas de Informacin Geogrfica, Ed. Rialp. 451 pp.

Burrough,P.A. and McDonnell,R.A., 1998. Principles of Geographical Information Systems, Oxford Uni-
versity Press, Oxford, 2nd edition.

Chorley,R.J.; Schumm,S.A. & Sugden,D.E., 1984: Geomorphology, Methuen, London, 607 p.

Chow,V.T.; Maidment,D.R.; Mays,L.W., 1994. Hidrologa aplicada McGraw Hill, 580 pp.

Dietrich,W.E. & Dunne,T., 1993. The Channel Head in K.Beven & M.J. Kirkby Channel Network Hy-
drology John Wiley & sons 175-219

Fedra,K. 1993: GIS and Environmental Modeling en M.F. Goodchild, B.O. Parks & L.T. Steyaert Envi-
ronmental Modeling with GIS Oxford University Press, New York, Oxford. pp. 35-50

Felicsimo,A.M. (1994) Modelos digitales del terreno. Introduccin y aplicaciones en ciencias ambi-
entales 118 pp. (http://www.etsimo.uniovi.es/ feli/pdf/libromdt.pdf)

Felicsimo,A.M. (1999) La utilizacin de los MDT en los estudios del medio fsico, 16 pp.
(http://www.etsimo.uniovi.es/ feli/pdf/ITGE_150a.pdf)

Ferrer Polo,F.J., 2000. Recomendaciones para el clculo hidrometeorolgico de avenidas CEDEX, Cen-
tro de Estudios Hidrogrficos, 76 pp.

Goodchild,M.J. 1993: The state of GIS for Environmetal Problem-Solving en Goodchild, B.O. Parks &
L.T. Steyaert Environmental Modeling with GIS Oxford University Press, New York, Oxford. pp. 8-15

Moore,I.D., 1996: Hydrological Modelling and GIS en M.Goodchild, L.T.Steyaert & B.O.Parks GIS and
Environmental Modeling: Progress & Research Issues GIS world books pp. 143-148.t

Olaya Ferrero,V. (2004) Hidrologa Computacional y Modelos Digitales de Terreno 365 pp.

57
 Rodrguez Iturbe,I., 1993. THe Geomorphological Unit Hydrograph in K.Beven & M.J. Kirkby Channel
Network Hydrology John Wiley & sons 43-68

Tomlin,C.D. 1990: Geographical Information Systems and Cartographic Modeling Englewood Cliffs,
N.J.

Tragsa, Tragsatec, 1998. Restauracin Hidrolgico-Forestal de Cuencas y Control de la Erosin MundiPrensa,

Madrid, 945 pp.

Verbyla,D.L., 2002: Practical GIS analysis Taylor & Francis, London 288 pp.

Weibel, R. & Heller, M. (1991) Digital Terrain Modelling Geographical Information Systems: Principles
and Applications John Wiley & sons pp. 269297 (http://www.wiley.co.uk/wileychi/gis/resources.html)

Wood, J. (1996) The Geomorphological Characterisation of Digital Elevation Models

(http://www.soi.city.ac.uk/ jwo/phd/)

58
6 Bibliografa

DIHMA, 1997. Delimitacin del Riesgo de Inundacin a Escala Regional en la Comunidad Valenciana
Generalitat Valenciana, 56 pp + mapa + CDROM

Garca Garca,A.I.; Martnez lvarez,V.; Regoyos Sainz,M. y Ayuga Tllez,F., 2002. Simulacin de even-
tos hidrolgicos en pequeas cuencas hidrogrficas en L.Lan Huerta (Ed.) Los Sistemas de Informacin
Geogrfica en la Gestin de Riesgos Geolgicos y en el Medio Ambiente ITGE, 63-84

Harvey,C.A. & Eash,D.A., 2003. Basinsoft, a computer program to quantify drainage basin characteris-
tics en J.G.Lyon (Ed.) GIS for Water Resources and Watershed Management, Taylor & Francis, London,
39-52.

Kraus,R.A., 2000. Floodplain Determination using ArcView GIS and HEC-RAS in D.Maidment &
D.Djokic (Eds.), Hydrologic and Hydraulic modeling support with Geographic Information Systems,
ESRI press. 177-189.

Lpez-Bermdez,F.; Conesa Garca,C. & Alonso-Sarra,F., 2002. Floods:Magnitude and Frequency in

Ephemeral Streams of the Spanish Mediterranean Region in L.J.Bull & M.J.Kirkby (Eds.) Hydrology
and Geomorphology of Semi-arid Channels. John Wiley & sons, 329-350.

Martnez,V.; Dal-R,R.; Garca,A.I. y Ayuga,F., 2000. Modelacin distribuida de la escorrenta superficial

en pequeas cuencas mediante S.I.G. Evaluacin experimental Ingeniera Civil, 104, 141-146.

Martz,L.W & Garbrecht,J., 2003. Channel Network Delineation and Watershed Segmentation in the
TOPAZ Digital Landscape Analysis System en J.G.Lyon (Ed.) GIS for Water Resources and Watershed
Management, Taylor & Francis, London, 7-16.

Mateu Bells,J.F., 1989. Ros y ramblas mediterrneos Avenidas fluviales e inundaciones en la cuenca
del Mediterrneo Instituto Universitario de Geografa de la Universidad de Alicante y Caja de Ahorros
del Mediterrneo pp. 133-150.

