curso sig ecologia paisaje.pdf

IInnttrroodduucccciióónn aa llooss SSIIGG yy TTeelleeddeetteecccciióónn AAPPLLIICCAACCIIOONNEESS DDEE SSIIGG YY TTEELLEEDDEETTEECCCCIIÓÓNN EENN EECCOOLLOOGGÍÍAA DDEELL PPAAIISSAAJJEE

SSeerrggiioo VVeelláássqquueezz MMaazzaarriieeggooss

CChhrriissttiiaann BBrreenneess PPéérreezz

© Laboratorio de Sistemas de Información Geográfica

Centro Agronómico Tropical de Investigación y Enseñanza

CATIE 7170-43

Turrialba, Costa Rica

Teléfono: (506) 2558 2330 • Fax: (506) 2558 2055

Introducción a los Sistemas de Información Geográfica y Teledetección

INTRODUCCIÓN A LOS SIG Y TELEDETECCIÓN

Aplicaciones de SIG y Teledetección en Ecología del Paisaje 2

Conceptos básicos

Los Sistemas de Información Geográfica1 (SIG) pueden definirse como un sistema conformado por equipos y programas utilizados para almacenar, recuperar, analizar y representar datos geográficos. Los entendidos también incluyen dentro de los SIG al personal operativo y los datos que se introducen en el sistema.

Los SIG se han construido a partir del conocimiento de varias disciplinas académicas, lo que los hace una nueva ciencia interdisciplinaria:

• Geografía o Cartografía o Ciencia de la localización

• Informática o Modelo de datos o Diseño de base de datos o Gráficoss o Diseño de interfaces

• Matemáticas o Topología o Teoría de gráficos o Geometría

• Estadística o Estadística tradicional o Estadística espacial (geoestadística)

• Ciencia de la información o Métodos de almacenamiento y recuperación o Documentación y metadatos

Los elementos espaciales en un SIG se almacenan en un sistema de coordenadas (latitud/longitud, UTM, Lambert Conformal, etc.), el cual refiere un lugar particular de la superficie terrestre. Los atributos descriptivos se almacenan en forma tabular y se asocian a los elementos espaciales. Los datos espaciales y sus atributos asociados que tienen el mismo sistema de coordenadas se pueden desplegar juntos en forma de capas para análisis y despliegue (mapas). Los SIG se pueden utilizar en una gama de aplicaciones, desde las ciencias sociales hasta el

1 Los SIG son también conocidos en inglés como “GIS” que son las iniciales por Geographic Information Systems



manejo de recursos naturales y la planificación de espacios naturales, que es la temática de este curso.

Los SIG se diferencian de los CAD (programas para ingeniería y arquitectura) y otras aplicaciones gráficas computarizadas en que los datos espaciales están geográficamente referenciados a una proyección de mapa en un sistema de coordenadas terrestre. La mayor parte de datos espaciales pueden ser re-proyectados de un sistema de coordenadas a otro y por lo tanto, datos de diferentes fuentes pueden ser agrupados en una base de datos comunes e integrados utilizando un programa de SIG. Los límites de los elementos espaciales se deben “registrar” para que se alineen apropiadamente cuando se re-proyectan al mismo sistema de coordenadas. La topología es otra propiedad de una base de datos SIG, la cual define las relaciones espaciales entre los elementos. Los componentes fundamentales de los datos espaciales en un SIG son los puntos, las líneas (arcos) y los polígonos. Cuando las relaciones topológicas existen, se pueden realizar análisis como la modelación del flujo a través de líneas interconectadas en forma de red, combinar polígonos adyacentes que tienen características similares y sobreponer elementos geográficos.

Conocimiento espacial

El mundo real es muy complejo para ser modelado completamente por cualquier sitema de información, por lo que solamente las áreas de interés específico deben ser seleccionadas para ser incluidas dentro de una aplicación de SIG determinada. Una vez que se ha escogido un área de aplicación el siguiente paso es seleccionar aquellos elementos que son relevantes a la aplicación y para capturar información acerca de su localización y características (figura 1).

Estos elementos difieren en tamaño, color, patrón, escala de medida y grado de importancia. Estos pueden ser medidos directamente por instrumentos de campo, teledetectados por satélites a cientos de kilómetros de la superficie de la tierra, recolectados por censadores o extraídos de páginas de documentos y mapas producidos en el pasado. La naturaleza de datos a menudo dicta no solamente cómo se representará la Tierra dentro de una base de datos SIG, sino cómo se analizarán e interpretarán los resultados de estos análisis (figura 2).


Figura 1. Comparación entre los fenómenos del mundo real y la concepción del cartógrafo (DeMers)

Figura 2. Para introducir el mundo real en un SIG, se tienen que hacer modelos simplificados (Bernhardsen).

Los mapas son representaciones gráficas del mundo real. Los objetos representados por los mapas, sean naturales o hechos por el hombre, se llaman elementos (rasgos) del mapa o simplemente elementos (rasgos). Cada elemento del mapa tiene una localización, una forma representativa y un símbolo que representa una o más de sus características. La localización de los elementos del mapa refleja más o menos la precisión de su localización en la superficie de la Tierra. Ya que la tierra es generalmente aceptada como una esfera y los mapas son planos, existe necesariamente una distorsión en la localización de los elementos en el mapa.

4 Aplicaciones de SIG y Teledetección en Ecología del Paisaje


Figura 3. El proceso de modelado. La transformación del mundo real en productos de SIG se logra mediante la simplificación y la modelación (Bernhardsen).

Elementos espaciales

Debido a que los elementos en los mapas están organizados de acuerdo a su posición relativa o localización, los mapas son particularmente adecuados para mostrar las relaciones entre la localización de los elementos. Estas relaciones, llamadas relaciones espaciales, son importantes ya que el entenderlas nos ayuda a poder solucionar diversos problemas. Para representar objetos en el mundo real, los mapas utilizan tres figuras básicas: puntos, líneas y áreas. Cualquier objeto puede ser representado utilizando una de estas formas.

Los puntos (figura 4)representan cualquier cosa que puede ser descrita como una localidad x, y en la superficie de la tierra, como por ejemplo estaciones meteorológicas, lugares de muestreo de suelos o aguas, localización de pozos, escuelas, hospitales, etc.




PUNTO NODO

Figura 4. Tipos de objetos básicos de dimensión-0

Las líneas (figura 5) representan cualquier cosa que tiene longitud, como las calles, autopistas, canales de riego y ríos, eso sí dependiendo de la escala.

Línea Línea

Serie

Segmento de línea

Arco

Enlace direccionado

Enlace

Cadena

Anillo creado a partir de arcos Anillo creado a partir de series

Anillo creado a partir de enlaces Anillo creado a partir de cadenas


Los polígonos (figura 6) representan cualquier cosa que tiene límites, sean estos naturales, políticos o administrativos, como los límites de los países, provincias, bloques de las ciudades, distritos censales y áreas de mercado.

Sencillo

Polígono

Area Areainterior

PixelComplejo



Al adicionar la dimensión de altura a los elementos de área permite observar y registrar la existencia de superficies. Por lo tanto, un modelo de datos completo debe estar basado en 3 dimensiones: el plano cartesiano y la elevación. Esto aplica no solamente para superficies de terreno sino también para pozos, edificios, fronteras, direcciones, accidentes y cualquier forma de datos. Un modelo completo de datos debe, por lo tanto, manipular datos georreferenciados en tres dimensiones. En muchos casos, la elevación puede ser considerada un atributo de un objeto, mientras que en otros ser parte de la representación gráfica.

La información adicional no espacial nos ayuda a describir los objetos que observamos en el espacio es lo que comprende los atributos de los elementos (figura 7). Cada tipo de elemento (entidad) puede incorporar uno o más atributos que describen las características fundamentales de los fenómenos incluídos.

Figura 7. Los datos geográficos pueden ser divididos en datos geométricos y atributos. Los atributos pueden ser cualitativos y cuantitativos.



El tipo de elemento puede también describir atributos cualitativos y cuantitativos (figura 8). En principio los datos cuantitativos pueden ser clasificados en tres niveles de precisión. Los más precisos son las proporciones como la longitud y el área que pueden ser medidos con respecto a un origen o punto de inicio. Los datos de intervalo, como la edad y el ingreso, incluyen grupos y por lo tanto son menos precisos. El menos preciso es el ordinal o rangos como “mejor” y “regular”.

Figura 8. Clasificación de los atributos cualitativos y cuantitativos.

Sistemas de referencia espacial

Antes de que información espacial disímil pueda ser utilizada en SIG, debe estar referenciada en un sistema común. Existen diferentes sistemas de georreferenciación que describen el mundo real de diferentes maneras y con diferente precisión. Los sistemas de referencia espacial se pueden dividir en dos grandes grupos:




1. Sistemas de referenciación continuos 2. Sistemas de referenciación discretos

Sistemas de referenciación continuos

Estos sistemas implican la medición continua de la posición de los fenómenos. Muchos fenómenos geográficos son medidos de manera continua, incluyendo los límites de las propiedades, localización de pozos, detalles de edificios y muchos otros detalles que encontramos en los mapas. Los sistemas continuos comprenden:

1. Coordenadas en la superficie curvada de la Tierra 2. Coordenadas rectangulares 3. Coordenadas geocéntricas

Coordenadas en la superficie curvada de la tierra

La Tierra es aproximadamente un objeto esférico, pero si se observa como un todo, en general, es conveniente considerarla perfectamente esférica. Alrededor de esta forma esférica se puede usar geometría sencilla para crear un sistema de cuadrícula esférico que corresponda a las reglas de geometría. Este sistema, conocido como el sistema de cuadrícula esférico, ubica dos grupos de líneas imaginarias alrededor de la Tierra. Las líneas que corren de este a oeste se llaman paralelos y las que corren de norte a sur se llaman meridianos. Los paralelos son líneas que circulan el globo de este a oeste. El ecuador es el paralelo que cae exactamente entre el Polo Norte y el Polo Sur. Lo paralelos se utilizan para medir latitud, es decir, la distancia angular desde el ecuador hacia cada polo. La latitud se mide en grados y en cualquier punto el ecuador tiene una latitud de cero grados, que se escribe como 0º. El Polo Norte tiene una latitud de 90º norte y el Polo Sur una latitud de 90º sur. Todos los demás puntos sobre la superficie de la Tierra tienen una latitud entre 0º y 90º. Los paralelos a menudo se llaman líneas de latitud (figura 9).


Polo Norte

Latitud Norte

Latitud Sur

Polo Sur

Figura 9. Las líneas de latitud circulan el globo de este a oeste

Los meridianos son líneas que se extienden alrededor del globo hasta la mitad y desde el Polo Norte al Polo Sur (figura 10). Por acuerdo internacional, los geógrafos comienzan a contar los meridianos a partir de la línea que se pasa por Greenwich, en Inglaterra y en las afueras de Londres. El meridiano del Greenwich se conoce como el meridiano principal o primario. Los meridianos se utilizan para medir longitud, que es la distancia angular hacia el este u oeste medido a partir del meridiano principal. Como en la latitud, la longitud se mide en grados de círculo. Los meridianos, que también se llaman líneas de longitud, van de 0º en Greenwich a 180º. Entre el meridiano principal y el meridiano de 180º están las líneas de longitud oeste y este. La longitud y la latitud se pueden utilizar para localizar cualquier punto sobre la superficie de la tierra. Las distancias y las áreas deben ser calculadas utilizando geometría esférica y el radio de la Tierra en los puntos en cuestión. La latitud y longitud se usan, generalmente en proyectos, se usan para describir grandes zonas o áreas.



Oeste

Este

Longitud oeste

Polo Sur

Longitud este

Polo Norte

Figura 10. Las líneas de longitud se extienden de polo a polo.

Aunque para muchas aplicaciones de mapeo la tierra se puede asumir como una esfera perfecta, hay una pequeña pero significativa diferencia entre la distancia alrededor de la tierra de polo a polo (39,939,593.9 metros), versus la distancia alrededor del ecuador (40,075,452.7 metros). Esto porque la tierra se parece más a una forma tridimensional llamada elipsoide achatado o esferoide. Se obtiene rotando una elipse alrededor de su eje menor.

Ha habido muchos intentos de medir la forma y el tamaño del elipsoide de la Tierra. En 1866 el mapa de los Estados Unidos se basó en el elipsoide medido por Sir Alexander Ross Clare, que tenía la base en medidas tomadas en Europa, Rusia, India, Sudáfrica y Perú.

La era de los satélites ha traído consigo medios de medición más precisos, incluyendo los Sistemas de Posicionamiento Global. Un estimado del elipsoide



permite calcular la elevación para cada punto en la Tierra, incluyendo el nivel del mar, y es a menudo llamado datum. En 1993 se adoptó un nuevo datum, basado en las medidas tomadas en 1980 e internacionalmente aceptado como el Sistema de Referencia Geodésico – GRS80. En 1984 los militares de los EEUU refinaron los valores del elipsoide GRS80 e hicieron el Sistema Mundial Geodésico –WGS84.

El factor final de complicación es menos obvio. Se relaciona con la composición de la Tierra. La composición de la Tierra no es uniforme, es decir, varía de lugar a lugar, debido a las variaciones en densidad y distribución de los distintos tipos de rocas. Existe también irregularidades en la distribución causadas por las diferentes alturas de las montañas y profundidad de los océanos. Ambas llevan a anomalías en el campo gravitacional de la Tierra, lo que al mismo tiempo causa irregularidades en la superficie del nivel del mar que es moldeado por el campo gravitacional.

Es posible formular un modelo matemático de la superficie del nivel del mar de la Tierra. Sin embargo, el modelo es muy complejo y no es adecuado para registrar las posiciones geográficas de los elementos. El nivel del mar no coincide, por ejemplo, con una superficie matemática sencilla como una esfera o un esferoide.

¿Por qué es importante? En un pequeño modelo de área de tierra plana, fue posible posicionar el plano horizontal que contiene los ejes N y E, de tal manera que coincidiera con el nivel del mar. Esto no es posible hacerlo con un modelo de tierra curvo debido a la irregularidad del nivel del mar. En su lugar se tiene que optar por el esferoide que mejor se adapte o ajuste a la superficie del nivel del mar (figura 11).

Superficie de la tierra

(forma regular)

Esferoide

Superficie del nivel del mar o Geoide (forma irregular)geoide‐esferoide

Separación



Figura 11. Concepto de esferoide y geoide.

¿Cuáles son las implicaciones para el usuario el hecho de la falta de coincidencia entre el esferoide y la superficie del nivel del mar?

Primero que todo, está la diferencia entre la vertical (la línea perpendicular a la superficie de nivel del mar) y la normal elipsoidal (la línea perpendicular al esferoide).

La vertical es coincidente con la dirección de la gravedad en ese punto. Es la línea que un objeto seguiría al caer de forma libre. Esta vertical es sumamente importante en las medidas que se toman con instrumentos de topografía como los teodolitos y los niveles de precisión (figura 12). Estos instrumentos están configurados de tal manera que la rotación de sus ejes coinciden o son perpendiculares a la vertical. Consecuentemente, todos los ángulos son medidos relativos a la vertical.

Nomales elipsoidales


Las normales convergen hacia el centro de la Tierra

SeparaciónGeoide‐esferoide Deflexión de la vertical

Geoide o nivel del marGeoide o nivel del mar

Vertical

Esferoide

Figura 12. Diferencia entre la vertical y la normal elipsoidal

La normal elipsoidal, por el otro lado, es la línea a lo largo de la cual un elemento en la superficie de la tierra es proyectado hacia el esferoide. Es la línea que es utilizada en los cálculos que incluyen observaciones en el elemento.



Para resumir:

• La vertical es una línea asociada con mediciones, mientras • La normal elipsoidal es una línea asociada con los cálculos

En el modelo de “tierra-plana”, las dos líneas se consideran coincidentes. En un modelo de “tierra-curva” no lo son. De esta forma para usar la medida de un ángulo en un proceso de cálculo, la medida debe primero ser corregida para la inclinación entre las dos líneas.

Esta inclinación se conoce como Deflexión de la Vertical. Se describe por dos pequeños ángulos, que son las componentes de la inclinación en la dirección norte y este.

Existen dos superficies de referencia que son comúnmente utilizadas como base para los valores de altura. Estas son la superficie sobre el nivel del mar o geoide y el esferoide. En el modelo de “tierra-plana” las dos superficies son consideradas coincidentes, mientras que en el modelo de “tierra-curvada” es muy raro que lo sean.

En la mayor parte del mundo, la distancia sobre el nivel del mar ha sido el mecanismo para medir la elevación. Esto es debido a:

• Una preferencia por una superficie de referencia identificable físicamente, • La importancia del nivel mar en las actividades económicas, • La vinculación entre el nivel del mar, el campo gravitacional de la tierra y los

instrumentos convencionales para medir diferencias de alturas, • La importancia de las alturas relacionada con la gravedad y los problemas de

flujo de agua.

Las elevaciones esferoidales (alturas relativas al esferoide) han comenzado a popularizarse. Aunque son difíciles de calcular, con la aparición de levantamientos y receptores de navegación satelital, se ha revertido esta situación, produciendo elevaciones esferoidales como parte de sus lecturas de salida.

La separación entre el geoide y el esferoide se conoce como la ondulación geoidal. Si se conoce, una altura sobre el nivel del mar se puede convertir a una altura


esferoidal y viceversa (figura 13). Existen varios métodos para calcular la separación pero son matemáticamente complejos y van más allá del alcance de este manual.

Figura 13. Relaciones entre la altura elipsoidal y geoidal (ortométrica).

Solamente bajo circunstancias muy especiales se usa el geoide en SIG. El elipsoide se hace necesario cuando se trata de mapas que cubren áreas muy extensas, en las cuales las diferencias entre usarlo o no sea significativo. Sin embargo a escalas menores a 1:100,000 no son significativos, aunque puede notarse la diferencia incluso a escalas 1:50,000.

Coordenadas rectangulares

Los datos georreferenciados se pueden dibujar en mapas solamente cuando están referenciados a una superficie plana. Por lo tanto, muchos países tienen sistemas coordenadas rectangulares de georreferenciación nacional (y local) que permiten darle a las localidades unidades de distancia relativas a un origen seleccionado (figura 14). La mayoría de sistemas comprenden ejes de coordenadas X y Y. La orientación del sistema de coordenadas puede variar por lo que las coordenadas



siempre deben ser identificadas sin ambigüedades en términos de dirección (norte, este) desde el origen. Es más, los sistemas de coordenadas generalmente incluyen las elevaciones relativas a un datum.

Figura 14. Sistema de coordenadas rectangulares británico.

Se usan varias proyecciones para representar la superficie curvada de la Tierra en la superficie plana de un mapa. Estas proyecciones se clasifican en tres grupos de acuerdo a las transformaciones geométricas que involucran: cilíndricas, cónicas y acimutales.



Las coordenadas geocéntricas se basan en un sistema de coordenadas rectangulares con su origen en el centro de la Tierra. Se puede asociar también un sistema de coordenadas cartesianas X, Y, Z (figura 15) de tal manera que:

• El eje positivo X coincide con el plano ecuatorial y pasa a través de los 0º de longitud,

• El eje positivo Y coincide con el plano ecuatorial y pasa a través de los 90º de longitud Este,

• El eje positivo Z es paralelo al eje de rotación de la tierra y pasa a través de los 90º de latitud Norte.

Figure 15. Coordenadas Geodésicas y Cartesianas (Geocéntricas)

La ventaja del sistema de coordenadasa geocéntricas es que cubre completamente la Tierra, y es la razón de por qué se usa en la georreferenciación de los SPG.

Sistemas de georreferenciación discretos

En los sistemas de goerreferenciación discretos la posición de los fenómenos se mide en relación a unidades fijas y limitadas de la superficie de la Tierra (figura 16). Las unidades de referencia típicas incluyen:



• Direcciones y códigos de calles • Códigos postales • Unidades estadísticas y otras zonas administrativas • Cuadrículas

Figura 16. Un ejemplo típico de un sistema de referencia discreto es el sistema de índice en los mapas de las ciudades.

El tamaño de la unidad determina la precisión del registro: entre más pequeñas las unidades mayor precisión. Los sistemas discretos a menudo se basan en índices codificados que no tienen utilidad en representaciones cartográficas. Sin embargo, los datos registrados pueden ser vinculados a coordenadas rectangulares a través de transformaciones o de fijación cartográfica de unidades de referencia en un sistema de coordenadas rectangulares. Los sistemas de referenciación discretos son fáciles de usar y por lo tanto expeditos cuando la precisión no es de mayor importancia.



Captura de Datos y Análisis

Existe un rango muy amplio de tipos de datos que se usan en análisis de SIG. Esto refleja la variedad de objetivos de los sistemas mismos. Ya que los SIG se pueden utilizar en una variedad de campos como la arqueología, economía ambiental, planificación del uso de la tierra, mercadeo, etc., las fuentes de datos pueden ser difíciles de inventariar y clasificar de manera comprensiva.

El ingreso de datos es hasta el momento la actividad que más tiempo consume en la operación de un SIG (figura 17). Consume más del 80% del presupuesto y constituye el mayor cuello de botella para la implementación de algunas aplicaciones. Es por eso que las personas involucradas en un proyecto de SIG, deben identificar las capas de datos que son críticas para sus aplicaciones y prever los medios para adquirirlos o generarlos dentro del marco del proyecto, llenando las necesidades de precisión y cobertura.

Figura 17. Costos de la recolección de datos versus el período de implementación.

Ha habido muchos esfuerzos exitosos enfocados a automatizar el proceso de digitalización de los datos, los cuales incluyen el escaneo, análisis de imágenes de sensores remotos, SPG, etc. (figura 18). Sin embargo, los costos de la automatización deben de ser sopesados contra los costos de la digitalización manual. En algunos casos podría ser más rápido y barato digitalizar manualmente.



La mejor manera de evitar el cuello de botella es utilizar los datos que ya han sido generados por terceros como agencias estatales o privadas (ONGs). El compartir datos se ha tornado en una práctica común en el mundo de los SIG y está generando una nueva era de estandarización de datos y la generación de metadatos (datos de los datos) para describir el linaje y la precisión estimada de las capas de SIG. Es importante entender que al usar datos generados por un tercero se debe llenar las necesidades de la tarea que deseamos cumplir. Si no hay datos a la escala, cubrimiento y tipo adecuados, el proceso de digitalización manual todavía debería considerarse como la única alternativa.

Figura 18. Diferentes fuentes de datos

El Mapa como Modelo de Datos Geográficos

La Escala

Todos los mapas, ya sea en papel o dentro de un SIG, son reducciones en tamaño de la Tierra. El propósito primario de cualquier mapa, especialmente temático es permitirnos ver detalles importantes de regiones grandes de un solo vistazo sin las distracciones de detalles inconsecuentes o extraños. La cantidad de reducción es



una función primaria del nivel de detalle que necesitamos examinar. La escala es el término que comúnmente se aplica a la cantidad de reducción que se encuentra en los mapas. Se puede definir como la razón entre la distancia en el mapa y la misma distancia sobre la superficie de la tierra. Po r ejemplo, la leyenda de un mapa puede indicar que 2 cm en el mapa son iguales a 100,000 cm en el campo (figura 19). La escala expresada como “2 cm igual a 100,000 cm” es llamada una escala verbal. La ventaja de expresar la escala de esta manera es que puede ser fácilmente entendida por la mayoría de usuarios.

Figura 19. Concepto de escala.

Otro método común es la representación en forma de fracción, en el cual tanto la distancia en el mapa como la distancia en campo se dan en las mismas unidades como una fracción, eliminando por lo tanto la necesidad de incluir las unidades de medida.

2 1 10 0

2 0, 00

,

= escala 1:50,000

La escala gráfica o de barra es otro método de expresar la escala (figura 20). Las distancias medidas en el campo aparecen directamente en el mapa. Las medidas actuales de área pueden ser desplegadas en el mapa también, pero esto es menos común.




Se utiliza la división a la izquierda de la Barra de Escala para medir las fracciones de kilómetro (figura 21). Las medidas indicada es de aproximadamente 7.5 kilómetros o 7500 metros.


Aproximadamente 7.5 km


Las escalas en los mapas varían ampliamente. La mayoría de mapas nacionales para ser utilizados en SIG tienen escalas entre 1:1,000,000 y 1:10,000. Escalas por debajo de 10,000 son en su mayoría utilizadas para propósitos catastrales y en el manejo de instalaciones y servicios (electricidad, agua potable, alcantarillado, telecomunicaciones, disposición de desechos sólidos, transporte, etc.).

Las escalas en los mapas se pueden dividir en tres categorías (figura 21):

• Mapas a pequeña escala con escalas menores a 1:1,000,000 • Mapas a mediana escala con escalas entre 1:75,000 y 1:1,000,000 • Mapas a gran escala con escalas menores a 1:75,000

Otro factor importante de tomar en cuenta es que los SIG son en su mayoría carentes de escala. Los datos pueden ser aumentados o disminuidos a cualquier tamaño que se considere apropiado. Sin embargo, aparecen problemas de escala conforme nos alejamos de la escala al cual el mapa estaba elaborado antes de que fuera capturado en el SIG. Conforme agrandamos los mapas (zoom in) no aparecen más detalles. Por ejemplo, una línea de costa suavizada, permanece suavizada e imprecisa conforme la aumentamos. En contraste, si reducimos la escala de un mapa sin eliminar detalles (generalización), el mapa se vuelve tan denso con los datos que “no podemos ver el bosque por culpa de los árboles”. La


apropiada presentación de la información a una escala particular es una de las metas más importantes de la cartografía.

