Beruflich Dokumente
Kultur Dokumente
Jorge Fallas
Jfallas@racsa.co.cr
2007
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
MÉTODOS DE INTERPOLACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Métodos basados en unidades discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Métodos basados en el concepto de continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Interpolación a partir de puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Métodos de interpolación local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Interpolación a partir de isolíneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
ESTÁNDARES O NORMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Estándares para modelos digitales de elevación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Errores para un MDE derivado de elevaciones obtenidos por métodos fotogramétricos . . . . 37
APLICACIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Pendiente del terreno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Aspecto u orientación de la pendiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Iluminación/sombreado del terreno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Delimitación de cuencas hidrográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Perfiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Análisis de Inter visibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Línea de visibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Visualizaciónen perspectiva o tridimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Visualización en 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Visualización en 2.5D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Modelos Digitales de Elevación
Visualización en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Animación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Creación de orto imágenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Cálculo de área y volumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Determinación de relleno y excavación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Creación de isolíneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Creación de elementos en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Análisis de escorrentía superficial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Exportación de vistas en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
METODOLOGÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
ISLA CHIRA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1. Escaneo de mapa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2. Georeferenciación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3. Digitar curvas de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4. Convertir curvas de nivel a puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5. Crear polígonos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6. Crear modelos digitales de elevación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7. Evaluación de la exactitud de los MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
8. Evaluación del efecto del filtrado en la exactitud del MDE . . . . . . . . . . . . . . . . . . . . . . . . 73
9. Elaboración de mapas de pendiente y aspecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10. Efecto del tamaño del pixel en la exactitud del MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
11. Funciones analíticas del software utilizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
REFERENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 1
INTRODUCCIÓN
El mundo en que vivimos y trabajamos se caracteriza por ser tridimensional. Por ejemplo,
tenemos valles, montañas, cañadas y riscos. Los programas de computación en el área de los
Sistemas de Información Geográfica (SIG) permiten recrear visual y numéricamente el valor Z
asociado a elementos del paisaje (natural y antrópico); esto los convierte en una poderosa
herramienta para cualquier usuario(a) en las áreas de gestión ambiental y de recursos naturales. El
software le permite al usuario(a) no solo visualizar elementos en tres dimensiones sino que también
realizar análisis cuantitativos a partir de dichos elementos.
El presente documento tiene como objetivo introducir al lector al tema de la interpolación
espacial y a una de sus áreas de aplicación: los modelos digitales de elevación. En la primer sección
se introduce al lector al tema de los modelos digitales de elevación, en la segunda se tratan los
diferentes métodos de interpolación; en la tercera se presente el tema de normas y estándares
utilizados para evaluar la calidad de los modelos y en la cuarta y última se describen los resultados
de dos estudios de caso. El primero corresponde a un MDE derivado a partir de un mapa 1:50.000
y el segundo de un mapa 1:200.000; dos de las fuentes cartográficas mas comunes en Costa Rica.
El material se ha escrito con el fin de que cumpla una función didáctica y por lo tanto se provee una
copia de los archivos utilizados para realizar los estudios de caso. Se han seleccionado los
programas ArcView (ESRI, 1996; 1997a; 1997 b) IDRISI (Eastman, 1998) y Surfer (Golden
Software, 1999) para realizar el análisis de los datos; sin embargo, esto no representa una
recomendación implícita ni explícita por parte de la Universidad ni del autor sobre el software que
debe utilizarse en este tipo de análisis.
A través del documento el lector se familiarizará con las estructuras de los archivos utilizados por
los diferentes programas; con las técnicas y métodos disponibles para la creación de superficies; para
su visualización y finalmente con las herramientas analíticas que provee cada programa. En general,
el software seleccionado le permite:
< Crear superficies que simulan la realidad a partir de diversas fuentes de datos (Ej. Puntos, líneas,
polígonos).
< Realizar un análisis de inter visibilidad ()Qué puedo observar desde un punto determinado del
paisaje dado una serie de obstrucciones visuales?).
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 2
Los usos de los MDE son muy variados; algunos de ellos son (Burroughs, 1986; ESRI, 1996;
1997b; Golden Software, 1999; McCullagh, 1990; Weibel y Heller, 1991):
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 3
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 4
permiten crear modelos digitales de elevación sin embargo, en el ambiente nacional, la mayoría de
los usuarios utilizan Surfer (1999), IDRISI (Eastman, 1998) y las extensiones Spatial Analyst y 3D
Analyst de ArcView (ESRI, 1996; 1997b) para crear sus modelos de elevación digital.
MÉTODOS DE INTERPOLACIÓN
La interpolación tiene como objetivo estimar, a partir de una muestra, valores de Z para un set
de puntos (X,Y). La interpolación puede utilizarse para cumplir tres funciones: (a) estimar valores
de Z para ubicaciones particulares (X,Y); (b) estimar valores de Z para una cuadrícula rectangular;
(c) cambiar la resolución de la cuadrícula en un archivo raster (método conocido como remuestreo).
Los interpoladores que operan a partir de puntos pueden clasificarse como:
Desde el punto de vista de la superficie asumida por el interpolador, Burrough (1986) los clasifica
en dos grandes categorías: los que asumen que la superficie es discreta y los que asumen una
superficie continua.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 5
unidades. Esta técnica es apropiada cuando la variación en la superficie es abrupta o discontinua (Ej.
mapas de uso-cobertura de la tierra). Los polígonos de Thiessen (Fig. 2) forman parte de este grupo
de interpoladores; el método de análisis consiste en delimitar áreas de influencia (unidades discretas)
a partir de un set de puntos. Cuando la distribución de los puntos es equidistante (Ej. grilla regular)
los polígonos coinciden con el área de cada celda. El tamaño y la configuración de los polígonos
depende de la distribución de los puntos originales. Una limitante del método es que el valor para
cada polígono se obtiene a partir de un solo punto y por lo tanto no es posible estimar el error
asociado a dicha estimación.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 6
estimado. Tanto IDRISI, Surfer como 3D Analyst y Spatial Analyst de ArcView proveen rutinas para
la interpolación basados en puntos. Independientemente del interpolador utilizado la calidad del
MDE dependerá del número y la distribución de puntos de muestreo; así como de las características
del terreno. Cuanto mayor sea el número de puntos y mejor distribuidos se encuentren mejores serán
los resultados.
< Análisis de tendencia de superficies (Modelos polinomiales): Esta técnica de análisis trata de
definir la tendencia general observada en el set de datos mediante una ecuación polinomial de
grado (n(. El objetivo del ajuste polinomial es reducir la varianza residual en el set de datos a un
mínimo. En realidad, el método no se considera como un interpolador de superficies sino más
bien como una técnica para detectar aquellas áreas que muestran una variabilidad superior a la
tendencia general del set de datos. La estimación del error asociado al modelo de regresión asume
que los residuos son independientes. Este supuesto no se cumple en la mayoría de los casos y por
lo tanto el valor calculado no representa realmente la variación ó error asociado a la estimación
(Oliver, 1990). Al igual que en cualquier otra aplicación de regresión, la superficie generada, en
la mayoría de los casos, no pasará por los puntos originales y por lo tanto el interpolador es
considerado como no exacto.
< Series de Fourier: Este método asume que existen variaciones periódicas en el set de datos y que
su tendencia puede modelarse como una función lineal de senos y cosenos. En general, el método
ha sido utilizado más para análisis estructurales que para la cartografía de características del
paisaje.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 7
método de interpolación hace un fuerte uso de la memoria RAM y virtual (disco duro) y por tanto
el usuario debe poseer suficiente espacio libre en su disco antes de iniciar el proceso de
interpolación. Una de las limitaciones del interpolador es que crea superficies con fuertes
irregularidades; las cuales deben eliminarse mediante la aplicación de un filtro promedio.
P = 1/ (d) m (1)
en donde:
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 8
3 Z i *1/ (d) m
Z ' = ----- ------------- (2)
3 1/ (d) m
El valor de “m” controla el aporte relativo de cada observación (Z) a la estimación de Z ' como
puede apreciarse en la figura 4 y el cuadro 1. Dado que no existe un criterio único para recomendar
la selección del dicho valor, usted puede utilizar el cuadro 2 como una guía. Observe que no existe
una diferencia marcada en los resultados para un valor de m=2 y para otro de m=3. Tampoco el valor
de Z ' es diferente (25.312 Vs 25.30, respectivamente). La diferencia importante está entre m=1 y
m=2 ó m=3 (ver cuadro 2). Por esta razón, el manual del programa Surfer (Golden Software, 1999)
recomienda valores de (m( entre 1 y 3. Si usted utiliza un valor de “m” inferior a 1, por ejemplo 0.5,
su ponderación será igual a 1/d 0.5 y obtendrá una superficie con valores de Z ' más influenciados por
los valores más lejanos de Z como puede observarse en el cuadro 2. Observe en este caso el valor
de Z también sería muy diferente (48.96).
Cuadro 1: Relación entre el valor del exponente “m” y el aporte relativo de cada valor de Z
observado al valor de Z ' estimado.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 9
Cuadro 2: Aporte relativo de cada observación (Z) al valor estimado de Z ' según su distancia al
punto de interés y el valor utilizado de “m”.
Z d (m) Aporte (%), m= 0.5 Aporte (%), m= 1 Aporte (%), m= 2 Aporte (%), m= 3
Fig.4: Relación entre valor del exponente “m”, la distancia de los vecinos
más cercanos y el valor de la ponderación.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 10
Este método de interpolación se comporta como un interpolador exacto cuando no se utiliza ningún
factor de suavizado. Uno de los defectos del interpolador es que genera una superficie con una
apariencia de 'ojos de buey ' alrededor de los puntos de muestreo (Fig. 5). El programa Surfer
(Golden Software, 1999) provee un filtro que suaviza la superficie y por lo tanto tiende a eliminar
este problema. El programa también le permite definir el tipo de búsqueda a utilizar (todos los datos,
simple, 4 sectores, 8 sectores); así como el número de puntos a utilizar y las dimensiones del círculo
o elipse como se muestra en las figuras 6 y 7. El programa Analista Espacial de ArcView también
permite definir el número de vecinos más cercanos o un radio de búsqueda a utilizar en el proceso
de interpolación; además usted puede utilizar barreras (Ej. línea de acantilado, cauce de un río).
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 11
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 12
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 13
Funciones radiales
Este es un interpolador muy flexible y que provee resultados similares al método Kriging. El
interpolador se comporta como exacto cuando no se especifica el valor R 2 (parámetro de forma o
suavizado). No existe una valor universal para R 2; sin embargo el manual del programa “Surfer”
(Golden Software, 1999) sugiere utilizar un valor igual al espaciamiento medio ó a la mitad del
espaciamiento medio de las puntos de muestreo. La opción multi cuadrática es considerada como
la que genera las mejores superficies, seguida por Thin Plate Spline (Plano de curvatura mínima
delgado). Las funciones que el usuario especifica son análogas a los variogramas utilizados en el
método Kriging. La ecuación de la función multi cuadrática es la siguiente:
< Triangulación con interpolación lineal: Método de interpolación basado en una red de
triángulos irregulares (TIN). Para mayor detalle sobre este método se remite al lector a la
sección sobre interpolación a partir de isolíneas . El interpolador se comporta como exacto.
Utiliza todos los puntos de control para crear la superficie.
Kriging
El método de interpolación Kriging asume que la distancia y/o la dirección entre puntos de muestreo
es una expresión de la correlación espacial entre los puntos y que por tanto dicha información puede
utilizarse para explicar la variabilidad encontrada en la superficie muestreada. El algoritmo ajusta una
función matemática a un determinado número de puntos o a aquellos que se encuentren en un radio
de búsqueda. Este interpolador es más complejo que los anteriores y normalmente requiere de cierto
conocimiento estadístico por parte del usuario(a). El análisis incluye los siguientes pasos: análisis
estadístico exploratorio del set de datos, modelado del variograma, interpolación de la superficie y
análisis de la superficie de varianza. Este interpolador se utiliza con mucha frecuencia en estudios
geológicos y edafológicos.
