1era Parte Sistemas de Informacion Geografica Aplicado a La Gestion Territorial

Sistemas de Información Geográfica aplicados a la gestión del territorio

Entrada, manejo, análisis y salida de datos espaciales Teoría general y práctica para ESRI ArcGIS 9 Juan Peña Llopis

Sistemas de información geográfica aplicados a la gestión del territorio © Juan Peña Llopis ISBN: 978–84–8454–998–7 e-book v.1.0 ISBN edición en Papel: 978–84–8454–919–2 Edita: Editorial Club Universitario. Telf.: 96 567 61 33 C/. Cottolengo, 25 – San Vicente (Alicante) www.ecu.fm Maqueta y diseño: Gamma. Telf.: 965 67 19 87 C/. Cottolengo, 25 – San Vicente (Alicante) www.gamma.fm [email protected] Reservados todos los derechos. Ni la totalidad ni parte de este libro puede reproducirse o transmitirse por ningún procedimiento electrónico o mecánico, incluyendo fotocopia, grabación magnética o cualquier almacenamiento de información o siste ma de reproducción, sin permiso previo y por escrito de los titulares del Copyright.

Índice PARTE TEÓRICA 1. Introducción a los S.I.G. .......................................................................................... 1 1.1. 1.2. 1.3. 1.4.

Introducción histórica a los S.I.G. ................................................................................ 1 Definición de los S.I.G.................................................................................................. 3 Aplicaciones de los S.I.G.............................................................................................. 4 Componentes de un S.I.G. ............................................................................................ 6

2. Datos geográficos en el ordenador. ....................................................................... 13 2.1. 2.2. 2.3. 2.4.

Tipos de organización de los datos geográficos en el ordenador................................ 13 Estructura vectorial: puntos, líneas y polígonos. ........................................................ 14 Estructura ráster: malla de celdas o píxeles. ............................................................... 15 Ventajas e inconvenientes de la estructura vectorial y ráster...................................... 16

3. Entrada de datos espaciales................................................................................... 17 3.1. Fuentes de datos geográficos. ..................................................................................... 17 3.2. Pasos para crear datos digitales mediante entrada manual.......................................... 18

4. Almacenamiento de datos espaciales. ................................................................... 23 4.1. Tipos de almacenamiento de los datos........................................................................ 23 4.2. Formatos de almacenamiento de la estructura vectorial y ráster. ............................... 24 4.3. Tipos de almacenamiento en software de S.I.G.......................................................... 26

5. Manejo de datos espaciales. ................................................................................... 29 5.1. 5.2. 5.3. 5.4.

Operaciones con las entidades geográficas discretas (vectorial). ............................... 29 Operaciones con las entidades geográficas continuas (ráster). ................................... 35 Creación de superficies continuas a partir de datos puntuales.................................... 39 Georreferenciación de datos geográficos.................................................................... 57

6. Presentación de datos espaciales. .......................................................................... 63 6.1. Tipos de salidas gráficas de los S.I.G. ........................................................................ 63 6.2. Tipos de soportes gráficos de los S.I.G....................................................................... 65

7. Errores y control de calidad. ................................................................................. 67 7.1. 7.2. 7.3. 7.4. 7.5.

Tipos de errores en un S.I.G. ...................................................................................... 67 Procedencia de los errores en los datos espaciales. .................................................... 70 Factores que afectan a la veracidad de los datos espaciales........................................ 71 Tamaño idóneo de píxel al rasterizar un mapa vectorial lineal................................... 73 Errores resultantes de rasterizar un mapa vectorial poligonal. ................................... 74

8. Metodologías en el desarrollo de S.I.G. ................................................................ 77 8.1. 8.2. 8.3. 8.4.

Optimización de recursos y tiempo en la utilización de un S.I.G. .............................. 77 Diseño gráfico y objetivos de los mapas de un S.I.G. ................................................ 86 Construcción de una base de datos de un S.I.G. ......................................................... 88 Manejo adecuado de los programas para la creación de un S.I.G............................... 91 PARTE PRÁCTICA

9. Introducción al ESRI ArcGIS 9 ............................................................................ 99 9.1. 9.2. 9.3. 9.4. 9.5.

Estructura de ESRI ArcGIS 9. .................................................................................. 100 ArcCatalog. ............................................................................................................... 103 ArcMap. .................................................................................................................... 104 ArcToolbox............................................................................................................... 105 Extensiones del ArcGIS............................................................................................ 106

10. Organización de datos (ArcCatalog). ................................................................. 107 10.1. 10.2. 10.3. 10.4.

Catálogo digital......................................................................................................... 108 Metadatos.................................................................................................................. 111 Creación de datos espaciales nuevos. ....................................................................... 112 Conectar las carpetas................................................................................................. 113

ii

10.5. Operaciones con ArcCatalog. ................................................................................... 114 10.6. Formato de los datos espaciales (tipos de archivos). ................................................ 117

11. Herramientas básicas (ArcMap). ........................................................................ 127 11.1. 11.2. 11.3. 11.4. 11.5.

La interfaz del ArcMap y el manejo de capas........................................................... 127 Navegación. .............................................................................................................. 135 Herramientas y propiedades de visualización de los atributos.................................. 137 Representación gráfica (simbolización de entidades). .............................................. 143 Etiquetado de entidades. ........................................................................................... 150

12. Entrada y manejo de datos (ArcMap). ............................................................... 153 12.1. 12.2. 12.3. 12.4. 12.5.

Georreferenciación de imágenes y fotografías.......................................................... 153 Digitalización y edición de datos espaciales............................................................. 156 Edición de atributos. ................................................................................................. 168 Datos creados en un sistema C.A.D.......................................................................... 169 Consulta espacial (selecciones)................................................................................. 170

13. Integración a las bases de datos (ArcMap). ....................................................... 177 13.1. 13.2. 13.3. 13.4. 13.5. 13.6. 13.7.

Formatos de tabla del ArcGIS................................................................................... 178 Visualización, manejo y consulta de tablas. ............................................................. 179 Creación de una tabla de datos.................................................................................. 182 Añadir y borrar campos, registros y atributos........................................................... 183 Conexión con bases de datos. ................................................................................... 185 Representación de coordenadas X,Y de una tabla. ................................................... 185 Relaciones entre tablas (cardinalidad). ..................................................................... 186

14. Análisis de datos espaciales (ArcMap). .............................................................. 191 14.1. 14.2. 14.3. 14.4. 14.5.

Análisis de proximidad. ............................................................................................ 192 Análisis de recubrimiento. ........................................................................................ 196 Cálculo de áreas, perímetros y coordenadas X,Y,Z. ................................................. 201 Creación de un Modelo Digital de Terreno con un TIN ........................................... 204 Análisis geoestadístico.............................................................................................. 208

15. Procesamiento de datos (ArcToolbox)................................................................ 213 15.1. Geoprocesamiento en ArcGIS. ................................................................................. 213 15.2. Ejecución de las herramientas del ArcToolbox. ....................................................... 215 15.3. Herramientas del ArcToolbox................................................................................... 219

16. Presentación de datos (ArcMap). ........................................................................ 229 16.1. 16.2. 16.3. 16.4. 16.5. 16.6. 16.7.

Vistas de datos y de diseño. ...................................................................................... 229 Propiedades del diseño de salida............................................................................... 230 Ítems de los mapas. ................................................................................................... 232 Plantillas.................................................................................................................... 234 Exportar a archivo imagen. ....................................................................................... 235 Elaboración de gráficos............................................................................................. 236 Confección de informes. ........................................................................................... 237

EJERCICIOS 17. Ejercicios prácticos en ArcGIS 9. ....................................................................... 239 17.1. Ejercicio 1: Organización de datos (ArcCatalog). ..................................................... 240 17.2. Ejercicio 2: Herramientas básicas (ArcMap). ........................................................... 246 17.3. Ejercicio 3: Entrada y manejo de datos (ArcMap).................................................... 254 17.4. Ejercicio 4: Integración a las bases de datos (ArcMap)............................................ 264 17.5. Ejercicio 5: Análisis de datos espaciales (ArcMap).................................................. 270 17.6. Ejercicio 6: Procesamiento de datos (ArcToolbox). ................................................. 278 17.7. Ejercicio 7: Presentación de datos (ArcMap). .......................................................... 287 Glosario de términos

293

Referencias bibliográficas

310

iii


PARTE TEÓRICA 1. Introducción a los S.I.G. Los Sistemas de Información Geográfica (S.I.G.) son una tecnología reciente fundamentada en el uso de datos espaciales y que se aplica cada vez más a un mayor número de disciplinas. En el presente punto se trata de mostrar la visión histórica, diversas definiciones, aplicaciones y los componentes típicos de los S.I.G.

1.1. Introducción histórica a los S.I.G. Desde las más tempranas civilizaciones hasta la actualidad los datos espaciales han sido recopilados por los navegantes, geógrafos y agrimensores para ser almacenados en un código o forma pictórica por los cartógrafos. En tiempo de los romanos, los agrimensores eran una parte importante del gobierno y los resultados de su labor aún son patentes de forma vestigial en los ecosistemas europeos en la actualidad. La Caída del Imperio Romano propició el derrumbamiento de la agrimensura y la creación de mapas, que más tarde revivió con los descubrimientos geográficos que se produjeron en el Renacimiento. En el siglo XVII, cartógrafos especializados como Mercator demostraron que no sólo el uso de un sistema de proyección matemático y un ajustado sistema de coordenadas mejoraba la fiabilidad de las medidas y la localización de las áreas de tierra, sino que el registro de fenómenos espaciales a través de un modelo convenido de distribución de fenómenos naturales y asentamientos humanos era de un valor incalculable para la navegación, para la búsqueda de rutas y en la estrategia militar. En el siglo XVIII, los países europeos habían llegado a un estado de organización en el que la mayoría de gobiernos se había dado cuenta del valor del cartografiado sistemático de sus tierras. La Geographical Information Society fue creada a partir del establecimiento de los organismos de gobierno nacional cuyo mandato fue la producción de mapas catastrales y topográficos de todos los países. Estos institutos han continuado hasta hoy en la representación de la distribución espacial de las características de la superficie de la Tierra, o topografía, en forma de mapa. Durante los últimos 200 años la mayoría de estilos individuales de mapas habían sido desarrollados, pero ha habido muchas tradiciones en los estándares de la cartografía que no se han roto y que han continuado hasta el presente. Como el estudio científico 1

Juan Peña Llopis

terrestre avanzaba, se empezaron a necesitar distintos tipos de atributos para ser mapeados. El estudio de la Tierra y sus recursos naturales (geofísicos, geodésicos, geológicos, geomorfológicos, edafológicos, ecológicos y territoriales) que empezó en el siglo XIX ha continuado hasta hoy. En el siglo XX la demanda de mapas topográficos y de recursos naturales ha acelerado el desarrollo de técnicas de estereofotogrametría e imagen satélite, para la elaboración de mapas de grandes áreas con gran precisión. Antes de la aplicación de los ordenadores al cartografiado, todos los mapas tenían en común que las bases de datos espaciales estaban dibujadas en soporte de papel o film. Toda la información se encontraba codificada en líneas, puntos o áreas, y las entidades básicas se presentaban mediante símbolos, colores o códigos de texto, todos ellos explicados en una leyenda adjunta. Al haber gran cantidad de características espaciales que pueden ser representadas en un mismo mapa aparecen los primeros mapas temáticos creados con un propósito específico, debido a que éstos contienen la información sobre un propósito o tema único, por ejemplo: mapa geológico, mapa topográfico, etc. Puesto que las primeras bases de datos estaban en un soporte de papel y compuestas por su correspondiente memoria, esto suponía un grave inconveniente o limitación. Esto se ha conseguido paliar por el uso del ordenador en la cartografía; ya que superponer más de 3 mapas temáticos en plantillas transparentes no es manejable ni preciso, por tanto los análisis espaciales quedan muy restringidos. Durante las décadas de 1960 y 1970 se empezaron a utilizar los ordenadores para las tareas de realización de mapas. El objetivo inicial era conocer datos de los recursos naturales del suelo y del paisaje, los cuales podían ser utilizados para la gestión de recursos, evaluación y planificación. Los Sistemas de Información Geográfica (S.I.G.) se han desarrollado paralelos a las técnicas aplicadas al cartografiado y análisis espacial. Estos sistemas han estado demandados por distintas áreas del conocimiento que tienen muchas coincidencias en sus bases. Así, se pueden citar como núcleo de interrelación a la topografía, cartografía temática, geografía, ingeniería civil, planificación rural y urbana, edafología, inventariado, fotogrametría, etc. Las últimas incorporaciones han sido la utilización de las redes informáticas, los sensores remotos y el análisis de la imagen satélite. Las ventajas del uso del ordenador a las aplicaciones S.I.G. son innumerables, permiten: una realización rápida y de bajo coste, generación de mapas para necesidades específicas, facilitan la realización de análisis por conjunción de paquetes estadísticos y S.I.G., minimización del uso de mapas impresos como almacén de información, creación de mapas en 3D de difícil ejecución manual, fácil actualización y revisión al estar en una base de datos digitales modificable.

2


En la actualidad, la fotografía aérea y especialmente la imagen satélite hacen posible la interpretación dinámica de los paisajes y sus cambios a lo largo del tiempo. Acontecimientos como el avance de la erosión, la distribución de los incendios forestales, la expansión de las ciudades,... pueden ser seguidos e interpretados espacialmente gracias a la incorporación de esta información en bases de datos digitales por ordenador. Por este motivo, los datos digitales se encuentran codificados como elementos gráficos de un S.I.G. que permiten un rápido análisis.

1.2. Definición de los S.I.G. Los S.I.G. son una nueva tecnología que permite gestionar y analizar la información espacial, y que surgió como resultado de la necesidad de disponer rápidamente de información para resolver problemas y contestar a preguntas de modo inmediato. Es realmente complejo explicar el concepto de S.I.G. y no hay un consenso a la hora de definir un S.I.G., debido a que integra dentro de un mismo concepto tanto los componentes como las funciones. Asimismo, existen otras muchas definiciones de S.I.G., algunas de ellas acentúan su componente de base de datos, otras sus funcionalidades y otras enfatizan el hecho de ser una herramienta de apoyo en la toma de decisiones; pero todas coinciden en que se trata de un sistema integrado para trabajar con información espacial, herramienta esencial para el análisis y toma de decisiones en muchas áreas del conocimiento. Como “Sistema de Información” se entiende la unión de la información y herramientas informáticas (programas o software) para su análisis con unos objetivos concretos. Por otra parte, al incluir el término “Geográfica” se asume que la información es espacialmente explícita, es decir, incluye la posición en el espacio.

Clientes Edificios Calles

Realidad

La base de un S.I.G. es, por tanto, una serie de capas de información espacial en formato digital que representan diversas variables (formato ráster), o bien capas que representan objetos (formato vectorial) a los que corresponden varias entradas en una base de datos enlazada. Esta estructura permite combinar en un mismo sistema, información con orígenes y formatos muy diversos, incrementando la complejidad del sistema (ver Figura 1-1).

Figura 1-1. Ejemplo de S.I.G.

3

Juan Peña Llopis

La primera referencia al término S.I.G. aparece por Tomlinson en 1967, referida a “una aplicación informática cuyo objetivo es desarrollar un conjunto de tareas con información geográfica digitalizada”. Se trataba del Sistema de Información Geográfica de Canada (C.G.I.S.). En 1987, Berry definió un Sistema de Información Geográfica como “un sistema informático diseñado para el manejo, análisis y cartografía de información espacial”. También, en 1987, el Department of Environment de USA lo expresó como “un sistema para capturar, almacenar, chequear, manipular, analizar y representar datos que están espacialmente referenciados en la Tierra”. En 1988 Burrough y McDonnell, amplían el concepto a “un sistem a (normalmente asistido por ordenador, cuando se utiliza este término) de herramientas para reunir, introducir, almacenar, recuperar, transformar y cartografiar datos espaciales sobre el mundo real con el fin de satis facer múltip les propósitos ”. La base de datos está compuesta, generalmente, por un gran número de representaciones espaciales de tipo mapa denominadas "coberturas" o "capas". En 1990, el National Center for Geographic Information and Analysis (NCGIA) de USA los define como “sistema de hardware, software y procedimientos elaborados para facilitar la obtención, gestión, manipulación, análisis, modelado, representación y salida de datos espacialmente referenciados , para resolver problemas complejos de planificación y gestión”. Tal como se observa, estas definiciones no sólo son sucesivas en el tiempo, sino que además cada una supone un mayor nivel de complejidad respecto a la anterior. La primera hace referencia únicamente a las bases de datos espaciales; la segunda y la tercera a las herramientas (software) de tratamiento de estos datos (el típico paquete de módulos de S.I.G.); finalmente, la cuarta y quinta incluyen el hardware utilizado y los procedimientos complementarios que puedan ser necesarios. Mediante los S.I.G. se pueden realizar operaciones entre las capas, y así obtener resultados en formato imagen o en tablas. Todos estos resultados pueden utilizarse para la elaboración de análisis y modelos. Por lo tanto, no hay que considerar a los S.I.G. como una herramienta sólo de captura, almacenamiento, manejo y presentación de mapas.

1.3. Aplicaciones de los S.I.G. Un Sistema de Información Geográfica es una herramienta que permite la integración de bases de datos espaciales y la implementación de diversas técnicas de análisis de datos. Por tanto, cualquier actividad relacionada con el espacio, puede beneficiarse del trabajo con S.I.G. Entre las aplicaciones más usuales destacan: 4


•

Científicas: ciencias medioambientales y relacionadas con el espacio, desarrollo de modelos empíricos, modelización cartográfica, modelos dinámicos y teledetección.

•

Gestión: cartografía automática, información pública, catastro, planificación física, ordenación territorial, planificación urbana, estudios de impacto ambiental, evaluación de recursos y seguimiento de actuaciones.

•

Empresarial: marketing, estrategias de distribución, planificación de transportes y localización óptima.

Aunque, todas estas disciplinas utilicen los S.I.G. para resolver cuestiones distintas, todas realizan y ejecutan tareas comunes, siendo estas: Organización de datos: almacenar datos con el fin de sustituir una mapoteca analógica (mapas físicos en papel) por una mapoteca digital (mapas en el ordenador) posee ventajas obvias, entre las cuales pueden ser citadas una reducción en el espacio físico; el fin del deterioro de los productos en papel; la rápida recuperación de los datos; la posibilidad de producir copias sin perdida de calidad; y otras más. Visualización de datos: la posibilidad de seleccionar los niveles de información deseados; de acuerdo con el contexto, permite acoplar los mapas temáticos elegidos superándose cualquier producto en papel. La capacidad de análisis del ojo humano, a pesar de estar subestimada, es esencial en un estudio que implica información espacial. Producción de mapas: en general los S.I.G. poseen herramientas completas para la producción de mapas, siendo bastante simples la inclusión de rejillas de coordenadas, escala gráfica y numérica, leyenda, flecha norte y textos diversos, siendo mucho más indicados para la cartografía que los simples sistemas C.A.D. (Computer-Aided Design). Consulta espacial: posiblemente la función más importante de los S.I.G es la posibilidad de preguntar cuáles son las propiedades de un determinado objeto, o en qué lugares tienen tales propiedades. La interacción entre el usuario y los datos se convierte en dinámica y extremadamente poderosa. Análisis espacial: consiste en el uso de un conjunto de técnicas de combinación entre los niveles de información (capas), con el fin de evidenciar patrones o establecer relaciones dentro de los datos que quedaban anteriormente ocultos al analista. Es una manera de inferir significado a partir del cruce de los datos. Previsión: uno de los propósitos de los S.I.G. es el de verificación de escenarios, modificando los parámetros para evaluar cómo los eventos, naturales o no, ocurrirían si las condiciones fuesen diferentes, obteniendo un conocimiento más general de los objetos o el área en estudio. 5

Juan Peña Llopis

Creación de modelos: la capacidad de almacenamiento, recuperación y análisis de datos espaciales convierte a los S.I.G. en plataformas ideales para el desarrollo y aplicación de modelos distribuidos espacialmente, y para la validación de escenarios hipotéticos.

1.4. Componentes de un S.I.G. Los componentes necesarios para llevar a cabo las tareas de un S.I.G. son los siguientes (ver Figura 1-2): Usuarios: Las tecnologías S.I.G. son de valor limitado sin los especialistas en manejar el sistema y desarrollar planes de implementación del mismo. Sin el personal experto en su desarrollo, la información se desfasa y se maneja erróneamente, y el hardware y el software no se manipula con todo su potencial. Software: Los programas S.I.G. proporcionan las herramientas y funcionalidades necesarias para almacenar, analizar y mostrar información geográfica. Los componentes principales del software S.I.G. son: • • • •

Sistema de manejo de base de datos. Una interfase gráfica de usuarios (IGU) para el fácil acceso a las herramientas. Herramientas para captura y manejo de información geográfica. Herramientas para soporte de consultas, análisis y visualización de datos geográficos.

Actualmente la mayoría de los proveedores de software S.I.G. distribuyen productos fáciles de usar y pueden reconocer información geográfica estructurada en muchos formatos distintos. Hardware: Los S.I.G. funcionan en un amplio rango de tipos de ordenadores desde equipos centralizados hasta configuraciones individuales o de red. Esta organización requiere de hardware específico para cumplir con las necesidades de cada aplicación. Datos: El componente más importante para un S.I.G. es la información. Se requieren buenos datos de soporte para que el S.I.G. pueda resolver los problemas y contestar a las preguntas de la forma más acertada posible. La consecución de buenos datos generalmente absorbe entre un 60 y 80 % del presupuesto de implementación del S.I.G., y la recolección de los datos es un proceso largo que frecuentemente demora el desarrollo de productos que son de utilidad. Los datos geográficos y alfanuméricos pueden obtenerse por recursos propios u obtenerse a través de proveedores de datos. Mantener, organizar y manejar los datos debe ser política de la organización. Métodos: Para que un S.I.G. tenga una implementación exitosa debe basarse en un buen diseño y en unas reglas de actividad definidas, que son los modelos y las prácticas operativas exclusivas en cada organización. 6


Usuarios: Éste es el componente más importante de un S.I.G. El personal debe desarrollar los procedimientos y definir las tareas del S.I.G.

Software: Éste incluye no sólo los programas de S.I.G., sino también los programas informáticos de bases de datos, estadísticos, de procesamiento de imágenes y cualquier otro software.

S.I.G.

Hardware: Las posibilidades del equipo informático afectan a la velocidad de procesamiento, facilidad de uso y el tipo de salida disponible.

Datos: La disponibilidad y precisión de los datos pueden afectar a los resultados de cualquier análisis.

Procedimientos: El análisis requiere métodos bien definidos y consistentes para producir resultados correctos y

reproducibles.

Figura 1-2. Componentes de los S.I.G. De estos componentes, el hardware (ordenador), el software (programas del ordenador) y un contexto apropiado de organización, que incluye personal capacitado, son fundamentales. Los usuarios pueden superar con frecuencia los obstáculos de los otros componentes del S.I.G., pero no a la inversa. El mejor software y hardware del mundo no pueden compensar la incompetencia de quien los maneja. Hardware: Los componentes del ordenador de un S.I.G. se presentan en la Figura 1-3. El ordenador está compuesto por un disco duro para almacenar datos y programas, pero se puede proporcionar capacidad extra vía red o en cassettes digitales, CD-ROMs y otros dispositivos. El usuario controla el ordenador y los periféricos (plóter, impresora, tableta digitalizadora, etc.) mediante la pantalla del ordenador, el teclado y el ratón. La comunicación entre distintos ordenadores se hace posible a través de redes locales, globales o vía Internet.

7

Juan Peña Llopis

Para introducir información de mapas (input) se dispone de una tableta digitalizadora o un escáner, que se utiliza para convertir los mapas y documentos a formato digital, por lo tanto, éstos pueden ser utilizados por los programas de ordenador. Para mostrar los resultados de los mapas (output) se dispone de un plóter o una impresora u otro tipo de dispositivo de representación, que se utiliza para presentar los resultados del procesamiento de los datos.

Internet o intranet Escáner Input

Output

Impresora

Ordenador Tableta digitalizadora

Plóter

Soportes ópticos/magnéticos de almacenamiento Figura 1-3. Componentes de hardware más importantes para un S.I.G. Software: Los programas de ordenador de un S.I.G. se suelen dividir en 5 partes funcionales (Figura 1-4): 1) 2) 3) 4) 5)

Introducción de datos y verificación (input). Almacenamiento de datos y manejo de bases de datos. Transformación de los datos. Interacción con el usuario. Salida de los datos y presentación (output).

8


Introducción de datos (input)

Interfaz con el usuario

Base de datos Geográfica

Salida de datos y presentación (output)

Transformación

Figura 1-4. Los componentes principales del software para un S.I.G. 1) Introducción de datos y verificación (input). La introducción de los datos (Figura 1-5) incluye todos los aspectos para capturar datos espaciales desde diversas fuentes: mapas existentes, observaciones de campo y sensores (fotografías aéreas, satélites e instrumentos de grabación) y poder convertirlos en un formato estándar digital.

Mapas en papel

Escáner

Fotografías aéreas

Sensores remotos

Tableta digitalizadora

Observaciones de campo

Pantalla por Información en soporte teclado y/o ratón óptico/magnético

Introducción de los datos (INPUT) Figura 1-5. Recogida e introducción de datos. 9

Juan Peña Llopis

La mayoría de las herramientas utilizadas por el S.I.G. están disponibles. La más básica es la introducción de datos a través de la pantalla con la ayuda del teclado y/o del ratón, el resto son el escáner (para convertir directamente los mapas y las imágenes fotogramétricas de vuelos aéreos o de satélites), la tableta digitalizadora, y otros dispositivos necesarios para la lectura y/o escritura de los datos como las unidades de CD-ROM, ZIP y disquete. 2) Almacenamiento de datos y manejo de bases de datos. El almacenamiento de datos y el manejo de las bases de datos (Figura 1-6) concierne a los datos sobre su localización, relaciones (topología) y atributos de los elementos geográficos (puntos, líneas, áreas, y entidades más complejas que representan los objetos de la superficie terrestre) están estructurados y organizados. De esta forma, éstos deben ser manipulados por un ordenador tal y como son percibidos por los usuarios del sistema. El programa de ordenador que se utiliza para organizar la base de datos se conoce como Sistema de Manejo de Bases de Datos. Sistema de Manejo de Bases de datos BASE DE DATOS GEOGRÁFICA Localización

Topología

Atributos

Figura 1-6. Los componentes de la base de datos geográfica. 3) Transformación de los datos. La transformación de los datos (Figura 1-7) abarca 2 clases de operaciones: • Transformaciones necesarias para eliminar errores de los datos o para actualizarlos o para emparejarlos en otros conjuntos de datos. • La gran serie de métodos de análisis que pueden ser aplicados a los datos para lograr respuestas a las preguntas formuladas en el S.I.G.

10


TRANSFORMACIÓN

Mantenimiento y actualización

Utilización y análisis

Figura 1-7. Transformación de los datos. Las transformaciones pueden operar con los datos espaciales (topología) y los aspectos no espaciales de los datos, por separado o en combinación. La mayoría de estas transformaciones, como las asociadas a los cambios de escala, ajuste de los datos a las nuevas proyecciones, recuperación de datos lógicos y cálculo de las áreas o perímetros,... son de una naturaleza tan general que podemos esperar encontrarlos en cualquier tipo de S.I.G. de una forma u otra. Otros tipos de manipulación pueden ser aplicaciones extremadamente específicas, y su incorporación en un S.I.G. particular sólo puede ser satisfecha en los usuarios particulares que tengan dicho sistema. 4) Interacción con el usuario. La interacción entre el usuario y los S.I.G. es imprescindible para la introducción de los datos y la creación de los modelos para analizar los mismos. Éste es un aspecto que había sido descuidado hasta la actualidad (Hearnshaw & Unwin, 1994). La introducción del ordenador personal, el ratón u otros dispositivos de punteros, y las multi-ventanas del software han facilitado en gran manera las tareas S.I.G. de ordenador. 5) Salida de los datos y presentación (output). Las salidas de los datos y la presentación (Figura 1-8) corresponden al formato en que los datos están representados y cómo los resultados de los análisis informan a los usuarios. Los datos suelen estar presentados como mapas, tablas o figuras (gráficas y tablas) en una variedad de tipos que se extienden desde la imagen efímera en la pantalla del ordenador, pasando por las copias conseguidas en la impresora o plóter a la información almacenada en soporte magnético en formato digital.

11

Juan Peña Llopis

Salida de los datos y presentación (OUTPUT)

Monitor del ordenador

Mapas

Plotter

Impresora

Tablas

Gráficos

Figura 1-8. Salida y presentación de los datos.

12

Información en soporte óptico/magnético

Video


2. Datos geográficos en el ordenador. Para sacar partido de las posibilidades que proporcionan las herramientas espaciales de modelización computerizadas, es esencial entender cómo funcionan los modelos utilizados para representar los datos geográficos y codificarlos en estos dispositivos. Este capítulo describe las maneras en las cuales los datos espaciales pueden ser eficientemente codificados en un sistema informático que permita realizar operaciones en un S.I.G. También se explican los tipos de organización principal de los datos geográficos, como son los formatos vectorial y ráster, comentando sus ventajas e inconvenientes.

2.1. Tipos de organización de los datos geográficos en el ordenador. Uno de los problemas fundamentales en el desarrollo de un proyecto de S.I.G. es adaptar una realidad compleja y continua, para representarla de forma simplificada y en elementos discretos. Es inevitable que para una correcta codificación de los datos espaciales en un ordenador se tenga que utilizar el propio código informático, cuyas instrucciones están basadas en series de interruptores, que están en 1 de 2 estados (“on” u “off”, “verdadero” o “falso”, “si” o “no”,...). Estos estados están codificados por los números 1 y 0 respectivamente y el sistema binario de base 2 es la base fundamental del código de computación. Por tanto, los datos geográficos necesitan ser convertidos en registros discretos en el ordenador utilizando estos interruptores para representar la localización, presencia o ausencia, tipo, etc. de la información espacial. El desarrollo de una base de datos espacial conlleva una simplificación de la realidad para adaptarla a un modelo de datos. Tal como se muestra en la Figura 2-1, existen dos formatos de datos: vectorial y ráster.

