Sei sulla pagina 1di 68

CENTRO INTERAMERICANO DE INVESTIGACIÓN Y DESARROLLO

EN INFORMACIÓN GEOGRÁFICA

CIAF

TALLER DE ANÁLISIS Y MODELAMIENTO


EN EL FORMATO RASTER
- PRÁCTICA -

Xander Bakker

Santa Fe de Bogotá, (última revisión: febrero 2001)

© Instituto Geográfico Agustín Codazzi, 2001. Todos los derechos comerciales reservados.
Prohibido su reproducción para fines no académicos o de investigación.
Contenido:

1. Introducción a ILWIS 2.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1


1.1 La ventana principal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Objetos de ILWIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Dominios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Dependencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Menú sensitivo al contexto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2. Convenciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4. Datos a utilizar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

5. Conocer los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

6. Modelo predictivo a utilizar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19


6.1 Sub-modelo de disponibilidad de leña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.2 Sub-modelo de demanda de leña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.3 Sub-modelo de accesibilidad a la leña . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.4 Determinar las áreas de impacto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.5 Presentación del resultado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

7. Ejercicios adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.1 Determinar el impacto visual, método vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.2 Determinar la zona inundada causada por la construcción de una presa . . . . . . . . . . . . 51
7.3 Determinar la cuenca hidrográfica a partir de la red de drenajes . . . . . . . . . . . . . . . . . . . 53
7.4 Determinar la ruta óptima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Anexo: Design and implementation of a national rural telecommunications network in


Colombia, using GIS techniques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Agradecimientos

Fabiola Pérez
Mi querida esposa, por el tiempo que me brindaste para terminar este trabajo, las observaciones
indispensables y las correcciones ortográficas.

Cristian Muñoz
Compañero en HeRindser Ltda y más que todo amigo. Por suministrar el documento digital con
gráficos muy explicativos, que fue incorporado en el presente documento como introducción a
ILWIS 2.23.

A Fabiola, Laura y Michèle


1. Introducción al Sistema de Información Geográfica ILWIS 2.23
Para el desarrollo de las prácticas de análisis y modelamiento se ha escogido el Sistema de
Información Geográfica ILWIS para Windows versión 2.23, puesto que es fácil de manejar por
su interfaz amigable y tiene amplias posibilidad de análisis espacial. ILWIS es un SIG que ofrece
sus funciones de análisis principalmente en el formato raster.

Es necesario introducir unos conceptos básicos de ILWIS para Windows antes de empezar con
el desarrollo del análisis:

Para entrar al Sistema de Información Geográfica ILWIS haga doble clic sobre el icono de ILWIS
que se ha generado en el escritorio de WINDOWS; o acceda al programa mediante la utilización
de las opciones Inicio, Programas, ILWIS 2.2, ILWIS 2.2.

1.1 La ventana principal


Se despliega una ventana de bienvenida que inmediatamente conduce a la ventana principal:

©
X. Bakker 1 Instituto Geográfico Agustín Codazzi. 2001
La Ventana principal de ILWIS da acceso a todas sus posibilidades, en ella se muestran todos
los elementos necesarios para la elaboración de cualquier operación así como los archivos que
el usuario genera.

Elementos de la Ventana Principal

La barra de Título

Como en otras aplicaciones bajo Windows la barra de título suministra información al usuario
acerca de la ubicación en la que se encuentra trabajando, así como del programa que se está
ejecutando, posee botones de control que permiten cerrar, ampliar, reducir o minimizar la ventana
en uso.

La barra de Menús

Inmediatamente bajo la barra de título se encuentra una barra de menús de tipo persiana en
donde se posibilita al usuario el acceso a todas las herramientas y elementos del Sistema.

La linea de comandos

Esta es una característica especial de ILWIS, si se es un usuario avanzado puede utilizarse para
ejecutar ordenes mediante el tecleo de los comandos apropiados. Además allí pueden escribirse
las fórmulas de generación de nuevos elementos (columnas, tablas o mapas).

Se memorizan las últimas órdenes dadas de tal forma que el usuario tenga rápido acceso a ellas
sin necesidad de escribirlas nuevamente.

©
X. Bakker 2 Instituto Geográfico Agustín Codazzi. 2001
La barra de botones

Bajo la linea de comandos se encuentra la barra de botones, su funcionalidad es el despliegue


de información y su presentación en pantalla los siguientes elementos la conforman:

El primer elemento de la barra de botones permite desplegar y ocultar la ventana


correspondiente al Listado de operaciones, de esta manera se obtendrá mayor
espacio para visualizar los elementos del catálogo.

Este botón permite al usuario mostrar un nuevo mapa en una nueva pantalla.
Gracias a las características propias del Sistema operativo (Windows) es posible
desplegar varias ventanas de mapa, tablas y gráficos simultáneamente.

La función de este elemento de la barra de botones es el despliegue de una tabla


existente. De igual forma que en el despliegue de mapas es posible la
visualización de varias tablas en una pantalla de Windows.

En ILWIS es posible conocer las características de atributos que corresponden a


un elemento geográfico, esto significa que mediante el uso de este botón puede
leerse la información alfanumérica que atañe a cualquier ubicación geográfica.

Haga clic aquí para seleccionar los elementos que quiere visualizar en el Catálogo;
esta herramienta le facilita encontrar un objeto o mostrar solamente aquellos de un
tipo determinado.

Este es el seleccionador de drive; con el puede desplazarse de uno a otro sin tener
que recurrir al Administrador de Archivos. Si hace clic sobre él se desplegarán los
drives existentes en el computador y podrá escoger cualquiera de ellos.

Este otro seleccionador permite navegar por los directorios de un mismo


drive. Normalmente toda la información que se procese será almacenada
en el drive y directorio que aparecen en la ventana principal en el
momento de ejecutarla.

Las Barras de desplazamiento al igual que en cualquier aplicación de Windows permiten


visualizar información dentro de una ventana sin tener que modificar su tamaño.

En la barra de estado aparecen las propiedades y funcionalidades de cada uno de los elementos
por donde se desplace el cursor.

©
X. Bakker 3 Instituto Geográfico Agustín Codazzi. 2001
El Listado de Operaciones

En él se encuentran todos los programas y funcionalidades que hacen parte del Sistema de
Información Geográfica ILWIS. La forma de acceder a cualquiera de estas aplicaciones es
haciendo doble clic sobre el programa que se quiere ejecutar.

El Catálogo

En el Catálogo aparecen todos aquellos elementos de ILWIS que se encuentran dentro del
directorio en ejecución, es importante tener en cuenta que un objeto de ILWIS no siempre consta
de un solo archivo por ello es recomendable que sean manejados, copiados o borrados desde
la ventana de ILWIS y no desde el Administrador de archivos.

©
X. Bakker 4 Instituto Geográfico Agustín Codazzi. 2001
En el Catálogo entonces pueden visualizarse los diferentes tipos de mapas, tablas u objetos que
pueden generarse con ILWIS. Como puede observarse un icono identifica cada objeto dentro de
esta ventana, a continuación podrá diferenciar estos iconos y comprender su significado.

1.2 Tipos de objetos en ILWIS


En ILWIS se utilizan diferentes iconos para representar diferentes tipos de objetos. Los objetos
se dividen en cuatro clases:

Objetos de Datos:
Objetos de datos consisten en los elementos que contengan datos. Además, los objetos se
caracterizan por ser utilizados como datos de entrada en un análisis.

Mapas de Puntos (ej: Estaciones pluviométricas, sitios de muestreo, etc)

Mapas de Segmentos (ej: vías, drenajes, curvas de nivel, etc)

Mapas de Polígonos (ej: uso, cobertura, municipios, etc)

Mapas Raster (todos los mapas vectoriales rasterizados y además grados continuos
{ej: modelo digital de elevación} y productos de sensores remotos {ej: imágenes de
satélite y fotografías aéreas}).

Listados de mapas (un listado de mapas raster que comparten la misma


georeferenciación y el mismo dominio).

Tablas (información sin componente espacial, que puede caracterizar elementos


especiales. ej: datos de textura, pH y profundidad para unidades de suelos, etc).

Columnas

Objetos de mantenimiento
Objetos de mantenimiento contienen información acerca de objetos de datos:

Dominio Contiene información sobre la definición (códigos) de los elementos que


contiene un objetos de datos.

Representación Contiene la definición de como representar los elementos en el


dominio.

Georeferenciación Contiene la definición para mapas raster de como se relacionan filas


y columnas con coordenadas planas o geográficas.

Sistema de coordenadas Contiene información sobre la extensión del mapa y


opcionalmente la relación de coordenadas planas con su ubicación geográfica.

©
X. Bakker 5 Instituto Geográfico Agustín Codazzi. 2001
Objetos especiales
Objetos especiales son aquellos objetos que pueden ser aplicados a, o derivados de objetos de
datos.

Vistas de mapas Frecuentemente existe la necesidad de elaborar un producto visual


para su impresión o presentación en pantalla, que consiste en múltiples capas de
información. La definición de tal presentación se guarda en una vista de mapas.

Histograma de un mapa raster Una tabla con el mismo dominio que el mapa raster, la
cual contiene información sobre la frecuencia de ocurrencia de los elementos en el
mapa.

Histograma de un mapa de polígonos Una tabla con áreas, perímetros y número de


polígonos por cada elemento del dominio del mapa de polígonos.

Histograma de un mapa de segmentos Una tabla con la longitud y el número de


segmentos por cada elemento del dominio del mapa de segmentos.

Histograma de un mapa de puntos Una tabla con el número de puntos por cada
elemento del dominio del mapa de puntos.

Conjunto de muestreos espectrales Usado en el procesamiento digital de imágenes


para efectuar una clasificación multiespectral supervisada.

Tabla bi-dimensional Usado para definir la combinación de elementos en dos mapas


raster durante una superposición.

Matriz Generado en algunas operaciones estadísticas (covariancia, correlación,


eigenvectors de componentes principales, etc).

Filtro Contiene información sobre la matriz de valores que se aplica en el proceso de


filtrar un mapa raster.

Funciones Contiene funciones definidas por el usuario.

Scripts Pueden contener una secuencia de operaciones de ILWIS. Por medio de los
scripts se puede automatizar un análisis.

©
X. Bakker 6 Instituto Geográfico Agustín Codazzi. 2001
Objetos de anotación
Los objetos de anotaciones son aquellos que contribuyen a los objetos de datos para convertirlos
a cartografía. La mayoría de estos objetos no pueden ser desplegados en el catálogo y son una
parte integral de una “vista de mapas”.

Capa de textos Norte

Título Grilla

Leyenda Graticule

Caja Bitmap

Escala

1.3 Dominios
Los dominios son como el centro de un conjunto de información. Ellos contienen todos los
códigos que pueden ocurrir en un mapa, tabla o columna. Existen tres principales tipos de
dominios:

Dominio tipo clase


El dominio clase (“class”) se utiliza para mapas donde una unidad puede existir en varias partes
del mapa, y aunque esta unidad existe en varias partes, las características de estas unidades son
las mismas. Un mapa de unidades de cobertura es un ejemplo de un mapa con dominio tipo
clase.

Dentro de este tipo de dominio existe una variación que se llama “class group”. Se utiliza para
mapas donde rangos de valores se asignan el mismo significativo. Cuando a partir de un modelo
digital de elevación (mapa con valores que representan la altura en cada pixel) se genera un
mapa de pisos climatológicos, se aplica el dominio “class group”; 0-1000 msnm corresponde a
cálido, 1000-2000 msnm a clima templado, 2000-3000 msnm a clima frío y superior a 3000 a
páramo y sub-páramo.

Dominio tipo Identificador


El dominio identificador se utiliza para identificar elementos que son únicos en un mapa. Un mapa
con estaciones pluviométricas es un mapa de tipo identificador, puesto que la información que
almacena una estación pluviométrica es única.

Dominio tipo valor


El dominio tipo valor se utiliza obviamente para mapas y columnas con valores. Este tipo de
dominio se subdivide en muchos tipos de dominio valor. Un dominio valor se define por su rango
de valores y precisión.

Count Conteo de elementos: valores de 0 hasta 999'999.999 con precisión 1


Distance Para cálculo de distancias: valores de 0 hasta 1.000'000.000 con precisión 0.1

©
X. Bakker 7 Instituto Geográfico Agustín Codazzi. 2001
Min1to1 Usado para cálculos con resultado en el rango de -1 hasta 1 como el índice de
vegetación verde: valores de -1 hasta 1 con precisión 0.0 (la precisión no tiene límite)
Perc Para representar porcentajes: valores de 0 hasta 100 con precisión 0.0 (la precisión
no tiene límite).
Value Valores por defecto de -9999999.99 hasta 9999999.99, precisión 0.01, el usuario
puede adaptar el rango y la precisión según sus necesidades.

& Dominio tipo valor usados para productos de la percepción remota


Image Para imágenes satelitales con rango de valores de o hasta 255: valores de 0 hasta
255 con precisión 1
Noaa Para imágenes del satélite NOAA: valores de 0 hasta 1023 con precisión 1
Radar Para imágenes RADAR: valores de 0 hasta 32767 con precisión 1

& Dominio tipo valor usados para operaciones lógicas


Bit Contiene valores 0 (falso) y 1 (verdadero)
Bool Contiene valores 0 (falso), 1 (verdadero) y “?” (indefinido)
Yesno Contiene “Yes” (Si), “No” (No) y “?” (indefinido)

Otros dominios
Binary Usados internamente y solo en elementos binarios (filtros del sistema)
Color Para mapas raster con colores de 24-bits.
Colorcmp Para composiciones a color de tipo estándar usando 216 colores.
None Para tablas no relacionadas a elementos espaciales.
Picture Para mapas que contienen colores de paleta (8-bits, 256 colores) sin otro
significativo de los pixeles.
String Únicamente para columnas que contienen textos

1.4 Dependencias
En ILWIS existen diferentes tipos de dependencias. Un mapa depende de un dominio, además
puede tener por medio del dominio una o más representaciones. Una tabla de atributos puede
utilizar el mismo dominio que un mapa y por compartir el mismo dominio estos objetos de datos
pueden estar directamente relacionados.