El método de interpolación Kriging puede utilizarse prácticamente con cualquier tipo de datos ya
que es muy flexible. Cuando no se especifica la varianza “pepita” o (nugget( el interpolador se
comporta como exacto. En general, Kriging es considerado como uno de los mejores métodos de
interpolación ya que provee estimaciones insesgadas y de varianza mínima (Oliver, 1990). Este
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 14
1. Los datos muestran un patrón de variabilidad espacial que puede definirse a través de:
< Un componente estructural asociado a un promedio constante o a una tendencia constante.
< Un componente aleatorio con cierto grado de asociación espacial.
< Un componente de error o variabilidad no explicada asociada a errores en las mediciones y a
micro variaciones en la superficie no detectadas por el modelo.
m(x): Función determinística que describe el componente estructural asociado al set de datos.
,' (x): Variación estocástica local que permanece en el set de datos después de remover la variación
estructural dada por m(x).
,'': Residuos que representan variabilidad (“ruido”) sin una tendencia espacial en el set de datos,
con promedio igual a 0 y varianza F 2.
En este caso también se asume que la variación entre Z(x) y Z(x+h) depende exclusivamente de
la distancia entre sitios o sea del valor de (h(, también conocido como resago. Matemáticamente lo
anterior se expresa como (Oliver, 1990):
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 15
Dado que los supuestos anteriores se cumplan en el set de datos, la semivarianza puede estimarse
a partir del set de datos utilizando el siguiente estimador (Issaks and Srivastava, 1989; Oliver, 1990):
en donde (n( es el número de pares de observaciones separados por un resago (h(. Observe que el
valor de ((h) debe ser 0 cuando h es 0. El valor de ((h) cuando h tiende a 0 es una estimación de ,''
(error asociado al set de datos y a la micro variación local sin una dependencia espacial).El variograma
debe estimarse al menos en tres direcciones para detectar cualquier presencia de anisotropia en el set
de datos (Oliver, 1990). EL estimador anterior es válido cuando se cumple con todos los supuestos del
modelo; sin embargo en presencia de violaciones no severas al modelo central (Ej. presencia de
valores extremos), se recomienda utilizar los siguientes estimadores robustos (Cressie,1993):
2((h) / {1/ *N (h)* * E*Z(xi) - Z (xi +h)0.5}4 / (0.457 + 0.494) / *N (h)* (8)
B(h) corrige por el sesgo y su valor asintótico es 0.457. La transformación de potencia tiene la
virtud de generar datos con una distribución cercana a la normal.
Semivariograma
El semivariograma es la representación gráfica de la semivarianza espacial con respecto a una
distancia (h(. Este valor es la mitad del promedio de la diferencia entre cada par de datos y la línea de
45o en la gráfica; y su valor incrementa conforme el coeficiente de correlación y la covarianza
decrecen. A continuación se ilustran los conceptos básicos asociados al semivariograma utilizando un
set de 100 observaciones de elevación sobre el nivel medio del mar obtenidas de un mapa 1:50.000
del Instituto Geográfico Nacional. Los datos se muestran en el cuadro 3 y su distribución espacial
puede visualizarse en las figuras 9 y10. Las figuras 11, 12, 13 y 14 muestran 4 curvas de Z (x) versus
Z (x+h) para el set de datos. La separación entre puntos de muestreo fue de1000m y los valores de Z
están dados en metros.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 16
Cuadro3: Valores de elevación (m) obtenidos de un mapa escala 1:50.000 del Instituto Geográfico
Nacional. Muestreo cada 1000 metros.
1 2 3 4 5 6 7 8 9 10
1 223 228 238 226 245 212 113 114 115 110
2 224 217 231 244 249 250 113 110 114 116
3 221 211 227 233 235 210 113 109 110 112
4 219 210 205 208 203 207 105 110 115 130
5 217 206 203 204 201 105 109 110 122 133
6 111 109 102 105 109 102 106 109 120 130
7 115 105 99 98 97 103 109 110 120 135
8 110 108 98 95 97 106 105 120 130 155
9 97 99 97 96 90 107 104 125 156 160
10 96 97 95 90 92 95 90 89 110 120
280
240
200
Z (m)
160
0
120 2000
4000
Y (m)
80 6000
8000
0
2000 4000 6000 10000
8000
10000
X (m)
Fig. 9: Distribución de 100 valores de elevación (m)
para puntos muestreados con un espaciamiento de
1000 metros en X y Y de una hoja cartográfica
1:50.000 del IGN.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 17
200
Leyenda
Media filas
180
Media columnas
160
Media de Z (m)
140
120
100
80
0 2 4 6 8 10
Distancia (m)
didácticos.
120
80
80 120 160 200 240 280
Z (t)
La figura 12 ilustra la relación entre Z(x) y Z(x+h) o sea aquellos pares de valores definidos por
un resago de 1000 metros en el sentido Sur-Norte en el set de datos. Observe que el set de datos se ha
dividido en 2 grupos y existen otras observaciones distribuidas con un patrón menos definido.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 18
280
h = (0,1)
240
200
Z (t+h)
160
120
80
80 120 160 200 240 280
Z(t)
La gráfica 12 ilustra la relación entre Z(x) y Z(x+2h) o sea aquellos pares de valores definidos por
un resago de 2000 metros en el sentido Sur-Norte en el set de datos. Observe que el set de datos se ha
dividido en 3 grupos y existen algunas pocas observaciones distribuidas con un patrón menos definido.
240
h(0,2)
210
180
Z (t+h)
150
120
90
80 120 160 200 240 280
Z (t)
Fig.13: Diagrama de dispersión h para h= (0,2)
La gráfica 13 ilustra la relación entre Z(x) y Z(x+3h) o sea aquellos pares de valores definidos por
un resago de 3000 metros en el sentido Sur-Norte en el set de datos. Observe que permanecen los 3
grupos sin embargo su posición ha cambiado con respecto a la línea de 450.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 19
240
h = (0,3)
210
180
Z (t+h)
150
120
90
60
80 120 160 200 240 280
Z (t)
Fig.14: Diagrama de dispersión h para h= (0,3)
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 20
Observe que efectivamente el valor de ( (h) es 0 cuando h es 0 y que los valores del coeficiente
de correlación de Pearson decrecen conforme se incrementa la separación entre los valores de (h) y
el valor de la semi varianza (Cuadro 4). Es de esperarse que para un set de datos mayor su valor tienda
a estabilizarse conforme aumenta el valor de (h(. L a figura 15 corresponde al semi variograma para
los datos utilizados en el presente ejemplo. Observe que la gráfica tiene una forma cóncava ascendente
por cuanto puede asumirse que los datos presentan una tendencia local o global. En este caso los
valores mayores tienden a concentrarse en la esquina noroeste del área. Esta gráfica debe permitirle
escoger el valor de h para el set de datos. Dicho valor corresponde a aquel valor de h para el cual la
tendencia de la curva se estabiliza.
Meseta o (sill(: Es igual a la suma de C y el efecto “Nugget” o “pepita”. En la mayoría de los casos
es igual a la varianza del set de datos; o sea expresa la variabilidad total (S2) de Z
para los puntos de muestreo; así como la covarianza para *h* = 0.
A: Este parámetro indica una separación relativa en distancia (h); también se le conoce como
alcance e indica la distancia a partir de la cual se estabiliza la varianza del set de datos. Para una
superficie isotrópica (no existe un patrón direccional en los valores de Z) se calcula como:
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 21
B: Parámetro que define la tasa de cambio de los componentes del variograma al incrementar
la separación entre puntos. Este parámetro es utilizado para escalar la separación de la
distancia física. Para los variogramas cuadráticos y esféricos este parámetro se conoce
como ambito o rango del variograma.
C: Parámetro de escala que define, en ausencia del efecto pepita, el valor de la meseta o
(sill(.
El usuario puede elegir entre diversos modelos de variogramas (Cressie, 1993, Isaaks and
Srivastava, 1989; Golden Software, 1999). Los modelos con una meseta ((sill() y un alcance bien
definidos se conocen como transicionales porque la naturaleza estadística de la variación espacial
cambia cuando el resago (h) sobrepasa el rango (A).
Variogramas
A continuación se describen las funciones utilizados con mayor frecuencia para describir los
variogramas (Cressie, 1993, ESRI, 1996; Golden Software, 1999):
< Esférico o circular: Este es posiblemente el modelo más utilizado. Su comportamiento es lineal
para separaciones pequeñas cercanas al origen y tiende a aplanarse conforme aumenta la distancia;
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 22
alcanzando el valor de la meseta (sill) cuando la distancia es igual al rango (A). En muy utilizado
en las ciencias de la tierra.
< Exponencial: Este es otro modelo utilizado con gran frecuencia en las ciencias de la tierra. El
modelo alcanza el umbral en forma asintótica y por lo tanto el alcance (A) se define como la
distancia a la cual se ha alcanzado el 95% del valor del umbral.
< Lineal: Este modelo incrementa linealmente con h y por lo tanto no posee un valor de meseta.
< Gausiano: Este modelo se utiliza para crear superficies a partir de datos que representan fenómenos
extremadamente continuos. El modelo alcanza el umbral en forma asintótica y por lo tanto el rango
(A) se define como la distancia a la cual se ha alcanzado el 95% del valor del umbral.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 23
< Logarítmico:
Este variograma no tienen un valor de meseta.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 24
< Cuadrático
Algunas observaciones generales que aplican a todos los variogramas son las siguientes (Oliver,
1990):
< Los modelos matemáticos son ajustados a una muestra discreta de simivarianzas ya que el
variograma verdadero es continuo y las estimaciones están sujetas a error; especialmente si la
muestra es pequeña. Cuando el error asociado a los datos es muy grande comparado con la
variación natural de la región, el variograma se mostrará errático y sin ninguna capacidad
predictiva.
< Los modelos que pueden ajustarse a los datos pueden clasificarse en 2 grandes categorías:
‘ Ilimitados o infinitos
En este caso el modelo no asume que existe una varianza a priori finita y por lo tanto la hipótesis
de variación espacial estocástica de los datos sólo puede asumirse como correcta en forma
intrínseca. Los modelos basados en una función de potencia se ajustan a esta condición y por lo
tanto puede utilizarse un modelo lineal, cóncavo o convexo. Un variograma que tiende a
incrementar en una forma cóncava hacia arriba desde el origen puede indicar la existencia de una
tendencia (drift) local o global en el set de datos. Es este caso se debe sustraer la variación no
estocástica o estructural del set de datos y luego ajustar nuevamente el variograma utilizando los
residuos.
‘ Limitados o finitos
En este caso se asume que existe un límite a la variación que caracteriza el proceso aleatorio; a
dicho límite se le denomina meseta o (sill(. Los modelos exponenciales y esféricos se utilizan
con frecuencia para describir los semivariogramas de set de datos provenientes de las ciencias
de la tierra.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 25
Kriging Universal
El Kriging universal no tiene un variograma y además el método de interpolación se sustenta en el
hecho de que puede existir tanto u patrón local como uno estructural. Este método de interpolación
debe utilizarse cuando los datos no tienen una distribución homogénea y por lo tanto se debe interpolar
la superficie a partir de espacios sin información; también puede utilizarse cuando se desea extrapolar
la superficie más allá de los límites de los datos de insumo. La interpolación se realiza vía dos
métodos:
< Kriging Universal con tendencia lineal: Este método de interpolación es apropiado cuando los datos
exhiben un patrón o tendencia lineal. En caso de duda este es el método recomendado.
< Kriging Universal con tendencia cuadrática: Este método de interpolación es apropiado cuando
los datos exhiben un patrón o tendencia cuadrática (forma de parábola con depresiones).