Realidad

Formato vectorial

Formato ráster

Figura 2-1. Formatos digitales de representar los datos geográficos. 13

Juan Peña Llopis

En el modelo vectorial se considera que la realidad está dividida en una serie de objetos discretos (puntos, líneas, polígonos) a los que se puede asignar diversas propiedades, cualitativas o cuantitativas. Estos objetos se codifican por su posición en el espacio (puntos y líneas) o por la posición de sus límites (polígonos). Los cambios de escala van a suponer en muchos casos que los objetos cambien de un tipo a otro. En el modelo ráster por el contrario se considera la realidad como un continuo basado en la variación continua y en el que las fronteras son la excepción. La representación se realiza dividiendo ese continuo en una serie de celdillas o píxeles, y asignándole a cada una un valor para cada una de las variables consideradas. Los cambios de escala van a reflejarse en el tamaño de estas celdillas. La representación de la realidad que se haga en la base de datos espacial es una de las cuestiones fundamentales, ya que condiciona enormemente la estructura de la misma y los modos de trabajo posteriores. Las ventajas e inconvenientes de uno u otro dependen en gran medida de la aplicación o análisis que se quiera llevar a cabo y de los resultados que se quieran obtener. Hoy en día, sin embargo, se tiende a compaginar al máximo ambos modelos para conseguir una mayor versatilidad.

2.2. Estructura vectorial: puntos, líneas y polígonos. La estructura de datos que utiliza puntos, líneas y polígonos (Figura 2-2) para describir la información geográfica es conocida como estructura vectorial. Las unidades vectoriales están caracterizadas por el hecho de que su localización geográfica puede ser definida independiente y de forma muy precisa, mediante sus relaciones topológicas.

. ·

· .

.

: ·

Puntos

. Líneas

Polígonos

Figura 2-2. Las estructuras vectoriales principales. Las capas vectoriales son útiles para describir los distintos elementos del terreno, tales como carreteras, red hidrográfica, límites administrativos, y otros. Para ello, almacenan una serie de puntos (cada uno referenciado mediante un par de coordenadas espaciales) que describen la localización de los elementos (si son puntos), o su trayectoria o límite mediante una secuencia de puntos unidos por líneas rectas. Estas unidades simples son suficientes para un manejo eficiente de los datos. Siendo muy útiles para operar con datos complejos, debido a que son unidades independientes en un sistema de información. 14


Los puntos son la estructura vectorial más simple, cuya información sólo requiere una posición X,Y y un valor Z opcional para el atributo. Las líneas simples o sueltas están compuestas por puntos con sus correspondientes coordenadas X,Y y un valor Z global para el atributo de la línea. Los arcos o cadenas son objetos más complejos y se utilizan para representar líneas curvadas o no rectilíneas (Figura 2-3). Cuando estos arcos se unen, deben estar conectados en un tipo especial de punto llamado nodo, cuya función consiste en aportar la información sobre el tipo de criterio utilizado para la conexión de los arcos. Los nodos también se utilizan para recoger la información sobre los límites de los arcos que al conectarse forman polígonos, proporcionando información sobre los polígonos vecinos de la izquierda y derecha, y sobre polígonos encerrados. Los métodos utilizados para conectar arcos y convertirlos en polígonos dependen del software del S.I.G. Una vez creados los polígonos, ya se pueden catalogar introduciendo los atributos correspondientes a cada polígono. Nodo Arco

Unión de arcos con nodos

Estructuración topológica

Categorización de los polígonos

Figura 2-3. Pasos para la creación de una estructura vectorial poligonal.

2.3. Estructura ráster: malla de celdas o píxeles. La información espacial también puede estar representada en conjuntos de unidades regulares constituido por celdillas o píxeles, en forma de mosaico (Figura 2-4). La forma más simple es la celda cuadrada (píxel) y la malla regular en forma de mosaico se conoce como estructura ráster.

Malla de píxeles

Mapa ráster

Solapamiento entre 2 rásters

Figura 2-4. La estructura ráster. La localización de las entidades se define con la referencia directa a la matriz de datos en el que cada píxel está asociado con una parcela cuadrada de territorio. 15

Juan Peña Llopis

La resolución o escala de los datos ráster es la relación entre el tamaño de píxel y el tamaño representado por la celda en la zona. La variación de la información se puede presentar en la matriz de datos con diferentes números por píxel. Cada píxel contiene su propio atributo. Las operaciones típicas del análisis espacial son sencillas de llevar a cabo con la estructura ráster, ya que se pueden combinar los atributos de varias capas rásters. En resumen, las imágenes ráster describen una región del espacio mediante una rejilla de unidades regulares (celdas o píxeles). Cada una de estas celdas contiene un valor numérico que expresa una determinada característica del terreno en esa localización. Éstas son muy apropiadas para la descripción de datos espaciales continuos como altitud, contenido de biomasa, temperatura y precipitación.

2.4. Ventajas e inconvenientes de la estructura vectorial y ráster. Las ventajas e inconvenientes de los dos tipos principales de estructuración de los datos geográficos se ponen de manifiesto en la Tabla 2-1. Tabla 2-1. Ventajas e inconvenientes de la estructura vectorial y ráster. ESTRUCTURA VECTORIAL ESTRUCTURA RÁSTER Ventajas

Ventajas

o Buena representación en los modelos de datos. o Estructura de datos compacta. o La topología puede ser descrita explícitamente, por tanto es favorable para un análisis de redes. o La transformación sencilla de coordenadas (georreferenciación) y georrectificación. o La representación gráfica es precisa a todas las escalas. o La recuperación, actualización y generalización de los gráficos y atributos es posible.

• Estructura de datos simples. • Manipulación sencilla mediante localización específica de los atributos de los datos. • Muchos tipos de análisis espaciales y filtros pueden ser aplicados. • Los modelos matemáticos son fáciles porque todas las entidades espaciales tienen una forma simple y regular. • La tecnología es barata. • Muchas formas de datos están disponibles.

Inconvenientes

Inconvenientes

o Estructura de datos compleja. o La combinación de varias redes de polígonos por intersección y solapamiento es difícil y requiere un ordenador potente. o La representación y ploteado suele ser costosa y cara, particularmente a alta resolución. o Los análisis espaciales con unidades básicas como polígonos son imposibles sin datos extra, porque éstos se consideran internamente homogéneos. o Los procesos de interacciones espaciales son más complicados, porque cada entidad espacial dispone de un sistema y forma diferente.

• Gran volumen de datos (ocupa más capacidad de disco duro). • Al utilizar píxeles de gran tamaño para reducir el tamaño de los ficheros, se reduce también la resolución, teniendo como resultado pérdida de información y estructuras con poca definición. • Los mapas ráster en crudo son poco elegantes, aunque esto no llegue a ser un problema. • Las transformaciones de coordenadas son difíciles y en tiempo demoran mucho, aunque se utilice algoritmos especiales y hardware potente, incluso así puede resultar que pierda información o se distorsione.

16


3. Entrada de datos espaciales. La construcción de una base de datos S.I.G. de entidades espaciales es una tarea ardua. El capítulo comprende las fuentes de datos geográficos disponibles (mapas, fotos aéreas, imágenes de satélite, o tablas) y los pasos pertinentes para introducir estos datos al ordenador en formato vectorial y ráster.

3.1. Fuentes de datos geográficos. La creación de una base de datos de S.I.G. es una operación compleja que puede estar compuesta por la captura de datos, verificación y procesos de estructuración. Debido a que los datos geográficos están disponibles de muchas formas analógicas o digitales, como mapas, fotografías aéreas, imagen satélite, tablas,... Una base de datos espacial puede estar construida por varios modos distintos, que no tienen que ser mutuamente exclusivos. Estos son:

Adquirir datos de forma digital desde un suministrador de datos. Digitalizar datos analógicos existentes. Interpolar desde observaciones puntuales a superficies continuas.

En todos estos casos, los datos deben ser registrados y codificados geométricamente para un sistema de coordenadas generalmente aceptado, de este modo éstos pueden ser almacenados en la estructura de base de datos del S.I.G. El resultado deseado podrá ser una base de datos actual y completa que soporte los subsiguientes análisis de los datos y modelos. Las fuentes de datos geográficos son el papel o mapas topográficos digitales o mapas temáticos, que son una representación gráfica de la distribución geográfica de la información espacial. Estos mapas están dibujados a una cierta escala y muestran los atributos de las entidades en diferentes símbolos o colores. La localización de las entidades de la superficie del terreno se especifica mediante métodos de un sistema de coordenadas convenido. La mayor importancia de los datos espaciales en un S.I.G. radica en la localización con respecto a una estructura común de referencia (georreferenciación). Para la mayoría de S.I.G., la estructura común de referencia está proporcionada por un sistema de coordenadas geográficas.

17

Juan Peña Llopis

3.2. Pasos para crear datos digitales mediante entrada manual. La introducción manual de los datos en un S.I.G. requiere 4 etapas principales: ⇒ Entrada de los datos espaciales. ⇒ Entrada de los atributos de los datos. ⇒ Verificación y edición de los datos espaciales y atributos. ⇒ Conexión de los datos espaciales con los atributos (cuando sea necesario). La Figura 3-1 y la Figura 3-2 resumen los procesos para la estructura ráster y vectorial respectivamente. La variedad de estructuras usadas en el S.I.G. también requiere que los datos sean introducidos de muchas formas diferentes. Las principales diferencias aparecen en el segundo y tercer estado de los procesos.

Imágenes de satélite y sensores remotos

Corrección de la orientación y la distorsión

Escaneo de documentos Fotografías aéreas

Digitalización y rasterización Mapas temáticos

Interpolación

Unión de las distintas capas de la estructura ráster

Datos puntuales

Figura 3-1. Captura y procesado de datos para construir una base de datos ráster.

18


Corrección de la orientación y la distorsión Imágenes de satélite y sensores remotos

Delimitación de los márgenes, clasificación y segmentación

Vectorización de las líneas y límites

Escaneo de documentos Fotografías aéreas

Digitalización de los límites en el sistema de coordenadas Mapas temáticos Contornos o ajuste a TIN Unión de las distintas capas de la estructura vectorial Datos puntuales

Interpolación

Figura 3-2. Captura y procesado de datos para construir una base de datos vectorial. Introducción de los datos espaciales: Los datos geográficos se presentan en forma de puntos, líneas o áreas (polígonos), los cuales están definidos usando una serie de coordenadas. Éstas se obtienen mediante georreferenciación del sistema de referencia geográfica del mapa o fotografía aérea o por solapamiento de una rejilla encima del mismo. El modo más simple de introducir los datos es teclear las coordenadas en un programa de S.I.G. La enorme labor de introducir los datos mediante la escritura de las coordenadas y su introducción mediante el teclado en un archivo de ordenador puede ser reducido en gran medida por el uso de dispositivos de hardware como las tabletas digitalizadoras, escáneres, o los restituidores espaciales para codificar las coordenadas X e Y de los puntos deseados. • Escáner: Los escáneres son dispositivos para convertir los datos analógicos en imágenes rásters digitales (Figura 3-3). Éstos se utilizan para la captura geográfica de datos para convertir los mapas de papel en imágenes rásters de gran resolución, las cuales pueden ser usadas directamente o más adelante procesadas para obtener representaciones vectoriales. Figura 3-3. Escáner. 19

Juan Peña Llopis

Los escáneres trabajan con el principio de que las coloraciones de un mapa reflejan un haz de luz diferente al de áreas que están en negro; estas diferencias en intensidades se almacenan digitalmente (usando 32 bits por píxel para ortofotos digitales de alta calidad) para obtener una imagen digital que constituya una malla de valores reflejados. Estas imágenes son muy similares a las imágenes rásters obtenidas por sensores remotos. La imagen escaneada resultante puede ser vectorizada o transformada en otro tipo de estructura ráster para introducción directa en el S.I.G. Un buen ajuste, corrección de escala y alineamiento debe ser controlado a través de puntos de control conocidos y localizados, como si fueran marcas de registro que pueden estar definidas directamente desde una imagen escaneada y procesada automáticamente. Una vez se ha completado esto, el mapa digital puede ser entonces introducido en el S.I.G. utilizando un formato de transferencia o intercambio. • Tableta digitalizadora: Es una tabla electrónica o electromagnética sobre la cual se sitúa un mapa o documento (Figura 3-4). El mapa encajado a la tableta o junto a ella, es recorrido por un dispositivo sensible que permite localizar con precisión la situación de los puntos de datos del mapa. El puntero puede ser un cursor, o tipo puntero, y puede disponer de cable o no. Figura 3-4. Tableta digitalizadora. Al posicionar el cursor o puntero sobre un punto en el mapa y presionar el botón en éste, manda una señal eléctrica directamente al ordenador indicando las coordenadas que posee el cursor con respecto a la estructura de referencia de la tableta digitalizadora. La principal ventaja de la tableta digitalizadora es la introducción rápida y precisa de las coordenadas de los puntos y líneas divisorias. El mapa que va a ser capturado se fija en la superficie de la tableta digitalizadora mediante esparadrapo y se comienza digitalizando al menos 4 puntos conocidos que limiten la región del mapa. De esta forma, se fija el sistema de referencia con sus consiguientes coordenadas, y se puede ajustar más tarde su alineación y escala. Estos puntos de referencia están convertidos al sistema de coordenadas del mapa por unas rutinas simples de escalado. El inconveniente más significativo es que se encuentra limitada por la resolución de la propia tableta digitalizadora, por la preparación del operario y también por la precisión de los datos originales. Actualmente su utilización se ha visto desplazada por la digitalización en pantalla, que necesita menos recursos y es más precisa y manejable.

20


• Restituidor digital: El tercer tipo de aparato utilizado para la captura de datos geográficos digitales es el restituidor digital o stereoplotter. Se trata de un instrumento fotogramétrico utilizado para almacenar los niveles o posiciones del terreno y otras entidades directamente desde los estereopares fotográficos (tomados del mismo área, pero desde un punto de vista ligeramente diferente). En desarrollos recientes, se obtienen estereoimágenes digitales desde sensores de satélites, grabaciones en video, y cámaras digitales, siendo empleadas para generar datos de elevaciones utilizando especializados algoritmos fotogramétricos en sistemas de procesado de imágenes. Los restituidores digitales se utilizan de forma extensiva para la captura de elevaciones continuas para modelos digitales de elevaciones y ortofotomapas. • Rasterización: Proceso por el cual se transforman datos vectoriales en una malla de píxeles o imagen ráster (Figura 3-5). Consiste básicamente en situar una malla sobre el mapa vectorial, para codificar los píxeles en función de los datos que posean en mayor medida. La capacidad de rasterización la soporta la mayoría de software S.I.G.

Figura 3-5. Rasterización. • Vectorización: Proceso inverso a la rasterización, que consiste en la conversión de una imagen ráster a una vectorial (Figura 3-6). Frecuentemente se realiza mediante software que proporciona algoritmos que convierten el conjunto de píxeles en datos lineales. El proceso supone enhebrar una línea a través de los píxeles de la imagen escaneada utilizando los algoritmos conocidos como de afinamiento. Éstos reducen las líneas pixelizadas a sólo un píxel de ancho. Posteriormente, permiten la conexión de unidades de líneas o áreas usando algoritmos que localizan y unen los píxeles vecinos con el mismo valor, o a través de operaciones controladas por el usuario. Los resultados frecuentemente requieren una edición para codificar las unidades individuales y corregir errores en la conectividad de las líneas, especialmente si se utilizan métodos automáticos de vectorización.

Figura 3-6. Vectorización. 21

Juan Peña Llopis

Introducción de los atributos de los datos: Los atributos o categorías de los datos son aquellas propiedades de las entidades espaciales que son necesarias para poder manejar los datos en el S.I.G., sin ser ellas mismas espaciales. Por ejemplo, una carretera puede ser capturada como un conjunto de píxeles contiguos o como una entidad lineal y representada en la parte espacial del S.I.G. por un color o símbolo que diferencia esta entidad de las demás (Figura 3-7). 3.26

20 m

.

2.32 1.98 2.65 2.17 Diversidad florística de un bosque

·

30 m 30 m

.

· .

40 m

·

50 m

Puntos

Líneas

1 (calizas)

Arbustos

2 (margas)

Pinar

3 (arenas)

Pastizal

4 (arcillas) Mapa geológico

Curvas de nivel o isolíneas de un mapa topográfico

Mapa de usos del suelo

Polígonos

Ráster

Figura 3-7. Las estructuras de atributos de datos principales. Verificación y edición de los datos espaciales y atributos: Una vez los datos ya han sido introducidos es importante chequearlos por si se han cometido errores (posibles imprecisiones, omisiones, y otros problemas) previos a la conexión de los datos espaciales y de atributos. Conexión de los datos espaciales con los atributos: En los S.I.G. con bases de datos relacionadas, el proceso final de la captura manual de datos consiste en la conexión de las bases de datos espaciales con las de atributos, a través de identificadores, los cuales son comunes en ambos. Los identificadores para los datos de puntos o líneas se generan automáticamente, o deben ser añadidos manualmente durante la digitalización o en el proceso de escaneo/vectorización. Los identificadores de los polígonos se añaden usualmente después de la generación de la topología; una vez los polígonos han sido formados, éstos poseen un identificador único, tanto por digitalización interactiva o usando algoritmos de “punto en polígono” para transferir los códigos de identificación de puntos digitalizados o entidades de texto al polígono en el que se encuentran. 22


4. Almacenamiento de datos espaciales. De suma importancia es el almacenamiento de los datos en el ordenador, tanto para su manejo como para su recuperación posterior. Este apartado hace mención a los tipos de almacenamiento más comunes dependiendo del formato que se emplee.

4.1. Tipos de almacenamiento de los datos. La construcción de una base de datos digital es un proceso costoso y que consume mucho tiempo. Es esencial que los mapas de información digital sean transferidos de la memoria del disco duro local del ordenador a un medio de almacenamiento permanente, donde se pueda preservar con seguridad (ver Figura 4-1). Los datos digitales quedan almacenados en soporte magnético u óptico, sin embargo, su formato es variable y refleja el coste del soporte, y dónde y con qué frecuencia que estos datos van a ser usados. El almacenamiento puede realizarse atendiendo a dos razones: Almacenamiento extraible: Las formas de almacenamiento extraibles o portátiles están en soporte magnético u óptico y pueden ser extraídas del dispositivo del ordenador y usadas en cualquier otro dispositivo del mismo tipo. Éstos se usan para copias de seguridad (backing up ) de datos que se están utilizando actualmente, y para archivar aquellos que ya no se usan. Los principales tipos de medios disponibles se listan a continuación. La disquetera y el CD-ROM son los productos más familiares en la mayoría de ordenadores. Los otros productos requieren unidades especiales de lectura-escritura para su uso y se utilizan generalmente en los principales ordenadores de almacenamiento de datos. • Soporte magnético: Compuesto por las disqueteras y los disquetes o discos de 3.5 pulgadas de plástico que contienen un disco magnético en su interior y son capaces de almacenar 1.4 Mb. Las unidades ZIP proporcionan gran capacidad en discos magnéticos extraibles con 100 Mb a más de 1 Gb de capacidad. En este formato también se encuentran los cassettes o cartuchos DAT (Digital Audio Tapes) o de otros tipos que pueden almacenar desde 520 Mb a varios Gb. • Soporte óptico: Son los discos ópticos o CDs (Compact Disc), que tienen aproximadamente 13 cm de diámetro, y son capaces de almacenar 700 Mb. Actualmente existe una gran variedad de discos ópticos diferentes que se distinguen por su habilidad de escribir datos en el disco. El tipo más común es el CD-ROM (Read Only Memory ) como medio de almacén de datos y de software, como bien dice su nombre sólo permite la lectura de datos. Otro tipo es el CD-RW (ReWritable) que posee la misma capacidad y permite la reescritura de los datos. Recientemente, ha aparecido el DVD (Digital Versatile Disk) con una capacidad de almacenamiento de 4.7 Gb. 23

Juan Peña Llopis

Almacenamiento no extraible o fijo y redes: Es el tipo de almacenamiento que se realiza en el soporte magnético del disco duro del ordenador. Con la caída de precios del megabyte de disco duro y las mayores capacidades de almacenamiento que se alcanzan (cientos de Gb), ya no es necesario almacenar los datos en otros medios por falta de espacio, y todos los datos se pueden almacenar en un único disco duro. El principal problema estriba en compartir los datos; los usuarios tendrán que utilizar sólo el ordenador en el que se hayan almacenado o hecho copias de sus datos para poder trabajar con ellos. Esto es obviamente un inconveniente y conduce a una gran duplicación en el almacenamiento de los datos, y produce dificultades a la hora de conocer cuál es la versión más reciente de la base de datos. Para minimizar estos problemas las organizaciones han optado por el trabajo en red, donde un número de usuarios puede acceder a los mismos datos y software sin necesidad de duplicarlos. Hay dos tipos principales de redes: Local Area Network (LANs) y Wide Area Networks (WANs). Las LANs son ordenadores conectados entre sí, juntos en un mismo espacio. Las WANs son ordenadores que se conectan desde lugares geográficamente diferentes. La unión de los ordenadores se hace por medio de cable (cobre o fibra óptica) o sin cable (radio, microondas, láser e infrarrojos). Normalmente se emplean estos últimos en las WANs.

Soportes ópticos y magnéticos de almacenamiento

Disco duro

Redes

Figura 4-1. Los componentes de almacenamiento y distribución de datos para un S.I.G.

4.2. Formatos de almacenamiento de la estructura vectorial y ráster. El almacenamiento de la información geográfica depende del tipo de números (byte, entero o real) y del tipo de archivo (ASCII, binario o binario empaquetado) que se utilicen. Los números de un mapa vectorial se presentan de forma entera o real y se archivan en formato ASCII o binario. En cambio, en un mapa ráster pueden presentarse de forma byte, entera o real y se archivan en formato ASCII, binario o binario empaquetado. 24


Tipos de formatos numéricos: Los números de tipo byte son enteros positivos en el rango de 0 a 255. Este tipo de datos son un subrango dentro de los de tipo entero. Son usados en los casos donde el rango numérico es más limitado y sólo requieren para su almacenamiento 8 bits (1 byte), ocupando menor espacio en el disco duro (la mitad de espacio en el disco duro con respecto a los archivos enteros normales). Los números enteros son números sin parte fraccionaria o componente decimal (como 1, 2, 3, etc.), con un rango que oscila de -32768 a +32767. Estos se utilizan para su almacenamiento 16 bits (2 bytes), que es el doble que el tipo byte y la mitad que el formato real. Los enteros pueden utilizarse para representar números en sí o como códigos para representar atributos no numéricos o categorías de datos. Normalmente se utilizan los números enteros como estándar en la creación de mapas. Los números reales admiten parte fraccionaria y se utilizan cuando las variables son continuas y deben ser almacenados con gran precisión o cuando el rango de los datos sobrepasa los rangos de los números enteros (p.e. 6,2654). Los datos reales pueden almacenar un rango de ±3.37·1038 a ±8.43·10-37, con una precisión de siete cifras decimales significativas, ya que reservan algunos bits para la parte decimal y el resto para las cifras elevadas que utilizan potencias de 10. Por consiguiente, estos números no se codifican de forma exacta y éstos pueden tener errores de redondeo cuando se utilizan cifras más grandes que las que permiten. Los números reales se almacenan en formato de coma flotante, y requieren más memoria (32 bits, es decir, 4 bytes por número). Este tipo de datos se encuentra sobre todo en los Modelos Digitales de Elevación (M.D.E.). Tipos de archivos de almacenamiento de los datos numéricos: Los archivos ASCII: ASCII es un acrónimo de American Standard Code for Information Interchange (Código Estándar Americano para Intercambio de Información). Se trata de un sistema de caracteres de codificación reconocido casi universalmente (letras del alfabeto, números, símbolos, etc.). Los archivos de datos que contienen caracteres en este sistema de codificación se denominan a menudo archivos ASCII, aunque también se conocen comúnmente como archivos de "texto". Este sistema de codificación utiliza grupos de 8 dígitos binarios para representar los números de 0 a 255. Cada uno de estos números representa un carácter. Por ejemplo, el número 65 representa la letra A mayúscula. Así, cada carácter ASCII necesita sólo un byte (8 bits) de memoria para su almacenamiento. Hay, claramente, más códigos que letras del alfabeto, números, etc. Debido a su reconocimiento universal, es el sistema de codificación más utilizado para intercambio entre sistemas informáticos. No obstante, no es el modo más eficiente de almacenar datos numéricos. 25

Juan Peña Llopis

Los archivos binarios: Es un formato de archivo de datos en que los números se almacenan en representación binaria. El sistema binario está fundamentado en base 2, donde los números se cuentan usando 1 y 0, y los datos se representan usando series de columnas donde el primer conteo tiene unidad 20, el segundo conteo 21, el tercero 22, y así sucesivamente. Por ejemplo, la secuencia binaria 0010 representa el valor 2 del sistema decimal, la conversión se hace tal como aparece a continuación: 23 * 0 + 22 * 0 + 21 * 1 + 20 * 0 = 2 (en base 10). Los archivos binarios requieren 1 byte/número para los datos enteros, y 4 bytes/número para los datos reales. Los archivos binarios son más eficientes que los archivos ASCII para almacenar datos numéricos. Por ejemplo, el número entero 30.000 necesita 5 bytes para almacenarse en caracteres ASCII y solamente 2 bytes para almacenarse como un número entero codificado en sistema binario (111010100110000), en el que cada carácter binario requiere sólo un bit. Los archivos binarios empaquetados: Se trata de una Codificación por Grupos de Longitud Variable (Run-Length), que es una técnica de compresión de datos para imágenes ráster, cuyas celdas contienen datos enteros. Supongamos una imagen que contiene una fila con los siguientes valores: 44444455555555666622222222222233333 La codificación por grupos de longitud variable para esta línea sería: 64854612253 que indica 6 cuatros, 8 cincos, 4 seises, 12 doses y 5 treses. Esta codificación indica la longitud de la secuencia de los códigos enteros de las celdas. La codificación por grupos de longitud variable se corresponde con la estructura de almacenamiento denominada binario empaquetado. Como el nombre sugiere, los códigos se almacenan en archivos binarios.

4.3. Tipos de almacenamiento en software de S.I.G. La mayor parte del software S.I.G. no suele almacenar la información de una sóla imagen en un único archivo. Normalmente se encuentra dividida en archivos de datos y archivos de documentación como en Idrisi, por otra parte también se encuentra separada en archivos de bases de datos y archivos de referencias y características geométricas como en ArcGIS, de forma que en cada uno de ellos se tienen diferentes datos sobre una misma imagen. Al descomponer una imagen en distintos archivos más simples es una gran ventaja, ya que permite poder trabajar o modificar sobre el archivo en cuestión sin tener que manipular toda la imagen. La forma de almacenamiento de una imagen depende del formato (vectorial o en ráster). A continuación, se indican las características de estos dos formatos. 26


En formato vectorial se suelen encontrar normalmente tres tipos de vectores: puntos, líneas y polígonos, dependiendo del tipo de datos que tengamos que manejar se utilizará un tipo u otro. Cabe mencionar que dependiendo del software utilizado los datos pueden estar en archivos de documentación y datos espaciales, o en archivos de bases de datos y de referencias geométricas. En el caso de tener almacenados los datos en un mismo par de archivos, compuestos por un archivo que contiene los datos espaciales y su correspondiente archivo de documentación, el archivo de datos se puede almacenar en distintos formatos (ASCII o binario). Esta forma de almacenamiento se lleva a cabo en Idrisi. Para tener una mejor idea se incluye un ejemplo de la representación de un archivo vectorial de puntos y sus respectivos archivos de documentación y de datos (Figura 4-2). Archivo de documentación

Representación de un archivo vectorial de puntos

file format file title id type file type object type ref. system ref. units unit dist. min. X max. X min. Y max. Y pos'n error resolution min. value max. value display min display max value units value error flag value flag def'n legend cats

: : : : : : : : : : : : : : : : : : : : : : :

IDRISI Vector A.1 Rainfall Data real binary point sahconc km 1.0000000 0.0000000 956.5145874 0.0000000 759.9583130 unknown unknown 33 228 33 228 mm unknown 0 background 0

Archivo de datos Vector Layer Name Vector Layer Type Reference System Reference Units Unit Distance ID/Value Type Number of Features

: : : : : : :

RAIN Point sahconc km 1 Real 262

Feature Number ID or Value Coordinates (X,Y)

: 1 : 34 : 280.1 755.3


: 2 : 33 : 451.2 754.5


: 3 : 45 : 165.7 734.6

..................

Figura 4-2. Archivo vectorial codificado en archivos de documentación y datos. Si se almacenan los datos en archivos de bases de datos (archivos de referencia) y características geométricas, entonces los datos están estructurados de una forma muy versátil a la hora de introducir nuevas características para las zonas delimitadas. Este modelo lo sigue ArcGIS. En la Figura 4-3 se aprecia un ejemplo.

Figura 4-3. Archivo vectorial codificado en archivos de bases de datos. 27

Juan Peña Llopis

En formato ráster se suele utilizar el primer modelo, en el que los datos se codifican en un archivo de datos y en otro de documentación que hace referencia a estos datos. Dependiendo del programa que se utilice se pueden tener diferentes tipos de categorización de los datos. En la Figura 4-4 se aprecian los dos tipos de distribución de los datos más comunes, el que más se emplea es la distribución de los datos en filas, que se utiliza en Idrisi.