Otro tipo de dependencia es cuando se efectúa un análisis y se guardan en las propiedades la


fórmula que se aplicó para generar un nuevo mapa. Ejemplo: un análisis simplificado para
determinar la erosión, que solamente utilice información (mapas) de precipitación, cobertura
vegetal, suelos y pendientes. Normalmente se tratan los mapas de entrada como si fueran
estáticos, generando un resultado de análisis estático. En ILWIS, cuando un mapa utilizado como
entrada para un análisis se cambia, la dependencia del resultado con el mapa cambiado avisará
al usuario que el resultado del análisis está desactualizado y ofrece la opción de actualizarlo.

©
X. Bakker 8 Instituto Geográfico Agustín Codazzi. 2001
1.5 Propiedades
El usuario puede tener acceso a las propiedades de los objetos por medio del menú sensitivo al
contexto. Para hacerlo aparecer se debe ubicar el puntero sobre el objeto de interés y oprimir el
botón derecho del mouse, luego seleccionar la opción “Properties”.

En las propiedades se puede obtener información sobre el dominio que está usando el objeto de
datos. Además, el número de puntos, segmentos, o polígonos para mapas vectoriales y número
de filas y columnas para mapas raster. En las propiedades se puede especificar la descripción
del objeto que nos ayuda a trabajar más estructuradamente y hacer los datos mas
intercambiables.

1.6 Menú sensitivo al contexto


El menú sensitivo al contexto en un menú emergente que aparece cuando el mouse está ubicado
sobre un objeto y se oprima el botón de la derecha del mouse. Las opciones difieran dependiendo
el objeto que se está usando.

©
X. Bakker 9 Instituto Geográfico Agustín Codazzi. 2001
2. Convenciones

Sí encuentra algo como:

 Entre al programa “Iteration”. Especifique el mapa “start” como “Start Map” y escriba la
siguiente fórmula en la caja de “Expression”:

IFF(MDECOR>3280,START,nbmax(START#))

... indica que la operación está explicada detalladamente. Negrilla para programas y opciones
de ILWIS y para fórmulas, además se usa “cursiva” para nombres de mapas, tablas, códigos, etc
(datos).

Sí encuentra algo como:

Cree un mapa que incluya zonas con una distancia menor a 600 metros a partir de la vía
principal (código “main”), 400 metros a partir de las vías secundarias (códigos “sec1" y
“sec2") y 200 metros a partir de las demás vías.

... el usuario con base en la experiencia previa debe resolver el problema.

En el transcurso de los ejercicio se asume que el usuario está trabajando en el directorio


“C:\CIBODAS”. En caso de encontrar el siguiente:

 Cambie al directorio “C:\CIBODAS\CUENCA".

... se quiere decir que se debe ubicarse en el subdirectorio “CUENCA” del directorio
“C:\CIBODAS”.

Una frase en cursiva indica que se está dando una descripción de la operación a ejecutar.

©
X. Bakker 10 Instituto Geográfico Agustín Codazzi. 2001
3. Introducción
Para la práctica se utilizará un conjunto de datos de la Bioreserva Cibodas (Indonesia), elaborado
por el ITC en cooperación con el PHPA (Departamento de protección de bosque y conservación
de la naturaleza) en el proyecto de UNESCO-ITC llamado "Geo-información para el manejo
sostenible de los recursos naturales".

INDONESIA

Java

Bioreserva Cibodas

Java

Ubicación del área de estudio

La Bioreserva "Cibodas" consta de tres zonas:


1) la zona de conservación estricta,
2) una zona donde sólo se tolera actividades que no causan impacto en la zona de conservación
y
3) una zona con actividades humanas.

Se incluyeron las zonas 2 y 3 porque tienen una influencia directa sobre la zona 1.

En la zona con actividades humanas se practica una agricultura intensa. Con la agricultura se
obtiene leña, la cual se utiliza para cocinar. Desafortunadamente, la leña obtenida de la
agricultura no es suficiente para la mayoría de las personas. Las ganancias que obtienen con la
agricultura no les permite comprar leña para cocinar. La única fuente de leña es el parque
nacional donde no está permitida la colección de leña (tala de vegetación leñosa).

©
X. Bakker - 2001 11 Introducción
El resultado es que la gente ingresa ilegalmente al parque para abastecerse de leña. El perímetro
del parque (aproximadamente 225 km en una zona altamente montañosa) no permite la vigilancia.

Para poder definir un manejo que reduzca el impacto en el parque nacional, se tiene que
determinar las áreas principales con déficit de rendimiento de leña.

Últimamente se está notando un cambio en la agricultura que causa graves problemas. Muchas
partes con agricultura de diferentes frutales (de alto rendimiento de leña) se está cambiando a
cultivos como cebolla con lo cual se puede obtener una mayor ganancia, pero con un rendimiento
muy bajo de leña, causando una presión más alta al parque nacional.

Cultivo de cebolla, con bajo rendimiento de leña, pero con


mayor ganancia.

Frutales con alto rendimiento de leña

©
X. Bakker - 2001 12 Introducción
La educación ambiental es tiempo perdido, ya
que este gente trata de sobrevivir. Ellos necesitan
leña para cocinar.

El impacto se puede dividir en dos tipos:

Un impacto bajo, causado por individuos que


colectan productos del bosque de los cuales la
mayoría se encuentran en el suelo.

La foto a la izquierda muestra dos personas con


la leña recolectada.

Colección ilegal de leña en el Parque Nacional


Gunung Gede-Pangrango, Java, Indonesia.

Otro tipo de impacto es la colección a mayor escala,


cortando árboles enteros, causando impactos graves
en el bosque.

La foto a la derecha muestra el resultado de este tipo


de colección.

Impacto en el bosque por cortar árboles enteros.

©
X. Bakker - 2001 13 Introducción
4. Datos a utilizar
En el directorio "C:\CIBODAS" encontrará el conjunto de datos para utilizar durante las prácticas.
Los siguientes datos han sido incluidos1:

ADMIN Mapa de polígonos de las unidades administrativas (15 unidades), tipo


identificador.

CIBODAS Georeferenciación de esquinas, con 50 metros/pixel

CURVAS Mapa de segmentos con las curvas de nivel (de 400 m. hasta 3000 m., cada 100
m.), dominio “mde” tipo valor.

INFRA Mapa de segmentos de la infraestructura vial, con dominio tipo clase

LANDUSE Mapa de polígonos del uso de la tierra (18 unidades, 71 polígonos), con dominio
tipo clase

POPSTAT Tabla con las estadísticas de población para las años 1984/1985 hasta 1991/1992,
para cada unidad administrativa, utilice el dominio ADMIN

SETTLE Mapa de polígonos de los poblados distinguidos (144 polígonos), con dominio
clase.

Adicionalmente, durante el curso se crearán y editarán otras tablas con información


complementaria.

1
Para una mejor comprensión y una reducción del tiempo de procesamiento, se han simplificado los datos
usados en el proyecto UNESCO-ITC.

©
X. Bakker - 2001 14 Datos a utilizar
5. Conocer los datos
Antes de trabajar con estos datos es recomendable observarlos. Consulta al profesor como
configurar el despliegue de los objetos en el catálogo!

Despliegue el mapa de polígonos de las unidades administrativas:

 En caso de que todavía no se encuentre en el directorio “C:\CIBODAS” cambie al


directorio. Haga doble clic sobre el icono del mapa de polígonos “admin”. En la caja del
dialogo de las opciones del despliegue acepte las opciones que salen por defecto y haga
clic en el botón “OK”.

Para consultar los nombres de las unidades administrativas, solamente se tiene que
hacer clic con el mouse en una unidad desplegada en el mapa.

Cierre la ventana del mapa seleccionando del menú “File” la opción “Exit”.

Despliegue el mapa de segmentos con la infraestructura vial:

 Haga doble clic sobre el icono del mapa de segmentos “infra”. En la caja del dialogo de
las opciones del despliegue acepte las opciones que salen por defecto y haga clic en el
botón “OK”.

Al hacer clic sobre una vía no se muestra la codificación, puesto que la opción “Info” está
por defecto apagada para mapas de segmentos. Entre al menú de “Layers”, seleccione
la opción “Display Options” y el mapa “1 seg infra”. En la caja del dialogo prenda la
opción “Info” y haga clic en el botón “OK”. Consulte los códigos de los segmentos.

Cierre la ventana del mapa oprimiendo el botón en la parte superior derecha de la


ventana.

Despliegue el mapa de polígonos de uso de la tierra:

Despliegue el mapa de polígonos de uso de la tierra “landuse”, aceptando las opciones


que salen por defecto el la caja del dialogo. Verifique los códigos que tiene el mapa con
la tabla que se encuentra en la página 23.

Despliegue el mapa de infraestructura sobre el mapa de uso:

 Seleccione el menú “Layers”, luego la opción “Add Data Layer” y después la opción
“Segment Map”. Seleccione el mapa “infra”, haga clic en “OK” y acepte las opciones del
despliegue por defecto.

Cierre la ventana.

©
X. Bakker - 2001 15 Conocer los datos
Despliegue el mapa de curvas de nivel “curvas”.

Despliegue el mapa de segmentos “curvas” y prenda la opción “Info”. Determine el


intervalo de las curvas. Entre a las propiedades del mapa “curvas” por medio del menú
“Edit”, luego la opción “Domain” y después la opción “1 seg curvas”.

El mapa tiene curvas cada 100 metros pero está usando el dominio “mde” que tiene una
precisión de 1 metro. Se podría utilizar un dominio con precisión de 100 metros para este
mapa de curvas de nivel. Sin embargo, no se recomienda, puesto que los productos
derivados (ej: un modelo digital de elevación, obtenido por medio de una interpolación)
del mapa de curvas de nivel, por defecto utilizan el dominio del mapa de entrada. El
modelo digital de elevación con una precisión de 100 metros de altura aparecería una
clasificación del mismo, y causaría errores graves en posteriores análisis (mapa de
pendientes, aspectos de pendientes, etc).

Cierre la ventana del dominio. Utilice los siguientes botones:

Desplegar ventana entera

Acercamiento (zoom 200%)

Alejarse (zoom 50%)

Ampliar la ventana (200%)

Reducir la ventana (50%)

Redibujar la ventana actual

Medir distancias

Despliegue el mapa de polígonos “settle” sobre el mapa “admin”:

 Despliegue el mapa “admin”, luego arrastre el icono del mapa de polígonos “settle” sobre
la ventana del mapa “admin” y sueltelo, acepte las opciones del despliegue.

Puesto que los colores de ambos mapas no ayudan a una buena presentación del mapa,
cambiaremos el despliegue. Entre a las opciones del despliegue (“Layers”, ”Display
Options”) del mapa “admin” y prende la opción “Boundaries Only”. Cambie el
despliegue del mapa “settle” seleccionando primero la opción “Single Color”, y luego el
color “LightGray” para su presentación. Agregue el mapa “infra” con su representación.

La vía principal con el código “main” puede ser interpretada como el límite del área de
estudio. Sin embargo, tenemos varios mapas que tienen información fuera del área de
estudio (“curvas”, “settle” y “admin”).

©
X. Bakker - 2001 16 Conocer los datos
Las razones son las siguientes:

Curvas Las curvas de nivel se deben capturar hasta fuera del área de interés puesto que durante
la interpolación se generan errores en los límites de la información. Con información
hasta fuera del área de interés se asegura que los errores ocurran fuera del área de
interés.

Admin Las unidades administrativas tienen información de población relacionadas a ellas. En


caso de utilizar las unidades administrativas hasta el límite del área de estudio, se
generará densidades poblacionales mayores a la realidad.

Settle Por la misma razón que las unidades administrativas se está utilizando información hasta
fuera del área de interés. El mapa “settle” tiene las poblaciones codificados de forma
única cuando están ubicadas dentro del área de interés y tiene un código igual por cada
unidad administrativa cuando están ubicados fuera del área de estudio. Por lo tanto el
mapa está utilizando un dominio tipo clase.

 Despliegue del mapa infra únicamente la vía principal. Entre a las opciones del
despliegue, prende la opción “Mask” y escribe “main” como código a desplegar. Observe
el resultado y cierre la ventana.

Despliegue la tabla con las estadísticas de la población:

 Haga doble clic en el icono de la tabla “popstat”. Se abre la ventana de la tabla de las
estadísticas poblacionales. Utilice las barras de desplazamiento para ver todos los datos.
La tabla depende del dominio “admin” que es el mismo que utiliza el mapa “admin”. Esto
nos permite especificar la tabla “popstat” como tabla de atributos del mapa “admin”.

Cierre la tabla. Entre a las propiedades del mapa “admin”: ubique el mouse sobre el icono
del mapa “admin” y oprima el botón derecho del mouse, luego seleccione la opción
“Properties”. Prenda la opción “Attribute table” y seleccione la tabla “popstat” como
tabla de atributos. Haga clic en el botón “OK”.

Despliegue el mapa “admin”, prenda la opción “Attribute”. Seleccione la columna


“Pop9192" para desplegar, luego seleccione la opción “Representation”, acepte la
representación “pseudo” y haga clic en el botón “OK”.

El mapa despliega las unidades administrativas con colores, representando el número


de habitantes: azul para valores más bajos, verde para valores intermedios y rojo/morado
para los valores más altos. Haga clic sobre algunas unidades para obtener su nombre
y el valor de población desplegado. (No cierre la ventana).