El Kriging universal es apropiado para aquellos casos en donde la variación espacial del set de datos
puede segregarse en un componente aleatorio y otro de tendencia o (drift(. Otras extensiones del
método Kriging son co-Kriging y Kriging disyuntivo ( Cressie, 1993; Oliver,1990)
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 26
El primer término se refiere al error generado como efecto de la no repetitividad de las mediciones
(errores en los datos) y el segundo expresa la variabilidad a nivel micro no evaluada por la distancia
de muestreo (h(. Este valor es un indicador de la varianza residual o sea de la variabilidad no
correlacionado espacialmente en el set de datos.
1964: Los triángulos elaborados a partir de una distribución de puntos irregulares fueron utilizados
como base para dibujar curvas o isolíneas en un espacio bidimensional.
1965: La compañía IBM implementó un proceso basado en triángulos para elaborar curvas de nivel.
1967: Se desarrolla un programa de cómputo para la creación de curvas de nivel basado en triángulos
para la industria petrolera.
1968: Thomas K. Poiker, profesor de cartografía en Canadá, describe la primera estructura de
triángulos irregulares con topología integrada, como parte de la superficie externa de un sólido
de tres dimensiones.
1973: Las estructuras triangulares fueron inventadas en forma independiente por ingenieros de la firma
consultora Engineering-Science, Virginia, USA como un medio para representar elevaciones
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 27
y otros atributos mientras trabajaban en un proyecto sobre tuberías de aguas negras. La idea se
materializó como ADAPT (Areal Design and Planning Tool), un SIG que utilizaba los vértices
de los triángulos para designar elevaciones y sus caras para representar otros atributos.
1975: El modelo TIN propuesto por Poiker se había establecido como una estructura topológica en
el mundo científico.
1975-76: Las estructuras triangulares fueron inventadas en forma independiente por el geólogo
Christopher Gold mientras trabajaba en su disertación de doctorado entre 1975 y 1976 como
un medio para representar superficies geológicas subterráneas.
Para finales de 1970 se había aceptado al modelo TIN como la forma estándar de representar la
topografía en un SIG y en otros programas de cómputo.
Las superficies pueden representarse mediante un conjunto de puntos con un espaciamiento regular
(en inglés, lattice) ó utilizando una red de triángulos irregulares (Triangulated Irregular Network, TIN,
por sus siglas en inglés). El modelo TIN (Fig.17) está formado por un conjunto de triángulos
adyacentes que no se traslapan, los cuales se derivan a partir de un set de puntos con un espaciamiento
irregular. La estructura de datos está basada en una mezcla de puntos (Masa de puntos), líneas (líneas
de cambio o inflexión en la topografía) y polígonos (áreas). El modelo TIN almacena la información
topológica que define las relaciones espaciales entre cada uno de los triángulos y sus vecinos (Ej.
información sobre los vértices y los lados de cada triángulo). El modelo TIN es apropiado para
representar las irregularidades del terreno y para derivar métricas del paisaje tales como pendiente,
aspecto y sombreado del terreno. Sin embargo cuando se requiere utilizar la superficie con fines de
modelado (Ej. simulación de escorrentía superficial), la estructura de datos raster es más apropiada.
Los puntos equidistantes derivados del TIN (grilla) son el insumo a partir del cual se estima el valor
de Z (Ej. elevación) que posteriormente permitirá crear un archivo de tipo raster. El cuadro 5 resume
las principales características de las estructuras de datos TIN y raster.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 28
Los procesos computacionales son muy Procesos computacionales menos eficientes ya que se debe estimar el
eficientes ya que se trabaja con una valor promedio para el conjunto de nodos que rodean el punto de
matriz de valores (columnas e hileras). interés.
Existen algoritmos bien establecidos Los algoritmos para procesar TINs son más complejos y costosos de
para el procesamiento de los datos. programar. Por lo tanto el software también es más caro.
Dichos algoritmos se originaron en la
comunidad de usuarios de
procesamiento de imágenes digitales.
Datos en formato raster son abundantes Existen pocos datos en formato TIN y normalmente son más caros y
y menos costosos que los vectoriales. difíciles de utilizar.
El modelo de celdas regulares es rígido, El tamaño de los triángulos se adapta a las irregularidades del área que
ineficiente y no expresa con fidelidad se modela. Las coordenadas de los valores originales se mantienen como
los cambios abruptos del terreno. parte de la información asociada a los vértices de los triángulos y por lo
tanto no existe pérdida de detalle ni de información.
Basado en: ESRI, 1997; Maune, 1994; Shearer, 1990 y Weibel y Heller, 1991.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 29
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 30
Exactitud
Desde un punto de vista estadístico, la exactitud mide la magnitud y dirección del error o sesgo en
el set de datos. Cuando no existe sesgo, el promedio de la variable es igual su valor verdadero. Para
aplicar este concepto a un MDE es necesario comparar las elevaciones derivadas del mismo con otra
fuente de información con un mayor grado de exactitud; por ejemplo, un mapa con valores mas exactos,
valores de campo o elevaciones obtenidas por medios fotogramétricos (Cressie, 1993; Maling, 1989;
Weibel y Heller,1991 ). La comparación resulta en una serie de diferencias denominadas (residuos(,
cuyos valores pueden ser positivos o negativos. Estas diferencias se expresan estadísticamente como
error promedio, error absoluto promedio y raíz cuadrada del error medio cuadrático (Shearer, 1990):
0r = 3 ri / n (11)
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 31
* * = valor absoluto
n = número de observaciones (tamaño de la muestra)
Cuando los residuos tienen una distribución normal, el 95% de los mismos se encontrarán entre -2DT
y +2DT. Otros valores de uso común son los siguientes:
Del análisis de la presente sección se desprende que existen varias expresiones matemáticas para
cuantificar el error asociado al MDE y que no todas indican lo mismo. Esto puede crear confusión e
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 32
incertidumbre en el usuario del MDE; para evitar esta inconveniente se recomienda describir cada
término utilizado y especificar su respectiva fórmula.
ESTÁNDARES O NORMAS
La investigación en cartografía hipsométrica ha demostrado que el error asociado a los valores de
elevación está fuertemente influenciado por la pendiente del terreno (Fig. 18). A continuación se
brindan dos ecuaciones conocidas como ecuaciones de Koppé (Maling,1987) que permiten determinar
el error esperado en un MDE tanto en elevación como en planimetría:
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 33
El desplazamiento planimétrico y el error altimétrico será el mismo para aquellas áreas con una
pendiente de 45º (100%) y por lo tanto puede asumirse que el error altimétrico siempre será menor que
el planimétrico (cuadro 8). Los valores de A y B de las ecuaciones 15 y 16 son constantes establecidas
por cada país considerando la escala del mapa y los requisitos de exactitud deseados. A continuación
se brindan los valores para A y B citados por Maling (1987) para escalas entre 1:1000 y 1:50.000.
Cuadro 7: Valores de A y B sugeridos por Maling (1987) para cartografía con escalas entre 1:1000 y
1:50000.
Para la cartografía 1:50.000 de Costa Rica, los valores anteriores brindarían los siguientes errores
permisibles:
Cuadro 8: Errores permisibles para la cartografía 1:50.000 de Costa Rica, basado en Maling (1º987)
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 34
A continuación se brindan los estándares altimétricos en uso en Alemania, Suiza, Inglaterra, y los
Estados Unidos para mapas con escalas entre 1:5.000 y 1:50.000 (Shearer,1990):
En general, los valores anteriores coinciden con la norma utilizada en la cartografía de los Estados
Unidos de América, la cual indica que un 90% de los puntos muestreados debe tener un error inferior
a media curva ( Maling, 1989). Para la cartografía 1:50.000 de Costa Rica con curvas de nivel cada
20 metros y auxiliares cada 5 metros (en lugares planos) dicha norma corresponde a 10 y 5 metros,
respectivamente. Para la cartografía 1:200.000 con curvas de nivel cada 100m, el error aceptable sería
50m.
A partir de la norma anterior y considerando que toda curva de nivel tiene un error planimétrico y
otro altimétrico (Fig. 19) se puede utilizar la siguiente ecuación para determinar el error esperado en
elevación para la cartografía 1:200.000 (Maling, 1989):
en donde:
% : representa la gradiente de la pendiente en grados.
IC: intervalo de la curva de nivel
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 35
0.5mm: Este valor corresponde a la norma utilizada en los Estados Unidos de América para evaluar la
exactitud planimétrica de los mapas con escalas inferiores a 1:24.000. Dicha norma establece que 90%
de los puntos muestreados deben encontrarse a no mas de 0.5mm de su posición verdadera.
Fig. 19: Desplazamiento esperado en el valor de elevación como consecuencia del desplazamiento en
planimetría. A y B: curvas de nivel. M: error aceptable en elevación (0.5IC). EPp: error total
considerando el error en planimetría.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 36
Cuadro 10: Errores esperados para la cartografía 1:200.000 de Costa Rica con curvas de nivel cada
100m, basado en Maling (1989).
Utilizando esta equivalencia puede establecerse la exactitud de un MDE a partir de las normas
utilizadas para la cartografía convencional. Un Modelo Digital del Terreno (DEM, por su siglas en
inglés) en los Estados Unidos de América es un archivo digital con puntos equidistantes en sentido
norte-sur (X,Y) y con un valor de elevación en el eje Z (Maune, 1994). A partir de los mapas 1:24.000
se trazan perfiles en sentido Norte-Sur con una separación de 30 m entre sí. Cada perfil a su vez
contiene puntos con una separación de 30m; por cuanto el producto final es una matriz regular de
30*30m. Para los mapas 1:250.000, la separación entre los perfiles y los puntos está basado en
coordenadas geográficas (latitud, longitud). La separación entre perfiles y puntos es de 3 segundos de
arco, lo cual corresponde a aproximadamente 90m en el sentido norte-sur y a una distancia variable en
el sentido este-oeste. Esta última distancia depende de la ubicación del lugar ya que los meridianos
convergen conforme aumenta la latitud. A continuación se describen las especificaciones de los MDT
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 37
de nivel I, II y III utilizados en los Estados Unidos de América (Brown, 1994; Maune, 1994;Veregin,
1997). En todos los casos el error es calculado a partir de una muestra de al menos 28 puntos.
Nivel I:
Los valores de elevación son estimados a partir de métodos fotogramétricos. El MDT debe tener un
error máximo (RCEMC z) de 15m y ningún error puede exceder 50M (aproximadamente 3 veces la
RCEMC). Este MDT cumple con los requisitos para elaborar ortofotos a escala 1:12.000.
Nivel II:
EL MDT es creado a partir de curvas de nivel y el error (RCEMC z) permisible es 0.5 veces el
intervalo entre curvas de nivel del mapa fuente; además ningún error puede superar el intervalo de una
curva de nivel. Las especificaciones de este nivel están diseñadas para que el usuario obtenga resultados
similares a los que obtendría con métodos manuales y utilizando mapas impresos a la misma escala.
Nivel III
Este MDT es derivado de curvas de nivel y otra información auxiliar. El error permisible en elevación
(RCEMC Z) es de 7 m y ningún error puede superar el intervalo de una curva de nivel.
Debido a que los estándares anteriores están basados en normas para cartografía analógica, el Comité
Federal para Datos Geográficos de los Estados Unidos de América aprobó en junio de 1998 los
“Estándares Nacionales de Exactitud para Datos Espaciales” (NSSDA, por su siglas en inglés)
(http://mcmcweb.er.usgs.gov/sdts/, http://www.fgdc.gov/standards/status/sub1_3.html). Dichos
estándares definen la metodología y los estadísticos a utilizar para evaluar la exactitud tanto de mapas
digitales como analógicos. Estos nuevos estándares recomiendan calcular un intervalo de confianza al
95% para el error (1.96*RCEMC z). A los interesados en hojas electrónicas diseñadas para implementar
dicho estándar se les remite al subdirectorio NSSD del CD que acompaña al presente documento.
T Los resultados menos satisfactorios se obtuvieron tanto para áreas ubicadas en terreno empinado y
con montañas escabrosas (Ej.configuración de terreno en Monte Verde de Puntarenas); como en
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 38
áreas planas y con cobertura de bosques. En ambos casos los MDE no cumplieron con las normas
establecidas por el estudio.
