REPUBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD DEL ZULIA FACULTAD DE INGENIERÍA. DIVISIÓN DE POSTGRADO PROGRAMA DE POSTGRADO EN INGENIERÍA AMBIENTAL
SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y TELEDETECCIÓN EN LA GESTIÓN DE RIESGOS NATURALES: ESTUDIO DE CASO: ARRASTRE DE SEDIMENTOS EJEMPLOS EJEMPLOS CON IDRISI ANDES ANDES E ILWIS
Víctor Hugo Malvé Girón
2 Maracaibo, noviembre de 2008
CONTENIDO INTRODUCCIÓN………………………………………………………………….. 3 SISTEMAS DE INFORMACIÓN GEGRÁFICA Y TELEDETECCIÓN EN LA GESTIÓN DE RIESGOS NATURALES 1.- Generalidades 2.- Aplicaciones
5 1
Funci Funcion ones es de de Idri Idrisi si And Andes es dis diseña eñada dass para para el el mane manejo jo de de Imág Imágene eness de Sat Satél élit itee
2 1
2.1.- Elaboración de un Mapa de Riesgos de Erosión con Idrisi Andes
2 1
Apreciaciones acerca del ejercicio
9 3
Modelo Cartográfico
5 3
Construcción Mapa de Erosión
6 3 7
2.2.- Construcción del Mapa de Erosión de la Cuenca del Río Areo, del Estado Monagas, Venezuela Modelo Cartográfico 2.3.- Análisis de Vulnerabilidad y Riesgo usando ILWIS
3 8 3 9 4
2.3.1.- Evaluación de Amenazas (peligro)
5 5
2.3.2.- Evaluación de Vulnerabilidad
9 7 7
2 Maracaibo, noviembre de 2008
CONTENIDO INTRODUCCIÓN………………………………………………………………….. 3 SISTEMAS DE INFORMACIÓN GEGRÁFICA Y TELEDETECCIÓN EN LA GESTIÓN DE RIESGOS NATURALES 1.- Generalidades 2.- Aplicaciones
5 1
Funci Funcion ones es de de Idri Idrisi si And Andes es dis diseña eñada dass para para el el mane manejo jo de de Imág Imágene eness de Sat Satél élit itee
2 1
2.1.- Elaboración de un Mapa de Riesgos de Erosión con Idrisi Andes
2 1
Apreciaciones acerca del ejercicio
9 3
Modelo Cartográfico
5 3
Construcción Mapa de Erosión
6 3 7
2.2.- Construcción del Mapa de Erosión de la Cuenca del Río Areo, del Estado Monagas, Venezuela Modelo Cartográfico 2.3.- Análisis de Vulnerabilidad y Riesgo usando ILWIS
3 8 3 9 4
2.3.1.- Evaluación de Amenazas (peligro)
5 5
2.3.2.- Evaluación de Vulnerabilidad
9 7 7
3
INTRODUCCIÓN Modernas Modernas técnicas técnicas de procesamiento procesamiento de información información espacial se han desarrollado desarrollado a la par con el impulso y mejoramiento de los sistemas computacionales. El progreso que han experim experiment entado ado los lenguaj lenguajes es de program programaci ación ón haciéndo haciéndolos los más flexib flexibles les,, seguros, seguros, y portables, así como de libre aplicación ha estimulado el empleo de los sistemas informáticos para el manejo de datos que muestran atributos de los elementos ubicados sobre la superficie terrestre y que conforman un sistema ambiental global. La comunidad de usuarios interesados en aspectos relativos al manejo de variables ambientales ambientales tiene un importante importante apoyo en las técnicas técnicas de Teledetección, Teledetección, considerando considerando que permiten obtener información de la superficie terrestre con una cobertura espacial prácticamente ilimitada, en intervalos de tiempo apropiados para la ejecución de evaluac evaluacion iones es multit multitempo emporal rales, es, y con el paso del tiempo, tiempo, con acceso acceso libre libre al material material primario derivado de los sensores artificiales. La disciplina que engloba la Teledetección puede ser considerada en su contexto puramente científico y en su ámbito netamente práctico. Este último consiste en el conjunto de metodologías que aplican las herramientas disponibles para extraer información derivada del material espectral obtenido de los sensores artificiales. Buena parte de esta información requiere de una manipulación espacial en función de los objetivos planteados en la investigación. Para esta manipulación especial es posible utilizar software concretamente diseñados para el manejo de datos con atributos que los caracterizan y diferencian unos a otros; es el caso de los paquetes computacionales con capacidad para la construcción de Sistemas de Información Geográfica (SIG), donde la información originalmente obtenida a través del procesamiento digital de imágenes de satélite (una de las fases que comprende el proceso global de teledetección) puede ser combinada con varios conjunto de datos,
4 discriminados según sus propiedades en capas (layers) y emprender procesos de análisis espacial. Una de las funciones de un SIG, que principalmente lo diferencia de otros sistemas como los programas de cartografía asistida por ordenador (CAD) o de uno de Gestión de Bases de Datos, es su capacidad de análisis espacial, con la cual es posible generar nueva información a partir de la ya existente mediante su manipulación. Esta capacidad de análisis espacial le confiere a los programas con capacidad SIG y a los SIG propiamente, fortalezas para el desarrollo de modelos que describan el sistema de interés y lo simulen bajo diferentes escenarios. El proceso de modelado, con el que se diseña un sistema en un ámbito computarizado, permite estudiarlo sin los riesgos que implica la experimentación real. De esta manera es posible plantear escenarios de desastres naturales, en el marco de los SIG, y evaluar las respuestas del sistema, identificar elementos y procesos donde es posible intervenir para impedir estos desastres, o bien mitigar su aparición. De esta forma, la combinación Teledetección, como fuente de datos, y SIG como herramienta de proceso, se perfila como una metodología apropiada para incorporarla en las actividades orientadas a la Gestión de Riesgos Naturales. En este material se presentan los fundamentos teóricos más destacados en los que se basan las técnicas de Teledetección y los principios operacionales bajo los cuales trabajan los software con capacidad para la construcción de Sistemas de Información Geográfica, con una mirada especial hacia los fenómenos naturales que potencialmente son aptos para desencadenar desastres. Se destaca en este trabajo el empleo de dos programas que combinan capacidad para manipulación de datos derivados de teledetección (datos en formato raster) y fortalezas para el procesamiento de datos con atributos tipo punto, línea, polígono (datos en formato vectorial). Son estos el programa Idris Andes, y el programa Ilwis (Integrated Land and Water Information System). Las características de cada uno se explica en el cuerpo del trabajo, ilustrándose además ejemplos prácticos donde se explican los procesos de: obtención, organización e integración de datos, hasta el análisis, modelado y toma de decisiones.
5 El objetivo general de esta investigación es describir procedimientos metodológicos, basados en los fundamentos teóricos de cada disciplina, orientados a la Gestión de Riesgos Naturales, en el contexto de los Sistemas de Información Geográfica y las Técnicas de Teledetección.
SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y TELEDETECCIÓN EN LA GESTIÓN DE RIESGOS NATURALES
1.- Generalidades Gestión de Desastres Naturales (GDN) se define como el conjunto de metodologías soportadas por manipulación de datos espaciales, a través de hardware y software, orientadas a la prevención y mitigación de los desastres naturales. El término Gestión involucra mecanismos de detección de posibles eventos de riesgo, identificación de zonas vulnerables, cuantificación de daños, dentro de una fase de prevención; y abarca las propuestas metodológicas que gobiernan el manejo de los desastres durante su ocurrencia y en la fase posterior a esta: recuperación, rehabilitación y reconstrucción La GDN comienza con la fase “conocimiento del desastre” (Molina, Ferrer-Juliá y García-Meléndez, 2005). El desastre debe estar caracterizado, conocer los factores que promueven su aparición, describir las formas cómo el desastre se manifiesta, periodicidad, tiempo durante el cual comúnmente ocurre, espacios de ocurrencia, y elementos sobre los cuales puede actuar de forma perjudicial. La evaluación de las características del desastre permite implementar actividades encaminadas a evitar o minimizar el riesgo. La fase que continúa a la fase de conocimiento del desastre y prevención, es la de “preparación al desastre”. Con este nombre se identifican al conjunto de actividades que involucran las actividades inherentes a la preparación del grupo social vulnerable. Implica
6 de igual manera la fase de identificación y pronóstico de escenarios que fomente la generación de desastres. Una vez que el desastre ha ocurrido, la GDN debe incluir el conjunto de labores que se requiere ejecutar para mitigar los efectos del evento: labores de salvamento, acondicionamiento sanitario, suministro de alimentos, prevención de epidemias, reconstrucción de vías y medios de comunicación, y en general todas aquellas actividades, que según su orden de prioridad deban ejecutarse. Según Pérez (2002) el término “Riesgo” está asociado a un término estadístico. Es definido como la probabilidad de daños y pérdidas (de tipo ambiental, social o económico) factible de ocurrir en un área determinada y durante un lapso de tiempo definido, provocada por eventos de diferentes orígenes. Cuando es posible identificar y cuantificar las amenazas (A) y los factores de vulnerabilidad (V), entonces el resigo puede calcularse como producto matemático de estos elementos: R=V*A
(1)
donde “A” representa la amenaza, y es definida igualmente como una probabilidad. Es la probabilidad de que un evento, bien sea de origen natural, o inducido por el hombre, se produzca en un tiempo y espacio determinado. Tomando en cuenta que eventos tanto naturales como antropomórficos son de ocurrencia común, y para muchos casos, de ocurrencia cíclica, esta probabilidad defina por “A” mostrará siempre un valor mayor que cero. Nunca puede tomar un valor de cero, pues siempre existe la probabilidad de que un evento ocurra. En la Ecuación 1 “V” denota la Vulnerabilidad, la cual está asociada como la “capacidad de cambio” que tiene un sistema ante las amenazas, con la cual es posible medir el grado de daño o pérdida que una “amenaza” pudiera causar. Se mide en escala de 0 (sin daño) a 1 (pérdida total).