©
X. Bakker - 2001 17 Conocer los datos
Consultar la información de la población por cada polígono utilizando Pixel Information:

 Para obtener información de múltiples años, es necesario utilizar la opción “Pixel


Information” (Información de celdas). Entre al menú “File” y seleccione la opción “Open
Pixel Information”. En la ventana de “Pixel Information” entre al menú “File” y luego
seleccione la opción “Add Map”. Seleccione el mapa “admin” y haga clic en “OK”. Se
carga la información de la tabla “popstat” según la unidad administrativa donde esté
ubicado el mouse. Mueva el mouse sobre el mapa “admin” para obtener los valores de
población para varias unidades administrativas.

©
X. Bakker - 2001 18 Conocer los datos
6. Modelo predictivo a utilizar
El modelo predictivo contiene todos los datos con el fin de determinar las ubicaciones del parque
nacional con mayor probabilidad de tener un impacto causado por la colección ilegal de leña.

©
X. Bakker - 2001 19 El modelo predictivo para utilizar
Toxopeus (1996) subdividió el modelo conceptual en tres sub modelos:

1- Disponibilidad de los recursos naturales (en este caso leña)


2- Demanda de los recursos naturales (leña)
3- Accesibilidad a los recursos naturales (leña del parque nacional)

Combinando la disponibilidad y la demanda de leña se puede definir la ubicación y cantidad del


déficit y excedente de leña. Luego a partir de las poblaciones que tienen un déficit se puede
calcular una distancia al parque nacional para determinar las áreas más probables a tener un
impacto causado por la colección ilegal de productos de bosque (leña).

Por la sencilla razón que la gente no puede llegar por medio de una línea recta al parque, o que
la línea recta no representa la ruta óptima para llegar a la parte más cercana del parque, se tiene
que incluir otros factores (tales como velocidad por las vías, velocidad en el campo, influencia de
pendientes, etc) para obtener tiempos de viaje. Esto hace parte del sub-modelo de accesibilidad.

©
X. Bakker - 2001 20 El modelo predictivo para utilizar
6.1 Sub-modelo de disponibilidad de leña
Para obtener la disponibilidad de leña se necesita el mapa de uso y cobertura y se requiere
información sobre el rendimiento de leña por cada tipo de uso y cobertura por hectárea por año.
También se tiene que utilizar las unidades administrativas, porque la información de demanda de
leña solamente se puede determinar por unidad administrativa (consumo per capitá, información
de población disponible a nivel de unidad administrativa). Puesto que se tiene que combinar la
disponibilidad con la demanda, es necesario determinar la unidad espacial para hacerlo. En este
caso las unidades administrativas.

El proceso se inicia con el cruce de la información de unidades administrativas y la información


de uso y cobertura. El cruce es un tipo de superposición lo cual genera una tabla con información
sobre las diferentes combinaciones (tipo de uso y cobertura por unidad administrativa)
encontrados y sus respectivas áreas. En ILWIS este proceso sólo se puede hacer en formato
raster.

Rasterizar los mapa de polígonos admin y landuse:

 Desde el menú sensitivo al contexto del mapa de polígonos “admin” seleccione la opción
“Polygon to Raster”. En la caja de dialogo seleccione la georeferenciación “cibodas” y
prenda la opción “Show”, deje el nombre del mapa de salida “admin”. Especifique una
descripción adecuada.

Tener la opción “Show” prendida hace que el programa calcule y muestre el resultado.
En el caso contrario el programa únicamente crearía el icono del mapa raster de salida,
pero no lo crearía físicamente.

Repita el mismo proceso para el mapa “landuse”.

Es importante que todos los mapas que se incluirán en el análisis tengan la misma
georeferenciación. ILWIS no permite utilizar mapas con diferentes georeferenciaciones en un
análisis.

©
X. Bakker - 2001 21 El sub-modelo de disponibilidad de leña
Cruzar las unidades administrativas con uso y cobertura:

 Seleccione el programa “Cross” desde el listado de operaciones (haciendo doble clic


sobre él). Especifique como primer mapa el mapa “admin” y como segundo mapa el
mapa “landuse”. Escriba como nombre de la tabla de salida “adminuso” y prenda la
opción “Show”.

Puesto que solamente se está interesado en tener información tabular de los usos por
unidad administrativa, no se crea un mapa de salida.

Las opciones de ignorar valores indefinidos en ambas mapas es para excluir las áreas
que no son de interés (ver gráfico abajo). El achurado es el área de estudio y las líneas
son los límites de las unidades administrativas. Puesto que las unidades administrativas
sobrepasan el área de estudio (se tiene solamente información de uso y cobertura dentro
del área de estudio) se excluyen las áreas indefinidas del mapa de uso para entonces
excluir las partes de unidades administrativas fuera del área de estudio. Mas adelante
se utilizará la información de los poblados que están ubicados fuera del área de estudio,
para excluir de forma más precisa la población que vive fuera el área de interés (que se
supone no tiene influencia en el parque).

©
X. Bakker - 2001 22 El sub-modelo de disponibilidad de leña
La tabla se despliega. La columna a la izquierda contiene el nuevo dominio que se creó el cual
está compuesto por los códigos de ambas mapas de entrada separado con un asterisco “*”.

La columna “NPix” contiene información sobre el número de pixeles que corresponden a los
cruces de los dos mapas y básicamente sobra, puesto que también se generó una columna
“Area” (m²).

Se puede observar que la unidad “Caringin” se cruza con los usos “Rice 1x/veg”, “Settlements”,
“Rice 2x/veg”, “Mixed Garden”, “Homestead” y “Product Forest”.

Minimizar la tabla.

Crear una tabla con el rendimiento de leña por unidad de uso:

 Cree una nueva tabla a partir del dominio “landuse”. Asegurase que los dominios están
desplegados en el catálogo. Entre al menú sensitivo al contexto del dominio “landuse”
y seleccione la opción “Create Table...”. En la caja del dialogo especifique el nombre
“rendiuso” y oprima el botón “OK”.

Cree una columna “rendi”. Entre al menú “Columns”, luego seleccione la opción “Add
Columns”. Escriba el nombre “rendi” como nombre de la columna y ajuste el rango y la
precisión según la información en la siguiente tabla:

Uso Rendimiento de leña por año (m3/ha)


Crater Lahar (Volcán) 0.0
Crater Shrubs (Veg. de volcán) 0.0
Dry Cashcrops (Frutos secos) 0.7
Dry Tumpang (Cultivos de terrazas) 4.0
Dry Vegetables (Cultivos sin irrigación) 0.7
Fishpond (Piscicultura) 0.0
Forest/Aban Tea (Cultivos té 7.5
Homestead (Parcelas pequeñas) 5.2
Irrigated Land (Tierras de irrigación) 0.7
Lake (Lago) 0.0
Mixed Garden (Parcelas de cultivos) 3.5
National Park (Parque Nacional) 0.02

2
Note que el rendimiento de leña en el parque nacional es cero, dado que la colección de leña esta prohibida.

©
X. Bakker - 2001 23 El sub-modelo de disponibilidad de leña
Uso Rendimiento de leña por año (m3/ha)
Product Forest (Bosque de producción) 2.2
Rice1x/veg (Arroz 1 ciclo/veg) 0.5
Rice2x/veg (Arroz 2 ciclos/veg) 0.3
Rice3x (Arroz 3 ciclos) 0.1
Settlements (Poblados) 0.0
Tea Estate (Plantaciones de té) 1.2

 Oprima el botón “OK” y edite los valores de la tabla. Luego cierre la tabla.

Unir rendimiento de leña a la tabla de cruce y calcular rendimiento por unidad administrativa:

En este paso debemos obtener los valores de la columna “rendi” de la tabla “rendiuso” e integrarla
a la tabla de cruce “adminuso” para poder calcular el rendimiento de leña por unidad
administrativa. La obtención en una tabla de datos los cuales están guardados en otra tabla se
hace por medio de una operación “Join” (unión).

Existen varias formas de unir información:

1 La tabla actual comparte el mismo dominio con la tabla externa.


2 El dominio de una columna de la tabla actual es el mismo que el dominio de la tabla externa.
3 El dominio de la tabla actual es el mismo que el dominio de una columna de la tabla externa
desde donde se va unir una columna.
4 El dominio de una columna de la tabla actual es el mismo que el dominio de una columna de
la tabla externa desde donde se va unir una columna.

En este caso el dominio de la columna “landuse” de la tabla actual “adminuso” es el mismo que
el dominio de la tabla externa “rendiuso”:

©
X. Bakker - 2001 24 El sub-modelo de disponibilidad de leña
 Restaure la tabla “adminuso”. Entre al menú “Columns” y seleccione la opción “Join...”.
En la caja del dialogo seleccione la tabla “rendiuso” y observe que automáticamente se
seleccione la columna “rendi” (es la única columna en la tabla). Luego prenda la opción
“Key Column” y seleccione la columna “landuse” (el enlace). Escribe “rendi” como
columna de salida y oprima el botón “OK”.

Con base en la columa “rendi” se puede calcular por cada área de cruce su rendimiento en
m3/año.

 Escriba en la linea de comando de la tabla la siguiente fórmula para calcular el área en


hectáreas:

AreaHa=Area/10000

Acepte el rango y la precisión que el sistema ofrece por defecto.

ILWIS utiliza las siguientes convenciones en las calculaciones:

= crea una columna dependiente de la información de entrada


:= crea una columna independiente de la información de entrada

En caso de querer obtener una columna que se tenga que editar luego, se recomienda usar el
signo “:=” en caso contrario se recomienda usar el signo “=”.

 Escribe en la linea de comando la siguiente fórmula para calcular el rendimiento de leña


por cada cruce individual:

IndRendi=rendi*AreaHa

Acepte el rango y la precisión que el sistema ofrece por defecto.

Ya tenemos una columna que podemos utilizar para sumar el rendimiento por cada unidad
administrativa. Para tal propósito se debe utilizar funciones de agrupación (“Aggregation”).

 Entre al menú “Columns”, luego seleccione la opción “Aggregation...”. Seleccione la


columna “IndRendi” y la función “Sum”. Prenda la opción “Group by” y seleccione la
columna “admin”. Prenda la opción “Output Table” y escriba “oferta” como tabla de
salida. Luego escriba “TotRendi” como columna de salida.

En este cálculo se efectúa una suma obteniendo el rendimiento para de cada unidad
administrativa. En caso de omitir prendiendo la opción “Group by” se efectúa una suma para todo
el área de estudio.

©
X. Bakker - 2001 25 El sub-modelo de disponibilidad de leña
 Cierre la tabla “adminuso”. Abra la tabla “oferta”. Se puede observar que se ha obtenido
en el parque nacional (código “NP”) un rendimiento mayor a 0, puesto que el límite del
parque nacional en el mapa “admin” no corresponde completamente al límite del parque
nacional del mapa “landuse”.

 Ejecute la siguiente fórmula para corregir este error:

TotRendi2=iff(%k="NP",0,TotRendi)

Esta fórmula es un cálculo condicional donde se evalúa si el dominio (“%k”) es igual al


código “NP” (debe escribirse entre comillas, puesto que en el caso contrario el sistema
interprete NP como nombre de una columna, que no existe, resultando un error). Cuando
se cumple la condición se escribe el valor 0, en caso contrario se escriben los valores
que contiene la columna “TotRendi”.

Note que en ILWIS se usa “IFF” en vez de “IF” para cálculos condicionales.

Cierre la tabla.

©
X. Bakker - 2001 26 El sub-modelo de disponibilidad de leña
6.2 Sub-modelo de demanda de leña
La demanda de leña está definida por la cantidad de leña que cada persona consume.
Adicionalmente hay un factor que contribuye en el consumo: la industria casera de fabricación
de artesanías. Dentro de los datos entregados está la tabla “popstat” que contiene por cada
unidad administrativa la población entre 1984/1985 hasta 1991/1992. Para este ejercicio vamos
a calcular la población en el año 1999/2000 y a esta población le relacionamos el consumo per
cápita y el consumo adicional para obtener la demanda de leña por unidad administrativa.

Calcular la población en el año 1999-2000 con base en el crecimiento de la población entre


1984/1985 hasta 1991/1992:

Como tenemos datos de la población entre 1984/1985 hasta 1991/1992, se puede calcular el
crecimiento de la población por año por medio de la siguiente fórmula:

1
Pob9192 û años
Pobcreci (%)
1 100
Pob8485

En ILWIS 2 esta fórmula se puede escribir así:

PobCreci=((Pop9192/Pop8485)^(1/7)-1)*100

PobCreci=(Pow((Pop9192/Pop8485),(1/7))-1)*100

Calcule en la tabla “popstat’ la columna “PobCreci”, seleccione el dominio “perc”.

De nuevo existe un error en la unidad “NP”. Con una fórmula cree la columna
“PobCreci2" donde se reemplaza el valor indefinido del registro “NP” por 0.

©
X. Bakker - 2001 27 El sub-modelo de demanda de leña
Para estimar la población en el año 1999/2000 se debe utilizar el crecimiento promedio por cada
unidad administrativa y aplicarlo a la última población conocida (año 1991/1992) hasta llegar al
año 1999/2000. Se puede utilizar la siguiente fórmula:

(2000 1992)
Pob creci (%)
Pob9900
Pob9192 1
100

En ILWIS esta fórmula se puede escribir así:

Pop9900=Pop9192*(PobCreci2/100+1)^(2000-1992)

Pop9900=Pop9192*Pow(PobCreci2/100+1,2000-1992)

Calcule la columna “Pop9900". Estime los valores mínimo y máximo y ajuste el rango y
la precisión del dominio valor.

En algunas unidades administrativas se puede observar un crecimiento negativo entre 1990/1991


y 1991/1992. Este crecimiento se puede estimar con el mismo cálculo (ûaños=1):

Calcule la columna “Creci9092" usando una fórmula similar a la que se encuentra en la


página anterior. En caso que se ha utilizado el dominio “perc” algunos registros muestran
valores indefinidos. Por qué?

