I CURSO DE ACTUALIZACIÓN EN INGENIERÍA

TOPOGRÁFICA Y AGRIMENSURA 2019

Ingeniería Geomática y nuevos paradigmas en ciencias
de la Tierra.
Por:
UNIVERSIDAD NACIONAL DEL Efrain Yury Turpo Cayo
ALTIPLANO PUNO

Organizado por:
ESCUELA PROFESIONAL DE
INGENIERÍA TOPOGRÁFICA Y
AGRIMENSURA

7 de mayo 2019
Contenido:
1. Introducción generalidades
2. Definición Topografía
3. Que es Geomática?
4. Geomática o Topografía?
5. Modelos
6. GIS o SIG
7. Big Data, right data and right decision
8. Inteligencia Artificial (IA)
• Machine learning
• Deep learning
9. Recomendaciones
 Introducción generalidades

Hace varios siglos que la razón

superó nuestros sentidos.

Ver para creer?

o
pensar para creer?

Que es ver?
Definición Ingeniería Topográfica
Según Ghilani y Wolf. (2013)
• Es una la ciencia, arte y una
tecnología de determinar posiciones
relativas encima, sobre o debajo de
la superficie terrestre (ST).
• Todos los métodos de medición y
colecta de informaciones sobre la ST.

International Federation of Surveyors

 Que es Ingeniería Geomática?
• El termino surge en 1990 Modelos matemáticos computacionales
• Unión de la Tecnología de la información y Información espacial.
las Ciencias de la tierra y ambiente
(Simões, Camara y Claudia 2007).

• Según Longley et al. (2001)

 Ciencias de la información espacial
 Geoinformación
 Ingeniería de información espacial

• Según Ghilani y Wolf. (2013)

Incluye Topografía y Agrimensura
Surge por las nuevas tecnologías
 Ingeniería
Topográfica o Geomática?
Modelos
Representación de algo del mundo real
por medio de modelos;

Simplificación de la realidad:
Por ejemplo: planta de una casa
representa pero no es la casa

Modelado de sistemas:
representaciones del sistema que estamos
desarrollando
Modelos
Tipos de modelamiento en Geomática

knowledge-driven data-driven

AHP Redes neuronales

FAHP Probabilidad bayesiana
 Modelos en Geomática
Modelos

Modelos no Transformaciones
Dinamicos

Tiempo Espacio

Modelos Dinámicos
Espaciales
Almeida (2003)
Modelos
Modelos Dinámicos Espaciales (CA)
Cellular Automata (CA)-Autômatos Celulares
Década de 1970
John Conway – Matemático
Game of life – inmortalidad de CA

CV=Negro / CM=blanco
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de
superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva
célula.

(Gosper Glider Gun)

(Bill Gosper 1970)
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2
• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.
 Modelos Dinámicos Espaciales (CA)

Cellular Automata (CA)-Autômatos Celulares

Estructuras que se auto perpetúan con el paso del tiempo

t=1 t=2 t=3 t=4 t=5

• CV<2 Vecinos vivos: muere de soledad.
• CV>3 Vecinos Vivos: muere de superpoblación.
• CV c/ 2 ó 3 Vecinos Vivos: Permanece Viva.
• CM c/ exat. 3 Vecinos vivos: nace una nueva célula.

Después de cuatro paso de tiempo, la estructura vuelve a su configuración inicial

 Modelos Dinâmicos Espaciais & CA

Autómatos celulares Spaceships

Jogo da vida

Glider

John Conway and The Game of Life

Oscillators

Bill Gosper Game of life on surface of Trefoil Knot

Modelos Dinâmicos Espaciais & CA

Fast Conway’s game of life

Modelos Dinâmicos Espaciais & CA
 Modelos Dinâmicos Espaciais & CA

Autómatos celulares unidimensionais

Stephen Wolfram
 Modelos Dinâmicos Espaciais & CA

Autómatos celulares unidimensionais Regra 30

Conus textile
 DINAMICA DATA MODEL

Static
Variables
technical infrastructure;
social infrastructure;
real state market;
occupation density; etc.
Initial Land Use

Dynamic Variables P ij
type of land use-neighbouring cells;
dist. to certain land uses. Calculates Dynamic
P ik
Variables
P jk
Calculates Spatial
Transition Probability

Calculates Amount
of Transitions

Transition

Iterations
Final Land Use

Source: Adapted from SOARES (1998).

