Captulo 1

Conceptos bsicos, modelos y simulacin

por Angel Manuel Felicsimo, bilogo
http://www.etsimo.uniovi.es/~feli/

Introduccin
Los sistemas de informacin geogrfica manejan informacin territorial de diversos tipos, en funcin de
los modelos de datos y de la naturaleza de las variables. Es una constante, sin embargo, que los textos
sobre SIG mantienen siempre en un primer plano la informacin y el tratamiento de variables nominales,
olvidando o mencionando slo de forma anecdtica todo un conjunto de informacin territorial de
naturaleza intrnsecamente cuantitativa.
El motivo de ello es, probablemente, que los SIG comenzaron traduciendo la informacin preexistente,
reflejada en su mayor parte en forma de mapas temticos de naturaleza intrnsecamente nominal. La
traduccin de este tipo de informacin se realiz en su momento de una forma bastante directa y, por
tanto, poco traumtica a pesar del cambio de mtodos de trabajo. Sin embargo, este enfoque inicial se
revel pronto insuficiente, por lo que comenzaron las adaptaciones y la introduccin de conceptos nuevos,
inexistentes en la cartografa convencional como, por ejemplo, los relativos a vinculacin con bases de
datos o a la consideracin de las propiedades topolgicas de los elementos grficos. Actualmente el
cambio sigue y las tendencias van aparentemente a remolque de las tecnologas orientadas a objetos y de
los sistemas distribuidos, conceptos ambos nacidos en mbito de la informtica, con lo que la separacin
entre el mapa convencional y el mapa virtual de los SIG se hace ms profunda.
La captura de la informacin se ha hecho tradicionalmente de forma vectorial categoras delimitadas
mediante lneas con un trazado, en principio, exacto. El manejo de informacin cuantitativa y con
valores no limitados a priori a un cierto nmero de categoras slo se ha hecho posible con la
generalizacin de los medios informticos. stos permiten manejar estructuras de datos bien adaptadas a
la representacin de este tipo de informacin aunque pagando el precio de un mayor grado de abstraccin.
El desarrollo de este curso se ha hecho en este contexto general y teniendo en cuenta que las tcnicas
aplicables al trabajo con los MDT estn en continuo aunque no necesariamente rpido desarrollo. En
los temas siguientes se ofrecer una panormica del manejo de los MDT, desde los principios
conceptuales hasta abordar un conjunto de mtodos que, importados a veces desde otras reas de
conocimiento, se estn mostrando como herramientas idneas para el anlisis y extraccin de informacin
territorial.
Al final se habr mostrado que el manejo de los MDT en los sistemas de informacin geogrfica abre las
puertas a un conjunto de mtodos de representacin de la realidad y de simulacin de procesos que
complementan de forma importante la capacidad clsica de los SIG para el manejo de la informacin
temtica.

Concepto de modelo digital del terreno

Los modelos digitales del terreno son una parte importante de la informacin integrante de los sistemas de
informacin geogrfica. En la revisin de la literatura sobre ellos destaca, sin embargo, la escasa atencin

que se ha dedicado a los aspectos formales y conceptuales. Esta circunstancia ha conducido a que los
libros clsicos sobre SIG traten muy superficialmente el tema de los MDT que, frecuentemente, se
muestra llamativamente ausentes. Asimismo, pueden encontrarse ocasionalmente definiciones confusas,
cuando no claramente errneas. Este apartado tiene por objeto fijar la base conceptual de los MDT con el
fin de abordar posteriormente los aspectos relativos a su construccin y manejo con mayor claridad.

Qu es un modelo?
Una definicin bastante generalizada de modelo, originada en mbitos geogrficos, es "una
representacin simplificada de la realidad en la que aparecen algunas de sus propiedades" (Joly,
1988:111).
De la definicin se deduce que la versin de la realidad que se realiza a travs de un modelo pretende
reproducir solamente algunas propiedades del objeto o sistema original que queda representado por otro
objeto o sistema de menor complejidad.
Los modelos se construyen para conocer o predecir propiedades del objeto real. Algunos autores llegan a
incluir esta expresin de finalidad en la propia definicin de modelo: un objeto es un modelo de X para un
observador O, si O puede utilizar M para responder a cuestiones que le interesan acerca de (Aracil,
1986:123); o bien, segn Ros (1995:23):
"un modelo es un objeto, concepto o conjunto de relaciones que se utiliza para
representar y estudiar de forma simple y comprensible una porcin de la realidad
emprica"
Para que los modelos puedan decirnos algo sobre el objeto que representan, es necesario que se
construyan estableciendo una relacin con la realidad que debe ser simtrica, es decir, la relacin de
correspondencia entre el objeto real y el modelo debe ser al menos parcialmente reversible y debe
permitir la traduccin de algunas propiedades del modelo a la realidad
La existencia de la relacin simtrica permite que un resultado C' relativo al modelo pueda traducirse en
otro C relativo al objeto real y, de esta forma, que las respuestas derivadas del modelo sean aplicables a la
realidad sin perder sentido. Denominaremos a estas propiedades que se deducen del modelo propiedades
emergentes.

Los modelos sirven para responder a cuestiones sobre la realidad que no

seran accesibles mediante la experimentacin directa.

La utilidad de los modelos para conocer o predecir est condicionada principalmente por una buena
seleccin de los factores relevantes para el problema y una adecuada descripcin de sus relaciones
funcionales.
As, cuando se construye un modelo, estamos construyendo un sistema cuyos componentes partes e

interrelaciones se han reducido a una cantidad manejable para simplificar el sistema real. Para que los
resultados sean aceptables es necesaria una precisa seleccin de los componentes importantes, cada uno
de los cuales debe, a su vez, ser un modelo adecuado del componente real.
La calidad de las propiedades emergentes de un modelo puede valorarse sometiendo una parte de los
resultados a una verificacin experimental que, aunque slo puede ser parcial, servir de orientacin sobre
la magnitud de los errores derivados del modelo y puede permitir la introduccin de correcciones.
El contraste experimental puede servir, por tanto, no slo como mtodo de control de calidad sino
tambin como mecanismo de realimentacin para realizar ajustes, tanto en los elementos que componen
el modelo como en las relaciones que se establecen entre ellos.
Dado que el modelo representa la realidad con una cantidad menor de informacin, existe un error
inherente al proceso de modelizacin que puede ser reducido pero no eliminado. La reduccin del error
puede hacerse por dos caminos complementarios:

mayor precisin en la medida y mejor seleccin de los componentes: no implica

mayor complejidad del modelo.

mayor cantidad de componentes partes e interrelaciones funcionales:

implica una mayor complejidad del modelo.

Relacin genrica entre error y complejidad. La modelizacin

pretende reducir el error manteniendo una complejidad reducida.

La eliminacin del error implicara la identificacin del modelo con el objeto real, por lo que no resulta
posible. En este sentido, debe buscarse un compromiso entre la complejidad del modelo y el error
aceptable en los resultados.

Tipos de modelos
Existen numerosas clasificaciones de los modelos, ninguna de las cuales permite establecer realmente
unas categoras estrictamente excluyentes. A continuacin se comentan dos clasificaciones relevantes
para el tema de los MDT ya que contribuyen a aclarar el concepto bsico.

Modelos icnicos, anlogos y simblicos

Existen varias clasificaciones de modelos basadas en diferentes criterios. En Turner (1970:364) se
distinguen tres tipos bsicos: modelos icnicos, anlogos y simblicos , en funcin de las reglas de
construccin del modelo, es decir, de la forma de establecer la relacin de correspondencia.
En los modelos icnicos , la relacin de correspondencia se establece a travs de las propiedades
morfolgicas, habitualmente un cambio de escala con conservacin del resto de las propiedades
topolgicas. Un ejemplo de modelo icnico es una maqueta, donde se ha establecido una reduccin de
tamao conservando las relaciones dimensionales bsicas. Sin embargo, este proceso de modelizacin

tiene implicaciones menos obvias que, segn los casos, pueden tener importancia. Por ejemplo, en el caso
de una maqueta del terreno, la rugosidad de la superficie es una propiedad que no se conservar ya que
depende de la escala; por aadidura, su relacin con la rugosidad real puede ser difcil de definir.

En un modelo icnico se conservan las proporciones del objeto

real mediante una reduccin de escala y una seleccin de las
propiedades representadas

Los modelos anlogos poseen algunas propiedades similares a los objetos representados pero sin ser una
rplica morfolgica de los mismos. Normalmente, para su construccin se utiliza un conjunto de
convenciones que sintetizan y codifican propiedades del objeto real para facilitar la "lectura" o
interpretacin de las mismas.
Un ejemplo de modelo anlogo es un mapa impreso, que se construye mediante un conjunto de
convenciones cartogrficas relativamente complejas, que conducen a un resultado final claramente
distinto del objeto representado. Mediante esta transformacin se persigue hacer legibles propiedades
tales como las altitudes, distancias, localizacin fsica de objetos geogrficos, sus relaciones e
importancia, etc.

En un modelo anlogo la realidad se representa aplicando convenciones que, sin replicar

morfolgicamente los objetos, permiten interpretar algunas de sus propiedades. En la figura se
muestra la representacin de la Tierra en una proyeccin cilndrica conforme de Mercator.

Los modelos simblicos se construyen mediante reglas notablemente ms abstractas ya que esta
denominacin suele aplicarse a los casos e los que el objeto real se representa mediante una codificacin
matemtica (geomtrica, estadstica, etc.).
Un ejemplo de modelo simblico es la representacin de un edificio mediante la identificacin y
codificacin en una estructura geomtrica de sus elementos bsicos. El modelo as construido permite la
aplicacin de algoritmos para, por ejemplo, la estimacin de esfuerzos a los que est sometido.

Reconstruccin de un edificio prerromnico, un ejemplo de modelo simblico

Parte del edificio ha sido representado a partir de un levantamiento simulado
basado en restos de cimientos y muros.

Modelos analgicos y modelos digitales

Otra clasificacin de los modelos que nos interesa para nuestro tema los divide en modelos digitales y
modelos analgicos. La diferencia bsica entre los modelos digitales y los modelos analgicos reside en
que los primeros estn codificados en cifras lo que, entre otras cosas, permite su tratamiento
informtico. Los modelos digitales son, por tanto, modelos simblicos y para construirlos es necesario
un proceso de codificacin de la informacin, que permite una representacin virtual manejable por
medios informticos.
Los modelos analgicos son modelos fsicos, como los ya mencionados de una maqueta como modelo
icnico, o un mapa convencional como modelo anlogo. Cabe hacer la salvedad de que no deben
confundirse los conceptos de modelo anlogo, mencionado unos prrafos atrs, y modelo analgico, que
se opone al de modelo digital.
Los modelos digitales presentan unas propiedades inherentes a su naturaleza numrica que son
especialmente interesantes:

no ambigedad: cada elemento del modelo tiene unas propiedades y valores

especficos y explcitos

verificabilidad: los resultados se construyen mediante pasos explcitos y

concretos que pueden ser analizados uno a uno y comprobados en todas las fases
del proceso

repetibilidad: los resultados no estn sometidos, a menos que de disee

expresamente, a factores aleatorios o incontrolados y pueden ser comprobados y
replicados las veces que se desee.

Sin embargo, aunque la codificacin en cifras permite una representacin con una elevada precisin
terica, esto no garantiza la exactitud de los resultados. Es necesario no perder de vista que un modelo no
es ms que una descripcin aproximada que, en ltimo trmino, se construye mediante la aplicacin de
unos supuestos ms o menos adaptados a la realidad pero que nunca pueden ser exactos.

Modelos digitales del terreno

La definicin formal es la siguiente: un modelo digital del terreno es una estructura numrica de
datos que representa la distribucin espacial de una variable cuantitativa y continua.
Los modelos digitales del terreno o MDT son, por tanto, modelos simblicos ya que las relaciones de
correspondencia que se establecen con el objeto real tienen la forma de algoritmos o formalismos
matemticos.
A partir de la definicin anterior se pueden comentar las propiedades bsicas de los MDT:

los MDT toman la forma de estructuras de datos, lo que significa que no son slo
una acumulacin o listado de cifras sino que su construccin debe realizarse de
acuerdo con una estructura interna. Esta estructura se refleja en la forma lgica
en el sentido informtico de almacenar y vincular las unidades de
informacin datos entre s, que debe representar de alguna forma las relaciones
espaciales entre los datos.

Esta condicin implica, por ejemplo, que un simple listado de coordenadas acompaadas por su altitud no
puede considerarse propiamente un MDT, aunque contenga toda la informacin necesaria para construirlo
ya que no existe una estructura interna y se hace necesario un proceso de los datos para hacerla utilizable
en la modelizacin.

en segundo lugar, los MDT representan la distribucin espacial de una variable ;

lo que acota claramente su mbito de actuacin en la modelizacin de fenmenos
geogrficos.

finalmente, la definicin indica que la variable representada en el MDT debe ser

cuantitativa y de distribucin continua.

Este punto separa conceptualmente los mapas temticos de los MDT, ya que se excluyen las variables
nominales, representadas habitualmente mediante recintos con un identificador o cdigo interno y, de
forma general, las variables representadas por entidades lineales o puntuales como, por ejemplo, una
red hidrolgica.
La definicin general de MDT no hace referencia explcita a la variable representada que, por tanto,
puede ser cualquiera que cumpla con los requisitos de la misma. Este aspecto, aunque en principio pueda
parecer evidente, debe ser destacado ya que es habitual identificar los MDT con los MDE o modelos
digitales de elevaciones cuando, en realidad, pueden ser representadas muchas otras propiedades del
terreno. Para diferenciar claramente qu variable se est representando en el modelo denominaremos los
modelos digitales de forma explcita, de acuerdo con la propiedad representada modelo digital de
pendientes, por ejemplo y reservaremos el trmino MDT para la denominacin genrica.

Los MDT pueden servir de base para la presentacin de informacin temtica pero sta, por su carcter
nominal, no constituye por s un MDT. En la figura se muestra un modelo de reflectancia al cual se le ha
superpuesto informacin sobre la edificacin en rojo, y las superficies de agua en azul. Estas dos
ltimas categoras no pueden considerarse parte del modelo de reflectancia.

Mapas y modelos digitales del terreno

Los modelos digitales del terreno tienen una versin analgica en mapas que pueden representar las
mismas variables, pero codificndolas sobre un soporte fsico mediante convenciones grficas. Estos
mapas constituyen, por extensin del concepto de MDT, un tipo de modelos analgicos del terreno, MAT.
Actualmente, ambos tipos de modelos se complementan en muchos aspectos y la total sustitucin de unos
por los otros no parece previsible. Las ventajas que ofrece la codificacin numrica son claras en algunos
aspectos, pero los mapas impresos son imprescindibles actualmente para el manejo prctico de la
informacin.
A efectos prcticos, la mayor ventaja de los MDT sobre los MAT es la posibilidad de tratamiento
numrico de los datos, mediante las herramientas matemticas que nos permiten los programas
informticos. Entre estas posibilidades, inaccesibles a travs de los mapas convencionales, est la
capacidad de obtener estadsticos descriptivos de una variable y la de crear nueva informacin mediante
el anlisis de un MDT o la combinacin de dos o ms mediante procedimientos estadsticos o lgicos
(lgebra de mapas).
Un ejemplo de la primera posibilidad es la obtencin de la altitud media de una superficie determinada,
proceso sencillo que se deriva directamente de los datos del modelo digital de elevaciones o MDE. Un
ejemplo del segundo grupo de procesos es la obtencin de la distribucin de pendientes en funcin de la
altitud como tabla de dobre entrada; en este caso se combinan dos MDT (el MDE y el MDP) para obtener
un resultado estadstico. La obtencin de ambos resultados a partir de un mapa convencional exige un
laborioso tratamiento manual sujeto a un alto riesgo de error y con baja repetibilidad.
Otra posibilidad que nos crea la naturaleza digital de los MDT es la de realizar procesos de simulacin del
funcionamiento de un sistema dinmico real. Manipulando los datos del MDT o complementndolos con
otras descripciones de fenmenos fsicos se accede a un medio de investigacin de gran potencialidad.
Finalmente, conviene destacar que los MDT tienen tambin aspectos negativos, especialmente a la hora
de realizar una investigacin real. Al ser los MDT una parte integrante de los sistemas de informacin
geogrfica, se ven afectados por idnticos problemas que stos.
Los problemas ms importantes se derivan de la complejidad global del sistema informtico necesario
para hacer un uso eficaz de los MDT y, en general, de los SIG.
El acceso a la informacin impresa en un mapa es sencillo ya que se realiza directamente mediante
examen visual, aunque se precisan unos conocimientos cartogrficos ms o menos profundos. El acceso a
los MDT es mucho ms complejo pues se realiza a travs de equipos informticos cuyo manejo, mediante
una serie de instrucciones especficas, obliga a un entrenamiento especializado. Por otra parte, la
interpretacin de la informacin es indirecta debido a la existencia del equipo informtico que acta de
nexo, y la elaboracin de modelos derivados requiere el dominio de lenguajes de programacin o la
intervencin de especialistas. Idealmente, los conocimientos cartogrficos necesarios para la
interpretacin de los mapas convencionales deben complementarse con otros relativos a proceso de
imgenes, bases de datos y programacin de ordenadores, lo que implica un considerable esfuerzo de
educacin suplementario.
Asimismo, un uso eficaz de los MDT no se concibe fcilmente sin un equipo de trabajo relativamente
amplio, un equipo informtico sofisticado y un conjunto de circunstancias que permita unas condiciones
de trabajo con una estabilidad razonable. En la prctica, las posibilidades de trabajo e investigacin que
los SIG/MDT permiten se ven limitadas por las tambin grandes exigencias econmicas y estratgicas
que plantean.

Simulacin de procesos con los MDT

Los MDT descritos de hasta el momento son esencialmente modelos estticos, en los que las propiedades
representadas permanecen con valores inmutables. Sin embargo, su naturaleza digital permite utilizar los
MDT para realizar procesos de simulacin dinmica, con lo que a travs de la modelizacin de objetos, se

crean modelos de procesos.

La modelizacin de procesos es posible mediante el diseo y empleo de algoritmos numricos, es decir,
construyendo secuencias explcitas de operaciones que conducen a la solucin de problemas concretos.
Generalmente, el empleo de algoritmos conduce a la creacin de nuevos MDT, que denominaremos
modelos digitales derivados .

La simulacin de procesos se realiza mediante algoritmos que utilizan la

informacin de los MDT para generar otros modelos derivados.

La figura anterior muestra el resultado de la simulacin de una erupcin volcnica, donde las zonas en
color muestran la probabilidad de que el flujo de lava pase por cada lugar. El trabajo original es de Wadge
y McKendrick (1993) y fue realizado con una aplicacin desarrollada especficamente para este tipo de
simulaciones denominada FLOWFRONT.
El correcto funcionamiento de los algoritmos es susceptible de revisin mediante el contraste o
verificacin del modelo derivado con el objeto real. Este contraste se realiza mediante mtodos de anlisis
del error que, habitualmente, se basan en la comparacin de una muestra extrada del modelo derivado
con medidas empricas realizadas sobre el terreno. Los resultados del anlisis del error permiten efectuar
ajustes en el algoritmo, aumentando su fiabilidad y, por tanto, su capacidad de prediccin. Esto significa
que un algoritmo slidamente construido, aplicado sobre un MDT fiable, permite estimar propiedades que
pueden ser aplicadas al objeto real con mrgenes moderados de error.
Como en el caso general ya mencionado, la modelizacin de procesos exige una seleccin de los
parmetros y de las relaciones relevantes para el problema a solucionar. Frecuentemente es necesario
representar procesos complejos mediante aproximaciones semiempricas o, en el mejor de los casos,
justificadas por una base terica ms o menos slida. Este proceso de seleccin de variables y de procesos
y de su representacin se denomina parametrizacin.
En la figura adjunta se muestra un ejemplo de proceso genrico realizado a partir del modelo digital
bsico hasta su aplicacin sobre el objeto real terreno a travs de un ciclo de correccin del
algoritmo que genera el modelo derivado.

Etapas genricas en el proceso de simulacin en modelos digitales del terreno

Partiendo de la superficie real del terreno, la construccin del mapa topogrfico se realiza un proceso
mediante el cual las propiedades del terreno se representan sobre un plano usando relaciones de analoga
previamente establecidas. La codificacin numrica del modelo analgico conduce al modelo digital,
susceptible de tratamiento matemtico. Ello permite construir modelos digitales derivados y realizar la
modelizacin de procesos con simulaciones numricas expresadas mediante algoritmos. Los resultados
obtenidos son contrastables con la realidad, induciendo correcciones o ajustes que permiten una mejor
correspondencia con el fenmeno real.

Simulacin de un incendio realizada con el

programa Farsite (Fire Area Simulator).
Este tipo de aplicaciones permite simular la
evolucin del incendio en funcin de variables
como la pendiente, combustibilidad, vegetacin,
etc.

FIN DEL CAPTULO

Captulo 2

El modelo digital de elevaciones

por Angel Manuel Felicsimo, bilogo
http://www.etsimo.uniovi.es/~feli/

Introduccin
En la cartografa convencional la descripcin de las elevaciones a travs del mapa topogrfico
constituye la infraestructura bsica del resto de los mapas. El papel equivalente en los MDT lo
desempea el modelo digital de elevaciones (MDE), que describe la altimetra de una zona
mediante un conjunto de cotas. Siguiendo la analoga cartogrfica, es posible construir un
conjunto de modelos derivados, elaborados a partir de la informacin contenida explcita o
implcitamente en el MDE. Los modelos derivados ms sencillos pueden construirse
exclusivamente con la informacin del MDE y reflejan caractersticas morfolgicas simples
(pendiente, orientacin, etc.). Incorporando informacin auxiliar es posible elaborar otros
modelos ms complejos, utilizando conjuntamente la descripcin morfolgica del terreno y
simulaciones numricas de procesos fsicos.

Origen
El trmino digital terrain model tiene aparentemente su origen en el Laboratorio de
Fotogrametra del Instituto de Tecnologa de Massachussetts en la dcada de los aos 50. En el
trabajo pionero de Miller y Laflamme (1958) se establecen ya los primeros principios del uso de
los modelos digitales para el tratamiento de problemas tecnolgicos, cientficos y militares. La
definicin del MDT que se menciona en sus trabajos es "una representacin estadstica de la
superficie continua del terreno, mediante un nmero elevado de puntos selectos con
coordenadas (x, y, z) conocidas, en un sistema de coordenadas arbitrario"
Puede observarse el uso del trmino MDT como sinnimo de MDE, as como el escaso nfasis
en el aspecto de la referenciacin geogrfica aunque en el trabajo, unas lneas ms adelante, se
indica la conveniencia de establecer una relacin entre el sistema de coordenadas y un sistema de
proyeccin geogrfica.
El objeto de su trabajo fue acelerar el diseo de carreteras mediante el tratamiento digital de
datos del terreno adquiridos por fotogrametra, plantendose una serie de algoritmos para la
obtencin de pendientes, reas, etc. El problema del nmero de datos se plante de forma crtica,
dada la escasa capacidad de almacenamiento de los ordenadores en aquella poca, y una buena
parte del esfuerzo del proyecto se dedic a desarrollar mtodos de representar los perfiles
topogrficos de la forma ms sinttica posible.
Las aplicaciones informticas de uso menos aplicado tuvieron que esperar algunos aos ms y,
habitualmente, surgieron en un "contexto SIG" que incorporaba la informacin topogrfica para
el manejo de cartografa digital en trminos ms generales. El Harvard Laboratory for Computer

Graphics and Spatial Analysis marc un hito cuando present SYMAP en 1967. SYMAP era
una aplicacin formada por un conjunto de programas de manejo de cartografa digital que
inclua algoritmos de interpolacin para generar mapas de isopletas a partir de puntos acotados
distribuidos irregularmente.
En los ltimos aos han surgido ya multitud de aplicaciones informticas capaces de manejar
eficazmente los MDT. A pesar de ello, an queda pendiente, lo mismo que en los SIG, la
resolucin definitiva de problemas bsicos como, por ejemplo, conseguir una estructura de datos
idnea, conseguir algoritmos eficientes, o facilitar el uso de los sistemas por parte de los
usuarios.

Definicin y estructura del MDE

De acuerdo con la definicin general presentada en el captulo 1, un modelo digital de
elevaciones es una estructura numrica de datos que representa la distribucin espacial de la
altitud de la superficie del terreno.
Un terreno real puede describirse de forma genrica como una funcin bivariable continua z=
(x,y) donde z representa la altitud del terreno en el punto de coordenadas (x, y) y es una funcin
que relaciona la variable con su localizacin geogrfica. En un modelo digital de elevaciones se
aplica la funcin anterior sobre un dominio espacial concreto, D. En consecuencia, un MDE
puede describirse genricamente como MDE=(D, ).
En la prctica, la funcin no es continua sino que se resuelve a intervalos discretos, por lo que el
MDE est compuesto por un conjunto finito y explcito de elementos. Los valores de x e y suelen
corresponder con las abscisas y ordenadas de un sistema de coordenadas plano, habitualmente un
sistema de proyeccin cartogrfica.
La generalizacin inherente a la discretizacin del modelo implica una prdida de informacin
que incrementa el error del MDE y, en consecuencia, se propaga a los modelos derivados. Por
este motivo, se han ensayado numerosas opciones en la bsqueda de una forma de representar y
almacenar la altitud que equilibre la prdida de informacin y algunos efectos secundarios
indeseables como el excesivo tamao de los archivos o la dificultad de manejo.

Estructuras de datos en el MDE

De forma general, la unidad bsica de informacin en un MDE es un punto acotado, definido
como una terna compuesta por un valor de altitud, z, al que acompaan los valores
correspondientes de x e y. Las variantes aparecen cuando estos datos elementales se organizan en
estructuras que representan las relaciones espaciales y topolgicas.
Mientras que los mapas impresos usan casi exclusivamente una nica convencin las curvas
de nivel para la representacin de la superficie del terreno, en los MDE se han utilizado
alternativas algo ms variadas. Histricamente, las estructuras de datos en los sistemas de
informacin geogrfica y, por extensin, en los modelos digitales del terreno, se han dividido en
dos grupos en funcin de la concepcin bsica de la representacin de los datos: vectorial y
raster:

el modelo de datos vectorial est basado en entidades u objetos

geomtricos definidos por las coordenadas de sus nodos y vrtices

el modelo de datos raster est basado en localizaciones espaciales, a cada

una de las cuales se les asigna el valor de la variable para la unidad
elemental de superficie

En el modelo vectorial los atributos del terreno se representan mediante puntos, lneas o
polgonos con sus respectivos atributos. Los puntos se definen mediante un par de valores de
coordenadas con un atributo de altitud, las lneas mediante un vector de puntos de altitud nica
o no y los polgonos mediante una agrupacin de lneas.
En el modelo raster, los datos se interpretan como el valor medio de unidades elementales de
superficie no nula que teselan el terreno con una distribucin regular, sin solapamiento y con
recubrimiento total del rea representada. estas unidades se llaman celdas o teselas y, si se
admite la analoga con los trminos usados en proceso de imgenes, pixeles.
Cada modelo de datos puede expresarse mediante diferentes estructuras de datos; dentro de los
dos modelos bsicos, la prctica y el tiempo han reducido las potenciales variantes de
estructuracin a unas pocas. Las ms representativas son dos estructuras vectoriales: la basada en
isohipsas o contornos y la red irregular de tringulos TIN, triangulated irregular network y
dos estructuras raster: las matrices regulares URG, uniform regular grids y las matrices
jerrquicas quadtrees:
1. Estructuras vectoriales, basadas en entidades/objetos
1. Contornos: polilneas de altitud constante
2. TIN: red de tringulos irregulares adosados
2. Estructuras raster, basadas en localizaciones
1. Matrices regulares: malla de celda cuadrada
2. Quadtrees: matrices imbricadas en una estructura jerrquica

Modelo vectorial: contornos.

La estructura bsica de un modelo de contornos es la polilnea definida como un vector de n
pares de coordenadas (x, y) que describe la trayectoria de las curvas de nivel o isohipsas. El
nmero de elementos de cada vector es variable; la reduccin de ste a un nico elemento, n=1,
permite incorporar elementos puntuales (cotas) sin introducir incoherencias estructurales. Una
curva de nivel concreta queda definida, por tanto, mediante un vector ordenado de puntos que se
sitan sobre ella a intervalos adecuados no necesariamente iguales para garantizar la
exactitud necesaria del modelo. La localizacin espacial de cada elemento es explcita,
conservando los valores individuales de coordenadas. En el caso ms sencillo, el MDE est
constituido por el conjunto de las curvas de nivel que pasan por la zona representada, separadas
generalmente por intervalos constantes de altitud, ms un conjunto de puntos acotados que
definen lugares singulares cimas, fondos de dolinas, collados, etc..

El modelo de contornos es el utilizado habitualmente en los mapas impresos. Es una estructura de datos poco
til para el manejo por medios informticos pero la escasez de otras fuentes de datos obliga a que todos los
SIG tengan herramientas para incorporarlos y usarlos, normalmente mediante transformaciones a otras
estructuras (TIN o matrices)

Modelo vectorial: redes de tringulos irregulares (TIN)

Esta estructura de datos se compone de un conjunto de tringulos irregulares adosados y que
suele identificarse por las siglas de su denominacin inglesa: triangulated irregular network, TIN
(Peucker et al., 1978). Los tringulos se construyen ajustando un plano a tres puntos cercanos no
colineales, y se adosan sobre el terreno formando un mosaico que puede adaptarse a la superficie
con diferente grado de detalle, en funcin de la complejidad del relieve. Se trata de una
estructura en la que el terreno queda representado por el conjunto de superficies planas que se
ajustan a un conjunto previo de puntos.
El mtodo de triangulacin ms utilizado se denomina triangulacin de Delaunay y se explica
con mayor detenimiento en la parte final de este captulo.

Modelo raster: matrices regulares

La estructura matricial tiene antecedentes relativamente remotos: Chapman (1952) propone ya
mtodos de anlisis topogrfico basados en matrices regulares. Esta estructura es el resultado de
superponer una retcula sobre el terreno y extraer la altitud media de cada celda. La retcula
adopta normalmente la forma de una red regular de malla cuadrada. En esta estructura, la
localizacin espacial de cada dato est determinada de forma implcita por su situacin en la
matriz, una vez definidos el origen y el valor del intervalo entre filas y columnas.

La matriz regular es la estructura ms utilizada para construir los MDE. La razn

es que se trata de una estructura de fcil manejo informtico y simple de
representar mediante estructuras lgicas como matrices de dos dimensiones.