Calcular la demanda basado en el consumo per cápita y otros consumos:

Decimos que el consumo per cápita en este año será de 0.1 m3/año 3. Multiplicando la población
en el año 1999/2000 por el consumo per cápita resulta en el consumo por unidad administrativa
en m3 por año basado en la población.

Calcule el consumo por unidad administrativa:

Consumo =...........................................................

El consumo de la población es el 97% del consumo total. Así tenemos que ajustar el consumo
de la población para obtener el consumo total:

3
Este dato ha sido modificado para simplificar el ejercicio.

©
X. Bakker - 2001 28 El sub-modelo de demanda de leña

Calcule el consumo total por unidad administrativa:

ConsumoTot = .........................................................

Cree una nueva tabla “demanda” a partir del dominio “admin” y una desde la tabla
“popstat” la columna “ConsumoTot” en esta tabla.

Unir la disponibilidad y calcular excedente y déficit:

Abra la tabla "oferta", una la columna "ConsumTot" de la tabla "demanda” y calcule la


diferencia entre disponibilidad y demanda. El resultado deberá indicar valores negativos
para déficit y valores positivos para excedente.

ExceDefi = ..........................................

Observe los resultados y cierre la tabla. Defina en las propiedades del mapa “admin” la
tabla “oferta” como tabla de atributos y despliegue el mapa utilizando la columna
“ExceDefi”. (utilice representación “pseudo”).

Cierre el mapa.

Para representar el resultado de una manera más entendible, crearemos una representación
personalizada para la columna “ExceDefi”.

 Abra la tabla “oferta” y haga doble clic en el título de la columna “ExceDefi”. Esto debería
abrir las propiedades de la columna. (Otra manera de tener acceso a las propiedades de
la columna es por medio del menú “Columns”, “Column Management”, seleccionar la
columna “ExceDefi” y oprimir el botón “Properties”.) Haga clic en el botón para crear
un dominio.

Llame el dominio de tipo valor “ExceDefi” y especifique el rango -20000 hasta 12000 con
precisión 0,01. Cierre la tabla.

En el menú sensitivo al contexto del dominio “ExceDefi”, seleccione la opción “Create


Representation” y llame la representación “ExceDefi”. Luego en la ventana de editar la
representación cambie el color correspondiente al valor -20000 a rojo oscuro: haga doble
clic sobre el valor “-20000", luego en la ventana de “Edit Limit” cree un color con
intensidades; Rojo=160, Verde=0 y Azul=0.

Cambie el numero de tonalidades por paso a 50: entre al menú “Edit”, luego seleccione
la opción “Stretch Steps” y cambie el valor a 50. Cambie el color correspondiente al valor
“12000" a “ForestGreen”.

©
X. Bakker - 2001 29 El sub-modelo de demanda de leña
Luego inserte un nuevo límite con valor 0: Entre al menú “Edit” y seleccione la opción
“Insert Limit”. Especifique el valor 0 y asigne el color amarillo “Yellow”.

Cierre la representación y vuelva a desplegar el mapa “admin” utilizando la columna


“ExceDefi” con su respectiva representación.

©
X. Bakker - 2001 30 El sub-modelo de demanda de leña
6.3 Sub-modelo de accesibilidad a la leña
En el sub-modelo de accesibilidad a la leña se repartirá el déficit sobre las poblaciones dentro de
las unidades administrativas y a partir de las poblaciones con déficit de leña se calculará un mapa
de tiempos de viaje para determinar cuales partes del parque nacional son las más accesibles
y por tanto las más probables de tener un impacto.

Para el mapa de tiempos de viaje se utilizará información de velocidades por las vías, velocidades
en el campo y reducción de velocidad causado por las pendientes.

Crear el modelo digital de elevación a partir de las curvas de nivel:

 Abra el menú sensitivo al contexto del mapa “curvas” y seleccione la opción “Contour
Interpolation”. Escriba “mde” como nombre del mapa de salida y seleccione la
georeferenciación “cibodas”. Por defecto sale el dominio “mde” que se esta utilizando del
mapa “curvas”. Prenda la opción “Show” y oprima “OK”.

En la pantalla se puede observar "Forward" (paso hacia adelante) y "Backward" (paso hacia atrás)
y los cambios (pixeles cambiando de valor). Esto se repite hasta llegar a cero cambios, después
hay un paso final de interpolación.

Acepte las opciones del despliegue que salen por defecto y despliegue el mapa. Observe la
presencia de líneas rectas que indican errores de la interpolación, en la zona fuera del área de
interés.

Durante la interpolación se pueden crear pequeños errores, los cuales son mejorados con un filtro
de suavizar (promedio).

©
X. Bakker - 2001 31 El sub-modelo de la accesibilidad a la leña
Observa el contenido del filtro “avg3x3":

1 1 1

1 1 1

1 1 1

Gain: 0.11111 Offset: 0

Un filtro utiliza los valores de los vecinos para escribir el resultado en el pixel central. La fórmula
es la siguiente:
vecinos1
Pixelcentral
M
n
1
Valordelmapan Valordelfiltron Gain  Offset

En caso del filtro "avg3x3":

2 8 4 1 1 1

6 7 3 1 1 1 ” 5

4 5 6 1 1 1

Mapa entrada Filtro Mapa Salida

Pixelcentral
2 1  8 1  4 1  6 1  7 1  3 1  4 1  5 1  6 1 0.11111  0

El Gain (0.11111)  1/9, hace un promedio de los vecinos (incluyendo el valor central) y escribe
el resultado en el mapa de salida en el pixel central. En esta forma se va moviendo el filtro sobre
el mapa entero para escribir el mapa de salida.

 Entre por medio del menú sensitivo al contexto a la opción “Image Processing”, luego
seleccione “Filter”. En la caja del dialogo seleccione el filtro “avg3x3" y escriba como
nombre del mapa de salida “mdes”. Acepta el dominio “mde” (el rango no se va a
cambiar), prenda la opción “Show” y oprima el botón “OK”.

©
X. Bakker - 2001 32 El sub-modelo de la accesibilidad a la leña
A partir del modelo digital de elevación suavizado podemos aplicar otros filtros para generar 2
mapas que son necesarios en el cálculo de un mapa de pendientes. Estos filtros son: DFDX para
calcular la diferencia en la atura en la dirección X (horizontal) y DFDY para calcular la diferencia
en altura en la dirección Y (vertical):

0 0 0 0 0 0 0 -1 0 0

0 0 0 0 0 0 0 8 0 0

1 -8 0 8 -1 0 0 0 0 0

0 0 0 0 0 0 0 -8 0 0

0 0 0 0 0 0 0 1 0 0

Filtro "DFDX" Filtro "DFDY"

Gain = 0.08333334, Offset=0

Cree un mapa raster llamado "dfdx" aplicando el filtro lineal “dfdx” al mapa "mdes", y cree
un mapa raster llamado "dfdy" aplicando el filtro “dfdy” al mapa "mdes", acepte en ambos
casos el rango y la precisión que ofrece el sistema para los mapas de salida.

Despliegue los mapas y verifique sus valores. Luego cierre los mapas.

Calcular el mapa de pendientes:

 Escriba en la linea del comando la siguiente fórmula para generar el mapa “pendient” en
porcentaje:

Pendient = 100 * HYP(dfdx,dfdy)/ PIXSIZE(mdes)

Por qué no se puede utilizar el dominio “perc” para el mapa “pendient”?

Acepte el rango y la precisión que salen por defecto. Se puede observar que el mapa no
se calcula. Al hacer doble clic sobre el mapa el mapa se calcula y se despliega el
resultado.

Clasificar las pendientes:

En este caso estamos interesados en obtener un mapa que contenga los valores que representan
los rangos de pendientes. Para cada rango, mas adelante, se asigna un atributo (corrección de
velocidad por influencia de las pendientes).

©
X. Bakker - 2001 33 El sub-modelo de la accesibilidad a la leña
Para la clasificación se debe conocer el valor máximo del mapa de pendientes. En la caja de
dialogo de las opciones del despliegue del mapa “pendient” está indicado este valor. Anote el
valor máximo:

Valor máxima = ..........

La clasificación de un mapa de valores se hace por medio de un dominio de tipo “class group”
donde se asigna un significativo a cada rango de valores.

 Cree un nuevo dominio “pendclas” seleccionando la opción “New Domain” desde el


listado de operaciones. Asegúrese que tiene seleccionada la opción “Class” y marcado
la opción “Group”. Por medio del menú “Edit” y la opción “Add Item” adicione los
elementos según la tabla abajo.

Name UpperBound Code

0-5% 5 a
5-10% 10 b
10-20% 20 c
20-30% 30 d
30-45% 45 e
45-65% 65 f
>65% Valor mayor al máxima g
valor del mapa “pendient”

Cuando los valores han sido editados, cierre el dominio.

Por medio de un cálculo se aplica la clasificación:

 Escriba en la linea del comando la siguiente fórmula para generar el mapa “pendclas”:

Pendclas = CLFY(Pendient,pendclas)

donde:

Pendclas Es el mapa de salida


CLFY() Es una operación de ILWIS (necesita 2 parámetros)
Pendient Es el mapa de entrada (pendientes sin clasificar)
pendclas Es el dominio con la clasificación

©
X. Bakker - 2001 34 El sub-modelo de la accesibilidad a la leña
Por defecto el sistema utilizará el dominio “pendclas” para el mapa de salida, lo cual está bien.

Calcule y despliegue el mapa. Al desplegar el mapa "pendclas" se está utilizando los


colores definidos en la representación "pendclas". Puesto que estos no son muy
apropiados, los ajustamos.

 Entre al menú “Edit” y seleccione la opción “Representation”. En la ventana de la


representación edita con las barras de desplazamiento las intensidades de los colores
principales Rojo, Verde y Azul de la siguiente manera:

Clase Rojo Verde Azul

0-5% 0 110 0
5-10% 0 170 0
10-20% 0 255 0
20-30% 255 255 0
30-45% 255 190 0
45-65% 255 0 0
>65% 190 0 0

 Cierre la representación y oprima el botón de re-dibujar la ventana. Cierre la ventana.

Para hacer la presentación una poco mejor se puede cortar el área fuera del área de estudio.
Esto se hace mediante un cálculo.

 Escriba en la linea de comando de la ventana principal la siguiente fórmula:

Pendcl2=iff(isundef(landuse),?,pendclas)

La función “isundef()” verifica si un mapa tiene pixeles que no son definidos (indicados
normalmente en color blanco, donde aparece una interrogación “?” cuando se esta
consultando el valor). La asignación de una interrogación “?” cuando el mapa “landuse”
está indefinido causará que el área fuera del área de estudio será indefinido y aparecerá
en color blanco. Despliegue el resultado.

Crear un mapa con la corrección de velocidades por clase de pendientes:

Cree una tabla “velocor”, a partir del dominio “pendclas” con la corrección de velocidades
por clase de pendiente. Crea una columna "Correcc" con los siguientes datos:

©
X. Bakker - 2001 35 El sub-modelo de la accesibilidad a la leña
Clase Correcc
0 - 5% 1.000
5 - 10% 0.958
10- 20% 0.818
20 -30% 0.646
30 - 45% 0.500
45 - 65% 0.409
>65% 0.288

Los valores de esta tabla se pueden asignar al mapa de pendientes clasificadas:

 Seleccione del listado de operaciones el programa “AttribRas”. Seleccione el mapa


“pendclas” como “Raster map” y la tabla “velocor” como “Table”. Automáticamente
aparece la columna “Correcc” seleccionada como “Attribute”. Escriba como mapa de
salida “velocor” y prenda la opción “Show”.

Este mapa se utilizará para corregir el mapa de velocidades y reducirlas según la


influencia de las pendientes. En caso que un área es muy inclinada se asigna un valor
bajo. Al multiplicar este mapa con el de las velocidades (el cual se hará más adelante)
se corrige las velocidades.

Distribuir el déficit sobre las poblaciones por medio de las áreas:

En el mapa de poblados tenemos la siguiente codificación: nombre de la unidad administrativa


en que esta ubicado, espacio y número del poblado dentro de la unidad administrativa (este
número no se repite). Cuando un poblado esta ubicado fuera del área de interés tiene en vez de
un número "xx".
Con estos datos se puede distribuir el déficit o excedente de la unidad administrativa sobre los
poblados individuales:

Areapobladoindividual
Deficit oexcedenteindividual
Deficit oexcedenteuni.admin.
M Area poblado
n

n
1

Dividiendo el área de un poblado por la suma de las área de todos los poblados dentro de una
unidad administrativa luego multiplicándolo por el déficit o excedente de la unidad administrativa,
se obtiene el déficit o excedente de cada poblado.

©
X. Bakker - 2001 36 El sub-modelo de la accesibilidad a la leña
 Primero se debe calcular el histograma del mapa de polígonos “settle” para obtener el
área de cada unidad: Desde el menú sensitivo al contexto seleccione la opción
“Statistics”, luego “Histogram” y oprima “OK”.

 En el histograma se debe calcular la longitud del nombre de la unidad:

longitud=length(%k)

Luego extraiga el penúltimo carácter del nombre de la unidad:

PenUlt=sub(%k,longitud-1,1)

Acepte el dominio “string ”. Ahora se pueden distinguir los poblados que tienen dos
caracteres después del nombre de la unidad administrativa de los que tienen un carácter
después del nombre. Extraemos el nombre de la unidad:

admin=iff(PenUlt=”“,sub(%k,1,longitud-2),sub(%k,1,longitud-3))

Seleccione el dominio “admin” para la columna “admin”.

 Por medio de esta columna se puede sumar el área de todos los poblados por unidad
administrativa: Entre al menú “Columns” y seleccione la opción “Aggregation”.
Seleccione la columna “Area” para agrupar, la función “Sum”, prenda la opción “Key
Column” y seleccione la columna ”admin”. Escriba el nombre “AdminArea” como nombre
de salida.