 LAND USE CHANGE MODELLING - TIME SERIES

Forecast

tp - 20 tp - 10
tp

Calibration Calibration tp + 10
SIG o GIS
SIG o GIS
I) Primera ley de la geografía

"Todas las cosas están relacionadas entre sí, pero las

cosas más próximas en el espacio tienen una relación
mayor que las distantes".
SIG o GIS
II) Segunda ley de la geografía

Hay mas de una propuesta,

Tobler en 1999 propuso su segunda ley:
"The phenomenon external to an area of interest affects what goes on inside"
Su traducción mas próxima al español :
"El fenómeno externo a un área de interés afecta lo que sucede dentro"

Foresman y Luscombe en 2017 también proponen una segunda ley de la geografía, es un derivado de la
era digital y la geografía económica, viene del ingles:

"Things that know where they are can act on their locational knowledge. Spatially enabled things have
increased financial and functional utility".

Su traducción mas próxima al español:

"Las cosas que saben dónde están pueden actuar sobre su conocimiento de localización.
Las cosas habilitadas espacialmente han aumentado la utilidad financiera y funcional."
Tendencia en SIG o GIS

DÉCADA DE 1970 GIS = GEOGRAPHIC INFORMATION SYSTEM

DÉCADA DE 1980 GIS = GEOGRAPHIC INFORMATION SOFTWARE

DÉCADA DE 1990 GIS = GEOGRAPHIC INFORMATION SCIENCE
DÉCADA DE 2000 GIS = GEOGRAPHIC INFORMATION SERVICES
DÉCADA DE 2010 GIS = GEOSPATIAL INTELLIGENCE SERVICES
(Silva A., 2016)
 Elementos del SIG
SISTEMAS DE INFORMACIÓN GEOGRÁFICA CIENCIA DE INFORMACIÓN GEOGRÁFICA

Datos
Software

GIS
Procedimientos

Hardware
https://www.gisci.org/ExamInfo.aspx
 Big Data (Remote Sensing)

NASA (EOSDIS) gestiona con éxito un archivo creciente, que en la OLI 650 imágenes diariamente
actualidad supera los 9,1 petabytes
EVOLUCION DE LAS RELACIONES DE COSTO, TIEMPO E
COMPLEJIDAD ENTRE SOFTWARE Y
HARDWARE

COMPLEJIDAD

COSTO
TIEMPO TIEMPO
 ¿Qué es Earth Engine?
• Archivos de Teledetección con datos petabytes en un solo lugar.
• Una plataforma de procesamiento geoespacial basado en la nube para
ejecutar
• A gran escala. 1015
• Análisis de los datos.

Photo courtesy of Google Earth Outreach

 Time Series in GEE
Hipotesis: existe distintos tipos de patrones de cobertura
Forest Pasture Agric

Área 1

Forest

Área 2

Forest Agriculture
Área 3

source: Victor Maus (INPE, IFGI)

Big Data, right data and right decision
 Machine Learning and Deep Learning
El Machine Learningen su uso más básico es la
práctica de usar algoritmos para parsear datos,
aprender de ellos y luego ser capaces de hacer una
predicción o sugerencia sobre algo

Deep Learning es un subconjunto dentro del campo

del Machine Learning, el cual predica con la idea del
aprendizaje desde el ejemplo
Machine Learning and Deep Learning

TensorFlow with EE

https://goo.gl/kZmFfG
Machine Learning and Deep Learning
Deep Learning for Remote Sensing
En lo laboral Cuestionamiento de carreras profesionales y técnicas

La Inteligencia Artificial,
La Robotización Y
La Automatización De Procesos
Materials and books to download in Google Drive

Temporarily Available
https://sci-hub.tw/

http://libgen.io/
Alexandra Elbakyan
Aspectos a tomar en cuenta en EPITA
• Análisis Cuantitativo Espacial
• Estadística y Calculo
• Bigdata
• Lenguage programación mínimo dos:
Ejemplo: R, Phyton, Javascript, Matlab, etc

“O tendremos muchos desempleados en el

Futuro”

“Los imperios del futuro serán los imperios de la mente” (Churchill, 1943)
 Gracias
sigyury@gmail.com