Mapa ráster formado por 8 filas por 8 columnas 1; 1; 1; 1; 4; 4; 4; 4;

1; 1; 1; 2; 4; 4; 4; 4;

1; 1; 2; 2; 2; 4; 4; 4;

1

1

1

1

2

2

2

3

1

1

1

2

2

2

3

3

1

1

2

2

2

3

3

3

1

2

2

2

2

3

3

3

4

4

2

2

2

2

3

3

4

4

4

2

2

2

1

3

4

4

4

2

2

1

1

1

4

4

4

4

1

1

1

1

Datos contenidos en el mapa ráster 1; 2; 2; 2; 2; 2; 2; 4;

2; 2; 2; 2; 2; 2; 2; 1;

2; 2; 3; 3; 2; 2; 1; 1;

2; 3; 3; 3; 3; 1; 1; 1;

Distribución de los datos de forma directa

1 1 1 1 2 2 2 3 1 ...

3 3 3 3 3 3 1 1

Distribución de los datos en columna

Figura 4-4. Dos formas de codificar los datos de un mapa ráster. Este formato ráster se puede almacenar en archivos ASCII, binario y binario empaquetado, siguiendo el orden de mayor a menor capacidad. Aunque, comparando con el formato vectorial los documentos ráster suelen ocupar una cantidad muy superior. Por último, existe una tercera forma de almacenamiento de los mapas en un formato propio que permite agrupar los mapas ráster y vectoriales en una composición. El sistema Idrisi, al igual que ArcGIS, permite realizar una composición de capas ráster y vectoriales en un mismo diseño y guardarlo en formato mapa, que se trata de un formato propio del programa, en el cual se guarda la ruta de los mapas que forman parte de la composición.

28


5. Manejo de datos espaciales. El fin de los S.I.G. no reside sólo en la creación de una base de datos digital que represente datos geográficos. Un S.I.G. debe proveer medidas de selección, búsqueda y análisis de los datos. Este capítulo explica los métodos disponibles para trabajar con las entidades seleccionadas de la base de datos en función de su formato y atributos, así como poder modelizar usando reglas matemáticas y/o lógicas para crear imágenes complejas a partir del análisis de imágenes simples.

5.1. Operaciones con las entidades geográficas discretas (vectorial). En la distribución de entidades en el espacio, la naturaleza de los objetos está dada por sus atributos, el paradero por su localización geográfica o coordenadas, y las relaciones entre diferentes entidades en términos de proximidad o conectividad (topología). Los aspectos de localización, proximidad y topología distinguen los datos geográficos de la mayor parte de otros tipos de datos que se manejan en sistemas de información. Se distinguen los siguientes tipos de análisis de datos por entidades: Operaciones de atributos: Operaciones en uno o más atributos de una entidad. Operaciones en uno o más atributos de múltiples entidades que se solapan en el espacio. Operaciones en uno o más atributos que están conectados directamente (orientación de objetos). Operaciones en uno o más atributos de entidades que están contenidas por otras entidades (puntos en polígonos). Operaciones de distancia/localización: Operaciones para localizar entidades con respecto a una distancia simple Euclídea o un criterio de localización. Operaciones para crear proximidad de zonas (buffer) alrededor de una entidad. Operaciones que utilizan topología espacial: Operaciones para modelizar interacciones espaciales sobre una red conectada. Todas estas operaciones pueden resultar en nuevos atributos, los cuales están asociados a las entidades originales, por esta razón se aumenta el tamaño y el valor de la base de datos. Ciertas operaciones también pueden crear nuevas entidades espaciales, requiriendo la base de datos para incluir estos nuevos entes. 29

Juan Peña Llopis

Operaciones matemáticas para la transformación de atributos: Operaciones lógicas: El álgebra booleana utiliza operaciones lógicas del tipo verdadero o falso (0 ó 1) como resultado de la unión (∨, o), intersección (∧, y), negación (¬, no) y exclusión (∨, xo, exclusivo) de 2 o más mapas. La aplicación de operaciones lógicas puede realizarse para todos los tipos de datos (booleano, nominal, ordinal, escalar o direccional). Estas relaciones simples con frecuencia se suele representar visualmente en la forma de diagramas de Venn (ver Figura 5-1).

A

B

A

AyB

B

A

B

AoB

A

B

A

A xo B

A no B

B

A

B

C

C

(A y B) o C

A y (B o C)

Figura 5-1. Diagramas de Venn mostrando los resultados de aplicar lógica booleana. Operaciones aritméticas: Nuevos atributos como resultado de la adición (+), resta (-), multiplicación (*), división (/), potenciación (^), exponenciación (exp), logaritmos (ln y log10), truncación, raíz cuadrada,... Las operaciones aritméticas pueden ser muy simples o muy complicadas, pero en todos los casos la operación es la misma, se calcula un nuevo atributo como resultado de datos existentes. A continuación se muestran dos ejemplos, una suma de mapas ráster (Figura 5-2) y una reclasificación (Figura 5-3). Imagen A

Imagen B

Imagen C

2

2 0 1

3

+ 0

5

=

3 4

1

Figura 5-2. Ejemplo de operaciones aritméticas entre entidades poligonales. 30

0


Reclasificación

Usos del suelo o cubiertas vegetales

Usos del suelo/cubiertas vegetales principales

Espartal Tomillar, espinar y pastizal Matorral Matorral en afloramientos rocosos Reciente repoblación de pinos (subsolado) Terrazas con repoblación de pinar sobre espartal Repoblación de pinar sobre matorral Antigua repoblación de pinos (subsolado) Plantaciones de pinar sobre espartal (ahoyado) Viñedo Cultivo de secano Almendros y olivos Campos abandonados aterrazados Cultivos de regadío intensivo abandonados Urbano e industrial Agua Erial y campos sin cultivar Badlands y comunidades de rambla Parque municipal

Comunidades de Stipa tenacissima Comunidades arbustivas Repoblación de pinos Pinar maduro Cultivos Campos abandonados Urbano Badlands

Figura 5-3. Reclasificación de categorías de un mapa para la generalización del mismo. Operaciones trigonométricas: Los nuevos atributos son el resultado de calcular el seno, coseno, tangente o sus inversas (arcoseno, arcocoseno y arcotangente), o conversión de grados a radianes de los datos iniciales. Operaciones con el formato de datos: Los mismos atributos pero expresados con distinto tipo de datos (booleano, nominal, ordinal, direccional, entero, real o topológico). Operaciones estadísticas: Los nuevos atributos son la media, moda, mediana, desviación estándar, varianza, mínimo, máximo, rango, asimetría, kurtosis, etc. de un atributo representado por n entidades. Operaciones multivariadas: Los nuevos atributos están calculados por un modelo numérico de un proceso físico, por un modelo multivariado de regresión, por un análisis de componentes principales, análisis factorial, análisis de correspondencia, etc. 31

Juan Peña Llopis

En las operaciones de atributos se incluyen el caso en el que los atributos de dos o más entidades se encuentran completa o parcialmente ocupados o cubiertos en el mismo espacio. En este caso puede darse una inclusión cuando la entidad A contiene a la B y un solapamiento cuando la entidad A cruza la B o la A solapa la B. En la Figura 5-4 se muestran tres resultados diferentes, en función del tipo de operación que se lleve a cabo entre las imágenes A y B. En el caso primero se trata de una unión booleana cuyo resultado es un mapa más completo con mayor cantidad de unidades. El segundo caso es un recubrimiento, en el que la imagen B prevalece sobre la A. El tercer caso consiste en una intersección y sólo aparecen las zonas comunes de ambas imágenes. Imagen A A

Imagen B

Imagen C A

B

B C XC

C

1)

B A

A

A

X

+

=

B A

A

B

B C

C

2)

B A

A

A

XB XA A

+

X

+

X

=

X

B A

A

B C

3)

B A

A

=

C B

A

Figura 5-4. Tipos de superposición de polígonos.

Una de las aplicaciones más importantes de estas operaciones son los métodos de evaluación multicriterio. Estos métodos se han desarrollado para proporcionar al usuario el medio de determinar nuevos atributos que indiquen respuestas alternativas a los problemas que envuelven múltiples y conflictivos criterios. En la Figura 5-5 se detallan los pasos de un ejemplo, que consiste en determinar el sitio idóneo para llevar a cabo un tipo de actividad. Se utiliza la evaluación multicriterio de tipo booleana, en la que las imágenes estarán codificadas por valores booleanos (0 y 1), 0 para las zonas no aptas y 1 para las aptas. Así se determina la idoneidad del terreno en función de las variables: altitud <330m, pendiente <5º, orientación S, usos no forestales y distancia <200m a las vías de acceso, que se multiplican entre sí y de esta forma se obtienen las zonas aptas, y de éstas se seleccionan las que tengan tamaño superior a 1 hectárea. 32


Modelo Digital de Elevaciones

Mapa de elevaciones inferiores a 330 m

Mapa de vías de acceso

Mapa de pendientes

Mapa de orientaciones

Mapa de usos del suelo

Mapa de pendientes inferiores a 5º

Mapa de orientación al S (135º a 225º)

Mapa de usos no forestales

Producto de todos los mapas booleanos creados Mapa de las zonas que cumplen los requisitos

Mapa de distancia a las vías de acceso

Mapa de distancia inferior a 200 m a las vías de acceso

Mapa del tamaño de las zonas que cumplen los requisitos

Mapa de las zonas idóneas de tamaño superior a 10000 m2

Figura 5-5. Diagrama de flujos de operaciones para evaluar la idoneidad del terreno.

33

Juan Peña Llopis

Operaciones de distancia/localización: Las operaciones de distancia, conocidas como procesos de creación de áreas de proximidad o amortiguamiento o también como procesos de buffering, se utilizan para marcar una zona alrededor de la entidad inicial donde los límites de la zona o buffer se encuentran a una distancia D de las coordenadas de la entidad original. El área de proximidad o buffer es de hecho un nuevo polígono que puede utilizarse como una ayuda temporal para la creación de mapas posteriores. La determinación de si una entidad está dentro/fuera o solapando la zona de buffer se obtiene con el uso de las operaciones lógicas y matemáticas descritas en el punto anterior. En la Figura 5-6 se presenta un ejemplo de creación de una zona de amortiguamiento o buffer alrededor de la red de drenaje y su posterior análisis mediante la superposición de un mapa de unidades del paisaje.

Mapa de la red de drenaje

Mapa de la zona de proximidad A

B C B A

A

Mapa de unidades del paisaje

Mapa generado a partir de la superposición del mapa de proximidad de la red de drenaje y las unidades del paisaje

Figura 5-6. Generación de zonas de amortiguamiento alrededor de entidades exactas.

Operaciones que dependen de la conectividad: Se trata de operaciones en las cuales las entidades están directamente conectadas a la base de datos; la conexión puede ser espacial, como en el caso de contigüidad en el que el punto A es vecino de B, o el caso en el que A está conectado a B por una red topológica. Las entidades pueden también estar conectadas por una topología interna, con lo cual las entidades espaciales están hechas de conjuntos de subentidades, como en el caso de la programación orientada a objetos.

34


5.2. Operaciones con las entidades geográficas continuas (ráster). Las entidades geográficas continuas proporcionan una base para la modelización espacial, particularmente cuando los datos están contenidos en rejillas de celdas cuadradas y regulares. Como se había explicado anteriormente, los mapas ráster son los más utilizados para el análisis de los datos espaciales, ya que poseen la ventaja de que cada atributo de la base de datos está registrado en su respectiva celda. Las operaciones que se suelen realizar con estos mapas son las operaciones de álgebra de mapas, las operaciones puntuales y las operaciones espaciales. Las operaciones de álgebra de mapas: Los métodos de álgebra de mapas permiten llevar a cabo las operaciones matemáticas entre distintos mapas ráster, como es el solapamiento entre mapas, con lo que se facilita la creación de modelos numéricos. Para realizar todo este proceso, de forma correcta, es necesario tener todos los mapas con sus respectivos valores de los atributos referenciados en un mismo sistema geométrico uniforme, con el mismo número y disposición de celdas o píxeles en el ráster. De lo contrario, se pueden cometer gran cantidad de errores tanto de pérdida de información o de mal emparejamiento de los datos. Estos métodos de álgebra de mapas permiten al usuario tener que especificar sólo las operaciones espaciales para ser utilizadas, los nombres de los mapas a utilizar y el nombre del mapa resultante. Entonces el programa de ordenador aplica la operación a todas las celdas o píxeles en el solapamiento. Este procedimiento hace muy simple la creación de modelos como secuencias de cálculos. Por ejemplo, para calcular la suma de 3 mapas en un mapa nuevo se puede aplicar el siguiente comando: Mapa 1 + Mapa 2 + Mapa 3 = Nuevo mapa

Las operaciones puntuales: Todas las operaciones lógicas y numéricas dirigidas para puntos, líneas y polígonos presentados en el punto anterior se pueden aplicar para el caso de mapas ráster. Esto significa que los valores, para una misma malla de celdas de distintos mapas, pueden ser seleccionados lógicamente, añadidos, restados, o manipulados por algún método matemático que sea permitido por el tipo de datos en cuestión. Por lo tanto, se pueden escribir comandos que puedan añadir o restar números reales, pero no números que estén codificados en tipos de datos booleanos o nominales, que sólo pueden ser operados con operadores lógicos. A continuación, se muestra un ejemplo de operaciones puntuales entre mapas en la Figura 5-7. 35

Juan Peña Llopis

Imagen A

Imagen B

Imagen C

2 3 4

3

2

4

5

5

8

3

6

3

4

9

8

5

4

4

8

8 10

1 3 5 3 4 6

+

=

Figura 5-7. Ejemplos de operaciones puntuales en las celdas.

Las operaciones espaciales: El uso de datos en mallas de celdas tiene sus ventajas y desventajas en comparación con las bases de datos de vectores formados por entidades conectadas topológicamente. Entre las desventajas se incluye el problema de que las formas exactas de las entidades se aproximan mediante celdas o píxeles. Las ventajas son que proporcionan un sistema muy adecuado para las operaciones de análisis espacial que poseen múltiples usos. Las siguientes operaciones calculan un nuevo atributo para una celda dada a partir de una determinada función de los atributos de las celdas vecinas. En la mayor parte de los S.I.G. el tamaño de las celdas es siempre fijo y uniforme a lo largo de la imagen, pero existen otros donde varía y requieren aplicar modificaciones a los algoritmos. Estas operaciones espaciales incluyen: • • • • •

Interpolación. Filtrado espacial. Derivadas de primer y segundo orden. La derivación de la topología superficial: red de drenaje y delineación de cuenca. Visión desde puntos, sombras en el relieve e irradiancia.

De todas estas operaciones la de mayor importancia es la del filtrado espacial, se trata de un método simple consistente en hacer pasar una matriz cuadrada sobre la superficie y calcular un nuevo valor para la celda central de la matriz como la función de los valores de las celdas cubiertas por la matriz. Este tipo de operación es conocida también como convolución. La matriz con frecuencia suele ser de un tamaño de 3x3 celdas, pero también sirve cualquier otro tipo de matriz cuadrada (5x5, 7x7, etc.). La ecuación general es: ci-1,j-1 ci,j-1 ci+1,j-1 ⎛ i+m j +n ⎞ ci-1,j Ci,j ci+1,j Ci , j = f ⎜⎜ ∑∑ ci , j ⎟⎟ i − m j − n ⎠ ⎝ ci-1,j+1 ci,j+1 ci+1,j+1 donde se aplica la operación f para la matriz cuadrada de tamaño 2m+1, 2n+1 y cuyo resultado viene a ocupar en la imagen resultante el valor central de la matriz utilizada. 36


Los filtros que se utilizan comúnmente en operaciones son:

Filtros de suavizado o de paso bajo. El valor para la celda del centro de la matriz o ventana se calcula como un simple promedio de los valores de las otras celdas. En la Figura 5-8 se tiene un ejemplo de operaciones estadísticas aplicables para el filtrado de datos espaciales. En sistemas capaces de utilizar números reales con componentes decimales estos análisis pueden procesarse con normalidad, pero hay muchos sistemas de sensores remotos en los que tanto las entradas como las salidas están en números enteros.

2 3 4

2

3

4

2

1 5 5

1

6

5

1 31 5

3 4 6

3

4

6

3

Rango

Diversidad

3 4

4 6

Total

2 3 4

2

3

4

2

1 1 5

1

3

5

1 3.4 5

3 4 6

3

4

6

3

Mínimo

3 4

4 6

Media

2 3 4

2

4

2

3

4

1 6 5

1 1.5 5

1

3

5

3 4 6

3

3

4

6

Máximo

3 4

6

Desviación Estándar

Moda

Figura 5-8. Operaciones estadísticas aplicables para el filtrado de datos espaciales.

Los filtros de paso bajo o suavizado, tienen el efecto de eliminar los extremos de los datos, produciendo una imagen más suavizada (ver Figura 5-10). Para datos nominales u ordinales (y también enteros), la media aritmética tiene que ser reemplazada por la moda, que es el valor más común. Utilizar un filtro modal en un mapa nominal (por ejemplo unidades del suelo), puede ser una forma útil para simplificar un mapa complejo, pero este suavizado de la imagen es una operación diferente al procedimiento de generalización de un mapa mediante la reclasificación de los atributos y unión de los mismos.

37

Juan Peña Llopis

De una manera similar, los valores máximos o mínimos y su diferencia, es decir, el rango puede ser fácilmente calculado. La diversidad (el número de valores diferentes en la matriz) o la diferencia entre dos celdas en cualquier de los 4 ejes direccionales dentro de la matriz son opciones alternativas. Para los datos nominales y ordinales el valor menos común o minoritario y la diversidad son operaciones útiles para indicar la complejidad local del patrón espacial. Cada procedimiento puede ser aplicado mediante el uso del operador apropiado. En la Figura 5-9 se tienen dos ejemplos de filtros de suavizado y en ambos se calcula la media de los valores; en el primer caso se utiliza una matriz 3x3 y en el segundo caso una 5x5, produciéndose en esta última un suavizado mayor.

1

2

3

1/15 2/15 1/15 2 2/15 3/15 2/15 3 1/15 2/15 1/15 1

1 2 3 4 5

1

2

3

4

5

1/65 2/65 3/65 2/65 1/65

2/65 3/65 4/65 3/65 2/65

3/65 4/65 5/65 4/65 3/65

2/65 3/65 4/65 3/65 2/65

1/65 2/65 3/65 2/65 1/65

Figura 5-9. Ejemplos de filtros de 3x3 y 5x5.

Filtros de borde o de paso alto. Se trata de la inversa del filtro de paso bajo o suavizado, de esta forma se realza el rango corto de propiedades espaciales de la superficie continua, las áreas que se realzan son las de cambio rápido o complejidad. El filtro de paso alto se define como: Superficie original – Imagen de paso bajo = Imagen de paso alto Las cualidades del filtro de paso alto, por lo tanto, dependen de cómo esté definido. Alternativamente, un conjunto de ponderaciones puede ser definido para la ventana. El filtro más común se denomina filtro de Laplace: 0 0 0

1 -4 1

0 1 0

En la Figura 5-10 se muestra la aplicación de un filtro de paso alto para la determinación de las zonas de tasas máximas de cambio en una superficie continua. Los filtros de borde se utilizan también para perfilar áreas relativamente uniformes en la superficie continua proporcionadas por imágenes de sensores remotos. La derivación de bordes afinados y píxeles de límites se utiliza con frecuencia para inferir la presencia de entidades espaciales discretas en la imagen, la cual finalmente puede ser extraída y vectorizada. 38


M.D.E. original

M.D.E. tratados con filtros de paso bajo de 3x3



M.D.E. tratados con filtros de paso alto de 3x3

Figura 5-10. El efecto de utilizar filtros paso bajo y alto.

5.3. Creación de superficies continuas a partir de datos puntuales. En este punto se explicarán los métodos de creación de superficies continuas para mapear la variación de atributos sobre el espacio. Las fuentes de datos comúnmente son observaciones en una distribución de muestras de puntos dispersos, como pozos en el subsuelo, perfiles de suelo, estaciones meteorológicas o presencia/ausencia de datos de vegetación o conteo de animales, personas o puntos de venta de productos para unidades espaciales básicas, como mallas de puntos o áreas administrativas. Los resultados normalmente son interpolados a mallas regulares y pueden ser representados como mapas con una paleta de escala de colores o tonos de grises o por líneas de color. Se describen las estrategias de muestreo espaciales y métodos de predicción espacial incluyendo métodos globales de clasificación y regresión y métodos de interpolación locales determinísticos. Los modelos digitales de elevaciones y ortofotomapas están examinados como casos especiales de superficies continuas. 39

Juan Peña Llopis

•

Interpolación. Fuentes y métodos de interpolación.

La interpolación es el procedimiento para predecir el valor de los atributos en sitios donde no se ha muestreado, a partir de medidas realizadas en localizaciones puntuales en el mismo área o región. La predicción del valor de un atributo en sitios fuera del área de recubrimiento, a partir de observaciones existentes se denomina extrapolación. La interpolación se utiliza para convertir datos desde observaciones puntuales a campos continuos, así pues, los patrones espaciales muestreados por estas medidas pueden ser comparados con los patrones espaciales de otras entidades espaciales. La interpolación es necesaria en los siguientes casos:

La superficie discreta tiene diferente nivel de resolución, tamaño de celda u orientación desde donde se requiere. Consiste en la conversión de imágenes escaneadas (documentos, fotografías aéreas o imágenes de sensores remotos) de una malla de teselación con un tamaño y/o orientación dado a otro. Este procedimiento se conoce generalmente como convolución.

La superficie continua se representa por un modelo de datos que es diferente de los requeridos. Son las transformaciones de superficie continua de un tipo de teselación a otro. Por ejemplo, conversión T.I.N. (Triangulated Irregular Network) a ráster o ráster a T.I.N. o polígono vectorial a ráster.

Los datos no cubren el ámbito de interés completamente. Se trata de las conversiones de datos de conjuntos de muestras puntuales que se discretizan en una superficie continua. Se deben distinguir situaciones con muestreos densos y dispersos o datos recogidos a lo largo de amplios transectos. Los muestreos densos son comunes cuando se crean superficies hipsométricas para representar variaciones en la elevación de la superficie del terreno (M.D.E.), a partir de fotografías aéreas e imágenes de satélite donde la fuente de datos es barata y los atributos se pueden observar directamente. Los muestreos dispersos se han impuesto por el coste de tediosos análisis de laboratorio y estudios de campo, la variación espacial de los atributos de interés no puede ser vista y debe ser derivada indirectamente.

Las superficies continuas obtenidas de la interpolación pueden ser usadas para superponer mapas en un S.I.G. o ser representadas como tales. Estas superficies pueden estar constituidas por modelos de datos de líneas de contorno, mallas de celdas regulares (rásters) o por redes de triángulos irregulares. Como consecuencia de que las superficies interpoladas varían continuamente sobre el espacio, las interpolaciones en las mallas regulares deben estar representadas por una estructura de datos en la cual cada celda o píxel puede tomar un valor diferente, pero tiene el inconveniente de la cantidad de espacio que ocupa en memoria. 40


Los datos originales pueden aparecer como muestras puntuales distribuidas regularmente o irregularmente en el espacio (y/o tiempo), y éstas pueden tomarse de superficies en malla de celdas, como las imágenes de sensores remotos e imágenes escaneadas. Los atributos predichos mediante la interpolación se expresan generalmente como los mismos tipos de datos que se han medido, pero algunos métodos de interpolación proporcionan medidas para estimar funciones indicadoras que muestren la probabilidad de que el valor dado sea excesivo o que pueda ocurrir. Fuentes de datos para la interpolación: Las fuentes de datos para superficies continuas incluyen:

Estereofotopares aéreos o imágenes satélite superpuestas usando fotogrametría. Escáners en satélites o aviones y documentos escaneados. Muestras puntuales de atributos medidos directamente o indirectamente en el campo en muestras aleatorias, estructuradas o de patrones lineales, como los transectos regulares o contornos digitalizados. Mapas de polígonos digitalizados. La mayor parte de los datos de interpolación vienen del muestreo de un complejo patrón de variación mediante pocos puntos. Cuando los datos están muy dispersos es muy útil obtener información de los procesos físicos o fenómenos que causan el patrón, y sirven para realizar la interpolación. En la mayoría de casos, sin embargo, el proceso físico es desconocido y se deben tomar varios tipos de suposiciones sobre la naturaleza de la variación espacial del atributo en cuestión. La localización de los puntos de muestreo puede ser crítica para la realización de los análisis. Idealmente, para conseguir un mapeo representativo, los muestreos deberían estar localizados sobre todo el área. Un muestreo completamente regular puede tener prejuicios, sin embargo, si éste coincide en frecuencia con el patrón regular del paisaje, como las zonas de drenaje entre árboles, no será muy correcto. Por esta razón los estadísticos han preferido tener algún tipo de muestreo aleatorio para calcular medias y varianzas libre de fallos. En la Figura 5-11 se presentan las principales opciones disponibles. Un buen compromiso entre muestreos aleatorios y regulares está proporcionado por el muestreo aleatorio estratificado, donde los puntos individuales están localizados en sitios aleatorios dentro de estratos regulares. El muestreo anidado o de cluster, puede ser utilizado para examinar la variación espacial a escalas diferentes. El muestreo en transecto regular se utiliza con frecuencia para estudiar perfiles de ríos, playas y laderas de colinas. Digitalizar líneas de contorno es un método común de muestreo de mapas impresos para crear modelos digitales del terreno (M.D.E.). 41

Juan Peña Llopis

Muestreo regular

Muestreo aleatorio

Muestreo en transecto

Muestreo anidado Muestreo aleatorio Muestreo en contorno o de cluster estratificado Figura 5-11. Diferentes tipos de muestreos para adquirir datos espaciales puntuales. Métodos para la interpolación: Los métodos de interpolación se dividen en: ¾ Métodos globales: clasificación usando información externa, superficies de tendencia en coordenadas geométricas, modelos de regresión y métodos de análisis espectral. ¾ Métodos locales determinísticos: métodos de polígonos Thiessen, ponderación lineal y de la inversa de la distancia. Todos estos métodos son relativamente directos, requiriendo sólo el entendimiento de los métodos estadísticos determinísticos o simples. Estos métodos están frecuentemente incluidos en el S.I.G. comercial, aunque los métodos de operación rara vez están dados. Los interpoladores globales utilizan todos los datos disponibles para proporcionar predicciones en todo el área de interés, mientras que los interpoladores locales operan dentro de una zona pequeña alrededor de los puntos que van a ser interpolados para asegurar que las estimaciones están hechas solo con los datos de localizaciones en las inmediaciones de los vecinos, y ajustando lo mejor posible. Los interpoladores globales son los más utilizados, no para interpolación directa, sino para examinar y eliminar los efectos de variaciones globales causados por las tendencias principales o la presencia de varias clases de terrenos que indiquen distintos valores promedio. Una vez los efectos globales se han tomado con cuidado, los residuales de las variaciones globales se pueden interpolar localmente. Los métodos globales son usualmente más simples de calcular y con frecuencia están basados en ideas estadísticas como el análisis de la varianza y la regresión. 42


Métodos globales: Predicción global usando modelos de clasificación: cuando los datos espaciales son escasos y dispersos es conveniente asumir que las observaciones que se toman desde una población estadísticamente estacionaria (la media y varianza de los datos son independientes tanto de la localización como del tamaño del área). Si se opta por lo anterior, se selecciona automáticamente una aproximación clasificadora de la predicción espacial, implicando que la estructura espacial de la variación está determinada por estas unidades definidas externamente. Se escoge la clasificación, y se pueden calcular las predicciones usando un análisis de la varianza conocido y estándar. La clasificación por polígonos homogéneos asume que la variación dentro de una unidad es menor que entre unidades; los cambios más importantes tienen lugar en los límites. Este modelo conceptual se utiliza comúnmente en el cartografiado del suelo y del paisaje para definir "homogéneas" unidades del suelo, unidades del paisaje, ecotopos, etc. donde los "objetos" han sido reconocidos como características útiles para tener información sobre otros aspectos del paisaje. El modelo estadístico más simple es el modelo ANOVAR:

z(x0) = µ + αk + ε

donde la z es el valor del atributo en la localización x0, µ es la media general de z sobre el dominio de interés, αk es la desviación entre µ y la media de unidad k, y ε es el error residual, conocido a veces como ruido. Las suposiciones que tiene este modelo son: (a) las variaciones del valor z dentro del mapa son aleatorias, (b) todas las unidades mapeadas tienen la misma varianza (ruido) dentro de los polígonos, (c) todos los atributos están normalmente distribuidos y (d) todos los cambios espaciales tienen lugar en los límites, los cuales son finos y no graduales. Interpolación global utilizando superficies de tendencia: este método se utiliza cuando la variación de un atributo ocurre continuamente sobre un paisaje y éste se puede modelizar por una superficie matemática. Hay varias maneras de realizar el modelo: todos ellos ajustan las observaciones de los puntos de datos a algunas ecuaciones polinomiales, con lo cual los valores de las localizaciones sin muestrear se calculan a partir de sus coordenadas. La forma más simple de modelizar las variaciones espaciales es por una regresión múltiple de los valores de los atributos enfrentados a su localización geográfica. La idea es ajustar una línea o superficie polinomial, dependiendo de si los datos de origen están en 2 ó 3 dimensiones. Se asume que las coordenadas espaciales (x,y) son variables independientes, y que la z, es el atributo de interés, la variable dependiente z está normalmente distribuida. También, se asume que los errores de regresión son independientes de la localización, lo cual no siempre ocurre. 43

Juan Peña Llopis

Como un simple ejemplo, se considera el valor de un atributo ambiental z que ha sido medida a lo largo de los puntos x1, x2, xn en un transecto. Si, aparte de la variación, el valor z se incrementa linealmente con la localización x, su rango de variación puede ser aproximado por un modelo de regresión:

z(x) = b0 + b1x + ε donde b0 y b1 son los coeficientes polinomiales conocidos respectivamente como la intersección y la pendiente en una regresión simple. El residual ε (el ruido) se asume normalmente distribuido e independiente de los valores x. En la mayoría de circunstancias z no es una función lineal de x, pero puede variar de una forma muy complicada, como los modelos cuadráticos o incluso de orden superior:

z(x) = b0 + b1x + b2x2 + ε Con el incremento del número de términos es posible ajustar cualquier conjunto de puntos mediante una curva complicada, de este modo reduciendo la ε a cero. En 2 dimensiones los polinomios derivados por regresión múltiple en coordenadas x e y son superficies de la forma de la siguiente función, en el que los 3 primeros son:

f {( x, y )} =

∑ (b

r + s≤ p

rs

b0 · x r · y s ) b + b ·x + b ·y 0 1 2 b0 + b1·x + b2·y + b3·x2 + b4·xy + b5·y2

uniforme linear cuadrática

El entero p es el orden de la superficie de tendencia. Hay P = (p+1 ) (p+2 ) coeficientes que están normalmente elegidos para minimizar n

2

∑ {z ( xi ) − f ( xi )} i =1

donde x es el vector notación para (x,y). Entonces, un plano horizontal es de orden cero, un plano inclinado es de primer orden, una superficie cuadrática es de segundo orden y una superficie cúbica con 10 parámetros de tercer orden. Encontrar los coeficientes bi es un problema estándar en la regresión múltiple, de este modo los cálculos son fáciles con paquetes estadísticos estándares. La ventaja de los análisis de superficie de tendencia reside en ser una técnica que es superficialmente fácil de entender, al menos con respecto al tipo de superficie que se tiene que calcular. En la Figura 5-12 se muestran dos ejemplos de interpolaciones globales con superficies de tendencia que se obtienen a partir de puntos o líneas. 44


Mapa de datos puntuales

Mapa de datos lineales

Mapa TIN interpolado

Mapa ráster interpolado

Figura 5-12 . Interpolación de superficies de tendencia con datos puntuales y lineales.

