Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Operaciones geom
etricas con datos vectoriales
C
omo calcular una regi
on de influencia a partir de una capa vectorial?C
omo combinar
capas de polgonos con distintos tipos de variables?Qu
e representan la uni
on, la intersecci
on
y la diferencia entre capas vectoriales de polgonos?Qu
e tipos de envolventes mnimas se usan
habitualmente, y cual es su significado?Para qu
e sirve simplificar un conjunto de lneas y c
omo
se lleva a cabo?Qu
e significa disolver una capa de polgonos?
Las capas vectoriales contiene una parte de informaci
on geometrica (las geometras como tales)
y otra de car
acter no geometrico (los atributos asociados) En este captulo veremos c
omo a traves
de operaciones geometricas pueden modificarse,combinarse y analizarse esas geometras, y c
omo estas
operaciones son en cierta medida las equivalentes en el
ambito vectorial al
algebra de mapas r
aster que
vimos en el captulo anterior.
Al igual que entonces, se requiere un buen conocimiento del formato vectorial,y en este caso tambien
conocer los c
alculos b
asicos en R2 y las relaciones espaciales, que fueron ambos descritos en el captulo
10. Al final de este, habr
as aprendido c
omo llevar a cabo operaciones espaciales con ambos modelos
de representaci
on, estando as ya en disposici
on de elegir el m
as adecuado en cada caso y emplear
eficientemente todo tipo de datos espaciales.
18.1.
Introducci
on
El an
alisis de los datos r
aster se basa fundamentalmente en el analisis de sus valores. Esto
es debido a que las entidades geogr
aficas asociadas a esos valores (las celdas), presentan una
regularidad estructural propia del formato, de la cual no se puede derivar nueva informacion.
M
as a
un, seg
un vimos en el captulo 14, resulta necesario homogeneizar dicha estructura, lo
cual centra la atenci
on del an
alisis en los valores recogidos y no en las formas geometricas a
los que dichos valores caracterizan.
Con los datos vectoriales, la situaci
on es diferente. En el caso de datos vectoriales, las
entidades asociadas a cada atributo tienen sus propias caractersticas espaciales y la geometra que definen sirve por s sola para llevar a cabo numerosos analisis. Si la unimos a los
atributos que esta geometra lleva asociados, tenemos la posibilidad de realizar un n
umero
mayor de estos an
alisis.
En este captulo veremos una serie de operaciones que transforman los datos vectoriales
actuando sobre sus geometras, con el concurso en algunos casos de los atributos de estas.
Los resultados de estas operaciones son nuevas capas cuyas geometras aportan informacion
adicional a las geometras originales, o bien las transforman para que su uso sea mas adecuado
en otros an
alisis u operaciones.
Una buena parte de estas operaciones trabajan con dos capas, siendo similares en concepto (que no en la naturaleza de las operaciones que implican) a las funciones de tipo local
del
algebra de mapas, empleadas para combinar varias capas con distintas valores. Otras
n Geogra
fica
Sistemas de Informacio
446
18.2.
Zonas de influencia
447
basadas en otro tipo de medidas que no cumplen la anterior propiedad, aunque las operaciones correspondientes se llevan a cabo sobre capas en formato raster, y las estudiaremos
en el captulo 19
Figura 18.1: Zona de influencia a partir de puntos. La influencia puede analizarse a partir de los
puntos que la ejercen (a) o los que la reciben (b)
448
n Geogra
fica
Sistemas de Informacio
Figura 18.3: Zona de influencia a partir de polgonos. a) Hacia el exterior,b) hacia el interior.
Mientras que la zona de influencia exterior no tiene ning
un lmite, la trazada hacia el
interior viene limitada por las propias dimensiones del polgono de origen.
Sobre la base anterior de zonas de influencia delimitadas a partir de las geometras
fundamentales, existen muchas variantes y formas de construirlas. Un proceso habitual es
la creaci
on no de una u
nica zona de influencia para cada entidad base, sino de un conjunto
de ellas equiespaciadas, de tal forma que puedan considerarse distintos grados de influencia.
Este conjunto de zonas de tama
nos sucesivos forman una serie de polgonos concentricos
que pueden, adem
as, representarse de forma distinta para reflejar mas explcitamente su
significado (Figura 18.4).
Es f
acil ver que si se trazan dos
areas de influencia de tama
no r y 2r a partir de una
geometra de un tipo cualquiera, esta u
ltima es equivalente al area de influencia creada a
partir de la primera, con distancia r.
449
Figura 18.5: Zonas de influencia variable establecidas en funcion de los ordenes de los cauces.
n Geogra
fica
Sistemas de Informacio
450
Figura 18.6: Zona de influencia unica a partir de un conjunto de zonas de influencia individuales
que se solapan.
18.3.
Operaciones de solape
451
Estas operaciones pueden entenderse como operaciones de conjuntos y visualizarse mediante sencillos diagramas, de forma similar a lo que veamos en la seccion 11.3.1 al presentar
los diagramas de Venn (Figura 18.7).
18.3.1.
Recorte
Una de las aplicaciones que veamos de las funciones locales para capas raster era la
combinaci
on con objeto de restringir la extensi
on de una capa de entrada. Utilizabamos una
capa con la informaci
on de interes y otra con una ((mascara)), la cual indicaba que celdas
resultaba de interes preservar en la capa resultante.
En el caso vectorial, la operaci
on de recorte toma una capa con cualquier tipo de entidades
donde se contienen los par
ametros de interes, y otra capa de polgonos que contiene aquellas
regiones que resultan de interes. La capa resultante mantiene el mismo tipo de informacion,
pero solo mantiene aquellas entidades que se incluyen total o parcialmente dentro de alguno
de los polgonos de recorte, modificando dichas entidades cuando corresponda.
Esta operaci
on se conoce como clipping en ingles y es habitual verla as citada o implementada en los SIG.
En la figura 18.8 podemos ver c
omo la capa de entrada con polgonos, lneas y puntos se
restringe a una extensi
on menor manteniendo dentro de dicha zona la misma informacion
original. Se considera en este ejemplo un u
nico polgono de recorte, pero pueden ser varios,
e incluso polgonos con huecos interiores, sin que exista diferencia alguna en la operacion.
Para los puntos, solo se mantienen aquellos que se sit
uan dentro del polgono de recorte.
Para las lneas, se mantienen aquellas que entran dentro del polgono o lo cruzan, recortandose para que no salgan de este. Y en el caso de polgonos, estos se recortan para restringir su
extensi
on a la del polgono de recorte.
Un aspecto muy importante en el recorte de capas vectoriales es el tratamiento de las
tablas de atributos asociadas a cada elemento. Salvo en el caso de puntos, en el caso de
recortar alguna capa de otro tipo, las geometras de esta se modifican, y en la capa resultante
se contiene la geometra modificada y asociado a ella el mismo registro original.
452
n Geogra
fica
Sistemas de Informacio
Figura 18.8: Recorte vectorial de un conjunto de capas de puntos, lneas y polgonos, con una capa
de polgonos.
18.3.2.
453
Diferencia
proceso es semejante, pero en este caso las zonas que se mantienen son las que no entran
dentro de la zona definida por la capa de recorte.
Puede entenderse como la realizaci
on de un recorte, pero en lugar de utilizando un
conjunto de polgonos de recorte, empleando su complementario.
Mientras que el recorte era u
til para restringir la informacion de una capa vectorial a un
area dada, la diferencia es u
18.3.3.
Intersecci
on
La intersecci
on es equivalente a una operacion booleana Y (AND), ya que la capa resultante mantiene solo aquellas zonas para las que se dispone de informacion en ambas capas
de entrada. Es decir, aquellas zonas donde hay entidades en ambas capas. En particular,
estas entidades han de ser de tipo polgono.
A diferencia del recorte, la informaci
on empleada para crear la tabla resultante no proviene u
nicamente de una capa (la capa recortada), sino de ambas capas de origen. Por ello,
se producen modificaciones en las geometras, que se dividen (se ((trocean))) seg
un sea la
intersecci
on con las geometras de la otra capa, y tambien en las tablas de atributos. Los
atributos de cada una de las nuevas entidades son todos los asociados a las entidades que
han dado lugar a dicha entidad intersecci
on. Puesto que solo se mantienen en la capa resultante las entidades donde exista coincidencia, siempre habra informacion en ellas sobre
ambas capas. Es decir, la tabla de atributos resultante tiene tantos campos como el conjunto
de las dos capas de partida.
Puede verse un sencillo ejemplo en la figura 18.9.
El hecho de que en la tabla aparezcan dos campos con el mismo nombre no implica que
deban en modo alguno ((mezclarse)) los valores de estos. Simplemente existiran en la tabla
resultante dos campos distintos con un nombre coincidente.
Al igual que en el caso anterior, de existir capas con valores que guarden relacion con
el area de cada polgono, los valores en las tablas pierden su significado al llevar a cabo
la intersecci
on. De hecho, podran existir en ambas capas de origen sendos campos con un
valor de
area, que apareceran ambos en la tabla de la capa resultante. Ninguno de ellos, no
obstante, sera aplicable a la entidad a la que hacen referencia.
Este caso que acabamos de ver es identico en concepto al que veamos en el apartado
14.2.1 sobre combinaci
on de capas mediante el algebra de mapas. No obstante, si se recuerda
lo visto entonces, era necesario codificar de forma particular los valores en las capas de
entrada para llevar a cabo correctamente la operacion de combinacion. Esto era as porque
la capa resultante deba contener la informaci
on de las dos capas de entrada (tipo de suelo y
n Geogra
fica
Sistemas de Informacio
454
Figura 18.9: Interseccion entre dos capas de polgonos, mostrando las geometras y la tabla de
atributos resultante.
18.3.4.
Uni
on
Si la intersecci
on se puede asimilar a un operador logico Y (AND), la union es semejante
al operador l
ogico O (OR). En la capa resultante del proceso aparecen todas las geometras de
la intersecci
on y, junto a estas, tambien aquellas que corresponden a las zonas que aparecen
u
nicamente en una de las capas de origen. Al cruzar estas capas, y al igual que en el caso de
la intersecci
on, sus geometras se ((trocean)), pero en este caso todos esos ((trozos)) obtenidos
aparecen en la capa resultante, y no solamente algunos de ellos.
De esta forma, y al unir dos capas de polgonos, encontraremos en la capa resultante zonas
que est
an cubiertas por uno de ellos perteneciente a la primera capa, o bien por uno de la
segunda capa, o bien por polgonos de ambas capas. Si, por ejemplo, esas capas representan
zonas de influencia de sendos procesos, podremos de este modo conocer que procesos afectan
a cada una de las geometras resultantes, y saber si, dentro del permetro de dicha geometra,
estamos dentro de la zona de influencia de ambos procesos, o bien solo en la de uno de ellos.
En general, la uni
on resulta de interes cuando estudiemos la existencia de dos fenomenos y queramos ver d
onde tiene lugar al menos uno de dichos procesos. En la interseccion
busc
abamos conocer en que lugares tenan lugar los dos fenomenos simultaneamente.
La tabla de atributos correspondiente es igual a la de la interseccion, con tantos campos
como el conjunto de las dos capas de partida. En este caso, no obstante, y por existir
polgonos resultantes que no apareceran en la interseccion (zonas donde solo uno de los
fen
omenos representados se produce), aparecer
an campos sin informacion, ya que no existen
informaci
on suficiente para asignarse en esos casos.
455
Figura 18.10: Union de dos capas de polgonos, mostrando las geometras y la tabla de atributos
resultante.
18.3.5.
Polgonos esp
ureos
Las operaciones geometricas de solape cruzan las geometras de dos capas y calculan
los elementos resultantes de la intersecci
on de estas. Al llevar esto a cabo, es probable que
en ciertos lugares existan lneas de estas capas que debieran coincidir pero que, debido a
imprecisiones en su digitalizaci
on o a la precision particular de cada capa, no lo hagan
exactamente. Es decir, una misma realidad queda registrada de formas distintas en las
diferentes capas de origen.
A la hora de efectuar la intersecci
on anterior, esa falta de coincidencia va a dar lugar a
polgonos adicionales que no deberan estar ah. Estos, ademas, seran de peque
no tama
no,
ya que las imprecisiones son peque
nas en relaci
on al tama
no de las geometras intersecadas.
Estos polgonos son artificios fruto de las imprecisiones existentes en las capas sobre las que
se realiza la operaci
on geometrica en cuesti
on, y su eliminacion es un paso complementario
a dicha operaci
on, el cual debe llevarse a cabo igualmente.
La aparici
on de polgonos esp
ureos (tambien frecuentemente citados en su denominacion
inglesa, sliver polygons) puede evitarse a la hora de realizar la interseccion, incorporando
en los algoritmos correspondientes una cierta tolerancia que permita que lneas distintas
puedan tratarse como identicas(como deberan ser en realidad), siempre que la diferencia
entre ellas no supere dicha tolerancia.
Otra soluci
on es la eliminaci
on a posteriori, tratando de localizar los polgonos esp
ureos
diferenci
andolos de aquellos que s representen regiones reales que deben conservarse. Algunas de las caractersticas que suelen presentar habitualmente y que pueden emplearse para
esa distinci
on son:
Peque
no tama
no
Forma alargada
n Geogra
fica
Sistemas de Informacio
456
Bajo n
umero de lados. Son polgonos simples con pocos segmentos.
La figura 18.11 muestra un ejemplo de la aparicion de este tipo de polgonos.
Figura 18.11: Aparicion de polgonos espureos de pequeno tamano tras el solape entre capas con
discrepancias.
18.4.
Juntar capas
457
Figura 18.12: Ejemplo de las tablas y entidades resultantes tras juntar dos capas.
458
n Geogra
fica
Sistemas de Informacio
18.5.
Las tablas de atributos pueden emplearse para definir la forma en que se realiza una
operaci
on geometrica. En lugar de ser elementos pasivos que no se ven modificados tras la
operaci
on, los atributos pueden ser quienes aporten la informacion necesaria para establecer
la manera de modificar las entidades de entrada.
Una operaci
on muy frecuente en este sentido es la llamada disoluci
on. Esta operacion
recibe este nombre debido a que une polgonos con atributos comunes y ((disuelve)) las
fronteras existentes entre ellos en una u
nica entidad. No es necesario que exista una frontera
entre los polgonos (es decir, que sean contiguos) ya que pueden almacenarse en una capa
vectorial entidades compuestas por varios polgonos disjuntos. Tal es el caso, por ejemplo,
de una entidad poligonal que represente a Espa
na, que contendra no solo el polgono de
la pennsula, sino tambien los de las islas que tambien pertenecen al pas. Para todos ellos
existe un u
nico registro en la tabla de atributos asociada.
La aplicaci
on de la operaci
on disolver hace que todos aquellos polgonos que tengan
asociado un determinado valor en uno de sus atributos pasen a constituir una nueva y u
nica
entidad, ya sea esta de un solo polgono o varios disjuntos. No obstante, los SIG habituales
implementan la posibilidad de efectuar la disoluci
on tan solo cuando exista adyacencia, de
tal modo que la entidad resultante siempre ser
a en este caso un u
nico polgono simple.
Este es el caso que aplic
abamos, por ejemplo, a la hora de simplificar las zonas de
influencia. En dicho caso se unen simplemente por contig
uidad espacial todas las zonas
generadas, asumiendose por tanto que todas tienen alg
un valor com
un en sus atributos.
No obstante, pueden disolverse las entidades seg
un distintos grupos, tantos como valores
distintos de un atributo existan en la capa. Un ejemplo muy representativo en este sentido
es obtener a partir de una capa con provincias una nueva con polgonos que representen
459
comunidades aut
onomas. Es decir, agrupar un tipo de division en otra a una escala mayor.
Para ello, por supuesto, debe existir informaci
on sobre a que Comunidad Autonoma pertenece cada provincia, para poder aplicar la condicion que permita seleccionar los polgonos a
disolver.
En la figura 18.13 se muestra un ejemplo de lo anterior.
Figura 18.13: Obtencion de una capa de comunidades autonomas a partir de una de provincias
mediante un proceso de disoluci
on. En la capa original se han representado los polgonos en funci
on de la comunidad a la que pertenecen. Aunque aparecen con el mismo color, son polgonos
independientes.
Al igual que en otras operaciones ya vistas, la tabla de atributos de la capa resultante
merece atenci
on aparte. En esta ocasi
on, existe un comportamiento diferente seg
un si el
atributo es numerico o no. Si el campo no es de tipo numerico, la union de n entidades
en una u
nica implica ((juntar)) la informaci
on n valores no numericos. Puesto que estos no
permiten operaciones de tipo matem
atico, no es posible utilizar esos valores y obtener un
valor para ese campo en la nueva capa. Por ello, estos campos no aparecen en la tabla
resultante.
En el caso de campos numericos, pueden emplearse los datos de las capas de partida,
aplicando operaciones diversas seg
un sea la naturaleza de la variable. Por ejemplo, para un
campo con el n
umero de habitantes de cada termino municipal, si aplicamos una operacion
de disoluci
on y obtenemos una capa de comunidades autonomas, el valor de poblacion de
cada entidad resultante (cada comunidad aut
onoma), sera la suma de los valores de los
polgonos que han sido ((disueltos)) para obtener dicha entidad.
Si el campo en cuesti
on recoge la estatura media de la poblacion, el valor resultante
deber
a ser una media ponderada de los valores de cada termino,utilizando el n
umero de
habitantes como ponderaci
on. Si en lugar de la media se recoge la estatura maxima, el
m
aximo de todos los valores de los terminos sera el valor a incluir en la tabla de atributos
de la capa resultante en ese campo.
Una vez m
as, es necesario considerar la naturaleza de la variable para establecer la forma
de combinar los valores. Al hacerlo, y al igual que en otros casos, no deben perderse de vista
los efectos derivados de la agregaci
on que llevamos a cabo, los cuales ya conocemos.
18.6.
Contornos mnimos
Dado un conjunto de puntos, una de las operaciones geometricas mas comunes que pueden
llevarse a cabo es la delimitaci
on de un contorno mnimo que los englobe. Conocer el espacio
n Geogra
fica
Sistemas de Informacio
460
18.6.1.
461
en funci
on de la capacidad de propagaci
on de la enfermedad. El nuevo polgono resultante
representa la regi
on que puede verse afectada por dicha enfermedad.
Una serie de envolventes convexas sucesivas sobre un conjunto de puntos forma una
teselaci
on en capas en forma de cebolla1 , de utilidad para la realizacion de diversos analisis
estadsticos sobre dichos puntos (Figura 18.15).
Figura 18.15: Serie de contornos convexos formando una teselacion en capas (onion peeling).
18.6.2.
Crculo mnimo
El crculo mnimo es aquel circulo que contiene a todos los puntos de un conjunto dado
con el menor radio posible (Figura 18.16)
Figura 18.16: Crculo de radio mnimo que engloba a una serie de puntos.
El significado de este crculo mnimo es variado, ya que tanto el centro como el radio
del mismo se prestan a diversas interpretaciones. Por ejemplo, si suponemos un terreno
plano y una serie de n
ucleos de poblaci
on (cada uno de ellos representado por un punto),
1 Onion
peeling, en ingl
es
n Geogra
fica
Sistemas de Informacio
462
y queremos situar una antena para dar cobertura a la region definida por esos puntos, el
centro del crculo mnimo es una buena opci
on. Esto es as porque minimiza la distancia a
la que se sit
ua el punto m
as alejado, y por tanto minimizara la fuerza de la se
nal necesaria
para ofrecer esa cobertura completa. La intensidad de la se
nal se puede calcular en funcion
del radio del crculo.
Un an
alisis similar es frecuente en el terreno militar. Para un conjunto de n puntos a
atacar, el emplazamiento de una bomba en el centro del circulo mnimo permitira que ese
ataque afecte a todos los puntos con una cantidad mnima de explosivo. Dicha cantidad
est
a en relaci
on, al igual que en el caso anterior, con el radio del crculo.
La construcci
on de alg
un elemento de servicio compartido, tal como un colegio o un
hospital tambien puede analizarse empleando el crculo mnimo. Si situamos dicho elemento
en el centro, garantizamos que la distancia del usuario mas lejano de dicho servicio es mnima.
Cualquier otro emplazamiento implicara que existe un usuario en peores condiciones, que
tendr
a que recorrer una distancia mayor para llegar a ese colegio u hospital.
Como vemos, el crculo mnimo es una herramienta u
til para la localizacion y emplazamiento de distintos elementos. Estos problemas, no obstante, son mas complejos en general,
ya que implican la localizaci
on de varios elementos, o bien existen otros previos que han
de considerarse, as como diversos factores externos. Veremos mas ejemplos de este tipo de
problemas en la parte dedicada a las aplicaciones de los SIG, en el captulo 36
Adem
as de esta interpretaci
on geogr
afica, el crculo mnimo aporta otro tipo de informaci
on. Es habitual, por ejemplo, que los puntos que se sit
uan en el borde del mismo sean
descartados, ya que constituyen los m
as alejados y en cierta medida son elementos extremos
poco representativos del conjunto.
Existen muchos algoritmos para el c
alculo del crculo mnimo, que escapan al ambito de
este texto. Para saber m
as al respecto, puede consultarse[387] o [486].
Es de rese
nar que los punto situados en el borde del crculo mnimo siempre pertenecen a
su vez a la envolvente mnima convexa. Por ello, el problema del calculo del circulo mnimo
para un conjunto de n puntos puede reducirse al c
alculo de dicho crculo para el subconjunto
de puntos que componen la envolvente mnima convexa.
18.6.3.
Rect
angulo mnimo
El rect
angulo mnimo es el rect
angulo de menor area que cubre todos los puntos de un
conjunto (Figura 18.17).
Pare el c
alculo del rect
angulo mnimo se aplica el hecho de que al menos un lado de
este se sit
ua sobre un lado de la envolvente mnima convexa. Por ello, basta comprobar los
distintos rect
angulos que pueden construirse sobre dicha envolvente, y tomar el de menor
area.
Generalmente, el rect
angulo de menor
area coincide con el de menor permetro, pero
no siempre es as. De cualquier modo, este u
ltimo tambien cumple la condicion citada con
respecto a la envolvente convexa, por lo que su c
alculo puede hacerse por un procedimiento
identico.
18.7.
Generalizaci
on de lneas
463
n Geogra
fica
Sistemas de Informacio
464
puede simplificarse mediante un proceso de ((adelgazamiento)) que convierta este en una lnea
central. La obtenci
on de este eje del polgono se hace con un proceso que es similar a la zona
de influencia hacia el interior de un polgono, la cual veamos al principio de este mismo
captulo.
Una operaci
on tambien relacionada con la generalizacion de lneas es el suavizado. En
muchas ocasiones, las lneas de una capa vectorial son excesivamente angulosas y no presentan un aspecto natural, muy distinto del trazo suave con que un cartografo trazara las
mismas al realizar un mapa. Alterando el conjunto de puntos de la lnea de forma similar a
lo visto anteriormente, puede lograrse un redondeo en las curvas definidas por este. Dicho
redondeo puede buscarse con meros fines esteticos, pero tambien para eliminar variaciones
bruscas o desviaciones locales, manteniendo tan solo la forma general de la linea. Este es,
por ejemplo, el proceso que debe realizarse si deseamos utilizar las lineas a una escala de
menor detalle que la que originalmente se emple
o en su creacion.
El suavizado de lneas es tambien u
til como preparacion de datos de lneas procedentes
de un proceso de digitalizaci
on. Aunque muchos elementos naturales tienen formas redondeadas, es habitual que el encargado de llevar a cabo esa digitalizacion genere elementos
m
as angulosos que el objeto real que se digitaliza.
Algo similar sucede cuando las operaciones de vectorizacion se realizan de forma autom
atica, tales como las que vimos en en captulo 17. El suavizado de las lneas mejora en
tal caso la calidad de estas, no solo en su aspecto estetico, sino tambien en muchos casos su
similitud con el objeto modelizado, pues se trata de formas mas naturales(Figura 18.18).
Figura 18.18: Suavizado de una lnea procedente de vectorizacion a partir de una capa raster. En
negro, lnea original con esquinas angulosas. En rojo, lnea suavizada.
18.7.1.
M
etodos
465
Figura 18.19: La eliminacion de puntos de la linea original (a) puede dar lugar a lneas muy
similares (b) o muy distintas (c), ya que no todos los puntos tienen la misma importancia.
Puesto que no todos los puntos deben ser considerados de igual modo, existen metodos de
simplificaci
on que consideran la naturaleza propia del punto dentro de la lnea y estudian esta
como entidad en su conjunto. Esto garantiza resultados mejores que con la mera eliminacion
sistem
atica de puntos intermedios.
Podemos clasificar las rutinas de generalizacion de lneas en los siguientes bloques [384].
Rutinas de vecindad inmediata. Analizan cada punto y los inmediatamente anteriores
y posteriores, estudiando los
angulos formados o las distancias.
Rutinas de vecindad acotada. Estudian una serie de puntos vecinos, no necesariamente
restringida a los inmediatos pero s con algun umbral maximo de alejamiento o n
umero
de puntos.
Rutinas de vecindad no acotada. Estudian los puntos vecinos y la region analizada
depende de diversos factores, aunque no existe una dimension maxima.
Rutinas globales. Analizan la lnea de forma global, no a nivel de los puntos que la
componen.
Rutinas que preservan la topologa. Ademas de las propiedades geometricas ya sea a
nivel global o local, estudian la conectividad y topologa del conjunto de lneas para
garantizar que la lnea simplificada preserva dichas propiedades.
Uno de los algoritmos m
as habitualmente utilizados es el propuesto por[215], que pertenece al grupo de los globales. La intensidad del proceso de generalizacion se establece
mediante un valor de tolerancia que indica la maxima desviacion que se permite entre la
lnea original y la simplificada.
n Geogra
fica
Sistemas de Informacio
466
Figura 18.20: Generalizacion de un conjunto de lneas (en trazo punteado) mediante el algoritmo
de [215] para valores de tolerancia de 10 (a), 20 (b) y 50 metros (c).
18.8.
Resumen
467
Las operaciones m
as importantes son el c
alculo de zonas de influencia y las denominadas operaciones de solape, que permiten combinar capas de diversas formas. Entre estas
encontramos las operaciones de intersecci
on, union, diferencia y recorte, as como el juntado
de capas. Aunque producen transformaciones geometricas en las entidades de las capas de
entrada, las tablas de valores asociadas deben considerarse y tratarse con precaucion, pues
dichas transformaciones pueden afectar a la validez de los datos que contienen.
Las tablas pueden tambien usarse para definir otro tipo de operaciones tales como la
disoluci
on, en la que se unen regiones que comparten alg
un atributo com
un.
Por u
ltimo, las operaciones de generalizaci
on de lneas son u
tiles para disminuir el tama
no
de los datos vectoriales, con las ventajas de manejo y proceso que ello conlleva.
468
n Geogra
fica
Sistemas de Informacio
Captulo 19
Costes, distancias y
areas de influencia
Qu
e es una superficie de fricci
on? C
omo calcular un capa de coste acumulado? Cu
al
es la diferencia entre un modelo de coste acumulado isotr
opico y uno anisotr
opico? C
omo
combinar varias superficies de fricci
on en una u
nica? C
omo calcular una ruta
optima sobre una
superficie de coste acumulado? Y sobre una red con topologa? C
omo se define una zona
de influencia sobre una capa r
aster?
El concepto de distancia es b
asico para entender las relaciones espaciales. En este captulo veremos la
distancia como un caso particular de coste, y estudiaremos c
omo aplicar la informaci
on de costes unitarios
en cada celda para calcular costes acumulados entre celdas de destino y origen establecidas.
Estudiaremos las capas que contienen los costes unitarios y acumulados, y sobre estas u
ltimas calcularemos rutas o
ptimas que nos indiquen el camino a seguir para ir de un punto a otro con el menor
coste posible. Estas rutas ser
an rectilneas en caso de emplear la distancia eucldea como coste, pero no
as en caso de emplear otro par
ametro.
Aplicando conceptos relacionados con los anteriores, calcularemos zonas de influencia sobre capas
r
aster con un enfoque distinto y m
as flexible que el que veamos en el caso vectorial.
El
algebra de mapas ser
a la base de herramientas a utilizar, por lo que, una vez m
as, lo que necesitas
para seguir el captulo es un buen conocimiento de sus conceptos y una buena comprensi
on de las particularidades del modelo r
aster, sobre el cual trabajaremos. Al final del captulo, trabajaremos con datos
vectoriales para el an
alisis de redes, con lo que deber
as conocer asimismo los conceptos fundamentales
relativos a la topologa de estas.
19.1.
Introducci
on
Desplazarse entre dos puntos cualesquiera del espacio implica un coste. Cuanto mas alejados se encuentren estos, llevar
a m
as tiempo efectuar ese desplazamiento y se consumira mas
energa, entre otras cosas. La distancia como tal, as como el tiempo o la energa gastada,
son ejemplos de variables de coste.
Un coste expresa la resistencia ofrecida por el medio para desplazarse a traves de el en
un punto concreto.
El an
alisis de capas que contengan variables de este tipo nos permite calcular los costes
globales de desplazarse a lo largo de toda la extension de la capa, as como evaluar la mejor
forma de hacerlo para minimizar dicho coste.
Las variables que podemos utilizar como coste son muy diversas, y este tipo de analisis
es de gran utilidad para todos aquellos procesos que impliquen alg
un tipo de movimiento.
De este modo, el concepto de distancia puede ((ampliarse)), y con el todas sus implicaciones. Por ejemplo, las zonas de influencia no solo pueden definirse con la mera distancia
eucldea, sino en base a otros factores. De este modo, podemos incorporar el hecho de que,
mediando la misma distancia entre una celda y un conjunto de otras dadas, la facilidad de
n Geogra
fica
Sistemas de Informacio
470
recorrer esta distancia sea diferente, y por tanto no ejerzan todas la misma influencia sobre
la primera.
La delimitaci
on de zonas de influencia sobre una base raster permite no solo introducir
estas ideas, sino tambien aportar m
as flexibilidad al proceso, pudiendo emplearse parametros
adicionales que condicionen la forma de llevarlo a cabo en cada punto.
19.2.
Superficies de fricci
on
Una capa conteniendo una variable de coste se conoce como superficie de fricci
on. Las
variables de coste son de tipo cuantitativo y generalmente, aunque no siempre, continuas.
El valor de cada celda de una superficie de friccion indica el coste que supone recorrer
dicha celda [214]. Puesto que la celda puede recorrerse en diversas direcciones, se establece
que este coste se refiere a hacerlo en la direcci
on vertical u horizontal, no diagonal. As, una
capa que almacene la variable de coste ((distancia)) sera una capa constante que contendra en
todas las celdas el tama
no de celda s.
Por regla general, los costes son, no obstante, variables, esto es, distintos en cada celda.
Veamos algunos casos.
Una capa de pendientes, por ejemplo, es una capa de coste valida, ya que la dificultad
de desplazarse sobre el terreno aumenta conforme lo hace la pendiente. De igual modo, el
tiempo empleado en atravesar una celda, que ser
a funcion de diversos factores, tambien
representa un coste.
Una superficie de fricci
on puede contener tambien un valor que no exprese directamente
un coste, pero este relacionado con el y permita obtenerlo. Por ejemplo, la velocidad media
de tr
ansito a traves de una celda. Con este valor y el tama
no de celda se puede obtener el
tiempo de tr
ansito.
El coste no es necesariamente una variable fsica de tipo continuo. Por ejemplo, podemos
clasificar las distintas zonas de una capa en funci
on de su atractivo visual. Invirtiendo estos
valores obtenemos una variable de coste, que nos indica la ((dificultad)) de atravesar la celda
en funci
on de su atractivo. Las zonas con menor belleza suponen un mayor coste. Esto
nos puede servir para calcular rutas agradables, ya que las rutas optimas en este caso son
aquellas que pasan por un menor numero de zonas esteticamente no agradables.
Este tipo de variables hacen referencia a los denominados espacios subjetivos [262], en
contraposici
on a los espacios absolutos sobre los que se registran las medidas de distancia o
tiempo que constituyen las fricciones empleadas m
as frecuentemente.
Aunque la capa con la superficie de fricci
on cubre toda una extension dada, es probable
que puntos de esta extensi
on no sean transitables. Si suponemos que el coste viene expresado
por la pendiente, hay zonas tales como embalses donde, con independencia de su pendiente,
no podemos cruzar. Una soluci
on habitual es asignar a las celdas en estas zonas un valor muy
elevado (coste infinito), que haga que no sea viable transitarlas. No obstante, una opcion
m
as correcta es asignar valor de sin datos a estas zonas, de forma que queden directamente
excluidas del c
alculo. Esto puede emplearse para excluir en el posterior trazado de rutas
optimas aquellos puntos que no deseen ser transitados, bien sea por los propios valores de
reas de influencia
Costes, distancias y a
471
Figura 19.1: Una superficie de friccion permite calcular el coste de una ruta definida sobre ella.
sumando los costes de cada movimiento entre celdas consecutivas. Para los desplazamientos
en direcci
on horizontal o vertical, el desplazamiento tiene un coste dado por la expresion:
c1 + c2
(19.2.1)
2
siendo c1 y c2 las fricciones respectivas de las celdas entre las cuales se produce el desplazamiento.
Si nos movemos en direcci
on diagonal, el coste que este movimiento supone es
c=
c1 + c2
2
(19.2.2)
2
Con lo anterior, el coste de la ruta se
nalada en la figura 19.1, comenzando en la celda de
la esquina superior izquierda, es igual a
1 3 3 2 2 2 2 2 2 1
+ +
+
+ + + +
2 2
2
2
2 2 2 2
c=
19.3.
Aunque de interes, el an
alisis anterior es muy simple, y no revela todo el potencial de la
superficie de fricci
on. Mediante un an
alisis m
as intenso, podemos, por ejemplo, y dados los
mismos puntos, calcular la ruta que haga mnimo el coste total de desplazamiento.
De igual modo, el an
alisis de la superficie de friccion es la base para resolver otros
problemas de rutas
optima. Dada una serie de puntos posibles de destino y un punto de
inicio, podemos calcular cu
al es el punto m
as cercano (cercana en terminos de coste mnimo,
no de distancia eucldea), y calcular la ruta
optima y el coste de esta.
Para ello, debemos convertir la capa con los costes unitarios por celda en una capa de
coste acumulado. El coste acumulado de cada celda representa el valor del coste total a
recorrer desde dicha celda a la celda de destino mas cercana, desplazandose por la ruta
optima. Para una superficie de fricci
472
n Geogra
fica
Sistemas de Informacio
reas de influencia
Costes, distancias y a
473
Figura 19.2: Capa de coste acumulado para tres puntos de destino y con una superficie de friccion
constante. Para lograr una visualizaci
on m
as explcita se ha a
nadido un sombreado en funci
on del
propio coste.
19.3.1.
Coste isotr
opico vs coste anisotr
opico
Al introducir el an
alisis de las superficies de friccion se
nalabamos la pendiente como
una posible variable de coste. Los costes de un desplazamiento dependan de ese valor de la
pendiente,
as como de la direcci
on de desplazamiento, para aplicar el factor de correccion
n Geogra
fica
Sistemas de Informacio
474
Figura 19.3: Superficie de coste acumulado representando el coste mnimo a un area de destino.
Las celdas en blanco indican las celdas de destino, para las cuales el coste acumulado es nulo.
c1 cosk (1 ) + c2 cosk (2 )
2
(19.3.1)
reas de influencia
Costes, distancias y a
475
en la direcci
on de m
axima propagaci
on, puede calcularse para las restantes seg
un ciertas
expresiones derivadas del an
alisis y modelizaci
on del fuego.
Dados los focos de un incendio, puede calcularse as el tiempo que tardaran en quemar
toda el
area definida por la superficie de friccion. En este caso, debe considerarse que los
puntos no son de destino, sino de partida, con lo que la direccion a considerar es la opuesta.
El trayecto cuyo coste se representa en la capa de coste acumulado no es para dicha celda
hasta el foco m
as cercano, sino desde este.
El caso presentado de la pendiente como factor que condiciona el desplazamiento a pie
puede expresarse con m
as precisi
on seg
un la siguiente ecuacion [343]:
T = aS + bH1 + cH2 + dH3
(19.3.2)
siendo T el tiempo empleado en el recorrido, S la distancia recorrida, H1 la distancia vertical recorrida cuesta arriba, H2 la distancia vertical recorrida cuesta abajo con pendiente
moderada y H3 la distancia vertical recorrida cuesta abajo en pendiente pronunciada. La
pendiente moderada va de 5 a 12 y la pronunciada es aquella con angulo mayor de 12 . Los
valores propuestos de las constantes son [343] a = 0,72, b = 6,0, c = 1,9998, d = 1,9998.
Calculando la pendiente existente entre dos celdas entre las que se analice el coste,
podemos as estimar el tiempo empleado.
En ocasiones, el movimiento no es posible en todas las direcciones. Es decir, en ciertas
direcciones el coste es infinito. Por ejemplo, en el caso de modelizar el movimiento de un
flujo aplicando un algoritmo como el D8 como veamos en 15.6.1. De las ocho celdas hacia
las que puede darse el movimiento, solo una de ellas es posible. Las restantes tendran un
coste infinito, pues el movimiento en esa direccion es inviable.
Aplicando este concepto es posible calcular una capa de distancias a un cauce, pero que
esta distancia no sea eucldea, sino la seguida por el flujo desde cada punto hasta el punto
en el que se unen con dicho cauce. Las celdas de cauce son en este caso las celdas de destino.
La figura 19.5 muestra un mapa de distancia eucldea a un cauce, as como otro de
distancia hidrol
ogica, pudiendo apreciarse la diferencia entre ambas.
n Geogra
fica
Sistemas de Informacio
476
y = c sin
(19.3.3)
Las componentes de cada variable de coste sobre los ejes x e y ya pueden sumarse para
obtener dos capas con la componente del coste total en cada eje. Con estas dos capas puede
obtenerse el par de capas resultantes con coste maximo y direccion de maxima friccion,
aplicando las expresiones
p
y
;
= tan
(19.3.4)
c = x2 + y 2
x
Estas ya pueden utilizarse para obtener superficies de coste acumulado de la forma antes
detallada.
19.4.
C
alculo de rutas
optimas
El valor de cada celda en una capa de coste acumulado nos indica el coste mnimo para
alcanzar una de las celdas de destino, pero no nos informa de la ruta que implica dicho coste.
No obstante, no es difcil calcular dicha ruta.
Para entender mejor la forma de llevar esto a cabo, resulta de interes representar la
capa de coste acumulado con una vista tridimensional, empleando el coste como elevacion.
Visualizar as esta superficie es una forma muy intuitiva de ver lo que representa y como
utilizarla. La figura 19.6 muestra la capa de coste acumulado, as como una ruta optima.
Se ve que la superficie contiene tantos sumideros como puntos de destino. Estas son las
zonas de mnimo coste (coste cero, ya que son los propios puntos de destino), que aparecen
con mnima elevaci
on. La ruta va desde el punto de origen hasta el fondo de uno de dichos
sumideros.
La superficie de coste acumulado es en realidad una superficie de potencial, y el desplazamiento entre el punto de origen y el de destino se asemeja mucho, como puede verse en la
figura, a la ruta que seguira un flujo desplaz
andose hacia aguas abajo si en lugar de coste
acumulado fuera elevaci
on el par
ametro recogido en la capa. Por tanto podemos utilizar
modelos de direcci
on similares a los mostrados para el caso del analisis hidrologico (15.6.1).
reas de influencia
Costes, distancias y a
477
Figura 19.6: Representacion tridimensional de una capa de coste acumulado y una ruta optima
sobre esta.
19.5.
Zonas de influencia
n Geogra
fica
Sistemas de Informacio
478
19.5.1.
Para comenzar, la figura 19.7 muestra una comparacion entre la zona de influencia calculada sobre el trazado del cauce recogido seg
un un modelo vectorial y la misma zona calculada
sobre una base r
aster. Para calcular esta u
ltima se ha creado la capa de coste acumulado
tomando el cauce como conjunto de celdas de destino, pero deteniendose el algoritmo una
vez que se alcanza un umbral de distancia dado. Tambien puede calcularse de la forma habitual, y despues reclasificando todas aquellas celdas con distancia mayor que el umbral para
asignarles valor de sin datos.
Figura 19.7: Comparacion entre a) zona de influencia en formato vectorial y b) zona de influencia
en formato r
aster.
reas de influencia
Costes, distancias y a
479
presencia de dicha especie, asignando por simplicidad un coste constante a las zonas circundantes en funci
on de su vegetaci
on, y estimando un coste maximo a superar por un individuo
de dicha especie en una jornada, se calcula la superficie de coste acumulado y se delimita la
zona de influencia. Fuera de esta, es improbable encontrar individuos.
Este an
alisis puede realizarse de forma similar con datos vectoriales, pero en ese caso se
dispone u
nicamente de dos clases: o el punto esta dentro de la zona de influencia o no. En
el caso r
aster, no obstante, tenemos una medida de la distancia en cada celda, que sin duda
es tambien una medida de la probabilidad de encontrar un individuo, ya que resulta logico
pensar que en los puntos m
as cerca del borde la probabilidad es menor que en puntos mas
centrales.
Figura 19.9: Zona de influencia de una especie dada su area de residencia y un coste maximo de
desplazamiento.
480
n Geogra
fica
Sistemas de Informacio
Pueden calcularse tambien las zonas de influencia de una manera similar a la vectorial,
u
nicamente delimitando el contorno en funci
on de la distancia eucldea y sin aplicar los
conceptos de creaci
on de capas de coste acumulado. En este caso basta tomar todas aquellas
celdas que constituyen los objetos centrales (las celdas de destino en el caso del analisis
de coste) y marcar con un valor establecido las celdas circundantes a una distancia menor
que la distancia de influencia escogida. Se tratara de un analisis focal con una ventana de
an
alisis circular de radio igual a la distancia de influencia, en la que los valores dentro de
esta reciben todos el mismo valor. Obviamente, los resultados que pueden obtenerse de este
modo son m
as limitados que aplicando toda la potencia del analisis de costes.
19.5.2.
Al realizar el c
alculo de una zona de influencia de dimension fija, establecemos un umbral
de coste acumulado, a partir del cual consideramos que no existe tal influencia. Todos los
elementos en el limite del
area delimitada tienen el mismo valor de coste acumulado. En
ocasiones, no obstante, lo interesante para definir la influencia de un elemento geografico
puede no ser el coste acumulado desde el mismo a las celdas del entorno, sino el propio coste
unitario de dichas celdas, o bien otro valor asociado a las mismas, no necesariamente un
coste.
Con estos planteamientos podemos definir zonas de influencia de dimension variable, en
las cuales las celdas fronterizas no cumplen ning
un requisito relativo al coste acumulado que
se da en las mismas.
Para ver un primer ejemplo considerese el siguiente supuesto: se dispone de una carretera
y una capa de pendientes. Por la carretera los vehculos circulan sin dificultad, y fuera de
ella, los vehculos todoterreno pueden hacerlo siempre que la pendiente no sea superior
al 5 %. Tratemos de calcular la zona de influencia de la carretera, es decir, la zona que es
accesible con un vehculo todo terreno.
Podemos abordar el problema como un problema de costes habitual. Tomando la superficie de fricci
on, reclasificamos todos los valores por encima de nuestro umbral del 5 % y
les asignamos valor de sin datos para indicar que no son transitables. Despues, calculamos
la superficie de coste acumulado, tomando las celdas de carretera como celdas de destino
(Figura 19.10). No todas las celdas con pendiente inferior al 5 % forman parte del area de
influencia, ya que, aunque el vehculo puede transitarlas, algunas no puede alcanzarlas, y
quedan como ((islas)).
El modelo de coste, pese a incluir la pendiente, es en esta ocasion isotropico, ya que el
vehculo no puede desplazarse por zonas con pendiente superior al umbral, con independencia
de la direcci
on en la que lo haga.
Asimismo, no es necesario aplicar ning
un umbral a esta capa de coste acumulado, ya que
no es ese par
ametro el que define la zona de influencia. Si la carretera esta rodeada a ambos
lados por zonas completamente llanas, la zona de influencia se extendera indefinidamente,
ya que el coste acumulado no es relevante en este caso. Lo utilizamos simplemente para
incorporar la conectividad de las distintas celdas transitables con la va central. Es por ello
que el mapa de la figura 19.10 solo marca la zona de influencia sin incorporar los valores
interiores de coste acumulado (en este caso pendiente acumulada), ya que no son de interes.
Podemos a
nadir m
as complejidad al modelo utilizando un umbral variable. Por ejemplo,
sea un cauce del cual conocemos, en cada una de sus celdas el valor de su calado en un
evento extremo. El cauce viene definido como una estructura lineal de una u
nica celda de
reas de influencia
Costes, distancias y a
481
Figura 19.10: Zona de influencia (en azul) de una va (en rojo) , suponiendo que es posible el desplazamiento desde esta siempre que la pendiente no supere el 5 %. En el fondo, mapa de pendientes.
Tonalidades m
as oscuras indican mayor pendiente.
ancho, pero con estos datos vamos a tratar definir el area realmente ocupada por el agua en
ese evento. Esto es, el
area de inundaci
on.
Modelizar hidr
aulicamente un cauce en un supuesto como el presentado es mucho mas
complejo que lo que vamos a ver, y se requieren mas datos, pero podemos plantear una
primera aproximaci
on al estudio de ese
area de inundacion, pues no deja de ser una zona de
influencia.
Si en el caso del vehculo tenamos un umbral fijo, ahora este umbral es variable y depende
del calado. Como muestra la figura 19.11, para una elevacion z en la celda de cauce y un
calado h, el agua podr
a inundar aquellas celdas contiguas con elevacion menor que z + h. Si
tomamos la capa de calado y le sumamos el MDE, tendremos una capa de cauces en las que
sus celdas representan los puntos de destino1 , y ademas cada una de ellas contiene el valor
de umbral. Es decir, que al operar seg
un se explico anteriormente para crear la capa de coste
acumulado, el umbral depender
a de la celda concreta desde la que nos venimos desplazando.
Las celdas por debajo del umbral son viables, mientras que las superiores, no. Este modelo
es similar al que plante
abamos al analizar la distancia hidrologica, solo que en este caso el
umbral que aplicamos no es sobre el coste acumulado, sino que lo usamos para calcular en
cada celda los costes unitarios. Para aquellas celdas que superan dicho umbral, el coste es
infinito. Para las restantes, nulo.
n Geogra
fica
Sistemas de Informacio
482
Figura 19.11: El calado h define la inundabilidad de las zonas circundantes al cauce, en funcion de
la elevaci
on de estas. En rojo, celda central del cauce.
19.6.
Influencia acumulada
reas de influencia
Costes, distancias y a
483
Sumamos las capas anteriores para obtener la influencia del conjunto de ciudades en
cada celda.
Puesto que estamos estudiando la influencia de la practica de la pesca, aplicamos una
m
ascara para que la capa anterior quede restringida a las zonas donde esta pueda
desarrollarse, es decir, los cauces.
19.7.
An
alisis de redes
Todo el an
alisis de costes lo hemos realizado hasta este punto sobre una base raster. Esta
es la manera m
as ventajosa y adecuada de llevarlo a cabo, pues trabajamos con superficies
de tipo continuo (las superficies de fricci
on), que se analizan mejor bajo este modelo de
representaci
on.
Un caso particular del an
alisis de costes es el analisis del movimiento a traves de una red,
siendo el caso m
as habitual en un SIG el de una red viaria. El calculo de la ruta de menor
coste entre dos nodos de dicha red es un problema tpico que tiene numerosas aplicaciones
incluso fuera del
ambito geogr
afico, y constituye una aproximacion diferente a la que ya
conocemos para el caso r
aster.
En el supuesto de un desplazamiento por una red viaria, la division del terreno en unidades regulares que implica el modelo r
aster no es adecuada, y resulta mucho mas logico un
modelo vectorial que contenga las vas y los emplazamientos entre los que estas se sit
uan,
recogiendo igualmente la topologa de la red. Esta estructura es optima no solo para el
almacenamiento y manejo, sino tambien para el analisis de costes, como a continuacion
veremos.
El an
alisis de costes r
aster tal como lo hemos visto permite modelizar los costes a traves de
vas y el movimiento restringido a estas. Basta excluir las celdas fuera de las vas (asignandoles coste infinito o valores de sin datos) y operar de la forma habitual. No obstante, el hecho
de que exista dicha restricci
on (al analizar un coste de desplazamiento por vas, no podemos
abandonar estas), favorece la utilizaci
on de un modelo vectorial para estos casos, haciendo
que resulte m
as l
ogico. Otros elementos de la va, como el hecho de que algunas de ellas
puedan recorrerse u
nicamente en una direcci
on, se recogen mejor mediante un modelo de representaci
on vectorial, como ya vimos en el captulo 5 al introducir el concepto de topologa
(de ese captulo deberas recordar tambien los conceptos de arco y nodo, que aqu resultan
b
asicos)
Este es el tipo de modelo que implementan, por ejemplo, los navegadores GPS, ya que
el movimiento que estudian y sobre el cual nos informan se realiza siempre por una red de
carreteras y calles. Sin embargo, si lo que pretendemos es calcular un coste de desplazamiento
no confinado a una va (por ejemplo, para calcular la ruta de menor coste caminando campo
a traves), es el modelo r
aster el que debemos utilizar.
Aunque formalmente son distintos tanto los modelos de representacion como los casos
particulares de an
alisis, la implementaci
on de los algoritmos de calculo de rutas de mnimo
coste es en cierta medida similar. As, los algoritmos sobre una base vectorial comparten
elementos con los que ya conocemos para el analisis raster. Estos algoritmos en realidad
derivan todos ellos de la denominada teora de grafos, una rama de la matematica que se
encarga de trabajar con un tipo de estructuras denominadas grafos, de los cuales una red es
una caso particular2 .
2 Para
484
n Geogra
fica
Sistemas de Informacio
El c
alculo de rutas
optimas es una de las
areas mas trabajadas dentro de la teora de
grafos, y por ello existen muchos algoritmos distintos. El mas popular de todos ellos es el
propuesto por Edsger Dijkstra, que es en cierto modo en el que se basan las metodologas que
hemos visto para el caso r
aster. En realidad, las celdas de una capa raster pueden entenderse
tambien como una estructura de nodos conectados (una red), con la particularidad de que
estas conexiones tienen una car
acter sistem
atico: cada celda (nodo) esta conectado siempre
a las ocho que se sit
uan entorno a ella, y u
nicamente a estas.
En el algoritmo de Dijkstra, se inicia el c
alculo en el nodo de destino y se marcan los
nodos a los que este se encuentra conectado, asoci
andoles el valor de coste entre dicho nodo
inicial y cada uno de estos otros nodos. Los restantes nodos, hasta que no sean marcados
con un valor concreto de coste, tienen un coste infinito, pues a
un no se ha establecido una
manera de conectarlos con el nodo de destino.
Al acabar este proceso, se procede a repetirlo, en esta ocasion con todos los puntos que
han sido marcados en la iteraci
on anterior. En esta nueva iteracion, cada uno de los nodos
conectados recibe como nuevo valor de coste el del nodo base (que sera uno de los conectados
al nodo original) m
as el coste de desplazarse entre este nodo y el nodo conectado a el. En
caso de ya tener un valor de coste asociado, solamente se le asociara este nuevo si es inferior
al valor existente (es decir, solo si la ruta que estamos evaluando en este paso es de menor
coste que la que anteriormente se evalu
o al asignar dicho valor de coste previo). Este proceso
de recalculo de coste asociado a un nodo se conoce como relajaci
on.
La figura 19.12 muestra un ejemplo de un grafo muy sencillo y el proceso de ejecucion
del algoritmo de Dijkstra sobre este.
Figura 19.12: Ejemplo de aplicacion del algoritmo de Dijkstra para calculo de rutas de mnimo
coste. De izquierda a derecha, etapas sucesivas de asignaci
on de coste por nodos (Adaptado de
Wikipedia).
La descripci
on original del algoritmo puede consultarse en [210]. Para el lector interesado
en profundizar sobre esta materia, un buen compendio de algoritmos de calculo de rutas
optimas puede encontrarse en [258].
Existen numerosos c
alculos relacionados con las redes y la teora de grafos cuya importancia dentro del
ambito SIG es notable. Uno de los mas conocidos es el problema del arbol
mnimo de recubrimiento, m
as habitualmente denotado por su nombre en ingles: minimum
spanning tree (MST). Dado un conjunto de puntos, este arbol representa el mnimo conjunto
de lneas que permite conectar todos esos puntos. Es decir, el problema del MST implica
crear una red que aporte conectividad a un conjunto dado de puntos, teniendo esa red la
mnima longitud posible.
Este problema cl
asico en la teora de grafos (y por tanto tambien muy estudiado al igual
que los relativos al c
alculo de rutas mnimas que acabamos de ver) tiene numerosas aplicaciones cuando se traslada al campo del an
alisis geografico. Por ejemplo, permite calcular la
interesantes libros sobre teora de grafos en las direcciones Web [42] y [43].
reas de influencia
Costes, distancias y a
485
red de canalizaciones necesaria para abastecer a una serie de puntos, minimizando el gasto
en tuberas.
La figura 19.13 presenta un ejemplo de uno de estos arboles.
El problema puede resolverse considerando distancia eucldea, o bien teniendo en cuenta
que los puntos se encuentran conectados por una red, con un coste dado entre cada par de
ellos. En este segundo caso, la obtenci
on del MST implica la reduccion de la red original
que los conecta, eliminando tramos hasta lograr el conjunto mnimo de ellos que mantiene
la conectividad.
De entre los m
ultiples algoritmos existentes para resolver este problema, los de Prim[435]
y Kruskal[340] son los m
as habituales. Los propuestos originalmente por el matematico checo
Otakar Boruvka constituyen la base para gran parte de las formulaciones mas elaboradas.
Pueden encontrarse en [404]
Puesto que se obtiene como resultado un
arbol y este es un grafo de tipo acclico, la
ausencia de ciclos (circuitos cerrados) garantiza que no existan tramos ((redundantes)) en
la red. Por esta raz
on, la estructura de
arbol es la adecuada para minimizar la longitud
de la red. Desde la perspectiva de su aplicaci
on real, no obstante, un arbol no es la forma
m
as ventajosa de conectar una serie de puntos, ya que la conectividad es reducida y puede
perderse si se pierde una de las conexiones (en otras palabras, si se rompe una tubera,
habra puntos que no estaran abastecidos, y no resultara posible abastecerles por otra va).
Una soluci
on m
as adecuada es optar por una estructura que trate de reducir la longitud
total de la red, pero garantizando una conectividad mas robusta. El MST guarda mucha
relaci
on con una estructura que ya conocemos, la triangulacion de Delaunay, ya que se forma
como un subconjunto de las lneas que conforman esta (puede consultarse por ejemplo[184]
para ver detalles acerca del algoritmo de c
alculo del MST a partir de la triangulacion). Si
de ese conjunto total de la triangulaci
on se toman las lneas del MST y algunas adicionales,
pueden obtenerse estructuras que solucionan de manera optima el problema de conectar un
conjunto de puntos con un dise
no de red robusto. Un ejemplo de esto son las denominadas
redes de Gabriel [256].
Tambien en cierta forma relacionado con los problemas anteriores, un enunciado clasico
con gran aplicaci
on en el
ambito SIG es el conocido como problema del viajante o TSP3 .
Dado un conjunto de puntos, se trata de calcular la forma de visitar todos ellos en un orden
dado y regresando al punto inicial, de tal modo que el recorrido total tenga la mnima
longitud posible.
3 Travelling
Salesman Problem
n Geogra
fica
Sistemas de Informacio
486
19.8.
Resumen
reas de influencia
Costes, distancias y a
487
Figura 19.15: Zona de influencia de un punto considerando distancias sobre una red en lugar de
distancia eucldea.
de menor coste desde un punto dado hasta el punto de destino mas cercano (en terminos de
coste).
Empleando las ideas del an
alisis de coste se definen zonas de influencia tanto de dimension
fija como de dimensi
on variable, y puede estudiarse asimismo la influencia conjunta de una
serie de elementos geogr
aficos sobre el entorno inmediato de estos.
Aunque el an
alisis de costes y superficies de friccion es un analisis con elementos raster,
las redes vectoriales con topologa permiten un analisis distinto para calcular rutas optimas
entre puntos dados de dichas redes.
488
n Geogra
fica
Sistemas de Informacio
Captulo 20
M
as estadstica espacial
C
omo puede convertirse un conjunto de capas en una capa con informaci
on categ
orica?
C
omo eliminar la redundancia que presentan habitualmente las im
agenes multiespectrales?
Qu
e diferencia existe entre la clasificaci
on supervisada y no supervisada?C
omo evaluar la
bondad de una clasificaci
on?C
omo incorporar las particularidades de los datos espaciales en
un an
alisis de regresi
on? Que otras formulaciones adem
as de las que conocemos existen para
poder combinar distintas capas representando distintos criterios acerca de un fen
omeno dado?
En el captulo 12 vimos algunos elementos estadsticos aplicados al
ambito de los datos espaciales.
Dentro de este continuaremos extendiendo ese conjunto de formulaciones estadsticas y viendo c
omo
otras pueden adaptarse de un modo similar.
Las formulaciones de este captulo se aplican mayoritariamente sobre capas de datos r
aster, y el
algebra de mapas es la herramienta principal que debe conocerse para entender dichas formulaciones. Algunas
metodologas nos permitir
an generar capas r
aster a partir de datos vectoriales, lo que hace interesante
haber ledo anteriormente el captulo 13. Las im
agenes son un tipo de dato muy utilizado en algunas de
estas formulaciones, por lo que la lectura del captulo dedicado a estas tambien es recomendable.
20.1.
Introducci
on
Pr
acticamente todas las formulaciones estadsticas pueden aplicarse a datos geograficos
de igual forma que se aplican a datos de otro tipo. No obstante, la particular naturaleza de la
informaci
on geogr
afica hace que algunas de estas formulaciones puedan adaptarse de forma
especfica para obtener resultados m
as correctos. En particular, la inferencia estadstica
presenta, como ya vimos, una serie de peculiaridades que hacen conveniente su adaptacion
para considerar la especial naturaleza debida a la presencia de una componente espacial.
En este captulo, intentaremos profundizar algo mas sobre el empleo de estas herramientas estadsticas dentro del
ambito de un SIG, viendo, entre otros, los metodos de regresion
que consideran explcitamente la componente espacial de los datos, as como las metodologas que constituyen la base para la creaci
on de modelos predictivos, de gran aplicacion
dentro de los SIG.
Asimismo, existe una operaci
on estadstica con un particular peso dentro del ambito del
SIG: la clasificaci
on, la cual constituye un elemento basico especialmente en el tratamiento de
im
agenes y la creaci
on de datos espaciales de car
acter tematico a partir de estas. Dedicaremos
gran parte del captulo a detallar los pormenores del proceso de clasificacion y algunas, las
m
as populares, de sus muy diversas variantes.
Ya conocemos algunas formulaciones que nos permiten, a partir de una capa raster (sea
una imagen o no), obtener capas vectoriales o nuevas capas raster de variable discreta,
conteniendo una informaci
on adecuada para ser expresada en formato vectorial, de forma
similar a las operaciones de clasificaci
on. El captulo dedicado al procesado de imagenes
n Geogra
fica
Sistemas de Informacio
490
contena algunas de estas formulaciones, basadas en aquel caso en operaciones con apenas
componente estadstica. Los procesos de clasificaci
on de este captulo abordan, como hemos
dicho, una tarea similar, pero desde un enfoque principalmente estadstico. Pese a ello, y
como veremos, puede emplearse tambien la componente espacial de los datos para obtener
dicha clasificaci
on.
El An
alisis de Componentes Principales, otra tecnica estadstica habitual, tambien es
de gran utilidad en el trabajo con im
agenes, especialmente cuando estas contienen un gran
n
umero de bandas. La redundancia que aparece en estas imagenes al existir dependencia
entre sus bandas puede eliminarse aplicando esta tecnica, al igual que cuando se trabaja
con cualquier otro conjunto de m
ultiples capas, cada una de ellas referida a una variable
distinta.
Por u
ltimo, cerraremos el captulo presentando algunas metodologas que nos ayudaran
a extender las capacidades de las operaciones locales del algebra de mapas, es decir, aquellas
que emple
abamos para combinar una serie de capas raster. Las operaciones algebraicas
que utilizamos para efectuar dicha combinaci
on de capas pueden mejorarse si se aplica un
an
alisis estadstico de las distintas variables combinadas, dando esto lugar a metodologas
m
as avanzadas, algunas de las cuales describiremos aqu.
Si el campo de la estadstica es amplio de por s, el de la estadstica espacial no lo es menos.
Adem
as de las adaptaciones particulares de los procedimientos estadsticos mas relevantes
al ambito espacial, existen formulaciones particulares con un rango mas o menos amplio de
aplicaci
on. No es el objetivo de este captulo el tratarlas todas ellas en profundidad, ni tan
siquiera citarlas, sino presentar por un lado algunos de los fundamentos de las operaciones
m
as habituales y pr
acticas, y por otro mostrar con algo mas de extension que lo ya visto la
forma en que la estadstica cl
asica se adapta al
ambito en el que trabajamos dentro de un
SIG.
20.2.
Clasificaci
on
La clasificaci
on es una operaci
on muy habitual dentro del analisis SIG, pues permite
establecer una categorizaci
on de un
area de estudio a partir de una serie de variables, con
la utilidad que ello conlleva para otros an
alisis. Esencialmente, el proceso de clasificacion
convierte una serie de capas en otra u
nica con informacion categorica. Las capas de origen
suelen contener en general variables de tipo continuo, aunque no necesariamente. Se trata
de, en funci
on de la informaci
on disponible sobre un area geografica, clasificar de acuerdo
con alg
un criterio las distintas zonas de la misma.
Esta clasificaci
on se desarrolla mediante procedimientos diversos que eval
uan a cual de
las clases posibles es m
as similar un punto dado. En dicho punto, se toman los valores de
todas las variables registradas y ese conjunto de valores es el utilizado para calcular el grado
de similitud entre la clase presente en el punto (a
un no determinada) y las distintas clases
posibles.
Dos circunstancias son de rese
nar en relaci
on con la naturaleza de las capas de partida:
Por tratarse de variables continuas en la mayora de los casos, se suele trabajar principalmente con capas r
aster como capas de origen.
Por utilizarse en general m
as de una variable, se requieren varias capas para almacenar
estas.
s estadstica espacial
Ma
491
n Geogra
fica
Sistemas de Informacio
492
Clasificaci
on supervisada. Adem
as de emplear las capas como entrada, debe a
nadirse
informaci
on adicional que ayude en la definicion de las distintas clases, definiendo el
n
umero de estas y sus caractersticas.
Clasificaci
on no supervisada. La u
nica entrada son las capas y el n
umero de clases a
definir. Las caractersticas de dichas clases se establecen en funcion del conjunto de
valores con los que se trabaja.
20.2.1.
Clasificaci
on supervisada
La clasificaci
on supervisada es una forma de clasificacion que requiere por parte del
operador la definici
on explicita de las clases a definir. En la terminologa empleada para las
im
agenes, podemos decir que el operador debe introducir la firma espectral caracterstica de
las clases, expresada esta como los valores m
as habituales que aparecen para dicha clase. El
proceso de clasificaci
on asigna a un punto aquella clase cuyo conjunto de valores ((tpicos))
de las variables estudiadas (los que vienen definidos por esa firma espectral caracterstica)
son m
as similares a los presentes en dicho punto.
La figura 20.1 muestra un esquema de este proceso.
s estadstica espacial
Ma
493
definir los rasgos generales de esas clases que permitiran identificar clases similares en otros
puntos.
A la hora de definir estas zonas de entrenamiento debe procurarse que cubran toda la
casustica de las clases que definen. Si, por ejemplo, queremos clasificar un area de estudio
en tres simples clases como bosque, cultivo y carretera, y las zonas de bosque son
heterogeneas (distintas especies, distinta densidad, etc.), sera conveniente definir zonas de
entrenamiento en distintos tipos de bosque, para que puedan extraerse las caractersticas
comunes a todas las subtipologas que vamos a englobar en una u
nica clase.
Por supuesto, si queremos definir una clase concreta, debemos establecer una o varias
zonas de entrenamiento de esta. Es decir, el algoritmo solo clasifica en los grupos que el
operador haya definido. Si en el
area de estudio mencionada anteriormente existieran zonas
en barbecho (que no pertenecen a ninguna de las tres clases se
naladas), estas no van a
asignarse a una clase nueva. En funci
on de la metodologa que posteriormente se use para
dicha asignaci
on, o bien quedar
an sin clasificar (si son muy distintas sus caractersticas de
las de todas las clases establecidas), o bien quedaran englobadas dentro de la clase con la
cual presenten una mayor similitud (que probablemente, y pese a ser la mas similar de las
tres definidas, no sea muy parecida a la realidad).