Ya se puede unir la información de la demanda y corregirlo según la población que está


viviendo dentro del área de estudio:

 Entre al menú “Columns”, luego seleccione “Join”. Especifique “demanda” como “Table”,
“ConsumoTot” como “Column” , especifique “admin” como “Key Column” y escriba
“ConsumoTot” como “Output Column”.

Para distribuir la demanda sobre las poblaciones debemos determinar la fracción en área
de cada poblado sobre el área total de todos los poblados dentro la unidad
administrativa:

Fraccion=Area/AdminArea

Si multiplicamos la columna “fraccion” con la columna “ConsumoTot” obtenemos la


demanda por cada poblado:

DemPoblado=Fraccion*ConsumoTot

©
X. Bakker - 2001 37 El sub-modelo de la accesibilidad a la leña
La demanda por poblado debemos combinarla con la oferta de leña, distribuyéndola
igualmente sobre los poblados dentro del área de interés. Unimos la información desde
la tabla “oferta”:

 Entre al menú “Columns”, luego seleccione “Join”. Especfique “oferta” como “Table”,
“TotRendi2” como “Column” , especifique “admin” como “Key Column” y escriba
“TotRendi2” como “Output Column”.

Para distribuir este valor tenemos que calcular otra columna donde no se incluyan los
poblados fuera del área:

Area2=iff(penult=”x”,0,Area)

Asegúrese que todos los registros tienen valores (verifique “Sukabumi 3", en caso que
no tiene valor amplíe el rango del valores en las propiedades de la columna!!!). Luego
se debe sumar estas área por unidad administrativa: Entre al menú “Columns” y
seleccione la opción “Aggregation”. Seleccione la columna “Area2” para agrupar, la
función “Sum”, prenda la opción “Group By” y seleccione la columna ”admin”. Escriba
el nombre “AdminArea2” como nombre de salida.

Ya se puede calcular la columna “fraccion2" la cual contiene la fracción para distribuir la


oferta sobre los poblados dentro del área de estudio:

Fraccion2=Area2/AdminArea2

Si multiplicamos la columna “fraccion2” con la columna “TotRendi2” obtenemos la oferta


por cada poblado:

OfertaPob=Fraccion2*TotRendi2

Ahora se puede restar la demanda de la oferta por poblado y asignar el valor 0 a los
poblados fuera del área:

ExceDefi=iff(penult=”x”,0,OfertaPob-DemPoblado)

Cambie el valor mínimo del rango de valores a -9000.

Para generar un mapa con estos valores se debe unir la última columna “ExceDefi” en
una nueva tabla “settle” creada con el dominio “settle”. Luego rasterice el mapa “settle”
y crea un mapa de atributos “setval” con el dominio de tipo valor “ExceDefi”.

Despliegue el mapa “setval” y muestre el resultado al profesor.

©
X. Bakker - 2001 38 El sub-modelo de la accesibilidad a la leña
Crear un mapa de velocidades por las vías:

Cada clase del mapa de vías tiene asociada una velocidad para caminar. Sólo se utiliza caminar
como forma de viajar, dado que más del 90% de la población viaja caminando al parque. Aquí se
utiliza la misma forma para crear un mapa de velocidades por las vías: rasterizar el mapa de
segmentos, crear una tabla de atributos a partir del dominio “infra” y adicionar una columna con
las velocidades por cada vía lo cual posteriormente se asigna al mapa raster “infra”.

Rasterice el mapa de segmentos “infra” y nombre el mapa raster “infra”.

Cree una tabla “velovia” a partir del dominio “infra” y adicione una columna “velocidad”
con la siguiente información:

Código Velocidad
horse 4
main 6
sec1 6
sec2 6
trail 3

Cree un mapa de atributos “velovias” asignando las velocidades a las vías.

Crear un mapa de velocidades por el campo:

En algunos casos la mejor ruta para llegar al parque no es por medio de las vías, sino cruzando
el campo. Cada clase de uso genera una respectiva velocidad para caminar. A partir del mapa
“landuse” que está rasterizado, se puede crear este mapa de velocidades.

Cree una tabla “velocamp” a partir del dominio “landuse” y adicione una columna
“velocidad” con la siguiente información:

Uso Velocidad
Crater Lahar 0.50
Crater Shrubs 0.50
Dry Cashcrops 2.00
Dry Tumpang 2.00
Dry Vegetables 2.00

©
X. Bakker - 2001 39 El sub-modelo de la accesibilidad a la leña
Uso Velocidad
Fishpond 0.00
Forest/Aban Tea 0.75
Homestead 1.50
Irrigated Land 2.00
Lake 0.00
Mixed Garden 1.50
National Park 0.50
Product Forest 1.00
Rice1x/veg 2.00
Rice2x/veg 2.00
Rice3x 2.00
Settlements 6.00
Tea Estate 2.50

Cree un mapa de atributos “velocamp” asignando las velocidades al mapa “landuse”.

Crear un mapa de velocidades (vías y campo):

Aquí se debe utilizar una fórmula condicional para combinar los dos mapas de velocidades. Al
superponer los dos mapas, se encuentran vías ubicadas en diferentes usos. Cuando se capturó
el mapa de uso se aceptaron las vías como vacíos que crearon áreas contiguas.

Sintaxis (no escribir ni ejecutar este formula)


:
Mapadesalida=iff(condición,Acción 1,Acción 2)

Se supone que cuando hay vías utilizamos la información de las vías; en el resto, la información
de usos:

Velocid1=iff(isundef(infra),velocamp,velovias)

donde:
Velocid1 Es el mapa de las velocidades combinadas
infra Es el mapa de vías
velovias Es el mapa de velocidades por las vías
velocamp Es el mapa de velocidades por el campo

©
X. Bakker - 2001 40 El sub-modelo de la accesibilidad a la leña
Corregir las velocidades por la influencia de las pendientes:

Normalmente esta corrección solo se aplica al mapa de las velocidades en el campo, puesto que
las vías están adaptadas a las pendientes. En este caso con los datos reducidos, el tamaño del
pixel (50m) no puede contener las curvas de las vías. Por tanto se debe aplicar la corrección de
las pendientes a ambos mapas de velocidades.

Velocid2=velocid1*velocor

Utilice precisión 0.001. Despliegue el mapa.

Preparación de un mapa a utilizar en la operación de esparcimiento:

En ILWIS se utiliza el programa “Distance” para hacer operaciones de esparcimiento y de


proximidad. Para hacer una operación de esparcimiento se deben preparar dos mapas: un mapa
con las fuentes (poblados con déficit de leña) y un mapa con los pesos (dificultad de viajar).

El mapa con las fuentes:


7 En mapa con las fuentes tiene que tener dominio “class” o “ID”.
El mapa con los pesos:
7 Partes inaccesibles (donde no se puede cruzar, como lagos, etc) tienen que estar indicadas
con valores negativos. No importa el valor que tenga (puede ser -1, -18987, etc) pero
normalmente se utiliza "-1".
7 Los otros pixeles deben tener un valor que represente el peso (la dificultad) de cruzar este
pixel.

La calculación de distancias normalmente (en caso de operaciones de proximidad) utiliza el valor


uno "1" como valor de la dificultad de cruzar (no se utiliza la opción “Weight” = mapa de pesos):

7 5 7

5 0 5

7 5 7

Dividiendo los valores de esta matriz por 5 resulta en:

1.4 1 1.4

1 0 1

1.4 1 1.4

©
X. Bakker - 2001 41 El sub-modelo de la accesibilidad a la leña
El 1.4 es una aproximación de 2, que representa para viajar diagonalmente un pixel. Para
determinar los valores de los vecinos de las fuentes se multiplica el valor de la primera matriz con
el valor del peso dividiendo el resultado por 5 y multiplicándolo por el tamaño del pixel. El un caso
de un mapa con tamaño del pixel de 10 metros y valores de peso 1 (sin peso), viajando un pixel
horizontal o vertical resulta en un valor 5*1/5*10 (valor matriz * valor peso / 5 * tamaño de pixel)
es 10 metros. Viajando diagonalmente 1 pixel resulta en un valor 7*1/5*10 es 14 metros (debería
ser 14.1421356...).

Sí se quiere obtener el tiempo de viaje, se tiene que especificar un valor de peso representado
en segundos/metro. Cuando se procesa este valor en el cálculo de distancias este resultado será
el tiempo en segundos. Para convertir el mapa de velocidades (km/h) hay que utilizar la siguiente
formula:

3.6
Peso (s/m)

velocidad (km/h)

Cuando la velocidad es 0 el peso tiene que ser "-1" (es inaccesible). Para crear el mapa de pesos
se tiene que utilizar una superposición condicional.

Pesos1=iff(velocid2=0,-1,3.6/velocid2)

Si la velocidad del mapa “velocid2" es igual a cero (ej. lago o zona fuera del área de interés)
asigne al mapa de salida (“pesos1") el valor "-1" en caso contrario calcule el peso en segundos
por metros.

Puesto que la parte fuera del área de estudio tiene un valor indefinido, será mejor reemplazarlo
con un valor negativo para excluir esta parte en el cálculo:

Pesos2=iff(isundef(pesos1),-1,pesos1)

Ahora falta generar el mapa con las fuentes de tipo clase. En el mapa “setval” están indicados
los valores del déficit (valores negativos) para cada poblado.

Con el siguiente cálculo se puede obtener el mapa con las fuentes:

Fuentes=iff(setval<0,”Fuente”,?)

Cuando hay valores negativos (poblados con déficit) se asigna “Fuente”, en caso contrario se
asigna el valor indefinido. Cree en esta operación un nuevo dominio “Fuentes” y agrege el
elemento “Fuente” a este dominio.

©
X. Bakker - 2001 42 El sub-modelo de la accesibilidad a la leña
Calcular el tiempo de viaje a partir de las poblaciones con déficit de leña:

Con el programa "Distance" se puede calcular, utilizando el mapa “pesos2" como mapa de pesos
y el mapa “Fuentes“ como fuente, un mapa con el tiempo de viaje a partir de los poblados con
déficit de leña.

 Entre al programa “Distance” en el listado de operaciones. Especifique el mapa “Fuente”


como “Source”, prenda la opción “Weight Map” y seleccione el mapa “pesos2" como
“Weight Map”. Escriba como mapa de salida “tiempos”, prenda la opción “Show” y
oprima el botón “OK”.

El sistema calculará las distancias hasta encontrar cero cambios (parecido a la interpolación), lo
cual puede demorarse.

Clasificar el mapa de tiempos de viaje:

La idea es cruzar el mapa “tiempos” con un mapa del parque nacional. Sí cruzamos el mapa
"tiempos" con sus datos exactos resultaran muchas áreas (probablemente más de las que el
sistema puede soportar). El mapa de tiempos de viaje se puede simplificar con el siguiente
cálculo:

Tiempos2=tiempos/1000

Especifique precisión 0.1 para el mapa de salida. El mapa resultado tendrá un rango de 0.0 hasta
71.0 (En el modelo real, se está utilizando una manera más exacta pero es demasiado
complicado por ahora ).

©
X. Bakker - 2001 43 El sub-modelo de la accesibilidad a la leña
6.4 Determinar las áreas de impacto
Con el cruce entre un mapa del parque nacional y el mapa de tiempos simplificados se puede
determinar las áreas de menor tiempo de acceso (áreas con mayor probabilidad de impacto).

Crear un mapa con el parque nacional:

Cree con base en el mapa de uso “landuse” utilizando un cálculo condicional un nuevo
mapa “np” asignando al parque nacional y los dos polígonos con “Crater” en el nombre
el código “NP” y el resto indefinido (“?”). Cree un nuevo dominio “np”.

Cruzar el parque con el mapa de tiempos de viaja:

Cruzar el mapa del parque nacional "np" con el mapa de tiempos de viaje "tiempos2",
ignorando valores indefinidos en los dos mapas de entrada, cree el mapa de salida
“nptiempo” y guarde la tabla con el mismo nombre.

La ubicación del impacto en el parque son las áreas con el acceso mas fácil. En el modelo real,
se determina el déficit para todo el área y se le traduce a una superficie de impacto (este método
es bastante complicado, así que no lo usamos). Para este ejercicio se utiliza una superficie de
7500 hectáreas (Note que el valor es muy exagerado, pero sí sirve para visualizar el impacto).
Estas 7500 hectáreas se dividen en tres clases: las 2500 hectáreas más fáciles de accesar tienen
un impacto alto, desde 2500 hasta 5000 hectáreas tienen un impacto medio, y hasta 7500
hectáreas tienen un impacto bajo.

En la tabla de cruce “nptiempo” calcule una columna “AreaHa” con las áreas en
hectáreas:

AreaHa:=Area/10000

 Calcule una columna “AreaHaCum” con el área en hectáreas acumuladas: Entre al menú
“Columns” y luego seleccione la opción “Cumulative”. Seleccione la columna “AreaHa”
como columna a la cual se aplicará la función acumulativa y escriba “AreaHaCum” como
nombre de la columna de salida. Minimice la tabla.

Sobre esta nueva columna se puede aplicar la clasificación de los grados de impacto.
Para tal propósito cree un nuevo dominio tipo “Class Group” con nombre “impacto”
según la siguiente tabla:

Rango Nombre
0-2500 ha Impacto alto
2500-5000 ha Impacto medio
5000-7500 ha Impacto bajo
>7500 ha Sin impacto

©
X. Bakker - 2001 44 Determinar las áreas de impacto
 Restaure la tabla y ejecute la siguiente fórmula para aplicar la clasificación a la columna:

Impacto=clfy(AreaHaCum,impacto)

Para espacializar la información tabular sobre el impacto, utilice el programa “AttribRas”.


