MÓDULO III: SISTEMAS DE INFORMACIÓN...

Master Universitario en Ordenación y Gestión del Desarrollo Territorial y Local.

Módulo III: SIG aplicados al Desarrollo Territorial y Local.

Asignatura 2º: SIG aplicados al Desarrollo Local

Joaquín Márquez Pérez. Departamento de Geografía Física y AGR. Universidad de Sevilla. Octubre 2014

MÁSTER UNIVERSITARIO EN ORDENACIÓN Y GESTIÓN DEL DESARROLLO

TERRITORIAL Y LOCAL

MÓDULO III: SISTEMAS DE INFORMACIÓN GEOGRÁFICA

APLICADOS AL DESARROLLO TERRITORIAL Y LOCAL

ASIGNATURA: SIG APLICADO AL DESARROLLO LOCAL

Profesor: Joaquín Márquez Pérez

Calendario: 18, 19, 20, 24 y 25 de Noviembre (de 16:30 a 19:30). Aula XVIII



Curso 2º: SIG aplicados al Desarrollo Local

Joaquín Márquez Pérez. Departamento de Geografía Física y AGR. Universidad de Sevilla. Noviembre 2014 2

INDICE:

1- INTRODUCCIÓN: ......................................................................................................................................... 3

1.1- INTRODUCCIÓN .................................................................................................................................... 3 1.2- LOS DATOS ............................................................................................................................................. 3 1.2- LA ELECCIÓN ENTRE VECTOR Y RÁSTER ...................................................................................... 4

2- ANÁLISIS VECTORIAL BÁSICO .............................................................................................................. 7

2.1- INTRODUCCIÓN .................................................................................................................................... 7 2.2- SELECCIÓN DE ELEMENTOS POR PROXIMIDAD........................................................................... 7

2.2.1- SELECCIÓN DE ELEMENTOS DE UN TEMA MEDIANTE UN GRÁFICO. ................................. 7 2.2.2- SELECCIÓN DE ELEMENTOS DE UN TEMA MEDIANTE OTRO TEMA .................................... 8 2.2.3- UNIÓN DE ATRIBUTOS DE LOS ELEMENTOS DE UN TEMA A LOS DE OTRO TEMA. ........... 9

2.3- SELECCIÓN DE ELEMENTOS POR INCLUSIÓN............................................................................. 11 2.3.1- SELECCIÓN DE LOS ELEMENTOS DE UN TEMA INCLUIDOS EN OTRO TEMA. .................. 11 2.3.2- UNIÓN DE LOS ATRIBUTOS DE UN TEMA POLIGONAL A UN TEMA PUNTUAL. ................ 12

2.4- SELECCIÓN DE ELEMENTOS POR INTERSECCIÓN ..................................................................... 13 2.5- PRÁCTICAS DE ANÁLISIS ESPACIAL VECTORIAL BÁSICO ...................................................... 14

3- ANÁLISIS VECTORIAL AVANZADO .................................................................................................... 15

3.1- INTRODUCCIÓN .................................................................................................................................. 15 3.2- OPERACIONES DE SUPERPOSICIÓN (OVERLAY) ........................................................................ 16

3.2.1-CLIP ................................................................................................................................................. 17 3.2.2- INTERSECT .................................................................................................................................... 17 3.2.3- UNION ............................................................................................................................................ 18 3.2.4- SPLIT .............................................................................................................................................. 19 3.2.5- MERGE ........................................................................................................................................... 20 3.2.6- DISSOLVE ...................................................................................................................................... 21

3.3- CREACIÓN DE BUFFERS.................................................................................................................... 22 3.4- PRÁCTICAS DE ANÁLISIS ESPACIAL VECTORIAL AVANZADO .............................................. 24

4- ANÁLISIS RASTER BÁSICO .................................................................................................................... 26

4.1- INTRODUCCIÓN AL MODELO DE DATOS RASTER ...................................................................... 26 4.2- EJEMPLOS DE OPERACIONES ANALÍTICAS RASTER .................................................................. 27

4.2.1- LA CARACTERIZACIÓN DE ELEMENTOS VECTORIALES A PARTIR DE UN RASTER .......... 27 4.2.2- LA CREACIÓN DE MAPAS DE PENDIENTES Y SOMBRAS ....................................................... 28 4.2.3- EL CÁLCULO DE LA DISTANCIA EUCLIDEA ............................................................................ 30 4.2.4- EL CÁLCULO DE LA DENSIDAD ................................................................................................. 31 4.2.5- LA INTERPOLACIÓN ESPACIAL: THIESSEN E IDW .................................................................. 32 4.2.6- EL CÁLCULO DE LA VISIBILIDAD .............................................................................................. 34 4.2.7- LA RECLASIFICACIÓN: ................................................................................................................ 38 4.2.8- ALGEBRA DE MAPAS.................................................................................................................... 39

4.3- PRÁCTICAS DE ANÁLISIS ESPACIAL RASTER BÁSICO ............................................................... 40

5- BIBLIOGRAFIA .......................................................................................................................................... 42





1- INTRODUCCIÓN:

1.1- INTRODUCCIÓN

En este apartado del módulo III, dedicado al tratamiento de datos, se facilita una

introducción a las posibilidades analíticas de los SIG.

Dada las características de esta materia, donde la multiplicidad de fuentes de datos directa o

indirectamente relacionadas con el desarrollo local (bases de datos georreferenciadas, imágenes,

modelos digitales del terreno, fotografías...) se une a la complejidad del manejo del sistema de

información y, especialmente, al escaso tiempo disponible, el objetivo de la asignatura se limita a:

Dar a conocer distintas modos de consulta de datos y generación de información mediante

análisis espacial, a partir de los datos originales.

Ofrecer la posibilidad de realizar algunas prácticas que permitan iniciarse en la

manipulación del sistema.

El software a emplear es ArcGis 10, programa creado por la compañía ESRI, y estará

completado por las extensiones Spatial Analyst y 3D Analyst.

Los datos a utilizar son tanto de tipo vectorial como ráster, aportan información sobre la

provincia de Cádiz, y se encuentran en el archivo DATOS_DESARROLLO_LOCAL.RAR, en la

consigna de la US. En el siguiente epígrafe se describen sus principales características.

1.2- LOS DATOS

1.2.1- DATOS_DESARROLLO_LOCAL/INPUT/VECTOR:

Aeropuertos.shp: aeropuertos de la provincia

Caja_cadiz.shp: delimitación rectangular de la zona de estudio

Caminos.shp: red de caminos de la provincia

Carreter.shp: red de carreteras de la provincia

Edif_rural.shp: edificios rurales de la provincia

Embalses.shp: embalses y pantanos de la provincia

Equipamiento.shp: equipamientos y servicios

Esp_nat_prot_reg.shp: espacios naturales protegidos, incluidos en la provincia

Faros.shp: localización de los faros

Golf.shp: Campos de Golf

Linea_costa.shp: línea de costa

Muni_cadiz.shp: municipios de la provincia

Muni_todo_cadiz: municipios de la provincia con amplía información asociada

Núcleos_pol.shp: núcleos de población, representados de forma poligonal

Núcleos_pun.shp: núcleos de población, representados de forma puntual

Núcleos_pun_pob.shp: principales núcleos de población, con información poblacional

asociada (1999)

Patrim_cult.shp: patrimonio Cultural

Provi_cadiz: provincia de Cádiz

Puertos.shp: puertos de la provincia

Ríos.shp: red fluvial de la provincia

Tren.shp: vías ferreas de la provincia





Vias_comu: capa que integra carreteras y caminos

Estaciones_Metereologicas_cadiz: EM de la provincia de Cádiz

Tempe_Cadiz: temperaturas de la provincia de Cádiz

Usos56_cadiz: usos del terreno en 1956



1.2.2- DATOS_DESARROLLO_LOCAL/INPUT/RÁSTER:

Mde_100_cadi: modelo digital de elevaciones, con resolución espacial de 100 metros

Todos los datos tienen como sistema de referencia de coordenadas

ED_UTM_1950_ZONE_30.

Antes de empezar con las operaciones, localice y baje los datos de la consigna de la US1, y

tras descomprimirlos grábelos en la raíz del disco duro (C:) del ordenador (ni en dispositivos

externos, ni en el escritorio). Además, sería conveniente generar una carpeta (denomínela

OUTPUT) para introducir en ella todos los datos que vaya generando, y así no mezclará los datos

originales con los derivados.

Asegúrese que los nombres de carpetas y archivos no contienen espacios, acentos, o

símbolos extraños (¿ / %...).

1.2- LA ELECCIÓN ENTRE VECTOR Y RÁSTER

Existen dos modelos de datos fundamentales dentro de los SIG’s, el modelo vectorial y el

modelo ráster. Cada uno de ellos presenta ventajas y desventajas, de ahí que ninguno se haya

impuesto sobre el otro y convivan los dos desde el inicio de este tipo de sistemas.

En una primera etapa, los SIG’s se desarrollaron para trabajar casi exclusivamente en uno de

estos modelos de datos, si acaso con herramientas para importar datos del otro modelo, y la

diferencia entre SIG’s ráster y vectoriales era muy marcada, lo que suponía realizar una elección

sobre el modelo de datos desde el principio, con todas sus consecuencias. En la actualidad, ya que

cada modelo de datos es especialmente adecuado para determinados tipos de variables y análisis, se

tiende a incluir en los SIG´s herramientas que permitan el tratamiento de los dos modelos de datos.