7 Un estudio de “vulnerabilidad” implica la evaluación de la capacidad de respuesta de un elemento ante demandas del ambiente. Se hace estudio de “vulnerabilidad” sobre aquellos elementos que están propensos a experimentar cambios cuando las amenazas se transforman en eventos. En un espacio determinado es posible evaluar “vulnerabilidad” sobre elementos naturales o sobre los elementos construidos por el hombre, siendo estos últimos lo que generalmente demandan mayor atención, considerando que su construcción obedece a propósitos orientados al mejoramiento de la calidad de vida de los grupos sociales que habitan el espacio. El valor de “vulnerabilidad” es inversamente proporcional a su capacidad de respuesta. Mientras mayor sea el valor de vulnerabilidad, menor es su capacidad de respuesta. Para un valor de “vulnerabilidad” bajo, cercano a cero, su capacidad de respuesta es mayor. Si la “vulnerabilidad” de un elemento, para una amenaza, es cero, significa que esta amenaza puede ser soportada por el elemento, por lo que el “Riesgo” toma valor de cero, pues no existiría probabilidad de daño. Un concepto interesante de “Vulnerabilidad” lo exponen Kienberger1 y Steinbruch (2005). Ellos señalan que para diferentes disciplinas del mundo científico el término puede tener significados a veces encontrados. Para un conjunto social, comunidad, ambiente en general, la definen como la “capacidad de ser dañados” por una amenaza, variando ampliamente entre comunidades y sectores. Por otro lado, según Buroz (2000) los “peligros ambientales naturales” son las condiciones o procesos del ambiente que dan origen a pérdidas de vida o daños económicos en poblaciones humanas. Involucra bajo la concepción de “peligro” tanto las condiciones que lo origina como el proceso a través del cual se desencadena, con la condición de que estos causen algún tipo de daño en el ambiente. Los desastres no son “naturales”, y no se pueden entender fuera del contexto social donde se desencadenan. Esta investigadora coincide con los planteamientos expuestos por Buroz (2000) quien asegura igualmente que
8
Los Sistemas de Información Geográfica han incorporado un conjunto de módulos dirigidos a evaluaciones específicas del entorno ambiental, que imprimen facilidades al momento de hacer evaluaciones de vulnerabilidad. Como ejemplo es posible mencionar el Módulo RUSLE, del programa Idrisi Andes. Con este módulo se calcula la pérdida de suelo relacionada con las actividades del hombre en una cuenca hidrográfica (Guevara, 2000), implementando la Ecuación Universal de Pérdida del Suelo Revisada. Así como este, otra cantidad importante de módulos, en otro numeroso grupo de paquetes de SIG, están disponibles para agilizar el proceso de cálculo. La creación de mapas de peligrosidad, vulnerabilidad y riesgo depende en gran medida de las herramientas disponibles así como del criterio que maneje el investigador. Los SIG ponen de su parte las herramientas, entre las que han destacado en su empleo, las operaciones de reclasificación en combinación con las de superposición de mapas. De igual manera incluye facilidades para la aplicación de criterios de modelado y simulación, con lo cual se revisan diferentes escenarios de desastre o actuaciones de mitigación, antes que se presenten o sean puestas en práctica, respectivamente. Como ejemplo igualmente puede citarse el programa Idrisi Andes, donde están disponibles los módulos CA_MARKOV con el que se aplican las metodologías combinada de Autómata Celular con Predicción Marcoviana de Cambios; está el Módulo individual CELLATOM, el cual hace cálculos del cambio de uso del espacio a través del criterio de Autómatas Celulares. Con estos y otros módulos se hace geosimulación apoyándose en paquetes SIG. La clave del éxito en las tareas de Manejo de Desastres Naturales está en la capacidad que muestre el plan para la predicción de los eventos de desastre, y de igual manera en las fortalezas que muestren los organismos gubernamentales y privados de dar respuesta a dichos fenómenos. Buena parte del trabajo que se hace apoyándose en técnicas de Teledetección con avances de resultados procesados por SIG, está dirigido a la predicción de eventos de desastre. Es práctica común operar modelos digitales de elevación en comunidad con
9 modelos hidrológicos para mapear áreas de inundación por fenómenos de tormentas. Los modelos digitales de elevación pueden ser obtenidos a través de sensores remotos en diferentes formatos (TIFF, USGS, entre otros) haciendo uso de los algoritmos de conversión que a tal efecto disponen; también pueden ser generados a partir de un nube de puntos mediante las funciones de interpolación, o interpolando un mapa de curvas de nivel. En este último caso es posible utilizar algoritmos que interpola directamente a partir de las curvas de nivel, o generando puntos sobre estas curvas para interpolar posteriormente (Ordóñez, 2003). Según este investigador os métodos habituales de interpolación son: coeficientes ponderados, superficies de tendencia, kriging y splines, y recientemente se ha añadido a la lista un nuevo método conocido como triángulos de Delaunay conocido en la práctica como rede irregular de triángulo (Triangulated Irregular Network, TIN). Para Smara y colaboradores (2005) Teledetección y SIG pueden ser considerados herramientas útiles para complementar los métodos convencionales involucrados en el Manejo de Desastres, el cual es satisfactorio sólo cuando se logra un conocimiento detallado acerca de la frecuencia, características y magnitud de la amenaza en un área específica. El uso de los datos remotos, tales como imágenes de satélite y fotografías aéreas, permiten mapear variables propias del terreno, tales como vegetación, agua, geología, con una considerable resolución tanto espacial como temporal. Comentan estos investigadores que las imágenes de satélite dan una visión sinóptica y suministran una muy útil información ambiental, para un amplio rango de escalas, desde continental hasta detalles de pocos metros. De igual manera, los sensores remotos permiten monitorear los eventos en tiempo real, exactamente en el momento que ocurren. El Centro de Desastres del Pacífico, ubicado en Hawai, en colaboración con entes privados y gubernamentales de los Estados Unidos, desarrolló una evaluación de riesgos y vulnerabilidad para el Territorio Americano de Somoa (Buika, et al , 2003). En esta evaluación por primera vez introdujeron los datos obtenidos por Teledetección dentro del Sistema de Información Geográfica para entender la vulnerabilidad ante seis amenazas principales. Esta evaluación se destacó, por entre otros aspectos, el empleo de los paquetes computacionales más destacados para el momento en lo relativo a Procesamiento Digital de
10 Imágenes de Satélite. Fueron usados: ENVI/IDL, ERDAS/Imagine y ER Mapper, en combinación con el GIS ESRI. Con estos paquetes fueron evaluados un volumen considerable de datos y presentados apropiadamente para delinear los planes de mitigación. Batista, R., Bustos, X., y Delgado, J. (2001) en un Trabajo Especial para la Escuela de Geografía de la Universidad Central de Venezuela, desarrollado con el objetivo de aplicar una metodología apoyada en sistemas de información geográfica y la teledetección para determinar la vulnerabilidad en zonas urbanas expuestas a la amenaza de inundaciones y aludes torrenciales, concluyeron que las áreas de mayor vulnerabilidad corresponden a las zonas ubicadas cercanas a las sinuosidades de los cursos de agua; en las zonas medias y altas de las cuencas (se toma el factor pendiente) y viviendas consolidadas y no consolidadas en zonas de crecimiento no planificadas. La metodología empleada abarcó el uso de Sistema de Posicionamiento Global, combinados con SIG y Teledetección, y demostraron que mediante la integración de estas técnicas en gran medida se solventan los problemas de actualización de catastro y cartografía de las áreas urbanas, en zonas densamente pobladas, según lo cual es posible mejorar las evaluaciones de vulnerabilidad en áreas con carente de información cartográfica. Para Molina, Ferrer-Juliá y García-Meléndez (2005) el conjunto de eventos naturales y los sensores remotos que pueden usarse para su monitoreo son los siguientes:
Desastre: Huracanes Tipo de Satélite y Sensor: Satélites meteorológicos MATEOSAT y NOAA, ya que la alta resolución temporal de los datos suministrados por los sensores a bordo de estos sistemas permiten el estudio y análisis exhaustivo de estos fenómenos.
Desastre: Erupciones volcánicas y terremotos Tipo de Satélite y Sensor:
En función del análisis que se conduzca los datos
pudieran derivar de instrumentos ópticos o de microondas (radar). Debe considerarse igualmente la resolución espacial y temporal de los datos. En general la actividad volcánica puede estudiarse con datos derivados del sensor AVHRR de la plataforma NOAA.
11
Desastre: Incendios forestales Tipo de Satélite y Sensor: Satélite NOOA, específicamente los datos del sensor AVHRR. Otras fuentes: Landsat, SPOT y ENVISAT.
Desastre: Vertidos de Hidrocarburos Tipo de Satélite y Sensor: Los sensores a bordo de los satélites como Radarsat y ENVISAT por estar constituidos de Radares de Apertura Sintética, útiles para la detección de vigilancia y monitoreo de derrames de hidrocarburos.
Desastre: Sequía Tipo de Satélite y Sensor: de nuevo el satélite NOAA con el sensor AVHRR juega un importante papel en el monitoreo de esta variable, debido a su resolución multitemporal.
Desastre: Inundaciones Tipo de Satélite y Sensor: los satélites meteorológicos como NOAA y METEOSAT destacan para el estudio de las inundaciones de nuevo por su resolución temporal. Para desarrollo de modelos que permitan simulación de inundaciones es posible usar la información derivada del sensor ETM+ del Landsat 7, la cual se combina con modelos hidrológicos para el cálculo de información como Caudal Máximo Probable (CMP). Con referencia al acceso a los datos tomados por satélites artificiales, específicamente con respecto a los satélites de la familia Landsat se tienen noticias alentadoras. En una publicación reciente de la Asociación Española de Teledetección (AET) el Servicio Geológico de loa Estados Unidos (USGS) anunció que pondrá a disposición pública el archivo histórico de las imágenes Landsat registrado desde 1972 a la
12 actualidad. El reporte de la AET no tiene fecha de publicación, fue descargado de http://62.81.199.144/?q=node/386 en fecha 07 de mayo de 2008, y señala que: “este inmenso archivo está disponible en los próximos nueve meses a través de un servidor de Internet específico. Las imágenes tendrán una reproyección estándar al sistema UTM mediante un sistema de procesado estándar. Las imágenes del archivo Landsat-7 ETM+ también serán puestas en el dominio público para finales de 2008. Las adquisiciones actuales sobre América y África ya están accesibles libremente (http://landsat.usgs.gov/) y pronto lo estará para el resto del mundo. Se van a interrumpir, en consecuencia, los pedidos comerciales de este tipo de productos. Para septiembre de 2008 todas las imágenes actuales y de archivo del Landsat-5, desde 1984, estarán disponibles. Las imágenes MSS estarán disponibles para enero de 2009. Las imágenes pueden descargarse de: http://glovis.usgs.gov y http://earthexplorer.usgs.gov. Esta es una noticia muy importante toda vez que uno de los impedimentos más comunes a los que se enfrenten los investigadores en estas áreas, es la falta de material capturado por Sensores artificiales para su procesamiento. La liberación de este material impulsará significativamente este tipo de investigaciones.
2.- Aplicaciones A continuación se incluyen aplicaciones prácticas donde se manipulan datos derivados de Sensores Remotos en Software dedicados a los Sistemas de Información Geográfica. Los paquetes computacionales a emplear son Idrisi Andes e Ilwis. Ambos fueron diseñados para el manejo de información espacial en el marco de SIG y cuentan con capacidad para procesar de igual manera formatos vectoriales y formatos ráster. Algunas de las funcionalidades incluidas en Idrisi Andes que lo habilitan para el manejo de imágenes de satélite se describen en la siguiente sección.
Funciones de Idrisi Andes diseñadas para manejo de Imágenes de Satélite:
13 El grupo de potencialidades vinculadas al procesamiento de imágenes captadas por satélite se encuentran dentro del menú Image Processing. El nombre asignado a cada una de las funciones puede visualizarse en la Figura 1. Cada una de esas funciones genera un sub menú, a partir del cual Idrisi Andes desarrolla toda su potencialidad en esta materia.
Figura 1. Funciones generales disponibles desde el menú principal de Idrisi Andes: Imagen Processing A partir del sub menú Restoration están disponibles las funciones mostradas en la Figura 2.
Figura 2. Funciones de Idrisi Andes disponibles desde el submenú Restorarion para procesamiento de Imágenes de Satélite. A partir del submenú Enhancement se accede a las funciones mostradas en la Figura 3.
14
Figura 3. Funciones de Idrisi Andes disponibles desde el submenú Enhancement para procesamiento de Imágenes de Satélite. A partir del submenú Transformation, Idrisi Andes dispone de las funciones mostradas en la Figura 4.
Figura 4. Funciones de Idrisi Andes disponibles desde el submenú Transformation para procesamiento de Imágenes de Satélite. A partir del submenú Fourier Analysis, Idrisi Andes ejecuta las funciones indicadas en la Figura 5.
15
Figura 5. Funciones de Idrisi Andes disponibles desde el submenú Fourier Analysis, para procesamiento de Imágenes de Satélite.
La manipulación de firmas espectrales es desarrollada por Idrisi Andes a partir del submenú Signature Develpment, aplicando las funciones mostradas en la Figura 6.
Figura 6. Funciones de Idrisi Andes disponibles desde el submenú Signature Develpment, para procesamiento de Imágenes de Satélite.
Las técnicas de clasificación son ejecutadas a partir del submenú Hard Classifiers de Idrisi Andes. Las funciones que se derivan de este submenú son mostradas en la Figura 7.
16
Figura 7. Funciones de Idrisi Andes disponibles desde el submenú Hard Classifiers, para procesamiento de Imágenes de Satélite. El restante conjunto de funciones que complementan las capacidades de Idrisi Ande An dess para para la clas clasif ific icac ació iónn de imág imágen enes es es hab habil ilit itad adaa a trav través és del del subme submenú nú Soft Soft Classifiers/Mixture Analysis. Estas funciones están señaladas en la Figura 8.
Figura 8. Funciones de Idrisi Andes disponibles desde el submenú Soft Classifiers/Mixture Analysis, para procesamiento de Imágenes de Satélite.