T El error estándar en el MDE obtenido por técnicas fotogramétricas se encontraba entre ±0.2% y
±0.4% de la altura de vuelo. Esto representa una exactitud entre ±0.2 a 0.4m para alturas de vuelo
de 1000m y ±3.0 a 6.0m para alturas de vuelo de 15000m.
T En áreas muy empinadas la exactitud alcanzó entre ±1.0% y 2.0% de la altura de vuelo; lo que
representa un error desde ±1.0 a 2.0m hasta ±15.0 a 30.0m, respectivamente.
T Los errores máximos pueden ser desde 4 hasta 8 veces el valor del error estándar.
T Valores estáticos de elevación (elevaciones de puntos fijos) brindan mejores resultados que perfiles
o curvas de nivel. Esto se debe posiblemente a que los puntos poseen un menor error tanto en
planimetría como en altimetría.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 39
En el caso de las hojas topográficas, la exactitud dependerá de la escala del mapa y del intervalo
entre curvas de nivel. Otro aspecto que influirá en el producto es el método utilizado para digitar las
curvas. Los métodos manuales (mesa digitalizadora) pueden incluir un error planimétrico de ±0.5mm,
en tanto que los métodos semiautomáticos (uso de escáner) pueden generar errores menores. Sin
embargo, en todo caso esta fuente de datos es el que genera los MDE de menor exactitud.
Esquemas de muestreo
El modelo digital de elevación puede elaborarse a partir de una variedad de insumos, entre los que
tenemos (Weibel y Heller, 1991):
< Perfiles
< Puntos equidistantes (cuadrícula)
Muestreo selectivo: Líneas que indican cambios bruscos en el terreno
< Curvas de nivel
< Puntos aleatorios con elevaciones conocidas
< Muestreo progresivo: Lo intensidad de muestreo está en función de la complejidad del
terreno; se muestrea con un patrón jerárquico.
< Muestreo compuesto: combinación de muestreo selectivo y muestreo progresivo.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 40
Perfiles Cuadriculado
Muestreo progresivo
Muestreo compuesto
A continuación se resumen los resultados reportados por Ebner y Reiss (1984) en cuanto a la
eficiencia de las diferentes estrategias de muestreo.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 41
Cuadro 11: Eficiencia de diferentes estrategias de muestreo utilizadas para recabar datos para elaborar
un MDE. Fuente: Ebner y Reiss,1984.
T Las cuadrículas con un espaciamiento regular proveen un mejor insumo para elaborar
modelos digitales del terreno que los perfiles.
T Las cuadrículas con un espaciamiento de hasta 60m entre nodos provee una mejor fuente de
datos para elaborar MDE que perfiles o curvas de nivel con una densidad equivalente. Esto
es muy importante pues reduce el tiempo y dinero requerido para levantar puntos en el campo
o en las fotos aéreas.
Grassie (1982) citado por Shearer (1990) comparó la exactitud de los MDE generados con
diferentes programas comerciales utilizados en cartografía general o temática. Los insumos
consistieron en aproximadamente 300 puntos para los siguientes tipos de datos:
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 42
Los resultados se compararon con puntos de control derivados fotogramétricamente de una grilla
con una separación de 30m y de curvas de nivel con un intervalo entre curvas de 10m. Las
conclusiones fueron las siguientes:
T Todos los programas presentaron problemas en diferentes áreas y en general no capturaron las
irregularidades menores del paisaje obtenidas a partir de las curvas de nivel utilizadas como control.
T Los métodos que derivan valores para la cuadrícula basados en puntos al azar mostraron variaciones
muy marcadas en la calidad del producto generado; seguidos por los métodos basados en curvas de
nivel.
T Los métodos globales de interpolación mostraron los mayores errores seguidos por los métodos
locales y sus resultados son comparables con los métodos basados en una búsqueda de puntos.
T Los métodos basados en la búsqueda de puntos alrededor de cada nodo de la cuadrícula tienden a
generar curvas de nivel angulares en áreas planas o de poca elevación. Esto se debe a que el método
selecciona puntos con igual valor de elevación alrededor de cada punto de la cuadrícula y por lo
tanto los nodos de la cuadrícula tienden a tener el mismo valor que las curvas de nivel.
T La distribución espacial de los puntos de elevación es crítica para lograr una adecuada
representación del paisaje en el MDE. Los métodos basados en una cuadrícula regular mostraron
mejores resultados que los basados en una distribución irregular.
T El error medio cuadrático menor se obtuvo con los puntos distribuidos regularmente (±3.31m a
±6.54m), seguido por las curvas de nivel (±3.49m a ±6.27m) y finalmente por los puntos
distribuidos en forma irregular (±4.09m a ±6.80m).
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 43
1. Edición: Esta operación puede realizarse tanto a nivel vectorial (TIN) como raster y consiste en
modificar valores para puntos o celdas particulares. El SIG provee las herramientas para realizar
dichas operaciones.
2. Filtrado: Esta operación se aplica a un modelo de datos raster y tiene como objetivo eliminar
valores inconsistentes en el MDE (Fig.20 ). Normalmente, se utiliza una filtro promedio en el dominio
espacial (ventana móvil). Esta operación también puede utilizarse para reducir la resolución del MDE
y por ende reducir el tamaño del archivo.
3. Creación de mosaicos: Con frecuencia los MDE son creados para espacios geográficos definidos
(Ej. una hoja 1:50.000) y por tanto es necesario su posterior fusión en unidades mayores denominadas
mosaicos. La fusión de mapas puede hacerse tanto con archivos en formato raster como vectorial.
Jfallas@racsa.co.cr
Modelos Digitales de Elevación 44
4. Cambio de formato: El MDE puede crearse como un archivo vectorial (TIN) o como uno raster;
sin embargo con frecuencia es necesario pasar de un formato al otro. Esta transformación es realizada
por el SIG mediante diferentes métodos de interpolación. Es frecuente, por ejemplo, crear un modelo
raster a partir de un TIN o crear isolíneas (curvas de igual valor) a partir de un modelo raster.
5. Clasificación y manipulación: Las operaciones de clasificación y manipulación del MDE son parte
de las herramientas que provee un Sistemas de Información Geográfica. Por ejemplo, el MDE puede
clasificarse en categorías de elevación; también es posible crear elementos en 3D y derivar pendiente,
orientación y aspecto del terreno.
APLICACIONES
Por muchos años, las aplicaciones en el área de los Sistemas de Información Geográfica se
restringieron a un mundo en dos dimensiones. La dimensión vertical (Z), típica de ambientes
terrestres, oceánicos y antrópicos era representada mediante isolíneas ó áreas de igual elevación o
profundidad. Sin embargo, gracias a los avances en el área del diseño gráfico y en especial, en la
capacidad de procesamiento del equipo de cómputo logrado en la década del 90, en la actualidad es
posible visualizar y realizar análisis en 2.5 dimensiones utilizando una computadora personal y
software de bajo costo. Sin embargo, a pesar de dicho avance todavía no es posible, para fines
prácticos, representar visualmente una superficie en 3D.
Los productos de un MDE son múltiples; sin embargo entre los principales tenemos:
T Mapa de gradiente del terreno
T Mapa de aspecto u orientación del terreno
T Mapa de curvatura/convexidad del terreno
T Mapa de longitud de la pendiente
T Perfiles longitudinales y transversales del terreno
T Mapa de intervisibilidad
T Perfil de visibilidad
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 45
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 46
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 47
Actualmente se cuenta con una gran cantidad de programas que permiten crear mapas de
sombreado del terreno; sin embargo, el primer programa de cómputo para elaborar dichos mapas fue
elaborado por Dennis White del Laboratorio de Gráficos Asistidos por Computadoras de la
Universidad de Harvard, USA y se llamó Imago Mundi (Burrough,1986). Los mapas poli cromáticos
permiten apreciar mejor las características del paisaje que aquellos creados en tonos de grises.
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 48
Perfiles
El perfil es una representación gráfica de las coordenadas X,Y,Z de un elemento lineal en un
sistema de coordenadas cartesianas (Fig. 26). El usuario debe trazar o indicar la ubicación del
transecto o línea que define la ubicación del perfil. Si se desea, los datos pueden guardarse como un
archivo ASCII para su posterior uso en cualquier otro programa de diseño gráfico. También es posible
exporta el gráfico como un meta archivo de Windows (*.wmf).
200
Exageración Vertical 14 X
Elevación (Metros)
150
100
50
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 49
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 50
Línea de visibilidad
Esta función permite determinar la línea de visibilidad de un observador ubicado en un determinado
punto o línea. Si el área de interés no es visible el programa le proveerá la ubicación de la primera
obstrucción. El producto es un perfil del terreno que indica tanto la sección visible como la no visible
como se muestra en la figura 29.
Visualización en 2D
La visualización en 2D se logra a través de un gráfico o imagen raster en la cual el valor Z es
proyectado en un plano de 2D, el cual permite visualizar elementos con dimensiones 0-D, 1-D y 2D
(Ej. isolíneas, ver fig. 30). Dado que la variable Z es continua en una escala de medición de razón,
para representarla es necesario agrupar los datos en categorías y visualizar los límites de las clases.
Esta técnica no permite representar valores múltiples de Z para una misma ubicación X,Y (Ej.
contenido de hierro a diferentes profundidades).
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 51
Simbología
Curvas de nivel cada 20m
N ica ragu a
M ar C ar ibe
Panam á
Oceán oP acíf ico
50 0 0
5 Kilo m ete rs
Visualización en 2.5D
La visualización en 2.5D es un modelo de proyección isométrico en el cual los valores de Z
asociados con cada par de coordenadas X,Y son proyectados y visualizados simultáneamente en un
sistema de coordenadas con tres dimensiones (X,Y,Z) (Ej. modelo de líneas isométricas). Esto crea
la percepción de profundidad y relieve en la mente humana (fig. 31). Sin embargo, la vista solo
brinda información sobre la superficie graficada y no es una representación verdadera del volumen
representado. En otras palabras, aun cuando se percibe la vista con un eje Z, la misma está limitada
por la representación en 2D.
Desde un punto de vista práctico, esta función permite visualizar el MDE, ya sea solo o como una
sobrepuesta de un mapa de atributos (Ej. uso/cobertura de la tierra, imagen de satélite, etc.)(fig. 32).
El usuario define la resolución de la imagen, el ángulo de visión y la orientación de la panorámica;
así como el factor de exageración vertical. Utilizando esta técnica de visualización es posible crear
escenas de gran realismo como la que se muestra en la figura 33.
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 52
Volcán Poás
Alajuela
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 53
Animación
La animación permite definir líneas de vuelo y simular vistas en 3D a partir de un MDE. Estas
vistas pueden utilizarse para crear un video digital compatible con los visualizadores de video para
Windows (Ej. *.avi, Quick Time Movie y Active Movie, etc.).
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 54
Creación de isolíneas
El programa es capaz de trazar isolíneas (Ej. curvas de nivel, isotermas, etc.) a partir de archivos
en formato de raster o TIN. En el primer caso, el software interpola los valores entre celdas y de esta
manera genera un mapa con curvas suavizadas y más cercanas a la realidad; ya que en muy pocas
ocasiones las líneas pasarán por el centro de las celdas. Cuando las isolíneas se elaboran a partir del
modelo TIN, el programa interpola las lineas a través de la red de triángulos irregulares. La ubicación
de la línea en el borde de cada triángulo es determinada mediante interpolación lineal.
Creación de elementos en 3D
Esta función permite crear elementos (puntos, líneas o polígonos) con un componente de elevación
o altura. El usuario puede visualizar estas formas (shapes) en una vista en 3D.
Exportación de vistas en 3D
El función le permite al usuario(a) guardar las composiciones en 3D como un archivo JPEG o
exportar la vista como un archivo VRML (Virtual Reality Modeling Languaje). El formato VRML
puede ser leído por los programas Netscape o Explorer y por lo tanto es un medio fácil de publicar
electrónicamente sus composiciones cartográficas en tres dimensiones.