Modelo raster: matrices jerrquicas quadtrees

El mayor inters de las matrices jerrquicas est en que permiten solucionar el principal
problema de las matrices regulares: su resolucin espacial constante. En este tipo de matrices los
elementos pueden ser, bien datos elementales, como en las matrices regulares, o bien, a su vez,
matrices de 2×2 con una distancia entre filas y columnas mitad de la del nivel anterior. La
estructura final es un rbol jerrquico de matrices elementales de 2×2 con una profundidad
en principio arbitraria y cuya resolucin espacial se duplica en cada nivel. Esta estructura,
denominada originalmente quadtree, se ha utilizado ocasionalmente en el tratamiento de
variables nominales (Samet et al., 1984) con el fin de reducir el tamao de almacenamiento.
Este tipo de estructura no ha sido apenas desarrollada ni utilizada, segn puede deducirse de la
bibliografa, aunque tiene una relacin directa con el mtodo fotogramtrico de muestreo
progresivo (Makarovic, 1973). En el tratamiento de los MDE, los trabajos pioneros parecen
corresponder a Ebner y Reinhardt (1984, 1988), que utilizan un modelo mixto de matrices
jerrquicas y estructuras TIN.

Otras estructuras
Se han descrito muchas variantes y alternativas para el archivo y tratamiento de los MDE. La
representacin mediante perfiles suele citarse como una posibilidad y algunos autores la evalan
positivamente debido a algunas ventajas tericas (Yoeli, 1983:21); en la bibliografa actual, sin
embargo, no se encuentran ejemplos que la utilicen. La codificacin de contornos mediante
ecuaciones polinmicas fue propuesta en los primeros trabajos sobre modelos digitales (Miller y
Laflamme, 1958:437); ms recientemente, Walton (1989) propone un mtodo similar basado en
una secuencia de segmentos de Bzier con el fin de reducir el tamao de los ficheros
vectoriales. Otros, como los polgonos irregulares adosados (Moore et al., 1988) o redes
regulares hexagonales (Roessel, 1988), aducen en cada caso ventajas para aplicaciones concretas
pero su uso no se ha generalizado hasta el momento.

Qu estructura debe usarse?

Para tomar la decisin de la estructura de datos idnea es necesario tener en cuenta algunas de
sus implicaciones; entre ellas estn las siguientes:

adoptar una estructura de datos concreta supone decidir el mtodo de

construccin del modelo e, indirectamente, sobre qu tipo de informacin

va a ser representada y cul descartada

implica decidirse por un esquema concreto de almacenamiento y gestin

informtica de los datos, con sus ventajas e inconvenientes

implica la necesidad de traducir los algoritmos a formas concretas

compatibles con la estructura de datos elegida

supone aceptar las limitaciones de las aplicaciones informticas para

gestionar la informacin en el formato elegido

Es decir, la eleccin de la estructura de datos es importante porque condiciona el futuro manejo

de la informacin.
Algunos autores han opinado que las diferencias tericas son reducidas si la resolucin es similar
(Berry, 1988) ya que se trata en todos los casos de una distribucin de puntos acotados. Sin
embargo, esto es fijar la atencin slo en los elementos primarios del modelo cuando la
diferencia fundamental estriba, lgicamente, en la forma de estructurar los datos, en la
complejidad de la referenciacin espacial interna o topologa aplicada a la informacin y en los
procesos de tratamiento que estas circunstancias permiten o exigen.
Los sistemas de informacin geogrfica y algunas aplicaciones dedicadas expresamente al
tratamiento de los MDT usan, en la prctica, slo dos de las alternativas anteriores: las matrices
regulares y los TIN .
El papel del modelo de contornos ha quedado reducido a ser una etapa intermedia en la captura
de informacin: la de digitalizacin del mapa topogrfico. El diseo de algoritmos para el
manejo posterior de la informacin se ha mostrado tan dificultoso que no se considera una
alternativa viable para el tratamiento de los datos topogrficos (Mark, 1979:34).
Los quadtrees han despertado un mayor inters y existen aplicaciones comerciales que los usan
como estructura bsica (por ejemplo, SPANS); sin embargo, a pesar de tratarse de una estructura
tericamente adecuada para el tratamiento de la topografa, tambin presentan serios problemas
en el diseo de algoritmos.
Puede resumirse que, entre las dos alternativas restantes y para realizar operaciones de anlisis
espacial, en los SIG se ha optado por usar matrices regulares en el tratamiento de los MDT. El
motivo de esta decisin ha sido que los TIN, aunque capaces de representar con fidelidad la
topografa por su capacidad de adaptarse al terreno con un nivel de resolucin variable, no
permiten efectuar clculos ni desarrollar modelos con la facilidad y rapidez de las matrices. stas
se han mostrado como estructuras mucho ms simples conceptualmente y ms adaptadas al
tratamiento informtico.
La alternativa adoptada en algunos SIG ha sido usar las matrices regulares divididas en
elementos denominados tiles "losas" o "baldosas" cuyo conjunto cubre el territorio. La
divisin en tiles permite una gestin ms eficaz de la informacin ya que no exige el manejo
global de una matriz de grandes dimensiones. La resolucin de las unidades elementales sigue
siendo, sin embargo, fija, y la gestin se complica algo ms ya que es necesario mantener y
manejar una estructura ms compleja que la simple matriz regular.

La construccin del MDE

La captura de la informacin hipsomtrica constituye el paso inicial en el proceso de
construccin del MDE, e incluye la fase de transformacin de la realidad geogrfica a la

estructura digital de datos. Se trata de una fase de gran trascendencia porque la calidad de los
datos es el principal factor limitante para los tratamientos que se realicen posteriormente. Tras
obtener los datos, stos deben ser estructurados para formar el MDE de alguna de las formas
presentadas en el apartado anterior.

Captura de datos
Los mtodos bsicos para la conseguir los datos de altitudes pueden dividirse en dos grupos:
directos primary data cuando las medidas se realizan directamente sobre el terreno real, e
indirectos secondary data cuando se utilizan documentos analgicos o digitales elaborados
previamente. La jerarqua de los mtodos ms usuales es la siguiente:
1. Mtodos directos: medida directa de la altitud sobre el terreno (fuentes
primarias)
1. Altimetra: altmetros radar o laser transportados por plataformas
areas o satlites
2. GPS: global positioning system, sistema de localizacin por
triangulacin
3. Levantamiento topogrfico: estaciones topogrficas con salida
digital
2. Mtodos indirectos : medida estimada a partir de documentos previos
(fuentes secundarias)
1. Restitucin a partir de pares de imgenes
1. Estereo-imgenes digitales: imgenes tomadas por
satlites
2. Estereo-imgenes analgicas : imgenes fotogrficas
convencionales
3. Interferometra radar: imgenes de interferencia de
sensores radar
2. Digitalizacin de mapas topogrficos
1. Automtica: mediante escner y vectorizacin
2. Manual: mediante tablero digitalizador

Mtodos directos: altmetros, GPS y estaciones topogrficas

Altmetros radar y lser
Algunos satlites han incorporado altmetros entre sus instrumentos, con lo que se hace posible,
al menos tericamente, el registro directo de los datos de altitud en formato digital. Estos
altmetros son aparatos extremadamente precisos: el transportado por el satlite ERS-1
European Remote-Sensing Satellite es un radar de 13.8 GHz con un error nominal de apenas
unos centmetros (Bruzzi y Wooding, 1990:13).

Los altmetros radar se sustentan en principios fsicos esencialmente diferentes de la

teledeteccin convencional. Los sensores pticos reciben la fraccin de luz reflejada por el suelo
ante la radiacin electromagntica del Sol; son sensores pasivos (no emiten energa) y la energa
que reciben depende del albedo del suelo para el rango de longitudes de onda con el que se
trabaje.
El radar es activo: emite una radiacin desde una antena emisora y, adems, esta radiacin es
coherente, es decir, se trata de una luz de longitud de onda pura en la que crestas y valles de la
onda electromagntica son absolutamente regulares. Debido a esta caracterstica, el sensor puede
distinguir el punto exacto en el que se encuentra la oscilacin de la onda reflejada: la fase.
La medida de la fase es til debido a la elevada frecuencia de trabajo: si un radar transportado
por un satlite funciona a 6 GHz, la seal recorrer slo 5 cm en el tiempo de una oscilacin
completa. Si el suelo est exactamente a 800 km de distancia, los 1600 km de ida y vuelta
corresponden a un nmero entero de ciclos y la onda recibida llegar en fase con la onda de
salida. Si la distancia es de 800 km y 1 cm, la onda llegar con un desfase del 40%: un 20%
corresponde al cm del viaje de ida y el otro 20% al del viaje de vuelta. Este desfase se detecta en
equipo receptor. La medida de la fase permite, por tanto, estimar las distancias con presiciones
centimtricas.
El problema con el que se encuentra esta metodologa es que la unidad mnima de medida puede
ser un rea relativamente amplia de suelo; si este rea es heterognea generar reflexiones
mltiples que se combinarn de forma que la fase resultante parece aleatoria e inutilizable. Por
estos motivos el uso directo de altmetros ha tenido especial xito sobre superficies homogneas
como en la medida de la topografa de la superficie marina y en el seguimiento de los hielos
polares (Francis et al., 1991:42-43). Veremos posteriormente como esta informacin ya puede
ser aprovechada mediante tcnicas algo ms sofisticadas.
Los altmetros laser utilizados para el levantamiento topogrfico estn basados en el mismo
principio: desde el satlite o avin se lanza un breve pulso hacia la superficie (apenas unos ns);
una fraccin de la energa es reflejada por la superficie y devuelta hacia una antena receptora. El
tiempo transcurrido entre la emisin y la recepcin del eco depende de la distancia entre la
antena y el suelo.

En la actualidad estn en funcionamiento varias misiones basadas en altmetros laser (no

necesariamente terrestres). Merece la pena destacar el Mars Orbiter Laser Altimeter (MOLA)
transportado en la misin Mars Global Surveyor. Lanzado en noviembre de 1996 y llegado a la

rbita de Marte en septiembre de 1997, est especficamente destinado para la cartografa

topogrfica de Marte. An en la primera fase de la misin, el MOLA ya ha comenzado a enviar
resultados. Uno de ellos se muestra en la figura siguiente:

Representacin de un perfil altimtrico tomado sobre un crter de 24 km de dimetro y 786 m de

profundidad.

Merece destacarse que la cobertura topogrfica ms completa disponible adquirida con estos
mtodos es la de Venus, donde hace ya algunos aos, la misin Magallanes levant el mapa del
planeta prcticamente completo. La nave Magallanes fue lanzada el 4 de mayo de 1989 y lleg a
la rbita de Venus unos 15 meses ms tarde, el 10 de agosto de 1990. Durante la misin (199094) se cartografi el 98% del planeta con una resolucin de unos 100 m. Combinando imgenes
tomadas en diferentes rbitas del satlite fue posible tambin crear simulaciones tridimensionales
de la superficie de Venus.

Imagen creada a partir de los datos de la misin Magellan sobre Venus, combinando datos del
radar de apertura sinttica (SAR) y altmetro. Se muestra a apariencia de 3 crteres en Lavinia
Planitia. El crter Howe (en primer plano) tiene 37.3 km de dimetro. Los colores se han
simulado a partir de datos tomados por las misiones soviticas Venera 13 y 14.

Altmetro lser transportado por avin.

GPS, sistema global de localizacin

Otro mtodo de cierto inters es el denominado sistema global de localizacin, conocido como
GPS global positioning system. Este mtodo utiliza un conjunto o constelacin de satlites
de referencia y, mediante mtodos de triangulacin, permiten obtener valores de las tres
coordenadas espaciales para un lugar concreto de la superficie terrestre.
La idea de poder ubicarse en un lugar de la superficie terrestre con gran precisin y en ausencia
de referencias locales tuvo su origen con fines militares y, en concreto, fue iniciativa del U.S.
Department of Defense. El mtodo es esencialmente simple: supongamos que logramos medir
que un satlite determinado est a 20.000 km de distancia de nosotros; en ausencia de otra
informacin, nuestra situacin potencial queda limitada a la superficie de una gran esfera de ese
dimetro. Si medimos la distancia a otro segundo satlite, nuestra potencial ubicacin se limita
ahora a la interseccin entre las dos superficies esfricas: una circunferencia. Si interviene una
tercera esfera nuestras posibles posiciones quedan limitadas a 2 puntos y uno de ellos ser
absurdo por estar lejos de la superficie de la Tierra.
El proceso anterior es simple pero exige determinar la distancia a un mnimo de tres satlites
simultneamente con gran precisin. La opcin utilizada es que los satlites emitan pulsos de
radiofrecuencia en ciertos momentos y un receptor calcule la distancia en funcin del momento
de recepcin. este mtodo exige que el reloj del receptor est sincronizado con el reloj del
satlite, concepto bsico del sistema global de localizacin. En Herring (1996) puede encontrarse
un artculo de sntesis sobre GPS en espaol.
La constelacin GPS est formada actualmente por un total de 21 satlites primarios y 3 de
reserva orbitando a 20.000 km de altitud con un periodo de 12 horas. La precisin potencial es
muy elevada, del orden de centmetros, ya que los atlites van provistos de relojes atmicos y se
han depurado notablemente los sistemas de sincronizacin con las estaciones receptoras. Sin
embargo, ya en el origen, las Fuerzas Armadas de EE.UU. introdujeron "ruido" en las seales de
los satlites de forma que las personas no autorizadas no pudieran ubicarse con demasiada
precisin sobre el terreno y aprovechar el sistema para fines militares propios. El mtodo,
denominado "disponibilidad selectiva" (selective availability) consiste en alterar los relojes de
los satlites de acuerdo con un cdigo especfico pseudoaleatorio. El objetivo es que un usuario
del SPS (Standard Positioning Service) pueda ubicarse con unos errores de 100 m (horizontal) y
156 m (vertical) el 95% de las veces.

Satlite de la constelacin GPS

Los intentos para corregir estos errores se desarrollaron pronto y utilizaron una tcnica simple:
midiendo desde un punto fijo y de posicin conocida es posible comparar las pseudodistancias
(medidas) con las distancias verdaderas (que era posible calcular al saber la posicin de la
estacin terrestre). La medida simultnea con varios satlites permite escapar a los efectos de la
"disponibilidad selectiva" y es lo que se conoce actualmente como GPS diferencial, con el que la
estacin terrestre trasmite por radio los errores en los relojes para que la estacin GPS mvil
pueda calcular su ubicacin con errores de unos cm.
Curiosamente, esta precisin es notablemente superior a la que pueden obtener los usuarios
autorizados para usar el PPS (Precise Positioning System) mediante los decodificadores
criptogrficos que permiten eliminar el ruido inducido en la seal. La precisin que puede
esperarse del PPS es de 22 m (horizontal) y 27.7 (vertical).
Universidad de Texas: Global Positioning System Overview

En la actualidad, Rusia posee un sistema similar al anterior denominado GLONASS (Global

Navigation Satellite System), tambin operado por sus Fuerzas Areas. El sistema consta de 24
satlites en 3 planos orbitales con una diferencia angular entre planos de 120º. La
constelacin est a 19100 km de altitud y completan una rbira a la Tierra cada 11 h y 15 min.
Glonass genera dos tipos de seales o servicios: el SP (Standard Precision navigation signal) y
el HP (High Precision Navigation Signal). El SP est disponible para uso pblico y permite una
precisin horizontal entre 57-70 m y una vertical de 70 m (ambas con probabilidad de 99.7%).
La seal HP slo est disponible para usuarios autorizados.
Centro de Informacin Glonass de Mosc
MIT Lincoln Laboratory

A pesar de su precisin, este mtodo presenta algunas limitaciones para la construccin del
MDE, entre las cuales destacan la necesidad de acceder fsicamente al lugar de medida y el
tiempo relativamente elevado que se precisa para realizar una toma de datos precisa. A estas dos
circunstancias deben aadirse algunos problemas secundarios relativos a la necesidad de
condiciones favorables para las medidas: acceso directo y simultneo a un mnimo de cuatro
satlites, poca cubierta vegetal sobre la antena receptora, necesidad de una segunda estacin de
apoyo en funcionamiento simultneo, etc. Estos problemas han convertido al mtodo GPS en un
recurso de apoyo, pero no en un sistema bsico de captura de datos para la generacin de MDE.
S es un mtodo vlido para la construccin del conjunto de puntos de control necesario para la
evaluacin del error.
Estaciones topogrficas
Finalmente, las estaciones topogrficas ms avanzadas pueden generar y almacenar los

resultados de sus medidas en formato digital. Algunos sistemas de informacin geogrfica

incorporan utilidades que permiten el tratamiento e incorporacin de estos datos (ver, por
ejemplo, ESRI, 1991). A pesar de su utilidad, el mtodo tiene problemas similares al anterior ya
que la recogida de informacin exige la presencia fsica sobre el terreno. Asimismo, el tiempo
necesario para realizar una toma de datos fiable y completa impide que este mtodo pueda ser la
nica va de incorporacin de datos en la construccin del MDE.

Mtodos indirectos: restitucin fotogramtrica

Como se ha indicado anteriormente, es bastante ms frecuente utilizar mtodos indirectos para la
generacin de los MDE. Las causas son principalmente dos:

con estos mtodos no es preciso acceder fsicamente a la zona de estudio,

pues utilizan documentos preexistentes, y

la generacin de datos se hace de forma relativamente rpida, cuestin

bsica cuando el volumen de informacin es muy elevado.

En las operaciones de restitucin fotogramtrica se utiliza como documento bsico un conjunto

de pares de imgenes de la zona a estudiar, parcialmente solapados y tomados desde puntos de
vista diferentes, que forman los denominados pares estereoscpicos. Examinando puntos
homlogos en los pares estereoscpicos es posible deducir de su paralaje las cotas de referencia
necesarias para reconstruir la topografa. Actualmente existen sistemas restituidores
fotogramtricos automatizados que realizan esta labor grabando directamente los resultados en
un formato digital compatible con sistemas de informacin geogrfica. El acceso al terreno es
necesario para establecer un conjunto de puntos de apoyo que permitan fijar valores de altitud en
una escala absoluta. El mtodo se utiliza tambin en la elaboracin de cartografa analgica y
slo se diferencia en el formato de la salida de los datos. En la cartografa convencional, la salida
se realiza sobre un soporte fsico estable, mientras que en el otro caso se graba directamente en
un soporte informtico.
Los pares estereoscpicos han sido hasta hace pocos aos exclusivamente fotogramas areos,
tomados por cmaras de gran formato desde aviones en vuelo a diferentes altitudes.
Actualmente, a estas fotografas se han sumado las imgenes digitales tomadas por sensores
pancromticos transportados por satlites. El lanzamiento del satlite SPOT en 1986 ha
permitido obtener imgenes estereoscpicas mediante variaciones en el ngulo de vista,
programables desde tierra. Los sensores pancromticos del SPOT permiten una resolucin de 10
m, con un rango espectral de visin similar al del ojo humano. Segn algunos autores, los MDE
resultantes tienen una calidad comparable a los obtenidos mediante los mtodos fotogramtricos
convencionales (Kaufmann y Haja, 1988). Otros autores, sin embargo, presentan estudios con
valores de error ms elevados, compatibles solamente con escalas poco detalladas.

Ejemplo de par estereoscpico formado por dos imgenes tomadas desde distintos puntos de vista. La
observacin mediante un estereoscopio permite observar el relieve de la zona donde ambas imgenes se
solapan.

Mtodos indirectos: interferometra radar

Ya se han mencionado anteriormente los problemas que existen para estimar la altitud mediante
la medida de fase en imgenes radar. Ya en la dcada de los 80, en el Jet propulsion Laboratory
se comenz a trabajar en una nueva forma de obviar estos problemas. La idea consiste en
comparar dos imgenes del mismo lugar tomadas desde la misma posicin pero en momentos
diferentes. Aunque la fase de cada imagen considerada independientemente era bsicamente
aleatoria, la diferencia de fases exhiba unos patrones de interferencia bastante claros. En
principio, si las dos imgenes se toman desde el mismo sitio, no debera haber diferencias de fase
entre el mismo pixel de las dos imgenes: las diferencias slo pueden deberse a cambios
ocurridos entre las dos tomas.

El interferograma del Monte Etna (Sicilia), realizado con imgenes del ERS-1 muestra que el monte se hunde
segn la lava va saliendo; los 4 ciclos de colores indican un hundimiento de 11 cm en el periodo de 13 meses
trascurrido entre las dos tomas (aos 1992-93). El hundimiento se extiende hasta gran distancia del crter lo
que sirve de indicador de las dimensiones de la cmara subterrnea de magma.

De la misma manera, pueden crearse interferogramas con dos imgenes tomadas al mismo
tiempo pero desde lugares algo diferentes: por ejemplo, a lo largo del paso del satlite o portando
dos antenas simultneamente. En este ltimo caso, las dos antenas tienen vuelos paralelos y estn
separadas entre si por una distancia determinada. La seal emitida por una de ellas es recibida
por las dos antenas simultneamente. Los diferentes ngulos entre antenas y punto de medida en
el suelo inducen una diferencia de fase que puede interpretarse geomtricamente de forma
anloga a la usada con imgenes estereoscpicas. Tambin es posible usar una sola antena y
comparar imgenes tomadas en dos rbitas diferentes en cuyo caso la distancia entre tomas
deben estar dentro de unos rangos determinados para evitar una total prdida de coherencia; esta
distancia crtica depende de la aplicacin y se ha valorado en unos 150-300 m para el ERS-1 para
la construccin de modelos digitales de elevaciones (Solaas, 1994)

A la izquierda se muestra la imagen interferomtrica del volcal Kiluaea (Hawaii)

usada para generar el modelo digital de elevaciones mostrado a continuacin. En
este caso la interferencia se debe a las diferentes rbitas del satlite.

La interferometra radar es extremadamente precisa: Madsen et al. (1993), con datos tomados en
verano de 1991 consiguieron resultados con un error cuadrtico medio (ECM) de 2.2 m para

zonas planas y superiores a 5 m para zonas de montaa. En el caso de radares transportados por
aviones, mediante una combinacin entre GPS y los sistemas de navegacin inerciales, es
posible determinar la posicin del avin y el ngulo de toma con unas precisiones de 10-20 m y
0.01-0.02 grados respectivamente. Estos resultados permiten iniciar una generacin de mapas
topogrficos con un precisin en la altitud de 2 m o mejor.
Existen 4 satlites con radar operativos actualmente: Radarsat (CCRS, Canadian Center for
Remote Sensing), ERS-1 y ERS-2 (Agencia Espacial Europea) y JERS-1 ( National Space
Development Agency of Japan); aunque ninguno de ellos fue diseado especialmente para
generar interferometras todos pueden ser usados para ello con mayor o menor facilidad y
prestaciones.
Como con otros mtodos, los primeros pasos de esta tcnica se dieron lejos de la Tierra: fue
usada inicialmente por Rogers e Ingalls (1969) para la observacin de la superficie de Venus y
de la Luna. En la actualidad existe un proyecto especfico para realizar una cartografa
topogrfica de la Tierra mediante radares instalados en la lanzadera espacial en el presente ao
1999. Este proyecto, denominado SRTM (Shuttle Radar Topography Mission) dependiente del
Jet Propulsion Laboratory ser transportado por la lanzadera espacial que, mediante dos radares
tomando medidas simultneamente a 233 km de altitud cubrir el 80% de la superficie terrestre
(entre los paralelos 60ºN y 56ºS) en una misin de 11 das de duracin. El
producto cumplir las especificaciones ITDH-2 (Interferometric Terrain Height Data-2) lo que
implica un pixel de 30x30 m con una precisin absoluta altitudinal mnima de unos 12 m. El
primer radar se encontrar en el fuselaje de la lanzadera y para llevar a cabo la misin, se
desplegar un mstil de 60 m de longitud en cuyo extremo se porta el segundo radar. La misin
tiene previsto su lanzamiento el 16 de septiembre de 1999.

Mtodos indirectos: la digitalizacin automtica

Los mtodos fotogramtricos son utilizados generalmente por organismos de la administracin o
por empresas especializadas. El an elevado coste de los aparatos necesarios para la restitucin
hace difcil que pequeos equipos puedan abordar la construccin de los MDE por esta va. La
opcin alternativa es la digitalizacin de los mapas topogrficos preexistentes, lo cual puede
realizarse de forma manual, mediante un tablero digitalizador, o automticamente mediante un
escner.
La digitalizacin automtica ha sido una lnea de investigacin en constante desarrollo en los
ltimos aos debido a que los mtodos de digitalizacin manual son lentos y proporcionalmente
muy costosos dentro del total de procesos. Para digitalizar de forma automtica, el documento
original se analiza mediante un escner, dispositivo que recorre la superficie del mapa con un
sensor ptico y la traduce a un cierto nmero de niveles de gris o componentes de color. El
resultado final es una de valores de reflectancia. El tamao de la celda o pixel se establece de
forma que sea capaz de recoger todas las estructuras presentes en el mapa manteniendo de unas
dimensiones de los ficheros tratables por los medios informticos disponibles.
De forma general, la digitalizacin de las curvas de nivel se realiza a en un proceso formado por
varias fases:

toma de la imagen mediante el escner, con un tamao de pixel suficiente

para recoger las lneas y discriminar la mnima separacin entre ellas. En
Peled y Fradkin (1994:249) se sugiere una resolucin de 1000-1200
puntos por pulgada para la digitalizacin de originales complejos a escala
1:50.000. La imagen puede ser binaria pero tambin es posible tomarla en
color para poder separar elementos de diferentes colores

filtrado de la misma para separar las estructuras de inters y descartar el

resto. Por ejemplo, si las curvas de nivel estn en cierto color, se indicarn
unas tolerancias para el mismo y se borrarn todos los pixeles que queden
fuera del rango.

vectorizacin de la imagen contrastada, de forma que los pixeles

adyacentes se estructuran en lneas, generndose la imagen vectorial ms
compacta y utilizable. Su similitud con el mapa original es funcin de la
calidad grfica y complejidad de ste pero suele ser un producto poco
depurado debido a las dificultades de separar las lneas de nivel de
cualquier otra entidad del mapa: retculas, toponimia, cotas, carreteras, red
hidrogrfica, tramas, etc. Esta fase puede realizarse de forma automtica o
asistida, donde la toma de decisiones ante situaciones conflictivas la
realiza un operador ante la pantalla grfica

reconocimiento de los valores de elevacin escritos en el mapa, en un

proceso de varios pasos:

una aplicacin OCR optical character recognition identifica

los dgitos del mapa

se restituyen los rtulos de elevaciones a partir de los dgitos

se asigna la elevacin a los contornos a ambos lados del rtulo

se unen ambos extremos de contornos y se eliminan los rtulos

edicin manual, para la correccin de los errores topolgicos y la

asignacin de altitudes a las lneas no etiquetadas

De este conjunto de procesos resulta la versin digital del mapa topogrfico original cuyo coste y
utilidad son factores variables, en los que la eleccin de un mapa original de buena calidad es
decisiva.
El principal problema de la digitalizacin mediante escner es que los originales suelen ser
complejos, con mucha ms informacin que la estrictamente deseable, que sera exclusivamente
las curvas de nivel y puntos acotados. Las confusiones con el resto de elementos del mapa hace
que la fase de revisin y correccin sea frecuentemente muy costosa, hasta el punto de que puede
tener un rendimiento menor que la digitalizacin manual. Este tipo de errores se propaga al
documento digital como errores topolgicos (Peled y Fradkin, 1994:246), el problema ms
frecuente de la digitalizacin automtica.
Por este motivo, y a pesar del coste cada vez ms asumible de los escneres de gran formato, la
digitalizacin manual es un mtodo usado muy frecuentemente por los equipos investigadores de
pequea entidad.

Mtodos indirectos: la digitalizacin manual

La digitalizacin manual se realiza con un tablero digitalizador sobre el que se coloca el mapa.
Las curvas de nivel se siguen manualmente con un cursor de forma que el ordenador recibe a
ciertos intervalos, prefijados o decididos por el operador, las coordenadas que definen la
trayectoria de la lnea.

Los tableros digitalizadores se componen de una densa rejilla que es capaz de

localizar el cursor con una precisin elevada (variable segn el modelo pero no
inferior a los 0.25 mm). Esta precisin es superior a la que un operador es capaz de
mantener durante una sesin de trabajo.

Los programas de digitalizacin actuales tienen capacidad suficiente para permitir trabajos
complejos. Existen, sin embargo, otros factores que influyen en la eficacia global del proceso,
como los siguientes:

la capacidad del ordenador utilizado, que debe estar adaptada a la

complejidad real de los mapas. Aunque los SIG suelen incluir utilidades
de digitalizacin, su uso obliga habitualmente a inmovilizar un ordenador
de gran capacidad para una tarea que no la necesita, lo que supone un
derroche de medios poco justificable.

el uso de programas especficos para la digitalizacin obliga

frecuentemente a usar formatos de almacenamiento que, aunque adaptados
al manejo de la informacin grfica, no se pueden usar de forma directa
por los SIG. Este problema exige que se prevean mtodos de conversin
de formatos que ocasionen una prdida mnima de informacin. Debe
resaltarse que los procesos de traduccin de formatos, sobre los que se
suele hacer poco nfasis, pueden suponer un problema no trivial y que
exigen una inversin de tiempo a veces muy elevada.

Los trabajos de digitalizacin son, en la prctica, de calidad muy irregular. Aunque la

competencia profesional del operador es el factor bsico, existen algunas normas que ayudan a
conseguir un trabajo de mayor calidad. Por ejemplo:

deben usarse mapas en buen estado, ya que la precisin del trabajo

depende de la calidad del documento original. Deben evitarse, por tanto,
los mapas doblados, deformados o con las lneas poco visibles.

la referencia espacial del mapa debe registrarse con precisin mediante

puntos de control localizados en la periferia del rea, con la mxima
separacin posible en el plano XY.

debe aprovecharse la capacidad de los SIG actuales, que permiten incluir

un conjunto variado de elementos a la hora de generar el MDE: a las
curvas de nivel se unen los puntos acotados, la red hidrolgica, lneas de
ruptura, lmites de zona, fragmentos de curvas de apoyo, etc.

debe valorarse el mtodo de digitalizacin a utilizar, incremental o punto a

punto, en funcin de la calidad de los resultados.

no es deseable introducir un nmero excesivamente elevado de puntos

dentro de las curvas de nivel. En principio, los resultados ptimos en los

procesos de generacin del MDE se obtendrn cuando la distancia entre
puntos a lo largo de una lnea sea similar a la distancia entre lneas (Flach
y Chidley, 1988).
Este ltimo factor diferencia la digitalizacin de las curvas de nivel de la de mapas temticos,
donde las fronteras entre categoras debe definirse con la mayor precisin posible.