Para obtener mejores resultados, las zonas de entrenamiento deben ser lo mas representativas posibles, y deben establecerse siempre que se tenga la seguridad de que efectivamente
pertenecen a la clase a definir. Un mayor n
umero de zonas de entrenamiento implica mejor
clasificaci
on en lneas generales, pero solo si estas zonas constituyen una definicion coherente
de la clase, y no si se emplean zonas cuya tipologa no se conozca con plena certeza.
Cuanto m
as grandes sean las zonas de entrenamiento, mas celdas contendran en las capas
de variables analizadas, y m
as precisa sera la definicion de las caractersticas de cada clase.
[495] recomienda que se tomen para cada clase al menos un n
umero de celdas diez veces
superior al de variables consideradas, siendo m
as adecuado que este sea cien veces mayor.
Adem
as de emplear zonas de entrenamiento, la otra forma de comunicarle al algoritmo
de clasificaci
on que clases queremos definir y que caractersticas tienen estas es mediante
valores directos. En el an
alisis de las zonas de entrenamiento, las zonas se caracterizan
seg
un unos valores estadsticos tales como la media y la desviacion tpica de las distintas
variables empleadas. Si ya hemos realizado ese proceso anteriormente, dichos valores ya han
sido calculados, y podemos utilizarlos para alimentar un nuevo proceso de clasificacion en
otro
area de estudio. L
ogicamente, esto es posible solo si las clases a definir tienen similares
caractersticas en este nuevo
area y en la utilizada originalmente para la caracterizacion de
clases.
La utilizaci
on de valores provenientes de bases de datos de firmas espectrales, las cuales
se vieron en el captulo 16, constituye otro ejemplo del uso de valores directos en lugar de
zonas de entrenamiento.
Una vez que las clases se han definido, el proceso de clasificacion asocia cada punto de la
zona de estudio a una de ellas en funci
on de sus valores. Los metodos existentes para llevar
a cabo esta fase del proceso son muy diversos, y la literatura estadstica recoge decenas de
ellos. Dentro del ambito de los SIG, los m
as habituales son los siguientes:
Clasificaci
on por paraleleppedos.
Clasificaci
on por mnima distancia
Clasificaci
on por m
axima verosimilitud
494
n Geogra
fica
Sistemas de Informacio
s estadstica espacial
Ma
495
(xi xik )2
(20.2.1)
n Geogra
fica
Sistemas de Informacio
496
11 12 1n
21 22 2n
C= .
(20.2.4)
..
..
..
..
.
.
.
n1 n2 nn
donde ij es la covarianza entre las variables i y j.
M
axima verosimilitud
A diferencia de los anteriores, el metodo de m
axima verosimilitud no eval
ua un parametro
geometrico dentro del espacio de atributos, sino que se basa en fundamentos estadsticos.
s estadstica espacial
Ma
497
20.2.2.
Clasificaci
on no supervisada
n Geogra
fica
Sistemas de Informacio
498
s estadstica espacial
Ma
499
Figura 20.5: Definicion de clases iniciales para el proceso de clasificacion no supervisada, estableciendo los centros de clases equiespaciados en el espacio de atributos.
500
n Geogra
fica
Sistemas de Informacio
Como puede verse, los centros de las clases no se corresponden con los centros de los
grupos que existen en el conjunto de elementos, pero al cubrir el espacio y repartirse a lo
largo de este, garantizan que en las sucesivas iteraciones estos centros puedan desplazarse al
lugar correcto donde las clases que definan presenten una mnima variabilidad.
En la figura 20.6 pueden verse algunas etapas de un proceso de clasificacion no supervisada por el metodo de distancia mnima iterativa, en el que se aprecian los cambios que las
clases van sufriendo a lo largo de las sucesivas iteraciones.
Figura 20.6: Distintas etapas de un proceso de clasificacion no supervisada por distancia mnima
iterativa.
ISODATA
El metodo ISODATA (Iterative SelfOrganizing Data Analysis Technique) comparte
los mismos fundamentos que el anterior, pero le a
nade algunos elementos adicionales que
permiten al operador tener algo m
as de control sobre el proceso, al tiempo que aportan una
mayor flexibilidad a los resultados.
Por una parte, puede darse el caso en que algunas de las clases establecidas no tengan
suficientes elementos asignados a ellas, y no sea relevante mantenerlas. Los elementos de
estas clases pueden asignarse a la siguiente clase m
as cercana. El metodo ISODATA analiza
la capa resultante en busca de clases con pocos elementos, y en caso de que no superen
un umbral mnimo de n
umero de estos, los reparte entre las restantes clases. Mediante esta
operaci
on, el n
umero de clases totales disminuye en uno.
Otro caso similar se da cuando dos de las clases resultantes son muy similares, existiendo
poca distancia entre sus medias respectivas. En este caso, resulta conveniente unir dichas
clases. La definici
on de un umbral mnimo de distancia entre clases permite al algoritmo
considerar esta circunstancia.
s estadstica espacial
Ma
501
Un caso opuesto a los anteriores se da cuando una clase tiene una amplitud excesiva, de
tal modo que la variabilidad en ella sea elevada. Puede establecerse un umbral de amplitud
en funci
on de la desviaci
on tpica, que permita localizar dichas clases, para posteriormente
dividir estas en dos nuevas.
Con todo lo anterior, adem
as de especificarse un n
umero de clases a crear se establece
un n
umero m
aximo y otro mnimo de clases, para de este modo acotar el n
umero de clases
totales que resulta de los procesos de ajuste mencionados. Incluyendo estos procesos junto
a la estructura del algoritmo de distancia mnima iterativa, se tiene el proceso global del
metodo ISODATA.
Como conclusi
on de esta secci
on dedicada a la clasificacion y los metodos existentes, en
la figura 20.7 se muestra un ejemplo de clasificacion de usos de suelo en un area de estudio,
en base a im
agenes de satelite y par
ametros fisiograficos, llevada a cabo por algunos de los
metodos descritos anteriormente.
Figura 20.7: Comparacion de la clasificacion en clases de uso de suelo generada partir de una imagen
de satelite y par
ametros fisiogr
aficos mediante los metodos de a) mnima distancia b) m
axima
verosimilitud y c) mnima distancia iterativa (no supervisada)
Clustering jer
arquico
Un algoritmo habitual en clasificaci
on de objetos es la utilizacion de arboles jerarquicos.
El proceso se basa en la creaci
on de un
arbol en el cual se disponen en sus extremos todos
los objetos a clasificar, y las ramas que estos conforman se van unificando, agrupandose por
similitud hasta llegar a formar una u
nica (Figura 20.8)
502
n Geogra
fica
Sistemas de Informacio
El dendrograma resultante de este proceso puede utilizarse despues para clasificar los
elementos, simplemente descendiendo en el hasta el nivel en el que el n
umero de clases existentes sea lo m
as cercano posible al deseado. Este dendrograma es mas rico en informacion
que la mera clasificaci
on, ya que presenta distintos niveles de agrupacion en lugar de uno
u
nico.
El problema con este tipo de metodos para su uso en un SIG es que los elementos
individuales que clasificamos las celdas de las capas, se presentan en n
umeros muy
elevados, del orden de millones. Manejar una estructura de este tipo correspondiente a tal
cantidad de elementos es impracticable, por lo que directamente no puede utilizarse. Es
posible aplicarla, sin embargo, sobre una clasificacion ya previa que reduzca el n
umero de
elementos.
As, dadas una serie de clases, estas a su vez pueden estudiarse mediante un proceso de
clustering jer
arquico para disponer de informaci
on acerca de cuales de ellas son similares y
pueden unirse para simplificar la clasificaci
on. La combinacion de ambos tipos de metodologas es una pr
actica que permite sacar m
as partido a los datos de partida, analizandolos
en varias etapas.
20.2.3.
Incorporaci
on del criterio espacial
funci
on de tipo focal), la aplicaci
on de toda la serie de filtros que vimos en el captulo
s estadstica espacial
Ma
503
dedicado al procesado de im
agenes da lugar a nuevas imagenes que pueden incorporarse al
proceso de clasificaci
on.
Para el caso de capas genericas, no necesariamente imagenes, pueden emplearse de igual
modo las distintas funciones focales tales como la media, el rango, o el valor maximo de la
ventana de an
alisis, a seleccionar en funci
on del significado de la variable sobre la que se
aplican.
Otra forma de incorporar la relaci
on espacial entre las celdas es la utilizada en los denominados metodos basados en objetos. Seg
un estos metodos, no se clasifican las capas
clasificando cada una de sus celdas, sino bloques de estas con caractersticas comunes. Estos
bloques son los objetos, que en la fase inicial del metodo se estructuran de forma jerarquica
a partir de esa estructura y se clasifican posteriormente.
La creaci
on de dichos objetos a partir de las capas implica un proceso de segmentacion
de estas, y es ah donde se incorpora el criterio espacial, ya que se utilizan, ademas de
estadsticos b
asicos, la forma, el tama
no o los distintos descriptores de la textura de las
im
agenes.
M
as informaci
on sobre metodos de clasificacion basados en objetos dentro de un ambito
SIG puede encontrarse por ejemplo en [460] o en [180], este u
ltimo con un tratamiento en
detalle de los metodos de clasificaci
on, as como de los de segmentacion necesarios para su
empleo.
20.2.4.
Clasificaci
on d
ebil (soft classification)
n Geogra
fica
Sistemas de Informacio
504
max Sn
1 n1
(20.2.5)
20.2.5.
Validaci
on
s estadstica espacial
Ma
505
Clase
A
B
C
D
20135
22
19
3
15
18756
70
457
20
133
30452
272
0
512
345
7018
Nc
N
(20.2.6)
i=1
xi k
xkk
(20.2.7)
n Geogra
fica
Sistemas de Informacio
506
aun perteneciendo a dicha clase, han sido adjudicadas a otra distinta. Es decir,
Pn
xk i
r = i=1
xkk
(20.2.8)
Adem
as de estas sencillas proporciones, existen ndices mas complejos que pueden tambien calcularse a partir de los valores de la matriz de contingencias. El mas habitual es el
denominado Indice
Kappa de concordancia, cuya expresion es
K=
P0 Pe
1 Pe
siendo P0 la proporci
on total de celdas que coinciden en ambas capas, es decir,
Pn
x
Pn ii
P0 = Pn i=1
i=1
j=1 xij
(20.2.9)
(20.2.10)
y Pe calculado seg
un la expresi
on
P0 =
Pn
Pn
xki
j=1 xij
Pn Pn j=1 2
( j=1 k=1 xjk )
i=1
n
X
(20.2.11)
Por su expresi
on, el ndice Kappa no presenta sesgo por una posible coincidencia casual
de clases, ya que tiene en cuenta la posibilidad de que exista concordancia por azar.
A diferencia de la proporci
on de celdas correctamente clasificadas, cuyo rango de valores
se sit
ua entre 0 y 1, el ndice Kappa puede tomar valores desde -1 a 1. El valor 1 indica una
concordancia completa, mientras que el -1 define una correlacion de signo negativa. Valores
alrededor de 0 indican que no existe correlaci
on entre las capas. Valores por encima de 0.75
indican en general una muy buena correlaci
on
Se deja como ejercicio para el lector el c
alculo del ndice Kappa y la proporcion de celdas
concordantes a partir de los valores de la matriz de ejemplo.
Al igual que para la proporci
on de celdas concordantes, el ndice Kappa puede calcularse
no solo para la capa total, sino de forma individual para cada clase.
Es de rese
nar que el uso de la matriz de confusion y parametros calculados a partir de
ella como el ndice Kappa no es tampoco una herramienta completa a la hora de recoger
la naturaleza del error que se comete en la clasificacion. Por una parte, se recoge este
error en toda la extensi
on de la capa, mientras que puede darse de forma mas notable en
determinadas
areas de esta [272]. El error de clasificacion no es constante a lo largo de toda
la zona estudiada.
Por otra parte, la comprobaci
on puede no ser espacialmente representativa. Si comparamos dos capas correspondientes a dos instantes distintos para ver la forma en que entre
esos instantes han variado las clases presentes en la zona de estudio, utilizamos toda las
celdas de la capa para la verificaci
on. Sin embargo, al comprobar la clasificacion de una serie
de capas, se compara el resultado tan solo en unas zonas determinadas conocidas (si estas
zonas conocidas que no empleamos en la clasificacion cubrieran toda la extension, no sera
necesaria la clasificaci
on). El hecho de utilizar zonas que conforman habitualmente bloques
y son relativamente homogeneas introduce un sesgo que en general hace que la matriz de
confusi
on presente una mayor precisi
on que la que realmente existe [431].
Adem
as de las consideraciones espaciales anteriores, tambien deben considerarse las relaciones en el espacio de atributos. Es decir, las relaciones entre las clases. La matriz de
s estadstica espacial
Ma
507
confusi
on no considera estas relaciones, que sin embargo deberan tenerse en cuenta para
evaluar el verdadero significado de sus valores.
Supongamos que se clasifica un
area de estudio en tres clases de usos de suelo como
bosque caducifolio, bosque de conferas y lago. Si en un emplazamiento encontramos
un bosque caducifolio, es un error tanto clasificarlo como bosque de conferas como asignarlo
a la clase de lago, pero no cabe duda que esta segunda posibilidad supone un mayor error.
Al no existir ponderaci
on de las celdas de la matriz de confusion a la hora de calcular ndices
de concordancia, este hecho no se tiene en cuenta.
El hecho de que los bosques de conferas y caducifolios sean clases similares entre s y
los lagos sean una clase bien distinta, hace aparecer un nuevo elemento descriptor de las
circunstancias que se dan en la clasificaci
on: la separabilidad. El concepto es sencillo: resulta
m
as f
acil distinguir un bosque de conferas de un lago, que hacerlo de un bosque caducifolio.
Esta mayor facilidad o dificultad tambien se traduce a los algoritmos de clasificacion como
os que hemos visto.
La separabilidad mide la posibilidad de discriminar de forma efectiva entre clases distintas, y puede estudiarse mediante metodos visuales o bien numericamente. El empleo de
diagramas [322] o la utilizaci
on de par
ametros como la distancia de JeffriesMatushita o el
ndice de Fisher son algunas de las alternativas para evaluar la separabilidad.
Puede encontrarse m
as al respecto en [376], [377] o [503]
20.3.
Regresi
on espacial
(20.3.1)
n Geogra
fica
Sistemas de Informacio
508
(20.3.2)
(20.3.3)
A
nadiendo una ponderaci
on que dependa a su vez de la localizacion, tenemos la siguiente
expresi
on, que permite calcular los par
ametros de la ecuacion 20.3.2.
h = (X T W (u, v)X)1 X T W (u, v)Y
(20.3.4)
d
h
(20.3.5)
20.4.
Evaluaci
on multicriterio y combinaci
on de capas
La combinaci
on de capas es una operaci
on muy habitual. Diferentes variables, cada una
de ellas recogida en una capa, se combinan para obtener alg
un tipo de resultado en base a la
informaci
on que representan. Dentro de un SIG, conocemos ya operaciones de combinacion
de capas tanto en formato r
aster (mediante el
algebra de mapas y sus funciones focales) como
en formato vectorial (mediante operaciones de solape). Es, no obstante, con las primeras con
las que podemos plantear expresiones complejas que incorporen esas variables, tal como, por
ejemplo, la Ecuaci
on Universal de Perdidas de Suelo (USLE) que vimos en su momento en
el apartado 14.1.
En algunos casos, como el de la USLE, partimos de una formula definida en la que no
cabe modificaci
on alguna (este es el caso habitual con formulas empricas o de base fsica).
La formula contiene una serie de variables y cada una de estas se encuentra recogida en una
capa. Basta aplicar dicha f
ormula mediante una operacion local del algebra de mapas, y el
resultado es una capa con la variable resultante de dicha formula.
2 Regresi
on
Ponderada Geogr
aficamente
s estadstica espacial
Ma
509
En otras ocasiones, la f
ormula no viene definida de antemano, sino que disponemos de
una serie de variables que tienen influencia sobre un determinado fenomeno y necesitamos
combinarlas para obtener una nueva variable que nos aporte informacion sobre ese fenomeno.
El objetivo es agregar las variables de las que disponemos, como factores implicados en el
proceso que analizamos.
Esta u
ltima situaci
on es muy habitual dentro de un SIG, en los denominados procesos
de evaluaci
on multicriterio. En estos, se dispone de una serie de parametros que afectan a
un determinado fen
omeno, y se pretende evaluar la medida en que afectan y condicionan
al mismo, para de este modo estudiarlo y, en la mayora de los casos, tomar decisiones en
funci
on de los resultados obtenidos. Cada una de las variables que influyen se recoge de
forma habitual como una variable en una capa independiente, y se debe en primer lugar
juzgar c
omo los valores de cada variable afectan al fenomeno, y despues combinar todas esas
afecciones en una u
nica variable que sea la que ayude en la toma de decisiones.
La evaluaci
on multicriterio es la base de, por ejemplo, el analisis de idoneidad, un analisis
muy frecuente en el
ambito SIG, y en el cual se pretende localizar dentro de una zona de
estudio los mejores emplazamientos para una determinada actividad (veremos, asimismo un
an
alisis de idoneidad con base distinta a las ideas de esta seccion en el apartado 36.4). Cada
uno de los factores que influyen en el desarrollo de dicha actividad son valorados de forma
independiente, y despues conjugados mediante una expresion matematica.
Estas formulaciones incorporan elementos probabilsticos diversos, y existe un gran n
umero de metodologas para formular los modelos que nos llevan a evaluar la idoneidad de cada
localizaci
on. Ser
a en estos elementos en los que nos centremos en este apartado del captulo,
con objeto de extender la potencialidad del
algebra de mapas para la realizacion de este tipo
de operaciones. Aunque una aplicaci
on fundamental de todos ellos es la evaluacion multicriterio (y por ello est
an incorporados en este apartado), tienen utilidad tambien en otro tipo
de modelos, tales como, por ejemplo, modelos de prediccion de cambios en el uso de suelo,
tambien frecuentes en el campo de los SIG, y que veremos en el apartado 36.3.1.
n Geogra
fica
Sistemas de Informacio
510
En lneas generales, presentaremos formulaciones que nos permitan combinar las variables
de forma m
as elaborada, para poder crear modelos geograficos de cualquier ndole (como por
ejemplo los modelos de idoneidad mencionados) y mas precisos que los que pueden obtenerse
con los elementos que hemos visto hasta el momento.
Dos son los apartados en los que ampliaremos nuestros conocimientos sobre la elaboracion
de modelos como los anteriores:
La creaci
on y preparaci
on de las capas que reflejan los distintos criterios a aplicar
La forma de combinar esos criterios en una expresion matematica.
20.4.1.
Creaci
on de capas a combinar
s estadstica espacial
Ma
511
debido a que, en realidad, no existen solo dos posibles clases como estamos planteando en el
modelo. Un punto puede ser no solo adecuado o no adecuado, sino que existe toda una gama
de posibles categoras tales como muy adecuado, poco adecuado, completamente inviable o
adecuado pero casi inviable.
En el caso del DPH, este criterio plantea una restricci
on. A efectos de este criterio no
importa el valor de la distancia, sino tan solo si es mayor o menor que el umbral, que es lo
que, en base a la legalidad vigente, nos permitira construir o no. En el ejemplo que ahora
proponemos, sin embargo, no tenemos una restriccion, sino una variable que condiciona, y
este condicionamiento puede darse a diferentes niveles, presentando mas de dos alternativas
posibles.
Un caso similar lo podemos encontrar si tenemos un MDE y conocemos la altitud a la
que aparece una determinada especie de planta. Esta altitud vendra definida por un limite
inferior y uno superior, pero ello no quiere decir, logicamente, que un metro por debajo de
la cota inferior o un metro por encima de la superior sea imposible encontrar dicha especie,
ni que dentro de ese rango
optimo sea igual de probable encontrarla con independencia de
si nos situamos cerca o no de los lmites establecidos. Para reflejar este hecho necesitamos,
igual que en el caso anterior, poder expresar que no solo existen zonas
optimas o inviables
para una especie, sino que pueden existir otras zonas adecuadas o zonas poco adecuadas pero
no completamente inviables.
Como vemos, el lenguaje natural nos ofrece una variedad de posibilidades que la logica
booleana, con su binomio verdadero/falso no nos ofrece. El objetivo es, pues, trasladar toda
esa gama de posibilidades a una forma compatible con el manejo de capas dentro de un SIG
y con la realizaci
on de operaciones entre conjuntos, del mismo modo en que lo hacamos al
aplicar el
algebra booleana. La soluci
on a esto es la denominada l
ogica difusa.
La l
ogica difusa pretende acomodar las ideas anteriores al ambito matematico, y que las
operaciones l
ogicas no solo se basen en s (verdadero) y no (falso), sino tambien en opciones
intermedias (quiz
as)3 Esto nos va a permitir desarrollar modelos mas precisos, y nos dara la
posibilidad de aplicar las herramientas algebraicas que ya conocemos, mas potentes en este
sentido que las operaciones l
ogicas. Adem
as, podremos aplicar los elementos que veremos en
la siguiente secci
on, para combinar las capas que gracias a la logica difusa obtendremos.
B
asicamente, la idea es que, si antes expres
abamos esa naturaleza verdadera o falsa de un
elemento con total probabilidad (cuando era verdadero exista una probabilidad del 100 %
de que la planta se diera a esa altitud, y cuando era falso esa probabilidad era del 0 %),
ahora queremos que los valores de probabilidad no sean un conjunto finito de dos elementos,
sino que puedan situarse en todo el rango de valores posibles.
La idea de esa variable ((difusa)) que queremos obtener es similar al de probabilidad, y
ambas se expresan como un valor entre 0 y 1, aunque conceptualmente presenten diferencias.
La probabilidad nos expresa en que grado resulta factible que se produzca un fenomeno
(por ejemplo, que probabilidad hay de que aparezca una especie de planta en funcion de
la altitud), mientras que la variable difusa nos expresa una incertidumbre acerca de la
pertenencia de un elemento a una clase (por ejemplo, en que medida un punto, en funcion
de su distancia a una ciudad, puede incluirse dentro de los puntos viables para establecer
una f
abrica). Este tipo de variables resultan, por tanto, de utilidad siempre que las clases
3 Esta es una definici
on muy informal de la l
ogica difusa, la cual puede definirse con todo el rigor matem
atico necesario. No obstante, un enfoque m
as riguroso excede las necesidades de este apartado, y aqu veremos
tan solo la aplicaci
on m
as pr
actica de las ideas b
asicas, orientando estas hacia su utilizaci
on dentro de un
SIG. Informaci
on mucho m
as extensa y definiciones rigurosas sobre l
ogica difusa pueden encontrarse en
[497, 534].
n Geogra
fica
Sistemas de Informacio
512
con las que trabajamos no tengan una frontera bien definida, sino que exista una transicion
continua entre ellas.
Este an
alisis resulta similar en cierta medida a lo que veamos en el apartado dedicado a
los clasificadores suaves, donde tenamos distintas capas que nos indicaban la pertenencia de
un elemento a cada una de las clases definidas. La clasificacion suave nos muestra los pasos
intermedios de un proceso completo, el de clasificacion, en el cual a partir de las variables
de partida, se obtiene una capa resultante.
Como indica [362], existen dos formas de plantear estos modelos: por un lado, tratar las
variables por separado y despues agregarlas, o bien establecer un planteamiento holstico
que trate todas estas variables como un conjunto. La clasificacion esta en este u
ltimo grupo.
Las operaciones que vemos dentro de este apartado se encuentran, sin embargo, dentro del
primero.
Un elemento clave en la l
ogica difusa son las funciones que nos permiten calcular los
valores de la variables difusa (es decir, aplicar el criterio concreto sobre cada variable).
Puesto que el valor de esta nos indica la certidumbre con la que podemos afirmar que un
elemento es miembro de una clase dada, las anteriores funciones se conocen como funciones
de miembro. A partir de un valor dado asignan uno nuevo entre 0 (se sabe con certeza que
el elemento no pertenece a la clase) y 1 (se sabe con certeza que s pertenece a la clase).
Por ejemplo, para el supuesto de utilizar la distancia a una ciudad como variable base,
una posible funci
on de miembro es la mostrada en la figura 20.10.
1
0
0
4000
6000
10000
15000
Figura 20.10: Un ejemplo de funcion de miembro. En trazo punteado, aspecto de una funcion de
miembro que asignara tan solo valores verdadero y falso
.
Para definir esta funci
on de miembro, se han establecido, ademas de los valores lmite, un
rango de valores
optimos (entre 6000 y 10000 metros de distancia), que son los que delimitan
las zonas id
oneas para situar nuestra f
abrica. En este rango, se tiene un valor 1. Desde los
valores
optimos, los valores descienden, haciendolo de tal modo que toman un valor igual a
0,5 en el punto en el que situ
abamos los valores lmite. Esto es logico si pensamos que hay
que definir un punto umbral a partir del cual considerar si el elemento esta dentro o fuera de
la clase (para as tener la clasificaci
on dicot
omica de verdadero y falso), y ese punto resulta
natural establecerlo en la mitad del intervalo.
Junto con la gr
afica de la funci
on de miembro anterior, se muestra la forma que tendra
s estadstica espacial
Ma
513
una funci
on de miembro4 que se comportase igual que si operaramos con los elementos del
algebra booleana, restringiendo los valores posibles a dos: verdadero y falso. Esta funcion
presenta un salto brusco del 0 al 1, de tal modo que no es posible asignar ninguno de los
valores intermedios. Para cualquier valor dado, el nuevo valor que se obtiene al aplicar esta
funci
on es, o bien 0, o bien 1. El salto de la funcion se produce exactamente en los valores
lmite, justamente donde la verdadera funci
on de miembro toma el valor 0,5.
La diferencia entre los resultados que se obtienen al aplicar una funcion de miembro como
la anterior y aplicando una mera clasificaci
on en dos clases de distancia pueden apreciarse en
las capas de la figura 20.11. Junto con una capa de distancia a un punto dado, se muestran
las resultantes de, en base a dicha capa, aplicar un criterio en forma de restriccion con dos
clases posible (zonas dentro del intervalo
optimo vs. zonas fuera del intervalo) o bien creando
una variable que refleje la certidumbre de pertenencia a cada una de las clases anteriores.
.
La funci
on de miembro puede ser cualquier funcion, y no necesariamente similar a la que
se muestra en la figura 20.10. Basta con que cumpla las siguiente condiciones:
Estar acotada entre 0 y 1
Asignar valor 1 a los elementos que indudablemente pertenecen al conjunto o clase
Presentar un descenso ((suave)) desde los elementos con valor 1 hasta los restantes.
Es habitual, no obstante, encontrarnos con situaciones como las anteriores, en las que
tengamos dos rangos, uno para el
optimo dentro del cual tendremos valor 1 (sea este rango
acotado por los valores b y c, b < c), y otro mas amplio que abarca todos los valores
distintos de 0 (entre los valores a y d, a < d). En esta situacion, lo u
nico necesario es definir
las transiciones desde el
optimo hasta los lmites exteriores, es decir, los descensos suaves
anteriormente citados.
En el ejemplo de la figura esta transici
on es lineal, y la funcion de miembro se puede
definir de la siguiente manera:
4 Realmente no es una funci
on de miembro, ya que no cumple las caractersticas de una de ellas, pero la
denominaremos as para facilitar la comprensi
on de esta parte.
n Geogra
fica
Sistemas de Informacio
514
xa
ba
1
f (x) =
dx
dc
0
si
si
si
si
si
x<a
axb
b<x<c
cxd
x>d
(20.4.1)
0
si x < a
xa
1
si a x b
2 1 + cos ba
1
f (x) =
si b < x < c
1 1 + cos dx
si c x d
2
dc
0
si x > d
(20.4.2)
Un funci
on de distribuci
on de probabilidad gaussiana (esto es, una campana de Gauss),
tambien puede utilizarse como funci
on de miembro. En este caso, el optimo sera el punto
que coincide con la media de dicha distribuci
on.
20.4.2.
M
etodos de combinaci
on de capas
s estadstica espacial
Ma
515
Una opci
on m
as elaborada es una media ponderada de los distintos factores, de la forma
P
N ai xi
y = Pi=n
(20.4.3)
i=n N ai
Esta es una soluci
on habitual en la evaluacion multicriterio [362].
Adem
as de estos metodos, existen otros que, seg
un las circunstancias, pueden resultar
m
as adecuados para una correcta combinaci
on de los factores considerados. Entre ellos,
encontramos la denominada regla de Dempster . En el caso de aplicar una media ponderada
como la de la ecuaci
on 20.4.3, la elecci
on de los pesos ai no es trivial, especialmente cuando
el n
umero de factores es elevado. La metodologa de Jerarquas Analticas, que tambien
veremos, nos ayudar
a a establecer dichos pesos de forma coherente con la importancia de
cada factor.
Regla de Dempster
La regla de Dempster esta basada en la denominada Teora de la Evidencia, una extension
de la teora bayesiana de la probabilidad [475].
El elemento b
asico para agregar las distintas evidencias dentro de esta teora es la regla
de Dempster. La caracterstica principal de esta regla es que, al contrario que el producto
de las probabilidades, no disminuye a medida que se agregan mas y mas factores (en el
producto, por ser la probabilidad siempre menor que 1, s sucede as). En particular, si se
agregan dos valores mayores que 0,5 el resultado es mayor que ambos. Si se agregan dos
valores menores que 0,5 el resultado es menor que ambos. Si uno es mayor y otro menor, el
resultado es intermedio entre ambos.
La expresi
on de la regla de Dempster es la siguiente:
P
m (X)m2 (Y ) cuando(X Y ) = Z
P1
m(Z) =
(20.4.4)
1 m1 (X)m2 (Y ) cuando(X Y ) =
Las probabilidades se denotan con la letra m (de masa) y se conocen como Asignaci
on
de Probabilidad B
asica.
Veamos un ejemplo concreto. Supongamos que en base a la altitud sabemos que existe
una probabilidad igual a 0,6 de que aparezca una especie en una zona dada, y que en funcion
del suelo dicha probabilidad es de 0,8. Se tiene as que
m1 (X) = 0, 6 (posibilidad de que aparezca seg
un la altitud)
m1 (Y ) = 0, 4 (posibilidad de que no aparezca seg
un la altitud)
m2 (X) = 0, 8 (posibilidad de que aparezca seg
un las caractersticas del suelo)
m2 (Y ) = 0, 2 (posibilidad de que no aparezca seg
un las caractersticas del suelo)
Aplicando la ecuaci
on 20.4.4, se tiene
m(Z)
=
=
m1 (X)m2 (X)
1 (m1 (X)m2 (Y ) + m2 (X)m1 (Y ))
0, 48
= 0, 92
1 (0, 12 + 0, 36)
(20.4.5)
n Geogra
fica
Sistemas de Informacio
516
Valor
1
3
5
7
9
2, 4, 6, 8
Valores recprocos
Descripci
on
Misma importancia
Predominancia moderada de un factor sobre
otro
Predominancia fuerte
Predominancia muy fuerte
Predominancia extrema
valores intermedios
Valores para comparacion inversa
ingl
es, Analytical Hierarchy Process (AHP)
s estadstica espacial
Ma
517
Veamos un ejemplo. Supongamos tres capas con tres factores, sean a, b y c, y la siguiente
matriz de comparaciones entre pares de ellos, que describe la importancia de cada uno de
los mismos frente a los restantes.
a
b
c
a
1
1/4
1/5
b
4
1
2
c
5
1/2
1
Seg
un la tabla, el factor a es cinco veces m
as relevante que el c y, consecuentemente, c
tiene un quinto de la importancia de a.
El autovector principal de esta matriz es [0,95018, 0,17502, 0,25791].
Factores y restricciones
A la hora de combinar una serie de capas, el papel que estas juegan en el modelo puede ser
bien distinto en funci
on de la variable que contengan. Por ejemplo, existiendo una limitacion
legal a la construcci
on cerca de un cauce, trabajar con una capa de distancia al cauce con
las herramientas que acabamos de ver para preparar y combinar capas no aporta ninguna
ventaja adicional. La distancia no es en este caso un factor cuya influencia pueda graduarse,
sino una restricci
on que simplemente nos servira para saber si es posible o no construir en
un emplazamiento dado.
En el caso de las restricciones, las operaciones logicas con las que trabajabamos son
suficientes para excluir aquellas zonas en las cuales no va a ser viable desarrollar una actividad, con independencia del resto de variables. En el ejemplo de la distancia al cauce para
establecer una edificaci
on, no importa que el resto de factores sean apropiados y el lugar
sea id
oneo para edificar. Si la distancia al cauce es menor que la establecida por el Dominio
P
ublico Hidr
aulico, no resulta viable como emplazamiento.
Frente a aquellos par
ametros que representan restricciones, existen otros que afectan a la
actividad que evaluamos en el modelo, pero su influencia puede tratarse como una variable
continua, tal y como hemos visto. La combinacion de estos mediante operaciones logicas no
es suficiente para reflejar este hecho, y deben por ello aplicarse operaciones aritmeticas o
algunas de las metodologas alternativas que hemos visto.
Esta distinci
on entre factores y restricciones es importante para una correcta integracion
de todas las capas con las que vamos a trabajar, dandole a cada una el papel que le corresponde en el modelo. Se pueden tratar las capas de factores por separado y despues aplicarles
las restricciones, conjugando as los dos tipos de parametros que se consideran en el modelo.
Las operaciones l
ogicas pueden evaluarse como operaciones aritmeticas, aplicando el
operador multiplicaci
on y codificando con valores 0 y 1 los valores logicos verdadero y falso.
El ejemplo de la figura 20.12 muestra un supuesto de combinacion de dos factores y una
restricci
on en un modelo sencillo.
20.5.
An
alisis de Componentes Principales
El An
alisis de Componentes Principales (ACP, tambien conocido como transformaci
on
de KahunenLoeve o de Hotelling6 ) es otra tecnica estadstica con gran importancia dentro
6 El estad
stico y economista Harold Hotelling (18951973) fue el primero en citar esta t
ecnica en su
trabajo de 1933 Analysis of a Complex of Statistical Variables with Principal Components
n Geogra
fica
Sistemas de Informacio
518
.
de los SIG, en especial, y de modo similar a la clasificacion (aunque al igual que entonces,
no exclusivamente), en el trabajo con im
agenes.
El ACP es una transformaci
on que pretende disminuir la dimensionalidad de un conjunto
de variables, reduciendo este a uno m
as peque
no de forma que se pierda la menor informacion
posible. Se trata de ((resumir)) la informaci
on que esas variables contienen, pero eliminando
partes redundantes como por ejemplo las derivadas de la dependencia que pueda existir entre
las variables. Se busca, pues, eliminar datos sin eliminar informacion.
Esta trasformaci
on es u
til ya que disminuye el volumen de datos total, facilitando as las
operaciones de an
alisis e interpretaci
on de las variables, as como su propio manejo.
En el
ambito del SIG, trabajamos con frecuencia con muchas capas, y una reduccion
en el n
umero de estas facilita el planteamiento de modelos tales como los que veamos en
el apartado anterior. No solo disminuyen los c
alculos a efectuar y la complejidad de las
operaciones, sino que resulta m
as sencillo interpretar las relaciones entre variables cuando
estas no se presentan en gran n
umero (recuerdese, por ejemplo, lo que se comento en el
apartado 20.4.2 en relaci
on a la metodologa de Jerarquas Analticas)
En el caso de im
agenes con elevado n
umero de bandas (multiespectrales e hiperespectrales), vimos en el captulo 16 que la representaci
on de estas no puede hacerse empleando
todas las bandas, sino que deben prepararse composiciones con, a lo sumo, tres bandas.
Reducir un conjunto de muchas bandas a uno de tres con la maxima informacion posible,
de forma que ya pueda ser representado y analizado visualmente, resulta una metodologa
m
as adecuada que elegir tres bandas cualesquiera de ese mismo conjunto. Por su propia naturaleza, es probable adem
as que esas bandas esten altamente correlacionadas y contengan
informaci
on redundante, o al menos con cierta redundancia de cara al trabajo concreto que
s estadstica espacial
Ma
519
11
21
..
.
12
22
..
.
..
.
1n
2n
..
.
n1
n2
nn
(20.5.1)
n Geogra
fica
Sistemas de Informacio
520
donde ij se calcula seg
un
ij =
ij
ii jj
(20.5.2)
Esta ultima matriz se emplea en lugar de la de covarianzas en caso de que las unidades en
que se miden las variables no guarden relaci
on entre s, con lo cual no es posible compararlas.
El siguiente paso una vez se tiene la matriz es la obtencion de sus autovalores y autovectores7 . Estos autovectores son los vectores de la nueva base, y sus autovalores asociados nos
sirven para establecer el orden en que han de considerarse. As, el mayor autovalor indica
que su vector propio asociado es aquel cuya direccion es la de la maxima variabilidad, y el
de mnimo valor se asocia, de modo similar, al vector en la direccion de mnima variabilidad.
Para m
as detalles, [188] ofrece informaci
on detallada sobre el analisis de componentes
principales y su uso en el campo de la teledetecci
on.8
20.6.
Resumen
Parte IV
La tecnologa
En esta parte trataremos los programas informaticos en s (el software) y otros componentes
tecnol
ogicos que dan forma a los SIG.
El captulo 21 presenta una clasificaci
on de los distintos tipos de elementos que encontramos actualmente en el campo de los SIG. Estos seran los elementos que se describan con
detalle en los captulos que le siguen.
El captulo 22 desarrolla las herramientas de escritorio o aplicaciones independientes, que
tradicionalmente se identifican con el concepto clasico de SIG.
El captulo 23 trata sobre todos aquellos elementos, sea en el lado del servidor o del cliente,
que sirven para el empleo de datos remotos. Se incluye aqu todo lo relativo a servicios
cartograficos en Web (Web mapping ) y desarrollos asociados.
El captulo 24 desarrolla los elementos del SIG movil, una de las ramas del SIG con mayor
proyecci
on en la actualidad, y que esta aportando una verdadera revolucion en este campo.
Captulo 21
Introducci
on. C
omo son las aplicaciones SIG?
Qu
e tipo de aplicaciones encontramos en el
ambito SIG? Qu
e relaci
on existe entre ellas?
En funci
on de mis objetivos, cu
al de esas aplicaciones debo emplear? Cu
al ha sido la evoluci
on
de las aplicaciones en el campo de los SIG? Qu
e tendencias encontramos en la actualidad en
este sentido?
21.1.
Introducci
on
Las aplicaciones SIG son el elemento de trabajo basico dentro de todos aquellos que
componen el concepto global de un SIG. Una aplicacion SIG materializa todas las ideas
vistas hasta el momento dentro de este libro, y es la herramienta fundamental para el
trabajo con datos espaciales, lo cual constituye la tarea primordial de un SIG.
Dentro de la l
ogica evoluci
on de toda tecnologa informatica, los SIG se han desarrollado
de forma muy r
apida y variada, adapt
andose a una realidad, la de la propia informacion
geogr
afica, tambien en constante evoluci
on en todas sus vertientes. Por ello, la idea de
aplicaci
on SIG que poda encontrarse en un libro equivalente a este hace 10 o 20 a
nos es
bien distinta de la que hoy tenemos. De hecho, la concepcion u
nica de aquel entonces ya no es
tal, y actualmente son muchas las formas en las que las aplicaciones SIG pueden presentarse.
Junto con la concepci
on ((cl
asica)) del SIG, todava presente, existen una serie de otras
tecnologas que han ido surgiendo paulatinamente, y que incorporan ideas y conceptos como
los que ya conocemos de captulos anteriores. En esta parte del libro se mostraran todas ellas
en detalle, definiendo as el panorama global de las aplicaciones SIG y los usos y funciones
principales de cada una de dichas tecnologas.
Para comprender el papel que juegan las distintas formas de aplicaciones SIG que encontramos hoy en da y que trataremos en los sucesivos captulos, es necesario analizar la forma
en que han ido conform
andose dentro del entorno SIG, lo cual haremos en este captulo.
n Geogra
fica
Sistemas de Informacio
526
21.2.
Una de las tendencias principales a lo largo de la evolucion de los SIG es a la union de otra
serie de aplicaciones o elementos de estas, enriqueciendose con conceptos y funcionalidades
que, o bien encuentran en un SIG su aplicaci
on a la informacion geografica, o bien ya la
tenan pero dentro de un marco aislado. El SIG act
ua como elemento de union de todas
estas tecnologas, y engloba con car
acter general a aquellas herramientas que de un modo u
otro puedan emplearse para el an
alisis y tratamiento de datos espaciales.
Con esta filosofa, el concepto de SIG ha crecido desde sus orgenes, incorporando elementos propios de otras herramientas. Su crecimiento ha sido mayor que el de otro tipo
de aplicaciones, ya que ha jugado un papel central y articulador, y en lugar de u
nicamente
aportar conceptos a estas otras aplicaciones, en su mayora ha tomado prestado de ellas.
Dentro de las aplicaciones SIG actuales encontramos elementos que provienen, entre otros,
de los siguiente
ambitos.
An
alisis de im
agenes
Dise
no asistido por ordenador (CAD)
Bases de datos
Herramientas de dise
no gr
afico
Muchos de estos elementos ya se han comentado de uno u otro modo en secciones anteriores de este libro, ya que su importancia es m
as que notable.
Incluso dentro del propio
ambito SIG, las distintas aplicaciones han ido convergiendo
paulatinamente. Las dos formas principales de almacenar la informacion geografica, raster
y vectorial, conformaban originalmente tambien la base para las distintas aplicaciones, con
escaso solape entre estas. Es decir, aquellas aplicaciones que podan manejar datos raster
y realizar operaciones con ellos, apenas tenan capacidades vectoriales o estas estaban por
completo ausentes. Del mismo modo, las aplicaciones de corte vectorial no eran capaces de
trabajar con datos r
aster o, en todo caso, con algunas imagenes que podan representarse
pero apenas analizarse.
Esta situaci
on ha ido cambiando y, aunque en diferente forma, un SIG actual es capaz
de trabajar con ambos tipos de datos con un nivel suficiente de funcionalidades. Poco a
poco, todo el conjunto de tecnologas que han ido apareciendo dentro del entorno SIG se
han ido extendiendo a las distintas aplicaciones, y aunque existen tipos bien definidos, estos
no constituyen bloques estancos.
As, por ejemplo, capacidades como el acceso a servicios remotos han evolucionado de
forma similar a la gesti
on de datos r
aster y vectoriales, en cuanto que han dejado de ser
tecnologas exclusivas de una serie de aplicaciones para pasar a formar parte esencial del
conjunto de estas. En el caso particular de estos servicios remotos, implicaron el desarrollo de
servidores que eran mayoritariamente empleados desde aplicaciones Web. Con posterioridad,
las aplicaciones de escritorio, m
as cercanas al concepto tradicional del SIG, han ido incorporando estas capacidades para ofrecer una funcionalidad similar a la de esas aplicaciones
Web. En la actualidad, la integraci
on de estos elementos va mas alla, adaptando todas las
restantes funcionalidades de esas aplicaciones de escritorio, muchas de las cuales no aparecen
(todava) en las aplicaciones Web, al trabajo con datos remotos.
n. Co
mo son las aplicaciones SIG?
Introduccio
527
De este modo, el trabajo actual con datos remotos se va integrando en los SIG como
un elemento m
as, del mismo modo que ha sucedido con los distintos modelos de datos
hasta alcanzar la situaci
on actual en la que se conciben como realidades distintas pero
fundamentales y complementarias dentro de un SIG.
Veremos todo lo relativo al uso de datos remotos dentro del captulo 23, tambien dentro
de esta parte del libro.
21.3.
La especializaci
on de las aplicaciones SIG
Al mismo tiempo que las aplicaciones SIG iban incorporando funcionalidades e ideas de
distintos
ambitos, surgan tecnologas y productos paralelos enfocados a un uso mas concreto
dentro de un determinado campo de aplicaci
on. El crecimiento de los SIG que se produce
como consecuencia de ese af
an integrador da lugar a aplicaciones solidas y completas, que
resultan sumamente vers
atiles al tiempo que complejas. Siendo ya una tecnologa base bien
desarrollada, pueden comenzar a derivarse nuevas aplicaciones SIG que se asienten sobre esa
base pero que no tengan tal car
acter generico, sino que concreten su campo de actuacion y
las tareas para las que est
an dise
nados principalmente.
Por una parte, encontramos aplicaciones destinadas al uso en una determinada disciplina,
en las que la aplicaci
on conserva solo aquellas capacidades que resulten de mayor interes
para el objeto de esta. Las aplicaciones de este grupo pierden el caracter generico y versatil
del SIG, y normalmente integran tecnologas SIG dentro del marco de trabajo concreto
de la disciplina correspondiente, aprovechando que en esta existe informacion geografica
susceptible de ser aprovechada mediante esas tecnologas SIG.
Por otra parte, encontramos modificaciones guiadas por los propios componentes de la
herramienta, asignando m
as peso a elementos particulares del sistema SIG. De este modo
surgen aplicaciones SIG dedicadas fundamentalmente a la gestion de datos, otras que se
centran especialmente en el an
alisis, o bien aquellas en las que la visualizacion juega el
papel fundamental. Sin olvidar que un SIG es ante todo un sistema, aparecen aplicaciones
que concentran sus capacidades en un elemento de ese sistema. En lugar de entenderse la
tecnologa SIG como una aplicaci
on que engloba a todo el sistema, se entiende ese sistema
como un conjunto de aplicaciones m
as especializadas, cada una de las cuales compone una
pieza del mismo.
Esta especializaci
on es de mayor interes para exponer en esta parte del libro las distintas
tecnologas que actualmente coexisten en el amplio mundo del SIG, y su estructura parcialmente se basa en ese criterio. Las aplicaciones particulares enfocadas a una determinada
disciplina se mencionar
an no aqu sino en la u
ltima parte del libro, en la que se exponen usos
pr
acticos del SIG en determinados campos. Siempre que en estos campos existan aplicaciones
especficas con componente SIG, estas ser
an detalladas en el captulo correspondiente.
21.4.
Tipos de aplicaciones
Con todo lo anterior, el panorama ante el que se encuentra hoy en da un usuario de SIG
es sumamente complejo. Existen muchas aplicaciones distintas, y la dificultad de abordar
su uso no es debida a su elevado n
umero, sino a la gran cantidad de enfoques diferentes y
conceptos distintos sobre los cuales estas se han desarrollado. En terminos de tecnologa, el
mundo SIG es rico y variado, y resulta imposible tener un conocimiento profundo de todos
n Geogra
fica
Sistemas de Informacio
528
Repositorios
de datos
Servidores
Herramientas
de escritorio
n. Co
mo son las aplicaciones SIG?
Introduccio
21.5.
529
La adaptaci
on de las aplicaciones SIG. El SIG como base gen
erica
Los SIG han crecido mucho desde su origen y, ademas de ampliar horizontes y mejorar el
trabajo con ellos, han a
nadido numerosas funcionalidades adicionales. Como cabe esperar,
un SIG actual no solo permite hacer las cosas mejor, sino que tambien permite hacer mas
cosas. Como herramienta rica en capacidades, un SIG puede entenderse como una aplicacion
preparada para responder a todas las posibles necesidades dentro del campo del analisis
geogr
afico.
Sin embargo, la filosofa actual de las aplicaciones SIG es distinta a la existente en los
primeros desarrollos, y el objetivo principal de un SIG hoy en da no es el de constituir una
herramienta que contenga todas las funcionalidades que puedan necesitarse, sino una base
sobre la que estas puedan construirse. Junto a las funciones basicas de edicion, manejo de
datos y an
alisis, un SIG permite la adaptaci
on de estas a las necesidades concretas de cada
trabajo, siendo as una herramienta vers
atil que puede tomar una u otra forma en funcion
de las circunstancias particulares de cada uso.
La adaptabilidad de SIG es una de sus principales virtudes, y es la que permite que
puedan desarrollarse u
tiles v
alidos para cada caso. Un SIG no es, por tanto, una herramienta
cerrada con un conjunto de elementos suficiente para dar respuesta a todas las necesidades,
y la obtenci
on de una herramienta SIG final para un determinado trabajo no es un proceso
u
nico sino un desarrollo en dos etapas.
La primera de estas etapas implica el desarrollo del propio SIG como tal, y la segunda concierne al desarrollo de elementos adicionales que completan la herramienta seg
un las
necesidades propuestas, apoy
andose sobre los componentes fundamentales. Aunque muchos
usuarios tendr
an suficiente con un SIG en su forma original, muchos otros necesitaran desarrollos adicionales, o bien se beneficiar
an de ellos al poder lograr sustanciales mejoras en
comparaci
on con el empleo del SIG b
asico.
Debido a este esquema de trabajo, el usuario SIG ha de ser en ocasiones un usuario
tecnico y cualificado, o bien ha de necesitar el concurso de alguien capaz de desarrollar
sobre un SIG herramientas adicionales. La figura del programador SIG es importante dentro
de un proyecto SIG, y hace que la gesti
on de la tecnologa tenga la misma relevancia que la
gesti
on de los datos o de cualquier otro de los restantes componentes globales de un SIG.
La idea de un SIG como herramienta base es especialmente patente en el caso de las
aplicaciones de escritorio, las cuales concentran una gran mayora del trabajo desarrollado
dentro de un proyecto SIG, lo cual las hace especialmente aptas a constituirse como herramientas b
asicas sobre las que se desarrollan modificaciones destinadas a responder a las
necesidades del proyecto. No obstante, tambien otras aplicaciones SIG son susceptibles de
jugar ese mismo papel.
En el caso de las aplicaciones Web, estas se adaptan para crear accesos particulares
a unos datos concretos, de forma que pueden emplearse para dar acceso a la informacion
geogr
afica a traves de Internet, y hacerlo de una forma particular en cuanto a la apariencia
y las funcionalidades ofrecidas. Los servidores se prestan de igual modo a ser adaptados en
la medida de lo necesario.
Aunque la presencia de elementos para facilitar esa adaptabilidad (lenguajes de programaci
on integrados, arquitecturas escalables, etc.) es general, la aparicion de alternativas
libres competitivas dentro del mercado del SIG ha potenciado mas a
un el desarrollo de
herramientas adaptadas, al permitirlo en mayor grado. Puedes encontrar mas sobre las di-
n Geogra
fica
Sistemas de Informacio
530
ferencias entre software libre y software privativo en el apartado B.2, con especial atencion
a las aplicaciones SIG.
21.6.
Resumen
A partir de la concepci
on inicial de los SIG como aplicaciones bien definidas en las
cuales se reunan las funcionalidades principales de estos, se ha desarrollado en la actualidad
un amplio panorama de aplicaciones bien diferenciadas, las cuales podemos dividir en tres
grupos principales: herramientas de escritorio, repositorios de datos y clientes y servidores.
Estos tipos de aplicaciones se encuentran interrelacionados y se apoyan unos en otros
para ofrecer todo el conjunto de capacidades actuales de los SIG.
Para llegar hasta este punto, los SIG han tomado elementos de otras aplicaciones, congreg
andolos en un u
nico software. Al mismo tiempo, se han ido especializando en distintos
ambitos, dividiendo as el total de
Captulo 22
Herramientas de escritorio
Qu
e entendemos por herramientas de escritorio? Por qu
e se caracterizan y cu
ales son
las tendencias actuales en su desarrollo? Qu
e funciones desempe
nan dentro del conjunto de
herramientas SIG? Qu
e tipo de tareas podemos desempe
nar con ellas?
Las herramientas de escritorio son la forma m
as ((tpica)) en la que se presentan los Sistemas de
Informaci
on Geogr
afica, y que ofrecen elementos para realizar las tareas b
asicas de un proyecto SIG. En
este captulo veremos sus caractersticas principales y los distintos tipos de ellas que pueden encontrarse,
detallando la utilidad de cada una.
22.1.
Introducci
on
El concepto cl
asico de un SIG es el de una aplicacion completa en la cual se implementan
herramientas para llevar a cabo las tareas b
asicas del trabajo con datos geograficos: creacion
o edici
on, manejo y an
alisis. Con esta filosofa fueron desarrollados los primeros programas
SIG, especialmente para el tratamiento y an
alisis de datos geograficos y, posteriormente, para
dotar a estos de mayor versatilidad, incorporando otras funciones adicionales que facilitaran
el trabajo con esos mismos datos. Se tienen as las herramientas de escritorio, que son aquellas
que m
as se asemejan a la concepci
on original de los SIG.
A pesar de que existen, como vimos en el captulo anterior, otras clases de aplicaciones
SIG, los SIG de escritorio siguen manteniendo su posicion como aplicaciones fundamentales,
y hablar genericamente de un SIG implica por lo general hacerlo de una aplicacion de escritorio antes que de otros tipos de aplicaciones. Por otra parte, las herramientas de escritorio
son soluciones en general completas que cubren la totalidad de necesidades que se presentan
en el desarrollo de proyectos SIG, y por ello constituyen las herramientas primordiales para
llevar estos a cabo.
22.2.
Funciones b
asicas
22.2.1.
Ya sabemos que los datos son una parte imprescindible de un SIG, y sin ellos no puede
desarrollarse actividad con una aplicaci
on SIG. Por esta razon, todas estas aplicaciones
n Geogra
fica
Sistemas de Informacio
532
22.2.2.
Visualizaci
on
La visualizaci
on es una funci
on fundamental dentro de los SIG y del trabajo con cartografa en general. En este libro, por ejemplo, existe una parte completa dedicada a esta
materia, pues su conocimiento resulta fundamental para poder aprovechar plenamente la
informaci
on contenida en el dato geogr
afico.
Aunque existen SIG que no incorporan capacidades de visualizacion o estas no son muy
avanzadas, la gran mayora de las herramientas de escritorio incluyen un gran n
umero de
elementos para representar los datos geogr
aficos con los que se trabaja. En ocasiones, interesa
u
nicamente crear una representaci
on de los datos, pero incluso cuando el trabajo con una
herramienta SIG est
a enfocado a la realizaci
on de un analisis, la visualizacion y exploracion
visual de los datos de partida es un paso previo.
En general, la forma de operar con los elementos de visualizacion es muy similar entre
soluciones SIG distintas y, a diferencia de lo que sucede con la implementacion de otras
funcionalidades, el manejo es pr
acticamente igual. Esto sucede no solo ya en las herramientas
1 Como,
Herramientas de escritorio
533
de escritorio que tratamos en este captulo, sino tambien en las que veremos en el dedicado a
las aplicaciones Web, las cuales incorporan tambien capacidades de visualizacion del mismo
tipo. En ambos casos, las herramientas fundamentales presentan una estructura similar y
unos conceptos base muy parecidos.
Esta estructura se compone fundamentalmente de un lienzo sobre el que se sit
uan las
distintas capas de informaci
on geogr
afica, y que el usuario va conformando a
nadiendo nuevas
capas y editando la forma en la que estas se representan. Las capas se sit
uan en un orden
dado dentro del lienzo, lo que permite establecer una jerarqua de representacion y as lograr
el aspecto deseado.
Junto a este lienzo existen herramientas de navegacion que permiten ampliar o reducir la
escala, o bien modificar el encuadre (Figura 22.1). Asimismo, se presentan todas las funciones
que permiten obtener las distintas formas de representacion que veremos en la parte V, tales
como el ajuste de colores o el establecimiento de etiquetas en funcion de los valores asociados
a las distintas entidades, entre otros.
Figura 22.1: Herramientas de navegacion fundamentales en el entorno grafico de un SIG de escritorio. a) alejamiento (zoom out), b) acercamiento (zoom in), c) desplazamiento (pan)
Estas capacidades convierte a los datos geograficos en un elemento activo, pues, a diferencia de un mapa cl
asico donde no pueden modificarse sus caractersticas, en un SIG el
usuario puede de forma r
apida y sencilla elegir que ve y c
omo lo ve.
Como parece l
ogico pensar, la visualizaci
on ha evolucionado mucho desde los primeros
SIG, y ha ido progresivamente adquiriendo nuevas capacidades, muchas de las cuales solo son
posibles con los modernos componentes gr
aficos de los ordenadores actuales. As, ademas
de ofrecer mayores posibilidades de personalizacion, el uso del SIG como herramienta de
representaci
on permite obtener resultados novedosos que a
naden nuevas formas de explorar
los datos geogr
aficos y trabajar con ellos.
En el caso m
as habitual, la representaci
on de una capa en un lienzo de un SIG es
bidimensional, de la misma forma que se representa en un mapa impreso, lo cual se debe tanto
a la mayor facilidad de implementaci
on de este tipo de representaciones como a la mayor
exigencia que otro tipo de representaciones presentan en lo referente al equipo (hardware).
No obstante, la presencia de visores tridimensionales esta experimentando un gran crecimiento en los u
ltimos a
nos, y se van integrando paulatinamente dentro de los SIG para
ofrecer una nueva forma de representaci
on. Esta clase de capacidades graficas, inalcanzables
534
n Geogra
fica
Sistemas de Informacio
on o a la exageraci
on del relieve, entre otros parametros. Como puede verse
m
as adelante en la figura 22.6, las herramientas de control de navegacion de un visor 3D
(situadas en este caso en la parte superior derecha de la figura) , son sensiblemente mas
complejas que las herramientas base del caso 2D, presentadas en la figura 22.1.
Esta mayor complejidad hace asimismo que puedan existir diversas formas en las que las
capacidades de visualizaci
on 3D se presentan en un SIG. Las representaciones tridimensionales pueden ser simples representaciones en relieve de una capa (Figura 22.2a), o pueden
incluir verdaderos elementos en tres dimensiones (Figura 22.2b). En el primer caso, la capa no contiene datos de elevaci
on (puede ser por ejemplo una capa de usos de suelo), y la
representaci
on tridimensional se realiza bas
andose en la informacion de una capa adicional
de elevaciones (que denomin
abamos de 2,5D por no poder representar todo tipo de formas
en el espacio). La capa plana se representa en espacio ((deformada)) para ajustarse al relieve
existente en la zona que representa.
En el caso de una representaci
on tridimensional real, los objetos poseen informacion sobre
su forma tridimensional, y junto con las coordenadas que delimitan su geometra plana (las
geometras b
asicas que conocemos: punto, lnea y polgono), existen valores adicionales en
el eje vertical. De este modo, pueden representarse entidades tales como edificios, o una
ruta tridimensional que represente la trayectoria de un avion. Asimismo, y como puede
verse en la figura, pueden a
nadirse elementos adicionales que aprovechan las capacidades de
representaci
on 3D, as como etiquetas o incluso elementos interactivos que tambien act
uan
en 3D (por ejemplo, para la selecci
on de entidades).
Herramientas de escritorio
535
diente de la informaci
on que dicha capa contiene o la forma en que esta se almacena. El dato
geogr
afico y su representaci
on van por separado, y el dato en s no define la representacion,
sino que u
nicamente sirve como apoyo para esta. Esto es particularmente cierto para el caso
de capas vectoriales, as como para capas r
aster que contengan un valor de tipo no grafico,
es decir, aquellas que no sean im
agenes.
Una imagen tendr
a el mismo aspecto en todos los SIG en los que se utilice, puesto
que la informaci
on relativa a su representaci
on se contiene, al menos en cierta medida,
en la propia imagen. Los valores de la imagen representan una intensidad de luz y, si las
bandas corresponden a la zona del visible, existe asimismo una informacion de colores. Otras
im
agenes pueden proceder del escaneo de un mapa o una fotografa impresa, y en ese caso
recogen tambien los colores de cada pxel.
Aun en el caso de im
agenes con m
as de tres bandas, en las que no existe una correspondencia directa entre los valores y la representacion (tal como vimos, por ejemplo, en la
creaci
on de representaciones en falso color en el apartado 16.4.1), puede existir una representaci
on por defecto tomando, por ejemplo, las tres primeras bandas, y sigue siendo probable
que estas im
agenes tambien se vean de igual modo en uno u otro SIG (aunque luego ello no
implica que dicha representaci
on no pueda ajustarse a conveniencia en todos los casos).
En el caso de capas vectoriales o una capa r
aster tal como un MDE, no existe ning
un tipo
de informaci
on acerca de la representaci
on acompa
nando al dato espacial en s. Los datos
necesitan de un esquema de asignaci
on que los convierta en elementos visuales (colores,
texturas, etc.), pero este esquema es ajeno al dato en s.
La labor del SIG relativa a la visualizaci
on consiste en ((interpretar)) los datos y convertirlos en representaciones, y para ello se basa en esquemas definidos por el usuario. Estos
esquemas pueden ser almacenados de forma que en sucesivos usos de una capa de datos,
esta se represente de una misma forma. No obstante, abrir la capa con una aplicacion SIG
distinta implicar
a en general perder las caractersticas definidas para su representacion ya
que, si bien los formatos de datos son relativamente interoperables, no as los formatos en
que se almacenan los criterios de representaci
on de esos datos.
Est
andares para el almacenamiento de estilos como SLD(Styled Layer Descriptor ), que
veremos en detalle en el apartado 32.5.2, tienen como objeto solventar este problema.
22.2.3.
An
alisis
536
n Geogra
fica
Sistemas de Informacio
opera sobre una serie de capas y genera un resultado dado, tomando en muchas ocasiones
esas capas de entre aquellas que se est
an representando en el SIG, e incorporando asimismo
a dicha representaci
on las nuevas capas generadas.
Las herramientas de an
alisis pueden aparecer igualmente como programas independientes, y el SIG de escritorio ser una herramienta aglutinadora que centraliza estas, facilitando
su uso y la gesti
on de los datos implicados en los procesos de analisis.
Cuando las herramientas de an
alisis utilizan directamente la base del SIG donde se
encuentran las capacidades de visualizaci
on y manejo de datos, puede existir cierto grado
de interactividad. Las operaciones de consulta, por ejemplo, las cuales vimos en el captulo
11, son en general de este tipo, ya que el usuario puede actuar sobre el lienzo para hacer
una selecci
on de modo gr
afico. M
as a
un, esa seleccion puede condicionar los posteriores
an
alisis sobre la capa cuyas entidades se seleccionan, ya que los procesos que operen sobre
ella pueden restringir su alcance a aquellas entidades seleccionadas.
En caso de no existir este tipo de interacci
on entre elementos de analisis y elementos
de visualizaci
on y exploraci
on de datos, los procesos de analisis suelen constituir utilidades
autocontenidas que simplemente toman una serie de datos de entrada, realizan un proceso
en el que el usuario no interviene, y finalmente generan un resultado con caracter definitivo.
Este resultado podr
a ser posteriormente visualizado o utilizado como entrada para un nuevo
an
alisis.
A modo de ejemplo, podemos analizar el caso particular del calculo de una ruta que
conecte una serie de puntos a traves de una red (los fundamentos de este analisis los vimos
en el apartado19.7).
Una de las formas de implementar este an
alisis es aquella que requiere del usuario la
introducci
on de la informaci
on necesaria (una capa de lineas con la red viaria y otra de
puntos con los puntos de inicio, paso, y llegada correspondientemente ordenados) como
par
ametros que el proceso toma y en funci
on a los cuales se genera una nueva capa. El
proceso es una tarea perfectamente definida, con unas entradas y una salidas, y tras la
selecci
on de unas capas de entrada se genera un nuevo resultado en forma de otra capa.
Este proceso puede implementarse de forma aislada del SIG, aunque coordinada con el para
lograr mejores resultados y una utilizaci
on m
as sencilla.
Otra forma con un enfoque distinto sera presentando un proceso interactivo en el cual
se introduce como u
nico par
ametro inicial la red viaria. Posteriormente, el usuario puede
operar sobre el lienzo en el que esta se encuentra representada para ir definiendo y editando
la lista de puntos de paso. El c
alculo se va efectuando cuando se produce alg
un cambio en
la misma y debe aplicarse de nuevo el algoritmo pertinente para adaptar el resultado la
ruta optima a ese cambio.
Este tipo de formulaciones interactivas son m
as intuitivas y agradables de usar, pero en
realidad menos productivas de cara a un trabajo dentro de un proyecto SIG. Aparecen por
ello en aquellas funciones que tienen una mayor componente visual o, especialmente, en las
que representan un an
alisis puntual que se realiza de forma com
un como algo individual.
Estos son los an
alisis que se implementan en las aplicaciones que veremos mas adelante como
parte del grupo de SIG enfocados a la exploraci
on visual de datos geograficos, que ademas
de esta proveen alguna serie de utilidades de an
alisis, pocas en general, sin que estas esten
concebidas para un trabajo completo en un proyecto SIG de cualquier ndole, sino mas bien
para un uso ocasional.
En un proyecto SIG de cierto tama
no, lo m
as com
un es que la fase de analisis, a la que
seguir
a una fase tambien compleja de preparaci
on e interpretacion de resultados, y previa
Herramientas de escritorio
537
n Geogra
fica
Sistemas de Informacio
538
Figura 22.3: Esquema de un proceso complejo creado a partir de operaciones simples de analisis
con datos SIG.
22.2.4.
Edici
on
Herramientas de escritorio
539
Figura 22.4: Division automatica de un polgono en dos nuevas entidades a partir de una lnea.