1 https://consigna.us.es/303556 (joaquin)

https://consigna.us.es/303556





A) Características básicas del modelo de datos vectorial:

El modelo de datos vectorial se basa en la asociación de dos elementos básicos: un elemento

gráfico y una tabla de atributos; los elementos gráficos indican la posición del elemento en un

espacio definido por coordenadas, y pueden ser de tres tipos: puntos, líneas y polígonos; la tabla de

atributos contiene información alfanumérica acerca de las características de cada uno de los

elementos gráficos anteriores, y a cada uno se le asocia la información de un registro de la tabla,

caracterizado por distintos campos o atributos.

Su precisión posicional, junto a la posibilidad de definir cada elemento mediante una gran

variedad de atributos, da al modelo de datos vectorial una gran potencia; por el contrario, las

operaciones de superposición, al estar basadas en la geometría de los objetos, son bastante costosas;

hay que añadir, además, la dificultad de representar variables cuya distribución es continua en el

espacio.

B) Características básicas del modelo de datos raster.

En el modelo de datos raster, el área de estudio es dividida mediante una retícula en una

serie de celdas en las que se almacena el valor que toma el atributo que se esté analizando en esa

localización (por ejemplo uso del suelo, pendiente, temperatura…). Frente al modelo vectorial, en el

ráster no se almacenan los límites de los objetos espaciales, sino su valor, quedando los límites

implícitamente representados por el perímetro de las celdillas que los contienen.

Este modelo supone asumir que hay que caracterizar cada una de las celdillas,

independientemente de si poseen información o no, a la vez que impide que exista más de un valor

por cada una. Es un modelo de datos especialmente adecuado para la representación y tratamiento

de variables de distribución continua en el espacio, pero no es muy útil cuando esta información se

distribuye de forma discreta, o bien tiene asociado más de un atributo.

Ilustración 1: Representación Vector y Raster de un mapa analógico

C) La elección entre el modelo de datos vectorial y el raster:

La elección de un modelo de datos u otro depende básicamente de dos circunstancias: el tipo

de información a almacenar, y el tratamiento que se le vaya a dar a esa información.

- Si la información tiene una clara delimitación espacial, el vectorial es más adecuado que el

raster debido a su precisión posicional (por ejemplo, para la representación de vías de





comunicación). Si, por el contrario, los límites entre dos entidades distintas no están claramente

diferenciados, es más adecuado el modelo raster (por ejemplo, pendientes).

- El tratamiento que se va a dar a la información también importa, pues existen operaciones

que solo pueden llevarse a cabo sobre uno de los dos modelos de datos; por ejemplo, si el objetivo

es la realización de análisis de redes, se requiere que la información sea vectorial; si, por el

contrario, se desea la espacialización de variables (por ejemplo, la generación de un mapa de

densidades), el modelo de datos debería ser raster.

En cualquier caso, siempre es posible pasar de un modelo de datos al otro, aunque cada

transformación supone una disminución en la calidad de los datos originales.





2- ANÁLISIS VECTORIAL BÁSICO

2.1- INTRODUCCIÓN

En este apartado vamos a centrarnos únicamente en aquellas que no requieren la

modificación de la geometría de los elementos implicados. En este sentido, las funciones de

análisis espacial vectorial que ArcGis 10 ofrece son esencialmente tres:

Proximidad

Inclusión

Intersección

Dentro de cada una de las tres posibilidades anteriores, los elementos pueden ser:

Seleccionados espacialmente

Caracterizados por otros elementos, mediante una unión espacial

Por último, pueden ser relacionados Gráficos y Temas, que pueden poseer uno de estos tipos

de topología:

Puntos

Líneas

Polígonos

A continuación van a ser realizados una serie de ejercicios, para lo que se requiere lo

siguiente:

1- Abra el programa ArcMap.

2- Cargue las extensiones Spatial Analyst y 3D Analyst (CUSTOMIZE/

EXTENSION)

3- Cargue en la tabla de contenidos (TOC) todos los datos correspondientes a las

carpetas VECTOR y RÁSTER.

4- Visualice adecuadamente los datos (dándoles, al menos, distinto color para poder

diferenciarlos), y examine sus características abriendo la tabla de atributos y comprobando

su contenido: número de elementos, nombres de los atributos y posibles valores…

2.2- SELECCIÓN DE ELEMENTOS POR PROXIMIDAD

Este tipo de análisis permite localizar los elementos de una capa que están situados a menos

de una distancia específica de los elementos de otra capa. Si esta distancia es nula, los elementos

contiguos (que comparten límites) serán los seleccionados.

2.2.1- SELECCIÓN DE ELEMENTOS DE UN TEMA MEDIANTE UN GRÁFICO.

La selección de elementos por proximidad va a ser realizada, en primer lugar, entre un

elemento gráfico (un círculo) y un tema poligonal. La operación consiste en seleccionar los

polígonos que están incluidos total o parcialmente dentro de un círculo cuyo centro está definido

por unas coordenadas, y sus dimensiones vienen dadas por las del cuadrado mínimo que lo engloba.





Ejemplo 1: ¿Qué embalses se localizan en un radio de 10.000 metros a partir de un punto

definido por las coordenadas X (261601) e Y (4067823):

Metodología: Visualice la capa Caja_Cadiz y haga zoom sobre ella; esto le permitirá la facil

localización ele elemento que a continuación dibujará.

A continuación, la operación consiste en dibujar un círculo cuyo centro y radio sean los

especificados. Esta operación se realiza mediante el botón DIBUJAR GRAFICO, situado en la

barra inferior del programa:

- Sitúe el puntero del ratón sobre él hasta que se despliegue el menú, y elija el símbolo del

círculo

- Pique en cualquier lugar y pinte un círculo. Posteriormente, pique con el botón derecho del

ratón sobre el círculo y, en sus PROPIEDADES, defina las coordenadas xy de su centro, y las

dimensiones de la caja que lo contiene (si el radio es de 10.000, las dimensiones en ambos ejes son

iguales a 20.000 m). Recuerde desactivar la opción “As Offset Distance”, y pulse primero a

“APLICAR”, y luego “ACEPTAR”.

- Por último, teniendo seleccionado el gráfico y habiendo visibilizado el tema acerca del cual

se desea poseer información (EMBALSES.SHP), presione el botón SELECT BY GRAPHICS,

incluido en el menú SELECTION:

Resultado: El resultado es que todo elemento visible, total o parcialmente incluido en el

círculo así definido, pasa a ser seleccionado. Si se desea conocer el nombre de lo seleccionado,

basta con abrir la tabla de atributos del tema visible (EMBALSES.shp) y anotar el valor del campo

NOMBRE correspondiente al registro seleccionado: Embalse de Bornos.

2.2.2- SELECCIÓN DE ELEMENTOS DE UN TEMA MEDIANTE OTRO TEMA

La selección de elementos por proximidad también puede ser llevada a cabo entre los

elementos de dos Temas que pueden ser de cualquier tipo (puntos, líneas o polígonos). Basta con





elegir la opción SELECTION / SELECT BY LOCATION, y especificar los temas entre los que se

lleva a cabo la relación y cual es esta.

Las relaciones a establecer entre Temas en este menú son diversas y dependen del tipo de

elementos contenidos en el Tema activo y el de referencia. No se presentan iguales opciones si la

relación se establece entre un Tema lineal y otro puntual, que si se trata de dos Temas puntuales.

Ejemplo 2: Se desea conocer cuántas (y cuales) son las edificaciones rurales que se

encuentran a menos de 15 kilómetros de un núcleo de población puntual.

Metodología: Visualice las capas implicadas (edificios rurales y núcleos de población

puntuales). En SELECTION / SELECT BY LOCATION, especifique que desea seleccionar los

elementos del tema EDIF_RURAL que se encuentren a menos de 15.000 metros de los elementos

pertenecientes a la capa NUCLEOS_PUN.

Resultados: todos los edificios rurales, excepto uno, se encuentran a menos de 15 km de un

núcleo de población. Si abre la tabla de atributos del tema EDIF_RURAL, comprobará que, con

razón, se denomina Montepaz.

2.2.3- UNIÓN DE ATRIBUTOS DE LOS ELEMENTOS DE UN TEMA A LOS DE OTRO TEMA.

Otro tipo de análisis de proximidad es aquel que, a partir de dos Temas, calcula cual es el

elemento de un Tema que se encuentra más cerca de cada elemento de otro Tema, pero en esta

ocasión no lo selecciona sino que lo introduce, junto con todos sus atributos, en la Tabla de

atributos del primer Tema (UNION ESPACIAL), de forma que la operación es similar a la conocida

como Unión de Tablas.

La relación entre tablas se establece a través de la opción JOIN AND RELATES / JOIN.

Esta opción aparece cuando se pica con el botón derecho sobre cada capa vectorial a la que se desea

caracterizar. Lo que hay que saber es que capa elegir: aquella que va a ser caracterizada por un

atributo, procedente de la otra capa.