Predicción espacial utilizando regresión global en los atributos: Las coordenadas geográficas y sus atributos asociados pueden ser combinados en una regresión que utilice la mayor cantidad de información posible de los datos. Un punto importante a tener en cuenta es que el modelo de regresión tiene un sentido físico, por lo tanto se puede considerar que los modelos de regresión tienen interpoladores inexactos. El modelo de regresión se suele presentar de la siguiente forma: z(x) = b0 + b1P1 + b2P2 + ε

donde b0 ... bn son coeficientes de regresión y P1 ... Pn son propiedades independientes.

En la Figura 5-13 se representa un ejemplo en el que las variables independientes son la distancia a las vías de acceso, la precipitación y el número de habitantes, y la variable dependiente es la concentración de zinc. Estos métodos de regresión múltiple están disponibles en la mayor parte de los paquetes estadísticos. El mismo procedimiento puede ser utilizado con cualquier grupo de variables independientes y dependientes, como la temperatura con la altitud, la precipitación con la distancia al mar, la composición de la vegetación como una función de la humedad, etc. 45

Juan Peña Llopis

= Mapa de cantidad de Zn en el suelo (ppm)

+ Mapa de distancias a las vías de acceso (m)

+ Mapa de precipitaciones (mm)

Mapa del número de habitantes por provincia

ZINC = - 0.0992*DIST.VIAS - 0.0253*PRECIP + 0.2424*NºHAB + 87.0431

R2 = 0.397

Figura 5-13. Resultados de la regresión múltiple.

Métodos locales: Todos los métodos presentados hasta ahora habían impuesto una estructura espacial global externa en la interpolación. En todos los casos, el corto rango de las variaciones locales había sido descartado como ruido aleatorio y sin estructura. Intuitivamente, estos métodos no son sensibles, como se espera que el valor de un punto sin visitar sea similar a los valores medidos directamente. Por lo tanto, los usuarios, científicos y desarrolladores han buscado métodos locales para la interpolación que utilicen directamente la información desde los puntos de datos más cercanos. Para esta aproximación, la interpolación tiene que tener en cuenta: (a) la definición de puntos vecinos alrededor de los puntos a predecir, (b) la búsqueda de puntos de datos dentro de los puntos vecinos, (c) la elección de una función matemática para representar la variación sobre un número limitado de puntos (d) la evaluación de los puntos sobre una malla regular. El procedimiento se repite hasta que todos los puntos de la malla han sido calculados. Los siguientes puntos tienen que ser tomados en cuenta a la hora de utilizar un interpolador local: El tipo de función de interpolación que se use. El tamaño, forma y orientación de los puntos vecinos El número de puntos de datos La distribución de los puntos de datos: malla distribuida regular o irregularmente La posibilidad de incorporación de la información externa en las tendencias. Se pueden examinar los puntos en distintas funciones de interpolación, específicamente: 1) Los vecinos más cercanos (los polígonos de Thiessen o Voronoi). 2) La ponderación de la inversa de la distancia. 3) Las láminas y otras funciones no lineales (ej. Laplace). 4) Las funciones óptimas utilizando covariación espacial. 46


•

Modelos Digitales de Elevaciones (M.D.E.).

Los Modelos Digitales de Elevaciones (M.D.E.) son un caso especial de una superficie continua interpolada con gran cantidad de usos en un S.I.G. Los M.D.E. fueron calculados inicialmente como un precursor de los ortofotomapas, pero a día de hoy tienen gran cantidad de aplicaciones: • •

Almacenar datos de elevación de mapas topográficos digitales en bases de datos nacionales. Crear ortofotomapas digitales y analógicos.

•

Aclarar problemas en el diseño de carreteras y otros proyectos de ingeniería civil o militar.

•

Representar tridimensionalmente el terreno para propósitos militares y para el diseño de paisajes y planificación.

•

Analizar la visibilidad en el campo.

•

Planificar rutas de carreteras, localización de presas, etc.

•

Realizar análisis estadísticos y comparación de diferentes tipos de terreno.

•

Fuente de datos para mapas derivados: orientaciones, insolación, pendiente, perfil de la curvatura, modelización de hidrología y ecología.

•

Como una base sobre la que representar información temática para combinar los datos de relieve con datos temáticos como suelos, usos del suelo, o vegetación.

•

Proporcionar datos para la simulación de modelos de paisajes y procesos de paisajes.

La variación de elevación en la superficie de un área puede ser modelizada de muchas maneras. Los M.D.E. pueden estar representados por imágenes de superficies, puntos o líneas definidas matemáticamente. Las líneas suelen utilizarse para representar los contornos o isolíneas, y características críticas como ríos, sierras, líneas de costa y cortados en la pendiente. En los S.I.G. los M.D.E. suelen estar modelizados por mallas regulares (matrices de altitud) y red de triángulos irregulares o TIN. Las dos formas son interconvertibles y la preferencia de una u otra depende del tipo de análisis de datos que se necesite realizar. Las matrices de altitud son la forma más común de superficie de elevación discreta. Originalmente, éstas han derivado de medidas cuantitativas de fotografías aéreas estereoscópicas creadas en restituidores espaciales analíticos. Alternativamente, la matriz de altitud puede ser producida por interpolación de puntos espaciados irregularmente o regularmente de la misma forma que otros datos cuantitativos. 47

Juan Peña Llopis

Debido a su facilidad de uso, las matrices suelen ser manejadas en el ordenador, en particular en S.I.G., basadas en formatos ráster, como el Idrisi. Utilizando las paletas de colores adecuadas se pueden mostrar convenientemente los cambios de altitud, y mediante vistas tridimensionales se puede mostrar el aspecto del relieve desde cualquier punto de vista y de este modo conocer de forma general la estructura del territorio. A continuación se ha creado un ejemplo en el que a partir de las curvas de nivel se han interpolado y se ha obtenido un mapa de superficie continua que es el M.D.E. (ver Figura 5-14) y posteriormente se puede representar en tres dimensiones.

Interpolación

Mapa de curvas de nivel o isolíneas

Mapa del modelo digital de elevaciones

Representación tridimensional del modelo digital de elevaciones

Figura 5-14. Creación de un modelo digital de elevaciones (M.D.E.).

A partir de los M.D.E. se suelen derivar gran cantidad de mapas, como pueden ser: mapa de pendientes, mapa de orientaciones, mapa de iluminación, mapa de campo de visión, mapa de características topográficas, etc. (ver Figura 5-15). De aquí la importancia que tienen los M.D.E. a la hora de extraer gran cantidad de información.

M.D.E.

Mapa de pendientes

Mapa de orientaciones

Mapa de iluminación

Figura 5-15. Tipos de mapas que se pueden extraer de un M.D.E.

48

Mapa de escorrentía


•

Red de triángulos irregulares.

Aunque, las matrices de altitud son útiles para calcular contornos, ángulos de pendientes, mapas de iluminación y delineación automática de cuencas, el sistema de malla regular también manifiesta desventajas. Estos inconvenientes incluyen: Gran cantidad de datos redundantes en áreas de terreno uniforme. La incapacidad de adaptar áreas de diferente complejidad de relieve sin cambiar el tamaño de malla. El énfasis exagerado a lo largo de los ejes de la malla para ciertos tipos de cálculos.

La red de triángulos irregulares o en inglés Triangulated Irregular Network (T.I.N.) fue diseñada por Peuker y colaboradores para modelos digitales de elevaciones que eviten las redundancias de las matrices de altitud y con los que al mismo tiempo pudieran tener de forma eficiente muchos tipos de cálculos (en forma de pendientes) como los sistemas basados en contornos digitales. Un TIN es un modelo del terreno que utiliza una extensión de triángulos continuos y conectados basados en la triangulación de Delaunay de irregulares nodos espaciados o puntos de observación. Al contrario de las matrices de altitud, los TIN aportan información extra para ser recogida en áreas de relieve complejo sin la necesidad de tomar gran cantidad de datos redundantes de áreas de relieve simple. Consecuentemente, el proceso de captura de datos para un TIN suele específicamente seguir cordilleras, líneas de ríos, y otras características topológicas que pueden ser digitalizadas para la exactitud requerida. Los TIN proporcionan eficiencia, precisión en el almacenamiento de los datos de elevación a expensas de introducir una discretización triangular que puede impedir algunos tipos de análisis espaciales. Los TIN están modelizados con un vector de estructura topológica similar a los usados por redes de polígonos. La gran diferencia con los polígonos vectoriales es que en los TIN no se ha hecho la disposición de islas o agujeros. Peuker et al. (1978) demostró que la estructura TIN puede ser construida a partir de datos capturados mediante digitalización manual o desde selección automatizada de puntos y triangulación de datos densos de ráster mediante máquinas automatizadas de ortofotos (ver Figura 5-16). Éstas muestran que la estructura TIN puede utilizarse para generar mapas de pendientes, relieve, contornos, perfiles, horizontes y mapas de líneas de visión.

Mapa de puntos

Red de triángulos irregulares entre los puntos

Figura 5-16. Construcción de un TIN

49

Mapa TIN

Juan Peña Llopis

•

Geoestadística. Variogramas y kriging.

Los métodos geoestadísticos utilizan métodos de autocorrelación espacial, conocida como kriging, que requiere un conocimiento de los principios de la autocorrelación estadística espacial. Estos métodos se utilizan cuando la variación de un atributo es tan irregular, y la densidad de las muestras es tan alta, que los métodos de interpolación pueden dar predicciones irreales. Los métodos geoestadísticos proporcionan estimaciones probabilísticas de la calidad de la interpolación. También, éstas permiten realizar predicciones para superficies superiores a la analizada. Además, los métodos geoestadísticos posibilitan la interpolación de funciones indicadoras y pueden incorporar datos para guiar la interpolación, produciendo un aumento de la precisión de los resultados. Algunos S.I.G. incluyen métodos geoestadísticos simples, pero usualmente éstos están limitados en este ámbito y es mejor exportar los datos a programas más especializados en geoestadística. Los métodos geoestadísticos para interpolación comenzaron con el reconocimiento que la variación espacial de cualquier atributo continuo es con frecuencia demasiado irregular para ser modelizado por una simple función matemática. En su lugar, la variación puede estar descrita mejor por una superficie estocástica. Los atributos se conocen como variable regionalizada; el término se aplica igualmente a la variación de la presión atmosférica, elevación sobre el nivel del mar, o la distribución de indicadores demográficos continuos. Los métodos geoestadísticos proporcionan las maneras de suplir las carencias de los métodos determinísticos de interpolación, y asegurar que la predicción de los valores del atributo es óptima en los términos de las suposiciones hechas. Los métodos de interpolación en geoestadística, desarrollados por Matheron, Krige y colaboradores, son óptimos en el sentido de que los pesos se han seleccionado para optimizar la función de interpolación. La misma teoría puede ser utilizada para optimizar muestras. La teoría de la variable regionalizada asume que la variación espacial de cualquier variable puede ser expresada como la suma de los tres componentes mayores. Estos son (a) un componente estructural, que posee una media o tendencia constante. (b) un componente aleatorio, pero espacialmente correlacionado, conocido como la variación de la variable regionalizada. (c) un ruido aleatorio no correlacionado espacialmente o un término de error residual. Teniendo a x como una posición en 1, 2 ó 3 dimensiones. Entonces el valor de una variable Z para x está dado por: Z(x) = m(x) + ε'(x) + ε" 50


donde m(x) es una función determinística describiendo el componente estructural Z para x, ε'(x) es el término que denota estocasticidad, variación local, pero residuales espacialmente dependientes de m(x) -la variable regionalizada-, y ε" es un residual, un ruido Gausiano espacialmente independiente de media cero y varianza δ2. Las mayúsculas de Z indican que es la función aleatoria y no un atributo medido de z. El primer paso es decidir una función adecuada para m(x). El caso más simple, donde no hay tendencia se presenta m(x) igualado al valor medio en el área de muestreo y el promedio o diferencia esperada entre cualquier dos lugares x y x+h separados por un vector de distancia h, será cero: E[Z(x)- Z(x+h)] = 0 donde Z(x), Z(x+h) son los valores de la variable aleatoria Z en las localizaciones x, x+h. También, se asume que las diferencias de las varianzas dependen sólo de la distancia entre sitios, h, así pues: E[{Z(x)- Z(x+h)}2] = E[{ε'(x)- ε(x+h)}2] = 2γ(h) donde γ(h) es conocido como la semivarianza. Las dos condiciones, estacionaridad de diferencia y la varianza de diferencias, definen los requerimientos para la hipótesis intrínseca de la teoría de la variable regionalizada. Esto significa que una vez los efectos estructurales hayan sido tenidos en cuenta, la variación remanente es homogénea en su variación, así esto las diferencias entre sitios son meramente una función de la distancia entre ellos. Entonces, se puede reescribir la ecuación como: Z(x) = m(x) + γ(h) + ε" con el fin de mostrar la equivalencia entre ε'(x) y γ(h). Si las condiciones especificadas por la hipótesis intrínseca se cumplen, la semivarianza puede estar estimada desde los datos muestrales del siguiente modo: ^ γ(h) =

2

1 n ∑ {z(x i ) − z(x i + h)} 2n i =1

donde n es el número de pares de puntos muestrales de observaciones de los valores del atributo z separados por una distancia h. Un gráfico de γ^(h) frente h se conoce como variograma exper imental. Este variograma experimental es el primer paso hacia una descripción cuantitativa de la variación regionalizada. El variograma proporciona información útil para la interpolación, muestreo optimizado y determinación de los patrones espaciales. Para hacer esto, sin embargo, se debe primero ajustar un modelo teórico al variograma experimental. 51

Juan Peña Llopis

Ajustando modelos de variogramas: En la Figura 5-17 se muestra un variograma experimental típico de datos de un atributo que no varía demasiado. La curva ha sido ajustada a partir de los puntos derivados experimentalmente. De esta figura se pueden extraer tres puntos: Sill

C1

γ (h) Rango

C0

Nugget Distancia (h)

Primero, para los valores altos de distancia, h, los valores de γ(h) se nivelan. Esta parte horizontal se conoce como sill; esto implica que para esos valores de distancia no hay dependencia espacial entre los puntos de datos, porque todas las estimaciones de varianzas y diferencias serán invariables con esas distancias de separación de las muestras.

Figura 5-17. Ejemplo de variograma simple.

Segundo, la curva sube desde un valor de h conocido como el rango. Ésta es la parte críticamente importante del variograma, porque ésta describe cómo las diferencias entre sitios diferentes son espacialmente dependientes. Dentro del rango, los sitios más cercanos están juntos. Claramente, si la distancia que separa un sitio no visitado a un punto de datos es mayor que el rango, entonces este punto de datos puede no ser útil en la contribución a la interpolación. El tercer punto mostrado en la Figura 5-17 es que el modelo ajustado no pasa a través del origen, pero corta el eje y en un valor positivo de γ(h). De acuerdo con la ecuación anterior, la semivarianza es cero cuando h = 0, porque las diferencias entre puntos y ellos mismos es por definición cero. El valor positivo de γ(h) h→ 0 es una estimación de ε", el residual, el ruido espacialmente no correlacionado. El ε" se conoce como nugget; esto es la varianza de los errores de medida combinada con la de la variación espacial a distancias más cortas que el espaciado muestral, lo cual no puede ser resuelto. La forma del variograma puede ser bastante reveladora sobre el tipo de variación espacial presente en el área, y puede ayudar a decidir cómo proceder más adelante. Cuando la varianza del nugget es importante, pero no es tan grande, y hay un rango y sill claros, esta curva es conocida como modelo esférico: ⎧ 3h (h/a)3 ⎫ γ(h) = c0 + c1 ⎨ − ⎬ 2 ⎭ ⎩ 2a

para 0 < h < a

γ(h) = c0 + c1

para h ≥ a

donde a es el rango, h es la distancia, c0 es la varianza nugget y c0+c1 equivale al sill, con frecuencia se suele ajustar bien el variograma. 52


Si hay un nugget y sill claros, y con una aproximación gradual al rango, se trata de un modelo exponencial: γ(h) = c0 + c1{1 − exp(−h/a)} Si la variación es muy suave y la varianza del nugget ε" es muy pequeña comparada con la variación espacialmente dependiente ε"(x), entonces el variograma puede ajustarse mejor a una curva que tenga una inflexión, como el modelo Gausiano:

{

γ(h) = c 0 + c1 1 − exp(−h/a) 2

}

Todos estos modelos son conocidos como variogramas transitivos, porque la estructura de la correlación espacial varía con h; los variogramas no transitivos no tienen sill dentro del área de muestreo y pueden estar modelizados por el modelo lineal: γ(h) = c 0 + bh donde b es la pendiente de la línea. Un variograma lineal tipifica atributos, los cuales varían a todas las escalas. La Figura 5-18 muestra ejemplos de estos variogramas. Un variograma que tenga una fuerte pendiente y sigue creciendo con h indica una tendencia en los datos que debe ser modelizada aparte.

Esférico

C1

γ (h)

Exponencial

Sill

C1

γ (h) Rango

Rango

C0

C0

Nugget


Distancia (h) Linear

Gausiano

C1

γ (h)

C0

Nugget


Distancia (h)

Figura 5-18. Ejemplo de los modelos más usados de variogramas.

53

Sill

C1

γ (h) Rango

C0

Sill

Juan Peña Llopis

La estimación y modelización de los variogramas es extremadamente importante para el análisis estructural y para la interpolación. Los modelos de variograma no pueden ser cualquier función elegida al azar, éstas deben cumplir ciertas obligaciones matemáticas. También, los modelos no deben estar ajustados a las semivarianzas estimadas experimentalmente para las distancias sin tomar en consideración los números de pares de puntos de cada distancia. Como los datos se utilizan repetidamente cuando se estiman los variogramas, los grados de libertad efectivos son mayores para una distancia corta y entonces disminuyen en uno complejo con la distancia. Consecuentemente, el ajuste de los modelos de los variogramas procede normalmente del uso de un método de los cuadrados ponderados menores, donde los pesos están calculados del número de pares. Incluso así, el ajuste del variograma es un proceso interactivo que requiere un juicio y una preparación considerable. Los programas de ordenador geoestadísticos modernos suelen incluir rutinas para el ajuste de variogramas. El variograma es el paso esencial en el camino de determinar la ponderación óptima para la interpolación. Cuando la varianza nugget ε " domina tanto en la variación local que el variograma experimental no muestra ninguna tendencia al disminuir h→0, la interpretación es que los datos tienen tanto ruido que la interpolación no es sensible. En esta situación, el mejor estimador de z(x) es la media calculada de la totalidad de puntos muestreados en la región de interés sin tomar en cuenta la dependencia espacial: la interpolación no tiene sentido y constituye un gasto de tiempo y dinero. Un variograma con ruido, en el que las semivarianzas derivadas son dispersiones, esto sugiere que se han tomado muy pocas muestras para el cálculo de γ(h). Se propone la posibilidad de que se tomen al menos de 50 a 100 puntos de muestreo necesarios para tener un variograma estable, dependiendo del tipo de variación espacial encontrada, aunque las superficies uniformes requieren menos puntos que las que tienen variación irregular: los variogramas uniformes pueden ser obtenidos mediante el incremento del tamaño de la ventana de búsqueda. El rango del variograma proporciona información clara sobre el tamaño de la ventana de búsqueda que podrá ser usada. Así, si la distancia desde un punto de un dato a un punto no muestreado excede del rango, entonces dicho punto, al estar tan alejado no contribuye al variograma; pero si todos los datos están más alejados que el rango, el mejor estimador es la media general. Estas distancias pueden ser modificadas por la anisotropía, la cual modifica la forma de la búsqueda de un círculo a una elipse. La presencia de un efecto agujero (hole effect) en el variograma experimental (una caída en la semivarianza a distancias mayores de rango) puede indicar un patrón pseudo-periódico causado por una variación de rango alto sobre el área de estudio que 54


es demasiado pequeño para lograr el rango total de variación. La periodicidad verdadera obtendrá un variograma con una variación periódica en el sill que equivale a la longitud de onda del patrón, proporcionando una relación entre el muestreo original con la periodicidad. Si el rango es mayor que el rango alto domina la variación, si es pequeño, entonces la variación mayor ocurre a distancias cortas. La anisotropía en los variogramas experimentales sugiere un efecto direccional en el patrón, pero las diferencias direccionales pueden ocurrir si hay suficientes muestras para obtener estimaciones robustas en todas las direcciones. Si un variograma se ajusta con un variograma de modelo Gausiano indica un patrón de variación continuo, como ocurre con frecuencia con los datos de elevación. Un variograma modelizado por un variograma esférico tiene un punto claro de transición, el cual implica que un patrón es dominante. La elección de un variograma de modelo exponencial puede sugerir que el patrón de variación muestre una transición gradual sobre unos rangos dispersos o que varios patrones interfieran. Variación isotrópica y anisotrópica: En el punto anterior, se había supuesto que la fuente de datos para el variograma estaba recogida en unos transectos regularmente espaciados, o una posible malla regular. En la mayoría de casos, sólo se tienen medidas irregularmente espaciadas, así pues, es útil calcular el variograma espacial desde estos datos. Para hacer esto, se puede usar un radio de búsqueda circular, semejante a la rueda de una bicicleta, para definir una zona en la cual el punto medio de la rueda esté a h desde el centro. Esta rueda se sitúa sobre los puntos de datos y todos los puntos de datos que caen dentro de ésta se utilizan para estimar la contribución de (zi - zj)2 desde todos los pares. Si se ignoran los efectos direccionales, el variograma resultante se conoce como isotrópico, éste promedia el variograma en todas las direcciones. Sin embargo, como muestra la Figura 5-19, es fácil calcular el variograma para una dirección específica β. Estos se conocen como variogramas anisotrópicos.

β h

Figura 5-19. Estimación de la semivariancia de dirección β.

55

Juan Peña Llopis

En el caso de que sea diferente en rango o sill para valores diferentes de β, esto indicará que la variación espacial varía en dirección. Esto puede ocurrir por ejemplo en sedimentos perpendiculares o paralelos al río. Mediante el cálculo de (zi - z j)2 para todas las direcciones posibles, se crea un variograma, el cual puede estar definido como un mapa de elipsoide con punto central 0,0. El eje mayor del variograma es el eje mayor de la elipse, y su orientación está dada por el ángulo de este eje con respecto al Norte. Uso del kriging para validar el modelo del variograma. La validación cruzada es el ejercicio de utilizar las ecuaciones del kriging retrospectivamente para chequear el modelo del variograma. Esto incluye el cálculo de ^ )- z(x )) para todos los puntos de datos, cuando los momentos de la distribución de (z(x i i cada punto de dato esté exitosamente predecido del resto de datos. El procedimiento está diseñado sólo para testar el variograma para su propia consistencia y falta de sesgo, indicado por una diferencia media cerca de cero y un z-score de uno. Tipos de kriging. Claramente, el kriging cumple los propósitos de encontrar mejores modos de estimar la interpolación y proveer información sobre los errores. El mapa resultante de los valores interpolados puede no ser exactamente lo que se desea, sin embargo, la ecuación del kriging puntual o simple implica que todos los valores interpolados se relacionan con el área del muestreo original.

El kriging puntual o kriging ordinario: es un interpolador exacto en el sentido de que las ecuaciones calculadas las utiliza para interpolar los valores y habrá una coincidencia exacta entre los valores interpolados y los puntos de datos originales.

El kriging por bloques: es útil cuando se desea estimar los valores de z de un área dada en mallas de celdas de un tamaño específico para modelización cuantitativa, su estimación de varianzas normalmente es sustantivamente menor que la del kriging puntual.

El kriging simple: es la predicción por la regresión lineal generalizada bajo la suposición de función estacionaria de segundo orden con una media conocida.

El kriging no lineal o kriging lognormal: es la interpolación de una distribución lognormal, en lugar de unos datos distribuidos normalmente.

El kriging ordinario con anisotropía o variogramas anidados: la incorporación de la anisotropía en los procedimientos es simplemente una manera de modificar la conversión de la matriz de distancia en la matriz de semivarianzas. 56


5.4. Georreferenciación de datos geográficos. Al trabajar con un S.I.G. interesa analizar las relaciones entre los objetos del mundo real. Es importante constatar que un S.I.G. en sí sólo dibuja la realidad, pero no es la realidad. Por consiguiente, para obtener resultados exactos del análisis es crucial dibujar el mundo real tan preciso como se pueda. Al representar las entidades del mundo real en un S.I.G., se necesita la referencia espacial de los datos que los describen respecto a la situación correcta en la superficie de la Tierra, es decir, georreferenciarlos. Si no se localizan las entidades con precisión o si sus formas se representan incorrectamente, cuando se realice un análisis de sus relaciones espaciales éstos proporcionarán resultados inexactos. Georreferenciar es el proceso de establecer una relación entre los datos visualizados en el software de los S.I.G. y su situación en el mundo real. Esto se cumple al usar un sistema de coordenadas. El objetivo que se persigue al georreferenciar es conseguir análisis exactos resultantes de la base de datos de los S.I.G., es necesario entender y determinar el sistema de coordenadas a utilizar. Un elipsoide, datum, proyección y unidades constituyen un sistema de coordenadas. Los sistemas de coordenadas Geográfico y Planar

El sistema de referencia de localización más familiar es el sistema de coordenadas esférico medido en latitud y longitud (ver Figura 5-20). Este sistema puede emplearse para identificar las situaciones de puntos en cualquier parte en la superficie de la tierra. Debido a su habilidad de referenciar las localizaciones, el sistema de coordenadas esférico se denomina normalmente el Sistema de Coordenadas Geográfico, también conocido como el Sistema de la Referencia Global. La longitud y latitud son ángulos medidos del centro de la tierra a un punto en la superficie de la tierra. La longitud mide el Este y Oeste, mientras la latitud el Norte y Sur. Las líneas de longitud, también llamadas meridianos, se extienden entre los polos Norte y Sur. Las líneas de latitud, también llamadas paralelos, abrazan el globo con los anillos paralelos. La latitud y longitud están tradicionalmente medidas en grados, minutos, y segundos (DMS). El rango de valores de la longitud es del 0° en el Primer Meridiano (el meridiano que atraviesa Greenwich, Inglaterra) a 180° cuando se viaja hacia el Este y del 0° al -180° cuando se viaja hacia el Oeste desde el Primer Meridiano.

57

Juan Peña Llopis

Debido a que es difícil de hacer medidas en las coordenadas esféricas, los datos geográficos se proyectan en sistemas de coordenadas planares (a menudo llamados Sistemas de Coordenadas Cartesianos). En una superficie llana, las situaciones son identificadas por las coordenadas x,y en una malla, con el origen en el centro de la malla. Cada posición tiene dos valores que la referencian respecto a esa situación central; uno especifica su posición horizontal y el otro su posición vertical. Estos dos valores se llaman la x-coordenada y la y-coordenada. La conversión de situaciones geográficas de un sistema de coordenadas geográfico a un sistema de coordenadas planar o Cartesiano causa distorsión. El proceso de proyección distorsionará una o más propiedades espaciales listadas a continuación: forma, área, distancia y dirección.

Y XY+

XY-

Sistema de coordenadas Geográfico

X+ Y+

X+ Y-

X

Sistema de coordenadas Planar

Figura 5-20. Los sistemas de coordenadas Geográfico y Planar.