Funcionalidades de este tipo aparecen en los SIG para facilitar las tareas de edici
on.
Edici
on de geometras de una capa vectorial
Edici
on de atributos de una capa vectorial
Edici
on de valores de una capa r
aster
Las herramientas destinadas a la edici
on de entidades geometricas heredan sus caractersticas de los programas de dise
no asistido por ordenador (CAD), cuya funcionalidad
principal es precisamente la edici
on de elementos graficos. Estas incluyen la adicion o eliminaci
on de nuevas geometras, la modificaci
on de ellas editando sus puntos (recordemos
que toda entidad vectorial se reduce a un conjunto de puntos en u
ltima instancia), as como
otras operaciones geometricas b
asicas. En la seccion 6.5.1 vimos algunas de ellas a la hora
de tratar la calidad de la digitalizaci
on en pantalla.
Otras funciones de edici
on que encontramos son las que permiten simplificar algunas
tareas, tales como la divisi
on de un polgono. La figura 22.4 muestra como un polgono
puede dividirse en dos simplemente trazando una lnea divisoria. Otras funcionalidades similares incluyen la eliminaci
on autom
atica de polgonos esp
ureos (vease 18.3.5), o el ajuste
autom
atico entre entidades.
En general, el n
umero de funcionalidades es sensiblemente menor que en el caso de los
programas CAD, ya que gran parte de ellas no tiene aplicacion directa en el caso de trabajar
con datos geogr
aficos. No obstante, tambien aparecen herramientas adicionales, como sucede
en el caso de que se registre informaci
on topol
ogica, lo cual ha de considerarse por igual en
el proceso de edici
on. As, herramientas como la mostrada en la figura 22.4 han de tener en
cuenta la existencia de una estructura topol
ogica y un modelo de representacion particular
en el SIG, y no operar
an igual en todas las aplicaciones, ya que, como sabemos, no todas
presentan las mismas capacidades en este terreno.
Junto con las propias geometras que pueden editarse seg
un lo anterior, toda capa vectorial tiene asociado un conjunto de atributos, y estos deben poder editarse tambien desde
el SIG. De hecho, la adici
on de una nueva geometra a una capa vectorial no esta completa
hasta que no se a
naden igualmente sus atributos.
La edici
on de toda la informaci
on alfanumerica relacionada con las distintas entidades se
realiza en un SIG a traves de elementos tomados del ambito de las bases de datos, siendo esto
en general v
alido tanto en lo referente a las interfaces como en el propio acceso a datos. Las
operaciones de edici
on de atributos abarcan tanto la modificacion de valores sencillos como
la de la propia estructura del conjunto de atributos (adicion o eliminacion de columnas
campos en la tabla correspondiente). Por supuesto, la edicion de atributos y de geometras
esta ntimamente relacionada.
n Geogra
fica
Sistemas de Informacio
540
Por u
ltimo, la edici
on de capas r
aster es mucho menos frecuente, y una gran mayora
de SIG no permiten la modificaci
on directa de los valores de las celdas. Las operaciones del
algebra de mapas permiten modificar los valores de una capa y obtener nuevas capas con
esos valores modificados, pero editar directamente un valor de celda del mismo modo que
se editan el valor de un atributo o la posici
on de un punto de una capa vectorial no es una
funcionalidad tan habitual.
Este tipo de capacidades, no obstante, pueden ser de gran utilidad, especialmente en
SIG orientados al manejo principal de capas r
aster, donde sustituyen en cierta medida a las
funcionalidades de edici
on vectorial equivalentes.
22.2.5.
Generaci
on de cartografa
Herramientas de escritorio
541
en la producci
on cartogr
afica es muchas veces insuficiente para producir cartografa profesional. Pueden obtenerse resultados de gran calidad y sin duda de suma utilidad, pero lo
m
as habitual es no encontrar en un SIG las capacidades que se necesitan, no ya u
nicamente
desde el punto de vista del cart
ografo, sino desde la perspectiva del dise
no.
La creaci
on de un mapa no es solo una tarea tecnica, sino asimismo una labor artstica,
existiendo unas necesidades en funci
on del enfoque que prime. Como herramienta de trabajo,
un SIG es un elemento tecnico, y las consideraciones artsticas, aunque pueden en cierta
forma aplicarse con las herramientas que este implementa, resultan mas sencillas de tratar
si se dispone de aplicaciones m
as especficas en ese sentido.
Por ello, lograr un mapa de apariencia realmente profesional requiere unas herramientas
de dise
no avanzado, a la par que un conjunto de utilidades suficiente como para poder aplicar
a la creaci
on del mapa todos los conceptos sobre representacion que veremos en la parte V,
no encontr
andose estas en ocasiones en su totalidad dentro de un SIG. La utilizacion del
SIG como aplicaci
on base y el uso posterior de programas de dise
no es la solucion adecuada
para la obtenci
on de cartografa profesional, aunque logicamente requiere unos mayores
conocimientos y una especializaci
on m
as all
a de la propia practica cartografica.
No obstante, para el usuario tecnico de SIG (el usuario al que esta dirigido este libro),
las herramientas de dise
no cartogr
afico que la mayora de aplicaciones implementan son mas
que suficientes, y permiten lograr resultados altamente satisfactorios.
Una de las funciones m
as interesantes de generacion cartografica en un SIG es la automatizaci
on del proceso y la simplificaci
on de la produccion de grandes vol
umenes de cartografa.
Por una parte, todas las herramientas de escritorio capaces de producir cartografa son a
su vez capaces de ((reutilizar)) dise
nos, de tal modo que si un conjunto de mapas tienen
unas caractersticas comunes (por ejemplo, una misma disposicion de sus elementos), no es
necesario elaborar todos ellos desde cero.
Esto permite, por ejemplo, crear una serie de mapas de una misma zona conteniendo
cada uno de ellos informaci
on sobre distintas variables. A partir de un conjunto de capas,
se elabora el dise
no de un mapa y este se alimenta de dichas capas, creando mapas independientes que reflejan estas por separado o en distintas combinaciones. Esto simplifica
notablemente el proceso, ya que el dise
no ha de realizarse una u
nica vez, al tiempo que se
garantiza la uniformidad de los distintos resultados.
Otra aplicaci
on en esta linea es la generaci
on de una serie de mapas que cubren en su
conjunto una amplia extensi
on, fragmentando esta en unidades. La gestion de los encuadres
para cada una de esas unidades, o la creaci
on de un mapa gua en cada caso que localice
la hoja concreta dentro de la extensi
on global del conjunto, ambas pueden automatizarse
junto con las restantes operaciones de dise
no. De este modo, la produccion de toda una serie
cartogr
afica se simplifica en gran medida, siendo el SIG una herramienta que supone un gran
avance en terminos de productividad en este tipo de tareas.
La figura 22.5 muestra un ejemplo de lo anterior.
Estas posibilidades surgen de la separaci
on existente en un SIG entre los datos espaciales
y el dise
no del documento cartogr
afico que los contiene, del mismo modo que ya vimos existe
entre datos y par
ametros de representaci
on a la hora de visualizar los primeros.
22.3.
n Geogra
fica
Sistemas de Informacio
542
Figura 22.5: La automatizacion de las tareas de creacion cartografica permite simplificar la producci
on de grandes vol
umenes de cartografa, como por ejemplo al dividir un a
rea geogr
afica en una
serie dada de mapas.
ponente de an
alisis, pero que otras de las funciones principales, como por ejemplo la edicion,
no se presenten tan desarrolladas.
Un caso particular es el de aquellos SIG de escritorio que centran la gran mayora de sus
capacidades en el terreno de la visualizaci
on, permitiendo un uso de los datos geograficos
similar al que corresponde a un mapa cl
asico, donde el trabajo con este se basa fundamentalmente en el an
alisis visual.
Comenzaremos por estos u
ltimos para dar un breve repaso a los principales tipos de
aplicaciones de escritorio en funci
on de sus capacidades.
22.3.1.
Visores y exploradores
Herramientas de escritorio
543
y explorarla visualmente (del mismo modo que un excursionista casual puede querer emplear
un mapa topogr
afico) encontrar
a el entorno de ese SIG demasiado complejo y con elementos
que, en su mayora, no le son necesarios. Con la disponibilidad creciente de cartografa y la
popularizaci
on de las tecnologas SIG, este tipo de usuarios ha crecido notablemente, y las
aplicaciones adaptadas a sus necesidades han ido apareciendo y popularizandose igualmente
de forma progresiva.
As, existen visores que ocupan un papel secundario como parte de un producto compuesto que incluye al propio programa y a los datos en s. Ejemplos muy claros y muy populares
son aplicaciones como Google Earth (ver p
agina 821 y figura 22.6), que permite que cada
usuario incorpore su propia informaci
on para visualizar esta, pero cuyo mayor interes es el
acceso a una enorme base de datos de im
agenes de satelite con cobertura global. De esta
forma, la aplicaci
on puede utilizarse para explorar una area deseada, sin necesidad de disponer junto con ella de datos para dicha zona, puesto que por defecto la aplicacion accede
a una base de datos de im
agenes que van indisolublemente unidos a ella.
n Geogra
fica
Sistemas de Informacio
544
22.3.2.
La aplicaci
on SIG m
as habitual, y la que constituye la herramienta basica para el desarrollo de un proyecto SIG, es aquella que re
une en un u
nico producto todas las funciones
b
asicas que hemos visto en este captulo. Con las logicas diferencias en cuanto al grado de
funcionalidad de estas seg
un el enfoque de la aplicacion, una aplicacion SIG de escritorio
completa debe permitir la lectura de los datos, la creacion y modificacion de estos con sus
capacidades de edici
on, su visualizaci
on, la realizacion de analisis con ellos y la generacion
de resultados cartogr
aficos ya sea a partir de los datos originales o de datos generados en
los procesos de an
alisis. Con todas estas capacidades, una herramienta SIG de escritorio
constituye una soluci
on completa para todo tipo de proyectos SIG, y puede dar respuesta a
todas las necesidades que en ellos se presentan.
Como ya vimos en el captulo introductorio de esta parte, y tambien en el captulo
8 dedicado a las bases de datos, la forma de abordar la implementacion de las distintas
capacidades ha ido variando a medida que se iban desarrollando los SIG. En la actualidad,
encontramos tanto SIG de escritorio que implementan en una sola aplicacion central todas las
funcionalidades base, como grupos de aplicaciones muy interrelacionadas que implementan
por separado cada una de dichas funcionalidades. Tanto en uno como en otro caso, existen
elementos sobre los que las distintas herramientas del SIG se apoyan, especialmente en lo
relativo al acceso a datos.
Pese a que incorporan toda la gama de funcionalidades base, las soluciones de escritorio
completas no cubren las necesidades de todo usuario de SIG. La convergencia a la que tienen
este tipo de aplicaciones, comentada en el captulo introductorio de esta parte del libro, no ha
sido, como ya entonces se mencion
o, completamente lograda en la actualidad. El problema
Herramientas de escritorio
545
no es ya un problema de integraci
on de tecnologas, sino una dificultad relativa a la gran
amplitud de la ciencia de los SIG. Resulta imposible reunir en una sola herramienta todas
las capacidades que un SIG de escritorio puede incluir, y es por ello que todas las soluciones
de escritorio presentan alg
un tipo de especializacion, dando prioridad a alg
un area respecto
a las restantes.
Una divisi
on que perdura, aunque en mucho menor medida que en los primeros SIG, es
la existente entre SIG r
aster y SIG vectoriales, especialmente en lo relativo al analisis. Un
usuario que trabaje con datos espaciales como los correspondientes, por ejemplo, a informaci
on catastral, utilizar
a para su labor un SIG de escritorio distinto al que usara alguien
cuyo trabajo implique mayoritariamente la realizacion de analisis del terreno o la creacion de
modelos geogr
aficos, a pesar de que ambas soluciones probablemente incorporen capacidades
tanto en el
ambito r
aster como en el vectorial. El alcance de estas, no obstante, sera distinto
en cada caso.
Incluso en caso de presentar una orientacion principalmente hacia los datos de tipo
r
aster, existen tambien enfoques distintos dependiendo principalmente del tipo informacion
que se vaya a manejar. Una divisi
on fundamental es la existente entre aquellas aplicaciones
destinadas al manejo de im
agenes y aquellas cuyo elemento principal de trabajo son las
capas r
aster con otro tipo de valores, tales como MDE o capas similares.
Las im
agenes, especialmente si se trata de imagenes de satelite, van a constar de una serie
de bandas cuyo n
umero puede ser muy elevado, lo que requiere unas herramientas particulares para su manejo. Asimismo, gran parte de las funciones que vimos en el captulo 16 tales
como las relativas a la correcci
on de im
agenes, no tienen aplicacion para otro tipo de capas
(no tiene sentido aplicar una correcci
on geometrica a un MDE o una capa de pendientes, ya
que estos datos necesariamente provienen de fuentes ya conveniente corregidas), por lo que
en cierto modo pueden considerarse especificas de este campo, el de las imagenes, si bien es
cierto que se trata de un campo de gran amplitud.
Por el contrario, capas como el propio MDE u otras similares solo contienen una u
nica
banda, y el tipo de operaciones que se desarrollan sobre ellos es bien distinto. Con objeto de
simplificar estas operaciones, la estructura de estas aplicaciones ha de enfocarse hacia alguna
de estas variantes, d
andole prioridad sobre la otra. Por ello, las herramientas de escritorio
que se orientan al trabajo con im
agenes incorporan en general pocas o nulas herramientas
en
areas como el an
alisis del terreno, mientras que aquellas que s tratan estos analisis no
incluyen salvo las funciones m
as simples para el manejo de imagenes (realces, ajuste de
contraste, etc.), pero no las m
as especficas.
En realidad, una aplicaci
on de escritorio global que cubriera todas estas funcionalidades
no sera pr
actica desde el punto de vista de su uso, pues sera excesivamente compleja. Es
poco probable, igualmente, que un mismo usuario requiera un entorno profesional productivo
en todas ellas, y m
as habitual sin embargo que centre su trabajo en un area concreta.
22.4.
Resumen
Las herramientas de escritorio son la forma mas clasica de los SIG. Entendemos como
tales a aquellas herramientas ciertamente complejas que permiten llevar a cabo las tareas
b
asicas de un SIG en sentido tradicional, como son el manejo de datos espaciales y el trabajo
con los mismos.
Podemos distinguir cuatro funcionalidades basicas que aparecen representadas en mayor
o menor medida en un SIG de escritorio: visualizacion, edicion, analisis y generacion de
546
n Geogra
fica
Sistemas de Informacio
cartografa.
En funci
on del grado de desarrollo e implementacion en que las anteriores funcionalidades
se encuentren en un SIG de escritorio, distinguimos distintas formas de estas herramientas.
La divisi
on m
as generica es aquella que distingue las herramientas pensadas para un trabajo completo en todas las distintas fases de un proyecto SIG de aquellas orientadas a la
representaci
on y exploraci
on visual de los datos geograficos. Estas u
ltimas representan un
enfoque m
as reciente, y en la actualidad est
an contribuyendo de manera muy notable a la
expansi
on de las tecnologas SIG fuera del
ambito mas especializado.
Captulo 23
ambito SIG?Qu
e tipos de mapas podemos encontrar en la red?
El avance de las redes locales y de Internet ha permitido que se acceda a la informaci
on geogr
afica
contenida en un SIG utilizando el paradigma clienteservidor. Para ello es necesario contar con componentes en el lado servidor que distribuyan la informaci
on y componentes en el lado del cliente para
acceder a esta. En este captulo veremos las caractersticas de ambos elementos y c
omo estos responden
a las necesidades que el trabajo con datos remotos plantea en el
ambito SIG. Enfocaremos particularmente el captulo a las tecnologas de Web Mapping, las cuales permiten incorporar las ideas de los SIG
dentro de paginas Web, utilizando un navegador Web como aplicaci
on principal.
23.1.
Introducci
on
Del mismo modo que podemos acceder a otros tipos de informacion a traves de Internet
o de una red local, tambien podemos emplear esta para acceder a informacion geografica
y trabajar con ella dentro de un SIG. En el contexto actual, no puede dependerse en un
SIG u
nicamente de datos locales en forma de archivos en el mismo ordenador en el que se
trabaja, sino que es necesario poder operar con datos remotos. Las redes son la va para la
difusi
on de todo tipo de informaci
on, entre ella la informacion geografica.
Los datos espaciales pueden ofrecerse a traves de una red de la misma manera que se ofrecen otro tipo de datos como im
agenes o texto en una pagina Web. Para que en este proceso
se maximicen las posibilidades que esos datos ofrecen, es necesario disponer de tecnologas
adaptadas basadas en las tecnologas fundamentales de las redes, pero particularizadas al
tipo de datos concreto que se maneja y los posibles usos que pueden darse.
Estas tecnologas son variadas y, como cabe esperar, han evolucionado paralelamente
a otras basadas en la Web, a
nadiendo progresivamente elementos tales como una mayor
interactividad o flexibilidad Web. Las p
aginas estaticas que formaban Internet hace unos
a
nos, muy limitadas en cuanto a sus posibilidades, han dado paso a lo que hoy se conoce
como Web 2.0, donde encontramos blogs, wikis y otros tipos de paginas Web con capacidades
mucho mayores y que permiten al usuario un trabajo muy distinto.
Una evoluci
on similar han seguido las aplicaciones de la Web relacionadas con la informaci
on geogr
afica, habiendo ganado da tras da en riqueza hasta el estado actual donde
pueden llegar a ofrecer casi tantas funcionalidades como un SIG de escritorio. Los mapas
est
aticos que constituan los primeros elementos con componente geografica en la Web han
n Geogra
fica
Sistemas de Informacio
548
evolucionado hasta verdaderas aplicaciones que pueden convertir un navegador Web en una
plataforma SIG completa. En su avance, las tecnologas Web van tomando elementos que
ya conocemos de los SIG de escritorio, con objeto de trasladar toda su potencia al entorno
de Internet, y uniendola as con las capacidades que la red tiene como espacio com
un de
actividad y conocimiento.
Aunque el objetivo final sea trasladar los SIG de escritorio a la red, las tecnologas
necesarias distan bastante de las tecnologas SIG en sentido clasico, de la misma forma que,
aun trabajando con un tipo de datos similar, un procesador de textos se diferencia mucho
de un navegador Web.
Fundamentalmente, estas tecnologas Web han de responder a dos necesidades principales: servir un elemento a traves de la red y tomar este para emplearlo. Es decir, tomar
y recibir el elemento que es objeto de interes. Distinguimos as los conceptos de servidor y
cliente, que debemos ver con algo m
as detalle antes de continuar.
23.2.
C
omo funciona Internet?
Estamos acostumbrados a utilizar Internet a traves de aplicaciones tales como navegadores Web, y en muchos casos desconocemos c
omo se realiza ese proceso tan cotidiano hoy
en da. Los fundamentos que residen detr
as de la consulta de una simple pagina Web son
esencialmente los mismos que vamos a encontrar para el caso de las tecnologas SIG en la
red, por lo que es necesario conocerlos al menos someramente para poder entender el proceso
que tiene lugar cuando empleamos una tecnologa SIG en Internet.
Cuando consultamos una p
agina Web existen tres elementos fundamentales que entran
en juego: la propia red que hace de nexo entre sus elementos, nuestro ordenador que es el
que realiza la petici
on de consulta, y la m
aquina donde se encuentra almacenada esa pagina
que queremos consultar.
Conocemos como servidor al elemento encargado de servir alg
un tipo de contenido. En
el
ambito SIG, se trata fundamentalmente (aunque no con caracter exclusivo) de datos
geogr
aficos, que constituyen el principal producto que se distribuye a traves de la red dentro
de nuestro campo. En el ejemplo anterior, la m
aquina que contiene la pagina de interes es
el servidor. Tambien se conoce como servidor el programa que, residiendo en esa maquina,
interpreta la petici
on y la procesa, sirviendo as la pagina.
El cliente es responsable de pedir ese dato al servidor, tomarlo y trabajar con el. Nuestro
navegador Web es el cliente en este caso, ya que es el que realiza la peticion. Para ello, basta
con introducir la direcci
on Web1 correspondiente en la barra de direcciones del navegador.
Al hacer esto, proporcionamos una serie de datos que son los que se emplean para realizar
el proceso, y que vamos a ver a continuaci
on en detalle.
Supongamos la direcci
on Web http://wiki.osgeo.org/wiki/Libro SIG, en la cual
puedes encontrar informaci
on relacionada con este libro e incluso descargarlo. Si visitas
esa p
agina est
as efectuando una petici
on a traves de esa URL, la cual se compone de las
siguientes partes:
http: El protocolo a usar, que define la forma en que se van a comunicar cliente
y servidor. Aunque este es el m
as habitual, existen muchos otros tales como ftp o
mailto. Puede encontrarse m
as acerca de estos protocolos en [47].
1 T
ecnicamente,
una direcci
on Web como esta se conoce como URL (Uniform Resource Locator2 )
549
wiki.osgeo.org Esta cadena identifica la maquina donde reside la pagina que buscamos. Es en realidad una versi
on m
as legible para el ojo humano de un codigo numerico
que indica la direcci
on concreta. El navegador lo convierte en realidad en algo como
128.118.54.228.
wiki/Libro SIG La p
agina que buscamos dentro de todas las que hay en esa maquina.
Se expresa como una ruta a partir del directorio raz del servidor, que no es necesariamente el directorio raz de la maquina servidora.
El proceso mediante el que podemos ver esa pagina en un navegador Web comprende los
cuatro pasos siguientes:
1. El cliente realiza la petici
on.
2. La petici
on se conduce a traves de la red hasta el servidor.
3. El servidor busca la p
agina y la devuelve a traves de la red en caso de encontrarla, o
devuelve una pagina de error en caso de no tenerla.
4. El cliente recibe la p
agina y la representa.
La figura 23.1 muestra un esquema de este proceso.
23.3.
n Geogra
fica
Sistemas de Informacio
550
4
El cliente Web recibe la
pgina
Internet
3
La pgina se manda
al usuario
2
La peticin de la pagina
se manda al servidor
Figura 23.1: Esquema del proceso de consulta de una pagina Web desde un navegador.
551
n Geogra
fica
Sistemas de Informacio
552
emplazamientos de, por ejemplo, todos aquellos que visitan su pagina Web. Las posibilidades en este sentido son pr
acticamente infinitas, y proliferan de forma exponencial
en Internet.
Combinaci
on de cartografa y otros elementos. Si llevamos las capacidades SIG a un
navegador, adem
as de estas dispondremos en ese navegador de muchas otras posibilidades, tales como la representaci
on de elementos multimedia (vdeo, sonido, etc.) o el
uso de hiperenlaces. El navegador es hoy en da la aplicacion versatil por excelencia,
y ello hace que podamos a
nadir a las capacidades SIG una larga serie de otras funcionalidades no relacionadas directamente con la informacion geografica, y no presentes
en su mayora en los SIG de escritorio.
La importancia de las tecnologas Web se debe, por tanto, principalmente a un razon
social y no a una tecnol
ogica, aunque es innegable que las tecnologas novedosas que se
desarrollan en este campo aportan al
ambito SIG posibilidades antes desconocidas. Estas
nuevas posibilidades enriquecen notablemente los SIG de escritorio si estos implementan las
capacidades de acceso a datos remotos, ampliando el alcance de ese tipo de aplicaciones.
Cuando se implementan, sin embargo, en un entorno puramente Web tal como en el seno de
un navegador y se crea una p
agina Web con elementos SIG, se consigue ampliar el abanico
de usuarios potenciales y as tambien crecen las posibilidades y las formas en que el propio
SIG puede presentarse.
23.4.
Las formas en las que pueden presentarse las tecnologas SIG dentro de un entorno
Web varan en cuanto a su similitud con los SIG de escritorio, incorporando mas o menos
elementos de los que son habituales en este tipo de aplicaciones. Como parece logico pensar,
ha existido una evoluci
on progresiva, de tal modo que en la actualidad existen mas elementos
propios de los SIG de escritorio dentro de las tecnologas Web SIG, y la cartografa Web hoy
en da permite realizar un trabajo m
as similar al que se desarrolla en un SIG clasico.
Una primera y sencilla clasificaci
on de los tipos de cartografa Web es la que divide esta
en mapas est
aticos y din
amicos[336].
Un mapa est
atico es simplemente una imagen con informacion cartografica, la cual no
permite ning
un tipo adicional de trabajo con ella que no sea la mera observacion. En este
sentido, se asemeja a un mapa cl
asico, donde el usuario no puede interactuar directamente
con el contenido del mapa. A efectos de trabajo real, las posibilidades son a
un menores
ya que acciones tales como mediciones tampoco pueden realizarse, ni siquiera con medios
mec
anicos como el caso de un mapa en papel. Junto a esto, la resolucion de una pantalla
com
un es mucho menor que la que presenta un mapa impreso, con lo que la calidad del
mapa no es comparable.
Este tipo de mapas, por tanto, no responden a las funcionalidades que un SIG ha de
tener para poder prestar utilidad en el manejo y uso de informacion geografica, y difieren
notablemente de un SIG de escritorio, incluso en la version mas basica y primitiva de estos
u
ltimos.
Incorporar este tipo de mapas a una p
agina Web no requiere ninguna tecnologa particular, y puede llevarse a cabo con elementos genericos tanto del lado del cliente como del
servidor, pues el dato realmente no es un dato geografico como tal, sino una mera imagen
553
Figura 23.2: Visor de mapas Xerox PARC Map Viewer, uno de los primeros en su campo
Por su parte, un mapa din
amico es aquel que no se compone de una imagen inmovil, sino
que esta vara y se adapta en funci
on de los requerimientos del usuario o seg
un alguna serie
de par
ametros prefijados. De acuerdo con esto, los mapas dinamicos pueden ser interactivos
o no, dependiendo de si es el usuario quien directamente modifica la representacion del mapa.
Como ejemplo de mapa din
amico no interactivo podemos citar mapas animados que
encuadran una determinada zona y muestran la variacion de una variable a lo largo del
tiempo. Mapas de variables climatol
ogicas o una serie animada de mapas que reflejan el
avance de un incendio son ejemplos habituales de este grupo.
Tampoco en este tipo de mapas aparecen las funciones esperables en una aplicacion SIG,
y una vez m
as no se requieren tecnologas especficas para poder incorporar este tipo de
elementos en una p
agina Web.
La interactividad es la que aporta las posibilidades necesarias para comenzar a incorporar
funciones SIG a la cartografa Web, y sin ella no podemos hablar en realidad de tecnologas
SIG puramente dichas.
La forma de interactividad m
as b
asica que se implementa en una pagina Web en el trabajo
con cartografa es la que permite la modificaci
on de la forma en que los datos geograficos se
visualizan. Las herramientas que permiten modificar la escala de visualizacion (acercarse o
n Geogra
fica
Sistemas de Informacio
554
alejarse) y desplazar el mapa, las cuales ya nombramos como capacidades basicas en los SIG
de escritorio, aportan a la cartografa Web muchas posibilidades nuevas. Entre ellas, es de
destacar que mediante estas herramientas la extension de los datos no se encuentra limitada
por la propia extensi
on de la pantalla o la dimensi
on del navegador.
Si se trabaja con im
agenes est
aticas, trabajar con datos que cubran toda la extension
del globo implica hacerlo a una escala de muy poco detalle, pues ha de representarse toda
la imagen de forma simultanea. Permitiendo que el usuario elija la escala de representacion
y ajuste la extensi
on con la que se desea trabajar, un navegador Web se convierte en una
ventana hacia datos que pueden tener cualquier extension y volumen, y hacia el trabajo con
ellos de forma din
amica e interactiva.
Esto es de especial importancia si pensamos que las maquinas que se encuentran al otro
lado (en el servidor) son ordenadores potentes con gran capacidad, que pueden almacenar
enormes juegos de datos. Un juego de datos con im
agenes de todo el mundo a gran resolucion
ocupa un tama
no que probablemente lo haga inutilizable en un ordenador personal (ademas
de que ese juego probablemente quede fuera del alcance del usuario de ese ordenador en lo que
a su adquisici
on respecta), pero puede perfectamente ser servido desde un potente servidor,
sirviendo en cada caso la ((porci
on)) de el que cada usuario requiere seg
un utiliza el cliente
correspondiente. En esto se basan gran parte de servicios y de aplicaciones desarrolladas
sobre ellos, como veremos m
as adelante.
De especial importancia para el desarrollo de estas capacidades ha sido la popularizacion
y mejora de las tecnologas que permiten el desarrollo de las denominadas Aplicaciones
Ricas de Internet (RIA)3 . Este tipo de aplicaciones llevan a la Web algunos elementos de
las tecnologas de escritorio, y en general permiten optimizar el volumen de datos necesario
para operar con la aplicaci
on dentro del entorno del navegador.
Si no se emplean estas tecnologas, un cambio mnimo en la configuracion de la pagina
por parte del usuario (por ejemplo, modificar el encuadre del mapa en una aplicacion SIG),
requiere la recarga total de la p
agina, de la misma forma que sucede cuando hacemos clic
en un hiperenlace. En realidad, estamos pasando a una pagina Web distinta.
En un entorno RIA, sin embargo, se cargan al inicio (en el primer acceso a la pagina) los
elementos que constituyen la aplicaci
on en s, y posteriormente se transmiten u
nicamente
los datos que vayan siendo necesarios a medida que el usuario opere con la aplicacion. Esto
mejora notablemente la sensaci
on del usuario, ya que este nunca tiene ante s una pantalla
sin contenido mientras se carga la p
agina, puesto que esta ya no ha de cargarse de nuevo, y
la carga de datos puede adem
as realizarse mientras el propio usuario opera.
AJAX 4 [48] es una tecnica de desarrollo muy popular en este sentido, y de la que los SIG
Web hacen uso habitualmente. La figura 23.3 muestra una comparacion entre el esquema de
una aplicaci
on Web tradicional y una basada en AJAX.
Profundizar m
as en estos aspectos es, no obstante, demasiado tecnico para el enfoque de
este libro, no siendo necesario adem
as para la comprension de las tecnologas Web desde el
punto de vista del usuario. Tan solo es necesario diferenciar entre el comportamiento de una
p
agina Web anterior a la introducci
on de estas tecnicas, en la cual cualquier interaccion (clic
del rat
on) supona una recarga completa de la p
agina, mientras que en el caso de una RIA,
la experiencia es m
as fluida y cercana a la que se tiene usando una aplicacion de escritorio.
La figura 23.4 muestra el aspecto de una aplicacion de Web Mapping previa a la introducci
on de tecnologas como AJAX, en particular la Web a traves de la que se acceda a los
3 Rich
Internet Applications
JavaScript And XML
4 Asynchronous
555
Figura 23.3: Comparacion entre el esquema de una aplicacion Web tradicional y una basada en
AJAX.(adaptado de [48]).
556
n Geogra
fica
Sistemas de Informacio
557
23.4.1.
Mashups
n Geogra
fica
Sistemas de Informacio
558
Dos son las razones principales por las que los mashups con componente SIG son tan
populares:
La mayora de la informaci
on que encontramos en la Web puede georreferenciarse. Esto
hace que una gran parte de los contenidos de una pagina Web puedan complementarse
con alg
un tipo de elemento geogr
afico, principalmente un visor de cartografa en el que
poder mostrar esa informaci
on georreferenciada con la que se trabaja.
La informaci
on geogr
afica es de difcil acceso, especialmente a gran escala y por parte
de usuarios o desarrolladores no especializados. Si el interes de a
nadir a cualquier
pagina Web alg
un elemento de tipo SIG resulta claro, tambien es cierto que suelen
necesitarse datos adicionales con que acompa
nar a los propios datos de la pagina.
Es decir, si nuestra p
agina Web recoge informacion sobre restaurantes en la zona,
mostrar la localizaci
on de esos restaurantes enriquecera el contenido, aunque para que
esta funcionalidad sea verdaderamente u
til deberemos contar con alg
un tipo de mapa
base (cartografa de calles, fotografa aerea, etc.) que ayude al usuario a emplazar un
restaurante dado o calcular la forma
optima de llegar hasta el.
Esta cartografa base implica un coste elevado, normalmente no asumible para un uso
como este. Sin embargo, disponer de una cartografa base ofrecida por un proveedor
que permita crear alg
un tipo de mashup sobre ella facilita que existan este tipo de
servicios, como as lo atestigua el gran n
umero de distintas aplicaciones Web que se
desarrollan de este modo.
De entre los muchos existentes en la actualidad, Google Maps [3] es el servicio mas
popular para la creaci
on de mashups, y el que ha supuesto una verdadera revolucion en este
sentido. Para ver algunos ejemplos relevantes de este tipo de sitios Web, puede consultarse
la p
agina Web [51], donde se recopila informaci
on sobre Google Maps y los mashups mas
exitosos que derivan de este servicio.
23.5.
Clientes y servidores
Ahora que conocemos algunas ideas generales sobre cartografa Web, veamos algo mas
en detalle los elementos tecnol
ogicos que hacen posible su funcionamiento: los servidores
y los clientes. Veremos en este apartado las funcionalidades que presentan y algo mas de
los fundamentos tecnol
ogicos en los que se basan, que se apoyan sobre las ideas basicas de
funcionamiento de Internet que ya vimos anteriormente.
En primer lugar, veamos algunas ideas b
asicas sobre la arquitectura clienteservidor. De
modo gr
afico, la relaci
on entre ambos elementos puede representarse seg
un la figura 23.6.
En ella, un n
umero variable de clientes se ((conectan)) a un servidor, del cual obtienen una
serie de datos cuando este responde a las peticiones formuladas por cada uno de los clientes.
En la arquitectura clienteservidor, este u
ltimo es el que posee la informacion a compartir
a traves de los servicios, mientras que en cada uno de los clientes se almacena tan solo la
informaci
on personal de estos.
En el sistema clienteservidor se presentan las siguientes caractersticas principales:
El servidor brinda servicio a m
ultiples clientes. Los clientes, por su parte, tambien
pueden acceder a servicios en varios servidores, aunque esa multiplicidad es mucho mas
relevante en el caso del servidor. Piensese, por ejemplo, en un navegador Web con el que
Clientes
559
Servidor
23.5.1.
Servidores
560
n Geogra
fica
Sistemas de Informacio
pantalla. En caso de que los datos sean de tipo vectorial, o bien raster sin una forma de
representaci
on implcita por ejemplo, un Modelo Digital del Terreno es necesario
emplear alg
un metodo para asignarles dicha representacion. Este puede ser asignado
por defecto por el servidor, que establecer
a una simbologa fija, o bien ofrecer un
servicio m
as complejo en el que el cliente no solo pide una representacion grafica de
una serie de datos para una zona dada, sino que ademas puede especificar c
omo crear
esa representaci
on.
Asimismo, el servidor puede ofrecer la posibilidad de seleccionar los datos empleados
para crear la representaci
on gr
afica. En terminos de un SIG de escritorio esto es equivalente a seleccionar que capas se van a representar de entre el total de las que se
encuentran abiertas o bien en nuestro cat
alogo de datos al que tenemos acceso desde
el SIG. En el caso de un servicio Web, el servidor dispone de una serie de capas a las
que puede acceder, y a la hora de servir una imagen puede preparar esta usando unas
u otras seg
un las necesidades que el cliente especifique a la hora de hacer la peticion
del servicio. De igual modo, el orden en que se desea que las capas se pinten en el
mapa tambien debe poder ser especificado por el cliente.
Servir los datos directamente. Una opci
on m
as flexible que lo anterior es que el servidor
provea directamente los datos geogr
aficos y sea despues el cliente quien los utilice
como corresponda, bien sea simplemente representandolos en cuyo caso debera ser
el propio cliente quien establezca la simbologa, ya que esta tarea ya no queda en
manos del servidor o bien trabajando con ellos de cualquier otra forma, como por
ejemplo analiz
andolos.
Aunque las posibilidades son mayores en este caso, se requieren por parte del cliente unas capacidades mayores, ya que mientras que representar una imagen es algo
sumamente sencillo desde el punto de vista tecnico, crear esta a partir de los datos
geogr
aficos es m
as complejo.
Servir consultas. Un paso m
as all
a en la funcionalidad que puede ofrecer el servidor
es responder a preguntas realizadas por el cliente relativas a los datos, ya sean estas
relativas a la parte espacial de dichos datos, o bien a su componente tematica. El
servidor puede ofrecer como respuesta conjuntos reducidos de los datos de los que
dispone, o valores que describan a estos. Estas consultas pueden ser u
tiles, por ejemplo,
para establecer filtros previos cuando se dispone de un conjunto amplio de orgenes de
datos. Un cliente Web puede obtener datos de distintos servidores, y puede consultar
si, para un zona dada, estos servidores disponen de informacion, sin mas que consultar
la extensi
on cubierta por los datos de cada uno de ellos y comprobar si se interseca con
la regi
on de interes. En funci
on de la respuesta, puede o no realizarse posteriormente
el acceso a los datos en s. Como veremos en el captulo 31, los metadatos son de gran
utilidad para conseguir que este tipo de consultas se realicen de forma eficiente.
Servir procesos. Por u
ltimo, un servidor puede ofrecer nuevos datos, espaciales o no
espaciales, resultantes de alg
un tipo de proceso o calculo a partir de datos espaciales.
En este caso, el proceso constituye en s el servicio ofrecido por el servidor, y el cliente
debe definir los par
ametros de entrada de este y los posibles parametros de ajuste
que resulten necesarios. Los datos con los que se trabaja pueden ser proporcionados
por el cliente, incorpor
andolos a su propia peticion, o bien pueden residir en el propio
servidor. En este u
ltimo caso, el servidor ofrece tanto los datos, como la posibilidad
561
de extraer resultados a partir de ellos, es decir, los datos y una herramienta para
explotarlos. Tambien pueden emplearse datos en un servidor distinto, a los que el
servidor de procesos puede acceder si estos estan disponibles, convirtiendose en cliente
de ese segundo servidor (Figura 23.7).
Las posibilidades que estos servicios brindan son muy numerosas. Por una parte, pueden a
nadirse funcionalidades avanzadas a interfaces Web, llevando a estas las capacidades propias de los SIG de escritorio. Por otra, la difusion de algoritmos de analisis
geogr
afico resulta m
as sencilla, pudiendo ofrecerse estos a todo tipo de usuarios sin
necesidad de ning
un software especializado. Y por u
ltimo, en ciertos casos pueden
rebajarse los tiempos de proceso, ya que, en el caso de operaciones complejas, la mayor potencia del servidor respecto al cliente puede resultar en un mayor rendimiento.
El reparto de tareas entre varios servidores (computacion distribuida) es otra de las
posibilidades que pueden a su vez ampliar la eficiencia de los procesos.
Servidor
de
procesos
Cliente
Servidor
de
datos
Peticin de proceso
Peticin de datos
Respuesta de proceso
Respuesta de datos
Figura 23.7: Esquema de acceso a un servicio de procesos remotos, el cual a su vez utiliza datos
de un segundo servidor. El encadenamiento de procesos permite ampliar notablemente la utilidad
de estos.
23.5.2.
Clientes
El cliente es el elemento que utiliza los datos proporcionados por el servicio. Para ello,
realiza una petici
on a la que el servicio responde enviando dichos datos, que seran los que
despues se emplear
an para realizar cualquier otra tarea, principalmente la representacion de
estos para que el usuario pueda visualizarlos. El cliente es, de este modo, el intermediario
entre el usuario y los servicios y datos que el servidor ofrece.
Como hemos visto al estudiar los servidores, las principales capacidades de estos implican
la transmisi
on de im
agenes con cartografa ya elaborada, o bien directamente capas, ya sean
de tipo r
aster o vectoriales. En algunos casos, el servicio ofrecido es un servicio de procesos,
pero su resultado generalmente es tambien una capa, por lo que, desde el punto de vista
del cliente, la funcionalidad es en cierto modo similar (aunque internamente requiera una
implementaci
on por completo distinta).
El cliente, por tanto, debe disponer de capacidades para formular peticiones a servidores
como los anteriormente descritos, as como para emplear las posibles respuestas que estos
devolver
an. Estas u
ltimas incluyen por lo general componentes de representacion, habitualmente con la forma tpica de un visor en el que se permite cambiar la escala y desplazar la
vista, tal y como ya vimos en el captulo 22. No obstante, estas capacidades pueden variar
ampliamente de un cliente a otro, desde el mnimo necesario para simplemente representar
n Geogra
fica
Sistemas de Informacio
562
los datos obtenidos del servidor hasta conjuntos de funcionalidades mucho mas avanzadas
pensadas para un uso intensivo de esos mismos datos.
Distinguimos as dos tipos de clientes en funci
on de las capacidades que tengan: clientes
ligeros y clientes pesados.
Cliente ligero. Se denomina ligero por el tama
no relativamente reducido del programa
en s, lo cual va consecuentemente asociado a unas capacidades limitadas. Hablamos de
clientes ligeros cuando nos referimos a Web Mapping y a clientes que se ejecutan sobre
un navegador Web, los cuales son siempre sencillos en cuanto a sus funcionalidades. En
el momento de la carga de la p
agina Web que contiene al cliente, el navegador descarga
toda la l
ogica del programa, lo cual hace necesario limitar el tama
no de este. No
obstante, los clientes Web empiezan progresivamente a ampliar sus posibilidades, y en
ello juegan un importante papel otros servicios distintos a los de mapas o los de datos,
como pueden ser los de procesos. Estos permiten que las funcionalidades adicionales
no se implementen en el propio cliente (y por tanto sin aumentar en exceso su tama
no
y sin disminuir su ((ligereza))), sino que sean accedidas tambien como servicios remotos.
La evoluci
on de la cartografa Web en esta direccion se dirige desde el Web Mapping
al Web GIS, tal y como comentamos algunas paginas atras.
Cliente pesado. A diferencia del cliente ligero, el cliente pesado es una aplicacion individual que no se ejecuta sobre otra aplicaci
on soporte como puede ser un navegador
Web. Al ser un programa independiente, debe ocuparse de toda la logica del proceso y
de proveer todas las funcionalidades necesarias, por lo que su tama
no es generalmente
mayor. Pese a ello, un cliente pesado no ha de ser necesariamente mas potente y con
m
as funcionalidades que uno ligero (aunque habitualmente lo es), ya que existen aplicaciones muy sencillas con capacidad para conectarse a servicios de mapas, que ofrecen
poco m
as que un visor de cartografa. La diferencia no estriba en las capacidades del
programa, sino en el enfoque a la hora de implementar este y el uso o no de otra aplicaci
on ((plataforma)), generalmente en forma de un navegador Web. Los clientes pesados
suelen permitir el uso de datos no procedentes directamente del acceso a servicios, tales
como datos en ficheros locales, y no est
an pensados exclusivamente como clientes, sino
como aplicaciones m
as amplias que adem
as disponen de capacidades para aprovechar
un determinado tipo de servicios. Dicho de otro modo, un cliente pesado tal y como un
SIG de escritorio tiene utilidad aunque no se emplee como cliente de ning
un servicio y
no se disponga de conexi
on a red alguna, ya que puede alimentarse con datos locales y
todas sus restantes funcionalidades (an
alisis, preparacion de cartografa, etc.) pueden
aprovecharse con dichos datos.
23.6.
Trasladar las ideas de los SIG de escritorio a la Web no es sencillo, por cuanto el entorno
en el que nos movemos es muy distinto en uno y otro caso. La Web tiene sus propias
limitaciones e inconvenientes, que en muchos casos no existen en el caso de una aplicacion
de escritorio, y este hecho presenta dificultades complejas de salvar, obligando a desarrollar
soluciones alternativas.
Una limitaci
on b
asica es la impuesta por el propio navegador como marco de trabajo. Las
propias ventajas que este aporta son tambien responsables de ciertas limitaciones, ya que
563
23.6.1.
Tiling y cacheo
Dos tecnicas b
asicas que se emplean actualmente en los clientes Web que manejan informaci
on geogr
afica son el tiling y el cacheo. Estas tecnicas permiten que la experiencia de
trabajar con informaci
on geogr
afica dentro de una aplicacion SIG Web sea mas agradable,
logrando una mayor fluidez y superando en cierta medida las limitaciones de la red. Aunque
es cierto que cada vez disfrutamos de mayores anchos de banda y velocidades de transmision
m
as altas, tambien aumentan de igual modo los vol
umenes de datos manejados, con lo que
las dificultades siguen existiendo de manera similar.
Ambas tecnicas se utilizan en servicios en los que el servidor provee imagenes, ya que es
en estos en los que resultan aplicables, y tambien donde es mas necesario recurrir a este tipo
de tecnicas.
El tiling es una tecnica consistente en dividir las imagenes con las que se trabaja en
im
agenes menores que formen un mosaico. Esto permite un trabajo mas rapido, al utilizar
unidades mnimas de menor tama
no y poder reducir la necesidad de transmitir datos a
traves de la red si se realiza una gesti
on correcta del conjunto de elementos de ese mosaico.
564
n Geogra
fica
Sistemas de Informacio
Esta divisi
on es similar en forma a la propia que se da en los datos originales, ya que,
como sabemos (vease secci
on 4.4), estos tambien se encuentran divididos horizontalmente. No
obstante, se trata de una estrategia propia del sistema clienteservidor, que divide las propias
im
agenes que luego se representar
an en este u
ltimo, de forma que en lugar de transmitir una
u
nica imagen se transmiten varias de menor tama
no y la informacion correspondiente a la
posici
on relativa de estas.
El cacheo, por su parte, es una tecnica no exclusiva del ambito SIG, sino de la Web
en general, y consiste en almacenar de forma temporal los datos obtenidos de un servidor
en la m
aquina local o bien en una m
aquina intermedia (proxy). De este modo, si volviera
a resultar necesario acceder a esos datos, no han de pedirse al servidor, sino que pueden
recuperarse de la copia local, con las ventajas que ello tiene en cuanto a la velocidad de
acceso y la fiabilidad del proceso.
El uso conjunto de tiling y cacheo puede disminuir sensiblemente el volumen de datos a
transmitir para, por ejemplo, modificar el encuadre de un mapa en una aplicacion SIG Web.
La figura 23.8 muestra un ejemplo sencillo que servira para comprender el ahorro de datos
que puede conseguirse con el uso conjunto de estas tecnicas.
Figura 23.8: Esquema del uso de tiling y cacheo para optimizar la transmision de datos en una
aplicaci
on SIG Web
En la figura puede verse del dato global al que se accede, dividido en una serie de
unidades. Ello no quiere decir que el dato tenga ese n
umero de divisiones o que existan otros
tantos ficheros. Puede tratarse de un u
nico fichero, o de un n
umero muy elevado de ellos.
Las divisiones se realizan a efectos de crear el mosaico de imagenes a la hora de transmitir
estas.
Inicialmente, la aplicaci
on Web encuadra una region que cubre 20 elementos o teselas. Si
el usuario desplaza el encuadre para que cubra otro area distinta, como en el caso mostrado
en la figura, el cliente realizar
a una nueva peticion y obtendra una nueva imagen, que
tendr
a exactamente el tama
no con que esa imagen va a representarse. Este es exactamente
el mismo tama
no que la imagen que encontramos inicialmente en el encuadre original, y por
tanto la representaci
on de este encuadre original y posteriormente el encuadre modificado
565
por la imagen inicial, ya que los restantes ya habran sido obtenidos con anterioridad y
se encontrar
an almacenados (cacheados) en nuestro ordenador. Es decir, el cliente crea la
imagen a representar con 8 subimagenes pedidas al servidor y otras 12 ya descargadas
previamente, reduciendo sensiblemente el volumen de datos pedidos al servidor.
Cuando este esquema de funcionamiento se combina con tecnologas como AJAX, citada
anteriormente, y que a
nade a su vez mayor fluidez y una mejor respuesta de la aplicacion
Web, el resultado es una aplicaci
on SIG altamente funcional y cuyo comportamiento se
asemeja en cuanto a rendimiento al de un SIG de escritorio trabajando con datos locales.
Este tipo de tecnicas no son exclusivas de los SIG en Internet, sino que tambien se aplican
por igual al caso de SIG de escritorio cuando estos act
uan como clientes y acceden a datos
remotos. Particularmente, son de especial relevancia en el caso de los globos tridimensionales,
en los cuales estas mismas tecnicas se aplican no solo para las imagenes a visualizar, sino
tambien para los datos de elevaci
on empleados para dar forma al relieve.
La combinaci
on de tiling y cacheo se lleva a cabo a m
ultiples escalas, de forma que se
reduce el n
umero de operaciones a realizar y se obtiene un mayor rendimiento. Se emplean
las denominadas pir
amides, que ya vimos en el apartado 3.5.2 dedicado a la generalizacion
cartogr
afica en un SIG. Estas pueden ser empleadas tambien en el lado del servidor, incluso
cuando este sirve mapas creados a partir de cartografa vectorial. Para evitar tener que
rasterizar los datos vectoriales cada vez que se realiza una peticion (lo cual supondra un
gran coste en terminos de proceso), se rasterizan de antemano a distintas escalas, de forma
que cuando el cliente efect
ua la petici
on ya se dispone de una imagen que servirle, sea cual
sea la escala que pida..
23.7.
Resumen
Hemos visto en este captulo las ideas fundamentales del binomio clienteservidor, tanto
en su definici
on m
as general referente a servicios Web de cualquier tipo, como en aquellos
especficos del
ambito SIG. En base a esto, existen distintas formas de llevar a la red tanto
los propios datos geogr
aficos como las funcionalidades principales de los SIG de escritorio, y
que pueden variar en cuanto a su complejidad, desde simples mapas estaticos hasta aplicaciones Web complejas. Pese a las elevadas posibilidades que existen hoy en da en cuanto a
tecnologas Web, es importante conocer tambien las limitaciones del entorno de trabajo, las
cuales derivan tanto de la propia red como de otros aspectos, por ejemplo el hecho de que la
aplicaci
on Web se ejecute dentro de un navegador. Estas limitaciones llevan al desarrollo de
tecnicas particulares para optimizar el funcionamiento de las aplicaciones SIG Web, entre
las que se han de destacar el tiling y el cacheo.
Asimismo, conocemos ya las funcionalidades principales que debe presentar un servidor
para responder a las peticiones de un cliente SIG, que son principalmente servir representaciones de los datos geogr
aficos, servir los datos en s o consultas sobre estos, o bien servir
procesos de an
alisis basados en dichos datos.
566
n Geogra
fica
Sistemas de Informacio
Captulo 24
SIG m
ovil
Qu
e entendemos por SIG m
ovil? Qu
e elementos incorpora? En qu
e se diferencia de un
SIG de escritorio? Para qu
e puede emplearse y qu
e aporta en el trabajo de campo? Qu
e es
un Servicio Basado en Localizaci
on?
Los SIG no han sido ajenos a la popularizaci
on de las tecnologas m
oviles y la imparable expansi
on
que sufren en la actualidad. M
as a
un, trat
andose de un
area relacionada con el manejo de informaci
on geogr
afica y el an
alisis del medio, el aprovechamiento de tecnologas que permiten llevar el SIG
directamente a ese medio e ((interactuar)) directamente con la informaci
on geogr
afica ha abierto nuevos
horizontes dentro del mundo de los SIG.
En este captulo veremos las caractersticas de una nueva forma de SIG basada en su uso sobre
dispositivos m
oviles, y trataremos las nuevas posibilidades que esto ofrece. Asimismo, y puesto que los
SIG m
oviles se apoyan en otra serie de tecnologas (especialmente de comunicaci
on y posicionamiento),
desarrollaremos estas para definir el marco tecnol
ogico en el que se encuadra esta rama particular del
SIG.
24.1.
Introducci
on
A lo largo de la historia de los SIG, han ido surgiendo nuevas tecnologas como consecuencia de los cambios que se han producido en los dispositivos sobre los que las aplicaciones
de manejo de informaci
on geogr
afica pueden ejecutarse. La aparicion de nuevo hardware es
seguida de cerca por los desarrolladores de software, que adaptan sus aplicaciones para aprovechar las nuevas caractersticas de esos dispositivos. Esto, ademas de impulsar el avance
de las aplicaciones SIG al permitirles mayor potencia de proceso o mayores capacidades, en
ocasiones trae consigo la aparici
on de ramas completamente nuevas cuando la tecnologa de
los dispositivos da un salto cualitativo de grandes proporciones.
En el veloz avance que el hardware sufre constantemente, uno de los cambios mas radicales
de los u
ltimos tiempos es la cada vez mayor potencia y disponibilidad de elementos portatiles.
Esto ha propiciado la aparici
on del denominado SIG m
ovil, as como una serie de tecnologas
y herramientas relacionadas que van dando forma a un sector muy distinto de lo que el SIG
cl
asico representa, pero con una innegable vinculacion con este.
La implicaci
on que estas nuevas tecnologas han tenido en el ambito del SIG va mas
all
a de expandir sus posibilidades. Como vimos en el captulo dedicado a la historia de los
SIG, los primeros programa SIG se ejecutaban sobre grandes maquinas cuya adquisicion
estaba muy lejos del alcance del p
ublico especializado, como suceda con toda la tecnologa
inform
atica de aquel entonces. El salto a los ordenadores personales fue decisivo para iniciar
una popularizaci
on de los SIG y contribuir a que se convirtieran en herramientas imprescindibles en una buena parte de sus
ambitos de aplicacion, entrando con fuerza en muchos
sectores.
n Geogra
fica
Sistemas de Informacio
568
Con la aparici
on de los dispositivos m
oviles y el crecimiento del mercado en torno a
ellos, los SIG han dado un nuevo salto cualitativo. No solo han alcanzado un nuevo tipo
de dispositivos con capacidades muy interesantes relacionadas con la informacion geografica
(destacando entre ellas la capacidad de conocer la posicion del dispositivo), sino tambien a
un nuevo p
ublico y a nuevos grupos de interes. Si con el salto a los ordenadores personales
los SIG se hicieron m
as asequibles en terminos economicos y de especializacion informatica,
con la entrada de los dispositivos m
oviles se han hecho asequibles en lo que a conocimientos
especficos del
ambito geogr
afico y cartogr
afico respecta. La informacion geografica se abre
paso en un mercado no especializado y, no solo su uso, sino tambien su creacion, pasan ambos
a ser actividades no exclusivas de los profesionales de este campo. Es un paso mas alla en la
labor que desde sus orgenes los SIG vienen realizando, esto es, facilitar el uso de informacion
geogr
afica y dar presencia a esta en todos los terrenos, haciendo ver la importancia que tiene
en la pr
actica totalidad de
ambitos.
Algunas de las tecnologas y utilidades que aparecen con los SIG moviles distan mucho
de la idea cl
asica de SIG, y constituyen de por s un territorio nuevo que difiere notablemente
de cuanto hemos visto hasta el momento. No obstante, la relevancia que estas tecnologas
han adquirido y, sobre todo, la que van a adquirir en los proximos a
nos, las hace merecedoras
de un captulo propio en este libro y de ser consideradas como parte muy importante del
panorama actual del SIG.
24.2.
Qu
e es el SIG m
ovil
Comencemos viendo que entendemos por SIG movil y de que formas puede presentarse.
Para ello, analicemos como hemos hecho en otros apartados una situacion habitual en el
entorno de trabajo de un SIG, en particular la relativa a la creacion de datos geograficos.
Seg
un vimos en el captulo 6, una de las formas de obtener datos con los que trabajar en
un SIG es la toma de estos directamente en campo y su posterior incorporacion dentro del
SIG. Esto requera habitualmente la digitalizaci
on de los datos tomados, ya que dicha toma
se desarrollaba en la mayor parte de los casos mediante medios analogicos.
Una importante mejora en este proceso se dara si la recogida de datos se efectuara
empleando medios digitales, ya que el resultado sera mucho mas cercano a lo que posteriormente va a necesitarse para el trabajo en gabinete. Ademas de esta ventaja inmediata y del
ahorro de tiempo que traera consigo, existen otras ventajas directas que los medios digitales
aportaran. Por ejemplo, si en lugar de un dispositivo de toma de datos contamos con dos de
ellos, es relativamente sencillo (especialmente si los dispositivos pueden comunicarse entre
s) replicar los datos tomados, teniendose as una copia de seguridad que evitara en gran
medida la perdida de los datos tomados por circunstancias diversas. El software instalado
en el dispositivo puede a su vez contar con elementos que efect
uen alg
un tipo de control de
calidad, asegur
andose de que no se introducen por descuido valores erroneos o de que no se
deja sin rellenar ning
un campo de un estadillo.
No obstante, y a pesar de que esa recogida de datos se realiza con el fin de tratar
estos posteriormente con ayuda de un SIG, el SIG como tal no participa en el proceso de
toma de datos, sino tan solo en el trabajo de gabinete. Los dispositivos que se lleven al
campo, sean del tipo que sean, simplemente recogen una serie de valores introducidos por el
operario correspondiente, del mismo modo que este los anotara en una libreta o estadillo.
Sin embargo, nada impide que podamos llevar al campo una aplicacion SIG (por ejemplo,
un SIG de escritorio), y que sea en ese SIG, adaptado a esa particular tarea o no, donde
vil
SIG mo
569
tomemos los datos y en el que nos apoyemos para realizar todas las tareas adicionales que
el trabajo de campo requiere.
Llevar el SIG al campo y sacarlo de su lugar fijo en el gabinete es lo que da lugar al
denominado SIG m
ovil, cuyas particularidades, como veremos, van mas alla del mero hecho
de una localizaci
on de trabajo distinta. Cuando hablamos de SIG movil, no nos referimos
u
nicamente a un SIG habitual ejecut
andose en una plataforma movil, sino tambien a una
filosofa distinta a la que existe en el uso de otros elementos tecnologicos del ambito SIG
que ya conocemos, en una localizaci
on fija. Es decir, llevar el SIG al campo no conlleva tan
solo un cambio fsico del entorno de trabajo, sino tambien una notable adaptacion en otros
aspectos.
Hoy en da son muchos los dispositivos que podemos emplear para disponer de una herramienta m
ovil con capacidad de proceso. Sin ir mas lejos, un ordenador portatil con una
conexi
on inal
ambrica a Internet (empleando telefona movil de tercera generacion) nos servira para replicar en campo el entorno de trabajo de un SIG de escritorio, poniendo a nuestra
disposici
on todas las capacidades de este. Esta solucion, no obstante, es poco practica, ya
que, si bien es cierto que podemos ((mover)) un ordenador portatil con relativa facilidad, no
es un dispositivo pensado para moverse mientras se encuentra en funcionamiento, con lo que
m
as bien tendramos un SIG port
atil en lugar de un SIG m
ovil. Hay otros tipos de hardware
mucho m
as adecuados para este cometido, como pueden ser los siguientes (Figura 24.1):
Unidades GPS (a).
Tablet PC (b).
PDA (c).
Telefonos m
oviles (d).
a)
b)
c)
d)
n Geogra
fica
Sistemas de Informacio
570
SIG
SIG
Web
Internet
LBS
Inet.
mvil
SIG
mvil
Disp.
mviles
Figura 24.2: Clasificacion de aplicaciones del ambito del SIG movil en funcion de las tecnologas
empleadas (seg
un [168])
Services
vil
SIG mo
571
n Geogra
fica
Sistemas de Informacio
572
24.3.
Los siguientes son algunos de los principales aspectos a considerar que caracterizan al
SIG m
ovil y lo diferencian del SIG cl
asico sobre una plataforma estatica [489]:
Variedad de plataformas. Mientras que en en caso de un SIG que se ejecuta en un ordenador de sobremesa las diferencias de plataforma son practicamente inexistente (con,
tal vez, la u
nica salvedad del sistema operativo), en el caso del SIG movil la situacion
es muy diferente. Existen plataformas muy diversas y dispositivos con caractersticas
completamente distintas (por ejemplo, un telefono movil es, en ciertos aspectos, radicalmente distinto a un Tablet PC). Garantizar que todos estos dispositivos van a
poder funcionar con una aplicaci
on requiere un esfuerzo extra a la hora de desarrollar
esta.
El usuario es parte de la informaci
on. El SIG nos permite analizar informacion muy
variada, pero los an
alisis que realizamos se basan en unos datos concretos, ya sean estos
locales o remotos. La posici
on de la maquina donde se ejecuta el SIG no es relevante
ni tenida en cuenta, y ni siquiera existe la posibilidad de conocer y utilizar esta. En
el SIG m
ovil, por el contrario, la posici
on del dispositivo es conocida (si este integra
alg
un tipo de mecanismo para calcular est
a, de entre los que veremos mas adelante en
esta misma secci
on). Esa posici
on no solo puede ser empleada como otro dato mas,
sino que, en muchos casos, es el dato m
as importante y el que permite ofrecer servicios
personalizados en funci
on de dicha posici
on. Indirectamente, el usuario se convierte
tambien en parte de la informaci
on, ya que es su posicion la que ahora forma parte de
esta.
Acceso variable. La calidad del acceso a Internet va a fluctuar notablemente para un
mismo conjunto de dispositivo, aplicaci
on, y usuario, ya que se trata de un servicio
muy variable en funci
on de la localizaci
on.
Limitaci
on de los dispositivos. Comparados con un ordenador de sobremesa, que representa el dispositivo est
andar en el que un SIG se ejecuta tradicionalmente, los
dispositivos m
oviles presentan importante limitaciones. Las mas destacable de ellas es
su propio tama
no, ya que las pantallas son peque
nas y obligan a un uso distinto de su
espacio para poder mostrar en ellas todos los elementos necesarios para garantizar una
correcta usabilidad de las aplicaciones. Otras limitaciones son las ya mencionadas de
almacenamiento y proceso. Y, por u
ltimo, deben considerarse tambien las limitaciones
en los dispositivos de entrada, muy distintos de los habituales teclado y raton, y sin
apenas posibilidad de contar con otros perifericos mas especficos.
Escalabilidad de los datos. Por las propias caractersticas tanto de los dispositivos
como de sus conexiones, es necesario poner atencion en la escalabilidad de los datos
para que las aplicaciones funcionen en circunstancias variadas, modificando el detalle
en funci
on de las situaci
on.
24.4.
vil
SIG mo
573
574
n Geogra
fica
Sistemas de Informacio
vil
SIG mo
24.5.
575
M
etodos de posicionamiento
n Geogra
fica
Sistemas de Informacio
576
a)
b)
Angulo
de Llegada (Angle of arrival, AOA), Direccion de Llegada (DOA): Se usan
antenas direccionables para detectar el
angulo de llegada.
Estas tecnicas pueden emplearse simult
aneamente, con objeto de proporcionar una localizaci
on m
as fiable o de adaptarse a las propias circunstancias de la red de estaciones en
cada momento.
vil
SIG mo
577
24.6.
Redes inal
ambricas
de Area
Amplia (Wireless Wide Area Network, WWAN). Esta clasificacion se emplea con
frecuencia, por lo que veremos los tipos anteriores con algo mas de detalle.
Una red WPAN tiene un alcance corto, de unos 10 metros, y utiliza una frecuencia que no
requiere de licencia para operar. La mayora de las redes de este tipo se basan en Bluetooth,
y su velocidad de transmisi
on es de unos 0.5 Mbps.
Por su parte, una red WLAN tiene un alcance mayor, entre 10 y 100 metros, y su
velocidad es muy superior, hasta los 100 Mbps. Utilizan tambien frecuencias sin necesidad
de licencia. Las redes inal
ambricas de este tipo surgen a partir de las redes locales no
inal
ambricas (LAN), principales pensadas para la transmision de datos. Es por ello que
esta tecnologa esta principalmente orientada a la transmision de datos, y no ofrece soporte
para voz como sucede con las redes WWAN.
Una red WWAN cubre un a distancia de entre 100 metros y 30 kilometros, y emplea
una frecuencia no libre, es decir, una cuyo uso requiere la adquisicion de una licencia. Originalmente este tipo de redes se pensaron para transmision de voz, por lo que su velocidad
es baja, 4,8 kbps. La evoluci
on de estas redes para la transmision de datos ha dado lugar a
n Geogra
fica
Sistemas de Informacio
578
24.7.
El sofware SIG m
ovil
Conocemos ya los elementos que integran el SIG movil y las tecnologas implicadas
tales como las redes inal
ambricas y los metodos de posicionamiento. Es el momento de ver
c
omo el software SIG se adapta a estas circunstancias y cuales son las caractersticas de las
aplicaciones que vamos a encontrar sobre los dispositivos moviles.
Las diferencias entre los SIG de escritorio y los SIG sobre dispositivos moviles vienen
motivadas fundamentalmente por dos razones: las capacidades limitadas de estos (que mencionamos al inicio del captulo) y las funcionalidades extras que presentan (principalmente
la capacidad de posicionamiento). De igual modo, el enfoque y el tipo de uso que se pretenda dar condicionan la forma de las aplicaciones, existiendo una gran diferencia entre las
aplicaciones dirigidas a lo que denomin
abamos SIG en campo y aquellas orientadas a los
servicios basados en localizaci
on.