Jfallas@racsa.oc.cr
Modelos Digitales de Elevación 55
Objetivo
El objetivo de la presente sección es comparar los modelos digitales de elevación creados por
diferentes programas y métodos de interpolación y responder a las siguientes preguntas:
Sitios de estudio
El estudio se realizó con datos a escalas 1:50.000 y 1:200.000. Para el primer caso se eligió a la
isla Chira, ubicada en el Golfo de Nicoya, Costa Rica (Ver fig. 34 y 35) y para el segundo la sección
sur de las faldas del Volcán Poás, cordillera Volcánica Central, Costa Rica (Ver fig. 34 y 36). Como
un producto adicional se incluye un modelo digital de elevación para Costa Rica elaborado a partir de
curvas de nivel con una separación de 100 m y 7474 puntos con elevaciones auxiliares (ver anexo 1).
jfallas@racsa.co.cr
Modelos Digitales de Elevación 56
Nicaragua
Mar Caribe
2
1
Oceáno Pacífico
Panamá
50 0 50 Kilómeteros
N
Fig. 34: Áreas de estudio. 1. Isla Chira, Golfo de Nicoya. 2. Faldas del
Volcán Poás, Cordillera Volcánica Central.
Simbología
Curv as de niv el ca da 2 0m Volcán Poás
Nic a r a g
ua
Ma r Ca r ib e
N
Pa n a
m á
Oc e á n o Pa c
í fi c o
50 0 5 0 K il o
me t e
r s
2 0 2 4 6 8 10 Kilometers
jfallas@racsa.co.cr
Modelos Digitales de Elevación 57
METODOLOGÍA
ISLA CHIRA
1. Escaneo de mapa
El primer paso consistió en escanear, a una resolución de 300dpi (puntos por pulgada), el mapa
de la isla Chira, Golfo de Nicoya, Costa Rica; Escala 1:50.000 (IGN,1989) (Fig. 37). Para esto se
utilizó un escáner Epson. Al lector interesado en cómo seleccionar la resolución apropiada para
escanear material cartográfico o fotos aéreas se le remite a documento “Escaneo, georeferenciación
y vectorización de material cartográfico y fotos áreas utilizando ArcView GIS” (Fallas, 2001).
Fig. 37: Isla Chira, Costa Rica. Fuente: Instituto Geográfico Nacional. Hoja
3146II, Berrugate. Edición 3-INGCR. 1989.
2. Georeferenciación
Una vez escaneado el mapa se convirtió de seudocolor(256 valores) a blanco y negro utilizando
Corel Photo-Paint (WWW.corel.com). Posteriormente el mapa exportado en formato TIFF fue
georeferenciado a la proyección Lambert Norte en Analista Espacial de ArcView utilizando la
extensión Image Warp v2.0 (McVay, 1999).
jfallas@racsa.co.cr
Modelos Digitales de Elevación 58
desviación estándar de 8.9m (Cuadro 12). Estos datos indican que el intervalo de confianza al 95%
para la estimación del error medio de registro del mapa es de 9.74m a 11.06m.
Cuadro 12: Estadísticos descriptivos para 62 puntos de muestreo utilizados para evaluar el error de
georeferenciación de la imagen de la isla Chira utilizada para vectorizar las curvas de nivel. Valores
en metros.
El error planimétrico medio estimado para la imagen georeferenciada permite cumplir con el
estándar sugerido por Maling (1989) para áreas con una topografía escarpada (pendiente de hasta
un 50%) (ver cuadro 8). Es importante hacer notar que los errores superiores a 11.8m se encuentran
asociados al eje X y que se ubican en el extremo sur de la isla como puede apreciarse en las figura
38. Por esta razón, considero que las curvas de nivel digitadas de dicho archivo representan
fielmente la información registrada en la hoja topográfica escala 1:50.000 del IGN. Si comparamos
los resultados con los estándares establecidos para mapas analógicos con escalas inferiores a
1:24000 de los Estados Unidos (Maling, 1989) también se cumple con la norma de que un máximo
de un 10% de los puntos pueden tener un error superior a 25.08m.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 59
Fig. 38: Error medio cuadrático (m) asociado al registro del archivo escaneado y
georeferenciado con ImageWarp. La barras representan error total, error en el eje X y
error en el eje Y, respectivamente. Valores en metros.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 60
5. Crear polígonos
Una vez digitadas las curvas de nivel se utilizó el programa ConvertPolyLineToPolygon
(www.esri.com) para crear un tema de polígonos correspondiente al área entre cada curva de nivel.
Este archivo fue importado posteriormente a IDRISI utilizando la opción SHAPEIDR del comando
de importar archivos. La figura 42 muestra un segmento del archivo de polígonos para la isla Chira.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 61
# # # ### # # # # # ## # ### ## # # # ## # # ## # ## # # # ## # # # ## # # # # # # ## # ## # # # # ### # # # #
# # # # # ## # ### # # # ## # # # # ## # ## ## # ## # # ### # ## # # #
## # # # # # ## # ### # # #
# # ## # # # ## # # ## # # ## # # # ## # # ### # ## # # # # ##
## # # ## ## # # ##### # # ## # # # # # ## # # # # ## #
# #### # #### ## ### # # # ## ## ## # # ## # # ## ## # # ## # ## ## # # # # ## # ## ## #
# # ### ## # ## # ### # # # ## # ### ## ### ## # # # ## # # ##
# # # # ## # # # # ## # # #
# ## # # # #
# ## # # # # # # ## # ## ## # ## # # # ## # # # # # ## # # # # # # ## # # ##
# #
# ### # # # # ## # # ## # #
#
# # ## # # ## ## # # # ## #### # # # ## # # # # # ## ## # # ## #
# # # #
# # # #### # ## # ## # # #
## #
# # #
# # ## # ## ## # ## ### # # # #
# # ## # # # ## # ### # # # # #
# ## ## # ##
# # ### # # # ## ## # ## ## # ## # # # # ### # ##
# # # # ##
# ### # ## # #
## # # #
# # # # #
# ### # # ## # ## # #
## ## ### ## # ## # ## # # #
# ## # # ##
# #
## # # ## ## ### ## # ## ##
### ## #
# ###### ## # ## # #
## # # ## # # ## # # # ## ## # # #
# ## ## # # ## #
# # # # # # ## ## # ## #
## # ## # ## ## #
# # ## ### # # # # # ### ## # # # # # ## # # # # # ## ##
# ## ## # # # # # # # # # ## # # # # ## ## ## # # #
# # # ## # # # ### # # ## ## # # # ## # # #
# # ## # # #
## # ### # ## ## # # # # # # # ## # # # # # # # ## ## ##
## # #### ## # ## # # # ### ## # ## ## # # # ## # ### # # # # #
# ## #
# ##
# # ### ## # # # ## #
# # ####
# # ## # ##
# # # # ## ## # # # ### ## #
## # # # ### ### # # # #### ## # # #
# # # ##
# # # # # # # # #
# ## # ## # #
# ## # ### # # # # # # # # # ## # # ##
## # ###
#
## ## # ## # # # ## ## #### # ## # # # # # ## ## # #
# # # ## # # # # # # # # ### # # #
#
# # #
#
# #
# # # # # ## ## ## # ## # ## # ##
# # # # # # # # ## ### #### ## ## # # ## ### ## # # # # ##
# # # # # ## # ## ## ## #
## #### # ## # # # ## #
# # ## # # # # # #
# # # # ## # # # #
# # ### # ## # ## # # # # ## ## # #
# # # # # # ## ## # # # #
# # # # ##
# ## # ### ## # ## ### # # ## # # # # #### ## # # #
# #
## # # # # # # ##### # # ## # # # ## # ## # ## ## # # # ## # ## # ## ##
## # # ####
#
#
# #
# # # # # ### ##### # # ## ## ## #
# # ##
# #
# ## ## ##
##
# ## ## # ##
#
# # #
# # ## # #
# # # ## # #
# # # # # # # # # # # # # # # # #
#
#
## ## ###
### # # ## # ## # # ### # # ## ### # # # #
# ## ## # # # # # # # # # ## # # # # #
# # ## # # # ## ##
# # # ### # # #
### ##
## # # ## ## # # ## # ### # # ## # # # # # ## # #
## ## ## # ## ## ## # # # # ## ## # # # # ## # ## # ## # ## # #
# # ## ### #
# # ##
# ## #
## # ## # #
# # # ### # # # ## ## # # ## ####
#
# # ##
# # ## ### ## ### # ## ## #
### ## ##
# # # # #
# # # # # ##
# # # #
# # ## # # # ### # # # # # # # # # ## ## # # # ## #
##
# # # # # # # # # # #
# ## # # ## # #
# #
#
# # ## # # # # # # # # # ## # ## # # ## # # # # # # # ####
## ## # ### #
# ## #
## ## ##
# ## # ## ## ## # # ## ##
#
## ##
###
## # #
# # # # # # # # # # #
## # # #### # # # # # ## ## ## # # # # ##
# # # # ### # #### # # # #
# # ## ## #
## # ## #
## # ### # # ## # # # ## ## ## # ## # ### # ##
##
## ## # # ## # # ## ## ## ## ###
# ## # # # ### # ## # ### # # # # #
# # ### # # ## # # # ## # # # ## # ##
## ## #
# # ## ### # ### ## #
# ## ## # # # # ## # ## # # ### # # # ## ### # # ##
### # ## ## # ### ## # ##
# # # # # # ## ## # # #
## # # # ## # # # ## ## # # # # # # # # ## ##
# ## # # #
# # # ### # # # ## # ## ## # # # # # # # # # ## # ## ## ## # ## # # # # # ##
# # # # # # ## # # #
#
# ## ## # ## # ## # # ## # ## # # # # # # # ## # # # # # # # # # # # #
#
# # # ## # # # # # ## #### ## # # # # # # # # ## # # # ## # # # #
# ## # # # ## # # ### #### # ### # # ## ## ## # ### # # ### # ## # # ## # ## # ## # # ### ## #
##
# # ## # # # # # # # ## ### # # ### ## # # # # ## # # # # ## #
# # # # # # ### # ### # ## #
# # # ## # ## # # # # ## ## # # # # # # ## # # # # # # # # # # # #
# # # # # # # # # # # # ## ## # ## # ## # # # # # # # # ## # # ## # # # #
# # ## # ### ### ## ##
# # ###
# # #
# #
# ## ## ## # # # ### # # # ## ## # ## ## # #
# # # # # ## ## # # # # ## ## # ## # # # ## ## # # # ##
## # ### ## ## # ### # # ## # # ## # # ##
# # # #### #
#
##
# ## ### # ## # # # # ## # # # # ## ## # ## # ## # # # # ## # # # ##
# ## #
# # # # ## # # # # # # ## ## # # # # # #
# ## #
# # # # # ### # # # ## # ## ## # # # # # ### ## ## ## # ## # ## # ##
# # #### # # # #
# # #
##
# ## # # ## # # # #
# # # ### ### # # ## # # # ## ## # # ## # ## # # #
## ## ### ## # # # # # ## # ## # # # # # ## # # # # # ## ## # # ## # # # #
## ## # # ## ### # # # # ## # ## # # ### #### ## #### # # # ## # # # ## # ## # ## # # ### ## # # ## ## # ## ### # # #
# # ## ###
### ## # ## # # # # # ## # # ## # # # ### # ## #
##
## # ## # ## # # # #
# # # # # # # ## # # ## # # # # ### #
# # # # ## # ## ## ## ### ## ## # ##
# # ### # ## #####
## # # # # #
## #
# # # # # ## # # # # # # # # # # # ## # # ##
## ## #
# # # # ##
## # #
## ## # #
# # # ##
# # ## #### # ## # ### # # ## # # ## # ## # # ### ## # ## #
# ### #
#
##
#
# ## ###
## ## # # # # ## # # # # # # ## ## # ## #
## # # # # # # # # # # ##
# #
## ####### # #####
# # # # # # #
# # ## # # ## ## # #### ## #### # ##