17
El Análisis de información remota derivada de sensores con capacidad Hiperspectral es desarrollado por Idrisi Andes a través del conjunto de funciones disponibles a través del submenú Hyperspectral Image Analysis, que se incluyen en la Figura 9. El último de los submenú disponibles desde el menú principal Imagen Processing en Idrisi Andes es Accuray Assessment. A partir de él se accede a las funciones SAMPLE y ERRMAT, ERRMAT, tal como se observa en la Figura 10. Estas funciones funciones están relacionada relacionadass con procesos estadísticos y encuentra aplicación ap licación en el Procesamiento Digital de Imágenes.
Figura 9. Funciones de Idrisi Andes disponibles desde el submenú Hyperspectral Image Analysis, para procesamiento de Imágenes de Satélite.
Figura 10. Funciones de Idrisi Andes disponibles desde el submenú Accuray Assessment, para procesamiento de Imágenes de Satélite.
18 El conjunto de funciones anteriormente indicadas pueden ser agrupadas según el propósito para el cual fueron diseñadas. Una descripción de estas agrupaciones y de los productos que se obtienen se comenta en los párrafos siguientes.
Funciones de visualización de imágenes satélite: Módulo COMPOSITE. Permite efectuar composiciones de color RGB a partir de la combinación de imágenes captadas desde sensores de teledetección o el paso inverso que es la separación de composiciones de 24 bits en imágenes de 8 bits. También se pueden efectuar desde éste menú acciones de mejora de la imagen en relación a la iluminación o el contraste de la composición para resaltar unos u otros elementos captados por los sensores radar. Igualmente importante es la creación de histogramas para conocer las características espectrales de las imágenes tratadas.
Funciones de restauración de la imagen (submenú Restoration): con las herramientas que contiene este módulo es posible generar composiciones a partir de la unión de distintas imágenes de satélite con solapamiento, creando mosaicos y series temporales
Opciones de mejora de la imagen (submenú Enhancement): a partir de este menú se accede a funciones de mejora en base a distintos cambios en el contraste de la imagen, realizando composiciones RGB o mediante la aplicación de filtros.
Funciones de transformación (submenú Transformation): a partir de este apartado con finalidades parecidas a las descritas en las opciones vistas anteriormente, se efectúan modificaciones puntuales por ejemplo, a partir del Análisis de los Componentes Principales de lo datos con el objetivo de mejorar su lectura.
Módulos de trabajo de las firmas espectrales (submenú Signatura Development): muy usado en teledetección ya que sus funciones permiten extraer la huella espectral del objeto de estudio y de los puntos de entrenamiento que se hubieren reconocido en el trabajo de campo. Es un módulo que permite trabajar con los parámetros de radiación y su rango de amplitudes, captados por los sensores de los elementos representados en el territorio.
19
Métodos de clasificación (Hard o Soft Classifiers): como su nombre indica contiene los distintos métodos de clasificación supervisada o no, ya sea fuerte o débil, de las diferentes firmas espectrales y sus rangos de acción detectadas en la imagen radar que a la postre van a generar cada uno de los temas o categorías en los que se van a clasificar la información.
2.1. Elaboración de un Mapa de Riesgo de Erosión Este ejemplo explica un enfoque con el que puede generarse un Mapa de Riesgo de Erosión. Se fundamenta en la hipótesis de que la erosión está gobernada por la pendiente del área bajo estudio. No se toma en cuenta las características del suelo como cobertura, textura y estructura, y labores de cultivo que esté recibiendo el área o simplemente el uso general al que se tiene habituado. Este enfoque sólo caracteriza el riesgo de erosión en función a los valores del pendiente de acuerdo a los rangos siguientes: Pendiente de 0 a 5%
5 T/ha año
Pendiente de 5 a 10%
10 T/ha año
Pendiente de 10 a 15%
20 T/ha año
Pendiente de 15 a 20%
25 T/ha año
Pendientes superiores al 20%
40 T/ha año
En base a esta hipótesis el método permite construir un mapa donde se observe, delimitado el espacio, en función de la pendiente, la tasa de erosión anual que muestra cada región. Para esto se elabora un mapa de pendientes de la zona de interés. A ese mapa se hace una reclasificación, asignando las tasas de erosión para los rangos de pendiente
20 presentes en el área y de acuerdo a los intervalos señalados anteriormente. El programa que se usa para esta operación, es Idrisi Andes, y la región sobre la que se aplica el método es Valladolid, ya que se tienen datos de la misma con los cuales conducir este enfoque metodológico. El Modelo Digital de Elevaciones puede derivarse directamente, para el área de interés, del material disponible de la Misión Topográfica de Radar volada en el Transbordador Espacial Endeavour, la cual tomó datos tridimensionales de la superficie terrestre en un proyecto colaborativo entre la "National Aeronautics and Space Administration" (NASA), la "National Geospatial-Intelligence Agency " de los Estados Unidos (NGA), el Departamento de Defensa de los Estados Unidos, y las agencias espaciales de Alemania (DLR) e Italia (ASI). La misión fue dirigida por el Laboratorio de Propulsión a Chorro (Jet Propulsion Laboratory-JPL) de la NASA, localizado en Pasadena, California, bajo la dirección del programa de Ciencias Terrestres de la NASA, localizado en Washington D.C. Este material está disponible en el portal Web http://glcfapp.umiacs.umd. edu:8080/esdi/index.jsp. Al descargarse puede importarse desde Idrisi Andes a través de la
función de importación a la que se accede desde Menú—File—Import --- Goverment --Data Provider Formats --- GEOTIFF/TIFF. El material así obtenido abarca un área significativamente amplia de una parte de la superficie terrestre. Debe descargarse la porción del modelo SRTM que incluya el área de interés, y luego hacer un corte de la misma teniendo como referencia un polígono de datos booleanos (unos y cero), donde el uno represente el área de interés y el cero la zona que se quiere dispensar. Para este tratamiento se requiere un procedimiento determinado a fin de generar material de igual número de filas y columnas, así como de igual proyección cartográfica, para posteriormente ejecutar el corte con el Módulo Overlay de Idrisi Andes, o bien usando la calculadora matemática que ofrece el programa. Para este ejercicio se optó por otra metodología de obtención del MDE. Esta se explica a continuación.
21 Idrisi Andes ofrece la función de generación de MDE a partir de un archivo de puntos de coordenadas conocidas X,Y,Z, con el cual el programa hace una interpolación de las cotas aplicando métodos matemáticos avanzados y genera el mapa de elevaciones. Este archivo de coordendas X,Y,Z puede ser derivado de cálculos topográficos o tomados de una digitalización de hojas cartográficas que contengan curvas de nivel. Independientemente del origen de las coordenadas éstas deben ser almacenadas en un archivo texto colocando primero la coordenada X, seguida de la coordenada Y, y en la tercera columna la coordenada de altura, cota o elevación Z. A continuación se muestra seis filas de un archivo organizado para su importación desde Idrisi Andes. No se incluye el nombre de las columnas, y los valores individuales de coordenadas van separados por espacio. 16000 115000 730 11000 117000 735 14700 120000 743 19300 125000 755 21500 127200 759 24500 128800 763
Figura 11. Organización de coordenadas X,Y,Z en un archivo texto. El archivo de extensión .txt contentivo de las coordenadas que se usarán para la generación del MDE del área de interés se importa desde Idrisi Andes a través de la siguiente secuencia de comandos: Menú—File—Import ---General Convesion Tools --XYZIDRISI (Ascii XYZ), con lo que el programa arroja una ventana de configuración para la importación de las coordenadas. Debe indicarse en dicha ventana el nombre del archivo texto que se importa, y el nombre del archivo de salida, que genera Idrisi Andes como un vector (extensión .vct); igualmente se indica el Sistema de Referencia, que puede ser “plano” o asignársele el sistema UTM del Huso al cual corresponda el área de interés seleccionándolo de la lista que el programa incluye. La ventana de configuración para importación de puntos X,Y,Z se muestra en la Figura 12.
22
Figura 12. Ventana de configuración para importación de puntos X,Y,Z. Cuando los punto son importados correctamente por el programa inmediatamente muestra una ventana con la disposición de éstos en el espacio, acompañando la visualización con una leyenda. En la Figura 13 se muestra este resultado. Los elementos de este mapa pueden configurarse a través de la función Map properties disponible en la ventana Composite que acompaña a la visualización de cada mapa, o haciendo clic con botón derecho sobre el mapa para acceder a esta función de configuración de propiedades del Mapa.
23
Figura 13. Mapa de visualización de puntos importados y ventana Composer para configuración de propiedades del Mapa.
Con los puntos ya importados, y disponibles en formato vectorial, pueden ser manipulados por Idrisi Andes para la construcción del MDE. En realidad lo que se hace es una interpolación de los valores de cotas disponibles en el archivo vectorial de puntos, que genera como resultado un mapa con una degradación de colores. Esta degradación de colores refleja la variación de las alturas en el espacio como una variable continua. A la ventana de configuración de datos para ejecución de Interpolación en Idrisi Andes se accede a través de la siguiente secuencia de comandos: GIS Analysis --- Surface Analysis --- Interpolation --- Interpol. Estas funciones arrojan la ventana donde deben
24 indicarse las condiciones para la ejecución de la interpolación: el nombre del archivo vector que contiene los puntos a partir de los cuales se hace la interpolación; el nombre del archivo con el que se almacena el resultado, este archivo es tipo imagen con extensión .rst; el exponente que se asigna a la distancia para el cálculo del peso con el que se ponderan las cotas. Se usa dos como exponente y la interpolación asigna a cada celda la media ponderada de las cotas de los seis puntos más próximos con pesos iguales a la inversa del cuadrado de la distancia a cada una de ellas, siempre que en la ventana de configuración de interpolación se active la casilla Use a six point serach radius. La ecuación que gobierna este cálculo se describe a continuación: 6
∑ Z =
1
zi *
2
d i
i =1 6
1
∑ d i =1
2
i
Las especificaciones del archivo de salida (Output file specifications) constan de: valores mínimos y máximo de los ejes cartesianos, estos valores los lee el programa desde el archivo vector que contiene los puntos, una vez que éste ha sido ingresado en la sub ventana Input vector file; tipo de dato, generalmente se trabaja con datos tipo enteros (integer) para que la función de cálculo incluya sólo valores enteros; tipo de archivo, el cual
se configura a binario (binary); y número de filas y columnas, estando estos valores gobernados por la magnitud del archivo de entrada en cada uno de los ejes cartesianos, la cual se calcula por la diferencia entre los máximos y mínimos de cada eje. El número de filas y columnas se calcula en función de la resolución del mapa de salida. Para el ejemplo que se conduce la resolución es de u 250 m por píxel.
columnas
X máximo =
−
X mínimo
resolución
filas
Y
max
=
imo
−
Y mínimo
resolución
25 La Figura 14 muestra la configuración de parámetros para la ejecución de Interpolación.
Figura 14. Configuración de parámetros para Interpolación de cotas en Idrisi Andes. Este proceso demanda una importante capacidad de memoria por parte del computador donde se trabaja. El tiempo que invierte para completar el procedimiento depende entonces de las capacidades del computador y en general se destaca porque no es un procedimiento inmediato a los que se está acostumbrado con procesadores de cierta magnitud. El programa muestra en la barra de estado (ubicada en el extremo central inferior del área de trabajo) el progreso de la operación. El resultado, llamado topoval.rst como archivo de salida, es un mapa que muestra la degradación de colores con la que se representa la variación del atributo altitud sobre el espacio considerado. Si la representación del mapa se hace con la paleta de colores Idrisi 256 se muestra tal como la Figura 15.