Comenzando con las primeras, representan el software mas similar a los SIG de escritorio, ya que las funcionalidades que resultan de interes son en buena medida aquellas que
encontramos en estos. La lectura de datos y su representacion son de nuevo los pilares fundamentales entre las capacidades que una aplicacion para SIG en campo debe presentar,
aunque tanto la edici
on como el an
alisis cobran relevancia y se implementan habitualmente
para usos particulares. A su vez, tanto la lectura como la representacion de datos son dos de
las
areas en las que es m
as necesaria una adaptaci
on debido a las limitaciones del dispositivo.
En el caso de la lectura de datos, la limitada capacidad de almacenamiento y, sobre todo,
memoria y velocidad de proceso, plantean un problema a la hora de desarrollar un software
que se comporte de manera similar a un SIG de escritorio. Aunque el desarrollo de ciertos
tipos de dispositivos m
oviles tales como las PDA es rapido y sus capacidades casi alcanzan
en algunos casos a las de un ordenador de sobremesa, el manejo de datos voluminosos sigue
estando restringido. Este tipo de datos, no obstante, no son necesarios con tanta frecuencia
como en el trabajo cl
asico con un SIG de sobremesa y, dado que otro tipo de funcionalidades
est
an m
as limitadas, el rango de actividades que se van a desarrollar con tales datos es mas
reducido, lo que simplifica el desarrollo de todo lo relativo a su acceso y manejo.
Aunque un SIG m
ovil era en su concepci
on inicial un elemento autonomo capaz de
contener los datos necesarios para su funcionamiento e incluso incorporar nuevos datos
mediante la creaci
on in situ de estos, la aparici
on de las redes inalambricas ha cambiado
esta tendencia y ahora el desarrollo se enfoca hacia el consumo de datos externos a traves
de la red. Este planteamiento soluciona las dificultades que existen para la lectura de datos
de gran volumen, ya que el dispositivo se convierte en un cliente y delega las tareas mas
costosas al servidor correspondiente.
En los dispositivos de mayor potencia, adecuados para un desarrollo profesional del
SIG en campo y para la recogida de datos, el SIG conserva sus capacidades de acceder a
datos locales, mientras que en otros menos potentes y especializados, tales como telefonos
m
oviles, se consumen exclusivamente datos remotos. Algunas aplicaciones con base SIG,
vil
SIG mo
579
n Geogra
fica
Sistemas de Informacio
580
m
oviles. No obstante, las posibilidades de representacion son menores en el SIG movil,
entendiendose que no es necesario ofrecer capacidades avanzadas de este tipo.
A modo de ejemplo, y tras lo explicado hasta este punto, se muestra en la figura 24.4 el
aspecto de una aplicaci
on SIG m
ovil.
24.7.1.
El contexto
Un hecho b
asico a considerar a la hora de dise
nar software para un SIG movil es que
en este el software conoce d
onde se encuentra el usuario, y el trabajo de dicho usuario
vil
SIG mo
581
Figura 24.5: Dos servicios basados en localizacion sobre un telefono movil. A la izquierda,
Foursquare[http://www.foursquare.com]. A la derecha, Google Latitude[http://www.google.com/
latitude].
normalmente se basa en emplear esa localizaci
on para realizar alg
un tipo de tarea. Aparece
as un concepto que carece pr
acticamente de importancia en un SIG de escritorio que se
ejecuta sobre una m
aquina inm
ovil, pero que en el SIG movil y en cualquier otra aplicacion
m
ovil resulta fundamental: el contexto.
Entendemos por contexto toda aquella informacion que puede ser utilizada para caracterizar la situaci
on de una entidad. Una entidad es una persona, lugar o objeto que se considera
relevante para la interacci
on entre el usuario y la aplicacion, pudiendo considerarse como
entidad tambien a estos u
ltimos [207].
Los factores implicados en definir un contexto son variados, pero pueden considerarse
divididos en cuatro grupos fundamentales [470]:
Contexto espacial. Caracterizado por d
onde se encuentra el usuario.
Contexto social. Caracterizado por quien es el usuario.
Contexto informacional. Caracterizado por que recursos se hallan cerca del usuario.
Contexto tecnico. Caracterizado por las caractersticas de la red y los dispositivos.
Si atendemos al caso particular de los servicios basados en mapas, [408] propone los tipos
de contexto que se detallan a continuaci
on:
Usuario. La identidad del usuario permite considerar aspectos tales como su edad y
sexo (las cuales condicionan inevitablemente sus intereses), sus preferencias personales
(por ejemplo, el idioma que habla y en el que quiere recibir el servicio) o quienes son
su amistades y desea contactar con ellas.
582
n Geogra
fica
Sistemas de Informacio
Localizaci
on. El elemento de contexto m
as empleado, puede ser tanto absoluta (expresada mediante una coordenada georeferenciada) o relativa a alg
un otro elemento que
forma a su vez parte del contexto.
Tiempo. Puede considerarse a distintas escalas. Por ejemplo, la hora del da (de interes
si se busca un establecimiento para indicar al usuario solo aquellos que esten abiertos
en ese momento) o la estaci
on del a
no (que condiciona las actividades que se pueden
realizar, ya que muchas de ellas son estacionales).
Orientaci
on. Para saber hacia d
onde se dirige el usuario y conocer, por ejemplo, que tiene delante a la vista. Tambien para servicios de navegacion, para saber si el usuario
sigue adecuadamente una ruta propuesta. Si el usuario se mueve, puede conocerse mediante el movimiento, pero en caso de estar parado requiere la presencia de elementos
adicionales en el dispositivo.
Historial de navegaci
on. Permite crear un perfil del usuario y saber sus intereses en
funci
on de los lugares en los que ha estado.
Prop
osito de uso. Viene definido por las actividades y objetivos del usuario, as como
el papel que ejerce durante la utilizaci
on del dispositivo movil. Los distintos tipos
de usuarios tendr
an diferentes necesidades en lo que respecta a la informacion, la
presentaci
on (por ejemplo, mapas con una representacion mas o menos tecnica) o los
modos de interacci
on con el dispositivo.
Situaci
on cultural y social. La situaci
on de un usuario en este sentido se caracteriza
por la proximidad a otros usuarios, su relaci
on social y sus tareas colaborativas.
Entorno fsico. En este apartado se incluyen elementos como la iluminacion existente o
el ruido ambiente, que condicionan la interaccion con el dispositivo y las capacidades
del usuario de operar sobre el.
Propiedades del sistema. Se incluyen aqu los aspectos relativos a la tecnologa. Por
ejemplo, si el dispositivo es en color o en blanco y negro, si tiene teclado o pantalla
t
actil, o si la conexi
on a Internet es continua o intermitente.
Algunos de los anteriores puntos puede pensarse que no guardan una relacion directa con
los LBS y no han de ser exclusivos de estos. Es decir, que elementos como, por ejemplo, el
tiempo, pueden ser tenidos en cuenta a la hora de proveer un servicio sin necesidad de que
el dispositivo a traves del que se realiza dicho servicio cuente con medios para establecer su
posici
on. Un ordenador de sobremesa, por ejemplo, tambien dispone de informacion sobre
el tiempo que puede considerarse. Aunque esto es cierto, la inclusion del contexto espacial
a
nade relevancia a los otros elementos del contexto, ya que modifica en gran medida la labor
del usuario y la naturaleza de su actividad sobre el dispositivo.
Si recurrimos al cl
asico ejemplo del c
alculo de rutas, aunque el analisis llevado a cabo
sea similar y requiera unos datos similares (punto de inicio, punto de destino y red de vas
de comunicaci
on), el hecho de que unos de dicho puntos (habitualmente el de salida) sea la
coordenada actual del dispositivo modifica en gran medida muchos aspectos de esa operacion.
Al realizar un c
alculo de rutas en un SIG de escritorio sobre un ordenador de sobremesa, lo
normal es que este c
alculo nos sirva para planificar un viaje futuro o para estimar el tiempo
que, en alg
un momento dado, tardaremos en cubrir la distancia entre dos puntos.
vil
SIG mo
583
Al contrario que en el caso de usar un dispositivo movil como un navegador GPS, ese
viaje por esa ruta no vamos a realizarlo inmediatamente, no tiene necesariamente que ser un
trayecto cercano a nuestra posici
on actual e incluso no vamos a ser nosotros mismos quienes
hagamos el recorrido. De este modo, el contexto temporal o el personal del usuario no tienen
significado alguno. Podemos incluir esas variables explcitamente si el software as nos lo
permite, pero no son una parte inherente al c
alculo y que siempre sea tenida en cuenta. Por
su parte, en un dispositivo m
ovil pueden incorporarse todos estos factores asumiendo que,
en la mayora de los casos, s van a ser de importancia. En resumen, que el hecho de que
se trabaje sobre un dispositivo m
ovil y este permita conocer su posicion a
nade significado a
todas las clases de contexto.
n Geogra
fica
Sistemas de Informacio
584
a las preferencias del usuario (resaltando aquellos elementos que le resultan de mayor
interes) o a la hora del da (se
nalando de alg
un modo explicito el hecho de que algunos elementos pueden no estar disponibles, tales como comercios si es de madrugada),
entre otros factores.
La adaptaci
on a un contexto dado puede ser mayor o menor en funcion de las propias
caractersticas del servicio y de c
omo este se plantee. En algunos casos puede llegar a ser muy
intensa, tal y como sucede en la denominada realidad aumentada, donde la frontera entre la
realidad y el dispositivo se difumina gracias a que aquella se ((sumerge)) en este y es ampliada.
En la realidad aumentada, vemos en la pantalla de nuestro dispositivo imagenes del entorno
en el que nos encontramos, pero complementadas con elementos adicionales tales como
gr
aficos, vdeos o sonido. Estos elementos es posible incorporarlos gracias a que se conoce
con exactitud el contexto, y esa informaci
on puede emplearse para buscar nueva informacion
que a
nadir. La figura 24.6 muestra sendos ejemplos muy ilustrativos de lo anterior.
24.8.
Resumen
Los SIG m
oviles combinan las tecnologas SIG con los dispositivos moviles, el acceso
inal
ambrico a Internet y los sistemas de posicionamiento, para ofrecer una solucion ventajosa
para el desarrollo de trabajo de campo. De particular interes son los denominados Servicios
Basados en Localizaci
on, donde un tercero ofrece servicios que dependen de la posicion
en cada momento del dispositivo. Otras de las tareas fundamentales del SIG movil son la
navegaci
on o la captura de datos espaciales directamente en el dispositivo, las cuales son las
principales en lo que hemos denominado SIG ((en campo)).
Para comprender el funcionamiento de las tecnologas implicadas en el SIG movil, hemos analizando por separado los metodos de posicionamiento, las redes inalambricas y las
aplicaciones de software, cada una de las cuales desempe
na un papel basico en definir las
capacidades de un sistema SIG m
ovil.
Parte V
La visualizaci
on
En esta parte se describen los conceptos relativos a la visualizacion de la informacion geografica. Puesto que, a diferencia de lo que sucede en la cartografa clasica, en un SIG los datos
geograficos con los que trabajamos no tienen de por s una representacion fija asociada, estas
ideas son de especial importancia para poder realizar un uso correcto tanto del SIG como de los
datos en cuesti
on
El captulo 25 presenta las ideas fundamentales sobre el SIG como herramienta de visualizaci
on. Veremos hasta d
onde alcanzan las capacidades de representacion de los SIG y el
significado que tienen dentro de este
El captulo 26 desarrolla las bases te
oricas de la representacion visual de la informacion,
ya sea esta de tipo ge
ografico o no. En este captulo no se hace apenas referencia alguna
al campo de los SIG, tratandose de ideas generales aplicables en cualquier ambito.
En el captulo 27 veremos mas acerca de los mapas, que constituyen los elementos basicos
de visualizaci
on de la informaci
on geografica. Nos centraremos especialmente en los tipos
de mapas existentes y en las peculiaridades y utilidad de cada uno de ellos.
El captulo 28 particulariza todo lo anterior para el caso de trabajar con un SIG. De caracter
eminentemente practico, desarrolla los elementos que encontramos en un SIG para crear
representaciones visuales y, basandose en lo visto en los otros captulos de esta parte,
profundiza en la mejor forma de hacerlo para los distintos tipos de datos geograficos que
podemos encontrar en un SIG.
Captulo 25
Introducci
on. Los SIG como herramientas de visualizaci
on
Qu
e papel juega la visualizaci
on en un SIG? Qu
e posibilidades encontramos en un SIG para
crear representaciones gr
aficas con la informaci
on geogr
afica? Qu
e otras aplicaciones pueden
efectuar un trabajo similar a un SIG en lo que a la visualizaci
on respecta? Qu
e relaci
on existe
entre los SIG y estas aplicaciones?
La representaci
on de la informaci
on geogr
afica es una parte fundamental en el trabajo con SIG, y
habitualmente durante una sesi
on de trabajo aparece la necesidad de crear alg
un tipo de representaci
on
visual. Antes de entrar en los siguiente captulos de esta parte y detallar los conceptos de representaci
on
que despues emplearemos para visualizar la informaci
on geogr
afica, veremos en este lo que esta representaci
on implica dentro de un SIG. Estudiaremos los SIG como herramientas que permiten visualizar la
informaci
on geogr
afica, analizando sus puntos debiles y sus aspectos m
as destacados, y veremos c
omo
est
an concebidos de cara a satisfacer las diversas necesidades que aparecen en este terreno.
Puesto que vamos a tratar las capacidades de los SIG para la visualizaci
on, con especial atenci
on a
las de los SIG de escritorio, los conceptos del captulo 22 dedicado a estos deben conocerse con detalle.
Tambien es interesante recordar las ideas sobre Web mapping descritas en el captulo 23.
25.1.
Introducci
on
Visualizar la informaci
on geogr
afica es una parte fundamental del trabajo con un SIG.
Aunque no es un aspecto imprescindible, y es posible incluso encontrar SIG enfocados al
an
alisis en los cuales no existe forma de visualizar la informacion con la que se trabaja,
la gran mayora de soluciones, especialmente las de escritorio, incluyen las funcionalidades
de visualizaci
on como elemento b
asico, y estas resultan imprescindibles para la inmensa
mayora de usuarios.
Como ya vimos en el captulo dedicado a las herramientas de escritorio, dos son las
tareas que un SIG debe permitir en lo que a visualizacion respecta: crear representaciones
dentro del entorno mismo del SIG y generar representaciones autocontenidas que puedan
imprimirse y den lugar a un documento cartografico en sentido clasico. La representacion
en pantalla dentro del SIG puede guardar similitud con la idea clasica de mapa, o bien ser
distinta, aprovechando elementos que no son habituales en esos mapas y que la tecnologa
del SIG s que permite.
En ambos casos, no obstante, lo m
as relevante de cara a los conocimientos que el usuario
del SIG debe tener en cuanto a visualizaci
on es la capacidad de convertir los datos en
elementos visuales, con independencia de que estos vayan a representarse y usarse en pantalla
durante una sesi
on de trabajo, o bien vayan a imprimirse en papel para su uso posterior en
ese soporte. Este es el objetivo de esta parte del libro: proporcionar las ideas fundamentales
para que el usuario de SIG logre las mejores representaciones visuales durante su trabajo
590
n Geogra
fica
Sistemas de Informacio
con el SIG. Para ello, lo primero es conocer que nos ofrece un SIG como herramienta de
visualizaci
on y que podemos esperar de el.
25.2.
591
de un levantamiento topogr
afico, entre otros orgenes posibles.
El beneficiario de esos datos es el usuario del mapa, que recibe la representacion visual de
estos, y es esta visualizaci
on la que le transmite, en la medida de lo posible y en funcion de
su propia calidad como elemento de comunicacion, la informacion geografica subyacente. El
usuario de un SIG, salvo que utilice una imagen (una fotografa aerea, un mapa escaneado o
un mapa ya preparado a traves de un servicio de mapas), no recibe elemento visual alguno,
sino tan solo datos numericos que son, eso s, muy susceptibles de ser visualizados.
En relaci
on con esto, un SIG est
a pensado para satisfacer dos necesidades fundamentales. Por una parte, la creaci
on de cartografa a partir de los datos, del mismo modo que
el cart
ografo utiliza otro tipo de herramientas para elaborar mapas a partir de los datos
topogr
aficos o tem
aticos de los que dispone. Por otra, y para el usuario cuyo fin u
ltimo no
es la elaboraci
on de cartografa, visualizar de la mejor forma posible los datos con los que
trabaja, para que esta visualizaci
on aporte valor a
nadido a los datos de cara al desarrollo de
la labor de ese usuario. Ambos enfoques coexisten en un SIG y estan orientados en cualquier
caso a extraer de los datos la mayor informaci
on posible de forma visual.
En definitiva, debemos tener siempre presente que en un SIG la informacion geografica
no es un elemento visual, ya que llega a nosotros convertida en u
ltima instancia en algo
puramente numerico, apto para ser procesado de un modo u otro por el ordenador en el
que ejecutamos el SIG. Somos nosotros, a traves del SIG, quienes la dotamos de un aspecto
visual. En otras palabras, en un mapa cl
asico la tarea del cartografo (que es quien prepara
la informaci
on geogr
afica) es hacer que sea lo m
as facil posible de interpretar para el usuario
de ese mapa. En el SIG existe tambien alguien que prepara los datos (por ejemplo, un
tecnico que comprueba la calidad de un MDE y lo almacena en un formato dado), pero su
objetivo es facilitar su interpretaci
on y uso al ordenador (o, mas concretamente, al SIG). La
visualizaci
on, por lo general, y salvo que en esa preparacion se a
nadan elementos adicionales
que complementen al dato en s, queda en manos del usuario del dato. Es por esta razon
que una parte como esta resulta fundamental en un libro de SIG, ya que el usuario de SIG
necesita conocer c
omo emplear el SIG para visualizar la informacion con la que trabaja.
25.3.
La visualizaci
on cientfica y los SIG
592
n Geogra
fica
Sistemas de Informacio
Analiz
andolo con un poco m
as de detalle vemos, sin embargo, que la diferencia no es tal y
existen muchas similitudes y relaciones.
En primer lugar, estas representaciones pueden aplicarse a la componente tematica de los
datos espaciales y permitir el an
alisis de esta. Prescindiendo de la componente espacial, la
componente tem
atica es susceptible de ser analizada mediante cualquiera de las herramientas
habituales de la estadstica descriptiva, entre ellas las del analisis exploratorio de datos tales
como las gr
aficas y diagramas antes mencionados.
En segundo lugar, existen en la actualidad otras herramientas de visualizacion de datos
m
as avanzadas, producto del avance tecnol
ogico de los u
ltimos tiempos, el mismo que ha
propiciado el salto de la cartografa cl
asica a la cartografa digital y al campo de los SIG.
Si el volumen de informaci
on y sus caractersticas ha variado sensiblemente en lo que al
ambito geogr
593
n Geogra
fica
Sistemas de Informacio
594
Descubrir
Geovisualizacin
Objetivos
Presentar
Au
Cartografa
clsica
die
nc
ia
Privada
Baja
Alta
Pblica
Interactividad
595
car
acter persistente como el mapa impreso.
25.4.
Pese a que, como acabamos de ver, la visualizacion en un SIG va mucho mas alla del mapa
tradicional, resulta indudable que la creaci
on de este es una tarea fundamental y que los
SIG han de responder a esa necesidad como herramientas primordiales para el cartografo y
el dise
nador. No obstante, como ya se mencion
o en 22.2.5, las necesidades del cartografo van
a menudo m
as all
a de los que un SIG puede ofrecer, siendo necesario recurrir a programas
de dise
no del mismo modo que sucede con las aplicaciones de visualizacion cientfica. Esto
es as, principalmente, debido a que la labor del cartografo contiene un elemento artstico
(que es, a su vez, puramente visual) que los SIG no estan preparados para manejar. El SIG
es una herramienta demasiado ((estricta)) en este sentido, ya que realiza una representacion
de los datos donde prima la exactitud y la correccion, sin dejar lugar para licencias que, si
bien mejorar
an la calidad del mapa como medio de transmision de informacion, suponen un
elemento fuera de la ortodoxia del SIG.
As, un cart
ografo puede necesitar representar un punto o una lnea desplazada de su
localizaci
on real o deformar alg
un elemento, y esto es algo que, en general, un SIG no permite.
En realidad, no es algo imposible de hacer en un SIG, sino, por el contrario, algo sencillo.
Bastara modificar los datos para adaptarlos a la visualizacion que queremos obtener. De
este modo, no obstante, estamos alterando el dato y creando uno nuevo incorrecto, lo cual
afectar
a a cualquier otro uso posterior que se haga de este mas alla de su visualizacion.
Es decir, el SIG no permite mantener la correccion de los datos y al mismo a
nadir esas
((incorrecciones)) que forman parte de las herramientas del cartografo a la hora de crear
cartografa.
La soluci
on es, como hemos dicho, hacer uso de aplicaciones de dise
no que no tienen
en consideraci
on el significado de los elementos graficos y no plantean restricciones como
las anteriores. Esto puede llevarse a cabo operando con el SIG para crear una primera
representaci
on que luego se edita en un programa de dise
no grafico para retocar aquellos
elementos que puedan mejorarse mediante el buen hacer del cartografo experimentado. En
particular, el uso de software de ilustraci
on vectorial es la opcion mas adecuada para la
elaboraci
on de mapas. Este planteamiento supone, sin embargo, una integracion muy debil
y que presenta numerosos inconvenientes, entre los cuales cabe citar los siguientes:
Incapacidad de la aplicaci
on de dise
no para analizar los datos. La representacion puede
hacerse de forma completamente manual, creando cada uno de sus elementos y definiendo sus caractersticas sin la ayuda de ninguna rutina, pero tambien puede llevarse
a cabo haciendo uso de alguna funcionalidad suplementaria. Por ejemplo, para establecer los colores de los distintos polgonos de una capa puede usarse el valor de uno
sus atributos y establecer una rampa de colores en funcion de este. El SIG puede hacer
esto autom
aticamente, pero una aplicaci
on de dise
no, puesto que no puede interpretar
esos atributos y carece de esa funcionalidad, requerira que el cartografo lleve a cabo
esa asignaci
on de colores de modo manual.
Dificultad de actualizaci
on. Al no estar la representacion sincronizada con la base de
datos, las modificaciones en esta no le afectan, y es necesario rehacer los mapas cada
vez que los datos cambien, ya que esa actualizacion no se produce de forma automatica.
n Geogra
fica
Sistemas de Informacio
596
Nula o muy limitada capacidad de automatizacion de tareas. Un SIG puede automatizar tareas tales como la subdivisi
on de un mapa en submapas menores (vease
la imagen 22.5) o la producci
on de mapas sobre un conjunto de capas. Por ejemplo,
podemos ((mostrarle)) al SIG c
omo queremos el dise
no del mapa de una variable dada
y que el se encargue de generar los mapas de ese modo para otra serie de variables
recogidas en otras tantas capas en nuestra base de datos. Puesto que la aplicacion de
dise
no gr
afico no puede por s misma acceder a esa base de datos, esta automatizacion
no es posible en caso de crear cartografa con ella.
Mayor posibilidad de introducir errores cartograficos. La permisividad de una aplicaci
on de dise
no gr
afico es un arma de doble filo. Por una lado, permite al cartografo
tomarse ciertas licencias cuando ello resulta necesario, pero tambien cuando no es correcto hacerlo. La aplicaci
on no entiende, por ejemplo, que la orientacion del mapa no
debe variar si no lo hace tambien la rosa de los vientos o que el canev
as (la rejilla que
acompa
na al mapa) debe estar correctamente situado, y permite que se introduzcan
errores que en un SIG se encuentran completamente controlados.
Al contrario de lo que suceda con las herramientas de visualizacion cientfica, los SIG
s que van progresivamente incorporando la ideas de estas aplicaciones de dise
no grafico,
permitiendo cada vez m
as la labor artstica del cartografo y adaptandose a sus necesidades
igual que se adaptan a las de otros usuarios con requerimientos distintos de visualizacion.
A
un as, este tipo de capacidades deben considerarse como algo avanzado que pocos SIG
incorporan, ya que la mayora de ellos se centran en la visualizacion dentro de su propio
entorno y solo permiten la elaboraci
on de cartografa rudimentaria o, al menos, lejos de los
est
andares de la producci
on cartogr
afica cl
asica.
25.5.
Resumen
La visualizaci
on es parte vital de los SIG y por ello estos disponen de abundantes funcionalidades para la representar la informaci
on geogr
afica. Existen, no obstante, importantes
diferencias entre la creaci
on de una representaci
on dentro de un SIG y la labor tradicional
del cart
ografo. Desde el punto de vista conceptual, una diferencia fundamental es el hecho
de que el usuario de la informaci
on geogr
afica en un SIG no la recibe en un formato visual,
sino como meros datos numericos, siendo el quien ha de procurarse esa representacion visual.
La visualizaci
on de datos es en la actualidad un apartado de gran importancia no solo
en el campo del SIG, sino en todo el
ambito cientfico en general. Las aplicaciones existentes
para la visualizaci
on de datos de diversa ndole superan en muchas ocasiones a los SIG
en cuanto a sus capacidades, especialmente en el manejo de datos multidimensionales y la
interactividad entre el usuario y la representaci
on. El uso conjunto de estas aplicaciones y los
SIG amplia las posibilidades de estos, que por el momento no incluyen dichas capacidades
avanzadas entre sus funcionalidades.
Otras aplicaciones que complementan a los SIG en lo que a la produccion de cartografa
respecta son las empleadas en el dise
no gr
afico. Las funcionalidades de estas, no obstante,
s que est
an siendo incorporadas progresivamente por los SIG, de tal modo que estos cada
vez van siendo herramientas m
as completas que ofrecen todo lo necesario para la creacion
profesional de c artografa.
Captulo 26
Conceptos b
asicos de visualizaci
on y representaci
on
Qu
e debemos conocer para representar la informaci
on geogr
afica de la mejor manera posible? Qu
e es el lenguaje visual? Qu
e son las variables visuales? Qu
e variables visuales
existen? C
omo afectan a los distintos elementos gr
aficos con que componemos un mapa?
Qu
e propiedades tienen?
Puesto que tratamos la visualizaci
on de la informaci
on geogr
afica, resulta necesario conocer algunas
de las ideas fundamentales acerca del lenguaje visual para usar este adecuadamente. Con estas, sabremos
c
omo hacer mejores representaciones visuales para transmitir una informaci
on dada, aprovechando las
propiedades de los elementos del lenguaje de un modo o
ptimo. Los conceptos que se detallan en este
captulo pueden aplicarse a cualquier tipo de representaci
on visual, por lo que podremos posteriormente
trasladarlos al contexto de la cartografa.
26.1.
Introducci
on
n Geogra
fica
Sistemas de Informacio
598
26.2.
Cada lenguaje tiene sus propiedades particulares y permite expresar unas u otras ideas
de distintas maneras. Por ejemplo, podemos plasmar la m
usica en una partitura, utilizando
un lenguaje de signos musicales. Este lenguaje musical1 permite recoger y transmitir una
canci
on a traves de una partitura, expresando mediante un conjunto de smbolos las distintas
notas que la componen, su duraci
on o los elementos expresivos que deben incorporarse en
la interpretaci
on de esta. Un m
usico que conozca este lenguaje puede interpretar una pieza
gracias a que la m
usica le llega a traves de esos smbolos, siendo la partitura el medio de
comunicaci
on entre el interprete y el compositor o quien haya transcrito dicha pieza.
Aunque dos personas conozcan a la perfecci
on el lenguaje musical, no podran, sin embargo, transmitirse mediante sus smbolos y sus reglas algo como una formula matematica
o un poema. El lenguaje matem
atico o el lenguaje oral son los adecuados para transmitir
este tipo de mensajes, pero no el lenguaje musical, que tiene limitaciones en ese sentido.
Puesto que nuestro objetivo a lo largo de los captulos de esta parte del libro es ser
capaces de crear mapas y otros elementos visuales que transmitan la informacion geografica,
debemos estudiar que clase de informaci
on vamos a transmitir y, sobre todo, que nos permite transmitir el lenguaje visual. Del mismo modo que sabemos que los smbolos de nuestro
lenguaje musical (pentagrama, figuras, etc.) no son capaces de transmitir una formula matem
atica, debemos ver si los elementos del lenguaje visual van a ser capaces de, por ejemplo,
transmitir el patr
on de distribuci
on de un fen
omeno en el espacio, las diferencias entre dos
zonas distintas o la relaci
on entre los valores de una variable en dos puntos. Ademas, debemos ver c
omo emplearlos para que esa informaci
on se transmita de la mejor manera posible,
ya que existen diversas propiedades de los elementos visuales que podemos emplear, siendo
m
as adecuadas unas u otras seg
un sea la circunstancia.
Estas propiedades conforman lo que se conoce como variables visuales, y se aplican a
los elementos b
asicos de la representaci
on, que son aquellos objetos geometricos de que se
compone esta. Las variables visuales permiten diferenciar unos de otros y asignarles unas
ciertas caractersticas, susceptibles a su vez de ser interpretadas junto al propio significado
que el objeto pueda tener. Dados dos elementos, estos pueden diferenciarse por las siguientes
variables 26.1.
Posici
on
Tama
no
Forma
1 Enti
endase
que hablamos aqu de ese lenguaje de signos sobre un papel y no del lenguaje musical relativo
a una forma de expresi
on a trav
es del ritmo, el tono, etc.
sicos de visualizacio
n y representacio
n
Conceptos ba
599
Textura
Color
Orientaci
on
Figura 26.1: Ejemplo de uso de las distintas variables visuales. De izquierda a derecha: posicion,
forma, tama
no, tono, valor, textura, y orientaci
on
Todas ellas constituyen las variables visuales, que estudiaremos seguidamente en detalle.
El color, como explicaremos, se divide en dos variables visuales independientes: valor y tono.
Las variables visuales se aplican de forma distinta en funcion del tipo de elemento que
queramos simbolizar, por lo que detallaremos su uso para las tres clases de smbolos que
podemos incorporar en un mapa: puntuales, lineales y de superficie.
26.2.1.
Posici
on
La posici
on constituye un caso particular de variable visual a la hora de emplearla en
la creaci
on de cartografa, ya que viene fuertemente condicionada por el hecho de que todo
aquello que representamos tiene una posici
on en el espacio y, por tanto, ha de tener una
posici
on concreta en el mapa. Mientras que en cualquier otro tipo de grafico la posicion
puede modificarse a voluntad para transmitir alg
un tipo de informacion, tal y como haremos
con las restantes variables visuales, en el caso de un mapa la posicion ya esta asociada a
una informaci
on que ha de transmitir: la informacion sobre la posicion real en el espacio
geogr
afico de aquel objeto que se simboliza.
Aunque el cart
ografo puede en determinadas ocasiones variar la posicion de algunos
elementos (por ejemplo, para mejorar la legibilidad del mapa), siempre esta supeditado a la
correcci
on cartogr
afica, y no posee libertad para alterar esta de cualquier modo. Por ello, el
uso de la posici
on como variable visual est
a muy restringido en el caso de un mapa, y no
se emplea. Su escasa aplicaci
on en ese sentido queda patente en el hecho de que en algunos
textos no se menciona junto a las restantes variables visuales, detallandose por separado
como un elemento distinto.
26.2.2.
Forma
La forma viene definida por el permetro exterior del objeto. Esto no implica que u
nicamente se pueda aplicar la forma a smbolos de superficie, ni tampoco que se debe tratar de
un permetro cerrado como el de una forma poligonal.
n Geogra
fica
Sistemas de Informacio
600
26.2.3.
Tama
no
El tama
no se refiere a la dimensi
on del smbolo. Para el caso de smbolos puntuales,
puede aplicarse sin m
as que hacer m
as grande o peque
no el smbolo en s. En el caso de
lneas, el grosor de estas constituye la forma de aplicar la variable tama
no. Al igual que
suceda con la forma, en las superficies va a implicar la modificacion de estas, por lo que
se emplea u
nicamente en los cartogramas. Otra forma de aplicar el tama
no a los smbolos
superficiales es hacerlo sobre la textura con la que estos se rellenan, usando un u
nico patron
con diferentes tama
nos en sus tramas (Figura 26.2).
26.2.4.
Color
La variable color es la m
as importante de todas las variables visuales, y la que a su
vez requiere un grado mayor de detalle en su exposicion, debido a la que complejidad que
presenta y a las posibilidades que ofrece2 .
Existen muchas formas de representar y crear un color, a traves de los denominados
espacios de color. De cara a su uso como variable visual en el contexto de este captulo,
2 Si estas leyendo una copia impresa de este libro, es posible adquirir esta tanto en versi
on a color como
en versi
on en blanco y negro. En caso de usar esta u
ltima, no vas a poder apreciar correctamente algunas de
las im
agenes de este captulo, por lo que te recomiendo acudir a la versi
on digital del libro (recuerda, este
es un libro libre y puedes obtener esa versi
on de forma gratuita en el p
agina Web del libro), al menos para
este captulo, o, mejor a
un, para toda esta parte dedicada a la visualizaci
on. Otros captulos en otras partes
del libro tambi
en presentan figuras en color, pero pueden ser interpretadas igualmente en blanco y negro.
En las de este, no obstante, el uso del color es m
as relevante y ser
a mejor utilizar una versi
on con figuras a
todo color, ya sea impresa o digital.
sicos de visualizacio
n y representacio
n
Conceptos ba
601
resulta de especial interes el uso del espacio de color HSV, en el cual un color se define
mediante un espacio de coordenadas cilndrico, seg
un lo mostrado en la figura 26.3.
Figura 26.3: Espacio de color HSV explicando el significado de las componentes tono, valor y
saturaci
on (adaptado de Wikipedia).
Tres son las componentes de un color, las cuales establecen sus coordenadas en el cilindro:
tono, valor y saturaci
on.
El tono es lo que en el lenguaje com
un denominaramos color, es decir el nombre del
color, por ejemplo verde, rojo o amarillo. Est
a relacionado con la longitud de onda de la
luz, y distintas longitudes de onda producen un efecto perceptivo distinto, haciendo que
distingamos as los diferentes colores. En el cilindro del espacio de color, el tono viene
marcado por el
angulo del vector definido por la posicion del color y el eje central, sobre el
plano perpendicular a dicho eje.
El tono puede verse alterado por los tonos del entorno, especialmente en smbolos de
peque
no tama
no. Aunque es una variable para la que la percepcion humana tiene gran
sensibilidad, en los smbolos peque
nos puede ser difcil de identificar y pueden producirse
una falsa percepci
on si comparten espacio con otras mas grandes de un tono distinto. Por
ejemplo, al trazar una linea con un grosor fino que atraviesa una serie de polgonos de
distintos colores, el tono de esta se percibir
a como distinto en cada uno de esos polgonos
por el efecto que sus colores causan como colores de fondo.
Por su parte, el valor indica la claridad del color. Un tono azul puede ser mas claro o mas
oscuro sin dejar de ser azul. Esa variaci
on que se produce es una variacion del valor del color.
En el caso de usar una tinta de un color dado, la mezcla de esta con una pintura blanca
produce una disminuci
on del valor, aclar
andose progresivamente seg
un a
nadimos mas de
esta u
ltima en la mezcla. A la hora de imprimir se hace uso de tramas mas o menos densas
para modificar el valor, sin modificar as la tinta. Seg
un el espacio en blanco que se deja
entre los puntos de tinta impresos, se consigue la apariencia de un color de mayor o menor
valor. El valor se define en el cilindro de coordenadas como la altura del color sobre el eje
central.
La capacidad de diferenciar dos smbolos con valor distinto vara en funcion del tipo
de smbolo. As, es mayor en el caso de smbolos de superficie, mientras que en el caso de
smbolos puntuales y lineales est
a relacionada con el tama
no. Si el punto es muy peque
no o
la lnea muy delgada, es m
as difcil apreciar el valor y, por tanto, comparar este con otro o
extraer la informaci
on que mediante esa variable visual se intenta transmitir.
La saturaci
on, por u
ltimo, expresa la pureza relativa del color. Depende del n
umero de
distintas longitudes de onda que aparecen en un color dado. A medida que disminuye la
n Geogra
fica
Sistemas de Informacio
602
saturaci
on, el color va pareciendo m
as gris
aceo, y el n
umero de longitudes de onda es mayor.
En el cilindro del espacio de color queda definido por la distancia del color al eje central.
En lo que al color como variable visual respecta, cada una de estas componentes de
un color son a su vez variables visuales, y como tales pueden emplearse para simbolizar
los distintos elementos de un mapa. En la pr
actica, el tono y el valor son utilizadas muy
frecuentemente, pero la saturaci
on tiene una utilidad muy limitada, por lo que es muy
infrecuente su uso. En lo sucesivo, por tanto, trataremos el color no como una u
nica variable
visual sino como dos distintas: valor y tono.
Si tienes un programa de dibujo o de edici
on de imagenes, puedes experimentar construyendo colores seg
un sus componentes, usando el habitual selector de colores. Si no,
prueba en la siguiente direcci
on Web, donde encontraras un selector de colores online:
http://www.dgx.cz/tools/colormixer/stripe.php?hsv=space%20color.
La figura 26.4 muestra el aspecto de un selector de colores, en el que puede verse como
estos pueden definirse mediante sus componentes tono (H), saturacion (S) y luminosidad
(L). Aunque no es exactamente el mismo concepto, la luminosidad cumple el papel del valor
en este contexto, y este modelo (HSL en lugar de HSV) es el que encontramos con caracter
habitual en las herramientas de este tipo para definir un color.
Figura 26.4: Selector de colores mediante sus componentes tono (H), saturacion (S) y luminosidad
(L). La componente de la parte inferior es la denominada alpha, que indica la transparencia del
color.
26.2.5.
Textura
sicos de visualizacio
n y representacio
n
Conceptos ba
603
Las texturas se aprovechan plenamente sobre los smbolos de superficie, ya que la mayor dimensi
on de estos permite una percepci
on completa y una interpretacion mucho mas
sencilla, al igual que ocurra en el caso del valor.
26.2.6.
Orientaci
on
La u
ltima variable visual es la orientaci
on. Se aplica sobre los smbolos puntuales, siempre
que estos no presenten simetras que impidan percibir correctamente la orientacion. Por
ejemplo, para el caso del crculo, resulta obvio que no tiene sentido aplicar la orientacion
como variable visual. Los smbolos compuestos por formas geometricas son adecuados para
emplear la orientaci
on, mientras que los smbolos pictoricos no responden de igual forma y
producen en la representaci
on sensaci
on de desequilibrio. Se recomienda, por tanto, emplear
esta variable u
nicamente con los primeros.
Puede aplicarse tambien sobre los smbolos de superficie a traves de la textura, variando
la orientaci
on de esta. Sobre las lneas, no obstante, su aplicacion no es posible. Puede
emplearse en caso de lneas con textura, pero esto requiere un ancho excesivo para una
correcta percepci
on.
26.3.
Las variables que acabamos de ver son ahora nuestras herramientas que emplearemos para
simbolizar la informaci
on geogr
afica y sabemos ya como aplicarlas. Lo que no hemos visto
a
un es que capacidades tienen y que podemos simbolizar mediante ellas, y este es realmente
el aspecto clave sobre el que deberemos decidir posteriormente cuando nos dispongamos a
crear un mapa, para as seleccionar la variable visual mas adecuada en funcion de aquello
que queramos representar.
Se distinguen 4 propiedades b
asicas que una variable visual puede presentar:
Asociativa. Una variable visual presenta la propiedad asociativa si al ser aplicada no
aumenta ni disminuye la visibilidad de un elemento. Es decir, cuando en funcion de
esa variable visual no puede asign
arsele mas o menos importancia a este.
Selectiva. La propiedad selectiva la presentan aquellas variables visuales que, al ser
aplicadas, generan distintas categoras de smbolos.
604
n Geogra
fica
Sistemas de Informacio
Ordenada. Cuando una variable visual puede emplearse para representar un orden, se
dice que presenta la propiedad ordenada.
Cuantitativa. Cuando, adem
as del orden, una variable puede mostrar cantidades o
proporciones, entonces se dice que posee la propiedad cuantitativa.
El orden en que se han presentado estas propiedades no es casual, ya que estan ordenadas
dando lugar a lo que Bertin denomina niveles de organizaci
on. La propiedad asociativa se
sit
ua en el nivel m
as bajo, mientras que la cuantitativa ocupa el mas alto. El nivel de
organizaci
on de las variables visuales tiene importancia a la hora de combinar varias de ellas
en un smbolo, como veremos m
as adelante. Asimismo, y como detallaremos en el captulo
siguiente, el nivel de organizaci
on define que tipo de informacion podemos transmitir con
una variable visual.
Para ver m
as exactamente el significado de estas propiedades, estudiemos con detalle
la figura 26.6, que muestra diferentes representaciones de un conjunto de smbolos (en este
caso, smbolos puntuales) en los que en cada caso se ha utilizado u
nicamente una variable
visual.
Comenzando con la propiedad asociativa, vemos que a excepcion del tama
no y el tono,
las dem
as variables visuales no hacen que los elementos presenten una preponderancia en la
imagen. No existen una orientaci
on que podamos definir como mas importante, ni tampoco
un color. Lo mismo sucede con la textura, la forma y la posicion. Podemos emplear una u
otra forma, o una u otra textura, y con ello no conseguiremos llamar mas la atencion sobre
un elemento en cuesti
on.
Con el tama
no, sin embargo, resulta claro que mayor tama
no implica un papel destacado
dentro de la informaci
on que transmite el mapa. De igual modo, un mayor valor (un color
m
as oscuro) da sensaci
on de mayor definici
on, y centra la atencion de observador sobre el
elemento de un modo muy superior a como lo hace un valor bajo.
Respecto a la propiedad selectiva, diremos que una variable visual la presenta si de un
vistazo podemos r
apidamente seleccionar los elementos que pertenecen a un determinado
grupo, identificados estos mediante dicha variable visual. El caso mas claro de propiedad selectiva lo presenta el tono. Podemos r
apidamente quedarnos solo con los elementos amarillos
o con los rojos. Aunque no de un modo tan claro, todas las restantes variables presentan
igualmente esta propiedad, a excepci
on de la forma. La forma no permite que los elementos
se agrupen de modo espont
aneo en familias, y su validez en este sentido esta muy ligada a
la complejidad de dicha forma.
La propiedad ordenada la presentan aquellas variables que permiten establecer un orden.
Tan solo posici
on, textura, tama
no y valor la presentan, mientras que las demas carecen de
ella. Por ejemplo, en la imagen correspondiente a la variable visual tono no podemos decir
cu
ales de los elementos situaramos al principio y cuales al final de una escala dada definida
por esos tonos. Con el valor, sin embargo, s que podemos, ya que esta escala ira de los tonos
m
as claros a los m
as oscuros, y visualmente podemos sin dificultad distinguir los distintos
niveles y ordenarlos.
Por u
ltimo, la propiedad cuantitativa la presentan aquellas variables visuales que permiten estimar proporciones o cantidades de forma visual. Esta propiedad es exclusiva del
tama
no y de la posici
on, mientras que las dem
as no la presentan. Podemos visualmente
estimar una distancia en comparaci
on con otra y decir que es, por ejemplo, el doble de esta.
Tambien podemos ver que los crculos grandes en la figura correspondiente son aproximadamente el doble que los peque
nos.
sicos de visualizacio
n y representacio
n
Conceptos ba
605
Posicin
Forma
Tamao
Tono
Valor
Orientacin
Textura
Figura 26.6: Representacion de un conjunto de smbolos aplicando de forma individual las distintas
variables visuales.
El valor, que ya sabemos que presenta la propiedad ordenada, podra pensarse que tambien presenta la propiedad cuantitativa, pero no sucede as. Es difcil e impreciso afirmar
que un color es el doble de oscuro que otro, y lo mas que podemos hacer es situarlo entre
dos valores distintos (de ah que posea la propiedad ordenada), pero no deducir una cifra
que exprese una cantidad o proporci
on. Las restantes variables visuales resulta claro que no
n Geogra
fica
Sistemas de Informacio
606
Or
ien
ta
cio
n
Te
xt
ur
a
To
no
Va
l or
a
Fo
rm
an
o
Ta
m
Asociativa
Selectiva
Ordenada
Cuantitativa
Po
s
ici
o
n
Cuadro 26.1: Cuadro resumen con las propiedades de las variables visuales.
Aunque las ideas de Bertin conforman una s
olida base teorica de reconocido valor, lo
cierto es que debe permitirse cierta laxitud en la aplicacion de estas, y no considerar que
existe una dicotoma estricta en el caso de las propiedades antes presentadas. Hay muchos
factores y circunstancias que pueden alterar la forma en que estas propiedades se presentan,
y alterar la intensidad con que aparecen en unas u otras variables visuales. Por ejemplo,
aunque el tono no presenta, seg
un la propuesta original de Bertin, la propiedad ordenada,
s que puede emplearse para representar un orden en determinadas circunstancias. Si estamos
simbolizando unos valores de temperatura, podemos establecer una transicion de colores
entre el rojo y el azul, que ser
an f
acilmente identificados y ordenados por el observador del
mapa, ya que el primero de estos colores se asocia habitualmente al calor y el segundo al
fro. En este contexto particular, el tono s presenta la propiedad ordenada. En los captulos
14 o 13 ver
as muchos ejemplos de representaciones en que se usan gradaciones de tono para
simbolizar variables de tipo cuantitativo, ya sean razones o proporciones. Estas guardan,
no obstante, cierta l
ogica, de tal modo que puede entenderse adecuadamente su significado.
Como veremos en el pr
oximo captulo, esto tambien tiene relacion con el tipo de mapa, de
tal modo que ciertos tipos de mapas permiten por sus propias caractersticas el uso del tono
para este tipo de variables.
Junto a lo anterior, algunos autores (vease [359]) expanden el n
umero de variables visuales
y se han desarrollado revisiones a las propiedades enunciadas por Bertin basadas en estudios
pr
acticos, que demuestran c
omo pueden existir variaciones sobre la relacion entre estas y las
distintas variables visuales (por ejemplo, [508]).
26.4.
Para explicar cada una de las variables visuales, hemos visto diversos ejemplos en los que
utiliz
abamos cada una de ellas por separado y de forma u
nica. Sin embargo, las variables visuales pueden combinarse y, si se hace de la manera correcta, esto reforzara la capacidad que
estas tienen para transmitir una informaci
on dada. La imagen 26.7 muestra algunos ejemplos
de combinaci
on de variables visuales que nos serviran para detallar la forma adecuada de
usas varias de ellas simult
aneamente.
El primero de los ejemplos propuestos muestra el uso combinado de las variables tama
no
y forma para smbolos puntuales. Estos smbolos representan la profundidad del suelo medida
en determinados emplazamientos, estando relacionado un mayor tama
no del smbolo con una
sicos de visualizacio
n y representacio
n
Conceptos ba
607
profundidad mayor. Asimismo, se ha asociado un smbolo triangular a los valores mas bajos,
un smbolo circular a los intermedios y uno cuadrado a los mas altos. Aunque se emplean dos
variables visuales distintas, el resultado no es, sin embargo, mejor que en caso de emplear
uno solo de ellos (en este caso, debera emplearse el tama
no, ya que la forma no presenta
la propiedad cuantitativa necesaria para representar cantidades). Lejos de producirse una
sinergia entre el efecto de ambas variables, el resultado es similar al uso exclusivo del tama
no
en cuanto a su capacidad de transmitir la informacion, o incluso peor, ya que la forma puede
dificultar la estimaci
on visual del tama
no, al ser mas complicado comparar la dimension de
objetos de distinta forma.
Pese a que no es clara la ventaja de aplicar conjuntamente las variables forma y tama
no,
esta puede emplearse para representar cantidades, por lo que podemos decir que mantiene la
propiedad cuantitativa que posee el tama
no. En general, al combinar dos variables visuales
el resultado presentara las propiedades de aquella que tenga un mayor nivel organizativo.
Puesto que la propiedad cuantitativa representa el nivel organizativo superior, en este caso
se mantiene en la combinaci
on.
A
un as, hay mejores formas de combinar las variables visuales para que esta combinaci
on enfatice en mayor grado la informaci
on que se pretende transmitir, como por ejemplo la
mostrada en el segundo ejemplo. Este ejemplo combina el tama
no y el valor, variables ambas
que no poseen la propiedad asociativa. Es decir, poseen su complementaria, que podramos
denominar disociativa, y que, recordemos, es la propiedad que, al aplicarse sobre un smbolo, hace que este gane importancia visual. El resultado presenta un caracter todava mas
disociativo, en cuanto que los smbolos que representan una cantidad elevada, al ser no
solo grandes, sino estar pintados en color oscuro, llaman a
un mas nuestra atencion que si
emple
aramos una u
nica de las variables visuales utilizadas.
Como regla en este sentido, podemos decir que, cuando se combinan variables visuales
que poseen una determinada propiedad, en el resultado esta propiedad queda reforzada con
respecto a las variables individuales.
El tercer ejemplo nos muestra que combinar variables visuales con una misma propiedad
no garantiza necesariamente que se vaya a producir una sinergia entre ellas, sino que, por
el contrario, pueden anularse. Las variables empleadas en este caso son las mismas, valor y
tama
no, pero se ha asociado el color claro a los valores mayores y el oscuro a los menores, de
tal modo que los smbolos de mayor tama
no son mas claros que los peque
nos. Esto aten
ua
el efecto disociativo del tama
no, de forma que la representacion es mas difcil de interpretar
n Geogra
fica
Sistemas de Informacio
608
y su informaci
on no se transmite de modo tan inmediato y directo.
En resumen, podemos sintetizar lo anterior diciendo que, a la hora de combinar variables
visuales, deben tenerse en cuenta las propiedades de estas del mismo modo que cuando se
emplean de forma individual. Las propiedades a reforzar seran aquellas que convengan mas
al tipo de informaci
on representado, y deben presentarlas todas las variables a combinar
para que el efecto conjunto sea m
as acusado.
26.5.
La percepci
on visual
La percepci
on engloba toda la serie de procesos que convierten un fenomeno fsico en
una informaci
on acerca de nuestro entorno, a traves de la estimulacion de unos organos
perceptivos. La percepci
on tiene una fase fsica, una fisiologica (la estimulacion en s) y una
psicol
ogica (la interpretaci
on del estmulo). En el caso de la percepcion visual, este fenomeno
fsico es de tipo energetico (la luz), y los
organos correspondientes son los ojos.
El estudio de la percepci
on es un fen
omeno complejo que no entraremos a detallar, pero
en el que resulta de interes profundizar para conocer algo mas acerca de como la informacion
que plasmamos en un mapa (que es un elemento visual) acaba convertida en una informacion
en la mente del observador de ese mapa. Entender este proceso, al menos someramente, nos
permitir
a mejorar la eficacia de la percepci
on, de forma que tengamos una mayor garanta
de que la informaci
on que transmitimos sea recibida e interpretada correctamente.
Dos son los aspectos que detallaremos en esta seccion: las constancias perceptivas y las
ayudas a la percepci
on. En otras palabras, hasta que punto podemos modificar los elementos
visuales o su entorno sin que dejen de transmitir su informacion y sean confundidos sus
caractersticas, y c
omo podemos facilitar que se perciban exactamente como pretendemos.
26.5.1.
Entendemos por constancias perceptivas a las propiedades de los objetos cuya percepcion
no vara aunque se produzcan modificaciones. Podemos ver algunos ejemplos para algunas
de las variables visuales que conocemos.
Dado un objeto redondo tal como una rueda, si lo miramos en una direccion perpendicular
aparecer
a efectivamente como una forma circular perfecta. Sin embargo, si la miramos desde
otro
angulo, veremos una forma elptica, pero ello no nos lleva a pensar que la rueda en s no
sea ya redonda. Nuestra percepci
on de esa rueda es la misma, y podemos apreciar de igual
modo su tama
no o su forma. Alterar el
angulo de vision no altera el objeto y la percepcion
que tenemos de el.
Del mismo modo, un elemento pintado de un color claro se identifica como tal aunque la
luz sea tenue, y un elemento oscuro lo seguimos percibiendo como oscuro aunque estemos en
unas condiciones de iluminaci
on fuerte. Nuestro cerebro es capaz de interpretar simultaneamente el objeto y el contexto, y de este modo extraer las caractersticas de ese objeto, que
no varan.
Estos dos ejemplos muestran la constancia perceptiva de la forma y el valor, y podemos
buscar otros similares para otras variables visuales.
No todas las variables visuales tienen una constancia perceptiva como la anterior. Todos
conocemos m
ultiples ejemplos de ilusiones
opticas en las que algo no parece lo que realmente
es, y esa percepci
on err
onea viene normalmente motivada por las condiciones en las que
percibimos el objeto, por ejemplo debido al entorno particular en el que este se encuentra
sicos de visualizacio
n y representacio
n
Conceptos ba
609
junto a otros objetos. La figura 26.8 muestra un ejemplo clasico de ilusion optica, conocida
como ilusi
on de Zollner. Las lineas largas diagonales son paralelas, pero no aparentan serlo,
debido al efecto causado por las lneas m
as cortas. En este caso, no existe una constancia
perceptiva de la variable visual orientaci
on.
Cuando la percepci
on de un elemento cambia aunque el estimulo no lo haga, en lugar de
una constancia perceptiva hablamos de un contraste perceptivo. Los contrastes perceptivos
son importantes, ya que pueden inducir una interpretacion erronea de la informacion que
pretendemos transmitir, al producirse una percepcion equivocada.
n Geogra
fica
Sistemas de Informacio
610
Figura 26.9: Contraste perceptivo del tamano. Ambos circulos grises tienen el mismo tamano, pero
el de la izquierda aparenta ser mayor.
26.5.2.
Ayudas a la percepci
on
Con lo que hemos visto anteriormente, queda claro que podemos alterar la forma en que
se perciben las variables visuales que caracterizan a un elemento visual. Podemos usar este
hecho para nuestro beneficio, de tal modo que el dise
no de un mapa incorpore elementos
que hagan m
as patente la informaci
on que este contiene, facilitando la correcta percepcion
del mapa en su conjunto.
Un factor clave en este sentido es la adecuado separacion entre el fondo y la figura.
Aquello que queremos que resulte visible con car
acter principal (en el caso de un mapa, sus
distintos elementos) debe separarse de aquello que constituye el fondo de la imagen, y debe
atraer la atenci
on del observador de manera prioritaria. En caso de no ser as, puede resultar
difcil ((descubrir)) la informaci
on que el mapa transmite, al quedar esta al mismo nivel que
la de otros elementos de menor importancia. El ejemplo clasico de la figura 26.10 ilustra este
hecho. Puesto que no existe una diferenciaci
on clara entre el fondo y la figura, no es obvio
saber si la imagen pretende representar una copa o dos caras.
Figura 26.10: Sin un adecuado contraste entre fondo y figura la imagen presenta ambiguedad.
sicos de visualizacio
n y representacio
n
Conceptos ba
611
n Geogra
fica
Sistemas de Informacio
612
Figura 26.11: Mapa con jerarqua incorrecta (a) y mapa adecuadamente jerarquizado (b).
0,5mm de grosor para el caso de una lnea negra.
0,4mm de lado para el caso de un cuadrado negro.
0,6mm de lado para un cuadrado sin relleno.
Existe asimismo un umbral de diferenciaci
on, que define el tama
no mnimo de dos objetos para que puedan ser percibidos como distintos. Este umbral tambien depende de las
caracteristicas de los objetos, como por ejemplo la forma (si las formas son muy distintas
ser
a m
as f
acil distinguirlos que si son muy similares).
El poder separador no depende u
nicamente de variables de tipo espacial, sino que tambien
est
a en relaci
on con otras variables visuales. Por ejemplo, una lnea negra sobre fondo blanco
puede distinguirse aunque sea fina, pero en caso de ser amarilla sobre ese mismo fondo,
ser
a necesario un grosor mayor.
Como parece l
ogico, estos conceptos deben usarse para no incorporar a un mapa elementos que esten m
as all
a del umbral de separaci
on del lector del mapa, ya que en este caso no
podr
a extraer la informaci
on que se ha incorporado en este al crearlo.
26.6.
Resumen
sicos de visualizacio
n y representacio
n
Conceptos ba
613
Las variables visuales presentan distintas propiedades, que definen a su vez los niveles de
organizaci
on. De menor a mayor organizaci
on, estas propiedades son las siguientes: asociativa, selectiva, ordenada, cuantitativa. Las propiedades de una variable visual condicionan
el tipo de informaci
on que puede transmitirse haciendo uso de ella. Cuando se combinan
varias variables visuales que poseen una misma propiedad, esta propiedad se presenta con
mayor fuerza en el resultado.
Podemos ayudar a que la percepci
on de la informacion que transmitimos con un elemento
visual sea mejor, atendiendo a aspectos como el contraste entre el fondo y la figura, as como
estableciendo una correcta jerarquizaci
on entre los distintos elementos. Igualmente, debemos
prestar atenci
on a los contrastes perceptivos, para evitar que estos aparezcan y se produzca
una percepci
on incorrecta.
614
n Geogra
fica
Sistemas de Informacio
Captulo 27
El mapa y la comunicaci
on cartogr
afica
C
omo se produce la comunicaci
on cartogr
afica? Qu
e es el proceso cartogr
afico? Qu
e es
un mapa? De qu
e bases se compone? Qu
e elementos tiene un mapa? Qu
e se ha de
considerar a la hora de crearlo? Qu
e tipos de mapas hay? Qu
e caracteriza a cada tipo?
Dentro o fuera del SIG, el mapa es el medio por excelencia para transmitir la informaci
on geogr
afica
de modo visual. Ser capaz de crear representaciones o
ptimas durante el trabajo con un SIG implica
ser capaz de entender c
omo crear un mapa y saber escoger que tipo de mapa es el m
as adecuado en
funci
on de la informaci
on a mostrar. En este captulo estudiaremos todo lo relativo a los mapas y sus
conceptos fundamentales, as c
omo las consideraciones necesarias a la hora de crearlos, con objeto de
poder abordar en el siguiente el trabajo directo de visualizaci
on dentro de un SIG y analizar que aporta
este al concepto cl
asico de mapa.
Para seguir este captulo es necesario haber estudiado el captulo anterior, ya que haremos uso de
las ideas entonces presentadas acerca de las variables visuales. Algunos conceptos relativos al dise
no
cartogr
afico han aparecido ya en captulos previos, por lo que no se repetir
an en este. En particular, el
captulo 3 dedicado a los fundamentos cartogr
aficos y geogr
aficos contiene materia que debe conocerse
antes de abordar la lectura del presente.
27.1.
Introducci
on
n Geogra
fica
Sistemas de Informacio
616
comunicaci
on cartogr
afica a traves del uso de mapa. El lenguaje visual que estudiabamos en
el captulo 26 se convierte ahora en un lenguaje cartografico al adaptarlo al caso particular
de la creaci
on de mapas, y estas reglas (equivalentes a la gramatica y la sintaxis de un
lenguaje hablado) son imprescindibles para poder crear cartografa que facilite las citadas
labores del usuario posterior de esta. Este conjunto de ideas relativas a la produccion de
mapas dan forma a lo que conocemos como dise
no cartogr
afico.
El dise
no cartogr
afico implica la toma de decisiones por parte del cartografo. Algunas de
estas decisiones pueden ser la cantidad de simplificacion que debe realizarse o los smbolos
que han de emplearse para plasmar la informaci
on a transmitir. Las ideas desarrolladas
en los pr
oximos apartados conforman una base de conocimientos que facilita la toma de
decisiones correctas en este sentido.
27.2.
El prop
osito del mapa
n cartogra
fica
El mapa y la comunicacio
617
Figura 27.1: Dos formas distintas de mostrar una informacion a traves de un mapa. En funcion
del prop
osito de este y el publico al que va dirigido, cada una de ellas podr
a ser adecuada o no.
(Im
agenes cortesa de AEMET)
Entre los elementos fundamentales que se han de elegir en funcion del proposito del mapa
se encuentran los correspondientes a la base matematica del mapa: escala y proyeccion. La
escala condicionar
a el tipo de estudios que ser
a posible llevar a cabo con el mapa, y establecer
a el nivel de detalle que se desea comunicar a traves de este (siempre, obviamente, dentro
de los limites de la escala a la que se hayan recogido los datos). Por su parte, la proyecci
on debe considerarse en funci
on de sus propiedades. Como ya vimos en el apartado 3.3.2,
toda proyecci
on implica alg
un tipo de distorsi
on. Existen as proyecciones que mantienen
las
areas, las distancias o los
angulos. Seg
un que trabajo se espere con el mapa sera mas
indicado hacer uso de una u otra de ellas, ya que no es lo mismo un mapa catastral que una
carta de navegaci
on, y la elecci
on de una proyeccion inadecuada puede convertir un mapa
en una herramienta in
util para la tarea que se pretende realizar.
El otro aspecto importante a considerar es la forma en que transmitimos la informacion
a traves del mapa, es decir, el tipo de mapa, como hemos visto en el ejemplo propuesto.
Dentro de este captulo estudiaremos los tipos de mapas mas habituales y las caractersticas
que los definen, as como la forma de crearlos correctamente.
27.3.
Cartografa tem
atica y cartografa base
Existen muchos tipos de mapas y muchas formas de clasificarlos. Una clasificacion especialmente relevante es la que divide a estos en dos grupos cartograficos principales en funcion
del tipo de informaci
on que aporten: cartografa base, tambien denominada fundamental o
topogr
afica, y cartografa tem
atica.
La cartografa base representa el tipo de mapa que originalmente era el objeto principal
de la cartografa, cuando lo primordial era recoger con precision que haba sobre la Tierra,
documentando a traves del documento cartografico las caractersticas fsicas de esta. Este
tipo de cartografa requiere de medidas precisas y se basa fundamentalmente en el trabajo
de la topografa para obtener la informaci
on necesaria que posteriormente se plasma sobre
el mapa.
618
n Geogra
fica
Sistemas de Informacio
n cartogra
fica
El mapa y la comunicacio
619
en la representaci
on de valores y atributos. La lnea que representa una carretera en un
mapa existe realmente en el terreno, mientras que la que representa una curva de nivel no
existe fsicamente. Podemos decir tambien que en lugar de en el que, la cartografa tematica
se centra en el c
omo.
Seg
un el tipo de informaci
on que contenga, la cartografa tematica se divide en cuantitativa y cualitativa. Como veremos a continuaci
on, el tipo de informacion tiene gran repercusi
on a la hora de generar un mapa, ya que condiciona los elementos que podemos usar para
simbolizar dicha informaci
on.
27.4.
Figura 27.2: Comparacion entre una representacion incorrecta de la informacion por no emplear un
esquema adecuado al tipo de esta (a) y una representaci
on correcta utilizando un esquema coherente
(b).
Los mapas de la figura representan en ambos casos la poblacion de los distintos estados
de Mexico, pero en cada uno de ellos se emplea una forma distinta de simbolizar los valores
de poblaci
on. En el primero de ellos (caso a) se ha dividido la poblacion en cinco clases,
cada una de las cuales se identifica mediante un smbolo. Los smbolos han sido escogidos
de forma arbitraria, y no existe una relaci
on entre ellos. Por su parte, el ejemplo b) tambien
emplea smbolos y presenta igualmente cinco clases, pero en este caso tienen todos las misma
forma, y lo que vara es el tama
no. Se puede establecer una relacion entre los smbolos, ya
que estos pueden ordenarse en funci
on de su tama
no.
Siendo la poblaci
on una variable que tambien puede ordenarse, el caso b) es claramente
620
n Geogra
fica
Sistemas de Informacio
m
as adecuado, ya que nos proporciona la informacion visual de forma mas rapida e inmediata. No solo responde a la pregunta que poblaci
on tiene esta provincia?, sino tambien a
otras como d
onde est
a la provincia m
as poblada? En el caso a) podemos conocer tambien
la poblaci
on de una provincia y si esta es mayor que la de otra, pero necesitamos para ello
acudir a la leyenda, ya que no resulta obvio que el smbolo cuadrado indique mas poblacion
que el smbolo crculo. Por su parte, el uso de un u
nico smbolo y la variable visual tama
no
es mucho m
as intuitivo, y nos transmite esa informacion sin necesidad de consultar la leyenda del mapa. Este hecho est
a directamente relacionado con las propiedades de las variables
visuales, que ya estudiamos en el captulo 26.
Como argumenta [157], el primer mapa es una mapa que debemos leer, mientras que el
segundo es un mapa que podemos ver. Puesto que un mapa es un elemento visual, es preferible que transmita de forma visual su informaci
on, y un mapa a leer supone un desperdicio
tanto de tiempo como de informaci
on misma.
As pues, la selecci
on de una forma de simbolizacion adecuada en funcion de la naturaleza
de la informaci
on es clave para lograr un mapa efectivo. En particular, debe emplearse una
variable visual que presente la propiedad (nivel de organizacion) adecuado. Las propiedades
asociativa y selectiva solo son de interes para informacion cualitativa, mientras que, por
ejemplo, el tama
no es la u
nica variable visual con la propiedad cuantitativa, y por tanto la
u
nica adecuada para representar razones.