# ## ## ## # #
# # ### ## #
### # # # ## #
## # ## # #
#
## # #
# ## # # # #
# ## # # # # # # ## ## # # # ## ##
##
# ## ## # #
# # #
# ## # # ### # #
# # ##
## # ## # ## #
## ## # # ## # # ### # ## ##
## # #### #### # # # ## ## # # ## ##
### # ## ## # # # # # # ## # # ## # # # # # # ## # ## ## ## # ## # ## # ## # # # ## #
# ## # ### # # ## ## # ## ### # # # # # ## # # ## ### ### # # # # ## ## # ## # # # # ### ##
# # # ## ## # # ## ## # # ## ## #
# # ## # # # # # ## # #
# # ## # ## # # # # ## # # ## ## ## ##
# #
# ## ## #
# ###
# #
# # # # # ## #
# ## # # # # # # # # # # # # # #
## # # # # ## # ### ### ## # # # ## ## ## # ## # ## # # ## # ##
# ## # #
#
# # ##
# # ##
# # # ## # # ## # ## # ### # ## # ### # ## # ## # #
# ### # # # # ## ## # # #
# ### # # # # # # # #
## ## ## # ## # # # # ## ## # # # # # # ####
## # # # # ## # ## # # ## ## # # # # # # ### # ## ## # # # # # # ## # # # ## ## ## #
# # ## ## ## #
# ##
## ## # ## # ## # ## # ### ## # # ## ### ## # # # ## #
# # ## # # ### # # ## # # ## # ## #
# ## # # # # #
# # # # #####
# # # ##
# # # # # ## ## ##
# # ## # ## ### # # ## ## ## # # ## # # # # ### # ## ## # # ### # #
# # # ## # # # #
# ##
# # # # # ## # ## #
# # # # ## #
# # ## ####
# #
## ### # # ## # ## ## # # # # # # ## ##
# ## #
##
# #
# # # # # # # # #
# # # # # # ## ## #
# # #
## #
## ## # # # # # ## # #
#
# ## ### # ##
# # # #### # # # # # # # ## # # # # # ## # # # # # # # # # # # #
# # # ## # # # # # # # # ## ## # ## # # ## # # # # ### ##
## ## # # # # ## ## ### # # ## ##### # # ## #
# ##
#
# # # # #
# # # ## #### # # # #
# # #
## # # # ##
#
# ##
# #
# #
#
#
## # # ### # ## # ## #
## # # ##### ### ## # # # # # # ## # # # # ## # # # ## # # # ## # #
# # ## # # # ## ## # # ## ## # # # # # # # # # ## ## ## ### # ## # # # # # # # # #
# ## # ##
# #
# # # # # # # ## # # # # # # # # # # # # # #
# # ## ## # # ### # ### # # # # ## # # # ## ## # # # ##
# ## ## # # # # ### ## ## # # ### # ## ###
# # # # # #
# ## ### # ## # ## # ## # # # #
# ## # ## # # ### ##
## # # ## #
# # # ##### ## ## ## # # ### #
#
# # ## ## # # # # #
## #
## ##
## # # ## # #
# # # ## # # ## #
# # # # # ### ## # # # # ## # # #
# # # # ## ##
# # ## ## ## ## # # ## # # # ##
# #
# ## ###
## # ## # #
# # ## # ## # # ## # # # # ## # # # ## # # # # # ## ## #
# ## # # ## # # #### ## # # # # ## # ## # #
##
# ## # # ##
##
# # # ## # ## # #
# #
#
# # # # ##
# ### ## # ### # # ## # ### # # ## # ## # # ###
#
## # # # ## # # # ## # # # # # ## # # ## ## ## ## ## ## # # ## # # # ## # # #
#
## ##
# # ## ## ## # ## #### ### # # # # ### # # # # # # # # # ## # ### # ## #
# # ##
# # ### ## # # # ## # ## ##
## # # # ## # # # # #
#
# # #
# ## #
#
# # #
# # # ## # # # ### # # # ## # # # # # ## #
# ## ## # # # # # ## ## ## # # # # #
# # ## ## # ## # ## # # ## # ## # # ## ##
##
# # #
# # # ## # # # #
## # ## # ## # # ## ## ## # ## # # # # # # # # # ## # # # # # # # # ##
# # # # ### # # ## # ## # # # # ##
# # # # # ## # # # ##
### ## # # ### #### # ### # #
##
## ## # ## ## ## # # #### # # ## # # ##
# ## # ## ## # # ## # ### #
#
# # # # # ### ## # # # # ### ### # ## # # ## # ## # # #
# # #
# ## ## ### #### # # ## ## # ## # # # ## # # # # ## ## ## ### # ## ## ## ## # # # ## # #
## # # # ## # # ##
## # # ###
# # ###
# # ## # ## # ## # # # ## #### ### # ## # # # ### # # # # ## # ##
### # # ### ## # # ###
# # ##
# # # ## ## ## ## # # ## # ## # ## # ## # ## #
# # # #
## #
### # ## # ## ## ### ## # # # ## # # # ## # # # ## # # # # # ##
#
# # ## ## # ### # ### ## # ## ## # # ## ## # # # ## # # # # ## ## # # # # ## # # ##
## ## # # # # # # ## #
## #
## ## #
# # ## # # ## # # ## # # # # ## # # # # #
# # # ## # # # ## # # # ## # # # # # ## # # # # #
###
# ## # # ##
# ### ##
### ## ## ## ## # # ### ## # # ## # #
#
#
# # #
#
## ## # ## # ## ## # # ## # # ## # ### ## # # ### # # # # # ## ###
#
## ## # # # ### ## # ## ### # # ### ## ## ## #
# # # # # ## ## # ### # # # # # # # # # # # ## # # # # #
# ## # # # ### # ## # # # ### ## # #
# # # # # ## # ## # # # ### # # ##### ## ### # # # # # ## ## #
# ### # ## # ## # # ## ## ## # ##
# # ## # ## # # ### # # # ## #
## #
# # # #### # # # #### ## ## # # ## # #
#
# # # ## #
# #
# ## # # ## ## # ## # # ##
# ## ## ## # # ## ## ## ### # ## ## ## ##
# #
# ## # #
## # ## ## # # # # # ## ## ## ## ## ## # # ## ##
### # ## # # ## ###
## # # # # #
# # # ## # ### # # # ## # ## ## # ## ## ##
## # # #
# ## # ## # #
# ## ## #
### ## ## # ## ##
## ### ### #
# # # ### # ### ## ### # # # ## ## # # ## # # #
# ## ## # # # ## # ## # # # # # # # ## # # # #
### # ## # # # ### ###
# # # #
# #
#
#
### # # # # # # ##
#
## ## #
# # # ##
##
# # # ## # # # ## ##
# #
#
# ## # # ## # # # # # ## ## ## # ## ## # # # #
# ## ## # # ## ## # ## # ### ## ## # ## # # # # # ## ### ## ## #
# ### # # # # ## ## # # # ### # # # ## # # #### ### # # # # # ## # # # ##
# ## # # ## # # # # ### # ### ## # # # # #
# # #
## # ## ### ## # # # ##
## # ## #
##
# #
## # ## # ## ## # ## # # # # ## # # ### ## # # # # ### ### ## # # #
# #### ##
#
##
# ## # # # # ## # ## ### # ## ## # # ## # # #
## # # ## # ### # # # # # ### # ### # ## ## ## ### # ##
## ## # # # # ###
# # #
# ## # #
# # ### #### # ##
# # ## # # #
# ### ## # ## ### # # ## # #
# # ## #
# # # # # # ##
## ## # # # ## # # ## # # # # ## # ## # # # #
# # # ## # ## ## # ### ## # #
# ## # # # # ## ## # ## # # # # # # ## # ## #
##
#### #
#### #
##
# # #
## ## ### # ## ### ## # # ## ###
# # ## # # #
## #
# # ## #
# # # ## ## #
## ## # # # # # ## # ## # # #
# # ##
#
##
# ##
# # # # ## ## # # # # # # ###
### #### ## ## # # # # ### # # # # # ## ##
#
# # ### ## # # ## ## # ## ## ### ### #
# # # # ## #
# ## # ## # ## #
### ## # ## ## ### ## # # # # ### # # ## # # #
## # ## #
### ## # # # # # # # ## # ## ### # # ## # # # ## ### # # # # # ## # # ##
# #### #### # # # # # # ## ## # ## # #
##
# ## #
# # # # ## ## ## # #
#
## #
# # # # # # # ##
## # ## ## # ##
### ### ## # ## ## ## ### # ## ## # # # #
## # ### ## # ## ### # # # ## ### ## #
##
## ## # ##
# ## # # ## # ##
# ### ### # # # ## ## ## #
### # # # # # #### # # ## ### ## # # #
# #
# ### # ## ## #
## # #
# ##
## #
## ##
### # ## # # # # ##
## #
# # ### # # # ## # # ### ## # ## # # ### ### ## ### ## #
## ######
# # ## ## # ### # ## #### # ## # # ##
#
# ## ### # ## # # ##
# ## ## # ###
## # #
## # # # ## # ## ### # # ## # # # # # ## # # # # # # # #
#
# # #
## # # # # # # # #
# # # # ## ## ## # ## # # ## # #
## ## ## ## ## ### ## # ## # # # # #
# # # ##
## # ##
## # # # ## ## ## # # ## # # # ### # # # #
# ## # # ## ##
# ## # # # ## #
## ## #
## # # # #
# ## # # # #### # # ## # ## # #
## # # ##
##
# #
# ## # # ### ##
### ## # # # # #
# # ## # # # ## # # # # #
# # ## # ### ## # # # ## #
#
#
# ## # ## # # ## #
# # # # # ### ## # # # ## # # # # # ##
## # ## # # # # # ## # # # # # ## # # ## # #
# # # ## #### ###
# ## #
# ## ### # ## # ## # # # ## ## #
##
# ## ## ## # # ## # ## # # # # ## ## # # # ##
## # ## #
#
#
### ## # # ## ## ### ##
#
#### # # # #
# # ## # # #
#
# # # ## ## # # #
# #
# ## # ## ## # ##
# ## ## # # ## ## ##
# ## # # # ##
# # ### ## ## # # # # # # ## # #
## # ### #
## # # # #
### # # ### # # # # # # # # # ## #
# ## # # ## ## # ## ## ## # ### ## # ## ## #
# # # ## # ## # ## # # ## #### # #
## # ## ## # # # #
##
# ## #
# # ### # #
# ### #
### # ## # # #
# # ##
### ## # # ## # # # # # # # # ## # # ### ###
## ##
# ## # # # ## # # # # # ## # ## # #
# # ## ## # # ## # # ### # ## #
### # #
# # # # # #
# ## # # # # # ## # # ## # # # ## # # # ## ##
#
# # #
#
# # #
## # # # ## ## ## # # ## ###
# #### # # # # # # # ## #
### ## #
# # ## # # # # #
# ## # # #
# # ### # # ## #
## # ## # # # ## # # # # # # # # ## # ## # # #
#
## # # # # ### # # # # # ## ## #
# # ## # # # # # ### #
### # # # ### # # #
## ## # ## # # # #
## # # # ## ##
# # ## #### # # # ## # ## ## # ## ### ##
# # # # # ##
#
# #
## ## ## # # ## #
# # # # # # # # ## # ## # #
# ## # #
# #
## # # # ## ## # # ## ## # # ##
# ## ## # ### # # # #
# # ## # # # # ## #
# # # ## # ### # ## ##
## ## ### # ## ### # # ## # # # ### ## # # # #
# ### # # # #### ## ### #
## #### # ## ## # # # #### # # # # # # #
## # # ## # # # #
##
# # ## # # # #
#
#
##
# # ##
#
# # #
#
# #
# # #
## ## # ## # # # # # ## #
## # # # ## # # ## ## ##
## # # ## # #
## ## # # ## #
# # ## # ## # #
# ##
# ## # ## # ## ## # #
## # # # # # ## # # # ## # # # # #
# # # ##
# # ## #### ## # ## #### # ###
#
## # # ## ## # # # #
## # # #
# # # # ##
# # ## ## # # ## # # # # ## # # # # ##
## # # # # #
# # # # ## #
#
# # #
####
# #
#
##
# #
# # #
# ### # ## # #
## ## # # ## ## #
# #
#
# # # # ## # ## # # ## # # # ##
##
## ## # ##
#
# ## ## #
# # ##
#
##
# ## ### # ## # # # #######
# # ## ## # ## # ## # #
#
# ## ### #
### # #
### #
# # ## # ## # # # # # #### ##
# # ### # # # ## # # ##
# #
# # ##
# # # # # # # # #
#
# ###
# # ## # # #
# # # # # ##
# ### # ## #
# # ## # # # #
# #### # # ## #
# # # # #
##
#
## # # # #
## # #
# ## # # #
## ## ## # ## # # #
### # # ## ## #
# ## ## ## ## ## ## ##
# # ### # # ##
# # # ## #
# # ### ### # # ## # ##
# # ## ## # # # #
# # # # ## ## # # ### ## #
## # ## #
#### ## # ### ##
##
## # # ## # #
## ###
##
## ## # # # # # # ## ##
# # ## # # ## ##
## ### ##
##
## ##
# # # # #
#
# # # ## # # #
# ## # # ## # ##
# ### # #
#
# ##
### ##
#
###
# ## # ## # # # # # ## #
# # # ## # # # # # ## ##
# # ## # #### # #
#
# ## # ## # # # # ## # # # ## #
# # # ## ### ##
#
# # # ## # # ## #
# # # # # # ## #
# # ##
## # #
# # # # # # # # ## # # #
Fig. 42: Isla Chira, área entre curvas de nivel (cada 20m).