Debido a que las propiedades espaciales se emplean a menudo para tomar las decisiones, cualquier usuario que utilice los mapas debe saber qué proyecciones distorsionan las propiedades y hasta qué punto. Por ejemplo, escogiendo una proyección Peters se obtendrán los cálculos del área exactos, pero las formas inexactas; una proyección de Mercator mantiene la dirección verdadera, pero sacrifica en exactitud el área y la distancia; y una proyección Robinson conserva un compromiso entre todas las propiedades. La proyección que se escoge afecta significativamente a las propiedades de un mapa a pequeña escala, pero tiene menos efecto en las propiedades de un mapa a una escala mayor. Los datums y conversión del datum

Un datum horizontal es un marco de referencia usado para localizar las entidades en la superficie del globo. Éste se define como un elipsoide y la posición relativa de este 58


elipsoide en la Tierra. Hay dos tipos de datums: centrado en la Tierra y local. Un datum centrado en la Tierra tiene su origen puesto en el centro de masas actualmente conocido de la Tierra y es en conjunto más exacto. Un datum local se alinea para que corresponda estrechamente con la superficie de la tierra para un área particular y puede ser más exacto para esa área en particular. Dentro de los dos tipos básicos de datums se pueden tener varios datums globales y locales. Puesto que los datums establecen los puntos de referencia para medir las localizaciones de la superficie, éstos también permiten calcular los valores de coordenadas planares cuando se aplica una proyección a un área particular. Dos mapas que utilizan la misma proyección del mapa, pero diferentes datums pueden tener valores de coordenadas muy diferentes para la misma situación en la superficie de la Tierra. La verificación del datum, así como el sistema de coordenadas proyectado de los datos geográficos es vital para emparejar fuentes de información diferentes en la misma coordenada espacial. El elipsoide

La Tierra se maneja a menudo como una esfera para hacer los cálculos matemáticos más fáciles, sin embargo, su forma realmente es un elipsoide, que se conforma rotando una elipse sobre un eje. Un elipsoide es como un círculo achatado con las longitudes del radio a lo largo de sus ejes mayores y menores de longitud a y b, respectivamente. El diagrama muestra que el elipsoide es simétrico cuando se encuentra dividido por el ecuador (es decir, el hemisferio del sur y el hemisferio norte son idénticos en la forma). Esto no es estrictamente correcto, porque la Tierra tiene ligeramente forma de pera, sin embargo, la diferencia en la forma entre los hemisferios es despreciable. Las proyecciones de los mapas.

Una proyección del mapa es un método para convertir la superficie tridimensional de la Tierra en una superficie bidimensional de un mapa. Una proyección del mapa puede representar la superficie entera de la tierra o sólo una porción de ésta dependiendo del ámbito de estudio que se necesite. El término proyección de mapa fue acuñado por los primeros cartógrafos que emplearon el concepto de proyectar la luz de una fuente a través de la superficie de la tierra y hacia una superficie bidimensional. Aunque, se crean los mapas usando las fórmulas matemáticas en lugar de proyectando la luz a través de la superficie de la tierra hacia una superficie llana, el concepto es válido y los cartógrafos usan el término proyección para describir el proceso matemático.

59

Juan Peña Llopis

Hoy en día, todas las proyecciones emplean fórmulas: expresiones matemáticas que convierten los datos de una localización geográfica (latitud y longitud) en la Tierra a una localización representativa en una superficie llana. La selección de una proyección del mapa conveniente es importante si se requiere calcular áreas, distancias o direcciones de las coordenadas. Para mejorar el entendimiento de las proyecciones del mapa se pueden agrupar en las clasificaciones. Una manera de agruparlas es por sus características de distorsión como la forma, área, distancia y dirección. Otra manera es clasificarlas por la superficie desarrollable usada al aplicar las ecuaciones de la proyección. Existen infinitas proyecciones distintas, aunque las tres superficies desarrollables más conocidas son: los cilindros, conos y planos (ver Figura 5-21); cada uno confiere una forma distintiva a los paralelos. Con los cilindros, los paralelos son rectos; con los conos y con los planos el resultado son los círculos concéntricos. Las proyecciones del mapa más comunes pueden ser conceptualmente o geométricamente proyectadas hacia una de estas superficies tocando o intersectando el globo. En la mayoría de los casos la proyección del área a estudiar ya ha sido escogida por otros y ninguna selección resulta necesaria.

Proyección cilíndrica

Proyección cónica

Figura 5-21. Proyecciones cilíndrica, cónica y planar.

60

Proyección planar


Tipos de proyecciones

Las proyecciones de mapa pueden ser clasificadas generalmente de acuerdo con el atributo espacial que estos conserven. - El Área igual: Las proyecciones de área igual conservan el área. Muchos mapas temáticos usan una proyección de área igual. Los mapas de los Estados Unidos normalmente usan la proyección cónica de área igual Albers. - Conformal: La proyección conformal conserva la forma y es útil para los mapas de navegación y mapas meteorológicos. La forma se conserva en las áreas pequeñas, pero la forma de un área grande como un continente se distorsionará significativamente. La conformal cónica Lambert y Mercator son las proyecciones del conformal más comunes. - Equidistante: Las proyecciones equidistantes conservan las distancias, pero ninguna proyección puede conservar las distancias de todos los puntos con respecto al resto de otros puntos. En cambio, puede mantenerse la distancia verdadera de un punto (o unos puntos) a todos los otros puntos o a lo largo de todos los meridianos o paralelos. Si se necesita usar el mapa para encontrar entidades que están dentro de una cierta distancia de otras entidades, sería conveniente emplear una proyección del mapa equidistante. - Acimutal: Las proyecciones acimutales conservan la dirección de un punto a todos los otros puntos. Esta calidad puede combinarse con el área igual, conformal, y las proyecciones equidistantes, como en el Lambert el Área Igual Acimutal y las proyecciones Equidistantes Acimutales. Otras proyecciones minimizan la distorsión global, pero no conservan ninguna de las cuatro propiedades espaciales de área, forma, distancia, y dirección. Por ejemplo, para la proyección Robinson ningún área es igual a la conformal, pero es estéticamente agradable y útil para la cartografía general. Los componentes de los sistemas de coordenadas

La información sobre los sistemas de coordenadas para los datos suele estar representada por la referencia espacial. La referencia espacial está compuesta de todos estos componentes: el sistema de coordenadas geográfico y el sistema de coordenadas proyectado. El elipsoide que modela la forma de la Tierra y el datum que referencia el elipsoide creando el sistema de coordenadas geográfico. Datos espaciales referenciados con un sistema de coordenadas geográfico pueden proyectarse en un sistema de coordenadas planar o proyectado, para que las unidades de medida sean uniformes a lo largo de los datos. El sistema de coordenadas proyectado está compuesto de la propia proyección más los parámetros definidos adicionales. Estos parámetros incluyen las 61

Juan Peña Llopis

unidades, por ejemplo metros o pies, el meridiano central, posiblemente una zona que depende de la proyección, y a veces se hace uso de un falso Este o Norte (false easting & northing). Pueden aplicarse falsos Estes o Nortes a los valores de la coordenada para que el dato espacial sea el referenciado por las unidades positivas. Las series de proyección UTM

El sistema de coordenadas más usual y conveniente utilizado por los S.I.G. es el Universal Transverse Mercator (UTM), desarrollado por US Army en los años 40, el cual es ahora un estándar del mundo para mapeo topográfico e intercambio de datos digitales. La proyección UTM utiliza la proyección de Gauss-Kruger. La unidad de medida es el metro. El UTM divide el mundo Este-Oeste en 60 zonas (ver Figura 5-22), que se numeran de 1 a 60, cada una posee un ancho de 6º de longitud. Las zonas están numeradas de Oeste a Este teniendo la zona 1 en su límite al Oeste al meridiano 180º. Por otra parte, la proyección UTM divide el mundo Norte-Sur en 20 zonas de latitud, empezando en el Ecuador. Las zonas son de 8º, excepto las de más al Norte o Sur, las cuales son de 12º. Cada una de estas zonas tiene su propio sistema de coordenadas. La proyección UTM se basa en un cilindro cuyo eje está orientado paralelo al plano del Ecuador, de ahí viene el nombre de transverso. Cada zona tiene dos líneas que representan los puntos de verdadera escala para la proyección dentro de la zona. La proyección de UTM se diseña para un error de escala que no exceda del 0.1 % dentro de cada zona. El error y distorsión aumentan para regiones que alcanzan a más de una zona, por tanto la proyección UTM no se adapta por igual a todos los casos. Zona 1

30

Figura 5-22. Proyección UTM del mundo.

62

60


6. Presentación de datos espaciales. Normalmente, la salida de los datos corresponde a la última etapa en el procesado de los datos espaciales por un programa de S.I.G. Estas salidas muestran los resultados derivados de la introducción de los datos y su posterior procesado o análisis pertinente. En esta sección se comentan los tipos de salida de datos más comunes (mapas, gráficos y tablas) y el soporte o formato en el que éstos se presentan (pantalla del ordenador, impresión en impresora e impresión en plóter). Prácticamente, todos los programas de S.I.G. tienen algún tipo de salida de los datos con los que se trabaja. Una de las primeras apreciaciones que se tienen de un S.I.G. son las salidas gráficas a todo color, impresas o vistas en la pantalla de un ordenador. Conviene recordar que existe una diferencia fundamental entre los programas de diseño gráfico y los S.I.G. En los primeros, el objeto importante es la imagen que vemos, siendo irrelevante el cómo se codifique; en un S.I.G. la imagen es sólo una salida gráfica sin mayor importancia, lo relevante son los datos espaciales que se están representando.

6.1. Tipos de salidas gráficas de los S.I.G. Una vez introducida la base de datos y después de realizar los pertinentes análisis y operaciones espaciales, se obtienen los resultados, que suelen ser comprensibles para los usuarios o que permitan su transferencia a otros sistemas informáticos. La mayor parte de los S.I.G. incluye software que soporta la producción de opciones de salida para los datos. La salida digital o “compatible con el ordenador” se suele presetar en forma de fichero en disco óptico u otro tipo de dispositivo de almacenamiento, que puede ser consecutivamente reutilizado o leído en otro sistema. Alternativamente, la salida de los datos suele comprender algunas formas de transmisión de datos sobre fibra óptica o línea telefónica, como Internet. El tipo de salida analógica o “compatible con el usuario” son los mapas, gráficos, y tablas; los dispositivos de salida para producir éstos pueden estar clasificados en aquellos que producen visualizaciones efímeras en pantallas de ordenador y aquellos que producen imágenes definitivas en materiales base permanentes, como el papel, por medio de la impresora o el plóter.

63

Juan Peña Llopis

En un Sistema de Información Geográfica, una capa es simplemente un conjunto de números georreferenciados (formato ráster) o grupos de coordenadas que definen la ubicación de objetos espaciales (formato vectorial), y para su visualización es necesario aplicar una paleta de colores. Sin embargo, la presentación de resultados requiere la introducción de otros elementos como escalas, títulos, mallas, leyendas, etc. heredados de la cartografía tradicional. Los S.I.G. suelen tener herramientas más o menos sofisticadas para la producción de salidas de este tipo. Las capacidades de producir salidas gráficas estéticas han aumentado en los últimos años con gran variedad de productos que desarrollan herramientas especiales de mapeo conectadas o integradas dentro de la base de datos del S.I.G. Éstas permiten un mayor detalle como la leyenda del mapa, título, indicador de orientación (flecha hacia el N) y una escala o barra de escala. Del mismo modo, también colores, símbolos y texto se pueden añadir o modificar fácilmente en la presentación de los datos. Siendo posible elegir distintos tipos de coloración y simbología para la representación de los datos. Los resultados son mapas de gran calidad cartográfica para la salida de los datos.

Mapas:

Figura 6-1. Mapas.

Se trata de la representación gráfica de los datos espaciales por excelencia (ver Figura 6-1). Puede llegar a alcanzar un elevado grado de sofisticación al añadirle rótulos y atributos. No obstante, si no posee una información básica mínima relativa al mapa, no puede considerarse como tal. Esta información básica aparece en la Figura 6-2 y son: leyenda de las variables de interés, escala gráfica o numérica, flecha Norte y coordenadas de los límites para situar el área a un nivel de escala superior. Título

Cuerpo del mapa

Flecha Norte

Leyenda Barra de escala

Diseño por Juan Peña 2003

Otro texto

Figura 6-2. Identificación de los elementos del mapa.

64


Tablas (informes): Las tablas o informes (Figura 6-3) tratan de sintetizar y organizar las variables que se recogen de las capas, fruto de análisis de las bases de datos asociadas, mostrándolas en datos tabulares. Esto permite obtener una visión más exacta de los resultados de los datos. Algunos programas de S.I.G. contienen otros programas adjuntos para la creación de informes, como es el caso del Crystal Reports en el ArcGIS.

Figura 6-3. Tablas.

Gráficas: Las gráficas (Figura 6-4) resumen la información tabular contenida en las bases de datos de los mapas y la expresan en una gran variedad de formatos gráficos (barras, líneas, circular, etc.). No todos los S.I.G. poseen esta posibilidad, aunque, no es vital, ya que se puede recurrir a otro software.

Figura 6-4. Gráficas.

6.2. Tipos de soportes gráficos de los S.I.G. Existen tres tipos de soportes gráficos para los dispositivos de salida: representación visual, impresora y plóter. El primero de éstos produce visualizaciones temporales en la pantalla del ordenador y los otros dos producen imágenes definitivas en materiales permanentes, como el papel, por medio de la impresora o el plóter. Todos estos dispositivos permiten cualquier tipo de salida de S.I.G., no obstante, se suele utilizar el plóter para la salida de los mapas, la impresora para las tablas y gráficos y la pantalla para realizar la visualización preliminar de mapas, tablas y gráficos.

Representación visual:

La pantalla del ordenador (Figura 6-5) es la principal herramienta para representar los resultados del análisis S.I.G. al resto de personas, especialmente por Internet para los usuarios que trabajen on-line. La mayoría de los usuarios S.I.G. visualizará los datos de su análisis como un mapa, gráfica o tabla en la pantalla, posteriormente de estos Figura 6-5. Pantalla. resultados visualizados se pueden realizar copias de seguridad y/o impresiones en impresora o plóter.

65

Juan Peña Llopis

Impresora: La impresora (Figura 6-6) es el dispositivo que nos permite copiar la información digital en soporte, generalmente, de tipo papel. La mayoría de las impresoras nos permiten imprimir en los tamaños normalizados A4 y A3 (carta y doble carta). Entre los tipos de impresora más usados en entornos gráficos se encuentran: chorro de tinta, térmica y láser.

Figura 6-6. Impresora.

Plóter:

Figura 6-7. Plotter.

El plóter o trazador (Figura 6-7) permite imprimir o trazar los archivos de diseño en diversos formatos de papel. La mayoría de los plóters aceptan tamaños comprendidos entre las medidas A4 (carta) hasta A0 (aproximadamente 1500 mm por 1000 mm). Entre los tipos de plóters más utilizados en entornos gráficos se encuentran los trazadores de plumillas, los electrostáticos y los térmicos.

66


7. Errores y control de calidad. En este capítulo se examinan como pueden ocurrir los errores en los datos espaciales y los efectos que pueden tener en los análisis de datos y la modelización. Los errores incluyen erratas y fallos descomunales, pero éstos son una parte intrínseca en la elección de los modelos de datos por ordenador. La incertidumbre estadística y la variación espacial son aspectos críticos de cualquier análisis de errores en los datos espaciales. Los métodos están presentados para la estimación de errores para las entidades en las conversiones vector-ráster, digitalización, superposición de polígonos, etc.

7.1. Tipos de errores en un S.I.G. La calidad de los productos de S.I.G. se juzga frecuentemente por la apariencia visual del producto final en la pantalla del ordenador, plóter, etc. El control de calidad por apariencia visual es insuficiente, ya que, la información errónea o corrupta no siempre se aprecia. Las incertidumbres y errores son intrínsecos a los datos espaciales y necesitan ser tratados apropiadamente. La precisión de los datos se agrupa frecuentemente de acuerdo con la precisión temática, precisión posicional, y precisión temporal; pero los errores en los datos espaciales pueden ocurrir en varias etapas, desde el proceso de la observación a la presentación. Los errores en percepción (identificación impropia) puede suceder en la etapa conceptual. La precisión con la que se ha elaborado la cartografía puede verse afectada por errores metodológicos que puedan perjudicar a la calidad de los datos espaciales (Burrough & McDonnell, 1998). Estos errores pueden ocurrir en distintas etapas del proceso de elaboración del material cartográfico, estos pueden ser errores de fotointerpretación (identificación incorrecta), errores de asignación (equivocación en el momento de establecer el valor de una categoría), errores de posicionamiento (georrectificación inexacta) y errores de aproximación (conversión vector-ráster desacertada). La mejor manera de comprobar los errores en los datos espaciales es mediante la creación de un gráfico en el ordenador o la impresión de los datos, preferiblemente en papel fino o translúcido a la misma escala que el original. Los dos mapas pueden superponerse colocándolos encima de una mesa con luz interior y comparar ambos mapas visualmente, trabajando sistemáticamente de izquierda a derecha y de arriba abajo del mapa. Los valores perdidos, errores de localización y otra clase de errores pueden ser claramente reconocidos y marcados en la impresión.

67

Juan Peña Llopis

Ciertos S.I.G. muestran algunos errores topológicos o de identificación directamente por códigos de colores en la imagen de pantalla. Existen algunas operaciones como la creación de la topología de polígonos a partir de arcos en cuyo resultado puede ser contrastado con el mapa anterior y se pueden percibir los errores del poligonado. Los datos de atributos pueden ser cotejados imprimiendo los archivos y examinando las columnas a ojo. El método más adecuado consiste en escanear los ficheros de datos con un programa de ordenador que pueda chequear errores enormes como puede ser insertar texto en lugar de números, números que exceden de un determinado rango, etc. Los errores se pueden cometer durante la captura de datos espaciales y la introducción de los atributos de los datos, éstos se pueden agrupar en:

Los datos espaciales están incompletos o dobles. La carencia de datos espaciales se produce por omisión de puntos, líneas o celdas en la introducción manual de los datos. En los datos escaneados las omisiones son generalmente en la forma de huecos entre líneas donde el proceso ráster-vector ha fallado en la unión de todas las partes de la línea.

Los datos espaciales están en un lugar incorrecto. La descolocación de datos espaciales puede acarrear desde un pequeño error de situación a un error espacial de enormes implicaciones. Se produce normalmente como un descuido en la digitalización.

Los datos espaciales están definidos usando demasiados pares de coordenadas. Como resultado del proceso de digitalización las líneas en la base de datos se han definido utilizando demasiados puntos. Éstas pueden ocupar una cantidad de memoria desorbitada en su almacenamiento.

Los datos espaciales están a una escala incorrecta. Si los datos se encuentran a una escala incorrecta, entonces es muy probable que la digitalización se haya efectuado a una escala errónea. Con los datos escaneados los problemas suelen aparecer durante el proceso de georreferenciación, cuando los valores incorrectos se utilizan y no se correlacionan.

Los datos espaciales están distorsionados. Esto es debido al empleo de mapas base que no están a una escala correcta. La mayoría de las fotografías aéreas no se digitalizarán a una escala correcta en toda la imagen debido a la inclinación del avión, diferencias de relieve y diferencias en la distancia a la lente de los objetos en diferentes partes del campo visual.

68


Estos errores necesitan ser corregidos a través de varias funciones de edición y actualización soportadas directamente por la mayor parte de programas S.I.G. Esto es un proceso interactivo que consume mucho tiempo, en algunos casos más que la introducción de los datos. La edición de los datos normalmente consiste en la visualización de la porción del mapa que contiene los errores en la pantalla del ordenador y su corrección a través del software, empleando el teclado, el cursor de la pantalla controlado por el ratón o una tableta digitalizadora. Los errores de localización en una base de datos vectorial pueden ser corregidas mediante el movimiento de la entidad espacial, a través del cursor de la pantalla o indicando su posición en la tableta digitalizadora. En algunos S.I.G., los comandos del ordenador pueden ser utilizados directamente para mover, rotar, borrar, insertar, alargar o truncar las entidades gráficas si se requiere. Los datos nuevos pueden ser añadidos a través del teclado o la tableta digitalizadora. Algunas operaciones de edición no pueden utilizarse para aislar entidades y deben ser seguidas de chequeos u operaciones que aseguren la coherencia de la base de datos. Por ejemplo, en un mapa de polígonos si una parte de una línea se mueve o cambia, las áreas de los polígonos deben ser recalculadas. Los problemas de escalado de los datos suelen ser corregidos mediante la aplicación de factores numéricos simples a los datos. Hay operaciones más complicadas que la simple rotación o translación y se necesitan para el ajuste de todas las partes al mismo tiempo de un mapa distorsionado a un mapa exacto. El mapa erróneo conviene compararlo con el mapa base y es preciso seleccionar un número de puntos en el mapa original que deben ser conectados mediante vectores al mapa base. Las transformaciones matemáticas alargan y comprimen el mapa original hasta que los vectores de conexión se han reducido a longitud cero y los puntos de control están solapados. Entonces, se asume que todos los demás puntos del mapa original han sido reubicados correctamente. Este proceso se conoce como “goma elástica” o rubber sheeting, porque el mapa erróneo original se estira en todas las direcciones como una goma elástica para ajustarse bien. Este método se puede utilizar tanto para vectores como para rásters, aunque está indicado mejor para los primeros, ya que la rigidez de una malla fija y la estructura de los datos no es idónea. En el supuesto que haya un exceso de coordenadas que definan una línea, éstas pueden ser eliminadas usando “algoritmos de desherbalaje”. Los valores de atributos y errores espaciales en datos ráster deben ser corregidos mediante el cambio del valor en las celdas erróneas. Esto puede hacerse por un simple comando que digitaliza la celda seguida de la introducción del atributo correcto. Si existe un número elevado de celdas incorrecto, la nueva información podría ser digitalizada y ser escrita simplemente encima de los valores existentes. 69

Juan Peña Llopis

7.2. Procedencia de los errores en los datos espaciales. El vocablo “error” se usa aquí en el amplio sentido para incluir no sólo las erratas, sino también el concepto estadístico de error como “variación”. Los errores incluyen fallos que son obvios y fáciles de chequear, pero existen errores de procedencia más fina que sólo pueden ser detectados cuando se trabaja íntimamente con los datos. Hay otros errores cuyo origen es más difícil de averiguar, los cuales son el resultado de llevar a cabo ciertos tipos de procesos; su detección requiere un conocimiento íntimo no sólo de los datos, sino también de los modelos, la estructura de datos y los algoritmos utilizados. Consecuentemente, aquellos pasan desapercibidos a la mayor parte de los usuarios. El origen de los errores de los datos espaciales puede provenir de los siguientes factores: Exactitud del contenido. Este es el problema que atañe a los atributos de forma inherente en los puntos, líneas y áreas de las bases de datos geográficas, que pueden estar correctas o sesgadas. Se pueden distinguir entre exactitud cualitativa, que se refiere a si las variables nominales o categorías son correctas (por ejemplo, un área de un mapa de usos del suelo que ha sido codificada erróneamente como "pastizal" en vez de "pinar") y exactitud cuantitativa que se refiere al nivel de sesgo en la estima de los valores asignados (por ejemplo, un pHmetro mal calibrado que estima todos los valores de pH una unidad superior). La exactitud en los mapas permite asegurar documentos fiables en la introducción y transformación de los mismos. Errores de medición. Datos de baja calidad pueden ser el resultado de observadores o aparatos de poca confianza, imprecisos o sesgados. El lector debe claramente entender la diferencia entre exactitud y precisión. La exactitud es la aproximación a la cual un valor estimado se acerca al valor real y normalmente está calculado por el error estándar. En terminología estadística, precisión es una medida de la dispersión (generalmente medida en términos de desviación estándar) de observaciones entorno a la media. Precisión también se refiere a la habilidad del ordenador de representar números con un cierto número de unidades decimales. Datos de campo. El estudio de campo es un factor crítico en la calidad de los datos que están introducidos en la mayor parte de los S.I.G. Un buen diseño del procedimiento de toma de datos reduce sensiblemente el sesgo del observador. El factor humano es el más importante para los métodos de recogida de datos basados en la intuición, como podría ser el estudio del suelo o geología donde la interpretación se hace en el campo, o desde fotografías aéreas a partir de los patrones de variación en el paisaje o subsuelo. El usuario es consciente de que algunos observadores son inherentemente más perceptivos o aplicados que otros, por esta razón existen bastantes diferencias en estudios debido al método utilizado. 70


Errores de laboratorio. Intuitivamente, se espera que la calidad de las determinaciones en el laboratorio exceda a las que se realizan en el campo. Aunque, las determinaciones que se llevan a cabo en un mismo laboratorio usando el mismo procedimiento pueden ser reproducibles, esto mismo no puede decirse de análisis efectuados en diferentes laboratorios. Exactitud en la localización. Su importancia depende del tipo de datos que se considere. Los datos topográficos tienen un alto grado de exactitud, y con las técnicas modernas como el GPS se puede posicionar cualquier punto en la superficie de la Tierra. Los errores de posicionamiento son el resultado del trabajo de campo de baja calidad, distorsiones en los mapas bases o una mala vectorización después del escaneo. Estos errores se corrigen con el método de "goma elástica". Variación espacial natural. La mayoría de mapas temáticos, particularmente aquellos que contienen propiedades naturales o del paisaje como suelo o vegetación, no tienen en cuenta fuentes locales de variación espacial o "impurezas" que son resultado de utilizar un rango pequeño en las unidades de los datos mapeados. Las convenciones cartográficas forzaron a los edafólogos a crear mapas de suelos delineando áreas homogéneas. Por lo tanto, la información sobre cambios graduales entre límites y límites que varían la amplitud no podría ser representada en mapas coloreados convencionales.

7.3. Factores que afectan a la veracidad de los datos espaciales. La relevancia de los datos espaciales depende de los siguientes factores: Edad de los datos. Es raro que se tomen todos los datos al mismo tiempo en un proyecto, por lo tanto, es posible incluir cambios producidos en los últimos que no se recogen en los primeros. La mayor parte de planificadores y agencias medioambientales se fuerzan en actualizar sus mapas, ya que los datos publicados en forma de mapas antiguos al cabo de un tiempo se quedan obsoletos y conviene renovarlos. Área de cobertura. Siempre se desea que toda el área de estudio, tanto si es una parcela o un país deba tener un recubrimiento uniforme. Si la cobertura no es completa, entonces se debe tomar la decisión de tomar más datos o generalizar los datos que se tienen. Escala del mapa y resolución. La mayor parte de datos geográficos se han generado y almacenado en forma de mapas temáticos, y sólo en los años recientes con el desarrollo de los sistemas de información digital ha sido posible tener las observaciones de campo originales disponibles para posteriores procesados. Es importante que la escala de los mapas originales coincida con los requeridos para el estudio. 71

Juan Peña Llopis

Densidad de observaciones. Mucho se ha escrito sobre la densidad de observaciones necesarias para realizar un mapa o interpolación. Aunque, la densidad actual de observaciones suele ser una guía general para conocer el grado de fiabilidad de los datos, no es una medida absoluta, como los estudios estadísticos. Relevancia. No todos los datos utilizados en el procesado de información geográfica son directamente relevantes para el propósito para el que se utilizan, pero se han elegido como sustitutos porque los datos deseados no existen o son demasiado caros. Formato de los datos, intercambio de datos e interoperatibilidad. Existen tres tipos de formato de datos en función de su importancia. El primer tipo son los aspectos puramente técnicos de cómo los datos pueden estar escritos en medios magnéticos/ópticos (disquetes, CD-ROM,...), el tipo de caracteres utilizados (ASCII o binario), la longitud de los registros. El segundo tipo de formato concierne a la manera en la que los datos se organizan, o en otras palabras, la estructura de los propios datos. Los datos se refieren a entidades en el espacio, registradas como puntos, líneas y áreas. Si las áreas están codificadas en formato ráster es el conjunto de píxeles. El tercer tipo de formato se refiere a la localización y atributos de los datos, su escala, proyección y clasificación. Accesibilidad. No todos los datos son igual de accesibles. Los datos sobre recursos de un territorio podrían estar de forma libre y disponible en un país, pero este mismo tipo de datos podría ser un secreto de estado en otro. Junto a otros, los aspectos militares de datos para los S.I.G. son los que obstruyen el libre flujo de datos. Costes y copyright. Para cualquier proyecto, la recogida e introducción de datos nuevos o conversión de datos antiguos cuestan dinero y se deben gestionar bien los costes. El copyright de mapas publicados y datos espaciales varía de un país a otro y es la mejor manera de verificar mapas cuando se digitalizan o usando datos espaciales para investigación o aplicaciones comerciales. Errores numéricos en el ordenador. Al igual que en los errores inherentes en los datos, hay otras fuentes de errores que se pueden originar en el ordenador. Uno de los aspectos que puede pasar inadvertido en el procesado informático es la habilidad que tiene el ordenador en almacenar y procesar datos a un nivel de precisión requerido. Hay mucha gente que no se da cuenta que utilizar variables o arrays del ordenador con insuficiente precisión puede conducir a errores serios en cálculos, particularmente cuando los resultados requieran ser obtenidos mediante restas o multiplicación de dos números muy largos. Los errores de redondeo pueden acarrear imprecisión en las coordenadas geográficas, debido a que muchos sistemas usados para análisis de imágenes están codificados como enteros y no como reales. 72


7.4. Tamaño idóneo de píxel al rasterizar un mapa vectorial lineal. Como en la mayoría de S.I.G. se emplean mapas en formato vectorial y ráster por sus distintas cualidades. Los primeros han sido creados al efectuar la digitalización y los últimos han sido producto de la conversión vector-ráster. Es inevitable la utilización de mapas en formato ráster para cuantificar y analizar los mismos, con lo cual es necesario realizar el proceso de rasterización, en el cual es de vital importancia establecer un tamaño de píxel adecuado. Se establece el tamaño de cada píxel en los mapas en función de tres razones: El grado de detalle que se pueda obtener para conseguir buenos resultados. Por lo tanto, cuanto más pequeño sea el tamaño del píxel más información se tiene de la imagen, y del mismo modo cuanto más grande sea este tamaño menos información se puede obtener de ella. El correcto procesado de los datos por los sistemas de información geográfica. Con lo cual, cuanto más grande es el tamaño de un píxel, menos información ocupa en memoria y por lo tanto menos cuesta ejecutar procesos de los S.I.G. por ordenador, por otro lado si una imagen tiene un tamaño de píxel muy pequeño, al ocupar mucho espacio en memoria su procesado por los S.I.G. asistidos por ordenador se hace muy lento e incluso algunos sistemas están creados para trabajar con un número de píxeles limitado. El tamaño de la tesela más pequeña, se escogerá en base a la escala de la información original. Es decir, que en función del tamaño de la tesela más pequeña se estructure el tamaño los píxeles para que tanto ésta como el resto de teseslas queden bien representadas en el formato ráster. •

Método de Heywood.