Las siguientes son algunas ideas b
asicas a este respecto referidas a los distintos tipos
antes citados.
Nominal. La informaci
on de tipo nominal se representa adecuadamente utilizando la
variable visual forma. Lo que representamos responde principalmente a la pregunta
que en lugar de a la pregunta cu
anto, y est
a mas relacionado en cierto modo con la
cartografa base que con la cartografa tem
atica. El uso de smbolos, es decir, de la
variable visual forma, para elementos puntuales o lineales es una solucion muy eficaz
y habitual en este caso. Para el caso de representar areas puede emplearse la variable
visual color y emplear distintos tonos, o bien la textura (Figura 27.3). Como dijimos
en su momento, los tonos no presentan un orden (aunque citamos que pueden hacerlo
si existe alguna l
ogica en la sucesi
on de estos), pero este no es necesario para este tipo
de variables. La u
nica propiedad que es de interes en este caso es la selectiva.
La informaci
on alfanumerica se trata a efectos de representacion del mismo modo que
la de tipo nominal.
Ordinal. A diferencia de la informaci
on nominal, en la informacion ordinal los valores
definen un orden, por lo que la propiedad ordenada es necesaria para poder aplicarla
a este caso.
Intervalos y razones. Tanto intervalos como razones son tipos de informacion con mas
posibilidades que las anteriores, y en las que el n
umero de valores que encontramos a
la hora de representar un fen
omeno es habitualmente mas elevado. Frecuentemente,
estos valores son de tipo real (no enteros), por lo que es ademas necesario agruparlos
en clases, como veremos en un pr
oximo apartado. Como en el caso anterior, pueden
emplearse todas las variables visuales que presenten la propiedad ordenada. No debe olvidarse, no obstante, que la propiedad de mostrar el orden en terminos de cantidades o
proporciones, que denomin
abamos cuantitativa, es exclusiva del tama
no, siendo este la
variable visual m
as adecuada para representar correctamente este tipo de informacion
n cartogra
fica
El mapa y la comunicacio
Puntos
Lneas
621
Polgonos
Figura 27.3: Representacion de la informacion nominal para los distintos tipos de elementos
geometricos.
n Geogra
fica
Sistemas de Informacio
622
Tono
Informacin cualitativa
Forma
Textura
Valor
Informacin cuantitativa
Tamao
Figura 27.5: Uso incorrecto de la variable visual valor para representar informacion cualitativa.
Puede transmitirse una falsa sensaci
on de que existe un orden en las clases representadas.
27.4.1.
Creaci
on y asignaci
on de clases
n cartogra
fica
El mapa y la comunicacio
623
otras y percibir que dos de ellas son distintas o son la misma. Por esta razon, lo habitual es
agrupar todo el conjunto de valores disponibles en una serie de categoras, clasificandolos y
estableciendo la simbologa no en funci
on del valor en s, sino de la clase a la que pertenece.
La creaci
on de clases para una serie de valores es un problema en el que han de considerarse dos par
ametros principales: el n
umero de clases a crear y el criterio a aplicar para
establecer los lmites de cada una.
Respecto al numero de clases, este debe ser lo suficientemente grande como para no
resumir en exceso la informaci
on y poder mostrar con un cierto detalle el comportamiento
de la variable, pero no demasiado alto para evitar los problemas que aparecan en el caso
de no dividir los valores en clases. El n
umero de clases es tambien funcion de la variable
visual utilizada, ya que algunas resultan m
as f
aciles de diferenciar. En general, el maximo de
clases que se distinguen es del orden de 7 u 8, no siendo recomendable establecer un n
umero
mayor, con independencia de que variable empleemos. Esto no quiere decir que deban crearse
sistem
aticamente 8 clases para cualquier variable y situacion, ya que, en funcion de otros
factores, puede resultar de interes elegir otro n
umero distinto de clases. De nuevo, no debe
perderse de vista la finalidad que va a tener el mapa que estamos dise
nando.
Una vez que hemos decidido el n
umero de clases, debemos definir el rango de valores que
cubrir
a cada una de ellas. Esto debe llevarse a cabo tratando de maximizar la informacion
que se transmite y de aprovechar lo mejor posible la variable visual empleada. Por ejemplo, si
esta variable es la coordenada valor de un color, debemos tratar que aparezca bien distribuida
y que todas las clases tengan un n
umero similar de elementos, para que todos esos valores
aparezcan representados en una cantidad similar a lo largo del mapa1 .
La conveniencia de usar una u otra definici
on de clases esta, como resulta facil deducir,
ligada a la propia distribuci
on de los valores de la variable, por lo que estudiar estos es
fundamental. Un histograma es una herramienta muy u
til para llevar esto a cabo.
De entre los metodos que se emplean frecuentemente para la creacion de clases de forma
sistem
atica, cabe destacar los siguientes:
Intervalos iguales. Simplemente se divide el rango cubierto por los valores en n clases
de la misma amplitud, siendo esta igual a maxmin
. Su principal inconveniente es que
n
puede resultar en clases con muchos elementos y otras practicamente vacas, en especial
si la variable tiene una distribuci
on normal o aparecen elementos con valores atpicos
(outliers), que desvirt
uan el significado del maximo y el mnimo a la hora de calcular
la amplitud de cada clase.
Intervalos naturales. Basados en la propuesta de saltos naturales de Jenks [320], trata
de establecer clases lo m
as homogeneas posibles, disminuyendo la varianza de cada
clase. De este modo, se obtienen clases que presentan la maxima variabilidad entre
ellas, constituyendo categoras bien diferenciadas unas de otras.
Intervalos normales. De especial interes para el caso en que la variable presenta una
distribuci
on normal. Se toma la media de los valores y se crean los lmites de cada
clase sumando o restando a esta la desviacion tpica o un m
ultiplo de esta.
Intervalos por percentiles. Utilizando percentiles pueden crearse clases de tal modo
que todas ellas contengan el mismo n
umero de elementos. Por ejemplo, los cuartiles
dividir
an el rango de valores en cuatro clases, cada una de ella con igual numero
1 Aunque en un
ambito distinto, si repasas el apartado 16.3.1 dedicado a la expansi
on de contraste en
im
agenes, encontrar
as una idea similar a esta.
624
n Geogra
fica
Sistemas de Informacio
de elementos. En este caso, los lmites de separacion de clases se encontraran en los
percentiles del 25, 50 y 75 por cien, respectivamente.
Pueden aplicarse tambien los percentiles no sobre la variable que se representa, sino
sobre la superficie que ocupan sus distintos valores. Se tiene de este modo los percentiles
de superficie, que crean n clases, todas ellas representadas en el mapa por una misma
superficie.
Intervalos en progresi
on. Pueden emplearse progresiones como la aritmetica o la geometrica para crear las clases, en caso de que los valores de la variable a representar muestren
un comportamiento seg
un alguna de estas progresiones.
Una comparaci
on visual del resultado de aplicar algunos de los metodos anteriores se
muestra en la figura 27.6
Junto a lo anterior, pueden utilizarse transformaciones de los valores previas a su asignaci
on a una clase, para despues clasificar el valor transformado. Una transformacion logartmica es habitual para el caso de valores distribuidos irregularmente, con muchos de
ellos en un rango dado y unos pocos en un rango alejado de este. Aplicando un logaritmo
(generalmente de base 10), los valores transformados pueden mostrar, por ejemplo, una distribuci
on normal, siendo entonces posible aplicarles una simbolizacion mediante intervalos
normales. Vimos un ejemplo de esto en la figura 14.4.
Aunque resulta pr
actico definir las clases utilizando alguna de las metodologas anteriores,
pueden igualmente establecerse lmites de clase arbitrariamente seg
un se considere oportuno
en funci
on de la distribuci
on de los valores. Por ejemplo, si existen saltos importantes en esta
y quiere rese
narse este hecho, pueden incluirse explcitamente como lmites de los intervalos.
Asimismo, pueden incorporarse valores particulares que sean de importancia para la variable
representada. Esto puede verse claramente en el ejemplo de la figura 27.7
Para el caso mostrado, en el cual se representa la elevacion, es interesante diferenciar
los valores positivos (sobre el nivel del mar) de los negativos (zonas por debajo del nivel
del mar y, especialmente, batimetra del fondo marino). El cero es un valor que puede o no
aparecer de modo natural como lmite de clase al analizar los datos de elevacion, pero que
se incorpora por su importancia.
El mapa de la figura presenta adem
as un caso particular por otras razones, ya que utiliza
el color como variable ordenada, pese a que dijimos que normalmente no posee tal propiedad. No obstante, este es uno de esos casos en que s existe un orden facil de percibir, ya
que los colores escogidos est
an pensados para ser identificados con distintas zonas altitudinales. Las zonas de batimetra se representan en tonos de azul, por lo que en ese tramo
se est
a empleando realmente la componente del color que denominabamos valor. Para las
restantes, se comienza en el verde (zonas bajas donde crece vegetacion que es de ese color),
seguido del marr
on (zonas altas sin vegetaci
on) y despues el blanco (zonas elevadas que se
pueden asociar a nieve). La divisi
on en esos tramos se hace empleando el valor igualmente.
Esta asociaci
on de conceptos tan b
asica (y no necesariamente muy real, pero s conocida y
compartida por todo el mundo) permite crear un orden y capacitar a la variable visual color
para emplearse a la hora de representar una variable de tipo intervalo como es la elevacion.
La presencia del valor cero como punto que define dos mitades (elevaciones sobre el
nivel del mar o por debajo de este) hace que los datos de elevacion tengan, en lo que a
su simbolizaci
on respecta, un esquema de tipo divergente. Este tipo de esquemas aparecen
cuando la variable presenta alg
un valor crtico con un significado particular, dividiendo el
conjunto de valores en grupos que pueden considerarse independientes. Es habitual emplear
n cartogra
fica
El mapa y la comunicacio
625
Intervalos iguales
0-33.264
33.264 - 66.529
66.529 - 99.793
99.793 - 133.058
Intervalos naturales
0-1.360
1.748 - 7.105
9.137 - 20.528
133.058 - 133.058
Percentiles
0-80
85 - 198
199 - 458
475 - 133.058
Figura 27.6: Comparacion entre distintos esquemas para la creacion de intervalos de clase.
un color de valor bajo (esto es, un color claro) en las cercanas del punto crtico, y aumentar
el valor a medida que nos acercamos a los extremos tanto por encima como por debajo de
este punto. Cada mitad, a su vez, suele representarse con colores que presentan un fuerte
contraste entre s, para de este modo indicar que cada una de ellas representa una realidad
bien distinta de la otra.
Los esquemas no divergentes para variables cualitativas se dice que son de tipo secuencial.
Debe rese
narse que, en el caso de establecer las clases en funcion de los datos, tal y como
sucede al aplicar los metodos que hemos descrito, la simbolizacion no sera adecuada para
realizar comparaciones con otros mapas. Un mismo valor puede simbolizarse con colores
distintos en sendos mapas, ya que la clase a la que pertenece depende del resto de valores
626
n Geogra
fica
Sistemas de Informacio
Figura 27.7: Los intervalos pueden incorporar valores de importancia para una determinada variable. En este caso, para la variable elevaci
on resulta particularmente relevante el valor cero, que
delimita el comienzo de las clases representadas en azul.
en su conjunto, por lo que no tiene sentido una comparacion visual. Por el contrario, si el
intervalo se define sin considerar los valores particulares del conjunto representado (como
en el mapa de elevaciones anterior), el mismo color en dos mapas s que implica un mismo
rango de valores, con lo que pueden efectuarse comparaciones.
Si quieres experimentar con la definici
on de clases y la asignacion de colores a estas,
una herramienta de enorme valor es la que encontraras en la pagina Web http://www.
colorbrewer.org. Usala
no solo para probar ahora todo lo explicado en este captulo, sino
tambien cuando tengas que crear tus propios mapas. Elegir un adecuando conjunto de colores
y clases no es una tarea sencilla, y una herramienta as puede aportar mucho valor a tus
mapas si la empleas correctamente junto a las propias funcionalidades del SIG que estes
utilizando.
27.5.
n cartogra
fica
El mapa y la comunicacio
627
Los siguientes son los elementos fundamentales que podemos emplear para componer un
mapa (Figura 27.8):
628
n Geogra
fica
Sistemas de Informacio
La leyenda es un elemento difcil de crear, aunque los SIG normalmente presentan
funcionalidades de creaci
on autom
atica de esta. No obstante, la calidad del resultado
suele ser pobre, y es habitual que exista siempre la posibilidad de editarla manualmente
con posterioridad para corregir sus deficiencias. Un error com
un es mostrar los valores
exactos de los intervalos de clase, una precisi
on muchas veces innecesaria. Por ejemplo,
para los mapas de la figura 27.6, que representan la variable poblacion, los lmites de
los intervalos no son en algunos casos valores enteros debido a la propia naturaleza del
metodo empleado para crearlos, pero la poblacion s que ha de ser siempre expresada
con un valor entero. Expresar el rango de cada clase con un numero amplio de decimales
(tal y como las rutinas automatizadas del SIG suelen hacer) no resulta muy adecuado,
por lo que deben sustituirse las cifras por las correspondientes redondeadas, sin que
ello reste utilidad o exactitud a la leyenda.
La leyenda y el mapa en s forman un todo, por lo que no deben separarse mediante
un cuadro, salvo en el caso en que el mapa cubra todo el area del lienzo y no sea facil
separar visualmente de forma clara ambos elementos.
Norte. Aunque habitualmente se presupone la orientacion Norte-Sur, no siempre ha
de ocurrir as, y una aguja apuntando al norte o una rosa de los vientos sirve para
aclarar la orientaci
on del mapa. Es de rese
nar que la orientacion no ha de ser constante
para todos los puntos de un mapa, estando esto en relacion con el tipo de sistema de
coordenadas y la proyecci
on empleada. Por ejemplo, en el mapa mundial de la figura
27.7, el Norte se sit
ua hacia arriba de la hoja solo en el centro. Si nos encontramos
en la parte izquierda del mapa la direcci
on del Norte no es la misma. El canevas, que
contiene los paralelos y meridianos, ser
a en este caso la referencia fiable en lo que a
orientaci
on respecta.
Escala. La escala debe indicarse tanto de forma numerica como grafica, de modo que
puedan realizarse c
alculos y estimar visualmente distancias entre puntos dados del
mapa.
Localizador. Un localizador provee un elemento visual para situar el mapa en un contexto geogr
afico m
as amplio, de modo similar al canevas. Es de especial interes en el
caso de series de mapas, para establecer la relacion entre el presente y los restantes
dentro de la misma serie. En este caso, el localizador sirve como mapa ndice.
Mapas de detalle. Cuando resulta necesario mostrar una cierta zona del mapa con
mayor detalle y a una escala mayor, se puede incluir un mapa correspondiente a esa
zona como un enclavado dentro del mapa principal. Se debe se
nalar asimismo sobre
este u
ltimo la zona a la que corresponde el mapa de detalle.
n cartogra
fica
El mapa y la comunicacio
629
Figura 27.9: Ejemplo de un aprovechamiento optimo del espacio de un mapa (a) y un aprovechamiento incorrecto de este (b).
630
n Geogra
fica
Sistemas de Informacio
n cartogra
fica
El mapa y la comunicacio
631
se muestra acerca de esta conforme un conjunto equilibrado y siga a su vez las indicaciones
mencionadas.
Recordar, por u
ltimo, que la composici
on del mapa implica una organizacion horizontal
(plana) de sus elementos, pero existe asimismo una organizacion vertical. Esta viene definida
por la jerarqua existente, sobre la cual ya se comentaron algunas ideas en el apartado 26.5.2.
Estas ideas deben aplicarse igualmente en la composicion del mapa, para conjuntamente
lograr un documento equilibrado en el que quede claro que elementos son los de mayor
importancia y pueda accederse con facilidad a la informacion que contienen.
27.6.
27.6.1.
Un mapa de smbolos proporcionales representa variables cuantitativas a traves de smbolos cuyo tama
no esta en relaci
on con el valor a representar de dicha variable. Es decir, emplea
la variable visual tama
no, que como ya hemos visto es la u
nica que presenta la propiedad
cuantitativa. La forma de los distintos smbolos es siempre la misma, y por simplicidad lo
m
as frecuente es utilizar como smbolo base el crculo, aunque puede utilizarse cualquier
otro, e incluso smbolos de tipo lineal (barras).
Puesto que el tama
no es el elemento que diferencia a los distintos smbolos y el que
transmite la informaci
on cuantitativa, su eleccion es crucial para la creacion de un buen
mapa de este tipo. La elecci
on de un tama
no implica elegir uno mnimo y uno maximo,
correspondientes a los valores mnimo y m
aximo de la variable en el mapa. Entre estos
se situar
an los distintos tama
nos correspondientes al resto de posible valores que toma la
variable.
Existe, claramente, una relaci
on entre el tama
no maximo y el mnimo, ya que se define
una relaci
on de escalado de los distintos valores. Este escalado es distinto para smbolos
lineales que para smbolos de
area, ya que la percepcion de la relacion entre ellos es distinto
seg
un el tipo de smbolo empleado. En ambos casos, el escalado debe ser coherente con el
valor que se representa, de tal modo que si el usuario del mapa percibe que el tama
no de
un smbolo es el doble que el de otro, los valores de ambos smbolos esten igualmente en esa
proporci
on.
Para conseguir esto se ha de seleccionar el tama
no asociado al valor de uno de los extremos. Esto se har
a con un criterio puramente grafico, de tal modo que, si por ejemplo
establecemos el tama
no m
aximo, este no sea excesivo y a la hora de representar el smbolo
n Geogra
fica
Sistemas de Informacio
632
correspondiente en el mapa ocupe demasiado espacio y existan solapes. Debe evitarse asimismo que el tama
no mnimo sea demasiado peque
no y no se aprecie el smbolo con claridad.
Una vez hecho esto, se establece una relaci
on lineal, de tal forma que podemos calcular el
tama
no correspondiente a todo valor. Si un valor de 100 se corresponde con una barra de
una altura de 10mm, entonces un valor de 200 se representara mediante una barra de 20mm,
y as sucesivamente.
Para el caso de smbolos superficiales, no obstante, el escalado no debe hacerse en funcion
de un par
ametro lineal (por ejemplo, el radio en el caso de emplear crculos), sino respecto
a la propia superficie. Es decir, si un valor de 100 se representa con un circulo de radio r, el
valor 200 no se representar
a mediante un crculo de radio r0 = 2r, sino con una de tal
radio
que la superficie sea el doble del primero. En este caso, el radio buscado sera r0 = 2r.
El escalado de smbolos se puede dar de forma continua, de tal modo que cada valor
se representa con un smbolo de un tama
no calculado seg
un la idea anterior, empleando
el valor exacto para el escalado. No obstante, la capacidad de diferenciar visualmente tama
nos distintos e interpretar la relaci
on entre ellos es limitada, por lo que suele resultar mas
conveniente efectuar un escalado discreto. Es decir, crear clases y asignar a un valor no un
smbolo del tama
no exacto que le correspondera, sino el asignado al valor que define a la
clase, habitualmente el centro de esta.
Tanto las barras como los crculos pueden sectorizarse, mostrando una division en subclases del valor total que representan. Para el caso de la poblacion, podran mostrarse las
proporciones que corresponden a hombres y mujeres. Este tipo de representaciones, no obstante, son a veces difciles de interpretar en su conjunto, por lo que resulta mas adecuado
crear varios mapas que muestren esa misma informacion por separado, en lugar de conjuntamente en uno u
nico.
Aunque la variable visual tama
no presenta la propiedad cuantitativa, la percepcion de
la relaci
on de tama
no no es perfecta y existe una cierta imprecision. Esta se debe a muchos
factores, como por ejemplo el hecho de que los smbolos situados alrededor de uno dado
pueden afectar a la percepci
on de su tama
no. Por esta razon, es importante para facilitar
la correcta interpretaci
on de un mapa de smbolos graduados el mostrar en la leyenda la
relaci
on entre los distintos tama
nos de los smbolos y sus valores. Para el caso habitual de
emplear crculos, esto puede llevarse a cabo mediante elementos graficos como los mostrados
en la figura 27.10
<100
100-400
1600
900
400-900
400
100
900-1600
n cartogra
fica
El mapa y la comunicacio
633
valor de la variable muy superior a la del resto (puede verse esto claramente en la representaci
on por intervalos iguales), lo cual requerira el uso de un smbolo desproporcionadamente
grande. Si se usan clases iguales, la mayora de los valores entraran en una de ellas, por lo
que no se transmitira bien la distribuci
on de estos. En este caso, se debe emplear un esquema de clases distinto, aunque as la proporci
on de tama
nos no permita visualmente estimar
las cantidades. Es decir, los tama
nos de los smbolos nos indican que hay mas cantidad en
una zona que en otra, pero no podemos solo con ellos saber cu
anto mas hay. Los mapas
elaborados de esta forma se conocen como mapa de smbolos graduados. En estos mapas,
la importancia de la leyenda es a
un mayor si cabe, ya que es la encargada de explicar el
significado de cada tama
no, y sin ella la informacion de la que disponemos es mucho menor.
El mapa de la figura 27.8, que mostramos al presentar los distintos elementos del mapa,
es un ejemplo mapa de smbolos graduados.
27.6.2.
Mapas de puntos
634
n Geogra
fica
Sistemas de Informacio
n cartogra
fica
El mapa y la comunicacio
27.6.3.
635
Mapas de isolneas
636
n Geogra
fica
Sistemas de Informacio
Figura 27.12: Mapa de isolneas. Se ha empleado para su representacion tanto las lneas como el
coloreado de las franjas entre estas.
El uso del color o la textura en las lneas no es habitual como simbologa, ya que simbolizar
los valores de cada una traves de las variables visuales resulta en este caso menos practico.
Lo normal es etiquetar cada una de ellas con el valor concreto (con texto sobre la lnea), y
aprovechar el hecho de que dos lneas consecutivas estan separadas siempre una magnitud
igual al tama
no de la clase (la equidistancia), lo cual aporta un importante contexto en lo
que a los valores se refiere.
Una forma particular de representar las isolneas mediante color es hacerlo no sobre las
lneas, sino sobre las zonas que median entre ellas. Es decir, representar la clase en lugar
n cartogra
fica
El mapa y la comunicacio
637
del lmite de clase. Este tipo de mapas se asemeja al mapa de coropletas (que veremos
seguidamente), trat
andose m
as de un mapa de areas que de lneas, por lo que se conoce
como de isocoropletas. Ambos tipos de representacion, mediante areas y mediante lneas,
pueden combinarse en un u
nico mapa.
En la figura 27.12 puede verse un ejemplo de mapa de isolneas combinando las dos
formas anteriores.
27.6.4.
Mapas de coropletas
Los mapas de coropletas son utilizados muy habitualmente para representar la informaci
on geogr
afica en un SIG, y hemos visto ejemplos de ellos en otros puntos de este y otros
captulos. Por ejemplo, los mapas de la figura 27.6 son todos ellos mapas de coropletas.
En un mapa de coropletas se tiene una serie de areas definidas, cada una de las cuales
posee un valor de una variable. Este valor de la variable afecta a todo el area y es el
que se representa por medio de alguna variable visual, normalmente el color a traves de
su componente valor. Las zonas definidas por cada area tienen un significado arbitrario, no
relacionado con la variable asociada. Muy frecuentemente, se utilizan limites administrativos
o de gesti
on como
areas. Cada
area conforma una unidad espacial, y el valor asociado a ella
resume la variable dentro de dicho
area.
Precisamente por esta generalizaci
on que se da al representar mediante un u
nico valor la
variable dentro de cada unidad, los mapas de coropletas adolecen de ciertos inconvenientes,
siendo los dos siguientes los principales:
Sensaci
on de cambio brusco en los lmites entre areas. Al existir una transicion abrupta
entre unidades, un mapa de coropletas puede transmitir la idea de que en esa frontera
los valores de la variable cambian bruscamente, ocultando la continuidad de la variable
en caso de existir esta.
Homogeneidad dentro de cada
area. La variacion dentro de cada area no se recoge, con
lo que se pierde una parte de la informacion. El uso de unidades menores soluciona
en parte este problema, aunque puede hacer el mapa mas complejo de interpretar y
puede desvirtuar la informaci
on (recordemos aqu todo lo que vimos en el captulo 10
n Geogra
fica
Sistemas de Informacio
638
27.6.5.
Existen muchos otros tipos de mapas, adecuados para representar tipos particulares de
informaci
on. A pesar de su utilidad, son mucho menos frecuentes, especialmente dentro del
ambito SIG, ya que su implementaci
n cartogra
fica
El mapa y la comunicacio
639
Figura 27.13: Mapa de flujo de Charles Joseph Minard sobre la campana de Napoleon en Rusia.
Cartogramas. En los cartogramas, la informacion cualitativa se transmite mediante la
modificaci
on de las unidades de superficie, que se distorsionan para representar con su
tama
no la magnitud de la variable en cuestion. Es decir, la variable visual tama
no se
aplica directamente sobre las distintas unidades de superficie. En la figura 27.14 puede
verse un ejemplo de cartograma en el que los pases de la union europea se representan
de tal modo que su tama
no es proporcional a su poblacion. La densidad de poblacion
se incorpora mediante el tono en que se representa cada uno de esos pases. Aquellos
pases con una mayor densidad de poblacion son los que sufren mas distorsion en la
representaci
on de sus contornos.
27.7.
Resumen
640
n Geogra
fica
Sistemas de Informacio
Captulo 28
La visualizaci
on en t
erminos SIG
Qu
e par
ametros puedo configurar en la representaci
on de una capa vectorial? Y de una
capa r
aster? C
omo puedo combinar varias capas de la mejor forma posible? C
omo elaboro una
vista tridimensional? Qu
e otros elementos pueden emplearse para enriquecer una representaci
on
en un SIG?
Ahora que ya conocemos la teora del dise
no cartogr
afico y sus ideas principales, es momento de
aplicar esto a los SIG y ver en que medida un SIG nos permite aplicar esas ideas. El objetivo de este
captulo es facilitar la aplicaci
on de todo lo visto en los anteriores, para mejorar as nuestro trabajo con
un SIG. Se trata de un captulo eminentemente pr
actico en el que veremos la visualizaci
on no desde un
punto de vista conceptual, sino directamente sobre el SIG, y aprenderemos c
omo usar este para lograr
crear mejores mapas y, en general, mejores visualizaciones de todo tipo de datos susceptibles de ser
incorporados en un SIG.
28.1.
Introducci
on
El SIG es nuestro u
til para visualizar la informacion geografica y, como hemos visto, un
u
til muy potente y con numerosas posibilidades. Conocemos ya sus capacidades y limitaciones, pero no sabemos todava c
omo debemos trabajar con estas a la hora de crear una
representaci
on visual y, sobre todo, desconocemos la forma en que las particularidades de la
informaci
on geogr
afica dentro de un SIG afectan a su visualizacion.
El concepto de capa, que resulta vital para otras tareas tales como el analisis, va a
tener de igual modo una influencia directa en la creacion de representaciones a partir de
los datos de que disponemos, ya que la interpretacion de estos datos esta condicionada
inevitablemente al modelo de datos empleado. Por ello, veremos en este captulo los conceptos
que ya conocemos de otros anteriores, pero aplicados al caso particular de aplicarlos dentro
de un SIG, empleando las herramientas que este habitualmente incluye para esa tarea.
Puesto que conocemos ya un buen conjunto de operaciones sobre los datos espaciales, y
estas operaciones forman parte integrante del SIG al igual que la visualizacion, estudiaremos asimismo c
omo aprovechar algunas de estas operaciones de cara a la visualizacion de
informaci
on geogr
afica. Es aqu donde reside una de las grandes virtudes del SIG, en que
sus distintas capacidades est
an conectadas y son accesibles desde un mismo entorno. Hacer
m
as patente esa relaci
on entre ellas y ampliar as las posibilidades que un mismo juego de
datos ofrece para ser representado es uno de los objetivos de este captulo.
En conjunto, las capacidades que ofrece un SIG, incluso si en muchos casos no alcanzan
la funcionalidad necesaria para satisfacer al cartografo profesional, permiten expandir las
posibilidades de representaci
on de una capa cualquiera y obtener visualizaciones distintas a
las que son habituales en un mapa cl
asico. Del mismo modo que una aplicacion CAD ampla
las posibilidades del arquitecto o ingeniero a la hora de crear planos o realizar dise
nos
642
n Geogra
fica
Sistemas de Informacio
28.2.
Visualizaci
on de capas vectoriales
La visualizaci
on de capas vectoriales en el seno de un SIG es similar a la labor de la
cartografa cl
asica, en cuanto a que los objetos que se representan son del mismo tipo,
esto es, objetos geometricos en forma de puntos, lneas y polgonos. A diferencia de las
capas r
aster, que no tienen un equivalente en un mapa clasico (no es probable que hayas
visto un mapa previo a la aparici
on de los SIG con un aspecto como las imagenes de, por
ejemplo, la figura 28.3), las capas vectoriales guardan mucha similitud con los elementos
que un cart
ografo cl
asico plasma en un mapa. Las geometras de las capas vectoriales son
los objetos b
asicos sobre los que el cart
ografo aplica las variables visuales seg
un vimos en
el captulo 26, y por tanto la manera de proceder es similar. Las herramientas que el SIG
proporciona son aquellas que permiten modificar las variables visuales en funcion de las
caractersticas asociadas a cada geometra a representar.
Un papel destacado en la visualizaci
on lo juega la tabla de atributos, ya que es la que
contiene esas caractersticas que son necesarias para saber c
omo representar cada objeto.
El SIG provee la conexi
on entre los valores de los atributos y la representacion visual, de
forma que se interpretan aquellos para poder obtener los distintos tipos de mapas que ya
conocemos del captulo 27.
Al igual que el tipo de informaci
on es importante para escoger el tipo de mapa a crear o
la variable visual a emplear para la representaci
on, el tipo de datos ha de estar correctamente
definido en la tabla de atributos para poder emplearse como tal. Es decir, ha de ser coherente
con la informaci
on que recoge.
Los atributos pueden contener en ocasiones no un valor que al interpretarse se convierta
en una cualidad dada de una variable visual, sino esa cualidad directamente. En el caso
de capas procedentes de aplicaciones CAD, es habitual que estas contengan alg
un campo
con el color que ha de emplearse para representar esa capa, que puede venir indicado como
un c
odigo que se deber
a transformar despues en el color correspondiente, o bien expresado
directamente como el valor RGB de dicho color.
Respecto a las geometrias, es interesante hacer ver que, aunque los objetos geometricos
que se representan son del mismo tipo que los objetos con los que trabaja el cartografo
cl
asico, no ha de existir siempre obligatoriamente una identificacion directa entre ambos. En
n en te
rminos SIG
La visualizacio
643
28.2.1.
Etiquetado
El etiquetado representa una de las tareas mas complejas a la hora de crear un mapa,
ya sea con la ayuda de un SIG o sin ella, estimandose que puede llevar aproximadamente
un 50 % del tiempo total de creaci
on de un documento cartografico [398]. La experiencia del
buen cart
ografo queda patente en su trabajo con las etiquetas, pues es en esta labor donde
m
as necesaria se demuestra, y en la que el criterio personal cobra una mayor importancia.
Siendo as, es l
ogico pensar que este es asimismo uno de los procesos en los que mas difcil
resulta proveer una soluci
on automatizada, ya que trasladar al ordenador ese buen hacer del
cart
ografo profesional no es en absoluto sencillo. Por ello, aunque un SIG puede incorporar
herramientas para ayudar en el etiquetado, una gran parte de este trabajo sigue siendo
necesario realizarla manualmente, y es por esta razon que conocer algunas ideas basicas al
respecto es b
asico si queremos elaborar cartografa de una cierta calidad, ya que el SIG por
s mismo no va a poder llevar a cabo esta tarea de forma automatica.
En esta secci
on vamos a ver algunas ideas sobre etiquetado como parte de la visualizacion
de capas vectoriales, ya que es en estas en las que verdaderamente tiene sentido esta labor.
La premisa fundamental del etiquetado es situar las etiquetas de tal modo que estas no se
solapen y que sea inmediato asociar su nombre al objeto geografico que designan, as como
a la importancia y propiedades de este. Para ello, necesitamos tres tipos de informacion a
extraer de esos objetos:
D
onde situar la etiqueta.
n Geogra
fica
Sistemas de Informacio
644
Que poner en la etiqueta.
C
omo ponerlo.
Trat
andose de capas vectoriales, toda esta informacion la extraeremos tanto de la geometra como de la tabla de atributos asociada. La mas obvia es la relativa a que debe ponerse
en la etiqueta, que simplemente se tomar
a de alguno de los campos de la tabla que contenga
los nombres de los distintos objetos.
Respecto a la posici
on, esta vendr
a definida por la geometra y su georreferenciacion,
aunque solo parcialmente. La geometra nos da una indicacion de la zona aproximada en la
que debe situarse la etiqueta, ya que obviamente esta debe encontrarse a cerca del objeto
al que hace referencia, pero no constituye una informacion suficiente, al menos para obtener
un etiquetado
optimo m
as all
a de la configuraci
on mas trivial.
Por ejemplo, en el caso de puntos cercanos, situar la etiqueta de estos centrada exactamente en cada uno de ellos har
a que se solapen y oculten ademas a los propios puntos. Es
necesario colocarlas cada una de ellas alejadas de los puntos en direcciones contrarias, para
que no interfieran entre s. La localizaci
on por tanto, no depende u
nicamente de las coordenadas del objeto, sino tambien de las de los objetos circundantes. Buscar una disposicion
que evite estos solapes es una tarea en apariencia simple, pero compleja desde el punto de
su implementaci
on1 . Aun as, est
a presente en los SIG en mayor o menor medida, y en el
caso de puntos, los resultados que se obtienen son de una calidad aceptable. El paso a otro
tipo de geometras, donde es necesario considerar otra serie de parametros, hace aparecer
unas circunstancias m
as difciles de tratar, y la labor directa del cartografo es mucho mas
necesaria.
En el caso de capas de lneas, la posici
on de las etiquetas debe seguir el trazado de las
lneas y su orientaci
on, existiendo, no obstante, diversas opciones en lo que respecta a la
posici
on con respecto a la propia lnea. La lnea ya no es un objeto puntual y no existe
por tanto una coordenada u
nica que utilizar. El punto medio de la lnea es la solucion mas
inmediata como punto de referencia, pero no necesariamente la mejor. Pueden existir otras
zonas a lo largo de la lnea que resulten m
as relevantes y en las que sea mas adecuado situar
la etiqueta. En el caso de lneas muy largas, es conveniente repetir el nombre varias veces a
lo largo de esta, para que no sea necesario seguirla hasta encontrar su nombre.
En el caso de lneas que se entrecruzan (calles, ros, etc.), es importante evitar las ambig
uedades. No es conveniente etiquetar una lnea siempre que exista un cruce, pero un
emplazamiento adecuado puede resultar suficiente para aclarar a que lnea hace referencia
una etiqueta. Esto puede verse en la figura 28.1. En ambos casos, la etiqueta hace referencia al cauce que procede de la parte superior, que es el principal de los dos que confluyen,
y por tanto tambien el que da nombre al segmento posterior al cruce. En el caso a), la
mayor similitud en las direcciones puede inducir sin embargo a pensar que el nombre hace
referencia al cauce despues de la intersecci
on y al segmento horizontal antes de esta. Si el
etiquetado de este segmento horizontal, que es un cauce de nombre distinto, no se encuentra
suficientemente cerca del cruce, puede entonces pensarse que la etiqueta hace referencia a
el tambien lo cual no es adecuado. Un emplazamiento tal como el mostrado en el caso b)
aclara esta situaci
on de forma elegante.
Para el caso particular de las isolneas, se recomienda situar la etiqueta sobre la propia
lnea, ya que facilita su lectura, especialmente en el caso de que aparezcan varias isolneas
1 Para el lector con curiosidad acerca de los algoritmos de etiquetado, baste citar que, salvo en el caso de
una soluci
on trivial, se trata de un problema de tipo NPHard.
n en te
rminos SIG
La visualizacio
645
a)
b)
Figura 28.1: La posicion de la etiqueta sobre una lnea en un cruce puede dar lugar a ambiguedades
20
30
20 0
10 0
0
30
100
a)
b)
Figura 28.2: Etiquetado de isolneas. Deben situarse las etiquetas cercanas entre s y sobre la lnea,
como en el ejemplo b)
separadas por poca distancia, como puede verse en la figura 28.2. Ademas, deben situarse las
etiquetas de las isolneas contiguas de tal forma que puedan leerse conjuntamente, para que
sea sencillo interpretarlas en conjunto y apreciar sin dificultad la equidistancia y la direccion
en la que los valores aumentan o disminuyen.
Si la lnea presenta cambios de direcci
on bruscos, es difcil hacer que la etiqueta siga la
lnea sin tener un aspecto ((roto)). Suavizar las lneas es una opcion en este caso, al menos
para usarlas como lneas base sobre las que situar las etiquetas.
En el caso de polgonos, existe igualmente el problema de seleccionar un punto para
emplazar la etiqueta. El centroide del polgono es la opcion mas inmediata, aunque no
necesariamente ha de caer dentro de este si se trata de un polgono concavo, e incluso en ese
caso puede no resultar la mejor elecci
on.
Como puede verse, para tomar este tipo de decisiones es necesario tener en cuenta no solo
la posici
on del objeto y la de los circundantes, sino tambien ((entender)) que es lo que estamos
representando y que otra informaci
on tenemos alrededor, lo cual resulta mas complejo de
trasladar a la aplicaci
on SIG para que pueda hacerlo de forma automatica. Tal y como
646
n Geogra
fica
Sistemas de Informacio
coment
abamos, la intervenci
on del cart
ografo es en este caso imprescindible para incorporar
este tipo de circunstancias y aportar al mapa la calidad que un mecanismo automatico de
etiquetado no es capaz por el momento de ofrecer.
Una vez se ha definido la posici
on m
as adecuada para las etiquetas, es necesario decidir
c
omo representar cada una de ellas. Algunas etiquetas son mas relevantes que otras, y la
claridad con la que una etiqueta transmite su informacion depende en gran medida de como
esta se escribe. Los conceptos de la tipografa son de relevancia en este caso, y son a los que
debemos acudir. He aqu algunos de ellos.
El uso de las variables visuales que conocemos es limitado en el caso de las etiquetas
y, salvo el tama
no, no suelen emplearse para diferenciar unas de otras o darles mas
importancia.
El uso del tono o el valor debe llevarse a cabo con precaucion. La legibilidad de la
etiqueta, no obstante, est
a en relaci
on con el fondo, ya que el color de este puede
dificultar su lectura, y en esta situaci
on es a veces necesario usar uno u otro tono para
garantizar esa legibilidad. La etiqueta siempre esta en un primer plano, por lo que el
resto del mapa bajo ella y en su entorno forma parte del fondo. Como ya vimos, un
adecuado contraste entre fondo y figura es importante, por lo que variar el color de
una etiqueta puede a veces ser necesario para que esta pueda leerse correctamente.
Algunos elementos se etiquetan sistem
aticamente con colores establecidos, como en el
caso de los ros, del mismo color azul que la propia geometra de estos.
El tama
no es la forma principal de jerarquizar las etiquetas y darles mas importancia.
Se puede aplicar directamente sobre el tama
no de la fuente, aunque tambien es posible
hacerlo sobre el grosor (fuente normal o negrita).
El uso de may
usculas o min
usculas sirve igualmente para conceder mas importancia a
unas u otras etiquetas.
La separaci
on entre caracteres se puede modificar para hacer que la etiqueta cubra
un espacio mayor a lo largo de un objeto lineal, eliminando en ocasiones la necesidad
de un etiquetado m
ultiple de esta. Un espaciado mayor tambien aporta mayor enfasis
a la etiqueta. Tambien se puede optar por un espaciado menor en etiquetas menos
importantes, o en zonas con alta densidad, para disminuir el espacio que estas ocupan
y evitar solapes.
El uso de fuentes artsticas o decorativas no es recomendable. Se deben utilizar fuentes
sencillas y que sean lo m
as legibles posible.
La informaci
on necesaria para realizar todos estos ajustes a las etiquetas debe estar
contenida en la tabla de atributos de la capa. As, podemos incluir en esta campos que
indiquen el
angulo en el que se escribe la etiqueta, el tama
no a utilizar o la separacion de
car
acter, entre otras caractersticas. Incluso la propia posicion puede especificarse de esta
forma. En caso de existir estos valores, el SIG los usara en lugar de aquellos que resultaran
de la aplicaci
on de los algoritmos de etiquetado automatico de que disponga, entendiendo
que el ajuste manual es de mejor calidad. Dado que este tipo de configuracion es habitual
si se desea crear un mapa de calidad, algunos SIG permiten la incorporacion de capas de
etiquetado, que contienen toda la informaci
on necesaria para el establecimiento de etiquetas,
n en te
rminos SIG
La visualizacio
647
de forma que estas se incorporan al mapa por separado y no a partir de los objetos a los que
hacen referencia y sus atributos. Esta manera de proceder, no obstante, es mas laboriosa.
En resumen, la tarea de etiquetar un mapa es compleja y normalmente va a requerir
una cierta cantidad de trabajo manual por parte del creador del mapa. Los SIG disponen de
herramientas para automatizar una parte de este trabajo, aunque la implementacion de estas
herramientas es muy variada, y encontramos desde aplicaciones con poco mas que un sistema
trivial de etiquetado a sistemas complejos altamente configurables. En cualquier caso, incluso
en el m
as avanzado de los programas, es muy probable que debamos llevar a cabo alg
un tipo
de modificaci
on o que debamos especificar manualmente algunos de los parametros que el
SIG emplea para llevar a cabo un etiquetado automatico o semiautomatico.
28.3.
Visualizaci
on de capas r
aster
Las capas r
aster son, en lo que a visualizacion respecta, las que resultan mas novedosas
si las comparamos con lo que encontramos en un mapa clasico. A diferencia de las capas
vectoriales, compuestas por elementos que s aparecen en estos mapas y cuya estructura
l
ogica se asemeja mucho a la estructura gr
afica de un mapa a base de smbolos puntuales,
lineales y de superficie, las capas r
aster dan lugar a representaciones que no resulta tan
frecuente ver en la cartografa cl
asica.
La cartografa cl
asica, especialmente la relativa a lo que denominabamos cartografa
base, se encarga de recoger que es lo que hay en una determinada porcion de terreno,
llevando esto a cabo mediante la representaci
on de una serie de objetos que se corresponden
con aquello que encontramos en ese terreno. Este es un enfoque mucho mas acorde con
el modelo de representaci
on vectorial, y m
as alejado del modelo raster. La representacion
gr
afica de variables continuas, las cuales se aprovechan plenamente con el modelo raster, no
es objeto tradicionalmente de la cartografa, y de serlo se representan mediante geometras
simples, tales como las lneas en un mapa de isolneas. Es decir, para el cartografo clasico,
e independientemente del tipo de variable a representar, los datos se manejan en un modelo
de representaci
on de tipo vectorial.
Esto obedece principalmente al gran detalle que tiene una capa raster, el cual hace
inviable el uso de un planteamiento similar a la hora de crear un mapa sin la ayuda de un
SIG. El cart
ografo puede trazar unas isolneas sin dificultad para representar la topografa,
pero dividir el lienzo del mapa en miles de peque
nos cuadrados y colorear cada uno de
un color seg
un su elevaci
on es por completo inviable. Mas a
un, disponer de los datos a
representar en este caso (que constituiran un MDE), resulta tambien imposible si no se
dispone de un ordenador para calcularlo.
Por todo ello, las capas r
aster nos van a permitir crear representaciones algo distintas a
las habituales en la cartografa cl
asica y, aunque las diferencias conceptuales con respecto a
la visualizaci
on de capas vectoriales son pocas, hay algunas ideas que deben detallarse.
Formalmente, y al igual que de cara a su analisis, podemos considerar una capa raster
como una capa vectorial de polgonos (cuadrados en este caso). No obstante, e igual tambien
que para el an
alisis, la regularidad de la capa r
aster es el elemento clave que aporta la diferencia m
as importante, y en el que reside la particularidad de ese modelo de representacion.
Si a cada uno de los polgonos cuadrados de los que se compone una capa raster le
asignamos un color, podemos considerar que el mapa resultante es equivalente a un mapa de
coropletas, aunque con tres caractersticas peculiares: las unidades tienen un mismo tama
no
todas ellas, este tama
no es normalmente muy peque
no y tiene dimensiones muy reducidas
648
n Geogra
fica
Sistemas de Informacio
en la representaci
on, y las unidades est
an situadas de forma regular en una malla. Estas
caractersticas hacen que algunos de los inconvenientes de los mapas de coropletas no se
presenten, y permiten un uso distinto de las variables visuales.
Por ejemplo, el uso del tono como variable ordenada, que ya vimos que en ciertos casos
s resulta adecuado, se puede dar en las capas r
aster. Como ya se menciono al desarrollar
las variables visuales, puedes encontrar abundantes ejemplos de representaciones as en los
captulos de la parte dedicada a procesos dentro de este libro. La regularidad de la malla de
celdas, junto con la autocorrelaci
on espacial y la continuidad de una variable a representar,
hacen que cada celda este rodeada de otras de valores similares, lo que aporta tambien una
continuidad visual que puede aprovecharse para emplear esquemas ordenados basados en el
tono.
Tanto si se usa el valor como si se usa el tono, otra de las consecuencias de la estructura de
una capa r
aster, y en particular del peque
no tama
no de sus celdas es el hecho de que resulta
de interes aumentar el n
umero de clases en que dividimos los valores de la variable para
asignarles el correspondiente valor o tono como variable visual. La mayor resolucion espacial
con la que trabajamos se puede acompa
nar tambien de una mayor resolucion cromatica para
obtener representaciones de mayor riqueza.
Mencion
abamos en el apartado 27.4.1 que no se recomienda un n
umero de clases mayor
de 7 u 8, ya que hara complejo el identificar cada una de ellas en la leyenda y conocer
la cantidad exacta que se representa. Ello no significa, sin embargo, que el ojo humano no
pueda distinguir m
as de 8 valores distintos de un tono dado. Si extendemos el n
umero de
clases, podemos lograr un efecto de transici
on suave entre los colores de las distintas celdas
y eso, aunque no facilite la identificaci
on de un color concreto con su valor asociado de la
variable representado, crea una representaci
on mucho mas informativa. Puede verse esto
claramente en la figura 28.3
Las representaciones de la parte derecha de la figura, con un total de 255 clases, dan
m
as detalle sobre la distribuci
on de la variable a lo largo del mapa que las de la parte
izquierda, con 8 clases. Saber en que rango de valores se encuentra una zona dada del mapa
puede resultar m
as difcil e impreciso, pero a cambio tenemos mas detalle. En un mapa de
coropletas, con unidades grandes bien diferenciadas, usar mas clases no aporta mas detalle
sobre la distribuci
on de la variable, ya que falta esa suavidad en las transiciones entre
unidades. En una capa r
aster, por el contrario, la ganancia es notable.
La segunda representaci
on de la figura, correspondiente a una capa de relieve sombreado,
muestra de forma m
as clara lo anterior. El valor recogido en esta capa representa el angulo de
incidencia de la fuente de iluminaci
on, lo que se traduce en un color mas claro o mas oscuro,
tal y como correspondera a una mayor o menor iluminacion sobre el terreno. Mientras que
la representaci
on de la izquierda, con m
as clases, tiene un aspecto mas realista ya que se
asemeja a la cantidad de diferentes grados de iluminacion que nuestro ojo percibira en la
realidad, la de la derecha pierde gran parte de su atractivo visual y de su capacidad de
hacer patente el relieve (esto es especialmente notable en la zona llana de la parte superior
izquierda). En este caso, el uso de un n
umero limitado de clases no es adecuado, ya que el
car
acter de esta capa es eminentemente visual, y los valores que puedan contener la celdas
no son relevantes, pero s lo es convertirlos de la forma mas fiel posible en distintos grados
de iluminaci
on.
n en te
rminos SIG
La visualizacio
649
Figura 28.3: Representacion de dos capas raster con valores de elevacion (a) y angulo de iluminacion
(b) mediante 255 (izquierda) y 8 (derecha) clases.
n Geogra
fica
Sistemas de Informacio
650
28.4.
Combinaci
on de capas
Argument
abamos en los primeros captulos de este libro, cuando presentabamos el concepto de capa, que el verdadero exito de este concepto es la separacion de los distintos tipos
de informaci
on geogr
afica, atomizando esta en unidades autocontenidas que guardan tan
solo la informaci
on relativa a una variable o fen
omeno concreto. As, cuando adquirimos un
mapa impreso, obtenemos muchas variables distintas que no podemos separar, pero en un
SIG, y con la informaci
on ya separada en esas capas, la situacion es muy distinta, dando
lugar a un manejo m
as estructurado y eficaz.
Pese a esto, resulta claro que a la hora de representar la informacion geografica, una
capa aislada no constituye la forma
optima de visualizar esta. Si en un mapa encontramos
elementos variados, ello no obedece a la mera economa de espacio, sino a que a
nadir informaci
on adicional a la de esa capa que queremos representar nos ayuda a entenderla mejor.
Los procesos que tienen lugar en el espacio est
an relacionados unos con otros, y visualizar
esas relaciones aporta una mayor riqueza a la visualizacion, haciendo que sea mas sencillo
extraer la informaci
on contenida en ella. Podemos ver un claro ejemplo de esto en la figura
28.4
Figura 28.4: Anadir capas adicionales que complementen a aquella que resulta de interes nos ayuda
a interpretar mejor esta y a lograr una representaci
on m
as eficaz.
La capa que representa la cuenca vertiente a un punto, y que contiene un solo polgono,
resulta mucho m
as u
til visualmente si la acompa
namos de elementos basicos como el relieve y
los cauces principales. La imagen de la derecha es autoexplicativa y se ve claramente gracias
al relieve que el polgono delimita la cuenca. En la de la izquierda esa informacion no puede
deducirse u
nicamente de la capa de interes.
Aunque sencillo de llevar a cabo en lo que a manejo del SIG respecta, combinar capas es
un proceso que tambien debe realizarse con conocimiento y en el que, si se realiza correctamente, las diferencias pueden ser notables. No solo se trata de dar espacio dentro del mapa
a toda la informaci
on que esas capas contienen, sino que exista una sinergia entre ellas en la
medida de lo posible, para que se complementen mutuamente como partes de un conjunto.
Veremos en este apartado algunas ideas a tener en cuenta en este sentido.
El primer aspecto a considerar es el orden de las capas, que indica como se disponen
estas las unas sobre las otras y definen el orden de pintado. Si una misma zona esta ocupada
por elementos de varias capas, solo ser
an visibles los correspondientes a la capa superior, ya
que la representaci
on de los pertenecientes a las demas quedara oculta. El efecto es el mismo
n en te
rminos SIG
La visualizacio
651
Figura 28.5: Variar el orden de las capas puede suponer un cambio radical en la representacion
final obtenida. Todas las im
agenes proceden del mismo conjunto de capas, pero las representaciones
son muy distintas.
que si pint
aramos en un papel algo y encima de ello pintaramos despues algo distinto. Tan
solo veramos esto u
ltimo.
La figura 28.5 muestra un claro ejemplo de lo anterior en el que se puede apreciar la
diferencia que supone variar el orden de las capas.
A pesar de estar construidas a partir de las mismas capas, las representaciones mostradas
en la figura son muy distintas como documentos cartograficos y no proporcionan la misma
informaci
on. As, en el caso b), pr
acticamente toda la informacion esta ((oculta)), ya que hay
una capa que la cubre. En el caso c) sucede que las zonas urbanas (en marron) estan situadas
por encima de las capas de ros y vas de comunicacion, dando la sensacion de que estas
u
ltimas desaparecen al entrar en dichas
areas urbanas. Este puede ser un efecto deseado
en ciertos casos, para enfatizar las zonas urbanas y su contorno, pero la representacion es
menos informativa en caso de que quiera detallarse el trazado de cauces y carreteras.
Se ve claramente que el orden de pintado es importante, y que un correcto orden es vital
para acomodar todos los elementos a representar y que cada uno cumpla su labor como
n Geogra
fica
Sistemas de Informacio
652
elemento informativo.
Sabemos que las capas r
aster llenan todo el espacio y contienen valores en todas sus
celdas (o pxeles en el caso de im
agenes). Por ello, van a tapar lo que se sit
ue por debajo de
ellas y no resulta buena idea situarlas en lo alto del orden de pintado. En su lugar, se deben
considerar como capas base sobre las que situar las restantes, de tal modo que no impidan
a estas visualizarse correctamente.
Con un razonamiento similar, podemos establecer la mejor forma de ordenar las capas
vectoriales, situando por norma general los polgonos y encima de estos las lneas y los
puntos respectivamente. Esta regla es, l
ogicamente, muy generica, y en cada situacion se
ha de evaluar la conveniencia de adoptar otra disposicion, siempre con objeto de evitar que
unas capas dificulten la correcta interpretaci
on de otras.
En ocasiones, un determinado orden viene impuesto por el significado que tienen las
capas. Por ejemplo, si nuestro mapa contiene una capa con la red de drenaje y otra con
carreteras, lo l
ogico y habitual es que las carreteras esten por encima de los ros, ya que lo
normal es que pasen por encima de estos y no al contrario. En la practica cartografica, este
tipo de situaci
on se resuelve simbolizando de forma particular este tipo de coincidencias,
como se muestra en la figura 28.6. Esto requiere en el SIG unas capacidades avanzadas de
edici
on gr
afica, algo que, como vimos en el primer captulo de esta parte, no es muy com
un.
No obstante, algunos SIG incluyen no solo esas capacidades, sino tambien funcionalidades
que crean autom
aticamente esos elementos gr
aficos en funcion del analisis de las capas, de
tal modo que automatizan la tarea.
a)
b)
c)
Figura 28.6: Representacion erronea (a) y correcta (b) de capas al combinar una de carreteras (en
marr
on) y otra de red de drenaje (en azul). La inclusi
on de un elemento que simbolice el cruce (c)
supone, no obstante, una mejor soluci
on desde el punto de vista cartogr
afico.
Una funcionalidad de que disponen los SIG para la combinacion de capas es el uso de
transparencias y semitransparencias. Estas se pueden aplicar tanto a capas raster como
vectoriales, de forma que puede verse a traves de ellas y as presentar la informacion de
otras capas que se encuentren por debajo. Por ejemplo, la representacion mostrada en la
figura 28.4 hace uso de esta tecnica. El polgono que delimita la cuenca vertiente es semitransparente, de tal modo que la capa de relieve sombreado que esta debajo puede verse,
dando la sensaci
on de que sigue ese relieve.
Si se usa semitransparencia para una capa tematica (por ejemplo, en un mapa de coropletas), no debe perderse de vista que el color vara respecto al original que ha sido asignado
a cada polgono, ya que se ((mezcla)) con el color de cada pxel correspondiente a la representaci
on de las capas inferiores. Esto puede resultar confuso a la hora de interpretar las
componentes del color, ya que no coincidir
an con las mostrada en la leyenda. Mas a
un, y
como puede tambien apreciarse en la figura 28.4, el color del polgono, que debera ser u
nico,
n en te
rminos SIG
La visualizacio
653
on con alg
un tipo de valor. A la hora de combinar capas, esos valores de
relleno no interesa representarlos.
La divisi
on horizontal de los datos puede dar lugar a problemas en el caso de capas
vectoriales o capas r
aster distintas de im
agenes, para las que es necesario establecer unas
caractersticas de representaci
on en funci
on de sus atributos, en caso de que la informacion
acerca de una variable se encuentre dividida en varias capas, cada una de las cuales cubre
una porci
on del terreno. Un SIG incorpora habitualmente herramientas para que estas capas,
as divididas para una mejor gesti
on, puedan unirse en una u
nica, y al hacer esto, la capa
resultante tendr
a asignado un esquema de representacion tambien u
nico, de forma que toda
ella se visualizar
a de forma coherente. En tal caso, no encontramos problema alguno.
En el caso, sin embargo, de trabajar con las capas de forma independiente, y si estas han
de combinarse en una misma representaci
on, es necesario que los esquemas de representacion
sean coherentes unos con otros, para que en la representacion global aparezcan como una
u
nica capa de informaci
on. De modo contrario, la representacion sera ambigua y confusa, y
no mostrar
a de la forma adecuada la informacion que esas capas contienen. No considerar
esta circunstancia lleva a errores tales como los mostrados en la figura 28.7.
En el caso de la derecha, dos MDE se representan con una misma gradacion de colores.
Se usa una representaci
on por intervalos, pero, debido a que los valores extremos a partir de
los cuales se crean dichos intervalos son distintos, estos intervalos resultan tambien distintos,
y un mismo color representa un valor de elevacion diferente en cada capa. Por esta razon,
se hace muy patente la lnea de uni
on entre ambas capas, ya que, pese a que existe una
continuidad suave entre los valores, no lo es as en lo que respecta a su representacion.
El mismo par de capas puede representarse de forma correcta sin mas que establecer un
u
nico conjunto de intervalos para ambas, de tal modo que los valores maximos y mnimos
entre los que se sit
uen sean los m
aximos y mnimos absolutos del conjunto de capas.
En el caso de la izquierda (que ya se describi
o en el apartado 18.4 dedicado a la operacion
de juntar capas vectoriales) se presenta el mismo error, aunque no resulta tan patente a
primera vista como en el anterior. La representacion esta realizada a partir de cinco capas
654
n Geogra
fica
Sistemas de Informacio
Figura 28.7: a) dos representaciones incorrectas de conjuntos de capas, debido a incoherencia entre
los par
ametros de representaci
on empleados en cada una de ellas. b) representaci
on correcta y
homogenea con par
ametros de representaci
on comunes.
de datos, una para cada continente, asignando colores en funcion de la poblacion de cada
pas y con un total de 10 intervalos. Aunque la representacion no revela ning
un problema
tal como la lnea de sutura entre las capas r
aster del ejemplo a), es incorrecta, ya que pases
con poblaciones muy distintas se representan con un mismo color. As, Alemania, el pas
m
as poblado del contiene europeo, y China, el m
as poblado de Asia, tienen el mismo color a
pesar de este u
ltimo tiene m
as de quince veces m
as habitantes que el primero. Una vez mas,
los intervalos empleados no son coherentes entre s. En la representacion de la derecha de la
figura puede observarse el resultado tras haber ajustado convenientemente los parametros
de representaci
on del conjunto de capas. N
otese que, pese a ser correcto desde este punto de
vista, el mapa es poco informativo. La divisi
on en intervalos iguales que se ha empleado no
resulta una buena opci
on en este caso debido a la presencia de unos pocos pases con mucha
m
as poblaci
on que el resto. El uso de intervalos naturales o percentiles habra dado lugar a
una representaci
on m
as u
til.
28.5.
Particularidades de la representaci
on en pantalla
Tanto para las representaciones en papel como para las representaciones en pantalla se
siguen unos mismos principios a la hora de dise
narlas, pero estas u
ltimas presentan algunas
caractersticas particulares que hacen necesario tener en consideracion otros factores. Esto
es especialmente cierto cuando consideramos que esa representacion en pantalla se realiza
desde dentro de un SIG como parte de una sesi
on de trabajo con este (es decir, que no
estamos, por ejemplo, visualizando un mapa escaneado con una aplicacion de edicion de
im
agenes sino trabajando en el SIG y creando la visualizacion como un elemento mas de ese
n en te
rminos SIG
La visualizacio
655
trabajo).
Podemos distinguir dos bloques fundamentales de diferencias que hacen que un mapa
pensado para ser visualizado en la pantalla mientras ejecutamos un SIG no deba dise
narse
exactamente igual que si estuviera pensado exclusivamente para ser utilizado en un soporte
impreso: la baja resoluci
on de la pantalla y la interactividad de la propia representacion.
El primer aspecto a considerar es la baja resolucion de una pantalla en comparacion
con un documento impreso. Mientras que sobre el papel un mapa puede imprimirse a una
resoluci
on de varios cientos de puntos por pulgada (dpi), en la pantalla la resolucion viene
limitada por el tama
no de los pxeles, que es mucho mayor que el del mnimo punto que se
consigue imprimir por medios mec
anicos. En una pantalla, la resolucion es del orden de 100
pxeles por pulgada. Por eso, si te acercas a la pantalla de tu ordenador, puedes ver los pxeles
individuales si tienes cierta agudeza visual. Por el contrario, incluso con una impresora de
uso domestico, distinguir el mnimo punto que esta es capaz de imprimir esta por encima de
la capacidad del ojo humano. Esto quiere decir que el papel permite una definicion mucho
mayor que la pantalla, ya que incluso los elementos de menor tama
no del mapa van a estar
dibujados con una serie puntos de menor tama
no que permiten lograr una nitidez muy
elevada.
A la hora de preparar cartografa impresa, la resolucion no es un problema, ya que las
capacidades de que se dispone superan a las necesidades que el cartografo puede tener. En
la pantalla, sin embargo, algunos elementos pueden no aparecer con suficiente claridad y,
aunque en papel cumplan su funci
on correctamente, es conveniente sustituirlos por otros
m
as adecuados cuando no se trabaja sobre un medio impreso. Los siguientes son algunos
de los elementos que deben evitarse o, al menos, emplearse de manera distinta a la hora de
crear representaciones en pantalla.
Fuentes con ornamentos tales como sombreados. Si son de peque
no tama
no, el sombreado no puede pintarse con suficiente nitidez y perjudica la legibilidad del texto.
Fuentes con serifas. Las serifas (Figura 28.8) estan pensadas para hacer mas comoda
la lectura del texto impreso cuando este tiene una longitud considerable tal como en
un libro, y consisten en peque
nos adornos generalmente situados al final de las lneas.
Por su peque
no tama
no, no se representan con suficiente definicion en la pantalla, lo
que causa perdida de legibilidad. Por ello, se recomienda el uso de fuentes sin serifas en
documentos pensados para visualizarse en pantalla, tales como paginas Web o como
un mapa dentro de un SIG.
Rellenos con tramas de paso muy fino. Si las lneas de un tramado estan muy juntas,
la baja resoluci
on de la pantalla puede ser insuficiente para separarlas, haciendo difcil
para el observador reconocerlas.
Punteados. Al igual que en el caso anterior, si el punteado no tiene un paso suficiente,
puede no resultar evidente la discontinuidad de la linea, creandose una representacion
ambigua.
El segundo aspecto a considerar es el relativo a la interactividad de las representaciones.
A diferencia de un mapa impreso, en un SIG lo que vemos no es un elemento estatico, sino
din
amico. En este contexto, din
amico no quiere decir que el mapa cambie o que represente
un proceso din
amico (que tambien es posible, como veremos mas adelante en otro apartado
n Geogra
fica
Sistemas de Informacio
656
n en te
rminos SIG
La visualizacio
657
peque
no dibujo de una de ellas, al aumentar el tama
no de cada icono se perdera definicion,
mientras que al disminuirlo la pantalla no tiene resolucion suficiente para dibujarlo correctamente y no se identificar
a su forma. En general, el empleo de smbolos puntuales de este
tipo se desaconseja a la hora de representar cartografa en pantalla.
a)
b)
Figura 28.9: El cambio de escala vara el tamano de los smbolos tales como las etiquetas, haciendolos demasiado peque
nos (a) o demasiado grandes (b)
Una soluci
on a esto es especificar un tama
no absoluto de estos elementos que no vare con
la escala. Es decir, que un smbolo o una etiqueta de texto tengan siempre el mismo tama
no
en pantalla y ocupen los mismos pxeles. A escalas bajas, sin embargo, este metodo puede
dar lugar a representaciones saturadas, como se observa en la figura 28.10. Este problema
es m
as notable si se tiene en cuenta que en pantalla se emplean generalmente tama
nos de
letra m
as grandes que en un mapa impreso, por lo que se debe reducir la cantidad de texto
mostrado para evitar una densidad de etiquetas demasiado elevada.
Las particularidades que hemos visto en esta seccion se refieren a la representacion en
la pantalla de un ordenador de sobremesa o portatil, pero, como vimos en el captulo 24.2,
los SIG sobre dispositivos m
oviles tienen a su vez sus propias caractersticas en lo que a
dispositivos de representaci
on respecta. Por ello, y seg
un los casos, todo lo visto en este
apartado debe considerarse de modo especfico en estos casos, a
nadiendo los condicionantes
que este hecho puede implicar en las distintas funciones de representacion.
n Geogra
fica
Sistemas de Informacio
658
Figura 28.10: Representacion saturada al representar elementos con tamano fijo a una escala baja.
28.6.