jfallas@racsa.co.cr
Modelos Digitales de Elevación 62
Intercon de IDRISI
El módulo intercon es el interpolador que provee IDRISI versión 2.0 para crear modelos digitales
de elevación (MDE). El algoritmo original creado por David Douglas de la Universidad de Ottawa,
Canadá (Eastman, 1992). El usuario debe proveer al programa la siguiente información:
T Un archivo de curvas de nivel en formato raster. Normalmente dicho archivo es creado con
el comando lineras a partir de curvas de nivel en formato vectorial. Para asegurar la calidad
de la interpolación en el área de estudio, asegúrese de que las curvas excedan ligeramente los
bordes de la misma. El valor de fondo del archivo debe ser diferente a los valores de las
curvas de nivel (Ej. Se puede asignar -1). Las curvas fueron rasterizadas utilizando celdas con
una resolución de 10m.
T La elevación de las cuatro esquinas del área de trabajo. Estos valores pueden estimarse del
mapa fuente.
< Primero construye un perfil a lo largo de los cuatro bordes que definen el área de estudio.
Observe que intercon asume que su área de trabajo es rectangular o cuadrangular. Los valores
de elevación que usted suministra para las cuatro esquinas así como todas aquellas curvas de
nivel que crucen el borde del área de estudio son utilizadas para crear este primer perfil.
< En el segundo paso construye una serie de perfiles horizontales (en el sentido de las hileras o sea
E-O) utilizando los valores de las curvas de nivel y los perfiles previamente creados (bordes).
Para cada celda de valor desconocido se interpola un valor de altura y se registra su pendiente.
< El tercer paso consiste en crear perfiles similares a los anteriores pero en sentido vertical (o sea
N-S).
jfallas@racsa.co.cr
Modelos Digitales de Elevación 63
< En el sexto y último paso selecciona la elevación del pixel basado en el perfil de máxima
pendiente.
3D Analista
Esta es una de las extensiones comerciales de ESRI. El programa provee una opción de menú
que permite crear un MDE utilizando una red de triángulos irregulares (TIN); una vez creado este
archivo es posible derivar mapas de pendiente y aspecto en forma directa o a partir de un archivo
en formato raster creado a partir del TIN (ESRI, 1997).
EL programa 3D Analista permite utilizar los siguientes datos como insumos:
< Archivo de puntos o líneas con valores de elevación (o cualquier otro atributo válido). Este es
un archivo en formato Shape (Ej. Elev.shp).
< Archivo con elementos lineales que muestran un cambio abrupto en el terreno y que se desea
preservar en el modelo final. (Ej. Curso de agua, riscos, fallas geológicas, etc.). Este archivo
puede o no contener valores de elevación.
< Polígono de reemplazo (replace). Polígono (s) que representan áreas para las cuales las alturas
serán reemplazadas por la altura del polígono. Este polígono debe contener un valor de altura.
< Polígono de borrado (erase): Archivo con polígono(s) que indica(n) el área que debe excluirse
en el proceso de interpolación. Por ejemplo, área cubierta de nubes para la cual no existen
valores de elevación. Este polígono puede o no tener valores de elevación.
< Polígono de recorte (clip): Archivo de polígonos que indica el área de interés sobre la cual debe
hacerse la interpolación. Por ejemplo, en el presente trabajo el borde de la isla Chira se utilizó
para este fin. Este polígono puede o no tener valores de elevación.
< Polígono de relleno (fill): Archivo con uno o más polígonos los cuales pasarán sus códigos (valor
entero) a todos aquellos triángulos contenidos por ellos (Triángulos contenidos por polígonos).
El valor de elevación de los triángulos no es afectado.
Tanto las líneas como los polígonos pueden definirse como rígidos o flexibles. La primer
categoría corresponde a elementos que indican un cambio brusco en pendiente (Ej. Carreteras, ríos,
línea de costa y borde de un lago); en tanto que la segunda indica elementos con cambios graduales
(Ej. Cima de las montañas). Una vez creado el archivo TIN, este puede editarse o convertirse a un
jfallas@racsa.co.cr
Modelos Digitales de Elevación 64
archivo raster de ArcInfo (formato GRID™). También es posible crear un TIN a partir de una
cuadrícula con valores de elevación.
Kriging
La extensión "Kriging Interpolator 3.2_3D" escrita por Marco Boeinga (Amsterdam Water
Supply, The Netherlands\n'poect8@gw.amsterdam.n) permite crear un MDE utilizando el método
de interpolación Kriging. Para mayor detalle sobre el método de interpolación Kriging ver pag.66.
Analista Espacial
La extensión Analista Espacial para ArcView GIS puede crear un MDE a partir de puntos con
elevaciones conocidas (X,Y,Z). EL usuario debe crear un tema de puntos a partir de una tabla en
formato Dbase o ASCII. También es posible convertir curvas de nivel a puntos utilizando el
programa en Avenue MakeElevation Pts (Dow, 1999). La versión 1.1 de Analista Espacial ofrece
los siguientes métodos de interpolación:
Método de búsqueda:
jfallas@racsa.co.cr
Modelos Digitales de Elevación 65
Dada una celda, utiliza todos los puntos de muestreo que se encuentren en el radio definido
por el usuario (a). El radio tiene las mismas unidades de distancia que la vista y en caso de
no existir, utilizará las unidades del mapa.
< Exponente
Este es valor del exponente que se aplicará a la distancia en el calculo de los valores de Z ' (ver
ecuaciones 1 y 2). Cuanto mayor sea el valor del exponente menor será la influencia ejercida por
los puntos más distantes en la estimación de Z '.
< Barreras
Esta opción le permite al usuario un mayor grado de control sobre los puntos que desea utilizar
en el proceso de interpolación. Por ejemplo, usted puede utilizar una línea para indicar la presencia
de una discontinuidad en el paisaje. Esto hará que el programa no utilice los puntos que se
encuentran al otro lado de la línea en el proceso de interpolación; aun cuando los mismos se
encuentren en el área de búsqueda especificado por el usuario(a). El utilizar barreras aumenta
considerablemente el tiempo de proceso del programa.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 66
< Ponderación:
Este valor controla el grado de suavizado de la superficie a crear. Cuando se utiliza el método
“regularizado”, al incrementar el valor del peso la superficie creada lucirá mas suavizada. Cuando
se utiliza el método de “tension”, al incrementar el valor del peso la superficie creada lucirá menos
suavizada y eventualmente se comportará como un interpolador exacto.
< Tipo:
Regularized: Crea una superficie más suavizada, el interpolador tiende a comportarse como no
exacto.
Tension: Crea una superficie menos suavizada que tiende a mantener el valor de los puntos de
insumo.
Kriging
El método de interpolación Kriging no forma parte de la interfase gráfica de Analista Espacial.
En el presente trabajo se utilizó la extensión “Kriging Interpolator 3.2 SA” creada por Marco
Boeringa (boeringa@nieuwland.nl) para el departamento de Hidrología de la Autoridad de
Suministro de Agua de Amsterdam, Holanda. La extensión implementa los siguientes tipos de
Kriging:
T Kriging Ordinario
Variogramas: esférico, circular, exponencial, Gausiano y Lineal con meseta. El semi
variograma es ajustado a la varianza de cada una de las muestra de puntos (mínimo de 3 puntos)
utilizando el método de Levenberg-Marquardt (Press et al., 1986) basado en una aproximación no
lineal de mínimos cuadrados.
T Kriging Universal
< Con tendencia lineal (Universal 1)
< Con tendencia cuadrática (UNIVERSAL2)
Radio fijo: El programa utiliza la distancia indicada por el usuario como el radio de búsqueda
siempre y cuando dicho radio contenga el número de puntos de muestreo indicados por el usurario.
En caso de no encontrar el número de puntos requeridos, el programa aumenta automáticamente
la distancia del radio de búsqueda.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 67
Radio variable: En este caso el usuario debe definir tanto el número de puntos de muestreo que
desea como la distancia máxima de búsqueda. Basados en estos criterios, el programa selecciona
para cada pixel a interpolar los puntos de muestreo mas cercanos hasta completar el número
deseado, siempre y cuando dichos puntos no sobrepasen la distancia máxima de búsqueda. En este
caso el criterio restrictivo es la distancia de búsqueda y por lo tanto el programa solo utilizará los
puntos que se encuentren en la distancia máxima de búsqueda aún cuando no se cumpla con el
tamaño de muestra solicitado por el usuario(a).
Al definir su tamaño de muestra recuerde que se requiere de un mínimo de 3 puntos para poder
estimar el semi variograma y crear una superficie. La investigación realizada en este campo indica
que 12 es un tamaño apropiado. En caso de que el programa no pueda estimar el semi variograma,
aumente el radio de búsqueda y/o reduzca el tamaño de la muestra y trate nuevamente.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 68
n = número de registros / Intervalo del resago para el semi variograma actual en la tabla y en los
gráficos del semi variograma.
El número de parámetros fue definido como 3; ya que todos los semi variogramas creados por
ArcView tienen tres parámetros.
Cuadrícula de variación
Este es un tema temporal en formato GRID™ que muestra la semi-varianza estimada para cada
celda de la superficie creada.
Kriging Universal
El Kriging Universal se utiliza cuando los valores de Z exhiben una tendencia local. Un semi
variograma que inicia con una curva en forma de parábola cóncava ascendente indica la presencia
de una tendencia local de tipo lineal en los datos.
