Alonso SIG

Sistemas de Informacin Geogrca
Francisco Alonso Sarra

2
ndice general
3
4 NDICE GENERAL
Presentacin
El trmino Sistema de Informacin Geogrca (SIG)
1
suele aplicarse a sistemas informticos orientados a la
gestin de datos espaciales que constituyen la herramienta informtica ms adecuada y extendida para la inves-
tigacin y el trabajo profesional en Ciencias de la Tierra y Ambientales. Se trata de herramientas complejas,
reejo de la complejidad del objeto de estudio de estas ciencias, fruto de la evolucin y fusin ginde programas
de muy distinto tipo que anteriormente se habian utilizado de forma independiente. Esta complejidad ha lle-
vado al nacimiento, a partir del trabajo con SIG, de una nueva disciplina cientca, todava bastante discutida,
conocida como Ciencia de la Informacin Geogrca
2
.
Sin ser en absoluto una herramienta novedosa, se acepta el ao 1966 como fecha de creacin del primer SIG
3
,
tras aos de acumulacin de experiencia y tecnologas, los SIG han experimentado en los ltimos quince aos
un rpido desarrollo terico, tecnolgico y organizativo y una amplia difusin tanto en la administracin como
en los mundos acadmico y profesional. El retraso con que todo tipo de avances tecnolgicos penetra en nuestro
pais hace que estemos an en el boom de los SIG, por tanto se trata de una tcnica imprescindible, incluso de
una linea de especializacin muy interesante, para los profesionales de las Ciencias de la Tierra y Ambientales
(de ah su inclusin en los curricula de diversas licenciaturas).
La orientacin comercial de una parte importante de la actividad entorno a los SIG ha dado lugar a mucha
propaganda acerca de las virtudes de determinados productos que han conducido en muchos casos a crear
falsas expectativas en cuanto a su utilidad real y en cuanto a su sencillez de manejo. Para evitar este tipo de
problemas resulta imprescindible tener los pies en el suelo y que la implementacin y el trabajo con un SIG este
slidamente cimentado en las bases cientcas de la Ciencia de la Informacin Geogrca y en el conjunto de
ciencias implicadas en el proyecto que se va a llevar a cabo.
Debido a este adjetivo, Geogrca, en muchos paises la iniciativa y la responsabilidad de la enseanza uni-
versitaria de los SIG han recaido en departamentos de Geografa, sin embargo el carcter multidisciplinar de
la herramienta implica la existencia de mltiples puntos de vista sin ser el de los gegrafos necesariamente el
mejor. En realidad, de los varios millones de usuarios de SIG en el mundo,tan solo una pequea fraccin tienen
relacin con la ciencia de la Geografa, aunque es cierto que gran parte de la investigacin y desarrollo en SIG
procede de departamentos de Geografa, especialmente en universidades anglosajonas.
1
En ingls Geographic, o Geographical, Information Systems (GIS)
2
En ingls se juega con la ambiguedad del trmino GIS signicando tanto sistema (system) como ciencia (science)
3
Se trataba del Canadian Geographic Information System cuyo objetivo era la digitalizacin y anlisis semiautomtico de fotografa
area
5
6 NDICE GENERAL
Su carcter de tecnologa en rpida expansin ha ocasionado adems problemas de adaptacin dentro de un
sistema educativo, como es el espaol, bastante poco dado a la asimilacin de novedades. A la hora de pla-
nicar una asignatura de SIG es necesario encontrar un punto de equilibrio entre la necesidad de ensear en
profundidad las diferentes posibilidades, estrategias y trampas en el uso de los SIG para evitar que el alumno se
quede con una visin excesivamente simplista (un programa para hacer y ver mapas) y la necesidad de dedicar
tiempo a prcticas para asentar conceptos y evitar que la asignatura acabe siendo un constructo exclusivamente
terico. En denitiva se trata de la plasmacin acadmica del doble carcter de herramienta y ciencia espacial,
o al menos de conjunto de conceptos y tcnicas para el manejo de informacin espacial que tiene este tipo de
sistemas.
Debido a toda la complejidad y a la amalgama de intereses detrs de un SIG, resulta una materia necesariamente
amplia y difcil que adems requiere una buena base matemtica e informtica. Esta dicultad empieza en el
mismo momento de la denicin de los que es un SIG. Algunas de las deniciones aportadas se centran en
la base de datos, otras en los algoritmos y funciones contenidos en los programas que manejan estas bases de
datos y otras en los aspectos de gestin y administracin de la informacin. En el tema segundo se tratar de
aportar una denicin amplia de SIG, por el momento podemos quedarnos en una mucho ms pragmtica de
lo que sern los SIG en un futuro prximo: la herramienta-ciencia de uso diario de los profesionales de
las Ciencias de la Tierra y ambientales, tanto si trabajan en investigacin como si lo hacen en ordenacin o
gestin del territorio.
Bibliografa
Bosque Sendra, J.; 2000: Sistemas de Informacin Geogrca Ed. Rialp, Madrid, 451 pp.
Burrough,P.A. & McDonnell,R.A.; 2000: Principles of Geographical Information Systems Oxford Uni-
versity Press, Oxford, 333 pp.
Longley, P.A., Goodchild, M.F., Maguire, D.J., Rhind, D.W.; 2001: Geographic Information Systems and
Science John Wiley & sons, Chichester, 454 pp.
Maguire, D.J.; Goodchild, M.F. and Rhind, D.W. (Eds.); 1991: Geographical Information Systems: Prin-
ciples and Applications, John Wiley & sons, Chichester (www.wiley.co.uk/wileychi/gis/resources.html)
Taboada Gonzlez, J.A. y Cotos Yez, J.M.; 2005; Sistemas de informacin medioambiental Ed. Net-
biblo
Worboys, M.F. & Duckham, M.; 2004: GIS: A Computing Perspective, CRC Press
Captulo 1
Cartografa y Geodesia. Sistemas de
proyeccin
Los Sistemas de Informacin Geogrca pueden denirse de forma provisional como sistemas que permiten
almacenar datos espaciales para su consulta, manipulacin y representacin. La representacin de datos es-
paciales es el campo de estudio de la Cartografa, por tanto es necesario comenzar introduciendo algunos
conceptos bsicos de esta ciencia.
A lo largo de la historia, el hombre ha sentido la necesidad de representar la supercie terreste y los objetos
situados sobre ella. El objetivo de los primeros mapas era servir de apoyo a la navegacin, indicaban por tanto
los rumbos (direcciones) que era necesario seguir para ir de un puerto a otro, eran los portulanos (gura ??).
La exactitud en la representacin de las tierras emergidas se consideraba accesoria, siendo lo fundamental la
exactitud en rumbos y distancias entre puertos. Las cartas naticas actuales mantienen un esquema similar
aunque la generalizacin de los Sistemas de Posicionamiento Global (GPS) ha revolucionado los sistemas de
navegacin.
En los inicios del perodo colonial ya no bastaba con poder llegar a puerto sino que haba que medir distancias
y supercies sobre los nuevos territorios para conseguir un mejor dominio de estos. Por otro lado se hace
necesario representar los diversos elementos, recursos y factores ambientales de la supercie terrestre para
conseguir una mejor visin de la distribucin de los fenmenos naturales y asentamientos humanos sobre la
supercie terrestre.
Ya en el siglo XVII, cartgrafos como Mercator demostraron que un sistema de proyeccin geomtrico, junto
con un sistema de localizacin basado en coordenadas cartesianas
1
, es decir basadas en un par de ejes orto-
normales
2
(X e Y), formando una cuadrcula (gura ??), mejoraba la abilidad de distancias, reas o ngulos
medidos sobre los mapas.
1
tambin llamadas coordenadas mtricas
2
Un par de ejes son ortogonales si se cortan en ngulo recto, son normales si tienen la misma escala, y se denominan ortonormales
cuando cumplen ambas condiciones
7
8 CAPTULO 1. CARTOGRAFA Y GEODESIA. SISTEMAS DE PROYECCIN
Figura 1.1: Portulano
Al nalizar el siglo XVIII, los estados europeos haban alcanzado el grado de organizacin suciente como
para establecer sociedades geogrcas cuyo cometido era representar sobre mapas la supercie terrestre, sus
caractersticas y los elementos fsicos y humanos situados sobre ellas.
1.1. Conceptos de Geodesia
La representacin sobre un plano de un objeto como la Tierra reviste diversas dicultades:
Si se proyecta un objeto esfrico sobre un plano es inevitable que se produzcan distorsiones (gura ??)
La Tierra no es siquiera un objeto esfrico sino que su forma se aproxima a un elipsoide o esferoide
3
ligeramente achatado en los polos (gura ??)
Esta aproximacin tampoco es vlida cuando se desciende al detalle ya que la Tierra incluye numerosas
irregularidades, se habla por tanto de Geoide para hacer referencia a la Tierra como objeto geomtrico
irregular (gura ??)
3
Fue Newton quien por primera vez sugiri la forma elipsoidal de la Tierra al tener noticia de la necesidad de acortar los pndulos
de los relojes en la proximidad del Ecuador
1.1. CONCEPTOS DE GEODESIA 9
Figura 1.2: Esfera terrestre y proyeccin
Geodesia es la ciencia que estudia la forma y tamao de la Tierra y las posiciones sobre la misma. La Geodesia
dene el geoide como una supercie en la que todos sus puntos experimentan la misma atraccin gravitatoria
siendo esta equivalente a la experimentada al nivel del mar. Debido a las diferentes densidades de los mate-
riales que componen la corteza y el manto terreste y a alteraciones debidas a los movimientos isostticos, esta
supercie no es regular sino que contiene ondulaciones que alteran los clculos de localizaciones y distancias.
Debido a esta irregularidad de la supercie terrestre, para describir la forma de la Tierra suelen utilizarse mode-
los de la misma denominados esferoides o elipsoides de referencia. Estos se denen mediante dos parmetros,
el tamao del semieje mayor (a) y el tamao del semieje menor (b) (gura ??). El achatamiento del esferoide
se dene entonces mediante un coeciente como:
f = (a b)/a (1.1)
El achatamiento real de la Tierra es aproximadamente de 1/300
4
. Alterando los valores de los coecientes a y b
se obtienen diferentes elipsoides. Se han propuesto diversos elipsoides de referencia, generalmente se conocen
con el nombre de su creador. La razn de tener diferentes esferoides es que ninguno de ellos puede adaptarse
completamente a todas las irregularidades del Geoide, aunque cada uno de ellos se adapta razonablemente
bin a una zona concreta de la supercie terrestre. Por tanto en cada pas se utilizar el ms conveniente en
funcin de la zona del planeta en que se encuentre ya que el objetivo fundamental de un elipsoide es asignar
a cada punto de la supercie del pas donde se utiliza, un par de coordenadas geogrcas, tambin llamadas
coordenadas angulares.
La gura ?? muestra como el elipsoide (denido por los parmetros a y b) es un modelo del Geoide, pero para
poder asignar coordenadas geogrcas a los diferentes puntos de la supercie terrestre es necesario anclar el
4
Es decir mucho menos de lo que la gura ?? y muchas imgenes que aparecen en textos de bachillerato pueden hacernos creer
Figura 1.3: Esferoide y Geoide
elipsoide al Geoide mediante un Punto Fundamental en el que el elipsoide y el Geoide son tangentes (punto
verde en las guras ?? C y D). De este modo el elipsoide se convierte en un sistema de referencia de la esfera
terrestre.
Surge el concepto de datum que es el conjunto formado por los parmetros a y b del elipsoide, las coordenadas
geogrcas, latitud y longitud ( y ), del punto fundamental y la direccin que dene el Norte (gura ??.C).
Por ejemplo el datum europeo tiene como elipsoide de referencia el de Hayford, tambin llamado Internacional
de 1924, y como punto fundamental Postdam (Alemania). Los parmetros de este datum seran
a=6378388
b=6356911.946
Punto fundamental: = 13
o
03
58,741
E; = 52
o
22
51,446
N
La direccin de referencia la denen los meridianos y se dirige hacia el Norte magntico
Establecer cual es el datum de un sistema de coordenadas es tarea de los servicios nacionales de geodesia.
En Espaa, el datum utilizado tradicionalmente en cartografa, tanto en los mapas del Servicio Geogrco del
Ejercito (SGE) como en los del Instituto Geogrco Nacional (IGN), es el Europeo. Este puede ser el de 1950
si el mapa esta formado (informacin que se obtiene en la letra pequea del margen del mapa) antes o durante
1979 o el europeo de 1979, si el mapa esta formado despus de este ao.
Hasta la segunda mitad del siglo XX, el propsito de los diferentes datums era servir como modelo del Geoide
en porciones reducidas de la supercie terrestre a las que se adaptaban especialmente bin. Hoy en da la
necesidad de estudios globales y la disponibilidad de dispositivos de toma de datos tambin globales (GPS
5
,
5
Sistema de Posicionamiento Global. Se trata de un sistema de satlites con los que se puede contactar desde un pequeo dispositivo
situado en Tierra, conociendo la posicin de los satlites el dispositivo puede calcular por triangulacin su posicin sobre el planeta
con aproximacin incluso centimtrica
1.1. CONCEPTOS DE GEODESIA 11
Figura 1.4: Parmetros que denen un Datum
teledeteccin), se busca que los datum tengan validez para todo el planeta, de forma que puedan tener empleo
mundial, como el datum WGS-84 que suelen utilizar los Sistemas de Posicionamiento Global (GPS). Para ello
se hace necesario un parmetro ms que sera la distancia del centro del elipsoide con respecto al centro de
masas de la Tierra (punto rojo en la gura ?? D).
Por tanto si se van a combinar en un SIG datos procedentes de mapas topogrcos (datum europeo) con posicio-
nes tomadas con GPS (datum WGS-84) es necesario establecer la correspondencia entre ambos. Las posiciones
tomadas con GPS debern ser desplazadas 0.07 minutos al Norte y 0.09 minutos al Este.
Las diferencias ms importantes entre elipsoide y geoide sern en altura, en la gura ?? se aprecian las diferen-
cias de altitud entre el elipsoide WGS-84 y el Geoide.
Visto todo lo anterior, resulta evidente que dar un par de coordenadas sin hacer referencia al datum no es lo
sucientemente preciso. En un datum todo punto tiene un par de coordenadas nico, mientras que el mismo
punto tendr diferentes coordenadas en diferentes datums, o lo que es lo mismo un par de coordenadas puede
corresponder a diferentes puntos en diferentes datums.
Figura 1.5: Diferencia entre Esferoide y Geoide
1.2. Coordenadas geogrcas
El sistema de coordenadas natural de un esferoide, y por tanto de un datum, es el de coordenadas angulares
(latitud y longitud) que suele denominarse de coordenadas geogrcas (gura ??). Para denir latitud y lon-
gitud, debemos identicar el eje de rotacin terrestre. El plano perpendicular al eje de rotacin que corta la
Tierra atravesndola por su centro dene el Ecuador en su interseccin con el esferoide. El resto de las lineas
de interseccin con la supercie terrestre de los innitos planos perpendiculares al eje de rotacin denen los
diferentes paralelos o lineas de latitud constante. Finalmente, los meridianos pueden denirse como las lineas
de interseccin con la supercie terrestre de los innitos planos que contienen al eje de rotacin. Paralelos y
meridianos se cruzan siempre en ngulo recto.
La longitud () es la distancia angular entre el meridiano de un lugar y el de Greenwich, se expresa en grados,
minutos y segundos de arco y se mide de 0 a 180
o
hacia el Este o hacia el Oeste desde el meridiano de
Greeenwich. La latitud () es la distancia angular entre el paralelo de un lugar y el Ecuador, se expresa en las
mismas unidades que la longitud y se mide de 0 a 90
o
hacia el Norte o el Sur. En ocasiones la latitud y longitud
se expresan en grados y dcimas de grado en lugar de en grados, minutos y segundos.
Un grado de meridiano equivale siempre a 111 kilmetros, mientras que un grado de paralelo equivale a
111cos(), es decir a 111 kilmetros en el Ecuador disminuyendo hasta 0 kilmetros en los polos
6
.
La localizacin de un punto P sobre la supercie terrestre puede denirse de este modo mediante estos dos par-
6
En realidad un grado de meridiano es ligeramente menor en el Ecuador (110.6 km) que en los polos (111.7 km) debido al achata-
miento de la Tierra y, por tanto, de los elipsoides
1.3. DIRECCIONES 13
Figura 1.6: Sistema de coordenadas geogrcas
metros. La ciudad de Murcia est, asumiendo el datum europeo, situada en = 1
o
03
27
W y = 1
o
03
27
N.
La letra W indica al oeste del meridiano de Greenwich y la letra N al Norte del Ecuador.
Latitud y longitud denen, por tanto, la posicin de un punto sobre el esferoide de referencia del datum que se
est utilizando. Se considera que la supercie del esferoide coincide con el nivel del mar, as la distancia entre
la supercie del esferoide y la supercie terestre en un punto cualquiera es su altitud.
Las coordenadas de un hipottico rectngulo que enmarcara a Espaa (excluyendo las islas Canarias) seran, en
grados en grados y dcimas de grado:
N: 43.80 N
S: 35.82 S
E: 4.33 E
O: 9.29 O
7
En muchos clculos con coordenadas y especialmente en aplicaciones informticas para cartografa, las coor-
denadas Oeste se codican con nmeros negativos.
1.3. Direcciones
Existen dos formas bsicas de denir la direccin entre dos puntos sobre un elipsoide:
7
En ocasiones el Oeste se codica con su inicial inglesa (W)
Figura 1.7: Medicin de azimuths y rumbos sobre un mapa
Azimuth: Es el ngulo formado por la linea que une el punto de partida y el Norte y la linea que une el
punto de partida con el de llegada. Se expresa en ngulos medidos en el sentido de las agujas del reloj
desde la direccin Norte. Vara entre 0 y 360 (gura ??).
Rumbo: Es el ngulo agudo que forman las direcciones Norte o Sur desde el punto de partida y la linea
que une ambos puntos. Vara entre 0 y 90, se precede por una letra, N o S, en funcin de cual sea la
direccin de referencia y se termina con otra que hace referencia a la direccin (E o W) a la que se dirige
el ngulo (gura ??).
Un concepto bsico en cartografa y geodesia es el de Norte, sin embargo existen hasta cuatro nortes diferentes:
Norte astronmico, denido por la estrella polar
Norte magntico
Norte geodsico
Norte de la malla
Los dos primeros varan con el tiempo, especialmente el segundo que puede llegar a variar entorno a 25 Km/ao.
Los dos segundos son articiales, el Norte geodsico depende del elipsoide utilizado y el segundo de la proyec-
cin que se utilice para pasar de coordenadas geogrcas a coordenadas cartesianas a la hora de confeccionar
el mapa.
1.4. Proyecciones
El proceso de transformar las coordenadas geogrcas del esferoide en coordenadas planas para representar una
parte de la supercie del elipsoide en dos dimensiones se conoce como proyeccin y es el campo de estudio
tradicional de la ciencia cartogrca. La aparicin de los SIG y la posibilidad de combinar informacin de
1.4. PROYECCIONES 15
diferentes mapas con diferentes proyecciones ha incrementado la relevancia de la cartografa ms all de la
mera confeccin de mapas.
El problema fundamental a la hora de abordar una proyeccin es que no existe modo alguno de representar en un
plano toda la supercie del elipsoide sin deformarla, el objetivo va a ser minimizar, en la medida de los posible,
estas deformaciones. Puesto que el efecto de la esfericidad de la supercie terrestre es proporcional al tamao
del rea representada ( y en consecuencia a la escala), estos problemas slo se plantean al cartograar zonas
amplias. Cuando se trata de cartograar zonas pequeas, por ejemplo una ciudad, la distorsin es despreciable
por lo que se suelen utilizar coordenadas planas, relativas a un origen de coordenadas arbitrario y medidas sobre
el terreno. A estas representaciones se les llama planos en lugar de mapas.
Cuando la distorsin debida a la esfericidad de la supercie terrestre se considera relevante se hace necesario
buscar una ecuacin que a cada par de coordenadas geogrcas le asigne un par de coordenadas planas de
manera que los diferentes elementos y objetos de la supercie terrestre puedan ser representados sobre un
plano
8
. Las unidades en que se expresa la longitud en estas nuevas coordenanas va a ser generalmente el metro,
permitiendo, de cara a la incorporacin de la cartografa UTM a un SIG, el clculo sencillo de variables de
longitud, rea o volumen de los elementos cartograados expresados en unidades del Sistema Internacional.
Estas ecuaciones son de la forma:
x = f
1
(, ) (1.2)
y = f
2
(, ) (1.3)
Para obtener estas ecuaciones se proyecta (gura ??) la porcin de la supercie terrestre que va a cartograarse
sobre una gura geomtrica (un cilidro, un cono o un plano) que si puede transformarse en plano sin distorsones.
El foco de la proyeccin puede ubicarse en diferentes puntos dando lugar a diferentes tipos de proyecciones.
De este modo podemos clasicar las proyecciones en funcin del objeto geomtrico utilizado para proyectar
(gura ??), se habla entonces de proyecciones cilndricas, cnicas y azimutales o planas.
En el caso de proyecciones cilndricas o cnicas, la gura envuelve al elipsoide y, tras desenvolverla, el resultado
ser un plano en el que una parte de la Tierra se representan mediante un sistema de coordenadas cartesiano.
En el caso de las proyecciones planas, el plano es tangente al elipsoide en un punto y no necesita por tanto ser
desnvuelto.
Una proyeccin implica siempre una distorsin en la supercie representada, el objetivo de la cartografa es
minimizar estas distorsiones utilizando la tcnica de proyeccin ms adecuada a a cada caso. Las propiedades
del elipsoide que pueden mantenerse son:
Conformidad. Si un mapa mantiene los ngulos que dos lneas forman en la supercie terrestre, se
dice que la proyeccin es conforme. El requerimiento para que haya conformidad es que en el mapa los
meridianos y los paralelos se corten en ngulo recto y que la escala sea la misma en todas las direcciones
8
Es importante no confundir el concepto matemtico de plano con el plano entendido como mapa de una zona reducida realizado
con coordenadas arbitrarias
Figura 1.8: Proyeccin cartogrca
Figura 1.9: Tipos de proyecciones
alrededor de un punto, sea el punto que sea. Una proyeccin conforme mantiene adems las formas de
polgonos pequeos. Se trata de una propiedad fundamental en navegacin.
Equivalencia, es la condicin por la cual una supercie en el plano de proyeccin tiene la misma super-
cie que en la esfera. La equivalencia no es posible sin deformar considerablemente los ngulos origina-
les, por lo tanto, ninguna proyeccin puede ser equivalente y conforme a la vez. Resulta conveniente por
ejemplo en planos catastrales.
Equidistancia, cuando una proyeccin mantiene las distancias reales entre dos puntos situados sobre la
supercie del Globo (representada por el arco de Crculo Mximo que las une).
Como se puede ver en la gura ??, las distorsiones son nulas en la linea donde la gura geomtrica toca
al elipsoide y aumentan a medida que la separacin entre ambas aumenta. Por tanto para minimizar el error
medio suelen utilizarse planos secantes en lugar de planos tangentes. De esta manera en lugar de tener una sola
linea del elipsoide tangente a la gura tenemos dos lineas secantes y las distancias a las mismas, y por tanto los
errores, nunca aumentarn mucho. As otro criterio para clasicar sistemas de proyeccin sera en proyecciones
secantes y tangentes.
1.4.1. Proyeccin Universal Transversa de Mercator (UTM)
La proyeccin UTM es una de las ms conocidas y utilizadas, entre otros lugares en Espaa. Se trata de una
proyeccin cilndrica transversa (la generatriz del cilindro no es paralela al eje de rotacin sino perpendicular)
tal como se ve en la gura ??. La Tierra se divide en 60 husos, con una anchura de 6 grados de longitud,
empezando desde el meridiano de Greenwich (gura ??). Se dene un huso como las posiciones geogrcas
que ocupan todos los puntos comprendidos entre dos meridianos. A pesar de que se ha utilizado en casi toda
la cartografa espaola, introduce un grave problema debido a que la Pennsula Ibrica queda situada sobre tres
husos, el 29, el 30 y el 31, estos ltimos situados uno a cada lado del meridiano de Greenwich (guras ?? y ??).
La representacin cartogrca en cada huso se genera a partir de un cilindro diferente siendo cada uno de ellos
secante al elipsoide. De esta manera en cada huso aparecen dos lineas verticales en las que no hay distorsiones
(lineas A-D y C-F en al gura ??), entre estas dos lineas las distorsiones disminuyen la escala (distancias y reas
se representan menores de lo que son) hacia fuera de las lineas las distorsiones aumentan la escala (distancias y
reas se representan mayores de lo que son). Estas distorsiones tienden a incrementarse conforme se aumenta
en latitud por lo que la proyeccin UTM no debe usarse en latitudes altas y suele reemplazarse por proyecciones
azimutales polares en las que el plano es tangente al elipsoide en el polo correspondiente.
En cada uno de los husos el meridiano central tiene siempre un valor X= 500000 metros disminuyendo hacia
el Oeste (hasta 0) y aumentando hacia el Este (hasta 1000 Km). En el Ecuador Y=0 metros, incrementandose
el valor hacia el Norte y hacia el Sur. Los valores de la coordenada X en los bordes del huso dependen de la
latitud (gura ??). Este hecho trae dos complicaciones:
Dos puntos diferentes de la supercie terrestre pueden tener las mismas coordenadas si se sitan en husos
diferentes. Por tanto a la hora de sealar con precisin la localizacin de un punto, no basta con el par de
coordenadas, es necesario dar tambin el huso.
Figura 1.10: Cilindro generador de la proyeccin UTM
Figura 1.11: Zonas UTM
Figura 1.12: Deformaciones en un huso UTM debido a que el cilindro es secante al esferoide
Figura 1.13: Coordenadas UTM y coordenadas geogrcas en un huso UTM
Una regin situada a caballo entre dos husos deber optar por uno u otro con lo que se incrementan las
deformaciones. De hecho la cartografa espaola se genera asumiendo que toda la Pennsula se sita en
el huso 30 por lo que las deformaciones hacia los extremos Este y Oeste son mayores alcanzndose un
4 % de distorsion lineal. En el caso de la Regin de Murcia, esta se situa en una de las zonas de menor
distorsin (gura ??).
La Regin de Murcia se situa en el huso 30 con coordenadas UTM que oscilan entre
Oeste: 552411 m
Este: 709600 m
Norte: 4293125 m
Sur: 4134906 m
Las coordenadas UTM suelen expresarse en metros o kilmetros, siendo preferible hacerlo en metros en apli-
caciones SIG para evitar la aparicin de decimales. En los mapas del IGN a escala 1:50000 y 1:25000 y del
Servicio Geogrco del Ejercito a escala 1:50000, los valores de las coordenadas X e Y UTM suelen expresarse
en kilmetros. Como resultado de emplear un sistema de coordenadas plano, puede representarse sobre el mapa
una malla que represente las lineas con igual coordenada X o igual coordenada Y. La malla se representa, en
los mapas antes mencionados, con una separacin de 1 kilmetro (gura ??).
1.5. LA REPRESENTACIN DE LOS ELEMENTOS DE LA SUPERFICIE TERRESTRE 21
Figura 1.14: Distorsiones en coordenadas UTM en la Pennsula Ibrica
1.5. La representacin de los elementos de la supercie terrestre
Resumiendo mucho lo visto hasta ahora, un datum, asigna a cada punto sobre el Geoide un par de coordenadas
angulares nico y un sistema de proyeccin adjudica a cada uno de estos pares de coordenadas angulares un par
de coordenadas cartesianas para su representacin en un plano. El siguiente problema que debe resolverse en
cartografa es como representar, sobre este plano, la variedad de fenmenos que tienen lugar sobre la supercie
terrestre.
1.5.1. Fenmenos en el espacio, variables, entidades y eventos
De modo general pueden distinguirse tres tipos de fenmenos:
Variables espaciales, son aquellas que adoptan un valor diferente en diferentes puntos del espacio, mues-
tran siempre un cierto gado de autocorrelacin espacial. Estas variables
Binomiales. Slo tienen dos valores, suelen indicar presencia/ausencia o pertenencia/no pertenen-
cia, por ejemplo la variable pertenencia a la Regin de Murcia.
Cualitativas o nominales. Indican una cualidad no mensurable. Por ejemplo la litologa, usos del
suelo, etc.
Semicuantitativas u ordinales. Se trata de variables cualitativas pero que pueden ordenarse aten-
diendo a algn criterio. Por ejemplo el tipo de carretera a la que pertenezca un tramo de la red,
tipos de roca ordenados por su erosionabilidad, clases de pendiente. Suelen representarse mediante
nmeros naturales a los que se asocia una etiqueta de texto descriptiva.
Cuantitativas: Son variables mensurables que pueden adoptar cualquier valor (variables continuas
como altitud, temperatura, precipitacin, pH del suelo, etc.) o slo determinados valores (variables
discretas como el nmero de das de lluvia o el nmero de habitantes de un municipio). Las variables
cuantitativas suelen representarse mediante nmeros reales (continuas) o enteros (discretas). Una
variable continua puede convertirse en discreta por su forma de medirse y registrarse, por ejemplo
si la precipitacin se mide en dcimas de milmetro, slo podra adoptar valores enteros ya que
los aparatos de medicin no suelen permitir mayor precisin. Las variables cuantitativas suelen
presentar autocorrelacin espacial, es decir cuanto ms cercanos sean dos puntos sus valores van a
ser ms parecidos.
Entidades
Puntuales (pozos, cotas, puntos de observacin,etc.)
Lineas (carreteras, redes uviales, etc.)
Polgonos (entidades administrativas, ciudades, cuencas hidrogrcas, etc.)
Eventos se trata de fenmenos que aparecen en intervalos concretos de tiempo sobre un rea nita del
espacio (incendios, inundaciones, etc.). Por su carcter no permanente, no suelen representarse en car-
tografa, salvo en mapas creados con aplicaciones muy especcas como el estudio de la distribucin y
extensin espacial de estos fenmenos o el riesgo asociado a ellos.
1.5.2. Escala y representacin de entidades
El primer problema que se plantea cuando se pretende representar los diferentes fenmenos que aparecen
sobre la supercie terrestre es la reduccin del espacio de trabajo que supone un mapa. Se trata de representar
algo que abarca una supercie relativamente amplia sobre una hoja de papel. La relacin matemtica entre las
dimensiones del espacio representado y las dimensiones de su representacin sobre el mapa es la escala del
mismo que se calcula como el ndice entre una distancia sobre el mapa y su equivalente en la realidad. Por
ejemplo una escala de 1/50000 implica que cada centmetro en el mapa corresponde a 50,000cm = 0,5Km
en la realidad. Puesto que la escala es una divisin, cuanto mayor sea el denominador menor es la escala y
viceversa
9
.
Salvo en mapas de muy alta escala (1:1000 y superior), que generalmente son planos y no mapas, resulta
imposible la representacin exacta de entidades. En realidad las entidades puntuales o lineales son muchas
veces polgonos (un pozo es un crculo y una carretera tiene anchura) pero generalmente pueden y deben
representarse como puntos o lineas debido a la escala del mapa. Por ejemplo un camino de tres metros de
ancho debera tener, en un mapa a escala 1:50000, una anchura de 0.06 milmetros lo que resulta imposible de
representar. Por tanto el proceso de representacin en un mapa implica una generalizacin, es decir la prdida
9
Al reves de cuando se habla de estudios a gran escala o pequea escala de una forma genrica
1.5. LA REPRESENTACIN DE LOS ELEMENTOS DE LA SUPERFICIE TERRESTRE 23
de detalles no signicativos, e incluso la simbolizacin o iconicacin de entidades como guras geomtricas,
para conseguir transmitir la informacin sobre el espacio sin saturar al usuario del mapa.
La escala impone por tanto un tamao mnimo que debe tener un objeto para ser representado, este tamao
mnimo es de alrededor de 0.15 mm sobre el mapa. Por tanto para determinar el tamao mnimo del objeto en
unidades del terreno basta con aplicar una regla de tres, por ejemplo en un mapa a escala 1 : 50000:
1 mm ---- 50000 mmm
0.15 mm ---- X
X=50000 x 0.15 = 7500 mm = 7.5 m
Adems en muchos casos, la representacin de determinadas entidades en el mapa como puntos o como polgo-
nos va a depender ms de la escala del mapa que de la propia natualeza de la entidad representada. Por ejemplo
un pozo es un polgono pero casi siempre se representar como un punto, lo mismo ocurre con una ciudad si la
escala es pequea.
1.5.3. Elementos de representacin cartogrca
A cada entidad espacial se puede asociar diversas variables (binomiales, cualitativas, ordinales o cuantitativas).
Por ejemplo, a una carretera se puede asociar su anchura, categora o ujo de vehculos; a un municipio pobla-
cin, renta, etc.; a un pozo la cantidad de agua extrada al ao, el nivel del agua o su composicin. Normalmente
al representar una entidad se representar tambin alguna de las variables asociadas a ella.
El conjunto de ciencias involucradas en la produccin de mapas (Geodesia, Cartografa, Geografa, Geologa,
Ecologa, etc.) han desarrollado un amplio conjunto de tcnicas para cartograar los hechos de la supercie
terrestre.
Isolineas. Son lineas que unen puntos con igual valor, sirven por tanto para cartograar variables cuan-
titativas. Un buen ejemplo son las curvas de nivel del mapa topogrco o las isobaras de los mapas del
tiempo.
Coropletas. Areas con valor comprendido entre dos umbrales y pintadas con un color homogeneo. Per-
miten representar variables cuantitativas de un modo ms simplicado.
Smbolos para indicar la presencia de entidades de un modo puntual. Pueden repesentarse utilizando di-
ferentes smbolos o colores para representar una variable cualitativa (por ejemplo el partido gobernante),
o diferentes tamaos para representar variables cuantitativas (por ejemplo el nmero de habitantes).
Lineas que simbolizan entidades, naturales o articiales, de forma lineal (carreteras, ros). Pueden utili-
zarse diferentes anchuras de linea, diferentes colores o diferentes tipos de linea para representar propie-
dades como la anchura de los ros o categoras de vas de comunicacin.
Figura 1.15: Mapa topogrco escala 1:25000
Poligonos representan objetos poligonales que, por su tamao, pueden ser representados como tales
(siempre dependiendo de la escala del mapa) o porciones homogeneas del terreno en relacin a una
variable cualitativa (tipo de roca). Pueden utilizarse diferentes colores o tramas para representar variables
cualitativas o cuantitativas, por ejemplo en un mapa de municipios se puede representar la poblacin
municipal mediante sombreados.
En catografa, suele distinguirse entre mapas topogrcos, considerados de propsito general, y mapas tem-
ticos (geolgicos, vegetacin, etc.) que reejan un slo aspecto de la realidad. Los mapas, especialmente los
topogrcos (gura ??), tratan de reejar el mximo nmero de elementos potencialmente interesantes para el
usuario, evitando llegar a confundirle por exceso de informacin. Una de las estrategias empleadas para ello
es eliminar parte de la informacin (por ejemplo una curva de nivel que cruza una poblacin) conando en
que la capacidad de nuestro cerebro para reconstruir objetos a partir de informacin parcial. Esta estrategia se
denomina generalizacin.
De este modo un mapa deja en ocasiones de ser un modelo de la supercie terrestre para ser una representacin
visual que incluye informacin variada y no totalmente estructurada.
1.6. Concepto de espacio
La cartografa constituye un medio de representacin tanto de los objetos situados en el espacio geogrco
como del mismo espacio, por tanto merece la pena prestar algo de atencin a la propia naturaleza de este. El
1.6. CONCEPTO DE ESPACIO 25
espacio ha sido el objeto de estudio, aunque desde puntos de vista diferentes, de disciplinas muy dispares: la
Filosofa desde un punto de vista puramente conceptual; las Matemticas utilizando un lenguaje formal para
describirlo; la Fsica desde un punto de vista terico; mientras que la Geografa nalmente lo ha hecho de
manera ms emprica.
Las disquisiciones loscas y fsicas acerca del espacio pueden resumirse en la controversia entre la concep-
cin de un espacio como contenedor neutro de los fenmenos dispuestos en l (Descartes, Newton) o como
algo sin existencia propia que surge del ensamblamiento de estos mismos fenmenos (concepcin de Leibnitz o
Einstein). Por otro lado est el debate aceca de si tanto el espacio como el tiempo son entidades reales o, como
sostienen Kant y los neokantianos, constructos de la mente humana para organizar la informacin procedente
de los sentidos.
Desde un punto de vista matemtico, se han denido diversos tipos de espacio, En primer lugar puede dis-
tinguirse entre espacios mtricos y no mtricos. Los primeros son aquellos en los que puede establecerse una
medida de distancia a partir de la que pueden deducirse diversas propiedades mtricas (rea, permetro, forma,
etc.), pudiendo utilizarse diversas deniciones de distancia:
Distancia euclidea, responde al concepto tradicional de distancia como hipotenusa de un tringulo rec-
tngulo. Es la ms utilizada para resolver problemas geoespaciales:
d
i,j
=
_
N
k=1
(x
k,i
x
k
j
)
2
(1.4)
Distancia de Manhattan, corresponde, siguiendo con el smil del tringulo rectngulo, a la suma de los
catetos. Resulta til en aplicaciones muy concretas como por ejemplo en estudios de ciudades:
d
i,j
=
N
k=1
|x
k,i
x
k,j
| (1.5)
Distancia como distancia mxima, corresponde a la longitud del cateto ms largo
d
i,j
= max
N
k=1
(x
k,i
x
k,j
) (1.6)
Los espacios mtricos deben cumplir una serie de condiciones:
Simetra: d(A, B) = d(B, A)
d(A, B) <= d(A, C) +d(B, C)
Existen espacios no mtricos que pueden resultar de interes trabajando con SIG, por ejemplo el tiempo necesario
para recorrer el espacio entre dos puntos
10
o los espacios topolgicos con el que se estudian las propiedades
10
que no cumple la propiedad simtrica ya que no se tarda lo mismo en ir de Murcia a la Cresta del Gallo que viceversa
de los objetos que son invariantes a transformaciones topolgicas del espacio consistentes es estiramientos o
acortamientos similares a los que hace un panadero con la masa de pan (las propiedades mtricas si seran
modicadas por estas transformaciones). Estas propiedades topolgicas son:
Estar dentro-fuera
Estar a la derecha o a la izquierda
Estar en contacto
Estas propiedades resultan de gran inters en el trabajo con sistemas de informacin geogrca.
Finalmente, el espacio geogrco, es decir el que procede de una aproximacin emprica al mundo real, es un
espacio euclideo de 3 dimensiones, aunque su representacin suele ser una proyeccin bidimensional.
1.7. Generalizacin en cartografa convencional
Por generalizacin cartogrca se entiende la seleccin y representacin simplicada de los elementos de la
supercie terrestre con un nivel de detalle apropiado a la escala y el propsito del mapa. El objetivo fundamental
es maximizar la informacin que contiene el mapa y su utilidad limitando su complejidad para garantizar su
legibilidad. Cuatro son los propsitos fundamentales de la generalizacin:
Disminuir el coste del muestreo necesario para confeccionar el mapa
Aumentar la robustez del mapa frente a errores de muestreo
Servir a diversos propsitos, ya que un mapa en el que se repesentara con mucho detalle un slo aspecto
de la realidad quedara invalidado para otros popsitos
Mejorar la visualizacin de los datos evitando que queden todos apelmazados
1.7.1. Formas de generalizacin geomtrica
La tabla ?? esquematiza los diferentes procedimientos de generalizacin geomtrica y el tipo de objetos a los
que se puede aplicar. La gura ?? representa algunos ejemplos.
Como puede verse, normalmente la generalizacin conlleva la prdida de detalles, pero en algunos casos implica
la introduccin articial de detalles. En el caso de un ro que, debido al cambio de escala, quedara como una
linea recta sera preferible introducir un meandrizado articial para darle ms apariencia de ro.
1.7. GENERALIZACIN EN CARTOGRAFA CONVENCIONAL 27
Mtodo Puntos Lineas Polgonos
Seleccin SI SI SI
Simplicacin y suavizado SI SI
Desplazamiento SI SI SI
Agregacin SI SI
Conversin a punto SI
Conversin a polgono SI
Conversin a linea SI
Segmentacin SI
Cuadro 1.1: Principales mtodos de generalizacin
1.7.2. Generalizacin temtica
A partir de una base cartogrca comn, dependiendo de los objetivos del mapa se incorporar un tipo de
informacin u otra. Por ejemplo para un mapa geolgico si que resulta interesante disponer de la topografa en
forma de curvas de nivel, sin embargo los usos de suelo no aportan informacin relevante dado el objetivo del
mapa. En un mapa topogrco por el contrario se considera ms til disponer de una representacin simplicada
de los usos del suelo que una representacin de la litologa. En ambos casos, esta informacin se representar
en tonos suaves para que no impida una correcta percepcin del resto de la informacin.
Otra forma de generalizacin es la que se produce cuando distintos objetos, procedentes de capas de informa-
cin diferentes, se superponen unos con otros en el mapa nal. En este caso unas capas tendrn prioridad sobre
otras que quedarn ocultas. Por ejemplo las curvas de nivel suelen aparecer como fondo en un gran nmero de
mapas pero, salvo que se trata de un mapa preparado para aplicaciones topogrcas, se considera informacin
secundaria, por tanto quedarn ocultas bajo ciudades, carreteras, embalses, etc (un ejemplo puede verse en los
mapas geolgicos).
En los ltimos aos, se han empezado a utilizar en la confeccin de mapas tcnicas reprogrcas que permiten
representar una gran cantidad de informacin espacial. El usuario, cambiando su ngulo de visin sobre el mapa
podr ver un tipo de informacin u otra.
1.7.3. Generalizacin y escala
El grado de generalizacin suele depender de la escala del mapa. A grandes rasgos pueden establecerse los
siguientes umbrales:
A escala 1:10000 y superior la generalizacin es muy escasa o inexistente
A escala 1:20000 empieza a aparecer generalizacin. Las calles y carreteras aparecen ensanchadas, los
edicios se agrupan simplican y desplazan y las parcelas de cultivo se agrupan en grandes polgonos de
uso de suelo
Entre 1:20000 y 1:200000, los bordes de los polgonos y los objetos lineales se simplican, las carre-
teras se simbolizan, desciende considerablemente el nmero de objetos representados pero aumenta la
densidad de objetos en el mapa.
A partir de 1:500000 el mapa es una representacin completamente simbolizada intil para su integracin
en un Sistema de Informacin Geogrca
1.7.4. Generalizacin y SIG
Cuando se trabaja con cartografa digital es importante separar lo que son los datos espaciales, que deben ser lo