Visualizaci
on tridimensional
La visualizaci
on tridimensional es una de las tendencias mas importantes dentro del
mbito SIG en la actualidad. Aunque el SIG de escritorio sigue siendo fundamentalmente
a
una herramienta 2D, las aplicaciones con capacidades 3D van ganando relevancia al tiempo
que incorporan cada vez m
as funcionalidades que las acercan a las del SIG de escritorio
completo. Adem
as de su mejor capacidad para incorporar de forma realista los elementos
geogr
aficos (que son tridimensionales, as como los fenomenos que los originan), una de las
razones indudables del exito y la popularidad del SIG 3D es su gran atractivo visual. La
tercera dimensi
on hace m
as sencillo interpretar buena parte de la informacion representada,
ya que permite mostrarla de un modo m
as asequible y facil de entender, especialmente para
el observador no especializado. Frente al mapa impreso o la representacion bidimensional en
pantalla, la representaci
on en tres dimensiones resulta mucho mas intuitiva y ((real)). Al ser
m
as natural y cercano a la realidad que se representa, un mapa tridimensional se percibe
menos como un elemento simb
olico y m
as como una realidad.
Por todo ello, porque el factor visual es de gran relevancia en los SIG 3D, una adecuada
visualizaci
on de la informaci
on geogr
afica tiene mucha importancia para poder aprovechar
al m
aximo todas sus posibilidades. Las siguientes son algunas de las ideas que deben considerarse al trabajar con representaciones tridimensionales, junto, por supuesto, todas las que
ya hemos detallado para las representaciones 2D habituales:
Existencia de distintas formas de perspectiva. Existen distintas formas de perspectiva
para lograr trasladar la realidad tridimensional a la superficie plana del papel o la
pantalla. Estas alteran la percepci
on de las distintos elementos de la imagen, y en
algunas aplicaciones es posible escoger la que se desea, con lo cual aparece un nuevo
par
ametro que modifica la representaci
on y debe ser ajustado convenientemente.
Importancia de la posici
on del observador y los angulos de vision. En un mapa plano no
existe como tal el concepto de posici
on del observador. Aumentando o disminuyendo la
escala, el efecto producido es similar a alejarse o acercarse al mapa, y al desplazar este
y cambiar el encuadre, podemos considerar que el observador se desplaza, pero estos
n en te
rminos SIG
La visualizacio
659
movimientos no afectan a c
omo percibimos la informacion del mapa. Desde la vista
cenital que representa un mapa, apreciamos sin dificultad las dos dimensiones que este
contiene, y ello nos permite interpretar el significado de sus distintos elementos. En el
caso tridimensional, la posici
on del observador no viene u
nicamente definida por una
posici
on y un alejamiento (que resultan en un encuadre y una escala dadas), sino por
una serie de
angulos que al modificarse alteran la vision de las variables representadas.
Por ejemplo, para el caso de que existan elementos tridimensionales tales como edificios, una vista de tipo cenital no dejar
a percibir adecuadamente la elevacion de estos.
Por el contrario, una capa r
aster de temperaturas representada dentro de esa vista
tridimensional sobre el terreno se apreciara mejor si nos situamos por encima de ella,
de forma que la lnea de visi
on sea perpendicular.
En otros casos, para una u
nica variable es necesario elegir la visualizacion en funcion
de aquello que queramos mostrar de forma mas clara. Si consideramos una capa de
lneas (tridimensional, es decir, formada por un conjunto de puntos definidos mediante
3 coordenadas cada uno) que representa la trayectoria de un avion, la vista cenital
nos permitir
a ver el recorrido de este, pero sera difcil apreciar si ha ascendido o
descendido durante el vuelo. Una vista de perfil soluciona esto, pero hace complicado
apreciar el desplazamiento en el eje perpendicular a la linea de vision, por lo que el
recorrido no se conoce con la misma exactitud. Incluso si este puede apreciarse de
alg
un modo (por ejemplo, variando el grosor de la lnea cuando el avion se acerca o
aleja del observador para as representar la distancia en profundidad), una capa base
con un mapa topogr
afico no se visualizara apenas desde esa vista de perfil, haciendo
imposible saber cu
ando en ese recorrido se ha pasado de un pas a otro. A diferencia de
lo que sucede con un mapa bidimensional, en una vista tridimensional no se aprecian
de igual modo todas las dimensiones implicadas en la representacion, ya que el soporte
(la pantalla) solo posee dos dimensiones.
Orden de capas con un significado distinto. El orden de representacion de capas, seg
un
vimos en un punto anterior de este captulo, define la forma en que estas se pintan y
la jerarqua que condiciona si la representacion de unas capas tapa a la de otras. Se
puede considerar como que unas capas se encuentran ((encima)) de otras. En el caso
de una vista 3D, este concepto de ((encima)) tiene sentido solo si las capas no tienen
de por s una informaci
on sobre su altura y se pintan a una altura arbitraria, tal
como por ejemplo, sobre el terreno. En caso contrario, sera la propia informacion de
la componente z la que dicte d
onde se pinta cada capa, y la posicion del observador la
que condicione c
omo se visualizan. En realidad, y salvo para el caso de imagenes que
se van a representar a una misma altura y se sobreponen (ya que dentro de la vista
3D ocupan el mismo lugar en el espacio), el concepto de orden de las capas no existe
como tal cuando trabajamos con una vista 3D.
Diferentes formar de incorporar objetos volumetricos. Existen diversas formas de incluir objetos 3D en una vista tridimensional, la mas directa de las cuales es a traves
de un modelo que defina el objeto a representar. Estos objetos son el elemento adicional que, en el SIG 3D, acompa
na a los puntos, lneas y polgonos que conforman
las geometras empleadas en el SIG 2D. Asimismo, se pueden crear geometras 3D a
partir de geometras 2D como polgonos, mediante el uso de alg
un atributo asociado
a estas y el proceso conocido como extrusion. Dada una capa con la planta de unos
edificios (expresada esta con un polgono), y si se conoce la altura de cada uno de ellos,
660
n Geogra
fica
Sistemas de Informacio
pueden formarse vol
umenes (Figura 28.11). Esta tecnica se emplea habitualmente para la creaci
on de modelos de ciudades cuando no se dispone de modelos detallados de
cada edificio. No obstante, cuenta con muchas limitaciones, ya que no permite recrear
formas m
as complejas y no se dispone de informacion adicional sobre elementos sobre
la componente vertical, sino tan solo de la planta, por lo que el alzado carece de detalle
(es decir, esos edificios as recreados no tendr
an, por ejemplo, ni puertas ni ventanas).
Figura 28.11: La extrusion permite la creacion de objetos volumetricos a partir de objetos planos.
Los edificios de la imagen se han creado u
nicamente a partir de la planta y un valor de altura para
cada uno de ellos.
La dimensi
on vertical puede considerarse como otra variable visual alternativa. En
relaci
on con lo comentado en el punto anterior, pueden crearse objetos volumetricos
mediante extrusi
on sin que la dimensi
on vertical de estos represente necesariamente
una altura como tal, sino que este en funci
on de un parametro adicional. La figura
28.12 muestra un ejemplo de esto. En la capa visualizada en la imagen, que representa
la poblaci
on de una serie de estados, se ha empleado la elevacion para visualizar esta
variable, adem
as de recurrir a la habitual gama de valores de colores. Se trata de un
mapa de coropletas en el que, sin embargo, no se acude u
nicamente a la variable visual
color para simbolizar la componente tem
atica. En realidad, estamos utilizando esta
junto a la variable tama
no, una variable que para el caso de polgonos no exista en la
representaci
on bidimensional (existe, pero debe distorsionarse el contorno del polgono,
algo que no resulta adecuado ya que este tiene un significado geografico, o bien puede
aplicarse sobre el grosor de la lnea de contorno, lo cual no es tan facil de percibir e
interpretar).
Un planteamiento similar se puede aplicar a capas raster, como se observa en la figura
28.13. La superficie mostrada sobre el terreno no es un relieve procedente de una capa
de elevaci
on, sino de una variable distinta (por ejemplo, presion o temperatura del
aire), la cual, adem
as de simbolizarse mediante una rampa de colores, se representa
en forma de relieve para hacer m
as evidente la variacion de esos valores. La capa no
tiene componente vertical, ya que es una capa raster bidimensional, por lo que podemos
n en te
rminos SIG
La visualizacio
661
Figura 28.12: La dimension vertical puede emplearse como variable visual para visualizar la componente tem
atica de la informaci
on geogr
afica.
28.7.
Visualizaci
on din
amica
Mientras que un mapa impreso contiene una informacion estatica que no vara y que
representa el estado de unas determinadas variables en un instante dado, dentro de un SIG
podemos crear representaciones que vayan variando para mostrarnos la evolucion de esas
variables. En un SIG es posible no solo visualizar una realidad, sino tambien el cambio que
662
n Geogra
fica
Sistemas de Informacio
Figura 28.13: La dimension vertical puede utilizarse tambien para simbolizar capas raster con
variables distintas a la elevaci
on.
Figura 28.14: La exageracion del relieve permite hacer mas evidente la configuracion de este.
se produce en esa realidad. Esta visualizaci
on dinamica supone una herramienta de gran
valor, especialmente para explorar la relaci
on entre distintas variables y como el cambio de
una de ellas afecta a las restantes.
La visualizaci
on din
amica se obtiene mediante una animaci
on, la cual se compone de una
serie de escenas, del mismo modo que una pelcula se compone de una serie de fotogramas.
El mapa cl
asico representa una u
nica de esas escenas, por lo que las nuevas posibilidades que
una animaci
on aporta con respecto a este son notables. Aunque de manera distinta a la de
una vista tridimensional, una animaci
on aporta tambien al mapa una dimension adicional.
El cambio que una animaci
on muestra no ha de darse necesariamente a lo largo del
tiempo, sino que puede ser en el espacio o a medida que vara cualquier otra variable. Por
ejemplo, una animaci
on puede consistir en un trayecto a lo largo del cual se desplaza el
observador y mostrar un ((vuelo)) entre dos puntos y como vara la realidad representada
a medida que nos movemos. Este tipo de animaciones son muy comunes en los visores
n en te
rminos SIG
La visualizacio
663
tridimensionales, que permiten definir el trayecto y los parametros que establecen como en
los distintos puntos de este el observador mira al terreno.
Podemos, asimismo, escoger cualquier variable adicional como eje de la animacion. Imaginemos, por ejemplo, que disponemos de una capa con una serie de divisiones administrativas,
y que para cada una de ellas conocemos el numero medio de hijos por pareja. Supongamos
que esta informaci
on la tenemos adem
as divida por grupos en funcion de sus ingresos medios anuales. Podemos crear tantos mapas de coropletas como clases haya establecidas en
funci
on de esos ingresos, y simbolizar en cada una de ellas los polgonos correspondientes a
las divisiones administrativas seg
un el n
umero de hijos. Si usamos esos mapas, cada uno de
los cuales constituye una escena, para formar una animacion, esta mostrara la variacion del
n
umero de hijos en funci
on de los ingresos medios. Esa u
ltima variable es el eje sobre el que
se desplaza la animaci
on, y el tiempo y el espacio no han sido usados de modo alguno para
crear esta.
Al la hora de crear una animaci
on, debemos tener en cuenta no solo las seis variables
visuales que estudiamos en el captulo 26, sino otras seis nuevas, las denominadas variables
visuales din
amicas[361]:
Momento. El equivalente a la variable visual posicion, indica el momento en la animaci
on en que se produce un cambio de una escena a otra.
Frecuencia. Indica la velocidad a la que se produce el cambio en la animacion. Si
es demasiado lenta, puede aportar una longitud excesiva a esta, mientras que si es
demasiado r
apida puede hacer difcil analizar e interpretar el cambio que se produce.
Duraci
on. El tiempo que cada escena se encuentra visible, que no tiene que ser el
mismo para todas ellas.
Magnitud del cambio. Indica cu
anto cambia una escena respecto a la anterior. Si
es peque
no, la animaci
on sera fluida, mientras que si es muy elevado, la animacion
tendr
a saltos bruscos. Dividido por la duracion nos indica la tasa de cambio.
Orden. La posici
on de cada escena dentro del conjunto, estableciendo antes o despues
de cu
ales de las restantes aparece.
Sincronizaci
on. Si la animaci
on muestra la variacion de varias variables, establece como
el cambio en estas se encuentra relacionado. Una correcta sincronizacion ayuda a interpretar la relaci
on que puede existir entre las variables que varan en la animacion.
En un entorno de visualizaci
on din
amica, el usuario pueden interactuar tambien con la
representaci
on din
amica, alterando las caractersticas de la animacion del mismo modo que
en una representaci
on est
atica dentro de un SIG puede modificar el encuadre haciendo uso
de las herramientas de navegaci
on habituales.
28.8.
Adem
as de permitir una representaci
on distinta de los elementos clasicos del mapa y de
las variables habituales, la visualizaci
on en un SIG puede ampliarse incorporando otros tipos
de informaci
on distintos, que no tienen presencia en la cartografa tradicional. El ordenador
664
n Geogra
fica
Sistemas de Informacio
es un soporte m
as potente que el mapa y soporta ademas otros elementos no visuales, de tal
modo que ofrece m
ultiples formas de enriquecer cualquier representacion.
En este sentido, el mapa puede comportarse no ya como un documento que trasmite un
tipo particular de informaci
on (la de tipo geogr
afico), sino como un contenedor de muchas
clases diferentes de informaci
on, todas ellas compartiendo el hecho de que pueden localizarse
y posicionarse, y el mapa se convierte en el elemento de referencia desde el que acceder a
todas ellas. Esta es una de las consecuencias del papel que los SIG han jugado haciendonos
ver la importancia de la informaci
on espacial que la mayora de fenomenos tienen asociada,
hasta el punto de que esa informaci
on geogr
afica, al ser puesta en un mapa, no constituye
el objeto primordial de atenci
on, sino es una informacion com
un a otros muchos tipos de
informaci
on, actuando como nexo de estos.
Algunos de los nuevos elementos que pueden a
nadirse a una representacion en un SIG
son los siguientes:
Fotografas. Aunque un mapa puede contener fotografas, esta muy limitado en temas
de espacio, y la presencia de estas es anecdotica. Por el contrario, y gracias a sus
elementos interactivos, un SIG puede incorporar fotografas solo a una determinada
escala, y solo si el usuario as lo pide, haciendo clic por ejemplo en un smbolo concreto. Esto permite incorporar un n
umero ilimitado de imagenes, permitiendo que estas
complementen a la informaci
on visual del propio mapa.
Un caso particular son las fotografas de tipo inmersivo, en las que el usuario puede
navegar a traves de fotografas del entorno como si se encontrara realmente en el
(Figura 28.15).
Figura 28.15: Las fotografias inmersivas permiten al usuario ((meterse)) en el mapa, ampliando
la informaci
on que se muestra acerca de un lugar con im
agenes reales tomadas sobre el terreno.
Al igual que se navega por un mapa, el usuario puede navegar por el terreno haciendo uso de los
controles interactivos correspondientes (imagen tomada de Google Street View).
Vdeos. Del mismo modo que las fotografas, aportan mas informacion sobre la zona
representada y permiten una exploraci
on mayor. Aunque son una tecnologa a
un muy
experimental, existen tambien vdeos de tipo inmersivo.
n en te
rminos SIG
La visualizacio
665
Sonido. Los elementos no han de ser necesariamente visuales, sino que pueden proporcionar informaci
on a traves de otros sentidos distintos.
Documentos. Un SIG puede incorporar documentos complejos tales como paginas Web
o textos varios.
Esta lista, no obstante, es muy susceptible de extenderse, ya que, virtualmente, un SIG
puede incorporar cualquier elemento que pueda manejarse dentro de un ordenador. Cada
da aparecen nuevas ideas sobre c
omo combinar la informacion geografica con otros tipos
de informaci
on, y el SIG se sit
ua en la base de todos estos nuevos planteamientos como
herramienta fundamental de trabajo.
28.9.
Resumen
Parte VI
El factor organizativo
En esta parte se trataran las ideas relacionadas con la organizacion y estructuracion del
sistema SIG, desarrollando los aspectos sociales tanto a nivel tecnico como funcional.
El captulo 29 desarrolla la importancia del factor organizativo en un SIG, presentando
las principales elementos que van a permitir una correcta organizacion y relacion entre
elementos del SIG. Se trata conjuntamente todo lo relativo a la implementacion de un
SIG, siguiendo las pautas de organizaci
on presentadas.
En el captulo 30 se explicaran los conceptos basicos sobre las Infraestructuras de Datos
Espaciales, con el objetivo de introducir las principales caractersticas que las conforman y
la nueva forma de trabajar que su uso conlleva. Veremos, asimismo, los principales acuerdos
que tanto a nivel nacional como internacional se han tomado para su correcto desarrollo y
funcionamiento.
Un elemento fundamental para gestionar los datos son los denominados metadatos. El
captulo 31 esta dedicado por entero a ellos, describiendo la importancia que tienen en el
contexto actual de los SIG.
A lo largo del captulo 32 se tratan los principales estandares existentes en el campo de la
informaci
on geografica y los servicios que estos definen, analizando sus especificaciones y
su importancia.
Captulo 29
Introducci
on. C
omo se organiza un SIG?
C
omo se organizan los distintos elementos del sistema SIG? Por qu
e es necesario planificar
una correcta organizaci
on dentro de un SIG? Qu
e criterios deben seguirse para llevar a cabo
esa organizaci
on?Qu
e debemos considerar antes de comenzar a trabajar con un SIG?
Trabajar con un SIG requiere una correcta organizaci
on a todos los niveles. Ahora que conocemos
que podemos hacer con un SIG, es el momento de ver c
omo debemos plantearnos ese trabajo de forma
o
ptima, dejando los aspectos tecnicos y centr
andonos en aspectos funcionales, organizativos y humanos,
todos ellos igual de importantes que los anteriores ya vistos.
En este captulo se presentan las ideas fundamentales relativas a la organizaci
on de un SIG, su
implantaci
on y uso. Estas ideas ser
an b
asicas para entender posteriormente los restantes captulos de
esta parte, en los que se desarrollan por separado algunos conceptos relacionados y de gran importancia
en la escena actual de los SIG.
29.1.
Introducci
on
Como sistema complejo, un SIG requiere una organizacion eficiente que permita la correcta interacci
on de todos sus elementos y a todos los niveles. Esta organizacion es tanto
m
as necesaria cuanto m
as volumen adquiere el sistema SIG, pues la propia complejidad de
este puede conllevar la perdida de eficiencia y un uso en el que no se aprovechan plenamente
las capacidades que el SIG ofrece como herramienta para el trabajo con datos geograficos.
Una organizaci
on ineficiente es con frecuencia el cuello de botella mas importante con el que
un sistema SIG se encuentra y, parad
ojicamente, un aspecto con frecuencia olvidado.
Los niveles de complejidad y volumen que encontramos actualmente en el ambito de los
SIG son muy superiores a los que existan hace apenas unos a
nos, y requieren un enfoque
distinto para poder lograr que todas las piezas del SIG funcionen de forma armoniosa y
sincronizada, sin problemas derivados de una mala sincronizacion o de un incorrecto dimensionamiento del sistema. De hecho, el cambio que veamos en el captulo 1 en la definicion
del propio SIG, en el que se pasaba de una combinacion de hardware y software para manejo de datos localizados espacialmente a un sistema complejo con mas componentes, viene
en gran medida desencadenado por la creciente consideracion de la organizacion como un
factor vital para el buen funcionamiento del SIG. Esa organizacion a la que originalmente
no se le conceda la relevancia actual debido a que las circunstancias eran distintas, se ha
demostrado en el contexto presente como un elemento clave para la gestion del SIG, y sin
duda alguna un elemento al que ha de prestarse atencion en cualquier utilizacion de un SIG
m
as all
a del
ambito meramente personal.
Implantar un SIG (es decir, establecer un entorno SIG susceptible de ser empleado productivamente) es una labor compleja. No basta con conseguir un software SIG, instalarlo
en un ordenador, conseguir un conjunto de datos y ponerse a trabajar para dar respuestas
n Geogra
fica
Sistemas de Informacio
672
29.2.
La importancia de la organizaci
on
n. Co
mo se organiza un SIG?
Introduccio
673
A medida que avanzamos en el desarrollo de los SIG, encontramos escenarios mas complejos en los que se multiplica la magnitud de los distintos factores implicados (mas
gente, m
as datos, m
as potencia en el hardware empleado...), requiriendose a su vez
una organizaci
on interna de esos mismos factores.
A la hora de planificar la implantaci
on de un SIG, debemos tratar de homogeneizar
internamente cada uno de sus elementos, o al menos de incorporar mecanismos que
garanticen una correcta comunicaci
on y coordinacion a todos los niveles. Esto puede
implicar, por ejemplo, aplicar estrategias de trabajo coordinado para organizar el factor
humano, o emplear esquemas comunes para el almacenamiento de datos. Si cada uno
de los datos con que trabajamos presenta una estructura distinta, encontraremos el
mismo problema que si las distintas personas que van a trabajar en nuestro entorno
SIG hablan distintos idiomas y son incapaces de comunicarse. En esta situacion, puede
resultar complejo y poco eficiente (o incluso ser por completo imposible) emplear varios
grupos de datos de forma conjunta, restando as capacidades y eficiencia al sistema.
Logrando lo anterior, el sistema SIG ofrece mejor funcionamiento, justificando as plenamente el esfuerzo desarrollado para su correcta implementacion y organizacion, esfuerzo
que, por otra parte, en ocasiones es notable y no debe menospreciarse.
29.3.
Ahora que ya sabemos por que es importante una adecuada organizacion de un SIG,
veamos algunas ideas b
asicas sobre la forma de lograr esta. Para ello, y puesto que la organizaci
on es un concepto ntimamente ligado a la estructura del SIG como sistema, veremos
por separado c
omo plantear esa organizaci
on para los principales elementos de este, los cuales ya conocemos bien de captulos anteriores. Descubriremos as que la implantacion de un
SIG es mucho m
as que simplemente elegir una aplicacion y utilizarla, y que una implantaci
on que no cubra todos los aspectos fundamentales que a continuacion detallaremos es muy
probable que presente problemas y falle a la hora de ofrecer respuestas a las necesidades a
las que un SIG correctamente planificado puede responder.
29.3.1.
Datos
Ya sabemos que sin datos no podemos trabajar en un SIG, por lo que la implantacion de
este implica necesariamente la implantaci
on de un conjunto de datos a partir de los cuales
poder efectuar las operaciones propias del SIG. Esto conlleva el dise
no y creacion de una
base de datos contra la que posteriormente trabajaran las distintas aplicaciones, bien sea
para leer esos datos, modificarlos, o a
nadir nuevos datos.
A la hora de planificar el dise
no y creaci
on de la base de datos, se deben considerar todas
las actividades que a lo largo de su vida van a desarrollarse sobre ella. En funcion de esto,
se establecen las distintas etapas a seguir, que en una primera aproximacion pueden ser las
siguientes:
Recopilaci
on de datos. Los datos a incluir en nuestro SIG pueden obtenerse de procedencias muy diversas, ya sea adquiriendolos de proveedores privados, de organismos
oficiales o de cualquier otra entidad que disponga de los datos que van a ser necesarios. La elaboraci
on de una lista de datos necesarios ha de realizarse considerando los
674
n Geogra
fica
Sistemas de Informacio
futuros an
alisis que tendr
an lugar sobre ellos, con objeto de saber que datos hemos de
obtener (es decir, que variables del medio van a ser necesarias), pero tambien algunas
caractersticas m
as detalladas de esos datos. Por ejemplo, si los usuarios de nuestro SIG
van a hacer estudios a distintas escalas, es de interes contar con un mismo dato en esas
escalas de trabajo, para as facilitar el manejo de datos y optimizar las operaciones.
Si los datos que pueden obtenerse por las vas habituales no son suficientes, sera necesario, siempre que ello sea viable dentro del contexto de la implantacion, elaborar
aquellos que no hayan podido obtenerse. La creacion de estos datos debe encaminarse a
obtener un producto acorde con el resto de datos de que disponemos, para que puedan
integrarse de la forma m
as sencilla posible y disminuyan el trabajo a realizar.
En ocasiones, la creaci
on de nuevos datos no implica obligatoriamente el desarrollo
de trabajo de campo o la aplicaci
on de tecnicas como las que vimos en el captulo 6
(por ejemplo, la digitalizaci
on). Puede ser interesante elaborar nuevas capas de datos
a partir de las ya disponibles, mediante procesos de analisis u operaciones como las
que hemos visto en la parte III de este libro. Aunque estos procesos pueden ser llevados a cabo por los usuarios en el momento de necesitar un determinado dato, crear
previamente ese dato y ofrecerlo junto a los demas puede ser interesante por varias
razones.
En primer lugar, si son varios los usuarios que en un momento concreto van a necesitar
ese dato, evitaremos la repetici
on innecesaria del proceso, con la consiguiente ganancia
de tiempo. En segundo lugar, un usuario puede no estar capacitado o no disponer de
la experiencia necesaria para crear correctamente ese dato, especialmente si el proceso
a seguir es complejo o proclive a la aparici
on de errores. El hecho de que un usuario
necesite un dato no implica que conozca la forma de elaborarlo a partir de otros datos
primarios.
Preparaci
on de los datos. Obtener los datos es solo la mitad del trabajo. Si creamos
nuestra base de datos con los datos que hemos adquirido tal y como han sido suministrados, es probable que el trabajo posterior sea difcil y complejo. Salvo que todos
los datos provengan de un u
nico proveedor, vamos a tener datos con una gran heterogeneidad, la cual no favorece en absoluto el trabajo fluido con ellos. Incluso si todos
los datos tienen un origen com
un, es necesario prepararlos para el uso particular que
esperamos se realice en nuestro SIG, teniendo en cuenta aspectos que no han sido
considerados por el proveedor. Los siguientes son algunos de los apartados a los que
debe prestarse atenci
on para la preparaci
on de datos:
Extensi
on geogr
afica. Algunos datos pueden cubrir una region mucho mayor que
la que se espera vaya a ser necesaria en el desarrollo de proyectos dentro de nuestro
SIG. En tal caso, ((recortar)) la extensi
on disminuye el volumen de datos y facilita
su manejo.
Formato. El formato debe ser el adecuado para que las aplicaciones puedan leer los
datos, lo cual no siempre sucede. Cada proveedor de datos suele tener unas pautas
a la hora de distribuir sus datos, y esto puede no coincidir con las capacidades
de lectura de datos del software que vamos a utilizar. En tal caso, es necesaria
una conversi
on de formato para que los usuarios no encuentren dificultades en
ese sentido.
n. Co
mo se organiza un SIG?
Introduccio
675
29.3.2.
Personas
Si a lo largo de este libro hemos mencionado en repetidas ocasiones que los datos son
el elemento imprescindible del sistema SIG, a la hora de implementar y organizar este son
las personas quienes juegan el papel principal. El desarrollo del sistema SIG debe realizarse
a partir de los usuarios, ya que la influencia que tienen en los restantes elementos es muy
superior a la de estos otros. Los usuarios son quienes operan directamente con las aplicaciones
y quienes adem
as han de tomar decisiones a lo largo de un proyecto SIG, por lo que es
necesario escuchar sus necesidades y sus opiniones antes de implantar un SIG, con el fin de
proporcionarles el mejor entorno posible.
Las consideraciones acerca de los restantes elementos, tales como datos o software, deben
matizarse ((escuchando)) lo que los usuarios pueden decir al respecto. El exito en la implantaci
on de un SIG pasa por tener en cuenta de forma conjunta los requerimientos del mayor
n
umero de usuarios posible, considerando incluso el perfil de futuros usuarios que puedan
incorporarse m
as adelante.
Resulta err
oneo, por ejemplo, adquirir un determinado software basandose exclusivamente en las propias caractersticas de este, y sin consultar a los futuros usuarios si poseen alguna
experiencia previa con el o con otro similar. No siempre la mejor herramienta desde el punto
de vista tecnico garantiza unos mejores resultados al usarla, ya que existen otros factores
que afectan a la productividad y la calidad de los trabajos que se desarrollen posteriormente
sobre esa herramienta.
Una sencilla encuesta a los usuarios es una herramienta muy valiosa para aportar informaci
on en este sentido y decantar la elecci
on de la herramienta en uno u otro sentido.
Igualmente, nos permitir
a saber algo m
as sobre el nivel medio de los usuarios, sus preferencias o el tipo de trabajo que desarrollan mayoritariamente.
Se admite generalmente que el exito en la implantacion de un SIG pasa por un modelo de
implantaci
on que de preponderancia a los usuarios como factores a considerar. No obstante,
este enfoque no es siempre sencillo y no siempre esta exento de riesgos. Definir las necesidades
de los usuarios es uno de los aspectos vitales para la implementacion de un SIG, pero tambien
676
n Geogra
fica
Sistemas de Informacio
uno de los m
as difciles [305]. En ocasiones, por ejemplo, el usuario no necesariamente sabe
que es lo que necesita o que le conviene. Un problema muy habitual en el mundo del SIG es
el desconocimiento por parte de los usuarios de las verdaderas capacidades que el SIG tiene y
puede ofrecerles. Estos usuarios son capaces de utilizar un SIG, pero el aprovechamiento que
hacen de este no es
optimo, ya que ignoran una gran parte de su potencia. El hecho de que
las aplicaciones SIG sean complejas y dispongan de funcionalidades numerosas contribuye a
este hecho.
En este sentido, es importante considerar el papel de los usuarios tambien con posterioridad a la implantaci
on del SIG, es decir, una vez que se ha tomado una decision acerca de
otros elementos como software o datos, y estos ya se encuentran operativos. En lo que al
software respecta, esto incluye el desarrollo de acciones tales como seminarios o presentaciones, que divulguen las capacidades del SIG entre los usuarios y les hagan conscientes de
lo que pueden lograr con este.
Otro de los aspectos importantes en el elemento formado por los usuarios son las relaciones entre estos. Cit
abamos como una de las ventajas de una buena organizacion el hecho
de que existe un mejor conexi
on no solo entre los distintos elementos del SIG, sino tambien
en cada uno de dichos elementos, entre sus distintos representantes. Esto es especialmente
relevante en el caso de los usuarios, ya que la comunicacion fluida entre ellos puede evitar
muchos problemas y aumentar sensiblemente la productividad y la calidad del trabajo. Los
usuarios con mayor experiencia pueden solucionar problemas a usuarios menos experimentados, aconsejarles en el desarrollo de su trabajo o instruirles en las capacidades del software.
La creaci
on de comunidades de usuarios activas es una buena se
nal de una implantacion
exitosa de un SIG, y estas comunidades pueden incluso trascender el ambito de una implantaci
on particular de un SIG, extendiendose hasta cubrir a todos los usuarios de una
determinada aplicaci
on, o a todos los involucrados en un area de conocimiento dada en la
que se utilice un SIG.
Por u
ltimo, es importante para definir las necesidades de los usuarios saber clasificar a
estos y conocer su papel en el SIG. Un usuario puede tener funciones muy distintas, ya que
consideramos como tal a toda persona involucrada en el sistema SIG, no exclusivamente a
aquellas que directamente realizan el trabajo m
as tpico tal como el analisis de datos y la
obtenci
on de cartografa a partir de ese an
alisis. Para ver esto, podemos acudir a un ejemplo
sencillo.
Volvamos al caso presentado en el primer captulo de este libro, relativo a la gestion de
una masa forestal, y analicemos que tipos de usuarios podemos encontrar y el papel que
cada uno de ellos desarrolla en el SIG.
En un extremo encontramos a las personas encargadas de la toma de decisiones, tales
como los gestores y miembros de la administraci
on responsable de la masa forestal. Estas
personas no han de tener necesariamente unos amplios conocimientos de SIG, sino tan solo
ser capaces de entender los resultados que se generan con este. En funcion de ellos, tomaran
decisiones aplicando su experiencia al respecto, que en este area s que debe ser elevada. En
una posici
on similar encontramos a los operarios encargados del trabajo de campo y agentes
forestales que trabajan directamente sobre la masa, y que, en terminos del SIG, realizan
fundamentalmente una labor de recogida de datos. Deben conocer bien el entorno forestal y
las tecnicas de muestreo y toma de datos, pero no es un requisito imprescindible que cuenten
con experiencia en SIG. Si la recogida se realiza empleando alguna tecnologa a tal efecto,
o incluso alg
un tipo de SIG sobre una plataforma movil, deberan tener nociones basicas de
manejo, pero eso no constituye un conocimiento amplio de los SIG y sus capacidades.
n. Co
mo se organiza un SIG?
Introduccio
677
29.3.3.
Software
n Geogra
fica
Sistemas de Informacio
678
Actor
Tareas
Actores especficos
Proveedores de datos.
Grupos de investigacion
dentro de la institucion.
Otras entidades interesadas en el mismo espacio
Administradores de datos.
Mantenimiento y estandarizaci
on de datos espaciales.
Mantenimiento de los procesos que aseguran eficiencia y estandarizacion para
manejar y entregar datos
Especialistas en SIG y
programacion.
Usuarios de datos
Acceso y recombinacion
de datos espaciales Generaci
on de nueva informaci
on geogr
afica y de bases
de datos.
Adici
on de conocimientos,
hechos, interpretaciones y
an
alisis al sistema.
Profesionales en GIS y
geografa.
Analistas de informacion
espacial.
Planificadores.
Uso de la informacion y de
los datos geogr
aficos generados a partir del SIG institucional.
Cuadro 29.1: Labores principales desempenadas por los usuarios de un SIG (adaptado de [329])
la implantaci
on de nuestro SIG es amplio, la gama de necesidades que vamos a encontrar
resultar
a m
as extensa, siendo todava m
as complejo elegir el software que necesitamos.
Conocer con detalle el panorama actual del mercado de aplicaciones SIG es complejo, pero
tener una visi
on global de sus principales representantes puede ser sencillo y muy u
til no solo
para elegir una aplicaci
on concreta, sino tambien para saber que podemos esperar al tratar
de escoger una herramienta. El del SIG es un escenario cambiante donde aparecen muchas
novedades continuamente, y donde los enfoques cambian a veces de forma notable. Este
libro contiene un apendice (apendice B) en el cual se presentan las principales aplicaciones
en el panorama actual del software SIG. Esto te servira como un mapa del entorno en el
que se mueve actualmente el SIG en terminos de software, y aplicando los conocimientos de
la parte IV podr
as emplearlo como una gua u
til para saber que programas te resultan mas
convenientes en una determinada situaci
on.
Aun conociendo que aplicaciones SIG existen en el mercado y sus caractersticas, la
elecci
on de una que responda a nuestras exigencias puede no ser posible. En ocasiones, no
n. Co
mo se organiza un SIG?
Introduccio
679
existiendo una alternativa satisfactoria, puede ser necesario desarrollar elementos adicionales
a medida de las necesidades existentes, e incluso, en un caso mas extremo, el desarrollo
completo de una aplicaci
on SIG. Como vimos en el captulo 21, los SIG en la actualidad
se conciben como elementos base muy extensibles, siendo sencillo extenderlos desarrollando
u
nicamente las capacidades que necesitamos, y haciendo uso de forma transparente de todas
las funcionalidades que ya contienen.
En lo que respecta a la procedencia del software, encontramos una situacion parecida a
la existente con los datos. Adquirir software es la solucion mas inmediata y generalmente
asequible, aunque en circunstancias particulares es necesario producir el software necesario
que responda a unos requisitos m
as especficos. El desarrollo de este software puede contratarse como un servicio externo, o bien dentro del organismo de trabajo en el que nos
encontremos[279].
En caso de optar por simplemente utilizar un producto existente en el mercado, [303]
cita algunas cuestiones que deben plantearse antes de elegir un software SIG, entre las que
figuran las siguientes:
Que funcionalidades tiene?
Cumplen esas funcionalidades los requerimientos de mi organismo/equipo de trabajo?
Necesito realmente todas esas funciones?
Dispone de un entorno amigable?
Dispone de funcionalidades adicionales para usuarios avanzados?
Puede intercambiar datos con otras aplicaciones usadas en mi organismo/equipo de
trabajo?
Que documentaci
on existe?
Es posible obtener formaci
on?
Cu
anto cuesta?
Puede esperarse que el fabricante siga desarrollando y apoyando este software?
Que sistema operativo necesita para ejecutarse?
Como ya se ha mencionado, estas cuestiones deben relativizarse en funcion de otros criterios tratados en este mismo apartado. Los usuarios del software condicionan, por ejemplo,
lo que entendemos por ((entorno amigable)), ya que usuarios expertos pueden encontrar muy
amigable una linea de comandos, mientras que otros menos familiarizados con este tipo de
interfaces pueden ser incapaces de trabajar con ella. En este caso, es incluso probable que el
usuario experto sea mucho m
as productivo en esa interfaz de linea de comandos que en otra
distinta, con lo cual cabe reflexionar acerca de este apartado y tener claro que un mismo
software puede ser interpretado de formas distintas seg
un las circunstancias.
Asimismo, si consideramos la posibilidad de desarrollo de elementos adicionales mencionada anteriormente, es importante tener en cuenta un aspecto que analizaremos igualmente
en el citado apendice B, y que es el relativo a la forma de licenciamiento del software, bien
sea como software libre o bien como software privativo. Esto condicionara en gran medida
las posibilidades de modificaci
on y extensi
on que la aplicacion base escogida nos ofrezca, y
por tanto tambien la idoneidad de una u otra decision al respecto.
n Geogra
fica
Sistemas de Informacio
680
29.3.4.
Hardware
Sin dejar de ser relevante, el hardware plantea menos problemas que otros elementos a la
hora de implementar un SIG. Pese a ser un elemento fundamental, las actuales capacidades
de los ordenadores y el cada vez menor coste de la tecnologa han hecho mas sencilla la
elecci
on de equipos adecuados dentro de un presupuesto dado.
El hardware es, adem
as, el elemento en el que las particularidades del SIG tienen menos
influencia, al menos en lo que a los ordenadores como tales respecta. Los requisitos de un
SIG en este aspecto no son muy distintos de lo que cabe esperar en muchas otras aplicaciones
de distinta ndole hoy en da.
Estudios como [134] muestran que las caractersticas de los equipos empleados para el
trabajo con SIG dentro de un organismo o grupo de trabajo dependen principalmente del
tama
no de la comunidad de usuarios. Es decir, que por encima de otras consideraciones tales
como que hacen esos usuarios o c
omo lo hacen, el factor mas relevante es cu
antos usuarios
existen. Esto parece l
ogico si se piensa que un mayor n
umero de usuarios va a implicar
una mayor cantidad de datos y muy posiblemente unas mayores necesidades de proceso,
circunstancias que favorecen el empleo de estaciones de trabajo de mayor potencia, en lugar
de o junto a los habituales ordenadores personales.
La parte m
as especfica dentro de un SIG en lo referente a hardware la encontramos en
los perifericos. Como ya vimos en el captulo 6, algunas tareas tales como la creacion de
datos requieren equipos especiales como por ejemplo tabletas digitalizadoras. Mientras que
un puesto de trabajo para un usuario que realice un trabajo de analisis de datos es sencillo de
instalar y requiere, en terminos de hardware, poco mas que un equipo estandar, una estacion
fotogrametrica digital tienen unos requisitos m
as especficos. En casos particulares como
este, la oferta suele ser mucho m
as reducida y, con frecuencia, los proveedores de software
y hardware son el mismo y no ofrecen ambos productos por separado, sino formando parte
de paquetes ya definidos.
Otro aspecto particular del hardware SIG aparece en la generacion de salidas. La creacion
de mapas impresos, generalmente de gran tama
no, exige el empleo de medios de impresion de
gran formato, menos comunes y con un coste mayor que el de impresoras y plotters comunes.
29.4.
n. Co
mo se organiza un SIG?
Introduccio
681
software, la construcci
on de un edificio o la creacion de una empresa, y necesitan un analisis
previo, unos planteamientos de partida y una serie de procedimientos estructurados para ir
completando con garantas las distintas etapas del proyecto. En el caso de un proyecto SIG,
estas etapas vienen caracterizadas por el empleo de informacion geografica y el planteamiento
de un problema tambien con una componente geografica, a resolver mediante una serie
de procesos de an
alisis y operaciones tales como las que hemos ido viendo en captulos
anteriores.
La ingeniera de proyectos provee un nutrido conjunto de tecnicas para la elaboracion
de estos, las cuales son de aplicaci
on en los m
as diversos contextos, incluido el de los SIG.
Herramientas como el an
alisis DAFO para la realizacion de estudios de idoneidad, o los
diagramas de Gantt para controlar el desarrollo del proyecto a lo largo del tiempo, son solo
algunas de las m
as populares para cubrir las necesidades de planificacion de un proyecto de
caractersticas cualesquiera. No es el objetivo de este texto el detallar estas metodologas,
que quedan todas ellas fuera de su alcance tematico. El lector interesado puede encontrar
una interesante introducci
on a la gesti
on de proyectos en [317].
Es de interes, no obstante, mencionar la multidisciplinaridad de los proyectos SIG como
una caracterstica b
asica a la que debe prestarse atencion. Los distintos tipos de usuarios
que vamos a encontrar dentro de un proyecto SIG conforman un panorama muy variado, con
unas funciones que, en ocasiones, y especialmente en proyectos de menores dimensiones, no
se reparten adecuadamente, recayendo algunas de ellas en usuarios no especializados. Aislar
adecuadamente las responsabilidades y conocimientos necesarios para jugar cada papel dentro de un proyecto SIG es importante de cara a lograr que todas las partes de ese proyecto
se completan de manera
optima.
29.5.
Resumen
682
n Geogra
fica
Sistemas de Informacio
Captulo 30
30.1.
Introducci
on
Alrededor de un SIG se movilizan elementos tecnicos a varios niveles, y confluyen diferentes equipos de trabajo. As, adem
as de los aspectos tecnicos, es importante plantearse
los aspectos organizativos, funcionales y humanos. Si plantearse estos aspectos es importante dentro de una misma organizaci
on, se convierte en algo fundamental cuando confluyen
m
ultiples organizaciones a varios niveles.
Si observamos las diferentes comunidades de usuarios de SIG, observaremos que, si todas
esas comunidades se coordinan y encuentran elementos comunes en que apoyarse, pueden
surgir abundantes intereses comunes que beneficien a todas ellas, evitando la duplicidad de
tareas. As pues, cada vez es m
as habitual que en los proyectos SIG no solo este implicada
una organizaci
on, sino que se trabaje de forma distribuida y colaborativa entre varias.
A este hecho hay que sumar que uno de los principales productores de informacion
geogr
afica son los organismos p
ublicos, desde el nivel nacional hasta el regional, y que esos
datos van a ser utilizados por m
ultiples organizaciones y gran cantidad de usuarios de SIG.
Las pautas organizativas que se definiran dentro de una organizacion deben traducirse a
este nivel superior en polticas y normativas que establezcan un contexto general adecuado.
En este, todos los actores implicados en el trabajo con informacion geografica, desde su
creaci
on hasta su uso final, pueden coordinarse y beneficiarse del trabajo mutuo, as como,
especialmente, del desarrollado por las administraciones en su faceta de productores de datos
geogr
aficos.
Sin una coordinaci
on as, el aprovechamiento de los SIG y de la informacion geografica
no sera todo lo completo que cabra desear. El n
umero de proyectos que no se desarrollan o
que salen adelante en condiciones no
optimas por falta de datos es elevado. Sin embargo, el
problema subyacente no es siempre la falta en s de datos, sino muchas veces la imposibilidad
n Geogra
fica
Sistemas de Informacio
684
de obtener esos datos o, incluso, de saber que estos existen. Es decir, que el problema no es
habitualmente de tipo tecnico, sino de tipo organizativo, poltico y social.
Es en esta situaci
on de escasa coordinaci
on donde surgen las Infraestructuras de Datos
Espaciales para dar respuesta a las necesidades de organizacion global en lo referente a la
informaci
on geogr
afica, y en la que se han desarrollado progresivamente hasta nuestros das.
30.2.
La aparici
on de las IDE
Que la informaci
on geogr
afica es de gran importancia para proyectos de todo tipo es algo
de sobra conocido. No obstante, el reconocimiento de esa importancia y de la necesidad de
una correcta gesti
on de dicha informaci
on para poder solucionar problemas de diversa ndole
no aparece como tal hasta fechas recientes. Una de tales fechas, la cual puede citarse como
momento decisorio en el desarrollo de las IDE, es la conferencia de las Naciones Unidas sobre
medio ambiente y desarrollo que tuvo lugar en en Ro de Janeiro en 1992. Entre los muchos
temas a debate en esta reuni
on, uno de especial relevancia fue el papel de la informacion
geogr
afica para tratar los problemas acerca de los cuales se debata (proteccion medioambiental, cooperaci
on internacional, desarrollo, etc.). Quedo claro en aquel momento que
establecer mecanismos para afrontar esos problemas pasaba necesariamente por instaurar
de forma paralela mecanismos que permitieran aprovechar mejor la informacion geografica y
lograr una mayor coordinaci
on entre las organizaciones estatales encargadas de su manejo.
En otras palabras, en una reuni
on de naciones que buscaban coordinarse para solucionar
asuntos medioambientales, estas concluyeron un
animemente que un aspecto crtico era coordinarse en lo referente a informaci
on geogr
afica, pues esta era una herramienta basica para
el desarrollo de cualquier actividad en ese
ambito. Y ademas, que esta coordinacion deba
extenderse dentro de cada pas descendiendo desde el nivel estatal hasta el nivel mas bajo
en que se produzca informaci
on geogr
afica.
En el Programa 21, promulgado en esa conferencia, se incluyen los dos siguientes principios:
Principio 4: A fin de alcanzar el desarrollo sostenible, la proteccion del medio ambiente
deber
a constituir parte integrante del proceso de desarrollo y no podra considerarse
en forma aislada.
Principio 10: El mejor modo de tratar las cuestiones ambientales es con la participacion
de todos los ciudadanos interesados. Toda persona debera tener acceso adecuado a la
informaci
on sobre el medio ambiente de que dispongan las autoridades publicas.
Entre esa informaci
on a la que los ciudadanos deben tener un acceso adecuado se encuentra, en lugar preponderante, la informaci
on geografica, basica como ya sabemos para la
realizaci
on de cualquier estudio o an
alisis del medio.
Como respuesta a la redacci
on de estos principios, comienzan a surgir las primeras iniciativas de car
acter nacional encaminadas a lograr los objetivos anteriores. Previamente a
este momento, una coordinaci
on as era algo por completo inexistente. Cada organizacion,
ya fuera una agencia estatal o una empresa, produca la informacion que pudiera necesitar y
no buscaba favorecer la difusi
on de esta. Como consecuencia de ello, se perda la oportunidad de aprovechar el esfuerzo realizado, y cualquier otro trabajo que pudiera beneficiarse de
esa informaci
on geogr
afica deba desarrollarse sin ella, o bien realizando un nuevo esfuerzo
685
de creaci
on, con el consecuente gasto econ
omico. En resumen, una situacion en absoluto
optima.
30.3.
Qu
e es una IDE?
Podemos definir una IDE como un conjunto de datos espaciales, tecnologa, normas y
planes institucionales, todos ellos encaminados a facilitar la disponibilidad y el acceso a
dichos datos espaciales.
A diferencia de los planteamientos anteriores a la aparicion de las IDE, en los que se
consideraba a los datos como elementos independientes que podan jugar su papel en el
entorno SIG sin necesidad de establecer polticas o acuerdos referidos a ellos, el desarrollo
de las IDE trae consigo un nuevo planteamiento en el que los datos necesitan elementos adicionales para ser verdaderamente productivos. Una Infraestructura de Datos Espaciales es,
por tanto, mucho m
as que datos. Como indica [402], una IDE incluye, ademas de los datos y
atributos geogr
aficos, documentaci
on suficiente (los denominados metadatos), un medio para
descubrir, visualizar y valorar los datos (cat
alogos y cartografa en red) y alg
un metodo para
proporcionar acceso a los datos geogr
aficos (generalmente, Internet es el medio principal).
n Geogra
fica
Sistemas de Informacio
686
Adem
as, debe haber servicios adicionales o software para permitir aplicaciones de los datos.
Por u
ltimo, para hacer funcional una IDE, tambien debe incluir los acuerdos organizativos
necesarios para coordinarla y administrarla a escala regional, nacional y transnacional.
Los conceptos b
asicos que podemos extraer de esta definicion son los siguientes:
Informaci
on contenida. Una IDE es m
as que un conjunto de datos espaciales que
se ofrecen para ser utilizados por m
as usuarios que los concebidos originalmente. Una
IDE debe contener tambien servicios para descubrir que datos hay disponibles (servicio
de cat
alogo), servicios para acceder a la informacion geografica y a la cartografa, y
finalmente metadatos que describan los conjuntos de datos y los servicios disponibles.
Utilizaci
on de est
andares. Los servicios y tecnologas utilizados en una IDE deben
basarse en est
andares aceptados internacionalmente para permitir la interoperabilidad
a nivel tecnico entre los sistemas de la IDE.
Establecimiento de acuerdos. El aspecto m
as importante de la IDE es el establecimiento
de acuerdos entre los actores para la utilizaci
on de tecnologas y servicios compatibles
y para la unificaci
on de los modelos de datos de cada nivel de la IDE, de forma que
se permita la combinaci
on de los conjuntos de datos espaciales y la interaccion de
los servicios sin intervenci
on manual repetitiva, obteniendose un resultado coherente.
Estos acuerdos tambien disminuyen los costes que conlleva la integracion de la informaci
on proveniente de diversas fuentes, y eliminan la necesidad del desarrollo paralelo
de instrumentos para el descubrimiento, intercambio y explotacion de datos espaciales.
Por ejemplo, y como veremos con detalle m
as adelante, INSPIRE [52] es la directiva
europea que se ha establecido como marco de polticas, disposiciones institucionales,
tecnologas, datos y personal de todas las IDE en la Union Europea. INSPIRE dicta
una serie de normas que son de obligado cumplimiento para las IDE europeas, pudiendo
cada pas miembro establecer normas m
as restrictivas para su ambito siempre que no
entren en conflicto con INSPIRE.
30.3.1.
687
de la informaci
on, de tal modo que los nodos superiores delegan en los inferiores la obtencion
de informaci
on geogr
afica a una escala de mayor detalle que la establecida como lmite para
ellos. Se trata de que cada nodo opere en una escala adecuada para la extension de territorio
que gestiona.
A modo de ejemplo, la IDE de Espa
na cubre todo el territorio de Espa
na pero no puede
recoger la informaci
on a una escala m
as detallada que 1:25000. La IDE de Galicia (una comunidad aut
onoma de Espa
na) cubre un territorio menor pero puede recoger la informacion
a una escala de 1:5000. Finalmente, la IDE de un municipio de Galicia cubre un territorio
mucho m
as peque
no pero puede recoger la informacion con mucho mas detalle.
Entre los nodos de la IDE existen dos tipos de relaciones: las relaciones verticales y las
relaciones horizontales. Las relaciones horizontales son las que se producen entre nodos de
la IDE del mismo nivel. Un ejemplo claro de este tipo de relacion es la que se produce para
compartir informaci
on fronteriza de manera que sea continua y coherente. Por otra parte,
las relaciones verticales son las que se producen entre nodos de la IDE de distinto nivel. Un
ejemplo de este tipo de relaci
on es el caso en el que un nodo de nivel superior consulta un
nodo de nivel inferior para responder a una consulta que no puede responder con su propia
informaci
on, o cuando un nodo de nivel superior recopila informacion de los nodos inferiores
para agregarla y generar nueva informaci
on. Otro ejemplo de este tipo de relacion ocurre
cuando un nodo de nivel superior impone requisitos a los nodos inferiores para hacer que su
informaci
on o su modo de funcionamiento sea coherente.
30.3.2.
688
n Geogra
fica
Sistemas de Informacio
lenguajes, lo que implica llegar a acuerdos para la utilizacion de los mismos formatos y
servicios de datos basados en est
andares aceptados internacionalmente. La interoperabilidad a nivel sem
antico consiste en que la informacion compartida sea coherente en
cuanto a significado, lo que implica que los organismos lleguen a acuerdos en cuanto
a modelos conceptuales de esa informaci
on. En el captulo 32, veremos que organizaciones internacionales son las encargadas de dictar los estandares requeridos para el
intercambio de informaci
on geogr
afica, as como las principales especificaciones que ya
est
an en uso y disponibles para su utilizaci
on.
Polticas. El apoyo poltico es fundamental para el correcto desarrollo de las IDE,
ya que el mayor esfuerzo de captura y mantenimiento de informacion geografica se
realiza en el sector p
ublico. Por ello, las polticas que el sector p
ublico determine con
respecto a su mantenimiento, recolecci
on y uso son las que mayor impacto tienen sobre
la IDE. No se puede, no obstante, olvidar al sector privado, ya que es uno de los mas
interesados en el uso de la informaci
on proporcionada por una IDE.
Redes accesibles. Un sistema de informaci
on que ignore la gran importancia de Internet
hoy en da est
a condenado al fracaso. En el campo de las IDE es necesario que existan
redes accesibles para los usuarios y que estas redes soporten el trafico producido cuando
un usuario realiza una petici
on a un servidor y este le responde con la informacion
geogr
afica solicitada. La red es el medio en el que la IDE se desarrolla, y gracias al
cual puede ser efectiva.
Herramientas de consulta y descubrimiento de datos. Como ya hemos mencionado,
los problemas que pueden aparecer en relacion con los datos pueden deberse a una
carencia de estos o al hecho de no estar disponibles, pero tambien a la dificultad de
encontrarlos y de ser consciente de que esos datos existen en alg
un lugar. Si Internet
es el medio para difundir la informaci
on geografica, nos encontramos ante el mismo
problema que con otros tipos de informaci
on: encontrar lo que buscamos en la enorme
colecci
on de datos que existen. Encontrar una pagina Web en Internet sin la ayuda de
alguno de los buscadores que habitualmente empleamos es una tarea practicamente
imposible. Del mismo modo, cuando un organismo publica sus datos debe proveer
medios para navegar en esos datos y buscar aquel que deseamos obtener. Estos medios
conforman lo que se conoce como cat
alogos. Veremos en una seccion posterior dentro
de este captulo algunas ideas m
as detalladas acerca de ellos.
Usuarios. Uno de los principales pilares dentro de una IDE son los usuarios, ya que
solo si una IDE cubre sus necesidades, estos aceptaran esta nueva forma de trabajar y
las IDE se mantendr
an y evolucionar
an. Por lo tanto, es importante conocer quienes
son los usuarios potenciales de cada una de las IDE y las necesidades que van a tener
para poder definir los roles e identificar y evitar conflictos de interes entre usuarios.
Esto permitir
a conseguir el m
aximo nivel de satisfaccion de los usuarios de la IDE.
Es f
acil identificar en los puntos anterior una buena parte de los elementos que mencionamos en el captulo dedicado a la implementaci
on de un SIG, ya que, en buena parte, el
establecimiento de una IDE y la implantaci
on de un SIG comparten aspectos comunes.
30.3.3.
689
Los actores involucrados en el funcionamiento de una IDE son varios. En primer lugar
se encuentran los usuarios de la IDE que son los que van a determinar su exito o su fracaso.
Dentro de los usuarios podemos considerar distintos tipos: administraciones p
ublicas que
necesitan la informaci
on para realizar sus tareas (por ejemplo las areas de urbanismo de
los municipios, o los organismos de gesti
on de las cuencas hidrograficas), empresas que
pueden usar la informaci
on para sus negocios (por ejemplo empresas de elaboracion de planes
urbansticos), universidades y centros de investigacion, o personas individuales. Todos estos
tipos de usuarios deben estar contemplados en la IDE ya que el exito de la misma radica en
cubrir las necesidades del mayor n
umero posible de usuarios.
De forma m
as detallada, [456] divide los usuarios seg
un su perfil en los siguientes:
Usuario b
asico. Utiliza las herramientas basicas tales como un visor Web.
Usuario avanzado. Utiliza herramientas y aplicaciones especficas no disponibles para
el p
ublico general, ya sea a traves de la Web o como aplicaciones locales.
Usuario de negocio. Accede a los datos de la IDE desde aplicaciones externas, para
combinarlo con otros fuera de la IDE y realizar alg
un tipo de negocio en base al
conjunto.
Usuario consultor. Est
a autorizado a acceder a datos restringidos de una tematica
especfica.
Usuario editor. Encargado de mantener un subconjunto de datos existentes en la IDE.
Usuario gestor. Gestiona determinados servicios proporcionados por la IDE, por ejemplo un servicio de mapas tem
aticos concreto.
Administradores. El responsable final de mantener la infraestructura y dar soporte
tecnico a los restantes usuarios.
A medida que descendemos en esta clasificacion, aumenta la especializacion al tiempo
que disminuye el n
umero de usuarios que pertenecen a cada una de las clases definidas, tal
y como se recoge esquem
aticamente en la figura 30.1
Adem
as de los usuarios, otros actores involucrado en una IDE son los organismos internacionales de creaci
on de est
andares, en concreto la organizacion de estandarizacion internacional ISO con sus miembros nacionales, el Open Geospatial Consortium (OGC) y el
World Wide Web Consortium (W3C). Estos organismos definen las normas y estandares
que formar
an la base tecnol
ogica de la IDE y que permitiran su interoperabilidad.
Junto a los anteriores, encontramos al responsable particular de cada nodo IDE. Este
responsable puede ser una administraci
on p
ublica, una empresa, una universidad, un centro
tecnol
ogico u otro tipo de organismo que se hace responsable de la administracion del nodo
IDE y de establecer los est
andares que se deben cumplir dentro de su ambito, as como
normas o recomendaciones adicionales. A modo de ejemplo, para la IDE de Espa
na el responsable es el Instituto Geogr
afico Nacional, para la IDE de Galicia el responsable es el
Sistema de Informaci
on Territorial de Galicia y para la IDE de la provincia de A Coru
na el
responsable es la Diputaci
on de A Coru
na.
De entre todos los responsables que podemos encontrar en el conjunto de nodos de
una IDE, las Agencias Cartogr
aficas Nacionales resultan especialmente relevantes, por las
siguientes razones [334]:
n Geogra
fica
Sistemas de Informacio
690
Funcin
Perfil usuario
Administrador
Mantenimiento de servicios
Usuario gestor
Usuario editor
Usuario consultor
Usuario de negocio
Usuario avanzado
Usuario bsico
30.4.
Algo m
as sobre cat
alogos
Los cat
alogos son la parte visible de la IDE, ya que proporcionan la puerta de entrada a
los datos de esta y est
an pensados para simplificar la labor de encontrar y obtener los datos
necesarios para cada usuario. Otros elementos de las IDE como metadatos o estandares son
tratados en captulos independientes dentro de esta parte del libro. Sin llegar a requerir
un captulo especfico, los cat
alogos no obstante son piezas imprescindibles sobre las que es
691
necesario profundizar, por lo que en este apartado describiremos con algo mas de profundidad
su papel y sus caractersticas como partes clave de una IDE.
El cat
alogo permite al usuario navegar de forma eficaz por la informacion contenida en
una IDE, bien sea en uno de sus nodos de forma aislada o bien en el conjunto de la red de
nodos que forman la IDE. Los nodos, como ya sabemos, deben estar conectados y relacionados, y es en virtud de esa conexi
on y gracias al uso de lenguajes comunes (estandares) que
pueden comunicarse y compartir su informaci
on. De este modo, un catalogo puede ofrecer
los datos contenidos en el nodo en el que se encuentra, pero tambien ((preguntar)) a otros
nodos y devolver al usuario una respuesta que tenga tambien en cuenta los datos de esos
otros nodos. Como vimos en el captulo 23, esa respuesta a consultas es uno de los servicios
que pueden ofrecerse basados en informaci
on geografica.
El cat
alogo dispone de una interfaz, que es la que el usuario emplea para plantear sus
b
usquedas y obtener respuestas. Esta interfaz se localiza normalmente en el portal de acceso
al cat
alogo, y proveen el acceso m
as directo a los contenidos de la IDE. Estos contenidos
no se limitan exclusivamente a los datos, ya que pueden incluir servicios de distintos tipos
(recordemos que, seg
un vimos en el captulo 23, lo datos pueden servirse de varias formas),
incluyendo servicios que no se basen directamente en los datos de la IDE, tales como procesos.
En la figura 30.2 puede verse un ejemplo de una interfaz de acceso a un catalogo.
n Geogra
fica
Sistemas de Informacio
692
Interfaz de usuario
enva una peticin al
Portal de entrada
al catlogo
bsquedas internas
Catlogo interno
Otros servidores
de catlogo
an la
s
proce
s entr
Metadatos
adas
de
Datos espaciales
Figura 30.3: Diagrama de interaccion que muestra la utilizacion basica de servicios de catalogo y
los elementos de IDE relacionados desde un punto de vista de un usuario (adaptado de [402])
ingl
es to harvest: cosechar, recolectar
693
30.5.
Claves para el
exito
La creaci
on exitosa de una IDE no depende u
nicamente de disponer de los elementos
que la forman y de establecer las relaciones entre elementos y actores. Al igual que en
la implantaci
on de un SIG, existen circunstancias adicionales que deben considerarse para
lograr que la IDE cumpla sus objetivos, y de las cuales depende su exito. Por desgracia, no
todos los intentos de creaci
on de una IDE que se han llevado a cabo desde la aparicion de
estas han sido igual de exitosos, y se han cosechado algunos fracasos notables. La experiencia
de estos casos, junto con aquellos que s han logrado plenamente sus objetivos, nos ense
na
que las caractersticas m
as importantes que una IDE ha de reunir para poder funcionar
exitosamente son los siguientes:
La IDE debe estar preparada para responder a necesidades reales. Los usuarios solo
acceder
an a los datos alojados en servidores si con esta informacion va a ser posible
la realizaci
on normal de su trabajo. Esto implica tanto que los datos sean correctos
como que la forma de acceso sea sencilla, rapida y flexible.
n Geogra
fica
Sistemas de Informacio
694
La IDE debe ser homogenea en su estructura a traves de los distintos niveles tanto a
nivel tecnol
ogico como a nivel sem
antico.
Debe existir un responsable claro de la gestion de la IDE que debe encargarse de
asegurar que esten presentes los datos de referencia y que estos esten actualizados y
sean f
aciles de encontrar y de utilizar. Adem
as, debe estar claro quien es el responsable
de capturar y mantener cada elemento de informacion.
La IDE debe estar respaldada por un presupuesto economico y de personal suficiente
que cubra las necesidades que vayan surgiendo.
Entre las razones principales a las que puede achacarse la implantacion poco exitosa
de algunas IDE, la mayora pueden relacionarse con factores organizativos e institucionales. Otros factores, tales como los tecnol
ogicos o los economicos, son causa igualmente de
dificultades a la hora de establecer una IDE, aunque en menor medida.
Algunas de las causas principales del fracaso de una IDE son las siguientes[396]:
La falta de cultura informacional.
Las relaciones de poder.
La falta de visiones globales y de objetivos comunes.
Las actitudes o posturas de rechazo de las personas hacia las nuevas tecnologas.
La falta de implicaci
on o interes por parte de los usuarios en el desarrollo y/o posterior
uso de la IDE.
La falta de coordinaci
on y liderazgo.
La infravaloraci
on de los aspectos culturales y organizacionales.
El desconocimiento del potencial de la informacion geografica.
30.6.
La aparici
on del concepto de IDE ha trado consigo el desarrollo de numerosas iniciativas
en los distintos niveles administrativos. Estas iniciativas han permitido que a da de hoy
dispongamos de numerosas IDE operativas y funcionales, y son las que garantizan que cada
una de ellas responda a los criterios establecidos y lo siga haciendo en el futuro. Cada
Infraestructura de Datos Espaciales responde a una serie de elementos legislativos y polticos,
y es por ello que por cada nodo de una IDE debe existir un marco correspondiente, bien sea
este particularizado para el nodo en cuesti
on o bien heredando los contenidos del aplicable
al nodo de orden superior.
Aunque todava queda por hacer hasta llegar a un verdadero estado de madurez de las
IDE a nivel mundial, el desarrollo que estas han sufrido durante los u
ltimos a
nos es muy
notable, y el n
umero de IDE y de acuerdos que las sustentan es muy elevado. Logicamente,
no resulta de interes describir aqu todas estas iniciativas, maxime considerando que muchas
de ellas tienen car
acter local y no tienen apenas relevancia en el ambito global de las IDE.
No obstante, s que es relevante conocer las iniciativas pioneras en este sentido, as como,
695
especialmente, algunos de los acuerdos existente en los niveles superiores. Saber acerca de
ellos es necesario para comprender el panorama actual de las IDE y estar familiarizado con
las propuestas que rigen la gran mayora de ellas. Veremos igualmente algunos ejemplos de
acuerdos existentes en cada uno de los distintos niveles, para comprender las diferencias
entre ellos y la conexi
on que a su vez existe.
En conjunto, estas iniciativas nos servir
an para detectar patrones comunes a todas ellas,
ayud
andonos a entender las caractersticas b
asica de las IDE a traves de algunos de sus
representantes m
as importantes.
30.6.1.