El Kriging Universal 1 utiliza una ecuación lineal para aproximar la tendencia en los datos, en
tanto que el Kriging 2 utiliza un polinomio de segundo orden. Sin embargo, ambos métodos
utilizan el método de interpolación lineal para modelar la semi-varianza remanente debido a que
la mayoría de los semivariogramas tienden a ser lineales en su origen.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 69
una distancia para la cual crea que los datos están correlacionados. Cuando seleccione un radio
variable utilice entre 12 y 15 puntos de muestreo.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 70
Kriging
La versión 7 de Surfer incluye dos métodos de interpolación: Kriging puntual y Kriging de
bloque. En el primer método se utilizan todos los puntos de muestreo para estimar el valor de cada
uno de los nodos en la nueva cuadrícula. En tanto que en el segundo método, la estimación de cada
nodo corresponde al promedio de un bloque rectangular centrado en el nodo. El usuario(a) debe
definir un radio de búsqueda y el número de puntos a utilizar en el proceso de interpolación; sin
embargo el método por omisión es utilizar todos los puntos de muestreo. Este método de
interpolación acepta barreras o fallas y líneas de inflexión (breaklines). Al igual que en ArcView,
las barreras utilizan memoria extra y el proceso de interpolación requiere de mayor tiempo. El
tiempo requerido para crear el archivo raster es proporcional al cuadrado del número de segmentos
en la barrera. Cuando existen matrices singulares el uso de barreras hace que el proceso de
interpolación no pueda completarse. El proceso de interpolación puede implementarse utilizando
Kriging ordinario (sin tendencia) y Kriging Universal (tendencia lineal ó cuadrática).
Fig.44 : En el Kriging puntual el valor del nodo central es estimado utilizando todos los puntos en
el radio de búsqueda; en tanto que en el Kriging de bloque el valor es estimado utilizando el
promedio de los puntos de muestreo.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 71
Curvatura mínima
El interpolador de curvatura mínima es muy
utilizado en diferentes disciplinas de las ciencias
de la Tierra. El usuario(a) puede controlar el nivel
de curvatura entre puntos de muestreo utilizando el
parámetro de tensión interna y la velocidad de
convergencia mediante el factor de relajación (el
valor por omisión es 1). Este método de
interpolación acepta barreras o fallas y líneas de
inflexión (breaklines). Al igual que en ArcView,
las barreras utilizan memoria extra y el proceso de
interpolación requiere de mayor tiempo. El tiempo
requerido para crear el archivo raster es
proporcional al cuadrado del número de segmentos en la barrera. El uso de barreras hace que el
proceso de interpolación no pueda completarse cuando no se puede lograr la convergencia
establecida por el usuario(a).
Vecino natural
Este método de interpolación está basado en el
concepto de los polígonos de Thiessen (gemelo de los
triángulos de Delaunay). El interpolador utiliza un
promedio ponderado de las observaciones vecinas, en
donde la ponderación es proporcional al área obtenida
al crear un nuevo polígono de Thiessen como resultado
de incluir un nuevo punto en el set de datos.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 72
Funciones radiales
Este es un conjunto de funciones que permiten
interpolar valores a partir de un set de puntos de
muestreo; todos los métodos se compartan como
interpoladores exactos. El método basado en una
ecuación multi cuadrática es considerado como el
mejor interpolador. El método de interpolación acepta
barreras o fallas y líneas de inflexión (breaklines). Al
igual que en ArcView, las barreras utilizan memoria
extra y el proceso de interpolación requiere de mayor
tiempo. El tiempo requerido para crear el archivo raster
es proporcional al cuadrado del número de segmentos
en la barrera. Cuando existen matrices singulares el uso
de barreras hace que el proceso de interpolación no
pueda completarse.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 73
Regresión polinomial
Este no es realmente un método de interpolación ya
que no está diseñado para estimar valores en áreas sin
datos. El método se utiliza para definir el patrón general
de variación espacial del set de datos.
Error (has) = área derivada del mapa (has) - área derivada del MDE (has) (22)
Error Relativo ( %) = ((área del mapa - área derivada del MDE) / área del mapa ) * 100 (23)
jfallas@racsa.co.cr
Modelos Digitales de Elevación 74
jfallas@racsa.co.cr
Modelos Digitales de Elevación 75
Para cada uno de los círculos se determinó la pendiente utilizando el método de conteo de
curvas de nivel como se muestra a continuación:
< Primero se contó el número de curvas únicas que atraviesa cada círculo
220
200
240
180 200
160
120 140 160 220
180
80 100
jfallas@racsa.co.cr
Modelos Digitales de Elevación 76
< Luego se utilizó la siguiente relación entre número de curvas y cambio en elevación para
determinar la pendiente en porcentaje:
Simbología
Pendiente %
0- 5
6 - 10
11 - 15
16 - 20
21 - 25
26 - 35
35 - 45
46 - 55
56 - 75
> 76
Ni car agua
Ma r Car i be
50 0 50 Ki lomet ers
jfallas@racsa.co.cr
Modelos Digitales de Elevación 77
Una vez determinada la pendiente para cada una de los círculos se comparó con la pendiente
media estimada utilizando los MDE con y sin filtrar creados en el paso 9. Los resultados se
resumieron en una tabla de 8 categorías de pendiente.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 78
Análisis de escorrentía X
superficial
Exportación de vistas en X
VRWL
jfallas@racsa.co.cr
Modelos Digitales de Elevación 79
REFERENCIAS
Able Software Company.1998. R2V for Windows (Raster to Vector). Release 3.2.15. USA.
Ackerman, F. 1978. Experimental investigation into the accuracy of contouring through DTM.
Proceedings of Digital Terrain Modelling Symposium, St. Louis, Missuri, USA. pp.165-192.
Ayeni, O.O. 1982. Optimum sampling for digital terrain models: a trend towards automation.
Photogrammetric Engineering and Remote Sensing. 48(11):1687-1694.
Boeringa Marco. Kriging Interpolator 3.2 3D. Nieuwland Automatisering. P.O.Box 522 6700 AM
Wageningen The Netherlands. Tel: 31- (0)317-421711 Fax: 31-(0)317-425046. www.nieuwland.nl
boeringa@nieuwland.nl
Burges, T. M. and Webster, R.1980. Optimal intepolation and isarithmic mapping. I. The
semivariogram and punctual kriging. J. Soil Science. 31:315-332.
Burges, T. M. and Webster, R.1980. Optimal intepolation and isarithmic mapping. II. Block
kriging. J. Soil Science. 31:333-342.
Burrough, P.A. 1986. Principles of Geographical Information Systems for land resources
assessment. Monographs on Soil and Resources Survey. No.12. Oxford University Press. 193p.
Canters, Frank. 1994. Simulating error in triangulated irregular network models. EGIS Foundation.
Pp.169-178. Centre for Cartography and Geographical Information Systems Department of
Geography - Vrije Universiteit Brussel Pleinlaan 2 - B-1050 Brussel e-mail:
fcanters@vnet3.vub.ac.be
Carrara, A; Bitelli, G. y Carla R. 1997. Comparison of techniques for generating digital terrain
models for contour lines. Int. J. Geographical Information Science. Vol.11(5): 451-473.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 80
Carvacho Bart, Luis y Marcela Sánchez Martínez. 1997. Modelos digitales del terreno:
comparación entre el modelo TIN y el INTERCON.Trabajo del Curso de Doctorado sobre Modelos
Digitales del Terreno (Departamento de Geografía, Universidad de Alcalá de Henares, España.
Cressie, N.A.C. 1993. Statistics for spatial data. Revised Edition. Wiley Series in probability and
Mathematical Statistics. New York, USA. 900p.
DeLaune, Mike. 1999. Xtools. Oregon State University, Department of Forest. USA.
(www.esri.com/arcripts). http://www.odf.state.or.us/gis/tools.html
Eastman, J.R. 1992. IDRISI. Version 4.0. User's Guide. The Clark Labs.Clark University. USA.
Pp.87-88.
Eastman, J.R. 1997. IDRISI for Windows Version 2. User's Guide. Clark Labs for Cartographic
Technology and Geographic Analysis.Clark University. USA.
Ebnier, H. and Reiss, P. 1984. Experience with height interpolation by finite elements.
Photogrammetric Engineering and Remote Sensing 50(2):177-182.
ESRI. 1999. Using ArcView. Arc View GIS, Versión 3.2. USA.
ESRI. 1998. Using ArcView Spatial Analyst. Arc View Spatial Analyst, version 1.1. USA.
ESRI. 1997. Using ArcView 3D Analyst. Arc View 3D Analyst, versión 1.0a. USA.118p.
Giltrap, D. J. 1983. Computer production of soil mas. I. Production of grid maps by interpolation.
Geoderma 29:295-311.
Golden Softwre.1999. Sufer 7. User's Guide.Contouring and 3D Surface Mapping for Scientist and
Engineers. Golden Software, Inc.Colorado, USA.619p. www.goldensoftware.com
Grassie, D.N.D. 1982. Contouring by computer: some observations. British Cartographic Society
Special Publication 2:93-116.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 81
Haggett, P. ; Cliff, A.D. and Frey, A. 1977. Locational methods. Second Edition. Edward Arnold.
London, U.K. Volume II. pp:260-605.
Intergraph Corporation. 1994. MGE Terrain Analyst. User's Guide for Windows NT Operating
System.Hunstville, Alabama, USA.
Ley, R. G. 1986. Accuracy assessment of digital terrain models. Autocarto London 1:455-464.
Lowthian, B. 1986. The accuracy of DTM derived from O.S. 1:50000 scale mapping. Unpublished
diploma project. University of Glasgow, Dept. of Geography and Topographic Science.
Maling, D.H. 1989. Measurements from maps. Principles and methods of cartometry. Pergamon
Press. Oxford. Pp.153-177.
Mark. D.M.1997. The history of geographic information systems: invention and re-invention of
triangulated irregular networks (tins) Proceedings, GIS/LIS'97. NCGIA, Department of Geography
University at Buffalo Buffalo, NY 14261-0023. http://www.geog.buffalo.edu/~dmark/
Maune, Chris J. 1994. Introduction to digital elevation models (DEM). Proceedings: Mapping and
Remote Sensing Tools for the 21st Century. Conference and Exposition. August 26-29, 1994.
Washington, D.C. USA. American Society for Photogrammety and Remote Sensing. Pp.128-133.
McCullagh, M.J. 1990. Digital terrain modelling and visualization. In. Petri, G. and Kennie, T.J.M
(Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 128-151.
Miller, C. and La Flamme. R. A. 1958. The digital terrain model-theory and applications.
Photogrammetric Engineering 24(3):433-442.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 82
Minnesota Department of Natural Resources. 1998. Arc View 3.0 Extensions. Arc View Tools
Extension. www.dnr.state.mn.us/gis/tools/arcview/extensions/
Oliver, M.A. 1990. Kriging: a method of interpolations for geographical information systems. Int.
J. Geographical Information Systems. Vol. 4(3): 313-332.
Petri, G. and Kennie, T.J.M (Ed). 1990. Introduction to terrain modelling-application fields and
terminology. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil
engineering. Whittles Publishing. pp. 1-3.
Petrie, G. 1990. Modelling, interpolation and contouring procedures. In. Petri, G. and Kennie,
T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp.
113-127.
Raper, J. F. y Kelk, B. 1991. Three-dimensional GIS. In Maguire, D.J.; Goodchild, M.F. y Rhind,
D.W. (Eds.). Geographical Information Systems. Longman, Scientific & Technical. Vol. 1. Pp.299-
317.
Shearer, J.W. 1990. The accuracy of digital terrain models. In. Petri, G. and Kennie, T.J.M (Ed.)
1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 315-336.
StatMost Corporation. 1995. StatMost statistical Analysis and Graphics. User's Guide. USA.
Pp.269-271. USA.
Thoen, Bill. 1997. Explore the third dimension. A comparative review of contouring products for
window 95. GIS World Vol. 9 (12): 51-62.
University of South Carolina. USC-CLA. Grid Utilities. College of Liberal Arts. Computing Lab.
Veregin, 1997.
Webster, R. and Burges, T. M. 1980. Optimal intepolation and isarithmic mapping. III. Changind
drift and universal kriging. J. Soil Science. 31:505-524.
jfallas@racsa.co.cr
Modelos Digitales de Elevación 83
Weibel, R y Heller, M. 1991. Digital terrain modelling. In Maguire, D.J.; Goodchild, M.F. y Rhind,
D.W. (Eds.). Geographical Information Systems. Longman, Scientific & Technical. Vol.1. Pp.269-
297.
jfallas@racsa.co.cr