Mateu Belles,J.F. y Camarasa Belmonte, A.M., 2000. Las inundaciones en Espaa en los ltimos veinte
aos. Una perspectiva geogrfica. Serie Geogrfica 9:11-15

Miller,S.N.; Guertin,D.P. & Goodrich, D.C., 2003. Deriving stream channel morphology using GIS-based
watershed analysis en J.G.Lyon (Ed.) GIS for Water Resources and Watershed Management, Taylor &
Francis, London, 53-60.

Olivera,F. & Maidment,D.R., 1999. GIS Tools for HMS Modeling Support. in D.Maidment & D.Djokic
(Eds.), Hydrologic and Hydraulic modeling support with Geographic Information Systems, ESRI press.
85-112.

Romero Daz,M.A. y Maurandi Guirado,A., 2000. Las inundaciones en la cuenca del Segura en las dos
ltimas dcadas del siglo XX. Actuaciones de prevencin Serie Geogrfica 9:93-120

59
 Saunders,W., 2000. Preparation of DEMs for Use in Environmental Modeling Analysis in D.Maidment
& D.Djokic (Eds.), Hydrologic and Hydraulic modeling support with Geographic Information Systems,
ESRI press. 29-51.

Tachikawa,Y.; Shiiba,M. & Takasao,T.; 2003. Development of a Basin Geomorphic Information System
Using a TIN-DEM Data Structure en J.G.Lyon (Ed.) GIS for Water Resources and Watershed Manage-
ment, Taylor & Francis, London, 25-37.

7 Programas utilizados

El Sistema de Informacin Geogrfica con el que se ha preparado todo el material presentado se basa en
software abierto que puede descargarse directamente de Internet. Las versiones que se han utilizado son para
Linux, sin embargo existen, de todos ellos, versiones tambin gratuitas para otros sistemas.
A continuacin se hace un listado de estos programas y las pginas web de donde pueden descargarse

GRASS,SIG: http://grass.itc.it/index.html

R, programa de anlisis de datos http://cran.r-project.org/

PostgreSQL, programa de gestin de bases de datos http://www.postgresql.org/

gstat, programa de geoestadstica http://www.gstat.org/

postgis, extensin espacial para PostgreSQL http://postgis.refractions.net/

60
Indice

1 Introduccin 1
1.1 Cuestiones generales sobre modelizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Tipos de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Sistemas de Informacin Geogrfica y Modelizacin . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Modelos de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.1 El modelo conceptual. Objetos y variables . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.2 Modelos lgicos. Formato raster y vectorial . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Problemas y limitaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Herramientas SIG tiles en la modelizacin y cartografa de riesgos 14

2.1 Enlaces con bases de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Interpolacin a partir de puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Mtodos de clasificacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Mtodos de regresin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.3 Mtodos locales basados en medias ponderadas . . . . . . . . . . . . . . . . . . . . . 21
2.2.4 Interpolacin local por splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.5 Interpolacin local mediante TIN . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.6 Validacin y validacin cruzada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.7 Combinacin de diferentes mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Algebra de mapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.1 Operadores locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.2 Operadores de vecindad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.3 Operadores de vecindad extendida, operadores extendidos . . . . . . . . . . . . . . . 32
2.3.4 Operadores de rea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.5 Propagacin de errores en lgebra de mapas . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.6 Implementacin del lgebra de mapas en los SIG . . . . . . . . . . . . . . . . . . . . 35
2.3.7 El lgebra de mapas como lenguaje . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

61
3 Modelos de datos para el anlisis y la cartografa de riesgos 37
3.1 Modelos de datos climticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 Modelos de datos topogrficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2.1 Estructuras de codificacin de la elevacin . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.2 La construccin del MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.3 Obtencin de variables derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Modelos de datos hidrolgicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.4 Datos temticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.1 Usos de suelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.2 Mapas litolgicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.3 Mapas de suelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4 Modelos de procesos 51
4.1 Modelos de radiacin y evapotranspiracin . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2 El Hidrograma Unitario Geomorfolgico. Un modelo agrgado . . . . . . . . . . . . . . . . . 52
4.3 Modelos hidrolgicos distribuidos de tipo fsico . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Modelos atmosfricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

5 Referencias 57

6 Bibliografa 59

7 Programas utilizados 60

62
Figura 44: Mapa de suelos de la Regin de Murcia del ao 2001 obtenido de datos del satlite landsat

63
Figura 45: Mapa de Nmero de Curva de la Regin de Murcia

64
 Figura 46: Insolacin recibida el 17 de Enero a las 10:00 AM hora solar

Figura 47: Rambla del Ramonete. Area drenada y red de drenaje reconstruida.

65
Figura 48: Rambla del Ramonete. Seleccin de un punto de desembocadura (Ermita de Ramonete) y ordenacin
de la red de drenaje.

Figura 49:

66
Figura 50:

Figura 51:

67
Figura 52: Dominio espacio-tiempo para resolver el flujo en un cauce. El caudal y altura de agua se calculan en
cada punto de la malla (i+1,j+1) a partir de los valores en los puntos anteriores tanto en el espacio como en el
tiempo (i,j; i+1,j; i,j+1).Basdo en Chow et al., (1994)

68
Figura 53: Dominio espacial en 2 dimensiones

69
Figura 54: Resultado de la modelizacin tridimensional de la temperatura potencial

70