Figura 21. Escalas de mapas: 1:10,000, 1:50,000, 1:200,000 y 1:1,500,000 (Fallas, J. 2003)


La mayoría de los programas de SIG pueden hacer cambios de escala muy fácilmente. En los SIG los elementos o rasgos pueden ser representados por más de una forma geométrica. La escala del mapa indica como el tamaño de los objetos se compara con el tamaño de los objetos geográficos que representan. Entre más grande la escala, los elementos también aparecerán de mayor tamaño. Dependiendo de la escala del mapa, un elemento como una ciudad puede aparecer como un punto o como un área, y un elemento como un río puede aparecer como una línea o como un área. Por ejemplo, el rio representado en la figura 22 es representado como un área en el mapa de Zagreb, pero en el mapa de Croacia se representa como una línea. La ciudad de Zagreb cubre totalmente el área mostrada en el mapa del centro de la ciudad, pero la misma área aparece como un


punto en el mapa del país. Los edificios que son puntos en el mapa de la ciudad aparecerían como áreas en un mapa de uso del suelo a mayor escala.

Figura 22. Efecto del uso de mapas de diferentes escalas en los SIG.

Datums Geodésicos

Modelos Geométricos de la Tierra

La tierra ha sido descrita en el pasado tomando diferentes formas, desde la forma de una ostra (Babilonios en el 3000 A.C.) hasta una pera redonda (Cristóbal Colón en sus últimos años de vida).

Los modelos de “Tierra plana” se utilizan aún en levantamientos topográficos , en distancias cortas en las cuales la curvatura de la tierra es insignificante (menos de 10 km).

Los modelos esféricos representan la forma de la tierra como una esfera de un radio dado y son utilizados frecuentemente en la navegación de corto alcance (VOR-DME) y para aproximaciones de distancia global.




Los modelos elipsoidales se requieren cuando se desea precisión en el cálculo del alcance y rumbo sobre grandes distancias. Los receptores de SPG y Loran-C utilizan modelos elipsoidales de la tierra para calcular la posición e información de los puntos de ruta (waypoints). Los modelos elipsoidales definen un elipsoide con un radio ecuatorial y un radio polar.

A los modelos de referencia curvos se les conoce como datum geodésico. Sus características son las siguientes:

• Es una representación matemática simplificada del tamaño y forma de la tierra.

• Generalmente toma la forma de un esferoide (una elipse rotada alrededor de su eje menor).

• El esferoide provee una superficie sencilla para realizar mediciones topográficas y cálculos de navegación sobre una gran área. También provee una superficie de referencia para los mapas base y los SIG.

• La superficie del esferoide se posiciona de tal manera que ofrece el mejor ajuste a la superficie del nivel del mar.

• El nivel del mar se utiliza como superficie de referencia para medir alturas, sin embargo su posición se mapea sobre el esferoide.

Los datums geodésicos definen el tamaño y forma de la tierra y el origen y orientación de los sistemas de coordenadas que se usan para mapear la tierra. La referenciación de coordenadas geodésicas utilizando el datum equivocado puede resultar en errores de posición de cientos de metros. Los países utilizan diferentes datums como base de los sistemas de coordenadas utilizados para identificar posiciones en los SIG, SPG y sistemas de navegación.

Modelos Geométricos de la Tierra

Los datums se clasifican en dos categorías: datums geodésicos y datums geocéntricos.

Un Datum Geodésico Local (Figura 23) es el datum que mejor se ajusta al tamaño y forma de una parte específica de la superficie del nivel del mar. Invariablemente, el centro de su esferoide no coincidirá con el centro de masa de la Tierra. Hasta muy recientemente la mayor parte de los sistemas de información espacial de los países estaban basados en datums geodésicos locales.


Figura 23. Datum Geodésico Local.

Un Datum Geocéntrico es aquel que mejor se ajusta al tamaño y forma de la Tierra como un todo. El centro de su esferoide coincide con el centro de masa de la Tierra (figura 24). Los datums geocéntricos no son una buena aproximación para un lugar particular de la Tierra. Su aplicación radica en proyectos o tareas que tienen aplicación global.

Los Sistemas de Posicionamiento Global (SPG), que son operados por el Departamento de Defensa de los Estados Unidos, utilizan un datum geocéntrico para expresar las posiciones debido a su alcance global. De igual manera, el sistema de navegación por satélite ruso GLONASS utiliza un datum geocéntrico, pero diferente al utilizado por el sistema norteamericano.



Figura 24. Datum Geocéntrico.

Elipsoides de Referencia

Los elipsoides de referencia (figura 25) se definen generalmente por su eje semi-mayor (radio ecuatorial) y su factor de aplastamiento o achatamiento (la relación entre el radio ecuatorial y el radio polar).

Otros parámetros del elipsoide como el semi-eje menor (radio polar) y la excentricidad pueden calcularse a partir de estos términos.

En el caso de Centroamérica el elipsoide de referencia que se utiliza en su mayoría es el de Clarke 1866, cuyo semieje mayor es igual a 6379206.4 metros y su factor 1/aplastamiento es de 294.9786982. Sin embargo, en los últimos años se ha actualizado parte de la cartografía utilizando el elipsoide WGS84, tendencia que creemos se mantendrá en el futuro.

En este caso hay que tener mucho cuidado al interpretar los valores de latitud, longitud y elevación basados en un datum. El error al considerar por ejemplo que los datos de un SPG han sido registrados en Clarke 1866 en lugar de WGS84 puede llevar a errores de desplazamiento del más o menos 350 metros.



Figure 25. Parámetros del Elipsoide de Referencia

La conversión entre datums se puede lograr por varios métodos. Las coordenadas se pueden convertir de un datum a otro si la relación entre las dos es conocida. La relación se describe a partir de dos componentes:

• Un grupo de formulas que describen la matemática del proceso de transformación,

• Un grupo de parámetros conocidos como los parámetros de la transformación.

Los parámetros de transformación, que se sustituyen en las fórmulas, identifican la relación entre los datums en cuestión. Estos se calculan comparando grupos de coordenadas provenientes de los dos datums.

La conversión completa de un datum está basada en siete parámetros de transformación, tres parámetros de rotación y un parámetro de escala (figura 26).



Figura 26. Transformación paramétrica

Una conversión simple entre datums diferentes se puede hacer a través de la conversión de coordenadas cartesianas XYZ con centro coincidente y fijo al centro de la Tierra (ECEF=Earth-centered, Earth-fixed) en un datum de referencia y tres desplazamientos (offsets) que aproximan las diferencia en rotación, traslación y escala (figura 27).

Las formulas de Transformación Estándar de Molodensky se pueden utilizar para convertir latitud, longitud y altura elipsoidal de un datum a otro, siempre y cuando las constantes ∆X, ∆Y y ∆Z para esa conversión estén disponibles y que no se requieran coordenadas XYZ coincidentes y fijas con el centro de la Tierra (ECEF).



Figura 27. Transformación con tres parámetros.

Sistemas de Coordenadas

Los sistemas de coordenadas se han utilizado por siglos para especificar localidades en la superficie de la tierra. En la cultura occidental, se ha utilizado el ecuador, los trópicos de Cáncer y Capricornio y luego las líneas de latitud para especificar estas localidades. La cultura oriental y específicamente el cartógrafo Phei Hsiu uso un sistema de cuadrícula en al 270 D.C.

Se han utilizado varias unidades de longitud y de distancia angular en el transcurso de la historia. El metro, por ejemplo, está relacionado tanto con la distancia angular como lineal y fue definido en el siglo XVIII como al diez millonésima parte de la distancia del polo al ecuador.



Latitud, Longitud y Altura

El sistema de coordenadas más comúnmente utilizado en la actualidad es la latitud, longitud y altura geodésica (figura 28). El Meridiano Principal y el Ecuador son los planos de referencia utilizados para definir la latitud y la longitud.

La latitud geodésica (existen muchas otras definidas) en un punto es el ángulo desde e l plano ecuatorial a la dirección vertical de una línea normal al elipsoide de referencia.

La longitud geodésica en un punto es el ángulo entre un plano de referencia y un plano que pasa a través de ese punto, ambos planos perpendiculares al eje ecuatorial.

La altura geodésica en un punto es la distancia desde el elipsoide de referencia al punto en una dirección normal al elipsoide.

Figura 28. Latitud, Longitud y Altura Geodésica




Coordenadas Geográficas

Muchos sistemas de SIG guardan las localizaciones como números utilizando la latitud y la longitud o coordenadas geográficas. La latitud y la longitud casi siempre son geocodificadas o capturadas desde los mapas hacia el computador en una de estas dos maneras:

El primer formato registra las coordenadas geográficas en grados. La precisión por debajo de los grados es geocodificado como minutos, segundos y decimales de segundos, en uno de los siguientes formas: ± DD.MM.SS.xx, donde DD son grados, MM son minutos y SS.xx son segundos con sus decimales; o bien alternativamente como DD.xxxx o grados decimales.

En el segundo formato los grados son convertidos a radianes y guardados como números decimales con el número apropiado de cifras significativas.

Se debe ser cuidadoso al manipular el número de dígitos significativos. Debemos recordar que un grado en el ecuador representa aproximadamente 111.11 km, y que por lo tanto registrar latitud y longitud con una precisión de 0.001 grados implicaría que estemos registrando datos con desplazamientos de hasta 111 metros en el campo.

Universal Transversal de Mercator (UTM)

El sistema de coordenadas Universal Transversal de Mercator (UTM) se utiliza comúnmente en SIG ya que ha sido incluido en la mayoría de los sistemas cartográficos de Centroamérica (Guatemala, Honduras, Belice, Nicaragua y Panamá). Este sistema de coordenadas (también conocido como Gauss-Kruger) es una proyección conformal (preserva la forma de los objetos) y es una proyección que minimiza la distorsión en una faja estrecha que corre de polo a polo, conocida como Zona UTM. Estas zonas se numeran de oeste a este, haciendo un total de 60 zonas para toda la Tierra (figura 29).

Las coordenadas UTM definen posiciones en dos dimensiones horizontales (figura 30). Las Zonas UTM son fajas longitudinales de 6 grados que se extienden desde los 80 grados de latitud Sur hasta los 84 grados de latitud Norte. Cada zona tiene un meridiano central, un falso Este para evitar coordenadas negativas en el sentido X (generalmente 500,000 m) y un falso Norte para evitar coordenadas negativas en el sentido Y (generalmente 0 para localidades al norte del ecuador y 10,000,000 para localidades al sur).


Figura 29. Sistemas de Coordenadas Universal Transversal de Mercator

Proyecciones

La proyección es una conversión matemática de coordenadas esféricas a planas.




Para mapear un objeto cilíndrico en una superficie plana, se utiliza el concepto de proyección, que “proyecta” la superficie de una esfera en una superficie plana. Las proyecciones de mapa aseguran un conocimiento de la relación entre las localidades en un mapa y su verdadera localización en la tierra. Cuando tratamos con proyecciones se debe tener siempre en cuenta que:

• Cualquier representación de la superficie de la tierra en dos dimensiones siempre distorsiona la forma, el área, la distancia o la dirección.

• Diferentes proyecciones producen diferentes distorsiones. • Las características de cada proyección las hace útiles para algunas

aplicaciones y no útiles para otras.

El primer paso para escoger una proyección consiste en determinar:

• Localización • Tamaño • Forma

Estas tres cosas determinan donde el área a ser mapeada se localiza en relación a los patrones de distorsión de cualquier proyección. Una regla “tradicional” descrita por Maling dice:

• Un país en los trópicos requiere una proyección cilíndrica • Un país en la zona templada requiere una proyección cónica • Un área polar requiere una proyección acimutal

Implícito a estas reglas generales está el hecho de que los mapas en estas zonas globales presentan la menor distorsión.

• Proyecciones cilíndricas son verdaderas en el ecuador y la distorsión se incrementa hacia los polos.

• Proyecciones cónicas son verdaderas a lo largo de algunos paralelos entre el ecuador y el polo y la distorsión se incrementa conforme nos alejamos de este estándar.

• Proyecciones acimutales son verdaderas en su punto central, pero generalmente las distorsiones son peores en la orilla del mapa.

En general, las proyecciones conformales preservan la forma local, proyecciones equivalentes preservan el área, mientras que las proyecciones concertadas caen entre las dos anteriores. Ninguna proyección puede ser al mismo tiempo conformal y equivalente (figura 30).


Figura 30. Ejemplos de proyecciones clasificadas por sus distorsiones.

Si cada lugar que se desea mapear estuviera bien alineado con estas áreas de mínima distorsión estaríamos en la libertad de ir al siguiente paso y escoger “propiedades especiales”. Un poco de experiencia muestra que el espacio geográfico no es tan bueno ni regular y aún muchos lugares caerán fuera de las áreas buenas en las proyecciones básicas. Una manera fácil de ajustar esto es cambiar el aspecto de la proyección. Esto traslada el patrón de distorsión de tal manera que las áreas de menos distorsión se mueven a otra área geográfica. Aún con esta facilidad agregada las opciones son todavía limitadas. Malling sugiere varias modificaciones que son posible hacer para mejorar una proyección:




• Redistribución de escalas utilizando más de una línea de distorsión cero, como en el caso de una secante.

• Imposición de condiciones especiales de frontera. • Combinación de proyecciones (mecánicamente o matemáticamente)

Aunque se haya sido exitoso en minimizar la distorsión en general, todavía es necesario considerar las propiedades especiales de una proyección. Para propósitos particulares el uso de mapas puede requerir que estos sean conformales, igual área o algún término intermedio entre ellos (concertado). En casos como la navegación, la conformalidad es absolutamente necesaria, mientras que la equivalencia es requerida en mapeo estadístico. La escogencia final de la proyección parece ser una decisión una función sencilla de la distorsión (minimizada) y las propiedades especiales. Finalmente, todavía existen otros factores que pueden influir en la decisión. Algunas veces no es necesario considerar las propiedades especiales. A escalas grandes las diferencias introducidas por la distorsión no pueden ser medidas en muchos mapas. Malling nota que existe un umbral de percepción de aproximadamente 0.2 mm para los usuarios de mapas y por lo tanto hay alguna información que un humano no puede extraer de un mapa impreso. Por otro lado, los datos digitales podrían contener más información que la que un computador puede extraer. Esto puede presentar problemas al comparar datos, que en términos humanos, parecen ser los mismos.

Proyecciones cilíndricas

Una proyección cilíndrica puede ser imaginada en su forma más simple como un cilindro que ha sido enrollado alrededor del globo en el ecuador (figuras 31 y 32). Si la cuadrícula de latitud y longitud se proyecta en el cilindro y luego el cilindro se desenrrolla, dará como resultado un patrón de líneas de latitud y longitud. Los meridianos de longitud estarán igualmente espaciados y los paralelos de latitud permanecerán paralelos pero no igualmente espaciados. En la realidad las proyecciones cilíndricas no se construyen tan fácilmente.


Proyección Cilíndrica

Figura 31. Construcción de la proyección cilíndrica

Figura 32. Tres aspectos de las proyecciones cilíndricas de Mercator.



Proyecciones Cónicas

En la Proyección Cónica la gratícula es proyectada a un cono tangente o secante al globo a lo largo de cualquier círculo pequeño (generalmente un paralelo de latitud intermedia). En el aspecto normal (que es oblicuo para proyecciones cónicas), los paralelos son proyectados como arcos de círculos concéntricos, y los meridianos son proyectados como líneas rectas que irradian a intervalos angulares regulares desde el ápice del cono achatado (figura 33). Las proyecciones cónicas no son utilizadas ampliamente debido a que su precisión se reduce a zonas relativamente pequeñas. En el caso de la secante, que produce dos paralelos estándar se usa más frecuentemente con cónicas. Aún así, la escala del mapa rápidamente se comienza a distorsionar conforme la distancia a los paralelos estándar se incrementa. Debido a este problema las proyecciones cónicas son mejor adaptadas a regiones de latitudes medias, especialmente aquellas que se alargan en dirección Este-Oeste (como lo es el caso de El Salvador y Costa Rica). Las variaciones en la proyección cónica pueden tomar cuatro formas:

• Variando la forma como los paralelos estándar u otras constantes son seleccionados

• Espaciando los paralelos para proveer alguna concertación arbitraria de la distorsión

• Adaptando la proyección cónica de la esfera a la del elipsoide • Desarrollando proyecciones pseudo-cónicas como la de Bonne u otras

modificaciones que nos son verdaderas cónicas

Figura 33. Proyecciones cónicas (tangente y secante)



Estructura de datos cartográficos y SIG Uno de los objetivos de los SIG es representar y almacenar las entidades gráficas de la información mapeada junto con los atributos relevantes, de tal manera que todos los datos puedan recuperarse y manipularse fácilmente. Esta tarea se facilita si se hace uso de la ventaja que representa la forma cómo las computadoras manejan los datos de una manera lógica a través de un archivo y de una estructura de base de datos. En esta sección se tratará de entender la manera en que las computadoras manejan la información dentro de un SIG.

Estructura básica de archivos

Los archivos se componen de registros, cada uno de los cuales a su vez contienen campos. Cada registro contiene datos que conciernen a un tópico en particular o afiliación; cada campo contiene un dato que puede consistir de uno o más caracteres, palabras o códigos que son procesados en conjunto (figura 34). Las llaves, que son códigos para accesar la información, ayudan a recuperar los registros de los archivos. Las llaves están asociadas con uno o más campos de un registro.

ARCHIVO PLANO

Figura 34. Hoja de cálculo como representativa de un archivo plano

Los datos en un archivo pueden ser almacenados secuencialmente, como una línea (figura 35). Los nuevos registros se adicionan al final del archivo. Los registros pueden tener longitud variable, en dado caso el inicio de cada registro debe contener información de su longitud, aunque dicha información no es necesaria cuando la longitud del registro es fija.



Figura 35. Base de datos secuencial

Estos archivos no tienen relaciones que puedan ser construidas con otros archivos. Un ejemplo lo constituyen los programas de hoja de cálculo que le permiten al usuario ingresar, consultar y manipular información dentro de un único archivo, conocido como base de datos tabular.

Las búsquedas de datos en archivos secuenciales consume mucho tiempo, por lo tanto el almacenamiento de datos carentes de secuencias ordenadas se recomienda solamenente cuando se tienen pocos datos.

El tiempo de búsqueda puede ser reducido si los datos en el archivo están estructurados o indexados (figura 36). Los archivos indexados pueden ser desarrollados como archivos directos o invertidos. En los archivos indexados directos, se utilizan los mismos registros para proveer acceso a otra información pertinente. Por ejemplo, si busca datos específicos, el computador invocará información específica del archivo, quizás código, que le diga la localización exacta de las entidades que apuntan el código hacia los datos requeridos. El programa de búsqueda puede ser direccionado a esas localidades específicas o números de registro a través de la creación de un índice que relaciona directamente los códigos de datos a su localización en el archivo y los datos que no llenan los criterios de búsqueda serán ignorados.

Se puede mejorar la velocidad de búsqueda si se crea un índice formal para un atributo seleccionado a ser buscado. Ya que el índice está basado en un posible criterio de búsqueda, más que en las mismas entidades, la información se invierte prácticamente, en los cuales los atributos son el criterio primario de búsqueda y las entidades dependen de ellos para su selección. Por esta razón a esta estructura se le llama un archivo indexado invertido.



Figura 36. Archivo de datos indexado

Bases de Datos Tabulares

Ventajas de las Bases de Datos

Los SIG deben registrar información acerca de las entidades de mundo real en cada localidad – Atributos de los datos. Los SIG proveen la conexión entre los datos espaciales y los datos no espaciales. También proveen la habilidad para guardar y examinar donde están localizadas las cosas y cómo son éstas.

La relación puede ser representada como vínculos entre:

• Localidad <<< >>> ¿Qué hay ahí? • Datos espaciales <<< >>> Datos no espaciales • Elementos geográficos <<< >>> Atributos • Objetos <<< >>> Atributos

En el nivel más abstracto, esta es una relación entre:

Un símbolo de localización <<< >>> Su significado

En un sistema raster, este símbolo u objeto es una celda de la grilla en una matriz.

En un sistema vectorial, el símbolo de localización u objeto puede ser:



• Un punto unidimensional • Una línea, curva, límite o vector bidimensional • Un aéreas, región o polígono tridimensional

El vínculos entre objeto y atributo se establece a través de un identificador único (ID). Luego, los atributos no espaciales se guardan con este ID (figura 37).


Información de Localización

Mapa de Subdivisiones Vinculando datos

espaciales y no espaciales

Información en Base de Datos

Figura 37. Información de Localización

Los datos no espaciales se pueden almacenar de diferentes formas: archivos planos, jerárquicos o relacionales.

Hoja de cálculo y archivos planos (figura 38)

• Método más simple de guardar datos • Todos los registros en la base de datos tiene el mismo número de “campos” o

columnas. • Los registros individuales necesitan un campo llave para localizar un dato en

particular • Por ejemplo: el número de cédula puede ser el campo llave • La información relacionada no especial puede incluir:


o Nombre, dirección, teléfono, sexo, raza, lugar de nacimiento, etc. • Posiblemente se tengan cientos de campos.

Estructura de archivo plano

Los datos del propietario están en un archivo. El Tax No. se requiere para buscar en la BD

Figura 38. Archivos planos

Archivos Jerárquicos (figura 39)

• Los archivos jerárquicos guardan datos en más de un tipo de registro • Se describen generalmente como relaciones “padre-hijo” o “uno a muchos” • Un campo es la llave a todos los registros, pero los datos en un registro no

tienen que ser repetidos en otro. • Permite que los registros con atributos similares se puedan asociar juntos • Los registros están vinculados unos con otros por un campo llave en una

jerarquía de archivos



El No. Tax es el vínculo a los diferentes registros

Estructura Jerárquica de Archivos

Figura 39. Estructura Jerárquica

Archivos Relacionales (Figura 40)

• Conectan diferentes archivos o tablas (relaciones) sin usar llaves internas


Estructura de archivos relacionales

Relacione que se pueden usar para conectar

El usuario determina las combinaciones basado en las relaciones de las tablas

Figura 40. Estructura Relacional



• En lugar de eso se utiliza un vínculo común no jerárquico para unir o asociar los registros

• Una “matriz de tablas” se usa para guardar la información • Las tablas deben ser combinadas por el usuario para formar nuevas

consultas y datos de salida • Es el sistema más flexible y se adapta particularmente a SQL • Debido a la flexibilidad de este sistema es el modelo de base de datos más

popular para los SIG

Tabla 1. Comparación entre archivos planos, jerárquicos y relacionales

Estructura Ventajas Desventajas

Archivos planos

• Recuperación rápida de datos

• Estructura simple y fácil de programar

• Difícil de procesar valores múltiples de un mismo item

• La adición de nuevas categorías de datos requiere de reprogramación

• Recuperación lenta de los datos sin llave

•

Archivos jerárquicos

• Adicionar y borrar registro es fácil

• Fácil recuperación de datos a través de registros de alto nivel

• Asociaciones múltiples de registros similares en diferentes archivos

• Indicador de vía restringe el acceso

• Cada asociación requiere datos repetitivos en otros registros

• Los indicadores requieren de grandes cantidades de almacenamiento en el computador

Archivos relacionales

• Fácil acceso y capacitación mínima para los usuarios

• Flexibilidad para consultas no previstas

• Fácil modificación y adición de nuevas

• Las nuevas relaciones requieren considerable proceso

• El acceso secuencial es lento

• Es fácil cometer errores



Estructura Ventajas Desventajas

relaciones , datos y registros

• El almacenamiento físico de los datos puede cambiar sin afectar las relaciones entre los registros

lógicos debido a la flexibilidad de las relaciones entre registros

Las ventajas de una base de datos incluyen el acceso a la información para reducir la redundancia. Esta reducción mejora la calidad e integridad de la base de datos permitiendo o facilitando su mantenimiento.

Una base de datos comprende uno o más archivos que son estructurados de una manera particular por un Sistema Manejador de Bases de Datos (SMBD) y accesado a través de él.

Las ventajas de las bases de datos y de los Sistemas Manejadores de Bases de Datos comparados a archivos indexados o secuenciales son que:

1. Los datos se guardan en un solo lugar 2. Los datos son estructurados y estandarizados 3. Los datos con fuentes diferentes se pueden interconectar y usar en conjunto 4. Los datos son susceptibles de verificación 5. Los datos se pueden accesar rápidamente 6. Los datos están disponibles a muchos usuarios 7. Los datos se pueden usar directamente en varios programas diferentes,

incluyendo programas cuyo propósito difiere de aquellos para los cuales los datos originales fueron compilados

Las bases de datos se pueden guarder en una localidad y consistir de información específica. El despliegue de los datos a un usuario en particular puede tomar diferentes formas dependiendo de las necesidades del usuario. Por lo tanto, la representación interna de los datos puede ser diferente de la representación externa para el usuario.



Las bases de datos pueden incluir información en varias formas:

• Enteros • Reales (decimales) • Carácter • Fechas • Imágenes y sonido

Las bases de datos pueden ser más o menos accesibles o muy accesibles. Se pueden clasificar en cuatro tipos:

a. Individual o de escritorio b. corporativa (compartida) c. distribuida d. propietaria.