26
Figura 15. MDE, toval.rst, construido por interpolación de archivo vectorial X,Y,Z. Nótese que el MDE abarca una región uniforme: un rectángulo con su lado horizontal más angosto que el vertical. Deben hacerse los ajustes correspondientes para obtener un MDE que sólo represente el área de interés. El área de interés puede ser una Cuenca Hidrográfica o un área administrativa de una región. Existen diferentes maneras de obtener un formato digital de un área sobre la cual se emprende un estudio. Este formato puede obtenerse por digitalización de hojas cartográficas usando algún programa que genere archivos con extensión .dxf (como Autocad, por ejemplo); o haciendo la digitalización sobre una imagen (mapa digitalizado, imagen satelital de alta resolución, fotografía aérea, entre otros) directamente en pantalla, obteniendo con esto un archivo vectorial que configure la delimitación del área. Estas son dos de las formas más comunes como puede obtenerse un polígono digital donde se materialice el lindero de un espacio territorial definido. Para el ejercicio que se conduje orientado a la delimitación de áreas en función de su riesgo de erosión, se usa como polígono de borde el archivo digital que se muestra en la Figura 16. Este mapa representa el límite de la provincia de Valladolid.
27
Figura 16. Perímetro, en formato vectorial, (contorno.vct) de la provincia de Valladolid. El procedimiento que permite hacer un “recorte” del mapa MDE a la forma y tamaño del perímetro de la provincia estudiada, requiere que ambos mapas estén en formato ráster. Para la transformación de archivo vectorial a uno ráster es necesario en principio crear una imagen “vacía” con el nombre del archivo ráster que se quiere obtener. Una imagen de este tipo se crea indicando los parámetros que la configuran. Estos parámetros son: número de filas y columnas, mínima y máxima coordenada X y Y, Sistema de Referencia, Unidades de Referencia y Unidades de distancia. Esta configuración se asemeja a la construcción de una cuadrícula en papel para el dibujo en ella de un mapa a una escala determinada. Sólo a manera de ejemplo se muestra, en la Figura 17, la ventana Reference Parameters donde se configuran estos valores antes de la creación de una imagen o mapa
en formato ráster. A los efectos del ejercicio que se explica, se “importan” los parámetros de una imagen que ya ha sido elaborada, en este caso el de la imagen que muestra el MDE de la zona de interés, señalado en la Figura 15.
28
Figura 17. Ventana para configuración de parámetros que dimensionan el área de una nueva imagen ráster. La ventana de configuración con los parámetros ajustados para el ejemplo que se conduce se muestra en la Figura 18. Es el Módulo INICIAL al cual se accede desde la barra de menú principal activando la función Data Entry. En esta ventana se seleccionó la opción Copy spatial parameters from another image con lo que se “importaron” los parámetros de
la imagen topoval.rst que contiene el MDE, al introducir este archivo en la opción Imge to copy parameters from.
Figura 18. Ventana INITIAL para configuración de imagen ráster vacía. Una vez creada la imagen “vacía” o también conocida como imagen de “ceros” es posible hacer la transformación del archivo vectorial contorno.vct a un archivo ráster, que también llevará como nombre “contorno” pero con extensión diferente: contorno.rst.
29
El archivo contorno.vct mostrado en la Figura 16 se convierte a ráster usando la función Reformat (de la barra de menú principal de Idrisi) --- RASTERVECTOR, luego de lo cual el programa arroja una ventana de configuración de transformación del archivo, en este caso, de vectorial a ráster, tal como la mostrada en la Figura 19. El resultado de esta pasterización es una nueva imagen, de nombre contorno.rst cuyas características se muestran en la Figura 20.
Figura 19. Ventana de configuración de parámetros para pasterización de archivo vectorial.
Figura 20. Imagen ráster (contorno.rst) obtenida por pasterización de archivo vectorial (contorno.vct) Nótese que los valores de la imagen contorno.rst son cero y uno. Con el valor uno están identificados internos al perímetro, y con valor cero los elementos externos. Esto permite que a través de una “multiplicación” de imágenes, en el resultado se conserven los
30 valores que son multiplicados por uno, mientras que los píxeles fuera del perímetro asumen valor de cero. Esta multiplicación puede hacerse a través de la función Imagen Calculator ubicada en la barra de herramientas, o a través de la función OVERLAY, la que también cuenta con un icono de acceso directo en la barra de herramientas o a la que se accede desde el menú principal GIS Analysis --- Database Query --- OVERLAY. La Figura 21 muestra los parámetros de ajuste para el caso de usar la función OVERLAY.
Figura 21. Módulo OVERLAY configurado para multiplicación de imágenes. El resultado de esta función así configurada, donde se multiplican las imágenes topoval.rst (que contiene el MDE de una superficie mayor a la de interés) la imagen contorno.rst (que contiene el perímetro del área de interés), es una imagen que muestra exactamente delimitado dentro del perímetro de interés el MDE de la zona. Este resultado se muestra en la Figura 22.
31
Figura 22. MDE (mde_Valladolid.rst) obtenido por definición de contorno. La imagen mde_Valladolid.rst es el modelo de entrada para la construcción del modelo de pendientes. El mapa de pendientes se elabora en Idrisi Andes con el módulo SURFACE, al cual se accede desde el menú principal activando la siguiente secuencia de comandos: GIS Analysis --- Surface Analysis ----- Topographic Variables --- SLOPE. La Figura 23 muestra los elementos que se ajustan en este módulo para el cálculo de las pendientes. Sólo pide el ingreso del archivo que contiene el MDE y que se indique nombre y dirección par el archivo de salida. La pendiente se expresa generalmente en porcentaje. El resultado se presenta en la Figura 24.
Figura 23. Elementos de ajuste para cálculo de mapa de pendiente.
32
Figura 24. Mapa de pendientes de Valladolid. El siguiente paso es la reclasificación de las zonas de pendientes, asociando sus rangos a los valores de tasas de erosión. Al principio del ejercicio se establecieron los rangos de pendientes y las tasas de erosión anual expresadas en Toneladas. La reclasificación del mapa de pendientes de Valladolid permite asociar a cada intervalo de pendiente su correspondiente valor de tasa de erosión. La reclasificación se hace con el Módulo RECLASS de Idrisi, al cual puede accederse desde el menú principal aplicando la siguiente secuencia de comandos: GIS Analysis --- Database Query --- RECLASS. La ventana que arroja esta secuencia de comandos permite definir el nombre de la imagen que se clasifica (en este caso pendientes_Valladolid.rst), el nombre de la imagen de salida (erosion_Valladolid.rst), y especificar los parámetros de reclasificación. Estos parámetros pueden ingresarse directamente en el Módulo RECLASS o pueden construirse en un archivo texto y ser importados desde el módulo pulsando el botón “use.RCL.file”. En este caso los parámetros de clasificación se ingresan en el Módulo. Los rangos de pendientes definidos al principio para cada valor de tasa de erosión son los siguientes:
33 Pendiente de 0 a 5%
5 T/ha año
Pendiente de 5 a 10%
10 T/ha año
Pendiente de 10 a 15%
20 T/ha año
Pendiente de 15 a 20%
25 T/ha año
Pendientes superiores al 20%
40 T/ha año
La ventana del Módulo RECLASS es configurada tal como se muestra en la Figura 25 para la ejecución del proceso de Reclasificación.
Figura 25. Configuración del Módulo RECLASS para reclasificación de mapa de pendiente a valores de tasa de erosión. El resultado de la configuración anterior es una imagen donde al manipular la paleta de colores, se muestran las cinco categorías de tasas de erosión configuradas. Lo importante de este resultado es la posibilidad de calcular el área de cada categoría, sobre la imagen completa, erosion_Valladolid. La imagen se muestra en la Figura 26,
34
Figura 26. Resultado delimitación espacial categorías tasas de erosión.
A continuación se anexa el reporte que hace Idrisi al consultársele el área de cada categoría empleando el Módulo AREA, al cual se accede desde el menú principal activando la secuencia de comandos GIS Analysis – Database Query – AREA. Category 0 5 10 20 25 40
Square Kilometers 10736.2917628 3396.1384600 238.6769433 11.3114040 0.7583064 206.6384974
En la categoría 0 están los pixeles con pendiente entre 0 y 1 de modo que el programa contabilice apropiadamente los valores de 0 presentes en la imagen. En la Categoría de 5 T/ha año está una superficie aproximada de 3400 km2. Categoría 10 T/ha año abarca una superficie de 239 km2Categoría 20 T/ha año la muestra una superficie de 11 km2 Categoría 25 T/ha año es la que menos superficie arroja, con 0.75 km2, y Categoría 40 T/ha año, se compara con la de 10 T/ha año, con superficie de 205 km2
35
Apreciaciones acerca del ejercicio En principio se planteó la elaboración de un mapa de erosión. En realidad lo que se determinó fueron las áreas que en función de unos rangos de pendiente, tienen capacidad de producir anualmente cierta cantidad de sedimentos como resultado de los procesos erosivos que sobre dichas superficies operan. La imagen resultante, llamada erosion_valladolid.rst proviene de una reclasificación del mapa de pendientes de la zona. La reclasificación se hizo asignando un nuevo valor, en este caso se asignó el valor de la tasa de erosión expresada en Toneladas de sedimento por hectárea por año, que se adjudicó a los rangos de pendientes establecidos como umbral para cada Tasa. La mayor cantidad de área, más de tres mil kilómetros cuadrados, muestra pendiente entre cero y cinco por ciento. Esto pudiera tomarse como un indicador de los posibles problemas de erosión que se presentan en la zona estudiada tomando en consideración sólo la pendiente. Según esto, existe una baja tasa de erosión de 5 T/ha año, cuando se compara el área reportada por esta categoría con las áreas de las otras categorías. Cuando se visualiza el MDE es posible tener un acercamiento a las magnitudes de las pendientes, y por consecuencia de los valores de sedimento que pudiera producir el área evaluada. En este ejercicio se acotó la posibilidad de procesar información tomada por sensores remotos para la elaboración del modelo digital de elevación, sin embargo, se optó por usar un archivo texto contentivo de un juego de coordenadas X, Y, Z para la configuración del mencionado modelo. Idrisi Andes tiene la capacidad de importar un MDE derivado de la misión SRTM en formato GEOTIFF y reconocer los valores de altitud que muestra este material. Con la manipulación del mismo es posible generar mapas de pendiente y hacer la reclasificación orientada a la estimación de las áreas con tasas específicas de erosión.
Esta puede ser considerada como una operación donde se
desarrollan técnicas de Procesamiento Digital de Imágenes con Sistemas de Información Geográfica. Un aplicación derivada del MDE del SRTM en una cuenca del oriente de
36 Venezuela para la estimación de áreas según tasas de erosión se muestra luego del modelo Cartográfico que describe el ejemplo anterior.
Modelo Cartográfico Es un esquema en el que se representan los datos de partida, las operaciones realizadas, los resultados intermedios y los mapas y resto de documentos que conforman la solución. Es útil a la hora de estructurar el ejercicio para su resolución, así como para su interpretación por terceras personas. Para su construcción se parte de cuatro tipos de documentos: imágenes, ficheros vectoriales, tablas y textos. La nomenclatura usada para cada tipo de documento se describe a continuación: Las “imágenes” (que se manipulan en Idrisi como .rst) se representan con rectángulos Los “archivos vectoriales” (manipulados en Idrisi como .vct) se presentan con óvalos Las Tablas (manipuladas mayormente como .mdb) se presentan con rectángulos divididos en filas y columnas. Los ficheros Texto (normalmente trabajados como .txt) se representa como rectángulos cuyo lado horizontal es más corto que el vertical. En general, en el interior de cada una de esas figuras se escribe el nombre del fichero en letras mayúsculas. El modelo cartográfico se complementa indicando las operaciones ejecutadas sobre cada tipo de documento hasta la obtención del documento “resultado”. El nombre de la operación se coloca, o bien al lado de la línea que une el documento inicial con el documento resultado de dicha operación, o se escribe interrumpiendo el trazado de dicha línea. Esta línea termina al final, en una flecha que indica el sentido de la operación y señala al documento “resultado”. Cuando una operación requiere dos archivos de entrada, estos se unen mediante una línea, de la cual parte otra terminada en una flecha que llega hasta el resultado.