Elementos que definen la estructura topogrfica

Los MDE manejados por los SIG actuales permiten solamente un valor de altitud por lugar
geogrfico, es decir, no se admiten pliegues ni estructuras estrictamente verticales. Los MDE no
son, por tanto, modelos 3D verdaderos, como los usados habitualmente en CAD. Aunque se han
diseado SIG capaces de manejar datos en tres dimensiones reales, an no se han generalizado y
han quedado restringidos a prototipos experimentales, generalmente de aplicacin geolgica.
Antes de comenzar la operacin propiamente dicha de generacin del MDE, el fichero resultante
de la digitalizacin debe someterse a una serie de operaciones de estructuracin y asignacin de
atributos que, en resumen, son las siguientes:

estructuracin topolgica, mediante la cual se crea la base de datos

necesaria para mantener y gestionar las relaciones lnea-nodo

asignacin de altitudes a las lneas y puntos, ya que este atributo puede no

transferirse durante la digitalizacin

la generalizacin, un proceso de filtrado selectivo mediante el cual se

eliminan la informacin innecesaria o redundante en funcin del error
admisible

asignacin de cdigos a las estructuras auxiliares que hayan sido

digitalizadas como informacin complementaria

Una vez realizadas estas operaciones es posible abordar la creacin del MDE segn mtodos
diversos. La experiencia ha mostrado que la calidad de un MDE puede mejorarse
significativamente introduciendo datos auxiliares de diversos tipos como, por ejemplo

curvas de nivel o contours, que habitualmente se descomponen en puntos

acotados mass points previa generalizacin o reduccin de la
densidad de vrtices de la lnea

puntos acotados singulares o vips de very important points, que

definen puntos con informacin relevante; por ejemplo, cumbres de picos
o fondos de dolinas. En ocasiones ambos tipos de datos, cumbres y
sumideros deben ser diferenciados claramente debido a su diferente
tratamiento.

lneas estructurales, que definen elementos lineales con valores de altitud

asociados a cada vrtice y utilizados para asegurar el ajuste de la
superficie topogrfica; por ejemplo, la red fluvial o las lneas de cresta
este tipo de lneas han sido utilizadas frecuentemente para la
representacin del terreno en libros de viajes o mapas excursionistas.

lneas de inflexin o rotura breaklines, utilizadas para definir la

posicin de elementos lineales sin valores de altitud explcitos que rompen

la continuidad de la superficie; por ejemplo, bordes de acantilados. Estas
lneas no aportan valores de altitud pero s intervienen en el
comportamiento de los algoritmos de interpolacin bloqueando la
bsqueda de datos. Una parte de las lneas de inflexin pueden ser
extradas de mapas geomorfolgicos.

zonas de altitud constante, definidas por polgonos que encierran una

superficie plana de altitud nica; por ejemplo, la superficie de un lago

zonas de recorte, que define los lmites externos del MDE por fuera de los
cuales cualquier dato existente se ignora

zonas vacas, donde las circunstancias impiden la obtencin y asignacin

de cotas; por ejemplo, zonas inundadas, cubiertas de nieve o donde los
datos de origen son de calidad dudosa

El conjunto de datos formado por las estructuras mencionadas puede servir para generar un MDE
que aproveche adecuada y eficazmente la informacin topogrfica disponible. Debe destacarse
que la totalidad de las estructuras anteriores son vectoriales: puntos, lneas y polgonos.

Mtodos de construccin del MDE

La construccin de un MDE entendido como matriz regular a partir de la informacin vectorial
mencionada anteriormente es bsicamente un problema de interpolacin: se definen las
localizaciones de los puntos problema intersecciones de filas y columnasy se estima la
altitud de cada uno de ellos en funcin de los datos del entorno existentes en el modelo vectorial.
Los algoritmos de interpolacin deben tener en cuenta, asimismo, las diversas estructuras
auxiliares para introducir variantes en los mecanismos de clculo.
El planteamiento global del problema podra ser, por tanto, como sigue:

dado un conjunto de puntos con coordenadas (x, y, z), distribuidos

irregularmente, generar un nuevo conjunto de puntos localizados en los
nodos de una red regular de forma que la superficie interpolada sea una
representacin de la original con una prdida mnima de informacin.

En el caso de la creacin de una estructura TIN, en lugar de interpolar, se realiza una seleccin
de puntos descartando los que no aporten una informacin relevante para la descripcin de la
altitud.
Sin embargo, en un modelo vectorial como el que forma el mapa topogrfico digitalizado,
acceder directamente a un dato por su posicin espacial no es sencillo. Por este motivo, la
localizacin de los datos incluidos en el entorno del punto problema es una operacin clave, que
debe ser bien diseada dado el enorme nmero de datos que suele componer el mapa original.
Las estrategias de bsqueda son un problema informtico ms que geogrfico por lo que no
entraremos en ellas en este texto.

Interpolacin en funcin de la distancia

El valor del punto problema se estima asignando pesos a los datos del entorno en funcin inversa
de la distancia que los separa del punto problema inverse distance weighting, IDW. Se
establece, por tanto, que los puntos ms cercanos tienen un peso mayor en el clculo, aunque la
relacin no tiene porque ser lineal.

El mtodo general
La frmula general de la interpolacin en funcin inversa de la distancia es:

donde

es el valor estimado para el punto j ; n es el nmero de puntos usados en

la interpolacin; el valor en el punto i-simo y k ij el peso asociado al dato i en el clculo del

nodo j. Los pesos k varan entre 0 y 1 para cada dato y la suma total de ellos es la unidad.

Localizacin de datos para la interpolacin mediante un radio de bsqueda. Los puntos ms

distantes son descartados. Otras variantes del mtodo incluyen la bsqueda por cuadrantes, la
definicin de un nmero de datos mnimo y diversas formas de ponderar las distancias.

Las diferencias entre los diversos mtodos estriban en la forma de calcular los pesos de cada
dato. Los mtodos de distancia inversa calculan la distancia euclidiana entre cada dato y el punto
problema, dij ver figura anterior; al establecer una funcin de proporcionalidad entre el peso
y la distancia, la frmula general queda como sigue:

donde es un exponente de ponderacin. Este parmetro controla la forma en la que el peso

disminuye con la distancia. En el caso de valer 0, el valor estimado ser la media aritmtica de
los datos; en el caso de valer 1, el peso disminuye linealmente con la distancia; para valores
superiores, la influencia de los puntos cercanos se hace mucho mayor que la de los lejanos. Por
ejemplo, cuando =2, la interpolacin se realiza en funcin inversa del cuadrado de la distancia.
Cuando se aplican estos mtodos aparece frecuentemente un problema derivado del desigual
reparto espacial de los puntos a lo largo de las lneas y entre ellas, tal como se ha sealado en al
apartado anterior. Se trata del "aterrazamiento" del terreno debido a la ausencia de datos entre
curvas de nivel sucesivas. Cuando la interpolacin se realiza mediante funciones de ajuste ms
complejas polinomios de grado alto, pueden aparecer artefactos an ms molestos, con
fuertes fluctuaciones en la altitud.

Ejemplos de las curvas generadas para varios valores de donde pueden

observarse los patrones de cambio de los pesos (ordenadas) en funcin de las
distancias (unidades arbitrarias, en abscisas)

Esta familia de mtodos permite la generacin del MDE de una forma rpida y simple. Sin
embargo, se trata esencialmente de una media ponderada y, por tanto, el resultado se encuentra
siempre incluido dentro del rango de variacin de los datos. Por este motivo, el correcto
tratamiento de las formas cncavas y convexas depende estrechamente de la distribucin de los
puntos originales y la presencia de datos auxiliares se hace muy conveniente.
Por otra parte, la seleccin del valor de se hace frecuentemente de forma arbitraria, y al cambiar
los valores de b se generan superficies topogrficas muy diferentes. La seleccin objetiva de los
pesos es el punto fuerte del mtodo que se muestra en el apartado siguiente.
La hiptesis de la variable regionalizada
La ltima alternativa para la interpolacin que trataremos aqu se denomina habitualmente
kriging, trmino construido a partir del nombre de D.G. Krige, uno de los pioneros del mtodo
en espaol se utilizan tambin las expresiones "krigeado" y "krigeage".
El kriging es un mtodo de interpolacin con la misma expresin general que los mencionados
en el apartado anterior. La diferencia bsica es que asume que la altitud puede definirse como
una variable regionalizada. Esta hiptesis supone que la variacin espacial de la variable a
representar puede ser explicada al menos parcialmente mediante funciones de correlacin
espacial: la variacin espacial de los valores de z puede deducirse de los valores circundantes de
acuerdo con unas funciones homogneas en toda el rea .
Con este mtodo, las funciones pueden deducirse analizando la correlacin espacial entre los
datos en funcin de la distancia entre ellos. En efecto, en el caso de los MDE, es razonable
suponer que el valor de altitud en un punto est relacionado de alguna manera con el valor de los
puntos vecinos, distribuidos a distancias variables. Puede suponerse, asimismo, que la
"influencia" de los puntos ms lejanos es menor que la de los ms prximos. El kriging estima
esta dependencia mediante un estadstico: la semivarianza entre datos separados por distancias
diferentes.
La semivarianza adquiere valores diferentes en funcin de la distancia entre los datos (a ms
separacin, menos correlacin entre los valores de altitud). La funcin que relaciona la
semivarianza con la distancia h se denomina semivariograma y muestra, por tanto, la variacin
de la correlacin entre los datos en funcin de la distancia. La expresin ms usual para
representarla es (Oliver y Webster, 1990:315):

donde n es el nmero de pares de valores separados por una distancia h. Cambiando

progresivamente este ltimo valor, es posible elaborar el semivariograma emprico para la zona
concreta que trabajemos. Normalmente, este semivariograma no se utiliza directamente sino que
se examina un conjunto de funciones tericas y se usa la de mejor ajuste con los datos reales.
Finalmente, los pesos k correspondientes a cada distancia entre datos se estiman a partir de los
valores del semivariograma por mtodos de clculo matricial (ver Royle et al., 1981 para un
desarrollo ms detallado).

Ejemplo de semivariograma donde la varianza real se ajusta a una distribucin terica; sta es la que se
aplica para la estimacin de los pesos en la interpolacin mediante kriging

El kriging permite obtener dos valores de inters. En primer lugar, el semivariograma nos
permite conocer el valor de distancia h para el cual los datos pueden considerarse ya
independientes entre s. Este valor de distancia pone un lmite superior al rea del entorno
alrededor del punto problema, ya que la inclusin de puntos situados a distancias mayores no
aportara informacin de inters. El otro parmetro estimado es el valor del error esperado para
cada punto, que es funcin de los valores de semivarianza observados para los datos y que puede
ser calculado sin dificultad.
Aunque el kriging es un mtodo de estimacin ptimo desde el punto de vista estadstico,
presenta algunas dificultades a la hora de ser utilizado como mtodo de construccin de los
MDE. La ms importante es que la teora exige que el semivariograma sea de validez general
para toda el rea del MDE; sto quiere decir que la interdependencia entre los datos debe ser
funcin exclusivamente de la distancia entre ellos de su posicin relativa y no de su
localizacin espacial absoluta. Los patrones de variacin de z deben ser, por tanto, homogneos.
Esta condicin no suele cumplirse y, adems, no permite el tratamiento de discontinuidades
topogrficas que supongan cambios bruscos, como rupturas de pendiente.
Las variables en las que est indicado el uso del kriging son aquellas cuya distribucin tiene una
fuerte componente estocstica o que son resultado de un conjunto de procesos sometido a la
interaccin de mltiples variables concurrentes. Por ejemplo, en la distribucin de un
contaminante atmosfrico influyen complejas causas meteorolgicas a muy diferentes escalas y
sometidas a fenmenos de turbulencia. A pesar de que la modelizacin de estos procesos puede
ser muy compleja, los valores puntuales pueden ser descritos satisfactoriamente mediante el
kriging dado que este tipo de variables cumple las condiciones anteriormente mencionadas.

Los mtodos basados en triangulaciones

Los mtodos descritos anteriormente tienen como resultado un MDE raster. Algunos de ellos
permiten incorporar parte de las estructuras auxiliares como las zonas de recorte o, incluso,
lneas de ruptura. Sin embargo, todos los mtodos basados en pesos son bsicamente filtros
ponderados y responden mejor ante variables con distribuciones suaves. En el caso de la
topografa, cuando se est tratando con una zona con relieve fuerte, con discontinuidades e,
incluso, cuando se desean introducir en el modelo estructuras artificiales de diseo lineal, los
mtodos descritos no son satisfactorios.
La red irregular de tringulos
La solucin aparentemente ms adecuada hasta el presente ha sido el tratamiento del relieve
mediante una estructura vectorial especial: la red irregular de tringulos o TIN siglas de
triangulated irregular network, propuesta inicialmente por Poiker et al. (1978).
El modelo TIN tiene varias cualidades de gran inters para los MDE:

no presupone ni exige la continuidad estadstica de la superficie a

representar

puede generarse incorporando una amplia variedad de estructuras

auxiliares, especialmente las lneas estructurales y de inflexin, que son
incorporadas al modelo como lados de tringulos

se adapta a la complejidad local del terreno, creando redes localmente ms

densas en funcin de la anfractuosidad del relieve

respeta los valores de los datos, que son usados como vrtices y mantienen
su altitud exacta

Como ya hemos visto, un TIN es un conjunto de tringulos adosados que recubren el terreno de
forma completa. La creacin de un TIN se compone de dos partes diferentes: la triangulacin
propiamente dicha y la seleccin de los puntos que deben usarse como vrtices.
La triangulacin ha sido estudiada desde hace ms de un siglo y, actualmente, es un tpico bien
conocido utilizado en numerosas aplicaciones como robtica, anlisis de elementos finitos,
visin artificial y sntesis de imgenes (Cignoni et al., 1994:2 ). En el caso de los SIG el mtodo
ms habitual es el conocido como triangulacin de Delaunay, TD.
La TD se entiende mejor partiendo de un concepto complementario, la teselacin de Voronoi.
Los argumentos bsicos son los siguientes:

dados 2 puntos Pi y Pj, en un plano T, la perpendicular al segmento PiPj en

su punto medio divide el plano en dos regiones Vi y Vj; la regin Vi
contiene todos y slo los puntos cuya distancia a Pi es menor que a Pj; la
regin Vj contiene el resto.

el concepto se extiende a mltiples puntos Pn de forma que cada uno de

ellos se asocia a una regin Vn que contiene todos los puntos del plano
ms prximos:

si el concepto se aplica a un dominio cerrado se genera un conjunto de

polgonos convexos que teselan el plano denominados regiones de

Voronoi

finalmente, si se conectan entre s los puntos que comparten un borde de

una regin se obtiene una triangulacin de Delaunay

La TD genera una solucin nica para un conjunto de puntos dado salvo en algunos casos
especiales por ejemplo, cuando cuatro puntos pertenecen a una circunferencia donde pueden
existir triangulaciones alternativas vlidas. En cualquier caso, las propiedades del mtodo
garantizan una forma idnea de los tringulos. Las dos propiedades principales de la TD son:

un punto P perteneciente a la red es siempre un vrtice de un tringulo T

dos tringulos de una red pueden estar conectados por un vrtice o un lado
comn: no existe superposicin

dado un tringulo T(Pi ,Pj ,Pk ) no existe otro punto de la triangulacin

interno al crculo que pasa por Pi Pj y Pk

dados 4 puntos y el cuadriltero definido por ellos, la diagonal que lo

divide en dos tringulos es aquella que hace mximo el menor de los
ngulos internos, es decir, la TD tiende a crear tringulos lo ms
equilteros posible

La figura inferior permite ver una triangulacin de Delaunay creada sobre la marcha segn se
van introduciendo puntos sobre el "terreno". Las lneas amarillas forman la triangulacin y las
lneas azules definen la teselacin de Voronoi o de Thiessen, un concepto complementario del
anterior y usado en los sistemas de informacin geogrfica en algunas operaciones con
estructuras vectoriales.
Introduzca puntos con el ratn sobre la superficie gris. Con el botn reset se borrarn todos los
puntos y se podr empezar de nuevo. Si desactiva la opcin triangulations slo se mostrar la
teselacin de Voronoi.
El problema de la triangulacin es la seleccin de puntos que deben usarse como vrtices. La
forma ms trivial de construir un TIN es usar todos los vrtices y nodos de las curvas de nivel,
as como los puntos singulares como vrtices de tringulos. Este modelo masivo no es deseable,
en primer lugar, por la enorme cantidad de elementos que sera necesario construir y manejar
para una zona de cierta extensin. Es muy probable, asimismo, que fuera altamente redundante
ya que muchos puntos procedentes de una digitalizacin rutinaria no aportan una informacin
significativa.
Formalmente, el problema puede plantearse como sigue: dado un conjunto H de n puntos
acotados, elegir un subconjunto mnimo S de H constituido por m puntos, a partir del cual pueda
reconstruirse H con el menor error posible. Los dos enfoques bsicos son:

hacer la seleccin antes de la triangulacin de forma que los algoritmos

para la TD conozcan previamente el conjunto completo de vrtices y
realicen posteriormente un modelo masivo, y

utilizar un algoritmo de triangulacin que realice la seleccin segn realiza

la construccin de la red.

En el primer caso, la estrategia es suministrar al algoritmo de TD los puntos bsicos ya elegidos.

Esto puede realizarse mediante la adecuada generalizacin cartogrfica de las curvas de nivel y

aportando una seleccin de puntos crticos que representan

Los mtodos de construccin de TIN ms utilizados pueden agruparse en las siguientes clases:

insercin incremental multi-pass refinement methods, que comienza

con una triangulacin mnima y a la que se aaden progresiva y
selectivamente nuevos puntos como vrtices de la red. El proceso contina
hasta conseguir un objetivo concreto, definido en funcin de un valor
umbral de error.

reduccin selectiva multi-pass decimation methods por eliminacin

de puntos a partir de un modelo masivo mediante criterios de incremento
mnimo del error.

Aunque la triangulacin de Delaunay es probablemente el mtodo ms utilizado en los SIG

actualmente, se trata de un mtodo bidimensional puro: los tringulos se construyen con criterios
geomtricos en el plano de proyeccin, usando slo las coordenadas x e y, independientemente
del valor de altitud. Por este motivo, la TD se integra entre los mtodos que slo tienen en cuenta
la forma de la triangulacin: shape-dependent methods.
Dado que parece lgico utilizar los valores de z en un proceso cuyo objetivo es precisamente
representar un campo de altitudes, se han desarrollado mtodos para realizar la triangulacin de
forma que el trazado se define en un contexto 3D. Estos mtodos se denominan genricamente
data-dependent methods. En estos casos, la validez de los nuevos tringulos no se comprueba
mediante el test del crculo inscrito sino comprobando cul de las opciones reduce el error del
ajuste en mayor medida. Este tipo de mtodos, basado exclusivamente en la reduccin del error
tiene el problema de que no garantiza una triangulacin global ptima como en el caso de la TD.
Asimismo, al no tender a maximizar el ngulo mnimo genera frecuentemente un elevado
nmero de tringulos con lados muy desequilibrados sliver triangles. En cuanto a la calidad
de los resultados, Garland y Heckbert (1995:27) indican que estos mtodos son
significativamente mejores en el caso de superficies de baja rugosidad formas geomtricas,
por ejemplo, para las que es posible conseguir un error similar con muchos menos tringulos.
Se indica, sin embargo, que para la modelizacin de superficies naturales, mucho ms rugosas
por lo general, la triangulacin de Delaunay ofrece resultados de calidad similar.
Las transformaciones vector-raster
El problema ms importante de los modelos basados en tringulos es que generan una estructura
ms difcil de manejar que la matriz regular, especialmente en procesos de anlisis,
superposicin y combinacin temtica. Es decir, a pesar de ser el TIN la estructura ms adecuada
para construir un MDE por la capacidad de representar un relieve complejo con precisin, est
sometida a los problemas tpicos de las estructuras vectoriales.
Por este motivo, y por la ausencia de un desarrollo suficiente de algoritmos de anlisis, lo ms
usual es crear un MDE segn el modelo TIN y, posteriormente, generar un MDE matricial
convencional mediante procesos de interpolacin especficos. Asimismo, es frecuente realizar
una seleccin de puntos crticos a partir de datos matriciales para "alimentar" una triangulacin
de Delaunay.
En el primer caso, el proceso de interpolacin asigna a cada nodo del MDE matricial un valor de
altitud estimado a partir del TIN. Obviamente, la estructura matricial no puede representar
puntos singulares ni estructuras lineales como el TIN, por lo que parte de los beneficios de la
triangulacin se pierden. Sin embargo, el proceso aprovecha parcialmente la capacidad del TIN
para integrar discontinuidades en la generacin del MDE por lo que es preferible a la generacin

directa de la matriz regular a partir de los datos de entrada.

La interpolacin puede realizarse por dos mtodos bsicos:

interpolacin lineal, donde la altitud del punto problema se estima

directamente a partir la ecuacin del plano definido por los tres vrtices
del tringulo que lo contiene; en el caso de que el punto coincida
exactamente con un vrtice, se le asigna la altitud de ste. La interpolacin
lineal, aunque muy rpida, provoca la discontinuidad entre tringulos, con
cambios bruscos de orientacin y pendiente.

interpolacin quntica, que considera la superficie definida por el TIN

como un continuo y, por tanto, suaviza las zonas de los vrtices y lados;
para esta interpolacin se utiliza una ecuacin polinmica bivariable de
quinto grado. En algunos SIG se ha incorporado la posibilidad de integrar
las lneas de rotura de forma que rompan la continuidad realizando una
interpolacin lineal a lo largo de la lnea. Salvo en esta circunstancia, la
interpolacin conserva la continuidad de la pendiente entre tringulos,
generando un MDE sin facetas.

Conservando la continuidad hidrolgica

La experiencia en la creacin de los MDE ha mostrado algunos problemas recurrentes que
ocasionan dificultades en el uso posterior de los modelos. Uno de ellos es el aspecto aterrazado
ya mencionado anteriormente, debido a un desequilibrio en la distribucin espacial de los datos y
el tamao de muestreo elegido para crear la matriz regular. Otro problema es la aparicin de
concavidades o pozos a lo largo de los fondos de valles, lo que les da un caracterstico aspecto
granulado. Este tipo de artefactos se generan por el uso de funciones de interpolacin de grado
superior en zonas conflictivas.
La existencia de una concavidad puede responder a una forma real del terreno pero, ms
frecuentemente, se debe a artefactos derivados de la construccin del MDE. Band (1986:16) los
atribuye a los procesos de restitucin fotogramtrica e indica que, salvo en zonas afectadas
recientemente por procesos krsticos y glaciarismo, las depresiones pueden considerarse errores
en los datos. La presencia de concavidades tiene importancia en el caso de los MDE destinados a
la simulacin de procesos hidrolgicos ya que interrumpen las lneas de flujo.
La correccin de concavidades de los MDE ya existentes es posible mediante algoritmos que
simulan la inundacin y relleno de los pozos (Jenson y Domingue, 1988:1594). El proceso
modifica el modelo de elevaciones original por lo que en algunos casos zonas krsticas, por
ejemplo debe ser aplicado con precaucin y los resultados deben interpretarse teniendo en
cuenta el contexto en el que se obtienen.
Lo ideal es, obviamente, la generacin del MDE mediante mtodos que tengan en cuenta el
problema y lo solucionen en origen. Una forma de conseguirlo es introducir la red hidrolgica
como lneas de rotura en la generacin del MDE. De esta forma, la triangulacin utilizar estas
lneas como lados de los tringulos, asignndoles las altitudes correspondientes y trazando
correctamente las lneas de flujo.
Hutchinson (1989:213) propone un mtodo especfico para la creacin de un MDE libre de pozos
que impone restricciones al proceso de interpolacin forzando su ajuste a la red hidrolgica. El
trazado fluvial debe ser introducido como informacin auxiliar.
El SIG Arc/Info ha integrado este proceso en una de sus rutinas de forma que permite la

eliminacin de todas las depresiones que no se identifiquen explcitamente como tales. La

localizacin de las depresiones reales debe ser incorporada como dato auxiliar para que el
algoritmo las tenga en cuenta, as como el trazado de la red hidrolgica. La eliminacin de pozos
queda limitada optativamente mediante un valor de tolerancia que limita la profundidad de las
depresiones a rellenar.
El mayor problema de este mtodo es que, en su estado actual, no permite la introduccin de
todas las estructuras auxiliares mencionadas al comienzo de este apartado.

FIN DEL CAPTULO

Captulo 3

Medida, control y propagacin del error

por Angel Manuel Felicsimo, bilogo
http://www.etsimo.uniovi.es/~feli/

Introduccin
Los ordenadores y programas utilizados para el manejo de la informacin cartogrfica permiten
definir localizaciones con una precisin casi arbitraria. Los dgitos significativos que muchos
SIG pueden manejar permiten representar una coordenada UTM especificando sin problemas las
milsimas de milmetro. Esta precisin se transmite aparentemente al resto de las operaciones
que realizan los SIG. Unos buenos grficos, una leyenda fcilmente legible, unos colores
correctamente elegidos y otros aspectos formales de la presentacin, tienen como resultado una
sobrevaloracin de la calidad de la informacin presentada.
Dadas estas circunstancias y otras similares, no es extrao observar la ausencia de cualquier
mencin a la exactitud en las bases cartogrficas digitales. Tampoco es frecuente cuestionar los
resultados de un anlisis, ni fcil comprobar la bondad de unos resultados cuando no se presentan
estadsticos relativos al error de los datos y operaciones.
Sin embargo, la realidad muestra de forma cada vez ms patente que los problemas inherentes al
manejo de las bases de datos cartogrficas se deben, en una buena parte, a su mala calidad. Es
conveniente tener en cuenta que muchos documentos digitales han sido "capturados" de mapas
impresos de naturaleza muy heterognea. Estos mapas fueron generados con unos objetivos y
expectativas que no tienen porqu coincidir con los actuales. La potente maquinaria actual y los
sofisticados programas informticos permiten obtener un resultado que replica fielmente todos
los defectos del original y aade algunos nuevos. Sin embargo, su naturaleza digital induce a
creer frecuentemente que el contenido de la base de datos es mejor que el original analgico.
El problema se incrementa con el tiempo, cuando unos datos originales han sido usados para
diferentes modelizaciones, cuyos resultados son, asimismo, tomados como ciertos y reutilizados
en otros procesos. El proceso sigue hasta el punto de olvidar el origen de la cadena y perdiendo,
por tanto, toda referencia con la realidad.
Por estos motivos es cada vez ms necesario incorporar lo que se ha llamado meta-informacin o
metadatos en los productos SIG: informacin sobre la informacin, de la cual la referente al error
es uno de los elementos de mayor importancia (Geertman y Ruddijs, 1994:152).

Las fuentes del error

El modelo digital de elevaciones es el origen de todas las modelizaciones total o parcialmente
dependientes de la topografa. Por este motivo, la utilidad y validez de los resultados derivados
estn estrechamente relacionadas con la calidad del modelo original. Es muy frecuente en la
bibliografa la ausencia de informacin sobre las caractersticas de los MDE utilizados en las
aplicaciones, especialmente cuando stos han sido construidos por los propios investigadores y
no provienen de fuentes oficiales o de organismos cualificados.
La calidad de un MDE depende del tipo y magnitud de los errores implicados. Conviene
recordar, sin embargo, que la existencia de error es una circunstancia asumida en el proceso de
modelizacin, que siempre implica una simplificacin de la realidad. La informacin es, por

tanto, inherentemente imprecisa. El problema bsico consiste en conocer y controlar esta

imprecisin, de forma que sea posible saber la fiabilidad de los resultados.
Los errores en los MDE pueden ser separados en dos categoras:

los errores posicionales implican una deficiente localizacin geogrfica de

la cota o de la trayectoria de la curva de nivel y afectan, por tanto, a la
situacin en el plano XY

los errores atributivos suponen una asignacin imprecisa de la altitud

asociada a la cota o a la curva e implican a las coordenadas en el eje Z

Estos dos tipos de errores han sido denominados tambin, de forma ms genrica, cartogrficos
error en la localizacin de elementos, y temticos error en el atributo cartografiado
(Veregin, 1989b:12).
Los errores posicionales afectan a los modelos vectoriales, como los basados en contornos o en
las redes de tringulos, que manejan entidades geomtricas. Los modelos raster, basados en
localizaciones definidas implcitamente no se ven afectados por errores de posicin.
Los errores atributivos afectan tanto a modelos vectoriales como raster. En el primer caso suele
tratarse de errores en el sentido ms bsico de la palabra blunders, es decir, fallos groseros y
locales en la asignacin de la altitud. En el caso de las matrices regulares, el origen del error
suele estar en las mltiples operaciones geomtricas implicadas en la construccin del MDE. En
este caso, el error es de naturaleza estadstica y global, pudiendo considerarse un atributo que
define y caracteriza el MDE.

El error de las fuentes primarias

Como ya se ha indicado, los MDE pueden ser construidos a partir de orgenes diversos. Los ms
habituales son la digitalizacin de mapas preexistentes y la restitucin fotogramtrica con salida
digital cuya versin ms reciente usa pares estereoscpicos tomados por satlites.

La construccin del MDE mediante pares estereoscpicos con imgenes de

satlite
Como ya se ha indicado anteriormente, las imgenes de algunos sensores transportados por
satlite han sido utilizadas para generar modelos digitales de elevaciones usndolas como pares
estereoscpicos.
En un primer ensayo, Mukai et al. (1989) han utilizado pares de imgenes Landsat-TM para
calcular altitudes en la zona de solapamiento entre dos rbitas. Los resultados que presentan
sealan un error cuadrtico medio, ECM, de 92 m, lo que supone 3 veces el tamao del pixel de
la imagen original 30 m. La zona, de 40x45 km y situada en los Alpes centrales de Japn,
posee un desnivel mximo de 2200 m. Para el clculo del ECM se utiliz un total de 60 puntos
de control. Las imgenes Landsat no son adecuadas para este trabajo debido a su reducido
solapamiento, de apenas un 5%.
El satlite SPOT es claramente ms adecuado para el clculo de altitudes debido a dos
circunstancias. La primera, que el tamao de pixel de las imgenes es de 10 m en modo
pancromtico, lo que supone un incremento muy significativo de la resolucin. La segunda es
que el SPOT puede tomar pares de imgenes estereoscpicas de la zona que se desee girando las
cmaras, lo que permite cubrir cualquier zona de la superficie terrestre; en esta caso el
solapamiento entre imgenes puede ser del 66%.