En el menú que a continuación aparece se especifican las características de la unión, que

dependen de las características de las capas elegidas, y cuyos resultados dependen a su vez del

estadístico seleccionado. La unión puede estar basada en campos homólogos a ambas tablas de

atributos, o bien en relaciones espaciales entre entidades. En el caso de los puntos, la única relación

espacial es la distancia.

Por otro lado, esta operación generará una nueva capa que contendrá la información

consecuencia de la unión.

Ejemplo 3: ¿cuál es el Faro más cercano al mayor número de núcleos de población

puntuales?

Metodología: hay que considerar que deseamos conocer cuál es el faro más cercano a cada

núcleo de población (y no el núcleo de población más cercano a cada faro) y que, por cada núcleo

de población, queremos que aparezcan las características del faro más cercano.

Visualice tantos los núcleos de población puntuales como los faros y, teniendo activa la capa

de los núcleos de población puntuales, pique con el botón derecho eligiendo JOIN AND RELATES

/ JOIN.

Resultado: el resultado obtenido puede observarse en la capa recién creada,

NUCLEOSPUN_FAROS. En ella vemos como se asocia un nombre de faro a cada núcleo, a la vez

que se indica la distancia a la que éste se encuentra. Hay que recalcar que a cada núcleo se asocian

los atributos de un solo faro, aquel que se encuentra a menor distancia.





- Por último, compruebe cual es el nombre del faro más repetido. Si realiza un Summarize

basándose en el campo del identificador de los faros (Io5_100_id) comprobará que el identificado

por el número 7 es el faro que aparece más veces, y es el más cercano a 69 núcleos de población. Su

distancia media es de 24.198 m.

2.3- SELECCIÓN DE ELEMENTOS POR INCLUSIÓN.

En esta ocasión serán seleccionados aquellos puntos, líneas o polígonos de un Tema que se

encuentren totalmente dentro de polígonos pertenecientes a otro Tema.

2.3.1- SELECCIÓN DE LOS ELEMENTOS DE UN TEMA INCLUIDOS EN OTRO TEMA.

Para seleccionar elementos de una capa que estén incluidos en otra capa, el procedimiento es

similar al que permite calcular la proximidad. La diferencia consiste en la opción de selección

elegida en el menú que aparece SELECTION / SELECT BY LOCATION.

Aquí es la operación "están completamente dentro" ("are completely within”) la que

posibilita la selección de los elementos incluidos en determinados polígonos.

Ejemplo 4: ¿qué número de edificios rurales se encuentran en el municipio de Jerez?

Metodología: Visualice ambas capas (edificios rurales y municipios). Seleccione el término

municipal de Jerez. A continuación elija la opción SELECTION / SELECT BY LOCATION.

- Opte ahora por que sean seleccionados todos los elementos de la capa EDIF_RURAL que

se encuentran dentro (“are within”) de los elementos seleccionados del Tema MUNI_CADIZ.SHP.

- El resultado, si abre la tabla de atributos del tema que corresponde a las edificaciones

rurales, es que en ese municipio en concreto se hayan 46 de los 240 edificios rurales.





2.3.2- UNIÓN DE LOS ATRIBUTOS DE UN TEMA POLIGONAL A UN TEMA PUNTUAL.

Para realizar una unión espacial mediante la inclusión es necesario que, aunque el elemento

que se desee incluir sea un punto, línea o polígono, el elemento que lo contenga sea un polígono.

La operación es similar a la de la unión espacial por proximidad, pero las opciones que el

programa presenta no son iguales.

Ejemplo 5: ¿cuál es el municipio de Cádiz que posee un mayor número de Conjuntos

Históricos?

Metodología: en primer lugar, seleccione los “conjuntos históricos” de entre los elementos

incluidos en el Tema PATRIM_CULT.SHP y, aunque no es imprescindible, genere un nuevo tema

con ellos (CONJUNTO_HCOS). A continuación, picando con el botón derecho sobre la capa

MUNI_CADIZ, elija hacer un join basado en la localización espacial, indicando que desea

caracterizar cada elemento poligonal por medio del número de conjuntos históricos que posee en su

interior.





Resultado: como comprobará al abrir la tabla de la capa resultante, a cada municipio se

asocia el número de conjuntos históricos que contiene. Arcos de la Frontera posee el mayor número

(2).

2.4- SELECCIÓN DE ELEMENTOS POR INTERSECCIÓN

La selección mediante intersección permite localizar líneas intersectadas por otras líneas

(carreteras que cruzan ríos), polígonos intersectados por líneas (parcelas de terreno atravesadas por

tuberías), líneas intersectadas por polígonos (carreteras que cruzan zonas de monte), o polígonos

intersectados por otros polígonos (parcelas de terreno completamente dentro de zonas de

inundaciones).

El procedimiento empleado, y las posibilidades de relación, son similares a los casos

anteriores. Pueden seleccionarse líneas o polígonos de un Tema atravesadas por líneas o polígonos

dibujados o perteneciente a otro Tema, o bien seleccionados en otro Tema.

En la selección por intersección, también es posible la Unión entre las Tablas de Atributos

de los Temas seleccionados (UNION ESPACIAL), pero no suele ser utilizada pues puede darse el

caso de UNO a MUCHOS, es decir, que un solo registro pueda ser caracterizado por muchos, de los

cuales solo uno sería elegido.

Ejemplo 6: ¿Cuántos caminos son atravesados por la red fluvial en la provincia de Cádiz?

Metodología: debe elegirse la opción SELECTION / SELECT BY LOCATION, y

especificar el nombre de las capas involucradas (caminos y ríos), así como la operación a realizar

(INTERSECT).

Resultado: el resultado es que 155 de los 1017 caminos existentes en Cádiz son cruzados

por la red fluvial.





2.5- PRÁCTICAS DE ANÁLISIS ESPACIAL VECTORIAL BÁSICO

Práctica 1: ¿Cuántos núcleos de población (poligonales) se encuentran en un radio de 12

Km. a partir de un punto definido por sus coordenadas X (239292) e Y (4048894)?

Respuesta 1: 4 (uno de ellos repetido)

Práctica 2: ¿Cuántos campings (EQUIPAMIENTOS) se encuentran a menos de 8 km de

algún aeropuerto?

Respuesta 2: Son 3 los campings afectados por el ruido de los aeropuertos: La Casita, Punta

Candor, y Playa de Aguadulce

Práctica 3: ¿Cuál es la distancia media a la que se encuentran los elementos pertenecientes

al Patrimonio cultural, del núcleo de población puntual más cercano?

Respuesta 3: 2146 metros

Práctica 4: Utilice las capas EQUIPAMIENTO, GOLF y MUNI_CADIZ y responda

¿Cuántos campings se encuentran incluidos en municipios que poseen campos de Golf?

Respuesta 4: 5 Campings

Práctica 5: ¿Cuál es el municipio en el que existen más hospitales o centros de

investigación?

Respuesta 5: Jerez de la frontera (donde hay un hospital y un centro de investigación).

Práctica 6: ¿Cuántas entidades de población distintas son atravesados por la red fluvial?

Utilice el tema que representa los núcleos de población en forma poligonal.

Respuesta 6: 45 de los 258 núcleos son atravesados por la red fluvial. Varios de ellos se

repiten (Grazalema y El Olivar) por lo que en realidad son 36.

Práctica 7: ¿Cuál es el edificio rural más cercano a más núcleos de población puntuales?

Respuesta 7: el más cercano a más núcleos de población puntuales es Villarana (en 20

ocasiones).

Práctica 8: ¿Cuál es el núcleo de población puntual más cercano a una playa con

acantilados de cualquier tipo?

Respuesta 8: San Roque, que está a 78 metros de la playa de Torreguadiaro (acantilado con

duna y playa).

Práctica 9: ¿Qué porcentaje de la provincia de Cádiz estaba ocupado por campos de Golf en

la fecha en que se tomaron los datos contenidos en la capa GOLF? Ojo, recalcule la superficie de

ambos temas poligonales…

Respuesta: 0.076%

Práctica 10: ¿De qué municipio gaditano no se tienen datos de la población de su cabecera

comarcal? Ésta viene indicada en la capa NUCLEOS_PUN_POB.

Respuesta: San José del Valle





3- ANÁLISIS VECTORIAL AVANZADO

3.1- INTRODUCCIÓN

En las operaciones de análisis espacial realizadas hasta el momento no se ha modificado la

geometría de los elementos utilizados; por ejemplo, puede conocerse cuantas carreteras atraviesan

un núcleo de población, pero no la longitud exacta de esas carreteras en el interior del núcleo. Del

mismo modo, podríamos conocer cuántos municipios poseen en su interior algún parque natural,

pero no podríamos saber cuál es la extensión de parque natural perteneciente a cada municipio.

Para resolver estas cuestiones se utiliza un concepto denominado “Overlay”, que en

castellano vendría a significar “superposición”. Las más conocidas son Clip, Erase, Intersect,

Simmetrical Difference, Identity, Update, Union y Append.

Otra tipología de herramientas, que suelen asociarse a las anteriores, son Split, Merge,

Dissolve y Eliminate.