ms exactos posibles, de su presentacin grca sometida a generalizacin (especialmente cuando el objetivo
de esta es producir un mapa en papel).
El carcter subjetivo e incluso a veces artstico que muchas veces tiene la generalizacin cartogrca diculta
enormemente la introduccin de funciones de generalizacin en un SIG o en cualquier otro programa que
maneje cartografa digital. Estas deberan compaginarse con las herramientas de produccin cartogrca.
En ocasiones la solucin que se ha dado a este problema es sustituir los datos originales por datos generali-
zados con lo que, siendo vlidos para su representacin en papel, quedan prcticamente inutilizados para su
incorporacin en un entorno SIG.
1.8. Tcnicas de anlisis de la cartografa convencional
Las tcnicas de anlisis que pueden utilizarse con la cartografa en papel son muy bsicas, pueden distinguirse
dos tipos (gura ??):
Medicin de direcciones, distancias y reas mediante procedimientos manuales (regla y semicrculo) o
mecnicos ms o menos sosticados (curvmetros y planmetros)
Combinacin de mapas mediante la tcnica de los transparentes. Consistente en dibujar los mapas en
papel traslcido y, aplicando luz por detrs, buscar las reas que cumplen un conjunto de criterios.
Muestreo por cuadrculas, consiste en la superposicin de una cuadrcula sobre el mapa asignndole a
cada celdilla un valor representativo de determinado fenmeno (por ejemplo la altitud media calcula-
da a partir de las curvas de nivel). De este modo se generan varias capas con diferentes variables que
permitiran un anlisis de la distribucin espacial de las mismas y sus relaciones.
A pesar de que hoy en da puedan parecer tcnicas bastante ingenuas fueron muy utilizadas antes de la aparicin
de los ordenadores y de los primeros programas de cartografa automtica.
1.8. TCNICAS DE ANLISIS DE LA CARTOGRAFA CONVENCIONAL 29
Figura 1.16: Ejemplos de las diferentes tcnicas de generalizacin en cartografa
Figura 1.17: Tcnicas de anlisis de mapas
1.9. Bibliografa
Alonso Fernndez-Coppel, I. Las coordenadas geogrcas y la proyeccin UTM
http://www.cartesia.org/top.php en la seccin 30 archivos ms descargados
Maling,D.H. (1991) Coordinate systems and map projections for GIS en Maguire, D.J.; Goodchild,
M.F. and Rhind, D.W. (Eds.) Geographical Information Systems: Principles and Applications. John Wi-
ley & sons pp. 135-146 (www.wiley.co.uk/wileychi/gis/resources.html)
Robinson,A.H. (1987) Elementos de Cartografa Ediciones Omega, 544 pp.
Van Sickle,J. (2004) Basic GIS Coordinates CRC Press 173 pags.
http://www.gva.es/icv/GLOSARIO.HTM
http://www.uco.es/ bb1rofra/documentos/proyecciones/proyecciones.html
http://www.uco.es/ bb1rofra/documentos/utm/coordenadas_utm.html
http://www.lsgi.polyu.edu.hk/cyber-class/geodesy/
http://nivel.euitto.upm.es/ mab/tematica/htmls/proyecciones.html
http://www.lsgi.polyu.edu.hk/cyber-class/geodesy/
1.9. BIBLIOGRAFA 31
http://www.uco.es/ bb1rofra/documentos/proyecciones
Captulo 2
Cartografa Digital. Introduccin a los
Sistemas de Informacin Geogrca
2.1. Cartografa Digital
Tradicionalmente la cartografa se ha representado sobre papel utilizando para su estudio todo el conjunto de
tcnicas introducidos en el tema anterior por no existir otro medio mejor. Esta cartografa, aunque muy adecuada
para determinados usos por su facilidad de transporte y manejo, presenta ciertos inconvenientes:
Los datos originales se simplican para hacer el mapa legible (generalizacin), de este modo muchos
detalles locales se pierden;
Las reas grandes quedan divididas entre varias hojas que, si han sido realizadas por diferentes autores
presentarn informacin diferente en sus bordes.
Resulta complejo e inexacto combinar informacin de diferentes mapas, especialmente si estn a dife-
rente escala;
Se trata de documentos estticos, ya que por su elevado coste tardan muchos aos en ser actualizados,
y fundamentalmente cualitativos ya que resulta difcil representar medidas cuantitativas salvo que se
utilicen isolineas lo que implica una discretizacin importante de los valores;
Disparidad de criterios entre hojas y entre ediciones.
A partir de mediados del siglo XX se producen un conjunto de fenmenos que llevan al desarrollo de la carto-
grafa digital:
Se incrementan tanto la demanda como la disponibilidad de datos espaciales y de tcnicas para su anlisis.
33
34 CAPTULO 2. CARTOGRAFA DIGITAL. INTRODUCCIN A LOS SIG
La necesidad de controlar los cambios acelerados que sufre la supercie terrestre debido a procesos de
naturaleza dinmica convierten a los mapas en papel en herramientas completamente inadecuadas debido
a su naturaleza esttica.
El trabajo en diversas lineas de investigacin bsica y aplicada en ciencias de la Tierra y medioambienta-
les suele requerir la combinacin de varios mapas representando diferentes propiedades para una misma
zona y en diferentes perodos de tiempo, as como la incorporacin de bases de datos temticas
1
.
El conjunto de desarrollos tecnolgicos globalmente denominados tecnologas de la informacin han
permitido manejar grandes volmenes de datos espaciales a muy bajo coste.
Desarrollo de herramientas de digitalizacin y automatizacin de la cartografa.
Desarrollo de programas y herramientas destinados a la integracin y anlisis de la misma, espe-
cialmente los Sistemas de Informacion Geograca (SIG).
Disponibilidad de informacin espacial a intervalos regulares de tiempo (imgenes de satlite).
Reduccin del coste del hardware (ley de Moore
2
) con lo que los SIG y la teledeteccin dejan de
ser privativos de grandes centros de investigacin o la administracin.
Aparicin de CDs y desarrollo de internet con lo que desaparecen los costes de almacenamiento y
distribucin de informacin digital.
Las diferencias fundamentales entre cartografa en papel y cartografa digital son:
Mientras que la Cartografa en papel tiene un carcter esttico, la Cartografa Digital es dinmica en el
sentido de que es mucho ms sencillo, tanto desde el punto de vista tecnolgico como econmico, su
actualizacin.
La informacin debe estar perfectamente estructurada y sin ambiguedades para que los programas la
puedan interpretar. Los ordenadores no pueden deducir la informacin eliminada o modicada por los
procesos de generalizacin que puedan haberse utilizado. Un ejemplo habitual son las curvas de nivel
cortadas para introducir una etiqueta de texto.
Se introduce el concepto de capa como chero, o parte de un chero, que contiene informacin espacial
de una sola variable (en algunos casos un chero puede almacenar vsarias capas). Se reserva el trmino
mapa para una combinacin de capas preparadas para su visualizacin o impresin. No debe mezclarse
informacin de diferentes tipos en una misma capa.
Tres tipos de programas se han utilizado tradicionalmente para el manejo de datos espaciales:
1
Cuando se trabaja con SIG se suele hacer la distincin entre base de datos espacial y temtica. La primera hace referencia al
conjunto de mapas en formato digital (un mapa de trminos municipales por ejemplo) y la segunda a las tablas que aportan variables no
espaciales asociadas a las diferentes entidades representadas en la base de datos espacial (una tabla con informacin a nivel municipal).
2
La capacidad de almacenamiento de los componentes de un ordenador se dobla cada 18 meses manteniendose el precio aproxima-
damente constante.
2.2. QUE ES UN SIG? 35
Programas de CAD (Diseo Asistido por Ordenador). Permiten dibujar puntos, lineas y reas en pantalla
a partir de un sistema de coordenadas denido por el usuario. Se han utilizado sobre todo en arquitectura,
ingeniera y diseo. Podan emplearse tambien, aunque de forma limitada, para hacer mapas.
Programas de cartografa automtica. Programas para crear mapas en impresoras de texto utilizando
diferentes caracteres para simbolizar diferentes entidades o valores de variables.
Programas para teledeteccin. Permitan generar mapas como nuevas imgenes obtenidas a partir de
las imgenes originales captadas por el satlite. Hasta principios de la dcada de los noventa requeran
hardware especco por la escasa potencia de los ordenadores personales.
Todos estos programas, junto con otros como los programas de gestin de bases de datos o las aplicaciones
estadsticas, empiezan a converger a principios de los setenta hacia un nuevo tipo de aplicacin informtica,
los Sistemas de Informacin Geogrca (SIG) orientados a la codicacin, gestin y cartografa de variables y
entidades espaciales (gura ??).
Los SIG se han desarrollado por tanto a partir de la conuencia de conceptos, ideas, mtodos de trabajo, termi-
nologa e incluso prejuicios aportados por profesionales procedentes de diferentes campos. La interaccin de
estos profesionales ha supuesto que el desarrollo no haya seguido siempre la misma direccin y que aparezcan
incluso perspectivas bastante diferentes de lo que es un SIG. Por ejemplo, pensando en la importancia que
se otorga al tiempo apareceran en un extremo los cartgrafos y en el otro los eclogos. Para los primeros el
tiempo no tiene importancia
3
mientras que los segundos estudian procesos que ocurren en el espacio pero a una
velocidad relativamente alta.
2.2. Que es un SIG?
2.2.1. Sistemas de Informacin y Sistemas de Informacin Geogrca
En general, un Sistema de Informacin (SI) consiste en la unin de informacin en formato digital y herramien-
tas informticas (programas) para su anlisis con unos objetivos concretos dentro de una organizacin (empresa,
administracin, etc.). Un SIG es un caso particular de SI en el que la informacin aparece georreferenciada es
decir incluye su posicin en el espacio utilizando un sistema de coordenadas estandarizado resultado de una
proyeccin cartogrca (generalmente UTM).
Cuando se habla de Sistemas de Informacin, suele pensarse en grandes sistemas informticos que prestan
apoyo a empresas u organismos de cierta envergadura. Este apoyo implica:
El almacenamiento de la informacin relativa al capital de la empresa y a todas las transacciones,
Permitir la consulta de datos particulares con cierta facilidad y desde diferentes puntos,
Analizar estos datos para obtener un mejor conocimiento de las vicisitudes que atraviesa la empresa,
3
De otro modo no se invertiran millones de euros en hacer mapas de usos del suelo que quedan rpidamente obsoletos.
Ayudar en la toma de decisiones importantes.
En el caso del Sistema de Informacin de una compaa area, el sistema de reserva y venta de billetes debe
actualizarse constantemente para permitir la consulta al mismo desde cualquier punto de venta. Toda esta infor-
macin debe quedar almacenada para analizar la marcha de la compaa, cuanticar el impacto de determinados
acontecimientos
4
y apoyar decisiones como la compra de nuevos aparatos o la cancelacin de vuelos.
Si pensamos en el SIG de una regin, este contendr informacin ambiental y socioeconmica de manera
que podamos consultar las caractersticas de un determinado espacio o cuales son las areas que cumplen con
el conjunto de criterios recomendables para, por ejemplo, instalar un parque elico. De este modo un SIG se
convierte en una herramienta fundamental para llevar a cabo estudios de Ordenacin del Territorio o Evaluacin
de Impacto Ambiental. Ms adelante se expondrn algunos ejemplos de consultas, anlisis y tomas de decin
basados en SIG.
Podramos considerar, en sentido amplio que un SIG est constituido por:
Bases de datos espaciales en las que la realidad se codica mediante unos modelos de datos especcos.
Bases de datos temticas cuya vinculacin con la base de datos cartogrca permite asignar a cada punto,
linea o rea del territorio unos valores temticos.
Conjunto de programas que permiten manejar estas bases de datos de forma til para diversos propsitos de
investigacin, docencia o gestin.
Conjunto de ordenadores y perifricos de entrada y salida que constituyen el soporte fsico del SIG. Estas
incluyen tanto el programa de gestin de SIG cmo otros programas de apoyo. Debido a los requerimien-
tos de velocidad, almacenamiento y memoria RAM de un SIG, generalmente es preferible destinar un
ordenador en exclusiva a la implementacin del SIG, bien sea actuando como servidor
5
o como ordenador
personal.
Comunidad de usuarios que pueda demandar informacin espacial.
Administradores del sistema encargados de resolver los requerimientos de los usuarios bin utilizando las
herramientas disponibles o bien produciendo nuevas herramientas.
2.2.2. Bases de datos
Desde el punto de vista de los datos, un SIG se basa en una serie de capas de informacin espacial en formato
digital que representan diversas variables (gura ??), o bien capas que representan entidades (gura ??) a los
que corresponden varias entradas en una base de datos enlazada. Estas capas corresponden, al menos en parte,
4
Por ejemplo los atentados del 11 de Septiembre de 2001 o el maremoto en el Oceano Indico en 2004.
5
Se denomina servidor a un ordenador de gran potencia en el que diversos usuarios pueden trabajar de forma simultanea conectados
desde varios ordenadores menos potentes denominados terminales.
Figura 2.1: Superposicin de capas de informacin representando supercies y entidades
a la misma zona, de manera que pueden analizarse en conjunto. De este modo puede combinarse, en un mismo
sistema, informacin espacial y temtica, con orgenes y formatos muy diversos.
De las diversas disciplinas que convergen en los SIG, la cartografa es una de las que tiene una contribucin
ms relevante. Los SIG representan as una visin cartogrca del mundo apoyada en un espacio absoluto
dotado de un sistema cartesiano de coordenadas obtenido a partir de un sistema de proyeccin. La fortaleza que
supone el apoyo de la enorme tradicin cartogrca implica tambin inconvenientes como el carcter esttico y
plano de los mapas y la incapacidad para reejar el nivel de incertidumbe asociado a estos datos o la necesidad
de unicar sistemas de proyeccin si los de las capas de informacin original son diferentes.
2.2.3. Programas
Desde el punto de vista de los programas, los Sistemas de Informacin Geogrca se han desarrollado a partir
de la unin de diversos tipos de aplicaciones informticas: la cartogafa automtica tradicional, los sistemas de
gestin de bases de datos, las herramientas de anlisis digital de imgenes, los sistemas de ayuda a la toma de
decisiones y las tcnicas de modelizacin fsica (gura ??).
Por ello tienden a veces a ser considerados un producto de las facultades de informtica para ser usados por
informticos, sin embargo la fuerte carga terica de los SIG exige al usuario conocimientos adecuados acerca
de la ciencia espacial con la que est trabajando para escoger, en cada caso, las herramientas adecuadas a cada
anlisis en particular. Las particularidades del manejo de datos espaciales, en buena parte comunes a todas las
ciencia de la Tierra y ambientales, ha fomentado el uso del trmino Ciencia de la Informacin Geogrca. Por
otro lado, para un experto en estas materias (ciencias de la tierra y ambientales) que desee introducirse en el
manejo de los SIG, resulta imprescindible, lgicamente, una formacin informtica slida.
Estas herramientas (programas) son muy variados hasta el punto de partir de distintas concepciones acerca de
como entender y representar el espacio y los fenmenos en el ubicados. Estas diferencias reejan diferentes
tipos de teoras acerca del espacio procedentes de disciplinas cientcas diversas; por tanto utilizar una deter-
minada herramienta SIG para resolver un problema implica la aceptacin, al menos implcita, de una teora,
una hiptesis, acerca de los datos que se manejan. Por ejemplo un mapa del pH del suelo puede hacerse de dos
maneras:
asignando a cada polgono que representa un tipo de suelo un valor de pH medio de dicho suelo
interpolando un conjunto de medidas de pH obtenidas en diferentes puntos
y cada una de ellas asume hiptesis completamente diferentes acerca de la variabilidad espacial de las propie-
dades edcas.
Este problema est en el centro de los debates acerca de si los SIG deben considerarse tan slo como una
herramienta neutra o como una disciplina cientca, debates con consecuencias profundas en el modo en que la
docencia y prctica de los SIG debe plantearse en las universidades.
El desarrollo de los SIG no ha supuesto en realidad un cambio real en los modos de analizar la informacin.
Gran parte de los algoritmos utilizados se conocan desde antes de la aparicin de los ordenadores y simple-
mente era inviable hacer los clculos a mano. De hecho el progresivo aumento en la potencia de los ordenadores
hace que cada cierto tiempo se incorporen nuevas tcnicas ya conocidas pero ms exigentes en cuanto a potencia
del ordenador que las disponibles hasta el momento.
Pero hay que tener en cuenta que la utilizacin de grandes ordenadores y herramientas sosticadas no garantiza
tampoco la calidad de los resultados. Slo con buenos datos de partida, un modelo de datos adecuado a los
mismos y tcnicas de anlisis tambin adecuadas podrn obtenerse buenos resultados.
Uno de los errores ms comunes cuando alguien se inicia en el uso de los SIG es confundir el manejo de
un programa con el dominio de una tcnica. Igual que no es lo mismo saber estadstica que saber pulsar los
botones de funciones estadsticas de una calculadora, tampoco es lo mismo conocer las tcnicas SIG que saber
manejar un determinado programa y obtener salidas grcas ms o menos estticas. De hecho, aunque una
de las primeras percepciones que se tienen de un SIG son las salidas grcas a todo color, impresas o en
la pantalla de un ordenador; conviene recordar que hay una diferencia fundamental entre los programas de
manejo de grcos y los SIG. En los primeros, lo fundamental es la imagen que vemos, siendo irrelevante
como se codique, en un SIG la imagen es slo una salida grca sin mayor importancia, lo relevante son los
datos que se estn representando y el anlisis de los mismos.
Aunque en sentido estricto no sera necesario, se han desarrollado un tipo especco de aplicaciones informti-
cas para el manejo de un SIG. Estos programas es lo que popularmente se conoce cmo SIG (IDRISI, ArcInfo,
GRASS, Erdas, etc.), pero que realmente constituyen tan slo un componente de lo que es realmente un Sistema
de Informacin Geogrca.
Figura 2.2: En los SIG convergen diversas lineas de trabajo
2.2.4. Usuarios
Los SI, o en concreto los SIG, de la envergadura de los aqu planteados estn al servicio de una estructura
organizativa, tienen una gran nmero de usuarios con diferentes niveles de acceso, administradores del sistema
y personal responsable de tomar decisiones en funcin de los informes aportados por el Sistema. Por tanto,
salvo casos triviales como el de un SIG personal desarrollado para hacer un trabajo personal, los aspectos
administrativos se convierten, junto a las bases de datos y las herramientas informticas para su anlisis, en el
tercer pilar de un SIG.
Debido a la complejidad y a la utilidad de este tipo de sistemas resulta importante distinguir entre tres formas
de interactuacin con el SIG:
Usuarios, su misin es obtener informacin del SIG y tomar decisiones en funcin de la misma. Suelen
necesitar una interfaz de usuario sencilla para enmascarar la complejidad del sistema debido a la falta de
conocimientos informticos.
Tcnicos en SIG, encargados de seleccionar las herramientas, los datos, la escala adecuada de represen-
tacin para los nes propuestos para el Sistema, y los procedimientos para su introduccin en el SIG.
Suele ser preferible que tengan formacin y experiencia en el campo de las ciencias de la Tierra y Me-
dioambientales, especialmente en el campo ms relacionado con los objetivos que se quieren cubrir con
el SIG.
Informticos, en sistemas de cierta importancia, son los encargados de su administracin. Esto incluye
modicar o incluso crear esde cero las herramientas que contiene el SIG para adaptarlas a los requeri-
mientos de los usuarios cuando estos no puedan ser llevados a cabo por los tcnicos en SIG a partir de
las herramientas disponibles en el sistema
Esta divisin puede difuminarse de forma considerable en los diferentes casos reales.
Debido a la imparable implantacin de los SIG como herramienta de anlisis y gestin de datos espaciales el
nmero de usuarios de SIG (no siempre voluntarios) crece enormemente. Por otro lado la necesidad de basar
ciertas decisiones polticas en los resultados de un SIG ha llevado a algunos gestores a interesarse por estos
programas.
Estos nuevos usuarios, con bastante menos conocimientos informticos que los usuarios tradicionales, no tie-
nen necesidad de un programa altamente sosticado sino que simplemente necesitan visualizar y consultar
comodamente informacin espacial. Para cubrir esta necesidad han aparecido programas sencillos (ArcView,
Idrisi) pero menos potentes que los SIG tradicionales (ArcInfo, GRASS). A raiz de estos hechos, se ha abierto
cierta polmica entorno a la aparente contradiccin entre programas de gran potencia y exibilidad pero difcil
manejo y programas sencillos pero menos potentes. Quizs la solucin habra que buscarla en el mundo de las
bases de datos. Una base de datos potente (Oracle, Postgresql, SQL server) distingue entre:
La base de datos en si, como conjunto de cheros que almacenan la informacin;
2.3. UTILIZACIN DE UN SISTEMA DE INFORMACIN GEOGRFICA 41
El programa servidor de bases de datos que recibe las consultas de los usuarios y accede a la base de
datos;
Los programas clientes de bases de datos son programas sencillos que permiten al usuario escribir
consultas, las lanzan al servidor, reciben la respuesta de este y presentan los resultados al usuario.
Los usuarios acceden a la base de datos a travs de programas clientes, estos se comunican con el programa
servidor que analiza sus consultas y suministra sus resultados. Los programas clientes pueden ser ms o menos
complejos en funcin de las necesidades del usuario, puede tratarse de un simple visualizador de tablas o de un
cliente con capacidad para hacer consultas y modicaciones complejas a la base de datos.
2.3. Utilizacin de un Sistema de Informacin Geogrca
Las funciones bsicas, y ms habitualmente utilizadas, de un SIG son el almacenamiento, visualizacin, con-
sulta y anlisis de datos espaciales. Un uso algo ms avanzado sera la utilizacin de un SIG para la toma de
decisiones en ordenacin territorial o para la modelizacin de procesos ambientales.
2.3.1. Almacenamiento
El primer problema que se plantea al trabajar con un SIG es el como codicar y almacenar los diferentes
fenmenos que aparecen en la supercie terrestre. El primer paso para consegirlo es desarrollar modelos de
datos adecuados. Es decir, el almacenamiento de datos espaciales implica modelizar
6
la realidad y codicar de
forma cuantitativa este modelo. Los temas 3, 4 y 8 tratarn con cierta profundidad los diversos aspectos de la
modelizacin y el almacenamiento de datos espaciales
2.3.2. Visualizacin
La diferencia bsica entre un Sistema de Informacin en sentido amplio y un SIG es que este ltimo maneja
datos espaciales. Estos se presentan en un espacio de cuatro dimensiones (3 espaciales y el tiempo) pero debido
al peso que la tradicin cartogrca tiene sobres los SIG, una de las formas prioritarias de presentacin de los
datos es en su proyeccin sobre el espacio bidimensional denido mediante coordenadas cartesianas.
Hoy en da estn apareciendo un gran nmero de programas sencillos que se centran en la visualizacin y
consulta de datos espaciales, lo que se conoce como desktop mapping, que es un complemento a los SIG ms
que SIG en si mismo. Sin embargo gran parte de la popularizacin de los SIG se debe a este tipo de aplicaciones
ya que han permitido introducir la dimensin espacial de la informacin de forma sencilla en entornos de trabajo
en los que no exista una tradicin a este respecto (empresas por ejemplo).
6
Extraer los elementos esenciales obviando aquellos no necesarios para los objetivos perseguidos
2.3.3. Consultas
Un paso adelante sera la obtencin de respuestas a una serie de consultas sobre los datos y su distribucin en
el espacio. Una consulta a una base de datos implica:
Seleccionar el subconjunto de datos que el usuario necesita en funcin de un conjunto de citerios previa-
mente denidos. Por ejemplo todos los municipios con una poblacin mayor de 30000 habitantes.
Presentarlo al usuario de forma til bien sea tablas (con listados de los municipios ordenados segn
diversos criterios), grcos o mapas en los que los municipios de ms de 30000 habitantes aparezcan de
un determinado color. Las tablas dan una informacin ms exacta, pero los mapas presentan sobre las
tablas la ventaja de que aportan informacin espacial.
En un Sistema de Informacin convencional o en una base de datos, las consulta se basan en propiedades
temticas. En un SIG las consultas se basan tanto en atributos temticos como en propiedades espaciales, estas
pueden denirse mediante un par de coordenadas o pinchando directamente sobre un mapa.
El lenguaje de consulta ms utilizado en programas de gestin de bases de datos es SQL (Lenguaje Estructurado
de Consultas). Sus resultados son tablas, sin embargo estas tablas pueden combinarse con capas de informa-
cin espacial preexistentes para obtener, como presentacin, una nueva capa. En el tema 9 se hablar de la
integracin de SIG con bases de datos.
Los tipos bsicos de consulta a un SIG seran:
Que objeto aparece en el punto de coordenadas X e Y.
Cuales son los valores de las variables V
1
, V
2
,... en dicho punto?
Que puntos cumplen una determinada condicin? Por ejemplo tener una pendiente inferior al 5 % y no
estar cultivados
Que entidades cumplen una determinada condicin? Por ejemplo cuantos embalses de la Cuenca del
Segura superan el 50 % de su capacidad.
Que relacin hay entre los objetos A y B? Por ejemplo, Est Sucina dentro del municipio de Murcia o
de Cartagena?
Cual es la distancia entre dos puntos?
Cual es la conexin entre dos puntos? Por ejemplo, Cual es la mejor ruta entre murcia y La Azoha?
2.3. UTILIZACIN DE UN SISTEMA DE INFORMACIN GEOGRFICA 43
2.3.4. Anlisis
Ms sosticado sera el uso de herramientas de anlisis espacial y lgebra de mapas para el desarrollo y
vericacin de hiptesis acerca de la distribucin espacial de las variables y objetos. Los temas 5, 6 y 8 se
centrarn en estos aspectos.
Disminuye la temperatura con la altitud?
Los individuos de una determinada especie vegetal, tienden a agruparse o permanecen aislados?
Cual es el tamao mnimo de un rea de bosque para mantener una poblacin viable de lince ibrico?
En algunos casos (los dos primeros ejemplos) resulta necesaria la utilizacin de programas de anlisis estads-
tico externos a los programas de SIG, debe buscarse entonces la mayor integracin posible entre ambos tipos
de programas en cuanto a tipos de datos manejados y compatibilidad de formatos de cheros. En otros casos se
tratar de implementar modelos ya formulados apoyados en el conocimiento de expertos bien en comunicacin
directa o bien a travs de una bsqueda bibliogrca (es el caso del tercer ejemplo).
A partir de los resultados de este tipo de anlisis podemos, en algunos casos, generar nuevas capas de informa-
cin. Por ejemplo, una vez determinada la relacin entre tempertatura y altitud, puede generarse una capa de
temperaturas a partir de una capa de elevaciones mediante tcnicas de modelizacin cartogrca.
2.3.5. Toma de decisiones
Un punto ms all de sosticacin sera la utilizacin de un SIG para resolver problemas de toma de decisin en
planicacin fsica, ordenacin territorial, estudios de impacto ambiental, etc. mediante el uso de instrucciones
complejas del anlisis espacial y lgebra de mapas. En denitiva se tratara de resolver preguntas del tipo:
Que actividad es la ms adecuada para un area concreta? Por ejemplo cual es el uso del suelo ms ade-
cuado para una parcela concreta teniendo en cuenta una serie de criterios basados en variables espaciales
de las que se cuenta con capas de informacin.
Cual es el mejor lugar para la instalacin de determinada actividad deseada (un centro de ocio) o inde-
seada (un vertedero)?
Cual es la forma y tamao adecuados de los espacios naturales para cumplir con sus funciones (por
ejemplo la conservacin de biodiversidad)?
Cual es la ubicacin ptima de una red de torres de vigilancia forestal?
2.3.6. Modelizacin
Finalmente, las aplicaciones ms elaboradas de los SIG son aquellas relacionadas con la integracin de modelos
matemticos de procesos naturales, dinmicos y espacialmente distribuidos. Los objetivos perdeguidos puedn
ser tanto cientco como de planicacin y ordenacin. Por ejemplo:
Que reas pueden inundarse en caso de producirse un episodio lluvioso dado?
Que consecuencias ambientales puede tener un embalse aguas abajo de su ubicacin?
Cmo podra mejorarse la eciencia en el uso del agua?
Cual va a ser el impacto sobre el medio de dicha actividad?
En estos casos los SIG deben integrarse con un modelo dinmico, esta integracin puede llevarse a cabo de
variso modos:
El SIG se utiliza slo para crear las capas de entrada al modelo y visualizar las de salida. El modelo
se implementa en un programa aparte que importa y exporta los formatos de chero del SIG. Ambos
programas son totalmente independientes. Un ejemplo de funcionamiento similar sera el caso de una
hoja de clculo cuyo contenido se grabara en formato de texto (*.txt) y este chero se leyera con un
procesador de textos para su incorporacin en un documento;
Ambos programas se integran ms estrechamente compartiendo el mismo formato de cheros y pudiendo
ejecutarse al mismo tiempo. Por ejemplo los diferentes programas de una suite omtica.
El modelo se incorpora como un mdulo del SIG. Sera el caso de un procesador de textos que incorporara
una pequea aplicacin de hoja de clculo para incorporar, y trabajar con, tablas en el documento.
2.4. Aplicaciones de los SIG
Un Sistema de Informacin Geogrca es una herramienta que permite la integracin de bases de datos espa-
ciales y la implementacin de diversas tcnicas de anlisis de datos. Por tanto cualquier actividad relacionada
con el espacio, puede beneciarse del trabajo con SIG. Entre las aplicaciones ms usuales destacan:
Cientcas
Especialmente en ciencias medioambientales (en sentido amplio) y relacionadas con el espacio.
Desarrollo de modelos empricos, por ejemplo los que relacionan temperatura con altitud, orienta-
cin, etc. a partir de medidas tomadas en el lugar.
Modelizacin cartogrca (aplicacin de modelos empricos para hacer mapas de temperatura a
partir de mapas de altitud, orientacin, etc.)
2.5. INFRAESTRUCTURAS DE DATOS ESPACIALES 45
Modelos dinmicos (utilizacin de las leyes de la termodinmica y la dinmica de uidos para
hacer un mapa de temperatura utilizando un mapa de elevaciones, entre otros, como condiciones de
contorno.
Teledeteccin, las imgenes de satlite son estructuras raster que se manejan de forma ptima en
un SIG
Gestin
Cartografa automtica
Informacin pblica, catastro
Planicacin de espacios protegidos
Ordenacin territorial
Planicacin urbana
Estudios de impacto ambiental
Evaluacin de recursos
Seguimiento de las consecuencias de determinadas actuaciones (presas, diques, carreteras)
Empresarial
Marketing (envio de propaganda a los residentes cerca del local que cumplan determinadas condi-
ciones)
Estrategias de distribucin (optimizacin de las rutas que una ota de camiones debe realizar par
dstribuir mercancia desde varios almacenes a varios clientes)
Localizacin ptima de una sucursal en funcin de los clientes potenciales situados alrededor
2.5. Infraestructuras de Datos Espaciales
A pesar de la demostrada utilidad de los SIG, no resulta fcil ponerlos en marcha, siendo uno de los principales
problemas el elevado coste de adquisicin y mantenimiento de la informacin espacial. Las dicultades en el
acceso a esta conlleva varios problemas:
Duplicacin de esfuerzos
Duplicacin de bases de datos, no siempre coherentes
Diseminacin de copias ms o menos legales de los datos pero muchas veces sin la necesaria metainfor-
macin
Varias organizaciones han impulsado la creacin de Infraestructuras de Datos Espaciales (IDE) para faci-
litar la explotacin y el intercambio de datos espaciales. Estas infraestructuras denen una serie de normas y
estndares que los productores de datos espaciales (generalmente organismos pblicos) deben seguir.
La Comisin Europea public en 1999 un informe acerca de la necesidad de crear formatos y servicios de
metadatos para facilitar el intercambio, bsqueda y recuperacin de los mismos.
Posteriormente la Comisin promovi la iniciativa INSPIRE (Infraestructura para la Informacin Espacial en
Europa) en colaboracin con los estados miembros. Se trata de incentivar la creacin de una IDE europea
que proporcione a los usuarios la posibilidad de identicar y acceder a la informacin espacial en base a los
siguientes principios:
Los datos bsicos deben recogerse una vez y debe mantenerlos el centro que lo pueda hacer de forma
ms ecaz
Debera ser posible combinar fcilmente informacin espacial de distintas fuentes europeas
La informacin recogida a un nivel debe ser compartida entre distintos niveles
La informacin espacial debera ser abundante y estar disponible de forma que no se frene su uso masivo
Debera ser fcil descubrir que informacin geogrca est disponible
Los datos geogrcos deberan ser fciles de entender e interpretar y poder ser visualizados adecuada-
mente.
El objetivo nal es que los diferentes organismos productores de informacin espacial contaran con servidores
de mapas va web de manera que el usuario pueda utilizando un programa cliente web:
Visualizar la informacin espacial disponible con diferentes niveles de zoom, quitando y poniendo capas
de informacin,e etc.
Cargar informacin disponible en diferentes servidores de forma transparente
Bajar, si lo necesita, la informacin que esta visualizando
El primero de estos objetivos es hoy plenamente factible. Existen diversos servidores de mapas disponibles,
algunos de ellos muy conocidos:
Sitna (http://sitna.tracasa.es/)
National geographic Mapmachine (http://plasma.nationalgeographic.com/mapmachine/)
Google Earth
Google maps (http://maps.google.com/)
2.6. EL SISTEMA GPS 47
El segundo de estos objetivos implica un gran esfuerzo tcnico de cara a garantizar la interoperabilidad de los
datos, es decir que dos mapas procedentes de dos organismos diferentes puedan utilizarse juntos. Para ello se
necesita:
Descripcin adecuada de los metadatos para determinar por ejemplo si dos mapas tienen una proyeccin
compatible y cuales son las ecuaciones de transformacin entre ellas
Interoperabilidad semntica, las leyendas deben ser comunes y utilizar los mismos trminos para decir
las mismas cosas
Una correcta poltica de actualizacin de los datos y mantenimiento de las versiones antiguas. Para re-
ducir costes, slo se debera actualizar aquellas partes que realmente se han modicado y mantener las
versiones antiguas para estudios histricos
El tercer objetivo es tcnicamente factible pero puede contar con una amplia oposicin poltica, existe an un
cierto rechazo al hecho de compartir informacin medioambiental, a pesar de todas las directivas de la UE
acerca de informacin medioambiental pblica.
En todo caso, en 2006-2007 debe adoptarse la legislacin marco de INSPIRE por lo que los distintos gobiernos
(nacionales y regionales) deben caminar hacia la creacin de IDEs.
2.6. El sistema GPS
Uno de los problemas fundamentales de la cartografa ha sido siempre el conseguir de forma precisa deter-
minar la posicin en el espacio de los fenmenos a cartograar. Tradicionalmente se han utilizado tcnicas
de topografa basadas en la triangulacin. Hoy en da se cuenta con el sistema GPS que permite determinar
las coordenadas de cualquier punto de la supercie terrestre con mayor precisin que los antiguos mtodos
topogrcos.
La tecnologa GPS (Global Positioning System) fue diseada originalmente con propsitos militares pero rpi-
damente se vi su aplicabilidad en el mundo civil, fundamentalmente en navegacin y topografa.
El sistema consta de tres componentes:
Componente espacial, formado por 24 satlites situados a unos 20200 km de la Tierra y que pasan por
el mismo lugar cada 12 horas de manera que se puede contar en cualquier lugar y en cualquier momento
con, al menos, 4 de estos satlites con un ngulo de elevacin de por lo menos 15
o
.
Cada satlite lleva a bordo varios relojes atmicos de gran precisin y emiten constantemente una seal
caracterstica de cada satlite que contiene entre otras cosas la posicin del mismo.
Componente de control, formado por una sere de estaciones d eobservacin cercanas al Ecuador encar-
gados de controlar la posicin orbital de los satlites y calibrar y sincronizar los relojes.
Usuarios con un receptor GPS entre las actividades la navegacin martima o terrestre, excursionismo,
topografa, control de maquinaria, etc.
Dependiendo de las necesidades existen tres modos de utilizacin de un dispositivo GPS:
Navegacin autnoma con un receptor simple, la presicin es de 20 metros para usuarios militares
y 100 metros para usuarios civiles. Utilizado en navegacin marina.
Posicionamiento diferencial corregido (DGPS) con precisiones de 0.5 a 5 metros utilizado en
SIG, navegacin costera, posicionamiento de vehculos, etc.
Posicionamiento diferencial de fase con precisiones entre 0.5 y 20 mm, utilizado en control de
maquinaria y topografa.
El clculo del posicionamiento se basa en la medicin de la distancia desde la posicin de cada satlite a Tierra.
Puesto que la seal emitida por el satlite incluye la hora en que fue emitida y el receptor conoce la hora de
llegada, la distancia se puede calcular como:
d = ct (2.1)
donde c es la velocidad de la luz.
Se genera de este modo una pseudoesfera con centro en el satlite y radio igual a la distancia medida. Si se
dispone de tres satlites se tienen 3 pseudoesferas cuya interseccin genera un nico punto que es la posicin
del receptor. Sin embargo para obtener una medida hacen falta al menos cuatro satlites debido a las diferencias
temporales en la recepcin de las seales de los satlites.
Las distancias medidas por un receptor GPS estn sujetas a las siguientes fuentes de error:
Retrasos atmosfricas sobre la seal;
Errores en los relojes;
Efecto multitrayectoria, la seal puede llegar al receptor rebotada desde alguna supercie reectora (l-
minas de agua, edicios) obtenindose una medida de distancia erronea;
Prdida de precisin debido a que los satlites estn muy juntos. Un receptor GPS puede proporcionar
una medida de esta prdida tanto en la horizontal (HDOP) como en la vertical (VDOP);
Disponibilidad selectiva, distorsiones introducidas a propsito por el ejrcito americano para disminuir
la precisin a los usuarios civiles o a pases extranjeros. Los satlites del sistema GPS disponen adems
de una seal, que permite posicionamiento de alta precisin, pero que es slo accesible a aplicaciones
militares.
2.7. LOS SIG CIENCIA O HERRAMIENTA? 49
La tcnica DGPS permite solventar muchos de estos errores alcanzndose precisiones de 2 a 3 metros. Se basa
en la conexin del receptor a un receptor de referencia jo. Este ltimo, puesto que conoce su posicin, puede
calcular el error de la seal del GPS y transmitirlo al receptor mvil para que lo corrija.
Esta correccin puede realizarse en tiempo real o en postproceso mediante programas que descargan por internet
los cheros con los errores y los tiempos en que se han medido estos errores para corregir las posiciones medidas
por el receptor mvil y almacenadas en otro chero.
La Direccin General de Medio Natural de la Consejera de Ordenacin Territorial y Medio Ambiente, dispone
de una antena accesible por Internet (http://www.carm.es/medioambiente/medioAmbiente/GpsHTML/GPS.html)
La tcnica de Posicionamiento diferencial de fase requiere como mnimo dos receptores que deben utilizarse
de forma simultanea para, tomando varias medidas, conseguir una reduccin de errores mediante procedimien-
tos estadsticos.
La Unin Europea y la Agencia Espacial Europea est desarrollando el sistema Galileo (http://europa.eu.int/comm/dgs/energy_transport/galileo/index_en.htm)
como alternativa propia al sistema GPS lo que permitir evitar algunos de los problemas polticos que arrastrea
el sistema GPS.
2.7. Los SIG Ciencia o herramienta?
Uno de los debates ms habituales en la utilizacin de los Sistemas de Informacin Geogrca en entornos
acadmicos es hasta que punto implican realmente un avance cientco, con lo que su presencia como asignatura
sera de pleno derecho, o si son slo una herramienta, poco ms que un procesador de textos, que los alumnos
deberan aprender por su cuenta y que, como mucho, podra servir para explicar visualmente otros contenidos.
En realidad, con los SIG ocurre algo parecido a lo que ocurre con la estadstica. Existen los programas de
estadstica, o incluso las calculadoras estadsticas, que son tiles siempre y cuando el usuario tenga los conoci-
mientos de la ciencia estadstica necesarios para aplicar el mtodo que necesita con xito. De esta manera puede
distinguirse, como de hecho se viene haciendo en la bibliografa, entre Sistemas de Informacin Geogrca y
Ciencia de la Informacin Geogrca (en ingls el acrnimo es el mismo).
Se hace por tanto necesario determinar cual sera el mbito de estudio de esta Ciencia de la Informacin
Geogrca que tiene poco que ver en realidad con la Geografa, al menos con la concepcin tradicional de esta;
sino que sera el conjunto de problemas vinculados con la distribucin espacial de variables (la temperatura por
ejemplo), entidades (los individuos de una especie vegetal por ejemplo) y fenmenos (la erosin por ejemplo)
sobre la supercie terrestre
7
. Estos fenmenos son estudiados por la Geografa, Edafologa, Ecologa, etc.
pero su distribucin espacial presenta caractersticas comunes y dicultades especcas que dan su unidad a la
Ciencia de la Informacin Geogrca.
La cuestin bsica est en la necesidad y dicultad de modelizar la supercie terrestre para resolver, utilizando
un ordenador y un programa o un conjunto de programas, determinados problemas cientcos o de orden
prctico que afectana dicha supercie terrestre. Para ello es necesario:
7
Se utilizan tecnologas similares para estudiar la distribucin espacial de fenmenos sobre otros espacios particulares (ecografa en
medicina, diseo de circuitos en microelectrnica, etc.
Modelos de datos Se trata de modelos de las entidades y variables que aparecen en la supercie terrrestre