Mukai et al. (1990), usando tcnicas similares a las de su anterior trabajo con Landsat-TM,
consiguen en este caso valores del ECM de 26 m partiendo de las imgenes SPOT
pancromticas. Sasowsky et al. (1992) realizan pruebas similares en un rea de 25 km2 de Alaska
y proponen una magnitud del ECM de 19 m, con errores entre 13 y +48 m. En este caso, los
errores no tienen media nula, lo que significa que el MDE derivado de las imgenes SPOT tiene
una tendencia significativa a proponer altitudes ms elevadas que el mapa de referencia escala
1:6.000.
Priebbenow (1988) presenta resultados de una experiencia realizada en Australia con valores del
ECM de 5,4 m. Su conclusin es que las imgenes SPOT pancromticas permiten generar
cartografa con una precisin geomtrica elevada y compatible con los estndares de la escala
1:50.000.
Finalmente, Kubik y Wu (1995) presentan los resultados del tratamiento de imgenes SPOT
mediante estaciones de trabajo fotogramtricas con un ECM de 6 m en altitud.
La conclusin general es que las imgenes SPOT permiten construir modelos con valores del
ECM variables en funcin del relieve y de los mtodos utilizados. La magnitud del error limita
sus aplicaciones en grandes escalas pero, como veremos posteriormente, puede ser razonable si
se generan modelos matriciales donde el ECM sea aproximadamente un 10% del tamao de la
malla distancia entre filas y columnas.

La construccin del MDE mediante interferometra radar

La interferometra radar es una tcnica que usa las diferencias de fase entre dos imgenes para
estimar la distancia entre la superficie y el satlite o avin. La fase de un pixel es la suma de dos
componentes: la fase especfica relacionada con la naturaleza del terreno y un desfase que
depende de la distancia entre el terreno y el radar. Superponiendo y hallando la diferencia entre
dos imgenes diferentes la fase especfica puede eliminarse. La resultante es el componente
debido a la diferencia de distancia entre los dos pasos del satlite. A partir de esta imagen de
interferencia es posible estimar la altitud absoluta con precisin variable en funcin de diferentes
parmetros.
La construccin de MDE mediante radar tiene se ms reciente muestra en el TOPSAR
topographic synthetic aperture radar, desarrollado por el Jet Propulsion Laboratory de
California. El TOPSAR, en funcionamiento conjunto con el JPL Aircraft SAR, adquiere
imgenes cenitales de la superficie terrestre con una resolucin horizontal de 5 m y un error en la
determinacin de la altitud de 1 a 3 m, en funcin del tipo de relieve. El TOPSAR/AIRSAR es
transportado por un DC-8 a una altitud tpica de 9 km. El sistema est dotado de un sistema GPS
para la localizacin, lo que permite un referenciacin geogrfica precisa de la trayectoria del
vuelo y, por tanto, del conjunto de los datos medidos.
Thompson et al. (1995:99) indican que la satisfactoria experiencia del TOPSAR anuncia un
posible satlite topogrfico que podra tener un error altitudinal de unos 2 m con una resolucin
horizontal de 30 m. Sin embargo, en Evans (1995) se indica que los radares actuales
transportados por satlites no pueden ser utilizados de forma rutinaria para determinar la
superficie topogrfica. La razn principal reside en la desconocida influencia de la ionosfera en
el retraso de la seal; este problema puede ser resuelto mediante radares de doble frecuencia, o
reducido tomando los datos durante la noche lo que limita la cobertura y periodo de las
tomas.
Small y Nesch (1996) analizaron la calidad de los datos ERS interferomtricos comparndolos
con "modelos de referencia de alta calidad". El mejor resultado obtenido fue un ECM de 2.7 m.

En otro ensayo, el ECM creci hasta los 12 m a causa del mayor intervalo temporal entre las
tomas (3 das en el primer caso y 15 das en el segundo).

El error de las fuentes secundarias

El error posicional, que afecta a las estructuras vectoriales, puede tener varios orgenes. El ms
frecuente es el derivado de la digitalizacin de mapas, tanto ms debido a la tendencia a
infravalorarlo, probablemente por la dificultad de su correccin. Cabe destacar que una magnitud
elevada del error posicional puede obligar a un uso de los mapas exclusivamente cualitativo,
limitando severamente la utilidad de la informacin.
La digitalizacin manual de mapas sigue siendo el mtodo ms usual de incorporar informacin
topogrfica. La razn probablemente estriba en que la digitalizacin automtica es dificultosa a
partir de los complejos mapas editados, que son los ms fcilmente disponibles.
La digitalizacin manual ha sido reconocida como una importante fuente de error cartogrfico
cuyas causas pueden dividirse en dos categoras, en funcin de su origen:

las causas externas estn relacionadas generalmente con la deformacin de

los documentos mapas antiguos, en mal estado de conservacin,
referenciacin geogrfica deficiente o, simplemente, de mala calidad.

las causas operacionales hacen referencia a los procesos de digitalizacin

y manipulacin posterior de los datos: por ejemplo, el error introducido en
el proceso de digitalizacin se debe bsicamente a la inexacta colocacin
del cursor sobre la curva de nivel.

Los errores debidos a deformaciones del documento digitalizado pueden rectificarse, al menos
parcialmente, mediante un proceso global de correccin geomtrica. Este proceso est integrado
habitualmente en los propios programas de digitalizacin y son capaces de modificar
coherentemente la localizacin de las entidades cartografiadas en funcin de un conjunto de
puntos de referencia ver apartado siguiente.

El error de la digitalizacin
En el caso de los errores derivados de la digitalizacin manual, cabe distinguir tres casos
diferentes:

el error topolgico, provocado por que el operador sigue una lnea

equivocada debido a una mala interpretacin del mapa

el error estocstico, generado por la imprecisin en el seguimiento de las

lneas debido a una deficiente colocacin del cursor

el error de generalizacin, debido a la simplificacin del trazado de las

curvas transformadas a polilneas de tramos rectos

Los errores topolgicos son simples de detectar y corregir mediante un simple anlisis visual
debido a los rgidos patrones de distribucin de las curvas de nivel "paralelismo", coherencia
topolgica. Por este motivo, este tipo de errores se elimina en la primera etapa del control de
calidad y no tiene una influencia relevante en la calidad del modelo final. Como ya se ha
indicado en el tema anterior, el error topolgico es mucho ms frecuente en la digitalizacin
automtica mediante escner (Peled y Fradkin, 1994:246), donde la experiencia y capacidad de
interpretacin del operador no pueden ser aplicadas.

Los errores estocsticos de digitalizacin pueden ser debidos espordicamente a causas

fisiolgicas temblores causados por el cansancio y otros movimientos bruscos. En este caso,
el operador suele detectarlos y corregirlos sobre la marcha.
Quedan, sin embargo, las imprecisiones debidas a la imposibilidad fsica de replicar exactamente
la trayectoria de las curvas de nivel. En este caso se ha propuesto que los errores de colocacin
estn autocorrelacionados y son, al menos parcialmente, procesos no aleatorios dependientes de
los puntos previamente introducidos (Keefer, 1988:477). El motivo es que el operador tiende a
un trazado inercial de la lnea rebajando o excediendo la trayectoria segn su morfologa.
Esta circunstancia est clara en el caso de la digitalizacin en modo continuo stream mode,
donde el cursor est en movimiento y las coordenadas se introducen de forma automtica cada
cierta distancia sin control por el operador. En el caso de la digitalizacin punto a punto point
mode, se ha propuesto que el error puede ser aleatorio y no autocorrelacionado. El motivo es
que existe una pausa entre punto y punto, durante la cual el operador coloca el cursor sobre la
lnea. Si el tiempo entre puntos sucesivos es suficiente el error en cada punto ser independiente
de los anteriores. Sin embargo, existe la tendencia a mantener el cursor en continuo movimiento,
pulsando de forma secuencial y continua. En este caso, el modo punto a punto se asemeja al
modo continuo y el fenmeno de autocorrelacin se hace significativo.
La presencia de autocorrelacin puede detectarse mediante pruebas de aleatoriedad, donde la
variable independiente es el tiempo o, ms exactamente, la secuencia ordenada de puntos
digitalizados. El anlisis es bsicamente equivalente a una serie temporal donde se asume que los
puntos son digitalizados a intervalos constantes.
Finalmente, el error de generalizacin se produce por la reduccin de la lnea curva original a
otra compuesta por pequeos segmentos rectilneos entre los puntos digitalizados. Cabe
distinguir dos tipos diferentes de generalizacin:

la generalizacin cartogrfica graphic-oriented generalization es

utilizada para representar grficamente la informacin a diferentes escalas.
Se trata de un proceso bsicamente grfico donde las lneas son
redondeadas, comprimidas, colapsadas o simplificadas con el objetivo de
facilitar su lectura y no de conservar una extrema fidelidad al original.

la generalizacin para la modelizacin model-oriented generalization

tiene como objetivo la simplificacin controlada de los datos para la
conservacin de propiedades relevantes del original. El proceso se realiza
para utilizar el modelo en simulacin y anlisis por lo que es importante la
valoracin y el control de la propagacin del error.

El problema de la digitalizacin es que se realiza para la modelizacin pero partiendo de

originales sometidos a una generalizacin cartogrfica. La conclusin es que el error cometido
es frecuentemente desconocido y no cuantificable.
En la digitalizacin, las curvas de nivel originales quedan representadas mediante un conjunto
reducido de vrtices. El producto final son polilneas de menor complejidad que las originales.
La razn de efectuar la generalizacin es la reduccin del volumen de datos pero a costa de una
prdida de informacin que supone un incremento del error.
El error de generalizacin tiende a reducirse cuando el nmero de puntos aumenta, y se
incrementa generalmente con la complejidad de la lnea original. La forma de reducir el error
manteniendo un volumen de datos moderado es realizar una buena seleccin de los puntos
crticos de la curva. La experiencia del operador es un factor importante en esta seleccin pero

probablemente es preferible realizar una digitalizacin densa y aplicar posteriormente algoritmos

de generalizacin automtica. Estos algoritmos, en trminos generales, conservan la longitud y
ngulos satisfactoriamente y, sobre todo, desplazan mucho menos las lneas que la
generalizacin manual, luego causan mucha menos distorsin (Joo, 1995:188).
El anlisis del error de digitalizacin: modelos ARMA
Como se ha indicado anteriormente, el anlisis del error de la digitalizacin puede ser asimilado
al de las series temporales. En el caso de existir autocorrelacin, el error en un punto j, ej puede
ser representado como una suma ponderada de un nmero finito n de errores anteriores ms un
trmino aleatorio a propio de cada punto:

Adems del proceso autorregresivo puro AR, autoregression es posible la existencia de

otros que expliquen la secuencia temporal. Si el operador se da cuenta de la tendencia de sus
errores puede introducir sesgos voluntarios para corregirlos. En este caso aparece un proceso de
media mvil MA, movil average donde la suma ponderada de los anteriores trminos
aleatorios a explica una parte de la varianza:

Se ha planteado la hiptesis de que el error puede explicarse mediante el modelo autorregresivo,

el de media mvil o una combinacin de ambos modelo ARMA(Keefer, 1988:479).
El uso de modelos ARMA puede ser un camino para modificar los ficheros procedentes de la
digitalizacin y reducir el error posicional global. En efecto, si se demuestra que el modelo es
coherente y puede explicar una fraccin significativa del error, puede ser aplicado a posteriori
para realizar una correccin de las coordenadas. Al menos, la parte del error explicada por
autocorrelacin podra ser reducida para mejorar la calidad del proceso. Sin embargo, esta
hiptesis debe ser an comprobada ya que no se han localizado trabajos en la bibliografa que lo
hayan llevado a la prctica.

La cuantificacin del error posicional: la banda psilon

Cuando una curva de nivel se digitaliza y se define por un nmero de segmentos, la
incertidumbre debida al error posicional de los vrtices afecta a una banda o pasillo alrededor de
la lnea.
La banda de probabilidad suele denominarse banda psilon y representa un entorno de
probabilidad de la localizacin real de la curva de nivel alrededor de la lnea digitalizada. Si la
banda es simtrica normalmente a la lnea, se asume que no existe sesgo en la digitalizacin, es
decir, no ha existido una tendencia significativa a digitalizar a un lado concreto de la lnea.
La banda psilon fue utilizada originalmente por Perkal (1966) como mtodo de generalizar
objetivamente una lnea. El algoritmo ms utilizado en la actualidad para generalizar las lneas
(Peuker y Douglas, 1975) es bsicamente un procedimiento iterativo que maneja implcitamente
el concepto de banda e al definir una distancia umbral para la "limpieza" de las lneas weed
tolerance. El valor de puede usarse, sin embargo, como un ndice de calidad al valorar el
proceso de digitalizacin.

Interpretada como una banda de probabilidad, la anchura de la banda crecer en funcin directa
de la magnitud del error en la digitalizacin. La banda psilon puede representarse, por tanto,
codificada en valores de gris de acuerdo con el valor de probabilidad asignado a cada zona
alrededor de la lnea ver figura.

Representacin de la banda psilon como regin probabilstica. Cuanto ms oscura

es la zona, mayor probabilidad tiene de contener la lnea real. Los vrtices
digitalizados se muestran como puntos blancos definiendo el pentgono.

Es posible realizar una estimacin de la magnitud de e en un mapa cuando se dispone de otro

ms detallado de la misma zona. Para ello se superponen algunas lneas homlogas y se miden
las distancias entre ellas, perpendicularmente a la lnea de referencia y a intervalos constantes.
Los errores medidos, en ausencia de sesgo, se ajustarn a una distribucin normal de media cero
y desviacin estndar s. Para un valor =±1,96 s, la banda psilon representa la zona
donde, con una probabilidad del 95%, pasa la lnea original.
Cabe considerar que el valor de puede no ser constante en todo el mapa. El motivo es que el
error de digitalizacin puede variar en funcin de la complejidad de las lneas y de su
proximidad.
El manejo de la informacin en funcin del valor de es un tema an poco desarrollado. El tema
a empezado a preocupar en el contexto de los mapas temticos vectoriales, donde la imprecisin
de las lneas genera problemas en las operaciones de superposicin y, en general, en el lgebra de
mapas (Lowell, 1995). Sin embargo, en el caso de la generacin del MDE a partir de lneas con
error conocido an no se ha hecho avance alguno.

El error cartogrfico: la calidad de los mapas

La calidad de los mapas originales puede ser un problema importante cuando no ha existido un
control de calidad suficiente, especialmente en la precisin altimtrica. En Estados Unidos se
sigue la regla del 90%: en las pruebas con puntos de control, el 90% de ellos deben tener un error
menor a la mitad del intervalo entre curvas de nivel. En Espaa, una gran parte de la cartografa
de gran escala ha sido generada por muy diversos organismos o empresas con parmetros de
calidad desconocidos.
Los errores de los mapas originales se suman, por tanto, a los ya estudiados del propio proceso
de digitalizacin. Pueden diferenciarse los siguientes componentes:

error altimtrico absoluto del mapa o error mximo admitido en los

procesos fotogramtricos

propagacin del error planimtrico a la altimetra: el error planimtrico se

establece habitualmente en 0,2 mm de la escala del mapa. Su efecto en la
altitud es proporcional a la tangente de la pendiente del terreno

deformaciones dimensionales del mapa, debidas a alteraciones en la

temperatura y humedad

En cuanto a la magnitud de la suma de errores, Tahiri y Donnai (1995) presentan un modelo de

valoracin del error entre cuyos resultados cabe destacar la presencia de ECMs de 5 a 10 m para
mapas 1:50.000 con 10 m de intervalo entre curvas de nivel. Estos datos pueden prevenir sobre
los errores iniciales del mapa que va a ser digitalizado ya que en el peor de los casos una zona
con fuerte relieve el ECM iguala al intervalo entre curvas y el error mximo lo triplica.
La deformacin de los mapas
La deformacin del mapa topogrfico debido a cambios dimensionales provoca errores globales
que afectan a la totalidad de los datos del modelo. Cuando los datos van a usarse en procesos de
anlisis y modelizacin es aconsejable realizar un estricto control de las dimensiones del
problema desde el primer momento.
Cabe destacar que la deteccin y correccin de este tipo de errores slo es posible cuando se trata
de deformaciones globales. Esto significa que problemas tan usuales como los dobleces en los
mapas pueden ser muy difciles de corregir por tratarse de deformaciones locales.
La medida de este tipo de error puede realizarse con criterios estadsticos a partir de un conjunto
de puntos de control localizados con precisin. El problema se plantea bsicamente como una
transformacin de coordenadas, desde un sistema original deformado a otro de referencia,
habitualmente un sistema de proyeccin geogrfica.
Los programas de digitalizacin suelen tener incorporadas utilidades para realizar la correccin
desde el principio pero tambin es posible realizarlo a posteriori mediante procesos de ajuste que
la mayora de los SIG poseen.
El mtodo de correccin se ejecuta en tres pasos:

se establece una serie de puntos de control cuya localizacin se conoce

con exactitud en ambos sistemas de coordenadas

se establecen unas funciones de transformacin entre ambos sistemas,

calculadas a partir de los puntos de control

se aplican las funciones de transformacin sobre los puntos de control para

conocer la magnitud del error

en caso de que el error sea aceptable, se realiza la transformacin global

aplicando las funciones a la totalidad de puntos

Las funciones de transformacin suelen estimarse de forma independiente para las abscisas y
para las ordenadas. Definiendo con el subndice T a las coordenadas originales tablero, por
ejemplo y con G a las finales sistema de proyeccin, se tienen las siguientes expresiones
generales:

En la mayora de los casos, las funciones anteriores se estiman aplicando mtodos estadsticos de
los cuales el ms utilizado es el de superficies de tendencia, en el que las funciones se calculan
mediante regresin mltiple o ecuaciones polinmicas estimadas por el mtodo de mnimos
cuadrados. Se han propuesto funciones diferentes (Goshtasby, 1986, 1988) pero el mtodo

polinmico es el ms utilizado.
El grado del polinomio de ajuste puede ser variable. Cuando vale 1 es posible efectuar
transformaciones afines, es decir, operaciones de translacin, rotacin y cambio de escala. Los
grados superiores permiten recuperar distorsiones geomtricas ms complejas. En el primer caso,
las ecuaciones de transformacin se reducen a un plano de regresin:
.

La estimacin del error cometido en la transformacin: se realiza comparando las coordenadas

de los puntos de control con las resultantes de aplicar las funciones de transformacin sobre los
mismos puntos. El error suele estimarse como error cuadrtico medio, ECM, separable para las
componentes x e y:

El lmite aceptable para el error cuadrtico mximo de los puntos o para el ECM debe fijarse en
funcin de la aplicacin a la que va destinado el MDE, as como de la escala de partida, primer
determinante de la precisin geomtrica de un modelo. En la digitalizacin manual puede
proponerse un lmite emprico que sera la distancia que corresponde a 0,25 mm del mapa a la
escala de trabajo. Con un original a escala 1:50.000 este valor es de 12,5 m y corresponde
aproximadamente a la precisin mxima que un operador experimentado puede obtener en la
digitalizacin manual.
En caso de errores excesivos deben examinarse individualmente los puntos de control para
comprobar si existe alguno especialmente anmalo. Posteriormente, puede variarse el grado de la
transformacin para intentar mejores ajustes. De forma general, la transformacin de primer
grado slo permite efectuar ajustes lineales por lo que, si el mapa est distorsionado, sern
necesarias previsiblemente transformaciones de grado superior. Existe un lmite prctico
derivado de la precisin de los clculos implicados en las operaciones matriciales necesarias.
Finalmente, debe destacarse que los puntos de control del mapa se digitalizan manualmente por
lo que una introduccin descuidada puede una causa complementaria de error muy significativa.

La medida del error atributivo

Como ya se ha indicado, en el error atributivo puede afectar tanto a los modelos vectoriales
como a los matriciales. En el primer caso, la mayora de las veces se trata de errores locales,
equivocaciones al asignar la altitud a las curvas de nivel o a los puntos acotados.
En este caso, la forma ms simple de detectar el problema es trazar perfiles paralelos en diversas
direcciones y examinar visualmente los resultados. La correccin se realiza manualmente
actualizando en la base de datos el registro que describe la curva errnea. Tambin es posible y
til generar un MDE matricial y, a partir de l, modelos derivados. Algunos de ellos permiten ver
fcilmente los errores debido a las irregularidades en la distribucin de las variables
especialmente, pendientes y sombreado.
En el caso de los modelos matriciales, el error puede considerarse de tres tipos posibles:

grandes errores blunders; su magnitud excede el mximo error

permitido. Son de naturaleza local y deben ser eliminados completamente

errores sistemticos, que presentan un patrn de distribucin concreto e

introducen un sesgo en el MDE. En caso de existir, son predecibles y
pueden ser eliminados o, al menos, reducidos

error aleatorio, que permanece tras la eliminacin de los anteriores y que

suelen presentar una distribucin de Gauss. Este error es global y se
origina en las imprecisiones de los datos originales y en los mltiples
procesos de generalizacin, interpolacin, etc. que se ejecutan en su
construccin

Anlisis del error aleatorio

En un MDE matricial, las elevaciones pueden interpretarse como la suma de la altitud real, z, y
un factor de error:
. Los parmetros que definen la distribucin del error pueden
deducirse a partir de un conjunto muestral de puntos de control check points para los que se
conoce la altitud real.
Los puntos de control se consideran "verdaderos", es decir, medidos sin error, por lo que deben
ser definidos mediante mtodos precisos. El mtodo ms utilizado es extraer las altitudes de
mapas preexistentes de la mayor escala posible, con la confianza de manejar errores
desconocidos pero moderados. Probablemente el uso de los GPS adquiera aqu pleno sentido, al
permitir establecer un conjunto de puntos de control con precisin conocida y que, en los casos
de usar GPS diferencial, pueden tener una precisin suficiente para el control de calidad.
Valoracin del error
El error local en un punto i, ei se define como la diferencia entre la altitud en el MDE y la del
punto de control. Dado un conjunto de n puntos de control, el error medio, EM, para este
conjunto de datos se define como:

El error medio para un conjunto dado de puntos de control tiene inters para comprobar si las
desviaciones del modelo son aleatorias o no. En el primer caso, EM no ser significativamente
diferente de cero. Sin embargo, como las desviaciones positivas y negativas se anulan, el EM no
es una medida vlida de la calidad del MDE.
Lo ms habitual es utilizar el error cuadrtico medio, ECM, que se calcula mediante la
expresin:
El uso de estos estadsticos permite una evaluacin objetiva de la calidad de los MDE si, del
mismo modo que en el caso de la cartografa convencional, se plantean unas reglas de calidad o
baremos para los MDE. Para la aplicacin de un baremo se asume que los grandes errores han
sido corregidos, as como los posibles errores sistemticos y slo resta la componente aleatoria.
La influencia de los puntos de control
Cuntos puntos de control son necesarios para conocer el error de un MDE? Li (1991) plantea

el concepto de fiabilidad reliability del control de calidad, en el sentido de que los

resultados de ste dependen de la calidad y cantidad de los puntos de control. Utilizar un gran
nmero de puntos requiere asimismo un esfuerzo importante para conseguir fijarlos con
precisin. Debe, por tanto, fijarse un nmero mnimo de puntos para conseguir una meta de
fiabilidad concreta en el control de calidad. Ley (1986) plantea el uso de 150 puntos para
garantizar que la medida del error tendr una desviacin estndar del 10%. Li (1991) presenta un
anlisis terico ms completo y concluye una ecuacin general

donde e es la medida del error en trminos de desviacin estndar equivalente al ECM cuando
no hay sesgo, es decir, cuando EM=0; R(e) es la fiabilidad de la medida del error, asimismo en
trminos de desviacin estndar el error del error; finalmente, n es el nmero de puntos de
control. Para 150 puntos de control, el valor de R(e) es del 6%, similar al propuesto por Ley
(1986).
La muestra mnima necesaria para una fiabilidad R(e) ser:
[...]
Por tanto, si se desea evaluar el error con una fiabilidad del 10%, R(e)=0.10sern necesarios
51 puntos de control. Inversamente, si se ha obtenido un error de R(e)=25 m con 50 puntos de
control, sabemos la desviacin estndar del error es de 2,5 m, un 10% de la medida. En
consecuencia, los lmites de confianza del 95% para el error estarn en el rango de 25 1,96 :
25 4,9 m.
En la seleccin de los puntos de control debe tenerse en cuenta que el muestreo debe ser
representativo de las estructuras topogrficas presentes en la zona. Por este motivo, el uso de la
red geodsica no es aconsejable ya que los puntos tienden a encontrarse en las cimas y otros
lugares destacados. S es posible, en cambio, utilizar la red como apoyo para aadir otros puntos
de control en zonas diferentes o utilizar el mtodo GPS para conseguir una red representativa con
una distribucin adecuada.

Anlisis de los grandes errores

En ausencia de sesgo, los grandes errores se definen como aqullos cuya magnitud excede el
triple del ECM.
Como ya se ha indicado, este tipo de errores son espordicos y de naturaleza local, es decir, se
producen errores que slo afectan a una pequea fraccin del rea total. Las tcnicas de
deteccin y medida suelen ser tambin locales y se basan generalmente en hiptesis sobre la
continuidad en los valores de la pendiente.
El origen de estos errores puede estar en causas diversas, incluso por los mtodos automticos de
estereocorrelacin, que pueden tener problemas debido al bajo contraste de las imgenes, a
ambigedades por la existencia de texturas peridicas sobre el terreno o a reflejos (Hannah,
1981:63). Cuando los modelos se construyen por transformaciones de archivos vectoriales
previos, los conflictos pueden originarse en errores preexistentes o en el comportamiento de los
algoritmos de interpolacin utilizados en zonas problemticas.
Es posible utilizar mtodos puramente visuales para la localizacin de este tipo de errores
(USGS, 1997). Para ello se realizan representaciones mediante bloques-diagrama, coloreado de

bandas de gradientes hipsomtricos, vistas estereoscpicas mediante anaglifos y simulaciones de

iluminacin.
Sin embargo, el anlisis visual no garantiza un examen exhaustivo y metdico ni puede definirse
claramente un umbral de error, sino que la presencia o ausencia de error queda al criterio
subjetivo del operador. Por este motivo es recomendable usar mtodos automticos donde,
normalmente, un punto se comprueba usando los valores de los puntos ms prximos o
"vecinos". Los vecinos se definen mediante una "ventana" superpuesta al modelo, que delimita
una fraccin del mismo. En general, las ventanas suelen ser cuadradas incluyen la misma
cantidad de filas y columnas y simtricas el punto problema se sita en el centro de la
ventana, lo que implica una dimensin impar.
En el anlisis ms simple se calculan las diferencias de altitud entre el punto problema y sus
vecinos. El punto se etiqueta si alguna de estas diferencias exceden un valor mximo
predefinido. Llamando e a la condicin de error , se tiene:

Analizando el MDE por filas o columnas, si slo se detecta un valor conflictivo puede suponerse
un punto de ruptura de pendiente. La deteccin de dos seales de alarma secuenciales es un
indicador de que el punto implicado en ambos clculos es probablemente errneo.
Hannah (1981) propone pruebas ms completas, basadas en el conjunto de los vecinos ms
prximos de cada punto, y utilizando tanto los valores de pendiente como los de cambio de
pendiente. En ellas se utilizan valores umbral para ambos parmetros con el fin de detectar
puntos conflictivos.
Estas pruebas, sin embargo, no tienen un valor estadstico, en el sentido de que no ofrecen una
medida de verosimilitud o probabilidad para el valor de la cota sometida a prueba. En Felicsimo
(1994) se propone un sencillo mtodo que tiene tres propiedades de inters con respecto a los
anteriores:

es un mtodo objetivo, donde los umbrales de error se determinan

mediante mtodos estadsticos.

la probabilidad de que un punto sea errneo puede conocerse.

los valores umbral se deducen de los datos propios del modelo, por lo que
se adaptan a las caractersticas del relieve de la zona estudiada con unos
valores propios de pendiente, rugosidad, etc.

La base del test reside en el anlisis de las diferen cias existentes entre dos valores de altitud para
cada punto: la presente en el MDE correcta o errnea y un valor estimado mediante un
proceso de interpolacin a partir de las cotas vecinas. Para un punto situado en la fila i, columna
j, el valor interpolado es:

La diferencia entre la cota del modelo y la cota estimada es [...]

El proceso se realiza para el total de los n puntos del MDE y se obtiene la diferencia media y su
desviacin estndar: [...]
los valores anteriores definen la funcin de distribucin de las diferencias, una distribucin de
Gauss,, que permite realizar un test de significacin para los valores individuales de las
diferencia. Con este test se puede aceptar o rechazar la hiptesis de que el valor individual de

desviacin observado pertenece a la poblacin de desviaciones. Para ello se utiliza un test de la t

de Student, que debe realizarse para cada punto del modelo calculando el valor del estadstico
mediante la expresin:
El valor anterior se considera una desviacin tipificada y se compara su magnitud con el valor
[....]; como el nmero de datos del modelo digital ser habitualmente muy elevado, se usa el
valor infinito para los grados de libertad. El modelo digital constituye la poblacin, por lo cual
los valores que definen la distribucin pueden considerarse parmetros poblacionales y no
estadsticos muestrales.
La probabilidad de error de Tipo I puede definirse con el fin de detectar solamente las diferencias
muy significativas. En consecuencia, la condicin de error vendr dada, por ejemplo, por [...] .
La hiptesis nula es

La localizacin de puntos con un valor de t significativamente elevado no implica

necesariamente un error de cota pero es un buen indicador de alarma.

La propagacin del error

Las operaciones con nmeros inciertos permiten obtener resultados inciertos. Esta circunstancia
aconseja controlar estrictamente el error cuando las medidas van a ser utilizadas en la
determinacin de otras magnitudes a travs de procesos de simulacin. La influencia del error en
la incertidumbre de un resultado se denomina propagacin del error e ignorarlo puede conducir a
dar por vlidos resultados que no lo son en absoluto.

Modelo digital de pendientes de una misma zona. El MDP

presenta en el documento original una leyenda con intervalos de
5;. El error en el MDE puede hacer que estas categoras, y
especialmente las de pendiente menor, sean imprecisas hasta el
punto de invalidar el modelo para algunos usos donde se exige
una valoracin precisa de las zonas de poca inclinacin.