37
CONSTRUCCIÓN DE MAPA DE EROSIÓN
topoval
XYZIDRISI
topoval
contorno
INTERPOL
RASTERVECTOR contorno
mde_topoval OVERLAY
mde_contorno SURFACE (slope) pendiente_valladolid
RECLASS
erosion_valladolid AREAS
AREAS PARA CADA TASA DE EROSIÓN
38
2.2.-CONSTRUCCIÓN DEL MAPA DE EROSIÓN DE LA CUENCA DEL RIO AREO, ESTADO MONAGAS, VENEZUELA Se construyó el mapa de erosión para la Cuenca del Río Areo, ubicada al Nor-Oeste del Estado Monagas, con una pequeña porción de su territorio en el Estado Anzoátegui, a partir del Modelo Digital de Elevación derivado del SRTM obtenido del portal Web de la Universidad de Maryland http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp; con la combinación del archivo de extensión .dxf obtenido de la digitalización del Río Areo sobre hojas cartográficas a escala 1:25.000 del Instituto Geográfico de Venezuela Simón Bolívar. El Modelo Cartográfico que describe el procedimiento se incluye a continuación. Los archivos iniciales (MDE del oriente venezolano y río_areo) fueron importados al área de trabajo de Idrisi Andes. El archivo que contiene el río está en formato .dxf y fue importado usando el Modulo DXFIDRISI. El archivo que contiene el MDE está en formato .tiff y se importó a través del Módulo GEOTIFF/TIFF. Del archivo .dxf se obtuvo un archivo vectorial (río_areo.vct). Del archivo .tiff se obtuvo un archivo ráster (mde_oriente.rst). El archivo vectorial fue transformado a ráster, creando en principio una imagen vacía o imagen de ceros con los parámetros del archivo mde_oriente.rst de modo que existiera coincidencia de número de filas, columnas, máximos y mínimos de valores X e Y, así como en el sistema de referencia. Se usó el Módulo RASTERVECTOR y se obtuvo el archivo rio_areo.rst. Se construyó la Cuenca del Río Areo, a partir del modelo digital de elevaciones del oriente de Venezuela (mde_oriente.rst) asociándolo con el archivo del río principal de la Cuenca (rio_areo.rst); para esto se usó el Módulo WATERSHED. El resultado se le dio como nombre cuenca_areo.rst. Este archivo se combinó con el archivo mde_oriente.rst a través del Módulo OVERLAY y se obtuvo el MED de la Cuenca del Río Areo, sobre la que se aplicó el Módulo SURFACE (slope) y se obtuvo el mapa de pendientes de dicha cuenca. Este mapa fue reclasificado usando RECLASS con los parámetros de reclasificación en función de los rangos de pendiente y las tasas de erosión, y se generó el mapa de erosión (erosion_cuenca_areo.rst), cuyas áreas fueron cuantificadas a través del Módulo Area para la discriminación de las superficie que ocupa cada categoría de erosión en la cuenca. El resultado se muestra de forma tabular.
39
CONSTRUCCIÓN MAPA DE EROSIÓN CUENCA RÍO AREO, ESTADO MONAGAS, VENEZUELA rio_areo.dxf
srtm_u03_p002r053.aux
DXFIDRISI
GEOTIFF/TIFF
mde_oriente
rio_areo
RASTERVECTOR
rio_areo WATERSHED
cuenca_areo
mde_cuenca_areo SURFACE (slope)
pendiente_cuenca_areo
RECLASS
erosion_cuenca_areo
áreas por categorías
40 El conjunto de imágenes que se derivaron del procedimiento explicado en el Modelo cartográfico se muestran en la secuencia siguiente:
Figura 27. rio_areo.vct
41
Figura 28. mde_oriente.rst
Figura 29. rio_areo.rst
42
Figura 29. cuenca_areo.rst
Figura 30. mde_cuenca_areo.rst
43
Figura 31. pendiente_cuenca_areo.rst
Figura 32. erosion_cuenca_areo.rst
44
Tabla 1.- Reporte de áreas según categorías de Tasas de erosión (t/ha año)
Category
Square Kilometers
5 10 20 25 40
102.1734000 92.1213000 50.3982000 35.7615000 139.3200000
45
2.3. ANÁLISIS DE PELIGRO, VULNERABILIDAD Y RIESGO USANDO ILWIS Una evaluación de riesgo se hace a partir de información de amenazas y vulnerabilidad. En lo sucesivo las amenazas serán identificadas con el término peligro. Existen varios métodos para abordar una tarea de evaluación de riesgo. Usando las fortalezas de los programas con capacidad para desarrollar Sistemas de Información Geográfica es posible cumplir el objetivo a través de una serie de procedimientos que al ser repetidos con idénticos resultados, le imprimen precisión al método. El material es tomado de van Westen, C. J., del Department of Earth Systems Analysis, International Institute for Geoinformation Science and Earth Observation,
[email protected]. En esta oportunidad se usa el software Sistema Integral de Información de Aguas y Tierras (ILWIS, por sus siglas en inglés). Sólo se muestra el conjunto de pasos que se siguen para definir el grado de peligro de una región, en este caso con un nivel nacional. Se parte de un conjunto de mapas que muestran los niveles de peligrosidad para ciertos factores, y mapas con atributos de caracterización de elementos en el espacio, como son los mapas de división político territorial, y mapas que muestran atributos topográficos del área. La información relativa a la forma cómo se obtienen estos mapas no se menciona en esta investigación. Se parte de ellos y se explican los procedimientos para su manipulación a fin de obtener la evaluación del riesgo. En principio se obtiene el mapa de peligrosidad al combinar los mapas de factores disponibles, asignándoles peso de influencia diferentes para cada factor. Luego se elabora el mapa de vulnerabilidad, manejando igualmente el criterio de pesos de influencia. Y por último se combinan el mapa de peligrosidad y el mapa de vulnerabilidad para delinear el mapa de Riesgo. Se dispone de una base de datos compuesta por doce mapas en formato ráster y un mapa en formato vectorial, también conocido como formato de polígonos. Las primeras imágenes se muestran con el propósito de señalar el contenido de cada uno de estos mapas que constituyen la base de datos inicial. Seguido a las figuras se comentan los procedimientos para la obtención del mapa de peligrosidad, de vulnerabilidad y el mapa definitivo de riesgo.
46 Descripción de la base de datos. Mapas ráster: 1. Nombre: Colombia. Contenido: Departamentos de Colombia. Imagen:
Figura 33. Departamentos de Colombia
47
2. Nombre: Landslid. Contenido: Regiones con problemas de Deslizamiento. Imagen:
Figura 34. Condición de los problemas de deslizamiento de tierras en Colombia.
48
3. Nombre: Volcanic. Contenido: Regiones con peligros Volcánicos. Imagen:
Figura 35. Regiones de Colombia con peligros volcánicos.
49
4. Nombre: Seismic. Contenido: Regiones con peligros Sísmicos. Imagen:
Figura 36. Regiones de Colombia con problemas sísmicos.
50
5. Nombre: Tsunami. Contenido: Regiones con peligros de Tsunami. Imagen:
Figura 37. Regiones de Colombia con problemas de Tsunami
51
6. Nombre: Inundat. Contenido: Regiones con peligros de Inundación. Imagen:
Figura 38. Regiones de Colombia con problemas de inundación.
52
7. Nombre: Rivers. Contenido: Regiones con actividad de ríos torrenciales. Imagen:
Figura 39. Identificación de los ríos torrenciales en el territorio colombiano.
53
8. Nombre: Beach. Contenido: Regiones con erosión de la playa y/o acumulación. Imagen:
Figura 40. Regiones de Colombia con problemas de erosión de playa y/o acumulación.
54
9. Nombre: Industry. Contenido: Principales regiones industriales. Imagen:
Figura 41. Principales regiones industriales de Colombia.
55
10. Nombre: Infraseg. Contenido: Principales infraestructura. Imagen:
Figura 42. Principales infraestructura de Colombia.
56
11. Nombre: Concentr. Contenido: Concentración de actividades económicas. Imagen:
Figura 43. Región donde se concentra la principal actividad económica de Colombia.
57
12. Nombre: Topograp. Contenido: Topografía de la región de Colombia. Imagen:
Figura 44. Regiones topográficas del territorio colombiano.
58
Mapa ráster: 13. Nombre: Colombia. Contenido: Límites departamentales de Colombia. Imagen:
Figura 45. Límites departamentales de Colombia.
59
2.3.1.-Evaluación de amenazas (peligros) Una serie de factores intervienen en la evaluación de peligros. En este ejercicio los factores están representados en mapas individuales. Se usará para la evaluación de peligro los mapas: Landslid, Volcanic, Seismic, Tsunami, Inundat, Rivers, Beach y Topograp. El resto de los mapas contenidos en la base de datos fueron diseñados para evaluarse en la fase de Vulnerabilidad. El cálculo del mapa de peligro consiste en la combinación de los factores incluidos en los mapas antes mencionados. Existen dos formas de combinar los factores: a través de una simple suma, o asignando valores de peso para cada factor en función del grado de peligrosidad que manifieste cada uno. Este ejercicio se desarrolla bajo el segundo enfoque. Para esto es necesario crear, para cada mapa de factor, una tabla donde se indiquen los pesos que se asigna a cada uno. La asignación de los pesos es una tarea un tanto subjetiva. La experiencia del investigador juega un papel decisivo al momento de hacer estas asignaciones, y diferentes investigadores muy bien pueden proponer pesos diferentes. El procedimiento general para la elaboración del mapa de peligro contenlo los pasos: Paso 1: Asignar los valores de ponderación a las clases de los mapas de parámetro. Paso 2: Renombrando los mapas de parámetro a mapas de ponderación. Paso 3: Combinando los mapas de ponderación en un solo mapa de peligro. Paso 4: Clasificando el mapa de ponderación combinado en un mapa final de peligros. Paso 1.- Asignación de valores de ponderación a las clases de los mapas de parámetro. Los mapas de parámetros fueron mostrados en las Figuras 33 a la Figura 45. Cada uno de esos parámetros muestra ciertos niveles. El efecto de cada nivel es ajustado asignándole pesos o valores de ponderación. La Tabla 2 muestra los pesos que se asignan en este ejercicio a cada uno de los niveles de factores que conforman la construcción del mapa de peligro. Para la asignación de valores de ponderación, para cada factor (mapa) se construye una tabla con dichos valores, y estas tablas son asociadas posteriormente a dichos mapas.
60
Tabla 2. Valores de ponderación para cada nivel dentro de los grupos de factores que conforman la evaluación del peligro a nivel nacional en Colombia Parámetro Sismicidad Alto riesgo de sismicidad Moderado riesgo de Sism. Bajo riesgo de Sismicidad Volcánico Sin peligro volcánico Peligro volcánico Deslizamiento Nariño Región Huila Valle del Cauca Zona Cafetera Manizales y alrededores Valle de Aburrá Cundinamarca Boyacá y Santander Bucaramanga Sin peligro de deslizamiento Tsunami Peligro tsunami Sin peligro tsunami Playa Acumulación Acumulación y erosión Erosión Sin acumulación o erosión Inundat Sin peligro de inundación Las otras clases River No río Las otras clases Topograp Altitudes menos que 1000 m Las otras clases
Ponderación 10 5 0 0 10 2 2 3 4 4 4 3 2 2 0 10 0 0 1 2 0 0 5 0 4 0 2
61 A continuación e explica la forma cómo se construye una tabla para la inclusión en ella de los valores de ponderación para un mapa. Luego se aplica este procedimiento al resto de los mapas.
Procedimiento para creación de Tablas e inclusión de valores de ponderación 1. Desde la barra de menú principal activar la secuencia de comandos indicada en la Figura 46: File --- Create --- Table.
Figura 46. Secuencia de comandos para generación de Tabla en Ilwis. Esta secuencia de comando arroja una ventana para creación de tabla (Create Table) donde se configura el nombre de la tabla (Sesimic) y se selecciona el dominio de la misma (elementos que contendrá). La Figura 47 es un ejemplo de la ventana Crate Table con sus elementos ya configurados.