y que permitirn codicarlos en un sistema informtico
Modelos de procesos Se trata de procedimientos de clculo que representan la interaccin de los diferen-
tes elementos de la supercie terrestre y sus modicaciones.
Por ejemplo, una cuenca hidrogrca y su red de drenaje pueden representarse en un ordenador mediante una
serie de nmeros almacenados en cheros siguiendo diversos modelos de datos ampliamente utilizados (que
se vern en los siguientes temas). El proceso de generacin de avenidas e inundaciones en dicha cuenca puede
modelizarse mediante programas que toman como entrada los cheros que denen la cuenca, los que denen
la precipitacin, etc. y generan cheros de salida que pueden representar la supercie inundada, hidrogramas,
etc.
La adecuada codicacin de elementos y procesos es la base de la Ciencia de la Informacin Geogrca que,
podra considerarse que esta a caballo entre la Geografa y la Informtica.
Hoy en da aparecen tres grandes lineas de trabajo en el mundo de los SIG:
Cartografa de alta resolucin, ligada a la topografa clsica con objetivos aplicados en el campo de la
arquitectura o las ingenieras;
Modelizacin de procesos ambientales y tcnicas de simulacin de fenmenos extremos o de actuaciones
concretas sobre el espacio;
SIG y Tecnologas de la Informacin, para permitir acceder a un SIG con todas las posibilidades a tra-
vs de Internet; entre las aplicaciones de esta linea est la educacin ambiental o la publicidad y otras
aplicaciones empresariales.
2.8. Bibliografa
Coppock, J.T. and Rhind,D.W. (1991) The History of GIS en Maguire, D.J.; Goodchild, M.F. and Rhind,
D.W. (Eds.) Geographical Information Systems: Principles and Applications John Wiley & sons pp.
21-43 (www.wiley.co.uk/wileychi/gis/resources.html)
Leica Introduccin al Sistema GPS www.incom.cl/arch_pdf/publicaciones/que-esgps-leica.pdf
Longley,P.A.; Goodchild, M.F.; Maguire, D.J.; and Rhind, D.W. (2001) Geographic Information Systems
and Science John Wiley & sons 454 pp.
Maguire, D.J. (1991) An overview and denition of GIS en Maguire, D.J.; Goodchild, M.F. and Rhind,
D.W. (Eds.) Geographical Information Systems: Principles and Applications. John Wiley & sons pp.
9-20 (www.wiley.co.uk/wileychi/gis/resources.html)
Openshaw,S. (1991) A view on the GIS crisis in geography Environment and Planning A 23, 621-628
2.8. BIBLIOGRAFA 51
Unwin, D.J. (1991) The academic setting of GIS en Maguire, D.J.; Goodchild, M.F. and Rhind, D.W.
(Eds.) Geographical Information Systems: Principles and Applications John Wiley & sons pp. 81-90
(www.wiley.co.uk/wileychi/gis/resources.html)
Wright, D.J.; Goodchild, M.F. and Proctor, J.D. (1997) Desmytifying the Persistent Ambiguity of GIS as
Tool vs. Science The annals of the Association of American Geographers 87(2): 346-362
(dusk.geo.orst.eddu/annals.html)
(2005): Infraestructuras de datos espaciales: la iniciativa europea INSPIRE y ejemplo de su aplicacin
en Taboada Gonzlez, J.A. y Cotos Yez Sistemas de informacin medioambiental Ed. Netbiblo
Captulo 3
Modelos y estructuras de datos
La funcin de cualquier programa informtico es ejecutar un conjunto de instrucciones, escritas en un lenguaje
formal
1
capaces de manipular smbolos que representan algn tipo de situacin del mundo real; en el caso
de un SIG objetos y variables espaciales. El ser humano es capaz de desenvolverse sin mayores problemas a
pesar de que su conocimiento del mundo es ambiguo e incompleto; no ocurre lo mismo con los ordenadores,
las descripciones de la realidad que manejan no deben contener ambiguedad alguna. Por tanto los lenguajes
formales siguen estrictas reglas lgicas y asumen un conocimiento preciso de las situaciones del mundo real
que se simbolizan.
Un buen ejemplo de esto es el de las curvas de nivel cortadas para insertar el texto que describe su altitud (gura
??). Esta opcin es adecuada para un mapa en papel que debe interpretar un usuario humano, pero un ordenador
interpretara que las curvas se han cortado y que existen otras curvas pequeas que generan patrones extraos.
Por otra parte para que el ordenador procese adecuadamente estas curvas, su altitud debe integrarse como una
variable enlazada al objeto y no como un rtulo escrito al lado.
En SIG, al margen de asignar a cada punto de la supercie un par de coordenadas siguiendo un sistemas de
proyeccin, debemos denir, formalmente, estructuras de datos (conjunto nito de datos discretos y fcilmente
manipulables con un ordenador) que representen entidades y variables y las instrucciones que utilizar el orde-
nador para manipular estas estructuras de datos. Se trata en denitiva de un problema de lenguaje. En este tema
se tratar la base terica de la codicacin de los diferentes elementos y atributos de la supercie terrestre en
formato digital para su tratamiento con un programa SIG.
Por ejemplo, en el Sistema de Informacin de una empresa, los distintos trabajadores se codicaran mediante
estructuras de datos similares a esta:
trabajador{
Nombre (80 caracteres)
NIF (9 caracteres)
1
Los lenguajes naturales permiten expresar ambiguedades e ideas contradictorias, los lenguajes formales (los lenguajes de las
computadoras) no
53
54 CAPTULO 3. MODELOS Y ESTRUCTURAS DE DATOS
Figura 3.1: Curvas de nivel cortadas para insertar texto
Direccin (120 caracteres)
Edad (nmero entero)
Ao de contratacin (nmero entero)
Categora (20 caracteres)
}
de manera que toda la informacin relevante queda codicada mediante elementos simples (cadenas de carac-
teres y nmeros enteros). Las instrucciones deberan permitir responder a consultas como obtener el nmero de
trabajadores que llevan ms de 20 aos en la empresa.
Partiendo de la denicin de modelo como representacin simplicada de la realidad, que reeja lo fundamental
de esta ignorando los detalles accesorios, en informtica se denomina modelo de datos al conjunto de reglas
utilizadas para representar las diferentes entidades que deben almacenarse en la base de datos (trabajadores,
proveedores, clientes, etc.) mediante elementos sencillos.
Existe una diferencia fundamental entre el SI de una empresa como el pesentado anteriormente y un SIG. Los
elementos que debern integrar un SIG incluyen variables que, como la temperatura, varan constantemente de
un punto a otro del espacio y en muchas ocasiones se desconoce su valor preciso, por otro lado se manejan
entidades que no tienen lmites precisos, por ejemplo la Sierra de Carrascoy, nalmente habr entidades con
lmites precisos pero variables con el tiempo.
Codicar toda la informacin relevante acerca de una porcin del territorio en forma de estructura de datos
es, por tanto, mucho ms complejo que en el caso anterior. Supone un gran salto que se entiende mejor si
consideramos la existencia de varios niveles de abstraccin:
3.1. EL MODELO CONCEPTUAL. ENTIDADES Y VARIABLES 55
1. Realidad perceptible (montaas, lagos, campos de cultivo, etc.). Nivel propio de los gestores preocupa-
dos por problemas de gestin y planicacin del espacio.
2. Modelo conceptual. Nivel de los cientcos (gegrafos, gelogos, eclogos, etc.) que desarrollan, veri-
can o aplican teoras e hiptesis sobre variables y procesos que tienen lugar en el espacio. Estos con-
sideran la existencia de dos tipos fundamentales de elementos sobe la supercie terrestre: entidades
2
y
variables. Deben ser capaces de tomar un problema abstracto del nivel anterior y determinar las variables
implicadas en su resolucin.
3. Modelo lgico. Nivel de los tcnicos en SIG que utilizan las herramientas del sistema para llevar a cabo,
en el ordenador, las tareas requeridas por gestores o cientcos. En lugar de trabajar con la realidad
trabajan con representaciones de la misma que suelen ser de dos tipos: raster y vectorial. Deben decidir
cual es la ms adecuada para representar las variables obtenidas en el desarrollo del modelo conceptual
y cuales son los procedimientos ms adecuados para obtenerla con los datos de partida disponibles.
4. Modelo digital o estructura de datos. Nivel de informticos, y desarrolladores de SIG cuya misin
es optimizar las estructuas de datos utilizadas para almacenar la informacin y ampliar el repertorio de
herramientas para cumplir en la medida de lo posible las necesidades de los cientcos y tcnicos en SIG.
Tal como aparece en la gura ??, cada uno de estos pasos est interrelacionado con los dems. La comunicacin
entre unos y otros se hace cada vez ms difcil cuanto ms alejados se encuentren en la anterior jerarqua, por
tanto es necesaria la existencia de especialistas de los diferentes niveles para el adecuado desarrollo de un
proyecto, al mismo tiempo se requiere un dilogo constante entre los mismos. No obstante suele darse el caso
de personas que abarcan varios niveles de esta jerarqua, especialmente cuando la introduccin de los SIG en
una organizacin est dando sus primeros pasos.
3.1. El modelo conceptual. Entidades y variables
La realidad, por ejemplo el trozo de realidad representado en la gura ?? puede entenderse segn dos modelos
mentales (conceptuales) en principio contradictorios:
1. Como un continuo denido por una serie de variables que pueden ser de tipo cualitativo (litologa, usos
del suelo, etc.) o bien tratarse de supercies
3
(elevaciones, precipitacin, etc.) (gura ??). De este modo
una porcin del territorio puede caracterizarse por la superposicin de unconjunto de supercies que se
consideran como ms signicativas.
2
tambin denominadas como objetos
3
Se trata de variables cuantitativas que varan de forma ms o menos suave a travs del espacio. A este tipo de variables espaciales
se les denomina en algunos manuales de SIG como campos por analoga con el campo electromagntico que muestra propiedades
similares, se ha utilizado tambin el trmino variable regionalizada que procede de la geoestadstica, aqu se ha preferido el trmino
supercie, tambien muy utilizado, para evitar confusiones cuando se hable de variables en un sentido ms general)
Figura 3.2: Esquema de la modelizacin de datos en SIG
Figura 3.3: Realidad
2. Como la yuxtaposicin de entidades de lmites denidos y con caractersticas homogeneas, por ejemplo
parcelas de propiedad, nucleos urbanos, carreteras , etc. Cada uno de estos objetos va a tener un identi-
cador nico (guras ?? y ??).Mientras que las variables cubren el espacio de forma completa, una capa
formada por un conjunto de objetos puede no hacerlo.
3.1.1. Supercies
En el primer caso podemos estudiar la realidad como un conjunto de supercies denidas por variables cuanti-
tativas (altitud, humedad del suelo, precipitacin, densidad de vegetacin) que adquieren diferentes valores en
diferentes puntos del espacio, siendo estos valores ms parecidos cuanto ms cerca se encuentren los puntos, a
esta propiedad se denomina autocorrelacin espacial
4
.
Las supercies 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 (grcos 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 supercie (las dos dimensiones) ondulada, levantada en tres dimensiones (la media dimensin). Los grcos
4
En el tema 5 se discuten las implicaciones matemticas del concepto de autocorrelacin espacial
Figura 3.4: Supercie
Figura 3.5: Objetos
Figura 3.6: Representacin de objetos (carreteras, red de drenaje, nucleos urbanos y lmites municipales) en un
SIG en las cercanas de la ciudad de Murcia
Figura 3.7: Capa de objetos (municipio) enlazada a una base de datos (informacin censal)
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, Oceanografa o Meteorologa.
Mientras que el resto de los objetos son ms o menos perceptibles sobre el terreno o utilizando la cartografa
apropiada, las supercies suelen ser mucho ms difciles de determinar, ya que en cada punto del territorio los
valores son diferentes, al no disponer de un valor para cada punto, es necesario realizar una estimacin. Es
necesario recurrir a tcnicas de interpolacin.
El ejemplo ms tpico de supercie es la elevacin sobre el nivel del mar, representada mediante los Modelos
Digitales de Elevaciones (MDE)
5
. Se trata de una supercie que representa la topografa del terreno, es decir,
las alturas en cada punto de un territorio. Pero, en realidad, se puede crear supercies 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 precipitacio-
nes, las temperaturas, la 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 supercie.
3.1.2. Entidades
Si consideramos la realidad como una yuxtaposicin de objetos, 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 clasicados en funcin del nmero de dimensiones en tres tipos:
Objetos puntuales (gura ??.a). Objetos geomtricos de dimensin cero, su localizacin espacial se
representa por un par de coordenadas (X,Y).
Objetos lineales (gura ??.b). Objetos geomtricos de dimensin uno, su localizacin espacial se repre-
senta como una sucesin de pares de coordenadas llamados vrtices, salvo el primero y el ltimo que se
denominan nodos (en la gura ?? aparecen los vrtices en blanco y los nodos en negro).
Objetos poligonales. Objetos geomtricos de dimensin dos. Se representan como una linea cerrada
(gura ??.c) o como una sucesin de lineas denominadas arcos (gura ??.d).
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 cartogrca.
As una ciudad puede ser puntual o poligonal y un cauce uvial lineal o poligonal. Una ciudad slo tendra
sentido considerarla poligonal en estudios de planicacin urbana. Para casi todas las aplicaciones hidrolgicas
tiene ms sentido representar los cauces como objetos lineales y codicar su anchura y profundidad como
propiedades espaciales.
Podemos considerar a priori 6 categoras de informacin que caracterizan a los diferentes entidades que apare-
cen en el espacio:
5
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.)
Figura 3.8: Tipos de objetos en formato vectorial a) Punto, b) Linea, c) Polgono en formato OO, d) Polgono
en formato Arco-Nodo.
3.2. MODELOS LGICOS. FORMATO RASTER Y VECTORIAL 63
1. Identicador. Se trata de una variable cuantitativa que identica cada objeto dentro de un conjunto de
objetos del mismo tipo. Cada entidad recibe por tanto un identicador nico.
2. Posicin. Indica la ubicacin del objeto en un espacio, generalmente bidimensional. Implicitamente in-
dica tambin su dimensin y su forma. De este modo cada tipo de objeto tiene, en funcin de su nmero
de dimensiones, una serie de propiedades espaciales de tamao y forma directamente extraibles de su
codicacin 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 tra-
tarse de una magnitud en la tercera dimensin o a la dicultad de representarla por el tipo de abstraccin
que implica su representacin (por ejemplo la profundidad de un cauce o la anchura de una carretera).
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.
Combinacin aritmtica: Densidad = Poblacion/Superficie
Combinacin lgica: Si Poblacion < x & PIB > y => Riqueza = 1
Reclasicacin: Si Poblacion < 1000 & Poblacion > 500 => Recl = 2
5. Relaciones con el entorno. Todos los objetos geogrcos 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 codicarse de forma explcita en la base de datos asociada al objeto o estar
implcita en al codicacin de su localizacin espacial. Estas relaciones pueden dar lugar a la creacin
de tipos compuestos (redes, mapas de polgonos, etc.).
3.2. 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 identicador de un objeto (si se trata de una capa que contiene objetos) o
del valor de una variable (si la capa contiene esta variable).
En el formato vectorial los diferentes objetos se representan como puntos, lineas o polgonos (gura ??). La
representacin de puntos o lineas es inmediata, sin embargo al representar polgonos aparecen dos situaciones
diferentes (gura ??):
Si los polgonos aparecen aislados los unos de los otros, como en el caso de los nucleos urbanos, cada
poligono se codica como una linea cerrada, se trata de un modelo Orientado al Objeto, tal como aparece
en la gura ??.c en el que el polgono A se codica como una nica linea.
Si los polgonos se yuxtaponen, como en el caso de los trminos municipales, codicar los polgonos
como lineas cerradas tiene el problema de que habra que repetir cada una de las lineas interiores; por
ejemplo el lmite entre Murcia y Librilla (gura ?? debera introducirse dos veces, una al codicar Murcia
y otra al codicar Librilla.
El formato alternativo es el modelo Arco-Nodo con el que se codican las lineas por separado y, poste-
riormente, se dene cada uno de los polgonos a partir del conjunto de lineas que lo componen. As en la
gura ??.d el polgono B se codica como la unin de los arcos 2, 3 y 4. La codicacin de polgonos
con este modelo requiere por tanto dos etapas:
1. Digitalizacin, durante la que se introducen los arcos
2. Reconstruccin de la topologa, durante el que se denen los polgonos y se crea la tabla que
relaciona polgonos con arcos. La reconstruccin de la topologa exige que la disposicin de los
arcos sea topolgicamente correcta, as en la gura ??.d los nodos iniciales y nales de los tres
arcos deben coincidir exactamente.
La mayor virtud del modelo Arco-Nodo es ahorrar memoria, facilitar la digitalizacin y algunas de las
operaciones de anlisis SIG, siendo hoy da el modelo ms utilizado.
3.2.1. Representacin de supercies, variables cualitativas y entidades
Generalmente se considera que el formato vectorial es ms adecuado para la representacin de entidades o
variables cualitativas y el formato raster para representar supercies. Sin embargo esto no es necesariamente
as.
Para representar supercies podemos considerar hasta 4 modelos posibles (gura ??):
Malla regular de puntos, a cada uno de ellos se asigna el valor de la variable medido en el punto.
TIN (Red Irregular de Tringulos), los puntos se concentran en aquellas zonas donde la variable repre-
sentada tiene mayor variabilidad.
Figura 3.9: Modelos lgicos para representar supercies
Isolineas (lineas en las que el identicador se sustituye por el valor de la variable).
Raster, el rea de trabajo se divide en celdillas.
Los tres primeros son representaciones en formato vectorial ya que se utilizan puntos o lineas para representar
variables regionalizadas. El problema fundamental que plantean es que no representan a la totalidad del espacio,
por tanto requieren una interpolacin ms o menos compleja para saber cual es el valor en un punto concreto.
El modelo raster completa el espacio y la obtencin del valor en cualquier punto es inmediata.
Para representar variables cualitativas existen dos alternativas (gura ??)
Formato raster
Formato vectorial Arco-Nodo
Formato vectorial orientado a objetos, menos adecuado debido a que se introduce mucha informacin
redundante
Para representar objetos las alternativas son (gura ??):
Figura 3.10: Modelos lgicos para representar variables cualitativas
Formato vectorial Arco-nodo u orientado a objetos, si los polgonos no se tocan es lo mismo
Formato raster, en una misma capa no pueden aparecer objetos que coinciden en el espacio
En el caso de variables cualitativas y objetos, el formato raster dene de forma explcita el interior y de forma
implcita el exterior, en el caso del formato vectorial es al revs.
3.2.2. Ventajas y desventajas de los formatos raster y vectorial
El debate acerca de la conveniencia de uno u otro modelo ha dado lugar a una abundante bibliografa, la decisin
entre un modelo u otro debe, en todo caso, basarse en el tipo de estudio o enfoque que se quiera hacer, pero
tambin del software y fuentes de datos disponibles.
Est claro que las supercies se representan ms ecientemente en formato raster y slo pueden representarse
en formato vectorial mediante los modelos hbridos (mallas de puntos, TIN e isolineas) que no resultan ade-
cuados para la realizacin de posteriores anlisis ya que todas las operaciones que permite el modelo rster
resultaran mucho ms lentas con el modelo vectorial. En general, cualquier tipo de modelizacin fsica de
Figura 3.11: Modelos lgicos para representar entidades
procesos naturales que se base en Sistemas de Informacin Geogrca requiere una modelo de datos de tipo
rster.
Tradicionalmente se ha considerado que para la representacin de los objetos resulta ms eciente la utiliza-
cin de un formato vectorial ya que ocupa menos espacio en disco duro (aunque este ltimo problema puede
compensarse mediante diversos sistemas de compresin y en todo caso es cada vez menos relevante debido a
la cada vez mayor capacidad de los discos duros) y los cheros se manejan de forma ms rpida si lo que se
quiere es simplemente visualizar la capa. Sin emabargo el formato vectorial es ms lento que el raster para la
utilizacin de herramientas de anlisis espacial y consultas acerca de posiciones geogrcas concretas.
En el caso de las variables cualitativas estaramos en un caso intermedio entre los dos anteriores.
Las ventajas del modelo rster incluyen la simplicidad, la velocidad en la ejecucin de los operadores y que es
el modelo de datos que utilizan las imgenes de satlite o los modelos digitales de terreno. Entre las desventajas
del modelo rster destaca su inexactitud que depende de la resolucin de los datos y la gran cantidad de espacio
que requiere para el almacenamiento de los datos. Este ltimo problema puede compensarse mediante diversos
sistemas de compresin. Adems en muchos casos se confunde precisin y exactitud cuando se trabaja con
datos vectoriales de modo que la exactitud en las coordenadas del modelo vectorial es ms terica que real.
Hoy en dia se tiende a compaginar ambos modelos facilitada por el aumento en la capacidad de los ordenadores.
Se trata de representar los diferentes fenmenos espaciales con el modelo de datos ms apropiado en cada caso.
En lneas generales se pueden codicar las formas en un modelo vectorial y los procesos con un modelo rster,
para ello se requieren herramientas ecaces de paso de un formato al otro. Resulta sencillo, nalmente, la
visualizacin simultnea de datos en los dos formatos gracias a la capacidad grca actual.
Cada uno de los modelos lgicos puede implementarse de diferentes formas dando lugar a diferentes modelos
digitales (formatos de cheros) diferentes y por tanto incompatibles entre diferentes programas. Los formatos
de cheros pueden ser pblicos (con lo cual resulta ms sencillo desarrollar herramientas de importacin-
exportacin) o privados (con lo que para implementar estas herramientas habra que pagar derechos). En los
temas 4 y 9 se analizarn en detalle las caractersticas de los modelos digitales en formato raster y vectorial
respectivamente.
3.2.3. Escala y modelos lgicos de datos
El concepto tradicional de escala en cuanto relacin entre dos longitudes, no tiene sentido en un SIG. Las
herramientas de zoom, disponibles en cualquier programa grco, permiten un cambio en la escala de repre-
sentacin en la pantalla o en una salida impresa, sin embargo este cambio de escala de representacin no implica
una cambio en la escala original de los datos.
En general podemos asumir que la escala de un SIG es la de los mapas que se han utilizado como informacin
de entrada (en realidad la del mapa con escala inferior si se han utilizado varias). Sin embargo no toda la
informacin de entrada procede de mapas (conjuntos de puntos de muestreo, imgenes de satlite, etc.). En el
caso de los mapas de puntos la resolucin se relaciona, aunque de manera algo difusa, con la distancia media
entre los puntos.
3.3. EXACTITUD, PRECISIN Y ERROR 69
En SIG podemos sustituir el concepto de escala por otro concepto, algo difuso, que es el de precisin espacial
de los datos. En el caso del formato raster la precisin se relaciona claramente con el tamao de las celdillas. Si
hacemos un zoom excesivo aparecern los bordes de estas como advertencia de que la profundidad del zoom
es excesiva, en el caso del formato vectorial no tenemos este mecanismo de advertencia y en muchos casos se
fuerzan los zoom para obtener una precisin completamente ilusoria.
3.3. Exactitud, precisin y error
En cualquier actividad cientca o tcnica es inevitable la existencia de errores. Puede tratarse de errores de
medicin o errores de transcripcin, errores de posicionamiento o errores en la variable medida.
Tan absurdo resultara negar el error como invertir esfuerzos ms all de lo razonable para conseguir pequeas
reducciones del mismo una vez que se ha conseguido una exactitud adecuada para los objetivos del trabajo.
La actitud ms razonable es tratar de estimar la magnitud de los errores cometidos, comunicarlo y tenerlo en
cuenta para no pedirle a los resultados una precisin mayor de la que realmente pueden ofrecer.
En primer lugar hay que distinguir entre precisin y exactitud. Precisin es el detalle con el que un instrumento
o procedimiento puede medir una variable mientras que exactitud es lo que se acerca esta medicin al valor real,
en SIG el concepto de precisin se relaciona con el de resolucin en formato raster. El error es la diferencia
entre el valor real y el medido, sin embargo puesto que el valor real nunca se conoce realmente, el error siempre
debe estimarse.
Por ejemplo, una regla tiene una precisin de milmetro mientras que un metro de electricista tiene una pre-
cisin de centmetro. Sin embargo ser ms exacto medir un muro con un metro que con una regla ya que el
instrumento es ms apropiado.
En ocasiones los errores proceden de la utilizacin de ordenadores con precisin nita para manejar el espacio
que es un continuo. Los errores en las operaciones en coma otante de los ordenadores pueden afectar a los
resultados, por ello es recomendable utilizar siempre nmeros enteros. Por ejemplo, las coordenadas X e Y de-
beran expresarse siempre en metros nunca en kilmetros, los valores de las variables regionalizadas deberan
expresarse de forma que no incluyeran decimales (altitud en centmetros, precipitacin en dcimas de milme-
tro, etc.). De esta manera adems de prevenir errores conseguiramos que los cheros ocuparan menos en el
disco duro.
3.4. Bibliografa
Gatrell,A.C. (1991) Concepts of space and geographical data en Maguire, D.J.; Goodchild, M.F. Rhind,
D.W. (Eds.) Geographical Information Systems: Principles and Applications. John Wiley & sons pp. 119-134
Moolenar, M. (1998) An introduction to the theory of Spatial Object Modelling for GIS, Taylor & Francis,
Londres, 246 pp.
Captulo 4
El formato raster. Fundamentos
El formato rster se fundamenta en la divisin del rea de estudio en una matriz de celdillas, generalmente cua-
dradas. Cada una de estas celdillas recibe un nico valor que se considera representativo para toda la supercie
abarcada por la misma. Este formato, por tanto, cubre la totalidad del espacio, este hecho supone una ventaja
fundamental ya que pueden obtenerse valores de forma inmediata para cualquier punto del mismo.
4.1. Elementos que componen una capa raster
Una capa en formato rater est compuesta por cuatro elementos fundamentales:
La matriz de datos, que puede contener tres tipos de datos:
Valores numricos en caso de que la variable representada sea cuantitativa (g ??)
Identicadores numricos en caso de que se trate de una variable cualitativa. Estos identicadores
se corresponden con etiquetas de texto que describen los diferentes valores de la variable cualitativa
(g ??).
Identicadores numricos nicos para cada una de las entidades representadas en caso de que la
capa raster contenga entidades (puntos, lineas o polgonos)
Aunque el formato raster responde fundamentalmente a una concepcin del mundo como conjunto de
variables puede utilizarse tambin para representar entidades. Si suponemos un fondo en el que no exista
nada (valor NULL en todas las celdillas) podemos representar objetos puntuales mediante celdillas
aisladas con un valor (diferente de cero) que actuar normalmente como identicador; las lineas estaran
constituidas por ristras de celdillas adyacentes con valores diferentes de cero (gura ??), los polgonos
por conjuntos de polgonos con un mismo valor diferente de cero (gura ??).
71
72 CAPTULO 4. EL FORMATO RASTER. FUNDAMENTOS
Por tanto es necesario introducir el concepto de valor nulo (NULL
1
), que es el que tienen las celdillas
en las que no aparece ninguna entidad.
Si el conjunto de polgonos cierra el espacio, el resultado es similar a representar una variable espacial
cualitativa, la diferencia estriba en que en un mapa de polgonos, cada uno de ellos tiene su propio
identicador. Por ejemplo, en un mapa de usos de suelo considerado como variable cualitativa, todos los
campos de secano tendran el mismo valor, pero en un mapa de polgonos representado en formato raster
cada polgono tiene su propio identicador, posteriormente a cada identicador se asigna su uso de suelo.
La matriz de datos se almacena en un chero como una lista de valores numricos, pero una capa raster
necesita adems informacin que permita al programa y al usuario ubicar en el espacio estos valores y
entender su signicado. Concretamente se necesita:
Informacin geomtrica acerca de la matriz y de su posicin en el espacio:
Nmero de columnas (n
c
)
Nmero de las (n
f
)
Coordenadas de las esquinas de la capa (e, w, s, n)
Resolucin o tamao de pixel en latitud (r
x
) y en longitud (r
y
)
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 identicador numrico
una etiqueta de texto descriptiva.
Hay una serie de convenciones acerca de la forma de representacin. As la primera columna en una capa rster,
la columna nmero cero, es la de la izquierda (oeste) aumentando el nmero de columna hacia la derecha (este),
mientras que la primera la, la nmero cero, ser la superior (norte) aumentando hacia abajo (sur), en sentido
contrario al que siguen las coordenadas geogrcas y las representaciones en un modelo vectorial. Puesto que
la primera la es la nmero 0, estas se numeran desde 0 hasta n
f
1, y lo mismo para las columnas.
Todo ello da lugar a una serie de relaciones entre las variables que denen la situacin espacial de las celdillas
y que van a utilizarse a la hora de visualizar la capa raster en pantalla y de realizar consultas sobre ellas.
El nmero de celdas es n
c
n
f
.
Normalmente r
x
y r
y
son constantes y van a tener el mismo valor. En algunos casos no es as, por ejemplo
en el caso de imgenes de satlite de baja resolucin que se ven afectadas por la curvatura de la Tierra.
Las ecuaciones para obtener las coordenadas del centro de cada celda partiendo de su nmero de columna
y de la son:
1
En algunos sistemas que no contemplan el valor NULL, se utiliza el cero, aunque evidentemente que una variable tenga valor
cero es muy distinto a que no tenga valor
4.1. ELEMENTOS QUE COMPONEN UNA CAPA RASTER 73
Figura 4.1: Modelos digitales. Codicacin de una variable cuantitativa en formato raster
Figura 4.2: Modelos digitales. Codicacin de una variable cualitativa en formato raster
X = w + (c + 0,5) r
x
(4.1)
Y = s + (n
f
f + 0,5) r
y
(4.2)
A la inversa pueden obtenerse el nmero de columna y de la a partir de los valores de X e Y:
c = int(X w)/r
x
(4.3)
f = n
f
(int(Y s)/r
y
) (4.4)
Estas dos ltimas ecuaciones asumen adems la convencin de que la primera la y la primera columna
son la la 0 y la columna 0.
Sabiendo el nmero de la y columna de una celdilla es tambin sencillo obtener el nmero de orden del
pixel:
N = n
c
f +c (4.5)
de manera que la primera celdilla es la celdilla nmero cero y la ltima la (n
c
n
f
) 1.
Ejemplos
En las guras ?? y ?? aparecen dos ejemplos de capa raster. Asumiendo que la esquina inferior izquierda de las
reas en detalle coinciden con el punto de coordenadas X=632000 Y=4200000 y que en ambos casos el tamao
de la celdilla es de r
x
= r
y
= 25metros, calcula:
1. Los valores de n, s, e y w para cada una de las reas en detalle Solucin:
En ambos casos s = 4200000 y w = 632000 ya que la esquina inferior izquierda coincide con el
lmite SW
En la gura ??: n
f
= 13, n
c
= 16, por tanto n = s+n
f
r
y
= 4200325 y e = w+n
c
r
x
= 632400
En la gura ??: n
f
= 16, n
c
= 20, por tanto n = s+n
f
r
y
= 4200400 y e = w+n
c
r
x
= 632500
2. La altitud y el tipo de suelo del punto de coordenadas X=632120 Y=4200080 Solucin:
En primer lugar hay que calcular el nmero de la y de columna. Para la gura ??:
f = n int(Y s)/r
y
) = 10
c = int((x w)/r
x
) = 4
Para la gura ??:
f = n int(Y s)/r
y
) = 13
c = int((x w)/r
x
) = 4
Posteriormente basta con buscar en las matrices de datos representadas en ?? y ?? recordando que
la primera la y la primera columna son cero. Por tanto altitud=749, suelo=Xerosoles clcicos.
4.2. VISUALIZACIN Y CONSULTA DE CAPAS RASTER 75
4.2. Visualizacin y consulta de capas raster
La pantalla de un ordenador guarda una evidente semejanza con un capa raster. Se trata de un espacio rectangu-
lar dividido en pixeles
2
que pueden adoptar diversos colores. Por tanto, a la hora de mostrar una capa raster en
la pantalla del ordenador, el programa deber establecer una correspondencia entre los lmites de la porcin de
la capa raster visualizada en cada momentos y el nmero de las y columnas disponibles en la ventana que va
a mostrar la informacin. De manera que en ocasiones no se pintarn todas las celdillas sino slo una de cada
dos , una de cada tres, etc.; en otros casos una misma celdilla necesitar varios pixeles para pintarse.
Las herramientas de zoom y desplazamiento que tienen todos los programas de SIG requieren un continuo
reclculo de estas relaciones ya que la regin visualizada vara constantemente.
Algo similar ocurre con las herramientas de consulta interactiva. Para utilizarlas, el usuario debe pinchar en
un punto de la pantalla que muestra la capa raster; puesto que el programa conoce la relacin entre las y
columnas de la ventana grca y las las y columnas de la regin visualizada, se podr hacer una conversin
rpida de unas a otras unidades y a partir de hay obtener la posicin en memoria del valor consultado utilizando
la ecuacin ??.
Por lo que se reere a la visualizacin, el usuario puede seleccionar que celdillas quiere ver y cuales no en
funcin de los valores de dichas celdillas en una o ms capas raster. Para ello debe denir una mscara. Una
mscara en una capa raster de variable binomial que contiene slo unos y NULL, de manera que slo se repre-
sentarn aquellas celdillas que tengan un valor 1 en la mscara. Una mscara puede denirse por procedimientos
de lgebra de mapas (ver tema 5).
4.3. ASCII y binario
Toda la informacin que se almacena en un ordenador puede encontrarse en formato ASCII o binario, que son
los dos formatioos bsicos de codicacin de informacin en un ordenador. La forma natural, desde el punto
de vista de la mquina, es almacenar la informacin en formato binario; y la forma natural para el usuario
es hacerlo en formato ASCII. Ambos sistemas utilizan el byte como unidad mnima de informacin capaz de
almacenar 256 valores diferentes (normalmente nmeros entre 0 y 255).
El formato ASCII (American Standard Code for Information Interchange) se basa en un sistema de codicacin
que asigna a cada carcter alfanumrico (A-Z, a-z, 0-9) o de control (retorno de carro, paso de lnea, etc.) un
valor entre 0 y 255. De este modo al almacenar un texto utilizaremos un byte por carcter ms algunos bytes
de control, el problema surge a la hora de almacenar nmeros.
Cuando almacenamos un nmero en ASCII lo que se hace es utilizar un byte para almacenar cada una de los
dgitos que lo componen (incluyendo un byte para el punto en los decimales) ms algn carcter de separacin
entre nmeros (espacio, coma, retorno de carro). En la gura ?? aparece el carcter que correspondende a cada
uno de los 256 valores.
2
Aunque a veces se intercambian, es preferible, para evitar confusiones, reservar el trmino celdilla para los elementos que com-
ponen una capa raster y pixel para los elementos en que se divide la pantalla de un ordenador o cualquier ventana grca dibujada en
ella
Figura 4.3: Codigo ASCII
4.4. EL MODELO DIGITAL RASTER DE GRASS 77
Por ejemplo el nmero 274.96 utilizara 6 bytes [50][55][52][46][57][54] y la palabra SIG 3 [83][73][71].
La codicacin ASCII tiene la ventaja fundamental de que puede leerse con cualquier editor o procesador de
textos o con la orden type de MS-DOS o cat de Unix. Proporciona a los usuarios menos avezados una sensacin
de seguridad, que en algunos casos est fundamentada. Sin embargo tiene tres desventajas fundamentales:
Los cheros ASCII que contienen nmeros son mucho ms largos (de dos a cuatro veces mayores) lo
que es especialmente relevante para el tipo de cheros (muy grandes) que suelen manejarse en un SIG.
Es mucho ms lento, primero por ser ms largo y segundo porque el ordenador debe transformar la cadena
de dgitos que ha leido en un nmero.
En el modelo raster, el formato binario permite acceso directo a los datos ya que, puesto que todos
los datos de un chero tienen el mismo tamao en bytes, podemos saber en que punto del chero se
encuentra un determinado dato con slo conocer su la y columna. El formato ASCII solo permite acceso
secuencial, uno por uno, ya que no todos los datos tienen el mismo tamao en bytes y hay que buscarlo
en el chero.
En el formato binario se establece en primer lugar el nmero de bytes que van a hacer falta para almacenar
una variable. Esto incluye saber cual ser el valor mnimo, mximo y la precisin de los decimales en caso de
valores no enteros. Si en un byte pueden almacenarse 256 valores distintos, el nmero de valores que pueden
almacenarse en n bytes se obtiene como 256
n
. De este modo en el formato raster, todas las celdillas ocuparn
el mismo nmero de bytes.
4.4. El modelo digital raster de GRASS
La implementacin del formato raster (modelo lgico) es algo diferente de unos programas a otros (modelos
digitales). A continuacin, como ejemplo se analizan los modelos digitales para datos raster de GRASS.
En GRASS se utilizan varios cheros para almacenar una sola capa raster. Tienen todos el mismo nombre y,
en lugar de distinguirse por la extensin, se distinguen por el directorio en el que se almacenan dentro de un
determinado MAPSET.
La matriz de datos, es decir los nmeros que contienen las diferentes celdillas se almacenan en un chero
contenido en el directorio /cell (formato binario)
La informacin necesaria para leer y ubicar espacialmente los datos contenidos en el chero anterior se
almacenan en un chero en el directorio /cellhd (formato ASCII).
En el directorio /cats se guardan las etiquetas de texto en caso de que la variable sea cualitativa (formato
ASCII).
El chero que cuelga del directorio /colr guarda informacin acerca de la paleta de colores que se va a
utilizar para representar el mapa (formato ASCII) Es muy parecido al de IDRISI, pero ahora los valores
de intensidad oscilan entre 0 y 255.
Los directorios /fcell, /g3dcell o /cell_misc contienen informacin menos relevante o demasiado com-
pleja para abordarla aqu.
4.5. Bibliografa
De Meers, M.N. (2002) GIS Modeling in Raster John WIley & sons, Chichester 203 pp.
Tomlin, C.D. (1990) Geographic Information Systems and Cartographic Modeling Prentice Hall,249 pp.
Tomlin, C.D. (1991) Cartographic modeling en D.J. Maguire; M.F. Goodchild and D.W. Rhind (Eds.);
1991 Geographical Information Systems: Principles and Applications, John Wiley & sons, Chichester
Captulo 5
Formato raster. Algebra de mapas.
En el tema anterior se expusieron las ideas bsicas referentes a la codicacin y almacenamiento de informacin
espacial en formato raster, as como los fundamentos de la visualizacin y consulta de dicha informacin. Ms
all de estas utilidades bsicas, uno de los usos fundamentales de los Sistemas de Informacin Geogrca es
la obtencin de nuevas capas de informacin a partir de otras previamente disponibles. Para ello se dispone de
un conjunto de herramientas de clculo con matrices de datos que reciben el nombre genrico de lgebra de
mapas.
El lgebra de mapas incluye un amplio conjunto de operadores que se ejecutan sobre una o varias capas raster
de entrada para producir una o varias capas 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 denen mediante ecuaciones,
por ejemplo el operador B = A100 genera una nueva capa (B) asignando a cada celdilla el valor de la celdilla
correspondiente en la capa (A) multiplicado por 100. (gura ??). Cada capa raster 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.
Sin embargo aunque ambas operan sobre matrices, el lgebra de mapas tiene poco ms que ver con el concepto
matemtico de lgebra matricial.
5.1. Operadores en lgebra de mapas
Pueden denirse innitos operadores, aunque normalmente se clasican en funcin de las celdillas implicadas
en el clculo en:
Operadores locales
Operadores de vecindad o focales
Operadores de bloque
Operadores de area
79
80 CAPTULO 5. FORMATO RASTER. ALGEBRA DE MAPAS.
Operadores de area extendida
Operadores globales
5.1.1. 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.
Zm
x,y
= f(Z1
x,y
, Z2
x,y
, .., Zn
x,y
) (5.1)
la funcin representada por f() es una combinacin de operadores y funciones de distinto tipo:
Aritmtico (suma, resta, multiplicacin, divisin, raiz cuadrada, potencia, ...)
Lgico (AND, OR, XOR, NOT)
Relacional (>, >=, <, <=, ==, !=)
Trigonomtrico (sen, cos, tan, ...)
Condicional (si condicin entonces instrucciones sino instrucciones)
En cuanto a operadores de tipo aritmtico, puede tratarse de operaciones sencillas como la multiplicacin 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.
Un ejemplo sencillo de utilizacin del lgebra de mapas con un modelo real, sera la estimacin de la erosin
potencial mediante el modelo de la USLE cuya ecuacin fundamental es:
E
x,y
= R
x,y
K
x,y
L
x,y
S
x,y
C
x,y
P
x,y
(5.2)
donde R es la erosividad de la lluvia, K la susceptibilidad del suelo a ser erosionado, L la longitud de la
pendiente, S la pendiente, C un factor que depende del tipo de cultivo y P un factor que depende de las
prcticas de cultivo. Si se dispone de una capa raster para cada uno de estos factores resulta muy simple obtener
una estimacin de la erosin
1
.
Otro ejemplo algo ms complejo sera el clculo del parmetro I de Topmodel
2
que se calcula mediante la
ecuacin:
1
Sin embargo obtener cada una de estas capas requiere operaciones bastante ms complejas y muchas capas de informacin
2
Topmodel es un modelo hidrolgico muy extendido en el que el parmetro I representa la capacidad de cada celdilla para producir
escorrenta
5.1. OPERADORES EN LGEBRA DE MAPAS 81
I = ln(
a
tan
) (5.3)
donde es la pendiente, que se calcula mediante un operador de vecindad, y a
es el rea tributaria especca