La influencia del error en los procesos derivados del MDE ha sido mucho menos estudiada que
el error de las fuentes. Los trabajos existentes tienen por objeto llamar la atencin sobre los
efectos de la propagacin del error en algunas simulaciones, especialmente las relacionadas con
las pendientes y orientaciones del terreno. Sin embargo, los mtodos prcticos de "vivir con el
error" en una base de datos cartogrfica y de controlar sus efectos de forma general no estn an
claros.
En el caso de la realizacin prctica de modelizaciones, se han citado tres formas de tratar el

problema de propagacin del error (Hunter y Goodchild, 1994:771):

omitir toda referencia al mismo

proporcionar un descriptor estadstico

proporcionar varios productos finales dentro del posible rango de

variacin

El primer caso es, sin duda, el ms frecuente y la forma ms simple de tratar el problema, pero
obviarlo puede tener consecuencias negativas en funcin de las decisiones que se tomen a partir
de la informacin defectuosa.
En el segundo caso se presenta informacin sinttica mediante descriptores como las bandas
psilon, los valores de ECM, etc. Estas medidas pueden poner sobre aviso de la calidad de los
datos por lo que suponen un avance notable sobre la primera actitud. Sin embargo, no dan cuenta
de los posibles efectos del error en el producto final cuando ste es el resultado de una
modelizacin compleja.
Con el ltimo planteamiento se presentaran diferentes resultados generados dentro del rango de
error real con el fin de ilustrar las variaciones permitidas por la incertidumbre de los datos
originales.
Queda, finalmente, una cuarta opcin que la presentacin de los resultados clave para una
decisin asociados a su nivel de incertidumbre y no de forma determinstica estricta. Por
ejemplo, si es necesario delimitar las zonas con pendiente menor de 5, el modelo que se presente
puede tener una frontera difusa entre la clase p<5 y el resto, p m 5 con un significado similar a
la banda psilon.
Las normas de propagacin del error no son necesariamente simples, por lo que su solucin
analtica puede ser inabordable. Asimismo, dependen estrechamente de los algoritmos utilizados
y, ocasionalmente, pueden cambiar en funcin de las caractersticas del relieve de la zona.

Modelo de pendientes. La aparicin de "terrazas" en

el MDP es una seal de alarma sobre la calidad del
MDE o la correcta aplicacin de los mtodos de
interpolacin.

El anlisis de sensibilidad
La propagacin del error se ha estudiado habitualmente realizando un anlisis de sensibilidad del
proceso concreto. El anlisis se realiza generando diferentes modelos de error para los datos
originales y estudiando los resultados producidos. Se trata, por tanto, de producir a partir de un
MDE original, otros MDE con diversos grados de distorsin y generar el producto. El anlisis de
los resultados pueden conducir a comprender el fenmeno de propagacin del error y su
influencia en la calidad del resultado final.
Habitualmente se asume que el error aadido al MDE original debe ser gaussiano y con media
nula es decir, tener una distribucin normal y no presentar sesgo. En muchos casos este
modelo puede ser correcto pero hay autores que han propuesto tambin que el error puede
presentar diferentes grados de autocorrelacin ver ms adelante.
En el primer caso el error se asigna a cada punto del MDE mediante un algoritmo generador de
ruido aleatorio. La magnitud del error depende del ECM, para el cual deben ensayarse varios
valores. La altitud en un punto se modifica de acuerdo con la expresin:

donde z i,j es la altitud en el MDE original y z i,j es el dato modificado mediante la adicin del
componente aleatorio e i,j , el factor de ruido generado de acuerdo con una distribucin
N(0,ECM).

Un mtodo de anlisis de la sensibilidad de los modelos ante el error es aadir ruido aleatorio al MDE
original y realizar la simulacin con los dos modelos. La comparacin de los resultados es indicativa de la
robustez del mtodo de trabajo y de la sensibilidad ante los errores.

Por ejemplo, los trazados de la red hidrolgica difieren notablemente entre ambos modelos, sin y
con error (arriba y a la derecha respectivamente)

Los mtodos de Monte Carlo

Los mtodos de Monte Carlo son una potente herramienta de trabajo cuando la solucin analtica
del problema es difcil. El mtodo implica:

la suposicin de las distribuciones de probabilidad de las variables

influyentes y

el uso de generadores de nmeros aleatorios para muestrear de forma

simulada la poblacin de sucesos.

A partir de los puntos anteriores es posible generar modelizaciones numricas del proceso en
nmero suficiente como para construir empricamente la funcin de probabilidad de la variable
resultado.
Los mtodos de Monte Carlo han comenzado a ser prcticos y tiles cuando los ordenadores han
estado disponibles de forma generalizada. Los generadores de nmeros aleatorios son rutinas
bien conocidas con las cuales es posible generar series de nmeros cuyas distribuciones pueden
ajustarse a mltiples modelos.
En el caso que se trata aqu, podemos asumir un error gaussiano o con cierto grado de
autocorrelacin. Los errores sern aadidos a datos simulados y aplicados los algoritmos que
ejecutan la simulacin. De los resultados podemos deducir las caractersticas de la propagacin
del error.
Felicsimo (1995) aplica este mtodo al anlisis de la propagacin del error altitudinal al clculo
de la pendiente. Los pasos seguidos son los siguientes:

se genera un MDE con valores de altitud iguales, simulando un terreno

plano

se genera un valor de error para cada punto de acuerdo con un distribucin

de Gauss N(0,ECM)

la altitud de cada punto se altera aadindole el valor de error

se calcula la pendiente en cada punto de acuerdo con el algoritmo que se

desee utilizar

se construye la distribucin de los valores de la pendiente resultantes de la

modelizacin y se compara con la distribucin del MDE "real"

Obviamente, la pendiente esperada en ausencia de error es nula ya que el MDE de partida

muestra un terreno plano. Los resultados ms notorios son los siguientes:

la distribucin del error en la pendiente no es de media nula lo que

significa que la construccin de un modelo digital de pendientes a partir de
un MDE infravalora las pendientes bajas proporcionalmente a la magnitud
del error en el MDE

el error medio de la pendiente en funcin del ECM es el siguiente:

ECM

5%

10%

20%

Error

1.4

2.9

5.8

el ECM se establece en porcentaje del tamao de la malla del MDE; por ejemplo,
para un MDE de 30 m de intervalo entre datos, un ECM del 10% corresponde a 3 m

del anlisis de frecuencias de error acumuladas, se deducen los siguientes

resultados: para un MDE con ECM=10%, el 50% de los datos tendrn un
error de al menos 2; el 25% de 3,5 y el 5% de 5 o ms

un MDE con ECM=20%, el 50% de los datos tendrn un error de al menos

5; el 25% de 7 y el 5% de 11 o ms

en el caso de un MDE con pendiente superior a 0, la influencia del error

disminuye proporcionalmente a la misma

Diagrama de sntesis con los resultados del error en tres zonas de diferente relieve (ver texto)

El efecto de la autocorrelacin
Cuando la distribucin espacial del error en el MDE no es completamente aleatoria aunque
pueda serlo su distribucin estadstica, interviene un nuevo factor: la intensidad de la
autocorrelacin.
Hunter y Goodchild (1994) analizan el efecto de la correlacin del error en la estimacin de la
radiancia normalizada, L(h). Para ello generan errores de altitud para valores de correlacin r
entre 0 correlacin nula y 0,245. Los MDE resultantes son utilizados para la estimacin de
valores de reflectancia mediante el clculo del ngulo de incidencia de un vector solar dado
sobre la superficie. El MDE original tiene 30 m de luz y se le ha estimado un ECM real de 10 m.
Manteniendo el ECM constante, se muestra que tanto el error medio como la desviacin estndar
de la radiancia normalizada aumenta ligeramente en el rango 0 < r < 0,20 para disminuir
rpidamente si la correlacin aumenta.
Dado que el rango de L(h) no se aporta en el trabajo, es imposible establecer comparaciones
relativas. En el caso de que el rango de variacin de L(h) sea 0-255 como es habitual, la
desviacin estndar mxima observada 13 unidades correspondera a un 5% en trminos
relativos.
Canters (1994:176) indica tambin que cuando el error presenta cierto grado de autocorrelacin,
las consecuencias sobre el producto final son menos graves que cuando el error es estrictamente
gaussiano. Canters analiza la influencia del error en el clculo de la pendiente en un modelo TIN
e indica que existe una alta sensibilidad ante la autocorrelacin. Encuentra que si el error de
altitud est correlacionado, los errores en la pendiente son menores lo cual no es
especialmente sorprendente. Seala, en consecuencia, que ignorar la autocorrelacin en la
propagacin del error puede suponer una seria sobreestimacin del error en los resultados.
Canters resalta asimismo la dependencia entre la pendiente del terreno y el error en el mismo
sentido que el sealado anteriormente: el error aleatorio influye en menor grado en zonas de
fuerte pendiente que en zonas llanas.

El error y el relieve
En las simulaciones anteriores se han supuesto unos valores de ECM constantes para todo el
modelo de elevaciones, a partir de la cuales se han realizado las simulaciones en todos los casos.
Los anlisis realizados sobre MDE reales indican, sin embargo, que existe una dependencia entre
el ECM y la morfologa del terreno que no debe ser obviada en las modelizaciones. En
Felicsimo (1994:70) se muestran los resultados de analizar en error en 3 zonas de la serie
MDT200 del Instituto Geogrfico Nacional. Los modelos de esta serie estn generados a partir
de mapas de isohipsas con 100 m entre curvas de nivel y presentan una luz de 200 m.
Las zonas seleccionadas presentan valores de pendiente diferentes y corresponden a zonas
topogrficamente muy distintas:
Zona

Topografa

P media

Rasa litoral, antigua plataforma de abrasin marina

Modelado fluvial en zona de media montaa

10

Modelado glaciar e intensa actividad krstica en alta montaa

22

La estimacin del error se ha realizado por comparacin con mapas topogrficos 1:25.000. Los
puntos de control han sido los vrtices de la cuadrcula UTM de 1km salvo los puntos sobre el

mar.
Los resultados se muestran en la tabla siguiente EM: error medio; entre parntesis, el error
estndar de la media:
Zona

Puntos de control

EM

ECM

113

16 (3.1)

37

113

-5 (4.2)

47

126

2 (5.9)

67

Los estadsticos resultantes muestran dos circunstancias de inters:

el error medio es significativamente diferente de cero en la Zona 1, lo que

indica un sesgo: las altitudes estn sobrevaloradas con respecto a la
realidad

el ECM aumenta perceptiblemente con la pendiente media de la zona,

circunstancia ya descrita por otros autores (Hutchinson, 1991:47); en la
Zona 3 alcanza el 33% del tamao de malla

Diagrama con los resultados del anlisis de propagacin del error en la creacin
del modelo digital de pendientes (ver texto)

La consecuencia previsible de este efecto es que, aunque puede darse un valor de ECM para una
zona amplia, la magnitud real del error ser previsiblemente diferente si esta zona contiene
regiones con diferentes caractersticas topogrficas. Los anlisis sobre la propagacin del error
podrn, por tanto, incorporar esta dependencia entre el error y el relieve para mejorar los
modelos.
FIN DEL CAPTULO

Captulo 4

Descripcin y anlisis del relieve

por Angel Manuel Felicsimo, bilogo
http://www.etsimo.uniovi.es/~feli/

Introduccin
Los modelos digitales del terreno contienen informacin de dos tipos diferentes:

informacin explcita, recogida en los datos concretos del atributo del

modelo, como la altitud en el caso del MDE

informacin implcita, relativa a las relaciones espaciales entre los datos,

como la distancia o la vecindad

Ambos tipos de informacin son complementarios y permiten obtener informacin sobre la

morfologa del relieve de forma objetiva y exhaustiva. La objetividad se deriva del carcter
digital de los datos y de los procesos de anlisis, configurados por algoritmos. La exhaustividad
se refiere a que estos procesos son aplicables a la totalidad del rea analizada y no slo a una
muestra de la misma.
La medida y caracterizacin de las formas de terreno ha merecido atencin desde hace ms de
100 aos (Cayley, 1859). Como poda esperarse, el desarrollo de las tcnicas de medida se ha
beneficiado de las tcnicas de almacenamiento y representacin de la informacin. La referencia
a esta disciplina fue acuado por Chorley et al. (1957) bajo el trmino geomorfometra.
Posteriormente, Evans (1972) introdujo la distincin entre la geomorfometra especfica
specific geomorphometry de la geomorfometra general general geomorphometry. La
primera trata de la distincin entre elementos geomorfolgicos especficos y la segunda a la
medida y anlisis de la caractersticas morfolgicas aplicables a cualquier superficie.
Bajo esta concepcin la caracterizacin de las formas del relieve puede realizarse de dos formas:

mediante descriptores globales, que generan informacin estadstica

sinttica no representable espacialmente como, por ejemplo, medidas de
dispersin, histogramas, correlogramas, etc. lo que correspondera con la
geomorfometra general

mediante descriptores locales, que generan informacin de naturaleza

espacial y son representables, a su vez, como modelos digitales del
terreno, lo que correspondera con la geomorfometra especfica

Ambos tipos de descriptores pueden utilizarse conjuntamente para analizar y caracterizar el

relieve y sus componentes. Dado que los procesos geolgicos externos dejan una huella
morfolgica sobre las reas afectadas, el MDE y sus modelos derivados pueden ser un
instrumento de anlisis objetivo de potencial utilidad.

Las variables topogrficas

La descripcin del relieve a partir del MDE se realiza mediante un conjunto de medidas que
definen caractersticas geomtricas del terreno a diferentes escalas. Este proceso se conoce como
parametrizacin del relieve : generacin un conjunto de medidas que describen las formas
topogrficas permitiendo distinguir diferentes tipos de relieve o, en resumen, la descripcin
numrica de formas topogrficas. Los parmetros pueden ser descriptores globales o locales pero
los primeros informan nicamente sobre el conjunto del MDE por lo que son ms tiles para la
comparacin de modelos de diferentes zonas. Los descriptores locales aportan un conjunto de
datos que puede ser analizado con el mismo nivel de resolucin que el MDE original.
La parametrizacin del relieve debe cumplir algunas condiciones para ser til:

los parmetros deben tener relacin con los procesos geomorfolgicos que
modelan el relieve

el conjunto de parmetros no debe proporcionar informacin redundante,

es decir, deben medir caractersticas distintas

la parametrizacin debe incluir informacin sobre la influencia de la

escala ya que existen parmetros cuya magnitud depende de la resolucin
del muestreo y, por tanto, de la escala de trabajo

Existen varias propuestas sobre las variables que deben incluirse en la parametrizacin del
relieve. Entre ellas, la menos discutida es la pendiente, aunque tambin son usadas con
frecuencia en geomorfologa la orientacin y la curvatura (Weibel y Heller, 1991:283). Franklin
y Peddle (1987:294) mencionan cinco parmetros bsicos en este contexto: elevacin, pendiente,
orientacin, convexidad y relieve. El relieve, definido en este caso como la variabilidad de la
superficie, es lo que otros autores denominan rugosidad. En Mark (1975) puede encontrarse una
revisin del estado del tema en los momentos previos al tratamiento informtico, donde se
analizan las relaciones entre diversos parmetros mediante anlisis de correlacin.
Todas estas variables pueden ser representadas como modelos digitales derivados con la misma
resolucin que el MDE original. Como veremos, esta circunstancia permitir posteriormente el
anlisis multivariable del relieve, teniendo en cuenta simultneamente la totalidad de los
descriptores topogrficos.

El gradiente topogrfico
En un modelo digital de elevaciones, la altitud en el entorno inmediato de un punto puede
describirse de forma aproximada mediante un plano de ajuste, cuya expresin es:

Se deduce directamente que los coeficientes

altitud con respecto a los ejes X e Y:

representan las derivadas primeras de la

Los coeficientes a10 y a01 representan la tasa de cambio de la altitud respecto a los ejes X
filas e Y columnas respectivamente, es decir, los componentes de la pendiente sobre los
ejes X, Y.

El par de valores (a10 , a01 ) se denomina gradiente de z en el punto (x,y) y ha sido mencionado
porque va a mostrarse til en el clculo de los modelos digitales derivados.

Modelo digital de elevaciones y los componentes del gradiente. La figura superior derecha muestra la
componente direccional en el sentido E-O y la inferior la correspondiente al sentido S-N. La zona es el valle
de Degaa, en la montaa suroccidental de Asturias.

En las aplicaciones sobre MDE matriciales, las estimaciones de los coeficientes del gradiente se
realizan mediante operadores que se aplican sobre un entorno definido del punto problema. Para
un punto situado en la fila i, columna j, donde d es la distancia entre filas y columnas, los valores

del gradiente se calculan a partir de los cambios de altitud entre puntos vecinos. La opcin ms
simple utiliza los 4 vecinos ms prximos:

Sobre el clculo emprico del gradiente en los MDE, Jones et al. (1988:674) destacan la relacin
existente entre los valores del gradiente y la precisin de los datos de altitud. El anlisis de los
componentes del gradiente revela frecuentemente la discontinuidad de sus distribuciones. Este
error se manifiesta posteriormente en el "aterrazamiento" de algunos modelos derivados: las
pendientes en las laderas se muestran en escalones, con cinturones planos separados por otros de
pendiente ms elevada. Esta circunstancia puede deberse a dos causas:

si el aterrazamiento se muestra solamente en las zonas de baja pendiente,

puede deberse a un agrupamiento en clases de los valores del MDEpor
ejemplo, de 10 m, con lo que se pierde el carcter continuo de la
variable. En zonas crticas debe cuidarse incluso el truncamiento de las
altitudes a nmeros enteros

si el aterrazamiento en un fenmeno global, se ha construido el MDE a

partir de contornos sin generalizar y el mtodo de interpolacin ha tratado
como datos independientes los puntos de los contornos

Simulacin donde se aprecia el peso excesivo de las curvas de nivel en los mtodos de construccin del MDE y
que se refleja en la aparicin de "terrazas" claramente visibles en las zonas de menor pendiente.

Para reducir el error derivado de la posible discretizacin de las distribuciones del gradiente,
Jones et al. (1988:674) recomiendan el uso de los 8 datos ms prximos al punto problema. El
clculo se realiza en este caso mediante operadores de dimensin [3x3], denominados operadores
de Prewit y de Sobel (James, 1988:45). El operador de Prewit coincide con el mtodo propuesto
por Sharpnack y Akin (1988:248) y utilizado en el sistema de informacin geogrfica Erdas
(Erdas, 1991:15) y responde a las expresiones siguientes:

El operador de Sobel es el utilizado en Arc/Info y refuerza el peso de los datos ms prximos

al punto problema:

Lgicamente, en los bordes del modelo se necesitan tratamientos especiales. Si se trata de la

primera fila o columna de un MDE se utilizan las siguientes expresiones (Dozier y Strahler,
1983:963):

Si se trata de la ltima fila o columna de un total de n:

Algunos programas no usan estos algoritmos para los valores extremos sino que optan por unas
vas ms simples. Una de ellas es copiar el resultado del gradiente de la fila o columna vecina; la
segunda es aadir una fila o columna temporales y duplicar los valores de altitud de las vecinas
para calcular posteriormente el gradiente.

La pendiente
La pendiente en un punto del terreno se define como el ngulo existente entre el vector normal a
la superficie en ese punto y la vertical. Es demostrable (Felicsimo, 1994:102, Wood, 1996, Ap.
4.2.1) que la pendiente puede calcularse a partir de los componentes del gradiente mediante la
expresin:

Dada la expresin del gradiente, el valor de refleja la pendiente media en el entorno utilizado
para calcular los componentes a10 y a01 . La expresin anterior es la ms utilizada en la prctica
en el tratamiento de los modelos matriciales (Papo y Gelbman, 1984:698; Franklin, 1987a:604;
Erdas, 1991:15) pero para el clculo de la pendiente existe un buen nmero de alternativas cuyas
ventajas y problemas deben evaluarse en cada caso y para cada aplicacin.

Modelo digital de pendientes del valle de Degaa. Las zonas planas se representan en tonos oscuros y las ms
inclinadas en tonos claros. El original se construy con Erdas.

Los mtodos ms habituales se clasifican en funcin del nmero de puntos que intervienen en el
clculo:
Con dos puntos:

pendiente mxima al vecino ms prximo, para lo cual se calcula la

pendiente local entre en punto problema y sus vecinos; es el algoritmo ms
rpido, no da una medida de la orientacin y propone los valores de
pendiente ms elevados. Idrisi (Eastman, 1992:181) utiliza este mtodo
limitado a los 4 vecinos ms prximos. MicroDEM lo utiliza con los 8
vecinos ponderando la distancia en diagonal la luz de malla por la raz
cuadrada de 2.

En este ltimo caso:

Con tres puntos:

ONeill y Mark (1987) proponen el uso del punto problema y de los

vecinos Norte y Este para definir un plano. La pendiente de ste se asigna
al punto problema. La seleccin de los vecinos mencionados es arbitraria y
cambiarlos puede modificar el resultado tanto de la pendiente como de la
orientacin. La formulacin sera equivalente a la expresin general,
donde los componentes del gradiente son locales:

Con cuatro puntos:

utiliza los valores del gradiente calculados con los 4 vecinos ms

prximos, lo que equivale a estimar la pendiente del plano de ajuste a
estos puntos. El punto problema no interviene en el clculo.

Con ocho puntos:

Sharpnack y Akin (1988:248) proponen el operador de Prewitt para

estimar la pendiente, con lo que los ocho vecinos tienen el mismo peso en
el clculo del gradiente. Es el mtodo usado en Erdas. El punto
problema no tiene influencia en la pendiente.

Horn (1981) usa el operador de Sobel, que pondera ms los 4 vecinos ms

prximos que los situados en las diagonales. Es el mtodo usado en
Arc/Info y el punto problema tampoco interviene en el clculo

El uso de cualquiera de los mtodos anteriores debe valorarse en funcin del tipo de aplicacin a
desarrollar posteriormente. Los algoritmos basados en la pendiente local tienen a su favor que no
introducen suavizacin en los datos como los basados en 4 y 8 puntos. El uso de slo 4 vecinos
no tiene justificacin aparente y parece ms adecuada la bsqueda de pendiente mxima con la
totalidad de vecinos con control de la distancia en el caso de las diagonales. Los mtodos
basados en operadores de Prewitt y Sobel son menos sensibles al error en el MDE ya que, al
intervenir un nmero elevado de puntos, las posibles desviaciones individuales pierden peso y
pueden compensarse parcialmente entre ellas. En estos ltimos, sin embargo, la altitud del punto
problema no interviene en los datos por lo que la informacin del mismo se desaprovecha.

La orientacin
La orientacin en un punto puede definirse como el ngulo existente entre el vector que seala el
Norte y la proyeccin sobre el plano horizontal del vector normal a la superficie en ese punto.
Como en el caso de la pendiente, el valor de orientacin se estima directamente a partir de los
valores del gradiente:

La discusin sobre las formas de valorar la orientacin son similares a las planteadas con la
pendiente.

Modelo digital de orientaciones del valle de Degaa. La orientacin es una variable de distribucin circular
que se ha codificado en tonos de gris desde el Norte (negro), aclarndose progresivamente en sentido horario.
Las orientaciones al Sur estn representadas en tonos gris-medio.

La curvatura
La curvatura en un punto, , puede definirse como la tasa de cambio en la pendiente y depende,
por tanto, de las derivadas de segundo grado de la altitud es decir, de los cambios de pendiente
en el entorno del punto.
Para el clculo de la derivadas de segundo grado no es posible utilizar la aproximacin simple
empleada en la estimacin de la pendiente y orientacin, basada en un plano de ajuste. En este
caso se utiliza una superficie de ajuste de segundo grado de acuerdo con la expresin general:

Para simplificar, representaremos el punto problema y sus vecinos con la notacin siguiente:
z1

z2

z3

z4

z5

z6

z7

z8

z9

En el caso concreto de la ventana de 3% 3 centrada en el punto problema, los coeficientes de la

ecuacin cuadrtica se calculan mediante las expresiones siguientes (Evans, 1979:29):
a00 =(2 (z2 +z4 +z6 +z8 ) - (z1 +z3 +z7 +z9 ) + 5z5 ) / 9
a10 =(z3 +z6 +z9 -z1 -z4 -z7 ) / 6d
a01 =(z1 +z2 +z3 -z7 -z8 -z9 ) / 6d
a11 =(z3 +z7 -z1 -z9 ) / 4d2

a20 =((z1 +z3 +z4 +z 6 +z7 +z9 ) / 6d2 ) - ((z2 +z5 +z8 ) / 3d2 )
a02 =((z1 +z2 +z3 +z7 +z8 +z9 ) / 6d2 ) - ((z4 +z5 +z6 )/ 3d2 )
Se ha planteado la medida de la curvatura de tres formas distintas. La primera es la curvatura
media, , donde se mide la concavidad/convexidad general de la forma definida por el punto
problema y sus 8 vecinos. Una expresin simple para el clculo ha sido propuesta por Papo
(1984:697), mediante la suma de las derivadas parciales de segundo orden con respecto a los ejes
X e Y, de la forma siguiente:

Segn el mismo autor, este mtodo de estimacin no es completamente exacto, ya que la

curvatura depende de expresiones ms complejas, pero presenta errores de pequea magnitud
para pendientes bajas y medias.
Las derivadas primeras de la expresin general son,

por tanto, las segundas:

y, sustituyendo obtenemos que

La curvatura media puede ser descompuesta en dos componentes ortogonales: la curvatura

longitudinal L longitudinal convexity que mide la concavidad/convexidad en el sentido de
la mxima pendiente, y la curvatura transversal T cross-sectional convexity, normal a la
anterior. Wood (1996, Ap. 4.2.2) plantea las siguientes expresiones para su clculo:

Puede observarse que sumando L y T se obtiene la misma expresin que para la curvatura
general,
. El signo negativo se debe a una convencin que asume curvatura
negativa cuando existe una concavidad y curvatura positiva en caso de formas convexas.

Modelo digital de curvatura del valle de Degaa. Las zonas cncavas se representan en blanco y las convexas
en tonos oscuros

El problema de las expresiones de curvatura basadas en las lneas de pendiente es que pueden
aparecer casos donde los coeficientes a10 y a01 son nulos aunque los otros no lo sean. Para
prevenir esta circunstancia, Young (1978) propuso unas expresiones basadas en los otros
coeficientes y que permiten conocer los valores de curvatura mxima y mnima
independientemente de su direccin:

Las expresiones anteriores sern las ms utilizadas para el reconocimiento de elementos

morfolgicos.

La rugosidad
Al contrario de lo que ocurre con la pendiente, la orientacin y la curvatura, no existen criterios
uniformes para llevar a cabo la medida de la rugosidad. Diversos autores han aplicado mtodos
significativamente distintos para su evaluacin; por ejemplo, Balce (1987:324) utiliza la
pendiente media como estimador de un factor de rugosidad. Evans (1972:27-33) realiza una
revisin de mtodos, entre los cuales menciona desde rangos de altitud hasta la desviacin
estndar de la elevacin en entornos limitados. Hobson (1967, 1972) propone que, dado un punto
del terreno, se calculen los vectores unitarios perpendiculares a la superficie en l y en los puntos
de su entorno. Si el terreno es uniforme la suma vectorial ser elevada y la dispersin baja; en el
caso de terrenos rugosos, con cambios en orientaciones y pendientes, la suma vectorial ser
pequea y la dispersin elevada.
De acuerdo con Franklin (1987a:605), las estimaciones de la rugosidad deben ser independientes
de otros parmetros del relieve para reducir la informacin redundante. Parece deseable, adems,
cierta independencia de la escala del anlisis, lo cual elimina algunas aproximaciones
excesivamente simples como las que usan el rango de altitud.

Una variante del mtodo de Hobson es la siguiente:

se calculan los vectores normales a los segmentos que conectan al punto

problema y sus vecinos ms prximos. Para ello se calcula la pendiente
local y se le asigna la orientacin que le corresponda i , predeterminada
por la posicin del punto. De acuerdo con la notacin utilizada
anteriormente:
para la pendiente

(z1 -z5 )/1.414d

(z2 -z5 )/d

(z4 -z5 )/d

(z7 -z5 )/1.414d

(z8 -z5 )/d

(z3 -z5 )/1.414d

(z6 -z5 )/d
(z9 -z5 )/1.414d

y para la orientacin
315

45

270

90

225

180

135

a partir de los vectores resultantes, definidos por sus valores (, ), se

calculan las coordenadas rectangulares del vector unitario normal a cada
uno de ellos. Las expresiones son (Upton y Fingleton, 1989:312):

se calcula el mdulo del vector suma de los vectores unitarios, R :

se calcula la varianza esfrica, , como el complementario del mdulo

medio , que es el mdulo del vector suma normalizado al dividirlo por el
nmero de vectores unitarios (Band, 1989:286):

La varianza esfrica tendr el valor cero para una rugosidad nula alineamiento completo de los
vectores unitariosy tender a la unidad segn se incrementa la rugosidad y, consecuentemente,
la dispersin de los vectores unitarios.

Modelo digital de rugosidad del valle de Degaa, construido a partir de la desviacin estndar de la
pendiente. Las zonas rugosas se representan en tonos claros y las lisas en tonos oscuros

Este mtodo de clculo sobre las pendientes locales basado en la varianza esfrica de los
vectores unitarios normales tiene la ventaja de ofrecer estimaciones de la rugosidad
independientes de la escala. Al basarse en el mdulo normalizado, los resultados son
comparables para cualquier tamao de ventana que se use: 8 vecinos en una de 3x3, 24 en una de
5x5, etc. Esta normalizacin de la escala de medida permite analizar adecuadamente las
relaciones entre la rugosidad y la resolucin del modelo.

Caracterizacin morfomtrica
Algunas formas del relieve poseen caractersticas especficas que permiten que sean reconocidas
mediante los valores de las variables topogrficas mencionadas en los apartados anteriores. Para
el reconocimiento o clasificacin de estas formas es posible utilizar mtodos diversos,
deterministas o estocsticos.

Los elementos del relieve

Los elementos ms destacables del relieve han sido tradicionalmente los siguientes: picos,
crestas, collados, planicies, canales y pozos (Wood, 1996, Ap. 5). A estos elementos
morfolgicos bsicos deberan ser aadidos otros como, por ejemplo, laderas; asimismo, podran
diferenciarse algunos de ellos en dos o ms clases como veremos posteriormente.
La descripcin genrica de los elementos bsicos es la siguiente:

Elemento

Descripcin

pico

convexidad en todas direcciones

cresta

convexidad en una direccin ortogonal a

una lnea sin curvatura

collado

convexidad en una direccin ortogonal a

una concavidad

ladera

sin curvatura y con pendiente no nula

planicie

sin curvatura y con pendiente nula

canal

concavidad en una direccin ortogonal a

una lnea sin curvatura

pozo

concavidad en todas direcciones

En principio, las definiciones anteriores son suficientes para caracterizar los elementos
morfolgicos bsicos en funcin de pendiente y curvaturas longitudinal L , transversal T ,
mxima MAX y mnima MIN. La tabla de reconocimiento de los elementos sera la siguiente:

Elemento

pico

0
+

cresta

collado

hL

hT

hMAX

hMIN

++

0
+

0
+

ladera

planicie

canal

+
pozo

0
+

Los criterios mencionados en la tabla pueden ser utilizados para una clasificacin de los
elementos del relieve en un MDE. Sin embargo, las reglas de decisin deben ser diseadas con
algo ms de tolerancia que la mostrada en la tabla. En efecto, si una condicin para definir la
planicie es que la pendiente sea cero estas zonas quedarn infravaloradas ya que raramente esta

variable tomar exactamente ese valor en la realidad. Por este motivo, debern introducirse
reglas de tolerancia para los parmetros que se anulan en alguna condicin.
Por ejemplo, una vez reconocida la existencia de una ladera, podra establecerse una cadena de
reglas complementaria para definir subclases a partir del valor de la pendiente: bajo, medio o
alto; o, permitiendo una relajacin de la regla de curvatura nula, definir laderas cncavas o
convexas en funcin del valor de la curvatura longitudinal.