Figura 47. Ventana Create Table donde se asigna el nombre a la Tabla y selecciona su Dominio
62 Ejecutado el paso anterior el programa arroja la Tabla con una presentación parecida a la mostrada en la Figura 48. Nótese que en el extremo izquierdo de la Tabla aparecen los elementos que integran la clase del mapa Seismic, esto porque en el paso anterior se seleccionó su dominio. En esta tabla hay que agregar la columna peso (Weight), para esto debe seleccionarse la opción Adicionar Columna desde el menú Columns de la ventana Table “seismic” – ILWIS. Esto genera una ventana de configuración de la columna, donde
se indica el nombre y el dominio (tipos de elementos) que para este caso el dominio es value (de valor); adicionalmente se configura el rango de los valores (value range) que para
este ejercicio es de 0 a 10 (son los valores mínimo y máximo de los pesos que se incluirán en la columna) y la precisión de dichos valores, que se ajusta a valor uno. La Ventana de configuración de la columna se muestra en la Figura 49.
Figura 48. Tabla “sesismic”
Figura 49. Ventana Add Column para configuración de una nueva columna
63
Al aplicar ok en la ventana Add Column (Figura 49) el sistema hace disponible la nueva columna en la Tabla ya creada, permitiendo escribir dentro de cada fila de la columna, el valor del peso asignado según los contenidos en la Tabla 2 de este trabajo. Ya con la columna disponible para el ingreso de los pesos, una vez incluidos los mismos el resultado se muestra en la Figura 50. Luego de incluidos los pesos en la columna recién creada, se cierra la tabla, y esta queda almacenada en el directorio actual de trabajo del programa ILWIS.
Figura 50. Tabla “sesismic” mostrando valores de pesos (Weight) incluidos. El procedimiento descrito anteriormente, para la creación de tablas y columnas de de ellas con el propósito de asignar los valores de ponderación a una maña (factor) se repite para los mapas Landslid, Volcanic, Tsunami y Beach. Para los mapas Inundat, River y Topograp se aplicará otro procedimiento para la inclusión de los valores de ponderación, considerando que en dichos mapas sólo existen dos clases en su dominio, por lo que es más sencilla aplicar la metodología que se explica más adelante para la inclusión de los valores mencionados. Las próximas cuatro Figuras muestran los equivalentes a la Figura 50 para los próximos cuatro mapas para los que se crean las tablas de ponderación.
64
Figura 51. Valores de ponderación para mapa Landslid
Figura 53. Valores de ponderación para mapa Volcanic
Figura 52. Valores de ponderación para mapa Tsunami
Figura 54. Valores de ponderación para mapa Beach
65
Paso 2.- Renombrando (reclasificando) los mapas de parámetro a mapas de ponderación.
Luego de creadas las tablas para cada mapa de factores, estas tablas son usadas como criterio de reclasificación de cada mapa. Ahora se obtendrá un nuevo conjunto de mapas, reclasificados, donde a cada clase o nivel de factor se le asignará, en una representación gráfica, el nivel de ponderación que le corresponde. La reclasificación a través de la función Operator Raster --- Atribute Map. Existen varias formas de acceder a estas funciones, siendo la más sencilla su selección desde la ventana de Catálogo principal de ILWIS, donde se muestran todos los objetos que contiene la carpeta de trabajo donde fue direccionado el programa luego de ser cargado (abierto o invocado) a la memoria del computador. La Figura 54 refleja el área Catálogo de la ventana principal de ILWIS.
Figura 54. Ventana principal de ILWIS mostrando el área de Catálogo.
En la ventana principal de ILWIS, exactamente en el área conocida como Catálogo, aparece la lista de todos los objetos disponibles. Haciendo clic con botón derecho del
66 Mouse sobre el mapa de interés (en este caso sobre los mapas Landslid, Volcanic, Seismic y Tsunami) se accede a un menú emergente que muestra, entre otras, la opción Raster Operations desde la que se accede a la función Attribute Map.. tal como se muestra en la
Figura 55.
Figura 55. Secuencia de comandos para acceder a la función Attribute Map con la que se ejecuta la reclasificación. En la ventana Attribute Map of Raster Map que emerge luego de la operación anterior, aparece seleccionado el nombre del mapa que se reclasificará. La Figura 56 muestra el ejemplo con el mapa LANDSLID. En esta ventana se selecciona la tabla que sirve de referencia para la operación, y el programa muestra el Atribute que está disponible en dicha tabla. Debe indicarse el nombre del nuevo mapa, que luego de aplicar la opción Define, será cargado en el área Catálogo. También puede seleccionarse la opción Show en
lugar de Define y el mapa es mostrado en pantalla y cargado en el área de Catálogo. El ejemplo usado para esta reclasificación es el mapa LANDSLID, siendo el mapa de salida nombrado como WLANDSLID. El mapa mostrado en la Figura 57 es el resultado de la operación de reclasificación. Este procedimiento se repite para los mapas VOLCANIC, SEISMIC, TSUNAMI y BEACH. Los resultados se muestran en las Figuras 58 a la 61.
Figura 56. Ventana para configuración de mapa a reclasificar.
67
Figura 57. Mapa WLANDSLID resultado de la reclasificación de LANDSLID usando landslid.bt
Figura 59. Mapa WTSUNAMIC derivado de TSUNAMI usando como referencia tsunamic.tbt
Figura 58. Mapa WVOLCANIC derivado de VOLCANIC usando como referencia volcanic.tbt
Figura 60. Mapa WBEACH derivado de BEACH usando como referencia beach.tbt
68
Figura 61. Mapa WSEISMIC derivado de SEISMIC usando como referencia seismic.tbt
Con esta operación se reclasificaron los mapas Landslid, Volcanic, Seismic, Tsunami y Beach. Aún deben reclasificarse los mapas Inundat, Rivers y Topograp, usando un procedimiento diferente. Se aplicarán fórmulas desde la ventana de comando de la ventana principal de ILWIS. Para el mapa Inundat la condición de ponderación descrita en la Tabla 2 es la que se muestra en el siguiente extracto: Inundat Sin peligro de inundación Las otras clases
0 5
Sólo existen dos valores de ponderación, cero para las áreas sin peligro de inundación y cinco para las otras áreas. El mapa Inundat (Figura 38) muestra catorce áreas con criterios de inundación. Trece áreas son zonas donde comúnmente ocurren estos
69 fenómenos, y un área, la más extensa del territorio colombiano, es clasificada como área sin peligro de inundación. Según los criterios de ponderación establecidos toda el área sin peligro de inundación recibe ponderación de peligrosidad con valor de cero, y el resto de las áreas con valor de cinco. La fórmula a aplicar sobre el mapa inundación, para generar un nuevo mapa (WINUNDAT) se estructura de la siguiente forma: WINUNDAT= iff(Inundat=”No inundation hazard”,0,5) ↵ Nótese que la condición “Sin riesgo de inundación” descrita en la Tabla 2, debe escribirse tal como aparece en el mapa original Inundat, esto es, en idioma inglés. El símbolo
↵
señala que luego del paréntesis se pulsa la tecla Enter del computador para
ejecutar la operación. La Figura 62 muestra la ventana principal de ILWIS con la instrucción (fórmula) de reclasificación escrita en la ventana de comandos.
Figura 62. Ventana principal de ILWIS mostrando fórmula de reclasificación escrita en ventana de comando.
70 Una vez escrita la fórmula en la ventana de comando y aplicada la tecla Enter del computador, ILIWS muestra la ventana Raster Map Definition, donde luego de revisar los parámetro se aceptan los mismo aplicando la opción Define, y el programa muestra la ventana Display Options con la paleta de colores seleccionada para la visualización del nuevo mapa. Si el programa no la ofrece por defecto, debe seleccionarse la opción Pseudo para que muestre el mapa en una degradación de colores tal como se observa en la Figura 63 para el mapa WINUDAT. Para los dos mapas restantes, con los que se elabora el mapa de Peligro, Rivers y Topograp, se configuran las fórmulas respectivas en función de la condición de ponderación descrita en Tabla 2, y cuidando la nomenclatura tal como aparece en los mapas originales. Para Rivers, la condición de ponderación es River No río Las otras clases
0 4
pero la condición No río aparece originalmente en el mapa Rivers escrita como No river, por lo que la ecuación se configura de la siguiente forma: WRIVER= iff(River=”No river”,0,4) ↵
71
Figura 63. Resultado de reclasificación del mapa Inundat usando ecuación en barra de comando de la ventana principal de ILWIS. La Figura 64 muestra el resultado de la aplicación de la ecuación anterior.
Figura 64. Mapa WRIVER, resultado de la reclasificación del mapa RIVERS, aplicando ecuación de ponderación en la ventana principal de ILWIS.
Para Topograp, la condición de ponderación es Topograp Altitudes menos que 1000 m Las otras clases
0 2
pero la condición Altitudes menos que 1000m aparece originalmente escrita en la leyenda del mapa Topograp como Altitude less than 1000m, por lo que la ecuación se configura de la siguiente manera: WTOPOGRAP= iff(Topografp=”Altitude less than 1000m”,0,2) ↵
La Figura 65 muestra el resultado de la aplicación de la ecuación anterior.
72
Figura 64. Mapa WTOPOGRAP, derivado de la reclasificación del mapa TOPOGRAP, aplicando ecuación de ponderación en barra de comandos de ventana principal de ILWIS.
Paso 3: Combinando los mapas de ponderación en un solo mapa de peligro. El próximo paso en la creación del mapa de peligro es la combinación de los mapas de ponderación individuales. El mapa de peligro, que se identificará con el nombre de PELIGRO, se crea combinando por sumatoria los mapas de los factores recientemente reclasificados según valores de ponderación. En la barra de comandos de la ventana principal de ILWIS se escribe la fórmula para obtener el mapa PELIGRO de la siguiente manera:
73 PELIGRO=WBEACH+WINUNDAT+WLANDSLID+WRIVER+WSEISMIC+WTOPOG RAP+WTSUNAMI+WVOLCANIC
↵
Figura 65. Mapa de Peligro del territorio colombiano derivado de la sumatoria de los mapas de peligro en función de diversos factores evaluados.
Paso 4. Clasificando el mapa de ponderación combinado en un mapa final de peligros. El programa muestra para el mapa de Peligro recién elaborado una leyenda de cinco categorías. Para una visualización más adecuada del mapa en función de la asociación de colores para cada condición de peligro, se sugiere mostrar el mapa con una nueva representación de domino. A continuación se explica cómo se reclasifica el mapa, de modo que su visualización muestre colores de acuerdo con los niveles de peligro, y aparezcan descritos dichos niveles en leyenda.
Todo comienza con la creación de un nuevo
“dominio”. Creando un nuevo “dominio” es posible definir, para los niveles de peligro que muestra el mapa original, la descripción asociada y posteriormente se controlan los niveles
74 de colores que hagan correspondencia con los niveles de peligro calculados por el programa. Existen varias formas de crear un nuevo dominio. A continuación e explica una de ellas. Desde el menú principal de la ventana de ILWIS se ejecuta la secuencia de comandos: File—Create—Domain. El programa muestra la ventana Create Domain, donde se define el nombre del nuevo dominio (en este caso es Hasclas1) y se activan las casillas de Class y Group, pues el dominio se crea para ser usado en un mapa que se deriva de un grupo de mapas. Al aplicar ok en la ventana Create Domain, el programa incluye el nombre del nuevo domino en el Catálogo de la Ventana principal de ILWIS y arroja la ventana Domain Group donde se configuran los niveles de peligro y los nombres asociados a cada
uno. El mapa de Peligro mostrado en Figura 65 arrojó cinco clases de peligro, identificadas con los números 1, 6, 11, 15 y 20. Para la reclasificación se configuran nuevos valores con su descripción asociada: 5
Peligro muy bajo
10
Peligro bajo
15
Peligro moderadamente bajo
20
Peligro moderado
25
Peligro alto
100
Peligro muy alto
Estos valores deben ingresar como límite superior y código en la ventana Domain Group cuando se añadan los ítems correspondientes, usando la función Add Item que arroja
la ventana Add Domain Item que se muestra en la Figura 66. En el cuadro Upper Boud se escribe el número correspondiente al nivel de peligro que se configura. En el cuadro Name se escribe el nombre con el que se asocia cada nivel de peligro y en el campo Code se repite el número escrito en el campo Upper Band . Para finalizar se escribe la descripción del peligro en el campo Description y se acepta la configuración pulsando el botón ok. Inmediatamente el programa agrega el nuevo nivel de peligro en la ventana Domain Group
75 y el procedimiento se repite para los restantes niveles. Con esto sólo se ajustan los niveles de peligro a los términos que los describen.