Para determinar el tamaño adecuado del píxel se ha recurrido a un método basado en la teoría de la información (Turner, 1989) y muy utilizado en ecología. Consiste en la creación del modelo digital de elevaciones (M.D.E.) a distintos tamaños de píxel (Heywood, 1995). A partir del vector digitalizado de las curvas de nivel se rasteriza a diferentes niveles de malla. Una vez se tienen los M.D.E. en formato ráster a distintas escalas se calcula la diversidad para cada mapa, por el índice de Shannon. La fórmula que se aplica es la siguiente: H’ = - Σ(pi · Ln pi). Siendo pi la proporción de píxeles para la clase de altura i, y H’ representa el índice de diversidad. Se suele cumplir que a altas resoluciones o tamaños de píxel reducidos se obtiene un mayor detalle en la cartografía que a tamaños de celdilla mayores. Aunque, una reducción excesiva del tamaño de píxel no conlleva ventajas en la cantidad de información que aporta, ya que la reducción en el tamaño de píxel supone introducir información redundante. 73

Juan Peña Llopis

Una vez se tienen rasterizados los modelos digitales de elevaciones se generan los histogramas y así se obtienen las frecuencias de los elementos que componen la cartografía. El índice de diversidad de Shannon se calcula a partir de la información de los histogramas y las pertinentes operaciones realizadas en hojas de cálculo. Finalmente, se opta por el tamaño de píxel que reporte mayor diversidad. La utilización del tamaño de píxel óptimo no implica que no se tenga error en la rasterización, sino que hay una buena aproximación para la conversión vector-ráster. El error de posicionamiento puede ser medido cuantitativamente por medio del R.M.S. (Root Mean Squared error ). En el caso del modelo digital de elevaciones (M.D.E) se suele acompañar con un procedimiento que calcule el R.M.S. a partir de puntos de control. Es importante conocer este índice para el modelo digital de elevaciones, ya que a partir de este mapa se extraen otros mapas como el caso de los mapas de pendientes y orientaciones, que a su vez conservarán la misma exactitud de cálculo. Este índice viene a indicar el error medio con medidas de tamaño de píxel, y revela si la cartografía elaborada posee una buena exactitud y fidelidad en el posicionamiento.

7.5. Errores resultantes de rasterizar un mapa vectorial poligonal. Convertir vectores en forma poligonal a representación ráster utilizando tamaños de celdas o píxeles más pequeños que los polígonos trae consigo el problema de emparejar mal la topología cuando los límites irregulares de los polígonos se aproximan a una malla de celdas. Los polígonos pasan de ser entidades exactas con límites precisos a un conjunto de píxeles de un mapa ráster, con los errores de conversión consiguientes. En la Figura 7-1 se muestra la conversión de un triángulo vectorial a una malla de píxeles, que resulta ser una seria pérdida de información. El área del triángulo podría ser de 6 ó 7 unidades dependiendo de como las celdas y sus lados estén contados. La hipotenusa podría ser de 7 lados de unidad de largo si se toman 4 celdas como aproximación de la diagonal, pero sólo de 6 si se opta por 3 celdas, ambas representaciones quedan sobrestimadas respecto al triángulo inicial.

7

5

6

3 4

Polígono vectorial Área: 6 unidades Perímetro: 12 lados

3

3

4

3

Polígono ráster Área: 7 unidades Perímetro: 14 lados

Polígono ráster Área: 6 unidades Perímetro: 12 lados

Figura 7-1. Errores que ocurren cuando formas exactas se aproximan a ráster.

74


•

Método de Switzer.

Switzer en 1975 presentó una solución general al problema de la estima de la precisión de una imagen ráster construida a partir de un mapa vectorial de polígonos. Su análisis no trata de observaciones o errores locales, sino que asume que el error es resultado solamente del uso de series de puntos localizados en el centro de celdas para estimar una malla aproximada del mapa original. El método de Switzer se encuentra enfocado esencialmente con mapas coloreados, como por ejemplo, los mapas temáticos en los que las unidades homogéneas del mapa se encuentran separadas por límites infinitamente finos y ajustados. Este método asume que un mapa "real" existe y confrontado a éste se encuentra un mapa estimado, que se ha obtenido por medio del muestreo comparativo. Teniendo en cuenta que el mapa "real" con frecuencia se desconoce o no se puede conocer, Switzer mostró que aplicando ciertos supuestos y mediante el uso de ciertos estadísticos, se podrían estimar los errores del mal emparejamiento a partir del mapa estimado formado por una malla de píxeles. El análisis empieza mediante la premisa de que un mapa M ha sido dividido en k unidades homogéneas de mapa, o colores (ver Figura 7-2). Cada una de las k unidades del mapa puede estar representada en el mapa por una o más sub-áreas. Este mapa "real" está estimado mediante la colocación de una serie de n celdas básicas sobre el mapa. Entonces, se considera la situación donde el conjunto de celdas muestreadas es regular y congruente, y cada celda está definida por un sólo punto en medio de la celda. Las unidades del mapa en el mapa "real" se denominan M1, M2,..., Mk, y en el mapa estimado M1, M2,..., Mk. Cada celda en el mapa estimado está asignada en una unidad de mapa Mi si el punto de muestreo de la celda cae dentro de la unidad del mapa Mi en el mapa "real". Este es el procedimiento común que se utiliza cuando se convierte un vector poligonal a formato ráster. Para los propósitos de este análisis se asume que el área total del mapa está escalado a la unidad, es decir, A(M) = 1. M1 M2 M3 M4

· · · · · · · · · · · · ·

Mapa "real"

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

k

· · · · · · · · · · · · ·

k

· · · · · · · · · · · · ·

M1 M2 M3 M4

· · · · · · · · · · · · ·

· ·

k· · · · · · · · · · ·

· · · · · · · · · · · · ·

k

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

k

· · · · · · ·

· · · · · · · · · · · · ·

· · · · · ·

Unidades del mapa "real"

Mapa estimado

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

· · · · · · · · · · · · ·

Unidades del mapa estimado

Figura 7-2. Ejemplo de mapa "real" y estimado junto a sus unidades.

El grado de mal emparejamiento del mapa estimado es función de dos factores independientes: 75

Juan Peña Llopis

a) La complejidad del mapa real. b) Las propiedades geométricas en la red de muestreo. Considerando la complejidad del mapa, se puede definir una cantidad Pij(d) como la probabilidad de que un punto al azar esté en la unidad i del mapa real y que el punto central de la celda esté en la unidad j del mapa real, cuando los puntos están separados por la distancia d. Switzer derivó la siguiente expresión para el porcentaje de superposición Oij para cada par de unidades rasterizadas del mapa usando malla de píxeles cuadrados: Oij = 0.60 · Pij(n-1/2) - 0.11 · Pij(2n-1/2) El error total para todas las unidades de mapa k está dado por: k

O = ∑ Oij i= j

•

Método de Bregt.

Bregt desarrolló en 1991 un método elegante para la estimación del error asociado a la conversión vector-ráster, también denominado método de doble-conversión porque consiste en rasterizar el mapa dos veces. La primera conversión vector-ráster se realiza empleando el tamaño de píxel del ráster deseado; esto produce lo que se llama el ráster base. A continuación, el mapa se rasteriza a una malla de celdas más pequeña y los dos se comparan. Las celdas en el ráster fino difieren de las del ráster base proporcionando una estima del error en el ráster base. Este método compara los errores obtenidos con un parámetro llamado índice del límite (IL), que se define como la longitud del límite en centímetros por centímetros cuadrados del mapa. El IL se calcula dividiendo la longitud total de los límites del polígono por su área total. Se observa que para un tamaño de píxel dado el error de rasterización (o porcentaje de mal emparejamiento) es una función lineal de IL. Se distinguen dos situaciones: (a) cuando la celda en el mapa ráster base se clasifica de acuerdo al polígono en el que su punto central cae, y (b) la clasificación de celdas por el polígono que domina en esa área. Bregt comparó su método con el de Switzer y demostró que el suyo proporciona unas estimaciones fáciles y mejores de error de rasterización, además que sólo se tiene que calcular el IL. Los valores de IL son independientes de las unidades utilizadas. La desventaja es que las ecuaciones de regresión necesitan ser elaboradas para todas las posibles situaciones, mientras que el método de Switzer es completamente general y no requiere trabajo previo. 76


8. Metodologías en el desarrollo de S.I.G. Las tareas que acarrean los S.I.G. suelen ser tediosas y consumen mucho tiempo, por esta razón es necesario fijar los objetivos y la metodología a utilizar antes de empezar, ya que cualquier imprevisto o indecisión nos puede llegar a hacer perder tiempo o dinero. Este apartado muestra las etapas críticas desde la adquisición a la presentación de los datos, y también presenta los procesos más adecuados para cada resultado.

8.1. Optimización de recursos y tiempo en la utilización de un S.I.G. El proceso de construcción de un S.I.G. (Figura 8-1) consta de muchos pasos desde la caracterización de la realidad hasta la creación de un mapa imaginario. En ocasiones, no es necesario llevar a cabo cada uno de los pasos, ya que se puede disponer de cartografía previa, y continuar a partir de ésta. Cartógrafo

Realidad

Compilar

Reconocer Seleccionar Clasificar Simplificar Simbolizar Mapa

Imagen mental de la realidad

?

Mapa

Mapa

Leer Analizar Interpretar

Imaginar

Usuario del mapa

Figura 8-1. El proceso de construcción de un S.I.G.

Durante el proceso de construcción de un S.IG. intervienen dos intérpretes: el cartógrafo y el usuario del mapa. En ocasiones, puede que sean la misma persona, aunque normalmente no se suele dar. El cartógrafo o especialista de C.A.D. o S.I.G. es la persona que compila los datos de varias fuentes. Normalmente suele haber visitado el lugar o sitio que está a punto de trazar. Después de reconocer qué datos son necesarios para el mapa, selecciona sólo aquellos que son necesarios efectuar para lograr el objetivo del mapa. El cartógrafo o especialista de S.I.G. o CAD adquiere los datos que se seleccionan, clasifica los datos 77

Juan Peña Llopis

en menos categorías, los simplifica, y finalmente elige la simbología apropiada para visualizar la información del mapa. El usuario del mapa es la persona que toma el mapa, lee la simbología, analiza las relaciones, e interpreta la información coloreada a través de conclusiones o inferencias. A partir de la información de los mapas se es capaz de crear una imagen mental del área antes de verla siquiera. Las conclusiones o inferencias se basan solamente en la simbología presentada en el mapa. Normalmente, lo ideal es que el cartógrafo o especialista S.I.G. o CAD y el usuario del mapa sean la misma persona, pero esto no siempre es así, creándose problemas muy críticos por la selección de simbología y el diseño del mapa en el proceso de comunicación entre el cartógrafo y el usuario del mapa. Hay que tener en cuenta dos aspectos antes de empezar a trabajar en un S.I.G.: 1) ¿Qué datos o información inicial se posee para utilizar en el S.I.G.? Por ejemplo: mapas, fotografías aéreas, puntos de GPS, etc. 2) ¿Qué información y con qué precisión se quiere obtener para el estudio tras el uso del S.I.G.? Por ejemplo: saber el número de hectáreas de un uso determinado, saber la altura media de un territorio, la orientación predominante, etc. Una vez conocido el material del que se dispone y se han fijado los objetivos, el paso siguiente consiste en buscar el método más adecuado para su consecución. A continuación, se muestran los métodos más comunes para introducir y tratar los datos geográficos en función de su formato. En este proceso de introducir los datos, una premisa elemental es la elección del formato de los S.I.G., los datos vectoriales son los más precisos, aunque en determinados análisis se requiere el formato ráster. Ante esta contrariedad, lo que se suele hacer es introducir los datos en formato vectorial, que es la forma más rápida y segura, y posteriormente rasterizarlos a su tamaño de píxel óptimo cuando se necesite realizar su análisis. Dependiendo del soporte preliminar de la información geográfica se pueden tener los datos iniciales de mayor a menor complejidad en su entrada en: mediciones puntuales en campo tomadas por GPS; mapas (topográficos, geológicos, políticos, etc.), ortofotomapas, imágenes tomadas desde satélite (sensores remotos); y pares de fotografías aéreas distorsionadas.

78


Todos estos soportes de información se pueden agrupar en función de su tratamiento en los tres tipos siguientes: 1) Mediciones puntuales XYZ.

Las mediciones puntuales en campo tomadas normalmente por GPS se suelen anotar por escrito y están compuestas por las coordenadas X e Y, junto a un valor Z de los atributos que pueden ser variables cualitativas o cuantitativas, normalmente suelen ser variables cuantitativas continuas, como por ejemplo: pH, humedad relativa, pedregosidad del suelo entre otras. La mejor manera de incorporar estos datos geográficos XYZ es mediante su introducción por teclado en una hoja de cálculo, como por ejemplo: Excel. Posteriormente, se pueden convertir a un formato ASCII o base de datos DBF reconocible por cualquier S.I.G. También, se pueden introducir estos datos XYZ por medio de la digitalización en pantalla o por la tableta digitalizadora, pero su precisión es inferior y el tiempo en introducir los datos es superior. Los pasos que hay que tomar para llevar a cabo esta labor son los siguientes: 1. Localización espacial mediante el uso del GPS. 2. Anotación de las variables XY del GPS y la Z de la variable de interés. 3. Introducción de los datos geográficos XYZ por teclado o directamente por cable del GPS a una hoja de cálculo, como por ejemplo Excel. 4. Exportación o conversión del fichero vectorial final, en el caso que haga falta su transformación a un formato reconocible por programas S.I.G. que puedan tratarlo, como pueden ser los archivos de texto con caracteres ASCII o archivos de bases de datos DBF. En la Figura 8-2 se muestra el esquema de todo este proceso.

. ·

· .

. ·

Introducción de datos Anotación de datos XYZ o Localización GPS trasmisión por cable al ordenador XYZ en hoja de cálculo

Figura 8-2. Esquema de la introducción de datos puntuales de GPS.

79

: .

Exportación del fichero vectorial

Juan Peña Llopis

2) Imágenes sin distorsiones (ortofotomapas, imágenes satélite corregidas, mapas escaneados, etc.).

Los ortofotomapas, las imágenes de sensores remotos y los mapas (topográficos, geológicos, políticos, etc.) suelen estar georrectificados, por lo tanto, no es necesario realizar su corrección geométrica, como en el caso de las fotos aéreas. A parte de la digitalización en pantalla, también se puede realizar la digitalización mediante una tableta digitalizadora.

La digitalización en pantalla consta de los siguientes pasos: 1. Preparación del mapa o foto de referencia en formato reconocible por el programa donde se tiene que digitalizar. 2. Hacer uso del sistema de coordenadas más apropiado. 3. Trazado de vectores o líneas sobre el mapa o foto de referencia en la pantalla del ordenador. 4. Exportación o conversión del fichero vectorial final, en el caso que haga falta su transformación a un formato reconocible por programas que puedan tratarlo. En la Figura 8-3 se esquematiza este proceso.

Preparación del mapa o foto

Uso del sistema de coordenadas adecuado

Trazado de vectores sobre la foto o mapa


Figura 8-3. Esquema de la digitalización en pantalla.

La utilización de la tableta digitalizadora suele acarrear los siguientes pasos: 1. Preparación del mapa u ortofoto que se tiene que digitalizar. 2. Ajuste del sistema de coordenadas mediante puntos de control, de los que se conocen sus coordenadas. 3. Trazado de vectores o líneas sobre el mapa u ortofoto en la tableta y comprobando su correcto procesado en el ordenador. 4. Exportación o conversión del fichero vectorial final, en el caso que haga falta su transformación a un formato reconocible por programas que puedan tratarlo, como Miramon, Idrisi,... En la Figura 8-4 se representa el esquema de todo este proceso. 80


Preparación del mapa u ortofoto a digitalizar

Ajuste del sistema de coordenadas

Trazado de vectores sobre el mapa u ortofoto


Figura 8-4. Esquema de la utilización de la tableta digitalizadora.

Hay que destacar que estos dos tipos de digitalización tienen sus ventajas e inconvenientes. La digitalización en pantalla tiene las ventajas de no requerir un dispositivo especial para realizar la digitalización, por lo que puede efectuarse en equipos menos dotados, permite una mejor actualización de los datos y el resultado final posee una mayor precisión. En cambio, la ventaja de la tableta digitalizadora está en que permite digitalizar sobre los datos originales en formato de papel, por lo que pueden realizarse modificaciones sobre el mismo papel. Ante esta comparación es evidente que sea preferible la digitalización en pantalla. 3) Fotografías aéreas distorsionadas.

Los pares de fotografías aéreas se encuentran distorsionadas por multitud de causas (ópticas, orografía, altura de vuelo, etc.), por estas razones se desaconseja el uso de la tableta digitalizadora y se pueden seguir dos tratamientos diferentes para corregir o restituir las distorsiones que poseen antes de realizar la digitalización en pantalla:

La primera técnica consiste en la utilización de macrofotogramas, que consta de los siguientes pasos: 1. Escanear la/s fotografía/s aérea/s. En el caso de que haya más de una fotografía aérea realizar una fotocomposición de todas las fotos empleando algún programa de retoque fotográfico, como Photoshop. 2. Ajuste de la escala bien con el mapa topográfico correspondiente o bien con algún ortofotomapa. 3. Georrectificación tomando puntos de control con el mapa topográfico u ortofotomapa, este proceso utiliza ecuaciones polinómicas cúbicas de tercer orden que establecen una transformación de ajuste de “goma elástica” (rubber sheet) como si la composición de fotografías a ajustar fuese puesta sobre una superficie de goma elástica y fuera deformada para que se hiciera corresponder con el mapa de referencia. En este proceso se construye una nueva imagen que se rellena con valores del remuestreo mediante la transferencia por el vecino más próximo. El error cuadrático medio (RMS, Root Mean Square) proporciona la precisión estándar que se ha obtenido en la corrección geométrica. 81

Juan Peña Llopis

4. Georreferenciación respecto al sistema de coordenadas utilizado. 5. Impresión de la fotocomposición a gran tamaño. 6. Identificación de las unidades de interés por medio de la fotointerpretación de las fotos (con o sin estereoscopio) y la comparación en el campo. 7. Delimitación sobre el material impreso de las unidades de interés que se han identificado en las fotografías aéreas mediante el dibujado de líneas de separación. 8. Digitalización en pantalla de las unidades de interés. La digitalización consiste en el trazado de vectores o líneas sobre el macrofotograma que se tiene en pantalla delimitando polígonos. En la Figura 8-5 se muestra el esquema de todo este proceso.

N Escanear fotos y fotocomponerlas

Impresión del macrofotograma

Ajuste de la escala

Identificación de las unidades de interés

Georrectificación

Georreferenciación

Delimitación de las Digitalización en pantalla o unidades de interés tableta digitalizadora

Figura 8-5. Esquema de la utilización de macrofotogramas en las fotos aéreas.

Otra técnica más sencilla es la utilización de acetatos, que es más costosa en tiempo, pero más fiable en precisión. Ésta está integrada por los siguientes puntos: 1. Acoplar acetatos o transparencias encima de las fotografías aéreas. 2. Identificación de las unidades de interés por medio de la fotointerpretación de las fotos (con o sin estereoscopio) y la comparación en el campo. 3. Delimitación sobre los acetatos de las unidades de interés que se han identificado en las fotografías aéreas mediante el dibujado de líneas de separación. 4. Digitalización en pantalla de las unidades de interés. La digitalización consiste en el trazado de líneas vectoriales sobre un mapa topográfico que se tiene en pantalla como referencia, en el cual se delimitan las distintas unidades diferenciadas que se han encontrado en la fotografía aérea. La única dificultad que exige este proceso es la localización de las zonas de la foto en el mapa de referencia de la pantalla. 82


En la Figura 8-6 se representa el esquema de todo este proceso.

A vista en la foto

Acoplar acetatos encima de las fotos

Estereoscopio

En el campo

Identificación de las unidades de interés

Delimitación de las unidades de interés

Digitalización en pantalla

Figura 8-6. Esquema de la utilización de acetatos en las fotos aéreas. Procesado de los elementos digitalizados del S.I.G.

Tanto en la segunda como en la tercera técnica se consigue llegar al mismo fin, que es la digitalización en pantalla, cuyos resultados pueden ser un mapa vectorial de polígonos o un mapa vectorial de líneas. De los resultados finales obtenidos tanto por tableta digitalizadora, digitalización en pantalla de fotos, mapas u ortofotos como por introducción directa por teclado de los datos XYZ se obtienen tres tipos de salidas gráficas: mapa vectorial de polígonos, líneas y puntos. Estos mapas al estar en formato vectorial no se pueden utilizar para realizar análisis espaciales muy sofisticados, ya que requieren tener los datos en formato ráster. Además en el caso del mapa de polígonos y líneas, aún no se les han añadido las categorías a los atributos, por lo que todavía no son útiles para su manejo. Por consiguiente, a continuación se expondrán los pasos que tienen que franquear estos tres tipos de datos geográficos: a) El mapa vectorial de puntos XYZ una vez se ha introducido está completo y no precisa de ningún otro proceso. En algunos casos, este mapa de puntos vectorial no suele ser el resultado final que se quiere obtener, y se precisa generar un mapa de superficie continua. Una solución es crear un mapa TIN formado por polígonos triangulares a partir de datos puntuales, aplicado sobre todo a modelos digitales de elevaciones, o interpolar los puntos mediante métodos geoestadísticos (kriging). Por otra parte, también se puede rasterizar el mapa vectorial de puntos o sus resultantes mapas continuos para posteriores análisis ráster. b) El mapa vectorial de líneas una vez digitalizado se encuentra también en la fase preliminar, en la que está compuesto por líneas sueltas y en las que aún no se han añadido los atributos. Por consiguiente, el primer paso a realizar es la catalogación de cada una de las líneas que hay en el mapa. 83

Juan Peña Llopis

Este proceso de incorporar los atributos a las líneas en su base de datos se puede realizar también sobre la marcha al mismo tiempo que se van creando las líneas. A partir de este momento, ya se tiene un mapa lineal completo en formato vectorial de la zona con las categorías de interés (curvas de nivel, distancias, etc.). Normalmente, el mapa vectorial lineal no suele ser el resultado final que se quiere obtener, una solución, es crear un mapa TIN formado por polígonos triangulares a partir de datos lineales, o interpolar por medio de un kriging. Otro proceso sería realizar la rasterización del mapa vectorial para que luego se puedan interpolar las líneas y poder tener valores entre ellas en el ráster. Además, el mapa en formato ráster ya puede utilizarse en posteriores análisis. Este caso es muy común en los Modelos Digitales de Elevaciones (M.D.E.). c) El mapa vectorial de polígonos una vez digitalizado se encuentra en la fase preliminar, en algunos casos se trata de un vector lineal no estructurado y está compuesto por líneas sueltas que se unen en ciertos puntos, pero como todavía no se ha construido la topología de arcos/nodos no los reconoce como arcos y nodos. Por lo tanto, se tienen que seguir los siguientes pasos para obtener el mapa vectorial de polígonos como tal: 1. Construcción de la topología arco/nodo: consiste en que reconozca las líneas sueltas como si fueran arcos y los puntos donde se unen los arcos como nodos y, luego, crear su propia base de datos. 2. Construcción de la topología poligonal: radica en el montaje de todos los arcos por medio de sus nodos, creando un mapa de polígonos y su base de datos asociada. 3. Corrección de los errores creados en la construcción de la topología arco/nodo y poligonal (arcos abiertos, polígonos incompletos, eliminación de micropolígonos, etc.). 4. Categorización de los atributos de los polígonos: consiste en añadir a la base de datos de los polígonos valores concretos a cada uno de los polígonos y de esta forma tener registrados todos los polígonos en función de sus características, por ejemplo: usos del suelo, geología, etc. A partir de este momento, ya se tiene un mapa poligonal completo en formato vectorial con las categorías de interés (usos del suelo, geología, etc.). Por una parte, el mapa vectorial poligonal puede ser el resultado final que se quiere obtener, ya que es muy preciso y no deja espacios vacíos, o por otra parte, puede ser necesaria la rasterización de éste para que se pueda utilizar en posteriores análisis ráster. Todo este proceso de adquisición de los datos geográficos es independiente del soporte en el que se encuentre (mediciones puntuales XYZ, imágenes sin distorsiones y fotografías aéreas distorsionadas) y sus sucesivas transformaciones hasta llegar a los resultados finales se encuentran esquematizadas a continuación en la Figura 8-7. 84

INTRODUCCIÓN DE LOS DATOS

DATOS INICIALES


Fotografías aéreas distorsionadas

Mapa u ortofotomapa georrectificado

Datos puntuales de GPS

Escanear y Utilizar acetatos Escanear y georrectificar las encima de fotos y ajustar escala distorsiones fotointerpretar

Digitalización en tableta digitalizadora

Digitalización en pantalla

Introducción directa por teclado de los datos XYZ

. ·

· .

MANEJO DE LOS DATOS

. ·

Mapa vectorial de polígonos

Mapa vectorial de líneas

Topología arco/nodo y poligonal

Introducción de atributos a las líneas

: .

Mapa vectorial de puntos

2 3 4 1

5

RESULTADOS FINALES

Categorización de atributos

Mapa vectorial de polígonos

Rasterización

Mapa ráster de polígonos

Rasterización Interpolación Rasterización TIN Interpolación Interpolación o kriging

Mapa ráster de Mapa vectorial superficie continua TIN

Figura 8-7. Esquematización del procesado de los datos en los S.I.G.

85

Mapa ráster de superficie continua

Juan Peña Llopis

8.2. Diseño gráfico y objetivos de los mapas de un S.I.G. Un mapa contiene la información geográfica, resalta las relaciones geográficas importantes y presenta resultados de análisis. Debido a que la mayoría de los usuarios de los S.I.G. tiene que presentar sus datos espaciales gráficamente a una gran variedad de lectores, ha hecho de ellos también diseñadores de mapa o cartógrafos. Cualquier análisis S.I.G. finaliza con algunos resultados que necesitan ser comunicados. Se puede cumplir el propósito del mapa usando colocación apropiada de elementos del mapa y escogiendo los símbolos y elementos cartográficos más adecuados para mostrar el mensaje que se quiere comunicar. Un objetivo obvio para crear un mapa es mostrar los resultados del análisis. Otros objetivos del mapa pueden ser simplemente compartir la información, guiar personas o poder resaltar relaciones espaciales. El objetivo primario normalmente no es crear un mapa bonito, sino crear un producto que comunique de manera eficaz y clara. Existen varios factores que controlan el diseño del mapa y que limitan su creatividad y flexibilidad: - El objetivo del mapa: Se puede diseñar un mapa para un libro o para una pared, plegado o extendido, en blanco y negro o coloreado, cuadrado o rectangular, y así sucesivamente. Cada una de estas condiciones controlaría el diseño del mapa. - El público: Dependiendo de si el mapa es para el uso de un comité muy técnico o público general se enfocará de manera diferente. El diseño debe estar al nivel de los lectores del mapa. Esto controla la complejidad o facilidad del diseño del mapa. - La realidad y la necesidad de generalizar: Un litoral detallado es importante para los estudios ecológicos, en el caso que el mapa esté dirigiéndose a ecólogos éste debe detallarse, porque en este estudio concreto se hacen deducciones basadas en la manera en que se forma el litoral. Un río con meandros es importante para proyectistas de la ciudad. No se puede generalizar las formas de estas líneas complejas extensivamente (por ejemplo, en una recta o una línea curvada grande), ya que al cambiar el mapa a una escala de mayor detalle no representará la realidad. - La escala y los límites técnicos: La escala dicta cuánto detalle es capaz de poner en el pedazo limitado de papel. A una escala de 1:1.000.000, un camino de 10 metros de ancho debe aparecer en el mapa a una anchura de línea de 0,01 mm. Sin tener en cuenta el grado de sofisticación del diseño de pantalla puede darse el caso que esté controlado por la calidad de impresión y trazado del hardware (impresora o plóter). - El modo de uso: El diseño del mapa merece un tratamiento diferente dependiendo del lugar y el contexto en que se emplee. 86


- El número de colores: La investigación ha demostrado que el ojo humano está limitado en su habilidad de descifrar las diferencias en los colores si se excede de doce colores en una misma vista. Adicionalmente, si se opta por utilizar diferentes matices del mismo color, hay que tener en cuenta que el ojo humano no es capaz de descifrar más de siete u ocho matices distintos. - La legibilidad: La legibilidad está definida como el símbolo más pequeño que puede leerse fácilmente a una cierta distancia. Muchos mapas fracasan al no revelar la información útil porque los símbolos de texto, punto o línea son demasiado pequeños. - El contraste visual y jerarquía: La lectura del mapa puede mejorarse aumentando el contraste visual entre los símbolos o entre el símbolo y su fondo. Las variaciones en el tamaño o niveles de gris también pueden producir una jerarquía visual cuantitativa. Puede usarse contraste visual y jerarquía en el diseño del mapa para dirigir al lector del mapa un enfoque primero en las áreas más importantes y proceder luego a las áreas menos importantes. - El equilibrio visual: Cuando se empieza a desplegar la simbología en un mapa, el tratamiento diferente de características gráficas puede producir símbolos que varían en su peso visual. Es necesario un esfuerzo para lograr un equilibrio visual que mejore el propósito del mapa. Clasificación de los mapas.