Forma elemental en collado, donde existen dos perfiles perpendiculares respectivamente cncavo y convexo.

En este punto, cabe considerar la influencia de la escala de trabajo en los resultados de la

caracterizacin. Como indica Wood (1996, Ap. 5.3), la caracterizacin a una nica escala no es
suficiente para describir la forma topogrfica. Por este motivo, una clasificacin basada en reglas
debe incluir criterios multiescala. Una solucin a este planteamiento consiste en generalizar el
MDE mediante filtrados sucesivos y aplicar las reglas de decisin a cada nivel de generalizacin.
El tipo de elemento puede variar con la escala: un canal a gran resolucin puede formar parte de
una ladera a resolucin media y de una cresta a una escala de anlisis global.

Los mtodos de clasificacin

Las reglas planteadas en el apartado anterior lo han sido a priori, es decir, se plantean como
condiciones establecidas partiendo de un conocimiento de las formas topogrficas que se desea
reconocer. Las reglas son deterministas y pueden plantearse como un rbol dicotmico donde se
comprueba el cumplimiento de las condiciones: si condicin a es cierta entonces b, en otro caso
c etc.
Uno de los problemas planteados por las decisiones basadas en reglas es la falta de
exhaustividad, es decir, que todos los elementos del MDE sean asignados a algn tipo de forma
topogrfica. El segundo problema es evitar la arbitrariedad en la definicin de las tolerancias o
relajacin de las reglas de decisin.
Un mtodo alternativo posible es el uso de las tcnicas utilizadas en teledeteccin para la
clasificacin de las imgenes digitales. El objetivo de estas tcnicas es realizar el agrupamiento
de los elementos en grupos o clases con propiedades significativamente diferentes entre s. La
aplicacin de este concepto a la caracterizacin del relieve supone la intencin de discriminar
diferentes tipos de formas a partir de los datos del MDE y de los modelos derivados.
La clasificacin en teledeteccin suele realizarse a partir de imgenes multiespectrales,
consistentes en un conjunto de imgenes digitales simples que, una vez superpuestas por poseer
idnticas propiedades geomtricas y de referenciacin geogrfica, forman un conjunto de
informacin nico. Este conjunto de informacin es equivalente a una matriz tridimensional, en
la que las filas y columnas representan la localizacin geogrfica, mientras que la tercera
dimensin representa las diferentes bandas o propiedades medidas: cada celda de la matriz (i, j,

k) posee el valor de la variable k en la localizacin geogrfica definida por la fila iy la columna j.

El concepto de modelo digital multivariable, MDM (Felicsimo, 1992:111) repite este mismo
esquema sustituyendo las imgenes por los MDT, de forma que pueden agruparse en un mismo
conjunto de datos las elevaciones (capa 1), las pendientes (capa 2), etc. El concepto de MDM es
til en el anlisis de la informacin ya que, al ser anlogo al de imagen multiespectral, facilita la
aplicacin de los procesos de clasificacin multiespectral en el contexto de los modelos digitales
del terreno. En este sentido, los puntos de MDM pueden tambin hacerse equivalentes a los
pixeles de la imagen por lo que, a partir de ahora, ambos trminos no sern diferenciados en el
texto.
Siguiendo la analoga y aceptando la terminologa propuesta por Pike (1988:494), se denominar
signatura geomtrica al conjunto de variables que permiten diferenciar distintos tipos de relieve.
Para distinguirlos se debe caracterizar cada uno de ellos por los valores de las variables
implicadas. El procedimiento es anlogo al utilizado en la creacin de signaturas espectrales en
el campo de la teledeteccin (Schowengerdt, 1983:132) con el fin, por ejemplo, de diferenciar
los tipos de cubierta vegetal en una regin: la signatura geomtrica de un pixel (i,j) es el vector kdimensional constituido por los valores de las variables contempladas en el MDM para la
localizacin (i,j). De forma anloga, la signatura geomtrica de una clase est definida por el
vector de medias de las variables y complementada con los estadsticos de dispersin (desviacin
estndar) y la matriz de covarianzas. El proceso de clasificacin debe dividir el total de puntos
del modelo en clases separables por los valores de la signatura geomtrica.

Esquema de un modelo digital multivariable, similar conceptualmente a una imagen multiespectral.

Los mtodos de clasificacin han sido extensivamente estudiados y las publicaciones al respecto
son numerosas. Dada la extensa bibliografa y que se trata de mtodos slidamente establecidos,
su base terica no se tratar en el presente trabajo. En Mike (1985) pueden encontrarse las bases
generales y una buena descripcin de los mtodos ms usuales.
La clasificacin puede dividirse en dos grupos diferentes: supervisada y no supervisada. La
clasificacin supervisada supone un conocimiento previo de las clases por parte del operador,
que debe delimitar grupos de pixeles representativos para cada una de ellas, a partir de los cuales
se determinan los valores que definen la signatura. La clasificacin no supervisada
clustering no requiere intervencin del operador ya que divide los pixeles en "grupos
naturales", segmentando el espacio k-dimensional donde cada eje de coordenadas representa
una variable con criterios estadsticos.
La clasificacin no supervisada presenta la ventaja, por tanto, de que no requiere un previo
conocimiento de las clases existentes en la zona; obliga, en contra, a realizar una interpretacin

de los resultados, reflejo de combinaciones de variables inicialmente desconocidas. La

comprobacin de qu formas del relieve pueden diferenciarse mediante procesos de clasificacin
puede llevarse a cabo adecuadamente mediante mtodos de este tipo, que no introducen hiptesis
previas y estn libres de sesgos por parte del operador.
Uno de los mtodos ms habituales en la clasificacin no supervisada es el algoritmo
denominado habitualmente isodata propuesto por Duda y Hart (1973). Este algoritmo realiza un
proceso iterativo para dividir el espacio k-dimensional en un nmero predefinido de clases, n. En
un primer paso, los n vectores de medias de las clases se rellenan con valores arbitrarios y los
pixeles se clasifican en funcin de su vector de valores, asignndolos a la clase de signatura ms
prxima. Posteriormente, los vectores de medias de las clases son recalculados a partir de los
nuevos grupos y los pixeles son reclasificados. El proceso se repite hasta que no se detecta un
cambio significativo en las asignacin de pixeles entre un paso y el anterior.
No han sido localizados trabajos prcticos en la bibliografa que apliquen mtodos de
clasificacin exclusivamente a los MDM aunque s existen propuestas al respecto. Weibel y
DeLotto (1988) realizan una revisin general de los pasos a realizar en el proceso: especificacin
de variables, extraccin de la signatura geomtrica y clasificacin, indicando algunos problemas
generales. Franklin y LeDrew (1983) plantean los primeros pasos en una clasificacin mixta
mediante datos procedentes de teledeteccin y MDT pero sin ofrecer resultados prcticos. En un
trabajo posterior, Franklin (1987b) consigue mejores resultados en la identificacin de la cubierta
vegetal incorporando modelos digitales del terreno como bandas auxiliares. Guindon et al.
(1982:14) tambin mencionan los beneficios potenciales de usar ambos tipos de datos en una
clasificacin pero no llegan a presentar experiencias concretas.
En Felicsimo (1994) se muestra una aplicacin de clasificacin no supervisada a un MDM
compuesto por los modelos de pendiente, curvatura general y rugosidad de una zona montaosa
de Asturias.
Un primer anlisis de las relaciones entre variables se muestra en la tabla siguiente, donde se
presentan los valores de los coeficientes de correlacin r de Pearson entre las variables
mencionadas ms la altitud, h.

Coeficiente de correlacin r de Pearson

altitud

pendiente,

curvatura,

pendiente,

+0.047

+1.000

-0.031

curvatura,

-0.128

-0.031

+1.000

rugosidad,

-0.082

-0.121

+0.089

donde todos los coeficientes son significativos para P<0,01

La tabla anterior permite observar algunas caractersticas de inters de las relaciones entre
variables. Una de las ms obvias es la relacin inversa entre altitud y concavidad, justificable por
la distribucin de valles y crestas en las zonas bajas y altas respectivamente. La relacin directa
entre altitud y pendiente nos refleja la tendencia hacia perfiles cncavos, con pendientes ms
fuertes en las zonas altas y ms suaves en altitudes menores. Otra relacin menos evidentes es el
aumento de rugosidad en las zonas bajas, que debe ser interpretado desde un punto de vista

dinmico: en las zonas altas, de mayor pendiente, los fenmenos erosivos y de reptacin
creep generan superficies ms uniformes. En las zonas bajas, la acumulacin de derrubios y la
accin menos intensa de los agentes erosivos permiten un diseo topogrfico ms heterogneo a
escalas de decenas de metros la ventana de clculo es de 3x3 y la luz de malla de 25 m.
En el proceso de clasificacin no supervisada se introdujo, como nico parmetro, el nmero de
clases a separar: 5. Los resultados de la clasificacin se presentan, de forma grfica, en la figura
siguiente.

Resultado de una clasificacin no supervisada a partir de los modelos digitales de

pendientes, curvatura y rugosidad.

Clase 1 (verde): valores bajos de pendiente, medios de rugosidad y formas

ligeramente cncavas, agrupa zonas de vega, fondos de valles abiertos y las
zonas ms bajas de las laderas, cubiertas frecuentemente por formaciones
clsticas relativamente estables, procedentes de zonas superiores.
Clase 2 (amarillo): zonas con pendientes medias, formas ligeramente convexas
y baja rugosidad. Se distribuye preferentemente en los mrgenes de la clase 1,
ocupando las zonas inmediatamente superiores a la lnea de ruptura de
pendientes. Se observa una cierta correspondencia con zonas cubiertas por
formaciones clsticas sin matriz, afectadas por procesos ms activos que las de
la clase anterior.
Clase 3 (rosa): fuerte pendiente, formas ligeramente convexas y baja rugosidad.
Representa las laderas con superficie relativamente uniforme.
Clase 4 (azul): fuerte pendiente, formas cncavas y rugosidad media. Se
distribuyen separando las zonas de ladera pertenecientes a la clase 3 y
representan los cauces de arroyada y torrenteras que surcan las laderas, de poca
longitud pero alto potencial erosivo debido a la elevada pendiente.
Clase 5 (granate): pendiente media y rugosidad muy alta: representa dos clases

diferentes de elementos: los fondos de valle muy angostos, con un marcado

perfil en V y las crestas muy escarpadas, con perfil en . La agrupacin de
ambas formas en la misma clase es lo que condiciona los valores de curvatura
medios, estadstico ambiguo resultante de utilizar la curvatura general como
medida.

La descripcin estadstica
Tanto el MDE como los modelos derivados pueden ser tratados estadsticamente para concretar
sus distribuciones y parmetros especficos. Como a partir del MDE es posible crear variables de
distribucin lineal como la propia altitud o la pendiente, circular como la orientacin, o esfrica
como los vectores normales a la superficie, los parmetros que describen cada caso son
diferentes.

Descriptores bsicos para variables lineales

En el caso de las variables lineales, una descripcin estadstica bsica debe incluir, al menos, los
siguientes parmetros: valores mnimo y mximo, rango, media aritmtica, varianza, desviacin
estndar, mediana y distribucin de frecuencias.
Denominando z a la variable analizada, la formulacin de la media aritmtica ( ) y de la
varianza (

) es la siguiente:

donde n es el nmero de datos del modelo. La desviacin estndar es la raz cuadrada de la

varianza y el rango se deriva directamente de los valores mnimo y mximo. Aunque se ha
utilizado la notacin correspondiente a estadsticos muestrales, cabe recordar que el modelo
puede ser considerado como la propia poblacin. En este sentido, la operacin realizada es un
censo y, por tanto, los estadsticos obtenidos son los poblacionales o parmetros, que no se
estiman mediante una operacin de muestreo sino que se evalan directamente. Slo podra
hablarse de un muestreo en el caso de realizar una seleccin dentro del modelo para calcular los
estadsticos.
El clculo de la mediana plantea un problema especial derivado del nmero de datos: si no se
realiza una agrupacin en clases, es necesario efectuar una ordenacin general de los datos para
localizar el valor que divide la distribucin de frecuencias en dos partes iguales. Los algoritmos
para ordenacin son muy eficaces pero, a pesar de todo, la operacin puede ser prcticamente
imposible en el caso de modelos de grandes dimensiones. En estos casos es conveniente realizar
una agrupacin de los datos, a partir de la cual el clculo de la mediana es mucho ms sencillo.
La agrupacin de los datos de un MDT no plantea problemas ya que slo es necesario definir los
lmites de las clases para, posteriormente, asignar cada dato a la que le corresponde. Las clases
pueden definirse a partir del rango de valores y de un nmero de clases prefijado o bien pueden
estar predefinidas para facilitar la comparaciones entre modelos diferentes por ejemplo, con
intervalos de 50 100 metros en los MDE.
A partir de una distribucin de frecuencias es posible recalcular con facilidad los estadsticos

bsicos con una prdida de precisin inapreciable debido al elevado nmero de datos que suelen
formar un MDT. En el caso concreto de la mediana, el mtodo de clculo a partir de la
distribucin de frecuencias se basa en el clculo de las frecuencias acumuladas "directas" e
inversas para cada clase, sin necesidad de efectuar una ordenacin caso a caso (Sokal y Rohlf,
1979:58).
La distribucin de frecuencias o histograma es una herramienta til para descubrir incoherencias
internas en el MDT. En el caso del MDE, por ejemplo, la presencia de "dientes de sierra" en el
histograma es indicador de una interpolacin deficiente. Estos dientes aparecen como mltiplos o
submltiplos del intervalo entre curvas de nivel.

donde
Histograma de altitudes de Asturias (modelo MDE200 del IGN) con clases de 50 m

En la figura superior se muestra el efecto mencionado en un histograma de altitud de Asturias

construido a partir del MDE200 del I.G.N.; el ancho de clase es de 50 m y el MDE se construy
a partir de mapas de isohipsas con intervalos de 100 m.

Descriptores bsicos para variables circulares

Algunos modelos digitales del terreno incluyen variables con una escala por intervalos que sigue
una distribucin circular y cuyo origen o punto cero est fijado arbitrariamente. El caso ms
evidente en los MDT es la orientacin del terreno, donde no puede decirse, por ejemplo, que un
punto orientado al Este (90) tenga un valor de orientacin "superior" a otro orientado al
Nordeste (45). Asimismo, definir el Norte como origen de una escala creciente en el sentido de
giro de las agujas del reloj es puramente convencional en matemtica el origen de las escalas
angulares se fija en la posicin Este y el sentido de giro es inverso. La aplicacin de mtodos
estadsticos inapropiados puede conducir a errores y resultados paradjicos como, por ejemplo,
que la media de 1 y 359 dos orientaciones al Norte, sea 180.
Las variables circulares necesitan, por tanto, unos mtodos estadsticos especficos que, en sus
aspectos bsicos, no son ms dificultosos que los mtodos clsicos. Estos mtodos tratan las
variables circulares como magnitudes vectoriales, es decir, cuando decimos que un punto est
orientado al Nordeste, estamos asignando a dicho punto un vector unidad orientado hacia los 45.
La estadstica circular realiza la mayor parte de sus tratamientos usando las coordenadas
rectangulares de estos datos vectoriales. Estas coordenadas se determinan directamente mediante
operaciones trigonomtricas elementales. Para un punto i, con orientacin i:

donde el eje X se hace coincidir con la direccin Este-Oeste y el Y con la Norte-Sur y el origen se
fija en el Norte esta notacin, como cualquier otra alternativa, es esencialmente arbitraria, por
lo que las expresiones pueden variar entre diferentes autores.

Transformacin de las coordenadas

circulares a rectangulares en el caso de
dos dimensiones. El mdulo R del vector
V es :

En las variables circulares es sencillo el clculo de al menos tres estadsticos bsicos: la

direccin media, el rango de variacin y la varianza circular, indicadora de la dispersin de los
datos. La direccin media de un conjunto de n datos, , coincide con la direccin del vector
resultante de la suma vectorial de los datos. ste queda definido por las coordenadas
rectangulares X e Y, suma de los n datos:

A partir de estos componentes, es posible calcular directamente la orientacin del vector suma
mediante la funcin arco tangente:

En cuanto a los estadsticos de dispersin, y de forma similar a las variables lineales, es posible
definir un rango de variacin para los datos angulares. El rango, dado en unidades angulares,
coincide con el arco de menor magnitud que engloba la totalidad de los datos. De esta forma, un
rango de 15&; implica una agrupacin mayor que uno de 45&;. Otra alternativa
complementaria es utilizar el mdulo del vector suma, R, como una medida de la dispersin de
los datos angulares:

En efecto, R puede variar entre 0 para una dispersin total donde los vectores se anulan entre s,
hasta ncuando todos los datos tienen la misma orientacin y la dispersin es nula con un rango
de variacin de 0&; . Cuando R tiene un valor nulo la orientacin media queda sin definir.
Es conveniente normalizar el valor de R dividindolo por el tamao muestral con el fin de
hacerlo independiente del nmero de datos:
. El nuevo estadstico se distribuye
consecuentemente entre un valor mnimo de 0 y un mximo de 1.
Han sido propuestas varias medidas de dispersin basndose en el valor normalizado , como la
desviacin angular, sd (Zar, 1984:431) y la desviacin circular estndar, sc (Mardia, 1972:24),
cuyas expresiones son las siguientes:

Los resultados de ambas expresiones deben interpretarse en radianes. Al variar el valor de en

el rango 0-1, las expresiones anteriores tienen valores limitados entre un mnimo de 0 para ambas
dispersin nula y mximos de infinito para sd y de
para s equivalente a unos 81&;
.
Cabe indicar, para finalizar este apartado, que las variables circulares tienen distribuciones
estadsticas propias, slo ocasionalmente relacionadas con las caractersticas de las variables
lineales. Entre ellas pueden destacarse la distribucin circular uniforme y la distribucin de von
Mises. La primera representa una situacin en la que los datos se distribuyen sin una orientacin
preferente y donde la probabilidad de que un dato se encuentre en un rango determinado depende
exclusivamente de la amplitud angular de ste. Puede esperarse que el valor del estadstico sea
muy bajo, aunque no necesariamente nulo.
La distribucin de von Mises es, en cierta forma, la equivalente a la de Gauss en estadstica
lineal ya que representa una situacin donde existe una orientacin preferente y presenta
caractersticas estrechamente ligadas a la anterior, por lo que tambin suele denominarse
"distribucin circular normal". La distribucin es simtrica, unimodal y est descrita por dos
nicos parmetros: la orientacin media y un parmetro de dispersin, . Como sera esperable,
la mnima probabilidad de la distribucin se presenta para la orientacin opuesta a la media, es
decir, existe una "antimoda" con un valor de
radianes. Tambin es posible la adaptacin de
esta distribucin a aquellas situaciones en las que existe una direccin axial preferente y la
distribucin resultante es bimodal con valores opuestos (Upton y Fingleton, 1989:231).

Otros descriptores
Independientemente de los estadsticos convencionales, se ha desarrollado progresivamente un
conjunto de medidas heterogneas, cada una de las cuales puede usarse como indicador de
diversas caractersticas de los MDT.
La entropa como medida de diversidad
Frecuentemente, los operadores usados en proceso de imgenes digitales han sido adaptados al
tratamiento de los MDT. Generalmente son indicadores de la heterogeneidad de valores, por lo
que aplicadas al MDE o MDP indican rugosidad.
Un ejemplo de este tipo de medidas es la entropa o medida de la diversidad, originada en teora
de la informacin y propuesta ya hace algunos aos como indicador de informacin aplicado a la
geomorfologa (Connelly, 1972:99). La expresin ms conocida es la denominada de ShannonWeaver:

donde pi es la probabilidad del valor i en la poblacin:

, donde N es el nmero de total
de puntos del MDT y ni el nmero de ellos que pertenece al valor o clase i. El mnimo valor de H
aparece cuando todos los elementos tienen el mismo valor, en cuyo caso H=0.
La entropa fue ya propuesta como indicador de informacin en geomorfologa por Connelly
(1972); Franklin y Peddle (1987) la incluyen como medida de textura del relieve sealando que,
como la distribucin de la altitud es esencialmente no aleatoria, los valores medidos de entropa

sobre los MDE son generalmente bajos.

La medida de la autocorrelacin
Los ndices ms habituales para analizar la existencia de autocorrelacin en los MDT son los
denominados de Geary y de Moran. Ambos analizan las frecuencias de adyacencia o vecindad,
El ndice de Geary responde a la expresin siguiente:

En la expresin anterior, wij toma el valor 1 si las celdas i y j son vecinas y 0 en caso contrario.
Los ndices i y j toman los valores 1N, donde N es el nmero total del celdas del modelo.
El valor esperado de G para ausencia de autocorrelacin es 1; si sta existe y es positiva, 0 < G <
1, y si es negativa, G 1.
El ndice de Moran, I, aumenta con la correlacin y obedece a la expresin:

La diferencia principal entre ambos ndices es la referencia al valor medio de la variable en el

caso de I. La interpretacin y valores esperados para ambos ndices se resume en la tabla
siguiente:

Rangos de valores de los ndices de Geary y Moran

Valores

Geary, G

Moran, I

similares, variable regionalizada,

agrupamiento

0<G<1

Ik

aleatorio, no correlacionados

G=1

I =k

diferentes, contrastados

G1

I<k

donde k=-1/(N-1), siendo N el nmero de celdas

Los ndices de Moran y Geary han sido utilizados por Lee y Marion (1994) para analizar la
autocorrelacin de un total de 920 MDE del US Geological Survey a una escala nominal
1:250.000. Los resultados muestran valores de autocorrelacin positiva muy significativos. Las

distribuciones de los ndices G e I estn muy concentradas y son fuertemente asimtricas. Tras
analizar los cambios provocados por la manipulacin de los MDE, concluyen que existe una
relacin inversa entre la autocorrelacin y la prdida de informacin en las conversiones entre
MDE matriciales y TIN.
La dimensin fractal
La dimensin fractal, definida por Mandelbrot (1967) es un parmetro que progresivamente ha
ido hacindose un lugar en la modelizacin de la topografa, especialmente en lo que se refiere a
la visualizacin realista del relieve (Jeffery, 1987).
La mayora de los objetos geomtricos pueden ser descritos de forma completa mediante pocos
parmetros. La consecuencia ms interesante para nosotros es que su representacin mediante
modelos puede realizarse sin prdida de informacin mediante un nmero limitado de datos, es
decir, son replicables.
En cambio, muchos objetos reales, entre los cuales se cuentan las superficies topogrficas, slo
pueden representarse mediante modelos con una prdida obligatoria de informacin, ms o
menos importante en funcin de la generalizacin del modelo. Una buena parte de la
investigacin sobre las alternativas estructurales de los MDT, presentadas en los apartados
anteriores, se debe al intento de hacer mnima la prdida de informacin manteniendo el
conjunto de datos necesario para ello dentro de tamaos razonables.
Esta circunstancia se debe a la imposibilidad de descomponer estos objetos en formas
geomtricas simples que los representen con absoluta fidelidad. Estos objetos tienen algunas
propiedades en comn, entre las cuales est la ser autosimilares, es decir, que su apariencia y
propiedades estadsticas y topolgicas permanecen constantes, independientemente de la escala
del anlisis o, al menos, dentro de un rango amplio de escalas.
Una lnea de costa es un objeto con esas caractersticas. Supuesto un mapa que representa una
lnea de costa elegida al azar, es difcil deducir slo de su apariencia la escala del mismo. Esta
circunstancia ilustra el concepto de autosimilaridad mencionado anteriormente y los objetos que
la poseen han sido denominados "escalantes" (Mandelbrot, 1984).
La segunda propiedad de los objetos mencionados aparece cuando se intentan medir,
determinando, por ejemplo, la longitud o la superficie de un elemento topogrfico.
La longitud de una lnea de costa puede ser medida sumando la de un conjunto de segmentosunidad, rectilneos, adyacentes, iguales y superpuestos a la misma es decir, teselndola con
pequeos segmentos. La longitud estimada es igual a la longitud de un segmento multiplicada
por el nmero de ellos necesario para cubrir toda la costa, desde un punto origen a un punto final.
Steinhaus (1954:8) fue el primero que mostr que el resultado del proceso es dependiente de la
longitud de los segmentos-unidad, de forma que la longitud de la costa crece cuando la medida
se realiza con unidades menores.
La importancia de la "paradoja de Steinhaus" en el campo de los MDT es obvia, ya que una lnea
de costa no es conceptualmente diferente a una curva de nivel o a un perfil topogrfico. La
influencia de la escala de medida en la longitud de las lneas es generalizable en el sentido de que
tambin las reas son afectadas por el mismo fenmeno. Debido a ello, puede afirmarse que
cualquier modelo, digital o analgico, ofrecer resultados dependientes de la escala de medida
utilizada y del grado de generalizacin (Maling, 1968:155). En este mismo sentido, las medidas
realizadas sobre un modelo sern tanto ms reales como menor prdida de informacin haya
implicado el proceso de generalizacin realizado para construirlo.

La dependencia entre los resultados y la escala de medida puede establecerse mediante un

parmetro denominado dimensin de Hausdorff-Besicovich, D, que puede definirse de la forma
siguiente:

donde k es una constante de proporcionalidad, g es la unidad de medida por ejemplo, longitud

de los segmentos-unidad usados para medir la costa y Lg el resultado de la medicin.
El trmino dimensin fractal se aplica a cualquier funcin para la cual la dimensin D excede la
dimensin topolgica 0 para los puntos, 1 para las lneas, 2 para superficies, etc. y suele
representarse tambin mediante D. El inters de la aplicacin de la dimensin fractal a los MDE
reside en que es un ndice de la intensidad del relieve; as, en el caso de una superficie, la
rugosidad es muy baja cuando D est prximo a 2, aumentando progresivamente hasta el valor
de 3 en el caso de una superficie terica infinitamente irregular (Clarke, 1988:176).
El clculo de la dimensin fractal de un objeto puede realizarse de varias formas. La ms sencilla
es realizar dos medidas con unidades de diferente tamao, g1 y g2 , con lo cual se obtendrn dos
resultados, L1 y L2 . La dimensin fractal, D, en el caso de una lnea, puede estimarse mediante la
expresin siguiente (Goodchild y Mark, 1987:266):

donde Ni es el nmero de pasos de longitud gi necesarios para teselar la lnea (

).

Es decir, D es la pendiente de la recta de regresin entre los logaritmos de ambas variables. En el

caso de un MDE puede utilizarse un mtodo equivalente, midiendo el rea resultante con
diferentes intervalos entre los datos. Los valores para superficies reales se encuentran
aproximadamente en el rango de 2.1 a 2.4 (Goodchild y Mark, 1987:270).
Otro mtodo de estimacin de D, equivalente al anterior pero que aporta ms informacin sobre
el anlisis, es el clculo del coeficiente de regresin usando ms de dos pares de valores unidadlongitud o unidad-superficie. El ajuste de los pares de valores a la recta permite conocer el grado
de autosimilaridad del elemento a diferentes escalas.
Una consecuencia de inters aplicable a los modelos digitales del terreno es que la magnitud de
las medidas crecer proporcionalmente a la resolucin del modelo. Por ejemplo, la pendiente
media de un MDP con 25 m de luz ser significativamente superior a la de un MDP de la misma
zona con 100 m de tamao de malla.
En Felicsimo (1994:73) se da un dato significativo sobre este problema: a partir de dos MDE de
la misma zona pero de diferente origen se calcula la pendiente media. En el primer caso, con una
luz de malla de 200 m, la pendiente media es de 19&deg;; en el segundo, con 25 m de
resolucin, el resultado es de 27&deg;. La diferencia observada es, por tanto, de 8&deg;.
La figura inferior muestra las medidas efectuadas sobre varios modelos digitales de pendientes
procedentes de MDE con diferentes niveles de generalizacin. Puede observarse la disminucin
de la pendiente media, en ordenadas, con la reduccin de resolucin del MDE factor de
generalizacin en abscisas.

Relacin entre la pendiente media de una zona y el grado de generalizacin

del modelo digital de elevaciones usado para generar el MDP

FIN DEL CAPTULO

Captulo 5

Simulacin de procesos: cuencas hidrolgicas

y cuencas visuales
por Angel Manuel Felicsimo, bilogo
http://www.etsimo.uniovi.es/~feli/

Introduccin
Como ya se ha indicado en el primer tema, uno de los aspectos de mayor inters de los modelos
digitales es la posibilidad de realizar simulacin de procesos. Con la simulacin de procesos se
accede a la capacidad de experimentar independientemente del sistema real. La simulacin
permite obviar los riesgos inherentes a la experimentacin, alcanzar una completa independencia
temporal los procesos pueden ser acelerados o ralentizados y repetir el experimento el un
nmero de veces arbitrario.
La simulacin se ha utilizado ampliamente en aspectos prcticos en muchas disciplinas. En
ingeniera aeronutica, por ejemplo, el tnel de viento era hasta hace poco el nico dispositivo
accesible para perfeccionar el diseo externo de los aviones. Este sistema analgico ha sido
sustituido por simulaciones digitales donde ni siquiera es necesario construir una maqueta real
del prototipo. Otro ejemplo lo constituye el diseo de planes de emergencia ante escapes de
contaminantes atmosfricos, donde las pautas de dispersin se simulan y analizan mediante
modelos numricos, tanto en el espacio como temporalmente.
En principio, a partir de los MDT es posible simular una gran cantidad de procesos inaccesibles a
la experimentacin directa. En este tema se expondr una panormica de mtodos para realizar
simulaciones en campos muy variados.
El primer tpico que vamos a examinar es el de los denominados autmatas celulares, de los
cuales podemos ver un ejemplo en la figura inferior, donde se ha simulado el comportamiento de
un bandada de animats de comportamiento gregario basndose en reglas simples de
atraccin/repulsin en funcin de la distancia a los vecinos ms prximos.