Cree un mapa con nombre “impacto” que contenga la clasificación del impacto. Luego
edite la representación así:

Clase Rojo Verde Azul


Impacto alto 220 0 0
Impacto medio 255 150 0
Impacto bajo 255 255 0
Sin impacto 0 210 130

 Cree un mapa “impacto2" que es igual al mapa "impacto" con la diferencia que tiene una
nueva clase la cual corresponde al área de estudio fuera del parque nacional a la que
asignamos el código “Fuera del parque”. Ejecute el siguiente cálculo:

Impacto2=iff(isundef(landuse),?,iff(isundef(impacto),”Fuera del parque”,impacto))

Cuando el sistema pregunte si se quiere adicionar el elemento ”Fuera del parque” al


dominio conteste “Si”. Despliegue el resultado y edite la representación de la nueva
unidad (gris Rojo=168, Verde=168, Azul=168).

Este mapa es el resultado del modelo predictivo. Para cambiar el modelo predictivo a un modelo
de decisión se tiene que utilizar un estudio de uso potencial, estudios socio-económicos, etc, para
determinar cual podría ser la forma de obtener un mayor rendimiento de leña sin reducir las
ganancias.

©
X. Bakker - 2001 45 Determinar las áreas de impacto
6.5 Presentación del resultado:
Una vez obtenido el resultado existen varias maneras de presentarlo. A continuación se muestran
algunos ejemplos de presentación.

Despliegue tri-dimensional del resultado:


El despliegue tri-dimensional presenta una mejor información sobre la situación en el campo. Con
vistas en perspectiva se puede obtener una mejor comprensión de un problema que tiene
aspectos tri-dimensionales.

Despliegue el resultado con una vista en perspectiva:

 Entre a la opción “New GeoRef”, luego seleccione la opción “GeoRef 3-D display”.
Seleccione el modelo digital de elevación “mdes” como “DTM”, cambie el tamaño de la
georeferenciación a 300 lineas por 500 columnas y escriba “v3d01" como nombre.

En la siguiente ventana deje el tamaño de la grilla en cada 500 metros y deje la opción
“Raster Drape” apagada.

Luego aparece una ventana con la grilla adaptada a la altura. Se nota la ubicación de las
montañas. Sin embargo, no es muy interesante la vista y por lo tanto debe ser editada.
Entre al menú “Edit”, luego seleccione “Georeference” y la ventana para la edición de
los parámetros aparece.

Cambie la escala de exageración de altura ”Scale Height” a 2, luego cambie la rotación


horizontal a -40 y la rotación vertical a 80. Experimente con otros valores (ojo: algunos
son dependientes) hasta obtener una vista a su gusto.

Salga del editor y de la ventana de la vista 3D. En la ventana del catálogo de ILWIS haga
doble clic sobre la georeferenciación “v3d01" y luego especifique el mapa “impacto2”
como “Raster Drape” y apague la grilla.

Crear un modelo de sombras:


Mediante la aplicación de un filtro de sombras a un modelo digital de elevación se puede simular
una iluminación artificial.

Aplique el filtro llamado "shadow" al modelo digital de elevación, creando un modelo de


sombras "sombra".

El resultado es un mapa raster con dominio valor. Al desplegarlo por defecto se está
utilizando la representación “pseudo”. Despliegue el mapa con representación “gray”.

©
X. Bakker - 2001 46 Presentación del resultado
Puesto que su mejor representación es con tonos de gris, se puede simplificar el mapa y aplicar
un estiramiento para obtener el mapa con dominio “image” (que por defecto se despliega con
representación “gray”).

 Abra el menú sensitivo al contexto del mapa “sombra”, seleccione la opción “Image
Processing” y luego la opción “Stretch”. Escriba como nombre de salida “sombras”,
prenda la opción “Show” y haga clic en el botón “OK”.

Por medio de esta operación se está leyendo el histograma del mapa “sombra ” y se
determina los valores que corresponden con el 1% y 99%. A estos valores se asigna los
valores 0 y 255 correspondientemente, normalizándolo al dominio “image”.

El modelo de sombras esta definido por las curvas de nivel. Dado que las curvas de nivel fueron
capturadas solamente con una pequeña parte fuera del área de interés, se puede observar unas
líneas (errores de la interpolación) fuera el área de interés, que deben ser excluidas.

Utilice un cálculo para asignar el valor 255 (corresponde a blanco con la representación “gray”)
a la parte fuera del área de interés (utilice el dominio “image”):

Sombras2 = ......................................................................

Despliegue el mapa "sombras2" y despliegue el mapa de segmentos "infra" sobre este mapa.
También despliegue este mapa en tres dimensiones por medio de la vista 3-D definido en la
georeferenciación “v3d01".

Despliegue del resultado utilizando un modelo de tinting:


Un modelo de tinting es un mapa donde alguna información temática se despliega con un efecto
de iluminación artificial. En este ejercicio se creerá un modelo de tinting a partir del mapa de
sombras y el mapa de impacto en el parque.

Primero se debe generar un mapa de colores a partir del mapa “impacto2":

 Escriba en la linea de comando la siguiente fórmula:

Impcol=iff(isundef(impacto2),color(255,255,255),mapcolor(impacto2))

El mapa que resulta tendrá en dominio “color” y un color blanco (255,255,255) a la parte
fuera del área de estudio. Despliegue el resultado y haga clic en algunas partes del mapa
para ver su codificación (con intensidades rojo, verde y azul).

©
X. Bakker - 2001 47 Presentación del resultado
A partir de este mapa se puede extraer las intensidades de rojo, verde y azul (son mapas con
dominio “image”):

 Seleccione en el menú sensitivo al contexto del mapa “impcol” la opción “Image


Processing” y luego “Color Separation”. Seleccione “Red”, escriba “rojo1" como nombre
de salida y prenda la opción “Show”.

Haga lo mismo con los colores “Green” y “Blue” y llame los mapas “verde1" y “azul1"
correspondientes.

Luego se les puede combinar con el mapa de sombras. Ejecute las siguientes fórmulas
para generar tres nuevos mapas (cada uno con el dominio “image”):

Rojo2=(sombras2+rojo1)/2

Verde2=(sombras2+verde1)/2

Azul2=(sombras2+azul1)/2

 Ahora se puede hacer una composición a color con estos tres mapas: Seleccione el
programa “Colorcomp” del listado de operaciones (el primero, con icono que se parece
a un mapa raster), luego apague la opción “Percentage”. Especifique “rojo2" como
“Red”, “verde2" como “Green” y “azul2" como “Blue”. Acepte los rangos de 0 a 255 para
cada banda, escriba como mapa de salida “imp2tint”, prenda la opción “Show” y haga
clic en el botón “OK”.

Finalmente despliegue este mapa en la vista tri-dimensional.

-- . --

©
X. Bakker - 2001 48 Presentación del resultado
7. Ejercicios adicionales

7.1 Determinar el impacto visual


El impacto visual se puede determinar tanto en el ambiente vectorial como en el ambiente raster.
En el formato vector se determine por lo general líneas de vista, mientras en el formato raster se
determinen los “viewshed” (áreas visibles desde un punto). Puesto que el análisis en formato
raster es un proceso demorado y complejo, se ha incluido el ejercicio en formato vector con el fin
de determinar la línea de vista. Como anexo de este documento se encuentre el artículo “Design
and implementation of a national rural telephonecomunications network in Colombia, using
GIS techniques” el cual describe el método raster para la obtención de un mapa con los áreas
visibles desde un punto.

Método vectorial
En el siguiente ejercicio evaluarán la línea de vista desde el punto X=698.733 y Y=9'241.567
hasta el punto X=718.867 y Y=9'249.033.

Con el fin de crear el mapa de segmentos con estas coordenadas exactas se generará un archivo
ASCII con formato Arc/Info ungenerate.LIN. El formato de un archivo .LIN está basado en una
identificación del segmento (número), luego el listado de las coordenadas y cada segmento
termina con “END”. Al final del archivo se escribe otro “END”.

Abra el “Bloc de notas” (Inicio, Programas, Accesorios, Bloc de notas) y digite el siguiente
contenido (los “END” van en mayúscula!):

1
698733 9241567
718867 9249033
END
END

Guarde el archivo en el directorio “C:\CIBODAS“ con nombre “vista.lin” escribiendo el nombre


entre comillas.

 Importe el archivo que tiene el formato “Arc/Info LIN, .PTS ASCII vector”. Luego
despliegue el mapa sobre el modelo de sombras.

 Cree un mapa de puntos a partir del mapa de segmentos: Entre por medio del menú
sensitivo al contexto a la opción “Vectorize” y luego “Segments to Points”. Especifique
una distancia intermedia de 50 metros y nombre el mapa de puntos también vista.

Primero conviértalo a “UniqueID”: Entre al menú sensitivo al contexto y seleccione la


opción “Vector Operations” y luego seleccione la opción “Unique ID”. Cree un nuevo
mapa “vista2" y el dominio con el mismo nombre.

©
X. Bakker - 2001 49 Ejercicios adicionales
Abra el mapa de puntos “vista2" como tabla (por medio del menú sensitivo al contexto,
opción “Open as Table”) y calcule una columna con las alturas utilizando la función
“MAPVALUE”:

Altura=mapvalue(mdes,coord(x,y))

Calcule una columna con la diferencia en altura de cada registro con la altura principal:

DifAlt=Altura-Altura[1]

La parte “Altura[1]” es una forma de obtener la altura del primer registro.

La distancia desde el primer punto hasta cada punto en la tabla se puede calcular
utilizando varias formas pero lo harán con la función “DIST”:

Distancia=DIST(COORD(X,Y),COORD(X[1],Y[1]))

Luego se puede calcular un factor que representa el ángulo de vista:

Factor=IFF(%R=1,-10,DifAlt/Distancia*100)

En el caso que el valor de este factor es mayor que el máximo de este valor en las filas
anteriores (menor distancia) el punto es visible:

Facmax1=Factor
Facmax2=Factor

Facmax1=IFF(%R=1,-10,IFF(Factor>Facmax2[%R-1],Factor,Facmax2[%R-1]))
Facmax2=IFF(%R=1,-10,IFF(Factor>Facmax1[%R-1],Factor,Facmax1[%R-1]))

Es necesario repetir las últimas dos fórmulas (primero 1, luego 2, después 1, luego 2, etc)
para obtener el máximo acumulado en toda la columna (con la flecha arriba se puede
recuperar los comandos ejecutados!).

Ahora se puede calcular las partes “visibles” y las partes en “sombra”:

Visible=IFF(factor<facmax2,”sombra”,”visible”)

©
X. Bakker - 2001 50 Ejercicios adicionales
7.2 Determinar la zona inundada causada por la construcción de una presa
En este ejercicio se calcularán las áreas que quedarán incluidas en la represa después de
construir una presa. Aunque no es un cálculo de optimización de rutas, utilice las mismas
características.

 Cambie al directorio “C:\CIBODAS\REPRESA". Despliegue el mapa raster “mdes”, y


despliegue sobre este los siguientes mapas; el mapa de polígonos “presa”, el mapa de
segmentos “dren ” y el mapa de puntos “start”. El mapa “mdes” es el modelo digital de
elevación de Cibodas, el mapa “presa” es un mapa indicando la ubicación donde se
construirá una presa, el mapa “dren” es un mapa que contiene parte de la red de
drenajes y el mapa “start” indique un punto justo arriba de la presa.

El primer paso es rasterizar el mapa de polígonos “presa” con la ubicación de la presa y el mapa
de puntos “start”:

Rasterice el mapa de polígonos “presa” utilizando la georeferenciación “cibodas” y


nombre el mapa raster de salida “presa”. Rasterice el mapa de puntos “start” utilizando
la georeferenciación “cibodas” y nombre el mapa raster de salida “start”.

Es necesario convertir el mapa “start” a un mapa con dominio valor con el rango de 0 a 1 y
precisión 1:

 Ejecute la siguiente fórmula:

START2:=iff(ISUNDEF(START),0,1)

La parte superior de la presa tendrá una altura de 1525 msnm. Es necesario ajustar el MDE con
el valor de la altura de la presa.

 Ejecute la siguiente fórmula:

MDESCOR=iff(ISUNDEF(PRESA),MDES,1525)

En las partes donde está definida la presa se cambiarán los valores de altura al valor
1525 msnm.

©
X. Bakker - 2001 51 Ejercicios adicionales
Ahora se puede entrar al programa y calcular el mapa de la represa:

 Entre al programa “Iteration”. Especifique el mapa “start2” como “Start Map” y escriba
la siguiente fórmula en la caja de “Expression”:

IFF(MDESCOR>1500,START2,NBMAX(START2#))

Luego asegúrese que el “Until no changes” está seleccionado como “Stop Criterium“
y la opción “Propagation” esta prendida. Escriba “represa” para el mapa de salida y
seleccione el dominio “Value” con rango de 0 a 1 y precisión 1.

(Nota: este proceso es un poco demorado!).

Despliegue el resultado sobreponiendo el mapa de segmentos “dren”.

Piensa en una manera para calcular el volumen de la represa cuando el espejo del agua
es a la altura 1500 msnm. Muestra el resultado al profesor.

©
X. Bakker - 2001 52 Ejercicios adicionales
7.3 Determinar la cuenca hidrográfica a partir de la red de drenajes
Por medio de cálculos con funciones de vecindad (note que en ILWIS se habla de vecindad pero
en verdad son funciones de "conectividad"), de la ubicación de los drenajes de una cuenca y del
modelo digital de elevación, se puede determinar cuales pixeles pertenecen a la (micro) cuenca
de los drenajes.

 Cambie al directorio “C:\CIBODAS\CUENCA". Despliegue el mapa de segmentos “dren”


sobre el mapa raster “mdes100" el cual es el MDE con una resolución espacial de 100
metros por pixel.

Rasterice el mapa de segmentos "dren" y llame el mapa raster de salida "dren".