(el rea de la cuenca vertiente a la celdilla dividido por la anchura de la celdilla) que se calcula mediante un
operador de vecindad extendida.
La inclusin de operadores lgicos y condicionales permite elaborar operadores complejos en los que no slo
los valores sino tambin las operaciones que denen la capa de salida dependan de los valores en las capas de
entrada. El caso ms simple sera la reclasicacin o clculo del nuevo valor a partir del valor de la misma
celdilla en otra capa (gura ??) en base a un conjunto de reglas sencillas de reclasicacin.
Por ejemplo, muchas metodologas de estudios de impacto ambiental no trabajan directamente con los valores
de pendiente sino con las pendientes reclasicadas. La operacin de reclasicacin se hara, suponiendo que la
capa S contiene la pendiente en tanto por ciento y que queremos generar una capa de pendientes reclasicadas
a la que llamaremos S
r
, con rdenes del tipo:
si S < 3 entonces S
r
=1: Pendiente baja
si 3 <= S AND S < 10 entonces S
r
=2: Pendiente moderada
r
=3: Pendiente media
r
=4: Pendiente alta
si S >= 50 entonces S
r
=5: Pendiente muy alta
Como puede verse, en este caso la reclasicacin implica pasar de una variable cuantitativa a una semicuanti-
tativa de manera que pueden asignarse etiquetas de texto a los identicadores numricos utilizados. Todos los
programas de SIG disponen de un mdulo que permite reclasicar capas de informacin siguiendo criterios
similares. En GRASS, el mdulo encargado de reclasicar se denomina r.reclass, en la gura ?? aparece un
ejemplo del tipo de codicacin que utiliza:
5.1.2. Operadores de vecindad o focales
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 dene 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 ltrado de capas , los operadores estadsticos y los
operadores direccionales.
Figura 5.1: Operador local aritmtico
Figura 5.2: Operador local lgico
Figura 5.3: Reclasicacin
Filtrados
El ltrado (gura ?? de capas acta moviendo una ventana, generalmente de 3x3 celdas, por toda la capa
que recorre la capa entera. Esta ventana adjudica al celdilla central la media ponderada de los valores en las
9 celdillas que abarca la ventana. A partir de diferentes coecientes de ponderacin se consiguen diferentes
resultados.
La siguiente ecuacin calculara la media aritmtica.
Zm
x,y
=
Z
x1,y1
+Z
x1,y
+Z
x1,y+1
+Z
x,y1
+ +Z
x,y
+Z
x,y+1
+Z
x+1,y1
+Z
x+1,y
+Z
x+1,y+1
9
(5.4)
Utilizando diferentes coecientes de ponderacin podemos obtener ltros de distinto tipo. Este tipo de opera-
dores se utiliza especialmente en el anlisis de imgenes de satlite.
Operadores estadsticos
Calculan un estadstico (media, desviacin tpica, mnimo, mximo, etc.) a partir de los valores de todas las
celdillas que forman la vecindad y lo adjudican a la celdilla central en la capa de salida. Por ejemplo se puede
establecer un ndice de diversidad del paisaje que sera el nmero de usos del suelo diferentes en las 25 (5x5)
celdillas ms prximas a una celdilla dada.
Operadores direccionales
Permiten estimar un conjunto de parmetros 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.). Se estudiarn ms en detalle en el tema 6.
Figura 5.4: Operador de vecindad, ltro de la media
1 2 3 4 5 4 N N N N N N
4 5 3 3 4 3 N 3.7 3.8 4 4.2 N
7 5 3 6 5 4 N 4.8 4.3 4.3 4.8 N
7 5 4 5 6 7 N 5.5 5.3 5.7 6.1 N
7 5 7 8 7 7 N 6.1 6.2 6.9 7.3 N
7 5 8 9 8 9 N N N N N N
Cuadro 5.1: Ejemplo de operador de vecindad para el clculo de la media
5.1.3. Operadores de bloque
Actan de forma similar a los operadores de vecindad, pero en lugar de aplicar la ventana a cada una de las
celdillas desplazandola celdilla a celdilla, se aplica a bloques completos del mismo tamao de la ventana y
asignando el mismo resultado a todas las celdillas incluidas dentro del bloque. Las guras ?? y ?? muestran la
diferencia entre un operador de vecindad y otro de bloque. En ambas se aplica un operador de media al mismo
conjunto de datos.
Los operadores de bloque permiten llevar a cabo cambios de escala en las capas raster, tal como aparece en la
gura ?? el resultado puede considerarse como un aumento del tamao de las celdillas.
Otra diferencia importante entre los operadores de vecindad y los de bloque es que mientras que los primeros
exigen denir una vecindad de un nmero impar de celdillas, con los operadores de bloque pueden denirse
ventanas de cualquier tamao.
1 2 3 4 5 4 3.7 3.7 3.7 4.2 4.2 4.2
4 5 3 3 4 3 3.7 3.7 3.7 4.2 4.2 4.2
7 5 3 6 5 4 3.7 3.7 3.7 4.2 4.2 4.2
7 5 4 5 6 7 6.1 6.1 6.1 7.3 7.3 7.3
7 5 7 8 7 7 6.1 6.1 6.1 7.3 7.3 7.3
7 5 8 9 8 9 6.1 6.1 6.1 7.3 7.3 7.3
Cuadro 5.2: Ejemplo de operador de bloque para el clculo de la media
5.1.4. Operadores de vecindad extendida, operadores extendidos
Son aquellos que afectan a zonas relativamente extensas que cumplen determinado criterio pero cuya localiza-
cin precisa no se conoce a priori. Por tanto el operador (programa) debe determinar en primer lugar cual es el
rea (conjunto de celdillas) que cumple dichas caractersticas. Entre los casos ms habituales estn:
1. Identicacin de polgonos homogeneos en mapas de variable cualitativa. Se parte de una variable
cualitativa, como pueden ser los usos del suelo, y se obtiene un mapa en el que a cada una de las agrupa-
ciones homogeneas con el mismo valor se le asigna un identicador nico (gura ??). De este modo se
convierten en un mapa de entidades (polgonos).
Por ejemplo, en un estudio de viabilidad de reintroduccin de una especie que habita en el bosque, no
slo es importante saber las hectareas de bosque que tiene el territorio, sino tambin cual es el tamao de
cada uno de los polgonos de bosque y cuales son los que cumplen los requerimientos de espacio de la
especie a reintroducir.
2. Areas situadas a una distancia, inferior a un valor umbral, de un objeto denido por una o varias
celdillas. Se genera as una zona tampn (buffer). El resultado sera una capa en la que se codicara de
un modo el objeto de otro modo el rea tampn y de un tercero el rea exterior al tampon (gura ??).
Siguiendo con el ejemplo anterior, la especie a reintroducir puede requerir la presencia de una supercie
de agua a una distancia determinada. Este operador permitir discriminar cuales son las celdillas que
cumplen esta condicin.
3. Lineas de ujo y cuencas de drenaje (gura ??). A partir del operador de direccin de drenaje visto
anteriormente, puede construirse otro que de modo recursivo genere la linea de ujo que seguira un
volumen de agua depositado sobre el territorio. La unin de todas las lineas de ujo 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.
El operador linea de ujo permite determinar que celdillas se vern afectadas por un posible vertido de
una industria sabiendo su ubicacin. El operador cuenca de drenaje permite evaluar el riesgo de inunda-
cin y el clculo del parmetro I del modelo Topmodel que se ha visto con anterioridad.
Figura 5.5: Operador extendido. Transformacin de un mapa de variable cualitativa en un mapa raster de objetos
Figura 5.6: Operador extendido. Clculo de distancias
Figura 5.7: Operador extendido. Clculo de lineas de ujo y cuencas
Figura 5.8: Operador extendido. Clculo de cuencas visuales
Figura 5.9: Operador de rea: Altitud media por reas
4. Cuencas visuales (gura ??). Determina el area visible desde un determinado punto e igualmente el area
desde la que dicho punto es visible.
Ejemplos de la utilidad de este operador pueden ser el estudio de impacto visual de un vertedero (cuanto
mayor sea el rea desde la que es visible mayor ser su impacto) o el diseo de una red de torretas de
vigilancia de incendios forestales (se tratara de maximizar la cuenca visual de cada una de ellas)
Tanto las lineas de ujo y cuencas de drenaje como las cuencas visuales se aplican de forma casi exclusiva a
los Modelos Digitales de Terreno por lo que se tratarn con ms detalle en el tema correspondiente en el que,
adems, se profundizar acerca de las aplicaciones de los SIG en el campo de la Hidrologa.
5.1.5. Operadores de rea o zonales
Son aquellos que calculan algn parmetro (supercie, permetro, ndices de forma, distancias, estadsticos)
para una zona previamente conocida. Puede tratarse de diferentes niveles de una variable cualitativa (supercies
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 (gura ??). 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 interesante es el clculo de la supercie ocupada por cada uno de las entidades en un mapa de
polgonos o por cada uno de los valores de una variable cualitativa (en ambos casos el operador es el mismo).
La tilidad de este tipo de operadores es que permiten superar los anlisis celdilla a celdilla caractersticos de
los operadores locales o de vecindad para llevar a cabo anlisis sobre agrupaciones homogeneas de celdillas.
Permitirn por ejemplo calcular la pendiente media de una parcela de terreno o determinar la extensin de las
diversas manchas de bosque existentes en un rea para determinar cuales tiene un tamao adecuado para la
reintroduccin de especies.
5.1.6. Operadores globales
Son aquellos que afectan a toda la capa raster, se basan en el concepto de distancia.
Operador distancia euclidiana, permite calcular para todas las celdillas su distancia a una serie de enti-
dades en una capa raster.
Operador distancia ponderada, permite introducir el concepto de friccin que es el coste de atravesar
cada celdilla. Si por ejemplo tratamos de determinar el camino ms corto a pie hacia un yacimiento en
mitad de una sierra, debera tenerse en cuenta la mayor o menor facilidad para atravesar las diferentes
celdillas (debido a la pendiente, vegetacin, presencia de caminos, etc.)
Operador entidad ms cercana, complementario de los anteriores ya que indica, para cada celdilla,
cual es la entidad ms cercana. Resulta de utilidad para resolver problemas de distribucin de servicios
(hospitales, colegios, etc.)
La utilizacin del operador extendido linea de ujo sobre capas que representen distancias o distancias ponde-
radas permite determinar la distancia ms corta entre dos puntos teniendo en cuenta los diferentes factores que
inuyen en el coste de atravesar una celdilla.
5.2. Modelizacin cartogrca en formato raster
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.) que nos
permita la resolucin de problemas espaciales concretos. Para ello, es necesario no quedarse en una concepcin
del lgebra de mapas como un conjunto de operadores que se utilizan de forma separada, y entender el lgebra
de mapas como un lenguaje con el que es posible expresar modelos ms o menos complejos que permiten
resolver problemas.
5.2.1. El lgebra de mapas como lenguaje
Los diferentes programas de SIG han adoptado diferentes estrategias para la implemetacin del lgebra de
mapas. Los primeros programas de SIG incorporaban mdulos para los operadores ms comunes (pendiente,
orientacin, aritmtica). Con el tiempo se fueron desarrollando mdulos de propsito general que permitan
establecer 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 dicultad.
Las ltimas versiones de los SIG ms avanzados como GRASS disponen de un mdulo que acta como in-
trprete de 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 vi-
suales) siguen realizndose en mdulos aparte ya que son difciles de programar y siguen unos esquemas muy
poco exibles que siempre se van a ejecutar del mismo modo.
5.2. MODELIZACIN CARTOGRFICA EN FORMATO RASTER 91
En el Departamento de Geografa de la Universidad e Utrech se ha desarrollado PCRaster (pcraster.geo.uu.nl).
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.
En general pueden distinguirse dos posibles estrategias no exclusivas:
Incluir un lenguaje de lgebra de mapas que permita incorporar los diferentes operadores como funciones
con las que elaborar modelos complejos mediante una formulacin similar a la de la aritmtica.
Mdulos (pequeos programas) que ejecuten cada uno de los operadores sobre una serie de capas de
entrada generando diversas capas de salida. Estos operadores pueden activarse pulsando un botn en una
Interfaz Grca de Usuario o bien escribiendo la orden en un terminal de texto.
El conjunto de un mdulo junto con las capas de entrada y salida y los parmetros requeridos constituye una
orden dada al sistema. La resolucin de un problema espacial mediante modelizacin cartogrca exigir la
ejecucin ordenada de una serie de rdenes, en denitiva la implementacin de un determinado algoritmo para
resolver el problema. De este modo el lgebra de mapas se convierte en un lenguaje de programacin
Por ejemplo, en el captulo de lgebra de mapas del tutorial de GRASS aparece un conjunto de rdenes que per-
miten emular un operador de bloque (que no existe en GRASS), se trata en denitiva de un pequeo programa
que constituye un operador de bloque.
5.2.2. El lgebra de mapas como sistema
Siguiendo un enfoque sistmico de lo que es un SIG, el lgebra de mapas es un conjunto de operadores, y
cada operador constituye un componente del sistema de informacin que transforma una serie de entradas
de informacin en una serie de salidas. Las entradas y salidas no son slo capas espaciales sino que tambin
pueden ser tablas o visualizaciones en pantalla o impresora (gura ??).
Este tipo de grcos se denominan diagramas de ujo y son de uso comn tanto en dinmica de sistemas
como en programacin de ordenadores. Se han propuesto diversos mtodos de elaboracin de estos diagramas,
una buena opcin es representar los mapas mediante rectngulos y los mdulos mediante valos. Las relaciones
entre unos elementos y otros se representa mendiante echas.
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 denitiva, consituyen nuevos macrooperado-
res. Podemos pensar tambin en el conjunto de operadores como en componentes electrnicos o piezas de un
mecano que pueden enlazarse para congurar el sistema de acuerdo a nuestras necesidades, es decir con el
objeto de resolver un problema.
En la parte inferior de la gura ?? puede verse como estos mdulos se combinan para solucionar un problema
de lgebra de mapas planteado, se parte de 3 mapas y el resultado es un mapa y una tabla. La resolucin de
problemas no va a involucrar slo a operadores-mdulos de SIG, sino tambin a otros programas presentes en
el sisema operativo e incluso herramientas desarrolladas por el usuario. En algunos casos estas herramientas se
desarrollan a partir de la combinacin de algunos operadores que da lugar a un nuevo macro-operador (gura
??).
5.2.3. Conceptualizacin y formulacin de un problema espacial mediante modelizacin car-
togrca
La aplicacin de estas ideas a la resolucin de problemas en un entorno SIG requiere, en primer lugar, la
descomposicin del problema planteado en una serie de subproblemas y estos a su vez en otros, hasta que
queden convertidos en una serie de operadores, interconectados en un diagrama de ujo, que se transeren y
transforman informacin espacial.
El primer paso para desarrollar un modelo que permita resolver un problema espacial es determinar como debe
actuar el modelo, para ello hay que empezar teniendo claro cual es el resultado nal que se quiere obtener
(generalmente uno o varios mapas y algunos informes) y aplicar el siguiente procedimiento recursivo:
1. Determinar que operador/es producira el mapa o los mapas resultado
2. Determinar los mapas de entrada a dichos operadores
3. Disponemos de esos mapas?
SI. Terminado
NO. Considerar estos mapas de entrada como nuevos mapas resultado y volver, para cada uno de
ellos, al paso 1
En la gura ?? puede verse un ejemplo de aplicacin de esta metodologa, el problema estaba planteado as:
Se requiere la seleccin de reas con una elevacin inferior a 200 m y pendiente inferior a 5 %. Estas reas
deben a su vez estar a menos de 100 m de un curso uvial y no estar en cultivo. Para resolverlo se dispone de
una capa vectorial con la red de drenaje (rios_vect), una capa raster de usos del suelo (usos) y una capa raster
de elevaciones (elevaciones).
Para resolverlo
3
el primer paso sera determinar con que operacin podemos conseguir el mapa resultado y
cuales son los mapas de entrada a dicha operacin. En este caso necesitamos un mapa de elevaciones (que ya
tenemos), un mapa de pendientes (que podemos obtener a partir del de elevaciones) y un mapa de distancia a
la red de drenaje. El mdulo que evaluar en que celdillas se cumplen las condiciones impuestas es r.mapcalc;
y el mdulo que obtiene las pendientes a partir de las elevaciones ser r.slope.aspect.
Para obtener un mapa de distancias a la red de drenaje tendremos que rasterizar esta (mdulo v.to.rast) y utilizar
el mdulo r.buffer para establecer las distancias.
3
A continuacin se detalla la resolucin con GRASS, la resolucin con cualquier otro SIG ser igual pero cambiando los nombres
de los mdulos
5.3. ESTUDIO DE VOLMENES Y MODELOS DINMICOS 93
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 (gura ?? parte baja); este es el concepto fundamental del trabajo con un SIG.
Una vez conceptualizado el modelo es necesario formularlo, es decir convertir el esquema en un conjunto de
rdenes cuya ejecucin sucesiva resolver el problema, es decir en un programa. Por tanto el lgebra de mapas
se convierte en un lenguaje de programacin y el trabajo con un SIG en el desarrollo de algoritmos. Existen
programas de SIG que permiten convertir estos esquemas directamente en programas.
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 chero y utilizarlo con otra base de datos diferente. Evidentemente para hacer esto necesitamos un SIG
basado en comandos, es decir basado en un lenguaje.
Sin embargo un conjunto de rdenes no constituye un programa, es necesario en muchos casos disponer de otros
elementos como estructuras condicionales o iterativas que evalen condicones. Por tanto es necesario incluir
las ordenes del SIG en un lenguaje formal de suciente potencia. Generalmente se utilizan los denominados
lenguajes de scripts.
Finalmente cabe destacar cuatro ideas bsicas sobre el lgebra de mapas:
Conocer el conjunto de operadores de lgebra de mapas no signica saber modelizar.
El lgebra de mapas se aprende con la prctica y viendo ejemplos
El lgebra de mapas crece ya que pueden crearse nuevos operadores a partir de la combinacin de otros
operadores formado programas
Los problemas complejos pueden dividirse siempre en subproblemas simples
5.3. Estudio de volmenes y modelos dinmicos
Debido a la fuerte inuencia que la tradicin cartogrca ha tenido sobre el desarrollo de los SIG, tanto la
representacin de la realidad en formato raster como los operadores de lgebra de mapas tienen un carcter
fundamentalmente bidimensional representando las diferentes capas diferentes aspectos del rea de trabajo.
La incorporacin de la tercera dimensin (ms all de la representacin 2.5D que implican los modelos digitales
de terreno) implicara la divisin de la misma en capas y cada una de estas capas se representa mediante una
capa raster diferente
4
. La implementacin de operadores tridimensionales no resulta demasiado complicada por
lo que se reere a los operadores locales, bastara con repetir la misma operacin en todas las capas. Operadores
ms complejos requeriran la repeticin de los mismos en diferentes capas y posteriormente un operador local
entre las capas:
4
Ahora cada celdilla representara un volumen de dimensiones resx, resy y resz. A estos volmenens se les suele denominar
voxels
Por ejemplo un operador de vecindad para calcular la media implicara el clculo de un operador de vecindad
de media para cada capa y posteriormente calcular para cada celdilla la media entre los resultados de la capa,
la capa superior y la capa inferior (gura ??).
Los modelos llevados a cabo con tcnicas de modelizacin cartogrca son fundamentalmente estticos, es
decir no incorporan la dimensin temporal. La implementacin de modelos dinmicos en un SIGes un problema
an no del todo resuelto que requerira disponer de una capa raster para cada intervalo temporal. Esto supone la
necesidad de manejar un nmero enorme de capas, especialmente por que en los modelos dinmicos se suelen
considerar mltiples variables, lo que va normalmente ms all de las capacidades de un SIG y de los tamaos
normales de los discos duros. Una solucin es la eliminacin de capas intermedia.
5.4. Errores
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
estar entre 225 y 625 con lo que la indeterminacin aumenta de forma considerable.
5.5. Bibliografa
De Meers, M.N. (2002) GIS Modeling in Raster John WIley & sons, Chichester 203 pp.
Tomlin, C.D. (1990) Geographic Information Systems and Cartographic Modeling Prentice Hall,249 pp.
Tomlin, C.D. (1991) Cartographic modeling en D.J. Maguire; M.F. Goodchild and D.W. Rhind (Eds.);
1991 Geographical Information Systems: Principles and Applications, John Wiley & sons, Chichester
5.5. BIBLIOGRAFA 95
Figura 5.10: Ejemplos del concepto de operador
Figura 5.11: Desarrollo de nuevos operadores con algebra de mapas
5.5. BIBLIOGRAFA 97
Figura 5.12: Esquema de resolucin de problemas con algebra de mapas.1
Figura 5.13: Emulacin de un operador tridimensional de media con 4 llamadas a operadores convencionales
Captulo 6
Interpolacin a partir de puntos e isolineas.
El proceso de interpolacin espacial consiste en la estimacin de los valores que alcanza una variable Z en
un conjunto de puntos denidos por un par de coordenadas (X,Y), partiendo de los valores de Z medidos en
una muestra de puntos situados en el mismo rea de estudio (por ejemplo la interpolacin de la temperatura a
partir de datos de observatorios meteorolgicos), la estimacin de valores fuera del rea de estudio se denomina
extrapolacin. En algunos casos pueden utilizarse otras variables de apoyo V de las que se conoce su variacin
espacial en el proceso de interpolacin/extrapolacin (en el caso de la interpolacin de la temperatura puede ser
la altitud ya que aquella depende de esta. El rea de estudio vendra denida, aunque no de forma muy clara,
por el entorno de los puntos en los que s se dispone de datos.
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 (curvas
de nivel). Aunque 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 super-
cie terrestre, los valores de cualquier variable cuantitativa que midamos en ellos sern ms parecidos, para
expresarlo ms tcnicamente, las variables espaciales muestran autocorrelacin espacial.
6.1. Un poco de estadstica
Casi todos los procedimientos de interpolacin se basan, en mayor o menor medida, en el uso de tcnicas
estadsticas, por tanto se hace necesario partir de unos conceptos bsicos de esta ciencia.
La estadstica descriptiva, aquella que nos permite determinar las caractersticas de una muestra de individuos
a los que se les ha medido un conjunto de variables, se basa en el clculo de una serie de estadsticos que se
obtienen a partir de los valores medidos en los individuos. Complementariamente las tcnicas de estadstica
inferencial tratan de determinar las caractersticas de la poblacin de la que se ha extraido la muestra a partir
de los estadsticos medidos sobre esta. Existen diversos tipos de estadsticos para caracterizar una variable:
99
100 CAPTULO 6. INTERPOLACIN A PARTIR DE PUNTOS E ISOLINEAS.
Estadsticos de tendencia central (media, mediana, moda)
Estadsticos de dispersin (rango, varianza, desviacin tpica)
Estadsticos de forma (sesgo y curtosis)
De estos los ms utilizados son:
Media
m
x
=
N
i=1
X
i
N
(6.1)
Varianza
s
2
x
=
N
i=1
(X
i
m
x
)
2
N
(6.2)
Desviacin tpica
s
x
=
_
s
2
x
(6.3)
Una alternativa al uso de la media es la media ponderada cuya nalidad es dar mayor importancia a algunos de
los individuos (ya que, por ejemplo, pueden considerarse ms representativos) a la hora de calcular la media:
m
x
=
N
i=1
W
i
X
i
(6.4)
Donde W
i
representa un conjunto de coecientes de ponderacin cuya suma es 1. Por ejemplo, cuando en un
examen se dice que la nota nal depende en un 60 % de la teora y en un 40 % por ciento de la prctica, se
arma que los coecientes de ponderacin para el clculo de la nota media sern 0.6 y 0.4 repectivamente.
Cuando en lugar de caracterizar una sola variable X queremos caracterizar el comportamiento conjunto de dos o
ms variables (X, Y , ...) debemos utilizar tcncias de anlisis multivariante. Los dos estadsticos fundamentales
son:
Covarianza
COV
x,y
=
N
i=1
(X
i
m
x
) (Y
i
m
y
)
N
(6.5)
6.1. UN POCO DE ESTADSTICA 101
Coeciente de correlacin de Pearson
r
x,y
=
COV
x,y
s
x
s
y
(6.6)
La covarianza puede tener valores positivos o negativos, en el primer caso se interpreta que las dos variables
crecen al unsono, en el segundo que cuando la primera crece la segunda decrece y viceversa. El valor absoluto
de la covarianza va a depender tanto de la relacin que existe entre ambas variables como de las medias y
varianzas de ambas variables por separado.
El coeciente de correlacin se introduce precisamente para obtener un estadstico que dependa slo de la
relacin entre las variables. Sus valores oscilan entre 1 y -1. Un valor prximo a 1 indica que las dos variables
crecen al unsono, un valor prximo a -1 que cuando la primera crece la segunda decrece y viceversa, nalmente
un valor prximo a 0 indica ausencia de relacin.
Resulta obvio observando las ecuaciones ?? y ?? que:
COV
x,y
= COV
y,x
(6.7)
r
x,y
= r
y,x
(6.8)
COV
x,x
= s
2
x
(6.9)
r
x,x
= 1 (6.10)
(6.11)
Si se determina que el coeciente de correlacin entre dos variables es signicativamente distinto de cero y,
por lo tanto, que el aumento de una variable implica el aumento (r > 0) o disminucin (r < 0) de la otra, el
siguiente paso sera calcular los parmetros de una ecuacin lineal de la forma
Y = A X +B (6.12)
que nos permitiera estimar una de las variables (Y ) a partir de la otra (X). Estos coecientes se calculan
mediante las ecuaciones:
A =
COV
x,y
s
2
x
(6.13)
B = m
y
A m
x
(6.14)
(6.15)
Puesto que r
x,x
= 1 (una variable siempre crece al unsono consigo misma), en principio no tendra mucho
sentido calcular la correlacin de una variable consigo misma. Sin embargo en anlisis de series temporales y de
variables en el espacio si resulta de inters calcular el coeciente de autocorrelacin de una variable sometida
a un retardo temporal o desplazamiento en el espacio (h). Por ejemplo, en el caso de variables temporales:
r
h
x
=
COV
h
x
s
2
x
=
P
Nh
t=1
(Xtmx)(X
t+h
mx)
Nh
s
2
x
(6.16)
se calcula la covarianza de la variable consigo misma retrasada h unidades temporales. Por ejemplo podemos
calcular el coeciente de correlacin de la serie de precipitacin anual con la misma serie retardada un ao (r
1
p
)
para determinar si podramos, a partir de la precipitacin de un ao, estimar lo que llover el siguiente ao.
Asignando un valor de r
h
x
para cada h podemos construir un grco denominado correlograma de gran inters
para determinar la independencia o no de los valores de una serie temporal respecto a los valores de perodos
anteriores.
6.1.1. Un ejemplo
La siguiente tabla muestra la precipitacin mensual en el observatorio de Murcia entre 1951 y 1998:
Ao Enero Feb. Marzo Abril Mayo Junio Julio Agosto Sept. Octubre Novi. Dici.
1951 10.7 1.0 65.1 105.0 63.9 7.0 0.0 27.2 66.9 27.7 12.3 140.0
1952 6.0 5.2 3.5 57.9 22.8 0.0 0.0 7.4 29.0 64.2 2.6 2.6
1953 25.0 3.4 27.8 35.3 3.0 34.0 4.8 3.0 2.2 88.4 57.0 13.0
1954 11.4 14.3 43.3 89.6 14.0 13.4 1.5 0.0 3.0 56.1 5.5 124.9
1955 8.8 5.8 16.4 0.2 11.4 9.4 0.0 22.7 15.3 22.4 100.9 24.0
1956 48.3 27.3 27.5 15.8 16.8 1.0 0.0 2.3 12.8 13.2 40.0 3.0
1957 85.0 1.5 3.3 33.5 47.0 0.2 0.0 2.4 15.4 65.4 45.9 9.5
1958 19.2 1.8 9.9 56.3 6.7 9.9 0.0 0.4 2.9 83.8 22.7 14.3
1959 23.0 80.4 16.3 3.5 108.0 5.8 2.7 0.0 53.6 39.0 2.4 13.2
1960 21.3 29.7 17.5 39.2 28.6 80.7 0.6 0.3 0.0 49.6 8.1 37.2
1961 6.4 0.1 4.4 7.4 12.1 11.4 0.0 1.2 21.6 25.8 36.2 10.8
1962 1.2 24.5 52.7 44.4 53.4 18.7 6.9 0.0 26.7 62.3 35.2 14.9
1963 22.5 13.4 0.0 12.3 6.2 6.6 0.0 5.8 44.7 0.1 6.0 36.3
1964 24.3 7.9 21.3 10.3 0.0 55.3 3.6 0.0 9.6 1.4 9.3 95.8
1965 24.1 33.2 12.2 28.1 23.1 58.2 0.5 6.7 3.9 38.5 11.2 93.0
1966 5.0 9.3 3.4 16.5 6.9 19.2 0.0 7.0 23.4 69.0 36.3 0.0
1967 10.4 61.6 10.6 89.2 11.3 71.1 0.0 2.7 8.6 1.0 54.7 2.5
1968 79.7 38.3 34.2 13.7 50.6 18.7 0.0 2.6 0.8 0.0 26.9 9.0
1969 17.4 22.6 40.3 39.6 12.1 54.8 0.0 8.4 44.2 145.7 64.4 12.7
1970 19.5 0.4 26.0 12.8 4.6 4.0 0.0 0.0 0.2 28.9 0.2 48.1
1971 12.2 2.7 88.6 9.2 30.8 19.4 2.5 0.0 13.2 28.8 59.8 79.4
1972 12.9 3.2 41.6 46.4 40.7 29.1 0.0 7.0 71.2 197.4 90.0 6.5
1973 8.2 7.9 54.9 2.1 3.0 24.8 0.0 0.6 73.9 37.8 26.2 62.1
1974 3.3 41.0 56.6 73.3 1.4 10.0 6.9 69.1 4.2 142.2 15.4 0.0
1975 1.7 21.4 48.3 45.7 51.1 38.5 0.0 0.3 10.6 9.9 26.0 67.4
1976 9.5 20.9 2.0 64.4 112.9 3.5 8.9 28.4 53.5 42.0 1.0 41.6
1977 47.8 0.9 5.0 16.0 62.6 7.3 7.8 41.5 10.0 61.0 62.7 11.1
1978 5.2 2.8 20.4 55.1 7.8 13.8 0.0 1.6 0.5 6.8 21.2 14.2
1979 26.4 12.7 4.8 3.5 3.2 15.4 4.1 0.0 16.6 56.6 11.9 1.1
1980 126.1 85.5 15.1 52.2 41.7 2.2 41.6 4.1 7.0 0.1 5.0 18.3
1981 1.3 31.7 10.9 71.6 9.3 38.1 0.0 14.1 4.0 5.7 0.0 3.8
1982 12.7 9.6 44.9 20.3 11.6 0.9 0.0 0.9 2.4 81.4 10.4 1.0
1983 2.2 25.7 0.2 7.0 1.4 8.5 0.0 21.0 0.0 5.5 77.9 9.7
1984 5.3 6.5 8.0 35.4 41.3 3.6 0.0 0.8 0.7 26.8 50.1 4.6
1985 5.4 105.7 17.3 0.3 32.3 0.0 0.2 0.0 31.1 18.1 86.6 28.0
1986 5.9 2.0 18.2 17.5 15.7 6.8 11.0 0.9 44.8 212.7 15.4 7.1
1987 31.1 33.9 1.2 3.1 23.9 3.1 26.6 21.1 32.6 53.9 175.6 27.4
1988 16.7 46.1 4.5 33.4 13.1 34.6 0.0 0.0 9.1 21.6 55.7 5.3
1989 36.4 58.5 153.2 23.5 37.0 4.3 7.4 10.0 120.0 3.0 17.1 70.4
1990 63.3 0.0 58.1 50.6 46.7 0.4 0.0 0.0 15.7 30.5 9.4 19.1
1991 154.7 23.9 31.3 6.4 3.8 72.8 0.6 7.3 18.1 26.6 3.1 15.6
1992 10.4 65.3 39.9 4.7 29.0 83.9 0.0 0.0 0.2 31.9 18.7 10.9
1993 1.2 106.8 35.8 2.0 56.0 6.3 0.2 0.6 18.2 13.0 20.9 12.7
1994 2.2 5.0 4.0 38.5 8.2 0.1 0.0 0.2 32.6 32.9 11.3 13.3
1995 0.7 17.9 9.1 1.7 1.0 48.3 0.3 9.0 10.1 3.0 1.5 35.4
1996 34.8 27.9 16.7 28.4 19.4 8.3 0.0 3.9 36.1 32.7 53.6 52.2
1997 34.9 3.0 23.4 81.8 23.7 68.1 1.8 9.3 66.0 22.1 14.5 29.6
1998 20.0 5.9 7.9 5.2 40.3 5.0 0.0 12.0 18.3 0.0 34.4 0.0
Aplicando las ecuaciones vistas anteriormente se obtienen los siguientes resultados:
Mes Enero Feb. Marzo Abril Mayo Junio Julio Agosto Sept. Octubre Novi. Dici. Anual
Media 24.2 24.1 26.2 31.4 26.5 21.6 2.9 7.6 23 43.5 32.3 28.2 291.6
Matriz de varianzas-covarianzas
Enero Feb. Marzo Abril Mayo Junio Julio Agosto Sept. Octubre Novi. Dici.
Enero 973.9 84.7 19.6 -71.9 72.3 53.59 87.3 -23.5 -43.1 -228.3 -103.5 -88
Feb. 84.7 756.4 73.5 -107.8 193.3 52.49 55.7 -19 20.4 -339.7 37 -98.7
Marzo 19.6 73.5 766.2 83.6 77.5 -0.64 -4.8 9.9 316.9 58.7 -111.5 37.8
Abril -71.9 -107.8 83.6 761.9 81.9 66.14 6.1 81.3 40.7 170.9 -237.9 211
Mayo 72.3 193.3 77.5 81.93 650.8 -151.8 31.4 32.9 188.3 -73.6 -53 74.9
Junio 53.6 52.5 -0.6 66.1 -151.8 588.7 -36.1 -45.9 -87.6 -53.1 -106.7 73
Julio 87.3 55.7 -4.8 6.1 31.4 -36.1 53.4 18 10.8 21 43.7 -6.9
Agosto -23.5 -19 9.9 81.2 32.9 -45.9 18 164.4 20.2 119.3 68.3 -10.5
Sept. -43.1 20.4 316.9 40.7 188.3 -87.6 10.8 20.2 637.7 205.3 24.5 201.6
Octubre -228.3 -339.7 58.7 170.9 -73.6 -53.1 21 119.3 205.3 2256.9 245.2 -340.1
Novi. -103.5 37 -111.5 -237.9 -53 -106.7 43.7 68.2 24.5 245.2 1135.9 -188.9
Dici. -88.0 -98.7 377.9 211 74.9 73.0 -6.9 -10.5 201.6 -340.1 -188.9 1095.7
Matriz de correlaciones
Enero Feb. Marzo Abril Mayo Junio Julio Agosto Sept. Octubre Novi. Dici.
Enero 1 0.099 0.023 -0.083 0.091 0.071 0.383 -0.058 -0.055 -0.154 -0.098 -0.085
Febrero 0.099 1 0.096 -0.142 0.275 0.078 0.277 -0.054 0.029 -0.260 0.04 -0.108
Marzo 0.023 0.096 1 0.109 0.11 -0.001 -0.024 0.028 0.453 0.045 -0.12 0.412
Abril -0.083 -0.142 0.109 1 0.116 0.098 0.03 0.23 0.058 0.130 -0.256 0.231
Mayo 0.091 0.275 0.11 0.116 1 -0.245 0.168 0.101 0.292 -0.061 -0.062 0.089
Junio 0.071 0.079 0 0.099 -0.245 1 -0.204 -0.147 -0.143 -0.046 -0.130 0.090
Julio 0.383 0.277 -0.024 0.030 0.168 -0.203 1 0.192 0.059 0.060 0.177 -0.029
Agosto -0.059 -0.054 0.028 0.23 0.101 -0.147 0.192 1 0.062 0.196 0.158 -0.025
Septiembre -0.054 0.03 0.453 0.058 0.292 -0.142 0.059 0.062 1 0.171 0.029 0.241
Octubre -0.154 -0.26 0.045 0.130 -0.061 -0.046 0.060 0.196 0.171 1 0.153 -0.216
Noviembre -0.098 0.04 -0.119 -0.256 -0.062 -0.130 0.177 0.158 0.029 0.153 1 -0.169
Diciembre -0.085 -0.108 0.412 0.231 0.089 0.090 -0.029 -0.025 0.241 -0.216 -0.169 1
La gura ?? muestra la serie de precipitacin de Enero en Murcia. Destaca un cierto carcter cclico que
se pone de maniesto en el correlograma (gura ??) en el que se aprecia un mximo para el coeciente de
autocorrelacin de 11 aos, que es aproximadamente los aos que transcurren entre los diferentes picos de
precipitacin en la serie. Se trata de un hecho anmalo que tiene que ver con la aparicin cclica de inviernos
fros y secos que alternan con otros ms suaves y lluviosos.
Ms interesante para el tema que nos ocupa es comprobar como el coeciente de autocorrelacin (que como
caba esperar es 1 cuando el retardo es cero) desciende bruscamente cuando este aumenta lo que signica que
los resultados de un ao no son similares a los de los aos prximos.
Figura 6.1: Serie de precipitacin de Enero en el observatorio de Murcia
Figura 6.2: Correlograma de la serie de precipitacin de Enero en el observatorio de Murcia
6.1.2. Estadstica espacial
El caso del espacio es similar al del tiempo pero algo ms complejo. El espacio es bidimensional y no hay una
direccin preferente. Esto implica que los valores de autocorrelacin no tienen por que ser los mismos en todas
las direcciones.
Otra dicultad es que mientras que en una serie temporal disponemos de todos, o casi todos, los datos medi-
dos como valores agregados (diarios, mensuales, etc.); en un estudio espacial slo disponemos de los valores
medidos en algunos puntos de muestreo en un espacio innito, por tanto la estimacin de medias, desviaciones
tpicas y covarianzas no es muy able. Por ello se preere utilizar otro estadstico alternativo al coeciente de
correlacin y que no se basa en estos parmetros, es el semivariograma.
El semivariograma nos da una visin de cual es la estructura de variabilidad espacial de una variable medida en
un conjunto de puntos, para su clculo se siguen los siguientes pasos (gura ??):
1. Determinar todos los posibles pares de puntos (en total
n1
i=1
i donde n es el tamao de la muestra.
2. Para cada par (i, j), anotar la distancia (d
i,j
) entre los puntos y el cuadrado de la diferencia de los valores
(dZ
2
= (Z
i
Z
j
)
2
).
3. Establecer una serie de valores crticos de distancia (h), por ejemplo 500, 1000, 1500, 2000 m, y asignar-
les los pares cuya distancia d sea ms similar, de manera que cada valor de h recibe n
h
pares.
4. Calcular para cada valor de h la funcin semivariograma como:
(h) =
n
h
k=1
dZ
2
k
2n
h
(6.17)
donde k hace referencia a cada uno de los pares.
Calculando para diferentes valores de h obtenemos un semivariograma experimental. Lgicamente para
valores de h pequeos la funcin (h) alcanzar valores pequeos (puesto que los valores en puntos cercanos
tendern a ser ms parecidos) y conforme aumenta h aumentar (h). El valor de (h) suele alcanzar un
mximo (denominado meseta). La representacin grca (h en abcisas y (h) en ordenadas) proporciona un
resumen de la estructura de variacin de la variable (gura ??).
Este grco nos proporciona informacin de gran utilidad para interpolar nuevas capas de informacin espacial
a partir de datos puntuales. Nos da una indicacin de como la distancia entre los puntos inuye sobre las
diferencias en los valores de las variables medidas en ellos. La interpretacin del semivariograma utiliza tres
conceptos fundamentales:
efecto pepita, es el valor del semivariograma en el origen. Resulta del componente aleatorio, no correla-
cionado espacialmente, que experimenta cualquier variable espacial. Se denomina as por las pepitas de
oro que representan un brusco incremento en la variable concentracin de oro para distancias muy cortas.
Figura 6.3: Seleccin de pares de puntos para la elaboracin del semivariograma
meseta, es el valor mximo que adota el semivariograma para distancias elevadas ms all de las cuales
no hay autocorrelacin espacial.
rango, es la distancia a la que se alcanza la meseta. Puede asimilarse a la distancia ms all de la cual
dos medidas pueden considerase independientes.
En la gura ?? aparece el semivariograma para la precipitacin de octubre de 1990 en el centro de la Regin
de Murcia obtenido a partir de los datos puntuales que se muestran en la gura ??. El efecto pepita alcanza un
valor de 23.5, la meseta 113.5 y el alcance 13350 metros.
Sin embargo un semivariograma experimental resulta bastante uctuante, considerndose que incluye un com-
ponente importante de aleatoriedad. Por ello suele ajustarse a diferentes modelos tericos que dependen de un
conjunto de parmetros que, a su vez, se relaciona con el efecto pepita, el rango y el alcance.
6.2. Diseo muestral para interpolacin a partir de puntos
Se parte de un conjunto de puntos de muestreo en los que se ha medido la variable que se quiere interpolar,
constituyen una muestra. En relacin con la localizacin de estos puntos de muestreo pueden darse diversas
6.2. DISEO MUESTRAL PARA INTERPOLACIN A PARTIR DE PUNTOS 109
Figura 6.4: Puntos de muestreo de precipitacin
Figura 6.5: Representacin grca de la funcin semivariograma
situaciones atendiendo a dos factores:
1. Si podemos o no decidir su ubicacin
2. Si podemos aumentar el tamao muestral (nmero de puntos) una vez hecho el muestreo
Por ejemplo, la interpolacin de variables climticas representa el peor de los casos ya que, normalmente, la
localizacin de los puntos de muestreo (estaciones meteorolgicas) se decidi hace tiempo y resulta claramente
imposible aumentar su nmero para mejorar la interpolacin (aunque podra aumentarse el nmero para obtener
mejores mapas en el futuro).
En el caso de un muestreo de campo de variables del suelo, podemos decidir donde medir y, en funcin de los
resultados, volver a muestrear en otros puntos, aumentando as, el tamao muestral.
Suponiendo que tenemos la posibilidad (y la responsabilidad) de hacer nuestro propio diseo de muestreo, para
ello nos debemos basar en el conocimiento previo que tengamos acerca de la estructura de variacin de la
variable a interpolar. Los modelos bsicos que podremos utilizar (o incluso combinar) son los siguientes (gura
??):
Muestreo regular, los puntos de muestreo se disponen siguiendo una malla regular (gura ??.a)
6.2. DISEO MUESTRAL PARA INTERPOLACIN A PARTIR DE PUNTOS 111
a b
c d
Figura 6.6: Mtodos de muestreo: a) sistemtico, b) aleatorio, c) estraticado y d) por agregados
Muestreo aleatorio, los puntos de muestreo se disponen al azar (gura ??.b)
Muestreo estraticado, se utiliza una variable de apoyo para realizar el muestreo de forma que se debe
muestrear en todos los valores posibles de la variable de apoyo. Por ejemplo en la gura ??.c la variable
de apoyo seran los diferentes municipios de la Regin de Murcia. El muestreo se ha hecho de modo que
se cojan dos puntos al azar dentro de cada municipio
Muestreo por agregados, se establecen varias escalas de muestreo y en cada una de ellas se hacen mues-
tros regulares o aleatorios (en la gura ??.d aparecen 3 escalas de muestreo)
Los dos primeros son los ms adecuados cuando no conocemos nada acerca de la estructura de variacin.
El muestreo regular puede dar problemas si la variable presenta un comportamiento rtmico, el aleatorio por
su parte puede dejar areas extensas sin muestras. Una solucin de compromiso sera un muestreo aleatorio
estraticado en el que el espacio a muestrear se divide en bloques que sern muestreados con uno o ms puntos
cuya ubicacin dentro del bloque es aleatoria (gura ??-c).
El muestreo estraticado es til cuando tenemos una variable de apoyo, fcil de medir u observar, que sabemos
que inuye sobre la variable a interpolar, por ejemplo el tipo de suelo o la topografa van a condicionar el
contenido en sales. Un muestreo estraticado dividira el rea de estudio en funcin de estas variables de apoyo
para muestrear todos los posibles valores que aparezcan. Si la variable de apoyo es cualitativa la divisin se
hace mediante polgonos y si es cuantitativa mediante un muestreo por transectos o isolineas.
Finalmente el muestreo por agregados se utiliza cuando el objetivo del muestreo no es tanto realizar un mapa
como conocer la estructura de variabilidad de la variable ya que permite analizar la misma a diferentes escalas.
Finalmente, para seleccionar el mtodo de interpolacin y las variables de apoyo hay que tener en cuenta
adems la escala del trabajo ya que los factores que expliquen la distribucin espacial de una misma variable
pueden cambiar con la escala. Por ejemplo, a media escala las propiedades del suelo variarn fundamentalmente
en funcin de la roca; pero a escala de detalle lo harn en relacin con la topografa.
6.3. Mtodos de interpolacin a partir de puntos
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 nuevo punto.
2. Mtodos locales, utilizan solo los puntos de muestreo ms cercanos.
6.3.1. Mtodos globales
Los mtodos globales asumen la dependencia de la variable a interpolar de otras variables de apoyo. Pueden
darse dos situaciones en funcin del tipo de variable de apoyo que se utilice:
Mtodos de clasicacin
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 ejemplo si se trata de interpolar el contenido en arcilla de los suelos, puede utilizarse el tipo de suelo como
variable de apoyo y asignar a cada suelo su contenido medio de arcilla (gura ??). Estos mtodos 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.
6.3. MTODOS DE INTERPOLACIN A PARTIR DE PUNTOS 113
Figura 6.7: Modelos de regresin y clasicacin del contenido en arcilla
2. Z est normalmente distribuida en cada clase y su media y varianza es la misma 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 reclasicacin que produce un mapa en el que los diferentes valores de V se
transforman en valores de Z
Mtodos de regresin
Implican, como su nombre indica, un anlisis de regresin previo a partir del cual se genera un modelo de inter-
polacin de tipo polinmico. 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 espacialmente distribuida, un
ejemplo habitual es la altitud, y otras variables topogrcas 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 trata-
miento de la elevacin e informacin derivada. 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 nal.
En ambos casos (clasicacin y regresin) se requiere una anlisis estadstico previo para determinar que los
datos se ajustan al modelo estadstico implicado. En el caso de la clasicacin que las medias de las diferentes
clases son signicativamente diferentes y que las desviaciones tpicas dentro de las clases son pequeas (gura
Figura 6.8: Interpolacin por regresin de la temperatura respecto a la altitud
??). En el caso de la regresin es necesario vericar que el coeciente de correlacin es signicativamente
elevado (gura ??).
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, por tanto se utilizan para ltrar esa
componente global y eliminarla de los valores medidos para, posteriormente, estimar tan slo la componente
local mediante mtodos locales.
6.3.2. 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, llamaremos al conjunto de puntos ms cercanos conjunto de interpolacin. 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 (gura ??):
Aquellos cuya distancia al punto de interpolacin sea inferior a un valor umbral r
Los n puntos ms cercanos al punto de interpolacin
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 es asignar el valor del punto ms cercano (mtodo del vecino ms prximo),
se utiliz antes de la existencia de ordenadores ya que resultaba sencillo hacerlo a mano. Suele dar
peores resultados que los dems
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 el inverso de la distancia elevado a algn exponente k (generalmente k = 2).
Z
j
=
N
i=1
W
i
Z
i
(6.18)
W
i
=
1/d
2
j,i
N
i=1
1/d
k
j,i
(6.19)
Por ejemplo, suponiendo que los valores de distancia (d
i
) al punto de interpolacin (representado
por una x en la gura ??) y de precipitacin (Z
i
) medidos en los puntos del conjunto de interpola-
cin seleccionado en la gura ??.a son los que aparecen en la tabla ??
i d
i
Z
i
1 52.7 33
2 90.9 27
3 33.8 45
4 56.3 44
5 36.4 46
6 54.8 41
La estimacin de Z en el punto de interpolacin sera:
Vecino ms prximo: Z = 45
Media: Z = 39,3
Media ponderada por inverso de la distancia (k=2): W
1
= 0,13, W
2
= 0,044, W
3
= 0,317,
W
4
= 0,114, W
5
= 0,273, W
6
= 0,121, Z = 42,3
Utilizacin del kriggeado, mtodo desarrollado en el marco de la teora geoestadstica y que utiliza
toda la informacin procedente del semivariograma para obtener unos factores de ponderacin opti-
mizados. 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 las mediciones realizadas de 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. Adems
hay que tener en cuenta que normalmente la funcin semivariograma se calcula globalmente, sin
que se hayan hecho demasiados estudios sobre su variacin espacial, y asumiendo que la variable
es estacionaria (la media y varianza son constantes en el espacio). Los programas de SIG suelen
disponer de herramientas para su utilizacin o bien de modos de integrar programas especcos de
geoestadstica.
Figura 6.9: Criterios para obtener un conjunto de puntos de interpolacin
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
interpolacin. En consecuencia no se van a interpolar correctamente mximos o mnimos locales y adems
los puntos de muestreo aparecen en el mapa nal como mximos y mnimos locales erroneos. En la gura ??
se muestra un ejemplo en una sola dimensin tratando de interpolar el valor de Z en el punto de coordenada
X = 7, como puede verse el mtodo de media ponderada por inverso de la distancia genera un valor poco
razonable entorno a 15 (la X roja) dada la tendencias observada en los puntos.
6.3.3. 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 modicar una serie de parmetros en
funcin del tipo de distribucin espacial de la variable.
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 supercie nal va a depender de un parmetro de tensin que hace que el
comportamiento de la supercie interpolada tienda a asemejarse a una membrana ms o menos tensa o aojada
qure pasa por los puntos de observacin.
La ventaja fundamental del mtodo de splines respecto a los basados en medias ponderadas es que, con estos
ltimos, los valores interpolados nunca pueden ser ni mayores ni menores que los valores de los puntos utiliza-
dos para interpolar. Por tanto resulta imposible interpolar correctamente mximos y mnimos. En la gura ??
podemos ver como el mtodo de splines genera en este caso una estimacin mucho mejor, el valor de la curva
a su paso por X=7, al menos visualmente, que da un valor en torno a 18.
Figura 6.10: Interpolacin por media ponderada por el inverso de la distancia
6.3.4. 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
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 (guras ??
y ??).
Esta interpolacin se basa en que 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 denitiva puede asimilarse a un mtodo de media ponderada
por inverso de la distancia 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. En el resultado nal de
una interpolacin TIN no aparecen artefactos circulares, como en los de inverso de la distancia puros, pero si
aparecen artefactos triangulares.
En el ejemplo de la gura ?? el punto de interpolacin estara en el tringulo formado por los puntos 3,4 y 5,
lo que signica que sus coecientes de ponderacin seran (aplicando la ecuacin ?? con k = 1): W
3
= 0,395,
W
4
= 0,237, W
5
= 0,367 Z = 45,1.
El conjunto convexo as generado tiene otra utilidad, dene el rea en la que es razonable interpolar dada la
Figura 6.11: Interpolacin por kriggeado
muestra de puntos disponible.
6.4. Validacin y validacin cruzada
Para vericar 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 autocorrelacio-
nados
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.
6.4. VALIDACIN Y VALIDACIN CRUZADA 119
Figura 6.12: Comparacin de resultados con medias ponderadas y con splines
Figura 6.13: Interpolacin por splines
Figura 6.14: Red Irregular de Tringulos formando un conjunto convexo
6.4. VALIDACIN Y VALIDACIN CRUZADA 121
Figura 6.15: Interpolacin dentro de uno de los tringulos de un TIN
Figura 6.16: Interpolacin mediante Red Irregular de Tringulos
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.
6.5. 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 nal de error
La lluvia recogida durante un episodio de precipitacin concreto puede servir como ejemplo. En primer lugar
la disposicin 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 tormenta)
genera una variabilidad autocorrelacionada, a una escala ms detallada, que se superpone a la tendencia; nal-
mente diversos factores aleatorios (viento, errores en la medicin) introducen una ltima fuente de variabilidad
dicil 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
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 clasicacin va a dar buenos resultados.
Una vez que se ha aplicado un mtodo global, deben analizarse los residuales, es decir las diferencias entre los
valores originales medidos y los valores estimados por el mtodo. Si estos residuales no cumplen las condicio-
nes expuestas en el apartado anterior (especialmente si se comprueba que no son espacialmente idependientes)
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.
6.6. Interpolacin a partir de curvas de nivel
La interpolacin a partir de puntos resulta necesaria cuando, a priori, no se conoce nada acerca de la distribucin
espacial de la variable y es necesario medirla en una serie de puntos de muestro a partir de los que estimar sus
6.6. INTERPOLACIN A PARTIR DE CURVAS DE NIVEL 123
valores en toda el rea de trabajo. En el caso de la topografa, si contamos con un mapa topogrco, el caso
es algo diferente ya que lo que vamos a tener no son puntos sino isolineas derivadas del anlisis de pares de
fotogramas estereoscpicos.
El procedimiento va a ser en primer lugar digitalizar las curvas de nivel y en segundo lugar utilizar alguno de los
programas que interpolan a partir de curvas. En general el fundamento de todos estos mtodos consiste en hacer
interpolaciones lineales o polinmicas entre curva y curva. Los algoritmos que utilizan IDSRISI o GRASS son
bastante simples pero tiene una serie de problemas a tener en cuenta. Estos problemas se derivan directamente
del tipo de algoritmo, que pueden ser resueltos con algo de esfuerzo adicional.
En general existen tres procedimientos una vez que se dispone de curvas de nivel en formato digital:
1. Rasterizacin del vectorial e interpolacin a partir de los valores de las celdillas,
2. Interpolacin directa a partir de curvas de nivel mediante splines,
3. Descomposicin de las curvas de nivel en puntos e interpolacin mediante una Red Irregular de Tringu-
los.
Puesto que los dos ltimos ya se han tratado en parte en apartados anteriores, a continuacin se exponen los
problemas que presenta la interpolacin a partir de curvas de nivel rasterizadas. Este procedimiento suele estar
presente en casi todos los SIG y constituye un mtodo de interpolacin robusto.
Existen tres problemas fundamentales que pueden dar lugar a errores y que a veces no son fciles de corregir:
1. Las curvas deben estar cerradas y deben cortar los lmites de la capa raster creada, esto supone un pro-
blema con los cheros procedentes de cartografa en papel ya que las curvas de nivel pueden haberse
cortado para insertar etiquetas indicando la altitud.
2. Si se rasterizan las curvas, no deben superponerse ya que en la prctica equivale a que algunas curvas no
se cierren.
3. Las curvas de nivel rasterizadas mantienen su valor con lo que el MDE adquiere un aspecto abancalado
4. Tanto en GRASS (hasta la versin 4.3) como en IDRISI, el resultado es un MDE con valores enteros por
lo que en las zonas llanas se puede producir un abancalamiento articial si las unidades en que se mide
la altitud no pemiten una relacin equidistancia de curvas de nivel/nmero de pixels entre curvas de
nivel adecuado.
El primer problema se soluciona en la fase de digitalizacin y no supone mayor complicacin El segundo
resulta el ms insidioso. Una solucin sera retocar a mano las curvas de nivel rasterizadas pero adems de muy
trabajoso supone desplazar curvas arbitrariamente. Otra solucin ms adecuada sera generar MDE de reas
especialmente abruptas con resoluciones ms pequeas. Estos MDE pueden despus degradarse al tamao de
celdilla adecuado y superponerse al original. Respecto al tercero, la solucin ser utilizar la capa de curvas de
nivel rasterizadas y mantener los valores ltrados de esta. Finalmente, el ltimo de los problemas se soluciona
Figura 6.17: Curvas de nivel en formato vectorial
cambiando la unidad en que se expresan las altitudes (de metros a centmetros por ejemplo) multiplicando por
la potencia de 10 que sea necesaria.
Como ejemplo, en la gura ?? aparece un conjunto de curvas de nivel a partir de las que se pretende interpolar un
MDE. En la gura ?? se muestra el resultado de rasterizar estas curvas de nivel con un tamao excesivamente
grande de celdilla y con un tamao adecuado. Lgicamente el resultado de la primera interpolacin no ser
bueno.
Las guras ?? y ?? muestran el problema de la precisin vertical de las curvas. En el primer caso las curvas
estn en metros y el MDE resultante muestra repeticiones d evalor en celdillas vecinas que no tendran por que
producirse, en consecuencia el mapa de pendientes resulta claramente erroneo. Por el contrario si las curvas de
nivel se pasan a centmetros (gura ??) tanto el MDE como el mapa de pendientes resultan ser mucho mejores.
6.7. Bibliografa
Burrough,P.A. & McDonnell,R.A.; 2000 Principles of Geographical Information Systems Oxford Uni-
versity Press, Oxford, 333 pp.
1
Mitas, L & Mitasova, H. (1999) Spatial Interpolation en Lonngley, M. F. Goodchild, D. J. Maguire, D.
W. Rhind (Eds.) Geographical Information Systems, pp. 481-492.
1
Los captulos sobre interpolacin de este libro son especialmente buenos
6.7. BIBLIOGRAFA 125
Figura 6.18: Curvas de nivel rasterizadas con tamao de celdilla demasiado grande y con un tamao adecuado
Figura 6.19: Curvas de nivel rasterizadas con equidistancia demasiado pequea. MDE y mapa de pendientes
resultantes
Figura 6.20: MDE obtenido multiplicando por 10 la altitud de las curvas de nivel y mapa de pendientes resul-
tante
Captulo 7
El Modelo Digital de Terreno (MDT)
Uno de los elementos bsicos de cualquier representacin digital de la supercie 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.
Se denomina MDT al conjunto de capas (generalmente raster) que representan distintas caractersticas de la
supercie terrestre derivadas de una capa de elevaciones a la que se denomina Modelo Digital de Elevaciones
(MDE). Aunque algunas deniciones incluyen dentro de los MDT prcticamente cualquier variable cuantitativa
regionalizada, aqu se preere limitar el MDT al conjunto de capas derivadas del MDE.
El trabajo con un MDT incluye las siguientes fases que no son necesariamente consecutivas en el tiempo:
Generacin del MDE
Manipulacin del MDE para obtener otras capas del MDT (pendiente, orientacin, curvatura, etc.)
Visualizacin en dos dimensiones o mediante levantamientos 3D de todas las capas para localizar errores
Anlisis del MDT (estadstico, morfomtrico, etc.)
Aplicacin, por ejemplo como variable independiente en un modelo de regresin que haga una estimacin
de la temperatura a partir de la altitud
Una de las razones por las que estas fases se solapan es que en muchos casos la manipulacin, visualizacin y
anlisis van a permitir descubrir errores en el MDE. De este modo se vuelve a la primera fase y se genera un
MDE mejorado.
7.1. El Modelo Digital de Elevaciones (MDE)
7.1.1. Estructuras de codicacin de la elevacin
Un Modelo Digital de Elevaciones puede representarse de forma genrica mediante la ecuacin:
127
128 CAPTULO 7. EL MODELO DIGITAL DE TERRENO (MDT)
z = f(x, y) (7.1)
que dene un campo de variacin continua. La imposibilidad de resolver la ecuacin anterior para todos los
puntos del territorio obliga a denir elementos discretos sobre el mismo que permitan simplicar la codicacin
de la elevacin. Las ms habituales son:
Curvas de nivel, se trata de lineas, denidas por tanto como una sucesin de pares de coordenadas, que
tienen como identicador 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, formados por tripletas de puntos cercanos no colineales, formando
un mosaico. En ocasiones se parte de las curvas de nivel que, tras descomponerse en un conjunto de
puntos, genera una red irregular de tringulos. En este caso hay que tener en cuenta que pueden formarse
tringulos a partir de puntos extraidos de la misma curva de nivel, por tanto con el mismo valor, que
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 o
determinar cuencas visuales. Entre los inconvenientes destaca un mayor tiempo de procesamiento y el
resultar bastante inecientes cuando se intenta integrarlos con informacin de otro tipo; en denitiva hay
que utilizarlos para interpolar una capa raster como se vi en el tema anterior.
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.
7.1.2. 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 supercie terrestre y el vehculo que transporta el altmetro (que se supone cons-
tante). El inconveniente es la baja resolucin (celdillas muy grandes) de los datos y que se ve muy
afectado por la rugosidad del terreno, por ello se limita al seguimiento de hielos polares.
Radargrametra o interferometra de imgenes radar. Un sensor radar emite un impulso electro-
magntico y lo recoge tras reejarse en la supercie 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 topogrco de toda la
Tierra a partir de interferometra radar.
Mtodos directos sobre el terreno:
7.1. EL MODELO DIGITAL DE ELEVACIONES (MDE) 129
Figura 7.1: Utilizacin de la diferencia de paralaje en restitucin fotogramtrica
Topografa convencional, estaciones topogrcas 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 sucientemente 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 paralaje
1
de un punto en una fotografa area o imagen de satlite es proporcional a
la distancia del objeto respecto al fondo de la misma (gura ??).
Digitalizacin de curvas de nivel de un mapa mediante escner o tablero digitalizador e interpola-
cin 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 porcin de
terreno reducida.
La fotogrametra implica tambin un muestreo de puntos sobre los que calcular el paralaje, se trata sin embargo
de un muestreo en gabinete por lo que no resulta tan costoso. Existen dispositivos que convierten la fotograme-
1
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.
tra en un proceso semiautomticos sin embargo resultan bastante caros. Al nal tras obtener las elevaciones en
una serie de puntos es necesario interpolar los resultados.
El mtodo de generacin de MDE ms habitual y econmico es la digitalizacin de curvas de nivel. En el tema
anterior se vieron algunas tcnicas para obtener buenos MDE a partir de curvas de nivel digitalizadas.
7.2. Validacin de un Modelo Digital de Elevaciones. Deteccin y correccin
de errores
Al igual que con cualquier otra variable espacial interpolada, es necesario validar un MDE tras su obtencin, su
calidad estriba en el tipo y magnitud de los errores cometidos cuya aparicin es inevitable ya que se trata de un
modelo, por tanto inherentemente impreciso. En el caso de las elevaciones una buena validacin requiere algo
ms de atencin ya que:
1. Constituye la informacin de partida para diversos anlisis medioambientales y de ordenacin posterio-
res. La pendiente, por ejemplo, es un parmetro clave en muchas aplicaciones.
2. Resulta relativamente sencillo obtener informacin de gran riqueza para la validacin a partir de las
diversas capas que forman el MDT. La elevacin es adems una variable permanente y ms fcil de
medir sobre el terreno que otras.
3. Los procedimientos de interpolacin a partir de curvas de nivel pueden generar artefactos, se trata de
geoformas articiales que afectan dramticamente la calidad del MDE.
La calidad de un MDE en formato raster va a depender tanto de los errores presentes en los datos con los que
se ha construido como del procedimiento de interpolacin que se ha llevado a cabo. Los errores debidos a los
diversos mtodos de interpolacin ya se expusieron en el tema anterior. Los errores de los datos de partida
pueden ser de dos tipos:
Errores posicionales implican una mala localizacin geogrca de la cota o la curva de nivel y afectan,
por tanto, a la situacin en el plano XY. Si se trata de puntos tomados en el campo pueden deberse a
los errores propios del procedimiento (GPS por ejemplo). Si se trata de curvas de nivel puede deberse a
errores en el mapa de partida (o incluso a la generalizacin de las curvas en mapas de escala 1:200000
o inferior. Pero generalmente se deben al propio proceso de digitalizacin, a la incorrecta situacin del
cursor sobre el tablero en el momento de introducir el punto. Puede ser un error aleatorio, generalmente
por cansancio, o el denominado error de generalizacin por el que se tienden a simplicar las formas que
se digitalizan. Estos errores introducen una cierta incertidumbre en cuanto a la localizacin de las lineas.
Son difciles de evitar y detectar a posteriori, como normas generales es preferible digitalizar sobre mapas
escaneados y evitar sesiones de trabajo largas.
7.2. VALIDACINDE UNMODELODIGITAL DE ELEVACIONES. DETECCINYCORRECCINDE ERRORES131
Errores atributivos suponen una asignacin imprecisa de la altitud asociada a la cota o a la curva e
implican a las coordenadas en el eje Z. Si se trata de puntos en el campo el origen es el mismo que en
el caso anterior. En el caso de curvas de nivel digitalizadas, los errores van a ser de carcter aleatorio y
fcilmente detectables en los mapas derivados del MDE.
7.2.1. Test para la validacin de un mapa de elevaciones
Un anlisis visual del modelo permitir una evaluacin global de la calidad del mismo, especialmente si se
trata de un DEM con alta resolucin. Puede compararse una visualizacin 3D del modelo con una fotografa (o
directamente en el campo) y tratar de descubrir puntos erroneos. La visualizacin de mapas derivados (pendien-
te y orientacin) resultan muy tiles para detectar errores atributivos en las curvas de nivel digitalizadas. Un
mal etiquetado de una curva de nivel va a generar valores de pendiente anormalmente elevados que destacarn
mucho en un simple anlisis visual.
Posteriormente debe hacerse un anlisis estadstico del MDE, un simple histograma de las elevaciones permi-
tir descubrir anomalas no detectables con la simple visualizacin, como el que los valores de las curvas de
nivel aparezcan con excesiva frecuencia.
A continuacin puede estimarse el error medio mediante un muestreo de errores. Se trata de calcular el error
cometido en diversos puntos cuya altitud se ha medido en el campo y hacer un anlisis estadstico de los
mismos. En este sentido, el error de altitud en un punto x, y se dene como la diferencia entre la altitud real y
la estimada:
x,y
=