Junto a las operaciones de superposición se encuentra la de creación de “buffers” que,

traducido, vendría a significar “zonas que se encuentran a determinada distancia de un elemento”.

El concepto de buffer es un tanto diferente a los anteriores, especialmente porque la relación

se establece sobre la capa no es de superposición, sino de distancia: aquí se trata de generar una

nueva capa que delimite esa distancia; el concepto de “buffer” implica que el espacio pueda ser

subdividido en una o varias zonas, en función de la distancia que guarde respecto a uno o más

elementos. Esto da lugar a nuevos elementos poligonales, a partir de los cuales puede conocerse,

por ejemplo, la zona que se encuentra a menos de 10, 20 o 40 Km de un Parque Natural, o la

extensión de Parque Natural que se encuentra a menos de 1 Km de la red de carreteras.

3.2- OPERACIONES DE SUPERPOSICIÓN (OVERLAY)

Las operaciones de superposición son muy variadas y, básicamente, posibilitan que sean

alterados unos datos previos, o generados nuevos datos, en función de las relaciones espaciales

existentes dentro de ellos mismos o, más generalmente, de las que guardan respecto a otros

elementos.

Una operación típica de Overlay sería aquella que generase una serie de polígonos que

mostrasen las zonas que cumpliesen dos condiciones espaciales conjuntamente, por ejemplo la de

pertenecer tanto a un municipio como a un parque natural. Otras posibilidades serían extraer los

segmentos de carretera que atraviesan un espacio natural (para conocer su exacta longitud), o bien

indicar que zonas del municipio y del parque natural anterior no coinciden espacialmente.

Todas las operaciones de superposición se encuentran en las ArcToolBox, aunque su

localización no es siempre la misma. El principal conjunto de herramientas se halla en ANALYSIS

TOOLS, aunque alguna que otra se encuentra en DATA MANAGEMENT TOOLS / GENERAL

(Append, Merge), o bien en DATA MANAGEMENT TOOLS / GENERALIZATION (Dissolve,

Eliminate).

Dada la diversidad de operaciones de superposición existentes en ArcGis 10, tan solo nos

centraremos en las más empleadas: Clip, Intersect, Union, Split, Merge y Dissolve.





3.2.1-CLIP

La operación conocida por CLIP consiste en “cortar” los elementos de un tema (lineal o

poligonal, denominado “input feature”) con los polígonos procedentes de otro tema (Clip feature).

El tema resultante tan solo contiene información del tema “input”.

La utilización más frecuente del comando CLIP es la que permite cortar una capa con otra

capa poligonal, que indica la localización de la zona de estudio. De este modo, por ejemplo, han

sido generadas las capas con información exclusiva de la provincia de Cádiz, a partir de los datos

que se poseen para toda Andalucía.

Ejemplo 7: deseamos conocer la longitud de red fluvial perteneciente exclusivamente al

municipio de Alcalá de los Gazules.

Metodología: seleccionado el municipio de Alcalá de los Gazules (incluido en la capa

MUNI_CADIZ), elija la herramienta ANALYSIS TOOLS / EXTRACT / CLIP. Indique que desea

cortar los elementos de la capa RIOS con (los elementos seleccionados de) la capa MUNI_CADIZ.

Asigne, como nombre de salida, RIOS_ALCALAGAZULES.

Resultado:

Una vez abierta la tabla de la capa recién generada, creado un campo que almacene los

nuevos valores de longitud (porque los anteriores no corresponden a los coincidentes con el

municipio), y calculados estos, el resultado final es de 323574 m.

3.2.2- INTERSECT

La Intersección es una operación en la que desaparecen las zonas que no son espacialmente

coincidentes en ambas capas, y solo permanecen aquellas que sí lo son. En la nueva capa se

mantienen los campos y valores de los dos temas relacionados.

Cabe, además, la posibilidad de intersectar más de dos capas, y estas pueden ser puntuales,

lineales y/o poligonales. Por esta razón es necesario indicar el tipo de topología que tendrá la capa

resultante.





Ejemplo 8: ¿qué superficie de la Marisma de los Toruños se encuentra dentro del municipio

de El Puerto de Santa María?

Metodología: A partir de ESP_NAT_PROT_REG, genere una nueva capa donde solo

aparezca el polígono correspondiente a la Marisma de Los Toruños. Realice igual operación para

aislar al polígono correspondiente al Puerto de Santa María. Por último, emplee la herramienta

ANALYSIS TOOLS / OVERLAY / INTERSECT para generar la intersección entre ambas capas, y

luego recalcule el área de la zona común

Resultado: 16977300 m2

Comentario: Compruebe que el resultado podría haber sido lineal (límite que comparte

ambos polígonos) o puntual (puntos donde ambos polígonos se intersectan).

3.2.3- UNION

La operación de UNION es similar a la de INTERSECT, pero difiere de ella en que se

conserva completa la geometría de las dos capas, mientras que los atributos de los dos temas se

“combinan”. Por otra parte, las capas a unir deben ser ambas poligonales.





Ejemplo 9: se desea conocer el porcentaje de espacio natural que posee cada municipio.

Metodología: en este caso interesa más realizar una unión que una intersección, pues puede

haber municipios que no coincidan con ningún espacio natural (por lo que Intersect los excluiría), y

sin embargo también deben ser caracterizados. El método a seguir es emplear la herramienta

ANALYSIS TOOLS / OVERLAY / UNION. Denomine MUNI_ESPANAT_UNION a la capa

resultante de la unión de las capas MUNI_CADIZ y ESP_NAT_PRO_REG. Indique que sean

permitidos lo “gaps2”. Compruebe, antes de realizar la operación, que las áreas correspondientes a

los registros de ambas capas existen y son correctas.

Resultado: conocer el porcentaje de espacio natural correspondiente a cada municipio

requiere relacionar el área completa de cada municipio con el área de espacio natural que le

corresponda.

Sobre la tabla de la capa obtenida, seleccionados los registros relacionados con espacios

naturales, calcule el área resultante. Posteriormente realice un summarize que permita caracterizar

cada municipio por la extensión de espacio natural que posee. No olvide añadir la superficie de

cada municipio a la tabla generada. Finalmente, divida la extensión ocupada por el espacio natural

por el área de cada municipio y multiplique el resultado por 100, para obtener los resultados en

porcentaje.

3.2.4- SPLIT

Split permite dividir una capa en tantas capas como polígonos contenga otra, de modo que la

primera de ellas es la que aporta el contenido, mientras que la segunda indica los límites de la

subdivisión.

2 Se denominan “Gaps” a aquellos espacios que, sin pertenecer a un polígono, están totalmente rodeados por

ellos.





Ejemplo 10: genere tantas capas correspondientes a la red fluvial, como polígonos posea la

capa HOJAS_50.

Metodología: utilice SPLIT indicando que la capa a cortar es RIOS, mientras que la “split

feature” corresponde a HOJAS_50. El campo que permite distinguir unos polígonos de otros es

“NOMBRE”, y la carpeta donde almacenar las nuevas capas, “OUTPUT”.

Resultado: como puede comprobar, el programa ha generado tantos shapefiles nuevos como

hojas del 1:50.000 (polígonos) tenía la capa HOJAS_50, cada uno de ellos posee la red fluvial que

le corresponde espacialmente, y todas las capas han sido almacenadas en la carpeta OUTPUT; el

problema es que a cada capa le ha dado el nombre correspondiente al valor del campo NOMBRE en

HOJAS_50, por lo que no es fácil conocer en principio su contenido… Visualice las

correspondientes a El Algar y Arcos de la Frontera.

3.2.5- MERGE

La operación denominada MERGE (unir, fusionar) permite que elementos que pertenecen a

dos o más temas diferentes, sean incluidos en uno solo. Esta operación suele ser muy útil cuando se

desea unir en una sola capa otras dos espacialmente anexas (procedentes, por ejemplo, de SPLIT),

aunque la vecindad no es una condición indispensable para realizar la operación. En cualquier caso,

las capas a fusionar deben poseer el mismo tipo de topología (puntual, lineal o poligonal).





Ejemplo 11: fusione en una sola capa los ríos y las carreteras de la provincia de Cádiz

Metodología: Tan solo debe utilizar la herramienta MERGE (incluida en DATA

MANAGEMENT TOOLS / GENERAL), indicando que las capas a fusionar son las

correspondientes a los ríos y a las carreteras de la provincia de Cádiz. Denomine

RIOS_CARRETER al producto resultante

Resultado: si abre la tabla de atributos del nuevo tema comprobará que ahora existen tantos

registros como resultaría de la suma de los existentes en los temas previos (3601). De hecho, todos

los campos se añaden a la tabla, y unos caracterizan a la red fluvial, y otros a la red de carreteras.

3.2.6- DISSOLVE

La operación DISSOLVE, que no podría considerarse estrictamente de overlay, tiene la

virtud de agrupar en un mismo registro todos los elementos de un tema que posean igual valor en

uno o más campos determinados; en el caso de que sean elementos poligonales contiguos, disuelve

su límite.

Un buen ejemplo de este caso es el tema que contiene los espacios naturales protegidos

(ESP_NAT_PROG_REG), donde cada espacio natural puede estar formado por diferentes

polígonos, aunque la información vaya referida al conjunto del espacio y no a cada una de sus

partes (observe la Marisma de Sancti Petri y la Bahía de Cádiz).