Clasificar los mapas es una tarea difícil, sin embargo, por lo general se pueden dividir en dos grandes categorías: mapas generales y mapas temáticos. •

Los mapas generales: Muestran los tipos de datos posicionales o de localización. Éstos colorean una gran variedad de entidades y se usan para muchas disciplinas. Esta es la razón por la que se les denomina “generales”. Los ejemplos de tales mapas incluyen mapas del atlas o los mapas topográficos producidos por los principales organismos territoriales.

•

Los mapas temáticos: Hay dos tipos de mapas temáticos: cualitativo y cuantitativo (ver Figura 8-8). Los dos Suelos Población suelen mostrar la distribución de un atributo en concreto y ambos generalmente colorean un solo atributo o relación. No es raro, sin embargo, para los mapas temáticos más Cualitativo Cuantitativo complicados tener varios atributos o Figura 8-8. Tipos de mapas temáticos. relaciones.

87

Juan Peña Llopis

o Los mapas temáticos cualitativos: Estos mapas representan los datos mediante diferentes tipos de entidades igual importancia a una escala nominal, como por ejemplo los diferentes tipos de usos del suelo. Algunos mapas cualitativos pueden cambiar a una clasificación cuantitativa si se sustituye la escala nominal a otra ordinal. o Los mapas temáticos cuantitativos: Estos mapas muestran deliberadamente las diferencias de las características cuantitativas. Para visualizarlos es necesario fijar un intervalo o escala en la proporción de la variable de interés, como por ejemplo: la densidad de población por kilómetro cuadrado, o variación en temperatura o humedad.

8.3. Construcción de una base de datos de un S.I.G. Para asegurar el éxito de un proyecto S.I.G. es crítico una buena planificación. En este punto, se presentarán los problemas y procesos involucrados en el diseño de una base de datos de un S.I.G. No hay un único procedimiento correcto que se ajuste para cualquier diseño de base de datos, el procedimiento a perfilar se trata más bien de una pauta a seguir. El proceso de planificar una base de datos no es lineal. Existen bucles retroalimentativos, especialmente entre el estudio piloto, los diseños conceptuales y lógicos, y el diseño físico. Los pasos a seguir durante este proceso de diseño se muestran en la Figura 8-9.

Necesidades de evaluar

Prototipado

Diseño conceptual y lógico Diseño físico Plan de automatización Proyecto piloto

Implementación final Figura 8-9. Esquema del proceso de construcción de una base de datos S.I.G.

88


Las necesidades de evaluar.

Determinar las funciones que soportará el S.I.G. en este paso. Para conseguir la información necesaria para completar esta tarea se podría entrevistar y consultar a los usuarios potenciales, los inventarios de los datos, los funcionamientos del hardware, software y personal. Quizás ningún paso en el proceso del diseño de la base de datos es tan crítico y consume potencialmente tanto tiempo como las necesidades de evaluar. Hay una buena razón para destinar la atención apropiada y recursos a este paso. La habilidad de los S.I.G. de operar aceptablemente se relaciona directamente con las funciones necesarias de los S.I.G. que se saben manejar. El diseño conceptual y lógico.

Consiste en determinar el contenido de la base de datos y la organización lógica de los datos en la base de datos. Una vez se ha determinado qué datos se almacenarán en la base de datos, la próxima tarea es seleccionar las clases de entidad y organizar éstas en capas. El diseño conceptual es un concepto de alto nivel de cómo la base de datos trabajará. El diseño lógico es un diseño detallado que ejecuta el plan conceptual de acuerdo con un modelo de datos específico. Este procedimiento incluye determinar los contenidos de la base de datos (información espacial, atributos y comportamiento), seleccionando los datasets geográficos apropiados, y organizando el contenido en una serie de temas. Para determinar el formato de almacenamiento de datos ArcInfo y ArcView ofrecen muchas opciones para almacenar datos espaciales y de atributos. Cada formato tiene sus ventajas y limitaciones, pero si se conocen las necesidades, se debe poder seleccionar los formatos que trabajarán mejor para los S.I.G. a desarrollar. Cuando se escogen los formatos de datos se deberían considerar los inconvenientes siguientes: •

La topología: El formato de archivo coverage almacena la topología del polígono y de la línea. El formato geodatabase, en la actualidad, almacena sólo la topología de líneas. Los shapefiles no guardan la topología.

•

El vector contra los datos ráster: El formato ráster se ajusta sobre todo a los datos sin límites claros (datos continuos) como la temperatura, polución, y elevación. El formato vectorial almacena las líneas discretas, para que éstas se ajusten mejor a los datos discretos como las calles y límites de parcelas.

•

La consistencia: Los formatos que se escogen dentro de la organización deben estandarizarse y ser fácilmente convertibles si es necesario. 89

Juan Peña Llopis

El diseño físico

Físicamente se estructuran los datos para que se ajusten al formato de datos del software. Un esquema detallado de la base de datos también se lleva a cabo en esta fase, junto con los planes para la documentación y las convenciones al nombrar los archivos. Hay algunos problemas del diseño físico a tener en cuenta al diseñar la base de datos: Las fuentes de datos: Decidir qué fuente de datos se usa para los S.I.G. puede involucrar búsquedas fuera de la organización. Éste es un paso importante porque el coste y calidad de la base de datos pueden ser afectadas profundamente por la opción de las fuentes de datos. Diseñar datasets individuales: Este paso es una traducción detallada del diseño conceptual en un diseño físico. Consiste en hacer el último diseño de cada dataset geográfico y tabla de manera independiente. Se decide precisamente cómo cada elemento de datos se almacenará y qué esquemas codificados se usarán. Trata de determinar qué relaciones se almacenarán, qué dominios y subtipos se establecerán. La documentación: Establecer una convención de la denominación estandarizada para los datos de archivos espaciales, atributos y relacionados. Determinar qué información se almacenará como la documentación para la base de datos y qué procedimientos se implementarán. El esquema de la base de datos: El esquema de una base de datos de los S.I.G. es su estructura global. Esta parte del diseño físico traduce el diseño conceptual o lógico en un diseño detallado. Además, para los componentes de datos, el esquema debe tener en cuenta también los dispositivos de almacenamiento físico, la seguridad y necesidades del usuario. Una vez diseñado, un esquema de la base de datos debe ser difícil de alterar, pero posible si es verdaderamente necesario. El plan de automatización

En el plan de automatización se establecen los procedimientos y se preparan los datos para la automatización e implementación del plan. Si hay problemas durante este paso, se puede necesitar reevaluar el diseño de la base de datos. Una vez el diseño de la base de datos se ha finalizado, se pueden empezar a incorporar los datos en la base de datos. Aunque hay una enorme cantidad de fuentes comerciales y técnicas para capturar los datos, el proceso normalmente sigue estos tres pasos: 1. Convertir los datos al formato deseado. Esto podría requerir múltiples pasos. 2. Corregir cualquier error espacial y agregar los datos de atributos apropiados. 90


3. Agregar los pedazos individuales de datos en una representación completa del área de estudio. Esto puede requerir también eliminar algunos datos superfluos. Hay que recordar que es conveniente planear los métodos de automatización de datos antes de empezar esta fase del proyecto y documentar cada paso. El proyecto piloto

Se prueba la funcionalidad, ejecución y flexibilidad del diseño de la base de datos. Por lo menos, un estudio piloto debe realizarse antes de la implementación completa de la base de datos. Dirigiendo un estudio piloto, por lo menos, permite evaluar el diseño de la base de datos a un coste relativamente bajo antes de la implementación a gran escala. El diseño debe probarse para la funcionalidad, ejecución y flexibilidad. Para encontrarse este objetivo, un estudio piloto debe reflejar los tipos de tareas que los S.I.G. exigen realizar. También, debe usar varios datasets diferentes para asegurar que el diseño está trabajando. A veces, se requiere más de un estudio piloto. Prototipado

Resulta conveniente probar su funcionamiento. Se trata de una retroalimentación realizada por los usuarios que puede evitar futuros problemas.

8.4. Manejo adecuado de los programas para la creación de un S.I.G. Durante el proceso de creación y manejo de mapas, y la posterior salida de los mismos se suelen utilizar gran cantidad de programas, ésto es debido a que no existe en la actualidad ningún software de S.I.G. ideal, que reuniendo las propiedades de introducción, manejo, análisis y salida de los datos, sea el más conveniente para utilizar en todos estos procesos y que dependiendo de nuestros intereses existan otros programas más competitivos y con mejores resultados. Puesto que es evidente que ningún software de S.I.G. es el mejor de los programas posibles y no se llegan a cubrir todas las posibles expectativas con un único software, los programas acaban especializándose en función del tipo de datos, el tipo de aplicaciones y la lógica de trabajo que se supone que se van a utilizar. Según el tipo de datos que manejan: 91

Juan Peña Llopis

•

S.I.G. ráster. Incluyen principalmente herramientas para el manejo de variables espaciales y teledetección (Idrisi32, GRASS, Erdas, E.R. Mapper, SPRING y PCRaster).

•

S.I.G. vectorial. Manejo de objetos (ArcInfo, ArcView, MapInfo y Geomedia).

Respecto a la forma de organizar el trabajo: •

S.I.G. basados en menús. Están orientados normalmente a la gestión tanto en empresa como en administración (ArcView, Idrisi32, MapInfo, Geomedia, SPRING, Erdas y E.R. Mapper). Son un software más sencillo y más intuitivo de aprender.

•

S.I.G. basados en comandos. Están orientados a la investigación (GRASS, ArcInfo Workstation y PCRaster). La ventaja de los programas basados en comandos reside en la capacidad de programar y ejecutar scripts o comandos complejos, que permiten ahorrar tiempo para realizar tareas repetitivas.

También, hay que distinguirlos atendiendo al tipo de comercialización: •

S.I.G. libres (GRASS).

•

S.I.G. comerciales (ArcInfo, Idrisi32, Geomedia, MapInfo, Erdas, E.R. Mapper).

•

S.I.G. gratuitos o semigratuitos (SPRING, PCRaster).

Finalmente, en función de la plataforma que utilizan: •

S.I.G. para Windows (ArcInfo, Idrisi32, Geomedia, MapInfo, Erdas, E.R. Mapper, SPRING y PCRaster).

•

S.I.G. para UNIX o linux (ArcInfo y GRASS).

La mayoría de programas de S.I.G. poseen formatos propios para cada tipo de archivo, aunque al mismo tiempo tienen la posibilidad de exportación o importación de sus archivos, lo que permite la conversión de los archivos entre los distintos programas de S.I.G. Esta particularidad es muy importante para el libre uso de los datos entre los diferentes programas que existen y de esta forma, utilizarlos para el análisis de datos que sea más idóneo. Programas S.I.G.

Con el fin de tener un mejor conocimiento del software que existe en la actualidad se detallan las características más significativas de cada uno de los programas de S.I.G. más relevantes:

92


ArcView 3.X: El ArcView es un programa de consulta y visualización de mapas vectoriales y rásters, sus capacidades de edición son limitadas, puesto que normalmente ya se han realizado en otro S.I.G. compatible. El ArcView permite trabajar tanto con formato vectorial como con formato ráster (precisa del módulo Spatial Analyst), aunque está enfocado hacia el formato vectorial. Una de las ventajas más grandes que tiene el ArcView es su potente motor de bases de datos. Ésto permite añadir categorías a los atributos a medida que se visualiza el mapa en pantalla, esta interactibilidad hace del ArcView un programa muy útil para el manejo de bases de datos geográficas. Una de las desventajas del ArcView son las tareas de edición que son tediosas y es preferible realizarlas en otro programa, con lo que el ArcView es el programa idóneo para consultar y expresar el resultado final de los datos. ArcGIS: Es la nueva generación de S.I.G. de ESRI que viene a integrar bajo una misma arquitectura los productos ArcView y ArcInfo de versiones anteriores. Está compuesto por ArcView, ArcEditor y ArcInfo, que proporcinan de menos a más funcionalidad. Pero, todos ellos son fáciles de manejar, con multitud de herramientas para consultar, analizar y presentar los datos con gran calidad de presentación. De este software trata la parte práctica del presente libro. MapInfo: MapInfo está enfocado al mercado de gestión de mapas aplicado a las empresas, permitiendo realizar análisis sofisticados y detallados para tomar decisiones más acertadas, desde crear mapas con detalle para gestionar geográficamente activos a revelar patrones y tendencias en los datos para entender a los clientes y la demografía del mercado. La facilidad de uso y su integración con las aplicaciones de productividad han hecho de MapInfo el líder en el sector de S.I.G. para planificación estratégica y logística en el área de negocios. Erdas Imagine: ERDAS es un potente software de tratamiento digital de imágenes, así como un S.I.G. ráster, fácilmente integrable con sistemas vectoriales como ArcGIS. ERDAS Imagine resulta ser un programa de calidad para el análisis de cualquier tipo de dato geográfico, en cualquier campo. Ofrece una solución flexible y escalable para el tratamiento digital de imágenes, análisis espectral, fotogrametría digital, integración de datos SIG y composición de mapas.

93

Juan Peña Llopis

ER Mapper: ER Mapper es un avanzado sistema de proceso digital de imágenes, teledetección y composición cartográfica, enfocado a las ciencias de la tierra para integrar, realzar, visualizar e interpretar los datos geográficos. ER Mapper representa una innovación al permitir la integración y el procesado de los datos de una forma realmente interactiva y en tiempo real. El interfaz gráfico de usuario es realmente fácil de aprender y utilizar e integra toda la funcionalidad en un único programa o módulo. PCRaster: PCRaster es un S.I.G. que consiste en un juego de herramientas para guardar, manipular, analizar y recuperar la información geográfica. Es un sistema basado en formato ráster, con la peculiaridad de la manera de almacenar los tipos de datos en la base de datos y las posibilidades para la manipulación y análisis de los datos. La arquitectura del sistema permite la integración de modelos con las funciones de los S.I.G. clásicas. Geomedia: Geomedia Professional ha sido el primer producto de captura y manejo de datos espaciales diseñado para trabajar con bases de datos relacionales estándares. Está enfocado hacia la alta productividad en captura, edición, análisis y salida de datos. Ha sido diseñado específicamente para proporcionar una solución S.I.G. completa desde la captura hasta la salida de datos. Geomedia Pro se integra con la mayoría de las herramientas de automatización de oficina, tales como hojas de cálculo, presentaciones, o herramientas para informes. GRASS: GRASS (Geographic Resources Analysis Support System), es un S.I.G. usado para el manejo de datos, procesamiento de imágenes, producción gráfica, modelización espacial y visualización de muchos tipos de datos. En la actualidad es uno de los sistemas de información geográfica más conocidos y utilizados debido a las facilidades que ofrece para el manejo y el análisis de información georreferenciada, además de contar con la ventaja de que es de libre distribución y opera en estaciones de trabajo con UNIX, aunque también está disponible para Linux. GRASS está compuesto por módulos, lo que permite implementarlo para diversos usos. Es compatible con los formatos ArcView y MapInfo.

94


SPRING: Es un S.I.G. gratuito de fácil manejo y de grandes prestaciones. Puede descargarse el programa completamente operativo o solicitarse un CD. Soporta funciones de procesamiento de imágenes, análisis geográfico, M.D.T., álgebra de mapas, consulta a bases de datos relacionales, importación de datos, georreferenciación, etc. Se trata de un sistema multiplataforma UNIX y Windows que trabaja con tipo de datos vector/ráster. Miramon: El Miramon es un programa reciente que permite la edición, visualización y consulta de mapas rásters y vectoriales. Pese a su entorno poco vistoso, posee grandes ventajas respecto a otros programas S.I.G., ya que permite soportar gran cantidad de formatos de archivos, posee una gran capacidad de exportación/importación, posibilita las labores de estructuración topológica de vectores no estructurados y permite la digitalización y edición (borrado, conexión,...) vectorial sobre la pantalla, tanto encima de rásters (ortofotos, falso color,...) como de otros vectores. Los formatos que utiliza el Miramon son vectorial, ráster y una composición de ambos. Idrisi: El Idrisi v.2.0 es la versión anterior al Idrisi32. Este es un programa bastante similar al Idrisi32, ya que los cambios en la estructura del programa han sido muy pocos, tan sólo se han añadido nuevos y mejores módulos de análisis y se ha cambiado el formato de los ficheros rásters y vectoriales y en consecuencia su extensión, aunque se pueden convertir. Por lo tanto, el Idrisi v.2.0 no tiene ninguna ventaja con respecto a la nueva versión de Idrisi32, con lo cual esta versión antigua es prescindible. Idrisi32: El Idrisi32 es un programa adecuado para la visualización y manejo de ambos tipos de datos: ráster y vectorial, aunque, el análisis está orientado principalmente al uso de imágenes ráster. Por ello, suele describirse como un sistema ráster. No obstante, posee una serie de comandos de conversión vectorial a ráster que permite incorporar con facilidad las capas vectoriales a los procesos de análisis. Además, incorpora un sistema de gestión de base de datos que está directamente conectado a los datos vectoriales. Así ofrece una buena solución a los análisis geográficos que requieren ambos tipos de capas temáticas. En Idrisi32 la introducción de los datos es el único problema, salvo esta particularidad está reconocido como el mejor software de análisis para formato ráster.

95

Juan Peña Llopis

Otros programas que complementan a los S.I.G.

Por otra parte, existen otros programas que pese a no ser considerados S.I.G. conviene tener instalados por su interacción con los datos del S.I.G., éstos son los sistemas C.A.D. (Computer Aided Design ), hojas de cálculo, bases de datos, editores de texto, software de programación, programas de retoque fotográfico y diseño gráfico 3D. Surfer: El Surfer es un programa sencillo para crear mapas vectoriales bidimensionales o tridimensionales de variables discretas o continuas, con posibilidad de realizar precarias interpolaciones en un espacio X,Y entre puntos de una Z conocida. Es capaz, también de elaborar mapas ráster. No obstante, no se trata de un programa con el suficiente rigor geoestadístico o geográfico como para considerarse S.I.G., aunque, por su sencillez, facilidad de manejo y sus atractivas presentaciones es muy eficaz para la realización de modelos digitales de elevaciones y mapas sencillos a partir de pocos datos de origen. Microstation: El Microstation es un sistema C.A.D., que agrupa una serie de programas, utilizados como "mesas electrónicas de dibujo", que facilitan el trabajo de delineantes, arquitectos y planificadores. Los archivos que utiliza son de tipo vectorial (*.DGN) muy similares a los archivos de Autodesk Map. Este programa se suele utilizar para las labores de digitalización, ya que es un sistema muy manejable y versátil. Además, al comprimir en gran medida los ficheros de tipo vectorial resulta muy útil a la hora de trabajar con muchos mapas de referencia. Autodesk Autocad Map: El Autodesk Autocad Map (anteriormente llamado Autocad) es otro programa C.A.D. (Computer Aided Design) que también trabaja con archivos vectoriales muy parecidos a los de Microstation, sin embargo en la versión Map trata de unir los sistemas C.A.D. y S.I.G. teniendo capacidad muy completa de exportación/importación. Junto con el Microstation son programas muy similares y poseen muchas tareas comunes, ya que se pueden utilizar ambos para la digitalización y el cartografiado. Excel: El Excel como cualquier otra hoja de cálculo (Quattro Pro, Lotus,...) es muy útil para realizar cambios a las matrices numéricas de las que está compuesta cualquier mapa. También, es muy práctico para introducir de forma rápida datos XYZ en formato vectorial de puntos, como pueden ser datos de GPS. 96


Access: El Access como cualquier otra base de datos (dBase, Paradox, FoxPro,...) se puede utilizar para editar, corregir o modificar los atributos que contenga la base de datos de un mapa vectorial de polígonos o líneas. De esta forma, se puede acceder a los datos sin que se utilice el programa S.I.G., que en muchos casos las tareas de modificar los atributos dentro del programa S.I.G. se hacen muy tediosas y en las bases de datos se pueden realizar de forma automática. Word y

otros editores de texto:

El Word y cualquier editor de texto (WordPerfect, Bloc de notas, WordPad,...) sirven para la lectura de los archivos de documentación, archivos adjuntos de georreferenciación de imágenes (world file), etc. que tienen los mapas y permite ver, corregir o modificar, siempre que ello no suponga ningún problema a la hora de que el programa S.I.G. compare la información que tiene el archivo de documentación con el archivo que contiene los datos geográficos. Visual Basic: El Visual Basic como cualquier otro sistema de programación (Pascal, Delphi, C, C++, etc.) se puede utilizar para crear nuestros propios programas que sean capaces de reconocer los datos de las imágenes (en código ASCII o binario) y así realizar análisis complejos que no son posibles con el software básico. Aprender Visual Basic es una ventaja considerable con respecto a cualquier otro, ya que los scripts y macros del ArcGIS se escriben en este lenguaje. Photoshop: El Photoshop es uno de los programas de dibujo más extendidos y utilizados. Éste sólo puede visualizar y trabajar con archivos de dibujo de tipo ráster (*.TIF, *.BMP, *.JPG, etc.). Entre sus ventajas residen su sencillez y el manejo de capas, que le confieren gran utilidad a la hora de trabajar con software S.I.G., ya que a veces es necesario realizar retoques de postproducción que es más fácil de realizar que en el mismo S.I.G. Corel Draw: El Corel Draw es otro de los programas de dibujo más comunes, en este caso, éste sólo trabaja con ficheros vectoriales, aunque permite su exportación a rásters. La capacidad de trabajar con ficheros vectoriales hace que sea compatible con el Microstation y con Autocad. Al igual que el Photoshop el Corel Draw tan sólo tiene utilidad a la hora de mostrar los resultados de los mapas, donde se puede utilizar para añadir estética. 97

Juan Peña Llopis

Bryce: Por medio del Bryce se pueden moldear formas y estructuras, entre las que pueden incorporarse información espacial para la realización de paisajes tridimensionales. Posee una interfaz muy accesible que permite introducir fácilmente nuevos elementos, de esta manera consigue que sea sencillo de manejar. El renderizado que ostenta es bastante rápido y de gran realismo. El editor de árboles es muy adecuado a la hora de recrear paisajes. World Construction Set: Es un programa para la visualización del terreno que utiliza la geometría fractal y cuya principal característica es poseer la capacidad de utilizar datos provenientes de un S.I.G., para integrar datos reales en el terreno y con coordenadas reales. También, permite la integración de objetos 3D de programas como 3D Studio Max o Lightwave. Es capaz de representar el terreno con suficiente realismo en cuanto a textura, vegetación y posicionamiento de los elementos sin utilizar la textura de una imagen de satélite o de una fotografía aérea. Su aplicación es muy interesante, no sólo para la visualización del terreno, sino también para estudios de impacto medioambiental o estudios biológicos.

98


PARTE PRÁCTICA 9. Introducción al ESRI ArcGIS 9 A finales de 2000, fruto de una larga investigación y esfuerzo de desarrollo, la empresa ESRI (Enviromental Systems Research Institute) dio a conocer la primera fase del sistema de ArcGIS, una nueva arquitectura integrada para los productos S.I.G. Esta arquitectura proporciona una solución escalable y global para construir y servir aplicaciones S.I.G. de todos los tipos dentro de todas las arquitecturas de ordenadores. ArcGIS comprende una gama escalable de productos software que comparten la misma arquitectura de componentes (ArcObjects), siendo una nueva plataforma para crear, manipular, distribuir y aplicar la información geográfica. El sistema de ArcGIS se diseña para interactuar con la tecnología, aplicaciones y bases de datos existentes en la empresa. Por medio del uso de estándares abiertos, tales como COM, XML y SQL, ArcGIS puede comunicarse con las bases de datos de la empresa (con o sin extensiones espaciales), servidores Web, y aplicaciones complementarias para la gestión de recursos de la empresa y gestión de la relación con el cliente. Los usuarios pueden desplegar múltiples clientes de ArcGIS (ArcView, ArcEditor, ArcInfo, ArcExplorer, Navegadores) y servidores de ArcGIS (ArcSDE y ArcIMS) para resolver sus necesidades por medio de las soluciones escalables S.I.G. ArcGIS tiene una nueva interfaz gráfica de usuario que facilita e incrementa la productividad. A partir de la versión 8.X de ArcGIS en la que se añadieron tres nuevas aplicaciones (ArcMap, ArcCatalog y ArcToolbox) que trabajan juntas para realizar la mayoría de las tareas que estaban asociadas con los S.I.G. en el pasado. Estas aplicaciones ayudan a interactuar con los S.I.G. a través de métodos básicos, mapas, datos y herramientas. El nuevo concepto de modelo de datos en ArcGIS es el "modelo de datos de objetos" que permite la creación de bases de datos orientadas a la información geográfica logrando combinar las propiedades de los objetos con su "comportamiento". Estas bases de datos inteligentes otorgan al usuario la habilidad de añadir definiciones y comportamiento a objetos, que de esta manera son más parecidos a los del mundo real. Además, los usuarios finales y no programadores pueden personalizar ArcGIS mediante herramientas dirigidas por menú. Con la inclusión de VBA (Visual Basic para aplicaciones) podremos incorporar en nuestros proyectos scripts que realicen ciertas tareas utilizando el modelo de objetos de ArcGIS (ArcObjects). 99

Juan Peña Llopis

9.1. Estructura de ESRI ArcGIS 9. ArcGIS es la nueva familia de productos S.I.G. de ESRI. Esta familia se compone de una gama escalable de varios productos que comparten la misma arquitectura y siguen la línea tecnológica iniciada con ArcInfo y ArcSDE. Los nuevos productos cliente de la gama ArcGIS son ArcInfo, ArcEditor y ArcView que se completa con dos productos servidores: ArcSDE y ArcIMS (ver Figura 9-1).

Productos ArcGIS

ArcEditor

ArcView

Servicios ArcGIS

ArcInfo

ArcIMS ArcSDE

Base de datos

Depósito de datos

Figura 9-1. Arquitectura del sistema ArcGIS.

Todos los productos de ArcGIS comparten una arquitectura común, de esta manera, los usuarios pueden compartir su trabajo con otros usuarios. Los mapas, los datos, la simbología, las capas del mapa, las herramientas personalizadas e interfaces, los informes, los metadatos, y así sucesivamente, pueden accederse intercambiablemente en todos los productos. Esto significa que se consigue el beneficio de usar una sola arquitectura en lugar de aprender y desplegar muchas arquitecturas diferentes. Bajo el nombre ArcGIS Desktop se comercializan los sistemas ArcInfo, ArcEditor y ArcView, que comparten un mismo núcleo y un número de funciones que varía de la versión mas completa (ArcInfo) hasta la mas simple (ArcView). Pero cada una de ellas está compuesta por dos aplicaciones diferentes: el ArcMap (semejante al ArcView 3.X) y el ArcCatalog (semejante al Explorador de Windows para datos espaciales); por otra parte, integrado en éstos se encuentra el ArcToolbox (conjunto de herramientas de conversión y análisis de los datos). Empleando estas tres aplicaciones juntas, se puede realizar cualquier tarea S.I.G., desde una tarea simple a una más avanzada, incluso la cartografía, manejo de los datos, análisis geográfico, edición de datos y geoprocesamiento.

100


ArcGIS Desktop usa tres productos del software que comparten una misma interfaz y por tanto tienen el mismo aspecto y trabajan de la misma manera, cada una proporciona un nivel más alto de funcionalidad. ArcView proporciona la cartografía completa y herramientas de análisis con corrección simple y herramientas del geoprocesamiento. ArcEditor incluye la funcionalidad completa de ArcView con la suma de capacidades de la corrección avanzadas para coverages y geodatabases. ArcInfo extiende la funcionalidad de ambos conteniendo el geoprocesamiento avanzado. También, incluye las aplicaciones para el Workstation de ArcInfo (Arc, ArcPlot, ArcEdit, y así sucesivamente). Además, ArcGIS tiene la posibilidad de conseguir en abundancia datos espaciales y recursos disponibles a través de los servicios de ArcIMS en Internet o almacenado en una base de datos de ArcSDE. ArcGIS Desktop es un sistema completo, integrado y escalable diseñado para satisfacer las necesidades de una gama amplia de usuarios de los S.I.G. A continuación, se explica con detalle la funcionalidad de cada producto del sofware ArcGIS: ESRI ArcReader.

ArcReader es un visualizador de mapas gratuito. Está construido con los mismos componentes tecnológicos que ArcGIS y comparte con el resto de productos el mismo entorno de trabajo. Con ArcReader se puede visualizar, consultar e imprimir mapas de forma sencilla. Se puede descargar en la siguiente web: http://www.esri.com/software/arcgis/arcreader/download.html ESRI ArcGIS ArcView.

ArcGIS ArcView es la siguiente generación de ArcView de ESRI. Este cambio de versión de 3.X a 8.X indica que por un lado la ampliación de funcionalidad y por otro que ArcGIS ArcView está construido sobre la misma tecnología que ArcGIS ArcInfo y ArcSDE. Todos estos productos están diseñados para trabajar en armonía con los demás. ArcGIS ArcView proporciona la misma funcionalidad que ArcView 3.X, con algunos cambios notables, como la nueva aplicación ArcCatalog para manejar y administrar datos, personalización con VBA (Visual Basic para Aplicaciones), mayor número de herramientas de edición, soporta anotaciones y mucho más. ArcGIS ArcView comprende las aplicaciones ArcCatalog y ArcMap, ambas con una versión reducida de ArcToolBox. ESRI ArcGIS ArcEditor.