GSDI
La GSDI (Global Spatial Data Infrastructure) Association en una organizacion que agrupa a otras organizaciones, agencias, compa
nas e individuos de todo el mundo con objeto
de apoyar las IDE y su desarrollo con car
acter global. GSDI es responsable de aglutinar a
todas ellas y coordinarlas, en un intento de trabajar en el nivel superior de la jerarqua de
las IDE y poner en marcha una iniciativa que cubra la totalidad del territorio mundial.
GSDI se fund
o en 1996, y viene hasta la fecha realizando un trabajo fundamentalmente
basado en guiar el desarrollo de iniciativas locales y nacionales a
un en sus inicios o que
todava no han llegado a comenzarse. En este sentido, GSDI act
ua como un canalizador de
toda la experiencia acumulada a lo largo de los u
ltimos a
nos por las distintas iniciativas IDE
que han surgido, tratando de replicar en las IDE que empiezan a desarrollarse el buen hacer
de las m
as exitosas, as como evitar que se vuelvan a cometer los errores de las que no lo
han sido tanto.
En sus propias palabras, la misi
on de la GSDI se puede resumir en los siguientes puntos.
Servir como punto de contacto para todos aquellos dentro de la comunidad global
implicados en el desarrollo, implementaci
on y avance de los conceptos de las IDE
Impulsar las IDE que apoyan sistemas sociales, economicos y medioambientales sostenibles, integrados desde la escala local a la global.
Promover el uso informado y responsable de la informacion geografica y las tecnologas
espaciales para el beneficio de la sociedad.
30.6.2.
NSDI
Aunque hoy en da pr
acticamente todos los pases tienen su propia IDE, la IDE de los
Estados Unidos es especialmente importante entre todas ellas, ya que fue la primera en
aparecer. Es decir, Estados Unidos fue el primer pas en poner en marcha una iniciativa de
gran calibre para apoyar a nivel nacional la creacion y manejo coordinados de informacion
geogr
afica, tal como los principios fundamentales de un IDE establecen. Por ello, resulta
especialmente ilustrativa, tanto por el exito del proyecto en estos a
nos y la influencia directa
que en la actividades de otros pases ha tenido, como por el caracter de referente y la gran
experiencia acumulada durante toda su existencia.
La Infraestructura de Datos Espaciales de Estados Unidos, denominada NSDI (National
Spatial Data Infrastructure), surge en abril de 1994 como consecuencia de la promulgacion de
la Orden Ejecutiva 12906[191], que insta a avanzar en la construccion de una infraestructura
nacional de datos espaciales coordinada entre las administraciones federal, estatal y local,
el sector privado y el academico. Esta Orden recoge las propuestas redactadas un a
no antes
n Geogra
fica
Sistemas de Informacio
696
30.6.3.
INSPIRE
697
En septiembre de 2001, sin embargo, surge una iniciativa de la Direccion General de Medio Ambiente de la Uni
on Europea, encaminada tambien a mejorar el manejo de informacion
geogr
afica en sus tareas y proyectos, gran parte de los cuales son de caracter transfronterizo.
En conjunto con la Agencia Europea Eurostat, y el Instituto para el Medio Ambiente
y la Sostenibilidad, a traves de su Centro de Investigacion Com
un (Joint Research Center,
JRC), ponen en marcha la iniciativa INSPIRE (Infraestructure for Spatial Information in
Europe), cuyos objetivos principales son [136]:
Poner a disposici
on de
organos responsables de toma de decisiones o aplicacion de
polticas comunitarias (esencialmente de Medio Ambiente) datos espaciales abundantes
y fiables.
Establecer servicios integrados de Informacion Geografica (IG), basados en una red
distribuida de bases de datos, enlazadas por normas comunes y protocolos que aseguren
la interoperabilidad.
Optimizar los datos disponibles mediante la documentacion de la informacion espacial.
Lograr la coherencia de la informaci
on espacial entre diferentes niveles y temas.
Crear servicios destinados a mejorar la accesibilidad e interoperabilidad de los datos
y a la eliminaci
on de obst
aculos para su utilizacion.
A finales de 2001, se constituye un grupo de expertos formado por representantes de los
Estados Miembro, de los pases candidatos, as como representantes regionales y de los principales organismos directamente vinculados con la produccion y explotacion de informacion
tanto medioambiental como geogr
afica.
Este grupo de expertos da forma a unos principios que han de regir el desarrollo de
INSPIRE, y que son los siguientes[465]:
Los datos deber recogerse y mantenerse en el nivel en el que esto resulte mas efectivo.
Debe ser posible combinar de modo continua informacion geografico de distintas fuentes a lo largo de toda Europa y compartirla entre m
ultiples usuarios y ambitos de
aplicaci
on.
Debe ser posible que la informaci
on recogida en un nivel se comparta con otros niveles.
La informaci
on geogr
afica necesaria para una correcta gestion debe ser abundante bajo
condiciones que no impidan su uso extensivo.
Debe ser f
acil descubrir que informaci
on geografica esta disponible, re
une las caractersticas para un uso determinado y bajo que condiciones puede ser obtenida y usada.
Los datos geogr
aficos deben ser sencillos de entender e interpretar, as como de seleccionarse en un entorno de usuario amigable.
Desde la redacci
on de estos principios, INSPIRE ha seguido su desarrollo hasta finalmente
ser aprobada de modo formal por el Consejo Europeo (29 de enero de 2007) y el Parlamento
Europeo (12 de febrero de 2007). Fue publicada como Directiva 2007/2/CE el 14 de marzo
de 2007.
n Geogra
fica
Sistemas de Informacio
698
2001
2002
2003
2004
2004-07
Aprobacin de la Directiva
Transposicin de la Directiva 2007/2/CE
2007-09
2009-16
30.6.4.
Adem
as de las iniciativas anteriores, existen en el mundo muchas otras de menor escala
o m
as recientes, muchas de las cuales todava no estan plenamente establecidas, y cuyo exito
no puede a
un garantizarse dada su corta vida.
En lo que a Espa
na respecta, contamos con la Infraestructura de Datos Espaciales Espa
nola (IDEE) [53], que se encarga de coordinar a las distintas organizaciones del ambito
nacional implicadas en la producci
on y distribuci
on de cartografa. La IDEE arranco en
2002 cuando la Comisi
on Permanente del Consejo Superior Geografico aprobo el 10 abril la
puesta en marcha de una Infraestructura Nacional de Datos Espaciales. En noviembre de
ese mismo a
no se estableci
o un Grupo de Trabajo IDEE con todos los actores implicados. El
grupo se organiz
o a su vez cuatro Subgrupos de Trabajo: Datos de Referencia, Metadatos,
Arquitectura y Normas, y Poltica de Datos, Precios y Licencias. En la actualidad el n
umero
de estos subgrupos es de 11.
Previamente a la reuni
on de este Grupo de Trabajo, existan proyectos anteriores cuya
labor y experiencia se integra en la IDEE en la medida de lo posible. Uno de los mas
destacados es DIGA, un proyecto propio de metadatos coordinado por el Instituto Geografico
699
Areas
restringidas o reguladas
Condiciones Atmosfericas
Caractersticas oceanogr
aficas
Edificaciones
Geologa
Salud y seguridad humana
Instalaciones industriales y productivas
Habitats y biotopos
Demografa y distribucion de la poblacion
Zonas de riesgos naturales
Caractersticas meteorologicas
Regiones Marinas
Cuadro 30.1: Datos especificados por los anexos I, II y III de INSPIRE, estableciendo los datos de
referencia y tem
aticos a incluir en una IDE.
n Geogra
fica
Sistemas de Informacio
700
5. Armonizaci
on gradual y progresiva de los recursos y componentes integrados en la
IDE.
Estando situada dentro del
ambito cubierto por INSPIRE, la IDEE debe cumplir lo
establecido por esta directiva, manteniendo siempre sus caractersticas dentro de las recomendaciones, aunque pudiendo a
nadir sus propios elementos.
Por debajo de la IDEE existen numerosas IDE regionales, las cuales proveen una buena
parte de la informaci
on sobre la que se sustenta esta primera. Puede decirse que las IDE
regionales gozan de buena salud, existiendo algunas de ellas desde el mismo momento en que
la IDEE hizo su aparici
on. Uno de los proyectos pioneros a nivel regional en Espa
na es la
IDE de Catalu
na. En [199] puede encontrarse un interesante estudio sobre IDE regionales,
su viabilidad y exito, basado en las IDE de Catalu
na y de la region de Lombarda.
La importancia de las IDE regionales no debe subestimarse, ya que sin ellas el funcionamiento de la IDE a otros niveles resultara pr
acticamente imposible.
Iniciativa
mbito
GSDI
Mundial
INSPIRE
Europeo
IDEE
Nacional
IDE Navarra
Regional
IDE Pamplona
Local
Figura 30.5: Ejemplo de estructura a distintos niveles para una IDE particular (IDE de Pamplona)
(adaptado de [372])
Como cierre de este apartado, en la figura 30.5 puede verse un ejemplo de iniciativas a
distintos niveles y la jerarqua existente entre ellas. Observese como se relacionan algunas
de las iniciativas presentadas en los apartados anteriores, y la dependencia existente.
30.7.
Resumen
La situaci
on actual en lo referente a la informacion geografica hace necesario promover
una correcta coordinaci
on entre todos los organismos productores de datos espaciales, desde
el nivel local al nivel estatal, con objeto de facilitar la explotacion de esa informacion y
evitar esfuerzos redundantes. Con este objetivo, surgen a partir de la mitad de la decada de
los 90 las Infraestructuras de Datos Espaciales, las cuales se componen de un conjunto de
datos espaciales, tecnologa, normas y planes institucionales.
701
Existen diferentes niveles en una IDE, as como diferentes actores implicados, haciendo
que una IDE sea mucho m
as que un conjunto de datos espaciales. Algunos de los elementos
principales de una IDE son los metadatos, los estandares (veremos mas sobre estos dos
elementos en pr
oximos captulos) y los cat
alogos. Estos u
ltimos permiten el descubrimiento
de informaci
on geogr
afica y son el punto de entrada a los contenidos de las IDE. Las IDE
se organizan mediante un conjunto de nodos, los cuales estan a su vez interconectados y
coordinados.
Estados Unidos fue pionera en el establecimiento de una IDE, aunque actualmente existen
iniciativas en la mayora de pases. En la Uni
on Europea, la directiva INSPIRE dicta las
pautas para el establecimiento de IDE en los pases miembro, que han de crear sus propias
IDE siguiendo los preceptos establecidos en ella.
702
n Geogra
fica
Sistemas de Informacio
Captulo 31
Metadatos
Blake, Landon; Olaya, Vctor
Qu
e son los metadatos? Cu
al es su funci
on? C
omo se crean metadatos para la informaci
on geogr
afica? Qu
e informaci
on contienen los metadatos?
Los metadatos son aquellos datos que describen los datos espaciales y los servicios disponibles en
una IDE. Los metadatos son uno de los puntos de entrada a la informaci
on geogr
afica contenida en una
IDE ya que permiten a un actor sin ning
un conocimiento de esta consultar que puede ofrecer. En este
captulo describiremos en detalle que son los metadatos, su utilidad, y c
omo crearlos y emplearlos.
31.1.
Introducci
on
704
n Geogra
fica
Sistemas de Informacio
En una definici
on m
as formal, los metadatos son archivos de informacion que recogen las
caractersticas b
asicas de alg
un dato o recurso. Representan el quien, que, cuando, donde,
c
omo y por que de ese recurso. Los metadatos geoespaciales se emplean para documentar
recursos geogr
aficos digitales tales como una base de datos espacial, un SIG o una imagen de
satelite. Un registro de metadatos incluye elementos basicos tales como el ttulo o nombre
del recurso, elementos geogr
aficos como la extension que cubre el dato o el sistema de
coordenadas empleado, as como elementos relativos a la base de datos asociada tales como
la definici
on de cada uno de sus campos o el dominio en que se encuentran los valores de
estos [54].
El concepto de metadato no es algo nuevo y exclusivo de los datos digitales, ya que
un mapa impreso tambien contiene metadatos en cierta forma. Una leyenda o un texto
en un margen del mapa con informaci
on sobre la fecha en que se ha creado son tambien
metadatos. En el caso de los datos geogr
aficos digitales, los metadatos no forman parte del
dato directamente sino que son independientes de este. Ello permitira realizar operaciones
separadamente con los metadatos, tales como b
usquedas, que abren nuevas posibilidades y
dan un gran valor a estos.
31.2.
Dependiendo del tipo de dato con el que trabajemos y las operaciones que deseemos
realizar con ellos, los metadatos correspondientes seran mas o menos necesarios, pudiendo ser
pr
acticamente irrelevantes o bien completamente imprescindibles. Por ejemplo, si se trabaja
con una u
nica capa y gran parte de la informaci
on que esta contiene no va a emplearse para
la realizaci
on de operaciones, los metadatos son menos necesarios que si se da un uso mas
intenso a los datos.
En algunos casos, incluso si carecemos de metadatos, resulta posible interpretar correctamente los datos, como sucede si trabajamos con un MDE y valores de elevacion en metros.
Es f
acil saber que los valores de elevaci
on se encuentran en esas unidades aplicando cierta
l
ogica, y procesarlos correspondientemente aunque no exista un dato explicito que as nos
los indique.
En otras circunstancias, los metadatos son necesarios, pues contienen informacion que
no puede inferirse directamente desde los propios datos. Si varias capas estan en sistemas
de coordenadas distintos y deseamos aplicar las transformaciones correspondientes para
unificarlos en uno u
nico y procesarlas de manera conjunta, estas transformaciones no se
pueden llevar a cabo si no conocemos el sistema de origen del que partimos en cada capa.
En este supuesto, el trabajo con los datos viene condicionado a que existan los metadatos
correspondientes.
Los metadatos son, por tanto, sumamente importantes en el trabajo con SIG y, como
veremos en breve, cobran una importancia mayor todava cuando no nos encontramos en el
contexto de un uso aislado de los datos, sino cuando nos situamos en un entorno de un gran
volumen de datos y numerosos usuarios.
Dos de las funciones principales de los metadatos son garantizar el uso correcto y adecuado de los datos y facilitar su gesti
on, localizaci
on y consulta.
Metadatos
31.2.1.
705
706
n Geogra
fica
Sistemas de Informacio
puede garantizar que un dato no es empleado de forma erronea y que los resultados que se
obtendr
an tendr
an validez.
Vimos en el captulo 7 c
omo la calidad se define como el conjunto de propiedades y de
caractersticas de un producto o servicio que le confieren su aptitud para satisfacer unas
necesidades explcitas e implcitas. Los metadatos documentan esas caractersticas y las de
todas aquellas necesidades a las que pueden responder los datos, y de este modo documentan
la propia calidad del dato. Como ya se dijo entonces, los metadatos son un elemento muy
importante en relaci
on con la calidad de los datos espaciales
31.2.2.
Facilitar la gesti
on los datos
Metadatos
707
grandes vol
umenes que son habituales en una IDE puede hacer esa b
usqueda virtualmente
irrealizable. Es decir, que los metadatos facilitan y agilizan la localizacion de los datos cuando estos se buscan por criterios geogr
aficos. A
nadiendo a los metadatos elementos como la
extensi
on del
area cubierta por los datos, este tipo de b
usquedas se efect
uan de forma mas
agil y efectiva.
Cuando la b
usqueda se realiza por otros criterios distintos, los metadatos son el elemento
clave para poder realizar esta b
usqueda. Si queremos localizar la capa mas actual con un
tipo de informaci
on dada, necesitamos conocer que informacion contiene cada capa y cu
ando
se ha creado, para aplicar sobre esos datos los criterios de b
usqueda correspondientes. Sin
los metadatos, estas operaciones no son posibles.
En su conjunto, los metadatos sirven para catalogar los datos y por tanto son basicos
dentro de las IDE para hacer m
as fluida la transferencia de datos en ella.
Facilitando la localizaci
on de datos adecuados para una determinada tarea se obtienen
adem
as beneficios colaterales. Haciendo m
as sencillo el acceso a los datos se pueden evitar
esfuerzos redundantes tales como la creaci
on o modificacion de datos cuando existen dentro
de la IDE otros que pueden servir para responder a una necesidad concreta. El uso de
metadatos permite as ahorro de tiempo y dinero y un mejor aprovechamiento de los datos.
31.3.
Los metadatos pueden ser tan variados en sus caractersticas como los propios datos a
los que acompa
nan. Los enfoques para la creacion de metadatos son muy diversos y ello da
lugar a metadatos muy diferentes.
Algunas de las caractersticas que resulta de interes tratar son las siguientes:
Contenido de los metadatos. Que informacion contienen?
Granularidad de los metadatos. A que elementos particulares hace referencia esa
informaci
on?
Forma de almacenamiento de los metadatos. Como se guardan?
31.3.1.
Los valores que pueden incorporarse a los metadatos son muy abundantes, tantos como
tipos distintos de informaci
on se considere necesario registrar respecto a un dato geografico
particular.
Las caractersticas de los metadatos asociados a los datos dependeran directamente de
estos y de algunos factores como los siguientes:
El tipo de dato y en particular, el modelo de representacion empleado. Los datos
vectoriales tendr
an asociados unos metadatos distintos que los correspondientes a datos
r
aster.
El formato en que se almacenan los datos. El tipo de fichero o base de datos condiciona
la informaci
on que puede almacenarse (vimos esto en detalle en la seccion 6.9), y por
tanto condiciona los metadatos.
708
n Geogra
fica
Sistemas de Informacio
La organizaci
on, entidad o individuo responsable de la creacion de los datos y el uso
que se pretende dar a estos. Puesto que, como hemos dicho, los datos se crean para un
objetivo definido, este objetivo y los intereses de quien ha creado los datos definiran
el tipo y cantidad de informaci
on que se recoja en los metadatos. Datos pensados
para un cat
alogo p
ublico tendr
an asociados metadatos distintos que datos privados
con acceso restringido, del mismo modo que datos pensados para un uso muy concreto
presentar
an unos metadatos diferentes a los que acompa
naran a unos datos de uso mas
generico.
Elemento al que se asocian los metadatos. Como veremos en el siguiente apartado,
podemos asociar metadatos a un juego de capas, una capa o una entidad aislada
dentro de una capa. Esto implica diferencias en el contenido de los metadatos, pues
esos elementos tienen caractersticas de distinta naturaleza.
El est
andar empleado para crear los metadatos. En el captulo 32 veremos los estandares que existen para los metadatos geogr
aficos y la forma que estos tienen, la cual
define directamente su contenido.
Algunos de los elementos comunes que se incorporan a los metadatos geograficos son los
siguientes:
Informaci
on de identificaci
on. Este tipo de informacion permite identificar de forma
u
nica un dato geogr
afico y distinguirlo de otros. Esta informacion ayuda a catalogar los
datos, e incluye el nombre, palabras claves, una descripcion basica o la ya mencionada
extensi
on geogr
afica de los datos.
Informaci
on sobre la calidad de los datos. La informacion sobre la calidad de los datos
puede incluir, entre otros elementos, aquellos relativos a la completitud de estos, los
procesos que se han empleado en su creaci
on y mantenimiento, o las operaciones de
validaci
on y verificaci
on a las que se han sometido.
En relaci
on con los procesos empleados, es importante rese
nar que muchos de los algoritmos que vimos en la parte III toman alg
un tipo de dato geografico como entrada y
generan alg
un otro nuevo. Es decir, toman una o varias capas y generan nuevas capas
como resultado. Para documentar la calidad de los datos resultantes se debe documentar en los metadatos la procedencia completa de estos, indicando las metodologas
empleadas para su creaci
on y todos los metadatos propios de las capas de entrada.
Un ejemplo de esto puede ser el proceso de c
alculo de una capa de pendientes a partir
de un MDE. Este MDE tendr
a a su vez unos metadatos asociados (entre ellos algunos
relativos a su calidad), y la bondad y calidad de la capa de pendientes esta ligada
directamente a la del MDE. Por tanto, en los metadatos debe hacerse referencia a ese
MDE o bien a las caractersticas de este.
Si el MDE no se ha adquirido directamente, sino que se ha elaborado haciendo uso
de otros procesos tales como interpolaci
on a partir de curvas de nivel, se ha de a
nadir
tambien a los metadatos la informaci
on correspondiente a esos procesos, especificando
por ejemplo el metodo de interpolaci
on usado, los parametros de ajuste de este o
incluso el software mediante el que se ha aplicado.
Con esto, puede ((rastrearse)) el origen de los datos y se dispone de una base sobre la
que evaluar la calidad de estos en funci
on de dicho origen. Tenemos as el concepto de
Metadatos
709
linaje de los datos. Esta idea es similar a la de trazabilidad empleada en otros sectores
como, por ejemplo, el alimentario.
Informaci
on sobre la representaci
on del dato espacial. Se incluyen en este grupo la
precisi
on y exactitud de los datos, la escala de trabajo o la resolucion en el caso de
capas r
aster. Este tipo de metadatos est
an tambien ntimamente ligados con la calidad
de los datos.
Informaci
on sobre la componente no espacial. Informacion relacionada con los atributos
que acompa
nan a las capas vectoriales, o bien relativas a las variables que se recogen
en capas r
aster. Esto incluye explicaciones sobre el significado de los nombres de cada
uno de los atributos, el rango de valores validos para cada uno de ellos o los metodos
empleados para recoger estos datos.
Informaci
on sobre la distribuci
on. Esta informacion sirve para definir el acceso a los
datos y las posibilidades de distribuci
on de estos, especificando quienes pueden acceder
a ellos y quienes no, o en que condiciones pueden hacerlo. Tambien puede recoger
elementos como la fecha en que fueron publicados los datos o bien cuando fueron
puestos a disposici
on del p
ublico, de tal forma que se disponga de toda la informacion
referente a su presencia en el marco de una IDE o una red.
De entre estos, algunos son considerados como fundamentales y se incluyen de forma
generica, mientras que otros pueden o no incorporarse. Al definir una especificacion de metadatos, se pueden establecer niveles de prioridad, estableciendose un grupo de propiedades
b
asicas que han de documentarse siempre y otro con propiedades de caracter opcional.
31.3.2.
n Geogra
fica
Sistemas de Informacio
710
fue incorporado un elemento concreto o la calidad de los datos que definen ese elemento en
particular.
En estas circunstancias, resulta m
as conveniente optar por metadatos mas granulares,
de forma que puedan recogerse particularizados para las distintas entidades de la capa.
Por ejemplo, algunos de los datos que pueden resultar de interes a escala de elemento
(en el caso de una capa vectorial, hablamos de una geometra y sus atributos asociados) son
los siguientes:
Quien ha creado ese elemento.
Quien ha modificado ese elemento.
Cu
ando fue creado originalmente.
Cu
ando ha sido modificado por ultima vez.
Cu
antas veces ha sido modificado.
Una descripci
on del objeto real que este elemento representa.
Podemos encontrar el caso opuesto, en el que varias capas comparten los mismos metadatos, y por tanto estos pueden asociarse a escala de toda una familia de datos. Ese es
el caso cuando se tiene un conjunto de capas generadas por una misma entidad y para un
mismo fin, las cuales cubren una amplia zona geografica y debido a ello se encuentran divididas horizontalmente. Estas circunstancias se dan de forma habitual en series de datos de
car
acter nacional o auton
omico, y conforman una de las situaciones en las que el registro de
metadatos puede hacerse para toda la serie en su conjunto, al menos para algunos de esos
metadatos.
Los metadatos pueden as registrarse a una escala distinta a la de la capa como unidad
de datos, aunque esta sigue siendo la referencia m
as habitual a la hora de crear metadatos
(Figura 31.1).
31.3.3.
Metadatos
711
Metadatos asociados
a un juego de datos
Metadatos asociados
a una entidad
Metadatos asociados
a una capa
Figura 31.1: Granularidad de los metadatos. Los metadatos pueden hacer referencia a elementos a
distinta escala.
esas capacidades, y son por tanto adecuadas para el almacenamiento de metadatos en ese
contexto.
Si, por el contrario, los datos no van a ser usados de esa forma, no es probable que deban
modificarse con frecuencia y apenas contienen elementos comunes, una forma mas simple
de almacenarlos es utilizando ficheros independientes, generalmente ficheros de texto plano
que son m
as sencillos de producir y adem
as pueden leerse con un simple editor de texto.
31.4.
Creaci
on de metadatos
La creaci
on de los metadatos no es tarea de un u
nico grupo de profesionales ni se lleva a
cabo en un u
nico momento dentro del ciclo de vida de los datos. Por el contrario, distintas
entidades o grupos pueden crear o editar los metadatos, y pueden hacerlo a lo largo de todo
el tiempo de existencia de dichos datos.
Los metadatos puede crearse en el mismo origen de los datos, recogiendo la informacion
al mismo tiempo que se producen los datos en s. Esta creacion puede derivar de la digitalizaci
on de mapas impresos o de la medici
on directa de valores, entre otros procesos. Las
organizaciones que se encargan de crear datos son responsables en este caso de crear los
metadatos que los acompa
nan.
Las entidades responsable de distribuir datos geograficos y ponerlos a disposicion de los
distintos usuarios pueden igualmente crear metadatos en caso de que estos no existan. Estas
entidades no producen datos, pero recogen datos de sus creadores y han de prepararlos para
ofrecer un mejor servicio. Los metadatos aportan un valor a
nadido a los datos y facilitan la
gesti
on de datos que estas organizaciones han de realizar.
n Geogra
fica
Sistemas de Informacio
712
Por u
ltimo, los mismos usuarios y beneficiarios de los datos pueden crear metadatos o
ampliar los ya existentes. Si estos usuarios modifican los datos, esas modificaciones deben
recogerse en los metadatos. A
un as, incluso si no se producen modificaciones, puede resultar
de interes a
nadir nueva informaci
on en los metadatos, particularmente aquella que estos
no contengan pero que pueda tener valor para los objetivos que se persiguen usando esos
datos. Igualmente, dejar de usar los datos por alguna razon tal como el hecho de que se
encuentren desactualizados es una informaci
on que los mismos usuarios pueden incorporar
a los metadatos, informando as a futuros usuarios de la falta de validez de esos datos.
En resumen, los metadatos pueden ser creados o modificados en los siguientes puntos
dentro de la vida de los datos:
Cuando se crean los datos.
Cuando se organizan o catalogan los datos.
Cuando se modifican o editan los datos.
Cuando se archivan o descatalogan los datos.
En circunstancias ideales, todo dato debera tener asociados unos metadatos, y estos
u
ltimos deberan crearse siempre que se creen dichos datos y actualizarse siempre que estos
se modifiquen. La realidad, sin embargo, es que una gran parte de los datos geograficos que
existen no tiene metadatos asociados, o bien estos no son lo suficientemente detallados.
Una raz
on importante para ello es la falta de concienciacion que existen por parte tanto
de creadores de datos como de usuarios respecto a la importancia de los metadatos. Mientras
que para un usuario aislado o un peque
no grupo de tecnicos SIG puede no resultar importante
generar metadatos a la hora de crear alg
un dato geografico, cuando nos encontramos con
organizaciones m
as grandes e infraestructuras de datos mayores los metadatos se hacen
imprescindibles. El usuario aislado prefiere generalmente no dedicar tiempo (la creacion de
metadatos no es en absoluto sencilla y es una tarea que consume tiempo) a crear unos
metadatos que no percibe como importantes para su trabajo con los datos.
Si en lugar de datos geogr
aficos habl
aramos de libros, una persona normal no cataloga los
libros que tiene en su casa y recopila informaci
on acerca de cada uno de ellos, almacenandola
en una base de datos. En una gran biblioteca, sin embargo, esta labor es imprescindible,
pues de otro modo resulta imposible gestionar tanto el gran fondo bibliografico del que se
dispone como el amplio n
umero de lectores y usuarios.
En realidad, incluso en el nivel m
as local, las ventajas de la creacion de metadatos
son grandes, especialmente si consideramos que un dato creado y utilizado en un entorno
local puede m
as adelante pasar a formar parte de una infraestructura de datos de mayor
envergadura.
La creaci
on de metadatos no tiene que ser necesariamente una labor propia del tecnico
o equipo de tecnicos que crean los datos en s, del mismo modo que el escritor de un libro
no es el encargado de catalogar este. Tanto usuarios como creadores de datos geograficos
deben poseer unos conocimientos b
asicos en relaci
on a los metadatos, pero existen expertos
en metadatos a quien la creaci
on de estos debe corresponder en u
ltima instancia.
Los usuarios deben saber consultar e interpretar los metadatos, y ser conscientes de la
importancia de estos y el papel que juegan en una buena parte de las operaciones que pueden
desarrollarse con los datos. Los creadores, por su parte, deben ser capaces de elaborar no los
metadatos en s directamente, pero s la informaci
on necesaria acerca de los datos que debe
Metadatos
713
31.4.1.
Existe un amplio conjunto de herramientas que facilitan la labor de creacion de metadatos. Entre ellas podemos distinguir las siguientes [292].
Editores de texto. Los metadatos pueden almacenarse en un fichero de texto plano, y
por tanto pueden editarse con cualquier programa que permita la creacion y edicion de
tales ficheros. Lo habitual en este caso es disponer de un fichero plantilla que contenga
los distintos campos que se han de registrar para cada conjunto de datos geograficos, y la creaci
on del metadato consiste simplemente en apoyarse en esa plantilla y a
continuaci
on de cada nombre de campo a
nadir el valor correspondiente.
Formularios. A partir de una definici
on de campos como la anterior, se pueden desarrollar herramientas m
as elaboradas que presenten una interfaz grafica con distintas
cajas de texto o listas desplegables. Estas aplicaciones, ademas de ser mas agradables
para el usuario, permiten incorporar elementos de validacion en el proceso, evitando
que en alg
un campo se introduzcan valores incorrectos o avisando al usuario en caso
de que un campo presente un valor sospechoso.
Del mismo modo, se puede establecer que campos son obligatorios y cuales opcionales,
y avisar en caso de que un metadato no contenga valores para todos sus campos
obligatorios.
Utilidades. Existen aplicaciones que no se emplean directamente para introducir los
valores de los metadatos, pero que pueden intervenir en el proceso. Entre ellas estan
aquellas que chequean y validan los metadatos o las que lo preprocesan dandole un
formato adecuado seg
un unas reglas establecidas de antemano.
Herramientas de creaci
on autom
atica de metadatos. Algunos de los valores que se
incorporan a los metadatos pueden extraerse de los propios datos. Por ello, el proceso
de creaci
on de metadatos puede automatizarse en cierta medida, y existen aplicaciones
especficamente dise
nada para realizar esa tarea.
Las aplicaciones de creaci
on autom
atica de metadatos pueden, por ejemplo, analizar
un archivo con una capa vectorial y crear un archivo adjunto de metadatos en el que
se incluya la extensi
on de la capa, el tipo de geometras que tiene o los campos de su
tabla de atributos, indicando adem
as el tipo de valor en cada uno de ellos.
Adem
as de estos metadatos extrados directamente del dato geografico, las herramientas que automatizan este proceso pueden a
nadir informacion com
un introducida
manualmente en una u
nica ocasi
on, y que se repite de forma automatica en todos los
datos creados. As, por ejemplo, si una de estas herramientas automaticas se emplea
en un organismo, puede establecer como creador de cada nuevo dato a esa entidad, sin
necesidad de que la persona encargada de crear dicho dato deba a
nadir esa informacion
manualmente cada vez que genere algo nuevo.
El uso de herramientas autom
aticas no se limita al momento de creacion de los datos,
sino que tambien pueden emplearse durante la actualizacion de estos. Si se actualiza
un dato empleando un SIG, este puede estar conectado con la aplicacion de creacion
n Geogra
fica
Sistemas de Informacio
714
autom
atica de metadatos y lanzar esta para que vuelva a analizar ese dato y actualizar
los metadatos inmediatamente. Quiz
as sea necesario a
nadir informacion manualmente,
pero una buena parte de esta habr
a sido creada de forma automatica, facilitando el
proceso y haciendolo m
as r
apido.
La importancia de este tipo de aplicaciones es grande si se tiene en cuenta que, como
se ha dicho, una de las razones principales de la carencia de metadatos es la cantidad
de tiempo que se requiere para elaborarlos.
En el anexo B veremos ejemplos de algunas de las principales herramientas existentes
para el trabajo con metadatos.
31.5.
Algunos ejemplos
La mejor forma de entender el contenido de los metadatos es ver algunos sencillos ejemplos reales. Puesto que estos datos son generalmente voluminosos (siempre que tengan el
detalle necesario para ser realmente u
tiles), en lugar de reproducirlos aqu, puedes consultarlos en las direcciones Web [55] y [56], cada una de las cuales tiene un ejemplo concreto.
En ellas pueden verse verse los metadatos con un formato de pagina Web sencilla compuesta de una lista de apartados y campos, as como su valores correspondientes. A la hora
de utilizar la informaci
on que estos metadatos contienen desde una aplicacion tal como un
servidor Web, es necesario no obstante recogerlos en un formato que dicha aplicacion pueda
entender y procesar utilizando un esquema dado y una semantica bien definida. Es decir,
que el software que trabaja con metadatos no lo hace a traves de documentos como los
de esas p
aginas Web, cuyo formato tiene como u
nico fin mostrarlos de forma legible para
una persona. En el captulo 32 veremos algunos estandares relacionados con metadatos que
definen formas estandarizadas de recoger estos para facilitar el trabajo de las aplicaciones
los utilizan.
Si se comparan los campos y apartados que aparecen en ambas paginas, puede verse que
no coinciden completamente. Eso es debido a que esos metadatos han sido generados por
distintos organismos, que no utilizan una u
nica metodologa. En el mencionado captulo 32
veremos tambien que esas formas estandarizadas no solo lo son en lo referente al formato,
sino tambien a los contenidos, con objeto de homogeneizar los metadatos generados por
organizaciones distintas, proporcion
andoles unos criterios comunes a seguir.
31.6.
Resumen
Metadatos
715
Los metadatos pueden asociarse con los datos geograficos en niveles de detalle diversos,
desde una u
nica entidad hasta una colecci
on de varias capas. Esto permite trabajar con ellos
en distintas granularidades. El contenido de los metadatos es tambien variable, y depende
de esa granularidad, as como de otros par
ametros, como por ejemplo el tipo de datos, ya
que la informaci
on adicional que puede recogerse sobre una capa vectorial no es la misma
que la correspondiente a una capa r
aster.
Algunas de las secciones m
as importantes que encontramos en los metadatos son la
identificaci
on del dato, los valores relativos a su calidad o los relacionados con su distribucion,
entre otros.
716
n Geogra
fica
Sistemas de Informacio
Captulo 32
Est
andares
Olaya, Vctor; Turton, Ian
Qu
e es un est
andarPor qu
e resultan importantes los est
andares?Qui
enes se encargan de
definirlos?Cu
ales son los principales est
andares existentes?Qu
e definen esos est
andares?De
qu
e forma implementan los SIG los est
andares?
Dentro de una IDE, debe ser posible acceder a los datos desde distintos puntos y hacerlo de forma
simple y eficaz. Para maximizar el valor de la IDE y hacerla m
as u
til para todos sus actores, es imprescindible que el acceso a los datos geogr
aficos no presente problemas. Para ello, es importante definir
de forma adecuada c
omo se establece la comunicaci
on entre clientes y servidores, de forma que estos
primeros no solo puedan obtener los propios datos geogr
aficos de estos u
ltimos, sino tambien realizar
consultas o conocer que otras funcionalidades se encuentran disponibles.
En otras palabras, resulta necesario definir una lingua franca para que todas las comunicaciones se
produzcan de forma fluida. Esto obliga a establecer una cierta normalizaci
on y crear elementos estandarizados que sean conocidos e implementados por los distintos actores de la IDE, y hacerlo para cada
uno de los servicios ofrecidos, as como para los propios datos.
En este captulo veremos con detalle la importancia de los est
andares y el papel exacto que juegan
en una IDE, y describiremos una buena parte de los que actualmente existen.
Puesto que estos est
andares est
an relacionados con las tecnologas clienteservidor y las IDE, los
captulos correspondientes a estos elementos (captulos 23 y 30 respectivamente) son un requisito necesario para comprender mejor el contenido de este captulo.
32.1.
Introducci
on
En el captulo 23 vimos los elementos tecnologicos que permiten ofrecer a traves de una
red de servicios relacionados con la informaci
on geografica. Estos servicios eran muy diversos,
y ofrecan posibilidades que iban desde obtener un dato en s hasta la realizacion de consultas
sobre el conjunto de operaciones que un servicio dado puede ofrecer. En todos ellos aparecen
un cliente y un servidor, los cuales se comunican para realizar una tarea concreta.
Este modelo de clienteservidor en terminos tecnologicos no es muy diferente de la idea
de un cliente y un proveedor de servicios en la vida real. Una persona (el cliente) que quiera
adquirir un producto de un distribuidor (el servidor) debe igualmente comunicarse con el
para preguntarle si dispone del producto deseado, realizar una peticion de este y despues
recibirlo cuando el distribuidor se lo enve. En una IDE, un usuario puede consultar el
cat
alogo para localizar un dato concreto y despues acceder a el remotamente mediante, por
ejemplo, un cliente Web. Ambos esquemas de funcionamiento son muy semejantes.
Imaginemos ahora la situaci
on en la que una persona en Espa
na desea adquirir un producto electr
onico de un proveedor chino. En primer lugar, es probable que tenga dificultades
para entender el cat
alogo de productos, pues este describira cada uno de ellos en chino. Si
718
n Geogra
fica
Sistemas de Informacio
32.2.
Est
andares abiertos e interoperabilidad
La interoperabilidad implica que podemos sustituir unos elementos del sistema en el que
se incluyen los clientes y servidores por otros distintos, teniendo la seguridad de que van a
interaccionar entre ellos sin dificultades. Las funcionalidades que un cliente o servidor nos
ofrece pueden ser distintas a las de otro, pero independientemente de su origen (independientemente del fabricante), si esos elementos implementan un estandar dado, siempre podran
interactuar con todos aquellos que tambien lo implementen.
La clave, por tanto, est
a en los est
andares, y en particular en que estos sean estandares
abiertos. Un est
andar es un documento o pr
actica que busca armonizar los aspectos tecnicos
de un producto o servicio.
Un est
andar se considera como tal cuando es empleado por un grupo o comunidad, que
lo acepta para la definici
on de las caractersticas de ese producto o servicio en su seno. Si
u
nicamente es el uso del est
andar el que lo ratifica como tal, se denomina estandar de facto.
El formato shapefile para capas vectoriales, por ejemplo, es uno de estos estandares, ya que
est
a ampliamente difundido y existe tal cantidad de datos en este formato que todas las
aplicaciones deben implementarlo para tener valor practico.
ndares
Esta
719
Existen est
andares que se convierten en normas o estandares de iure, cuando estos son
promovidos por alg
un organismo oficial de normalizacion o su uso se impone con caracter
legal.
Un est
andar abierto es aquel cuya definici
on se encuentra disponible y todo aquel que
lo desee puede conocerla y emplearla para el desarrollo de la actividad relacionada con ese
est
andar. En nuestro campo de trabajo, eso quiere decir que cualquier desarrollador que desee
crear un nuevo cliente o servidor para datos SIG puede acceder al estandar y desarrollar en
base a este.
Los principios fundamentales de los est
andares abiertos son los siguientes [57]:
Disponibilidad. Los est
andares abiertos estan disponibles para todos el mundo para
su lectura y uso en cualquier implementacion.
M
axima posibilidad de elecci
on para los usuarios finales. Los estandares abiertos crean un mercado competitivo y justo, y no bloquean a los usuarios en el entorno
de un vendedor particular. Desde el punto de quienes venden la tecnologa SIG, esto
no es tan ventajoso, ya que permite la aparicion de competidores que antes no podan
existir. Si un fabricante basa sus productos en un estandar cerrado definido por el
mismo, otros no pueden elaborar soluciones que trabajen con esos productos, ya que
no conocen el est
andar empleado.
Asimismo, el fabricante puede cambiar el estandar utilizado por, por ejemplo, su producto de servidor, y obligar a los consumidores y a todo aquel que quiera utilizar un
servicio basado en ese servidor a que actualicen tambien los clientes, pues los anteriores ya no podr
an comunicarse con el nuevo servidor. Utilizando estandares abiertos, la
competencia entre fabricantes ha de basarse puramente en las capacidades que ofrecen,
con lo que los consumidores ganan en calidad de los productos y en posibilidades de
elecci
on.
Gratuidad. Implementar un est
andar es gratuito, sin necesidad de pagar, como en el
caso de una patente. Los organismos que generan los estandares pueden cobrar una
cierta cantidad por acceder a la definici
on de los estandares, con objeto de financiar
as la labor que desarrollan, y tambien pueden cobrar por emitir certificados de que
un determinado producto o servicio se ha desarrollado de acuerdo con el estandar.
Discriminaci
on. Los est
andares abiertos y las organizaciones que los desarrollan no
favorecen de ning
un modo a uno u otro implementador sobre los restantes.
Extensi
on o creaci
on de subconjuntos de un est
andar. Los estandares abiertos
pueden ser extendidos o bien presentados como subconjuntos del estandar original.
Pr
acticas predatorias. Los est
andares abiertos pueden tener licencias que requieran
a todo aquel que desarrolle una extensi
on de dicho estandar la publicacion de informaci
on acerca de esa extensi
on, y el establecimiento de una licencia dada para todos
aquellos que creen, distribuyan y vendan software compatible con ella. Un estandar
abierto no puede prohibir de otro modo el desarrollo de extensiones.
Para tener una noci
on de lo que en la pr
actica realmente significa el uso de estandares
abiertos en el campo de los SIG y las IDE, podemos ver la figura 32.1, donde se representa
el esquema de una arquitectura no interoperable. Es decir, una arquitectura que no se basa
en este tipo de est
andares.
720
n Geogra
fica
Sistemas de Informacio
ndares
Esta
721
32.3.
Crear un est
andar no es una labor sencilla. Se han de recoger las principales necesidades
y armonizar todas ellas en una especificaci
on u
nica, de modo que clientes y servidores que
implementen ese est
andar sean de la mayor utilidad posible para todos los usuarios.
Existen organizaciones dedicadas a redactar las especificaciones correspondientes a estandares que cubran los distintos servicios, as como a promoverlas y mejorarlas. Los estandares
m
as habituales en el campo de la informaci
on geografica son elaborados por tres organizaciones: el Open Geospatial Consortium (OGC), ISO y W3C.
32.3.1.
El Open Geospatial Consortium [58] es una organizacion internacional y voluntaria dedicada a la elaboraci
on de est
andares. En el OGC participan mas de 350 organizaciones
miembro, incluyendo entre ellas a los principales fabricantes del sector, agencias nacionales,
grupos de investigaci
on u organizaciones sin
animo de lucro, entre otros. Estas organizaciones miembro colaboran para alcanzar consensos y desarrollar e implementar estandares en
el
ambito de los contenidos geoespaciales.
Algunos de los est
andares OGC m
as relevantes, los cuales veremos a lo largo de este
captulo, son los siguientes:
WMS. Para obtener im
agenes de mapas.
n Geogra
fica
Sistemas de Informacio
722
32.3.2.
ISO
32.3.3.
W3C
El Consorcio World Wide Web (W3C) es un consorcio internacional donde las organizaciones miembro, personal a tiempo completo y el p
ublico en general, trabajan conjuntamente
para desarrollar est
andares Web. Seg
un su propia definicion[61], la mision del W3C es guiar
la Web hacia su m
aximo potencial a traves del desarrollo de protocolos y pautas que aseguren
el crecimiento futuro de la Web.
El W3C no guarda una relaci
on directa con los SIG, pero parece logico pensar que todo
aquello que se haga en el seno de Internet debera acomodarse a las pautas establecidas por
este consorcio, en especial si lo que se desea es maximizar la interoperabilidad, como ya
hemos visto que resulta de interes en el
ambito SIG. Puesto que la mayora de los estandares
abiertos que vamos a ver en este captulo se aplican sobre tecnologas que operan en la red,
estos se han de fundamentar siempre que sea posible en otros existentes desarrollados por
el W3C, o al menos seguir las recomendaciones de este organismo.
Visto de otro modo, el W3C persigue objetivos similares a los de las organizaciones que
elaboran est
andares para la informaci
on geoespacial, pero su campo de actuacion es la red
en terminos generales.
ndares
Esta
723
De entre todos los elementos definidos por el W3C, resulta de especial importancia el
lenguaje XML (eXtensible Markup Language1 ). XML no es un lenguaje en s, sino que
permite definir la gram
atica de otros lenguajes. Es lo que se conoce como metalenguaje. De
este modo, puede utilizarse para definir reglas para crear formas de expresion que permitan
recoger cualquier tipo de informaci
on. Esto hace que pueda emplearse para el intercambio
de informaci
on de toda clase, y como veremos es la base de la mayora de estandares a tratar
en este captulo.
Entrar en detalles acerca de XML escapa del ambito de este libro. No obstante, para
aquellos que deseen saber m
as, Internet est
a llena de buenas referencias libres sobre XML,
como por ejemplo [62].
32.4.
Est
andares para representaci
on y obtenci
on de informaci
on geogr
afica
32.4.1.
Sabemos del captulo 11 que el lenguaje SQL en su forma basica no sirve para recoger
las geometras que forman la parte espacial de una entidad, sino u
nicamente los datos no
espaciales de esta. Sin embargo, versiones posteriores de SQL permiten la definicion de tipos
personalizados, y esto puede emplearse para poder incorporar estos elementos espaciales
dentro del lenguaje.
El problema surge debido a que la propia flexibilidad de este mecanismo permite que
los tipos se implementen de diversas formas, lo cual no favorece la interoperabilidad. Si una
consulta se establece sobre unos tipos definidos de forma distinta a como lo estan en la
base de datos que recibe la consulta, esa consulta no podran procesarse correctamente. Es
necesario definir una forma estandarizada de definir esos tipos, y una pauta a seguir para
su implementaci
on.
OGC define la especificaci
on Simple Features for SQL (SFS) [63] con objeto de hacer
frente al problema anterior. SFS define por un lado unos tipos estandarizados para geometras, los cuales se basan en otra especificacion OGC denominada OpenGIS Geometry
Model , que establece una forma de definir geometras. Por otra parte, se definen una serie
de operaciones SQL que operan sobre esos tipos.
Todas las geometras que pueden definirse seg
un este esquema son geometras en un
espacio bidimensional, y cada objeto geometrico esta asociado a un sistema de referencia en
el cual se define.
Existe un objeto fundamental denominado Geometry del que heredan los restantes en
una jerarqua bien definida (Figura 32.3). Los metodos de este objeto son de tres tipos:
Metodos b
asicos. Proveen informaci
on sobre el objeto (dimension, tipo de geometra,
sistema de referencia, etc.)
1 Lenguaje
de Marcado Extensible
n Geogra
fica
Sistemas de Informacio
724
Metodos para comprobar relaciones espaciales entre objetos geometricos (cruza a, contiene a, se intersecta con, etc.)
Metodos que efect
uan alg
un tipo de an
alisis (union de geometras, distancia entre
geometras, area de influencia de una geometra, etc.)
32.4.2.
ndares
Esta
725
cualquiera de los formatos de archivo que vimos en el captulo 6. Es decir, sin que tengan
que mediar servicios en ning
un momento.
Algunos SIG permiten este uso, y soportan GML como un formato mas de archivo. No
obstante, no es una pr
actica com
un, ya que, pese a las ventajas de ser un estandar aceptado,
GML es un formato de fichero de tipo texto (esta basado en XML) y produce archivos de
gran tama
no. Para este uso, es m
as habitual recurrir a alg
un otro formato.
GML es un lenguaje extremadamente generico, que permite recoger tanto datos raster
como vectoriales y hacerlo con mucha flexibilidad. Permite, por ejemplo, recoger datos vectoriales sin que exista una geometra asociada, es decir, simplemente almacenando unos
atributos como si se tratara de una base de datos no espacial. Esta gran flexibilidad, que
es uno de los puntos fuertes de GML, es tambien uno de sus inconvenientes, ya que la
especificaci
on es muy compleja y difcil de implementar en su totalidad.
La versi
on m
as reciente de GML es GML3, aunque GML2 es la mas extendida.
Existe un dialecto conocido como Simple Features Protocol que trata de solucionar el
problema de la excesiva complejidad de GML3, ofreciendo las ventajas mas importantes de
este frente a GML2, pero sin incorporar todos sus elementos.
32.4.3.
El servicio Web Feature Service WFS [65] esta relacionado con los datos de tipo vectorial,
y a traves de el se sirven directamente las entidades de un dato vectorial con sus geometras
y datos alfanumericos asociados. Desde este punto de vista, acceder a un servicio WFS es
similar a acceder a una capa vectorial cualquiera o a una base de datos, ya que el SIG puede
recuperar la informaci
on correspondiente (tanto la componente geografica como la tematica
de cada entidad) y operar con ella.
En particular, las operaciones que permite un servicio WFS son:
Crear una nueva entidad.
Borrar una entidad.
Actualizar una entidad.
Obtener o consultar el conjunto de entidades en base a condiciones espaciales y no
espaciales.
Para realizar lo anterior, un servicio WFS debe permitir las siguientes operaciones:
GetCapabilities. Esta operaci
on devuelve los metadatos correspondientes al propio servicio WFS. Estos contienen una descripci
on del contenido del servicio y los parametros
que este acepta a la hora de realizar peticiones sobre el. Es decir, la respuesta a esta
operaci
on es un documento que informa acerca del servicio y de los datos disponibles
a traves de este. Este documento es un archivo XML que debe comunicar al cliente el
tipo de entidades que sirve y las operaciones que soporta sobre estas.
DescribeFeatureType. La respuesta a esta operacion es la descripcion de la estructura
de las entidades que pueden servirse, indicando tipo de geometra y nombre y tipo de
campos asociados a esta.
n Geogra
fica
Sistemas de Informacio
726
32.4.4.
Filter Encoding
el concepto de transacci
on visto en el captulo 8 sobre bases de datos
ndares
Esta
32.4.5.
727
Si el est
andar WFS permite obtener de un servidor datos vectoriales en forma de entidades, el est
andar Web Coverage Service hace lo propio con datos raster. Este servicio
est
a pensado para tratar con coberturas, es decir, representaciones de un fenomeno que vara
en el espacio. Como ya vimos en su momento, las coberturas se corresponden con el modelos
de campos.
Representar una cobertura puede hacerse de muchas formas distintas: capas raster, Redes
de Tri
angulos Irregulares (TIN) o funciones matematicas. No obstante, por el momento el
est
andar WCS solo est
a preparado para el trabajo con mallas raster regulares.
EL servicio WCS ofrece los datos de la capa raster como tales, con su semantica original.
Es decir, que un servicio WCS puede servir un MDE y el cliente obtiene directamente los
valores de elevaci
on en sus unidades correspondientes.
De forma similar a WFS, WCS presenta tres operaciones basicas que permiten consultar
al servicio por sus caractersticas o por las caractersticas de los datos de que dispone, y
obtener finalmente los datos en s.
GetCapabilities. Describe las capacidades del servicio, indicando las coberturas de que
dispone.
DescribeCoverage. Describe una cobertura particular
GetCoverage. Obtiene una de las coberturas disponibles. Los parametros de esta operaci
on se emplean para indicar al servidor la extension que se desea cubrir.
32.5.
Est
andares para mapas y visualizaci
on
32.5.1.
El est
andar Web Map Service (WMS) [67] define los elementos necesarios para un servicio
de mapas.
Un servicio WMS devuelve una imagen con informacion geografica, pero esta solo contiene la propia informaci
on visual para que el cliente pueda mostrarla. Es decir, si se pide a
este servicio un mapa creado a partir de un MDE, la informacion de los pxeles no contiene
la elevaci
on de la coordenada correspondiente, sino el color asociado en funcion de un determinado criterio. La imagen puede contener otros elementos visuales tales como etiquetas o
smbolos, en funci
on de c
omo se haga la representacion en el servidor. Una vez que el cliente
n Geogra
fica
Sistemas de Informacio
728
recibe la imagen, no puede actuar sobre esta para cambiar la forma de representacion de
una capa, sino simplemente representarla como es.
Se definen en este servicio tres operaciones b
asicas, dos de ellas obligatorias y la restante
opcional, que son empleadas por los clientes para consultar los servidores.
Las tres operaciones fundamentales son:
GetCapabilities (obligatoria): Al igual que en el caso de WFS y WMS, esta operacion
describe el servicio, informando de los mapas disponibles.
GetFeatureInfo (opcional): Esta operaci
on permite al cliente pedir al servidor informaci
on particular sobre algunas entidades representadas en el mapa. Si el servidor soporta
esta operaci
on, los mapas que devuelve pueden consultarse. Para ello, la consulta hecha por el cliente debe a
nadir ciertos par
ametros adicionales como una localizacion
(una coordenada dentro de la imagen) y el n
umero de entidades cercanas de las que
se desea obtener informaci
on.
GetMap (obligatoria): Esta operaci
on devuelve una imagen de un mapa con unos
par
ametros geoespaciales y dimensionales (tama
no de la imagen) definidos. El cliente
utiliza esta funci
on para obtener un conjunto rectangular de pxeles, los cuales conforman una imagen de un mapa correspondiente a una zona geografica dada, o un
conjunto de elementos gr
aficos dentro de esa zona.
La operaci
on GetMap permite asimismo al cliente especificar que capas emplear para
formar la imagen a obtener, el sistema de referencia a utilizar, el area geografica a
cubrir o el formato en el que se desea recibir la imagen (de entre una serie de formato
habituales soportados).
Las capas pueden especificarse como accesos a otros servicios tales como WFS.
En un servicio WMS, cuando el cliente pide un mapa al servidor, puede controlar en
cierto modo la forma en que este va a representarlo (colores, estilos, etc.). El servidor ofrece
una serie de opciones predeterminadas, de las cuales el cliente solo conoce su nombre, y
puede elegir una de ellas. No obstante, no puede saber exactamente que caracteriza a cada
uno de esos perfiles predeterminados de representacion ni tampoco puede definir los suyos
propios.
Para solucionar esto y ampliar las capacidades del servicio WMS, aparece otro nuevo
est
andar: SLD.
32.5.2.
El est
andar OGC Standard Layer Description (SLD) [68] define una forma de almacenar los par
ametros de representaci
on empleados para crear un mapa a partir de los datos
geogr
aficos. Este est
andar permite extender las capacidades de WMS, ofreciendo al cliente
la posibilidad de definir sus propias configuraciones.
SLD es un est
andar complejo que permite cubrir situaciones variadas y no solo las mas
sencillas y habituales. Permite, por ejemplo, el ajuste de elementos tales como etiquetas o
simbologas personalizadas para elementos puntuales (por ejemplo, representar cada punto
de una capa de localizaciones de estaciones de autob
us con un peque
no dibujo de un autob
us), Para esto u
ltimo se apoya en otros est
andares tales como SVG [69], dise
nado para
la representaci
on de gr
aficos vectoriales.
ndares
Esta
729
32.5.3.
El est
andar Web Mapping Context (WMC) [70] define un formato estandarizado para
almacenar un contexto. Un contexto recoge la informacion necesaria para reproducir las
condiciones de una determinada sesi
on de uso de un cliente, de tal forma que ese cliente
pueda restablecerlas posteriormente. El contexto se almacena en un archivo XML.
En el contexto se almacena informaci
on sobre las capas que forman el mapa representado
por el cliente y los servidores de los que estas se obtienen, la region cubierta por el mapa,
as como informaci
on adicional para anotar este mapa.
Los usos que se le pueden dar a un contexto son variados, entre ellos los siguientes:
Mediante un contexto se puede definir una configuracion particular de inicio para
distintos tipos de usuario del cliente.
Un contexto puede emplearse para almacenar el estado del cliente a medida que el
usuario navega y modifica elementos, pudiendo retornar a una configuracion establecida anteriormente.
El contexto puede almacenarse y despues transferirse a otro cliente distinto en el que
comenzar en una misma configuraci
on.
Los contextos pueden a su vez catalogarse y descubrirse, ofreciendo as un nivel de granularidad m
as amplio que las capas individuales. Pueden crearse diferentes contextos predefinidos y despues hacer estos accesibles para facilitar el establecimiento de una determinada
configuraci
on en un cliente.
32.6.
Est
andares para metadatos, cat
alogos y consulta
de datos
Los metadatos y las operaciones sobre ellos tienen sus propios estandares bien definidos.
Por una parte, existen est
andares dedicados a los metadatos en s y a la forma de almacenarlos. Estos pueden especificar par
ametros relativos a los metadatos tales como los
siguientes:
Contenido de los metadatos, definiendo que campos son obligatorios y cuales opcionales.
n Geogra
fica
Sistemas de Informacio
730
32.6.1.
ndares
Esta
731
32.6.2.
Nomencl
ator (Gazetteer)
Un nomencl
ator o gazeteer permite la localizacion de fenomenos geograficos a partir
de un determinado nombre. El cat
alogo sobre el que se basa es una coleccion de estos
fen
omenos, cada uno de ellos asociados a un identificador geografico. Dicho identificador es
una referencia espacial en forma de etiqueta o codigo que identifica un lugar en el mundo
real [123]. Ejemplos de tales identificadores son los nombres de ciudades o pueblos (Burgos,
Plasencia), los c
odigos postales (10600), los accidentes geograficos (Puerto de Navacerrada,
Pico de la Miel) o las direcciones (Carretera NV p.k.35, Calle Mayor 32), entre otros. As, el
servicio de nomencl
ator permite establecer un sistema de referencia basado en identificadores
geogr
aficos.
El servicio recibe como entrada un nombre y utiliza este para localizar los fenomenos
geogr
aficos que cumplen un criterio. Este criterio puede ser variable, pudiendo exigir que el
nombre coincida plenamente, que comience por el, o que lo contenga, entre otras opciones.
Es habitual adem
as que el cat
alogo contenga una tipologa de los fenomenos recogidos (poblaci
on, ro, puerto, lago, etc.), de forma que esta tambien puede utilizarse para establecer
el criterio de consulta (por ejemplo, para localizar todos los ros que comiencen con las letra
((b))).
En el terreno de los nomencl
ator encontramos la Norma ISO 19115:2003 (Geographic
Information Spatial referencing by Geographic Identifiers), y los OGC Catalog Services,
que permiten estandarizar procesos de consulta como los mencionados.
32.7.
Est
andares para procesamiento
Adem
as de servir datos, pueden servirse procesos sobre esos datos, de tal forma que
existan procesos remotos a los que los clientes pueden acceder. Tambien debe estandarizarse
la forma de acceso a estos servicios y c
omo los clientes efectuaran las peticiones de procesos
y la transmisi
on o definici
on de los datos que han de tomarse para esos procesos.
32.7.1.
El est
andar Web Processing Service (WPS) de OGC esta enfocado a definir el marco en
el que se ha de producir el servicio de procesos remotos. WPS define una interfaz estandar
que facilita la publicaci
on de procesos y su uso posterior por parte de clientes. Se entiende
por proceso en este contexto a todo aquel algoritmo, calculo o modelo que opere sobre datos
georreferenciados.
Los procesos que pueden definirse son sumamente flexibles, pudiendo tener un n
umero
cualquiera de entradas y salidas, y operar con distintos tipos de datos. Es decir, que ofrece
n Geogra
fica
Sistemas de Informacio
732
un marco para definir cualquier tipo de proceso de analisis geografico, tanto si este utiliza
datos r
aster como si utiliza datos vectoriales. Todos los procesos que hemos visto en la parte
III de este libro pueden ofrecerse como servicios remotos a traves de WPS.
Los datos empleados para alimentar los procesos pueden encontrarse en el propio servidor
o ser transmitidos a traves de la red al igual que la propia peticion de proceso por parte
del cliente. Asimismo, puede relacionarse este est
andar con otros que ya hemos visto, como
por ejemplo WFS. Los datos necesarios para ejecutar un proceso que requiera una capa
vectorial pueden obtenerse llamando a un servicio WFS, en cuyo caso debe indicarse en los
par
ametros del proceso los propios par
ametros que corresponden a la peticion a ese servicio
WFS.
WPS define tres operaciones b
asicas, todas ellas obligatorias para todo servidor que
implemente este est
andar:
GetCapabilities. Al igual que en otros est
andares que ya hemos visto, esta operacion
hace que el servidor ofrezca los metadatos referentes al servicio. En este caso, estos
incluyen la definici
on de todos los procesos que es capaz de ejecutar el servidor.
DescribeProcess. El servidor devuelve la definicion detallada de uno de los procesos
soportados, especificando n
umero y tipo de entradas y salidas, y formatos validos para
estas.
Execute. Esta operaci
on pide la ejecuci
on de un proceso con unas entradas dadas, y la
obtenci
on de los resultados de este.
32.8.
Relaci
on entre est
andares
Los est
andares que hemos visto a lo largo de estas paginas guardan una logica relacion
entre ellos. Dentro de un mismo
ambito, los est
andares pueden guardar relacion con otros
similares aun habiendo sido desarrollados por entidades distintas. El objetivo de armonizaci
on tecnol
ogica que pretenden los est
andares resulta mas difcil de lograr si el n
umero de
est
andares para una misma tecnologa es elevado, ya que los fabricantes necesitan dedicar
m
as tiempo y recursos a implementar todos ellos, y lo normal es que opten por implementar
solo algunos.
Por este motivo, las organizaciones que promueven estandares trabajan conjuntamente
y suelen producir est
andares muy similares. En algunos casos, como ya hemos mencionado,
algunos est
andares OGC son tambien est
andares ISO, existiendo no una similitud sino una
absoluta coincidencia.
M
as importante es la relaci
on que guardan entre s estandares dedicados a areas distintas. Las tecnologas para la gesti
on y transmisi
on de datos incluyen diversos elementos que
forman un todo interrelacionado como vimos en el captulo 23. Los estandares correspondientes a esos elementos y a cada proceso particular que se desarrolla deben formar tambien
un todo conectado y poder a su vez ((entenderse)) con otros estandares relacionados.
Un caso particular de esto es, por ejemplo, el de los estandares WMS, SLD y WFS.
El servicio WMS ofrece un mapa, que no es sino una representacion de unos datos seg
un
unos criterios dados. Esos datos pueden obtenerse de un servicio WFS y los criterios para
representarlos pueden expresarse utilizando el est
andar SLD. La ventaja de los estandares
abiertos, m
axime si estos han sido adem
as creados por una misma organizacion, es la capacidad de interoperar entre ellos, de forma que WMS puede tomar datos de servicios WFS o
ndares
Esta
733
WCS, o una consulta conforme a Filter Encoding puede aplicarse para consultar un servicio
WFS y tambien un servicio de nomencl
ator.
Otro ejemplo en esta lnea es el que hemos descrito para un servicio WPS que toma datos
de un servicio WFS para operar con ellos.
En su conjunto deben verse todos los est
andares como una gran familia de elementos que
armoniza el trabajo con la informaci
on geogr
afica, potenciando as el cumplimiento de los
objetivos de la IDE.
32.9.
Resumen
Los est
andares abiertos son b
asicos en el entorno de las IDE para garantizar una correcta
comunicaci
on entre clientes y servidores, y su adopcion implica una larga serie de ventajas,
aumentando las posibilidades de uso de la IDE y la potencia de los datos y herramientas
que se incluyen en estas.
Existen diversas organizaciones que desarrollan estos estandares, siendo OGC e ISO las
m
as relevantes en el campo de la informaci
on geografica, y W3C en el campo de la World
Wide Web. Est
as organizaciones han creado estandares que son de aplicacion en diversas
tareas.
Para la codificaci
on y almacenamiento de la informacion geografica encontramos estandares a nivel conceptual como SFS, y otros para la propia codificacion y creacion de archivos como GML. Este u
ltimo es el empleado tambien para la transmision de informacion
geogr
afica seg
un el est
andar WFS, definido para el trabajo con datos vectoriales. Para servir
coberturas (en la especificaci
on actual equivalentes a datos raster regulares), encontramos
el est
andar WCS.
Existen igualmente est
andares para mapas, como WMS, que a su vez se apoyan en los
anteriores para obtener los datos a representar, y en otros como SLD para establecer los
par
ametros de esa representaci
on.
Los est
andares se encuentra interrelacionados entre s y se apoyan unos en otros. El
conjunto de todos ellos permite en el seno de una IDE el trabajo fluido y la interoperabilidad
en todas las operaciones que se realizan.
Parte VII
En esta parte se presentan casos practicos del uso de SIG en diversas disciplinas. De este
modo, podra comprobarse la versatilidad de este y ver como todo aquello que hemos estudiado
en las partes anteriores de este libro tiene una aplicacion real en campos muy variados.
En cada captulo se destacan los elementos particulares que resultan de mayor interes para
el caso tratado, tomados de entre todos los que ya conocemos del ambito SIG. Asimismo, se
presentaran algunos nuevos y mas especficos cuando ello resulte relevante.
El captulo 33 presenta en lneas generales el conjunto de disciplinas y grupos de interes
que pueden beneficiarse del uso de SIG, al tiempo que explora la presencia de estos en
distintos ambitos.