Ejemplo 12: se desea que los campos de golf de Cádiz se agrupen en función de su nombre.

Metodología: emplee la herramienta DATA MANAGEMENT TOOLS /

GENERALIZATION / DISSOLVE, y aplíquela sobre la capa GOLF, disolviendo los límites entre

polígonos anexos si coinciden en el valor del campo Nombre.

Cabe la posibilidad de que, en aquellos registros que se han “fundido”, se incluya alguna

estadística, por ejemplo el valor medio de determinados campos, o la suma de esos valores... Por

ahora no elegiremos ninguna de esas opciones.

Resultado: puede comprobar como el número de registros ha disminuido (de 12 a 9),

aunque se mantiene el número de polígonos… A este formato se denomina multipart o region3. Si

desease volver a la situación anterior (un registro por polígono) debería emplear la herramienta

MULTIPART TO SINGLE PART (incluida en DATA MANAGEMENT TOOLS / FEATURES).

3 El comando MULTIPART TO SINGLE PART permite generar un registro por cada polígono,





3.3- CREACIÓN DE BUFFERS

La creación de un polígono que rodee a un elemento, guardando respecto a él una distancia

determinada, es una operación en la que se combina la creación de un elemento nuevo (el buffer)

con la aplicación de un análisis espacial (proximidad).

En el caso de ArcGis 10, las posibilidades que se ofrecen en el módulo ANALYSIS TOOLS

/ PROXIMITY son diversas:

BUFFER: permite generar una nueva capa que, incluyendo a la anterior, la aumente hasta

una cierta distancia determinada por el usuario (full). También es posible, en el caso de los

polígonos, generar una capa que rodee su borde externo (outside only), o si se trata de líneas,

generar un buffer únicamente en la izquierda o derecha del elemento (left o right), en

relación con la dirección del arco.

MULTIPLE RING BUFFER: operación similar a la anterior, ampliando las posibilidades a

varios buffers consecutivos.

Los buffers generados sobre elementos poligonales tienen, además, la posibilidad de ser

internos si la distancia introducida es negativa; el programa puede generar un buffer hacia el interior

(opción outside only), o bien generar una nueva capa de la que se ha restado ese buffer interior

(opción full).

En todos los casos, los buffers de distintos elementos pueden o no ser disueltos en caso de

coincidencia espacial, si bien se puede permitir esta operación siempre, o tan solo en caso de

igualdad en los valores de uno o varios campos previamente especificados.





Ejemplo 13: se desea conocer cuál es la extensión de las zonas que se encuentran a menos

de 2000 metros de todos los núcleos de población (poligonales) de la provincia de Cádiz.

Metodología: Para ello crearemos, en torno a cada polígono (núcleo), un polígono circular

que diste de cada núcleo 2000 metros. Todos los polígonos a generar irán incluidos en el mismo

tema poligonal, al que denominaremos BUFF_NUCPOL_2000.

La generación de buffers, al igual que la gran mayoría de operaciones analíticas de ArcGis,

se realiza por medio de las ArcToolBox. Elija ANALYSIS TOOLS / PROXIMITY / BUFFER, e

indique que desea trabajar sobre la capa NUCLEOS_POL, para generar la nueva capa

BUFF_NUCPOL_2000, a partir de un buffer de 2000 metros que rodee a los núcleos de población

poligonales tan solo por su cara externa (Outside Only), y cuyos límites se disuelvan en caso de

intersectar.

Resultado: el resultado es un solo elemento polígonal (aunque son muchos polígonos, solo

los representa un registro: este es el concepto de region), cuya superficie abarca 2502020100 m2.

Los buffer son elementos que delimitan zonas que se encuentran a determinada distancia de

uno o más elementos. Estas zonas pueden ser utilizadas para conocer el número de elementos

puntuales que se encuentra en su interior (análisis de inclusión), y la longitud o la superficie de los

elementos lineales o poligonales, respectivamente, que caigan parcialmente en su interior (análisis

de intersección).

Ejemplo 14: ¿cuántos núcleos de población puntuales se encuentran en el interior del

Parque Natural de Los Alcornocales, pero a menos de 5 Km. de su límite? Utilice los temas

NÚCLEOS_PUN.SHP y ESP_NAT_PRO_REG.SHP.

Metodología: para conocer los núcleos puntuales que se sitúan en el interior del Parque

Natural de los Alcornocales, pero a menos de 5 Km de sus límites, es posible generar un buffer de 5

Km. en torno al interior del parque (denomínelo BUF_INT_ALCOR_5000) para, a continuación,

seleccionar los elementos de la capa NUCLEOS_PUN que se encuentren en su interior.

Resultado: 5 son los núcleos de población que se encuentran en el interior del Parque

Natural de Los Alcornocales, pero a menos de 5 kilómetros de su límite.





Ejemplo 15: si clasificamos la provincia de Cádiz en tres zonas, aquellas situadas a 5, 10 y

20 km de un espacio natural, ¿Cuántos núcleos de población puntual caerían en cada una?

Metodología: Emplee la herramienta MULTIPLE RING BUFFER. Lo aconsejable es

permitir que los buffers coincidentes en el espacio disuelvan sus límites, siempre y cuando sus

valores de distancia sean similares. Posteriormente, puede asociar a cada núcleo el valor del tipo de

buffer en que se encuentre (unión por coincidencia espacial, o bien la herramienta ANALYSIS

TOOLS / OVERLAY / SPATIAL JOIN), y realizar un summarize en función de la distancia.

Resultado: 110 núcleos a 5 km; 55 entre 5 y 10 km; y 38 entre 10 y 20 km.

3.4- PRÁCTICAS DE ANÁLISIS ESPACIAL VECTORIAL AVANZADO

Práctica 1: ¿cuántos edificios rurales se encuentran entre 5 y 10 Km. de la línea de costa?

Resultado 1: lo lógico sería generar un MULTIPLE RING BUFFER con dos distancias

(5000 y 10000 metros), y calcular los puntos que se encuentran entre 5 y 10 kilómetros de la línea

de costa. Sin embargo, dada la complejidad de la línea de costa gaditana, será necesario emplear la

herramienta BUFFER dos veces: genere en primer lugar un buffer de 5000 m a la costa y,

posteriormente, genere un segundo buffer de 5000 m en torno al anterior (opción outside).

El resultado es que 30 de los 240 edificios rurales existentes en la provincia de Cádiz se

encuentran en esta circunstancia.

Práctica 2: genere un tema en el que aparezcan los municipios de Cádiz, agrupados en

función del número de núcleos de población que contengan. ¿Cuántos diferentes polígonos

aparecerán en función de ese criterio?

Resultado 2: aplicando la operación DISSOLVE sobre el campo NUM_NUCLEO, se

obtiene un nuevo tema con 13 registros.

Práctica 3: ¿qué extensión de cada municipio abarca el Parque Natural de Grazalema?

Resultado 3: emplee el comando CLIP para cortar la capa de los municipios con un

shapefile que contenga tan solo el citado parque, y recalcule las áreas.

Práctica 4: ¿qué longitud de caminos contiene el Parque Natural de Grazalema?

Resultado 4: con INTERSECT o CLIP podrá comprobar que 56486 metros es la longitud de

los caminos incluidos en el parque de Grazalema.





Práctica 5: ¿Cuál es el núcleo de población más cercano a los tres aeropuertos existentes en

la provincia?

Resultado 5: hay que hallar, individualmente, la distancia de cada núcleo a cada uno de los

tres aeropuertos (emplee ANALYSIS TOOLS / PROXIMITY / POINT DISTANCE) para,

posteriormente, sumar las tres distancias. El resultado es una pedanía de Jerez de la Frontera,

Estella del Marqués (a una distancia total de 120149 metros, en línea recta, de los tres aeropuertos).

Práctica 6: ¿Qué municipio posee una menor longitud de ríos?, ¿y de carreteras?

Resultado 6: solo hay que intersectar ríos y carreteras con los polígonos de los municipios,

hallar su nueva longitud y, mediante SUMMARIZE, calcular la longitud total que hay para cada

municipio: San Fernando es el que posee menor longitud de carreteras, mientras que Chipiona

dispone de la menor longitud de red fluvial.





4- ANÁLISIS RASTER BÁSICO

El modelo de datos raster se caracteriza por una mejor representación de las variables que

poseen una distribución continua en el espacio (cuyos límites no están claramente definidos), y

permite la realización de operaciones cuyo resultado abarca al área de estudio por completo.

Dada la simplicidad de este modelo de datos, las posibilidades de tratamiento analítico son

mucho más diversas que en el modelo de datos vectorial, aunque aquí solo nos centraremos en

algunas que se consideran de gran interés para la realización del curso:

La caracterización de elementos puntuales y poligonales, a partir de los coincidentes

espacialmente en una capa raster.

La creación de mapas de pendientes y sombras, a partir de la capa altimétrica raster.

El cálculo de la distancia euclidea a elementos incluidos en una capa vectorial.

El cálculo de la densidad, a partir de elementos puntuales.

La generación de cuencas visuales de uno o más elementos puntuales.