ArcEditor está principalmente diseñado para crear y editar geodatabases. Abarca una versión completa de ArcMap, incluyendo todo el editor de objetos, y ArcCatalog. Con el ArcEditor se pueden crear y modificar bases de datos y esquemas de bases de datos para ficheros shapefile, coverages, geodatabases personales y geodatabases de corporativas. 101

Juan Peña Llopis

ESRI ArcGIS ArcInfo.

ArcInfo es el producto funcionalmente más rico en la familia de productos ArcGIS. Incluye toda la potencia que puede dar ArcView y ArcEditor, con todas las herramientas disponibles de ArcToolbox y una versión completa de ArcInfo Workstation (Arc, ArcEdit, ArcPlot, Arc Lenguaje y todas las extensiones). ArcInfo es un sistema GIS completo: permite crear datos, actualizarlos, consultarlos, hacer mapas y realizar análisis. ESRI ArcSDE.

ArcSDE permite trabajar con datos geográficos almacenados en un sistema de gestión de bases de datos relacionales como Oracle, Microsoft SQL Server, IBM DB2 o Informix. ArcSDE gestiona el intercambio de información entre ArcGIS y la base de datos relacional, permitiendo a varios usuarios compartir y editar de forma simultánea los datos geográficos almacenados en un servidor. ESRI ArcIMS.

ArcIMS es un S.I.G. sobre Internet. Es una herramienta que permite publicar a través de Internet mapas y datos incluyendo herramientas de visualización, consultas a la base de datos, simbolización y análisis sin necesidad de que el usuario tenga instalado ningún tipo de software S.I.G. en su ordenador. ESRI ArcPad.

El software ArcPad es la solución para el mapeo móvil, orientado a proyectos de captura de datos y recogida de información geográfica mediante posicionamiento GPS en campo. ArcPad añade a los dispositivos móviles (Pocket PC, Tablet PC, etc.) funcionalidades GIS y GPS, proporcionando la integración de acceso a bases de datos y sistemas de posicionamiento global en cualquier parte en tiempo real.

102


9.2. ArcCatalog (

).

Esta aplicación es un avanzado explorador de datos geográficos en forma de archivos cartográficos y alfanuméricos contenidos en el PC, una Intranet o Internet, desde el que se puede controlar el acceso a la cartografía, tablas, bases de datos, etc. (Figura 9-2), permitiendo la exploración (presenta los datos con una estructura de árbol), organización, documentación de los datos (fotografías, carpetas, ficheros de texto, AML, etc.) y su previsualización, ya que es capaz de generar vistas de los datos en tabla(s) y mapa(s). Posibilita arrastrar los datos espaciales directamente a ArcMap.

Figura 9-2. Ventana de ArcCatalog.

ArcCatalog ofrece un potente sistema para el trabajo con metadatos, en el que se pueden definir qué información espacial acompañará a los documentos (fecha de la última revisión, precisión, proyección, número de elementos, etc.) y cómo serán mostrados al usuario. Desde ArcCatalog, también se pueden crear nuevas bases de datos de objetos (geodatabases), redes, geolocalizar a partir de tablas, crear nuevas capas de información, definir reglas de conectividad y restringir el dominio de los campos que forman parte de los atributos de nuestros elementos, etc.

103

Juan Peña Llopis

9.3. ArcMap (

).

La aplicación ArcMap permite visualizar, consultar, editar y realizar análisis sobre los datos en un entorno de visualización, edición y presentación (preparación de salidas gráficas) totalmente integrado (Figura 9-3). Por otra parte, muestra detalles interesantes de cara a la exploración de la cartografía, como la posibilidad de generar varias vistas de la cartografía con diferentes niveles de detalle, la posibilidad de crear informes de gran calidad sobre consultas, exportar estos documentos a formatos varios (por ejemplo: PDF de Adobe Acrobat) o generar gráficos de gran calidad, siempre acompañado de asistentes que guian en el proceso.

Figura 9-3. Ventana de ArcMap.

Desde ArcMap se puede visualizar directamente, sin necesidad de importar ficheros procedentes del sistema C.A.D., así como fotografías, TINs, ficheros ráster e imágenes de satélite, pudiendo integrar todas estas fuentes de información en una misma vista. ArcMap posee un potente entorno de análisis con generación de buffer, selecciones espaciales, por atributos, análisis de redes y otras funciones disponibles directamente desde la interfaz. Además de permitir editar, mostrar y analizar los datos de los mapas, contiene un sistema de gráficos, un editor orientado a objetos y una potente herramienta para generar informes. Es el entorno para trabajar con los mapas y para crear salidas cartográficas de alta calidad. 104


La interfaz de ArcMap se compone de una tabla de contenidos donde se listan todas las capas que forman el mapa, una ventana donde se muestra el mapa, y una serie de menús y herramientas para trabajar con las capas, pudiendo elegir colores y simbología, consultar las bases de datos, analizar relaciones espaciales y diseñar salidas impresas.

9.4. ArcToolbox (

).

ArcToolbox es una aplicación que aparece integrada dentro del ArcCatalog y ArcMap. Anteriormente, en las versiones 8.X aparecía como un entorno completo, siendo un programa aparte. Se trata de una aplicación para realizar cientos de operaciones de geoprocesamiento, como conversión de datos, superposición de capas, creación de buffers y transformación espacial de mapas. ArcToolbox ofrece herramientas para acceder a la funcionalidad de una manera fácil. Las herramientas para la conversión, manipulación y análisis están jerarquizadas para un rápido acceso, también se puede acceder a las mismas a través de palabras clave o los comandos con los que se ejecutan. Además, ArcToolbox permite añadir herramientas propias personalizadas a partir de ficheros ejecutables (*.exe) o librerías dinámicas (*.dll). Con ArcToolbox, también, se pueden crear listas de tareas (procesos batch), y ejecutar las mismas de forma remota (aprovechando el entorno de trabajo de Windows). La aplicación ArcToolbox en ArcView, es una versión reducida. En la versión de ArcInfo están incluidas todas las herramientas de análisis así como de estructuración topológica y tratamiento de datos (Figura 9-4).

Figura 9-4. La aplicación ArcToolbox en ArcCatalog y ArcInfo.

105

Juan Peña Llopis

9.5. Extensiones del ArcGIS. Existen extensiones o plugins opcionales para los productos ArcGIS para realizar tareas más extensivas y específicas de las propias que hay en el módulo básico, como análisis tridimensional, geoprocesamiento de datos ráster, etc. La mayoría de extensiones pueden ser empleadas en cualquier producto (ArcView, ArcEditor y ArcInfo) y se adquieren por separado. Las extensiones proporcionan una barra de herramientas en el ArcMap y por otra parte, también pueden tener una caja de herramientas o toolbox en el ArcToolbox que puede ser accedida desde el ArcCatalog o ArcMap. Las extensiones que hay disponibles en la actualidad son: 3D Analyst, Business Analyst, Data Interoperability, Geostatistical Analyst, Military Analyst, Network Analyst, Publisher, Schematics, Spatial Analyst, StreetMap, Survey Analyst, Tracking Analyst, ArcPress, ArcScan y ArcWeb Services.

Figura 9-5. Ejemplo de la extensión Spatial Analyst.

106


10. Organización de datos (ArcCatalog). La implementación de un S.I.G. exige inicialmente una excelente organización de la base de datos. Esto asegura que la información esté fácilmente disponible y recuperable para su uso posterior, al realizar una simple producción cartográfica o un análisis espacial avanzado. La manera más simple y efectiva de organizar la estructura de los datos se da a tres niveles: 1. La estructura de directorios: Garantiza que los datos espaciales estén almacenados en directorios o rutas específicas, de modo que el usuario sepa donde recuperar la información. 2. Las reglas de nomenclatura: Los datos espaciales deben ser nombrados según reglas que detallan al máximo de qué tipo de datos se trata. 3. El uso de metadatos: Los metadatos son una descripción de los datos espaciales. La herramienta encargada de la administración de esta organización de datos es el ArcCatalog, que ayuda a organizar y manejar todos los datos de los S.I.G. Incluyendo herramientas para hojear y encontrar la información geográfica, almacenar y ver los metadatos, visualizando rápidamente cualquier archivo (datos geográficos, tablas, imágenes, etc.) y definiendo la estructura del esquema para las capas de los datos geográficos. En el ArcCatalog es posible hacer búsquedas para localizar los datos, basadas en el nombre, localización o metadatos. Además, el ArcCatalog es el único que permite crear nuevos shapefiles a partir de cero. ArcCatalog enlaza las conexiones a todos los datos que se necesita usar en el S.I.G. Cuando se selecciona una conexión, se pueden acceder a los datos a los cuales se enlaza, tanto si se localizan en un disco local o en una base de datos en la red. Todas estas conexiones juntas crean un catálogo de fuentes de datos geográficas. En ArcCatalog se pueden visualizar los datos de tres maneras diferentes por medio de tres etiquetas: La etiqueta de contenidos (Contents), la etiqueta de la vista preliminar (Preview) y la etiqueta de metadatos (Metadata). La etiqueta de Contents muestra el ítem seleccionado, que contiene una carpeta o archivo de la base de datos. La etiqueta de Preview ofrece una vista preliminar de los datos geográficos o tabulares del ítem seleccionado. La etiqueta de Metadata muestra los metadatos para el ítem seleccionado. 107

Juan Peña Llopis

Dentro de ArcCatalog se pueden mover, copiar, renombrar y borrar los datos geográficos. Crear, manejar y editar los metadatos asociados; y también se pueden realizar algunas modificaciones en los datos, como agregar campos a las tablas, definir subtipos, dominios y relaciones de tablas.

10.1. Catálogo digital. El ArcCatalog es una nueva herramienta, disponible a partir de la versión 8 de ArcGIS, que permite la visualización, administración y organización de los datos espaciales. No hay herramienta semejante en las versiones anteriores del software (ArcView 3.X). El modo de trabajo del ArcCatalog es bastante semejante al Explorador de Windows, permitiendo buscar ( ), crear, copiar ( ), pegar ( ) y borrar los datos ( ), así como previsualizarlos. Por otra parte, desde la barra Standard de ArcCatalog se puede acceder directamente a las otras dos aplicaciones: ArcMap ( ) y ArcToolbox ( ). La interfaz de ArcCatalog se estructura en tres partes, tal como se aprecia en la Figura 10-1:

Tabla de Contenidos (TOC)

Barras de herramientas

Área de visualización (Map display)

Figura 10-1. Ventana de ArcCatalog.

Barras de herramientas: Menús, herramientas estándar, herramientas geográficas, otras barras y menús contextuales.

108


Tabla de Contenidos: Constituida por el árbol de directorios que muestra la dirección y el contenido. Área de visualización: Permite visualizar el contenido de tres modos diferentes empleando respectivamente tres etiquetas diferentes (ver Figura 10-2):

Figura 10-2. Los tres modos de visualizar los datos espaciales en ArcCatalog.

La etiqueta de contenidos (Contents): La etiqueta de contenidos muestra el contenido de un ítem seleccionado (carpeta, geodatabase o dataset de entidades) en el árbol de directorios. Hay cuatro maneras de ver el contenido de las carpetas (o conexiones): o Iconos grandes ( ): Todos los ítems se representan por un icono gráfico grande en la ventana de visualización principal. o Lista ( ): Los ítems se muestran en una lista simple con los iconos pequeños a la izquierda de los nombres de archivo. o Detalles ( ): Los ítems se muestran en una lista simple con los iconos pequeños a la izquierda de los nombres de archivo (similar a la opción de vista de lista), pero se aporta información adicional para cada archivo. o Miniaturas ( ): Todos los ítems se representan por imágenes en miniatura en la ventana de visualización principal, siendo excelentes para la visualización del contenido espacial de una capa. Las miniaturas son como fotos instantáneas de los datos en el momento en que la miniatura fue creada. Por consiguiente, las imágenes en miniatura podrían estar anticuadas en poco tiempo y deberían actualizarse con frecuencia.

109

Juan Peña Llopis

La etiqueta de vista preliminar (Preview): La etiqueta de Preview ofrece una vista preliminar de los datos geográficos (Geography) o tabulares (Table) del ítem seleccionado (Figura 10-3). La vista de geografía es el modo de la vista preliminar predefinido, donde los datos se muestran con un color aleatorio y/o juego de símbolos. Se puede elegir el modo de vista preliminar por la lista desplegable inferior. La opción de Table muestra los datos de la tabla de atributos en un formulario tabular. Figura 10-3. Vista preliminar geográfica o tabular. Cuando se tiene una capa mostrada en modo Preview se puede explorar con la barra de herramientas Geography, haciendo Zoom in ( ) o Zoom Out ( ) para ampliar o reducir un área del mapa, Pan ( ) para desplazar el mapa manteniendo el nivel de zoom, Full Extent ( ) para mostrar el mapa en toda su extensión e Identify ( ) para presentar una ficha con los atributos alfanuméricos de la entidad del mapa sobre la que se ha hecho clic. Desde Table de Preview también se pueden hacer otras operaciones, como cambiar la anchura de las columnas o desplazar un campo. Las miniaturas o thumbnails son un excelente medio de previsualizar rápidamente el contenido de una capa, sea este un shapefile, imagen, CAD o cualquier otro formato. La miniatura no se genera automáticamente, el usuario deberá generar manualmente una miniatura para cada nivel de información. Para crear una miniatura o thumbnail en ArcCatalog, se debe tener la barra de herramientas de Geography desplegada en el interfaz del ArcCatalog. La barra de herramientas puede accederse a través del menú View, dentro de Toolbars, y finalmente seleccionando Geography. Simplemente se selecciona la capa en el árbol del catálogo, se hace clic en la etiqueta de Preview y por último se hace clic en Create Thumbnail ( ) en la barra de herramientas de Geography. Para visualizar la miniatura creada, se hace clic en el dataset del directorio geodatabase o entidad que contiene la capa, se pulsa la etiqueta de Contents, y se selecciona el botón Show Contents As Thumbnail ( ) de la barra Standard de ArcCatalog. Se pueden controlar los datos visibles que aparecen en el árbol de directorios del ArcCatalog. Esto puede hacerse pulsando el botón del menú Tools, y seleccionando las opciones. Dentro de la ventana de Options, y en la etiqueta General, se tiene la opción de decidir qué tipos de datos estarán activos o no. Si no se activa un tipo de datos, resultará que este tipo de datos no aparecerá listado en el árbol de directorios. 110


10.2. Metadatos. A menudo la definición que se hace para los metadatos es la de datos sobre los datos. Aunque, esta definición no es incorrecta, no es muy informativa. Para ser más preciso, el metadato contiene la información descriptiva sobre los datos. Como ejemplo común cotidiano de metadato se tiene el texto escrito en la parte de atrás de una fotografía, que indica el lugar, la fecha, el autor de la fotografía, etc. Los metadatos incluyen información descriptiva como la fecha, procedencia, creador, tema, magnitud geográfica, sistema de coordenadas y dominios del atributo. Los metadatos aportan credibilidad de los datos y en muchas situaciones resultan necesarios para catalogar grandes cantidades de datos ayudando a localizar y entender los datos espaciales con los que se trabaja. El ArcCatalog posee herramientas completas para la edición ( ), propiedades ( ), crear/actualizar ( ), importar ( ) y exportar metadatos ( ) a partir de capas de contenido semejante, además de las herramientas necesarias para realizar la búsqueda por metadatos ( ). La etiqueta de Metadata en ArcCatalog visualiza los metadatos para un dataset seleccionado. En el caso de que no existan metadatos para el dataset seleccionado, ArcCatalog creará la mayor cantidad de metadatos que pueda a partir de la información existente, el resto de metadatos deben ser incorporados manualmente. La etiqueta de Metadata se divide en tres categorías (ver Figura 10-4):

Figura 10-4. Metadatos

•

Description: La información de la descripción contiene la información narrativa básica sobre el dataset: incluyendo fuente, organización, fecha, usos y restricciones.

•

Spatial: La información espacial contiene la información de las coordenadas, la magnitud geográfica del dataset, tipo y número de entidades que contiene, etc.

•

Attributes: La información de los atributos describe la tabla de atributos de la capa, incluye campos, dominios del atributo y la información tabular relacionada.

111

Juan Peña Llopis

Hay un número de hojas de estilo disponibles en ArcCatalog para ver los metadatos: •

XML: La hoja de estilo del Extensible Markup Language (XML) presenta los datos de XML crudos para todas las etiquetas y valores contenidos en los metadatos.

•

FGDC: La hoja de estilo del Federal Geographic Data Committee (FGDC) selecciona sólo la información definida por el estándar de FGDC. Esta información también puede verse en el formato de cuestiones preguntadas con frecuencia (FAQ).

•

Geography Network: Los formatos de metadatos para coincidir con Geography Network.

•

ESRI: La hoja de estilo de ESRI es la hoja de estilo predefinida; ésta selecciona un subconjunto del cuerpo entero de metadatos y los presenta como si estuvieran en ventanas de diálogo.

Se pueden crear, editar, importar y exportar los metadatos para cualquier dataset dado. La información de Metadata se almacena en formato *.XML en el mismo directorio que la capa a la que hace referencia, que puede usarse con otro software que puede leer los documentos de *.XML. Capas creadas para un mismo fin poseen en general gran parte de sus metadatos idénticos. En el ArcCatalog es posible exportar metadatos de una determinada capa (en el formato *.SGML) para ser importados por otra, de modo que no sea necesario editar la información pertinente. Como sugerencia, un conjunto mínimo de metadatos a incorporar, es el siguiente: 1. Abstract: descripción de la capa. 2. Purpose: objetivo o propósito de la capa. 3. Supplemental Infor mation: autor de la capa, cuándo, y a partir de qué archivo o mapa en papel. 4. Citation: título de la capa. 5. Theme Keyword: palabras clave relativas a la temática de la capa. 6. Place Keyword: palabras clave relativas a la localización de la capa.

10.3. Creación de datos espaciales nuevos. La creación de una nueva clase de entidad a partir de cero sólo es posible en el ArcCatalog; posteriormente se realizará la entrada de las entidades (puntos, polígonos, líneas y textos) y atributos que la compondrán en ArcMap. Se puede realizar por dos vías, por una parte en File la primera opción es New, por otra parte, haciendo clic con el botón derecho en el árbol de directorios en un directorio o en el dataset de la entidad a la que pertenecerá del geodatabase aparece New en el menú contextual, de esta manera, no hay que indicar la ruta donde se tiene que crear (ver Figura 10-5).

112


Una vez creada la nueva clase de entidad, se elige un nombre, se definen todas sus propiedades, el tipo de geometría (punto, línea, polígono), la referencia espacial y los campos de la base de datos para almacenar sus atributos o se importa el esquema de una tabla existente. La selección de los sistemas de proyección en el ArcGIS puede ser realizada durante su creación, o posteriormente. Figura 10-5. Creación de datos nuevos.

La tabla de atributos de un nuevo shapefile creado contendrá tres campos básicos: FID (donde ArcGIS incluye un número secuencial por cada registro o elemento añadido), SHAPE (donde se almacena la geometría del elemento (punto, línea, polilínea)), ID (es un identificador único para cada elemento que introducirá el usuario). Los dos primeros no son editables. Si se quieren añadir manualmente más campos, se hace desde el mismo ArcCatalog o más adelante en el ArcMap. Para crear un Geodatabase personal se selecciona New Personal Geodatabase y aparece en el directorio seleccionado un archivo con este nombre y extensión *.MDB. El geodatabase aparece preparado para ser renombrado y completamente vacío. Para crear datos en su interior se abre su menú contextual y se pueden crear un Features Dataset (grupo de entidades), un Feature Class (clase de entidad) o una tabla dentro de la Geodatabase.

10.4. Conectar las carpetas. A diferencia del Explorador de Windows, ArcCatalog no lista todos los archivos almacenados en el disco, con lo cual al abrir una carpeta podría parecer que estuviera vacía. Por defecto, ArcCatalog sólo lista los ficheros de datos geográficos (shapefiles, coverages, geodatabase, etc.). Para posibilitar que ArcCatalog acceda a un nuevo tipo de datos geográficos, se necesita especificar el tipo de datos en el archivo en la lista de tipos de archivos, en Options. Al iniciar por primera vez el ArcCatalog, éste contiene conexiones que permiten acceder a los discos duros del ordenador local junto con otras carpetas llamadas Database Connections y Coordinate Systems . Para conectar a un directorio de trabajo hay que ir a la barra de herramientas estándar a Connect Folder ( ), de este modo se accede más rápidamente a un directorio de trabajo y a los datos que contiene. Siempre que el ArcCatalog se inicie irá a comprobar las conexiones previamente establecidas. 113

Juan Peña Llopis

Se pueden establecer conexiones cuando se necesiten conexiones a directorios adicionales que accedan a carpetas específicas o directorios en una unidad local, las carpetas compartidas en la red y los contenidos de un disco flexible o unidad de CD-ROM, para que el acceso a la información contenida en estas carpetas sea facilitada (ver Figura 10-6). También se puede conectar a través de una Intranet o acceder a los servicios proporcionados por el servidor de Internet ArcIMS. Por último, se pueden suprimir las conexiones de las carpetas que no se necesitan ( ). Figura 10-6. Conectar las carpetas.

10.5. Operaciones con ArcCatalog. ArcCatalog permite realizar operaciones sencillas y limitadas, pero a su vez muy útiles como trabajar con la tabla de contenidos para organizar los datos, exportar o importar los datos a otros formatos compatibles, la búsqueda de datos y la definición del sistema de coordenadas de una capa. Operar con la tabla de contenidos.

ArcCatalog, como ya se ha expuesto, funciona de un modo similar al Explorador de Windows, pudiendo desempeñar las mismas operaciones que realiza éste: copiar, pegar, mover, renombrar, así como crear nuevas carpetas o archivos: shapefile, geodatabase, layer o tabla DBase. La ventaja de realizar estas operaciones con ArcCatalog y no con el Explorador de Windows es que ArcGIS se encarga de desplazar junto con la capa todos los archivos relacionados con ésta. Por ejemplo, en la tabla de contenidos (TOC) sólo vemos un archivo shapefile (con extensión *.SHP), pero cuando se desplaza este archivo, en realidad se están moviendo los tres archivos de los que se compone (*.SHP, *.SHX y *.DBF). Estas operaciones se llevan a cabo a través de los menús contextuales que se activan situándose sobre una conexión, directorio o carpeta, y haciendo clic sobre el botón derecho del ratón. Desde la tabla de contenidos (TOC) también se pueden mover las capas desde un directorio o espacio de trabajo hacia otro. Tan sólo se debe hacer clic sobre la capa que se desea mover y arrastrarla a su nueva ubicación.

114


Exportar/importar datos a otros formatos.

En ArcCatalog la operación de exportar/importar está limitada a una pequeña lista de formatos disponibles, que varían en función del formato original. Esta función consiste en hacer clic con el botón derecho del ratón sobre la fuente de datos o capa cuyo formato queremos exportar y marcar la opción Export. ArcCatalog al igual que ArcMap pueden convertir datos de un formato a otro de forma limitada, sin embargo, esta función de exportar/importar se encuentra plenamente desarrollada por las herramientas de conversión (Conversion Tools) de ArcToolbox. Búsqueda de datos geográficos ( ).

La localización de información espacial puede ser efectuada a través de la búsqueda (Search) del ArcCatalog tanto en nuestras unidades locales como a través de la red. Se puede buscar por nombre de archivo, localización geográfica o cualquier información contenida en los metadatos (ver Figura 10-7). El buscador se puede activar desde el menú de herramientas estándar o desde el menú contextual de un directorio o carpeta. Por defecto, los resultados de la búsqueda aparecen listados en My Search en la TOC en forma de acceso directo.

Figura 10-7. Búsqueda de datos geográficos.

•

Búsqueda por nombre y lugar (Name & loca tion): La búsqueda es semejante al comando “Buscar” de Windows, pudiendo emplear signos como “?” o “*” para sustituir una letra o cualquier conjunto de caracteres, respectivamente.

•

Búsqueda por geografía (Geography): Es posible localizar información espacial basada en su posición o localización en el espacio.

•

Búsqueda por fecha (Date): Localiza la información espacial basada en la fecha de su creación. 115

Juan Peña Llopis

•

Búsqueda por metadatos (Advanced): La búsqueda por metadatos es bastante eficiente, posibilita al usuario la rápida recuperación de los datos deseados, basados en su contenido. La calidad de la búsqueda está condicionada con la gestión adecuada de los metadatos. Se recomienda buscar por datos referentes al tema (Theme Keyword) o a la localización (Place Keyword) del layer.

Definir el sistema de coordenadas.

Las proyecciones deben ser definidas para que los datos espaciales puedan ser integrados en un mismo mapa. El ArcGIS permite que datos de diferentes sistemas de coordenadas puedan ser superpuestos. Se puede configurar una proyección de un dato espacial en cualquier momento, ya sea durante su creación o posteriormente. Para definir el sistema de coordenadas con ArcCatalog se ha de desplegar el menú contextual y abrir Properties. Dependiendo del formato que tenga la capa que deseamos proyectar, el procedimiento de asignación de coordenadas variará. En el caso de un shapefile, hay que ir a la pestaña Fields donde se marca el campo Shape y en la ventana de debajo, se hace clic sobre el botón “…” situado a la derecha de Spatial Reference . En un coverage, se ha de ir a la pestaña Projection, que informa si hay un sistema de coordenadas definido o no. En caso de no estar definido, se debe hacer clic sobre el botón Define. El sistema de coordenadas se puede definir de tres formas diferentes: • Importar el sistema de coordenadas de otra capa. • Asignarle un sistema de coordenadas predefinido. • Crear un nuevo sistema de coordenadas. Una vez definido un sistema de coordenadas, se guarda la información obtenida en un fichero con extensión *.PRJ para shapefiles y coverages, en el caso de geodatabases, esta información se guarda en la propia base de datos. Por otra parte, ArcCatalog lo registra automáticamente en el fichero de metadatos (ver Figura 10-8).

Figura 10-8. Definir el sistema de coordenadas.

Si se carga en ArcMap una capa sin información sobre su referencia espacial, aparecerá un mensaje de advertencia avisando que no se encuentra esta información y por tanto, los datos no podrán ser proyectados. Esto no impide poder trabajar con éstos normalmente, aunque si que nos impedirá alinear estos datos con otros que tengan un sistema de coordenadas diferente. 116


10.6. Formato de los datos espaciales (tipos de archivos). Sobre la organización de las entidades (puntos, líneas y polígonos) se sabe que es poco práctico almacenar cada entidad en su propia base de datos o dataset. Las entidades almacenadas juntas con el mismo tipo de geometría: punto, línea o polígono, se denominan clase de entidad (Feature class). Además de los mismos tipos de geometría, una clase de entidad utiliza las mismas columnas de atributos para describir todas sus entidades, y todas comparten la misma referencia espacial. El término de clase de entidad se utiliza para referirse a cualquier agrupación individual de puntos, líneas o polígonos sin tener en cuenta el formato de almacenamiento de datos (pudiendo ser shapefile, coverage o geodatabase). Las clases de entidad (ver Figura 10-9) permiten compilar todas las entidades homogéneas en una sola unidad. Por ejemplo, pueden agruparse carreteras, caminos primarios y los caminos secundarios en una clase de entidad de línea denominada caminos. Pueden agruparse todos los clientes para cada franquicia comercial en una clase de entidad de punto llamada clientes. Por último, pueden agruparse territorios para las especies de fauna homogéneas en una clase de entidad de polígono designada hábitat. Figura 10-9. Clases de entidad. Para objetos geográficos almacenados en una clase de entidad, cada entidad individual tiene asignada un único identificador numérico y se caracteriza FID = 16 por una única situación en el espacio y su correspondiente registro en una tabla del atributo (ver Figura 10-10). Mientras el nombre exacto del identificador numérico puede diferir por el formato de datos, es importante entender esta relación uno-auno entre la entidad, el identificador y el registro del atributo. Figura 10-10. Conexión espacial de las entidades con la tabla de atributos. Generalmente, pueden almacenarse los datos de dos modos distintos: clases de entidad simples o topológicas. En ambos casos, la edición de una clase de entidad tendrá implicaciones para las otras clases de entidad relacionadas.

117

Juan Peña Llopis

•

Las clases de entidad simples, a veces denominadas clases de entidad autónomas o independientes, contienen una agrupación o colección de geometría espacial homogénea.

•

Las clases de entidad topológicas poseen una relación espacial específica con una o más clases de entidades. Estas clases de entidad pueden almacenarse como un coverage o en un dataset de entidades de un geodatabase.

Hay herramientas de edición especiales para trabajar con clases de entidades topológicas y mantener sus relaciones espaciales. En un coverage, las relaciones topológicas están basadas en la geometría compartida (ver Figura 10-11). Por ejemplo, los arcos conectan para formar los límites de entidades del polígono. Dos polígonos para ser adyacentes tendrían que compartir un arco común con uno de sus límites.

Una línea compartida entre 2 polígonos

Las ediciones a los bordes compartidos afectan a ambos polígonos

Los bordes de polígonos adyacentes se almacenan una sola vez

Figura 10-11. Relaciones topológicas de geometría compartida (coverages).

En un dataset de entidades de una geodatabase, las relaciones topológicas están basadas en la geometría coincidente; las entidades deben compartir una coordenada X y una coordenada Y para obtener una relación topológica (ver Figura 10-12). Polígonos 12

X: 100.50 1 2

X: 100.50 3

1 5 6

4

2 8

2 entidades 8 pares de coordenadas 4 coincidentes Figura 10-12. Relaciones topológicas de geometría coincidente (geodatabases).

118

7

1era Parte Sistemas de Informacion Geografica Aplicado a La Gestion Territorial

Recommend Documents