Beruflich Dokumente
Kultur Dokumente
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.
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.
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:
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.
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.
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.
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.
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.
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.
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.
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.
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.
Captulo 2
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.
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
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)
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.
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
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.
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
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
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.
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)
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.
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.
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:
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
zonas de recorte, que define los lmites externos del MDE por fuera de los
cuales cualquier dato existente se ignora
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.
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.
El mtodo general
La frmula general de la interpolacin en funcin inversa de la distancia es:
donde
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:
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):
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.
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:
Voronoi
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:
dos tringulos de una red pueden estar conectados por un vrtice o un lado
comn: no existe superposicin
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:
Captulo 3
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).
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.
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.
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).
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:
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.
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.
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:
.
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.
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
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.
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:
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 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
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.
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)
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:
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
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
10
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
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
Introduccin
Los modelos digitales del terreno contienen informacin de dos tipos diferentes:
los parmetros deben tener relacin con los procesos geomorfolgicos que
modelan el relieve
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:
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:
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:
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:
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
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:
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:
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.
y para la orientacin
315
45
270
90
225
180
135
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.
Elemento
Descripcin
pico
cresta
ladera
planicie
canal
pozo
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.
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
pendiente,
curvatura,
pendiente,
+0.047
+1.000
-0.031
curvatura,
-0.128
-0.031
+1.000
rugosidad,
-0.082
-0.121
+0.089
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.
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.
) es la siguiente:
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
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.
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:
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:
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:
Geary, G
Moran, I
0<G<1
Ik
aleatorio, no correlacionados
G=1
I =k
diferentes, contrastados
G1
I<k
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.
).
Captulo 5
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:
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
estados: se trata de un AC binario donde las celdas pueden tomar slo dos
valores {0 , 1}
reglas de propagacin:
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:
reglas de propagacin
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.
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.
estados: se trata de un AC binario donde las celdas pueden tomar slo dos
valores {0 , 1}
reglas de propagacin
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.
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
, y dado un punto de coordenadas reales (x, y), se definen los puntos del modelo
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
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.
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.
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:
Otra aproximacin diferente es la reduccin de la precisin del anlisis que, a su vez, puede
realizarse de dos formas:
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.
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.
Captulo 6
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.
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.
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:
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:
denominando (s10, s01) a los componentes del gradiente del vector solar,
su clculo se realiza mediante las expresiones:
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 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.
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
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:
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 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.
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
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, 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.
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
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