De los datos disponibles (aportados por el profesor), tan solo uno es de carácter raster, el

Modelo Digital de Elevaciones (MDE_100_CADIZ), aunque en el transcurso de los ejercicios

siguientes serán creados nuevos datos raster a partir de las capas vectoriales.

Sin embargo, antes de continuar es conveniente conocer algunos pormenores del modelo de

datos raster.

4.1- INTRODUCCIÓN AL MODELO DE DATOS RASTER

El modelo de datos raster se caracteriza por una serie de elementos que, de forma sintética,

son presentados a continuación.

Las celdillas

Una capa raster está compuesto por celdillas. Cada celdilla, que suele poseer una forma

cuadrada (o, en ocasiones, rectangular), representa una específica porción de un área. Todas las

celdillas pertenecientes al mismo tema raster poseen el mismo tamaño, y éste debe ser adecuado a la

realidad que se desea representar.

Filas y Columnas

Las celdillas de un tema raster se estructuran en filas y columnas. Las filas son paralelas al

eje de las X, y las columnas son paralelas al eje de las Y. De este modo, cada celdilla puede ser

localizada por una posición única, la de la fila y columna a la que pertenece.

Vecindad

Se consideran vecinas todas las celdillas que rodean a una de referencia, ya sea porque

comparten un lado (4 vecinos) o porque consideran las diagonales (8 vecinos).

Zonas

El conjunto de todas las celdillas que posee el mismo valor pertenece a la misma zona. Una

zona puede, por tanto, estar formada por celdillas que están espacialmente conectadas o

desconectadas.

Zonas que están espacialmente conectadas suelen representar elementos singulares (un

edificio, un lago, una carretera...).





Zonas espacialmente desconectadas suelen estar asociadas a entidades tales como usos del

suelo o unidades geológicas.

Regiones

Cada grupo de celdillas, si están conectadas y poseen el mismo valor, es considerado una

región. Las zonas, por tanto, pueden estar compuestas de una o varias regiones.

4.2- EJEMPLOS DE OPERACIONES ANALÍTICAS RASTER

4.2.1- LA CARACTERIZACIÓN DE ELEMENTOS VECTORIALES A PARTIR DE UN RASTER

La asignación de los valores de un raster a entidades vectoriales puntuales se resuelve

adjudicando a cada punto el valor de la celdilla coincidente espacialmente con éste.

Ejemplo 16: el objetivo consiste en asociar a cada núcleo de población puntual

(NUCLEOS_PUN) la información altimétrica que, en esa posición, posee el modelo digital de

elevaciones denominado MDE_100_CADI.

Metodología: la operación se realiza con la herramienta SPATIAL ANALYST TOOLS /

EXTRACTION/ EXTRACT VALUES TO POINTS, y da como resultado un nuevo shapefile de

puntos en el que se ha introducido la altimetría coincidente (campo rástervalue).

Resultado:





Ejemplo 17: el segundo objetivo consiste en asociar a cada núcleo de población poligonal

(NUCLEOS_POL) la información altimétrica que, en esa zona, posee el modelo digital de

elevaciones denominado MDE_100_CADI. La diferencia con el caso anterior es que cada núcleo es

ahora representado por un polígono, y puede ser caracterizado por los estadísticos de todas las

celdillas coincidentes con el (media, rango, máximo…).

Metodología: Seleccione la herramienta ZONAL STATISTICS AS TABLE, incluida en

SPATIAL ANALYST TOOLS / ZONAL. Especifique a continuación los nombres de la

ZoneDataset (NUCLEOS_POL), el nombre del campo que identifica a cada núcleo (NOMBRE), y

el raster que lo caracterizará (MDE_100_CADI). No olvide indicar que el output se asocie al

shapefile.

Resultado: el resultado, una tabla que puede “unir” al shapefile de procedencia, da una

información mucho más detallada de las características altimétricas de cada núcleo de población.

4.2.2- LA CREACIÓN DE MAPAS DE PENDIENTES Y SOMBRAS

De la información altimétrica es posible obtener capas derivadas de las que las más

conocidas son la pendiente, orientación y sombra.

La explicación acerca de los procesos de cálculo que generan esos modelos derivados se

escapa del alcance de un curso introductoria como éste, aunque habría que indicar que se trata de

operaciones en las que el valor de cada celdilla se pone en relación con las que inmediatamente las

rodean (operaciones focales).

Las herramientas que permiten la generación de modelos de pendiente, orientación y

sombra, se encuentran en Spatial Analyst / Surface.

4.2.2.1- Cálculo de la pendiente

La generación de un mapa de pendientes suele realizarse a partir del modelo altimétrico,

tanto por la facilidad con que es calculado, como por la dificultad que supondría su generación a

partir de datos procedentes del trabajo de campo.

En esencia, para el cálculo de la pendiente de un punto se consideran los valores altimétricos

que lo rodean, así como la distancia que los separa. El resultado puede venir dado en grados o en

porcentaje, y habría que tener en cuenta que la utilización de una u otra unidad depende del objetivo

del análisis: los valores de porcentaje se emplean para zonas más o menos llanas, mientras que los

grados sexagesimales se utilizan cuando se analizan zonas más abruptas.





Ejemplo 18:

El objetivo es el cálculo de la pendiente de la provincia de Cádiz

Metodología:

Utilice la herramienta SPATIAL ANALYST / SURFACE / SLOPE para calcular la

pendiente de la capa MDE_100_CADI. Indique que desea que el resultado venga dado en

porcentaje.

Resultado:

4.2.2.3- Cálculo de la sombra

Habría que distingue entre lo que es un modelo de iluminaciones y un modelo de sombras:

En el modelo de iluminación el valor que se otorga a cada celdilla depende exclusivamente

de su orientación hacia una fuente luminosa (“sol”) cuya altura sobre el horizonte (“altitude”: de 0 a

90º) y orientación (“azimuth”: de 0 a 360º) son definidas por el usuario. El programa también tiene

en cuenta, por tanto, la orientación y la pendiente de cada celdilla, en relación con la localización de

un punto en el cielo.

El modelo de sombras, además de lo anterior, incorpora la “sombra topográfica”, es decir,

adjudica el máximo valor de sombra a aquellas celdillas que, aún estando situadas en la posición

más idónea para obtener la máxima iluminación, no reciben la luz de forma directa ya que un

obstáculo topográfico se encuentra en su camino.

En cualquier caso, el resultado que da el programa no podría denominarse en puridad un

mapa de sombras, en primer lugar porque las unidades que emplea no se relacionan con los Kb de

energía que recibe cada celdilla (adjudica valores que van del 0 al 256), y en segundo lugar porque

la sombra es dinámica, depende de la hora del día, y del día del año: generar un mapa de sombras

requeriría la realización de una gran cantidad de mapas de sombras…





Ejemplo 19:

Calcule un mapa de sombras topográficas para la provincia de Cádiz.

Metodología:

A partir de la capa MDE_100_CADI, genere una capa de sombras topográficas empleando

la herramienta SPATIAL ANALYST / SURFACE / HILLSHADE. Deje los valores de azimuth y

altitude por defecto, e indique que sí desea la generación de la sombra topográfica.

Resultado:

4.2.3- EL CÁLCULO DE LA DISTANCIA EUCLIDEA

La distancia euclidea es la distancia en línea recta entre dos puntos; en el caso de los SIG se

resuelve asignando a cada celdilla de salida un valor que depende, exclusivamente, de la distancia

más corta que exista entre su centro y el de la celdilla de referencia (o la más cercana de entre las de

referencia).

Los datos de entrada para el cálculo de la distancia pueden ser tanto vector como raster,

aunque hay que saber que en el caso de ser datos vectoriales (puntos, líneas o polígonos), el

programa automáticamente los transforma a raster, pasando a ser estas las celdillas de referencia a

las que antes se aludía.

Ejemplo 20:

Genere un mapa de distancia euclidea a la red fluvial de la provincia de Cádiz.

Metodología:

Utilice la herramienta SPATIAL ANALYST TOOLS / DISTANCE / EUCLIDEAN

DISTANCE para calcular la distancia a la que se encuentra cada celdilla del río más cercano;

Emplee un tamaño de celdilla de 100 m, y no indique ninguna máxima distancia.

Resultado: para ajustar el resultado a la provincia de Cádiz, sería necesario emplear tanto

como Extent y como Mask la capa PROVI_CADIZ.





4.2.4- EL CÁLCULO DE LA DENSIDAD

Tradicionalmente, la generación de un mapa de densidad se realiza a partir de dos

elementos, uno (normalmente puntual) que aporta los datos cuantitativos (número de habitantes de

cada núcleo urbano, por ejemplo), y otro (poligonal, provincias por ejemplo) que contiene las

diferentes zonas que serán caracterizadas por la densidad: en este caso, el procedimiento consistiría

en conocer el número total de habitantes de cada provincia, y dividirlo por la extensión de ésta;

mientras menor sea la unidad de medida de superficie, menor valor de densidad se obtiene.