Despliegue el mapa y verifique su codificación.

Cada segmento está codificado según la cuenca a que pertenece.

 Entre al programa “Iteration”. Especifique el mapa “dren” como “Start Map” y escriba la
siguiente fórmula en la caja de “Expression”:

iff(isundef(dren),iff(nbminp(mdes100#)=5,nbprd(dren#),dren#[nbminp(mdes100#)]),dren)

Luego asegúrese que el “Until no changes” está seleccionado como “Stop Criterium“
y la opción “Propagation” esta prendida. Escriba “cuencas” para el mapa de salida y
seleccione el dominio “cuencas”. (Nota: este proceso es demorado!).

Despliegue el resultado sobreponiendo el mapa de segmentos “dren” con color negro.

Explicación:

Propagation: Utilice iteraciones con propagación. El valor del pixel calculado en la línea
n será incluido en la calculación de la línea n+1.

La fórmula tiene la siguiente sintaxis:

iff(Condición 1,iff(Condición 2,Acción 1,Acción 2),Acción 3)

donde:

Condición 1: “isundef(dren)”. Donde el mapa "dren" es indefinido , en otros palabras


donde no hay drenajes ni pixeles incluidos en la cuenca. Si se cumple esta
condición se evaluará la condición 2, en caso contrario se ejecuta la acción
3.

©
X. Bakker - 2001 53 Ejercicios adicionales
Condición 2 “nbminp(mdes100#)=5“ Sí la ubicación del vecino con el valor mínimo en
el modelo digital de elevación (“mdes100”) corresponde al pixel actual =5
(pixel en el centro de la vecindad), se ejecutará la acción 1, en caso
contrario se ejecutará la acción 2.

Acción 1 “nbprd(dren#)”En esta acción se determina el código predominante de los


vecinos del mapa “dren ” y asigne el código de este vecino en el mapa
“dren” al pixel del mapa de salida. En caso de encontrar una depresión
local, se asigna el pixel a la cuenca predominante el los 8 pixeles vecinos.

Acción 2 “dren#[nbminp(mdes100#)]”En esta acción se asigna al mapa de salida


aquel vecino del mapa “dren” donde el modelo digital de elevación
“mdes100” tiene el valor mínimo de todos los vecinos. En otras palabras:
se asume que el agua que recibe un pixel fluye en la dirección del pixel
vecino con el mínimo valor de altura (en la dirección de la máxima
pendiente).

Acción 3 En esta acción no se cambia nada al mapa de salida. Los pixeles ya


incluidos en la cuenca siguen estando incluidos dentro de ella.

En palabras: Esta operación calcula las sub-cuencas para un conjunto de ríos. Se asume que
no hay depresiones locales en el modelo digital de elevación. El mapa raster inicial
es el mapa con los ríos codificados distinguiendo con diferentes códigos los ríos
pertenecientes a distintas cuencas.

©
X. Bakker - 2001 54 Ejercicios adicionales
7.4 Determinar la ruta óptima
En el siguiente ejercicio se calcularán unas rutas óptimas con base en el mapa de accesibilidad.
Pide el mapa de puntos “ximpact” al profesor.

 Cambie al directorio “C:\CIBODAS".

El mapa de accesibilidad “tiempos” no puede tener áreas con valores indefinidos. En caso que
tenga valores indefinidos busque el valor máxima del mapa de accesibilidad y reemplace las
áreas con valores indefinidos por el valor máximo. Use la siguiente sintaxis:

ACCESCOR=IFF(ISUNDEF(TIEMPOS),ValorMax,TIEMPOS)

 Luego se genera un mapa que contenga valores que indican la dirección del pixel vecino
con el valor mínimo:

xNBminP=nbminp8(ACCESCOR#)

Despliegue el resultado y evalúelo con los valores del mapa “ACCESCOR”.

La operación de optimización de rutas se debe hacer por medio de “Iteraciones” (un cálculo que
se repite hasta que no se generan mas cambios). En ILWIS esta operación requiere un mapa con
el cual se empieza (“Start Map”). Este mapa se crea a partir del mapa de puntos “ximpact”:

 Rasterice el mapa de puntos “ximpact” con tamaño 1. Ejecute la siguiente fórmula:

Startmap=IFF(ISUNDEF(ximpact),0,255)

Es importante usar un dominio valor (no image!!!) Con un rango de 0 hasta 255 y
precisión 1.

Una vez que los mapas están preparados para el cálculo se debe definir la fórmula:

 Entre a la operación “Iteration”, luego seleccione el mapa “startmap” como “Start Map”
y escriba en la caja de “Expression”:

IFF(nbmax(startmap#)=255,IFF(xnbminp#[nbmaxp(startmap#)]=
(10-nbmaxp(startmap#)),255,startmap),iff(startmap=255,1,0))

En palabras: Por cada punto indicado en el “startmap” se define cual pixel vecino tiene
el valor mínimo y se asigna el valor 255 de tal forma que será interpretado como fuente
en el próximo paso. Este proceso se repite hasta llegar al pixel con valor 0 (todos los
vecinos tendrán un valor mayor).

©
X. Bakker - 2001 55 Ejercicios adicionales
Seleccione en “Stop Criterium” la opción “Until no changes”, apague la opción
“Propagation”, escriba “rutas” como nombre del mapa de salida y especifique el mismo
dominio valor que se usó para el “startmap”. Ejecute el cálculo y despliegue el resultado.
(Nota: este proceso es demorado!)

Explicación de la fórmula:

La fórmula tiene la siguiente estructura:

iff(Condición 1,iff(Condición 2,Acción 1,Acción 2),iff(Condición 3,Acción 3,Acción 4))

Condición 1 “nbmax(startmap#)=255“ Verifique si el máximo de los pixeles vecinos tiene el


valor 255. Esto solamente ocurre cuando uno de los vecinos es un pixel que fue
incluido en la ruta en el último paso (o en caso que sea uno de los pixeles
correspondientes a los puntos del mapa “ximpact” rasterizado). En caso que se
cumpla la condición 1 verifique la condición 2 y en caso contrario verifique la
condición 3.

Condición 2 “xnbminp#[nbmaxp(startmap#)]=(10-nbmaxp(startmap#)” Básicamente es la


parte más importante en este cálculo. El mapa “xnbminp” identifica el pixel con el
valor mínimo del mapa de accesibilidad. La parte “nbmaxp(startmap#)” identifica
la posición del pixel que hace parte de la ruta óptima. Cuando el pixel de la ruta
identifica el pixel actual como el pixel con el valor mínimo entonces se le incluye
el la ruta.

Condición 3 “startmap=255” En esta condición se verifica si el mapa “startmap” tenía valor 255
(el que fue incluido en el paso anterior). En caso que se cumpla se ejecuta la
acción 3 (asignar el valor 1) o en caso contrario se ejecuta la acción 4 (asignar el
valor 0).

Acción 1 “255” Se asigna el valor 255 (el nuevo punto parte de la ruta óptima, el cual será
evaluado en el siguiente paso).

Acción 2 “startmap” Se asigna el valor que tuvo el mapa “startmap” (no hay cambio).

Acción 3 “1” Se asigna el valor 1 (hace parte de la ruta).

Acción 4 “0” Se asigna el valor 0 (no hace parte de la ruta).

©
X. Bakker - 2001 56 Ejercicios adicionales
Bibliografía

Bakker, X. 1997. Práctica de análisis y modelamiento. Notas de clase curso de especialización


en Sistemas de Información Geográfica. IGAC, Julio de 1997. Colombia, 50 pp.

Bakker, X. (en publicación). Design and Implementation of a national rural telecommunications


network in Colombia, using GIS techniques. 7 p.

Bakker, X. M. Esser and A.G. Toxopeus, 1994. ISM Handbook, Volume Va, Batch file listing
(Cibodas Case). ITC publication, The Netherlands, 94p.

Bakker, X y C. Muñoz, 1999. Análisis y modelamiento espacial con ILWIS versión 2.21. Notas de
clase. Colombia, 43 pp.

Bakker, X y C. Muñoz, 1999. Introducción a ILWIS para windows. Notas de clase. Colombia,
41 pp.

Bakker, X. y C. Muñoz, 1997. Introducción al Sistema de Información Geográfica ILWIS para


Windows. Colombia, 27 pp.

Bakker, X. y F. Pérez, 1997 . Conceptos de análisis y modelamiento. Notas de clase curso de


especialización en Sistemas de Información Geográfica. IGAC, Julio de 1997. Colombia, 36
pp.

Felicísimo, A. M., 1994. Modelos Digitales del Terreno. Introducción y aplicaciones en las ciencias
ambientales. 122 pp.

ITC, 1997. ILWIS Applications Guide. ITC publication, The Netherlands, 352p.

ITC, 1997. ILWIS User’s Guide. ITC publication, The Netherlands, 511p.

PCI Geomatics, 1998. Using PCI Software Volume 1 and 2, Version 6.3. 541 p.

Toxopeus, A.G., 1996. ISM An Interactive Spatial and temporal Modelling system as tool in
ecosystem management. ITC publication Number 44, The Netherlands, 250p.

Toxopeus, A.G., and X. Bakker, 1993. Preliminary results of modelling the vulnerability of primary
forest in the Cibodas Biosphere Reserve, West Java, Indonesia. ITC publication, The
Netherlands, 80p.

Toxopeus, A.G., X. Bakker and M. Esser, 1993, ISM Handbook, Volume II, Training Component
(Cibodas Case), ITC publication, The Netherlands, 173p.

©
X. Bakker - 2001 57 Bibliografía
Design and implementation of a national rural telecommunications network in
Colombia, using GIS techniques.

Xander Bakker

ABSTRACT seleccionado debe ser evaluada en campo, puesto que la


escala de trabajo no permite la incorporación de todos los
obstáculos en el proceso. Ya que se tiene que efectuar el
In Colombia only a small percentage of the people living in
proceso para cada antena se decidió automatizarlo para
rural areas have access to the current telephone network.
reducir los costos. El presente articulo evaluará varios
The Colombian government has interest in developing and
métodos para la determinación de lineas de vista y
implementing a national telecomunications network The
ofrecerá pautas para la utilización de un SIG como servidor
current method used to design this network consists of
DDE (Intercambio de Dinámico de Datos) la cual permite
manual procedures using only little computerized
personalizar el interfaz con el usuario.
operations. In order to pre-design the network in a more
reliable way Geographical Information System (GIS)
techniques were applied in order to generate the
corresponding line of sights and viewsheds for each INTRODUCTION
antena. Crossing this information with the desired service
areas based on actual and potential demand will indicate
the effectiveness of the selected site. This site should be
Colombia is located in the North-Western part of
evaluated in the field, since the scale of the analysis is not Latin America and comprises large parts of the
detailed enough to take all possible obstacles in acount. Andean mountain range. The Andes has a high
Since the procedure has to be perfomed for each antena influence on the service range of an antena and on
the analysis has been automized for a cost-efective the accessibility to reach the location, incrementing
analysis. The current paper will evaluate various methods costs, for maintenance purposes. Until recently, much
of determining lines of sight and viewsheds and will line out of the pre-design of the rural telecomunications
the usage of a GIS as a Dynamic Data Exchange (DDE) network was done manually, using a tri-dimensional
server. This enables to create a user-defined user-
interface in order to optimize the analysis.
1:1'500.000 scale relief map. Based on this map
mountain peaks with a reasonable accessibility were
evaluated in order to determine the servico range. An
antena sends out a signal in a “donut” shape (see
RESUMEN figure 1):

Colombia ofrece sus servicios de telecomunicaciones a


solamente una pequeña parte de la población rural. El
Gobierno de Colombia tiene interés de diseñar e
implementar una red nacional de telecomunicaciones para
ofrecer este servico a la población rural. El método
actualmente aplicado para el diseño de la ubicación de las
antenas consiste básicamente en procedimientos
manuales. Con el fin de pre-diseñar la red de una manera
más fiable se está utilizando un Sistema de Información
Geográfica (SIG) para la generación de las lineas de vista.
La superposición de la intervisibilidad con la información
acerca las áreas que deben recibir el servicio con base en Figure 1: Service range of an antena in donut shape,
la demanda actual y potencial indica la efectividad de la showing non visible areas (shadows) in grey.
ubicación seleccionada. Obviamente, la ubicación

©
X. Bakker - 2001 58 Anexo: Intervisibilidad en formato raster
The antenas used in this project have a service range [5] where:
close to 50 kilometres. Within this 50 kilometer radio Q required elevation to fall in the visibility or
the potential and actual demand has been located, viewshed.
corresponding to settlement locations. b average elevation of target plus its height
a elevation of the “obstacle” neighbors
The objective of this study is to optimize the d distance of the analyzed pixel from the target
evaluation procedure for planning the location of the D distance of the “obstacle” neighbors from the
antenas. target

METHODOLOGY [1]/[2] formula

Intervisibility or “viewshed modelling” is an analysis I decided to use a simular but different one. The line
whereas the objective lies in the definition of visible of sight to an object is defined by the angle of view
areas from one or more points of view [1,2,5]. and the cumulative maximum of views to intermediate
Intervisibility analysis is mainly used in three objects. A value representing the angle can easily
application fields; visual impact studies, microwave determined using the following formula:
comunication networks and military purposes [4]. For
visual impact studies the objective is to reduce the
visible area especially in those parts designated to F a cto ri =
(E o b ject _ i ) (
+ H o b ject _ i − E targ et + H targ et )
conservation or recreation. In telecomunication d o b ject _ i
network, one tries to achieve a maximum service area
(visible area) and for military purposes the visible area where:
from observation points influence stratagies directly. Factori view angles to object i
Eobject_i elevation at object i
The most common method in order to determine Hobject_i height of object i
intervisibility is the analysis of a line of sight. To do so Etarget elevation at target
information on height is required which can be Htarget height of target
extracted from a digital elevation model (DEM) or dobject_i distance between target and object i
read from a topographic map. Using a GIS gives
certain advantages. In this study the Integrated Land In order to determine visible and non-visible (shadow)
and Water Information System ILWIS has been used. areas a cumulative maximum (Fcummax) should be
Once a dataset has been captured and structured determined starting from the target in direction of the
adequately the generation and evaluation of a line of object. In case Factori eguals the Fcummax than object
sight is rather easy. A straight line can be drawn, i is visible.
which can be converted into points specifying a step
precisión (which should not be smaller than the Since ILWIS at the moment of elabotrating this
pixelsize of the DEM). When opening the point map articles did not have a cumulative maximum function
as a tabla (contains three columns; X and Y the following calcultations had to be repeated many
coordinates and segment name) the DEM value at times to obtain the propper effect [3]:
each coordinate can be extract using the
“MAPVALUE” function. Although many algorithms are First two columns were created equal to Factori:
available in literature to determine visibility:
Facmax1=Factori

Q =
(a − b ) * d +b
Facmax2=Factori
D
This was followed by a loop performing the following
calculations until there were no changes:

©
X. Bakker - 2001 59 Anexo: Intervisibilidad en formato raster
Facmax1=iff(%R=1,-10,iff(Factori >facmax2[%R- However the angles between horizonal or vertical and
1],Factori,Facmax2[%R-1])) diagonal angles will be more complicated to represent
in raster format. (See figure 3).
and

Facmax2=iff(%R=1,-10,iff(Factori >facmax1[%R-
1],Factori,Facmax1[%R-1]))

This loop simulates the CUMMAX function. However


on large data sets this loop would require a large
amount of processing time and yielding only one line
of sight did not make it a favorable process. For this
reason it was decided to evaluate using viewshed
modelling in raster format.