Z
x,y
Z
x,y
(7.2)
Si se obtiene el valor de
x,y
para un nmero de puntos de validacin sucientemente alto, se obtiene una
muestra de errores cuyas propiedades deseables son:
media y varianza prximas a cero
independencia espacial, es decir que los errores no sean sistemticamente mayores en unos sectores que
en otros
no autocorrelacin, es decir que la magnitud del error en un punto es independiente de los errores en
puntos cercanos.
Un estadstico vlido como aproximacin global es el error cuadrtico medio que se dene como:
=
_
n
i=1
2
x,y
N
(7.3)
donde N es el tamao de la muestra de errores.
Un anlisis estadstico de este tipo slo permite determinar la precisin en la estimacin de Z en los puntos de
muestreo, sin embargo un buen MDE debe conservar las relaciones entre las celdillas vecinas de manera que
no haya alteraciones signicativas en las variables obtenidas a travs de operadores de vecindad, por tanto debe
hacerse un anlisis de errores en los mapas derivados.
En relacin con el anterior punto, un anlisis de transectos permitir vericar la aparicin de artefactos, como
cambios bruscos en la pendiente, a lo largo de las laderas.
El anlisis de la consistencia hidrolgica permite extender el anlisis de transectos a dos dimensiones. La idea
bsica es que un MDE debe tener la misma respuesta hidrolgica que el terreno que modeliza. Un buen ejemplo
de este tipo de anlisis sera vericar si se puede reconstruir correctamente la red de drenaje.
7.3. 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 proce-
dimientos de lgebra de mapas, de nuevas variables topogrcas. En la gura ?? aparece el Modelo Digital de
Elevaciones de una pequea zona de poco ms de 2 Km
2
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.
La pendiente en un punto del terreno se dene como el ngulo existente entre el vector normal a la supercie
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 cada uno de los valores vecinos
Pendiente en el sentido del ujo descendente, adecuado en celdillas correspondientes a cauces en aplica-
ciones de tipo hidrolgico
Ajuste de una supercie a los 9 valores de elevacin correspondientes a la celdilla central y sus 8 celdillas
vecinas
Z = aX
2
+bY
2
+cXY +dX +eY +f (7.4)
Los parmetros de esta ecuacin se calculan para cada celdilla a partir de una vecindad de 3x3 celdillas
z1 z2 z3
z4 z5 z6
z7 z8 z9
7.3. OBTENCIN DE VARIABLES DERIVADAS 133
Figura 7.2: Modelo Digital de Elevaciones
mediante las ecuaciones:
a =
z1 +z3 +z4 +z6 +z7 +z9)
6g
2