Mediante un SIG es posible, además, generar una capa de densidad continua, no limitada por

las zonas (municipios, provincias), de modo que es posible obtener un valor de densidad diferente

para cada celdilla. En concreto, los valores asignados a entidades generalmente puntuales se

distribuyen sobre una superficie raster, y se cuantifica el número de puntos encontrados en cada

entorno de celdilla (zona más próxima a cada una) en relación con el tamaño de ese entorno. En

realidad, el resultado es muy dependiente del tamaño del entorno o radio de búsqueda, y de las

unidades en que se desee obtener esa densidad.

Conceptualmente, una vecindad es definida alrededor de cada centro de celdilla raster, y el

número de puntos que cae dentro de cada vecindad es dividido por su extensión. Aumentando el

radio, los valores asignados a las celdillas se vuelven más suavizados, y aumentando el valor de la

unidad (de Has a km, por ejemplo), el valor de densidad también aumenta.

Lógicamente, cada punto suele contener un atributo que, en definitiva, es aquel a partir del

cual es generado el mapa de densidad: para generar un mapa de densidad de población se requiere

que cada punto esté caracterizado por un número de habitantes determinado.

Por último, el radio anteriormente especificado puede ser tomado como un círculo (“density

type simple”) o como una superficie blanda (“Kernel): en el primer caso todas las celdillas

pertenecientes a la misma subdivisión poseen el mismo valor, mientras que en el segundo

(“Kernel”), el valor de densidad aumenta a medida que nos acercamos al elemento puntual.

Ejemplo 21:

Genere un mapa de densidad de población para la provincia de Cádiz, a partir de los valores

poblacionales contenidos en la capa NUCLEOS_PUN_POB.

Metodología:

Utilice la herramienta SPATIAL ANALYST TOOLS / DENSITY / POINT DENSITY para

obtener el mapa de densidad. Emplee un tamaño de celdilla de 100 m, un radio circular de 20 km, y

obtenga el resultado en hb/ km2.

Resultado:





Nota 1: como puede comprobar, la elección del radio de búsqueda (puede utilizar 100 km y

50 km para comparar) es clave en este algoritmo y, aún así, los resultados no se ajustan a lo que el

sentido común indicaría que es un mapa de densidad poblacional correcto; esto es especialmente

evidente cuando se emplean datos con valores poblacionales muy dispares, como sucede con la

costa de Cádiz en relación con el interior.

Ejemplo 22:

Genere un segundo mapa de densidad de población para la provincia de Cádiz, a partir de

los valores poblacionales contenidos en la capa NUCLEOS_PUN_POB.

Metodología:

Utilice la herramienta SPATIAL ANALYST TOOLS / DENSITY / KERNEL DENSITY

para obtener el mapa de densidad. Emplee un tamaño de celdilla de 100 m, un radio circular de 20

km, y obtenga el resultado en hb/ km2.

Resultado:

Nota : Este mapa si se asemeja más a una distribución espacial de la densidad de la

población, sin embargo exagera esos valores poblacionales: compare los máximo valores de

densidad obtenidos aquí, con los que calculaba el algoritmo anterior.

4.2.5- LA INTERPOLACIÓN ESPACIAL: THIESSEN E IDW

La interpolación espacial puede definirse como el procedimiento que permite calcular el

valor de una variable en una posición del espacio, conociendo su valor en otras posiciones; se

emplea sobre aquellas variables que cumplen dos condiciones: la continuidad espacial (forman

superficies) y la dependencia espacial (son más similares a medida que se aproximan), y se aplica

dentro del área delimitada por los datos originales (más allá sería extrapolación).

Estas técnicas se utilizan cuando los datos no cubren totalmente el área de interés, o para

convertir observaciones discretas en datos continuos, pero también son necesarias cuando una

superficie deba cambiar de resolución, orientación, de modelo de datos, o para calcular valores a lo

largo de isolíneas.





Existe una gran variedad de técnicas de interpolación; una primera distinción se refiere al

carácter de los datos; éstos pueden ser cualitativos y cuantitativos:

- Cualitativos: la redistribución de los valores originales en el espacio, en función de la

proximidad de los datos muestrales, implica que a cada localización se asigna el valor del punto

muestral más cercano. Se forma así una estructura vectorial, los denominados Polígonos de

Thiessen, que también puede ser representada en raster.

- Cuantitativos: en cada localización se calcula un valor que está en función de los que posean los

datos muestrales. Las técnicas son variadas, coinciden en generar valores usualmente distintos a

los originales, y conforman superficies raster suavizadas.

Casi todas las técnicas de interpolación espacial se aplican sobre datos cuantitativos

puntuales, y generan superficies raster. En este modelo de datos, la superficie original es

representada por una malla de puntos equidistantes, cuyos valores son calculados a partir de los

datos muestrales utilizando distintos algoritmos. En su estructura básica (matriz regular), el valor se

asocia a celdillas cuadradas, organizadas en filas y columnas, cuyo tamaño es clave.

En este apartado se verán dos ejemplos de interpolación espacial:

a) Aplicada a datos puntuales de carácter cualitativo (estaciones meteorológicas):

ALLOCATE (versión raster de los polígonos de Thiessen)

b) Aplicada a datos puntuales de carácter cuantitativo (temperatura ): IDW

4.2.5.1- ALLOCATE (THIESSEN)

Ejemplo 23: calcular el área de influencia de las estaciones meteorológicas de la provincia

de Cádiz (todas las zonas que están más cerca de una estación que de las demás se consideran bajo

su área de influencia).

Metodología: a partir de los datos contenidos en la capa ESTACIONES

METEOROLÓGICAS CADIZ, utiliza la herramienta SPATIAL ANALYST TOOLS / DISTANCE

/ EUCLIDEAN ALLOCATION. Indique como source field el campo que contiene el nombre de la

estación.

Resultados: obtendrá una capa raster donde cada celdilla contiene un código igual para

todas las que pertenecen a la estación meteorológica cuya área de influencia se calcula, pero no es

posible conocer cual es ésta. Por otra parte, en la tabla de atributos del raster se muestra la extensión

(en celdillas) de cada zona.

Si caracteriza cada estación puntual con el valor del raster (EXTRACT VALUES TO

POINTS), podrá conocer la superficie del área de influencia de cada estación meteorológica.





4.2.5.2- IDW

Ejemplo 24: espacializar la temperatura de la provincia de Cádiz, a partir de los datos

puntuales contenidos en la capa TEMPE_CADIZ.

Metodología: utilice la herramienta SPATIAL ANALYST / INTERPOLATION / IDW, con

los parámetros que a continuación se muestran, para generar una superficie de temperaturas

continuas.

Resultados:

4.2.6- EL CÁLCULO DE LA VISIBILIDAD

Los análisis de intervisibilidad son de gran interés, especialmente en trabajos

medioambientales. En definitiva, se trata de conocer que áreas pueden ser vistas desde uno o más

puntos dados, o lo que es igual, desde que áreas pueden ser vistos esos mismos puntos (se dice que

existe una relación recíproca).





Para la realización de este tipo de análisis es imprescindible contar con información

altimétrica de la zona, pues solo a partir de ella es posible predecir, de forma teórica, que zonas son

visibles o no. En este sentido, la creación de un correcto MDE es un paso previo, imprescindible,

antes de realizar el análisis. De la precisión con que este MDE haya sido elaborado dependerán, en

gran parte, los resultados obtenidos.

Si bien el relieve se puede considerar como elemento esencial de este tipo de estudios, no es

el único pues existe una serie de elementos que influyen, a veces de forma determinante, en los

resultados del análisis:

Aunque en ocasiones aparece el suelo o rocas desnudas (parte alta de las montañas,

desiertos...), generalmente suele estar cubierto por algo que dificulta la visibilidad. Este

componente puede ser desde la cobertura vegetal hasta núcleos urbanos. Es por ello muy útil

contar con una información que dé idea no sólo de la altura de estos componentes, sino

también de su tamaño, distribución espacial o densidad.

Existen, además, una serie de factores que alteran la visibilidad. El hecho de que la tierra sea

redonda hace que, a medida que un elemento se aleja en el espacio, su altura disminuya.

Esta pérdida de altura relativa se ve compensada por la refracción de la luz (aumento

aparente de altura que sufre un objeto debido a la refracción de los rayos de luz a su paso a

través de aire a diversas temperaturas y presiones). Como consecuencia de ambos factores, y

aunque depende de las condiciones locales, de un objeto de 8 m de altura, situado a 10 km

de distancia, tan solo se vería los 1.25 m superiores.

En tercer lugar, es básico conocer la altura del observador sobre el terreno, la altura de lo

que se observe, y la máxima distancia a la que algo puede ser distinguido.

Por último, los análisis de visibilidad se llevan a cabo exclusivamente a partir de puntos, y

aunque existan programas (como éste) que permiten la utilización de líneas o polígonos, hay que

saber que el programa realiza previamente una transformación al formato puntual, lo que a veces

resulta un tanto engañoso; es conveniente, pues, pasar manualmente a puntos tanto líneas como

polígonos, si se desea que el resultado se ajuste a la realidad.

Respecto al programa ArcGis 10, permite la realización de dos tipos de análisis de

visibilidad, uno de ellos podría considerarse cuantitativo (pues indica el número de observadores –

en caso de ser varios- que visualiza cada celdilla), mientras que el segundo método (más

cualitativo), es capaz de indicar cuales son las celdillas que visualiza cada observador en particular:

los nombres de los métodos son VIEWSHED y OBSERVER, respectivamente.