The method proposed by Patrono and Saldaña [5]


was evaluated and compared with a translation of the
vector method, previously described, to raster format.
Figure 3: Representation of the 22.5° angle.
Since the vector format of the line of sight is a more
precise determination of the visibility, this method was The figure above shows the pixels which should be
used to evaluated several lines of sight of the included in the 22.5° angle (grey pixels between 1
viewsheds determined by both raster methods. and 2). The grey thick line identified with number 4
shows the actual route the raster line of sight takes.
There were some notable errors in both raster It is obvious that using this method without correction,
methods due to the dificulty of including those pixels will yield large errors.
that make part of a straight line of sight. (See figure
2). Therefor, the clue to creating a true viewshed in
raster format lies in the correction of the path used to
determine the visibility. For this purpose the following
process was used:

Requirements:
& Digital elevation model (DEM)
& Target point map (containing object)
& Target object height
& Obstacle map: landcover, reclassified to height
(optional, but recommended)

Step 1:
Create a distance map from the target point map,
using a vector method for precision purposes.

Figure 2: Raster representation of different distance=dist(coord(X,Y),mapcrd(dem))


angles.
The X and Y values correspond to the target location.
As can be seen from figure 2, horizontal, vertical and Below the comparison between a normal raster
diagonal lines include the correct pixels. distance and the proposed calculations is shown:

©
X. Bakker - 2001 60 Anexo: Intervisibilidad en formato raster
Step 4a:
Calculate the inverse distance:

invdist=maxdist-distance

Step 4b:
Calculate difference in height (read inverse distance)
Figure 4: Distance comparison: left raster, right vector in X-direction:

Step 2: dfdx=mapfilter(invdist.mpr,dfdx.fil)
The terrain height at the target location should be
added to the object height (=TotHeight). Create a Step 4c:
factor map where the values represent the difference Calculate difference in height (read inverse distance)
in height (compared to the object + terrain height) in Y-direction:
divided by the distance. The factor map will contain
values that represent the angle of each point in the dfdy=mapfilter(invdist.mpr,dfdy.fil)
map to the target:
Step 4d:
factor=iff(isundef(target),(DEM-TotHeight)/distance,-5) Calculate aspect map (direction of slope of inverse
distance):
where:
aspect=raddeg(atan2(dfdx,dfdy) + pi)
factor is the output map
target is the target rasterized point map Step 4e:
DEM is the digital elevation map Classify the aspect map in the 8 wind directions:
TotHeight is the elevation at target + target
height aspclas=clfy(aspect,aspclas)
-5 is a value less than lowest value in
factor map Step 4f:
Reclassify the 8 classes into 8 neighbour direction
Step 3: values:
A start map ofr the CUMMAX iteration should be
generated that only has a value at the target (rest xnbdir=aspclas.reclfasp.nbvalue
remains undefined). The value should be lower than
the "-5" of Step 2. Every wind direction corresponds to a neigbour
direction value (see figure 5):
start=iff(isundef(target),?,-10)

Step 4:
A neighbour minimum position map is created from
the distance map to indicate the view direction:

xnbmin=nbminp(distance#)
Figure 5: Left neigbour identifications and right
In order to correct the view direction map produced in neighbour value to reach center pixel
Step 4, Step 4a until Step 4f will be used.

©
X. Bakker - 2001 61 Anexo: Intervisibilidad en formato raster
For instance if we are located at the upper right pixel, Step 4i:
identified on the left as neighbour pixel number 3 than By using an attribute table, values ranging from 2.5
the right graph represents the direction to reach the (assigned to the maximum error) to 50 assigned to
centre pixel (“7"). If we verify the direction “7" in the horizontal vertical and diagonal angles. This value
left graph the direction indicates to the lower left represents every x pixels distance from the target an
neighbour which corresponds to the centre pixel. alternate value should be mixed to force the raster
line of sight to a near straight line. A few samples
The resulting neigbour direction map still needs were taken giving the following result:
mixing with an alternate map to force the straight line.
The alternate value are represented in figure 6. Angle Mix at distance
n*22.5+11.25 {n=0 to 15} 1 pixel every 5 pixels
n*45+22.5 {n=0 to 7} 1 pixel every 2.5 pixeles
n*45 {n=0*7} 0 pixel at infinit distance

The intermediate values are a result of the


interpolattion of these angles. This interpolation is
done in the attribute table of the clasified (288 clases)
aspect map.

Step 4j:
These values are assigned to the classified aspects
map.
Figure 6: neighbour direction
value with alternate directions. aspdstpx=aspcl288.aspcl288.pixdist

Figure 6 shows using larger numbers the direction Step 4k:


values as shown in figure 5 (right side). The smaller The pixel distance is converted to distance in metres
printed values on the outside of the circle indicate the using the pixelsize of the input map.
alternate value to force the line of sight to a straight
line. aspdist=aspdstpx*PIXSIZE(aspdstpx)

Step 4g: Step 4l:


This alternate neighbour value map is obtained by The “aspdist” map value is verified with the distance
reclasifying the aspect map in the 16 clases and value to create a boolean map indicating with “true”
assigning the alternate neighbour value to each class: those pixels that should be replaced with the alternate
value:
aspcl16=clfy(aspect,aspcl16)
altvaloc=inrange((distance mod aspdist),0,
altval=aspcl16.aspcl16.altval pixsize(aspdist)*0.99)

Step 4h: Step 4m:


In order to determine location of the alternate values Finally the neighbour direction map is created mixing
the aspect map is classified in 288 clases of each the “xnbdir” neigbour direction map with the “altvaloc”
1.25 degrees. alternate value location map (see figure 7):

aspcl288=clfy(aspect,aspcl288) finnbdir=iff(altvaloc,altval,xnbdir)

©
X. Bakker - 2001 62 Anexo: Intervisibilidad en formato raster
In case the “factor” map value is lower than the value
of the corrected factor map “factcorr” the pixel is not
visible ("Shadow"), in the other case the pixel is
visible ("Visible").

Step 7 (optional):
You can easily include a maximum distance of sight
or in case you're working with an antena
(communications) the range of antena using the
following formula:

Viewsh15=iff(distance<=15000,viewshed,"out of
range")

Figure 7: result of incorporating the In this case a range of 15 km was used.


alternate values.
The process was tested on various study sites with
nearly flat and very mountaineous areas. It was also
The gray lines in figure 7 indicate the result of forcing applied to the testcase presented in the ILWIS 2.1
the direction to a near straight line. applications guide, chapter 16 by A. Patrono y A.
Saldaña for comparison of the results.
Step 5:
This step creates a corrected factor map determinig Additionally some lines of sight (vector method) were
in the viewdirection the cummelative maximum factor: extracted from the results of both methods and
compared.
Factcorr = mapiter(start,iff((isundef(start)) and
(nbmax(start#)>-20),iff(factor>=(start#[finnbdir]),
factor,start#[finnbdir]),start))

In this "Iteration" the “start” map is evaluated to detect


those undefined pixels where the neighbour
maximum value is higher than -20 (read where the
neighbouring pixel is defined). At these pixels the
algorithm checks whether the “factor” value (angle of
sight) is higher than the value of the neighbouring
pixel in the same line of sight, but located closer to
the object. If the value is higher, the “factor” value will
be written, in case not, the cumalative maximum
value will be retrieved from the “start” map. In all other Figure 8: Comparison of the method descriped by Patrono
cases the value remains the same as in the “start” and Saldaña (left) with the method descriped in the current
map (undefined or with the cummalative maximum). paper (right).

Step 6: Figure 8 shows in grey the non visible and in white


The last step is simply comparing the “factor” map the visble areas. The vector method lines of sight use
values with the “factcorr” map values: black (shadow) and white (visible) colores. When a
gray area contains a white line or when a white area
Viewshed=iff(factor<factcorr,"shadow","visible") contain a black line, the raster method wrongly
interpreted the intervisibility.

©
X. Bakker - 2001 63 Anexo: Intervisibilidad en formato raster
In order to reduce process time (the iteration The grey parts of the line of sight are non visible
operation consumes at lot of time) it was decided to areas and the black parts are the visible areas.
automize the vector method. Since ILWIS did not
have a CUMMAX function at the time of writing this The user can indicate the antena site in a ILWIS
paper, it was decided to explore the DDE server mapa and the location is extracted by the dedicated
functionality of ILWIS, provide the information program. Furthermore the location of the site to be
(extracted using ILWIS operations) to a dedicated evaluated can be extracted in the same way or
application where the CUMMAX function was specified manually.
simulated.
Apart from the line of sight option, the programa has
the option to create several lines of sight, defining the
number of angles desired and the limiting range of
RESULTS the antena.
The descriped raster method proved to inrement
precision in order to obtain a viewshed. All results are written to an ASCII vector file (SMT
format) distinguishing the visble from shadow
The vector method proved to be more precise and sections. This SMT file can be read directly by ILWIS
lowered processing time to 10%. As the general in allowing to overlay the vector map with other
interest of our client wasn’t to obtain a viewshed, but information available.
to be able to evaluate certain interest points (sites of
actual and potential demand) the intervisiblity In order to provide information on the height of the
program was choosen for the evaluation and design antena necesary to avoid intermediate obstacles, the
of the rural antena network for Colombia. following formula was derived:.

The use of DDE technology enables to create


dedicated programs with persionalized user H rec =
( )
D cu m E a n t − E o b j + D o b j ( E cu m − E a n t )
interfaces, use a large part of the funcionalities D o b j − D cu m
offered by the DDE-server and include functionalities
that are not available from the DDE-server. where:
Hrec = Recomended height of antena
Below please observe the user interface designed: Dcum = Distance of maximum obstacle
Dobj = Distance between antena and object
Eant = Elevation at antena
Ecum = Elevation at maximum obstacle
Eobj = Elevation at object

Since the maximum obstacle is defined from the


object point of view, in order to define the
recomended height, one should run the cumulative
function starting from the object in the direction of the
antena. Due to time restrictions to generate this
process, using the maximum cumulative factor
determined starting from the antena, normally is a
good indication. In case the locations of the maximum
objects are different, the height of the antena needed
to make the object visible is normally not feasable.
Figure 9: Intervisibility program developed by the
author.

©
X. Bakker - 2001 64 Anexo: Intervisibilidad en formato raster
CONCLUSIONS REFERENCES

In order to define the optimum location for the 1 Aronoff, S. 1989. Geographical Information
planning of an antena, one should perform a Systems: A Management Perspective. WDL
intervisibility analysis per interest site with a maximum Publications Otawa. Canada. 294 pp.
distance that equals the antena range, defining
locations from which an antena would be able to 2 Burrough, P.A. 1985. Principles of Geographical
provide the service. Using the AND operator for Information Systems for Land Resource
overlaying each viewshed would yield a map Assessment. Clarendon Press, Oxford. 193 pp.
indicating areas that can provide service to all interest
sites. Evaluating the cost aspect for maintenance in 3 Bakker, X. and C. Muñoz 1999. Análisis y
relation to the accessibility of the potential antena Modelamiento Espacial. Santafé de Bogotá, 43 pp.
sites should result in the optimum site. This would be
a decision model [4] that would require little user 4 Bakker, X. and F. Perez 1997. Conceptos de
interference, but long processing times. análisis y modelamiento. Lecture notes.
Specialization in GIS and Remote Sensing. IGAC -
Using rather a predictive model, reduces processing Universidad Distrital, Santafé de Bogotá, 36 pp.
time and allows the user to have greater control over
the outcome. 5 Patrano, A. and A. Saldaña 1997. Modelling with
neighborhood operators. ILWIS applications guide,
ITC, Enschede, pp 201-206.
Since this analysis requires long raster conectivity
calculations for each viewshed, which can take up to
several hours depending on the pixelsize and the
extend of the analyzed area, it was decided to use URLS
the vector method.
[URL 1]
The personalized user interface and the simulated www.itc.nl/ilwis
CUMMAX function optimize evaluation time. ILWIS web site where the example DDE was
downloaded

©
X. Bakker - 2001 65 Anexo: Intervisibilidad en formato raster