Las bases de datos individuales o de escritorio son también llamadas bases de datos basadas en microcomputador. Es una colección de archivos utilizados primordialmente por solamente una persona. Los datos y el SMBD están bajo el control directo del usuario. Se guardan ya sea en el disco duro del usuario o en una red local.

Los bases de datos corporativas se guardan en servidores y son manejadas por un profesional en informática llamado el administrador de la base de datos. Los usuarios en la compañía tienen acceso a la base de datos a través de sus microcomputadoras vinculadas a redes de área local (LAN) o a redes de área extendida (WAN). Las bases de datos corporativas son de dos tipos:

1. la base de datos operacional común contiene detalles acerca de las operaciones de la compañía, como las ventas o información de producción;

2. la base de datos común del usuario contiene información seleccionada acerca de las operaciones comunes de la base de datos y de bases de datos privadas externas (propietarias). Los administradores pueden accesar esta información en sus computadoras o terminales y usarla para la toma de decisiones.

Muchas veces la información en la compañía se guarda no solamente en una localidad sino en varias. Se hace accesible a través de una variedad de redes de comunicación. La base de datos es entonces una base de datos distribuida. En



otras palabras, está localizada en lugares diferentes a donde se encuentran los usuarios. Típicamente, los servidores de bases de datos proveen una red cliente/servidor que hace el vínculo entre los usuarios y los datos remotos.

Una base de datos propietaria es una enorme base de datos que una organización desarrolla para cubrir ciertos temas particulares. Ofrece acceso a esta base de datos al público o a individuos seleccionados a través de una tarifa. Algunas veces las bases de datos propietarias son llamadas bancos de datos.

Tipos de Sistemas de Bases de Datos

Una base de datos es una colección de archivos que contienen información interrelacionada y un sistema manejador de bases de datos (SMBD) es un programa que permite adicionar, borrar y modificar registros en la base de datos.

Todas las bases de datos SIG incluyen vínculos entre los elementos gráficos (mapa) y los datos tabulares que proveen información descriptiva de los objetos gráficos. Si no fuera por este vínculo, los SIG existirían pero no serían en nada diferentes a los programas de diseño auxiliado por computadora (CAD). Los datos tabulares proveen la “información” a los Sistemas de Información Geográfica.

Actualmente, la mayoría de los SIG proveen vínculos a una variedad de bases de datos permitiendo a los usuarios escoger entre una serie de sistemas. Por lo tanto el SIG puede ser una combinación de dos sistemas distintos generados individualmente, pero utilizados para un propósito común

Los sistemas de bases de datos tienen cuatro principales variedades:

• sistemas jerárquicos, • sistemas de red • sistemas relacionales

De estos tres tipos de sistemas de bases de datos el jerárquico es el más rápido pero el más restrictivo para el usuario. Este sistema es apropiado si se puede organizar la información en la base de datos en la misma estructura de un gráfico jerárquico. El sistema de red es más flexible que el jerárquico pero más difícil para un usuario que un sistema de base de datos relacionales. El sistema de base de datos relacional es el más popular de los tres. Es el más flexible y fácil de usar, pero esta flexibilidad se paga con una velocidad baja comparada con los otros sistemas.



Bases de Datos Jerárquicas

Un sistema de bases de datos jerárquico es uno en la cual el SMBD soporta una estructura jerárquica de registros organizados en archivos a varios niveles lógicos con conexión entre ellos. Un registro en un nivel particular contiene datos comunes a un grupo de registros en el próximo nivel inferior. No hay conexiones entre los registros al mismo nivel. Cada registro contiene un campo definido como el campo llave, el cual organiza la jerarquía.

Los registros del mismo tipo se recolectan en archivos conocidos como elementos. Varios tipos de elementos pueden residir en el mismo nivel lógico. A partir del elemento de más alto orden, la jerarquía permite que un grupo de elementos en el siguiente nivel inferior sean accesados. Cualquier elemento puede retener conexiones a solamente un grupo de elementos de más bajo nivel y él mismo puede ser miembro solamente de ese grupo. La construcción de una estructura jerárquica comienza con un objeto en su parte superior. El objeto principal tiene un rango de características que pueden ser recolectados en los varios niveles de la jerarquía.

Los datos geográficos que están organizados jerárquicamente se adaptan a este modelo. Los datos geográficos pueden ser almacenados en una estructura jerárquica de tal manera que refleje el mundo real. Un ejemplo es cuando los niveles del modelo jerárquico corresponden a los niveles de administración del mundo real, como por ejemplo en un país, cantón/distrito/municipio, villa, ciudad o lugar poblado. Un buen ejemplo lo constituyen los datos provenientes de los censos, en los cuales la información de un distrito censal no tiene relación lateral con otro distrito censal, pero están relacionados a niveles más altos en la jerarquía de ciudad, municipio/distrito, cantón o provincia o departamento. En el modelo jerárquico registro propietario (archivo) puede tener muchos miembros, pero los registros de los miembros pueden pertenecer a solamente a un registro propietario.

Los sistemas de bases de datos jerárquicos son fácilmente expandibles y actualizables. Sin embargo, requieren grandes archivos índice, se les debe dar mantenimiento frecuentemente y son susceptibles a entradas múltiples. Las búsquedas son rápidas, pero las rutinas de búsqueda son fijas y limitadas por las estructuras. Los elementos o la estructura son relacionados solamente a través de conexiones uno a muchos. Esta restricción impone la presuposición que todas las consultas (queries) son conocidas con anticipación y tomadas en cuenta para la estructura y el ingreso de los datos. Esta restricción o limitante no siempre es natural o adaptable a las aplicaciones en SIG. Como resultado, los sistemas de bases de datos jerárquicos se restringen generalmente a guardar mapas digitales en un SIG.


Mapa

Puntos

Líneas

Polígonos

Mapa

Tabla Indice Datos

Figura 41. Mapa guardado en un sistema de bases de datos jerárquico. Note el doble almacenamiento de líneas y puntos (Bernhardsen)

Bases de Datos en Red

Un sistema de bases de datos en red es uno en los cuales el SMBD soporta una organización de redes. Cada elemento, o colección de registros similares, tiene conexiones a varios elementos de diferentes niveles. Las interconexiones se hacen en la organización jerárquica y una característica puede ser asociada con dos objetos principales. La estructura de red resultante representa de una manera más cercana las complejas interrelaciones que a menudo existen entre los objetos geográficos en el mundo real. Los elementos de la estructura pueden relacionarse a través de conexiones uno a muchos, muchos a uno y muchos a muchos.

El propósito de una estructura de red es mejorar la flexibilidad y reducir las entradas múltiples de las estructura jerárquica. Los puntos y las líneas se ingresan una sola vez. Las búsquedas no necesitan pasar a través de todos los niveles, sino pueden tomar atajos. Sin embargo, el volumen de datos indexados es mayor que el de la estructura jerárquica.



Mapa

Mapa

Polígonos

Líneas

Puntos

Tabla Indice Datos

Figura 42. La estructura de almacenamiento en un sistema de base de datos basado en redes a) muestra una sección del mapa; b) es un apuntador que especifica en

dónde se encuentran los datos (c) guardados (Bernhardsen)

Una estructura de red permite una conexión rápida entre los datos que físicamente estén guardados en diferentes sectores del disco. Mantener datos guardados en una estructura de red es complejo, y aunque este tipo de estructura está mejora adaptada a datos geográficos que la estructura jerárquica no es muy frecuente su utilización en aplicaciones SIG.

Sistemas de Bases de Datos Relacionales

Este es el modelo de base de datos más popular ya que tiene la solución más flexible a los vínculos entre las bases de datos individuales. No hay una estructura rígida en un modelo de datos relacional, más bien la forma del modelo está determinada por las necesidades y conceptos del usuario. En una base de datos relacional cada registro (archivo) tiene un grupo de atributos y un grupo de filas (entradas) que



forman una tabla. Las tablas separadas son unidas o relacionadas unas con otras a través de un atributo en común. Cualquier atributo en la tabla puede ser utilizado como llave de unión entre una tabla y otra. Los vínculos se pueden formar en cualquier dirección y entre cualquier nodo (tabla). Este modelo de base de datos permite máxima flexibilidad ya que el propietario no está definido como lo está en los modelos jerárquicos y de redes.

Figura 43. Un modelo de base de datos relacional. Cada campo en la tabla puede ser la llave para localizar datos en otra tabla (Bernhardsen).

No existen apuntadores en las tablas de datos. Se utilizan tablas internas indexadas para la comunicación entre las tablas, lo cual significa que el sistema debe abrir al menos una tabla índice por cada conexión entre las tablas de datos. Esto puede resultar en bases de datos relativamente grandes y de acceso lento. Sin embargo, como no hay apuntadores, las búsquedas de los registros o campos debe ser secuencial a través de las tablas. El resultado es que los sistemas de bases de datos relacionales son mucho más lentos que los sistemas jerárquicos y de redes.



Mapa

Mapa

Polígonos

Líneas Puntos

Figura 44. Ejemplos de mapas almacenados en bases de datos relacionales. (Bernhardsen)

Un campo puede ser localizado rápidamente en una tabla dada y los datos accesados pueden ser manipulados. La estructura sencilla de los sistemas de bases de datos relacionales ha permitido el desarrollo de lenguajes de consulta estándar, uno de los cuales es el Lenguaje Estándar de Consulta (SQL).

El algebra relacional se puede hacer usando dos clases de operaciones de almacenamiento y recuperación. El grupo de operaciones incluye unión, intersección, diferencia y producto. Las operaciones relacionales incluyen




selección (acceso a filas), proyección (acceso a columnas), unión y división. La unión crea una nueva tabla a partir de los datos recuperados de varias tablas. La nueva tabla no necesita estar físicamente guardada en la base de datos.

Los SMBD relacionales son ahora el tipo que se usa más frecuentemente utilizado en SIG, primariamente porque son sencillos y de estructura flexible. Otra razón es que soportan relaciones complejas entre los objetos geográficos y el mundo real. Las entradas múltiples son menos frecuentes que en los sistemas jerárquicos y de redes, aunque los tiempos de búsqueda tienden a ser más largos. Esto se nota principalmente en operaciones específicas en datos de mapas digitales, como cuando se forman polígonos y con la ubicación automática de texto.

Sistemas de Bases de Datos Orientados a Objetos

Los sistemas de bases de datos relacionales, jerárquicos y de redes están diseñados primordialmente para tareas administrativas. En consecuencia, no están adaptados para representar un modelo de datos conceptual de datos geográficos reales. Todos estos sistemas están orientados al registro, lo cual significa que los datos que contienen están archivados registro por registro. Por lo tanto, en una base de datos relacional, todos los elementos que componen un objeto en un mapa residen en varios registros en varias tablas. Además, los datos geométricos y los datos de los atributos están a menudo separados, cada uno residiendo en una base de datos. El almacenamiento topológico de datos vectoriales es orientado a objetos, pero la estructura básica de la base de datos continua siendo un problema. Los sistemas de bases de datos orientados a objetos (SBDOO) intentan resolver estas dificultades representando de una manera más fiel el mundo real, el cual comprende objetos homogéneos, complejos con relaciones externas e internas variables.

Hay diferentes tecnologías orientadas a objetos, todos comparten algunos de los principios filosóficos y conceptos, pero los beneficios directos de los SBDOO vienen de las siguientes ideas:

1. clases en las cuales cada tipo de elemento tiene varios atributos; 2. elementos de datos activos que tienen su propio comportamiento (métodos)

guardados en un repositorio y no en programas de aplicaciones; 3. herencia entre las clases de datos (atributos) y los comportamientos

(métodos).


Figura 45. Modelo de datos orientado a objetos.

Un base de datos de objetos activos permite que los datos de elementos geográficos sean agrupados en clases que representan entidades similares. Esta solución tecnológica permite que los datos espaciales puedan ser almacenados en un esquema complejo y bien estructurado – elementos complejos o clases de elementos complejos. Algunas otras características importantes de la solución de orientación a objetos son:

1. control de integridad – los datos actives pueden chequear su propia integridad, la validez de sus relaciones con otros elementos, topología, restricciones, etc.;

2. control de versión incluyendo chequeo virtual de entrada y salida de los segmentos del repositorio – los repositorios de objetos espaciales hacen fácil proveer un mecanismo para que cada usuario pueda ver una copia virtual de todos los datos, mientras edita solamente parte de ellos;

3. soporte de topología avanzado – la topología geométrica resulta de compartir la geometría – los postes se situán en la intersección de los cables, los ríos forman parte de los límites administrativos. Los repositorios de objetos espaciales pueden identificar coincidencia espacial y dinámicamente modelarlos en la base de datos. Esta habilidad explota dos importantes características de las bases de datos espaciales orientada a objetos: la habilidad para mantener todo tipo de datos y la habilidad para manejar de manera efectiva un red muy vasta de conexiones entre los objetos;

4. representación abundante – los métodos de despliegue permiten que los objetos se desplieguen proveyendo información importante acerca del objeto (una válvula, un interruptor puede indicar si está abierto o cerrado). El método de despliegue está centralizado como parte del elemento y la apariencia de los objetos se puede hacer consistente de tal manera que se adapte a los estándares dictados por las autoridades;




5. representación múltiple a partir de un grupo de datos maestro – los objetos espaciales pueden ser asociados con varias geometrías y los métodos de despliegue pueden usar cualquiera de ellas. El mismo objeto puede aparecer diferente en diferentes contextos.

Los SIG orientados a objetos introducen un carácter dinámico a la información incluida en el sistema, frente a los modelos de datos jerárquico, relacional y de redes que tienen un carácter estático. Por ello, el modelo orientado a objetos es más aconsejable para situaciones en las que la naturaleza de los objetos que tratamos de modelar es cambiante en el tiempo y/o en el espacio.

Operaciones con Bases de Datos

Las bases de datos le permiten a los usuarios ordenar, borrar, editar, seleccionar, manipular matemáticamente y actualizar información a través del uso de un lenguaje de consulta. Este lenguaje permite a los usuarios “hacer preguntas” a la base de datos de una manera estandarizada.

Las bases de datos pueden ser accesadas a lo interno de ellas, pero deben permitir también el acceso de información a través de los programas de aplicación. En el caso de un SIG, los usuarios del programa de aplicación de SIG lo utilizan para accesar información vinculada a los elementos gráficos desde la base de datos.

Consultas

Muchos SMBD proveen una interface del usuario a través de una especie de lenguaje formal.

Un lenguaje de definición de datos (DDL) se usa para especificar cuáles datos serán guardados en la base de datos y como se relacionarán.

Un lenguaje de manipulación de datos (DML) se usa para adicionar, recuperar, actualizar y borrar datos en el SMBD.

Una consulta es un enunciado o grupo de enunciados ya sea en DDL o en DML o en ambos.



• Algunos investigadores ven las consultas como operaciones de sólo lectura que no permiten la modificación de los datos (Codd 1990).

Un lenguaje de consulta es un lenguaje formal que implementa un DDL, un DML o ambos.

• Ejemplo de lenguaje de consulta incluyen SQL, QUEL, ISBL y Query-by-Example.

Modelo de Datos

Un modelo de datos es un formalismo matemático consistente en dos partes (Ullman, 1988):

• Una notación para describir los datos, y • Un grupo de operaciones utilizados para manipular los datos

Un modelo de datos es una manera de organizar un colección de hechos pertinentes a un sistema bajo investigación.

Los modelos de datos proveen una manera de pensar acerca del mundo, una manera de organizar los fenómenos de nuestro interés. Ellos pueden ser concebidos como un lenguaje abstracto, una colección de palabras con gramática por medio del cual se describe nuestro sujeto, sin embargo…

• Limitado a formar expresiones cuyas palabras están limitadas por aquellas que se incluyen en el lenguaje y cuya estructura de oraciones está gobernada por la gramática del lenguaje

• No se es libre para utilizar colecciones aleatorias de símbolos para palabras ni se pueden poner palabras juntas de una manera ad-hoc

Diferentes modelos – diferentes conceptualizaciones – diferentes opiniones - diferentes perspectivas

• No hay consenso universal acerca del major modelo de datos

Los SMBD se componen de tres niveles de abstracción:



• Física: esta es la implementación de la base de datos en una computadora digital. Tiene que ver con las estructuras de almacenamiento y el método de acceso a las estructura de los datos

• Conceptual: esta es la expresión del diseñador del modelo de base de datos en el mundo real utilizando el lenguaje del modelo de datos

• Vista: diferentes grupos de usuarios pueden tener acceso a diferentes porciones de la base de datos. Una porción de la base de datos se llama su “vista”

El modelo Entidad-Relación

El modelo ER es generalmente atribuido a Chen (1976). Imagina el mundo como constituido de entidades que están asociadas una con otra por relaciones. Todas las entidades de un tipo particular se coleccionan en grupos de entidades. Los grupos de entidades y relaciones pueden ser representadas gráficamente en un diagrama ER (figura 46).

Entidades

Las entidades son objetos distinguibles del mundo real como empleados, mapas, aeroplanos u horarios de autobuses.

• "Distinguible" significa que todas las entidades pueden ser identificadas de manera única

• Las entidades pueden tener atributos comunes que definen lo que significa ser esa entidad

• Cualquier objeto particular del mundo real no necesariamente tiene una representación única o una representación ideal como entidad

o Para un objeto dado del mundo real, los modeladores pueden escoger diferentes grupos de atributos del objeto que son de interés a su situación particular

o Los resultados en el mismo objeto modelado pueden ser diferentes

Las entidades se coleccionan en grupos de entidades:

• Los grupos de entidades se representan como rectángulos en los diagramas ER

• Sus atributos se representan como elipses unidas a los rectángulos por líneas


Relaciones

Las relaciones pueden ocurrir entre grupos de entidades:

• Notación: dos grupos de entidades A y B que tienen una relación r se escribe como A r B


Figura 46. Ejemplo de un diagrama Entidad-Relación

Agregando relaciones

• Uno a uno: Si A r B y r es uno a uno entonces cada entidad de B tiene una relación con a lo sumo una entidad de A y viceversa

o Por ejemplo, si el CAPITAN (captain) comanda un BARCO (vessel) y la relación comandar es uno a uno, entonces cada barco tiene a lo sumo un capitán y cada capitán comanda a lo sumo un barco a la vez.



• Uno a muchos: Si A r B y r es una relación uno a muchos entonces cada entidad de A tiene una relación con a lo sumo una entidad de B pero no viceversa

o Por ejemplo, si una TRIPULACION (crew) está asignada a un BARCO y la relación es uno a muchos, entonces en nuestro modelo un barco tiene muchos tripulantes pero un miembro de la tripulación está asignado únicamente a un barco

• Muchos a muchos: Si A r B y r es una relación muchos a muchos entonces cada entidad de A puede estar relacionada con cualquier número de entidades de B y viceversa

o Por ejemplo, un BARCO patrulla REGION y patrullar es una relación muchos a muchos, entonces en el modelo, un barco patrulla muchas regiones y una region es patrullada por muchos barcos.

isa (leer “es una”) relación

• Si A isa B entonces A es una especialización de B, o a la inversa, B es una generalización de A

• Por ejemplo, el CAPITAN isa TRIPULACION entonces, en el modelo, los capitanes tienen todos los atributos de los miembros de la tripulación pero no al contrario

• La relación “isa” permite que se establezcan jerarquías entre los grupos de entidades

El modelo Entidad-Relación es conceptual y carece de formalismo.

Modelo relacional

• Fue introducido por Codd en 1970.

• Ya que es el modelo de datos más popular para SMDB, el modelo relacional ha sido ampliamente utilizado en los SIG.

• Algunos SMBD relacionales comúnmente utilizados son los siguientes: 1. INFO - usado in ARC/INFO 2. EMPRESS - usado in System/9 3. ORACLE - usado en ARC/INFO, GeoVision, etc. 4. dBASE - usado in pcARC/INFO y otros SIG basados en PC 5. MS-Access, SQL, ORACLE – usado en ArcGIS


Tuples

• Definición – Un tuple es un grupo de eventos que están relacionados unos con otros de alguna manera (quizás solamente por el hecho que pertenecen al mismo grupo)

• Cada evento es un dato cuyos valores vienen de un dominio específico.

• Los dominios son llamados atributos

Relaciones

• Los registros de cada tipo forman una tabla o relación. En una tabla, cada fila es un registro o tuple y cada columna es un atributo o campo

• Ya que los tuples son grupos (de valores) y una relación es también un grupo (de tuples), las relaciones son grupos de grupos

• Las relaciones son naturalmente representadas en tablas (figura 47)

Un atributo (Campo)

Una relación (Tabla)

Un tuple (Registro)

Figura 47. Estructura de una relación. Fuente: Zhou (1998)

El grado de la relación es el número de atributos en la tabla

• Una tabla de un atributo es una relación unitaria


http://geog.hkbu.edu.hk/QZone/Teaching/GEOG3142/lect-04.html


• Una tabla de dos atributos es una relación binaria • Una tabla de n-atributos es una relación n-aria (figura 48)

Binaria Ternaria Unaria

Figura 48. Grado de una relación

Llaves

Todos los registros (tuples) en una relación pueden distinguirse por los valores de sus atributos

• Cualquier grupo de atributos cuyos valores identifican de manera única a un registro (tuple) se denomina una llave

Los diseñadores de bases de datos escogen algún grupo de atributos para ser la llave de sus relaciones en la base de datos

• Esta llave es conocida como llave primaria

Si la llave primaria de una tabla aparece como un atributo de una relación diferente, la llave es conocida como llave foránea en la otra relación

Una llave identifica únicamente su registro (tuple)

• Por lo tanto la llave de un registro (tuple) se usa como un sustituto del registro completo



Relaciones

• El modelo relacional representa las relaciones entre tablas con relaciones • Las relaciones en conjunto se representan al insertar la llave primaria de una

relación en otra relación como una llave foránea (figura 49)

Figura 49. Una base de datos relacional que fue designada a partir del diagrama ER anterior (Fuente: Meyer, 1997)

• Los atributos llave se denotan en negrita

Lenguaje de Consulta

Codd (1971) inventó dos lenguajes para tratar con relaciones: uno era algebraico y el otro fue basado en lógica de primer orden (Codd 1971).

• Algebra relacional

• Cálculo relacional

El lenguaje de consulta comercial más común es el Lenguaje de Consulta Estructurado o SQL.

• Aunque el lenguaje SQL tiene una reputación de lenguaje de consulta relacional, no soporta completamente el modelo relacional


http://www.ncgia.ucsb.edu/education/curricula/giscc/units/u045/u045_f.html



• El SQL incluye cosas que no están en el modelo y omite cosas que están

Sistemas de Manejadores de Bases de Datos Relacionales (SMBDR)

Un sistema de manejo de bases de datos relacionales es un SMDBD basado en el modelo relaciona definido por Codd.

No existen un SMBD comercial que implemente completamente el modelo relacional definido por Codd.

Ventajas del Modelo Relacional

Codd presenta muchas ventaja del modelo relacional. Alguno de ellos se citan a continuación:

El modelo relacional es un verdadero modelo de datos matemático completo

Esta afirmación teórica es responsible de la:

• accessibilidad: lenguajes de consulta apropiados pueden ser automáticamente compilados, ejecutados y optimizados sin recurrir a la programación

• fiabilidad: la semantic del algebra relacional es sólida y completa • predictabilidad: la consistencia de la semántica permite al usuario anticipar

fácilmente los resultados de una consulta dada

Otras ventajas incluyen:

• flexibilidad: el modelo relacional separa claramente el modelo lógico del modelo físico y su desacoplamiento incrementa la flexibilidad

• integridad: existen restricciones que ayudan a asegurar que los cambios estructurales no afectan de manera adversa el significado de la base de datos

• vistas múltiples: es simple presenter a diferentes usuarios diferentes vistas de la base de datos

• concurrencia: existe una teoría completa de control concurrente de transacciones, las cual depende de formalismos teóricos del modelo de base de datos relacional. Esta teoría garantiza la ejecución correcta de consultas concurrentes.


Utilizando el Modelo Relacional

La normalización de un modelo de datos relacional consiste en encontrar la estructura más simple para un set de datos dado.

Considere el siguiente set de datos no normalizado de la figura 50.

Figura 50. Datos no normalizados. Fuente: Zhou (1998)

Esta relación no está normalizada ya que la Erodabilidad es determinada únicamente por el Tipo de suelo

Cuando se utiliza una relación no normalizada, se generan problemas y anomalías de inserción y borrado:

• La relación entre el tipo de suelos “ loam” y la erodabilidad 0.35 se perderá si se borra el registro "Nuntherungie"

• Una nueva relación debe ser insertada entre el tipo de suelos y la erodabilidad si se incorpora un nuevo sistema de tierras con un nuevo tipo de suelo


http://geog.hkbu.edu.hk/QZone/Teaching/GEOG3142/lect-04.html


La figura 51 muestra la versión normalizada de SOIL1.

Toda la información que se encuentra en SOIL1 es retenida pero es optimizada y puede ser reconectada con una union relacional utilizando la llave Soil Type

Figura 51. Versión normalizada de SOIL1.

Adaptando las Bases de Datos a las Aplicaciones de los SIG

Dentro del ámbito de los SIG, los datos se encuentran divididos lógicamente en dos categorías: datos geométricos y datos de atributos. Esta división se puede extender al almacenamiento físico, aunque las relaciones entre las dos categorías de datos debe ser preservado. Las soluciones al almacenamiento general de la base de datos se pueden clasificar en tres grupos:

1. Un sistema de base de datos simple que guarde tanto los datos geométricos como los de atributos;

2. Dos sistemas de base de datos separados, uno para los datos geométricos y otro para los datos de los atributos;

3. Una base de datos para los datos geométricos conectada a varias diferentes bases de datos para los datos de los atributos.