Cuencas hidrolgicas
Las caractersticas topogrficas de una ladera determina las pautas por las cuales el agua circula
sobre ella. El modelo digital de elevaciones contiene informacin suficiente para definir, al
menos en una primera aproximacin, las propiedades de la red de drenaje superficial stream
network y, por extensin, de la cuenca hidrolgica watershed. Para el estudio de estos
procesos se utilizar un conjunto de algoritmos denominados habitualmente autmatas celulares,
AC. Los AC han sido poco utilizados en los SIG, pero se presentan aqu por dos razones: (1)
representan una forma de abordar los problemas diferente de la convencional y, (2) pueden
ofrecer soluciones nuevas a algunos problemas ms difciles de tratar por otros medios.

Autmatas celulares
Un autmata celular, AC, es un modelo matemtico que simula sistemas dinmicos y que puede
utilizarse para modelizar procesos reales.
Los AC pueden funcionar en espacios de d dimensiones. Los AC funcionan sobre una matriz
regular d-dimensional, por lo que pueden ser aplicados directamente al caso de los MDT
matriciales como los utilizados hasta ahora en este curso. En el caso de los modelos digitales del
terreno, d=2 y a partir de ahora, salvo aviso, nos limitaremos a este caso.
En el contexto bidimensional, los AC obedecen a un conjunto reducido de reglas:

la organizacin matricial define el "universo" de celdas o lugares sobre los

que se desarrolla el proceso

cada celda puede adoptar un valor a, dentro de un conjunto finito de

valores: a _ {1, 2 k}

los valores de cada celda se actualizan a intervalos de tiempo finitos y

discretos, t, t+1 hasta que el proceso finaliza

la asignacin de valores a cada celda i, obedece a una funcin o regla de

propagacin que depende del valor de la propia celda y de los vecinos ms
prximos; por ejemplo:

donde
es el valor de la celda
en la iteracin (t+1); la expresin de la derecha, ms
resumida, se interpreta como el conjunto de estados del entorno de la celda problema.
El origen de los autmatas celulares, est en el Instituto de Estudios Avanzados de Princeton en
la dcada de los 50, y tiene como responsables a John von Neumann y Stanislaw Ulam. Este
ltimo fue el que sugiri la extensin de los iniciales autmatas unidimensionales a un
"universo" de dos dimensiones a similitud de un tablero de ajedrez.
Actualmente se considera que, mediante reglas de interaccin local, es posible generar modelos
tiles sobre sistemas fsicos y, obviamente, este es el aspecto que aqu nos interesa.
En el interior de la matriz debe especificarse un entorno que cada celda debe examinar para pasar
del estado al
. Este entorno es conceptualmente idntico al utilizado en los operadores de
clculo del gradiente, ya examinados en el tema anterior. Inicialmente, von Neumann redujo el
entorno a los 4 vecinos ms prximos entorno de von Neumann; la ampliacin a los 8
vecinos se conoce como entorno de Moore.
En nmero de estados posibles en cada celda es otra de las variables importantes del sistema.
Existen numerosos ejemplos de sistemas "interesantes" de naturaleza estrictamente binaria. En el
caso de los MDT es claro que el nmero de estados depende de la naturaleza del problema y,
habitualmente, ser algo superior. Sin embargo, lo ms importante es la regla de asignacin que,
para generar transiciones de estado adecuadas debe ser internamente consistente y representativa
del proceso estudiado.
La ampliacin que resulta ms til para la simulacin de procesos es la de asignar a las celdas un
conjunto de atributos que intervienen en la regla de asignacin de estados. Es decir, dada una

celda situada en la fila i, columna j de la matriz, su estado

depender del estado de sus
vecinas en t, y de los valores de un conjunto de variables v 1 , v 2 vm propios de cada celda del
entorno.

La generacin de lneas de flujo

Se denomina lnea de flujo al trayecto que, a partir de un punto inicial, seguira la escorrenta
superficial sobre el terreno. Las lneas de flujo dentro del MDE siguen la lnea de mxima
pendiente y slo finalizan en los supuestos de desembocar en el mar o llegar al borde del modelo
y, optativamente, de alcanzar una concavidad topogrfica.
El sentido del flujo para cada celda del MDE es una constante, por lo que el resultado de la
simulacin es estacionario y no vara a partir de una iteracin determinada, en funcin de la
longitud de la lnea.
Es posible construir un AC sencillo que genere las lneas de flujo a partir de los datos de altitud
del MDE. Sus caractersticas son las siguientes:

estados: se trata de un AC binario donde las celdas pueden tomar slo dos
valores {0 , 1}

donde L es la lnea de flujo

entorno: los 8 vecinos ms prximos y la propia celda

variables auxiliares: z, altitud

reglas de propagacin:

el inicio es una nica celda donde

la propagacin se realiza a la celda que cumpla la condicin de

pendiente mxima negativa desde la celda anterior

tiempo: el AC funciona hasta que la celda a la que se propaga ya pertenece

a la lnea de flujo o no existe candidata con pendiente negativa lo que
implica una concavidad o una zona plana sin trayectoria definida.

En este caso, puede observarse que la pendiente se define con signo, para diferenciar la
pendiente ladera arriba positiva de la de ladera abajo negativa.
El proceso se puede representar de la forma siguiente: se seala una celda origen de la lnea de

flujo

Definidos los valores de la variable auxiliar para la celda y su entorno, se calculan los valores de
las pendientes locales:

La regla de propagacin define la celda que cambiar de estado en funcin de los valores de la
pendiente que, en este caso, tienen signo:

Suponiendo que m=4, es decir, que la pendiente mxima ladera abajo seala la diagonal inferior
derecha, la transicin ser:

El anterior AC genera lneas que crecen sobre la matriz y cuya longitud depende de las
iteraciones necesarias para llegar a que se cumpla alguna de las condiciones de finalizacin. En
cada iteracin se calcula para cada celda un sentido de flujo, es decir, la direccin de mxima
pendiente ladera abajo en su entorno inmediato. Una lnea de flujo est compuesta, por tanto, por
una secuencia ordenada de sentidos de flujo.
Los sentidos de flujo individuales pueden ser codificados mediante los denominados cdigos de
Freeman (Freeman, 1961). En vez de definir una cadena de celdas como las que componen
una lnea flujo, por ejemplo mediante sus coordenadas, se definen mediante cdigos que
representan los incrementos de fila y columna.
La regla de propagacin del AC mostrado antes calcula todo lo necesario para generar los
cdigos de Freeman de las celdas de una lnea de flujo pero no los almacena. Una simple
variante puede construir en un nico paso los cdigos para todas las celdas:

estados: las celdas pueden tomar 9 valores {0 , 1 , 2 8}. El estado 0

significa que la celda no tiene sentido de flujo concavidad o este se es
indefinido zona plana; el estado 1 supone que la celda drena hacia el
N, 2 hacia el NE, etc. hasta el 8 que corresponde al NO.

entorno: los 8 vecinos ms prximos y la propia celda

variables auxiliares: z, altitud

reglas de propagacin

se inicia simultneamente en todas las celdas, con

la propagacin se realiza a la celda que cumpla la condicin de

pendiente mxima negativa que adopta el estado correspondiente
en funcin de la posicin de la celda inicial

se finaliza en un nico paso: t=1

El proceso se puede representar de la forma siguiente: se seala una celda origen de la lnea de
flujo

Definidos los valores de la variable auxiliar para la celda y su entorno, se calculan los valores de
las pendientes locales:

La regla de propagacin define la celda que cambiar de estado en funcin de los valores de la
pendiente:

Suponiendo que m=4, es decir, que la pendiente mxima ladera abajo seala la diagonal inferior
derecha, la transicin ser:

Repitiendo el proceso para la totalidad de las celdas, se obtiene una matriz de cdigos de flujo,
cuyos valores indican el sentido de mxima pendiente en funcin de la topografa local.

Cdigos de flujo de la cuenca

de Tormaleo, una zona de
montaa del SO de Asturias.

La definicin de cuencas hidrolgicas

La delimitacin de cuencas hidrolgicas puede realizarse mediante un AC de reglas simples.
Para definiremos dos conceptos:

se define el rea subsidiaria de una celda como el conjunto de elementos

del MDE cuyas lneas de flujo convergen en ella

por extensin, una cuenca hidrolgica est formada por el rea subsidiaria
de una celda singular, que acta como sumidero

Por tanto, el rea subsidiaria puede establecerse para cualquier celda del MDE, mientras que no
todos las celdas son sumidero de una cuenca hidrolgica. De cualquier forma el AC puede
comenzar en una celda arbitraria, sin establecer necesariamente condicin alguna de
singularidad.
La delimitacin de cuencas ha sido un tpico suficientemente tratado en la bibliografa aunque,
aparentemente, no mediante autmatas celulares. Uno de los algoritmos ms citados es el
propuesto por Collins (1975), que opera de la forma siguiente:
1. Los puntos del MDE se ordenan en funcin de su altitud. El orden de dos
puntos con el mismo valor de elevacin no tiene importancia. A todos se
les asigna un cero como nmero de cuenca.
2. Se localiza el punto P(i) de menor altitud del MDE. Se le asigna el nmero
de cuenca 1.
3. Se localiza el punto siguiente de mnima altitud P(j) y se examinan los
valores de cuenca de los 4 vecinos ms prximos del mismo. Pueden
ocurrir 3 casos:
1. Uno o ms tienen algn valor diferente de cero pero igual entre s:
al punto P(j) se le asigna este mismo valor. Se contina en el paso
3.
2. Ninguno tiene un valor previo distinto de cero: se le asigna a P(j)
un nuevo nmero de cuenca; se sigue en el paso 3.

3. Dos o ms tienen nmeros de cuenca diferentes de cero y

diferentes entre s: el punto P(j) es una divisoria de cuencas y se le
asigna un valor especial; se sigue en el paso 3.
Se ha comprobado que el algoritmo de Collins no funciona satisfactoriamente cuando se aplica en su
forma original ya que es frecuente que los datos con la misma altitud no sean adyacentes. Por
este motivo se multiplican las cuencas y las lneas divisorias, especialmente si el anlisis se
realiza exclusivamente con los 4 vecinos ms prximos como propone el autor ver una crtica
detallada en Douglas, 1986.
En Felicsimo (1994) se propone un mtodo alternativo basado en las lneas de flujo.
Inicialmente se les asigna el valor de cuenca 0 a todos los puntos del MDE; a continuacin se
sigue el proceso siguiente:
1. Se elige un punto P(i) del MDE y se comprueba si est asignado a alguna
cuenca. En caso afirmativo se contina con el siguiente punto del modelo;
en caso negativo se calcula su lnea de flujo, compuesta por n puntos.
2. Se comprueba el valor de cuenca del ltimo punto de la lnea. Pueden
presentarse dos casos:
1. El punto final de la lnea no est asignado an a ninguna cuenca
mantiene el valor 0: se asigna a todos los puntos de la lnea un
nuevo valor de cuenca y se inicia el proceso con el siguiente punto
del MDE
2. El punto final de la lnea es diferente de cero, lo que implica que la
lnea de flujo comunica con una cuenca preexistente: todos los
puntos pertenecientes a la lnea actual se asignan a esa cuenca y se
inicia el proceso en 1 con un nuevo punto del modelo.
El proceso contina hasta que todos los puntos del MDE han sido barridos una vez. Puede notarse
que todos los puntos se asignan a una cuenca, sin que existan puntos con cdigos especiales
como las divisorias de cuencas en el algoritmo de Collins.
El mtodo puede realizarse partiendo de cualquier punto del modelo, pero resulta preferible
operar eligiendo los puntos por orden decreciente de altitud. De esta forma, los perfiles iniciales
son los ms largos, barren el mayor nmero de puntos del modelo y el proceso es ms breve.
Finalmente, el mtodo basado en el autmata celular est diseado para definir la cuenca
subsidiaria de un punto, aspecto que no est cubierto por los mtodos anteriores. En efecto,
cuando se trata de definir la totalidad de cuencas de un MDE no hay problema en iniciar el
proceso en cualquier celda y repetirlo para cada una de las restantes en cualquier orden, ya que
todas deben ser asignadas a una cuenca concreta.
Sin embargo, es imposible conocer con antelacin cul es el camino de los perfiles hidrolgicos
de cada celda. Por este motivo, para definir qu celdas forman parte de la cuenca subsidiaria de
un punto por el mtodo anterior es necesario ejecutar el proceso para todos las celdas del modelo
y descartar los perfiles que no pasen por el punto problema. Aunque es posible disear
algoritmos que incrementen la eficacia del anlisis, es obvio que un proceso "ciego" como ste
no resulta muy eficaz, especialmente para modelos de grandes dimensiones.
El AC permite realizar el proceso en orden inverso, de abajo hacia arriba, partiendo del punto
problema. De esta forma, las dimensiones del anlisis quedan acotadas y no es necesario el

proceso exhaustivo mencionado antes. El AC tiene las siguientes caractersticas:

estados: se trata de un AC binario donde las celdas pueden tomar slo dos
valores {0 , 1}

donde C es el rea subsidiaria de la celda origen

entorno: los 8 vecinos ms prximos y la propia celda

variables auxiliares: z, altitud

reglas de propagacin

el inicio es una nica celda donde

la propagacin se realiza a las celdas que cumpla la condicin de

pendiente positiva desde la celda anterior

tiempo: se finaliza cuando se alcance el estado estacionario, es decir, no

haya cambios de estado entre dos iteraciones.

El proceso se puede representar de la forma siguiente: se seala una celda origen de la lnea de
flujo

Definidos los valores de la variable auxiliar para la celda y su entorno, se calculan los valores de
las pendientes locales:

La regla de propagacin define las celdas que cambiarn de estado en funcin de los valores de
la pendiente con signo:

Suponiendo que m =4, 5 y 6 es decir, que existe pendiente ladera arriba para las celdas
mencionadas, la transicin ser:

En la siguiente iteracin, se analizarn todas las celdas con valor 1, de forma que se analizar
para cada una de las anteriores las celdas subsidiarias vecinas. La propagacin del proceso ladera
arriba finaliza cuando no existan nuevas celdas con pendiente positiva; en este caso se llega a un
estado estacionario que finaliza el anlisis.

La estimacin de caudales mximos

La magnitud del rea subsidiaria de un punto del MDE est directamente relacionada con el
caudal mximo potencial, CMP, en el mismo. En efecto, el caudal que puede circular en un
momento dado en un punto del terreno depende, entre otros factores, de la magnitud del rea
subsidiaria, de las precipitaciones sobre ella y de la pendiente de la zona, que permite la
circulacin con menor o mayor rapidez.
Mediante mnimas variantes de los AC descritos anteriormente es posible la estimacin del CMP
en un punto en el caso ms sencillo. Por ejemplo, si se supone una precipitacin continua y
constante sobre el terreno, el CMP es proporcional al rea subsidiaria una vez que se alcanza un
estado en el que todas las celdas han tenido tiempo de drenar hacia el punto problema.
Este proceso implica que la mayor parte de los puntos tendrn valores relativamente bajos,
especialmente los situados en las zonas de cumbres y crestas y, en menor medida, los
constituyentes de las laderas. En cambio, los flujos convergern en los fondos de los valles y el
valor ir aumentando progresivamente aguas abajo hasta alcanzar el valor mximo en el punto
que ejerce de sumidero de la cuenca.
El resultado de la simulacin es un modelo que representa los valores de caudal mximo
potencial en cada punto, supuesto que se alcance una situacin de equilibrio en el proceso. La
situacin de equilibrio llega cuando el nmero de ciclos elementales paso de un punto a otro
del modelo ha sido suficiente para completar la lnea de flujo ms larga. En la realidad, el
equilibrio llega cuando tras un periodo de lluvia suficientemente largo, la escorrenta superficial
originada en el punto ms alejado del sumidero de la cuenca ha tenido ya tiempo de pasar por el
mismo.
La simulacin de los CMP puede depurarse introduciendo modificaciones en las lluvias, de
forma que stas no sean homogneas sobre todo el terreno. Para ello deber disponerse de un
MDT auxiliar donde cada celda tenga asignado un valor que representa el agua disponible para
circular hacia la celda siguiente. Estos datos pueden determinarse a partir de modelos
meteorolgicos gradientes altitudinales, interpolacin a partir de estaciones meteorolgicas
incorporando, incluso, la influencia de otros factores como la evapotranspiracin o la
infiltracin.

Caudales mximos estimados en la

cuenca de Tormaleo. La escala es
logartmica.

Con esta forma de tratar el problema, los estados posibles de cada celda cambian y pasan a ser
ahora una funcin, no slo del rea subsidiaria, sino de la disponibilidad en cada lugar de la
cuenca.
La simulacin puede analizarse deteniendo el proceso a intervalos variables para conocer la
evolucin de los caudales en cada momento, hasta llegar al estado de equilibrio. El anlisis
temporal de esta simulacin muestra, por ejemplo, que los caudales mximos en un momento
determinado pueden estar en puntos intermedios del cauce, que han recibido fuertes volmenes
de agua y no han tenido an tiempo para derivarlos aguas abajo.

Red hidrolgica del valle de la Libana (Cantabria) definida introduciendo un umbral en el modelo de caudal
potencial. El modelo se ha superpuesto a un sombreado analtico para facilitar su interpretacin.

Comentarios finales
Los campos de aplicacin de los AC an no se han manifestado con claridad. Los aspectos ms
conocidos se refieren a la denominada "vida artificial", un conjunto de AC que presentan
patrones de desarrollo vagamente similares a estructuras que se replican, dividen y/o
desaparecen. Este tema ha generado una cantidad de bibliografa importante pero unas
aplicaciones prcticas an por desarrollar.
A estos experimentos les falta un aspecto bsico y caracterstico de los modelos: no generan
resultados que nos descubran nuevos aspectos de la realidad. Hasta el momento, los AC
aplicados a la "vida artificial" han generado solamente metforas ms o menos sugerentes pero
no datos tiles.
En cuando a los AC en general, los estudios ms accesibles tratan sobre sus propiedades
matemticas y topolgicas, posibilidad de alcanzar estados estacionarios, caticos, etc. mientras
que las aplicaciones prcticas en temas como los tratados aqu son escasas. Entre los trabajos
especficos localizados en la bibliografa pueden mencionarse el Wadge y McKendrick (1993)
para la simulacin de flujos de lava y el de Gonalves y Diogo (1994) sobre la aplicacin de AC
a la simulacin de incendios forestales.

Cuencas visuales
Los problemas relativos a la visibilidad de lugares o estructuras tienen importantes aplicaciones
prcticas. Los modelos de visibilidad se utilizan por ejemplo para el anlisis del impacto visual,
el diseo de redes de comunicaciones y la ubicacin de torres de vigilancia contra incendios. En
el primer caso, el impacto depende de la extensin de la cuenca visual y de factores tales como la
presencia de ncleos de poblacin o vas de comunicacin; en los otros dos casos, las redes de
comunicaciones y vigilancia se establecen buscando un equilibrio entre el mnimo nmero de
elementos y la mayor cobertura posible, bien en trminos de poblacin bien atendiendo a la
superficie combustible.
El problema bsico es determinar si dos puntos estn comunicados mutuamente entre s, es decir,
si existe intervisibilidad. Bsicamente, dos puntos del terreno son visibles si el segmento
rectilneo que los une no est interrumpido por obstculos fsicos. Esto suele analizarse
construyendo el perfil topogrfico que los une y analizando la potencial obstruccin topogrfica.
Como se expondr a continuacin, para el anlisis de este problema se necesita tratar
previamente dos aspectos: la estimacin de cotas puntuales y la construccin de perfiles
topogrficos.

Estimacin de cotas
Se entiende como tal la estimacin de la altitud de un punto de coordenadas arbitrarias en un
MDE. Las soluciones son muy diferentes en funcin de la estructura del modelo. En el caso de
un TIN, la altitud de un punto se estima normalmente por interpolacin lineal una vez definido el
tringulo en el que se inscribe, cuyos vrtices son conocidos.
En el caso del modelo matricial cabe la posibilidad de que las coordenadas del punto problema
coincidan exactamente con la interseccin de una fila y columna, en cuyo caso la solucin es
trivial. En caso de que el punto problema se encuentre en algn intervalo entre filas y columnas
se hace necesario el uso de algoritmos de interpolacin.
Los mtodos de interpolacin aplicados a las estructuras de datos matriciales han sido estudiados

exhaustivamente en el tratamiento de imgenes digitales, donde el remuestreo de los valores de

los pixeles es una operacin comn en la fase de correccin geomtrica.
El mtodo ms sencillo es el denominado del vecino ms prximo nearest neighbour, donde
al punto problema se le asigna la altitud del punto ms prximo del modelo. Este mtodo no es
una verdadera interpolacin aunque suele llamarse interpolacin de orden cero y se resuelve
con una funcin de redondeo: al punto de coordenadas reales (x, y) se le asigna la altitud del
elemento de la matriz ms cercano; la fila corresponde con el entero ms prximo a la
coordenada y, y la columna con el de la coordenada x. En caso necesario, deben traducirse las
coordenadas (x, y) a unidades (i, j) en funcin del origen del MDE y del intervalo entre filas y
columnas.
Esta opcin no suele ser aceptable en el tratamiento de los modelos digitales, donde se desean
errores reducidos, tanto en el plano XY como en la altitud. Es ms interesante la realizacin de
una interpolacin bilineal utilizando los 4 valores ms prximos al punto problema. El tiempo
requerido para los clculos es significativamente mayor que en el caso precedente pero se
garantiza la continuidad de los valores y los resultados se ajustan probablemente algo ms a la
realidad.
Representando la funcin de truncamiento o parte entera de un nmero k, mediante la
expresin

, y dado un punto de coordenadas reales (x, y), se definen los puntos del modelo

ms prximos: (i,j), (i,j+1), (i+1,j), (i+1, j+1), donde

problema al punto (i, j) en los ejes Xe Ysern las siguientes:

. Las distancias del punto

y el valor interpolado para el punto (x, y) es:

Finalmente, existe una tercera alternativa que agrupa una serie de mtodos denominados
habitualmente de interpolacin cbica. En estos mtodos se utilizan los 16 datos del modelo ms
prximos al punto problema distribuidos, por tanto, en una matriz de 4 filas y 4 columnas.
Suele aceptarse que los mtodos cbicos son ms adecuados que los anteriores por su mejor
adaptacin a los datos reales, sin los truncamientos del primer mtodo ni la suavizacin excesiva
de la interpolacin bilineal.
Los algoritmos cbicos suelen aplicarse en dos fases secuenciales para estimar la altitud de un
punto (x, y). En la primera se realizan estimaciones independientes para las cuatro filas ms
prximas al punto problema: i-1, i, i+1 e i+2, donde
. Para cada una de ellas se estima el
valor de z en la abscisa xa partir de los valores de altitud de las columnas j-1, j, j+1, j+2,
donde
. En la segunda fase se toman los cuatro valores de zobtenidos en la fase anterior y
se realiza la estimacin final para la ordenada y.
Para aplicar la interpolacin se utiliza un conjunto de funciones de ponderacin que define los
pesos k, de cada dato. Por ejemplo, la expresin usada para la fila i tiene la forma siguiente:

Se han propuesto numerosas variantes en cuanto a los valores concretos de los pesos; por
ejemplo, Park y Schowengerdt (1982), utilizan los siguientes:

En la bibliografa pueden encontrarse un buen nmero de mtodos similares, donde cambian los
valores de las funciones con el fin de conseguir resultados con caractersticas especiales como la
conservacin de la varianza o la eliminacin de algunos problemas indeseables (Colwell,
1983:736; Erdas, 1991:163).

Perfiles topogrficos
La realizacin de perfiles topogrficos es una aplicacin de los algoritmos de interpolacin
presentados en el apartado anterior. El problema se descompone habitualmente en 4 pasos:

se definen los puntos inicial y final del segmento rectilneo sobre el que se
levantar el perfil topogrfico

se fija el nmero de puntos del perfil su resolucin espacial.

se calculan las coordenadas (x, y) de cada punto del perfil

se estima por interpolacin la altitud z de cada punto

Ejemplo del trazado de perfiles topogrficos. El modelo de reflectancia corresponde a una zona de la marina
oriental de Asturias (concejos de Llanes y Ribadedeva). La zona montaosa meridional es la Sierra de Cuera.

El resultado es un vector de puntos con sus coordenadas (x, y, z). La generacin de perfiles es
una rutina imprescindible para solucionar el problema de la intervisibilidad que, esencialmente,
trabaja sobre aqullos.

Intervisibilidad entre dos puntos

Formalmente, se define una funcin de intervisibilidad v, entre dos puntos P, Q que puede tomar
dos valores:

La intervisibilidad se decide de acuerdo con la definicin siguiente:

Dos puntos P y Q son mutuamente visibles si el segmento rectilneo que los une o lnea visual
tiene siempre una altitud superior a la del terreno sobre su proyeccin, excepto en los propios
puntos inicial y final, Py Q
Por tanto, para el clculo de la intervisibilidad entre dos puntos se proyectar la lnea visual
sobre el plano XY y se construir el perfil topogrfico definido por la proyeccin. Posteriormente,
se analizarn los puntos intermedios para comprobar si su altitud es suficiente para interceptar la
lnea visual.
La intercepcin de la lnea visual por un punto depende de la altitud de dicho punto y de la
correspondiente a la lnea visual en el mismo lugar. El anlisis puede realizarse de varias formas,
entre las que se propone la siguiente:

se calcula la pendiente de la lnea visual ngulo con respecto a la

horizontal desde el punto inicial P(0) al final P(n): tg y , que depende de
la diferencia de altitudes y la distancia entre los puntos:

para comprobar si un punto intercepta la visual, se calcula la pendiente

entre el punto inicial y el punto problema, P(k) :

se comparan las pendientes: si

no existe intercepcin, en caso
contrario, el punto problema intercepta la lnea visual y no existe
intervisibilidad

El proceso anterior debe repetirse para cada uno de los puntos P(k) de la lnea visual entre el
inicial y el final: 0 < k < n.

Identificacin de cuencas visuales

La generalizacin del anlisis de intervisibilidad entre dos puntos permite la construccin de
cuencas visuales.
La cuenca visual de un punto base o foco se define como el conjunto de puntos de un modelo
con los cuales este punto base est conectado visualmente.
Es decir, una cuenca visual de un punto P, C(P), es el conjunto de los puntos del MDE que
cumplen la condicin de intervisibilidad:

La construccin de la cuenca visual de un punto es una labor de clculo intensivo ya que implica
la realizacin de numerosos anlisis de intervisibilidad entre dos puntos.
El mtodo ms simple para la construccin de la cuenca visual de un punto es la realizacin del
anlisis para cada punto del modelo: se toma como punto inicial el foco o punto problema y se
barre el modelo tomando trazando tantos perfiles como puntos existan. En este caso se consigue
la mxima precisin ya que se realiza un anlisis especfico para cada punto, pero el tiempo de
ejecucin puede ser muy elevado y gran parte de los anlisis son redundantes.
La conveniencia de reducir la complejidad de las operaciones recomienda reducir el coste
informtico limitando el rea o la precisin de la bsqueda. La reduccin del rea puede
realizarse de varias formas:

definicin de un radio de bsqueda alrededor del foco. Con el uso de esta

opcin se asume que una estructura, aunque pueda permanecer visible, se
hace menos llamativa segn aumenta la distancia. En el caso de anlisis de
impacto visual, esta distancia mxima puede definirse en funcin del
ngulo de visin del objeto, que depende de su tamao y de la distancia de
mira.

delimitacin de los ngulos de bsqueda, bien en sentido vertical,

horizontal o ambos. Por ejemplo, si estamos interesados en conocer la
visibilidad de una estructura solamente en una direccin por ejemplo,
hacia una carretera que se acerca a la misma, podremos limitar el
anlisis a un sector circular que incluya el trazado de la misma hasta una
distancia determinada.

Otra aproximacin diferente es la reduccin de la precisin del anlisis que, a su vez, puede
realizarse de dos formas:

reduciendo la resolucin espacial del MDE, mediante remuestreo

usando un tamao de celda ms grande o mediante la seleccin de una
muestra de puntos ms o menos distanciados.

reduciendo la resolucin angular del anlisis, mediante el trazado perfiles

radiales a intervalos angulares fijos: por ejemplo, un incremento de
1&; genera 360 perfiles radiales al foco que, dentro de distancias
moderadas, permitirn una visin rpida aunque aproximada de la
extensin de la cuenca visual.

La generacin de perfiles radiales plantea algunos problemas cuando se analizan los puntos ms
alejados del foco. En este caso, es frecuente la aparicin de bandeados radiales debido a que la
separacin entre los perfiles llega a ser mayor que el espacio entre filas y columnas. Por este
mismo motivo suelen aparecer puntos no analizados de carcter ambiguo que dificultan la
valoracin final.

Anlisis de la cobertura de un reemisor situado en la Sierra de Cuera (Asturias)

El anlisis de cuencas visuales puede utilizarse para la evaluacin del impacto visual de
actuaciones con efectos negativos sobre el paisaje. Es posible construir un modelo de visibilidad,
donde cada punto tiene asignado un valor proporcional a la extensin de su cuenca visual. Un
modelo de este tipo puede servir de base objetiva para la toma de decisiones ya que permite
conocer y comparar con fiabilidad la incidencia visual de las alternativas existentes.

FIN DEL CAPTULO

Captulo 6

Simulacin de procesos: modelizacin

climtica
por Angel Manuel Felicsimo, bilogo
http://www.etsimo.uniovi.es/~feli/

Introduccin
La topografa es el principal factor local que limita la energa solar incidente sobre la superficie
terrestre. La variedad de altitudes, pendientes y orientaciones crean fuertes contrastes locales que
afectan directa e indirectamente a procesos biolgicos y fsicos.
Una vez reconocida esta importancia, es necesario incorporar las simulaciones de estos procesos
al mbito de los sistemas de informacin geogrfica, a ser posible de forma cuantitativa, objetiva
y sistemtica.
Existen factores que han dificultado estas simulaciones, especialmente la complejidad del
proceso real y la falta de datos empricos tomados por estaciones meteorolgicas. Estos
problemas no han sido an solucionados pero s se han desarrollado aplicaciones que, aunque
limitadas por su simplificacin, pueden ofrecer resultados vlidos en la investigacin sobre
vegetacin, suelos y microclimatologa.
Otro problema estrechamente relacionado con el anterior es el de la visualizacin del relieve
mediante la simulacin de iluminacin: lo que ha sido denominado el modelo de reflectancia.
Este problema es algo ms simple que el anterior por lo que existen soluciones desde hace aos
basadas en premisas simples pero slidas. Dado que la generacin de modelos de reflectancia
simples es un paso previo para la estimacin de los otros modelos, trataremos en primer lugar
este tema.