Ejemplo 25:

Se desea conocer cuáles son las zonas desde las que se divisan más castillos y torres en la

provincia de Cádiz.

Metodología:

Genere un nuevo shapefile a partir de la selección de aquellos castillos contenidos en la capa

PATRIM_CULT, que posean algún valor en el campo Nombre. Denomine CASTILLOS_TORRES

al resultado

Genere en la tabla de atributos de los castillos y torres un nuevo campo (OFFSETA) y

adjudíqueles un valor de 20; este valor será lo que el programa considere como altura (altura sobre

la superficie topográfica).

A continuación, mediante la herramienta SPATIAL ANALYST / SURFACE / VIEWSHED,

conozca su visibilidad considerando lo siguiente:

- Input raster: MDE_100_CADI

- Input Point: CASTILLOS_TORRES

- Zfactor : 1

- Use Earth curvatura y Refractivity coefficient

- Output: VIEW_CASTI

Resultados: 2 celdillas son las que visualizan el máximo número de castillos y torres (11)





Ejemplo 26:

Se desea conocer cuáles son los castillos (no valen las torres) que poseen mayor visibilidad

no compartida, en la provincia de Cádiz.

Metodología:

Genere un nuevo shapefile a partir de la selección de aquellos castillos contenidos en la capa

CASTILLOS_TORRES, que en su denominación contengan la palabra Castillo (10): Llámelos

CASTILLOS.

A continuación, mediante la herramienta SPATIAL ANALYST / SURFACE / OBSERVER,

conozca su visibilidad considerando lo siguiente:

- Input raster: MDE_100_CADI

- Input Point: CASTILLOS

- Zfactor : 1

- Use Earth curvatura y Refractivity coefficient

- Output: OBSER_CASTI

- La altura sobre la topografía, ya contenida en el campo Offseta, es de 20 m.

Resultados 1: El Castillo de Berraquejo (Observador 10) es el que posee mayor visibilidad

no compartida (37104 celdillas).





4.2.7- LA RECLASIFICACIÓN:

La reclasificación es una operación local en la que a los datos de entrada se asignan valores

diferentes en función de determinados criterios:

o Reemplazar valores basados en una nueva información (por ejemplo, dar valor 6 a todo lo

que antes valía 5).

o Agrupar valores en categorías (por ejemplo, si ríos y lagos valen 3 y 4 respectivamente,

crear una nueva categoría que los agrupe bajo el nombre de “agua”, asignándoles el valor 8.

o Discretizar una variable continua (por ejemplo, crear 10 intervalos altimétricos con igual o

distinto rango, o con igual número de celdillas).

o Asignar NO DATA a determinados valores (por ejemplo, eliminar todas lãs alturas

inferiores a 800 metros).

La reclasificación es, con diferencia, la operación analítica más utilizada, especialmente por

su gran versatilidad.

Ejemplo 27: reclasifica la imagen de altura de Cádiz, para dar valor 1 a todas las celdillas

cuya altura sea inferior a los 300 metros, y 0 a las restantes.

Metodología: utilice la herramienta RECLASSIFY (SPATIAL ANALYST

TOOLS/RECLASS)

Resultados: 246077 celdillas





4.2.8- ALGEBRA DE MAPAS El álgebra de mapas supone la aplicación de las reglas del álgebra matemático a entidades

que pueden ser tanto numéricas como capas de información. En este sentido: - El mapa entero es considerado como una variable.

- La incógnita es representada por un mapa entero.

- Pueden intervenir constantes y valores numéricos.

En ArcMap, el álgebra de mapas puede llevarse a cabo mediante la herramienta RASTER

CALCULATOR (SPATIAL ANALYST / MAP ALGEBRA), o para cálculos más complejos

MODEL BUILDER (aptdo. 6).

Operaciones típicas incluidas en el álgebra de mapas son:

-Algebraicas: suma, resta, multiplicación y división; exponenciación, raíz…

- Trigonométricas: seno, coseno, tangente…

Ejemplo 28: ¿Cuáles son las celdillas visibles desde todos los núcleos de población

puntuales con población (NUCLEOS_PUN_POB, asignando 10 m de altura), y además su

altimetría supera los 1000 metros?

Metodología: se trata de crear dos capas, cada una guardando una condición (ser visible

desde los núcleos, y tener altura superior a 100 m), y multiplicarlas entre sí:

- Aplicar VIEWSHED sobre MDE_100_CADI y NUCLEOS_PUN (con curvatura y

refractividad).

- Aplicar RECLASS sobre MDE_100_CADI ( si alt > 1000, 1; resto 0)

-

Resultado: todas las celdillas con valor superior a 0 cumplen, a la vez, las dos condiciones

(288236 celdillas).





4.3- PRÁCTICAS DE ANÁLISIS ESPACIAL RASTER BÁSICO

PRÁCTICA 1: ¿Cuál es la Ermita situada a mayor altura sobre el nivel del mar?, ¿A que

municipio pertenece? Las ermitas son una de las categorías incluidas en la capa PATRIM_CULT.

Resultado 1: Nuestra Señora de los Remedios (632 m), situada en el municipio de Olvera.

PRÁCTICA 2: ¿Cuál es el municipio que posee la mayor pendiente media?

Resultado 2: Grazalema (28.4 %)

PRÁCTICA 3: ¿Cuál es el punto más alejado de una carretera, en la provincia de Cádiz?,

¿y de un núcleo urbano?

Resultado 3: 9300 m de una carretera, y 19448 m de un núcleo.

PRÁCTICA 4: Genere un mapa de densidad de edificios rurales para la provincia de Cádiz;

emplee la opción Kernel, estime como radio la distancia de 25 km, y de los resultados en km2.

Resultado 4:

PRÁCTICA 5: Si los faros de Cádiz tuviesen todos una altura de 50 m… ¿Cuál sería aquel

que más se divisaría desde el continente?, ¿En que municipio se sitúa? Considere tan solo la

visibilidad no compartida.

Resultado 5: El observador 11 (que corresponde al Faro IO5_100_ID = 17), situado en el

municipio de Chipiona.

PRÁCTICA 6: Si los faros de Cádiz tuviesen una altura de 100 msnm4, ¿desde que núcleo

de población puntual se divisarían más faros?

Resultado 6: Se divisaría un máximo de 5 faros desde tres núcleos de población: Medina

Sidonia, Barrio Nuevo, y un tercer núcleo sin identificar, situado en el municipio del Puerto de

Santa María.

PRÁCTICA 7: ¿qué superficie, en celdillas, es la que se encuentra a menos de 100 metros

de altura sobre el nivel del mar?

Resultado 7: 385923 celdillas

4 Metros sobre el nivel del mar (msnm)





PRÁCTICA 8: Si un tsunami inundase todas las zonas a menos de 1000 m de la costa, cuya

altura no superase los 5 m, ¿qué superficie, en hectáreas, supondría?

Resultado 8: 8138 Has





5- BIBLIOGRAFIA

MAGUIRE, D.J. (1992): Geographic information systems. Longman Scientific and

Technical. Londres.

CALVO MELERO, M. (1993): SIG Digitales: Sistemas geomáticos. IVAP.

COMAS, D. (1993): Fundamentos de los SIG. Ariel. Barcelona.

GUTIERREZ PUEBLA, J. y GOULD, M. (1994): SIG: Sistemas de información geográfica.

Síntesis. Madrid.

JOSEPH K. BERRY (1993): Beyond Mapping: Concepts, Algorithms and Issues in GIS.

John Wiley Publishers.

BOSQUE SENDRA, J. (1997): Sistemas de información geográfica. Rialp. Madrid

ANDY MITCHELL (2005): The Esri Guide To Gis Analysis. Volume 2: Spatial

Measurements And Statistics, ESRI Press. Redlands, California

ROGER TOMLINSON (2005): Thinking About GIS: Geographic Information System

Planning for Managers Press Redlands, California ESRI

OLAYA, VICTOR (2011): Sistemas de Información Geográfica.

http://wiki.osgeo.org/wiki/Libro_SIG

Páginas web de interés:

Help de ArcGis:

“ESRIhttp://webhelp.esri.com/arcgisdesktop/9.3/index.cfm?TopicName=welcome”

Página web de Felicísimo: http://www.etsimo.uniovi.es/~feli/index2.html

Página web de Gabriel Ortiz: http://recursos.gabrielortiz.com/

NCGIA: “http://www.geog.ubc.ca/courses/klink/gis.notes/ncgia/toc.html”

Información en general sobre SIG: http://www.nosolosig.com/

Extensiones de ESRI: http://arcscripts.esri.com/

Tutoriales en general: “http://www.ciberteca.net/”

http://www.etsimo.uniovi.es/~feli/index2.html

http://recursos.gabrielortiz.com/

http://www.geog.ubc.ca/courses/klink/gis.notes/ncgia/toc.html

http://www.nosolosig.com/

http://arcscripts.esri.com/

http://www.ciberteca.net/

MÓDULO III: SISTEMAS DE INFORMACIÓN...

Documents

Transcript of MÓDULO III: SISTEMAS DE INFORMACIÓN...