Figura 52. Un sistema de manejo de datos a la medida para manejar tanto los datos geométricos como los de atributos (Bernhardsen)

Los sistemas que combinan los datos geométricos y los datos de atributos un una base de datos sencilla tienen una estructura de datos orientada a objetos. Este modelo de SIG integrado tiene dos soluciones alternativas para el manejo de la base de datos:

1. Una extensión especial de un SMBD comercial estándar; 2. Un nuevo SMBD orientado a objetos.




Base de datos geométrica y de atributos

Base de datos geométrica y de atributos

Figure 53. Los modelos SIG integrados, con dos soluciones alternativas para el manejo de la base de datos (a,b) y con los detalles de la base de datos integrada (c).

El modelo híbrido, donde los datos geométricos y de atributos están guardados en bases de datos separadas puede ser encontrado en los SIG de escritorio. Bases de datos jerárquicas, base de datos en red o combinaciones de bases de datos en red y relacionales se utilizan exclusivamente para los datos geométricos. Funciones especiales dedicadas a los datos geométricos, que mejoran la productividad en la manipulación y presentación generalmente son desarrolladas por el fabricante del SIG. Esta solución impone restricciones que pueden complicar su uso con programas desarrollados internamente en la empresa. Las bases de datos de red o relacionales, basados en SMBD comerciales se emplean cuando se almacenan solamente los datos de los atributos (figura 54).



Base de datos de atributos

Base de datos geométrica

Figura 54. . El modelo híbrido de bases de datos, donde los datos geométricos y los de atributos se guardan en bases de datos separadas.

En el caso del software comercial ArcGIS existen tres tipos de Geobase de datos como se muestra en la tabla 2.



Tabla 2. Tipos de bases de datos en ArcGIS 9.x

Tres tipos de Geobases de Datos

Geobase de datos Personal

Geobase de datos de Archivo

Geobase de datos Escalable

Formato de almacenamiento

Microsoft Access Directorio de archivos binarios

DBMS

Capacidad de almacenamiento

2 GB 1 TB por tabla Depende del servidor

Plataforma O/S soportada

Windows Cualquier plataforma

Cualquier plataforma

Número de usuarios Editor simple (lectores múltiples)

Editor simple, lectores múltiples

Editores múltiples, lectores múltiples

Funcionalidad de distribución de la Geobase de datos

Replicación Entrada/Salida

Replicación Entrada/Salida

Replicación (todos los tipos) y versiones

Estructuras de Datos Cartográficos y de SIG

Estructuras

Tradicionalmente los datos espaciales han sido guardados y presentados en forma de un mapa. Se han desarrollado tres tipos de modelos espaciales de datos para guardar datos geográficos en forma digital. Estos se refieren como:

• Raster (también llamado grid o cuadrícula) • Vector • Imagen

El siguiente diagrama (figura 55) refleja las dos principales técnicas de codificación de datos espaciales. Estos son el vector y el raster. Las imágenes (IKONOS, LandSat, aerofotos, etc.) utilizan técnicas muy similares a los datos raster, sin embargo carecen de formatos internos requeridos para el análisis y modelación de los datos. Las imágenes son reflejo de fotografías del paisaje.



CELDALINEAPUNTO

POLIGONO

Figura 55. Técnicas de codificación de datos en un SIG.

Estructura de datos Raster

Las estructuras de datos raster o grid han formado la base de la mayoría de programas de SIG. Un sistema basado en raster despliega, localiza y guarda datos gráficos utilizando una matriz o grilla de celdas. Un sistema de coordenadas único representa cada pixel ya sea en una esquina o en su centroide. Cada celda o pixel tiene un dato de atributo discreto asignado. La resolución de un raster es dependiente del tamaño del pixel y puede variar de submétrico a varios kilómetros. Ya que los datos son bi-dimensionales los SIG guaran información variada como cobertura boscosa, tipo de suelos, cobertura del suelo, ecosistemas u otros datos en distintas capas. Las capas están funcionalmente relacionadas con los elementos del mapa. Generalmente, los datos raster requieren menos procesamiento que los datos vectoriales, pero consumen más espacio en disco. Los sensores remotos de barrido montados en satélites guardan datos en formato raster. Los modelos de elevación digital (MED) y los modelos digitales de terreno (MDT) son ejemplos también de datos raster.


Figura 56. Estructura de datos raster

En los sistemas basados en raster hay dos maneras generals de incluir los atributos de cada objeto (entidad). La manera más simple es asignar un número representando un atributo (ej: una categoría de uso del suelo), a cada celda en la matriz. Al posicionar estos números, asumimos que este valor actuará como la localidad por omisión de la entidad. Por ejemplo, si se asigna un código numérico de 1 que represente el agua, y luego se lista como el primer número en la columna X y la primera fila Y, entonces la primera celda en la parte superior izquierda de la matriz será una localidad o porción de la tierra representando agua. De esta manera, cada celda puede tener solamente un atributo para un mapa dado. Una solución alternativa es ligar cada celda de la matriz a un sistema de bases de datos, con el resultado que un atributo puede estar representado en más de una celda. Esta solución es la que más prevalece ya que reduce la cantidad de datos que deben ser guardados y porque puede ligarse fácilmente a otras estructuras de datos que también se apoyan en sistemas manejadores de bases de datos para guardar, buscar y manipular datos.



Figura 57. Un número de fila y columna definen la posición de una celda en los datos raster. Los datos luego son guardados en una tabla dándole su atributo a cada celda.

Una gran ventaja de los sistemas raster es que los datos forman su propio mapa en la memoria de la computadora. Una operación como la de comparar una celda con sus vecinas puede ser realizada viendo los valores en la próxima y anterior fila y columna de las celdas en cuestión. Sin embargo, los raster no son buenos para representar líneas o puntos, ya que cada una se vuelve un grupo de celdas en el grid. Las líneas puede resultar desconectadas o muy anchas si cruzan el grid en un ángulos muy agudo (figura 58).




Raster

Vector

Figura 58. Representación de la estructura vectorial y raster.

Uno de los mayores problemas con los datos raster lo constituyen los pixeles mixtos. La figura 59 muestra una parte de la delimitación de un lago. En la primera ilustración, hay solamente un tipo de cobertura del suelo, "pasto", por lo que todos los pixeles pertenecen a la misma clase. En la siguiente ilustración, hay dos tipos de atributos, agua y pasto. En este caso es difícil asignar cada pixel a una de las categorías. Una solución a menudo utilizada en SIG, es asignar pixeles de orilla, como aquellos que no están exclusivamente en una categoría. Finalmente, cuando varias clases están involucradas se pueden crear reglas de asignación de un pixel mixto a la clase que ocupa la mayor parte del área dentro de él o bien crear de nuevo pixeles de orilla.



Definición de bordesEl ganador toma todoAgua domina

Figura 59. El problema de los pixels mixtos. Cualquiera de las tres opciones es aceptable, en tanto la regla se aplique de manera consistente. G=Pasto, W=agua, E=borde.

Los modelos raster, al igual que los vectoriales, se organizan en capas temáticas como la topografía, uso del suelo, hidrografía, tipo de suelos, etc. Sin embargo, debido a la diferencia en la manera cómo la información de los atributos es manipulada los modelos raster tienen más capas de datos que los modelos vectoriales. En un modelo vectorial, los atributos son asignados directamente a objetos. Por lo tanto, un valor de contaminación se puede asignar directamente al objeto “lago”. En un modelo raster, el equivalente requiere de una capa temática para el “lago”, en la cual las celdas tienen asignadas el atributo del lago en cuestión, y una segunda capa temática para los pixeles que tienen asignado el valor de contaminación. Las bases de datos raster contienen por lo tanto cientos de capas temáticas.


Figura 60 . Capas temáticas en formato raster

El formato de datos raster ha sido ampliamente utilizado, especialmente con el advenimiento de la comunicación a través de redes, ya que muchos de ellos tienen el mismo formato que se utiliza para guardar imágenes digitales y fotografías. Los formatos de imagen son muy simples de crear y es por ellos que hay una gran variedad. Algunos de estos formatos han sido optimizados para pasar a través de redes de información y por eso se ha popularizado. Entre los más comunes tenemos TIF, cuya principal modificación lo constituye el formato GeoTIFF que se usa ampliamente en teledetección; el formato JPEG que usa un sistema variable de compresión y ofrece diferentes grados de resolución.

Los archivos raster son más frecuentemente utilizados:

• Para representaciones de fotografías aéreas, imágenes satelares, mapas escaneado y otras aplicaciones con imágenes de alta definición.

• Cuando se necesita mantener los costos bajos. • Cuando el mapa no requiere análisis de elementos individuales del mapa. • Cuando se requieren mapas de “fondo”.

Los archivos raster generalmente se utilizan para guardar información de imágenes como fotografías aéreas y mapas escaneados. También se utilizan para capturar




datos por satélite y otros sistemas sensores aerotransportados. Las imágenes de estos sistemas a menudo se conocen como datos teledetectados o remotamente detectados. A diferencia de otros archivos raster que expresan la resolución en términos de tamaño de celda o puntos por pulgada (dpi), la resolución en imágenes teledetectadas se expresa en metros, lo cual indica el tamaño del área al suelo cubierta por cada pixel. La tabla 3 muestra algunos de los formatos raster más comúnmente utilizados.

Tabla 3. Datos raster comúnmente utilizados

Nombre del formato

Plataforma (software)

Interno o transferencia

Desarrollador Comentarios

Arc Digitized Raster Graphics (ADRG)

Sistema de mapeo militar

Ambos US Defense Mapping Agency

Band Interleaved by Line (BIL)

Muchas Ambos Estándar común e n teledetección

Band Interleaved by Pixel (BIP)


Band Sequential (BSQ)


Digital Elevation Model for (DEM)

Muchas Transferencia United States Geological Survey (USGS)

Formato estándar de el USGS para modelos de elevación digital

PC Paintbrush Exchange (PCX)

PC Paintbrush Ambos Zsoft Utilizado como formato raster

Spatial Data Transfer Standard (SDTS)

Muchas (en el futuro)

Transferencia US Federal Government

Nuevo estándar del gobierno de EEUU para format vectorial y raster

Tagged Image File Format (TIFF)

PageMaker Ambos Aldus Utilizado ampliamente como formato raster


Estructura de datos Vectorial

Todos los modelos de bases de datos espaciales son soluciones para almacenar la localización espacial de elementos geográficos en una base de datos. El almacenamiento vectorial implica el uso de vectores (líneas direccionales) para representar un elemento geográfico. Los datos vectoriales se caracterizan por el uso de puntos secuenciales o vértices para definir un segmento lineal. Cada vértice consiste de una coordenada X y una coordenada Y.

Las líneas vectoriales se conocen a menudo como arcos y consisten de cadenas de vértices terminados por un nodo. Un nodo está definido como un vértice que inicia o finaliza un segmento de arco. Los elementos puntuales se definen por un par de coordenadas, un vértice. Los elementos poligonales se definen por un grupo cerrado de coordenadas. En la representación vectorial, el almacenamiento de los vértices para cada elemento es importante, así como la conectividad entre los elementos (ej: los vértices comunes o compartidos en donde dos elementos se conectan).

Figura 61. Estructura de datos vectorial

El método más popular de retener las relaciones espaciales entre los elementos es registrar explícitamente la información de adyacencia que es conocida como el modelo de topológico de datos. La topología es un concepto matemático tiene su base en los principios de adyacencia y conectividad de los elementos espaciales.




Existen diferentes modelos de datos vectoriales, sin embargo solamente se utilizan dos como alternativa de almacenamiento en un SIG.

La estructura de datos topológica a menudo se conoce como una estructura de datos inteligente ya que las relaciones espaciales entre los elementos geográficos se derivan fácilmente cuando se utilizan estos elementos. Es por esta razón que el modelo topológico domina las estructuras utilizadas en la tecnología de los SIG. La mayoría de los análisis de datos complejos no se pueden realizar si los datos no tienen una estructura topológica vectorial.

La segunda estructura de datos es la estructura de datos de dibujo auxiliado por computadora (CAD). Esta estructura consiste en listar los rasgos, no los elementos definidos por cadenas de vértices, para definir los elementos geográficos , por ejemplo, los puntos, líneas y áreas. Existe una considerable redundancia en este modelo ya que los segmentos que sirven de límite entre dos polígonos se guardan dos veces, uno por cada elemento. La estructura CAD emergió del desarrollo de programas de dibujo gráfico computarizado sin consideraciones específicas para el proceso de elementos geográficos. De esta manera, ya que los elementos como polígonos son autónomos e independientes, interrogantes acerca de la adyacencia de los elementos podrían ser difíciles de contestar. El modelo vectorial CAD carece de la definición de relaciones espaciales entre los elementos que tiene el modelo de datos topológico.

• Datos Punto: Los puntos (sin dimensión, un objeto que tiene posición en el espacio pero no longitud) son el más simple de los datos espaciales.

• Datos Líneas: Las entidades líneas (unidimensionales, objeto teniendo una longitud) son rasgos lineales construidos de segmentos de líneas continuas.

• Datos de Área o Polígono: Los polígonos (bidimensional, un objeto que tiene longitud y ancho), constituye el tipo de datos más común usado en SIG, son regiones limitadas, los límites pueden ser definidos por fenómenos naturales como formas naturales de la tierra, o por fenómenos hechos por el hombre como bosques.

• Superficies continuas: De tres dimensiones, objetos que tienen longitud, ancho y altura; ejemplos de superficies continuas son la elevación (como parte de datos topográficos), temperatura, densidad de población, etc. (figura 62)


Figura 62. Representación de los elementos geográficos en la estructura de datos vectorial.

Muchas aplicaciones en SIG están basadas en tecnología vectorial, por lo que este formato es el más comúnmente utilizado. Este formato es también el más complejo ya que hay muchas maneras de guardar coordenadas, atributos, vínculos de los atributos, estructura de base de datos e información de despliegue. Algunos de los formatos más comunes son brevemente descritos abajo y resumidos en la tabla 4.




Arc Export. Arc Export es un formato de transferencia, ya sea en format ASCII o binario comprimido que se utilize para transferor archives entre las diferentes versiones de ArcView, ArcGIS y ARC/INFO. En algunos casos solamente trabaja con los productos de ESRI.

Coberturas de ARC/INFO (Coverages). Una “cobertura” de ARC/INFO es grupo de archives binaries utilizados por ArcGIS y ARC/INFO. Este formato es propietario y puede que no pueda ser usado por otros programas.

Archivos de Dibujo de AutoCAD (DWG). DWG es un formato interno propietario utilizado por el programa AutoCAD. No importando su naturaleza de propietario, AutoCAD puede convertir cualquier archivo DWG a DXF sin pérdida de la información gráfica. Como con los archivos DXF, existen muchas maneras de guardar los archivos de atributos en los archivos DWG. La ausencia de un estándar para guardar los vínculos de los atributos puede causar problemas cuando se transfieren datos entre sistemas.

Formato de Intercambio de Autodesk (DXF). Es probablemente uno de los formatos de transferencia de vector más utilizados ya que ofrece muy buenas ventajas, entre ellas que contiene información de despliegue completa y que puede ser leído por muchos programas gráficos. Sin embargo, también tiene diferentes formas de guardar la información de los atributos en DXF y de unir los vínculos de las entidades a atributos externos. Ya que no hay estándares en cuanto a los atributos, muchos programas que tienen capacidad de importar este formato, no tienen capacidad para importar los archivos de atributos de manera apropiada.

Digital Line Graphs (DLG). DLG, es un formato utilizado por el US Geological Survey (USGS), y contiene información vectorial que se muestra generalmente en mapas impresos.

Hewlett-Packard Graphic Language (HPGL). HPGL es un lenguaje que controla los ploteadores. Contiene información de despliegue pero no coordenadas geográficas o archives de atributos, por lo que no es apropiado para el almacenamiento o la transferencia de datos de SIG.

Archivos de transferencia de MapInfo (MIF/MID). Los archivos MIF/MID son un estándar de transferencia utilizado por MapInfo, un sistema de mapeo de escritorio. Este formato lleva los tres tipos de información en SIG: geográfica, de atributos y despliegue. Los vínculos de los atributos están implícitos en el format del archivo.



Archivos de MapInfo. MapInfo tiene su propio format binario interno, conocido como un archivo de mapa. Este formato no está documentado y es propio del programa, por lo que no puede ser utilizado fuera de ese sistema.

Archivos de Diseño de MicroStation (DGN). DGN es un formato interno utilizado por Bentley Systems Inc. MicroStation, que es un programa tipo CAD. Está bien docuementado y estandarizado, por lo que puede ser utilizado como un formato de transferencia estándar. Los archivos DGN contienen información detallada de despliegue. La manera más común de almacenar atributos es ponerlos en un archivo externo y registrar los vínculos en el campo MSLINK que es un ítem que lleva cada elemento en el archivo DGN.

Tabla 4. Datos vectoriales comúnmente utilizados

Nombre del formato

Plataforma (Software)

Interno o Transferencia

Desarrollador Comentarios

Arc Export

ARC/INFO* Transferencia Environmental Systems Research Institute, Inc. (ESRI)

Transfiere datos entre productos de ESRI, pricipalmente ARC/INFO.

ARC/INFO* Coverages

ARC/INFO* Interno ESRI

AutoCAD Drawing Files (DWG)

AutoCAD* Interno Autodesk

Autodesk Data Interchange File (DXF)

Muchas Transferencia Autodesk Utilizado como estándar para transferencia de gráficos.

Digital Line graphs (DLG)

Muchas Transferencia United States Geological Survey (USGS)

Utilizado para publicar mapas digitales del USGS.

Hewlett-Packard Graphic Language (HPGL)

Muchas Interno Hewlett-Packard Utilizado para controlar ploteadores HP

MapInfo Data Transfer Files (MIF/MID)

MapInfo* Transferencia MapInfo Corp.

MapInfo Map Files MapInfo* Interno MapInfo Corp. MicroStation Design Files (DGN)

MicroStation* Interno Bentley Systems, Inc.

Spatial Data Transfer System (SDTS)

Muchas (a futuro) Transferencia US Government Nuevo estándar en US para datos vectoriales y raster.

Topologically Integrated Geographic

Muchas Transferencia US Census Bureau Utilizado para publicar datos de los censos de US.



Encoding and Referencing (TIGER) Vector Product Format (VPF)

Military mapping systems

Ambos US Defense Mapping Agency

Utilizado para publicar el Data Chart of the World.

Estructura de datos Híbrida

Ya que los datos vectoriales y de raster tienen ventajas y desventajas, una solución híbrida capitaliza lo mejor de ambos mundos. La sobreposición de datos en formato vectorial con una imagen geo-referenciada de fondo provee una herramienta de despliegue gráfico muy poderosa. La solución combinada puede mostrar elementos de mapas vectoriales y sus atributos y una copia exacta del material del cuál fue escaneado que bien podría ser un mapa topográfico o una fotografía aérea. Si se necesita, predios individuales, orillas de caminos, bloque de una ciudad o mapas enteros, pueden ser vectorizados a partir de imágenes escaneadas. Este proceso se llama conversión incremental. Esto permite convertir datos escaneados en formato raster a datos vectoriales conforme se necesite. Existen una gran cantidad de rutinas de conversión de raster a vector en el mercado, pero es importante que la conversión se lleve a cabo en el mismo sistema de coordenadas del mapa y en el mismo formato de datos que ya existe en su base de datos. La ventaja clave del modelo híbrido es que aún después de vectorizar completamente, las imágenes escaneadas continúan proveyendo una alta calidad de imagen gráfica como fondo para sus datos vectoriales.


Figura 63. Sobreposición del formato vectorial sobre una imágen geo-referenciada.

Entrada de datos

Recolección de datos para los SIG

Un objeto en SIG puede ser descrito por:

• Tipo • Geometría • Atributos • Relaciones • Calidad

Los dos tipos básicos de datos son:

• Datos geométricos (datos vectoriales, datos raster, topología) • Datos de atributos (datos cualitativos, datos cuantitativos)

En principio, los datos que se utilizan en los SIG pueden ser:




• En varios formatos digitales – vector, raster, distintas bases de datos, tablas de hojas electrónicas, datos de satélite, etc.

• Gráficos no digitales – mapas convencionales, fotografías, bosquejos, diagramas esquemáticos, etc.

• Documentos convencionales en registros y archivos • Compilaciones en reportes científicos • Colección de medidas de levantamientos topográficos expresados en

coordenadas u otras unidades. Los métodos de adquisción de datos se clasifican en:

• Métodos primarios (adquisición de datos desde el objeto mismo) • Métodos secundarios (adquisición de datos de fuentes análogas o digitales)

Los métodos primarios de adquisición de datos son generalmente más precisos y mas actualizados que los métodos secundarios, pero generalmente son más caros que los métodos secundarios. Los métodos secundarios son generalmente menos precisos y menos actualizados pero tienden a ser más baratos.

Los métodos primarios de adquisición de datos son los siguientes:

• Levantamientos topográficos • Levantamientos con GPS (Sistemas de posicionamiento global) • Fotogrametría • Sensoramiento remoto o Teledetección (parcialmente)

Los métodos secundarios de adquisición de datos geométricos son los siguientes:

• Digitalización manual de mapas • Escaneo de mapas análogos • Utilización de bases de datos existentes

Los métodos primarios de adquisición de datos de atributos son:

• Mediciones de varios tipos (ej: geofísicas) • La teledetección • Entrevistas, etc.

Los métodos secundarios de adquisición de datos de atributos son:

• Documentos convencionales (registros y archivos)


• Reportes científicos • Adquisición de datos de bases de datos digitales existentes2. Modes of Data

Input

Métodos de entrada de datos

Levantamientos topográficos

Estos métodos son realizados generalmente con fines catastrales, de administración de servicios (FM) y mapeo automatizado (AM) y con fines topográficos (mapas base). Las aplicaciones de levantamiento topográfico necesitan un sistema de georrefereciación (red de control geodésico). Los resultados del método son datos vectoriales en 2D y 3D, con precisiones que van de los milímetros hasta los centímetros.

El método más importante de levantamiento topográfico es el taquimétrico. En este caso los ángulos medidos (derroteros, azimuts o rumbos) y la distancia entre puntos conocidos se utiliza para ubicar la posición de otros puntos. El instrumento taquimétrico más utilizado actualmente es la estación total (figura 64). Este tipo de instrumento puede guardar y procesar medidas digitales ya sea en el campo o a través de una interface computarizada. Utilizando la estación total, también puede determinarse la elevación de los puntos. La rapidez con que puedan hacerse las mediciones depende de las variaciones topográficas (terreno plano o quebrado), accesibilidad y el grado de precisión requerido (en promedio de 1000 a 1500 puntos por día).

Figura 64. Estación Total



Medidas basadas en mediciones satelitales

En los últimos 40 años se han implementado algunos nuevos métodos de posicionamiento basados en mediciones satelitales. Uno de los métodos clásicos era el método Doppler. En las últimas dos décadas se han desarrollado varios métodos de navegación. El más importante es el Sistema de Posicionamiento Global (GPS) desarrollado por el Departamento de Defensa de los EEUU. Los GPS son útiles para la navegación y localización de nuevas estaciones de control geodésicas. El ejército ruso desarrolló de igual manera el sistema GLONASS. La Comunidad Europea está implementando su propio sistema llamado GALILEO.

Los GPS están basados en una constelación de 27 satélites (24 operacionales y 3 de repuesto) que orbitan la tierra a 20200 km de altitud (figura 65)

Figure 65. Orbita de los satellites del GPS

La posición de un punto sobre la superficie de la tierra se determina utilizando un instrumento portátil, el cual se necesita para medir la distancia a los satélites. Cuando se desea determinar la posición, el aparato que se utiliza para ello localiza



automáticamente como mínimo cuatro satélites de la red, de los que recibe unas señales indicando la posición y el reloj de cada uno de ellos. Con base en estas señales, el aparato sincroniza el reloj del GPS y calcula el retraso de las señales, es decir, la distancia al satélite. Por "triangulación" calcula la posición en que éste se encuentra. La triangulación en el caso del GPS, a diferencia del caso 2-D que consiste en averiguar el ángulo respecto de puntos conocidos, se basa en determinar la distancia de cada satélite respecto al punto de medición. Conocidas las distancias, se determina fácilmente la propia posición relativa respecto a los tres satélites. Conociendo además las coordenadas o posición de cada uno de ellos por la señal que emiten, se obtiene la posición absoluta o coordenadas reales del punto de medición. También se consigue una exactitud extrema en el reloj del GPS, similar a la de los relojes atómicos que llevan a bordo cada uno de los satélites.

Figura 66. Posicionamiento utilizando 4 satélites


http://es.wikipedia.org/wiki/Triangulaci%C3%B3n


Los GPS tienen dos códigos de precisión. El más preciso, el código P, está reservado para uso militar (precisión de ~18 m horizontales y ~ 28 m verticales). El código C/A está disponible para todos los usuarios (precisión de ~50 m horizontales y ~ 80 m verticales).

La precisión se puede incrementar utilizando los datos provenientes de dos receptores, asumiendo que la posición de un punto es conocida de manera precisa. El nombre de este método es posicionamiento diferencial o corrección diferencial (figura 67) o DGPS. La precisión del posicionamiento diferencial depende del método de medición y de los instrumentos, pero puede ir desde 1 cm hasta los 10-20 m.