Visualizacin del relieve

Adems de las posibilidades de tratamiento numrico que permiten los modelos digitales,
siempre es deseable poder ofrecer una buena representacin sinttica del relieve que permita una
interpretacin visual directa. Este aspecto ha sido destacado, entre otros, por Buttenfield y
Mackaness (1991:427), indicando que "la visualizacin es un importante componente de
cualquier esfuerzo para comprender, analizar o explicar la distribucin de fenmenos en la
superficie de la tierra, y toma importancia creciente segn los volmenes de datos se hacen
menos manejables".
El ofrecer una interpretacin visual de los MDE no slo permite reducir la impresin de que los
MDT son bsicamente inaprensibles por su naturaleza simblica. Lo ms importante es que
facilitan el "contacto" con los datos y permiten frecuentemente valorar lo razonable de los
resultados de las simulaciones.

El problema bsico es que la interpretacin de las representaciones del relieve se realiza de

acuerdo con hbitos estrechamente relacionados con los patrones de iluminacin cotidianos, que
si no se tienen en cuenta harn difcil la interpretacin de la imagen. Por ejemplo, los valores de
altitud pueden codificarse directamente en una escala de grises, donde el menor valor
correspondera al negro y el mayor al blanco. La apariencia visual de este tipo de
representaciones es interpretable, pero no permite la localizacin de los elementos menores del
relieve.
En la elaboracin de modelos de reflectancia se tiene en cuenta esta dependencia psicolgica y se
utilizan mtodos que simulan la apariencia real de una superficie cuando es iluminada por una
fuente de luz. Si las fuentes de luz se definen adecuadamente y el modelo tiene una resolucin
aceptable, la apariencia de la superficie puede ser suficientemente convincente. Los bloques
diagrama son uno de los resultados ms notables de este tipo de representaciones. Frente a la
trabajosa construccin manual, obligatoria hasta hace pocos aos, los MDE permiten
actualmente una construccin automtica sin excesivas dificultades, lo que tiene especial inters
como material didctico.
Aparte de este inters didctico de la visualizacin del relieve, existen otras aplicaciones
especficas que se han desarrollado simultnea y paralelamente con el uso de los MDT. Por
ejemplo, los modelos de reflectancia o de brillo aparente han sido aplicados en la interpretacin
de las imgenes digitales en teledeteccin y en las tcnicas de visin artificial.

Modelos de reflectancia
Los modelos de reflectancia simulan la apariencia de la superficie ante unas condiciones de
iluminacin especficas. Si el objetivo es ofrecer una imagen visualmente interpretable, las
caractersticas de la simulacin pueden simplificarse notablemente. Si es necesario simular de
forma realista las condiciones reales de iluminacin, las complicaciones son mucho mayores.

Descripcin de los factores bsicos

Bsicamente, los factores a considerar son los siguientes:
1. Fuentes de iluminacin: directa, difusa y reflejada
1. Punto de vista del observador: cenital en el caso de modelos de
reflectancia y con otros ngulos para vistas de tipo bloque-diagrama
perspectivas.
1. Tipo de reflectancia de la superficie: entre los extremos de perfectamente
difusora lambertiana y especular.
Para una descripcin completa de la iluminacin, deberan ser consideradas y simuladas tres fuentes
de iluminacin:

iluminacin directa por parte del Sol de magnitud variable en funcin de la

poca del ao y latitud del lugar

iluminacin difusa, dependiente principalmente del ngulo de incidencia

solar, la altitud y la dispersin y absorcin atmosfricas

iluminacin reflejada por el terreno circundante, dependiente del diseo

topogrfico y albedo de la superficie

En la prctica, la simulacin se realiza de una forma mucho ms simple debido a las enormes
dificultades que existen para simular adecuadamente algunos de los factores influyentes.
1. Fuentes de iluminacin: suele definirse una nica fuente de iluminacin directa a
la que, en casos contados, se le aade otra fuente de luz hemisfrica para simular
la luz difusa. La contribucin de cada fuente al total de iluminacin debe
establecerse en funcin de las condiciones a simular.
2. Punto de vista cenital: el punto de vista se sita sobre el centro del modelo con un
ngulo de incidencia de 90.
3. Reflectancia lambertiana o perfectamente difusora
Respecto a este ltimo factor, puede sealarse que en los modelos de reflectancia para las superficies
naturales existe un coeficiente k que controla la difusividad de la superficie y que vara entre 0 y
1. En el caso de k=0 se define el modelo lambertiano, propio de superficies perfectamente
difusoras, donde el brillo aparente no depende de la posicin del observador. En el otro caso
extremo k=1, se define el modelo especular, donde la luz reflejada lo hace en un nico ngulo de
salida, igual al ngulo de incidencia. Las superficies naturales suelen tomar valores intermedios,
adoptando el denominado modelo de Minnaert.
La reflexin especular domina sobre superficies planas y homogneas agua, mientras que
un aumento en la rugosidad del material hace aumentar el valor de k hasta el lmite de 1, en el
que la superficie es isotrpica.
Aunque se han construido modelos complejos que tienen en cuenta muchos factores influyentes
(Dubayah y Rich, 1995), en la prctica, el modelo lambertiano es suficiente para una
representacin realista del terreno. Los modelos de Minnaert han sido tratados por diversos
autores en el campo de la teledeteccin, donde se necesita que los resultados se ajusten de forma
ms precisa a las condiciones reales (Felicsimo et al., 1991).

Superficies lambertianas
Dada una nica fuente de luz directa, la reflectancia o radiancia de una superficie lambertiana
depende bsicamente de tres factores:

irradiancia, E, medida en W&middot;m-2 y que representa el flujo

incidente por unidad de rea.

ngulo de incidencia, i, del vector de iluminacin sobre la superficie el

flujo interceptado es mximo cuando la superficie es perpendicular al
vector de iluminacin.

albedo de la superficie, : porcentaje de luz reflejada y complementario

del coeficiente de absorcin, con valores entre 0 absorcin total y 1
absorcin nula.

De acuerdo con la notacin anterior, la reflectancia L es (Horn y Sjoberg, 1979):

La reflectancia o radiancia se mide en Wm-2sr-1 y puede verse que es mxima cuando i=90, es
decir, cuando la superficie es perpendicular al vector solar, y cuando el albedo es la unidad.

El clculo del valor del ngulo de incidencia es simple y se realiza a partir de los valores del
gradiente topogrfico y los equivalentes del vector solar:

los componentes del vector solar se dan habitualmente en coordenadas

esfricas: acimut y elevacin angular sobre el horizonte

denominando (s10, s01) a los componentes del gradiente del vector solar,
su clculo se realiza mediante las expresiones:

la expresin prctica de clculo de la reflectancia en un punto del modelo

es (Horn y Sjoberg, 1979):

La segunda expresin encerradas entre corchetes es la expresin prctica de cos i , el ngulo de

incidencia de la luz sobre el terreno definido por sus valores del gradiente topogrfico. El valor
de cos i puede ser negativo, lo que indica una situacin de autoocultamiento. En este caso, se
toma el valor 0 y la reflectancia es nula.
El uso de una nica fuente de luz directa produce imgenes interpretables pero con unos
contrastes duros, donde las zonas con autoocultamiento aparecen completamente negras. Para
solucionar este problema y dar a las imgenes una apariencia ms real, es posible incorporar una
fuente de luz hemisfrica no direccional que simule la iluminacin difusa de la atmsfera.
La reflectancia ante una fuente de luz hemisfrica se calcula por una expresin ms simple que la
anterior y depende slo de la radiancia de la fuente, L0 y de la pendiente del terreno (Horn,
1979:1777):

Para la construccin del modelo de reflectancia, las proporciones las componentes directa y
difusa deben equilibrarse en funcin de las condiciones reales de iluminacin. En el caso de das
despejados, la componente directa dominar pero puede hacerse prcticamente nula cuando se
simula la iluminacin en das nublados.

Superficies no lambertianas
El terreno real no es una superficie perfectamente difusora. Por este motivo, si se desea una
representacin ms exacta de la realidad, es necesario considerar las ecuaciones que describen la
reflectancia en superficies de Minnaert, descritas en un temprano trabajo de hace ms de medio
siglo (Minnaert, 1941). La expresin de la reflectancia para una fuente de luz directa es:

donde para una vista cenital, el ngulo e es la pendiente del terreno.

El factor k controla la difusividad y est fsicamente limitado en el rango 0-1. Es fcil comprobar
que si k=1 tenemos el caso lambertiano analizado antes. La expresin prctica de clculo a partir
de los valores del gradiente topogrfico y del gradiente del vector solar es:

Cuando se trata de una fuente de iluminacin hemisfrica, la expresin de clculo es

notablemente ms compleja; Woodham y Lee (1985:158) llegan a la siguiente expresin:

donde representa la funcin gamma y Fes una serie hipergeomtrica que puede estimarse por
convergencia (ver Apndice B de Woodham y Lee, op. cit.para ms detalles).
El problema de la simulacin de la iluminacin mediante estos algoritmos, aparte de su
complejidad, es la necesidad de fijar un valor para el coeficiente k. Algunas pruebas realizadas
de forma emprica han mostrado que el valor de k en una misma zona vara en funcin de la
longitud de onda de la luz. En un anlisis realizado para la correccin de imgenes del sensor
TM transportado por los satlites Landsat, se han encontrado los siguientes valores (Felicsimo et
al., 1991):

banda

TM1

TM2

TM3

TM4

TM5

TM7

0.45-0.52

0.52-0.60

0.63-0.69

0.76-0.90

1.55-1.75

2.08-2.35

0.21

0.29

0.44

0.46

0.53

0.95

Como puede verse, las condiciones reales de reflectancia distan mucho de ser lambertianas,
especialmente para la luz de longitud de onda ms corta.

La reduccin del efecto topogrfico

Las aplicaciones de los modelos de reflectancia no se limitan a presentar vistas ms o menos
realistas del relieve. Un ejemplo es la correccin radiomtrica de las imgenes procedentes de
teledeteccin, sometidas a fuertes contrastes de iluminacin. Estos son especialmente notables en
terreno montaoso y cuando la trayectoria del sol sobre el horizonte es relativamente baja
(Holben y Justice, 1980).
Los modelos de reflectancia pueden ser utilizados para reducir el efecto del relieve, modificando
los valores reales de reflectancia en la imagen en funcin de los valores predichos en el modelo.
Para ello, el modelo debe construirse replicando las condiciones de iluminacin existentes en el
momento de la toma de la imagen lo ms exactamente posible, al menos en lo referido a la
posicin solar, las proporciones de las componentes directa y difusa y los valores de difusividad.

El proceso necesita una perfecta correspondencia entre las celdas del modelo y los pixeles de la
imagen digital, por lo que las operaciones de correccin geomtrica deben realizarse con
precisin.
El proceso de correccin, una vez elaborado el modelo, comienza calculando el valor de
reflectancia para una superficie horizontal, LH, suma de los componentes debidos a la
iluminacin directa y difusa. A continuacin se analiza el modelo celda a celda calculando su
valor de reflectancia Li de acuerdo con las expresiones de los apartados anteriores.
El cociente
es una estimacin del efecto topogrfico para ese punto. El valor de en
cada celda puede ser mayor, igual o menor que la unidad, en funcin del valor del gradiente
frente a las fuentes de luz y de la existencia de sombreado. Valores menores que 1, por ejemplo,
sugieren una orientacin preferente hacia la fuente de luz direccional y ausencia de ocultamiento
topogrfico.
Si se toman los valores digitales reales de la imagen de satlite L S, la correccin de la
reflectancia para eliminar el efecto topogrfico se realiza de forma automtica:

donde

es el valor corregido en la imagen final.

Aplicando esta transformacin, el valor observado para cada pixel se aumenta o disminuye
proporcionalmente al efecto topogrfico estimado a partir del modelo de reflectancia. Por tanto,
las variaciones de reflectancia de la imagen resultante sern debidas en una mayor proporcin al
cambio de caractersticas de la cubierta superficial.
El uso de este tipo de correcciones puede ser til en operaciones de clasificacin de las imgenes
ya que disminuyen la varianza dentro de las clases, reflejndose en un mejor funcionamiento de
los algoritmos de asignacin. En efecto, ha sido comprobado que la correccin del efecto
topogrfico reduce la distancia espectral entre clases del mismo tipo de vegetacin sometidas a
diferentes condiciones de iluminacin (Felicsimo et al., 1991:24). La comprobacin de la
influencia de la correccin en la clasificacin de la cubierta vegetal puede realizarse mediante
ndices comparativos, usando un mapa de referencia elaborado independientemente. Los
resultados muestran que el porcentaje de pixeles correctamente clasificados aumenta cuando la
imagen ha sido corregida, aunque en proporcin variable en funcin del mtodo de clasificacin
utilizado y de la fragmentacin de la vegetacin (Felicsimo et al., 1991).

Imagen procedente del sensor TM (Landsat 5) compuesta en falso color con las bandas 4, 5 y 3.
La vegetacin activa destaca en rojo y las zonas desprovistas de cubierta vegetal en azul. La
imagen ha sido corregida geomtricamente pero sus valores radiomtricos no han sido
modificados, por lo cual se aprecian con claridad los efectos de sombreado debidos a la
iluminacin y a la topografa.

Imagen anterior tras la reduccin del efecto topogrfico. Las irregularidades que se observan en
algunas zonas abruptas se achacan a una inexacta superposicin entre el modelo digital y la
imagen

Modelos climticos
Los estudios climticos estn condicionados, entre otros factores, por la escala del anlisis. En
funcin de sta es posible distinguir desde una microclimatologa, dedicada al estudio de las
condiciones ambientales con dimensiones de metros o menores, hasta una climatologa a escala
planetaria, cuyo inters se centra en los movimientos de masas de aire y en las transferencias
energticas con dimensiones de centenares o miles de kilmetros.
Los climas locales ocupan un lugar intermedio entre ambos extremos, ya que se trabaja con
resoluciones espaciales de decenas a centenares de metros. Los estudios sobre climas locales han
estado tradicionalmente condicionados por su dependencia de medidas empricas, tomadas en
estaciones meteorolgicas situadas sobre el terreno. En principio, los datos tomados en estas
estaciones proporcionan una buena base para el estudio y caracterizacin del clima a escala local,
especialmente cuando se trabaja con series de larga duracin.
Los estudios climticos, sin embargo, han reflejado algunos problemas, especialmente en zonas
montaosas, entre los destacan los siguientes:

el nmero de estaciones meteorolgicas suele ser escaso para discriminar

los contrastes locales

las series de medidas suelen ser heterogneas en el aspecto temporal, lo

que dificulta su comparacin

la fiabilidad de las series es muy variable y generalmente desconocido

la distribucin sobre el terreno es poco representativa ya suelen estar

vinculadas a los ncleos de poblacin y en consecuencia se ubican
preferentemente en los fondos de los valles y a baja altitud

Ante la ausencia de suficientes datos empricos puede plantearse una forma de trabajo alternativa
basada en la modelizacin de los procesos fsicos de los que depende el clima local. La variable
de mayor inters que puede ser estudiada mediante estos mtodos es la radiacin solar, que
constituye la nica entrada significativa de energa en los sistemas fsicos y biolgicos a esta
escala. Como tal, condiciona una buena parte del resto de los factores climticos temperatura,
evapotranspiracin, aridez y ejerce una fuerte influencia en la dinmica de los ecosistemas
naturales y en los cultivos desde la produccin y crecimiento hasta la distribucin espacial.
La modelizacin de la radiacin solar incidente sobre el terreno sigue pautas semejantes a las
expuestas para la visualizacin del relieve. Los datos auxiliares ms importantes se refieren a la
trayectoria solar, por lo se presentarn las ecuaciones bsicas que la definen. Posteriormente se
tratar el problema del ocultamiento topogrfico, dada la gran importancia de las sombras en las
zonas de fuerte relieve. La generalizacin del anlisis anterior permitir estimar valores de
insolacin directa en unidades de tiempo. Finalmente, se abordar la influencia de la pendiente y
orientacin del terreno, presentando mtodos para realizar estimaciones vlidas de la irradiancia,
aplicables en los estudios ambientales a escala local.

La trayectoria solar
Los parmetros que definen la trayectoria del sol constituyen datos externos imprescindibles para
llevar a cabo la modelizacin de la radiacin solar. En la creacin de modelos de reflectancia,
tratada anteriormente, la ubicacin de la fuente de luz directa poda elegirse arbitrariamente, ya
que slo se trataba de construir una imagen realista del terreno iluminado. En el caso presente,

sin embargo, la localizacin aparente del sol depende de una serie de parmetros de los cuales
los ms importantes son:

la latitud del punto problema, que puede variar en un rango de &;

90 entre los polos geogrficos N y S

la declinacin solar, variable segn la poca del ao en un rango de

+/ 23 entre los solsticios de verano e invierno

el ngulo horario, dependiente de la hora del da y variable en un crculo

de 360 centrado en el punto analizado

La localizacin del sol se suele expresar en coordenadas esfricas: acimut, y elevacin angular
sobre el horizonte , cuyas expresiones de clculo son las siguientes:

donde D representa la declinacin solar, L la latitud geogrfica del punto problema positiva en
el hemisferio Norte y negativa en el Sur y H el ngulo horario.
La declinacin solar para una determinada poca del ao puede determinarse a partir de tablas o,
aproximadamente, mediante expresiones empricas. Una de las ms simples es:

donde d es el ordinal del da del ao, comenzando el 1 de enero y todas las magnitudes se
expresan en grados sexagesimales.
Refirindonos al hemisferio Norte, el ngulo horario suele tomarse como cero en el medioda,
cuando el acimut solar es de 180 y, por tanto, el sol est situado al Sur. Los ngulos son
negativos hacia el Este y positivos hacia el Oeste, con intervalos de 15 por hora: por ejemplo, a
falta de dos horas para el medioda, el ngulo horario es de -30.
A partir de las expresiones anteriores es posible obtener las horas de salida y puesta del sol
cambio del signo de la altura sobre el horizonte, as como el nmero de horas de sol del da
intervalo en el cual los valores de altura sobre el horizonte son positivos.

Parmetros del
iluminacin a lo
largo del ao para
una latitud de
43.5N

La figura superior muestra algunos valores bsicos de la trayectoria solar para una latitud de
+43.5, que corresponde aproximadamente a la latitud media de Asturias.

Anlisis del ocultamiento topogrfico

La existencia de zonas de sombra es una variable de gran inters en regiones montaosas, donde
el relieve puede ser el factor determinante ms importante del clima local. El que un punto est
en sombra puede deberse a dos circunstancias:

autoocultamiento, que se produce cuando el vector normal a la superficie

forma un ngulo superior a los 90 con el vector solar, como sera el caso,
por ejemplo, de una ladera orientada al Norte, con pendiente de 45,
cuando el sol ilumina desde el Sur, elevado solamente 30 sobre el
horizonte

ocultamiento por el relieve circundante, que se produce cuando la

topografa interrumpe la lnea visual desde el Sol hasta el punto analizado

La existencia de autoocultamiento se deduce directamente del valor del ngulo de incidencia. El

segundo caso es algo ms complejo ya que se produce cuando el entorno de un punto proyecta
una sombra sobre l, para unas posiciones determinadas del sol. Sin embargo, el problema es
equivalente al planteado para la identificacin de cuencas visuales. La diferencia reside, en este
caso, en que la situacin del foco Sol est muy alejada y se define en trminos de acimut y
altura sobre el horizonte. Por este motivo, los mismos algoritmos aplicados en el anlisis de
visibilidad pueden resolver el problema del sombreado para una posicin solar determinada con
leves modificaciones.

Anlisis de la insolacin potencial

Se define la insolacin potencial en un punto como el tiempo mximo que ese lugar puede estar
sometido a la radiacin solar directa en ausencia de nubosidad.
La estimacin de la insolacin potencial es la generalizacin ms directa del clculo del
sombreado y es la primera aproximacin a la estimacin de la radiacin solar en trminos
cuantitativos.

En un mbito geogrfico limitado con condiciones climticas similares, puede aceptarse que las
diferencias de insolacin entre dos puntos en un mismo da del ao estn exclusivamente
condicionadas por el relieve y, ms concretamente, por el ocultamiento topogrfico, por lo que
su anlisis puede abordarse a partir del modelo digital de elevaciones. Se asume, en este caso,
que las condiciones de nubosidad son similares en toda la zona de estudio, hiptesis que puede
aceptarse para reas de una extensin moderada.
Suponiendo que se desee conocer la insolacin en un punto del MDE a lo largo de un da
concreto del ao, el mtodo de anlisis se plantea como sigue:
1. Se especifican los parmetros bsicos: latitud del lugar y declinacin solar y se
asigna un valor de insolacin inicial igual a cero.
2. Se generan las posiciones del sol a lo largo del da a intervalos adecuados de
tiempo, t, por ejemplo 10 min. El resultado es un conjunto de n posiciones solares
definidas por pares de valores de acimut y elevacin angular.
3. Se descartan las posiciones con elevacin angular negativa periodo nocturno.
4. Para cada posicin solar se calcula la presencia o ausencia de sombras
topogrficas en cada celda del modelo; el resultado es un conjunto de n matrices
binarias.
5. Se suman las n matrices binarias: el resultado es el modelo de insolacin con una
resolucin temporal de t minutos.
Cada matriz binaria contiene la informacin de incidencia u ocultamiento para una posicin solar
concreta. Los valores positivos representan un intervalo de insolacin de t minutos el intervalo
elegido en el paso 2. Al sumar la totalidad de matrices se obtiene un modelo con valores entre
0 y n. Una celda con valor nulo no recibe insolacin directa en ningn momento del da y una
celda con valor k recibe kt minutos de insolacin diaria.

{ s h o r t

d e s c r i p t i o n

o f

i m a g e }

Variacin en los patrones de sombreado en la sierra de Tineo (Asturias) desde el amanecer hasta el
anochecer para el solsticio de invierno. La animacin se ejecutar indefinidamente; los cuadros inicial y
final se han programado con un tiempo de duracin mayor que el resto.

El proceso es de ejecucin muy simple y puede ofrecer modelos de insolacin con una precisin
elevada. Para la definicin de las caractersticas de insolacin de un lugar deben estimarse los

modelos de insolacin representativos de un conjunto suficiente de periodos anuales. En efecto,

al menos en latitudes medias o altas los contrastes estacionales son fuertes y contienen una
informacin ambiental que no puede despreciarse. Por este motivo no es suficiente caracterizar la
insolacin para un valor medio anual, al menos en zonas no ecuatoriales.

Modelos de insolacin para la cuenca de Tormaleo correspondientes al solsticio de invierno

(izquierda) y nos tres meses despus (derecha, declinacin=-12)

Anlisis de la irradiancia
Hasta el momento, los anlisis descritos permiten evaluar solamente si la luz solar directa llega o
no a un punto del terreno en funcin de la topografa. Ya se ha indicado que la energa recibida
por una superficie no slo depende de esa circunstancia sino de otros factores, como las
diferentes combinaciones de pendiente y orientacin de las laderas, que modifican su exposicin
al vector solar, y la luz difusa. En los apartados siguientes se muestra la forma de estimar de
forma aproximada la radiacin solar que una superficie puede recibir potencialmente en
ausencia de nubosidad.
Expresiones bsicas
Sobre una superficie perpendicular a la radiacin solar, la energa incidente o irradiancia obedece
a la siguiente expresin (Garnier y Ohmura, 1968:796):

donde I0 representa la constante solar 1367 W&middot;m-2, p la transmisividad media

cenital mean-zenith-path transmissivity y m la masa ptica de aire optical air mass
(traduccin segn Lapedes, 1981). Es posible introducir otros factores como, por ejemplo, una
correccin para la excentricidad de la rbita terrestre (Vardavas y Cannon, 1989:13) si se
considera que su influencia es significativa.
En circunstancias reales, el valor terico de la irradiancia se ve modificado por la pendiente y
orientacin del terreno, lo cual obliga a considerar los ngulos de incidencia del vector solar
sobre el mismo. De acuerdo con esto, la expresin de la radiacin incidente para un punto en un
momento concreto del da es:

donde, de acuerdo con la notacin presentada en apartados anteriores, cos i es el coseno del
ngulo de incidencia del vector solar sobre el terreno.
La extensin del clculo para periodos ms largos obliga a considerar el cambio de valor de los
parmetros que intervienen en la expresin anterior. As, expresando un periodo mediante sus
valores lmites de ngulo horario, H1 y H2 , la radiacin total incidente para ese periodo es
(Garnier y Ohmura, 1968:797):

La integracin se realiza acumulando parciales para pequeos valores de ngulo horario, como
en el proceso de estimacin de la insolacin visto en el apartado anterior. Para estimar la
magnitud de m puede ser suficiente aceptar la expresin semiemprica propuesta por Williams et
al. (1972:529) que aplican un factor de correccin en funcin de la altitud del punto, z:

donde representa la elevacin angular del sol sobre el horizonte expresada en radianes.
Los ndices de exposicin
Las expresiones anteriores pueden permitir una modelizacin ms o menos real de la radiacin
solar que potencialmente puede incidir sobre una superficie. Sin embargo, la introduccin de
factores como la transmisividad y la masa ptica de aire restan simplicidad al modelo e
introducen un factor de inexactitud difcil de conocer. Frente a este problema, existe una
alternativa que puede ser adecuada para algunos casos.
La idea es que los valores de irradiancia pueden ser expresados en trminos absolutos pero
tambin en trminos relativos, comparando con una superficie de referencia (Rich et al.,
1994:526). Esta superficie se supone horizontal y libre de sombras.
La relacin entre cada celda y la superficie de referencia se realiza mediante los ndices de
exposicin, :
Un ndice de exposicin es el cociente entre la radiacin solar incidente sobre un lugar del
terreno y una superficie de referencia horizontal y libre de sombras
Si se obvia la existencia de sombras, los ndices de exposicin dependen slo de parmetros
generales y pueden elaborarse tablas en funcin de la latitud del lugar y del periodo del ao
(Felicsimo y Fernndez Cepedal, 1984).
Sin embargo, en reas montaosas el sombreado tiene una enorme importancia y resulta
necesario analizar la localizacin concreta de cada celda del modelo (Fernndez-Cepedal y
Felicsimo, 1987). Para cada punto del modelo, la expresin de clculo del ndice de exposicin
es:

donde i es el ngulo entre el vector solar y la normal a la superficie del terreno y la elevacin

angular del sol. En el divisor de la fraccin aparece el coseno del ngulo de incidencia del vector
solar sobre la superficie horizontal de referencia.

ndices de exposicin para el solsticio de invierno en la cuenca de Tormaleo. Los

valores se extienden en el rango 0 (sin luz directa) a 2.4.

La aplicacin de la frmula anterior debe realizarse de forma que cuando existe sombreado no se
acumule el valor correspondiente al total. El proceso puede realizarse con ayuda de las matrices
binarias generadas en el clculo de la insolacin potencial:
1. Definidos los parmetros bsicos: latitud del lugar y declinacin solar, se generan
las n posiciones del sol a lo largo del da a intervalos de tiempo t.
2. Se asignan valores de cero a dos variables cos_i y cos_h, donde van a acumularse
los cosenos de los ngulos de incidencia.
3. Para cada posicin solar con 0, se calcula la presencia o ausencia de sombras
topogrficas en cada celda del modelo.
4. Se calcula el ngulo de incidencia sobre la horizontal y se acumula en la variable
cos_h.
5. Para cada celda, si no existe sombreado, se calcula el ngulo de incidencia de la
luz y se acumula en la variable cos_i.
6. Al finalizar el ciclo de n posiciones solares, el ndice de exposicin es igual al
cociente cos_i/cos_h
Puede observarse que la n matrices binarias de sombreado pueden estar previamente calculadas.
Asimismo, la variable cos_h acumula un valor de referencia que es el mismo para todo el modelo

por lo que slo es necesario calcularlo una vez.

Cabe destacar que los ndices de exposicin pueden ofrecer informacin suficiente sobre las
condiciones climticas locales para muchos estudios ambientales, sin necesidad de acudir a otras
estimaciones ms azarosas y posiblemente innecesarias. En efecto, los ndices representan una
medida objetiva de las diferencias dentro del rea del modelo basada exclusivamente en criterios
geomtricos.
El clculo de la irradiancia
La estimacin de la irradiancia supone la obtencin de resultados en trminos de energa, para lo
cual es posible utilizar al menos dos mtodos diferentes. El primero se basa en la utilizacin de
parmetros tericos, partiendo del valor de la constante solar para realizar estimaciones ms o
menos precisas de la irradiancia mxima o potencial. El segundo utiliza los ndices de radiacin
expresamente elaborados para un modelo, tomando como datos complementarios los valores
medidos en un observatorio cercano.
En el primer caso, no es posible evaluar la influencia de la nubosidad, por lo que los valores
obtenidos son mximos potenciales. Por este motivo, en los lugares donde la nubosidad es
frecuente, los resultados no ofrecen ms informacin que los ndices de radiacin, ya que no
cabe considerarlos vlidos en trminos absolutos.
En el segundo caso, el mtodo a seguir es diferente: dado que la irradiancia en un observatorio
meteorolgico se mide sobre una superficie horizontal IH, la correspondiente a una celda de la
zona de estudio vendr dada por el producto de aqulla y su ndice de radiacin:
. Una
importante cualidad de este mtodo es que la influencia de la nubosidad est implcita en el valor
de referencia, por lo cual los resultados obtenidos se aproximarn con mayor probabilidad a los
valores reales. El requisito para que la estimacin sea acertada es que las condiciones
meteorolgicas medias deben ser similares en la estacin de referencia y en la zona estudiada.
Si las medidas de irradiancia en los observatorios meteorolgicos separan la componente directa
de la difusa, es posible incluir esta ltima en la evaluacin, de forma similar a la presentada para
la creacin de los modelos de reflectancia. Llamando DH a la componente difusa de la irradiancia
para una superficie horizontal, la expresin de clculo depende exclusivamente de la pendiente
del punto:

(Horn y Sjoberg, 1979:1178).

Modelo de irradiancia mxima para los equinoccios en la cuenca de Tormaleo. Los

valores oscilan desde unos 1000 a 15000 kJ.m-2.dia-1

Cabe destacar, para finalizar, que una de las aplicaciones de mayor inters de los modelos de
irradiancia es el estudio de su posible correlacin con la distribucin de la vegetacin. Aunque es
difcil asignar relaciones causa-efecto, s pueden establecerse asociaciones desde el punto de
vista estadstico que muestren una distribucin preferente de las formaciones vegetales en
determinadas clases de irradiancia. Estas asociaciones pueden ser utilizadas en la elaboracin de
modelos predictivos, en el sentido de valorar cual es la idoneidad de cada lugar para albergar los
diferentes tipos de vegetacin.
FIN DEL CAPTULO