z2 +z5 +z8
3g
2
(7.5)
b =
z1 +z2 +z3 +z7 +z8 +z9)
6g
2

z4 +z5 +z6
3g
2
(7.6)
c =
z3 +z7 z1 z9)
4g
2
(7.7)
d =
z3 +z6 +z9 z1 z4 z7)
6g
2
(7.8)
e =
z1 +z2 +z3 z7 z8 z9)
6g
2
(7.9)
f =
2(z2 +z4 +z6 +z8)3 z7 (z1 +z3 +z7 +z9) + 5z5
9
(7.10)
(7.11)
La pendiente (guras ?? y ??) se calcula cmo:
s = atn(
_
d
2
+e
2
) (7.12)
La orientacin (guras ?? y ??) en un punto puede denirse como el ngulo existente entre el vector que
seala el Norte y la proyeccin sobre el plano horizontal del vector normal a la supercie 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 supercie cuadrtica a los nueve valores de la celdilla central y su entorno:
o = atn(e/d) (7.13)
La curvatura es la tasa de cambio en la pendiente, depende de las derivadas de segundo grado de la altitud,
es decir, de los cambios de pendiente en el entorno del punto. A efectos prcticos puede calcularse como la
pendiente de la pendiente. La curvatura tiene especial inters como variable inuyente en fenmenos como la
escorrenta supercial, canalizacin de aludes, erosin y ujos en general.
La curvatura en las direcciones longitudinal y transversal al perl de la ladera se calcula como:
C
l
= 2(
ad
2
+be
2
+cde
d
2
+e
2
) (7.14)
C
t
= 2(
bd
2
+ae
2
cde
d
2
+e
2
) (7.15)
(7.16)
Figura 7.3: Operador de vecindad, clculo de pendientes y orientaciones
Figura 7.4: Mapa de pendientes
Figura 7.5: Mapa de orientaciones
Figura 7.6: Mapa de curvatura en sentido transversal a la pendiente
Figura 7.7: Mapa de curvatura en sentido perpendicular a la pendiente
7.4. CLASIFICACIN DE LAS FORMAS DEL RELIEVE 139
Figura 7.8: Operador de vecindad. Clculo de la direccin de ujo
El problema de estos parmetros es que quedan indeterminados cuando la pendiente es cero. Otros parmetros
relacionados con la curvatura y que no tienen este problema son la convexidad mxima y mnima:
Conv
max
= a b +
_
(a b)
2
+c
2
(7.17)
Conv
min
= a b
_
(a b)
2
+c
2
(7.18)
(7.19)
La direccin de ujo 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. Es necesario
establecer criterios para asignar valores numricos a las 8 direcciones posibles. Generalmente se toma un valor
de 1 para la direccin Norte y los siguientes en el sentido de las agujas del reloj. Un valor 0 indicara una
celdilla endorreica.
La rugosidad es un concepto intuitivamente sencillo pero del que se han propuesto mltiples deniciones
matemticas. El rango, la desviacin tpica,el coeciente de variacin de la altitud o la varianza de la pendiente
en la vecindad de una celdilla constituyen buenos estimadores de la rugosidad (gura ??).
7.4. Clasicacin de las formas del relieve
Los parmetros cuyo clculo se ha estudiado en la seccin anterior (pendiente, orientacin, curvaturas y rugo-
sidad) van a constituir un conjunto de nuevas capas raster que forman parte, junto al MDE, del MDT. De este
modo cada celdilla pasa de estar caracterizada por un valor nico de altitud a presentar un conjunto de variables
que pueden ser utilizadas para caracterizar, desde un punto de vista geomorfomtrico, las diferentes celdillas
en unidades de paisaje tipo. No hay que olvidar sin embargo la fuerte dependencia que todos estos parmetros
tienen respecto a la escala.
Figura 7.9: Mapa de direccin del ujo
7.4. CLASIFICACIN DE LAS FORMAS DEL RELIEVE 141
Figura 7.10: Mapa de rugosidad
Forma pendiente C
t
Conv
max
Conv
min
Pico 0 # + +
Cresta 0 # + 0
+ + # #
Collado 0 # + -
Plano 0 # 0 0
+ 0 # #
Canal 0 # 0 -
+ - # #
Pozo 0 # - -
Cuadro 7.1: Criterios de clasicacin de formas de relieve
Wood propone un esquema de clasicacin simple basado en 6 formastipo que se caracterizan, de un modo
semicuantitativo, en la siguiente tabla:
En esta tabla + signica mayor que 0 - signica menor que 0 y # indiferente. Lgicamente es necesario denir
para cada variable unos umbrales, negativo y positivo, entre los cuales el valor se considera igual a cero.
Para resolver el problema de la dependencia de la escala se han propuesto esquemas de clasicacin basados
en el clculo de estas variables a partir de ventanas de diferente tamao.
7.5. Aplicaciones de los MDT
7.5.1. Apoyo en anlisis estadsticos
Las variables incluidas en un MDT son factores de gran importancia en un gran nmero de procesos ambientales
(precipitacin, insolacin-temperatura, ujos hdricos, erosin, distribucin de hbitats, etc.) por tanto van a
ser un elemento clave a la hora de estimar otras variables mediante procedimientos de interpolacin global por
regresin.
El procedimiento bsico sera medir en diferentes puntos del rea de estudio la variable independiente junto
con las variables dependientes incluidas en el MDT. Un analisis posterior generara un modelo de regresin de
tipo Y = F(Z, S, O, C
t
, ..). Puesto que se dispone de capas raster para cada una de estas variables, resultar
fcil llevar a cabo la interpolacin por regresin.
7.5.2. Modelos climticos
La topografa es el principal factor local que limita la energa solar incidente sobre la supercie terrestre. La
variedad de altitudes, pendientes y orientaciones crean fuertes contrastes locales que afectan directa e indirec-
tamente a procesos biolgicos y fsicos. Algunos de estos factores son modelizables con los MDT.
7.5. APLICACIONES DE LOS MDT 143
Figura 7.11: Insolacin recibida el 17 de Enero a las 10:00 AM hora solar
Sombras para una determinada posicin del sol
Angulo de incidencia del sol
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 dene 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 supercie terrestre y
del ocultamiento topogrco ante una trayectoria concreta del Sol.
La insolacin potencial se expresa en unidades energa partido por espacio y se reere a un instante concreto.
Puede, sin embargo, integrarse para perodos de tiempo mayores de tiempo mayores.
La relacin entre cada celda y la supercie de referencia se realiza mediante un ndice de exposicin denido
como el cociente entre la radiacin solar incidente sobre un lugar del terreno y la supercie de referencia. El
clculo de los ndices de exposicin nos da un parmetro cuantitativo til a la hora de comparar las condiciones
ambientales en una zona determinada ya que representan una medida objetiva de las diferencias dentro del rea
del modelo basada exclusivamente en criterios geomtricos.
El ngulo solar resulta adems de utilidad en aplicaciones relacionadas con la teledeteccin (correccin por
iluminacin y clculo de reectividades).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
7.5.3. Modelos hidrolgicos
La supercie terrestre constituye la base sobre la que tienen lugar, y que por tanto condiciona, gran parte de los
procesos de transferencia de materia y energa que tienen lugar sobre la supercie terrestre.
La disponibilidad de un modelo de dicha supercie permite simular estos procesos, con lo que se consigue
experimentar independientemente del sistema real. La simulacin permite obviar los riesgos inherentes a la
experimentacin, alcanzar una completa independencia temporal, repetir el experimento el un nmero de veces
arbitrario.
Las caractersticas topogrcas de una ladera determinan las pautas por las cuales el agua circula sobre ella. El
modelo digital de elevaciones contiene informacin suciente para denir, al menos en una primera aproxima-
cin, las propiedades de la red de drenaje supercial y, por extensin, de la cuenca hidrolgica.
Se denomina lnea de ujo al trayecto que, a partir de un punto inicial, seguira la escorrenta supercial sobre
el terreno
Las lneas de ujo 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 ujo es posible denir la red hidrolgica, el rea subsidiaria de una celda
y, por extensin, las cuencas hidrolgicas: Se dene el rea subsidiaria de una celda como el conjunto de celdas
cuyas lneas de ujo 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
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 reclasicar 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 deciencias (gura ??):
El que en una determinada celdilla se inicie un cauce depende no slo de su rea subsidiaria sino tambin
de las caracteisticas 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.
7.5. APLICACIONES DE LOS MDT 145
Figura 7.12: Red de drenaje extraida por procedimientos automticos a partir del modelo de elevaciones.
Debido al algoritmo que genera las direcciones de ujo y los mapas de rea subsidiaria, los cauces
resultantes tienden a adoptar un carcter rectilineo
La modelizacin hidrolgica basada en modelos digitales de terreno pretende estimar los caudales generados
en una cuenca a partir de sus caractersticas topogrcas as como las areas inundables en funcin de la altura
esperable de las lminas de agua. Evidentemente, es necesario compaginar los resultados obtenidos a partir de
los modelos de elevaciones con estimaciones de la capacidad de inltracin de los suelos o la estimacin de
precipitaciones mximas esperables.
7.5.4. Modelos de visibilidad
Los modelos de visibilidad establecen el area que se puede ver desde un punto y, por tanto, el area desde la que
puede verse ese punto. El primer caso puede ser til para el diseo de redes de control (de incendios forestales
por ejemplo), el segundo como criterio a la hora de ubicar infraestructuras desagradables (vertederos).
Dos puntos sern mutuamente visibles si la linea recta que los une tiene siempre una altitud superior a la del
terreno. La cuenca visual de un punto base sera entonces el conjunto de puntos de un MDE que son mutuamente
visibles con dicho punto base.
El anlisis de cuencas visuales puede utilizarse para la evaluacin del impacto visual de actuaciones con efectos
negativos sobre el paisaje. Es posible construir un modelo de visibilidad, donde cada punto tiene asignado un
valor proporcional a la extensin de su cuenca visual. Un modelo de este tipo puede servir de base objetiva para
la toma de decisiones ya que permite conocer y comparar con abilidad la incidencia visual de las alternativas
existentes.
7.6. Bibliografa
Felicsimo,A.M. (1994) Modelos digitales del terreno. Introduccin y aplicaciones en ciencias ambien-
tales 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)
Olaya Ferrero,V. (2004) Hidrologa Computacional y Modelos Digitales de Terreno 365 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/)
Figura 7.13: Trayectoria del agua a partir de un punto
Figura 7.14: Obtencin de cuencas y redes de drenaje
Figura 7.15: Visin 3D de cuencas de drenaje
Captulo 8
El formato vectorial. Anlisis espacial
8.1. Introduccin
Al contrario de lo que ocurre con el formato raster, el formato vectorial dene objetos geomtricos (puntos,
lineas y polgonos) mediante la codicacin explcita de sus coordenadas. Los puntos se codican en formato
vectorial por un par de coordenadas en el espacio, las lineas como una sucesin de puntos conectados y los
polgonos como lineas cerradas (formato orientado a objetos) o como un conjunto de lineas que constituyen las
diferentes fronteras del polgono (formato Arco/nodo).
Este formato resulta especialmente adecuado para la representacin de entidades reales ubicadas en el espacio
(carreteras, ros, parcelas de cultivo)
1
. Tambin resulta ms adecuado que el raster cuando se manejan datos
que suponen un valor promediado sobre una extensin de territorio que se considera homogenea, los lmites de
la misma pueden ser arbitrarios o no (por ejemplo estadsticas municipales, datos piezomtricos en acuferos,
etc.).
Mientras que la estructura raster codica de forma explcita el interior de los objetos e implcitamente el ex-
terior, el formato vectorial codica explcitamente la frontera de los polgonos e implcitamente el interior,
aunque en ambos casos lo realmente importante es el interior. Esto signica que resulta fcil saber lo que hay
en cada punto del territorio en un formato raster pero no en un formato vectorial, por tanto los algoritmos utili-
zados para las operaciones de lgebra de mapas son completamente diferentes. En general las operaciones son
ms difciles y exigen mayor tiempo de computacin para el formato vectorial.
Como se vi en un tema anterior, existen dos sub-modelos lgicos dentro del formato vectorial, el formato
arco-nodo que es el ms utilizado y el modelo orientado a objetos.
En el formato vectorial, adems de codicar la posicin de las entidades, necesitamos establecer las relaciones
topolgicas entre las mismas, especialmente en lo que se reere a los mapas de polgonos. El trmino topologa
hace referencia, en el contexto de los SIG vectoriales, a relaciones entre los diferentes objetos para originar
1
Los mapas de isolineas no son realmente mapas de objetos lineales sino tan slo un modo de representacin de una variable
espacial, un modelo lgico por tanto
149
150 CAPTULO 8. EL FORMATO VECTORIAL. ANLISIS ESPACIAL
entidades de orden superior. Aunque los requisitos topolgicos varan en funcin de cada implementacin
concreta (modelo digital o estructura de datos), bsicamente son:
1. Los nodos de dos lineas en contacto deben tener las mismas coordenadas.
2. Un poligono se dene, en el modelo arco-nodo, como un circuito perfecto de lineas que puede recorrerse
entero empezando y terminando en el mismo punto sin pasar dos veces por la misma linea.
3. Existe un slo identicador para cada entidad y este es nico, no se repite en ninguna otra entidad.
4. Se dispone de algn modo de codicar los polgonos isla. Se trata de los polgonos completamente
rodeados por otro polgono debiendose informar al polgono contenedor de la existencia del polgono
isla para tenerlo en cuenta al calcular su rea.
Finalmente hay que tener en cuenta la necesidad de incorporar la informacin espacial o no espacial no extraible
directamente de la localizacin. Para ello se utiliza una base de datos temtica asociada en las que una de las
columnas corresponde al identicador de los objetos representados. En algunos casos se incluye informacin
derivada de la localizacin (rea, permetro) en esta tabla para utilizarla en operaciones matemticas junto con
el resto de las variables, a este modo de trabajo se le llama modelo geo-relacional. El ejemplo ms sencillo sera
la simple asignacin de colores para pintar los polgonos en funcin del valor obtenido para una determinada
variable, almacenada en la base de datos, en cada uno de los polgonos (gura ??).
8.2. Modelos digitales vectoriales
Mientras que el formato raster se basa en una matriz de datos cuya codicacin es, ms o menos, similar en
cualquier programa, uno de los problemas del formato vectorial es que el paso del modelo lgico al digital
puede llevarse a cabo de modos muy diversos que dependen del programa con que se trabaje. Adems el
formato vectorial tiene multitud de pequeas dicultades, como los mencionados polgonos isla, que deben
codicarse de alguna manera especca.
El resultado es un gran nmero de problemas en la importacin y exportacin de mapas de unos modelos
digitales a otros. Cuanto ms completo sea el mapa (incluyendo topologa y base de datos enlazadas) ms
difcil ser el cambio de formato.
8.2.1. Modelo vectorial en GRASS
El formato vectorial de GRASS se codica en formato arco-nodo. Al igual que ocurra en el caso del formato
raster, se utilizan varios directorios para almacenar la informacin.
En el directorio /dig se almacenan los arcos o lineas, es decir conjuntos de coordenadas que denen
un objeto lineal junto con la indicacin de si se trata de lineas o arcos que forman polgonos (formato
binario).
8.2. MODELOS DIGITALES VECTORIALES 151
Figura 8.1: Modelo de datos georelacional
En el directorio /dig_att se almacenan los cheros que contienen los identicadores de los objetos de-
nidos anteriormente (formato ASCII). Cada linea consta de un par de coordenadas (dentro del polgono
si se trata de una capa de polgonos o sobre la linea si se trata de una capa de lineas.
En /dig_cats se almacenan cheros similares a los de /cats en el modelo raster. Es decir se hacen co-
rresponder categoras numricas o alfanumricas a los identicadores denidos anteriormente (formato
ASCII).
En /dig_plus Se guardan cheros que contienen una versin compacta, en un slo chero, de la infor-
macin denida en los cheros almacenados en cada uno de los tres directorios anteriores, incluyendo
la informacin topolgica. Se genera con el comando v.support y es necesaria para cualquier tipo de
consulta o anlisis sobre los datos (formato binario).
Finalmente en /dig_ascii se almacenan copias en formato ASCII de los cheros que se guardan en dig.
Facilitan la importacin y exportacin de cheros aunque no permiten la inclusin de la topologa.
8.2.2. Modelo vectorial en GRASS 6.0
8.3. Anlisis espacial
No resulta sencillo dar una denicin de anlisis espacial. En la bibliografa sobre SIG suelen mezclarse bajo
este trmino una serie de herramientas bastante diferentes:
Manipulacin de datos espaciales, las herramientas bsicas de gestin de un SIG
Anlisis descriptivo y exploratorio de datos espaciales
Anlisis estadstico inferencial de datos espaciales para determinar si los resultados del anlisis descrip-
tivo verican determinadas hiptesis acerca de los datos
Modelizacin espacial con el objeto de predecir la distribucin espacial de los fenmenos estudiados
Siendo algo ms restrictivos, el anlisis espacial incluye un conjunto de herramientas que amplan las capaci-
dades del anlisis estadstico tradicional para abordar aquellos casos en los que la distribucin espacial de los
datos tiene inuencia sobre las variables medidas y esta se considera relevante. La georreferenciacin de los da-
tos permite manejar un conjunto de conceptos nuevos como son los de distancia (entre dos puntos), adyacencia
(entre dos polgonos o dos lineas), interaccin y vecindad (entre puntos).
Aunque generalmente se incluye dentro del anlisis espacial el estudio de variables espaciales, las herramientas
utilizadas se han visto ya en los temas de lgebra de mapas e interpolacin; por tanto el resto del tema se
centrar en el anlisis espacial de entidades:
La distribucin espacial de entidades puntuales
Las relaciones entre entidades lineales interconectadas (redes)
Las relaciones entre polgonos fronterizos
8.3.1. Problemas de la estadstica en el espacio
La mayor parte de las tcnicas estadsticas bsicas suponen graves problemas cuando intentamos aplicarlas a
variables espacialmente distribuidas o medidas en individuos distribuidos en el espacio:
Uno de los preceptos bsicos de la estadstica convencional es la independencia de los elementos que
componen una muestra unos de otros. Al trabajar con datos espaciales este precepto no se cumple
debido a la autocorrelacin espacial. El resultado puede ser que los estadsticos resultantes aparezcan
sesgados hacia los valores predominantes en los puntos muestreados. Un ejemplo extremo sera el de una
tormenta de verano tan localizada que cayera entre los pluvimetros de la red del I.N.M. de manera que
no se registrase nada de lluvia en estos. La precipitacin media que se obtendra sera cero.
8.3. ANLISIS ESPACIAL 153
Efectos de escala, los resultados pueden variar en funcin de la escala espacial con que se midan las va-
riables. Por ejemplo la densidad de poblacin vara si la medimos a escala 1:200000 (todo el poblamiento
aparece agregado) o a escala 1:25000 (se tiene en cuenta la dispersin del poblamiento).
Efectos de borde, muchas tcnicas de anlisis espacial fallan cuando aparecen fronteras al otro lado de
las cuales los fenmenos son diferentes o no aparecen. Por ejemplo, si se hace un anlisis del carcter
agregado o disperso de los rboles en una isla, los ejemplares ms cercanos a la costa tienen siempre
menos rboles alrededor con lo que la distancia al ms cercano ser posiblemente mayor.
Problema de la Unidad de Area Modicable, los resultados obtenidos a partir de valores agregados en
unidades espaciales arbitrarias (por ejemplo unidades administrativas) van a depender de la conguracin
que adopten estas unidades
2
.
8.3.2. Clculos geomtricos bsicos
Prcticamente todos los clculos que se llevan a cabo en un SIG vectorial se basan en la posicin y las relaciones
topolgicas entre objetos:
1. Distancia entre dos puntos, en casi todos los procedimientos de anlisis espacial se incluye este concep-
to. Aunque se han denido varios tipos de distancia, se va a trabajar fundamentalmente con la distancia
euclidiana por ser la ms apropiada para la realidad espacial. La distancia entre los puntos i y j es tambien
la longitud del segmento recto entre los puntos i y j (gura ?? A).
d
i,j
=
_
(x
i
x
j
)
2
+ (y
i
y
j
)
2
(8.1)
2. Area del trapecio situado bajo un segmento, se resuelve cmo la suma de las reas del tringulo y el
rectngulo bajo el segmento (gura ?? A)
At
i,i+1
= (x
i+1
x
i
)y
i
+
(x
i+1
x
i
)(y
i+1
y
i
)
2
| = |(x
i+1
x
i
)
y
i+1
+y
i
2
(8.2)
Hay que tener en cuenta que el resultado ser positivo si x
i+1
> x
i
y negativo en caso contrario. En este
ltimo caso el valor correcto es el valor absoluto de At
i,i+1
3. Punto de corte de dos segmentos, es aquel que resulta de resolver el sistema de que forman las ecua-
ciones de la recta de ambos segmentos (gura ??):
Y
a
= AX
a
+B (8.3)
Y
b
= CX
b
+D (8.4)
2
Si un par de condados del Norte de Florida hubiesen pertenecido a Alabama o Georgia, las elecciones norteamericanas del 2000
las hubiera ganado Al Gore sin discusin
Figura 8.2: Punto de cruce entre dos segmentos
donde
A =
Y
a2
Y
a1
X
a2
X
a1
(8.5)
B = Y
a1
(8.6)
C =
Y
b2
Y
b1
X
b2
X
b1
(8.7)
D = Y
b1
(8.8)
si el sistema tiene solucin y el punto resultado forma parte de ambos segmentos, entonces la solucin nos
da el punto de corte (gura ??). En realidad el sistema tiene solucin siempre, salvo que los segmentos
sean paralelos, por lo que es necesario comprobar que la solucin forme parte de ambos segmentos a la
vez y sea, por tanto, su punto de corte. Es decir hay que comprobrar que X est entre X
a1
y X
a2
y entre
X
b1
y X
b2
y que Y est entre Y
b1
e Y
b2
y entre Y
a1
e Y
a2
.
A partir de estas tres variables se puede obtener:
Longitud (L) de una linea, es la suma de las distancias entre cada par de vrtices consecutivos de la
misma, asumiendo que la linea tiene N vrtices:
L =
N1
i=1
d
i,i+1
(8.9)
Distancia (D) en linea recta entre el inicio y el nal de una linea: es decir entre su nodo inicial y su
nodo nal e ndice de sinuosidad (I
s
)
D = d
1,N
(8.10)
I
s
= L/D (8.11)
Permetro de un polgono es la longitud de la linea que dene el contorno del polgono.
Longitud mxima del polgono puede denirse como la distancia mxima entre cualquier par de vrtices
en la linea que dene el contorno del permetro:
Lm = max(d
i,j
) (8.12)
Area de un polgono es el valor absoluto de la suma de todas las reas de los trapecios bajo los segmentos
que forman el polgono (gura ??):
A = |
N1
i=1
At
i,i+1
| (8.13)
donde At
i,i+1
es el area bajo el segmento formado por los vrtices i e i + 1
En la gura ?? se aprecia como el permetro del polgono genera una serie de trapecios cuyas reas en
metros cuadrados se indican en la gura y en la tabla ??. Los vertices se han contado en sentido contrario
a las agujas del reloj, por lo que que los trapecios pintados de rojo tienen rea negativa y los pintados de
azul rea positiva. La suma total da un valor de -310.5 por lo que el rea del polgono ser de 310.5 m
2
.
A partir de rea, permetro y longitud mxima se han desarrollado diferentes ndices de forma
I
compacidad
=
P
A
(8.14)
I
circularidad
=
4A
L
2
(8.15)
Si se traza un segmento entre un punto y el origen de coordenadas y este segmento cruza un nmero
impar de veces el lmite de un polgono entonces est dentro del polgono si lo cruza un nmero par de
veces est fuera del polgono (gura ??)
Una linea intersecta a un polgono si alguno de sus segmentos tiene un punto de cruce con alguno de los
segmentos del polgono.
Dos polgonos se intersectan si sus permetros se intersectan.
A continuacin se van a presentar algunos casos de anlisis de mapas de puntos, anlisis de redes y geoestads-
tica.
Figura 8.3: Determinacin de si un punto est dentro de un polgono
i rea A. acumulada
1 337.5 337.5
2 216 553.5
3 291.5 845
4 167.5 1012.5
5 -648 364.5
6 -390 -25.5
7 -155 -180.5
8 -130 -310.5
Cuadro 8.1: Resultados del clculo del rea del polgono (gura ??)
Figura 8.4: Clculo del rea de un polgono
8.3.3. Anlisis de capas de puntos
Se trata de capas de informacin en las que se registra la presencia de un conjunto de objetos puntuales (dolinas,
individuos de una determinada especie, pozos, supermercados, etc.) en el espacio.
La primera cuestin que se plantea es analizar su distribucin en el espacio. Para ello existen tres tipos de
medidas:
Las que, de forma similar a la estadstica descriptiva clsica, calculan un conjunto de estadsticos de la
distribucin en el espacio (centro medio, desviacin tpica de distancias, etc.)
Las que permiten calcular la densidad de puntos
Las que buscan determinar el carcter agregado, distribuido o aleatorio de los objetos
Generalmente se asume como hiptesis nula que la distribucin de puntos es aleatoria y como hiptesis alter-
nativa que existe alguno de los siguientes efectos:
Efecto de primer orden, la intensidad del proceso (frecuencia de aparicin de puntos) es mayor en unas
partes del rea de estudio que en otras.
Efecto de segundo orden, la aparicin de un punto incrementa la probabilidad de que aparezcan otros en
las cercanias.
Si una distribucin de puntos no experimenta efecto de primer orden se dice que estacionaria de primer orden y
si no experimenta el efecto de segundo orden se dice que es estacionaria de segundo orden. No siempre es fcil
distinguir entre los efectos de primer y segundo orden.
Para que un conjunto de puntos sea considerada una distribucin de puntos y se le pueda aplicar el conjunto de
tcnicas que van a explorarse a continuacin, se requiere que cumpla una serie de condiciones:
El rea de estudio debe determinarse de forma objetiva
El conjunto de puntos debe corresponder a la poblacin completa y no a una muestra
Las coordenadas de cada punto deben corresponder exactamente a la ubicacin del punto (no pueden ser
centroides o coordenadas medias)
Medidas de centralidad y dispersin
Las medidas de centralidad son los centro medio, mediano y modal, que se calculan como el punto denido por
los valores medio, mediano y moda de las coordenadas X e Y de la muestra.
X
m
=
N
i=1
X
i
N
(8.16)
Y
m
=
N
i=1
Y
i
N
(8.17)
Dependiendo del tipo de distribucin que tengan los valores de X e Y, ser ms correcta la utilizacin del centro
medio o mediano como estadstico de centralidad.
En el caso de que los puntos tengan asociada una variable (por ejemplo altura de los arboles). Puede calcularse
un centro ponderado utilizando esta variable como factor de ponderacin:
X
wm
=
N
i=1
w
i
X
i
N
i=1
w
i
(8.18)
Y
wm
=
N
i=1
w
i
Y
i
N
i=1
w
i
(8.19)
donde w representa una variable, normalmente no espacial, medida en cada punto. Por ejemplo, los puntos
pueden ser nucleos urbanos y w su poblacin.
Respecto a la dispersin, puede utilizarse el equivalente a la desviacin tpica igual que antes se han utilizado
los equivalentes a la media:
x
=
N
i=1
(x
i
x
m
)
2
N
(8.20)
y
=
N
i=1
(y
i
y
m
)
2
N
(8.21)
Puede obtenerse tambien la desviacin tpica de las distancias como la raiz cuadrada de la media de los cuadra-
dos de las distancias al punto medio:
=
N
i=1
d
2
i,c
N
(8.22)
En la gura ?? aparece el punto medio y el crculo de una desviacin tpica de distancias del mapa de observa-
torios meteorolgicos de la cuenca del Segura. De un modo similar pueden derivarse ecuaciones para calcular
la desviacin tpica ponderada.
Figura 8.5: Punto central y circunferencia de desviacin tpica
Todos los mtodos vistos hasta el momento, asumen que la distribucin es istropa, es decir que las desviaciones
son iguales en cualquier direccin y que la desviacin tpica puede asimilarse de este modo al radio de una
circunferencia.
En realidad esto no suele ocurrir as sino que hay una direccin a lo largo de la cual la variabilidad es menor
y otra, generalmente perpendicular, con mayor variabilidad. Piensa por ejemplo en la distribucin de humedad
del suelo en un valle alargado, la direccin del valle establece el eje de menor variabilidad. En estos casos se
dice que la variable es anisotrpica.
El eje de mayor variabilidad pueden obtenerse mediante la ecuacin:
tan =
(
x
2
y
2
) +
_
(
x
2
y
2
)
2
+ 4(
)
2
2(
)
(8.23)
donde x
= x X
m
, y = y X
m
y es el ngulo formado por el eje de mxima variabilidad y
respecto al
eje y
. El eje de mnima variabilidad x
ser por tanto perpendicular a y
.
Las desviaciones de las distancias respecto a x
e y
vienen dadas por:
x
=
_
x
2
cos
2
2(
)sencos +
y
2
sen
2
n
(8.24)
y
=
_
x
2
sen
2
2(
)sencos +
y
2
cos
2
n
(8.25)
Medidas de agrupamiento
En ocasiones interesa obtener una medida de la disposicin de los puntos unos respecto a otros, tratando de
identicar estructuras concentradas o dispersas. Muchos fenmenos que tienen una manifestacin espacial
tienden a aproximarse a algunos de estos extremos.
Varias son las tcnicas que nos proporcionan una medida del grado de dispersin o concentracin de las ob-
servaciones puntuales en un rea. A continuacin se expone una tcnica de uso frecuente en la investigacin
de fenmenos espaciales: el anlisis del vecino ms prximo. Otras tcnicas como el test de
2
o el test de
Kolmogorov-Smirnov pueden consultarse en la bibliografa.
Este tipo de anlisis de vecindad se fundamenta en el reconocimientos de tres tipos de estructuras puntuales:
concentrada, con una elevada densidad de puntos en zonas concretas del rea de estudio (gura ?? A)
dispersa, los puntos tienden a ocupar la mayor parte del rea de estudio maximizando la distancia entre
los puntos (gura ?? B)
aleatoria, establecida al azar (gura ?? C)
Figura 8.6: Estructuras de agrupameniento de fenmenos puntuales
En muchos casos el tipo de estructura no ser tan evidente como en los tres primeros esquemas de la gura ??
sino que aparecern casos del tipo de la gura ??, en estos casos es necesario llevar a cabo un test estadstico
para vericar cual es el tipo de distribucin.
Pero tambin hay que tener en cuenta la existencia de problemas de escala. La gura ??.E presenta un zoom
realizado sobre la ??.A, la aplicacin del test del vecino ms prximo a este caso dara como resultado una
estructura aleatoria ya que el muestreo no se ha hecho a la escala adecuada. El tamao del rea de estudio
tambin afecta a los resultados, la gura ??.F representa el caso anterior pero ahora ampliando el rectngulo
que contiene los puntos, en este caso el test del vecino ms prximo dara como resultado una estructura
concentrada.
Se parte del clculo para cada punto de su distancia al vecino ms prximo d
1
, posteriormente se calcula la
media de estas distancias d
1m
y se compara con la media que se obtendra de una distribucin al azar d
1a
.
d
1a
=
1
2
_
N/A
(8.26)
R
1
=
d
1m
d
1a
(8.27)
donde N es el nmero de puntos y A el tamao del rea de trabajo. No debe olvidarse que estamos calculando
la distribucin de puntos dentro de un rea de estudio cuya extensin no siempre est claramente establecida a
priori y va a tener una inuencia decisiva en el resultado nal. Si se tienen unos lmites denidos (un municipio,
una cuenca hidrogrca) no hay problemas, pero los lmites irregulares y posiblemente arbitrarios que impone
una pantalla de ordenador pueden afectar al resultado del ndice.
Si R
1
= 1, ambas distribuciones son idnticas y nos encontraramos ante una estructura puramente aleatoria. Si
R
1
se aproxima a 0 signica que las distancias observadas son pequeas y por tanto la estructura es concentrada.
El valor mximo de R
1
es 2.149, e indicara una estructura netamente dispersa.
8.4. ALGEBRA DE MAPAS EN FORMATO VECTORIAL 163
Nivel de Valor z
signicacin
0.05 1.645
0.01 2.326
0.005 2.576
0.001 3.090
Cuadro 8.2: Valores de z para diferentes niveles de signicacin
Rara vez van a aparecer estos valores extremos sino que obtendremos valores intermedios. En realidad la
aleatoriedad no vendra dada exclusivamente por R
1
= 1 sino por una banda de valores alrededor de 1. Los
lmites de esta banda vienen dados por los valores crticos de R
1
:
R
1c
= 1 z
0,5228
N
(8.28)
donde z depende del nivel de signicacin escogido (tabla ??), el nivel de signicacin indica las probabilidades
que asumimos de equivocarnos si aceptamos que la distribucin no es aleatoria. Un valor de 0.05 implica, por
ejemplo, que existe un 95 % de probabilidades de que no nos equivoquemos en el diagnstico.
Si 1 z 0,5228 N
0,5
< R
1
< 1 + z 0,5228 N
0,5
se asume por tanto que la distribucin es al
azar, sin concentracin ni dispersin. Si R
1
< 1 z 0,5228 N
0,5
la distribucin es concentrada y si
R
1
> 1 +z 0,5228 N
0,5
se considera que es dispersa.
8.4. Algebra de mapas en formato vectorial
En el tema 4 se vieron diversas tcnicas de lgebra de mapas en formato raster. En el formato vectorial hay que
distinguir dos casos:
Se trabaja con el mismo conjunto de objetos, es decir con la misma capa y diferentes variables asociadas
a las diferentes entidades de la capa. Por ejemplo una capa de municipios y una base de datos con
valores de diversas variables para cada municipio. En este caso las variables pueden combinarse con
operaciones similares a los operadores locales en raster para obtener nuevas variables. En realidad apenas
hay diferencias ya que los polgonos pueden considerarse celdillas grandes y deformadas. En el prximo
tema se vera como trabajar con una base de datos asociada a un SIG para llevar a cabo operaciones de
este tipo.
Se trabaja con distintas capas que quieren cruzarse. Requiere la interseccin de ambas capas para obtener
un nuevo conjunto de entidades y una nueva tabla en la base de datos que relacione los identicadores
de los polgonos resultantes de la interseccin con los identicadores de los polgonos originales. En la
gura ?? aparece un ejemplo en el que se cruza el mapa de municipios con el de acuferos.
El lgebra de mapas para datos vectoriales utiliza diversos operadores y funciones que derivan de las operacio-
nes mtricas y topolgicas vistas con anterioridad. Aunque los programas de SIG tradicionales solan incluir
herramientas para hacer operaciones de lgebra de mapas en formato vectorial, en los ltimos aos se ha im-
puesto un nuevo modelo de trabajo basado en el almacenamiento de la informacin geomtrica y topolgica de
los SIG en bases de datos objeto-relacionales. Por ello, se deja su exposicin para el siguiente tema, dedicado
a la integracin de SIG y bases de datos.
8.5. Bibliografa
Fotheringam,A.S; Brunsdon,C. & Charlton,M. (2000) Quantitative Geography. Perspectves on Spatial
Data Analysis SAGE Publications, 270 pp.
Gmir Ortueta,A.; Ruiz Prez,M. y Segu Pons, J.M. (1994) Prcticas de Anlisis Espacial Oikos-Tau,
384 pp.
Pelegrn,B.; Cnovas,L. & Fernndez,P. (1992) Algoritmos en grafos y redes PPU, 50 pp.
Verbyla,D.L. (2002) Practical GIS Analysis Taylor & Francis, 294 pp.
Figura 8.7: Mapa de trminos municipales, mapa de acuferos y corte de ambos
Captulo 9
Sistemas de Gestin de Bases de datos y SIG
Un Sistema de Gestin de Bases de Datos (SGBD
1
) consiste en una coleccin de datos interrelacionados y un
conjunto de programas para acceder a los mismos. Esta denicin es prcticamente idntica a la que se di
anteriormente de Sistema de Informacin, de hecho normalmente en el nucelo de un SI se sita un SGBD. El
caso de lo SIG es un poco diferente ya que en principio las bases de datos espaciales no son adecuadas para su
manejo con SGBD tradicionales.
Sin embargo, 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 aso-
ciados a un conjunto de entidades espaciales almacenadas en formato vectorial, hoy en da se estn empezando
a utilizar adems para el almacenamiento de la informacin geomtrica (conjunto de coordenadas) de las enti-
dades espaciales. Aunque se han hecho algunos intentos para almacenar informacin en formato raster en un
SGBD, esta opcin no resulta eciente.
9.1. Caractersticas fundamentales de un Sistema de Gestin de Base de Datos
(SGBD)
Un SGBD permite el almacenamiento, manipulacin y consulta de datos pertenecientes a una base de datos
organizada en uno o varios cheros. En el modelo ms extendido (base de datos relacional) la base de datos
consiste, de cara al usuario, en un conjunto de tablas entre las que se establecen relaciones. A pesar de sus
semejanzas (ambos manejan conjuntos de tablas) existen una serie de diferencias fundamentales entre un SGBD
y un programa de hoja de clculo, la principal es que un SGBD permite:
El mtodo de almacenamiento y el programa que gestiona los datos (servidor) son independientes del
programa desde el que se lanzan las consultas (cliente) (gura ??).
1
En ingls DBMS (Data Base Management System)
167
168 CAPTULO 9. SISTEMAS DE GESTIN DE BASES DE DATOS Y SIG
Figura 9.1: Esquema cliente-servidor en una base de datos
En lugar de primarse la visualizacin de toda la informacin, el ojetivo fundamental es permitir consultas
complejas, cuya resolucin est optimizada, expresadas mediante un lenguaje formal.
El almacenamiento de los datos se hace de forma eciente aunque oculta para el usuario y normal-
mente tiene, al contrario de lo que ocurre con las hojas de clculo, poco que ver con la estructura con la
que los datos se presentan al usuario.
El acceso concurrente de mltiples usuarios autorizados a los datos, realizando operaciones de actuali-
zacin y consulta de los mismos garantizando la ausencia de problemas de seguridad (debidos a accesos
no autorizados) o integridad (prdida de datos por el intento de varios usuarios de acceder al mismo
chero al mismo tiempo.
El programa servidor suele activarse al arrancar el ordenador, podra compararse a un bibliotecario que recibe
peticiones (consultas) de diferentes programas clientes de base de datos, consulta la base de datos y entrega al
cliente el resultado de la consulta realizada. Si dos usuarios solicitan al mismo tiempo una modicacin de los
datos, el programa servidor se encarga de hacerlas ordenadamente para evitar perder datos (lo que ocurrira si
ambos usuarios abrieran y modicaran a la vez un chero con la base de datos.
El diseo de una base de datos implica codicar en formato digital ciertos aspectos del mundo real. Esta
codicacin implica los mismos 3 pasos que ya se mencionaron en el tema 2, es decir:
Modelo conceptual
9.2. BASES DE DATOS RELACIONALES 169
Figura 9.2: Esquema de base de datos relacional
Modelo lgico
Modelo digital o implementacin fsica de la base de datos
Hoy en da existen dos grandes modelos, las bases de datos relacionales y el modelo orientado a objetos (mo-
delo OO), y un modelo hbrido denominado modelo Objeto-Relacional (modelo OR). En cualquier manual
de bases de datos puede encontrarse informacin acerca de modelos ms antiguos.
9.2. Bases de datos relacionales
Es el modelo ms utilizado hoy en da. Una base de datos relacional es bsicamente un conjunto de tablas,
similares a las tablas de una hoja de clculo, formadas por las (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
(gura ??). En esta gura aparecen tres tablas con informacin municipal, en la primera aparecen los nombres
de los municipios, en la segunda el porcentaje en cada municipio de los diferentes usos del suelo y en la
tercera la poblacin en cada municipio lo largo del siglo XX. Como campo comn aparece ident, se trata de un
identicador numrico, nico para cada municipio
2
La idea bsica de las bases de datos relacionales es la existencia de entidades (las en una tabla) caracterizadas
por atributos (columnas en la tabla). Cada tabla almacena entidades del mismo tipo y entre entidades de distinto
2
Es preferible utilizar valores numricos en lugar de una cadena de caracteres ya que se ahorra espacio y se evitan problemas con el
uso de maysculas, acentos, etc.
tipo se establecen relaciones
3
. Las tablas comparten algn campo entre ellas, estos campos compartidos van a
servir para establecer relaciones entre las tablas. Los atributos pueden ser de unos pocos tipos simples:
Nmeros enteros
Nmeros reales
Cadena de caracteres de longitud variable
Estos tipos simples se denominan tipos atmicos y permiten una mayor ecacia en el manejo de la base de datos
pero a costa de reducir la exibilidad a la hora de manejar los elementos complejos del mundo real y dicultar
la gestin de datos espaciales, en general suponen un problema para cualquier tipo de datos geomtricos.
Las relaciones que se establecen entre los diferentes elementos de dos tablas en una base de datos relacional
pueden ser de tres tipos distintos:
Relaciones uno a uno, se establecen entre una entidad de una tabla y otra entidad de otra tabla. Un
ejemplo aparece en la gura ??.
Relaciones uno a varios, se establecen entre varias entidades de una tabla y una entidad de otra tabla.
Un ejemplo sera una tabla de pluvimetros en la que se indicara el municipio en el que se encuentra. La
relacin sera entre un municipio y varios pluvimetros
Relaciones varios a varios, se establecen entre varias entidades de cada una de las tablas. Un ejemplo
sera una tabla con retenes de bomberos y otra con espacios naturales a los que cada uno debe acudir en
caso de incendio.
9.2.1. SQL. El lenguaje de consultas para las bases de datos relacionales
El lenguaje de consultas SQL (Lenguaje Estructurado de Consultas) se ha convertido, debido a su eciencia,
en un estandar para las bases de datos relacionales. A pesar de su estandarizacin se han desarrollado, sobre
una base comn, diversas versiones ampliadas como las de Oracle o la de Microsoft SQL server.
Es un lenguaje declarativo en el que las rdenes especican cual debe ser el resultado y no la manera de
conseguirlo (como ocurre en los lenguajes procedimentales). Al ser declarativo es muy sistemtico, sencillo
y con una curva de aprendizaje muy agradable. Sin embargo los lenguajes declarativos carecen de la potencia
de los procedimentales. El gran xito de las bases de datos relacionales se debe en parte a la posibilidad de usar
este lenguaje. Incluye diversos tipos de capacidades:
Comandos para la denicin y creacin de una base de datos (CREATE TABLE).
Comandos para insercin, borrado o modicacin de datos (INSERT, DELETE, UPDATE).
3
En la bibliografa inglesa sobre bases de datos se habla de relations (tablas) y relationships relaciones entre las tablas. El trmino
base de datos relacional hace en realidad referencia a la organizacin de los datos en forma de tablas, no a las relaziones entre ellas
Comandos para la consulta de datos seleccionados de acuerdo a criterios complejos que involucran
diversas tablas relacionadas por un campo comn (SELECT).
Capacidades aritmticas: En SQL es posible incluir operaciones aritmticas as como comparaciones, por
ejemplo A > B + 3.
Funciones matemticas (sqrt(x), cos(x)) o de manejo de textos.
Asignacin y comandos de impresin: es posible imprimir una tabla construida por una consulta o
almacenarla como una nueva tabla.
Funciones agregadas: Operaciones tales como promedio (avg), desviacin tpica (stddev), suma (sum),
mximo (max), etc. se pueden aplicar a las columnas de una tabla para obtener una cantidad nica y, a su
vez, incluirla en consultas ms complejas.
En una base de datos relacional, los resultados de la consulta van a ser datos individuales, tuplas
4
o tablas
generados a partir de consultas en las que se establecen una serie de condiciones basadas en valores numricos.
Por ejemplo una tpica consulta sobre una tabla en una base de datos relacional, utilizando SQL podra ser:
SELECT id, nombre, pob1991
FROM municipios
WHERE pob1991>20000;
el resultado ser una tabla en la que tendremos tres columnas (id, nombre, poblacion) procedentes de la tabla
municipios, las las correspondern slo a aquellos casos en los que la poblacion en 1991 (columna pob1991)
sea mayor que 20000. En el caso de que slo uno de los municipios cumpliera la condicin obtendramos una
sola la (una tupla) y en caso de que la consulta fuera:
SELECT pob1991
FROM municipios
WHERE pob1991>20000;
obtendramos un slo nmero, la poblacin del municipio ms poblado.
9.2.2. SIG y bases de datos relacionales: El modelo geo-relacional
Lo ms habitual es utilizar el SGBD para almacenar la informacin temtica y el SIG para la informacin geo-
mtrica y topolgica. Una de las funcionalidades de este modelo ser el enlazado de ambos tipos de informacin
que se almacenana de formas completamente diferentes. Se trata del modelo de datos geo-relacional.
4
una tupla equivale a una la en una tabla
Figura 9.3: Esquema de base de datos geo-relacional
El mayor inters del modelo geo-relacional estar en poder lanzar una consulta SQL y obtener una o varias
entidades espacial (en lugar de nmero, tabla o la) como respuesta. Para ello debe enlazarse la base de datos
espacial (mapa vectorial) con la base de datos temtica (tablas) mediante una columna en una de las tablas de
la base de datos que contenga los mismos identicadores que las entidades en la base de datos espacial.
Podemos pensar en un mapa vectorial como en una tabla en la que cada registro (la) es un objeto (polgono,