Posicionamiento diferencial

Corrección

BASE: POSICION CONOCIDA

REMOTO: POSICION CORREGIDA

Figura 67. Método de Corrección Diferencial (DGPS)



En la última década fueron instalados receptors de referencia para DGPS, que están trabajando continuamente. Esta clase especial de DGPS se denomina WAAS (Wide Area Augmentation System) (Figura 68).


Integridad + Correcciones Estaciones

Referencia

Estación Transmisora

Estación Maestra

Figura 68. Sistema WAAS

Los GPS son útiles para:

• Localizar nuevas estaciones de control • Medir elementos del terreno que son difíciles de medir por medios

convencionales • Actualizar datos de caminos con el receptor montado en un vehículo

terrestre • Navegación marina • Navegación en carro, incluyendo Sistemas de Transporte Inteligente • Navegación aérea



Fotogrametría

La fotogrametría es un método indirect de medición ya que no toma medidas directamente de los objetos mismos sino a través de imágenes fotográficas de los objetos.

Los resultados de este método pueden ser los siguientes:

• Datos vectoriales en 2D o 3D • Datos raster (ortofotos)

La fotogrametría es un método que resulta relativamente barato cuando se requiere obtener gran cantidad de información en un corto período de tiempo. La precisión de los datos esta en el orden de los cm.

Las fotografías utilizadas en la fotogrametría son en su mayoría fotografías aéreas:

• Fotografías en blanco y negro o pancromáticas (longitudes de onda de 0.4 a 0.7 µm.

• Fotografía a color: 0.4-0.5 µm – Azul

0.5-0.6 µm – Verde

0.6-0.7 µm – Rojo

• Fotografía infrarroja: 0.7-1.1 µm

En los últimos años, además de las fotografías se han desarrollado otro tipo de sensores con propósitos fotogramétricos (Cámaras digitales o CCD y de video). Las plataformas de los sensores fotogramétricos son en su mayoría aeroplanos, pero es posible usar los helicópteros y carros también. Las fotografías se hacen con un tipo especial de cámaras. Con propósitos de mapeo y para producción de vectores en 3D se necesita que las fotos tengan un traslape. En el caso que toda el área se cubra con fotografías aéreas, generalmente el traslape a lo largo de la línea de vuelo es de 60% y de 20% entre líneas de vuelo (figura 69).



Figura 69. Traslape a largo y entro líneas de vuelo

Los datos vectoriales y raster se producen a través de varios instrumentos y métodos. Los métodos de medición vectorial son los siguientes:


• Estereoscopía análoga (1900-) o Imágenes análogas o Instrumentos análogos (figura 70)

• Estereoscopía analítica (1970-) o Imágenes análogas o Estereoscopios analíticos (figura 71)

• Estereoscopía digital o Imágenes digitales o Restitución monoplot o Restitución estéreo (biplot) (figura 72)

Figura 70. Restituidor análogo



Figura 71. Restituidor analítico

Figura 72. Restituidor digital

Los datos raster son producidos por distintas clases de estaciones digitales fotogramétricas (EDF). Estas estaciones se clasifican en:




• EDF estéreo. Estos sistemas se utilizan para la restitución estéreo interactiva. Los sistemas más sofisticados permiten la generación del rango completo de productos fotogramétricos (aerotriangulación, ploteo estéreo, MDT, ortoimágenes). Los sistemas menos sofisticados son menos costosos pero tienen funciones limitadas.

• EDF Monoplot. Estos sistemas están basados en procesos monoplot, principalmente para el caso de ortoimágenes.

• EDF MDT. Extraen modelos digitales de terreno de imágenes estereoscópicas.

• EDF Ortoimágen. Estos sistemas generan ortofotos.

Estos sistemas permiten a través de su equipo la conexión directa con Sistemas de Información Geográfica.

La precisión de la fotogrametría depende de la escala de las imágenes, y por lo tanto depende de la elevación del aeroplano. La determinación de los datos vectoriales en las imágenes es posible con 3-20 µm de precisión. La precisión de los datos vectoriales puede ser calculada a partir de la multiplicación por la escala de la imagen. Por ejemplo, para escalas de 1:10000 la precisión en el campo es de 3-20 cm.

La fotogrametría se ha convertido en una de las principales formas de incorporar información geográfica a un SIG, debido al buen compromiso que mantiene entre coste económico, velocidad de ejecución y precisión.

Consiste en la utilización de fotogramas aéreos de eje vertical tomados desde un avión sobrevolando la zona de estudio. Posteriormente, y tras diversos trabajos topográficos de campo se utilizan para trazar mapas.

La secuencia-tipo del trabajo en fotogrametría se podría resumir en tres etapas:

Realización del vuelo fotogramétrico. Apoyo topográfico del vuelo y Aerotriangulación.

Restitución.


Realización del vuelo fotogramétrico

Consiste en sobrevolar el territorio con un avión y tomar fotografías de eje vertical recubriendo el territorio con fotogramas que se traslapen tanto longitudinal como transversalmente.

Como normal general, estos traslapes como se apuntó anteriormente, suelen ser del 60% en el eje longitudinal y del 20% en el eje transversal, aunque dependiendo de la utilidad del vuelo estos porcentajes pueden variar notablemente (figura 69). La razón de por qué es estrictamente necesario tener zonas de recubrimiento comunes en las fotografías la analizaremos con posterioridad.

Las fotografías resultantes deben tener una desviación en su centro muy reducida con respecto a la vertical del avión para que puedan ser útiles.

Por otro lado, las cámaras que se utilizan para este tipo de trabajos, denominadas cámaras métricas, son unas cámaras especiales de funcionamiento similar a las convencionales pero con una calibración muy exacta de sus parámetros ópticos, de los cuales el más importante es la distancia focal, definida como la distancia desde el centro del objetivo hasta el plano focal donde se ubica la película.

Las fotografías aéreas resultantes de un vuelo fotogramétrico no tienen una escala exacta, al ser el resultado de una perspectiva cónica y por el efecto ondulante del terreno. Así, cada punto dentro de una foto tiene su propia escala, dependiendo del lugar con respecto al centro de la foto y de la altura del terreno. No obstante, sí puede hablarse de una escala media de los fotogramas, que aunque no exacta es aproximada. Esta escala media mantiene una estrecha relación con los conceptos distancia focal y altura media del vuelo, de la forma:

Donde: f = Distancia focal. H = Altura media del vuelo. E = Denominador de escala.

Esta expresión básica en fotogrametría es fundamental a la hora de planear un vuelo. Dependiendo de la distancia focal de la cámara que vayamos a utilizar y de




la escala media de los fotogramas que queramos obtener, deberemos ordenar volar a una altura u otra.

A la vez, la escala media de los fotogramas está ligada a la utilidad que queramos dar al vuelo; generalmente la finalidad del vuelo es formar cartografía a partir de restitución fotogramétrica, en cuyo caso hay que tener en cuenta la escala de la cartografía que pretendemos. Aunque no hay una fórmula fija que relacione la escala media de las fotos con la escala de la cartografía a restituir, se puede decir que normalmente esta es ¼ de la escala media de los fotogramas, pero no tiene por qué serlo así necesariamente. Por poner un ejemplo, para formar cartografía a escala 1/5.000 se puede encargar el vuelo a escala media 1/20.000, pero también es factible realizarse con un vuelo a escala media 1/15.000. Si queremos reducir costes, será más ventajoso realizar el vuelo más alto (menor escala aproximada, en este caso 1/20.000) porque cubriremos el territorio con menos fotogramas y serán necesarios menos trabajos de apoyo; Pero si pretendemos utilizar el vuelo resultante para tareas de fotointerpretación (reconocimiento de fotografías), como suele ser el caso en temas de medio ambiente muy frecuentemente por ejemplo, quizá nos sea más ventajoso realizar un único vuelo a escala media 1/15.000 que nos sirva para ello además de para realizar la restitución.

Los fotogramas resultantes de un vuelo fotogramétrico deben contener además de la información gráfica del territorio de análisis, la siguiente información:

• Organismo contratante del vuelo. • Empresa que realiza el vuelo. • Zona del vuelo. • Fecha. • Hora. • Escala aproximada de los fotogramas. • Número de pasada. • Número de foto. • Información sobre la cámara métrica (distancia focal, modelo). • Marcas fiduciales (marcas ubicadas en las esquinas de la foto que son la

referencia para calcular el centro geométrico de la misma. Son un elemento imprescindible para la posterior restitución).

• Nivel para comprobar la verticalidad del fotograma. • Altímetro, con indicación de la altura aproximada sobre el nivel del mar.

Dado que las fotografías de un vuelo fotogramétrico se ordenan en pasadas y en números consecutivos dentro de cada pasada, estos dos datos son fundamentales de cara a encontrar fotos de una zona concreta. Para ello se utiliza el denominado


gráfico de vuelo, que no es otra cosa que un mapa que lleva grafica (llamado el mosaico fotogramétrico) da la distribución de las fotos con respecto al territorio.

Cuando nosotros vemos los objetos en relieve ello es debido a que tenemos dos ojos que nos proporcionan al mismo tiempo dos visuales del mismo objeto desde dos puntos de vista ligeramente distintos que se intersecan (figura 73). Estas dos imágenes son mezcladas en nuestro cerebro y como consecuencia podemos ver una tercera dimensión.

Figura 73. Principio de la estereoscopía natural

Este principio de estereoscopía natural sirve también a la cartografía para poder extraer la tercera dimensión a partir de imágenes bidimensionales. En realidad, lo que se hace en un vuelo fotogramétrico (figura 74) es sustituir nuestros ojos por la cámara métrica que va en el avión, y la distancia inter-pupilar por la distancia entre disparos consecutivos.



Figura 74. Vuelo fotogramétrico

Posteriormente, aparatos denominados estereoscopios (además de los restituidores de los que después hablaremos) nos permiten ver las imágenes en tres dimensiones. Para que se puedan reproducir la estereoscopía se deben dar dos condiciones esenciales, como son que cada ojo vea sólo la perspectiva que le corresponde y que las visuales tengan intersección entre sí. Con respecto a este último aspecto, esa intersección se produce cuando los fotogramas tienen zonas en común, por lo que ya sabemos por qué es tan necesario el recubrimiento estereoscópico.

No obstante, un solo fotograma también contiene cierta información tridimensional limitada, que podemos extraer utilizando el punto de fuga de las verticales de la perspectiva, el punto de fuga de las sombras y el ángulo de elevación del sol sobre el horizonte; a este procedimiento de explotar esta información tridimensional limitada con el uso de una sola foto se le conoce como explotación métrica de un fotograma aislado, siendo un procedimiento que se utiliza más en el ámbito de la fotointerpretación que en el de la cartografía propiamente dicha.

La incorporación de una segunda perspectiva de la misma zona incrementa notablemente la información tridimensional, con la incorporación del concepto de par estereoscópico (dos fotografías consecutivas).

Entre fotografías consecutivas que contienen objetos comunes se pueden medir paralajes, que se pueden definir como el desplazamiento aparente en la posición de un objeto fijo causado por el movimiento de la cámara métrica en el avión durante el vuelo (figura 75).



Figura 75. Paralaje entre un par estereoscópico de fotografías consecutivas

La evaluación de estos paralajes es la base de la fotogrametría de eje vertical. Veámos su fundamento geométrico:

Donde: A = Punto evaluado en el terreno. 01 = Disparo foto 1 02 = Disparo foto 2. a1 = Punto representado en la fotografía 1. a2 = Punto representado en la fotografía 2. ZA = Distancia vertical entre el punto evaluado del terreno y el plano del vuelo. B = Distancia recorrida por el avión entre dos disparos consecutivos. f = focal de la cámara métrica. PA = Paralaje del punto evaluado (a medir sobre la fotografía).



Los triángulos A 01 02 y 02 a1' a2 son semejantes, luego:

En consecuencia, si evaluamos paralajes de puntos con elevación desconocida junto con paralajes de puntos con elevación conocida seremos capaces de evaluar el desnivel existente.

Estos puntos conocidos se obtienen de los trabajos de apoyo en campo, que son la segunda etapa de la secuencia de trabajo.

Apoyo topográfico y aerotriangulación

Consiste en realizar un trabajo de campo en el que utilizando diversos métodos e instrumental topográfico se procede a identificar en términos de coordenadas X Y Z varios puntos sobre el terreno.

A los puntos identificados se les denomina puntos de apoyo (figura 76), que más tarde en la fase de restitución servirán de base para dotar de coordenadas al resto de elementos presentes en cada par estereoscópico.

Figura 76. Puntos de apoyo

A partir de la observación de puntos con coordenadas bien conocidas, como pueden ser las redes de vértices geodésicos, se aplican diversos métodos topográficos entre los que destacan:

a) Método de ajuste en bloque por modelos independientes

En la compensación en bloques por modelos independientes se somete cada modelo a una transformación espacial de semejanza. Los siete parámetros de transformación (3 giros alrededor de los ejes, 3 translaciones y un factor de escala)



se determinan en una compensación común, de manera que se enlacen perfectamente los modelos aislados, orientándose al mismo tiempo todo el conjunto con la mayor precisión posible respecto a los puntos de apoyo (figura 77).

Figura 77. Método de ajuste en bloque por modelos independientes

Además de tener todos los puntos de enlace y apoyo en un sistema de coordenadas propio para cada uno de los modelos, es necesario el disponer de las coordenadas de los centros de proyección, pues representan una considerable mejora en la geometría de la transformación. Estos centros de proyección serán deducidos en el cálculo de la orientación relativa de cada uno de los modelos. Al no ser directamente medidos, su tratamiento en las ecuaciones de error será diferente al de los puntos de apoyo y enlace.

Es de reseñar, que es el método más universalmente utilizado en aplicaciones cartográficas.

b) Método de ajuste de haces

Es el método matemático más riguroso en la triangulación aérea por bloques y está basado en el principio del haz. En donde, un punto objeto, su imagen y el centro de proyección forman un mismo rayo (figura 78).

De dicho principio se determina la correspondiente ecuación que sitúa a cada uno de los infinitos haces de rayos que forman una imagen en su correcta posición espacial.

Los parámetros de la orientación exterior y las incógnitas de las coordenadas terreno de los puntos medidos en las imágenes son determinados por ajuste simultáneo. Las funciones de correspondencia dependen de las condiciones



perspectivas entre la medida en la imagen y las incógnitas de las coordenadas del terreno.

Figura 78. Método de ajuste de haces

Las teóricas expectativas de precisión de la aerotriangulación de bloque, han sido esencialmente confirmadas en la práctica. Dada la absoluta rigurosidad del método, se ha visto la necesidad de utilización de diferentes parámetros que puedan detectar y eliminar errores sistemáticos en la imagen. Este método es conocido como técnica de la libre autocalibración.

Los resultados prácticos del método, fueron mostrados a nivel internacional a partir de la realización del test de Appenweier, consistente en un vuelo realizado en el año 1973 a iniciativa del Instituto Geográfico del estado de Baden-Wurtemberg (R.F.A.).

El objeto de este test fue mostrar la validez de la fotogrametría para la densificación de redes geodésicas de segundo y tercer orden. Los resultados han sido sobradamente divulgados a lo largo de la última década y constituyen la base para su aplicación en trabajos donde se exigen máximas precisiones.

El número de puntos de apoyo es variable en función del tipo y precisión del trabajo, así como del uso de técnicas de asistencia al apoyo con la aerotriangulación.

Restitución fotogramétrica

La restitución es la última etapa dentro de la secuencia de trabajo en fotogrametría. En ella se junta todo el trabajo anterior (vuelo y apoyo) para trazar los mapas propiamente dichos.

La restitución consiste en la formación de forma muy precisa de los pares estereoscópicos en un proceso que se denomina orientación de imágenes, y en la



extracción posterior de los elementos contenidos en ellas mediante unos aparatos llamados estereo-restituidores.

La tecnología de restitución ha evolucionado de los primeros restituidores analógicos a los analíticos y por fin a los de última generación digitales, que en realidad ya no son más que un ordenador con el software adecuado.

Mientras los analógicos y los analíticos se basaban en los negativos de las fotos para realizar el proceso de restitución, los digitales realizan una copia digital de las fotos (escaneado) que divide en millones de puntos (píxels) la foto (figura 79).

Figura 79. Restitución fotogramétrica digital

Esta tecnología fotogramétrica totalmente digital presenta dos incrementos de la efectividad muy importantes frente a la tecnología de restituidores analíticos:

• Por un lado, la extracción de la orografía y la formación de modelos digitales del terreno está altamente automatizada y se realiza de forma mucho más rápida.

• Por otro lado, la tecnología digital presenta grandes mejoras a la hora de formar ortofotos.

Al igual que en el caso de los últimos restituidores analíticos, los digitales obtienen la geometría de la restitución directamente en formato digital, con lo cual la incorporación a los Sistemas de Información Geográfica no precisa de ningún paso de digitalización adicional. Como ya se ha señalado anteriormente, la fotogrametría



es una de las principales formas de incorporar información a un Sistema de Información Geográfica.

No obstante, hay que tener en cuenta que se trata de una metodología sujeta a ciertas restricciones de precisión; así, para levantamientos de una gran precisión (normalmente en el ámbito de la ingeniería civil) la resolución que la fotogrametría proporciona -sobre todo en el eje Z- no es suficiente, debiendo en esos casos recurrir a otros métodos más precisos como la topografía clásica.

Percepción Remota o Teledetección

La teledetección o percepción remota es la adquisición de datos/información acerca de algunas propiedades de un objeto, superficie o material por medio de un instrumento alejado (no en contacto directo) de la superficie u objeto de interés. Generalmente el concepto se restringe a datos adquiridos mediante aparatos que miden radiación electromagnética, acústica o campos de fuerza. La percepción remota, en un sentido más restringido, involucra la detección y medición de energía electromagnética (comúnmente fotones) que emana de objetos distantes de manera tal que el usuario puede identificar y categorizar esos objetos en base a su clase, sustancia y distribución espacial. Esta definición más específica de percepción remota tiene asociados productos tales como imágenes, mapas o gráficos.

Figura 80. Componentes básicos de un sistema de percepción remota.

Los componentes básicos de un sistema de percepción remota incluyen un




módulo de adquisición de datos y uno de extracción de información a partir de esos datos (Figura 80). Si bien los límites entre cada grupo de actividades puede en ocasiones volverse borroso, en general los dos grupos de actividades se separan en el tiempo y el espacio y suelen tener distintos responsables. El componente de adquisición de datos involucra el diseño, construcción, calibración, evaluación y operación de sensores. Para extraer información, los datos generados por los satélites deben ser procesados e interpretados. En el primer módulo están involucradas en la enorme mayoría de los casos agencias espaciales nacionales y empresas y/o instituciones encargadas de los desarrollos tecnológicos. La universidad y otros componentes del sistema de ciencia y técnica también participan en esta etapa del proceso, tanto en el diseño de los sensores y plataformas o en la solución de problemas técnicos cómo en la identificación de las necesidades que el nuevo sensor debería satisfacer o en su evaluación. Está etapa del proceso de percepción remota está dominada por físicos e ingenieros.

La etapa de procesamiento de la información va desde la recepción de los datos registrados por el sensor hasta la transferencia de la información al usuario. Esta etapa involucra el trabajo de ingenieros en sistemas, de estadísticos, físicos y matemáticos para el desarrollo de herramientas que permitan corregir desde el punto de vista radiométrico y geométrico la información recibida por los satélites. También necesita del concurso de físicos de la atmósfera, expertos en ciencias de la Tierra y el Mar para entender las distorsiones que el paso de la radiación a través de la atmósfera introduce en la señal percibida por el satélite. Por último, geólogos, ecólogos, agrónomos, oceanógrafos trabajarán en la traducción de la información espectral en información relevantes para aplicaciones especificas.

Un sistema de percepción remota requiere también de datos de campo. Estos contribuirán a mejorar los modelos conceptuales o específicos que permitan interpretar los datos espectrales en términos de fenómenos biofísicos o geográficos. Los datos de campo jugarán un papel clave en la evaluación de los productos derivados del procesamiento de la información espectral.

Los sensores remotos incorporan, en general, la dimensión geográfica al análisis de los recursos naturales: datos o información localizada en el plano o el espacio, comúnmente mediante el uso de coordenadas cartesianas. Los datos corresponden a los valores medidos o registrados de un atributo por un sensor. Estos corresponden en general a una señal eléctrica. La información incluye una transformación e interpretación de los datos de manera tal que ahora es posible describir un aspecto de la naturaleza o aspecto de una superficie u objeto. El paso de datos a información requiere de modelos conceptuales acerca de los procesos a describir y de la relación entre la señal percibida y los procesos o estructuras a



describir. A partir de la información podemos aumentar la comprensión de las características y procesos que ocurren en un objeto o superficie. En tal caso se estará generando conocimiento.

Los datos aportados por sensores remotos montados en plataformas satelitales tienen ventajas particulares. Por un lado proveen una cobertura completa de la superficie a estudiar, disminuyendo la necesidad de interpolar o extrapolar datos. El uso de datos espectrales (y de modelos conceptuales para su interpretación) permite, por otra parte, la observación de distintas porciones de territorio usando el mismo protocolo de observación. Una ventaja adicional de los sistemas de percepción remota es la repetición periódica de las observaciones ya que la mayor parte de los sistemas disponibles vuelve a registrar información espectral de la misma porción de la Tierra a intervalos regulares. Todas estas características tornan a los sistemas de percepción remota como una alternativa muy eficiente en términos económicos y logísticos a la hora de relevar recursos naturales, identificar cambios en ellos.

Radiación electromagnética

Los sensores remotos percibirán entonces radiación electromagnética reflejada o emitida por la superficie. La radiación es un modo de propagación de la energía a través del vacío. En sentido estricto refiere a la energía transportada por ondas electromagnéticas y está compuesta por partículas energizadas llamadas cuantos. Cuando esos cuantos se corresponden a la porción visible del espectro electromagnético se denominan fotones. El grado de energía y frecuencia de los cuantos determina la longitud de onda y el color de la radiación. La radiación electromagnética percibida por los sensores que trataremos sería una corriente de paquetes de energía que se mueven en el campo en forma ondulatoria por un lado y en forma corpuscular por otro.

La energía electromagnética se mueve a la velocidad de la luz según un patrón ondulatorio sinusoidal y de esa manera transmite información desde el objeto de estudio al sensor. El punto de vista actual es aceptar el hecho de que la radiación posee una doble naturaleza que explica de forma diferente los fenómenos de su propagación (naturaleza ondulatoria) y de su interacción con la materia (naturaleza corpuscular). Esta dualidad onda/partícula, postulada inicialmente para la luz, se aplica en la actualidad de manera generalizada para todas las partículas materiales y constituye uno de los principios básicos de la mecánica cuántica.

El espectro electromagnético es el conjunto de ondas electromagnéticas o, de


manera más específica la radiación electromagnética que emite (espectro de emisión) o absorbe (espectro de absorción) una sustancia, objeto o superficie (Figura 81). Las distintas porciones del espectro electromagnético presentarán distinta longitud de onda y frecuencia. La longitud de onda indica la distancia entre dos “picos” o valles de la función sinusoidal y la frecuencia al número de ciclos en un dado intervalo de tiempo (Figura 82). La frecuencia de mide en hertz o hertzio. Un hertz corresponde a un ciclo por segundo. La frecuencia y la longitud de onda están inversamente relacionadas (Figura 82) y la constante de proporcionalidad es igual a la velocidad de la luz.


Figura 81. El espectro electromagnético

Una serie de leyes físicas nos ayudan a entender mejor la interacción de la radiación electromagnética (particularmente aquella proveniente de Sol) con la superficie terrestre. Para ello es necesario considerar el espectro de emisión de un cuerpo negro, o sea de un cuerpo que absorbe toda la energía que incide sobre él.


Ni el Sol ni la Tierra se comportan como cuerpos negros, sin embargo, conviene considerar primero el comportamiento de cuerpos “ideales”. La figura 83 presenta el espectro de emisión (o absorción) de cuerpos negros a distintas temperaturas. Un espectro de absorción/emisión grafica la intensidad de la radiación en función de longitud de onda asociada a esa radiación.


Figura 82. Longitud y frecuencia de onda

Figura 83. Espectro de emisión de cuerpos negros a diferentes temperaturas


El cálculo de las curvas representadas en la figura 83 fue uno de los mayores desafíos de la física. Max Planck logró resolverlo a principios del siglo XX y sus resultados de plasmaron en la ley que lleva su nombre. La Ley de Planck permite estimar la energía emitida por un cuerpo negro a una temperatura T en un dado rango de longitudes de onda (o de frecuencias). Como una función de la longitud de onda se expresa:

Donde I(λ, T) es la cantidad de energía por unidad de área, unidad de tiempo y unidad de ángulo sólido emitida en una dada longitud de onda λ (m) (J•s-1•m-2•sr-1•m-1), h es una constante que se conoce como constante de Planck (J . Hz-1), c es la velocidad de la luz, T la temperatura del cuerpo negro (ºK), e la base de logaritmos naturales y k es la constante de Boltzmann. Esta ley postula que la energía de quantum es inversamente proporcional a su longitud de onda.

Otra ley fundamental para entender el comportamiento espectral de un cuerpo negro fue postulada por Wilhelm Wien. La Ley del desplazamiento de Wiens postula que el espectro de emisión de un cuerpo varía con la temperatura. A mayor temperatura, menor la longitud de onda de la máxima emitancia:

Donde λ max es la longitud de onda que corresponde al pico de emisión en metros; T es la temperatura del cuerpo negro en en grados Kelvin y b es una constante de proporcionalidad conocida como Constante de Desplazamiento de Wiens (2.897 7685 × 10–3 m K).