Figura 66. Ventana para configuración de niveles de dominio. El resultado de esta operación se visualiza en el área Catálogo de la ventana principal de ILWIS como un archivo de “representación” identificado con el icono . Para la configuración de los colores que se ajusten con los niveles de peligro se abre este “archivo” desde el área Catálogo, y se manipulan los colores para lograr una representación idónea: color verde para el peligro menor y rojo para el peligro mayor. El nuevo dominio se asocia al mapa Peligro, creando un nuevo mapa, a través de la función Opration – Imagen Processing --- Slicing , la cual arroja la ventana que se muestra en la Figura 67 con la configuración del presente ejemplo:
76
Figura 67. Ventana Slicing con la que se asocia un nuevo dominio de representación al mapa Peligro. En la ventana Slicing se indica el nombre del mapa al cual se aplicará una nueva representación de dominio, el nombre del mapa de salida y se selecciona el dominio que se asocia. Pulsando la opción Show de esta ventana el programa arroja dos ventanas cuyos parámetros se aceptan por defecto y muestra el mapa. El resultado puede visualizarse en la Figura 68.
Figura 68. Mapa Hazclas1 obtenido de la reclasificación del mapa Peligro por la asignación de un nuevo dominio de representación.
77
2.3.2.- Evaluación de Vulnerabilidad
La vulnerabilidad de una región está gobernada por los elementos que en ella estén presentes y el grado de asimilación que muestren dichos elementos ante la ocurrencia de un evento de desastre de una categoría definida. En una región están presentes varios tipos de elementos; existen elementos naturales que son objeto de perjuicio ante un desastre, y están los elementos construidos por el hombre, así como el propio conjunto social que en dicha área desarrolla actividades. En este sentido los elementos de riesgo dentro de un área dada son la población, las propiedades, las actividades económicas, entre los principales. La base de datos con la que se trabaja en esta fase del ejercicio está constituida por los mapas: Infraseg, mapa que muestra la ubicación de la infraestructura mayor Industry, mapa que contiene los principales centros industriales Concentr, mapa que identifica las áreas que concentran las actividades económicas Popdens, es el mapa de Densidad de población, que será preparado con las instrucciones que se señalan a continuación.
Procedimiento para construir mapa de densidad poblacional La densidad poblacional se calcula dividiendo el número de habitantes de una región entre el área de dicha región. Generalmente se expresa en hab/km2. En la base de datos está disponible el mapa ráster Colombia que contiene en su tabla asociada, entre otros elementos, el área de cada departamento. La misma puede consultarse a través del Histograma del mapa. La Figura 69 muestra el contenido del dicho Histograma, al cual se accede desde el menú de la ventana principal de ILWIS con la secuencia Operations— Statistics – Histogram.
78 Se crea una tabla (llamada Colombia) con igual dominio al del mapa ráster Colombia para que tenga los mismos elementos de su tabla asociada. La forma cómo se crea una tabla ya se explicó en la sección anterior. La Figura 70 muestra la configuración necesaria para la creación de esta tabla. Desde la barra de comandos de la nueva Tabla se importan los datos del área de cada Departamento aplicando la ecuación: Areas= Colombia.his.Area ↵. La Figura 71 muestra la nueva Tabla Colombia, con los datos tomados del dominio Colombia (nombre de los Departamentos) y una columna vacía. La instrucción en la barra de comandos crea una nueva columna y en ella coloca los valores del área reportados en el Histograma del mapa ráster Colombia. La Figura 72 muestra el resultado de esa operación.
Figura 69. Elementos que componen el Histograma del mapa ráster Colombia
Figura 70. Configuración de la Tabla Colombia. Dominio: Colombia
79
Figura 71. Tabla con instrucción en barra de comandos para importación de datos.
Figura 72. Tabla Colombia con datos de área importados del Histograma
Según se observa en la Figura 72 en la Tabla Colombia están disponibles los valores del área de cada Departamento. Son necesarios los valores de población igualmente para cada departamento, para proceder con el cálculo de Densidad poblacional. Estos valores deben ser introducidos desde el teclado del computador, pues no están disponibles en formato digital. Se introducen en una columna nueva dentro de la Tabla Colombia. Una de
80 las formas de configurar el nombre, dominio, rango de valores y precisión de una nueva columna es accediendo a la ventana Add Column desde el menú principal de la tabla, aplicando la secuencia Columns – Add Column. Una forma más rápida de acceder a la ventana de configuración de la columna nueva es haciendo doble clic en la cabecera de la columna que se observa al lado de la columna Área en la Figura 72. De igual manera, haciendo doble clic sobre una columna ya configurada se tiene acceso a la ventana Column properties donde es posible hacer ajuste a sus propiedades. La nueva columna que recibe
los valores de población para cada Departamento se le da el nombre de Población, dominio value, rango de valores de cero a 6000000, y precisión 0.1 por defecto. Los valores que se
incluyen en dicha tabla se muestran en la Figura 73.
Figura 73. Población de cada Departamento del territorio colombiano (van Westen, 2007) De igual forma como se creó la columna Área, a través de una instrucción desde la barra de comandos en la Tabla, se crea la columna donde se incluirán los valores de Densidad de población para cada Departamento. La instrucción y la columna Popdens resultado de dicha instrucción se muestran en la Figura 74.
81
Figura 74. Tabla Colombia mostrando el resultando del cálculo de Densidad de población para cada Departamento. Columna Popdens.
Con los datos de Densidad de población es posible reclasificar el mapa ráster Colombia para obtener el mapa de Densidad de población. La reclasificación se hace con la función Operation – Raster Operation – Attribute Map, ajustándose los parámetros tal como se
señalan en la Figura 75.
82 El sistema arroja una imagen con el nuevo mapa. La visualización de este mapa se mejora creando un nuevo dominio, y asociándolo con este mapa para la obtención de un nuevo mapa llamado DensidadPoblación, con la representación del dominio manipulada en sus colores para lograr una asociación entre el color y el valor de densidad que se muestra. El resultado de esta operación puede observarse en la Figura 76.
Figura 75. Parámetros para reclasificación de mapa Colombia De acuerdo con los datos de la Tabla Colombia y los valores de la Columna Popdens.
83
Figura 76. Mapa DensidadPoblación de Colombia.
Procedimiento para construir el mapa de Vulnerabilidad Aplicando una metodología idéntica a la empleada para la construcción del mapa de Peligrosidad (llamado Clases de Peligro) se construye el mapa de Vulnerabilidad. Los mapas que conforman la base de datos para esta operación son: Industry, Ingraseg y Concentr, mostrados en las Figuras 41, 42 y 43 respectivamente, y el mapa DensidadPoblación señalado en la Figura 76. En la fase anterior se crearon mapas ponderados. Son mapas que resultan de una reclasificación en función de valores que ponderan el peso que tiene cada elemento del mapa según el grado de peligrosidad que estos muestren. En este caso se hace según el grado de vulnerabilidad, o capacidad de respuesta ante un peligro. Cada uno de los mapas que conforman la evaluación de vulnerabilidad muestre varias clases o niveles de factor. A cada nivel se le asigna un valor de ponderación o “peso”. Esta asignación se hace a través de Tablas que se crean para cada mapa, tomando como dominio el dominio de cada uno de ellos en particular. En la Tabla 3 están organizados los valores de ponderación para cada
84 clase o nivel que integran cada uno de los mapas. En función a estos valores se crean Tablas para cada mapa. El mapa DensidadPolacion ya cuenta con una Tabla, sólo hay que incluirle una columna y en ella escribir los valores de ponderación. Pero el mapa que se reclasifica, a los efectos de obtener un mapa que muestre los pesos en función de la densidad de población, es el mapa ráster Colombia, no el mapa DensidadPoblacion En general el procedimiento es el siguiente. a.- Crear las Tablas de ponderación para los mapas Industry, Infraseg y Concentr. b.- Reclasificar los mapas Industry, Infraseg y Concentr, usando Attribute Map con las Tablas de ponderación como referencia. c.- Agregar columna (Peso) a la Tabla Colombia con valores de ponderación. d.- Reclasificar mapa ráster Colombia usando Attribute Map¸ con la Tabla Colombia de referencia y la columna Peso para el Attribute. e.- Combinar los cuatro mapas reclasificados con una suma para crear el mapa Vulnerab. f.- Cambiar la visualización del mapa Vulnerab asignándole un nuevo dominio construido con las clases: Muy baja vulnerabilidad, Baja vulnerabilidad, Moderada vulnerabilidad y Alta vulnerabilidad, y asociándolo con la operación Slicing , renombrándolo como Vulclas.
Tabla 3. Valores de ponderación para mapa de vulnerabilidad. Factor/clase Industria Oleoductos principales Sin vulnerabilidad Centro industrial de 1 orden Centro industrial de 2 orden Concentración Alta Baja Infraestructura Ciudades principales Caminos principales Ferrovías
Ponderación 8 0 10 7 5 0 10 8 8
85 Caminos Sin vulnerabilidad Densidad de población < 1 persona/km2 1 -20 persona/km2 20-50 persona/km2 > 50 persona/km2
4 0 0 3 7 10
Los Los proce procedi dimi mient entos os deta detall llado adoss para para la creac creació iónn de tabl tablas as,, recl reclas asif ific icac ació ión, n, combinación de mapas, construcción de dominios y reasignación del domino ya fueron explicados anteriormente. A continuación se muestran, a través de un conjunto de Figuras, los resultados obtenidos para cada fase, desde la creación de Tablas finalizando con la revisualización mapa combinado usando el Figura nuevo domino. ponderación para mapa Figura 77. Tabla de del 78. Tabla de ponderación para mapa Industry Infraseg
Las Tablas de ponderación de los mapas Industry, Industry, Infraseg y Concentr Concentr se muestran muestran en las Figuras 77, 78 y 79. La Figura 80 muestra la Tabla de ponderación para mapa DensidadPoblacion, cuya columna Peso se usará para reclasificar el mapa ráster Colombia.
Figura 79. Tabla de ponderación para mapa Concentr
86
La asignación de los Pesos a la Tabla Colombia según los valores de densidad de población Popdens, se hace de forma manual, observando el valor de densidad en la columna Popdens y asignándole el Peso según los rangos indicados en la Tabla 3
87
Figura 81. Mapa WINDUSTRI obtenido de reclasificación de mapa Industry usando Tabla de ponderación industri.tbt
Figura 82. Mapa WINFRASEG obtenido de reclasificación de mapa Infraseg usando Tabla de ponderación infraseg.tbt
Figura 80. Tabla Colombia, con columna Peso, para reclasificación de mapa DensidadPoblacion. Una vez preparadas las cuatro de Tablas se procede con la de WPOPDENS reclasificación de WCONCENTR obtenido Figura 83. Mapa Mapa obtenido de Figura 84.fase reclasificación de mapa Concentr usando Tabla reclasificaciónsedemuestran mapa Colombia usando Tabla de cada mapa a valores de ponderación. Losdemapas reclasificados en las Figuras ponderación concentr.tbt ponderación colombia.tbt 81, 82, 83 y 84.
88
La Figura 85 contiene el mapa resultante de la combinación por sumatoria de los cuatro mapas que conforman la evaluación de vulnerabilidad. Este mapa de vulnerabilidad, llamado Vulnerab, se obtiene aplicando en la barra de comandos de la ventana principal de ILWIS la expresión Vulnerab= WINDUSTRY+WINFRASEG+WCONCENTR+WPOPDENS
89
Figura 85. Mapa de Vulnerabilidad para la región de Colombia. Este último mapa es reclasificado para la obtención de una leyenda con descripción de los diferentes niveles de vulnerabilidad presente. La reclasificación se hace a través de la asignación de un nuevo dominio, pues es en el dominio donde se describe el nivel de peligro. Los nuevos niveles de vulnerabilidad y la descripción con la que se reclasifica el mapa Vulnerab se muestran a continuación: Clase 8—Muy baja vulnerabilidad; Clase 17---Baja Vulnerabilidad, Clase 26—Moderada vulnerabilidad; Clase 35---Alta vulnerabilidad. Desde el menú principal de ILWIS se activa File—Create—Domain
y en la
ventana emergente Create Domain se asigna como nombre del nuevo dominio “Vulclas”, se activa la casilla de selección para Group y se aceptan pulsando ok para generar la ventana de configuración de las clases. La Figura 86 es un detalle de la forma cómo queda configurada la ventana Domain Group para el dominio vulclas con los nuevos niveles y su descripción.