linea o punto) que contiene un campo identicador y un campo que contiene la localizacin (conjunto de
coordenadas X e Y de tamao, lgicamente, variable). El hecho de que esta informacin se presente en forma
de tabla o en forma de mapa es simplemente una cuestin de conveniencia.
Si pedimos, como resultados de una consulta a la base de datos temtica, estos identicadores comunes, en
realidad lo que estamos obteniendo son objetos espaciales (polgonos en el caso de los municipios). Los resul-
tados de las consultas podran presentarse de esta manera en forma de mapa en lugar de en forma de tabla de
modo que a los diferentes polgonos se le asignaran diferentes colores en funcin de que se cumpliera o no una
condicin, o de los valores que adoptase una variable o ndice. Por ejemplo la consulta
SELECT ident, nombre
FROM municipios
WHERE 1000*(pob1991-pob1981)/pob1981>0 AND pob1981>0;
para obtener aquellos municipios con una tasa de crecimiento de poblacin positiva entre 1981 y 1991 en tantos
por mil, podra representarse en un SIG tal como aparece en la gura ??.
Una consulta similar a la anterior pero estableciendo una reclasicacin por colores dara el resultado que puede
verse en la gura ?? en la que el que el color rojo indica valores mayores de 50, el amarillo entre 30 y 50, el
verde entre 20 y 30, el azul entre 10 y 20 y el blanco menor de 10.
Figura 9.4: Municipios con crecimiento de poblacin positivo entre 1981 y 1991
En estos casos se necesita un mdulo especco que transforme los resultados de las consultas en una serie de
reglas para pintar los polgonos asignando al mismo tiempo una paleta de colores denida por el usuario.
En denitiva 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 Geogrca, se limita a presentar los resultados.
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 signica 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 denidos 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 identicador, por ejemplo 17, como condicin que debe cumplirse:
SELECT nombre, pob1991
FROM municipios
WHERE id==17;
Figura 9.5: Crecimiento de poblacin entre 1981 y 1991
Postprocesamiento implica que los resultados de la consulta SQL debern ltrarse para determinar cuales
cumplen determinadas condiciones relacionada con el espacio. Para ello, una de las columnas pedidas en la
consulta ha de ser el identicador 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.
9.3. Bases de datos orientadas a objetos
El modelo OO da lugar a las bases de datos orientados a objetos. Es un concepto totalmente distinto al de las
bases de datos relacionales que responde al paradigma de la orientacin a objetos desarrollado en programacin
de ordenadores en los ltimos aos.
Al no estar constreido por el formato de tablas, cuyas columnas responden a tipos atmicos, permite una
mayor exibilidad a la hora de incorporar tipos ms complejos como los tipos geomtricos (puntos, lineas,
polgonos, etc.) por tanto es un modelo, a priori, ms adecuado para el trabajo con un Sistema de Informacin
Geogrca.
Se parte del concepto de clase que agrupa a todos los objetos que comparten una serie de atributos, estos atri-
butos pueden incluir la geometra del objeto, las relaciones topolgicas y propiedades temticas. Junto con los
9.4. BASES DE DATOS OBJETO-RELACIONALES 175
atributos, las clases incluyen un conjunto de mtodos (acciones que pueden llevarse a cabo sobre los objetos).
No se permite el acceso directo a los atributos sino slo mediante sus mtodos, esta propiedad se denomi-
na encapsulamiento e incrementa la seguridad de los datos ante errores. Otra caracterstica interesante es la
herencia por la cual unos objetos pueden derivar de otros heredando sus atributos y mtodos e incorporando
otros.
Por ejemplo podra denirse la clase polgono incluyendo como atributos el rea y el permetro y como mtodos
el clculo del rea y el clculo del permetro. Posteriormente podra crearse la clase municipio que hereda los
atributos y mtodos de su clase padre (polgono) incorporando una serie de nuevos atributos (poblacin, renta
per cpita, etc.) y mtodos como por ejemplo el clculo de la densidad de poblacin que se ejecuta dividiendo
el atributo poblacin entre el atributo area. Por otro lado podemos crear la clase cuenca uvial que hereda
atributos y mtodos de la clase polgono y dene atributos propios como puede ser ro al que desemboca y
mtodos como clculo de caudal pico.
Por su complejidad, las bases de datos orientadas a objetos no utilizan SQL e incluyen un lenguaje especco
para hacer las consultas.
Las bases de datos orientadas a objetos no han tenido, sin embargo, un gran desarrollo, al menos hasta el
momento. Entre las causas de este hecho cabe destacar el xito de SQL y su tremenda eciencia y el carcter
altamente intuitivo de las tablas del modelo relacional. Por ello, se ha desarrollado un modelo hbrido que trata
de capturar lo esencial de la orientacin a objetos sin perder la eciencia del modelo relacional. Se trata de las
bases de datos objeto-relacionales.
9.4. Bases de datos objeto-relacionales
La idea es mantener el esquema de tablas entre las que se establecen relaciones pero permitiendo como atributos,
adems de los tipos atmicos, tipos ms complejos denominados tipos abstractos de datos (ADT) que admiten
objetos geomtricos. Para ello el SGBD debe modicarse para admitir nuevas capacidades:
Deben poder denirse nuevos tipos de datos que permitan almacenar la geometra (puntos, lineas, pol-
gonos, etc.).
Las funciones y operadores ya existentes se adaptan a estos datos espaciales.
El lenguaje SQL se extiende para manipular datos espaciales, incluyendo funciones como distancia, cruce
de lineas, punto en polgono, etc., que se vieron el el tema dedicado al formato vectorial.
En el nivel fsico, es decir en el modelo digital, se requieren cambios profundos.
Hasta el ao 2000 aproximadamente el modelo geo-relacional era casi la nica opcin para trabajar con SIG
enlazados a bases de datos, ultimamente se tiende a adoptar la segunda, en parte como resultado de la entrada
de las empresas de desarrollo de bases de datos en el mercado de los SIG. Entre las ventajas que aporta este
modelo destaca que se gana en velocidad al evitar gran parte del procesamiento en SIGy se permite que diversos
programas cliente puedan acceder de forma concurrente al programa servidor.
El inconveniente es que las extensiones de SQL para incluir operadores espaciales se hacen demasiado com-
plejas. Por otro lado sigue siendo necesaria la existencia de herramientas de SIG que lean la informacin
almacenada en la base de datos y la muestren en pantalla. Puedes consultar las especicaciones para SQL del
OpenGIS Consortium para obtener ms informacin al respecto.
9.4.1. Concepto de Geodatabase
El concepto de Geodatabase es uno de los que han experimentado en los ltimos aos una mayor expansin
en el mundo de los SIG. Se trata simplemente de una base de datos que almacena toda la informacin relativa a
un conjunto de entidades espaciales (geometra, topologa, identicadores, datos temticos, etc.). Las ventajas
de este modelo de trabajo son varas:
Posibilidad de usar SQL, una versin ampliada de SQL en realidad, para hacer consultas y anlisis sobre
mapas vectoriales
Mayor integracin, en una sla herramienta, de todas las funciones para trabajar con informacin vecto-
rial
El inconveniente es que se necesita un programa externo, el SIG de toda la vida, para acceder a los datos y
visualizarlos.
Entre los programas que permiten trabajar con geodatabases cabe destacar 2, en primer lugar Oracle spatial y
en segundo lugar PostgreSQL + PostGIS. Oracle est considerado como el mejor programa de gestin de base
de datos, siendo uno de sus inconvenientes su elevado precio. PostgreSQL es una alternativa libre (y gratuita)
que realmete no desmerece apenas de Oracle. PostGIS es una extensin, tambin libre, de PostgreSQL que le
permite trabajar con geodatabases.
A continuacin se exponen algunos de los operadores y funciones que permiten trabajar con diferentes tipos de
entidades en una Geodatabase. Se han utilizado nombres en castellano que, obviamente, no corresponden con
las rdenes reales de ningn programa pero se basan en las rdenes de PostGIS. Las guras ?? y ?? permiten
visualizar que es lo que comprueban o calculan algunas de las rdenes.
Operadores que devuelven cierto o falso (guras ??)
es_igual(entidad,entidad)
se_solapa_con(entidad,entidad)
toca_a(entidad,entidad)
cruza(linea,entidad)
est_dentro_de(entidad,polgono)
Figura 9.6: Operadores que devuelven cierto o falso
cubre_a(polgono,entidad)
est_relacionada(entidad,entidad,matriz_de_relaciones)
Funciones que devuelven una geometra (guras ?? y ??)
buffer(entidad,distancia)
convexhull(puntos) Polgono cuyos vrtices coinciden con algunos de los puntos de una muestra de
puntos y que contiene todos los dems, cuyos ngulos son todos menores de 180
o
vistos desde dentro del
polgono (gura ??).
Interseccin(polgono,entidad)
Union(entidad, entidad) Equivalente a una suma
Diferencia(entidad,entidad)
Figura 9.7: Funciones que devuelven una geometra
Figura 9.8: Conjunto convexo formado a partir de una muestra de puntos
Funciones que devuelven nmeros
X(entidad)
Y(entidad)
Z(entidad)
Longitud(entidad)
Area(polgono)
NumPoints(entidad)
Distancia(entidad,entidad)
Las funciones x, Y y Z devuelven las coordenadas X, Y y Z (repectivamente) de todos los vrtices de la entidad
que se le pasa. Las funciones Longitud y Area devuelven estas magnitudes (si se trata de un polgono, Distancia
devolver el permetro). NumPoints devuelve el nmero de vrtices y Distancia la distancia mnima entre dos
vrtices que pertenecen cada uno a cada una de las entidades que se pasan a la funcin.
Funciones que devuelven un punto:
Nodo_inicial(linea), devuelve el primer nodo de la linea
Nodo_nal(linea), devuelve el primer nodo de la linea
Centroide(entidad), devuelve un punto situado en el centro geomtrico del objeto que se pasa (se calcula
como la media de todas las coordenadas X de los vrtices y la media de todas las coordenadas Y de los
vrtices.
9.5. Consultas SQL con capas raster y de puntos
Aunque generalmente se asume que el enlace de un SIG con una base de datos relacional incumbe fundamenta-
lemente al formato vectorial, nada impide enlazar una base de datos con un mapa raster que contenga polgonos
o una variable cualitativa.
Por ejemplo si se tiene un mapa raster que contiene tipos de suelo y una base de datos en la que a cada
tipo de suelo se asocian diversas propiedades edcas, pueden utilizarse los resultados de consultas SQL para
transformar, mediante reclasicacin, el mapa de suelos en diversos mapas de variables edcas.
En el caso de los mapas de puntos, las propiedades geomtricas son mnimas (dos coordenadas) y las topol-
gicas inexistentes. Por tanto los mapas de puntos pueden almacenarse sin problemas como tablas en una base
de datos. Las consultas permitirn obtener tripletes X,Y,Z que pueden utilizarse como informacin de entrada
para diversas herramientas SIG como puede ser la interpolacin.
9.6. Bibliografa
desarrolloweb.com Tutorial de SQL http://www.desarrolloweb.com/manuales/9/
OpenGIS Consortium(1999) OpenGIS Simple Features Specication For SQL http://www.opengis.org/docs/99-
049.pdf
Rigaux,P.; Scholl,M. & Voisard,A. (2001) Introduction to Spatial Databases: Applications to GIS, Mor-
gan Kaufmann, 400 pp.
Shekhar,S. & Chawla,S. (2002) Spatial Databases: A Tour, Prentice Hall ,300 pp.
Captulo 10
Teledeteccin
10.1. Fundamentos de la teledeteccin
Teledeteccin es la tcnica que permite obtener informacin a distancia de objetos sin que exista un contacto
material. Para que ello sea posible es necesario que, aunque sin contacto material, exista algn tipo de interac-
cin entre los objetos observados; situados sobre la supercie terrestre, marina o en la atmsfera; y un sensor
situado en una plataforma (satlite, avin, etc.).
En el caso la teledeteccin la interaccin que se produce va a ser un ujo de radiacin que parte de los objetos
y se dirige hacia el sensor (gura ??). Este ujo puede ser, en cuanto a su origen, de tres tipos:
Radiacin solar reejada por los objetos(luz visible e infrarrojo reejado)
Radiacin terrestre emitida por los objetos (infrarrojo trmico)
Radiacin emitida por el sensor y reejada por los objetos (radar)
Las tcnicas basadas en los dos primeros tipos se conocen como teledeteccin pasiva y la ltima como telede-
teccin activa.
La radiacin (solar reejada, terrestre o emitida por el sensor y reejada) que llega de la supercie terrestre y
que ha atravesado la atmsfera, es almacenada en formato digital. Una vez recuperados los datos en el centro
de control del satlite, permitirn obtener informacin acerca de la supercie terrestre y de la atmsfera. El tipo
de informacin que se obtiene depender de la longitud de onda en la que el sensor capte radiacin.
El anlisis de esta informacin permite el reconocimiento de las caractersticas de los objetos observados y de
los fenmenos que se producen en la supercie terrestre y ocenica y en la atmsfera. Por tanto son muchas las
ciencias, tanto naturales como sociales, interesadas en su uso (Geografa, Geologa, Meteorologa, Agronoma,
etc.).
181
182 CAPTULO 10. TELEDETECCIN
Regin Rango de longitudes
Rayos <0,03nm
Rayos X 0,03nm - 3nm
Ultravioleta 3nm - 0,3
Visible 0,3 - 0,7
Infrarrojo 0,7 - 300
Microondas 300 - 20cm
Radio-TV > 200cm
Cuadro 10.1: Regiones del espectro electromagntico
10.1.1. Naturaleza de la radiacin
La naturaleza de la radiacin electromagntica puede ser explicada a partir de dos modelos aparentemente
contradictorios y en el fondo complementarios. El mdelo de onda asume que la radiacin se produce en forma
de ondas que resultan de oscilaciones en los campos elctrico y magntico en las inmediaciones de los objetos
y se desplazan por el espacio a la velocidad de la luz. Las ondas se denen fundamentalmente por su longitud
() o distancia entre dos picos de onda (se mide en m, es decir 10
6
metros). El modelo de partcula asume
que la energa viaja como un ujo de elementos discretos: los fotones. La energa transportada por cada fotn
(Q) depende de la longitud de onda, de este modo ambos modelos se relacionan mediante la ecuacin:
Q =
hc
(10.1)
donde h es la constante de Planck (6,626x10
34
Js) y c la velocidad de la luz (300000m/s). La ecuacin ??
implica que a menor longitud de onda mayor es la energa transportada por la radiacin.
El conjunto de todas las longitudes de onda se denomina espectro electromagntico (gura ?? y tabla ??).
Dentro del espectro electromagntico se distinguen una serie de regiones, las ms utilizadas por las diferentes
tcnicas de teledeteccin son la luz visible, el infrarrojo reejado, el infrarrojo trmico y las microondas (radar).
Cualquier cuerpo en la naturaleza emite radiacin y lo hace con diferentes longitudes de onda. La cantidad de
energa que emite un cuerpo por radiacin como la distribucin de esta energa en diferentes longitudes de onda
depende fundamentalmente de la temperatura de dicho cuerpo (ley de Stefan-Boltzman):
M = T
4
(10.2)
por otro lado la ley de Wien:
max
=
2898
T
(10.3)
10.1. FUNDAMENTOS DE LA TELEDETECCIN 183
nos permite calcular a que longitud de onda se produce el pico de mxima emisin de energa de un cuerpo a
una temperatura T. Como puede observarse a mayor temperatura menor longitud de onda. Tanto en la ecuacin
?? como en la ?? la temperatura se expresa en grados Kelvin.
La temperatura del Sol es de aproximadamente 6000
o
K mientras que la de la Tierra es de 300
o
K. Esto signica
que la radiacin solar va a ser mxima para una longitud de onda de 0.48 (regin visible) y la terrestre mxima
en una longitud de onda de 9.66 (infrarrojo trmico).
Determinados fenmenos de la supercie terrestre (por ejemplo los incendios) implican una temperatura mucho
mayor (548,5693,5
o
K) que la habitual de la supercie terrestre, esto signica que el total de radiacin emitida
va a ser mucho mayor y que el pico de emisin va a estar en longitudes de onda de 5.28 - 4.3 , tambin en
el infrarrojo trmico pero con valores considerablemente diferentes a los correspondientes a la temperatura
normal de la Tierra.
Por tanto puede concluirse que la radiacin solar domina aquellas regiones del espectro electromagntico que
corresponden a la radiacin visible y al infrarrojo reejado. La radiacin terrestre domina el infrarrojo trmico,
mientras que las radiaciones que corresponden a las microondas (radar) no aparecen en la naturaleza, deben
ser por tanto de origen articial, generadas por el propio sensor que las recibe posteriormente reejadas (gura
??).
10.1.2. Interacciones entre la radiacin y los objetos
Todos los objetos (independientemente de la radiacin que emitan) van a recibir radiacin, fundamentalmente
del sol, que, en funcin del tipo de objeto que estemos considerando, puede seguir tres caminos:
reejarse (la radiacin es reenviada de vuelta al espacio)
absorberse (la radiacin pasa a incrementar la energa del objeto)
transmitirse (la radiacin se transmite hacia los objetos situados detrs).
La fraccin de energa que se reeja se denomina reectividad o albedo ( ); la fraccin de energa que se
absorbe se denomina absortividad ( ); la fraccin de energa que se transmite se denomina transmisividad ()
cumpliendose que + + = 1. Las tres variables tienen lgicamente valores entre 0 y 1.
La interaccin de la radiacin con la atmsfera y con los objetos terrestres, es decir los valores de , y de
un cuerpo concreto, va a depender de la longitud de onda de que se trate y de las caractersticas de ese cuerpo.
Unas primeras lneas generales acerca del comportamiento de diferentes objetos respecto a su interaccin con
la radiacin seran:
Atmsfera despejada:
muy baja para todas las longitudes de onda
depende de la longitud de onda
Nubes :
muy alta en el visible
Agua:
muy baja en todas las longitudes de onda
Supercie terrestre:
y muy variable, dependiendo de la longitud de onda y del tipo de cobertura
nulo
10.1.3. Interaccin atmsfera-radiacin electromagntica
Algunos de los gases que componen la atmsfera absorben radiacin en determinadas longitudes de onda. La
radiacin no absorbida se transmite a la supercie terrestre aunque se ve afectada por procesos de dispersin
(responsables del color azul del cielo y de que podamos ver en zonas de sombra). Los gases responsables de la
absorcin son fundamentalmente:
Ozono: Absorbe radiacin ultravioleta
Dixido de carbono: Absorbe radiacin en 13 17,5;
Vapor de agua: Absorbe radiacin en 5,5 7 y por encima de 27;
De este modo aparecen una serie de regiones en el espectro en las que la radiacin es absorbida por uno o
varios de los gases. Esto deja, por otro lado, regiones del espectro en las que no se produce absorcin, son las
denominadas ventanas atmosfricas.
Visible e infrarrojo cercano (0,3 1,35)
Varias en el infrarrojo medio (1,5 1,8; 2 2,4; 2,9 4,2; 4,5 5,5)
Infrarrojo trmico (8 14)
Microondas, por encima de 1cm la atmsfera es prcticamente transparente
10.1. FUNDAMENTOS DE LA TELEDETECCIN 185
Problema aparte supone la aparicin de partculas lquidas (nubes, gura ??) o slidas (gura ??) que reejan
gran parte de la radiacin solar que reciben. Las nubes emiten su propia radiacin en el infrarrojo trmico,
diferente a la terrestre debido a su menor temperatura, con lo que ocultan la supercie terrestre en ambas
regiones del espectro. Debido a la saturacin en vapor de agua, su capcidad de absorber radiacin en la banda
de absorcin del vapor de agua depender de su espesor.
A la hora de disear un sensor, existen tres posibilidades fundamentales:
Captar radiacin solar reejada por la supercie (en una longitud de onda correspondiente a una ventana
atmosfrica)
Captar radiacin infrarroja procedente de la supercie terrestre o las nubes
Captar radiacin de una banda en la que un gas presente una elevada capacidad de absorcin para as
estimar la concentracin de este gas. Cuanto menos radiacin llegue mayor ser la cantidad de gas.
Las tres bandas de Meteosat (gura ??) son un ejemplo de cada una de estas posibilidades:
1. La imagen visible capta radiacin solar reejada integrando todas las longitudes de onda del visible y
parte del infrarrojo reejado (0,5 0,9), cuanto mayor sea el valor recibido por el sensor mayor es el
albedo (colores claros).
2. La imagen del infrarrojo trmico capta radiacin emitida por la Tierra (5,77,1) que, por tanto, depende
de su temperatura, a mayor temperatura mayor energa recibida (colores oscuros).
3. La imagen del vapor de agua (10,5 12,5) capta eberga en la longitud de onda en que mayor es la
absorcin del vapor de agua; por tanto cuanto mayor sea la cantidad de vapor de agua presente en la
columna atmosfrica menor es la cantidad de energa que capta el sensor (colores claros).
La combinacin de estas tres bandas permite distinguir:
Tierra de oceano, por su diferente albedo y temperatura
Temperatura de la supercie terrestre sin cubierta nubosa
Nubes bajas (albedo muy alto, temperatura moderada, contenido en vapor de agua moderado)
Nubes altas (albedo muy alto, temperatura muy baja, contenido en vapor de agua moderado)
Nubes de desarrollo vertical (albedo muy alto, temperatura muy baja, contenido en vapor de agua eleva-
do)
En general se considera que si el da es sucientemente despejado la absorcin atmosfrica puede despreciarse
en las ventanas. Dispersin y refraccin son ms difciles de evitar, introduciendo distorsiones que deben ser
corregidas.
En todo caso, los problemas relacionados con la interaccin de la atmsfera tienen mayor importancia en
estudios multitemporales. Si se trabaja con imgenes de una sola fecha se asume que la distorsin atmosfrica
es equivalente en todo el espacio (al menos en las imgenes de alta resolucin que cubren una pequea porcin
de la supercie terrestre).
10.2. Interaccin de los elementos de la supercie terrestre con la radiacin
De cara a la identicacin de objetos y procesos en la supercie terrestre, lo que nos interesa es la reectividad
de estos objetos respecto a las diferentes longitudes de onda. Cada tipo de material, suelo, vegetacin, agua,
etc. reejar la radiacin incidente de forma distinta, lo que permitir distinguirlo de los dems si medimos la
radiacin reejada. A partir de medidas de laboratorio se ha obtenido la reectividad para las distintas cubiertas
en diferentes longitudes de onda.
Si asumimos que la inuencia de la atmsfera es mnima, ya que estamos trabajando en una ventana atmosfrica
y en un da despejado, podemos calcular la reectividad como:
=
R
sen
R
sol
(10.4)
donde R
s
en es la radiacin que ha recibido el sensor procedente de un punto de la supercie terrestre y R
sol
es
la radiacin que, emitida por el sol en las longitud de onda correspondiente al canal con que se est trabajando,
llega a dicho punto de la supercie terrestre.
El grco que, para cada longitud de onda, nos da la reectividad en tanto por ciento se conoce como signatura
espectral (gura ??) y constituye una marca de identidad de los objetos. Resulta as fcil por ejemplo distinguir
entre suelo y vegetacin, e incluso entre diferentes tipos de suelo o diferentes tipos de vegetacin.
10.2.1. Respuesta espectral del agua
El agua clara tiene unas excelentes propiedades en cuanto a transmisin de la radiacin electromagntica en el
espectro visible y de absorcin en el infrarrojo. En cuanto a la reectividad, aparece un pico en el verde que va
reduciendose hasta el infrarrojo. Esta falta de reectividad en el infrarrojo va a ser la clave para distinguir entre
areas de tierra y agua tanto en costas o lagos como en rios, incluso en rios pequeos.
El carcter tridimensional de las supercies de agua hace que en su respuesta espectral aparezca un compo-
nente debido a la supercie, otro a la columna de agua y un tercero al fondo. Por lo tanto, cualquier variacin
tanto en la columna de agua como en los materiales del fondo van a alterar su respuesta; un fondo de arena
clara proporciona mayor reectancia que otro compuesto por matria orgnica en descomposicin. Sin embargo
10.2. INTERACCINDE LOS ELEMENTOS DE LASUPERFICIE TERRESTRE CONLARADIACIN187
debido a la escasa capacidad de penetracin de la radiacin, estas consideraciones slo son vlidas en aguas
muy someras.
La profundidad a la que la luz puede penetrar depende de la longitud de onda. En el agua clara la profundidad
de penetracin son 10 m entre 0,5y0,6 cayendo hasta 10 cm en 0,8 1,1. Por tanto al incrementarse la
profundidad del agua la reectancia, en cualquier longitud de onda, desciende.
Cuando el agua contiene turbidez, las consecuencias sobre la respuesta espectral van a depender del tipo de
turbidez. Si se trata de toplancton, aparecen importantes alteraciones en el verde (aumenta) y en el azul (dismi-
nuye). Estos resultados han permitido el desarrollo de diversas ecuaciones empricas. Si se trata de sedimentos
inorgnicos la reectividad aumenta, especialmente en el rojo
La reectividad en la nieve es completamente diferente a la del agua, alta en todas las longitudes de onda,
especialmente en el caso de la nieve fresca, pudiendo incluso saturar los sensores
1
. Es posible confundir nieve
con nubes altas (al n y al cabo formadas por partculas de hielo) con la salvedad de que la reectividad de la
nieve cae hasta cero para longitudes de onda mayores de 1,4 mientras que la de las nubes sigue siendo alta.
10.2.2. Respuesta espectral de la vegetacin
La vegetacin sana tiene una reectividad baja en el visible aunque con un pico en el color verde debido a la
clorola, ese pigmento aparece en concentraciones entre 5 y 10 veces mayores que otros como el caroteno).
La reectividad es muy alta en el infrarrojo reejado o prximo debido a la escasa absorcin de energa por
parte de las plantas en esta banda. En el infrarrojo medio hay una disminucin especialmente importante en
aquellas longitudes de onda en las que el agua de la planta absorbe la energa. Durante el otoo, las hojas
pierden los cloroplastos (organos que contienen la clorola) ya que dejan de ser necesarios, por tanto deja de
ser la clorola el pigmento principal y las plantas adquieren un color pardo-amarillento debido a la cada vez
mayor importancia relativa de carotenos y otros pigmentos.
Esta curva tan contrastada se debilita en el caso de la vegetacin enferma en la que disminuye el infrarrojo
y aumenta la reectividad en el rojo y azul. Se observa tambin que la reectividad de una planta depende
de su contenido en agua. Cuando el contenido de agua aumenta disminuye la reectividad ya que aumenta la
absorcin de radiacin por parte del agua contenida en la planta.
La cantidad de energa de los fotones que viajan con longitudes de onda mayores (infrarrojo cercano) es de-
masiado baja para ser aprovechada por la vegetacin por lo que slo se absorbe en torno al 5 %, el resto se
transmite (40 %) o reeja (55 %). Sin embargo, la energa transmitida acabar llegando a otra hoja situada por
debajo, y portanto el 55 % de ese 40 % se volver a reejar. Este proceso, repetido en diferentes capas hace
que se incremente el tanto por ciento de energa reejada por un dosel vegetal. El envejecimiento de la planta
conlleva tambin una reduccin en la reectividad en el infrarrojo. Las variaciones en la estructura interna de
las hojas son la causa principal de que los patrones de respuesta espectral sean diferentes de unas especies a
otras.
En cuanto al infrarrojo medio, el agua presente en los tejidos vegetales absorbe la radiacin en diversas longitu-
des de onda hasta alcanzar valores de = 0,9 que afectan incluso a las longitudes de onda vecinas de aquellas
1
Un sensor se satura cuando la radiacin que recibe es superior al mximo que puede recibir dada su resolucin radiomtrica
en las que se produce mxima absorcin. En general cuanto menor sea el contenido de agua de una planta,
mayor ser su reectividad en el infrarrojo medio.
10.2.3. Respuesta espectral del suelo
Las propiedades espectrales del suelo son relativamente simples, la transmisin es nula, por tanto toda la energa
se absorbe o reeja. La reectividad es relativamente baja para todas las bandas aunque aumentando hacia el
infrarrojo. Hay una cierta dependencia entre reectividad y contenido en agua del suelo, cuanto mayor es el
segundo, mayor es la primera como se puede ver en la gura ??
2
. Este aumento se ve interrumpido en aquellas
regiones en las que el agua absorbe energa, por tanto cuanto mayor sea el contenido de agua en el suelo, mayor
va a a ser la disminucin en reectividad de estas regiones.
Otros factores que afectan la respuesta espectral del suelo son la textura con una mayor reectividad al aumentar
el tamao medio de las partculas de suelo, los suelos arenosos tienen mayor reectividad (se ven ms claros)
que los arcillosos. El problema es que la textura afecta tambin al contenido de humedad por lo que no resulta
fcil diferenciar (con imgenes de satlite) entre ambos factores. Los minerales de la arcilla tienen, por su parte,
una caida en reectividad entorno a 2.2 que no tienen las arenas.
El contenido en materia orgnica tambin afecta a la reectividad, cuanto mayor sea su contenido y cuanto
menos descomupesta se encuentre ms oscuro resulta el suelo (menor reectividad). La composicin qumica
y mineralgica tambin va a inuir en la respuesta espectral, as por ejemplo el contenido en xidos de hierro
va a incrementar la reectividad en el rojo.
La fuerte correlacin entre muchos de los factores que inuyen sobre la respuesta espectral del suelo, imposi-
bilita el que puedan sacarse conclusiones claras del anlisis de una imagen de unas zonas cuyas caractersticas
edcas se desconocen. En todo caso se ha comprobado que las reas de suelo desnudo de una misma imagen
siguen una serie de pautas reconocibles. La ms estudiada es que si se hace una representacin grca con la
reectividad en el rojo en abcisas y la reectividad en el infrarrjo cercano en ordenadas, las zonas de suelo
desnudo aparecen formando una linea que se conoce como linea del suelo (gura ??).
10.3. Caracterizacin de las imgenes de satlite
10.3.1. Plataformas, sensores y canales
Se entiende por plataforma los satlites (LANDSAT, METEOSAT, NOAA, SPOT) o aviones que transportan
los aparatos necesarios para captar, almacenar y transmitir imgenes a distancia (sensores).
Un sensor es el aparato que rene la tecnologa necesaria para captar imgenes a distancia y que es transportado
en una plataforma. Puede captar informacin para diferentes regiones del espectro y cada una de estas regiones
se denomina canal o banda.
2
Esta es la razn de que un suelo mojado se vea ms oscuro
10.3. CARACTERIZACIN DE LAS IMGENES DE SATLITE 189
Por ejemplo, landsat es una plataforma que contiene dos sensores landsat-TM y landsat-MSS, el primero de
los cuales tiene 7 bandas (azul, verde, rojo, 3 en el infrarrojo cercano y 1 en el infrarrojo trmico y el segundo
4 bandas (verde, rojo y 2 en el infrarrojo cercano). La gura ?? muestra la ubicacin, dentro del espectro
electromagntico, de las 6 bandas de landsat que corresponden con el espectro solar.
La salida de radiacin (emitida o reejeda) de la supercie terrestre es un fenomeno continuo en 4 dimensiones
(espacio, tiempo, longitud de onda y radiancia). Un sensor debe muestrear en este continuo discretizndolo en
cada una de esas dimensiones. El modo en que esta discretizacin se lleva a cabo dene los cuatro tipos de
resolucin con los que se trabaja en teledeteccin:
Resolucin espacial (tamao de pixel)
Resolucin temporal (tiempo que tarda el satlite en tomar dos imgenes del mismo sitito)
Resolucin espectral (capacidad de discriminar entre longitudes de onda vecinas en el espectro, as como
el nmero de bandas disponible).
Resolucin radiomtrica (nmero de intervalos de intensidad que puede captar el sensor)
La gura ?? muestra como cambios en la resolucin espacial de una imagen afectan a su calidad. La imagen
procede del sensor Quick Bird, con una resolucin espacial de aproximadamente 1 metro, y es una composicin
de 3 bandas (rojo, verde y azul) en color real, la resolucin radiomtrica es de 256 niveles de gris por banda.
En la segunda imagen se ha simulado una reduccin de la resolucin espectral agrupando las tres bandas del
visible en una sla banda pancromtica que se representa con 256 niveles de gris. La tercera y la cuarta imgenes
simulan una resuccin de la resolucin radiomtrica a 4 niveles por banda en lugar de los 256 anteriores, lo que
da un total de 12 colores para la tercera imagen y 4 para la cuarta. Las dos imgenes inferiores muestran una
reduccin de la resolucin espacial a 25 y 50 metros respectivamente.
En la tabla ?? aparecen estas caractersticas para varios sensores y plataformas. Se trata de un resumen ya que
en algunos casos (Spot, Ikonos) se dispone tambin de una banda pancromtica (todo el visible integrado, como
si se tratase de una fotografa en blanco y negro) generalmente con mayor resolucin espacial que las restantes;
en otros casos no todas las bandas tienen la misma resolucin espacial
La altura a la que se sita el satlite y sus movimientos van a condicionar las caractersticas geomtricas y la
resolucin temporal de las imgenes que producen (gura ??).
Los satlites que como meteosat se sitan en rbita geoestacionaria (36.000 Km) permanecen jos y producen
una imagen que abarca la mayor parte de la porcin del globo terrestre a la que apuntan, sin embargo las
distorsiones que aparecen hacia los polos limitan su utilizacin a la porcin entre 50
o
N y 50
o
S. El area de la
supercie abarcada por cada pixel es necesariamente grande (2500 o 5000 metros dependiendo de las bandas)
su resolucin espacial es por tanto pequea. Al permanecer jos su resolucin temporal puede ser muy grande,
en el caso de Meteosat hay una imgen cada 30 minutos
El problema de la correlacin negativa entre resolucin espacial y temporal se est solucionando en parte debido
a la existencia mejores sistemas de almacenamiento de datos y al desarrollo de la teledeteccin aerotransporta-
da, los sensores se colocan en aviones que vuelan a la altura (resolucin espacial) deseada en el momento que
se requiera.
Sensor Res.espacial Tamao de imagen Res.temporal Res. Radiomtrica Res. espectral
Meteosat 2500 m Toda la esfera 0.5 horas 256 ND 1Vis 1Ir 1 It
NOAA AVHRR 1100 m 2700 x 2700 Km 12 horas 1024 ND 2Vis 1Ir 1It
Landsat TM 30 m 185x185 Km 16 das 256 ND 3Vis 3Ir 1It
SPOT HRV 20 m 60x60 Km 20 das 256 ND 2Vis 1Ir
SPOT Vegetation 1150 m 2200x200 Km 1 da 1024 ND 2Vis 2Ir
MODIS 250 - 100 m 2330x2330 Km 1 1024 ND 36 bandas
IKONOS 4 m 100x100 Km a peticin 2048 ND 3Vis 1Ir
Cuadro 10.2: Caractersticas de los principales sensores utilizados en teledeteccin
Al recibir la radiacin procedente de la supercie terrestre, el sensor almacena un nmero entero, se trata de un
intervalo de intensidad o nivel digital a partir del cual se puede obtener de nuevo la radiacin recibida mediante
una sencilla transformacin lineal. El nmero de niveles de intensidad se denomina resolucin radiomtrica
Una imagen de satlite en estado bruto es un conjunto de imgenes (una por banda) similares a las que se
obtienen haciendo una fotografa digital. Los pixels estn organizados en un sistema de las y columnas pero
sin referencia a coordenadas reales.
10.3.2. Anlisis de imgenes de satlite en un SIG
Una imagen de satlite en bruto, tal como normalmente llega al usuario nal, consiste en un conjunto de
matrices, una por cada canal del sensor, en la que aparecen nmeros del 0 al 255. El cero ndica que no llega
nada de radiacin desde ese punto y el 255 que llega el valor ms alto de radiacin. Estos valores se denominan
Niveles Digitales y ser necesario transformarlos en algn tipo de variable fsica.
El tratamiento de una imagen de satlite previo a su anlisis incluye:
Georreferenciacin (paso de un sistema de las y columnas a un sistema de coordenadas estandard). Para
ello debe obtenerse una muestra de puntos de control de los que conozcamos tanto sus coordenadas reales
como sus coordenadas en la imagen, deben ser por tanto objetos de un tamao adecuado para resultar
identicables tanto en la imagen como sobre el terreno, el tamao depender lgicamente de la resolucin
de la imagen.
A pertir de estos puntos de control se obtendrn por regresin unas ecuaciones que permitirn a cada par
la,columna un par de coordenadas X,Y.
Paso de nivel digital a radiacin recibida por el sensor. Normalmente a travs de una ecuacin lineal
cuyos parmetros se suministran junto con la imagen. En la tabla ?? aparecen los parmetros para las 6
bandas ms utilizadas del sensor LANDSAT -TM, junto con la irradiancia solar extraterrestre, cantidad
de energa solar que llega al lmite de la atmsfera que se utiliza para calcular la reectividad.
10.4. VISUALIZACIN DE IMGENES 191
Banda a0 a1 E0
1 (Azul) -6.2 0.768 1970
2 (Verde) -6 0.818 1843
3 (Rojo) -4.5 0.64 1555
4 (Infrarrojo a) -4.5 0.635 1047
5 (Infrarrojo b) 1 0.128 227.1
6 (Infrarrojo trmico)
7 (Infrarrojo c) -0.35 0.0424 80
Cuadro 10.3: Parmetros del sensor Landsat TM
Correccin atmosfrica (para eliminar las interferencias producidas por la absorcin, dispersin y refrac-
cin en la radiacin recibida)
Correccin de luminosidad (para eliminar el efecto de solana-umbra)
Dependiendo de la regin del espectro de que se trate:
calculo de la reectividad dividiendo la radiacin recibida por el sensor entre la radiacin estimada
en supercie (ventana atmosfrica en el visible). A partir de la reectividad en diferentes bandas
pueden obtenerse ndices que se comporten como indicadores de deserticacin. Puede tabien cla-
sicarse los distintos pixeles de la imagen en funcin de sus valores de reectividad en clases que
se correspondan con tipos de suelo, vegetacin, etc. Ejemplos: Landsat, NOAA
Estimacin de la concentracin del gas que absorbe la radiacin en la regin del espectro manejada
(zona de absorcin): Ejemplos TOMS y Meteosat
Estimacin de la temperatura del cuerpo emisor utilizando la banda de infrarrojo trmico. Casi
todos los satlites recogen radiacin en alguna regin del infrarrojo trmico.
En ocasiones no se llevan a cabo todos los pasos incluidos, depende de los objetivos que se persigan con el
empleo de la teledetecccin, en algunos casos es suciente trabajar con los ND georreferenciados. El paso
siguiente suele incluir todas o alguna de las siguientes fases:
Visualizacin y composiciones de color
Obtencin de variables fsicas a partir de los valores de reectividad
Clasicacin de la imagen
10.4. Visualizacin de imgenes
Tradicionalmente se ha dividido el anlisis de imgenes de satlite en 2 fases, un anlisis visual y un anlisis
digital. El primero es similar en muchos aspectos a la fotointerpretacin clsica con las ventajas que aporta
la fotografa digital en cuanto a las posibilidades de retocar y realzar las imgenes. Sin embargo una imagen
de satlite en bruto presenta un aspecto bastante apagado, por lo que el anlisis visual no resulta sencillo. En
teledeteccin se han desarrollado diferentes tcnicas que permiten resaltar determinados aspectos para facilitar
este anlisis.
Aunque el espectro electromagntico abarca un mplio nmero de regiones y el ojo humano tiene una gran ca-
pacidad de discriminacin de estos colores, podemos descomponer cualquier color en tres componentes (azul,
verde y rojo) que corresponden a tres regiones del espectro visible. Los dispositivos de visualizacin de im-
genes (monitores, televisiones, etc) forman sus imgenes mediante la combinacin de diferentes niveles de
intensidad en estos tres colores. Cada pixel en pantalla es representado mediante 3 puntos de luz, rojo, verde y
azul (composicin RGB) al dispositivo encargado de pintar todos los puntos de un color se le denomina caon.
De este modo existen el caon del rojo, el del verde y el del azul.
En el ejemplo de la gura ?? se puede ver la descomposicin de una imagen de colores vivos en 3 imgenes
que reejan la intensidad en el azul, el verde y el rojo.
Una imagen de satlite tiene varias bandas, algunas de ellas responden a estos colores y otras a regiones fuera
del espectro visible. Para visualizarlas podremos pasar las diferentes bandas por cada uno de los caones o por
todos a la vez (imagen en blanco y negro).
10.4.1. Ajuste de contraste
Los sensores utilizados en teledeteccin estn calibrados para recibir valores muy altos de radiacin sin llegar a
saturarse por lo que lo normal es que todos los valores recibidos estn muy por debajo de los mximos posibles.
La consecuencia es que los valores de ND obtenidos son muy bajos y las imgenes se van a ver oscuras, muy
poco contrastadas. Una forma de solventar este problema es ajustar el contraste mediante diversas tcnicas:
1. Expansin lineal
ND
= 255
ND ND
min
ND
max
ND
min
(10.5)
2. Expansin lineal restringida, los valores de ND
max
y ND
min
los decide el usuario en lugar de co-
rresponder a los valores reales de la imagen. De esta forma si ND
max
> ND > ND
min
se aplica la
frmula ??; si ND
max
< ND entonces ND
= 255 y si ND
min
> ND entonces ND
= 0
3. Ecualizacin del histograma. Tiene en cuenta, n slo los valores de ND, sino tambin su frecuencia de
manera que aquellos valores de ND ms frecuentes resultarn ms ajustados que los menos frecuentes.
10.4.2. Composicin de color
Puesto que la imagen de cada banda representa niveles de intensidad de un color (azul, verde, rojo, etc.) y los
monitores y tarjetas de video disponen de 3 canales
10.4. VISUALIZACIN DE IMGENES 193
R rojo
G verde
B azul
para representar los 3 colores bsicos; puede utilizarse cada canal para representar la intensidad de una banda
y obtener as una composicin de color, la ms obvia seria simular el color real. Para ello, en landsat, la
correspondencia entre bandas y caones sera:
b1 ->B
b2 ->G
b3 ->R
pero como se dispone de ms bandas, nada impide utilizarlas para generar visualizaciones en falso color. Estas
composiciones servirn para resaltar los elementos que mayor reectividad presentan en las bandas utilizadas,
adems de obtener visualizaciones ms o menos estticas. Por ejemplo, si se pasa la banda 4 de landsat (con
alta reectividad por parte de la vegetacin) por el canal verde, la vegetacin se ver mucho ms claramente
que si se utiliza la banda 2
b1 ->B
b4 ->G
b3 ->R
En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tres bandas
que ms nos van a ayudar a discriminar visualmente los elementos que nos interesan.
En la gura ?? aparece una composicin a partir de la descomposicin en colores de la gura ??. La intensidad
del rojo se pasa por el canal azul, la del color azul por el canal verde y la del color verde por el canal rojo.
El equivalente satelital de las guras ?? y ?? son las guras ?? y ?? en las que se puede ver en el extremo NO
el embalse de Puentes y en el SE la ciudad de Lorca y parte del valle del Guadalentn.
10.4.3. Filtros
Se utilizan para destacar algunos elementos de la imagen. Consiste en la aplicacin a cada uno de los pixels
de la imagen de una matriz de ltrado (generalmente de 3x3) que genera un nuevo valor mediante una media
ponderada del valor original y los de los 8 pixels circundantes. Mediante diferentes combinaciones de los
factores de ponderacin se pueden conswguir diferentes efectos.
Los ltros ms utilizados son los de paso bajo que asignan a cada pixel el valor medio de los pixels circundantes;
o los de paso alto (para resaltar zonas de gran variabilidad).
La ecuacin que se utiliza es:
ZF
f,c
=
1
dc=1
1
df=1
w
dc,df
Z
c+dc,f+cf
1
dc=1
1
df=1
w
dc,df
(10.6)
1.0 1.0 1.0
1.0 1.0 1.0
1.0 1.0 1.0
Cuadro 10.4: Filtro de paso bajo
-1.0 -1.0 -1.0
-1.0 9.0 -1.0
-1.0 -1.0 -1.0
Cuadro 10.5: Filtro de paso alto
que, en denitiva, es la ecuacin de un operador de vecindad que calcula la media ponderada. Los coecientes
de ponderacin se denen como matrices (de 3x3 en este caso). Los valores de estas matrices dependern de lo
que se busque con el ltrado. Un ltro de paso bajo tender a suavizar la imagen, uno de paso alto (incluyendo
valores negativos en algunos coecientes de ponderacin) resalta las variaciones. Finalmente existen ltros
direccionales que resaltarn elementos lineales con determinadas orientaciones (gura ??).
10.5. Obtencin de variables. Indices y transformaciones
Cuando interesa detectar algn aspecto especco de la supercie terrestre, pueden utilizarse ndices que utili-
cen algunas de las bandas. Estos ndices suponen a su vez una transformacin de las bandas.
En general podemos hablar de dos tipos de transformaciones:
Orientadas: Se sabe lo que se busca
Indices de vegetacin
Transformacin Tasseled Cap
No orientadas: No sabemos a priori lo que buscamos
Anlisis de Componentes Principales
-1.0 -1.0 -1.0 -1.0 2.0 -1.0
2.0 2.0 2.0 -1.0 2.0 -1.0
-1.0 -1.0 -1.0 -1.0 2.0 -1.0
Cuadro 10.6: Filtros direccionales (N-S y E-W)
10.5. OBTENCIN DE VARIABLES. INDICES Y TRANSFORMACIONES 195
10.5.1. Indices de vegetacin
El ms conocido es el Indice Normalizado de Vegetacin (NDVI) cuya ecuacin es:
NDV I =