De la ley de Planck y Wiens surge que el Sol con una temperatura superficial de aproximadamente 6000 K emite el casi toda la radiación emitida en longitudes de onda entre 0,15 y 4 µm. En el caso de la tierra con una temperatura superficial promedio de 15ºC (288 ºK) la mayor parte de la radiación es emitida entre 3 y 80 µm (Figura 84). Veremos más adelante la importancia de esta diferencia en teledetección.



Figura 84. Espectro de emisión del sol y la tierra.

La integral de la curva de emisión de un cuerpo negro viene dada por la Ley de Stefan-Boltzmann. Esta ley establece que la energía irradiada por una unidad de superficie y por unidad de tiempo por un cuerpo negro (J s-1 m-2) es directamente proporcional a su temperatura absoluta (expresada en º Kelvin) :

En donde є es la emisividad del cuerpo (para un cuerpo negro = 1) y σ una constante de proporcionalidad, también llamada de Stefan-Boltzmann. Esta formulación tiene una aplicación práctica inmediata: en la medida que conozcamos la radiación emitida por una superficie podemos, invirtiendo la fórmula, calcular su temperatura.

Interacciones de la radiación en la atmósfera

Para alcanzar la superficie terrestre la radiación proveniente del sol debe atravesar un medio heterogéneo y variable, la atmósfera. A través de ella la radiación sufrirá una serie de transformación que modificarán cuali y cuantitativamente la radiación que llega a la superficie. Más aún, para ser detectada por un sensor a bordo de una plataforma satelital la radiación debe atravesar nuevamente la atmósfera. Entender las posibles transformaciones que puede sufrir la radiación en su doble pasaje por la atmósfera es importante para




describir y entender las propiedades de la superficie a partir de información espectral.

La radiación en la atmósfera puede ser transmitida, absorbida, reflejada y dispersada (Figura 85). Los gases, el vapor de agua y los aerosoles serán responsables del tipo y magnitud de las interacciones entre la atmósfera y la radiación. Por un lado los componentes atmosféricos absorberán energía en determinadas longitudes de onda reduciendo entonces la cantidad transmitida. El ozono y el oxígeno molecular absorben en la porción de espectro correspondiente al ultravioleta. Estas moléculas también absorberán radiación en la porción del infrarrojo. El CO2 y vapor de agua son responsables de buena parte de la absorción de la energía incidente en la porción infrarroja cercana y media del espectro (Figura 86). Estos componentes absorben además en la porción térmica del infrarrojo. En este caso no se trata de energía proveniente del sol sino de radiación emitida por la superficie terrestre o por otros componentes atmosféricos. La atmósfera entonces será transparente a la radiación visible y a buena parte de la infrarroja cercana. Por otra parte será opaca (baja transmisión, alta absorción) a una franja importante de la radiación infrarroja térmica. En esta porción del espectro es posible identificar una banda o “ventana” atmosférica, centrada en 10 um, en la cual la atmósfera es transparente. La identificación de las porciones del espectro en donde la transmisibilidad de la atmósfera es alta es de crítica importancia en el diseño de sistemas de observación terrestre ya que los sensores deben diseñarse de manera de que perciban radiación en esas longitudes de onda. La figura 87 ejemplifica la ubicación de las bandas en las que registra radiación el sensor MODIS respecto del espectro de emisión del sol medido al tope de la atmósfera y sobre el nivel del mar.


Figura 85. Procesos de transmisión, dispersión, absorción y reflexión en la atmósfera



Figura 86. Transmitancia de la atmósfera a distintas longitudes de onda



Figura 87. Irradiancia solar al tope de la atmósfera y a nivel del mar y ubicación de las bandas del sensor MODIS

La situación es diferente para satélites de observación atmosférica. En estos casos las bandas se ubican en aquellas porciones del espectro de mayor absorción por parte de aquellos componentes de la atmósfera que se busca estudiar. Por ejemplo algunos satélites meteorológicos incluyen bandas en la región de máxima absorción del vapor de agua de manera de poder cuantificar su contenido en la atmósfera. La figura 88 muestra una imagen del satélite meteorológico Meteosat que indica en niveles de gris el contenido de vapor de agua de la atmósfera. El “Total Ozone Mapping Spectrometer” (TOMS) es un sensor diseñado para medir niveles de ozono a partir de la observación de la reflectancia en la región del ultravioleta del espectro, en donde esta molécula tiene alta absorción (Figura 89).



Figura 88. Imagen del satélite Meteosat.



Figura 89. Imagen del Mapeador Espectrométrico del Ozono Total (TOMS)

La dispersión de la radiación en la atmósfera tiene lugar cuando partículas en suspensión, aerosoles o moléculas gaseosas desvían o re-direccionan la radiación. La dispersión genera la radiación difusa y que, en el caso de un día completamente nublado, puede representar el 100% de la radiación que llega a la superficie. La magnitud de la dispersión dependerá de varios factores: la longitud de onda de la radiación, el tamaño de las partículas o moléculas atmosféricas y la distancia recorrida por la radiación en la atmósfera. La dispersión puede ser de varios tipos de acuerdo a la longitud de onda de la radiación y al tamaño del agente dispersor. La dispersión Rayleigh predomina cuando la radiación interactúa con partículas de tamaño pequeño, menor a su longitud de onda (moléculas de O2 o NO2, por ejemplo). La magnitud de la dispersión en este caso es inversamente proporcional a la longitud de onda. Así la radiación azul sufrirá una mayor dispersión (sufrirá mayores cambios en el ángulo de su trayectoria) que la roja (Figura 90). Esta dispersión es entonces responsable de la coloración azul del cielo. Cuando la distancia que debe atravesar una onda electromagnética en la atmósfera aumenta (por ejemplo al amanecer o al atardecer) crece la probabilidad de sufrir dispersión. Debido a esto en esos momentos del día el cielo



adquiere una coloración rojiza.

Figura 90. Dispersión de Rayleigh

La dispersión Mie incluye la reflexión y refracción que generan constituyentes atmosféricos cuyas dimensiones son mayores a la longitudes de onda de la radiación. En general se trata de aerosoles, o sea una mezcla de vapor de agua, gases y partículas sólidas. Una gota de agua o partículas grandes de polvo generan la denominada dispersión no selectiva. Esta dispersión es la producida por las nubes. Dado que la dispersión de este tipo es independiente de la longitud de onda (afecta a todas por igual) las nubes se verán blancas o grises. La dispersión puede representar una fracción muy importante de la radiación percibida por un sensor y su magnitud afectará la interpretación que realizamos del comportamiento espectral de la superficie. Debido a su importancia se han desarrollado diversos algoritmos que buscan corregir la distorsión que introduce la dispersión atmosférica en la señal generada en la superficie.

Interacciones de la radiación con la superficie

Al incidir sobre una superficie una onda electromagnética (o un flujo de fotones) experimentará tres posibles reacciones: transmisión, absorción o reflexión. La suma de la radiación reflejada, transmitida y absorbida será igual a la incidente. Una vez absorbida la energía contribuirá a aumentar la temperatura de esa superficie u objeto. La superficie emitirá a su vez radiación (a una longitud de onda menor, ver más arriba) de manera proporcional a su temperatura. Cuando las cantidades de radiación reflejadas (radiancia expresada en W/m2), transmitidas o absorbidas se refieren a la radiación incidente (irradiancia, W/m2) obtenemos tres proporciones cuya suma es igual a 1 y que denominamos reflectancia, transmitancia y absorbancia respectivamente. En percepción remota estamos especialmente interesados en derivar propiedades de la superficie o el objeto a partir de su reflectancia. Esta nos dará elementos para evaluar como interactúa la radiación incidente con la superficie.

Una superficie puede reflejar de distinto modo la radiación incidente. Considerando los extremos de comportamiento reflectivo nos encontramos con



superficie en donde la reflexión es especular y otras en donde la reflexión es difusa (Figura 91).

Figura 91. Reflexión especular y reflexión difusa.

En el primer caso la radiación es reflejada en una única dirección y formando un ángulo con la vertical igual al ángulo de la radiación incidente. Esta reflexión ocurrirá en el caso de superficies “lisas”, como el agua por ejemplo. La reflexión difusa tiene lugar en todas direcciones y es generada por superficies “rugosas”, como un parche de vegetación natural. La “rugosidad” de una superficie es un concepto relativo y puede cuantificarse a partir de la relación entre la altura promedio de las irregularidades de la superficie y la longitud de onda de la radiación. Así una dada superficie se percibirá como rugosa cuando la longitud de onda de la radiación reflejada es corta (por ej. radiación visible) y lisa cuando



esta sea larga (por ej. microondas). Esta relación también variará con el ángulo de incidencia de la radiación. Cuando el ángulo de incidencia respecto a la normal (perpendicular) a la superficie sea grande (por ej. de mañana temprano) la superficie se comportará como rugosa mientras que el ángulo sea pequeño (al mediodía) lo hará como lisa.

Excepto en el caso agua calma la mayor parte de las superficies naturales producen una reflexión difusa de la radiación incidente. Cuando la superficie se comporta como un difusor perfecto, o sea la radiación es reflejada en todas las direcciones y en igual magnitud, denominamos a esa superficie como lambertiana. En estos casos la cantidad de energía reflejada por la superficie que puede percibirse desde cualquier posición de una semiesfera con centro en el

Figura 92. Pluma de reflexión y anisotr

punto de incidencia de la radiación será igual (Figura 92).

opía

El concepto de r ión frecuente en percepción remota cuando el ángulo de observación difiere del ángulo de

eflectancia bidireccional describe una situac


incidencia de los rayos sobre una superficie que se comporta como un difusor imperfecto o sea con un componente de difusión especular (no lambertiano). Considerando un observador (sensor) ubicado directamente sobre el punto en cuestión (nadir) y la reflectancia percibida cambiará con el ángulo de incidencia de la radiación debido al componente especular de la reflexión. Esto determinará la conformación de una “pluma” de reflexión o a la aparición de una anisotropía en el volumen definido por la reflexión de esa superficie (Figura 92). La percepción se modificará también cuando el ángulo de observación cambie y la



os más arriba la importancia de considerar el efecto de la atmósfera sobre la señal generada en la superficie. Cuando usamos la información de

difieren en su comportamiento espectral. Las diferencias dependerán de una cantidad de factores ligados por un lado a las

elo la energía reflejada variará en calidad respecto de la incidente (figura 93b). Por un lado el

observación sea oblicua (off-nadir). En condiciones de difusión imperfecta de la radiación incidente (superficies no- lambertianas) la geometría del sistema (relación entre los ángulos cenitales y azimutales de observación e incidencia) tiene un gran impacto sobre cantidad de radiación reflejada que es percibida por el sensor.

Señalábam

energía reflejada percibida por un sensor debemos considerar también cómo la geometría del sistema afecta esta señal. Esto es importante al comparar la señal proveniente de distintos sensores (cambia el ángulo de observación), particularmente si la observación ocurre en distinto momento del día o en distinta fecha (cambia el ángulo de incidencia de la radiación).

Reflectancia de distintas superficies

Los distintos tipos de superficie

características químicas, estructurales y funcionales de las superficies y por otro a factores asociados con la geometría del sistema de observación. La reflectancia de una superficie (o sea el cociente entre la radiancia, energía reflejada en W.m-2, y la irradiancia, energía incidente en W.m-2) tendrá un comportamiento diferencial de acuerdo a la longitud de onda que se trate. Consideremos tres categorías de superficie con las cuales la radiación proveniente del sol puede interactuar: el agua, el suelo desnudo (incluimos aquí cualquier sustrato lítico) y la vegetación. Obviemos por ahora las diferencias propias a cada una de estas superficies. Cuando sobre un cuerpo de agua incide igual cantidad de radiación azul, verde, roja e infrarroja observaremos que la reflectancia es pequeña en cualquiera de esas longitudes de onda pero que es mayor en para la radiación azul que para la verde. A su vez está última se reflejará más que la roja. La cantidad de radiación reflejada en el IR será mínima (Figura 93a). Este comportamiento está asociado a que buena parte de la radiación incidente en estas longitudes de onda es transmitida y absorbida por el cuerpo de agua. Dentro de este patrón general la reflectancia del agua se verá modificada por los sedimentos presentes, el contenido de clorofila y la profundidad y características del fondo.

Si la misma radiación que incidía sobre el agua lo hace sobre el su

suelo será, en general, más “brillante” que el agua, o sea reflejará más radiación en el visible. La reflectancia aumentará con la longitud de onda, desde el rojo al infrarrojo. La mineralogía ejerce un fuerte control del comportamiento reflectivo


de los suelos. Por ejemplo, los suelos lateríticos con alto contenido de óxido férrico tienen una mayor reflectancia en el rojo. La rugosidad de la superficie del suelo, el contenido de materia orgánica y de agua determinará también la reflectancia total del suelo, a mayor rugosidad, contenido de agua y/o materia orgánica más oscuro (menos reflectivo) el suelo.


Figura 93. Reflectancia de distintas superficies

La vegetación m Figura 93c). Por un lado muestra un pico de reflexión en la porción verde de espectro visible, por

a)

b)

c)

uestra un comportamiento reflectivo particular (

eso vemos de este color a la vegetación. La absorción será alta, y por lo tanto la reflectancia baja, en las longitudes de onda correspondientes al azul y el rojo. Esto se debe a que a esas longitudes de onda tiene su pico de absorción la clorofila. En la zona de transición entre el visible y el infrarrojo cercano se produce un cambio muy marcado en la reflectancia de la vegetación. En un rango pequeño de longitudes de onda (menos de 20 nm) la reflectancia puede aumentar más de 10 veces. Si bien la magnitud puede variar, el pico de reflectancia en el IR cercano es típico de la vegetación activa. Este comportamiento está asociado a la estructura de las hojas, particularmente a la del mesófilo. Este tejido incluye típicamente



ctros de reflectancia brindan la posibilidad de comparar y caracterizar el comportamiento de distintas superficies (Figura 94). En estos gráficos se

parénquima en empalizada en contacto con la epidermis y parénquima lacunoso en la porción central. En esta porción del mesófilo se genera una interfase sólido-aire-líquido que dispersa la radiación infrarroja cercana. Si bien las plantas poseen pigmentos que absorben en estas longitudes de onda (fitocromos), estos están involucrados en la detección de señales de baja intensidad y por lo tanto no absorben cantidades significativas de radiación en esta porción del espectro. Además de la cantidad y tipo de pigmentos y de la estructura foliar otros factores afectarán la cantidad de radiación reflejada. El estado hídrico de las plantas modificará la reflectancia en el IR medio. La presencia de una dimensión vertical en un canopeo hace que otros factores tengan influencia en la respecta espectral de la vegetación. La arquitectura del canopeo o copa (tipo, ángulo de inserción y disposición de las hojas) junto con el ángulo de elevación solar modificarán la distribución de la radiación en el canopeo y por lo tanto la cantidad de radiación reflejada. El material senescente muestra un comportamiento espectral distinto al de los tejidos verdes como resultado de la ausencia de clorofila y la modificación de la estructura foliar. El contraste entre la reflectancia en el rojo y el infrarrojo no es evidente en este caso. Algo similar ocurre con los tejidos leñosos. La presencia de material seco o muerto dentro del canopeo modificará su comportamiento ya que parte de la radiación será interceptada por un material con un comportamiento espectral diferente al de las hojas verdes. El material senescente tiene un comportamiento espectral que en el visible y el IR cercano similar al del suelo.

Los espe

representa la reflectancia (radiación reflejada/radiación incidente) en función de la longitud de onda. Cómo señalábamos antes cada superficie presentará una curva característica a partir de las cuales es posible identificar tipos individuales. De la observación de las curvas resulta evidente que no es posible separar simultáneamente las distintas superficies representadas usando sólo una banda particular del espectro. Si bien es posible separar el agua del suelo o la vegetación mediante una observación en el IR nos resulta imposible discriminar entre suelo y vegetación en cualquier porción del espectro visible o del IR cercano. La variación interna que muestran los suelos y la vegetación hace que en una banda del espectro ambas superficies puedan reflejar la misma cantidad de radiación. Esto dependerá como señalábamos de la cantidad de pigmentos y estructura de la hoja o del contenido hídrico y de materia orgánica del suelo. Sin embargo sí es posible la separación si se consideran simultáneamente más de una banda. Por ejemplo, para un mismo valor de reflectancia en el IR cercano una superficie vegetada reflejará mucho menos en el rojo que el suelo. El potencial de la percepción remota de la energía reflejada para discriminar superficies deriva en buena


medida del uso de varia bandas del espectro, llamamos a este análisis multiespectral. Las curvas particulares de reflectancia de la figura 94 reciben el nombre de “firmas espectrales” ya que pueden ser asociadas a superficies particulares.


Figura 94. Firmas espectrales para diferentes superficies.

Sensores y ca

el uso de instrumentos o sensores para capturar las relaciones espectrales entre los objetos y materiales observables a distancia,

ptura de imágenes

La percepción remota implica

generalmente por encima de ellos. Desde una perspectiva elevada, ya sea vertical u oblicua, nuestra impresión de la superficie debajo es notablemente diferente que la que observamos desde un punto en esa superficie. Veríamos entonces la gran cantidad de rasgos de la superficie de la tierra que aparecerían en un mapa temático de acuerdo a sus relaciones espaciales y contextuales. Esta es la razón por la cual la percepción remota se hace desde plataformas aerotransportadas o desde satélites con sensores a borde que examinan y analizan estos rasgos sobre áreas extensas sin la interferencia por el paisaje circundante. Es la manera más ordenada, efectiva y



El sensor de un satélite se puede caracterizar por los siguientes atributos:

• Cobertura espectral (localización de las bandas)

as)

l suelo)

Entre los principales sensores disponibles actualmente en el mercado se

a) LANDSAT: El satélite estadounidense Landsat 7 ETM es el 6º de

menos costosa de mantener y actualizar información acerca del mundo que nos rodea.

• Resolución espectral (ancho de las bandas) • Dimensionalidad espectral (número de band• Resolución radiométrica (cuantificación) • Resolución geométrica (tamaño de pixel a• Resolución temporal (período de revisita)

encuentran:

observación de la Tierra de la NASA de esta serie (el lanzamiento del Landsat 6 fracasó en 1993). Es el último de esta serie de satélites de observación de la Tierra que se inició en 1972. Por lo tanto, el sistema Landsat constituye la grabación continua más prolongada de la superficie de la Tierra (Tabla 5). Las tareas principales de todos los satélites Landsat son el control medioambiental, la evaluación de desastres, la explotación del suelo y la planificación regional, la cartografía, la administración de pastizales y la exploración petrolera y de minerales. El modo de funcionamiento ha mejorado de manera constante. Actualmente, el Landsat ETM cuenta con 8 canales, desde luz visible (canales 1, 2, 3) hasta infrarrojo cercano y medio (canales 4, 5, 7) y radiación térmica (canal 6). La resolución es de 15 metros en el canal pancromático (8) y de 30 metros en los canales de 1 a 5 y 7. El canal térmico 6 ofrece una resolución de 80 metros. El satélite Landsat 7 actúa en una órbita circular, heliosíncrona, cuasipolar



abla 5. Principales características de los sensores Landsat. T

Landsat 1-3 Escáner multiespectral

Landsat 4-5 Thematic Mapper (TM)

Landsat 7 Enhanced Thematic Mapper (ETM)

Funcionamiento 1972-1982 desde 1982 desde 1999

Altitud 915 km 705 km 705 km

Frecuencia temporal

18 días 16 días 16 días

Anchura de escaneado

185 km 185 km 185 km

Resolución espacial

79 × 79 m 30 × 30 m 30 × 30 m

Bandas espectrales

1 = 0,45 - 0,52 µm

1 = 0,45 - 0,52 µm AZUL

4 = 0,50 - 0,60 µm 2 = 0,52 - 0,60 µm

2 = 0,52 - 0,60 µm VERDE

5 = 0,60 - 0,70 µm 3 = 0,63 - 0,69 µm

3 = 0,63 - 0,69 µm ROJO

6 = 0,70 - 0,80 µm 4 = 0,76 - 0,90 µm

4 = 0,76 - 0,90 µm INFRARROJO CERCANO

7 = 0,80 - 1,10 µm

5 = 1,55 - 1,73 µm

5 = 1,55 - 1,73 µm INFRARROJO MEDIO

7 = 2,08 - 2,35 7 = 2,08 - 2,35 µm INFRARROJO


Landsat 7 Landsat 1-3 Landsat 4-5

Enhanced


Escáner Thematic Thematic

multiespectral Mapper (TM) Mapper (ETM)

µm MEDIO

6 = 10,4 - 12,5 8 = 10,4 - 12,5 µm 6 = 10,4 - 12,5 µm INFRARROJO

µm (120 ×

(237 × 237 m) 120 m)

(80 × 80 m) TÉRMICO

8 = 0,52 - 0,9 µm

PANCROMÁTICA (15 × 15 m)

Figura 95. Imagen en falso color de Landsat 7+TM (Costa Rica).



b) SP cluye el llamado satélite SPOT. Se lanzó el 21 de febrero de 1986. Puede realizar

Figura 96. Pares estereoscópicos de imágenes SPOT Como el SP frarrojo, es

ealmente adecuado para la cartografía de la vegetación de pequeñas áreas.

OT: El Systeme Probatoire d'Observation de la Terre francés in

detecciones en cuatro bandas espectrales (verde, rojo, infrarrojo cercano y pancromático) con una resolución de 2.5-20 metros (tablas 5 y 6). Además dispone de un escáner pancromático, con el que puede escanear dentro de una banda que incluya las gamas verde y roja de luz visible. La resolución espacial de este sensor es de 10 metros, la resolución mayor, durante muchos años, de un sensor no militar. El SPOT cuenta con una función especial que puede programarse para “mirar de lado” y escanear la misma franja dos veces en dos pases consecutivos. Los dos ángulos visualmente distintos de la misma área proporcionan un efecto estereoscópico gracias al cual se pueden registrar cartográficamente las condiciones de elevación (Figura 96)

OT cuenta con dos canales visuales y uno cercano a inid



abla 5. Modo espectral de los productos SPOT.

Tabla 6. Bandas espectrales y resoluciones de los productos SPOT

T


Figura 97. Imagen SPOT de Baja California (incendios forestales).

c) ASTER: El sensor ASTER (Advance Space-borne Termal Emision and Reflection Radiometer) (figura 98) fue desarrollado por el Japón y lanzado en 1999, con el fin de obtener datos geológicos detallados y estudiar los fenómenos que pudieran producir efectos o impactos ambientales a nivel local y regional. Su órbita es polar y heliosíncrona a 438 millas de altura con una resolución temporal de 16 días (período de revisita). El ASTER registra simultáneamente información de 14 bandas del espectro electromagnético distribuidas en tres subsistemas: Visible e infrarrojo cercano (VNIR), Infrarrojo medio o de onda corta (SWIR), e Infrarrojo termal (TIR) (Tabla 7).

Tabla 7. Bandas y resoluciones del sensor ASTER

Satélite Sensor Banda # Rango Espectral Tamaño de la Escena

Resolución en pixeles

ASTER VNIR 1-3 0.52 - 0.86 µm

120 X 150 km 15 metros

SWIR 4-9 1.600 - 2.430 µm 30 metrps TIR 10-14 8.125 - 11.65 µm 90 metros



Figura 98. Imagen ASTER de la frontera Mexico-EEUU.

d) IKONOS: El satélite IKONOS (Figura 99) puede distinguir objetos de menos de un metro cuadrado en el suelo, por lo que es capaz de distinguir entre un coche y un camión. Esta capacidad desde una altitud de órbita de 680 km representa un aumento considerable en resolución de imagen sobre otros sistemas de satélites de teledetección comerciales anteriores. Su módulo de telescopio óptico captura la imagen de una anchura de 11 a 13 km de la superficie de la Tierra y la refleja a los sensores de imagen digital. Las imágenes del IKONOS se encuentran entre las imágenes de satélite de mayor detalle disponibles para usos no militares. También dispone de un sensor multiespectral de 4 metros de resolución con 3 canales visibles y uno cercano a infrarrojo similar a los Landsat 4 y 5, gracias a los cuales se puede cartografiar el aprovechamiento del suelo (Tabla 8).



Tabla 8. Características de las bandas espectrales de IKONOS

Sensor Resolución espectral (µm)


(m)

Ancho de

escaneo (km)

Período de

revisitaAltura orbital Período de

operación

IKONOS

Pancromático: 0,45 - 0,90 1×1

13 ~3 días681 km,

cuasipolar, heliosíncrona

24/09/1999 – a la fecha

canal 1: 0,45 - 0,50

4×4

canal 2: 0,52 - 0,60 canal 3: 0,63 - 0,69 canal 4: 0,76 - 0,90

Figura 99. Imagen IKONOS de la Ceiba, Honduras.




e) Quickbird: El QuickBird (figura 100) se lanzó desde la Base de las Fuerza Aérea de Vandenberg, California, el 18 de octubre de 2001. El QuickBird es el satélite comercial de mayor resolución que hay en funcionamiento. El QuickBird orbita el planeta a una altitud de 600 km (unas 372 millas). El sensor QuickBird (una cámara de alta resolución) recoge imágenes de la superficie de la Tierra durante las horas de sol. El sistema recoge datos pancromáticos de 61 centímetros y estereoscópicos multiespectrales de 2,5 metros (Tabla 9). El QuickBird está diseñado para cubrir grandes áreas con gran eficacia y precisión. El QuickBird puede adquirir hasta 75 millones de metros cuadrados en datos de imágenes anualmente (más del triple del tamaño de América del Norte). Los datos se aprovechan para aplicaciones de cartografía, urbanismo, investigación meteorológica y vigilancia militar.