90
Figura 86. Dominio vulclas mostrando niveles y descripción. A continuación se reclasifica el mapa Vulnerab con el nuevo dominio de cuatro clases, usando la función Slicing a la cual se accede desde el menú principal de ILWIS con la opción Operations --- Image processing . La Figura 87 muestra los detalles de configuración de la ventana Slicing .
Figura 87. Ventana Slicing para asignación de dominio a mapa ráster existente.
91
Figura 88. Mapa Vulclas obtenido de la reasignación de nuevo dominio a mapa Vulnerab
Procedimiento para crear el Mapa de Riesgo Con lo avanzado hasta ahora se tienen disponibles el mapa de Amenazas (Peligro) y el mapa de Vulnerabilidad. El mapa de Riesgo resulta de la combinación de estos dos mapas. Esta combinación se hace a través de una tabla de dos dimensiones: con entradas horizontales, que son los niveles de peligros, y con entradas verticales, que son los niveles de vulnerabilidad. Los niveles de peligro y vulnerabilidad se muestran en la Figura 89, donde está la visualización de los dominios usados para la creación de los mapas combinados de peligro y vulnerabilidad, Hasclass2 y Vulclas2, respectivamente. La tabla de dos dimensiones que se construye para la combinación de estas variables y generación de un mapa de peligro tiene en los nombres de las filas los niveles de peligro del dominio Hasclass2, y en los nombres de las columnas los niveles de vulnerabilidad del dominio Vulclas2.
92
Figura 89. Clases presentes en los dominios Hazclass2 (Peligro) y Vulclas2 (Vulnerabilidad) Una tabla de dos dimensiones se crea desde el menú principal de ILWIS activando la secuencia de comandos File – Create – 2 Dimensional Table. En la ventana emergente Create 2-Dimensional Table se indica el nombre de la Tabla (en este caso risk), se
selecciona el primer dominio, aquél que se quiere aparezca encabezando los nombres de las filas, que en este caso es el dominio Hasclass2, luego se selecciona el segundo dominio, cuyos niveles aparecerán encabezando las columnas, y que para esta evaluación es el dominio Vulclas2; por último se crea un dominio para esta nueva Tabla, pulsando el botón create de la sección dominio en la ventana Create 2-Dimensional Table, para crear el
dominio en función de los niveles que se asignan al nuevo mapa de Riesgo. Los niveles a asignan a través de este dominio son Riesgo bajo, Riesgo moderado y Riesgo alto, asociados a valores tope 1167, 2334 y 3500, que resultan de la división para tres niveles del máximo valor (3500) que se obtiene de multiplicar el máximo peligro (100) por el máximo nivel de vulnerabilidad (35). La Figura 89 muestra la ventana 2- Dimensional Table lista para ingresar el resultado de la combinación peligro/vulnerabilidad. Cada nivel de peligro se combina con cada nivel de vulnerabilidad, y el resultado, debe estar entre Bajo, Media ó Alto, y seleccionado del menú que se despliega en la celda correspondiente en la 2- Dimensional Table.
93
Figura 89. Ventana para configuración de tabla de dos dimensiones.
Para incluir los niveles de riesgos Bajo, Medio ó Alto en cada celda, se hace clic con botón izquierdo sobre la misma y el programa da la opción de escoger en una ventana emergente el nivel de riesgo. En la Figura 90 se reporta el resultado de esta selección en la forma cómo quedan organizada la selección de niveles.
Figura 90. Niveles de riesgo configurados en tabla de dos dimensiones. Para la construcción del mapa de riesgo se aplica en la barra de comandos de la ventana principal de ILWIS la función que da origen el mapa, indica la asignación de una tabla de dos dimensiones a dos mapas existentes, en este caso el mapa de peligro, llamado Hasclas1 y el mapa de vulnerabilidad llamado Vulclas2. La expresión se configura de la siguiente forma:
94 Riesgo = rik[Hasclas1,Vulclas2] ↵ Al aplicar la función descrita anteriormente el programa arroja la ventana de definición del mapa ráster, que entre otras cosas muestra la fórmula con la que se configura el mapa y el dominio con el que se representará. La figura 91 muestra detalles de la ventana Raster Map Definition.
Figura 91. Ventana de definición de mapa ráster creado usando tabla de dos dimensiones El mapa mostrado en la Figura 92 es el mapa de riesgo del territorio colombiano, derivado de la combinación del mapa de peligro (Hazclas1) y el mapa de vulnerabilidad (Vulclas2) a través de la asignación de una tabla de dos dimensiones configurada con niveles de riesgo. La mayor parte del territorio colombiano muestra bajo nivel de riesgo, representado por el color verde, y pocas áreas muestran nivel alto de riesgo. La contabilización de cada nivel de riesgo en función del área ocupada se explica a continuación. En composición final, tipo layout, el mapa de riesgo del territorio colombiano puede observarse tal como se muestra en la Figura 93.
95
Figura 92. Mapa de Riesgo del territorio colombiano.
Figura 93. Mapa de Riesgo de Colombia
96
Evaluación estadística de niveles de riesgo El mapa de riesgo del territorio colombiano es una representación gráfica de la distribución espacial del riesgo en el territorio, que muy bien puede ser acompañada de estadísticos principales de esta variable. A continuación se explica cómo determinar los cinco Departamento que muestran los niveles más altos dentro de los rangos Riesgo Alto, Riesgo Moderado y Riesgo Bajo, en función del área que ocupan. Primero se cruzan los mapas Colombia, que posee la descripción del área de los Departamentos, con el mapa Risk que tiene descrito el nivel de riesgo para cada Departamento. Un cruce de dos mapas ráster genera una tabla, que ILWIS identifica como Tabla Dependiente. Para el hacer el cruce de mapas, en la ventana principal de ILWIS se aplica la secuencia de comandos: Operations --- Raster oprations --- Cross , luego de lo cual el programa arroja la ventana Cross, mostrada en la Figura 94, donde se selecciona el primer mapa a cruzar (Colombia), el segundo mapa a cruzar (Risk), se le asigna nombre a la Tabla de salida (CruceColombiaRiesto), para ordenar la salida de la tabla pulsando el botón Show, generándose así una vista de la tabla tal como se observa en la Figura 95.
Figura 94. Configuración de operación para cruce de mapas ráster
97
Figura 95. Tabla resultado del cruce mapa Colombia con mapa Risk. Esta tabla resulta muy útil para la operación de consulta, propia de un Sistema de Información Geográfica. En el menú principal de la ventana que contiene la Tabla está el menú Column, a través del cual se tiene acceso a la opción Statistic con la que se hacen consultas acerca del máximo, mínimo y sumatoria de las columnas, entre otras funciones estadísticas. Sobre la Tabla dependiente se generan tres nuevas columnas, una para cada nivel de riesgo: High (para Riesgo Alto), Medium (para Riesgo Moderado) y Low (para Riesgo Bajo).
98
La columna High se genera, desde la barra de menú de la Tabla dependiente, con la instrucción: High= (Risk=”Riesgo alto”,Npix,0) La expresión anterior se entiende de la siguiente forma: a.- Crea una columna que llama High b.- Evalúa la columna Risk de la tabla dependiente c.- Escribe en cada celda el número de píxel que corresponde a la fila donde aparece el nivel “Riesgo alto”. d.- Escribe cero (0) en cada celda cuya fila no contenga el nivel “Riesgo alto”. La columna Medium se genera, desde la barra de menú de la Tabla dependiente, con la instrucción: Medium= (Risk=”Riesgo moderado”,Npix,0)
La columna Low se genera, desde la barra de menú de la Tabla dependiente, con la instrucción: Low= (Risk=”Riesgo bajo”,Npix,0)
Los números de píxel incluidos en cada columna representan valores absolutos, que muy bien pueden asociarse al área de cada Departamento, pero se sugiere trabajar con los píxel para manipular números de menor cuantía que el de las áreas. Para comparar el número de píxel con cierto nivel de peligrosidad presentes entre Departamentos, se transforman estos números a valores relativos, refiriéndolos al número total de píxel presentes en el mapa Colombia. Con la función estadística Statistis se consulta la sumatoria de la columna NPixel en la Tabla dependiente, y este valor es usado para el cálculo del porcentaje que cada nivel de riesgo muestra para cada Departamento.
99
Para el cálculo de la magnitud porcentual que muestra cada nivel de riesgo para cada Departamento, se crean tres columnas, una para cada nivel, donde se incluyan dichos porcentajes. De nuevo la creación de cada columna se hace desde la barra de menú de la Tabla dependiente. Las columnas a crear se identifican como Alto, Medio y Bajo. Las expresiones con las que se crean son las siguientes: Alto = (High/65403)*100 Medio = (Medium/65403)*100 Bajo = (Low/65403)*100, donde 65403 es el número total de píxel. Una vez creadas las columnas, para observar cuáles Departamento ocupan los primeros lugares, en este caso los cinco primeros, se ordenan los valores de cada columna de forma descendiente, de modo que en el principio de cada una se observen los Departamentos que muestran mayor porcentaje de área para cada nivel de riesgo.
Tabla 4. Departamentos que ocupan los primeros lugares para cada nivel de riesgo Alto
Medio
Bajo
Valle del Cauda Caldas Risaralde Antoquia -
Valle del Cauca Antoquia Cauca Tolima Nariño
Amazonas Vichada Caquetá Meta Guainía
100
BIBLIOGRAFÍA Asociación Española de Teledetección. Disponible en http://62.81.199.144/?q=node/386. Batista, R., Bustos, X., y Delgado, J. (2001). Aplicación de los sistemas de información geográfica para la reducción de Vulnerabilidad. Caso Estado Vargas. Trabajo Especial. Escuela de Geografía, Universidad Central de Venezuela. Disponible en ftb.ucv.ve/ …/Ponencias%20Martes%20110308/12.%20Ponencia%20Xavier_Rafael_Jesus/ponenciaTICs.pdf Buika, J., et al. (2003). Natural Hazard Risk and Vulnerability Assessment and Mitigation Plan for The Territory of American Samoa. The Pacific Disaster Center (PDC). Disponible en www.pdc.org. Buroz C., E. (2000) Memorias del Taller “Manejo de cuencas hidrográficas para la prevención de riesgos y daños ante posibles desastres ambientales en el estado Aragua”. Fundacite Aragua. Disponible en http://www.fundacite.arg.gov.ve/papelesf/docs/ cuencas. html . Recuperado en fecha 07 de diciembre de 2007. Funcionalidades de Idrisi. Disponible en http://www.sigte.udg.es/idrisi/ cursos/secundari/ funcionalidades.html Jiménez, F., Faustino, J. y Velásquez, S. Análisis integral de la Vulnerabilidad a amenazas Naturales en cuencas Hidrográficas de América Central. VI Semana Científica del CATIE, Turrialba, Costa Rica. Kienberger, S., Steinbruch, F. (2005). P-GIS and disaster risk management: Assessing vulnerability with P-GIS methods – Experiences from Búzi, Mozambique. International Conference on Participatory Spatial Information Management and Communication. Nairobi, Kenya. Molina, I.; Ferrer-Juliá, M.; García-Meléndez, E. (2005). Herramientas y Recursos de la Teledetección para la Gestión de Desastres naturales. Universidad Politécnica de Madrid. España. Ordóñez, C.; Martínez-Alegría, R. (2003). Sistemas de Información Geográfica. Aplicaciones prácticas con Idrisi 32 al análisis de riesgos naturales y problemáticas ambientales. 1er Edición. Alfaomega, México. Pérez A., E. (2002). Análisis de Riesgo a Inundaciones de los Departamentos del Norte de Honduras. Proyecto Final Master UNIGIS. Disponible en http//www.unigis.com.