4

3
4
+
3
(10.7)
Este ndice se basa en que la vegetacin tiene una reectividad muy alta en la banda 4 de landsat y muy baja
en la banda 3. Por tanto cuanto mayor sea la diferencia entre ambas bandas mayor es el porcentaje de cobertura
vegetal y ms sana es esta. El dividir el ndice entre la suma de ambas reectividades compensa tanto el efecto
de mayor o menor luminosidad como el efecto de la atmsfera.
Se han propuesto distintas variantes para mejorar este ndice. El objetivo fundamental es eliminar la inuencia
que el suelo puede tener sobre las reectividades en el rojo y el infrarrojo y que pueda enmascarar las de la
vegetacin.
Otros ndices, utilizando otras bandas, permitiran analizar otros aspectos como puede ser la litologa. Este tipo
de ndices pueden calcularse en un SIG ya que , en denitiva, no son ms que operadores sencillos de lgebra
de mapas
10.5.2. Transformacin Taselled Cap
La transformacin tasseled cap supone pasar de las 6 bandas de landsat a 3 bandas con un claro sentido fsico
que representan el brillo de la imagen (albedo), el verdor y la humedad. Estas nuevas bandas se obtienen
mediante:
brillo =
6
k=1
C
kb
k
(10.8)
verdor =
6
k=1
C
kv
k
(10.9)
humedad =
6
k=1
C
kh
k
(10.10)
(10.11)
En estas ecuaciones C
kb
signica Coeciente para obtener brillo (b) en la banda k. Los coecientes C
kb
, C
kv
y C
kh
de estas ecuaciones aparecen en la tabla ??. Permiten llevar a cabo anlisis de la densidad y estado de
salud de la vegetacin.
Componente TM1 TM2 TM3 TM4 TM5 TM7
Brillo 0.3037 0.2793 0.4743 0.5585 0.5082 0.1863
Verdor -0.2848 -0.2435 -0.5436 0.7243 0.0840 -0.1800
Humedad 0.1509 0.1973 0.3279 0.3406 -0.712 -0.4572
Cuadro 10.7: Coecientes de la transformacion tasseled cap
10.5.3. Anlisis de Componentes Principales
Uno de los problemas que aparecen en la clasicacin estadstica es la alta correlacin entre variables. En este
caso la introduccin de varias variables en la clasicacin no aporta ms informacin. En la gura 2 aparece
un ejemplo en el cual las bandas 3 y 4 de Landsat TM podran resumirse en una sola variable.
Las diferentes tcnicas de anlisis multivariante permiten transformar una serie de variables en nuevas variables
denominadas componentes incorrelacionadas, que absorben la varianza (variabilidad) total de los datos. Estos
componentes estn ordenados adems de mayor a menor en relacin al porcentaje de la varianza total que
absorben. Ello permite eliminar los componentes que absorban un escaso porcentaje de la varianza original y
quedarnos con los que absorban mayor variabilidad.
Para ello hace falta analizar los resultados del anlisis de componentes principales: la matriz de vectores pro-
pios y el vector de valores propios. Sin embargo los modulos de anlisis de componentes principales de los
programas de SIG no suelen aportar toda la informacin necesaria.
Figura 10.1: Espectro electromagntico y tcnicas de teledeteccin
Figura 10.2: Bandas de absorcin y ventanas en el espectro electromagntico
Figura 10.3: Efecto de las nubes sobre las observaciones de satlite
Figura 10.4: Efecto del polvo sobre las observaciones de satlite
Visible Infrarrojo trmico Vapor de agua
Figura 10.5: Imgenes de cada uno de los canales del satlite Meteosat
Figura 10.6: Respuestas espectrales
Figura 10.7: Refrelctividad del suelo
Figura 10.8: Linea del suelo
Figura 10.9: Efectos de los cambios en la resolucin de las imgenes de satlite
Figura 10.10: Efecto de la altura del satlite sobre las imgenes
Figura 10.11: Descomposicin de una imagen en las componentes azul, verde y rojo
Figura 10.12: Combinacin falso color
Figura 10.13: Bandas 1 a 3, imagen landsat de Abril-1993
Figura 10.14: Combinacin de color y falso color
Figura 10.15: NDVI de Abril-1993 y septiembre-1993
Figura 10.16: Efecto de la transformacin tasseled cap
10.6. CLASIFICACIN DE IMGENES 207
Figura 10.17: Alta correlacin entre bandas
Sin entrar demasiado en los detalles del procedimiento, en la Regin de Murcia, el primer componente suele
poder asimilarse al albedo, el segundo a la presencia de vegetacin y el tercero a la presencia de agua, por lo
que son similares a la transformacin tasseled cap. Los ltimos componentes, puesto que absorben fundamen-
talemnte aleatoriedad, ruido, tienen un aspecto similar a una televisin no sintonizada.
10.6. Clasicacin de imgenes
La elaboracin de una clasicacin del rea de estudio en una serie de clases relativas a litologa, tipos de
vegetacin, usos del suelo, etc., es uno de los objetivos fundamentales en teledeteccin.
La clasicacin en teledeteccin es, por tanto, un caso particular del problema general de clasicar N individuos
en un conjunto de K clases en funcin de una serie de variables cuantitativas ( X1, X2,...,Xn). Para resolver
este problema se necesita una medida de la semejanza o diferencia entre los diferentes individuos y entre los
individuos y las clases. Dos individuos muy parecidos pertenecern probablemente a la misma clase, mientras
que dos individuos distintos pertenecern a diferentes clases. La medida ms utilizada es la distancia euclidiana:
Figura 10.18: Anlisis de componentes principales
d
i,j
=
2
_
n
v=1
(X
vi
X
vj
)
2
(10.12)
aunque pueden utilizarse otro tipo de distancias. Para estimar los valores de X1, X2,...,Xn para las diferentes
clases se utiliza la media aritmtica de los valores de los pixels incluidos en la clase.
Puesto que en la prctica no podemos saber con certeza a que clase corresponde cada uno de los pixels, el
problema de la clasicacin se convierte en un problema de probabilidad de pertenencia a cada una de las
clases de un conjunto, por tanto se suelen usar mtodos estadsticos.
El procedimiento de clasicacin supone dos fases:
Denicin de las clases
Adjudicacin de cada uno de los pixels del terreno a las clases previamente denidas
10.6.1. Denicin de clases
Suponiendo que los datos han pasado ya todo tipo de correcciones de tipo geomtrico o atmosfrico, existen
dos mtodos complementarios para afrontar la denicin de clases, estos son vlidos tanto en imgenes de
satlite como en cualquier otro campo.
Clasicacin supervisada.
Clasicacin no supervisada.
En realidad suelen utilizarse ambos procedimientos ya que son complementarios. La clasicacin supervisada
utiliza nuestro conocimiento del terreno pero si este conocimiento no es perfecto pueden escaparse cosas que
una clasicacin no supervisada detectara.
Clasicacin no supervisada
En la clasicacin no supervisada no se establece ninguna clase a priori, aunque es necesario determinar el
nmero de clases que queremos establecer, y se utilizan algoritmos matemticos de clasicacin automtica.
Los ms comunes son los algoritmos de clustering que divide el espacio de las variables en una serie de regiones
de manera que se minimice la variabilidad interna de los pixeles incluidos en cada regin. Cada regin de este
espacio de variables (gura ??) dene de este modo una clase espectral.
Figura 10.19: Denicin no supervisada de clases en el espacio de variables
El procedimiento consta de una serie de pasos, en cada paso se identican los dos individuos ms prximos,
se hace una clase con ellos y se sustituyen por el centroide de la clase resultante. De este modo cada paso
analiza un individuo menos que el anterior ya que los individuos van siendo sustituidos por clases. El proceso
se detiene cuando se ha alcanzado un nmero de clases igual al nmero de clases que habia sido establecido a
priori.
El resultado nal de un proceso de clustering suele ser un dendrograma (gura ??) en el que puede verse como
los diversos individuos se aglutinan en clases, primero los que estan a un menor distancia (los mas parecidos),
y como posteriormente las clases se unen entre si. A partir de un dendrograma podemos elegir el nmero de
clases que queremos mantener en funcin de diferentes criterios.
Puesto que una imagen de satlite contiene del orden de millones de pixels no tendra sentido hacer un den-
drograma completo, ni siquiera utilizar todos los pixeles. En su lugar se establece una muestra con la que se
Figura 10.20: Dendrograma obtenido a partir de los pixels de las reas de entrenamiento
inicia el proceso. El usuario debe decidir a priori con cuantas clases quiere trabajar y el programa parar en
el momento que toda la muestra inicial se haya reducido a ese nmero de clases. El resultado nal sera la
caracterizacin de cada una de las clases obtenidas.
Clasicacin supervisada
La clasicacin supervisada se basa en la disponibilidad de reas de entrenamiento. . Se trata de reas de las que
se conoce a priori la clase a la que pertenecen y que servirn para generar una signatura espectral caracterstica
de cada una de las clases. Se denominan clases informacionales. Estas deben ser areas lo ms homogeneas
posibles y en las que sepamos lo que haba el da que se tom la imagen. Por ello esta opracin se realiza el
mismo da en el que el satlite toma la imagen y luego se compra esta. Otra posibilidad es utilizar fotografa
aerea o informacin de otro tipo.
Obtener las caractersticas de reectividad de cada una de las clases implica una simple consulta a las imgenes
(gura ??). La respuesta espectral de una clase ser la respuesta espectral media de sus pixels.
10.6.2. Asignacin de pixels a clases
Una vez que se dispone de un conjunto de clases y de sus signaturas espectrales caractersticas, vamos a tratar de
adjudicar cada uno de los pixels a una clase. Los primeros mtodos que se utilizaron eran de tipo no estadstico
y con ellos se obtenan resultados bastante mediocres. Su anlisis es, sin embargo, til para comenzar a indagar
en los problemas del proceso de clasicacin.
Figura 10.21: Imagen MSS y denicin supervisada de clases
No estadsticos (mnima distancia, paraleleppedos)
Estadsticos clsicos (mxima probabilidad)
Algortmos basados en inteligencia articial (clasicacin contextual, lgica borrosa, redes neuronales,
rboles de decisin)
A continuacin se indagar en algunos de estos mtodos. Se utiliza para ello una muestra de celdillas pertene-
cientes a 3 clases diferentes (gura ??)que podran asimilarse a celdillas de vegetacin (verde), suelo desnudo
(rojo) y agua (azul). Los valores de reectividad en las bandas 3 y 4 de landsat (ver gura ?? para ver a que
regiones del espectro electromagntico equivalen) se representan mediante circulos; mediante cruces se han re-
presentado los centroides de cada una de las clases (valores de reectividad media para cada una de las bandas;
nalmente con un cuadrado se representa la celdilla que se va a clasicar.
Clasicacin por mnima distancia
Evidentemente el pixel x se asignar a la clase respecto a la cual su distancia sea mnima (gura ??). En
denitiva, se denen una serie de hiperesferas que rellenan el hiperespacio de variables sin intersectarse.
Este mtodo no es demasiado bueno ya que sobreclasica la imagen, es decir ningn pixel queda sin clasicar.
Aunque algunos autores sealan esto como una ventaja, realmente es un problema ya que es preferible dejar
reas sin clasicar que clasicarlas sin garantas.
Figura 10.22: Clasicacin por mnima distancia
Figura 10.23: Clasicacin por paraleleppedos
Clasicacin por paraleleppedos
En este mtodo se denen una serie de paraleleppedos, hiperparaleleppedos manteniendo la nomenclatura
anterior, que denen las fronteras de cada clase (gura ??). La denicin de cada uno de los paraleleppedos
debe hacerse teniendo en cuenta los valores mximos y mnimos de reectividad para cada una de las bandas.
Con este mtodo pueden aparecer pixels sin asignar o pixels asignados a varias clases.
Aquellas celdillas que quedan sin clasicar representan otras clases que no se han tenido en cuenta o bien que
resultan demasiado complejas para adjudicarlas a una clase.
Clasicacin por mxima verosimilitud
Puesto que se tiene una muestra de refelctividades para cada clase y cada banda, puede calcularse la media y la
desviacin tpica de cada una de las clases, y utilizar algn modelo de distribucin de probabilidad. El clasi-
cador de mxima probabilidad asume que los datos siguen una funcin de distribucin normal para asignar la
probabilidad de que un pixel cualquiera pertenezca a cada una de las clases. El pixel se asigna de este modo a
la clase a la que es ms probable que pertenezca.
Este mtodo puede usarse de forma automtica, o puede establecerse algn criterio que permita asignar pixels
a una clase slo si la probabilidad correspondiente es superior a determinado umbral. Permite por otro lado
denir algn tipo de criterio para medir la calidad de la asignacin, por ejemplo la diferencia entre la mxima
probabilidad y la siguiente.
Figura 10.24: Clasicacin por mxima probabilidad
En la gura ?? aparecen una serie de elipses rodeando a cada uno de los centroides, se trata de lineas de
isoprobabilidad, por tanto el pixel se clasicar como perteneciente a la clase en la que sus valores resulten ms
probables.
Sin embargo la hiptesis de que los datos de reectividad siguen una distribucin normal no siempre se cumple
y debera vericarse siempre.
Clasicacin de contexto
Todos los mtodos estudiados hasta ahora utilizan, para clasicar una celdilla, slo los valores de reectividad
recogidos en dicha celdilla. Este hecho no es demasiado problemtico si el tamao de la celdilla es mayor que
los diferentes elementos fsicos que componen el paisaje. Sin embargo si el tamao es ms pequeo que las
unidades de paisaje podra utilizarse la informacin de los pixels de alrededor para estimar la pertenencia a una
clase o conrmar la estimacin.
Puede resultar un mtodo til en combinacin con el de mxima probabilidad ya que permite incluir la infor-
macin de los pixels circundantes para tomar una decisin en caso de que las probabilidades para dos clases
sean similares o no exista una clase con probailidades de pertenencia sucientemente altas.
Contexto espacial
Se trata de incorporar otras fuentes de informacin distintas a las bandas para la clasicacin. Entre esta infor-
macin estara la altitud, pendiente, litologa, etc. Las distintas formaciones vegetales tienen mayor capacidad
Figura 10.25: Ejemplo de red neuronal
para desarrollarse en determinados entornos denidos en parte por estas variables. Por tanto puede ser til
establecer cual es la formacin vegetal con mayor probabilidad de desarrollarse en un determinado pixel (en
funcin de topografa y litologa) y combinar esta informacin con la de las bandas.
Clasicaciones multitemporales
Si lo que se pretende es distinguir entre clases cuya respuesta espectral varan con el tiempo, por ejemplo entre
diferentes usos del suelo, puede ser interesante integrar imgenes obtenidas en diferentes fechas. Imgenes de
primavera y otoo tienen un gran valor discriminante ya que las supercies vegetales, especialmente las de
cultivo muestran grandes diferencias.
Si se utiliza esta tcnica, resulta imprescindible realizar una buena coreeccin atmosfrica de las imgenes. Si
todas son de la misma fecha, la inuencia de la atmsfera es la misma para todas por tanto podemos asumir
que no inuye demasiado en la clasicacin. Sin embargo si las imgenes proceden de diferentes fechas, la
diferente inuencia de la atmsfera puede enmascarar y distorsionar los cambios en la respuesta espectral.
Clasicacin por redes neuronales
Se basan en el uso de redes neuronales articiales que, se supone, imitan a las redes neuronales reales en
el desarrollo de tareas de aprendizaje. Una neurona articial es un objeto lgico (se trata de software no de
hardware) que recibe diversas entradas, hace una media ponderada de las mismas y produce una salida a partir
de la aplicacin de una funcin umbral a la media ponderada.
Si conectamos las asalidas de unas neuronas como entradas de otras obtenemos una red neuronal. Uno de los
ejemplos ms tpicos de red neuronal es el la Back Propagation Neural Network que aparece en la gura.
Consta de una capa de entrada con tantas neuronas como variables de entrada se vayan a introducir en el modelo
(en el caso de la teledeteccin sera una por cada banda utilizada para clasicar), una capa oculta que realiza la
mayor parte del clculo y una capa de salida con tantas neuronas como posibles clases existan. En teledeteccin
esta salida suele consistir en un valor numrico entre 0 y 1 para cada clase, cuanto mayor sea este valor ms
verosimil resulta que el pixel pertenezca a la clase en cuestin
Para trabajar con una red neuronal existen varias fases:
1. Entrenamiento. Se le introducen a la red la respuesta espectral de pixeles cuya clase se conoce y se
compara la salida con la realidad. A partir de esta comparacin se modican los coecientes de ponde-
racin de todas las neuronas para que se obtenga la respuesta adecuada (se trata de un procedimiento
automtico) es decir un 1 en la clase correcta y ceros en las incorrectas
2. Estabilizacin. Al principio del entrenamiento, los factores de ponderacin cambian muy deprisa, pero
conforme este se desarrolla (y si las areas de entrenamiento se han seleccionado correctamente) se esta-
bilizan (no se modican aunque se vuelvan a introducir los pixels de entrenamiento). En este momento
naliza la fase de entrenamiento
3. Clasicacin. Se introducen las respuestas espectrales de los pixels cuya clase no se conoce y se adjudi-
can a la clase que de una respuesta ms alta (que no va a ser necesariamente 1).
Se trata en denitiva de un mtodo de clasicacin no paramtrico robusto que da buenos resultados cuando
las respuestas espectrales de las clases no siguen una distribucin normal. La clave est en el conjunto de
coecientes de ponderacin que constituyen un conjunto de parmetros que deben ajustarse a unos datos de
entrada y salida. Por tanto en cierto modo es equivalente a una regresin multivariante no paramtrica.
Arboles de clasicacin
Suponen un anlisis exhaustivo de las respuestas espectrales de las clases y del conjunto de datos disponibles,
consiste en ir haciendo preguntas a cada pixel cuya respuesta positiva o negativa conducir a otra pregunta y
asi sucesivamente hasta obtener la clase a la que pertenece. Se basa en los mismos principios que los sistemas
expertos.
Clasicadores borrosos
Sea cual sea el procedimiento de clasicacin utilizado, surge el problema de que algunos pixels resultan
inclasicables, bien porque sus probabilidades de pertenencia a cualquier clase sean muy bajas (mxima vero-
similitud, salidas de un mtodo de redes neuronales, etc.) o porque aparezcan dos o ms clases con muy alta
probabilidad que se disputen el pixel. En estos casos tiene ms sentido no clasicar los pixels de forma unvoca
sino establecer cual es su posibilidad de pertenencia a cada una de las clases (el concepto de posibilidad no es
exactamente igual al de probabilidad).
10.7. VALIDACIN. ERROR DE CLASIFICACIN 217
A B C D E F Ni ni/Ni n
c
ii
n
i
ic
A 50 3 0 0 2 5 60 83.3 10 21
B 4 62 3 0 0 1 70 88.5 8 10
C 4 4 70 0 8 3 86 81.4 19 6
D 0 0 0 64 0 0 64 100.0 0 3
E 3 0 2 0 71 1 78 91.0 6 10
F 10 3 1 3 0 33 50 66.0 17 10
408 85.8 60 60
Cuadro 10.8: Matriz de confusiones con 6 clases
10.7. Validacin. Error de clasicacin
Existen dos posibilidades, evaluar una estimacin terica del error en funcin de las caractersticas del algoritmo
de clasicacin o analizar una serie de reas test obtenidas del mismo modo que las reas de entrenamiento. El
segundo modo de proceder permite obtener una estimacin ms realista de los errores mientras la muestra de
pixels para la estimacin del error sea lo sucientemente grande y representativo.
Un mtodo simple y apropiado de evaluaciones de los errores es utilizar la matriz de confusin de clases (tabla
??).
Con este tipo de anlisis, se obtiene, no slo una caracterizacin del error cometido, sino tambin una medida
sobre la adecuacin de las clases consideradas a la realidad y de los parmetros utilizados para caracterizarlas.
Puede por tanto utilizarse para denir un nuevo conjunto de clases para realizar una clasicacin.
En la tabla aparece un ejemplo de matriz de confusiones, los valores en las representan las clases reales y
en columnas aparecen (en la parte izquierda de la tabla) las clases obtenidas tras la clasicacin. Por tanto
debe interpretarse como el nmero de pixels que perteneciendo a la clase la han sido adjudicados a la clase
columna.
En la parte derecha de la tabla aparece: Ni es el nmero total de pixels de cada clase, el porcentaje de pixels
clasicados correctamente para cada clase. (ni)ci es el nmero de pixels que correspondiendo a la clase y han
sido adjudicados a otras, y (nic)i es el nmero de pixels adjudicados a i cuando en realidad pertenecen a otra
clase. La ltima la presenta la totalizacin de estos resultados.
10.8. Bibliografa
Chuvieco,E. (2000) Fundamentos de Teledeteccion espacial, RIALP, 568 pp.
Chuvieco, E. (2002) Teledeteccin Ambiental, Ariel,
Mather,P.M (1999) Computer Processing of Remotely-Sensed Images. An Introduction,Wiley,. 292 pp +
1 CDROM.
NASA The remote sensing tutorial (http://rst.gsfc.nasa.gov/start.html)
Parkinson,C.L. (1997) Earth from above. Using Color-Coded Satellite Images to Examine the Global
Environment, University Science Books, 175 pp. Sobrino,J.A. (2000) Teledeteccin Servicio de Publica-
ciones Universidad de Valencia, 467 pp.
VV.AA. The remote sensing Core curriculum (http://research.umbc.edu/ tbenja1/umbc7/)
Captulo 11
Desarrollo de un Proyecto SIG
Hasta ahora todos los temas tratados se han enfocado en la visualizacin, la consulta y anlisis de datos en un
Sistema de Informacin Geogrca, obvindose las necesarias fases de planicacin y desarrollo del SIG y sus
bases de datos. Hasta hace pocos aos el inicio de un proyecto SIG implicaba la digitalizacin intensiva de gran
parte de los datos de partida, hasta el punto de que se consideraba que la causa de la mayor parte de los fracasos
en los proyectos de SIG estaba en una infravaloracin de estas necesidades.
La tendencia actual es que los diferentes organismos desarrollen sus propios proyectos de SIG corporativos de
manera que, cada vez ms, la informacin bsica est ya en formato digital, en consecuencia la labor funda-
mental de los futuros tcnicos en SIG ser el anlisis ms que la creacin de las bases de datos. Sin embargo es
necesario conocer los aspectos relativos al desarrollo de proyectos SIG debido a diversas razones:
La gran cantidad de informacin disponible tiene varios efectos negativos, destaca en muchos casos una
deciente documentacin de la misma o la multiplicidad de escalas, precisiones y origenes. Puede caerse
por otro lado en el error de querer incorporar toda la informacin posible sin tener en cuenta los objetivos
reales del proyecto. Por tanto el esfuerzo que antes se hacia para introducir los datos en un SIG debe
hacerse ahora para planicar el SIG.
Seguir siendo necesario cuando los SIG se utilicen en investigacin bsica medioambiental. Este tipo
de trabajo suele necesitar del desarrollo de nuevas bases de datos.
Aunque la informacin este en formato SIG existen diferentes modelos de datos. Todava no se ha con-
seguido crear un formato estandar a pesar de que (o quizas precisamente por ello) existen ms de 25
organizaciones encargadas de buscar ese estandar. El problema es posiblemente ms poltico que tcnico,
por lo que la posibilidad de solucionarlo en breve parece remota. Uno de los proyectos ms interesantes
es OpenSig Consortium (http://www.opengis.org/).
Todo SIG necesita actualizacin constante, sino es un proyecto muerto. Esta actualizacin no signica
slo nuevas capas de informacin sino que tambien puede suponer un replanteamiento global de la base
de datos.
219
220 CAPTULO 11. DESARROLLO DE UN PROYECTO SIG
An trabajando en la misma zona dos proyectos SIG pueden ser absolutamente diferentes debido a las
diferencias en la escala de trabajo, por tanto un proyecto a una escala poco habitual puede signicar la
necesidad de comenzar un proyecto desde cero.
Cada vez se considera ms a los SIG como una herramienta til en cualquier tipo de empresa con un
volumen de negocios importante. Por tanto no hay que descartar la posibilidad de ser contratado para
trabajar con SIG en cualquier empresa. En nuestro pas el desarrollo de los SIG en las empresas apenas
ha empezado a desarrollarse por lo que muchos de los futuros tcnicos en SIG sern contratados para
planicar e implementar los sistemas desde cero.
El xito de un proyecto SIG depender en gran medida de una adecuada planicacin, cuanto mayor sea el
proyecto mayor ser el tiempo necesario para su planicacin, en todo caso se asume por trmino medio entre
4 y 8 meses. Es importante tener claro en primer lugar cuales son los objetivos que llevan a la implementacin
del SIG. Bsicamente podemos encontrar 3 situaciones:
SIG acadmico desarrollado en el mbito de un proyecto de investigacin o con la intencin de servir de
apoyo a futuros proyectos. Dependiendo del tamao encontraremos:
SIG unipersonal para una tesis doctoral, proyecto de n de carrera, etc. Su vigencia es la del pro-
yecto y la base de datos se limita al mbito territorial y las variables relevantes.
SIG desarrollado para un proyecto en el que participan varios investigadores. Su tamao depen-
der del tamao del proyecto, los resultados y la base de datos pueden ponerse, posteriormente, a
disposicin del pblico en Internet
SIG departamental o interdepartamental desarrollado para servir de apoyo a futuros proyectos de
investigacin. Por tanto la base de datos debe cubrir todos los aspectos que sea posible y estar en
constante crecimiento, por tanto su objetivo es permanecer en el tiempo.
SIG administrativo desarrollado por uno o varios organismos pblicos (municicipal, regional o nacional).
Podemos encontrar tambin tres niveles:
SIG de un departamento
SIG corporativo
SIG de acceso pblico
SIG de empresa, cuyos objetivos pueden ser conseguir una disminucin de costes, disear herramien-
tas de geomarketing, optimizar la distribucin a los clientes, localizar la ubicacin ptima de nuevas
sucursales, etc.
11.1. Tengo que hacer un SIG
Tras haber asistido a un curso de SIG, o haber leido algn libro, manual o tutorial de un programa, el mayor
problema que se plantea es: Cmo comenzar a trabajar con mis propios datos? El diseo de un proyecto SIG
partiendo de cero implica una reexin acerca del proyecto con especial atencin en:
11.1. TENGO QUE HACER UN SIG 221
Quin es el cliente?
Cual es el objetivo?
Que base terica necesito? Con que base terica cuento?
Con que datos cuento?
Que programas voy a utilizar?
Con que tiempo/personal/potencia informtica cuento?
Con que presupuesto cuento?
El cliente puedo ser yo mismo si estoy haciendo una tesis, una empresa, en caso por ejemplo de una evalua-
cin de inpacto ambiental, o la administracin (trabajos de ordenacin del territorio). El objetivo puede ser la
resolucin de un problema concreto (EIA, comprobacin de una hiptesis) o el desarrollo de una base de datos
para ser usada posteriormente.
Para cumplir estos objetivos necesito una base terica que adems debe traducirse a lenguaje informtico.
En muchos casos esta ser la fase ms complicada y desgraciadamente no suele prestarsele mucha atencin.
constituida por el conjunto de algoritmos y modelos que me permitirn pasar de los datos de partida al resultado.
La implementacin de esta base terica en el SIG es el proceso, ya visto en un tema anterior, de determinar
Una vez terminado el proceso anterior dispondremos de una serie de datos de partida necesarios y que es
necesario adquirir o conseguir.
Finalmente el presupuesto es indispensable ya que deberemoscomprar todo lo que nos falte incluyendo datos,
personal y base terica (incluyendo programas o programadores, consulta o contratacin de expertos, bibliogra-
fa) . En caso de estar en una empresa o en un centro de investigacin habra que valorar la viabilidad econmica
del proyecto antes de ponerlo en marcha, es decir realizar un anlisis coste-benecio. En muchos casos resultar
difcil evaluar los benecios ya que estos no siempre sern expresables en trminos econmicos.
En el proceso de planicacin es necesario resolver las siguientes custiones fundamentales en el orden en que
se presentan ya que los resultados de unas permitirn avanzar en la resolucin de las siguientes:
1. Los objetivos para los que se implementa el SIG, es decir los resultados que quieren obtenerse
2. El tipo de funciones o herramientas SIG que los produciran
3. Los datos de partida
4. El hardware y software ms adecuados para la consecucin de los resultados requeridos
5. El personal necesario para manejar todo el sistema y su formacin
6. Anlisis de costes y benecios, especialmente en los SIG de empresa
11.2. Objetivos y resultados
Un organismo o empresa adoptar un SIG pensando en que facilitar la consecucin de unos objetivos, es un
error implementar un SIG slo por que pueda estar de moda. Existen diversos ejemplos de proyectos basados
en diferentes tecnologas de la informacin que han fracasado por que los objetivos no haban sido claramente
establecidos de manera que, an teniendo un buen sistema, los problemas no se resuelven. Otra cuestin sera
la posibilidad de implementar un SIG con un objetivo de I+D, es decir investigar acerca de su viabilidad, en la
universidad ha sido el modelo habitual.
Especialmente en una empresa, pero tambin en la administracin o la universidad, es importante conseguir que
los objetivos planteados sean lo ms concretos posible para conseguir una planicacin ms objetiva y tambin
para evitar posteriores desengaos debidos a unos objetivos demasiado ambiciosos y difusos.
Roger Tomlinson, considerado el padre de los SIG y en la actualidad consultor para la implementacin de SIGs
en empresas, denomina productos informacionales PI a cada uno de los resultados concretos que pretenden
obtenerse (mapas, grcos, tablas, etc.).
Estos PI deben documentarse con una cha que acta, en el mbito del proceso de planicacin, como metain-
formacin. El contenido de la cha ser:
1. Ttulo y descripcin breve incluyendo el tipo de informacin
2. Objetivo que se espera cumplir con l
3. Formato (raster o vectorial, papel o digital)
4. Escala-resolucin requerida
5. Error tolerable teniendo en cuenta los objetivos
6. Frecuencia de creacin, cada cuanto tiempo deben actualizarse los datos
7. Tiempo de espera tolerable desde que se encarga un PI hasta que est disponible
8. Costes y benecios aportados
9. Datos de partida (DP), o Productos informacionales previos, necesarios para su obtencin
10. Descripcin de los pasos necesarios para obtener el PI utilizando nombres de funciones genricas de SIG
A la hora de implementar un SIG de tamao considerable y con varios usuarios potenciales, es importante tener
una buena comunicacin con estos para conocer cual es su percepcin de los resultados que deben obtenerse.
11.3. TAREAS BSICAS EN UN SIG 223
11.2.1. Funciones SIG a utilizar
En la descripcin de un PI expuesta anteriormente, se incluye el tipo de funciones SIG que van a ser necesarias.
De este modo el conjunto de chas descriptivas de los PI permite obtener:
El conjunto de funciones SIG que van a utilizarse a lo largo de la implementacin y la explotacin del
sistema
Cuales son las funciones crticas por que se van a utilizar muchas veces o porque deben ejecutarse a gran
velocidad para cumplir con los tiempos de espera tolerables
Una primera aproximacin a un diagrama de ujo en el que aparece el conjunto de operaciones que van
a utilizarse.
En este punto, las funciones SIG deben consignarse con su nombre genrico, tal como aparece por ejemplo en
sin hacer referencia a ningn programa concreto. Entre las funciones habituales destaca:
Conversin de formatos
Anlisis de redes
Produccin de cartografa
11.3. Tareas bsicas en un SIG
11.3.1. Conguracin del sistema
Existen una serie de variables que condicionan todo el trabajo es un SIG. Los directorios de trabajo, la resolu-
cin, la tolerancia a la hora de digitalizar, etc. El usuario debe dar valor a estas variables al iniciar la sesin de
trabajo, generalmente mediante un script de inicializacin, aunque pueden modicarse a lo largo de la misma.
11.3.2. Introduccin de la informacin
Es la fase ms larga, costosa y aburrida del trabajo con un SIG, por tanto es tambin aquella en la que es ms
probable la aparicin de errores que pueden dar lugar al fracaso total del proyecto. Generalmente se ha conado
esta tarea a usuarios poco cualicados, mal pagados y escasamente comprometidos por lo que esta probabilidad
de errores aumenta. Es muy importante por tanto la vericacin de la informacin introducida.
Los errores que pueden producirse son fundamentalmente de tres tipos:
Sistemticos, una georreferenciacin erronea de un mapa escaneado o una mala conguracin de la
tableta digitalizadora van a suponer un desplazamiento sistemtico de todas las coordenadas digitalizadas
Aleatorios, aparecen por efecto del cansancio y de las ganas de, terminar deprisa. Pueden estar tambin
en los datos de entrada tabulados en pepel que deben transcribirse a formato digital
Accidentales, obedecen a errores importantes en la codicacin
Las fuentes de datos ms habituales de un SIG van a ser:
Datos de campo
Mapas de campo
Estadsticas ociales
Cartografa ocial
Datos publicados
Internet
teledeteccin
Informacin espacial en papel: mapas y fotografa area
En este caso es necesario digitalizar la informacin que est en formato papel. Se trata de un proceso con varias
fases:
1. Digitalizacin mediante escanner o tableta digitalizadora
2. Edicin (vectorizacin o clasicacin)
3. Transformacin (georreferenciacin, cambio de proyeccin o cambio de formato)
La digitalizacin con escanner es muy simple, se requiere un programa de captura de imgenes que cree un
chero de imagen compatible con nuestro programa y que mantenga la integridad de la informacin escaneada
(el ms aconsejable es TIFF y el menos JPEG). Permite introducir informacin raster (fotografa aerea) o
vectorial (mapa topogrco). En este ultimo caso se necesita un proceso posterior de edicin o transformacin.
Un escanner de mesa resulta barato pero slo sirve para mapas pequeos o porciones de mapas. Un escaner A2
o mayor es muy caro pero disponen de ellos en muchas papeleras tcnicas y los precios son razonables. A la
hora de escanear es importante ajustar correctamente la resolucin para que esta sea mayor igual al tamoo de
celdilla de nuestra base de datos pero no mucho mayor ya que en ese caso produciramos archivos demasiado
grandes y difciles de manejar.
Una vez que la imagen est digitalizada la debemos incorporar al SIG con algn mdulo especco. En GRASS,
r.in.tiff se encarga del trabajo.
Ahora las celdillas contienen valores numricos que dependen slo del color del mapa en el punto correspon-
diente. Es necesario por tabto editarla para transformar esos valores en informacin geogrca. Existen dos
posibilidades, si el objetivo es crear una capa vectorial, pondremos el chero raster como fondo en algn pro-
grama de digitalizacin y con el ratn digitalizaremos en pantalla como si fuera una tableta. Si la capa debe ser
raster puede reclasicarse la capa inicial.
Una tableta digitalizadora tiene en su interior una na malla de conexiones elctricas que denen un sistema de
coordenadas XYcon lmite inferior X=0, Y=0 y lmite superior dependiente del tamao de la tableta. Al pinchar
con el ratn en un punto, la tableta enva al ordenador las coordenadas de este punto. Pinchando en varios
puntos consecutivos se denen lineas o polgonos. Si se pone un mapa sobre la tableta podemos digitalizar de
este modo la informacin contenida en el mapa.
Hay que tener en cuenta que las coordenadas fsicas de la tableta son arbitrarias, para asignar a cada punto las
coordenadas del mapa hay que calibrarla previamente. Todos los programas de apoyo a la digitalizacin con
tableta (AutoCAD por ejemplo) disponen de ordenes para ello. El proceso de calibracin consiste bsicamente
en pinchar en dos o ms puntos e introducir por teclado las coordenadas reales de estos puntos. A partir de esta
informacin el programa realiza una anlisis de regresin lineal para estimar los parmetros de dos funciones
que transformen las coordenadas de la tableta en coordenadas reales
Es posible tambin realizar un anlisis de errores para determinar si los valores son adecuados o no. En general
un programa de CAD asume que los mapas en papel no tienen distorsiones por lo que en el mejor de los casos
slo se hace un ajuste lineal y normalmente slo se hace una traslacin y cambio de escala por lo que algunos
de los parmentros en las ecuaciones anteriores son iguales.
Al igual que los escaner, las tabletas tienen el problema del tamao, en general son caras y si la tableta es grande
( A1-A0 ) prohibitiva. Adems la digitalizacin con tableta es ms cara y slo sirve para informacin vectorial y
puesto que requiere mucho tiempo trabajando con ella encargar el trabajo es tabien muy caro. La transformacin
no slo incluye el paso de coordenadas de tableta o de escanner a coordenadas estandard, tambien incluye la
transformacin entre dos sistemas de coordenadas diferentes.
Ejemplo con el geolgico.
Bases de datos espaciales en formato SIG procedentes de otros programas
Sea cual sea el sistema que estemos utilizando nos enfrentaremos con la necesidad de importar capas de infor-
macin almacenadas en formato SIG pero con un modelo de datos incompatible. Todos los programas disponen
de herramientas que facilitan el proceso. El problema es diferente para datos raster y vectorial.
En el primer caso no hay demasiadas dicultades puesto que la codicacin de datos raster no diere excesi-
vamente de unos programas a otros. Se trata de simples matrices de nmeros fciles de importar sabiendo el
nmero de las y columnas que la componen y el modo de codicacin de cada celdilla que suele ser muy
similar de unos programas a otros. En GRASSlos mdulos que importan datos raster comienzan con el prejo
r.in al igual que los que importan formatos grcos.
r.in.arc r.in.elas r.in.gridatb r.in.ppm r.in.utm r.in.ascii r.in.ll r.in.shape r.in.bin r.in.miads r.in.sunrast r.in.doq
r.in.gdal r.in.png r.in.tang r.in.dted r.in.globedem r.in.poly r.in.tiff
El caso de los vectoriales es ms complejo. El modo de codicar aspectos como los bordes de area o los
polgonos isla y la existencia de dos modos diferentes depensar acerca de los datos espaciales (CADy SIG)
multiplica la cantidad de formatos diferentes. Adems en algunos casos se trata de formatos propietario, es
decir sujetos a copyright, que cambian de unas versiones a otras del programa. La consecuencia es que no
siempre los mdulos de importacin funcionan correctamente, siendo necesaria en muchos casos una edicin a
mano. En GRASS los mdulos de importacin de vectoriales son los que comienzan por v.in
Importan datos en el formato ungenerate de ArcInfo v.in.arc v.in.arc.poly
Importa cheros en formato e00 de ArcInfo m.in.e00
Importa cheros en formato shape de ArcView v.in.shape
Importa datos en formato ASCIIde GRASS v.in.ascii
Importan datos en formato DXF v.in.dxf v.in.dxf3d v.in.dxf3d.sh
Importar datos de Atlas GIS v.in.atlas
Importar cheros mapgen de MATLAB v.in.mapgen.sh
Importar cheros DLGdel servicio geolgico americano v.in.dlg v.in.dlg2 v.in.dlg.scs
Importar cheros de un GPSgarmin v.in.garmin.sh
v.in.gshhs v.in.tig.basic
v.in.tig.lndmk
v.in.transects
v.in.poly
v.in.sdts
Conjuntos de puntos
Tipo de datos Informacin primaria Informacin secundaria
Raster Imgenes de satlite Mapa o fotografa aerea
Vectorial GPS Mapas Topogrcos
Puntual
11.3.3. Edicin y validacin de errores
El nico modo de tratar de atajar errores es mediante la revisin de los datos introducidos por alguien con expe-
riencia suciente y utilizando las herramientas apropiadas. Desgraciadamente estas no suelen estar disponibles
en los programas de SIG.
Cuando se trata de curvas de nivel, el mejor procedimiento es generar un MDE y luego un mapa de pendientes
en el que se podrn observar aquellos puntos en los que aparezca un error de etiquetado.
11.3.4. Conversin de datos
Los viejos debates acerca de las virtudes de los formatos raster y vectorial han quedado ya aparcados. Entre
raster y vectorial
11.3.5. Visualizacin
No se trata slo de ver el mapa en pantalla, sino de aprovechar al mximo las posibilidades que una visualizacin
interactiva de los datos espaciales pueden brindar de cara a una mejor comprensin de los mismos.
11.3.6. Gestin de la base de datos espacial
Deben incluirse
Herramientas de gestin de capas espaciales (copiar, borrar, renombrar). Puesto que cada capa suele estar
formada por varios cheros, estas herramientas constituyen una interfaz en una sola orden para aplicar a
todos ellos las rdenes equivalentes del sistema operativo.
Herramientas de gestin de los objetos en una capa vectorial. Incluyen las tpicas herramientas de CAD
(copiar, mover, rotar, aadir o borrar vrtices, ect.)
Herramientas propias de un SIG. Incluye la georreferenciacin y los cambios en la proyeccin de las
capas.
11.3.7. Gestin de la base de datos temtica
Casi todos los SIG disponen de un SGBD ms o menos rudimentario, para aplicaciones muy sencillas se puede
conar en el para la gestin de la informacin. Sin embargo es preferible utilizar programas especcos que
puedan enlazarse sin dicultad mediante los mdulos apropiados. Estos mdulos permitirn hacer consultas a
la base de datos basadas en criterios espaciales.
11.3.8. Herramientas SIG
Constituyen la base del sistema, son todos aquellos mdulos que producen una capa de salida a partir de una o
varias capas de entrada y eterminados parmetros. Incluyen el lgebra de mapas, anlisis espacial, interpolacin,
etc.
11.3.9. Produccin de Cartografa
Los mapas en papel, resultantes de los procedimientos de la cartografa tradicional, se hacen teniendo en cuenta
un conjunto de consideraciones estticas que no resulta sencillo incluir en un SIG. El proposito de la visuali-
zacin de datos con un SIG es fundamentalmente servir de apoyo al anlisis de los mismos, a la bsqueda de
patrones espaciales.
El problema es que en muchas ocasiones se han confundido los SIG con programas de cartografa automtica
y se ha pretendido que produzcan mapas en papel que cumplan con los criterios estticos y de calidad de
los servicios ociales de cartografa. Evidentemente los resultados han llevado a inevitables frustraciones. Por
otra parte hay que tener en cuenta que, an consiguiendo en pantalla un mapa plenamente satisfactorio, no
podremos tenerlo en papel sin una impresora de grandes prestaciones (en cuanto a tamao de papel y calidad
de la reproduccin) que suele estar muy por encima de nuestras disponibilidades econmicas.
11.4. Los datos de partida
Al igual que cuando se desarrolla un modelo cartogrco, al nal del proceso de planicacin de las funcio-
nes necesarias para implementar un SIG, se obtienen los datos de partida necesarios y la escala, resolucin,
proyeccin y tolerancia a errores necesarios para garantizar el cumplimiento de los criterios de calidad de los
PI.
En algunos casos habr que incorporar datos espaciales a escalas diferentes, en estos casos se suele recomendar
que el factor de cambio de escala no sea superiora 2.5 en ambos sentidos. Es decir si los PI nales deben
estar a escala 1:5000 los mapas originales deben oscilar entre una escala de 1:2000 y 1:12500. En todo caso
hay que tener en cuenta que la escala y resolucin de cualquier operacin de lgebra de mapas ser la del
mapa de entrada con menor escala de todos los implicados. No necesariamente una mayor escala es una menor
opcin, no tiene sentido almacenar mapas a escala 1:5000 (que ocupan un espacio considerable en disco duro y
requieren mucho tiempo de procesamiento) para luego utilizarlos en combinacin con mapas a escala 1:50000
(un factor de cambio de escala de 10). Adems cuando se cambia de formato (raster a vectorial y viceversa)
debe tenerse en cuenta que la resolucin (tamao de celdilla) mxima es la equivalente a 0.5 mm en el mapa,
es decir 25 metros para un mapa a escala 1:50000.
11.4.1. Metadatos
Ya se vio en un tema anterior como una matriz de datos en formato raster resulta inutil sin toda la informacin
que permite ubicarla en el espacio, el problema de la metainformacin es similar aunque algo ms sutil. Por
ejemplo una capa de usos del suelo perfectamente ubicada en el espacio puede utilizsarse para determinar el
uso del suelo de cada celdilla pero si no sabemos el ao en que se tomaron los datos pierde gran parte de su
utilidad.
En general podemos denir informacin como la suma de los datos y el contexto de esos datos (fecha de toma
de datos, tipo de muestreo, criterios, errore tolerables, etc.). Este contexto de los datos es lo que se denomina
metadatos e incluye toda aquella informacin acerca de una capa de datos espaciales (raster o vectorial) que, a
pesar de no ser imprescindible para su manejo, debe tenerse en cuenta para hacer un uso adecuado de la misma.
Datum y zona UTM. Ya se ha visto en el primer tema como sin esta informacin no puede considerarse
que una localizacin geogrca est completa
Fecha. La informacin espacial es, en mayor o menor medida dependiente del tiempo. Un mapa de
usos del suelo puede quedar obsoleto en unos meses; una capa de elevaciones es, a priori ms estable,
11.4. LOS DATOS DE PARTIDA 229
sin embargo en estudios muy de detalle cualquier tipo de obra puede modicar la topografa de forma
considerable
Escala del mapa de partida. En formato vectorial la precisin es innita pero la exactitud depende de
la escala, por tanto es necesario disponer de ella para conocer la exactitud real de las coordenadas que
aparecen en el mapa. En formato raster, el tamao de la celdilla podr darnos una idea aproximada de la
escala, sin embargo este parmetro tambin puede hacerse todo lo pequeo que se quiera.
Organismo responsable del mapa y propsito. No todos los mapas tienen las misma abilidad. Eviden-
temente no es lo mismo un mapa 1:25000 del IGN que un mapa de carreteras editado con nes tursticos
por un determinado ayuntamiento.
Evaluacin de la exactitud tanto espacial como temtica de los datos y explicacin acerca de los valores
faltantes
Operaciones que se han hecho con los datos originales y que han podido alterarlos
En los ltimos aos se ha producido un boom en la digitalizacin de cartografa lo que supone una reduccin
en los costes de digitalizacin. Generalmente es el mismo organismo que produce los datos de partida el que se
encarga de su distribucin, en algunos casos por un coste mnimo, en otros por un coste elevado. En ocasiones
el organismo no distribuye los datos y simplemente los cede a empresas u otros organismos. El problema es
que el pirateo ha llegado al mundo de los datos espaciales distribuyendose capas de informacin en CD o a
travs de Internet, en muchos casos no est claro ni su origen ni las manos por las que han pasado de manera
que su abilidad se reduce de forma considerable.
Problema aparte es el formato de los datos. Hoy da, adems de los formatos propietario de una serie de empre-
sas, existen estndares de transferencia de cheros. Sin embargo hay que tener en cuenta que los estandares no
estn totalmente estandarizados ya que en muchos casos las casas comerciales generan sus propias versiones
de los estandares.
La preocupacin por esta situacin ha llevado a los gobiernos y empresas relacionadas con los SIG a plantearse
la necesidad de normalizar los procedimientos de distribucin de informacin espacial y de disponer de estn-
dares de metadatos, as en los ltimos aos se han propuesto diversos estndares de metadatos sin que ninguno
de ellos haya llegado a imponerse.
En los ltimos aos han aparecido diversas iniciativas tendentes a crear una Infraestructura Europea de Infor-
macin Geogrca entendida como un sistema de intercambio de datos que incluya:
Una red de distribucin de datos.
Estandares en cuanto al formato de datos, hoy en da existen estandars ociales (ISO) y estandares de
facto como DXF o los que propone el OGC sin embargo el gran problema de los estandares es que sigue
habiendo muchos donde elegir
Acuerdos legales y econmicos entre los distintos organismos involucrados
Uno de los objetivos es lograr una Arquitectura Abierta para los SIG que vaya ms all de la estandarizacin
de los cheros de intercambio de datos. Programacin de componentes que se bajan por Internet y se agregan
a programas cliente de bajo coste.
11.4.2. Datos y escala de trabajo
Un problema que suele plantearse es el de la escala de trabajo. Cuando se trabaja en SIG es imprescindible
distinguir entre dos escalas:
Escala a la que ocurren los fenmenos que se estudian (escala de trabajo y de los datos de entrada)
Escala de representacion (escala a al que se presenten los resultados nales).
Por ejemplo si queremos hacer un mapa de erosin potencial de la regin de Murcia, y lo queremos representar
a escala 1:200.000. No tiene ningn sentido partir de un MDE obtenido de un mapa topogrco a escala
1:200.000 ya que los procesos de erosin y la variabilidad espacial de los factores que los condicionan actan
a una escala mucho ms detallada.
11.4.3. Personal
La introduccin de nuevas formas de trabajo en una institucin en la que ya hay desarrollados una serie de hbi-
tos de trabajo puede suponer cierto rechazo. Por ello es recomendable la celebracin de seminarios tecnolgicos
para comunicar a los futuros usuarios el objetivo y las ventajas de la implantacin del nuevo sistema. Estas reu-
niones permitirn tambin obtener descripciones ms detalladas de los resultados que quieren obtenerse. Por
ejemplo el empleado del catastro que debe suministrar al pblico los planos de sus ncas podr suministrar
informacin valiosa acerca del tipo de datos que estos mapas deben contener para facilitar su interpretacin.
Hay que tener en cuenta adems el tiempo necesario para la formacin del personal en las herramientas SIG que
van a tener que utilizar y, en la medida que sea necesario, en su base terica. Incluso el proceso de desarrollo
de algunos de los PI puede requerir cualicacin especca.
Pueden establecerse a priori tres tipos de usuarios:
Usuarios nales, visualizan informacin y hacen consultas:
Gestores, toman decisiones en funcin de los resultados de un SIG
Trabajadores sobre el terreno, utilizan mapas en papel extraidos del SIG. EN el futuro podrn utili-
zar PDAs conectadas al SIG.
Trabajadores de cara al pblico que deben recoger y suministrar informacin espacial, por ejemplo
en el catastro.
Particulares que se conectan al sistema a travs de Internet
Analistas de SIG. lo normal es que utilicen herramientas ms avanzadas pero se dividan la tareas:
Administracin de bases de datos
Anlisis espacial
Modelizacin de procesos fsicos
Anlisis de imgenes de satlite
Produccin de cartografa
Expertos en sistemas de toma de decisin que elaboran la informacin que se pasa a los gestores
Administradores SIG. Se hace necesaria la intervencin de un administrador del Sistema que controle
la totalidad del mismo, el tipo de funciones que se van a manejar y la cualifciacin de los usuarios que
las van a manejar.
La relacin numrica aproximada de unos a otros es de 10 analistas y 100 usuarios nales por cada administra-
dor.
El usuario nal tiene generalmente una visin holstica de las tareas que debe llevar a cabo resultndole com-
plicado subdividirlas en el conjunto de rdenes especcas para su realizacin, de ah la necesidad de un admi-
nistrador del sistema.
Conocen y pueden denir perfectamente en que consisten sus tareas, sean de investigacin o gestin, pero no
resulta sencillo expresarlas de manera que los tcnicos puedan implementarlas en un SIG, especialmente si estos
son informticos. Si la informacin que suminsitra el usuario es incompleta o ambigua, se generarn problemas
que se arrastrarn en las siguientes fases del proyecto. La solucin habitual es transmitir los requerimientos del
sistema de modo informal y conar en la habilidad del tcnico para entender y completar lo que se pide.
El usuario nal ni conoce ni est interesado en lo que ocurre dentro del SIG, se queda con los conceptos que
le son ms familiares (mapas, escalas, smbolos, variables). La imagen que el usuario tiene de la aplicacin es
exactamente lo que la interfaz de la aplicacin muestre.
11.4.4. Hardware del sistema
Con la informacin anterior, puede hacerse un primer diseo del sistema que se necesita.
Teniendo en cuenta el nmero y tipo de datos de partida y productos informacionales (tanto nales como
intermedios), el tamao de los datos espaciales (funcin de la extensin sobre el terreno, la escala y
la complejidad de la informacin) y temticos, puede hacerse una valoracin del volumen de datos a
almacenar y por tanto de las necesidades de disco duro que tendr el sistema.
Las bases de datos espaciales tienden a incrementar su volumen a gran velocidad de un ao a otro debido
al aumento de las escalas de toma de datos (por ejemplo las imgenes del satlite landsat tienen una
resolucin espacial de 30 metros, las de Quickbird 0.5 metros. Esto signica que el espacio necesario para
almacenar la misma zona se multiplica por 3600). Esto supone unos requerimientos cada vez mayores en
cuanto a capacidad de almacenamiento y velocidad de proceso.
El tamao de los mapas condiciona la cantidad de memoria RAMnecesaria. En lineas generales cualquier
sistema basado en capacidades grcas obtiene mayor eciencia de un aumento de la memoria RAM que
de la velocidad del procesador.
La urgencia en la produccin de mapas puede hacer que algunos procesos sean especialemnte crticos.
En este caso sera posible destinar un ordenador especco para la ejecucin de estos procesos crticos.
Puesto que diversos usuarios deben poder trabajar de forma simultanea con la misma base de datos,
conociendo las necesidades de personal pueden determinarse las caractersticas ptimas de la red de or-
denadores que va a acoger al sistema en cuanto a nmero de puestos. Estos puestos pueden ser terminales
sin capacidad de trabajo que simplemente se conecten al servidor o estaciones de trabajo. Finalmente hay
que considerar el nmero de servidores que sern necesarios.
Las entradas y salidas al sistema deberan incluir formatos grcos, tanto mapas como otras formas de
visualizacin de datos. Por tanto es necesario establecer que perifericos son necesarios (tabletas digitali-
zadoras, plotter), cual es su coste y si existen alternativas.
Es necesario conocer el tiempo necesario para crear cada PI, que mienbro del equipo se encargar de l, las
funciones que se utilizan, para optimizar los tiempos y que de este modo los ujos de informacin sean rpidos,
especialmente con la informacin prioritaria. Tambin es importante saber cuando debe quedar implementado
el sistema en funcin de los plazos de ejecucin del proyecto completo.
Otra cuestin importante es la posibilidad de personalizar interfaces.
11.4.5. Software del sistema
Normalmente un programa de gestin de SIG (GRASS, ArcInfo, Mapinfo, Geomedia, etc.) incluye un con-
junto de modelos y algoritmos (a veces complementarios a veces alternativos) que se organizan normalmente
de forma modular (no existe un nico programa sino diversos mdulos que ejecutan tareas sencillas) ya que los
SIG se desarrollaron en entornos UNIX, para facilitar su uso.
Sin embargo sera un error limitar un proyecto de SIG a un programa. Uno de los mandamientos de los SIG
debiera serlo importante son los datos no el programa. Por lo que no hay ningn problema en utilizar dife-
rentes programas en forma combinada. De hecho, tradicionalmente se han utilizado programas de CAD para
digitalizar, paquetes estadsticos para el anlisis de datos, programas de gestin de bases de datos no espacia-
les(DBMS), etc. de forma complementaria a los programs de gestin de SIG .
La potencia informtica requerida viene determinada por el tipo de mdulos que se van a utilizar y el volumen
(nmero y tamao de los cheros) de la informacin de partida. Hoy en da la potencia informtica es un
problema menor ya que los ordenadores son lo sucientemente potentes para manejar grandes volmenes de
datos sin demasiados problemas. Sin embargo, e trabajo con SIG, especialmente si hay que desarrollarlo desde
cero puede llegar a consumir mucho tiempo, por ello es necesario tener en cuenta los recursos humanos con
los que cuenta el proyecto y su nivel de preparacin. Normalmente los proyectos se encargan muy ajustados
de tiempo. Una posibilidad es la automatizacin de tareas de manera que los programas desarrollen las tareas
sin necesidad de intervencin humana. Los sistemas UNIX son idoneos para la automatizacin de tareas que
resultan ms complejas en sistemas windows. La automatizacin de tareas en SIG se ha desarrollado gracias a
los lenguajes de SCRIPT o MACROS. Se trata de lenguajes sencillos que realizan operaciones de alto nivel.
En UNIX se disponde de diversos entornos SHELL, AWK, TCL/TK, PERL que son perfectamente integrables.
ArcInfo desarrollo en principio un lenguaje de macros AML, despues otro ms potente AVENUE y nalmente
se ha optado en la ltima versin por utilizar VisualBASIC.
Preguntas antes de comprar software:
1. Conozco a alguien que lo utilice?
2. Lo utilice algn colaborador potencial?
3. Ha sido utilizado en un proyecto similar?
4. Puede manejar todos los tipos de datos que necesita mi proyecto?
5. Puede manejar el volumen de datos que se van a generar?
6. Permite acceder a los algoritmos utilizados?
7. Puede ejecutarse en los ordenadores y sistemas operativos disponibles o habr que comprar y/o aprender
nuevos?
8. Dispone de herramientas sencillas de importacin/exportacin de informacin?
9. Es fundamentalmente una herramienta de maquetacin de mapas o tiene funciones de anlisis de datos?
10. Puedo pagarlo?
11. La compaa que lo produce se mantendr en el mercado el tiempo suciente para resolver los proble-
mas que surjan?
12. Permite programar procedimientos?
13. Se quedar, en algn momento, corto respecto a las previsibles necesidades futuras?
Tipos de software:
Caros, baratos, gratuitos, es una consideracin importante de cara al anlisis coste-benecio.
Abiertos - Cerrados, en un programa abierto disponemos del cdigo fuente y de las librerias de fun-
ciones utilizadas de manera que podemos modicar el programa. Si estamos trabajando en una tesis
doctoral puede no ser de gran ayuda (salvo que tengamos experiencia en programacin) pero en grandes
SIG corporativos no supone mayor problema incorporar un programador que si pueda sacar partido de es-
ta capacidad. Finalmente hay que tener en cuenta que abierto no es lo mismo que gratuito, por ejemplo el
programa SPRING desarrollado por el INPE (Instituto Nacional de Investigaciones espaciales) brasileo
es gratuito pero cerrado.
Raster - Vectorial, puesto que son dos dormatos radicalmente distintos, las funciones y mdulos que los
manejan son totalmente diferentes. Resulta por tanto difcil que un programa mantenga el equilibrio en-
tre capacidades raster y vectoriales. Existen programas en los que se ha desarrollado ms la componente
vectorial (ArcInfo) y programas que tienen ms desarrollada la componente raster (GRASS). Si el obje-
tivo del SIG es trabajar fundamentalemente en mbitos socioeconmicos o de ordenacin del territorio
es preferible un SIG vectorial, pero si los objetivos estn ms en la linea de las ciencias de la Tierra o
medioambientales o de la Planicacin Fsica, es preferible el modelo raster.
Basados en menus - Basados en comandos, en el primer caso estamos ante el tpico programa de
mens, iconos y ventanas de dilogo (Arc-View) en el segundo ante programas modulares que deben ser
llamados junto a todas sus opciones en linea de comandos. La primera opcin puede parecer ms sencilla,
pero los SIG on programas complejos, con multitud de funcionalidades que resulta difcil organizar en
un sistema de mens sin que el resultado sea muy farragoso. Un sistema modular tiene el inconveniente,
en principio, de que tenemos que recordar multitud de nombres de mdulos y su manejo. La solucin
est en utilizar una nomenclatura sistemtica e intuitiva para nombrar los mdulos. Un sistema basado en
comandos permite, adems, programar aplicaciones complejas agrupando mdulos mediante estructuras
de control,estas son bsicamente de dos tipos:
Condicionales, si es cierta la condicin se ejecuta un conjunto de comandos, si no otro distinto
Bucles, se repiten determinadas rdenes un nmero de veces o mientras se cumpla una condicin
En muchos casos, tras un sistema de mens existe un sistema basado en comandos para el que se ha
programado una interfaz grca.
11.4.6. Todos los usuarios de un SIG necesitan el mismo SIG?
Esta es una cuestin de capital importancia para entender muchos de los problemas que han acuciado a la gran
mayora de los proyectos SIG iniciados. Surge desde el momento en que consideramos un SIG corporativo con
mltiples usuarios con diferentes capacidades y formacin y con diferentes tarea dentro del SIG.
En los primeros tiempos del desarrollo de los SIG, estos eran desarrollados por expertos para expertos. El
usuario de un SIG era tanto analista como programador y utilizaba el programa como una caja de herramientas
adaptables a sus necesidades.
Desde mediados de los noventa, el mercado de los SIG ha crecido de rapidamente incluyendo nuevos usuarios
con cualicaciones, habilidades y responsabilidades diferentes entre los que se incluyen expertos en diversas
ramas de las ciencias de la Tierra y medioambientales (no necesariamente expertos en SIG) y gestores pblicos.
A pesar de haberse convertido en herramientas de propsito general, los SIG siguen siendo complejos, han sido
desarrollados por expertos en los diversos recovecos de las tecnologa SIG y el resultado es que cuanto ms
completa es la herramienta menos sencilla resulta su interfaz de uso.
Son muchos los casos en que la adquisicin de un programa de SIG se ha hecho con criterios de potencia y
completitud sin tener en cuenta la escasa o nula preparacin de los supuestos usuarios del mismo, a los que en
muchos casos ni siquiera se ha consultado. Por otro lado los miles de pginas de documentacin, casi siempre
en ingls, y los cursos, tan breves como onerosos, organizados por la empresa responsable del programa hayan
ayudado lo ms mnimo.
Por otro lado resulta absurdo que un usuario nal que necesite visualizar mapas pague por la licencia de todo
el programa. Esri, la empresa que desarrolla ArcInfo, lanz en su da el programa ArcView como respuesta a
este problema.
El carcter modular de los SIG ms potentes agrava el problema. pueden llegar a encontrarse ms de 2000
herramientas para el manejo de datos espaciales que necesitan ser agrupadas en subsistemas a los que se accede
a travs de mens, iconos o macros escritas en un lenguaje de macros ad hoc. Uno de los grandes avances en la
tecnologa SIG en los ltimos aos es la posibilidad de adaptar la interfaz del usuario a las necesidades de este
mediante los correspondientes lenguajes de macros.
Una interfaz de usuario adecuada debe tener en cuenta los siguientes aspectos:
Capacidad de visualizacin, uno de los objetivos bsicos de un SIG es la visualizacin de representa-
ciones (fotogrcas o cartogrcas) del territoorio, no todas necesariamente a la misma escala, en una
pantalla reducida. Esto implica la posibilidad de cambiar el punto de vista mediante herramientas de
zoom y desplazamiento (pan). Un zoom implica un cambio en la escala de trabajo (entendida como la
relacin matemtica entre longitudes medidas en pantalla y longitudes en el territorio) aunque no de la
escala de las capas visualizadas; una posibilidad interesante sera que el sistema modicar el modo de
representacin de estas en funcin de la escala de visualizacin.
Capacidad de procesar consultas
Compatibilidad con otros sistemas, siguiendo la denicin amplia de un SIG, este no esta formado
slo por los datos y los programas que gestionan estos datossino tambin por otros programas como
SGBD, aplicaciones estadsticas, sistemas de simulacin dinmica o de ayuda a la decisin o programas
de tratamiento de imgenes. La integracin de todos ellos pueden tener varios niveles:
1. Unos son capaces de leer los cheros generados por los otros e importar/exportar informacin entre
ellos
2. Todos comparten los mismos tipos de cheros sin que sea necesario importar o exportar
3. Hay una integracin total, los programas constituyen mdulos del programa de SIG.
La ltima opcin parece, en principio, la ideal. Sin embargo carga en los desarrolladores del SIG la
responsabilidad de desarrollar no slo el SIG, sino tambin el SGBD, la aplicacin estadstica, etc. Si se
trabaja con programas de cdigo abierto aparece una cuarta posibilidad. Cuando uno adquiere (abierto
suele implicar gratuito pero esto no siempre es as) uno de estos programas, no slo recibe la aplicacin
sino tambin el cdigo fuente y en algunos casos un conjunto de librerias con las funciones que han
servido para generar la aplicacin (en el caso de GRASS estas funciones actan como herramientas de
SIG de bajo nivel). El disponer de estas funciones permite a los desarrolladores del programa A generar
mdulos especcos para este que gestionan aquellos aspectos del programa B que interesan a A, el resto
se gestionan desde el programa B.
Por ejemplo
El desarrollo de Internet ha incrementado considerablemente la necesidad de compatibilidad y ha planteado la
posibilidad de desarrollar SIG distribuidos en los que los diferentes mapas se ubiquen en servidores diferentes.
La posibilidad de recibir y cargar casi en tiempo real imgenes de satlite.
11.4.7. Diseo de interfaces
En los ltimos 15 aos se ha desarrollado un nuevo concepto en el diseo y programacin de aplicaciones infor-
mticas, el Diseo Centrado en el Usuario (UCD) que pone a este en el centro del desarrollo. Tradicionalmente
se consideraba a la interfaz de usuario como un mdulo ms del sistema, ahora se considera el elemento bsico
ya que, desde la perspectiva del usuario, la interfaz es el sistema.
Este tipo de diseo se basa en un esquema iterativo, se parte de un documento en el que los diferentes usuarios
nales exponen sus necesidades, en base a estas se disea la aplicacin, se verica con los usuarios nales y, si
existen discrepancias se vuelve a la fase de diseo.
Esta idea es difcil de aplicar en los SIG ya que no resulta fcil consensuar un documento de necesidades puesto
que:
Los SIG son complejos e incluyen mltiples funcionalidades
Los objetivos de diferentes personas al trabajar con un SIG son muy distintos
Las competencias y cualicaciones son tambin muy distintos
A priori pueden establecerse nueve criterios ergonmicos que una interfaz SIG debera tratar de alcanzar
Claridad en la visualizacin
Consistencia
Compatibilidad
Devolucin de informacin
Expliciticidad
Funcionalidad apropiada
Flexibilidad y control
Prevencin y correccin de errores
Ayuda al usuario
En cuanto a los aspectos que deben tratarse:
11.5. ANLISIS COSTE-BENEFICIO 237
Requerimientos generales del sistema
Requerimientos relacionados con la organizacin, propsito y mbito de trabajo de la organizacin.
Requerimientos relacionados con los resultados y productos que debe suministrar el sistema. Teniendo
esto en consideracin es ms fcil tratar de determinar cuales son los procesos y datos de entrada que
darn lugar a estos resultados.
Adquisicin de informacin de partida
Procesos para derivar los productos nales de la informacin de partida
Requerimientos de la interfaz del sistema
Requerimientos respecto a la visualizacin de mapas
Organizacin de la base de datos
Requerimientos especcos de la aplicacin Evidentemente no es lo mismo un SIG desarrollado para
manejar informacin catastral que otro para evaluar recursos hdricos. Cada proyecto tiene sus especici-
dades en cuanto a la funcionalidad que requiere, esta informacin se obtiene directamente de los tcnicos
en SIG.
El coste de la personalizacin de terminales se incluye en el aspecto de servicios. Existen tres posibilidades:
Personalizacin simple siguiendo los procedimientos que ofrece el sistema, por ejemplo los mens se
pueden reorganizar y limitar para que el usuario se centre en las tareas que debe llevar a cabo.
Personalizacin intermedia, programando scripts que agrupen el conjunto de rdenes que el usuario debe
ejecutar para realizar un trabajao concreto de manera que el ujo de datos pase de uno a otro.
Personalizacin compleja, incluyendo nuevos mdulos que lleven a cabo tareas no incluidas en el SIG o
que las hagan de un modo ms adecuado para el proyecto.
11.5. Anlisis coste-benecio
Es un aspecto difcil de llevar a cabo y en el que es aconsejable el asesoramiento de economistas. Debe hacerse
comparando unos sistemas con otros y con la opcin de intentar cumplir los mismos objetivos sin utilizar un
SIG. Es necesario hacer este anlisis con una referencia temporal adecuada, ni a corto plazo (en el primer e in-
cluso segundo ao, los costes superan a los benecios) ni demasiado largo ya que aumentan las incertidumbres.
Un horizonte temporal de 5 aos puede resultar lo ms adecuado.
11.5.1. Costes
Los costes de la implementacin de un SIG deben estimarse de forma precisa y pueden clasicarse en:
Hardware
Software
Servicios:
Formacin
Asesoramiento externo
Mantenimiento
Programacin de aplicaciones
Datos
Los SIG se han beneciado en los ltimos aos de la enorme isminucin de costes en todo lo relacionado con
las tecnologas de la informacin, fundamentlmente hardware y software. Por otra parte el volumen de datos
disponible en formato digital es cada da mayor, tanto los procedentes de organismos pblicos como los de
imgenes de satlite. Este fenmeno se ha acompaado de una reduccin de precios.
Por tanto los sistemas son cada vez ms potentes, admiten algoritmos y procedimientos cada vez ms complejos
y el volumen de datos es cada vez mayor. Por otro lado aparecen nuevas posibilidades como las consultas
por Internet que antes no existan. El resultado es que el trabajo con SIG se hace cada vez ms complejo
incrementando los costes en el captulo de servicios. En otras palabras, se incrementa la necesidad de personal
cualicado.
Otros aspectos relacionados con los costes son mucho ms difciles de cuanticar econmicamente, por ejemplo
el tiempo necesario para implementar el sistema o la actitud de los usuarios nales hacia el cambio.
11.5.2. Benecios
Directos, el ahorro que resulta de utilizar los procedimientos incluidos en el SIG en lugar de hacer el
trabajo a mano o con otro sistema debido a que acarrean una reduccin de costes de produccin, personal
y mantenimiento.
Agencia, aumento de la productividad general de la empresa o institucin as como de la calidad y
cantidad de los productos ofrecidos y la mejora de los tiempos de respuesta.
Gubernamentales, como los resultados benecian a otras agencias
Externos, benecios cualitativos y cuantitativos para la sociedad en general.
11.6. IMPLEMENTACIN 239
11.6. Implementacin
Es necesario tener en cuenta los diversos riesgos que pueden presentarse durante el proceso de implementacin.
Las lagunas de conocimiento dentro de la organizacin para afrontar el cambio es uno de los ms importantes.
11.7. El informe de planicacin
El producto nal del proceso de planicacin, ser un informe en el que se presenten los resultados. El conte-
nido de este informe ser:
1. Resumen, ser lo nico que lean los mximos responsables del organismo con bajos conocimientos de
SIG. Hacerlo al nal del informe
2. Introduccin, cual es el propsito del proceso de planicacin
3. Datos, describir la informacin de partida necesaria, su escala, modelo lgico y formato de chero en el
que se encuentra
4. Sistema,
Cuales son las funciones SIG que se van a utilizar
Requisitos en cuanto a las interfaces de usuario
Requisitos en cuanto al sistema de comunicaciones
Hardware y software necesario
Politicas de la organizacin respecto a la implementacin de nuevas tecnologas
5. Recomendaciones, identicacin de riesgos y como debe llevarse a cabo la implementacin del sistema
para evitarlos
6. Apendices, contienen toda la informacin no necesaria para entender el informe pero que aporta detalles
adicionales
11.8. Bibliografa
Best-GIS Consortium, Guidelines for Best Practice in User Interface for GIS HUXHOLD1995:
Tomlinson,R., 2003. Thinking about GIS. Geographical Information System Planning for Mana-
gers, ESRI Press, 283 pp. WADSWORTH99:

Alonso SIG

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Alonso SIG

Transféré par

Droits d'auteur :

Formats disponibles

Sistemas de Informacin Geogrca

Francisco Alonso Sarra

es el rea tributaria especca

. El eje de mnima variabilidad x

ser por tanto perpendicular a y

vienen dadas por:

Vous aimerez peut-être aussi