Tabla 9. Características de las bandas del sensor QUICKBIRD.

Sensor Resolución espectral

(µm)


(m)

Ancho de

escaneo (km)

Período de

revisita

Altura orbital

Período de operación

QUICKBIRD

Pancromática:0,45 - 0,90 0.7

16.5 1 a 3.5 días

450 km, cuasipolar,

heliosíncrona

18/10/2001 – a la fecha

canal 1: 0,45 - 0,52

2.8

canal 2: 0,52 - 0,60 canal 3: 0,63 - 0,69 canal 4: 0,76 - 0,90


Figura 100. Imagen de Quickbird.

Proceso o tratamiento digital de imágenes

El proceso o tratamiento digital es un conjunto de técnicas para la manipulación de las imágenes en las computadoras. Los datos crudos recibidos de los sensores contienen fallas y deficiencias. Para superar estas fallas y deficiencias a fin de obtener los datos originales, tienen que someterse a varias etapas de procesamiento. Esto variará de imagen a imagen, según el tipo de formato de imagen, la condición inicial de la imagen y la información de interés y la composición de la escena. El tratamiento digital (figura 101) de imágenes consta de tres pasos:

• Pre-proceso • Despliegue y realce • Extracción de información o características de la imagen



Figura 101. Flujograma del proceso de imágenes digitales.

a) Pre-proceso: Consiste en las operaciones para preparar los datos para su posterior análisis que los intentos de corregir o compensar errores sistemáticos. Las imágenes digitales son objeto de varias correcciones tales como geométricas, radiométricas y de la atmósfera, sin embargo podría darse el caso de que estas correcciones no se deban aplicar en todos los casos. Estos errores son sistemáticos y pueden ser removidos antes de hacer llegar la información al usuario. El investigador debe decidir antes cuáles técnicas de procesamiento son pertinentes en función de la naturaleza de la información que se extrae de los datos provenientes de los sensores remotos. Después de que el pre-proceso está completo, el analista puede utilizar algunas técnicas de extracción para reducir la dimensionalidad de los datos. Entonces el proceso de extracción implica el aislamiento de los componentes más útiles de los datos para un estudio más a fondo y el descartado de los menos útiles (errores, ruido, etc.). La extracción de características reduce el número de variables que deben ser examinadas, ahorrando así tiempo y recursos




Cualquier imagen adquirida por un sensor remoto, ya sea aerotransportado o espacial, presenta una serie de alteraciones radiométricas y geométricas debidas a muy variados factores. Esto explica que la imagen finalmente detectada no coincida exactamente con el tono-posición-forma-tamaño de los objetos que incluye. En el caso de las imágenes espaciales las deformaciones más frecuentes pueden agruparse en cuatro apartados:

Distorsiones originadas por la plataforma: Estas incluyen variaciones en la altitud de la órbita del satélite, su velocidad o en la orientación de cualquiera de sus tres ejes (x,y,z).

Distorsiones provocada por la rotación terrestre: Dado que mientras se adquiere la imagen la tierra permanece en movimiento, desde que se adquiere la primera línea de barrido de la imagen hasta la última la tierra se puede desplazar varios kilómetros (8 km en el caso de Landsat), lo que cause que junto a la propia inclinación de la órbita la imagen tenga una inclinación Noreste-Suroeste.

Distorsiones provocadas por el sensor: Estas distorsiones se relacionan con el barrido de los sensores que en algún momento puede no ser lineal, así mismo con el ángulo de de barrido que afecta las localidad lejos del nadir del sensor, la falta de calibración de los detectores (bandeado).

Distorsiones provocadas por la atmósfera: Los distintos elementos que componen la atmósfera causan una modificación de la radiancia original proveniente de la superficie terrestre. El efecto más importante es el de dispersión, provocado por la presencia de aerosoles, gases, vapor de agua, que implica el aumento de la señal recibida por el sensor.

Algunos de estos problemas se solventan rutinariamente en los centros encargados de la recepción o venta de imágenes. Otros, sin embargo, persisten haciendo precisas una serie de técnicas de ajuste que escapan al alcance de este manual, entre los que se cuentan: restauración de líneas o pixeles perdidos, corrección del bandeado de la imagen, corrección atmosférica, conversión de los ND a parámetros físicos.

b) Realce de imágenes: Consiste de las operaciones que se llevan a cabo para mejorar la interpretabilidad de la imagen, aumentando el contraste aparente entre los diversos elementos en la escena. Las técnicas de mejoramiento dependerá de dos factores principalmente:

• Los datos digitales (ej: bandas espectrales y la resolución)



• Los objetivos de la interpretación

Como una técnica de realce de imagen a menudo altera drásticamente el valor original de los datos numéricos, se utiliza normalmente sólo para interpretación visual (manual) y no para el análisis numérico. Los realces más comunes incluyen la reducción de la imagen, rectificación de la imagen, magnificación de imágenes, extracción de transectos, ajustes de contraste, cociente de bandas, filtrado espacial, transformaciones de Fourier, análisis de componentes principales y transformaciones de textura.

c) Extracción de Información: Es el último paso hacia la salida final del análisis de imágenes. Después del pre-proceso y de la mejora de la imagen, los datos se someten a un análisis cuantitativo para asignar píxeles individuales a clases específicas. La clasificación de la imagen se basa en la identidad de los pixeles conocidos y desconocidos para clasificar el resto de la imagen compuesta por los píxeles de identidad desconocida. Después de que la clasificación se completa, es necesario evaluar su exactitud mediante la comparación de las categorías en las imágenes clasificadas con las áreas de identidad conocida en el terreno. El resultado final del análisis consiste en mapas (o imágenes), datos y un informe. Estos tres componentes del resultado total proporcionan al usuario una información completa acerca de la fuente de los datos, el método de análisis, los resultados y su fiabilidad.

Digitalización y escaneo de mapas

Uno de los métodos más frecuentes para recolectar datos de los SIG es la digitalización manual o el escaneo de mapas existentes. Estos métodos son métodos secundarios. El resultados de la digitalización manual son datos vectoriales en 2D. El resultado del escaneo son mapas raster, que al utilizar la conversión de raster a vector es posible obtener datos vectoriales en 2D. La precisión de los datos producidos por la digitalización o el escaneo de los mapas depende de la vigencia y la precisión del mapa original.

El proceso de digitalización puede dividirse en los siguientes pasos:

• Preparación del mapa


• Digitalización (figura 102) • Edición de los datos

Figura 102. Mesa digitalizadora

El proceso de escaneo puede dividirse en los siguientes pasos:

• Preparación del mapa • Escaneo de alta resolución (25-50 µm) • Edición de los datos • Vectorización (utilizando un software comercial)

Las ventajas del escaneo y vectorización son las siguientes:

• Fácil de realizar • Rápido

Las desventajas son:

• Requiere de un buen escáner (aunque se puede utilizar uno que al menos tenga una resolución de barrido de 600 dpi, ópticos)

• Requiere personal con experiencia • Requiere de edición posterior • Produce gran cantidad de datos




Operaciones en Sistemas de Información Geográfica

Operación con modelo de datos vectorial

Uno de los mayores objetivos de los SIG es desarrollar relaciones (operaciones) espaciales entre los diferentes elementos geográficos mapeados. En un sistema basado en un modelo vectorial de datos, estas relaciones deben ser desarrolladas por medio de la construcción de objetos complejos a partir de elementos geométricos simples (ej: vectores y puntos).

Las operaciones en SIG se estudian considerando objetos gráficos simples – puntos, líneas, polígonos. Algunas relaciones se pueden calcular a partir de las coordenadas de los objetos:

• Dos líneas se pueden examinar para ver si se cruzan – la relación de “cruces” se puede calcular

• Las áreas pueden ser examinadas para ver si una incluye a un punto dado – la relación “está contenido en” puede ser calculada

• Las áreas pueden ser examinadas para ver si se sobreponen – la relación “se sobrepone” puede ser calculada

Algunas relaciones no se pueden calcular a partir de coordenadas y por lo tanto deben ser codificadas explícitamente en la base de datos. Por ejemplo, se puede calcular si dos líneas se cruzan, pero no si las carreteras que representan se intersectan (talvez un paso a desnivel).

A continuación se presenta un resumen de relaciones entre objetos gráficos simples, con ejemplos de su aplicación práctica:

Punto-Punto

• “esta dentro de”: ej: encontrar todos los clientes (puntos) dentro de un radio de 1 km de una tienda por departamentos (punto)

• “está más cerca a”: ej: encontrar el sitio de disposición de desechos peligrosos que está más cerca a un determinado pozo.

Punto-Línea


• “al final de”: ej: encontrar la intersección al final de esta calle • “más cercano a”: ej: encontrar el camino más cercano al sitio del accidente

aéreo.

Punto-Area

• “está contenido en”: ej: encontrar todos los pozos que se encuentran localizados dentro de un municipio (figura 103)

• “puede ser visto desde”: ej: determine si alguno de estos lagos puede ser visto desde este lugar.

Figura 103. Relación punto-área

Línea-Línea



• “cruza”: ej: determine si este camino cruza el río • “se aproximan”: ej: encontrar todos los caminos que se aproximan a menos

de 1 km de esta línea de ferrocarril

Línea-Area

• “dentro de”: ej: encuentre todos los segmentos de caminos que se encuentran dentro de los cantones (figura 104)

• “cruza”: ej: encuentre todos los tipos de suelo que cruzan la autopista propuesta

• “es lindero”: ej: encontrar si este camino es parte del lindero del campo de aterrizaje

Figura 104. Relación Línea-Area



Area-área

• “traslapes”: ej: identificar los traslapes entre los tipos de suelos de un mapa A y los tipos de uso del suelo del mapa B

• “está cerca de”: ej: encontrar el lago que está más cerca al incendio forestal • “es adyacente a”: ej: encontrar cuál de estas dos áreas comparten un mismo

lindero

Sobreposición de polígonos

El caso normal es cuando dos capas de datos se sobreponen. Si asumimos que una capa es naranja y la otra es azul, el reto es encontrar todos los polígonos en la capa cuya combinación es verde.

Figura 105. Sobreposición de polígonos

Los atributos del polígono verde van a contener los atributos de los polígonos naranja y azul a partir de los cuales se formaron.

• Se puede concebir el proceso como una “concatenación” de atributos

• Generalmente se construye una nueva table que consiste de: Los atributos originales combinados Nuevos atributos formados por operaciones lógicas o

matemáticas de los originales

• Número de polígonos formados es difícil de predecir.

• Pueden haber muchos polígonos formados a partir de un par de polígonos naranja y azul, con los mismos atributos verdes.



El número de áreas de salida es generalmente mayor al número de áreas de entrada.

• Ej: un mapa de la delimitación de cuencas y otro de la división política, da como salida la combinación de las unidades cuenca/división política (figura 106).

Figura 106. Combinación de cuencas y división política



Después de la sobreposición se puede recrear cualquiera de las capas de entrada, ya sea disolviendo y fusionando la capa basados en los atributos de las capas de entrada.

Entre las operaciones comunes que utilizan sobreposición de polígonos están:

Cortado

Se superimpone una ventana a un mapa y todo lo que cae fuera de esa ventana es descartado. A menudo se le conoce con el nombre de “molde de galletas”. Se utiliza frecuentemente ya que sirve para descartar datos que nos se van a utilizar (fuera del área de interés) y por lo tanto reduce el tamaño de los cálculos y archivos.

Figura 107. Cortado de datos

Buffer o áreas de amortiguamiento

Crea zonas de amortiguamiento alrededor de puntos, líneas (figura 108). o polígonos. En algunos casos se pueden hacer buffers diferenciados utilizando la tabla de atributos de los datos (ej: trazar diferentes anchos de buffer dependiendo del tipo de río: perenne o intermitente).

Figura 108. Zona de amortiguamiento alrededor de una serie de líneas



Análisis de redes

Se utiliza ampliamente en el manejo de servicios (electricidad, redes de alcantarillado, agua potable, canales de riego, transporte público). Solamente puede utilizarse con elementos lineales y sirve también para el trazo de rutas óptimas (figura 109).

Figura 109. Trazo de rutas óptimas

Entre algunas funcionalidades extras están:

• Calculo de fricción y pesos • Trazo de redes conectadas e identificación de desconexiones • Identificación de grado de conectividad e interacción espacial • Cálculo de matrices de distancia entre un grupo de objetos y sus destinos • Asignación de oferta-demanda a determinados sitios

Entre las aplicaciones se incluyen:

• Despacho de servicios de emergencia • Eficiencia en diseño lineal – electricidad a lo largo de caminos • Trazo de redes de conectividad funcional y estructural (biodiversidad)




Operaciones con modelos de datos raster

Las operaciones con el modelo de datos raster se dividen en cuatro grupos:

Operaciones de Consulta, Acceso, Dimensionamiento y Reclasificación

Estas operaciones tienen la característica de que se trabaja directamente sobre la capa raster original y el resultado de la operación es una capa raster modificada, simplificada o generalizada. Entre las principales operaciones tenemos:

Consulta espacial y de atributos Consiste en la búsqueda selectiva, manipulación, extracción de información que no requiere de modificar la localización geográfica de los objetos involucrados. Se pueden consultar de manera conjunta (linked) datos espaciales y atributos En esta operación no hay cambios en la localización de los elementos espaciales, y no se crean nuevos elementos espaciales Entre estas consultas podrían estar:

• Encontrar que existe en determinado lugar o ¿Qué hay en... ?

• Accesar datos espaciales (puntos, líneas, polígono o unidades de mapeo en un mapa raster)

o ¿Dónde está….? • Consulta de información usando operadores lógicos y aritméticos

Acceso

En el caso del formato raster, es posible hacer hacer un acceso simultáneo a varias capas de datos en formato raster y obtener una descripción de sus atributos. Esta consulta se hace pixel por pixel y no regiones enteras (figura 110).


Figura 110. Acceso a los atributos de varias capas de datos raster

Clasificación y Reclasificación

En algunos casos se hace referencia a la clasificación y reclasificación de datos de forma indiscriminada. Sin embargo, la clasificación de datos generalmente se asocia a aquella manipulación de la apariencia de una capa que se hace manipulando la forma como se despliega, es decir a nivel de su leyenda. Aunque los resultados pueden ser los mismos, la reclasificación implica que los cambios que hacen a una capa de datos son almacenados en una capa de datos nueva y por lo tanto permanente. La ventaja de la primera, es que se pueden guardar estas leyendas, lo que permite tener despliegues múltiples de una misma capa de datos y así ahorrar espacio en el disco. Sin embargo, en los casos cuando las capas de datos van a ser utilizadas en operaciones de algebra de mapas o se desea hacer algún otro tipo de operación con ellas, será necesario que se haga a partir de una capa totalmente nueva.

Teniendo en cuenta el número de clases antes y después de la clasificación, se pueden diferenciar tres tipos de (re)clasificación:



• Uno a uno (1:1): El número de clases antes y después de la clasificación es el mismo: No hay cambios en la geometría de los objetos, ellos han sido reasignados.

• Muchos a uno (M:1): El número de clases después de la clasificación es menor: generalización, agregación, unión, disolución (figura 111)

• Uno a muchos (1:M): El número de clases después de la clasificación es mayor: el caso de individualizar regiones

Mapa geológico original

Figura 111. Reclasificación muchos a uno



Generalmente la reclasificación se hace a nivel de la tabla de atributos. Todos los programas comerciales de SIG basados en formato raster ofrecen la posibilidad de reclasificar las capas de datos raster. En la figura 112, se muestra la reclasificación de una capa del tipo de suelos a una capa en la cual cada pixel tiene asociado su valor de infiltración en mm/hora.

Figura 112. Reclasificación de datos raster utilizando tablas

Cuando los datos a reclasificar son numéricos, también puede hacerse una reclasificación basada en rangos (figura 113).



Figura 113. Reclasificación basada en rangos

Operaciones de Sobreposición

Las operaciones de sobreposición tienen la característica que involucran dos o más capas de datos para generar una capa de datos resultante. Los tamaños de pixel entre las capas no necesariamente deben ser iguales, pero hay programas que no operan si esto no se cumple. Así mismo, no es necesario que el área cubierta por cada capa (extensión) sea la misma para todas ellas. Las operaciones de sobreposición pueden ser aritméticas (+,-,*,/), relacionales (>,<,≤, etc.), lógicas o boleanas (and, or, not, etc.) y condicionales (if, then, else). (ver figura 114 a 120)



Figura 114. Operaciones aritméticas

Figura 115. Operaciones relacionales



Figura 116. Operadores boleanos

Figura 117. Combinación de operadores relacionales y lógicos



Figura 118. Operador condicional

Figura 119. Operador de tabla cruzada



Figura 120. Operador de tabla de doble entrada

Operaciones de Vecindad

Son operaciones en las cuales el valor de un pixel en la capa de salida, es función de los pixeles que los rodean o sea los pixeles vecinos. Entre estas operaciones tenemos:

Operaciones de interpolación

Calculo de valores no conocidos en lugares no muestreados utilizando valores conocidos de las observaciones existentes. Algunos ejemplos típicos lo constituyen la interpolación a partir de datos puntuales (precipitación, elevación, etc) o a partir de datos lineales (curvas a nivel, isoyetas, etc). La interpolación da como resultado un raster (generalmente de punto flotante) para el cual cada pixel tiene un valor estimado a partir del método de interpolación que se haya escogido (figura 121). Entre los métodos de interpolación más populares tenemos: Inverso de la distancia ponderada (IDW), Spline o Kriging.



Figura 121. Sombreado de montaña (hillshade) y modelo de elevación digital

Operaciones o funciones de búsqueda

Determinan el valor de un objeto de acuerdo con alguna característica de los objetos vecinos. En la tabla 10 se muestran algunas de las funciones de búsqueda en formato raster. Tabla 10. Funciones de búsqueda

Función de busqueda

Descripción

Promedio El promedio de los valores en la vecindad Diversidad Una medida de la diversidad de los valores en la vecindad, como

la varianza o la desviación estándar Mayoría Se determina el número de ocurrencias de cada valor en la

vecindad; el valor que ocurre con mayor frecuencia es el resultado calculado

Mínimo, máximo

Calcula el valor mínimo/máximo en la vecindad

Total Calcula la suma total de los valores en la vecindad



Operaciones de Conectividad

Se utilizan para caracterizar unidades espaciales que se encuentran interconectadas. Entre las operaciones de conectividad tenemos:

Proximidad

Consiste en la medida de distancias entre objetos (unidades de distancia en longitud, tiempo de viaje, costo, litros de combustible, etc.). Entre los ejemplos típicos tenemos:

• Determinación de zonas con ciertos rangos de distancia (zonas de amortiguamiento) alrededor de elementos puntuales, lineales o de área, como pozos, carreteras o áreas protegidas (figura 122 y 123).

• Construcción de polígonos Thiessen • Determinación de la accesibilidad de un área a un bien o servicio o a una

población determinada


Figura 122. Distancia Euclidiana

Mapa de entrada Distancia en pixeles Distancia en metros

S= Fuente ?= Indefinido Multiplicar por el tamaño del pixel

Ej: 20 m

Si el pixel central no está definido y uno de los vecinos no, entonces se aplica el filtro iterativamente



Figura 123. Determinación de zonas de amortiguamiento

Figura 124. Trazo de rutas óptimas

Visibilidad Son funciones que determinan las llamadas “cuencas visuales” o Viewsheds. Estas cuencas visuales son áreas que son “vistas” o están expuestas a una localidad (punto) o a un conjunto de localidades (línea o área) (Figura 125). En este caso los pixeles que son vistos desde la ubicación del observador son marcados con “1” y los que no se observan son marcados con “0”.



Figura 125. Exposición visual

…una cuenca visual es como un faro rotando en el lugar donde se encuentra situado el observador

No visto VistoVisto

..note las localidades donde la luz ilumina el terreno

Mapa de “cuenca visual”

Los errores en Sistemas de Información Geográfica

La importancia del Error, la Exactitud, y la Precisión

Sólo recientemente, los usuarios y desarrolladores de los Sistemas de Información Geográfica (SIG) han prestado atención a los problemas causados por el error, la exactitud y la imprecisión en el conjunto de datos espaciales. Ciertamente, existía la conciencia de que todos los datos contenían cierta inexactitud e imprecisión, pero su efecto en los problemas y soluciones de los SIG no ha sido considerada con gran detalle. Las principales introducciones a los SIG, tales como la de C. Dana Tomlin Geographic Information Systems and Cartographic Modeling (1990), la de Jeffrey Star y John Estes's Geographic Information Systems: And Introduction (1990), o la de Keith Clarke's Analytical and Computer Cartography (1990), apenas tratan esta cuestión.

http://www.usgs.gov/research/gis/title.html



Esta situación ha cambiado sustancialmente en los últimos años. Ahora existe un reconocimiento general de que el error, la inexactitud y la imprecisión pueden "quebrar" algunos tipos de proyectos SIG. Esto es, los errores no detectados, pueden dejar sin valor algunos de los análisis GIS.

La ironía está en que el problema del error es inherente a uno de las grandes potencialidades de los SIG. Gran parte de las soluciones aportadas por los SIG son posibles gracias a que cotejan y cruzan diversos tipos de datos con localización. Esto es particularmente útil al posibilitar integrar diversos conjuntos de datos discretos bajo un único sistema. Desafortunadamente, cada vez que se importa un nuevo conjunto de datos, el SIG arrastrará el error inherente a los mismos. La mezcla y combinación de errores puede llevar al conjunto de datos por caminos impredecibles.

Una de las primeras discusiones en profundidad sobre el problema y las fuentes de error aparece en P. A. Borrough's Principles of Geographical Information Systems form Land Resources Assessment (1986). Ahora la cuestión aparece tratada en varias introducciones al los SIS, camo en Geographical Information System: A Guide to the Technology (1991) deJohn Antenucci, Kay Broen, Peter Croswell, Michael Kevany and Hugh Archer.

El punto central está en que a través del error se pueden alterar los análisis del SIG, que hay diversos caminos para reducir el error al mínimo mediante una cuidadosa planificación y métodos para estimar sus efectos en las soluciones SIG. El conocimiento del problema del error ha tenido como consecuencia beneficiosa el hacer sensible a los usuarios de los SIG de las potenciales limitaciones inherente al proceso para alcanzar exactitud y precisión en las soluciones.

Algunas definiciones básicas

Es importante distinguir desde el principio la diferencia entre exactitud y precisión:

Exactitud es el grado en el cual la información de un mapa o en una base de datos digital se muestra verdadera o con valores aceptables. La exactitud es un asunto perteneciente a la cualidad de los datos y al número de errores contenidos en un conjunto de datos o mapa. Analizando una base de datos de un SIG, es posible



considerar la exactitud horizontal y vertical con respecto a la posición geográfica, tanto atributiva y conceptual, como en la agudeza lógica.

El nivel de exactitud requerido puede variar enormemente de unos casos a otros.

Producir y compilar una gran exactitud en los datos puede ser muy difícil y costoso.

Precisión hace referencia a la medida y exactitud de las descripciones en las base de datos de un SIG. Los atributos de información precisos pueden especificar la características de los elementos con gran detalle. Es importante observar, no obstante, que los datos precisos - no importando el cuidado en su medida - pueden ser inexactos. Los topógrafos pueden cometer errores, o bien los datos pueden ser introducidos en las bases de datos incorrectamente.

El nivel de precisión requerido puede variar enormemente de unos casos a otros. Los proyectos de ingeniería como el de una carretera, y las herramientas de construcción, requieren una muy precisa medida, de milímetros a decenas de centímetros. Análisis demográficos de las tendencias del electorado pueden prescindir de esta precisión mediante un código postal o de circunscripción.

Obtener datos altamente precisos puede ser verdaderamente difícil y costoso. El levantado topográfico cuidadoso de las localizaciones requiere de compañías específicas para la recolección de la información.

Gran precisión no es indicativo de gran exactitud y tener gran exactitud no implica gran precisión. Pero gran exactitud y gran precisión son bastante expresivas.

Los usuarios de los SIG no son siempre conscientes en el uso de los términos. En ocasiones ambos términos son intercambiables lo que resulta contraproducente.

Dos términos adicionales son igualmente usados:

Calidad de los datos hace referencia a la relativa exactitud y precisión de una base de datos particular en un GIS. Estos hechos están a menudo documentados en los informes de calidad.

Error acompaña tanto a la imprecisión de los datos como a su inexactitud.


Tipos de error

El error posicional es el que más a menudo concierne a los SIG, pudiendo afectar a diferentes características de la información almacenada en un bases de datos.

Exactitud y precisión posicional

Es aplicable tanto a la posición horizontal como a la vertical.

Exactitud y precisión están en función de la escala en la que ha sido creado el mapa (impreso o digital). Los mapas estándar empleados por el Servicio Geológico de los Estados Unidos (USGS) especifican que:

"se requiere una exactitud horizontal del 90 % en todos los puntos tomados que deben de estar entre 1 y 30 pulgadas (2,54 y 76.2 cm) para mapas de escala superior a 1:20.000 y entre 1 y 50 pulgadas (2,54 y 127 cm) para mapas de escala inferior a 1:20.000"

Figura 126. Variación de la precisión con la escala

Precisiones estándar para algunas escalas de mapas (figura 126)

• 1:1.200 ± 3,33 pies (± 1,015 m)


http://www.colorado.edu/geography/gcraft/notes/error/gif/scale.gif


• 1:2.400 ± 6,67 pies (± 2,033 m) • 1:4.800 ± 13,33 pies (± 4,063 m) • 1:10.000 ± 27,78 pies (± 8,467 m) • 1:12.000 ± 33,33 pies (± 10,159 m) • 1:24.000 ± 40,00 pies (± 12,192 m) • 1:63.360 ± 105,60 pies (± 32,187 m) • 1:100.000 ± 166,67 pies (± 50,80 m)

(Nota: 1 pie = 30,48 cm = 0,3048 m)

Esto significa que cuando nosotros vemos un punto en un mapa, tendremos esta probabilidad de que se encuentre dentro de cierta área. Esto se hace extensivo a las líneas (figura 127).

Figura 127. Distribución de probabilidad para la ubicación de un punto a escala 1:24,000


http://www.colorado.edu/geography/gcraft/notes/error/gif/hump3.gif

http://www.colorado.edu/geography/gcraft/notes/error/gif/line3.gif



Por otra parte, están los peligros de la falsa exactitud y de la falsa precisión, que son leídos en la información locacional desde los mapas con niveles de exactitud y precisión bajo los cuales han sido creados. Esto es un verdadero peligro en los ordenadores, puesto que permite a los usuarios aumentar y reducir las vistas en un número infinito de escalas. Exactitud y precisión están unidos a la escala original del mapa y no cambia aunque se use el zoom para aumentar o reducir la vista. Estas operaciones pueden incluso hacer creer -falsamente- que la exactitud y la precisión son mejores.

Exactitud y precisión de los atributos

Los datos no espaciales unidos a la localización pueden ser inexactos o imprecisos. La inexactitud puede ser consecuencia de errores de distinto tipo. Los datos no espaciales pueden variar mucho también en precisión. La información precisa de los atributos describe fenómenos con gran detalle. Por ejemplo, la descripción precisa de una persona que vive en una dirección particular puede incluir género, edad, ingresos, ocupación, nivel de educación y muchas otras características. Una descripción imprecisa puede incluir sólo los ingresos o sólo el género.

3.3. Exactitud y precisión conceptual

Los SIG dependen sobretodo de la abstracción y la clasificación de los fenómenos del mundo real. Los usuarios determinan que cantidad de información debe usarse y como ésta debe ser clasificada en categorías apropiadas. En ocasiones, los usuarios pueden usar inapropiadas categorías o una clasificación errónea de la información. Por ejemplo, la clasificación de ciudades por el comportamiento del voto electoral es una vía inadecuada para estudiar la fertilidad de las parejas; fallos en la clasificación de las líneas de alto voltaje puede limitar la efectividad en el diseño de un SIG en la construcción de las infraestructuras eléctricas. Aún empleando correctas categorías los datos pueden estar mal clasificados. Un estudio de los sistemas de drenaje puede necesitar de una clasificación de las corrientes y ríos por su "orden", atendiendo su jerarquía al lugar donde una corriente particular desagua en el sistema tributario de la red. Los canales individuales pueden estar mal clasificados si los tributarios están mal localizados. Por ello, algunos estudios pueden no requerir un tipo preciso de categorización del orden de las corrientes.


Todo lo más que pueden necesitar es la localización y el nombre de las corrientes fluviales, sin tener en cuenta el orden.

3.4 La lógica de la exactitud y precisión

La información almacenada en una base de datos puede estar ilógicamente introducida. Por ejemplo, los permisos necesarios para construir una subdivisión residencial en un plano de inundación pueden necesitar comparar la proposición con el mapa del plano de inundación. Por lo tanto, la construcción puede ser posible en algunas zonas del plano de inundación pero su uso no será conocido hasta que las variaciones de la inundación potencial hayan sido registradas y puedan ser usadas en la comparación. La cuestión es, pues, que la información almacenada en la base de datos de un SIG puede ser usada y cuidadosamente comparada, si produce resultados útiles. Los SIG están normalmente incapacitados para avisar a los usuarios cuando se produce una inapropiada comparación o si los datos han sido utilizados incorrectamente. Algunas reglas de uso pueden ser incorporadas en el diseño de un SIG, como sucede con los "sistemas expertos", pero los desarrolladores necesitarían estar seguros que las reglas empleadas corresponden al mundo real de los fenómenos que ellos modelan.

Finalmente señalar, cometeremos una equivocación si creemos que una gran exactitud y una gran precisión de la información es necesario para todas las aplicaciones de los SIG. La necesidad de exactitud y precisión puede variar radicalmente dependiendo del tipo de información codificada y del nivel de medida necesario para una particular aplicación. Son los usuarios los que deben determinar el alcance de su trabajo. Excesiva exactitud y precisión no sólo es costoso, sino también puede resultar un gran engorro.

Fuentes de inexactitud e imprecisión

Son muchas las fuentes de error que pueden afectar la calidad del conjunto de datos de un SIG. Esto, que resulta muy obvio, puede no ser tan difícil de discernir. Algunas de ellas serán automáticamente identificadas por el mismo SIG, pero es responsabilidad del usuario su prevención. Algunos casos particulares puede necesitar de comprobaciones específicas de error, porque los propios SIG son




capaces de inducir al usuario una falsa sensación de exactitud y precisión sin garantizar la validez de los datos. Por ejemplo, suavizar cambios en las líneas fronterizas, en las curvas de nivel y en las zonas de cambio de los mapas de coropletas es una "elegancia que falsea" la realidad. En realidad, estas cuestiones son a menudo "vagas, graduales o azarosas" (Burrough 1986). Hay una imprecisión inherente en la cartografía como resultado de los procesos de proyección y la necesaria distorsión producida en algunos de sus datos (Koeln et all, 1994); una imprecisión que puede continuar a través de los procesos aplicados con los SIG. Los usuarios de los SIG deben ser capaces, no sólo de reconocer el error, sino el grado de error tolerable y asumible del sistema.

Burrough (1986) divide las fuentes de error en tres grandes categorías:

Fuentes de error obvias.

Errores resultantes de la variación natural de las mediadas originales.

Errores surgidos en los procesamientos.

Generalmente los dos primeros errores son más fáciles de detectar que aquellos errores del tercer tipos, surgidos al procesar los datos, por permanecer un tanto escondidos y ser difíciles de identificar. Burrough divide estos grupos principales en distintas categorías, tratadas a continuación.

Fuentes obvias de error

Antigüedad de los datos.

Las fuentes de datos pueden ser simplemente antiguas para ser usadas en un proyecto SIG. Las colecciones estándar del pasado pueden ser desconocidas, inexistentes o desfasadas. Por ejemplo, los datos topográficos del Gran Cañón obtenidos por el decimonónico John Wesley Powell, contienen falta de precisión para ser utilizados hoy en día. Además, una parte de la información base puede, además, haber cambiado como consecuencia de la erosión, la deposición o cualquier otro proceso geomorfológico. Pese al poder de los SIG, la dependencia de datos antiguos puede tergiversar, sesgar o convertir en negativos los resultados.



Área de cobertura.

Los datos de una zona determinada pueden haber desaparecido completamente, o únicamente una parte de los niveles de información pueden ser utilizables en un proyecto SIG. Por ejemplo, los mapas de vegetación o de suelo pueden estar incompletos en las zonas de transición o faltarles exactitud en la representación. Otro ejemplo, es la falta de datos proporcionados por los sensores remostos en ciertas partes del mundo al estar permanentemente nublado. La exactitud de una cobertura uniforme pude no estar disponible y el usuario debe decidir que nivel de generalización debe ser necesaria si una nueva colección de datos es requerida.

Escala del mapa.

La posibilidad de los mapas para mostrar detalles está determinada por la escala. Un mapa con una escala 1:1.000 puede ilustrar detalles más precisos que otro a una escala 1:25.000. La escala determina el tipo, cualidad y cantidad de los datos (Star and Estes 1990). Se debe elegir siempre la escala adecuada al nivel de detalles requerido en el proyecto. Transformar la pequeña escala de un mapa en otra más grande no amentará el número de detalles o el nivel de precisión de dicho mapa.



Densidad de las observaciones.

PRECISIÓN Y GENERALIZACIÓN

Los límites de diferentes tipos de suelos se generalizan cuando se mapea un área, pero estos límites son vagos y graduados. Las diferencias en escala permiten una resolución más fina, pero solamente si los datos originales son recolectadosa una resolución más fina.

Figura 128. Error de escala

El número de observaciones realizadas en un área es una guía de la verosimilitud del mapa y debe ser conocido por los usuarios del mismo. Un insuficiente número de observaciones puede no proporcionar el adecuado nivel de resolución requerido para efectuar análisis espaciales y resolver los objetivos marcados en el proyecto SIG. En el caso de un punto, si las curvas de nivel poseen un intervalo de 120 cm, no es posible bajar el nivel de precisión. Las líneas de un mapa son una generalización basada en el intervalo de datos grabados, de este modo el más cercano al intervalo muestral, alcanza la mayor precisión de datos dibujados.

Relevancia.

Bastante a menudo, no es posible satisfacer los deseos de obtener datos de un lugar o de un área, y en su lugar debe haber sustitución estos datos por otros. Ha de existir una relación de validez entre los datos sustituidos y el fenómeno a estudiar, pero aún así, pueden producirse errores en tanto en cuanto los fenómenos no han

http://www.usgs.gov/research/gis/work1.html



sido medidos directamente. Un ejemplo local en el uso de datos sustituidos puede tomarse de los estudios del hábitat de la curruca en Hill Country. Es muy costoso (y molesto para los pájaros) inventariar esto hábitat mediante observación directa. No obstante, las currucas prefieren vivir en viejos cedros Juniperus ashei. El hábitat pueden ser localizados por fotografía aérea. La densidad de los Juniperus ashei puede utilizarse para deducir la densidad del hábitat de las currucas. Por supuesto, algunas áreas de cedro estarán inhabitadas o, por contra, tendrán una gran densidad. Estas áreas pueden no ser visibles cuando se utiliza fotografía aérea para tabular el hábitat.

Otro ejemplo de deducción de datos se produce con la señal electrónica utilizada para estimar mediante imágenes de satélite la cobertura vegetal, los tipos de suelo, la erodabilidad y otras tantas características. Los datos son obtenidos por métodos indirectos. Los sensores de los satélites no pueden "ver" los árboles, si no únicamente ciertas signaturas digitales típicas de los árboles y la vegetación. En ocasiones, estas signaturas son almacenadas por los satélites aunque no estén presentes los árboles y la vegetación (falso positivo) o no ser recogidas cuando los árboles y la vegetación si están presentes (falso negativo). Dado el alto coste de obtención de datos in situ, sustituir los datos por deducción es con frecuencia utilizado y el usuario debe entender estas variaciones y asumir, o no, su validez en función de la exactitud requerida en el proyecto.

Formato.

Los métodos para transmitir, almacenar y procesar la información de forma digital, pueden introducir error en los datos. Las conversiones de escala y proyección, los cambios desde raster a vector y la resolución del tamaño y profundidad del píxel, son ejemplos de los posibles errores inherentes al formato de los datos. En ocasiones, los datos han de ser transmitidos y utilizadas en múltiples SIG por lo que deben reformarse bajo un mínimo denominador común. Múltiples conversiones desde un formato a otro pueden crear un efecto similar a realizar copia tras copia en un máquina fotocopiadora. Además, hay que tener en cuenta que los estándares internacionales para la transmisión, almacenamiento y recuperación de datos cartográficos no estén totalmente realizados.



Acesibilidad.

La accesibilidad de los datos es otra cosa. Lo que está disponible en un país puede no estarlo en otros. Antes de la desaparición de la Unión Soviética, no pocos mapas eran considerados como documentación clasificada y por lo tanto, inobtenibles por la mayor parte de la gente. Las restricciones militares, la rivalidad entre agencias, las leyes de privacidad y los factores económicos pueden restringir la validad de los datos o su nivel de exactitud.

Coste.

Extensos y veraces datos son, a menudo, demasiado caros de obtener o convertir. Iniciar una nueva colección de datos puede ser demasiado caro para los beneficios generados en un determinado proyecto GIS y sus diseñadores deben moverse entre su deseo de exactitud y el coste de la información. La verdadera exactitud es cara y puede ser inasequible.

Errores resultantes de la variación natural de los datos originales.

En ocasiones estas fuentes de error pueden no ser tan obvias, una revisión cuidadosa puede mostrar su trascendencia en el proyecto.

Exactitud posicional.

La exactitud en la posición es una medida del desajuste entre los elementos del mapa y la verdadera posición de los atributos (Antenucci and others, 1991, 102). Depende del tipo de datos usados u observados. Los cartógrafos pueden situar con exactitud objetos bien definidos, como carreteras, edificios, líneas divisorias y unidades topográficas discretas en mapas y en sistemas digitales, mientras que separaciones menos discretas como las existentes entre la vegetación o los tipos de suelo pueden ser el resultado de las estimaciones del cartógrafo. El clima, los biomas, el relieve, los tipos de suelo, el drenaje y otros elementos faltos de una clara delimitación en la naturaleza, son susceptibles de ser interpretados. Defectos o trabajos parciales, errores de digitalización de mapas y de conversión en los mapas o en los escáner, pueden todos ellos producir mapas inexactos en un proyecto SIG.

http://www.colorado.edu/geography/gcraft/notes/error/gif/soil.gif


http://www.colorado.edu/geography/gcraft/notes/error/gif/digitz.gif



Precisión en el contenido.

Los mapas deben de ser correctos y estar libre de presuposiciones. La precisión cualitativa hace referencia a la corrección en la clasificación y a la presencia de elementos específicos. Por ejemplo, un bosque de pinos puede estar incorrectamente clasificado como un bosque de abetos, introduciendo de esta forma errores que no pueden ser conocidos o sospechados por el usuario de los datos o del mapa. Ciertos elementos pueden ser omitidos tanto desde el mapa como desde la base de datos espacial por descuido o intencionadamente.

Otros errores en exactitud cuantitativa pueden ocurrir por los defectos de los instrumentos de calibración usados para medir aspectos concreto como la altitud; el pH del suelo o del agua, o los gases atmosféricos. Los errores cometidos en el campo o en el laboratorio, pueden ser indetectables en un proyecto SIG, salvo que el usuario confirmara o corroborara la validad de la información.

Fuentes de variación de datos.

Las variaciones en los datos pueden realizarse por la introducción de errores de medida durante la observación, por la predisposición del observador o por falta de una adecuada calibración del equipamiento. Por ejemplo, se puede no esperar precisiones submétricas con un GPS de mano sin corrector diferencial. Por otra parte, una incorrecta calibración en las formas de disolver el oxígeno puede producir valores incorrectos de concentración del mismo en una corriente.

Pudiendo ser una variación natural durante la toma de datos. Así, por ejemplo, la salinidad en la bahía y en el estuario de Texas varía durante el año dependiendo del influjo de la las corrientes frías en profundidad y de la evaporación. Si alguien no fuera consciente de esta variación natural, ideas y decisiones erróneas pudieran ser tomadas, introduciendo un significativo error en el proyecto SIG. En algunos casos, si el error no da lugar a inesperados resultados, su detección sería extremadamente difícil.

4.3. Errores originados durantes los procesos

Los errores originados durante los procesos son los más dificiles de detectar por los usuarios de los SIG. Pueden ser específicamente buscados para lo cual se requiere



conocimento de la información y de los sistemas usados en su procesamiento. Hay suberrores que ocurren de diferentes modos, habiendo otros potencialmente más insidiosos, por que pueden ocurrir en múltiples conjuntos de datos durante su manipulación en un proyecto SIG.

Errores numéricos.

Diferentes ordenadores pueden no terner la misma capacidad para construir complejas operaciones matemáticas, pudiendo producir resultados significativamente diferentes desde un mismo problema. Borrough (1990) cita un ejemplo en la elevación al cuadrado de un número, lo que produce una diferencia del 1.200 %. Los errores en los procesos de cálculo ocurren en las operaciones de redondeo y son inherentes al número de dígitos manipulados por le procesador. Otra fuente de error puede deberse a defectos del propio procesador, como ha sucedido con un problema matemático identificado en los chips del Pentium de Intel (tm). En ciertos cálculos, el chip ofrecía respuestas equivocadas.

Un mayor reto es el de la exactitud en la conversión de mapas existentes en formato digital (Muehcke 1986). Como los ordenadores manipulan los datos en formato digital, los errores numéricos pueden producir resultados inexactos. En cualquier caso, los errores en los procesos numéricos son extremadamente difíciles de detectar, y quizá requieran de una sofisticación no presente en la mayoría de los usuarios de SIG o promotores de proyectos.

Errores en los análisis topológicos.

Los errores lógicos pueden causar una incorrecta manipulación de los datos y de los análisis topológicos. Se pueden reconocer qué datos no son uniformes y están sujetos a variaciones. La superposición de múltiples capas de mapas puede resultar ocasionar problemas del tipo "Slivers", "Overshoots" y "Dangles". Variaciones en la exactitud entre diferentes capas del mapas pueden oscurecer durante le proceso en la creación de "datos virtuales los cuales pueden dificultar el reconocimento de los datos reales" (Sample 1994).

http://www.colorado.edu/geography/gcraft/notes/error/gif/sliver.gif

http://www.colorado.edu/geography/gcraft/notes/error/gif/overun.gif

http://www.colorado.edu/geography/gcraft/notes/error/gif/dangle.gif



Problemas de clasificación y generalización.

Para el entendimiento humano, la comprensión de una vasta cantidad de datos reside en su clasificación, y en algunos casos en su generalización. Siguiendo a Borrough (1986, 137) clasificar los datos en torno a siete divisiones es el ideal, ya que se pueden retener fácilmente en la memoria. Definir como se harán los intervalos es otro problema. Por ejemplo, definir las causa de muerte en hombres de entre 18-25 años será significativamente diferente que entre 18-40 años. Los datos son más exactos y manipulables entre múltiplos pequeños. Definir un múltiplo razonable y preguntases "por qué hay que comparar", es esencial (Tufte 1990, 67-79). La clasificación y la generalización de atributos usada en un GIS está sujeta a errores de interpolación y puede introducir irregularidades en lo datos difíciles de detectar.

Digitalización y errores geocodificados.

Los errores ocurridos durante el transcurso de las fases de manipulación de datos tales como la digitalización y la geocodificación, el recubrimiento y las intersecciones de los límites, y los errores de rasterización de un mapa vectorial. Los errores fisiológicos del operador por contracciones involuntarias del músculo pueden dar lugar a "spikes" (puntos), a switchbacks (zig-zags), a "polygonal knots" (nudos poligonales), y a "loops" (lazos). Los errores asociados con los mapas fuente dañados, el error del operador mientras lo convertía a digital, y los prejuicios puede ser comprobados comparando los mapas originales con versiones convertidas a digital. Otros errores resultan más evasivos.

Los problemas de la propagación y de la conexión en cascada

Esta discusión se ha enfocado en relación a los errores que pueden estar presentes en sistemas de datos individuales. Los SIG dependen generalmente de comparaciones de muchos sistemas de datos. Este diagrama esquemático demuestra cómo una variedad de conjunto de datos discretos puede tener que ser combinados y ser comparados para solucionar un problema de análisis del recurso. Es inverosímil que la información contenida en cada capa sea exactamente igual y precisa. Los errores pudieron también haber surgido compilando la información. Si éste es el caso, la solución al problema del SIG en si mismo puede ser inexacta, imprecisa o errónea.







El problema es esa inexactitud, imprecisión y el error se puede formar en los SIG que empleen muchas fuentes de datos. Hay dos maneras posibles para que esto ocurra.

Propagación.

La propagación ocurre cuando un error conduce a otro. Por ejemplo, si un punto de registro del mapa se ha convertido a digital en una cobertura y después se utiliza para colocar una segunda cobertura, la segunda cobertura propagará el primer error. De esta manera, un solo error puede conducir a otro y separarse hasta que corrompe los datos a través del proyecto entero del SIG. Para evitar este problema utilice el mapa de la escala más grande para colocar sus puntos.

La propagación ocurre a menudo en una manera acumulativa, como cuando los mapas de diversa exactitud se compaginan.

Conexión en cascada.

La conexión en cascada significa que la información errónea, imprecisa e inexacta sesgará la solución de SIG cuando la información se combina selectivamente en nuevas capas y coberturas (figura 129). En este sentido, la conexión en cascada ocurre cuando los errores se pueden propagar de manera incontrolada de capa en capa.

Los efectos de la conexión en cascada pueden ser, igualmente muy difíciles de predecir. Pueden ser aditivos o multiplicativos y pueden variar dependiendo de cómo se combina la información, variando de situación en situación. Como la conexión en cascada puede tener tales efectos imprevisibles, es importante probar su influencia en una solución dada de un SIG. Esto se hace calibrando una base de datos de un SIG mediante técnicas tales como la del análisis de la sensibilidad. El análisis de la sensibilidad permite que los usuarios calibren cómo y cuántos errores tendrán solución. El análisis de la calibración y de la sensibilidad se discute en el error de manejo.

También es importante señalar que la propagación y la conexión en cascada pueden afectar a la horizontal, la vertical, la cualidad, la conceptualidad y a la exactitud lógica y la precisión

http://www.colorado.edu/geography/gcraft/notes/error/gif/prop2.gif

http://www.colorado.edu/geography/gcraft/notes/error/gif/cascade.gif

http://www.colorado.edu/geography/gcraft/notes/manerror/manerror.html


Figura 129. Errores en cascada

¡Cuidado con la falsa precisión y la falsa exactitud !

Los usuarios de los SIG no están siempre enterados de los difíciles problemas causados por el error, la inexactitud y la imprecisión. Caen a menudo presa de la falsa precisión y de la falsa exactitud , así que divulgan sus resultados a un nivel de precisión o de exactitud que son imposibles alcanzar con sus materiales de fuente. Si las localizaciones en una cobertura de un SIG se miden solamente en cientos de pies de su posición verdadera, no tiene ningún sentido divulgar localizaciones predichas en una solución a una décima del pie. Es decir, sólo porque los ordenadores pueden almacenar imágenes numéricas con muchos espacios decimales no significa que todos esos espacios decimales sean "significativos". Es importante que las soluciones de un SIG sean divulgadas honestamente y sólo bajo la exactitud y la precisión en la que se puedan apoyar.

Esto significa en la práctica que las soluciones de un SIG son a menudo las mejores divulgadas como gamas o graduación, o presentadas dentro de intervalos




estadísticos de confianza. Estas ediciones se tratan en el módulo, tratamiento del error.

Los peligros de los datos indocumentados

Después de lo dicho, es fácil imaginarse el peligro de usar datos indocumentados en un proyecto de SIG. A menos que el usuario tenga una idea clara de la exactitud y de la precisión del conjunto de datos, mezclar éstos en un GIS puede ser muy aventurado. Los datos que se han elaborado cuidadosamente se pueden interrumpir por errores que algún otro ha cometido. Esto trae a la luz tres situaciones importantes.

Investigue cuando pida prestado o compre datos.

Muchos de los datos de productos gubernamentales y comerciales importantes, trabajan dentro de los establecidos estándares de exactitud y precisión que están disponibles al público en forma impresa o digital. Estos documentos explican exactamente cómo fueron compilados los mapas y el conjunto de los datos, y tales informes se deben estudiar cuidadosamente. Los informes de calidad de los datos se proporcionan generalmente en las agencias locales y del estado o en los de agentes privados.

Prepare un informe de la calidad de los datos que vaya a utilizar.

Sus datos no tendrán valor a menos que se prepare también un informe de la calidad de los datos. Incluso si usted no planea compartir sus datos con otros, debe preparar un informe -para el caso de que se utilice el conjunto de datos otra vez en el futuro-. Si no se documentan el conjunto de datos cuando se crean, puede terminar por perder el tiempo más adelante comprobarlos una segunda vez. Utilice los informes de la calidad de los datos encontrados como modelos para documentar su conjunto de datos.

En ausencia de un informe de la calidad de los datos, hága preguntas acerca de los datos indocumentados antes de utilizarlos.

¿Cuál es la antigüedad de los datos?

http://www.colorado.edu/geography/gcraft/notes/manerror/manerror_f.html

http://www.colorado.edu/geography/gcraft/notes/manerror/manerror_f.html

http://www-nmd.usgs.gov/www/html/2nmpgds.html



¿De dónde proceden?

¿Por qué medio se crearon originalmente?

¿Cuál es la cobertura regional de los datos?

¿A qué escala del mapa fueron convertidos a digital los datos?

¿Qué proyección, sistema de coordenadas y 'datum' fueron utilizados en los mapas?

¿Cuál era la densidad de las observaciones usadas para su compilación?

¿Cómo de exactas son las características posicionales y de cualidad?

¿Parecen lógicos y consistentes los datos?

¿Parecen limpias las representaciones cartográficas?"

¿Son relevantes los datos para el proyecto actual?

¿Qué formato se mantienen los datos?

¿Cuando fueron comprobados los datos?

¿Por qué fueron compilados los datos?

¿Cuál es realmente la fiablidad del proveedor?

curso sig ecologia paisaje.pdf

Documents