El captulo 34 trata la aplicaci
on de los SIG a distintos analisis relacionados con riesgos naturales tales como inundaciones, incendios, movimientos de tierras, plagas o contaminacion
de aguas.
El captulo 35 repasa las principales aplicacion del SIG dentro del campo de la ecologa
tales como la modelizaci
on de comunidades animales o vegetales, entre otras.
Relacionado con el anterior, el captulo 36 trata el uso de SIG para la gestion de recursos
naturales y la planificaci
on territorial.
Captulo 33
Introducci
on. Para qu
e puedo utilizar un SIG?
En qu
e disciplinas puede utilizarse un SIG? Qu
e funcionalidades aporta un SIG al desarrollo
de estas disciplinas? Qu
e tipos de usuarios de SIG encontramos? C
omo contribuyen estos
usuarios a la definici
on y desarrollo de los SIG?
Los SIG son herramientas muy vers
atiles y no existe pr
acticamente ning
un
ambito de trabajo en el que
los SIG no puedan, de un modo u otro, ser de utilidad. En este captulo, veremos c
omo la flexibilidad de
los SIG les ha permitido incorporarse en las tareas de las m
as diversas disciplinas y veremos estas de modo
generico. En los siguientes captulos, trataremos en profundidad las particularidades del uso de SIG en las
principales disciplinas, y el objeto de este captulo es presentar de forma generica todo ese conjunto de
ambitos beneficiarios del SIG y describir sus caractersticas comunes, analizando que utilidades generales
tiene un SIG dentro de todos ellos.
33.1.
Introducci
on
A lo largo de los anteriores captulos, hemos visto que es un SIG, cuales son sus componentes y sus caractersticas principales, y que tipo de tareas y procesos pueden llevarse
a cabo con ellos. Todos estos elementos pueden ser aprovechados de formas muy distintas
por los diferentes grupos de usuarios en funci
on de sus necesidades, ya que, por su propia
naturaleza, un SIG es una herramienta altamente versatil. Como sistema complejo, puede
adaptarse a las circunstancias particulares de un gran n
umero de situaciones y entornos, los
cuales tender
an a hacer uso prioritario de unas u otras capacidades de un SIG.
En algunas disciplinas, el an
alisis es el elemento fundamental, y los SIG en ellas se entienden principalmente como herramientas analticas. En otras, sin embargo, las capacidades
de visualizaci
on y representaci
on pueden resultar mucho mas importantes, aprovechandose
estas de forma preferente y utilizando las capacidades de analisis en menor medida.
En conjunto, todas estas capacidades (an
alisis, visualizacion, manejo de datos, etc.) que
ya hemos visto con detalle en las partes anteriores del libro ofrecen una serie de utilidades que
son las que cada comunidad de usuarios emplea de modo particular seg
un sea las necesidades
de su trabajo.
En este captulo detallaremos esas utilidades y veremos que elementos de un SIG estan
implicados en ellas. Posteriormente, recorreremos el amplio abanico de campos de aplicacion
de los SIG, perfilando las funciones b
asicas de un SIG que resultan de mayor interes en ellos.
Como es l
ogico pensar, resulta imposible describir todos los posibles casos de aplicacion de
los SIG, siendo estos excesivamente numerosos. Centraremos el contenido de este captulo
en tratar los principales grupos de disciplinas afines, describiendo brevemente el papel que
los SIG juegan en ellas.
Las m
as representativas de estas disciplinas seran tratadas con mas detalles en los restantes captulos de esta parte del libro, describiendo no solo la utilidad de los SIG sino las
n Geogra
fica
Sistemas de Informacio
740
formulaciones concretas que se utilizan en cada caso, las soluciones particulares en cada uno
de estos campos en terminos de tecnologa SIG, as como otros elementos particulares de
cada ambito de aplicaci
on.
33.2.
Caracterizaci
on de las aplicaciones de un SIG
n. Para que
puedo utilizar un SIG?
Introduccio
741
Procesos de todo tipo pueden ser modelizados de este modo, y permiten no solo obtener
resultados directos, sino tambien contribuir a una mejor comprension del proceso en
s y de los mecanismos que lo rigen, lo cual amplia notablemente la utilidad de los SIG
como herramientas modelizadoras.
SIG como herramienta para la toma de decisiones. Gran parte de los campos en los
que se puede aplicar un SIG requieren en alg
un momento tomar decisiones en funcion
de ciertas variables. Estas variables implican dentro de un SIG el uso de distintas
capas, normalmente en n
umero elevado. La combinacion de estas arroja resultados
que resultan m
as adecuados para su interpretacion por parte de un tecnico experto,
que ser
a el encargado de tomar las decisiones.
Las tecnicas de evaluaci
on multicriterio que ya conocemos se aplican en gran n
umero
de disciplinas, y el SIG resulta la herramienta perfecta para aplicarlas. La cantidad
elevada de variables (capas) que se manejan en estos procesos hace necesaria una
herramienta que facilite el uso conjunto de todas ellas, al mismo tiempo que permita
una visi
on global del conjunto de datos que se manejan, y el SIG cumple todos los
requisitos para ser dicha herramienta.
La toma de decisiones representa una utilizacion particular de las capacidades de
modelizaci
on citadas anteriormente, en la que la interpretacion de los resultados es el
elemento clave, apoyada fuertemente en las capacidades analticas del SIG.
SIG como herramienta para la difusi
on de informacion geografica. Su capacidad para
exponer los datos geogr
aficos a un p
ublico mas amplio y hacerlo de una forma optima
es una de las virtudes m
as notables de los SIG, especialmente con las tecnologas
actuales y la situaci
on existente hoy en da. Para muchas disciplinas, poder hacer
llegar la informaci
on geogr
afica a ciertos destinatarios supone un hecho importante, y
es por ello que los SIG resultan herramientas u
tiles en esos casos.
No se ha de olvidar que los SIG, como ya dijimos, ponen de manifiesto la naturaleza
espacial de muchos datos, y por ello son un vehculo perfecto para la difusion de todo
tipo de informaci
on geogr
afica. En otras palabras, el SIG es una herramienta muy
potente para ampliar el alcance de la informacion geografica, y que todos aquellos que
puedan sacar partido de ella tengan a su disposicion esa informacion sin dificultad
alguna.
Esto es de importancia en muchos campos no tecnicos, jugando las tecnologas Web
un papel clave para hacer llegar a usuarios sin perfil tecnico datos y elementos SIG
que dan valor a la informaci
on con que estos trabajan. Informacion que antes se mostraba sin componente geogr
afica alguna ahora puede acompa
narse de forma sencilla
de mapas interactivos u otros elementos SIG, a la vez que se ofrece a los usuarios una
serie de funcionalidades propias de los SIG, a traves de las cuales podran realizar un
uso m
as intenso y completo de esa informacion. En los campos mas tecnicos, no obstante, tambien se benefician de este hecho, y la mayor disponibilidad de la informacion
geogr
afica es responsable directa de avances o descubrimientos, pues act
ua como un
catalizador de estos (puede consultarse [71] para un caso peculiar, aunque no aislado,
de lo anterior).
SIG como herramienta centralizadora. Cuando el factor humano es el mas importante
para el desarrollo de una determinada actividad, la capacidad organizativa de un SIG
n Geogra
fica
Sistemas de Informacio
742
como sistema apto para coordinar las tareas de un equipo de trabajo resulta determinante. Este hecho es especialmente relevante cuando se trabaja en el seno de una
organizaci
on voluminosa en la cual pueden coexistir usuarios de informacion geografica
con distintos intereses. Tal es el caso de un SIG corporativo instalado en una gran empresa o en una administraci
on local, en la que las necesidades que se presentan cubren
un abanico muy amplio.
En esta circunstancia el SIG act
ua como un elemento central para facilitar el acceso de
todas las personas implicadas a la informaci
on geografica y garantizar que ese acceso
se realiza de forma correcta. El SIG es ante todo una herramienta para la gestion
de la informaci
on geogr
afica, y los principales (aunque no u
nicos) beneficiarios de la
tecnologa SIG son en este caso los responsables de esa informacion, quienes organizan
y gestionan el gran volumen de datos del que se dispone. Estos tienen a su vez el papel
m
as importante dentro de todos los profesionales implicados en el sistema SIG, pues
el dise
no e implementaci
on de la base de datos geografica correspondiente, as como
su mantenimiento, son vitales para el buen funcionamiento del SIG y que este pueda
dar respuesta a todos los requerimientos existentes.
33.3.
Areas
de aplicaci
on de un SIG
Con los elementos vistos en el apartado anterior, podemos caracterizar en terminos generales la forma en que los distintos campos de aplicacion hacen uso de los SIG para su
trabajo habitual. Algunas de las principales
areas de utilizacion de un SIG las siguientes:
33.3.1.
Gesti
on de recursos naturales
La gesti
on de recursos naturales es uno de los campos que llevan aprovechando las tecnologas y elementos SIG desde su mismo origen. De hecho, y como ya vimos al inicio de
este libro, las necesidades originadas en este
area fueron responsables del desarrollo de los
primeros SIG, y fueron estas necesidades las que originalmente definieron las capacidades y
caractersticas de los SIG en sus inicios.
Por ello, los SIG son herramientas excepcionales para la gestion de la informacion sobre
los distintos recursos naturales, y la explotaci
on de la gran cantidad de datos de los que se
dispone en este campo. Estos datos pueden ser de tipos muy variados, y ello hace que tanto
datos vectoriales como r
aster sean de gran importancia para este tipo de analisis.
La labor de gesti
on de datos de un SIG es importante en este campo, pero tambien lo es
su capacidad de an
alisis, ya que las necesidades de tipo analtico que presenta la gestion de
recursos naturales es elevada.
33.3.2.
Gesti
on de riesgos
Los riesgos, tanto los naturales como los generados por las actividades humanas, pueden
analizarse en un SIG, estudiando su distribuci
on o tratando de evaluar la probabilidad de que
se produzcan episodios problem
aticos. Se trata, por tanto, de una labor fundamentalmente
de an
alisis, y es este un campo en el que se emplean gran parte de las tecnicas que hemos
visto en la parte III de este libro.
Los datos que se emplean son principalmente de tipo raster, ya que gran parte de las
variables con las que se trabaja son de tipo continuo. No obstante, los registros de ocurrencia
n. Para que
puedo utilizar un SIG?
Introduccio
743
de fen
omenos como incendios, avalanchas o inundaciones se recogen mejor en datos de tipo
vectorial, y las metodologas en este campo combinan frecuentemente ambos tipos de datos.
Los usuarios de SIG en este terreno son de tipo avanzado y exigen de los SIG una amplia
serie de funcionalidades, en ocasiones requiriendo gran n
umero de elementos adicionales en
estos.
33.3.3.
Ecologa
33.3.4.
Negocios y marketing
Uno de los campos donde las formulaciones de analisis de los SIG se emplean con profusi
on es en el an
alisis de mercados y marketing en general. Cualquier actividad de mercado
debe estudiarse sobre el espacio en el que tiene lugar, principalmente con objeto de maximizar sus resultados y minimizar la inversi
on necesaria a realizar, y son muchas las capacidades
que se han incorporado a los SIG con este prop
osito. Estas permiten estudiar la distribucion
espacial de la competencia, localizar zonas
optimas para el establecimiento de negocios o
incluso predecir la evoluci
on de un negocio ya existente en funcion de otros similares en el
entorno.
Asimismo, las capacidades de representaci
on y creacion de cartografa son de gran utilidad para elaborar informes, necesarios dentro de este ambito como paso previo antes de
realizar alguna actividad, o bien como meros elementos comerciales.
33.3.5.
Ciencias sociales
Las ciencias sociales estudian al ser humano como individuo aislado, pero especialmente
como miembro de una comunidad. Por ello, las relaciones entre individuos o grupos constituyen una materia de estudio habitual, y resulta claro que tales relaciones estan ntimamente
vinculadas al espacio ocupado por estos. Es decir, se trata de relaciones con una gran componente espacial. Los algoritmos de an
alisis de los SIG son una herramienta de gran valor para
n Geogra
fica
Sistemas de Informacio
744
33.3.6.
Planificaci
on
La ejecuci
on de cualquier actividad en el medio requiere hoy en da un cuidadoso estudio
para escoger el mejor lugar en el que llevar esta a cabo, maximizando beneficios y disminuyendo los posibles impactos negativos. Puesto que son muchos los factores implicados que
han de tenerse en cuenta, el SIG es imprescindible para poder combinarlos todos, ya que
permite un manejo fluido y potente de un gran n
umero de distintas capas. Sin el SIG, resultara difcil plantear estudios con tal cantidad de factores, y poder disponer de una vision
global de todo ellos y sus interrelaciones es una de las muchas ventajas que el uso de un SIG
aporta en este campo.
El papel de un SIG como herramienta de ayuda a la toma de decisiones es fundamental
en este caso, y contribuye de manera muy relevante a que esas decisiones se tomen sobre
una base m
as s
olida y teniendo en cuenta todos los factores geograficos implicados.
33.3.7.
Militar
33.4.
n. Para que
puedo utilizar un SIG?
Introduccio
745
no se incluye informaci
on alguna. Esto no significa, no obstante, que sean de menor interes
o que el SIG en ellas no tenga aplicaci
on real.
Asimismo, tampoco se ha tratado, dentro de las areas escogidas, de recoger todos los
conocimientos posibles, ni tan siquiera una vision global. Del mismo modo que a la hora
de seleccionar grandes bloques de aplicaci
on se ha hecho con criterio meramente didactico e
ilustrativo, cada captulo detalla solo algunos casos particulares, y estos se enfocan desde uno
u otro punto de vista en funci
on de que aspecto resulte de mayor interes mostrar respecto
al uso de los SIG en ese campo. En algunos casos, se intenta explicar con detalle algunos
modelos y formulaciones, relacion
andolas con los procesos que hemos estudiado en la parte
correspondiente de este libro, para as mostrar un uso real de estos en su conjunto. En
otros casos, sin embargo, tan solo se detallan las ventajas del uso del SIG o la forma de
aprovecharlos, sin entrar en el detalle tecnico. Cuando se considera oportuno, se menciona
alg
un tipo software particular que sea habitual emplear para realizar determinadas tareas,
y que constituya un complemento a las aplicaciones SIG estandar.
En cualquier caso, no debes esperar que estos captulos te permitan adentrarte en el
area de conocimiento concreta que se detalla y en como trabajar en ella con un SIG, sino
u
nicamente aprender algo m
as acerca de c
omo este SIG puede ser una herramienta valiosa
en esa disciplina, y tal vez extraer ideas sobre la forma de trabajo dentro de esta que luego
podr
as aplicar en tu propia labor, sea esta en uno u otro campo.
Si se desea ampliar la informaci
on sobre el uso real de los SIG, existen multitud de
referencias al respecto. En [72] encontrar
as una buena coleccion de estudios de caso acerca
del uso de SIG en muy diversos campos.
33.5.
Resumen
Las
areas de aplicaci
on de los SIG son muy variadas, y cada una de ellas hace un uso
distinto de las diferentes componentes de estos. Podemos clasificarlas en funcion de parametros como el tipo de usuario, el tipo de datos empleado o los procesos mas importantes que
se utilizan. En cada caso, el SIG juega un papel particular para satisfacer las necesidades
concretas del campo de aplicaci
on. Cabe destacar los roles como herramienta para la toma
de decisiones, la difusi
on de la informaci
on o la gestion del acceso a esta.
Algunos campos en los que el SIG tiene actualmente una amplia importancia son la
ecologa, el marketing, la gesti
on de riegos o las ciencias sociales, aunque practicamente
todos los
ambitos de conocimiento pueden en mayor o menor medida ser beneficiarios de
estas tecnologas, ya que, de un modo y u otro, trabajan con informacion georreferenciada.
746
n Geogra
fica
Sistemas de Informacio
Captulo 34
An
alisis y gesti
on de riesgos
C
omo pueden contribuir los SIG a la prevenci
on de riesgos? Qu
e riesgos y amenazas
naturales pueden modelizarse dentro de un SIG? Qu
e t
ecnicas se emplean para ello?
El an
alisis de riesgos es una tarea habitual de un SIG, ya que dichos riesgos, bien sean naturales o
artificiales, incluyen una componente geogr
afica que puede ser modelizada.
El alcance de este tipo de modelos es muy amplio, y abarca desde el an
alisis de riesgo de incendios
hasta los riesgos de inundaci
on o corrimiento de tierras, pasando por otros como riesgos vulcanol
ogicos
o contaminaci
on de aguas.
En este captulo trataremos algunos de ellos, detallando por igual la forma en que un SIG permite
estudiarlos y las tecnicas que se emplean para ello.
34.1.
Introduccion
n Geogra
fica
Sistemas de Informacio
748
En primer lugar, trataremos tres tipos de riesgos muy relacionados entre s: riesgos de
tipo meteorol
ogico (sequas, huracanes, etc.), riesgos de naturaleza hidrologica (inundaciones,
avenidas, aludes, etc.), y riesgos relativos al terreno, tales como desplazamientos en masa.
Existe una clara vinculaci
on entre estas tres clases de riesgos, ya que todas ellas tienen
relaci
on con dos elementos fundamentales: el clima y el terreno. En funcion de la existencia
o no de predominancia por parte de una de estas variables, encontramos uno u otro de los
bloques anteriores.
En el caso del an
alisis meteorol
ogico la variable clima es la fundamental, aunque condicionada directamente por el terreno. Lo contrario sucede en el caso de procesos como los
desplazamientos en masa, los cuales fundamentalmente dependen de la configuracion del
terreno, aunque el clima juega tambien un papel importante, pues condiciona, entre otros
factores, la humedad del terreno, de gran importancia para que tengan lugar o no estos
procesos.
Por su parte, el an
alisis de riesgos hidrol
ogicos depende fuertemente de ambas variables,
pues el desarrollo de eventos de riesgo tales como avenidas viene unido a las caractersticas
del clima, aunque el desarrollo posterior de tales avenidas y la existencia de riesgo causado
por estas dependen de la configuraci
on del terreno. Ambos factores deben estudiarse en
profundidad para poder desarrollar modelos u
tiles al respecto.
Otro tipo de fen
omenos de riesgo que veremos en este captulo son los relacionados con
incendios. El an
alisis de estos riesgos requiere la utilizacion de gran numero de capas de
variables geogr
aficas, con lo que el SIG se demuestra como una herramienta de enorme
utilidad de cara a poder llevar a cabo un an
alisis de mayor alcance.
En conjunto, a lo largo de este captulo veremos numerosos ejemplos de como el SIG
constituye un u
til b
asico para tareas de planificacion o proteccion civil, entre otras. Los
resultados de los an
alisis de riesgos pueden ser utilizados ademas como base para otros
an
alisis tales como los estudios de viabilidad y localizacion optima que veremos mas dentro
de esta parte, o bien para combinarse con otras variables tal y como vimos en el captulo 20
Asimismo, veremos c
omo un SIG puede ser una herramienta u
til no solo para prevenir
una situaci
on de riesgo o para modelizar un determinado fenomeno, sino tambien como
elemento para la gesti
on de estos riesgos. Un SIG permite coordinar los equipos encargados
de trabajar directamente en las zonas que se ven afectadas por un incendio o una inundacion,
o localizar el foco de un fuego con rapidez para enviar efectivos de forma inmediata. Estas
tareas, aunque no implican un an
alisis del fen
omeno en s, representan una muy importante
parcela de aplicaci
on de los SIG.
34.2.
Riesgos climatol
ogicos
lisis y gestio
n de riesgos
Ana
749
tengan lugar implica estudiar el comportamiento del clima, un tipo particular de analisis
que resulta adem
as de interes para muchas otras aplicaciones en otros ambitos de estudio.
A lo largo de esta secci
on veremos las ideas fundamentales del analisis climatologico y
el papel que los SIG juegan en el, sin especial aplicacion al analisis de los riesgos. Como se
ha dicho, estos conceptos ser
an de utilidad para otras aplicaciones, y en apartados sucesivos
recurriremos a ellos al estudiar la utilizaci
on del SIG en otros campos donde el clima sea
una variable relevante.
El uso de un SIG o de una herramienta con capacidades SIG para la gestion de datos
climatol
ogicos o meteorol
ogicos no es algo nuevo, y una buena parte de los elementos que son
habituales en el mundo SIG y que hemos visto a lo largo de los anteriores captulos del libro,
derivan del
ambito del an
alisis clim
atico. As sucede, por ejemplo, con la teledeteccion, ya
que una buena parte de los primeros satelites eran satelites de observacion meteorologica. De
hecho, los datos procedentes de estos satelites deben resultarnos familiares, pues aparecen
como cartografa de apoyo en las previsiones meteorologicas que podemos ver cada da en
televisi
on.
De acuerdo con su enfoque, el trabajo con elementos climaticos lo podemos dividir en
dos bloques principales:
Trabajo con variables clim
aticas o meteorologicas para un instante dado, o valores
medios o extremos para un periodo definido. Modelizacion cartografica del clima.
Modelizaci
on din
amica del clima.
La principal diferencia entre ellos reside en el papel que la variable tiempo juega en
ambos an
alisis, ya que ello condiciona en gran medida la utilidad que el SIG puede tener
para su desarrollo.
En el primer caso, se trata de trabajar con variables tales como la temperatura o la
precipitaci
on media, creando capas continuas de estas variables. Son procesos con un caracter
est
atico, puesto que parten de valores relativos a un instante o periodo dado de tiempo y
ofrecen resultados tambien relativos a dicho momento. Los metodos de interpolacion que
vimos en el captulo 13 constituyen herramientas basicas en este tipo de operaciones.
En el segundo caso, el an
alisis tiene un caracter dinamico, y conlleva un estudio de la
informaci
on climatol
ogica en el que el tiempo es una variable fundamental. Este es el tipo de
an
alisis en el que se fundamentan los algoritmos que permiten predecir si llovera o hara sol
dentro de unos pocos das o, en otra escala de tiempo, prever los efectos del cambio climatico
en las pr
oximas decadas.
34.2.1.
Modelizaci
on cartogr
afica del clima
750
n Geogra
fica
Sistemas de Informacio
a su utilizaci
on en procesos de an
alisis dentro de un SIG resulta mucho mas adecuado
emplearlas en formato r
aster.
Existen en la actualidad metodologas que permiten obtener variables climatologicas
registradas de forma no puntual. El radar meteorol
ogico, por ejemplo, genera imagenes que,
para un instante dado, informan de la intensidad de precipitacion en cada pxel. No obstante,
la fuentes de tipo puntual siguen siendo primordiales en este campo, y su utilizacion resulta
fundamental en la gran mayora de casos.
Aunque las variables clim
aticas tienen una importante variable temporal (en cada punto
de observaci
on no se dispone de un u
nico valor de la variable, sino de una serie temporal),
la modelizaci
on cartogr
afica del clima no hace un uso directo de esa componente temporal.
En su lugar, se suelen emplear resultados u
nicos obtenidos a partir del estudio estadstico
de esas series. Este an
alisis estadstico no se realiza dentro del SIG, ya que no se trata
de una capacidad que estos implementen. En su lugar, se emplean aplicaciones externas,
cuyos resultados posteriormente se ponen en un contexto espacial (asociando cada valor a la
coordenada del punto en el que se ha obtenido la serie) y pueden de este modo ser tomados
como valores de partida para un an
alisis SIG.
La existencia de esa componente temporal es tambien una de las razones por la que las
fuentes tales como la teledetecci
on no pueden suplir por completo a los metodos tradicionales
de recogida de datos climatol
ogicos. Para que la realizacion de esos analisis estadsticos arroje
valores representativos, se ha de trabajar con series suficientemente largas. Los metodos mas
recientes no pueden aportar series que cubran el rango temporal necesario, y en caso de
poder hacerlo, se tiene un volumen de datos muy elevado. La teledeteccion resulta de mayor
utilidad para la obtenci
on de capas adicionales que puedan emplearse en los procesos de
interpolaci
on o regresi
on, como veremos seguidamente.
Un ejemplo para ilustrar lo anterior es la creaci
on de una capa de temperatura media. El
dato de partida para este proceso lo constituyen los valores recogidos en las distintas estaciones de la red meteorol
ogica. Para cada una de estas estaciones se tendran unas coordenadas
y una serie de valores que constituir
an la serie temporal asociada a dicha coordenada.
Estas series temporales se analizan mediante procedimientos estadsticos diversos, los
cuales no ser
an detallados aqu. El resultado de estos procedimientos seran valores individuales, tales como, por ejemplo, la temperatura media anual o la media correspondiente a
un mes dado. Desde el punto de vista del SIG, esto da como resultado una capa con entidades puntuales, a cada una de las cuales se asocian uno o varios datos. Por simplicidad,
asumiremos que ese dato es u
nico, en particular la temperatura media anual.
A partir exclusivamente de esta capa, pueden emplearse metodos de interpolacion como
los que vimos en la secci
on 13.2 para obtener una capa raster de temperatura media. Esta
capa ya es adecuada para su an
alisis y puede emplearse como cartografa base para el analisis
de riesgos relacionados con la temperatura, as como para otros estudios como, por ejemplo,
los relativos a la modelizaci
on de la presencia o ausencia de especies, los cuales veremos en
el captulo 35.
El empleo de estos metodos de interpolaci
on u
nicamente con los valores de la variable
a interpolar es, sin embargo, poco preciso si se tiene en cuenta que hay un gran n
umero
de otras variables que tiene una influencia notable en el comportamiento de la temperatura
media. Aquellos metodos que permiten la incorporacion de variables de apoyo, tales como
el kriging universal o la regresi
on m
ultiple, son m
as adecuados para la creacion de una capa
r
aster de una variable en la cual dichas variables de apoyo juegan un papel importante, tal
y como es el caso de la temperatura.
lisis y gestio
n de riesgos
Ana
751
34.2.2.
Modelizaci
on din
amica del clima
752
n Geogra
fica
Sistemas de Informacio
Estos modelos se conocen como Modelos de Circulacion Global (GCM1 ) y son habitualmente muy complejos, pues requieren el an
alisis simultaneo de muchas variables y la
realizaci
on de un n
umero elevado de operaciones. La aplicacion de estos modelos requiere asimismo grandes vol
umenes de datos, necesarios debido a la propia complejidad de los
planteamientos.
El desarrollo de sistemas basados en diferencias finitas2 , en los cuales se establecen unidades fundamentales con caractersticas propias que las definen y se plantean sistemas de
ecuaciones que expresan las relaciones entre estas unidades, es una metodologa habitual
para abordar el desarrollo de un GCM3 .
Al contrario que los an
alisis que veamos en el punto anterior, los SIG no son herramientas
especialmente adecuadas para llevar a cabo la modelizacion del clima. El factor principal
que influye en esta mala disposici
on es la multidimensionalidad tanto de los datos como de
los procesos modelizados.
Si bien un esquema en diferencias finitas es similar funcionalmente a un modelo raster de
representaci
on de datos (las celdas o pixeles seran las unidades fundamentales), este modelo
se emplea en un SIG para almacenar datos planos (bidimensionales). Esto resulta insuficiente
para modelizar el comportamiento de la atm
osfera, ya que la dimension vertical es tan
importante o m
as que las dimensiones horizontales. Los movimientos de las masas de aire
se producen tanto en horizontal como en vertical, y las diferencias de presion o temperatura
entre puntos situados uno por encima del otro no pueden ignorarse como condiciones de un
modelo clim
atico.
As, la unidad base sobre la que se articula un GCM es una unidad volumetrica y no una
unidad plana como las que constituyen una capa raster. Se necesita, por tanto, una malla
tridimensional en lugar de una malla bidimensional, lo cual resulta mas difcil de integrar en
los esquemas habituales de almacenamiento y manejo de datos que implementan los SIG.
Junto con esto, la componente temporal del modelo es tambien de primordial importancia, pues se trata de estudiar la evoluci
on del clima (la evolucion de esa malla tridimensional
de unidades fundamentales) a lo largo del tiempo. Este manejo de la variable temporal sabemos ya que no es una de las capacidades m
as fuertes con las que cuentan los SIG, y plantea
ciertas dificultades. En conjunto, la modelizaci
on dinamica del clima plantea unos requerimientos funcionales que distan bastante de lo que un SIG puede ofrecer en la actualidad.
El SIG puede, sin embargo, ser de gran ayuda para tomar los datos de un GCM y
prepararlos para un empleo concreto a nivel regional. A partir del modelo tridimensional del
GCM en un instante dado y tomando un ((corte)) de este, obtenemos una capa bidimensional.
A ese nivel regional, no obstante, se requieren datos con una resolucion mucho mayor que la
que los resultados de un Modelo de Circulaci
on Global proporciona, siendo estos de menor
resoluci
on [517]. Por su propio car
acter global, as como por la inherente complejidad de
los planteamientos, estos modelos trabajan con resoluciones horizontales que pueden ser del
orden de los 500 metros, siendo necesaria una adaptacion de los datos para poder aplicarlos
en un contexto pr
actico tal como los an
alisis de riesgo de incendios o inundacion que veremos
1 Global
Circulation Models
m
etodo de diferencias finitas es un m
etodo num
erico para la resoluci
on de ecuaciones diferenciales.
El lector interesado puede consultar la Web [73] para obtener m
as informaci
on desde un enfoque puramente
matem
atico del tema.
3 Este tipo de planteamientos son anteriores en muchos a
nos a la aparici
on de los SIG e incluso a la de
los ordenadores. Lewis Fry Richardson, un matem
atico y fsico brit
anico, public
o un sistema de esta ndole
en 1922, aunque la aplicaci
on pr
actica del mismo era, como cabe esperar, casi nula debido a la inviabilidad
de realizar los c
alculos necesarios para solucionarlo.
2 El
lisis y gestio
n de riesgos
Ana
753
m
as adelante en este mismo captulo.
En general, cualquier tipo de aplicaci
on para la que se requieran datos climaticos va a
exigir un nivel de detalle mayor que aquel con el que se trabaja en un GCM. La modificacion
de los resultados derivados de este para obtener datos que puedan ser aplicados en los
contextos de an
alisis habituales es, por tanto, un proceso habitual, y se conoce genericamente
como downscaling. Por su importancia, existen abundantes desarrollos al respecto, cada uno
de ellos con distintos fundamentos te
oricos.
La forma m
as sencilla de obtener una capa con mayor resolucion es utilizando un mero
remuestreo. Conocemos del captulo 14 algunos metodos de remuestreo, los cuales pueden
utilizarse para esta tarea. Esta forma de proceder, sin embargo, no es rigurosa, y aunque
las capas resultantes puedan tener un menor tama
no de celda, presentan una precision
geogr
afica que no es real. Haciendo una similitud con la cartografa clasica, este remuestreo
es equivalente a ampliar un mapa impreso y asumir que mantiene la misma precision a pesar
del cambio de escala.
Para utilizar la informaci
on de la capa obtenida del GCM y lograr una capa con informaci
on m
as detallada al respecto es necesario a
nadir informacion adicional de variables
relacionadas. Las capas acerca de una variable climatologica concreta, obtenidas seg
un las
ideas descritas en el punto anterior, pueden emplearse para esta tarea. Se combinan as los
resultados de una modelizaci
on din
amica y capas estaticas preparadas dentro de un SIG.
Para el lector interesado, un software con caracter didactico destinado a mostrar los fundamentos b
asicos de los Modelos de Circulaci
on General es EdGCM, que puede descargarse
de forma gratuita en la direcci
on Web [74]
34.3.
Riesgos hidrol
ogicos
El an
alisis de riesgos hidrol
ogicos representa un tipo de analisis en el que la componente espacial resulta de especial importancia, y por tanto existen numerosos puntos en su
desarrollo en los que la utilizaci
on de SIG supone un aumento notable de las posibilidades.
El m
as habitual de los an
alisis de esta clase es la delimitacion de zonas de inundacion,
estimando las zonas limtrofes a los cauces que se veran afectadas en caso de avenidas y la
forma en que se producir
a dicha afecci
on. Este analisis incorpora tanto conceptos hidrologicos como hidr
aulicos, y lo veremos con detalle en esta seccion. Los fundamentos e ideas que
desarrollaremos pueden emplearse de igual modo para otros estudios en los que la modelizaci
on hidrol
ogica juegue un papel importante, y seran explicados ampliamente a lo largo
de las pr
oximas p
aginas.
Los an
alisis de riesgos relativos a aludes, menos habituales aunque tambien importantes,
los veremos por igual en esta misma secci
on, as como los que derivan de la contaminacion
de aguas y el desplazamiento de contaminantes.
34.3.1.
Delimitaci
on de zonas de inundaci
on
La delimitaci
on de zonas de inundaci
on puede dividirse en las siguientes etapas:
C
alculo o estimaci
on de las variables meteorologicas. Aplicando los conceptos ya vistos
en una secci
on anterior, as como las formulaciones estadsticas correspondientes, deben
obtenerse los valores de variables tales como la precipitacion maxima para un periodo
de retorno dado.
n Geogra
fica
Sistemas de Informacio
754
Aplicaci
on de modelos hidrol
ogicos para modelizar el comportamiento de esas precipitaciones sobre la cuenca, la conversi
on de estas en escorrenta neta y otros procesos
hidrol
ogicos fundamentales. Valores tales como el caudal punta esperable para un periodo de retorno concreto, o elementos como el hidrograma de tormenta para un evento
m
aximo constituyen los resultados principales de esta etapa.
Aplicaci
on de modelos hidr
aulicos para el c
alculo de calados y perfiles de las zonas
inundadas en los eventos modelizados en la anterior etapa.
Estimaci
on de variables meteorol
ogicas
Respecto al primer paso, todo lo visto antes para el estudio de variables climatologicas
resulta aplicable en este caso. La variable b
asica en el estudio de fenomenos hidrologicos,
la precipitaci
on, se puede tratar de la forma que ya vimos, o bien pueden tratarse de igual
modo otros par
ametros de los cuales esta puede derivarse, empleando las capacidades del
SIG para estudiar su distribuci
on espacial.
Por ejemplo, una formulaci
on estadstica habitual para la estimacion de precipitaciones
m
aximas es la distribuci
on de Gumbel [282], cuya funcion de densidad de probabilidad es:
f (x) =
x
1 x
e ee
(34.3.1)
Los par
ametros y se obtienen a partir de la media y la desviacion tpica, calculados
en base a los valores recogidos en estaciones meteorologicas. Estos pueden ponderarse para
luego ser aplicados en la f
ormula anterior, o bien puede aplicarse esa misma ponderacion
una vez se han calculados los valores de f (x).
El concepto de Modelo Digital de Precipitaciones resulta fundamental para estos analisis,
del mismo modo que lo es el Modelo Digital del Terreno, elemento base tanto del analisis
hidrol
ogico como del an
alisis hidr
aulico.
Aplicaci
on de modelos hidr
ologicos
Respecto a la modelizaci
on hidrol
ogica, veremos a continuacion algunas de las ideas
fundamentales, haciendo especial enfasis en la contribucion que el uso de SIG aporta en
este terreno. Se trata, no obstante, de un
area especialmente amplia de la que solo se recoger
an algunos ejemplos representativos. Informaci
on mucho mas detallada al respecto puede
encontrarse en [412].
Los elementos y procesos que han de analizarse dentro de un modelo hidrologico generico
son fundamentalmente los siguientes:
Precipitaci
on
Infiltraci
on
Escorrenta
Perdidas (evapotranspiraci
on, intercepci
on, etc.)
Puesto que la aplicaci
on que estudiamos en este captulo es al analisis de riesgos, los
modelos con los que trabajaremos son los que se conocen como modelos de evento. En estos,
los fen
omenos estudiados son de corta duraci
on, y las perdidas por evapotranspiracion o
lisis y gestio
n de riesgos
Ana
755
intercepci
on, as como las aportaciones por deshielo, no tienen influencia significativa en el
resultado. Por ello, los elementos m
as importantes son la precipitacion (de la que ya hemos
hablado), la escorrenta y la infiltraci
on. Estos dos u
ltimos son fenomenos interrelacionados,
siendo la escorrenta la componente b
asica en la que debemos centrar nuestro analisis, pues
es esa escorrenta la que habr
a de generar el elemento de riesgo que estudiamos. Veamos
c
omo los procesos y conceptos de los SIG que conocemos nos sirven para su analisis.
El proceso de conversi
on de precipitaci
on en escorrenta depende de numerosos factores, entre los cuales cabe destacar la vegetaci
on existente, las caractersticas del suelo y el
estado de humedad existente en dicho suelo en el momento de producirse la precipitacion.
Estos factores pueden recogerse en capas independientes y luego emplearse para evaluar en
conjunto la magnitud de escorrenta que se generara a partir de una precipitacion dada.
Para obtener las anteriores capas, pueden utilizarse capas que contengan directamente la informaci
on necesaria, o bien estimar el comportamiento de los distintos factores en
funci
on de capas adicionales. En el primer caso, y por ejemplo para las variables de suelo,
se necesitaran varias capas para contener una serie de valores tales como el contenido de
materia org
anica o el porcentaje de arcillas, entre otros. Estos pueden obtenerse mediante la
realizaci
on de calicatas (datos puntuales), y la creacion posterior de capas raster mediante
metodos de interpolaci
on.
Esta forma de proceder, no obstante, es menos adecuada, y resulta mas efectivo acudir
a cartografa adicional que guarde alguna relacion con las variables buscadas. Las capas de
partida m
as importantes para esta tarea son el MDE y las imagenes (aereas o de satelite),
cuya clasificaci
on puede aportar informaci
on relevante al respecto.
En el caso de la vegetaci
on, la clasificaci
on puede proporcionarnos una capa de distintas
clases de cobertura de suelo, a cada uno de los cuales puede asignarse un comportamiento
distinto en lo que a la generaci
on de escorrentas respecta. Esta descripcion de la variable
vegetaci
on es de tipo cualitativa, y suficiente para algunos modelos.
Otros modelos, sin embargo, requieren descripciones cuantitativas y valores concretos
de un par
ametro referido a la propia vegetacion, tales como por ejemplo la Fraccion de
Cabida Cubierta (FCC) ocupada. En este caso, las imagenes pueden emplearse para tratar
de estimar dicha FCC a partir de otros par
ametros auxiliares tales como el NDVI, o el Indice
4
Area Index
756
n Geogra
fica
Sistemas de Informacio
Este ndice forma parte del modelo TOPMODEL [158], un modelo ampliamente estudiado y desarrollado, en el cual la generaci
on de escorrenta depende del valor de dicho ndice.
S
olo aquellas celdas que superan un valor umbral generan escorrenta en cada intervalo analizado. El valor umbral es variable a lo largo del periodo que se analiza, con lo que el area
que aporta escorrenta tambien vara (Figura 34.1).
Figura 34.1: Variacion del area contribuyente (en negro) a medida que se modifica el umbral de
saturaci
on en funci
on del ndice topogr
afico.
Se han propuesto modificaciones del ndice de humedad topografica encaminadas a modelizar de forma m
as realista el proceso, incorporando otras variables que tambien influyen
en el mismo, principalmente otros par
ametros morfometricos. En esta lnea encontramos,
por ejemplo, el ndice topogr
afico de humedad relativa propuesto por [418] o el ndice elaborado por [235], en el que incorporan tambien la posicion orografica de la celda. El uso de
estas, no obstante, es reducido.
La figura 34.2 muestra la relaci
on existente entre los elementos anteriores y la forma en
que estos se emplean para conformar el conjunto de entradas necesarias para la aplicacion de
los modelos hidrol
ogicos puramente dichos, que veremos a continuacion. Aunque no se han
tratado extensamente en este captulo, se han incluido tambien procesos como los relacionados con la evapotranspiraci
on potencial, que tal y como se menciono no son significativos
al evaluar un modelo de eventos, con objeto de aportar una vision mas global de la relacion
existente.
Tanto en el an
alisis de las variables de partida que acabamos de ver (variables meteorol
ogicas, vegetaci
on, suelo, etc.) como en la propia modelizacion hidrologica, es importante
tener en cuenta el hecho de que en este caso se trabaja sobre una unidad (la cuenca vertiente)
delimitada espacialmente, y que los valores que interesan son los relativos a esta cuenca, pues
es ella la que va a aportar el caudal que va a generar la situacion de riesgo que pretendemos
analizar.
Este hecho nos introduce una importante consideracion acerca de los modelos que vamos
lisis y gestio
n de riesgos
Ana
757
Figura 34.2: Esquema de la utilizacion e incorporacion de Modelos Digitales del Terreno y otros
datos de partida en los diferentes elementos que forman parte de un proceso de modelizaci
on hidrol
ogica generico.
a plantear, y que tiene especial relevancia en el contexto de un SIG y de los datos que en
el manejamos. Dentro de las distintas clasificaciones de modelos hidrologicos que pueden
realizarse, tiene particular interes en este caso la que divide estos en modelos agregados
y modelos distribuidos, y la diferencia fundamental entre ellos radica en la forma en que
consideran esa unidad fundamental de trabajo que es la cuenca. Es en esta clasificacion
donde la influencia del SIG y del trabajo en un entorno informatizado mas se hace notar.
Los modelos agregados son aquellos que consideran la cuenca como una entidad indivisible, y caracterizan esta mediante valores u
nicos. Por ejemplo, la cuenca tendra una superficie,
un valor medio de precipitaci
on, de altura, un coeficiente u
nico que relaciona esa precipitaci
on con la escorrenta efectiva, etc., y ser
a con estos con los que se obtengan resultados
tales como el caudal estimado en el punto de cierre de dicha cuenca.
Estos modelos agregados representan la forma clasica de la modelizacion hidrologica,
y con anterioridad a la aparici
on de los ordenadores eran la u
nica opcion aplicable en la
pr
actica, dada su mayor sencillez y menores requerimientos de calculo.
Para establecer una caracterizaci
on de la cuenca mediante valores u
nicos, se han empleado tradicionalmente formulaciones que permitan ponderar los distintos valores en el
interior de la cuenca, o estimar de alg
un modo valores medios. Una de ellas es la basada en
los conocidos polgonos de Thiessen (Figura 34.3). En funcion del area que cada polgono
tenga dentro de la cuenca, se le asigna un peso al punto central del mismo, y de esta forma
se puede tener un valor final como suma ponderada de una serie de valores puntuales, tal y
como ocurre por ejemplo en el caso de contar con valores de precipitacion en una serie de
estaciones meteorol
ogicas cercanas a la cuenca.
Los datos con los que trabajamos en un SIG nos ofrecen, no obstante, mejores posibili-
758
n Geogra
fica
Sistemas de Informacio
lisis y gestio
n de riesgos
Ana
759
Figura 34.4: Caracterizacion de cada celda como una unidad independiente desde el punto de vista
de sus caractersticas fsicas. La base para el desarrollo de modelos distribuidos reside fuertemente
en esta consideraci
on (Adaptado de [523])
Figura 34.5: Cada celda es un elemento en equilibrio en el que tienen lugar distintos procesos de
entrada y salida.
de subunidades con significado hidrogr
afico y una serie de elementos que los relacionan
uniones, bifurcaciones, etc.. Cada una de estas subunidades constituye el volumen
de control, y los flujos se transmiten entre los vol
umenes de control de acuerdo con las
relaciones anteriormente mencionadas. Es, como se aprecia, un enfoque mas cercano a
los modelos agregados.
Metodologas basadas en transmisi
on celda a celda. Fundamentadas en el analisis del
balance hidrol
ogico en cada celda y las de su entorno inmediato. Se analiza cada celda
seg
un el esquema mostrado en la figura 34.5.
Metodologas de tipo sourcetosink. En estos metodos, cada elemento en que se divide
la cuenca se relaciona exclusivamente con la salida de la misma, siendo por tanto el
volumen de control la ruta de flujo entre dicho elemento y el punto de cierre. A lo
largo de este volumen de control, pueden considerarse diferentes regmenes de flujo.
Mediante la aplicaci
on de formulaciones de algunos de los tipos anteriores, puede modelizarse la respuesta de la cuenca ante un evento dado. Dicho evento se divide en una serie de
intervalos, cada uno de los cuales es estudiado. De acuerdo con alguna de las ideas anteriores,
se analiza el movimiento del agua desde la celda sobre la que se produce escorrenta en el
intervalo hasta el momento en que esta llega al punto de salida de la cuenca.
n Geogra
fica
Sistemas de Informacio
760
lisis y gestio
n de riesgos
Ana
761
celda de, por ejemplo, 30 metros, ya que esta dimension es excesiva si la comparamos con la
dimensi
on del objeto que estudiamos. Este tama
no de celda es, sin embargo, adecuado para
el estudio hidrol
ogico de una cuenca de tama
no medio.
Los par
ametros tales como la rugosidad del canal pueden manejarse dentro del SIG del
mismo modo que variables de otra ndole, y las funcionalidades basicas del analisis espacial
nos servir
an para asociar los valores correspondientes de dichas variables a las distintas
secciones que obtengamos. El uso combinado del MDE y las capas adicionales con este tipo
de par
ametros permite al SIG producir una definicion completa de los elementos hidraulicos.
Por u
ltimo, los flujos a estudiar vienen caracterizados por los resultados de la modelizaci
on hidrol
ogica, y pueden ser tanto flujos estacionarios (se tiene u
nicamente un valor de
caudal que se asume constante a lo largo del tiempo), o bien flujos variables (definidos por
un hidrograma).
Con estos elementos, una primera aproximacion a la delimitacion de zonas de inundacion
se puede obtener mediante algunas de las ideas vistas en la seccion 19.5.2. Calculando zonas
de influencia de dimensi
on variable, cuya dimension depende del calado, se tiene un primer
resultado cartogr
afico.
Con similares par
ametros de partida, es posible plantear modelos mas elaborados, generalmente basados en formulaciones fsicas y conceptos clasicos de la hidraulica. Si bien en
este terreno los conceptos no son novedosos (se trata de un campo clasico con formulaciones bien establecidas), la introducci
on de los ordenadores supuso una verdadera revolucion
en este
ambito, ya que la aplicaci
on pr
actica de los mismos requiere abundantes calculos.
Con la presencia de un SIG, los resultados de estos calculos pueden ademas plasmarse sobre el terreno y visualizarse, ampliando el car
acter puramente numerico que tienen en las
aplicaciones de modelizaci
on hidr
aulica.
Detalles sobre los fundamentos de uno de estos modelos pueden encontrarse en [284].
Software
En general, el conjunto de herramientas necesarias para llevar a cabo todas las operaciones descritas en esta secci
on no se encuentra implementado de forma completa en un
SIG. Las funcionalidades b
asicas que permiten trabajar con las capas de partida, en la mayora de los casos sencillas operaciones del
algebra de mapas, s se encuentran dentro de la
pr
actica totalidad de los SIG (al menos en aquellos con un cierto soporte para datos raster).
Las formulaciones relativas al an
alisis hidrol
ogico y, especialmente, el analisis hidraulico, se
encuentran, no obstante, mucho m
as desarrolladas en aplicaciones externas sin componente
SIG. Lo habitual en esta situaci
on es alimentar estas aplicaciones con datos procedentes del
SIG, no siendo posible llevar a cabo dentro de dicho SIG tambien los procesos de modelizaci
on.
Algunos modelos hidrol
ogicos no excesivamente complejos tales como el ya citado TOPMODEL se encuentran implementados en ciertos SIG 5 , o bien existen interfaces para emplear estos modelos desde el propio SIG. El modelo SWAT (Soil And Water Assesment Tool)
[141] es otro de los modelos que podemos encontrar implementados en un SIG [75].
La utilizaci
on de los resultados de estos modelos para alimentar los procesos de modelizaci
on hidr
aulica no se realiza, sin embargo, dentro de un SIG. El empleo de los resultados
hidrol
ogicos tales como hidrogramas de tormenta se ha de llevar a cabo en aplicaciones de
modelizaci
on hidr
aulica dise
nadas a tal efecto, generalmente sin componente SIG alguna.
5 Por
ejemplo, de entre los SIG libres que se detallan en el anexo B, SAGA y GRASS lo implementan
762
n Geogra
fica
Sistemas de Informacio
En el SIG podemos igualmente calcular las secciones transversales del cauce, el otro
elemento junto con los caudales necesario para ejecutar el modelo hidraulico. No obstante,
y aunque el SIG nos proporciona la herramienta para definir las secciones y calcular los
caudales, el proceso en s de modelizaci
on hidr
aulica a partir de estos elementos no aparece
incorporado junto con otras herramientas habituales de un SIG. Por una parte, se trata
de un proceso complejo. Por otra, el proceso no incorpora explcitamente una importante
componente espacial, por lo que su implementaci
on no requiere la presencia de un SIG sobre
el que apoyarse.
Asimismo, y aunque el MDE ya hemos visto que automatiza en gran medida la definicion
de las secciones transversales, estas pueden ser definidas con mayor cantidad de detalles que
los que el propio MDE es capaz de ofrecer. Mientras que algunos modelos hidraulicos pueden
requerir solo un mero perfil de la secci
on, otros pueden incorporar componentes tales como
la presencia de puentes, conducciones cerradas u otros elementos adicionales que alteran el
comportamiento hidr
aulico.
Mientras que el SIG es el elemento ideal para analizar el MDE, no lo es tanto para
definir o editar estas secciones m
as complejas, y el manejo de elementos tridimensionales
como por ejemplo los antedichos puentes a
un no es habitual dentro de los SIG. A medida que
estos esten preparados para una gesti
on flexible y adecuada de elementos verdaderamente
tridimensionales (frente a datos 2,5D como el propio MDE), es probable que puedan aparecer
soluciones que permitan una mayor integraci
on con los procesos de modelizacion hidraulica
o, al menos, con la definici
on de las secciones m
as alla de lo que el MDE puede ofrecer.
Otra de las razones por las que la integraci
on de la modelizacion hidraulica no es completa
en la actualidad es la dificultad ya mencionada que por el momento presentan los SIG
para el manejo de la variable tiempo. Si se prescinde de esta, pueden aplicarse modelos
hidr
aulicos suponiendo un instante concreto o bien asumiendo que las variables de entrada
son constantes (esto quiere decir, por ejemplo, que el flujo sera estacionario). Si se desea
trabajar con variables que varen a lo largo del tiempo, las debilidades del SIG se hacen
patentes en este terreno, y el manejo tanto de las entradas como de los resultados no resulta
tan optimo.
Una vez que se tienen los resultados de la modelizacion hidraulica, obtenidos mediante
una aplicaci
on externa, estos pueden ahora s incorporarse al SIG para lograr una mejor
visualizaci
on de los mismos (con las restricciones comentadas anteriormente para el caso de
incluir variaciones temporales), as como para llevar a cabo con ellos nuevos analisis (calculo
de superficies inundadas, grado de afecci
on de esas inundaciones a construcciones y otros
elementos, etc.).
Algunas aplicaciones actuales para modelizaci
on hidraulica incorporan ya abundantes
elementos SIG, de forma que pueden trabajar con capas de datos tanto raster como vectoriales, y posteriormente pueden representar los resultados creando mapas a partir de ellos,
incorporando asimismo las funciones habituales de representacion de un SIG. En algunos casos, incluso los modelos hidrol
ogicos se encuentran tambien incorporados, o bien se presentan
interfaces que facilitan su uso desde la propia aplicacion.
Estas aplicaciones incorporan adem
as otras capacidades adicionales como por ejemplo
la creaci
on de animaciones en las que puede observarse la evolucion de las zonas inundadas, superando as en parte la ya citada carencia de un SIG estandar para el manejo de
componentes temporales.
A pesar de todo ello, las capacidades SIG de estos programas no son tan versatiles como
las de un SIG generico, y el uso de los mismos queda muy restringido al propio estudio de
lisis y gestio
n de riesgos
Ana
763
procesos hidrol
ogicos e hidr
aulicos.
En resumen, se trata de un proceso en el que han de emplearse por regla general varias
aplicaciones de forma coordinada, no existiendo en la actualidad un SIG que incorpore todas
las herramientas necesarias para efectuar todo el proceso de forma autonoma y con el mismo
nivel de detalle. La preparaci
on de los datos y la ejecucion de un modelo hidrologico puede
llevarse a cabo en un SIG, ya que existen algunas soluciones integradas al respecto. La
modelizaci
on hidr
aulica, no obstante, es habitual efectuarla de forma aislada, al no existir
elementos para llevarla a cabo dentro de un SIG, debido principalmente a la menor necesidad
de manejar una componente espacial en este tipo de analisis.
34.3.2.
Aludes
Junto con la utilidad que ya hemos visto para la estimacion y prediccion de los riesgos asociados a caudales lquidos, los SIG son una herramienta igualmente valiosa para la
predicci
on de aludes. El an
alisis de las condiciones del terreno y el manto nivoso mediante
las distintas capacidades de un SIG puede utilizarse para crear la cartografa de riesgos
correspondiente.
En la creaci
on de esta cartografa distinguimos dos tareas principales:
Creaci
on de cartografa de riesgo de aludes. Estas capas indican la probabilidad de que
en un punto dado se inicie una avalancha, es decir, que se de un desplazamiento del
manto de nieve.
Creaci
on de cartografa de riesgo de alcance. A partir de los puntos en los que existen
un probabilidad elevada de inicio de avalanchas, se modeliza el desplazamiento del
alud hacia las zonas bajas, estudiando que areas pueden verse afectadas directamente
por el.
La creaci
on de capas que representen el riesgo de inicio de aludes se realiza principalmente combinando distintos ndices que cuantifican la influencia de los principales factores,
aplicando los conceptos de combinaci
on de capas y evaluacion multicriterio que ya vimos
en el apartado 20.4. Estos factores son principalmente los derivados del terreno y del clima,
con diferente importancia relativa seg
un el lugar.
Entre los par
ametros derivados del terreno encontramos como factor principal la pendiente [380]. Otros par
ametros relevantes son la orientacion (esta condiciona la forma en que
el viento afecta a la capa de nieve) y la forma del terreno. Este u
ltimo parametro puede
tomarse de algunas de las clasificaciones que vimos en el apartado 15.8, as como utilizando
la informaci
on sobre curvaturas.
En el caso de la pendiente, valores bajos indican zonas de poco riesgo, ya que las fuerzas
que se dan en ellas no son suficientes para iniciar el desplazamiento. De igual modo, valores
muy altos de pendiente tampoco se relacionan con riesgos altos, ya que la propia pendiente
impide que se acumulen grandes cantidades de nieve. Existiendo poca nieve, esta tiene
menor probabilidad de iniciar un alud. As, existe un rango central de maximo riesgo, donde
la pendiente es suficientemente elevada y las cantidades de nieve tambien tienen una entidad
considerable y suficiente como para dar lugar a un alud.
El establecimiento de los umbrales que separan estas zonas y la asignacion de valores de
ndice de riesgo correspondientes puede hacerse mediante el analisis historico de avalanchas
registradas en la zona, una pr
actica habitual en este tipo de estudios. En general, el intervalo
entre 30 y 50 grados de pendiente es considerada habitualmente como intervalo de riesgo.
764
n Geogra
fica
Sistemas de Informacio
lisis y gestio
n de riesgos
Ana
765
condiciones en las zonas con mayor riesgo de inicio de un alud, tales como la superficie
que ocupan o su longitud m
axima.
Par
ametros de fricci
on. Los modelos de simulacion de avalanchas emplean generalmente dos componentes para modelizar estas: una componente de friccion seca y una
componente de fricci
on viscosa o turbulenta. La primera se corresponde con el rozamiento directo de la masa de nieve, y es proporcional a la fuerza normal de esta seg
un
un coeficiente . La segunda es relativa al propio desplazamiento de la masa y depende
de factores tales como el confinamiento de la nieve en la trayectoria del desplazamiento,
estando este en funci
on de la propia topografa. La curvatura horizontal (perpendicular
a la lnea de m
axima pendiente, seg
un vimos en el apartado 15.5.1) es un parametro
muy adecuado para cuantificar dicho confinamiento.
Todos estos par
ametros puede derivarse de capas fundamentales como el MDE, con lo que
el SIG es la herramienta b
asico para el desarrollo de las primeras etapas en la modelizacion de
avalanchas. Del mismo modo que suceda con la delimitacion de zonas de inundacion, una vez
que se obtienen los resultados de las simulaciones, estos pueden incorporarse a un SIG para
visualizarlos en combinaci
on con las capas originales o en representaciones tridimensionales
m
as intuitivas, mostr
andolos as en un contexto espacial mas rico que favorece su correcta
interpretaci
on y aprovechamiento.
34.3.3.
Contaminaci
on de aguas
La contaminaci
on de aguas puede modelizarse mediante un SIG haciendo uso de los procesos que vimos en el apartado 15.6 relativos al analisis hidrologico, en particular mediante
todo lo relacionado con las direcciones de flujo. Del mismo modo que, dado un punto sobre
el terreno, podemos conocer la ruta que seguir
a el agua hacia aguas abajo, podemos calcular
el patr
on de dispersi
on de un contaminante.
Si este contaminante alcanza una red fluvial, y puesto que conocemos los vol
umenes en
esta a partir del an
alisis hidrol
ogico tal y como acabamos de ver en un apartado anterior, es
posible analizar la concentraci
on de este a lo largo de los distintos tramos fluviales, pudiendo
de este modo modelizar no solo su movimiento sino tambien otros parametros a lo largo de
su recorrido.
Una vez m
as, las limitadas capacidades de analisis multidimensional de los SIG limitan
este tipo de an
alisis a los flujos superficiales, siendo mas complejo modelizar los flujos subterraneos hacia los que tambien se produce dispersion de contaminantes por percolacion y
posterior flujo subsuperficial.
Limit
andonos al flujo superficial, es importante rese
nar la gran importancia que en este
caso tiene la elecci
on correcta de un modelo de asignacion de direcciones de flujo. El modelo
D8, el m
as popular para otro tipo de an
alisis hidrologicos como ya vimos, y que pese a
su simpleza resulta suficiente para esto, es claramente insuficiente en este caso, ya que
la modelizaci
on unidimensional del flujo no aporta una vision realista del proceso. Desde
una celda en la que se conoce la presencia de un contaminante, este puede teoricamente
desplazarse hacia todas las celdas circundantes de menor altura, no solo a aquella que define
la lnea de m
axima pendiente, por lo que modelos como el MFD, que pueden modelizar este
hecho, resultando mucho m
as adecuados.
Si queremos conocer hacia que zonas es posible que se desplace el contaminante, una
tecnica usada habitualmente (en especial si s
olo disponemos en nuestro SIG del modelo D8,
766
n Geogra
fica
Sistemas de Informacio
es sustituir el problema de flujo hacia aguas abajo por uno de flujo desde aguas arriba. Para
ello ((invierte)) el MDE y se calcula desde el punto en cuestion el area aguas arriba de este
en el MDE invertido. Crear ese MDT invertido se lleva a cabo mediante la expresion
h0 = max h + min
(34.3.2)
siendo h la elevaci
on original, h0 la elevaci
on en el MDE invertido, max el maximo de
elevaci
on del MDE original y min el mnimo.
Un ejemplo de esto se muestra en la figura 34.6.
Figura 34.6: Inversion del MDE para calcular el area alcanzable aguas abajo como area aguas
arriba en el MDE invertido. El crculo se
nala el punto de inicio del movimiento, que en el c
alculo
se emplea como punto de cierre de la zona aguas arriba.
Esta tecnica se puede emplear tambien para cualquier elemento del que queramos conocer
su trayectoria hacia aguas abajo, como en el caso que hemos tratado anteriormente de aludes,
o el de desplazamientos en masa que veremos seguidamente.
34.4.
Desplazamientos en masa
Otro importante an
alisis de riesgos es el relacionado con los movimientos en masa. Estos
se producen principalmente por la propia configuracion del terreno, que en ciertos puntos
puede ser inestable y dar lugar a este tipo de desplazamientos masivos. Junto con el factor
preponderante del terreno, otras variables puede resultar determinantes para desencadenar
este tipo de procesos, actuando como detonantes, o bien impidiendo que se desarrollen y
teniendo un papel estabilizador. De estas variables, las mas importante son las caractersticas
propias del suelo y su composici
on, y la humedad de dicho suelo.
El planteamiento y la situaci
on resultan en cierto modo similares a lo que veamos anteriormente para el caso de aludes, con un desplazamiento en este caso del propio terreno en
lugar de la capa de nieve.
Todas estas variables pueden recogerse en capas de datos, una vez mas siendo estas de tipo
r
aster generalmente. Las formulaciones que combinan estos elementos pueden implementarse
en un SIG para el c
alculo de nuevas capas que indiquen el riesgo de que se produzcan
tales desplazamientos en cada una de las celdas. Los resultados de este tipo de analisis son
principalmente de tipo cualitativo, clasificando las distintas zonas del terreno en grupos de
riesgo.
lisis y gestio
n de riesgos
Ana
767
El uso exclusivo de la pendiente es una primera opcion que, a rasgos generales, puede
indicar el condicionamiento que este par
ametro no el u
nico implicado, aunque quizas el
m
as importante plantea de cara a la estabilidad del terreno representado por las distintas
celdas. El valor de 35 , denominado habitualmente ((angulo de reposo)), es empleado con
frecuencia para establecer una divisi
on sencilla entre las celdas de pendiente mayor que dicho
valor con riesgo de deslizamiento o menores sin riego. Una sencilla reclasificacion
de una capa de pendientes nos da as una primera aproximacion a una capa de riesgo de
desplazamientos en masa.
Si introducimos otras variables adem
as de la pendiente, podemos obtener resultados mas
refinados. [416] propone en su modelo SINMAP un ndice de estabilidad basado en la teora
de pendiente infinita [289] tambien conocida como de talud infinito, la cual define un
factor de seguridad como la relaci
on entre las fuerzas gravitatorias desestabilizantes y
las de cohesi
on estabilizantes.
Figura 34.7: Valores de ndice de estabilidad en el modelo SINMAP en funcion de area y pendiente
(adaptado de [416]).
Introduciendo la influencia de la humedad, estimada esta en funcion de la topografa,
se tiene un ndice de estabilidad (IE) fundamentalmente basado en la pendiente y el area
acumulada, La gr
afica mostrada en la figura 34.7 refleja un esquema de los posibles valores
de este ndice que se obtienen en funci
on de los parametros anteriores. Con los valores del
ndice obtenidos se tienen seis grupos fundamentales, tal y como se rese
na en el cuadro 34.1.
34.5.
Incendios
Una de las
areas donde los SIG han jugado un papel fundamental es en el analisis de
riesgos derivados de incendios. Al igual que en el caso de la modelizacion hidrologica o
hidr
aulica, los modelos de propagaci
on del fuego que resultan basicos para este tipo de
an
alisis existan con anterioridad a la aparici
on de los SIG, y han sido aplicados en la
pr
actica sin el uso de Sistemas de Informaci
on Geografica e incluso sin el concurso de medios
n Geogra
fica
Sistemas de Informacio
768
IE
IE>1,5
1,54>IE>1,25
1,25>IE>15
1>IE>0,5
0,5>IE>0
0>IE
Estado
Zona estable
Zona moderadamente estable
Zona casi estable. A partir de este punto se pueden
producir deslizamientos en masa.
Zona inestable. Menos del 50 % probabilidad de que
se produzca deslizamiento en funcion de los valores
de par
ametros considerados.
Zona inestable. Menos del 50 % probabilidad de que
se produzca deslizamiento
Zona incondicionalmente inestable
34.5.1.
Modelizaci
on de incendios
lisis y gestio
n de riesgos
Ana
769
geometrica base en la que se produzca tal desplazamiento a partir de un foco puntual. Una
forma que se asume con frecuencia para la propagacion del fuego es la elptica, resultante
de aplicar el denominado principio de Huygens 6 al avance del frente de llama [447]7 .
De este modo, se tiene una velocidad m
axima en la direccion del eje mayor de la elipse
y, aplicando las propiedades geometricas b
asicas de esta, puede obtenerse la velocidad en
cualesquiera otras direcciones. Esto permite la aplicacion de modelos de coste tales como los
que vimos en el captulo 19, ya que para cada celda se tiene una velocidad maxima (del cual
puede calcularse un coste en terminos de tiempo), una direccion de propagacion maxima
(que es tambien una direcci
on de coste mnimo), y una forma de relacionar la velocidad en
la direcci
on de m
axima propagaci
on con la velocidad en otras direcciones (que viene dada
por las propiedades de la elipse). Es, por tanto, un analisis de costes de tipo anisotropico,
ya que la velocidad de propagaci
on no es igual en todas direcciones, como hemos visto.
Este c
alculo permite obtener una superficie de coste acumulado que indica el tiempo
que tarda el fuego en alcanzar cada celda. Los puntos de inicio del fuego se emplean como
puntos de destino del modelo de coste, aunque la forma de proceder es la misma que si
fueran realmente puntos de destino en lugar de puntos de partida.
En la figura 34.8 puede verse un mapa de tiempo de ignicion para un incendio con dos
focos inicial. Las curvas de nivel obtenidas a partir de la capa que contiene esos valores
de tiempo representan los frentes de llama correspondientes a intervalos regulares en la
evoluci
on del incendio, y pueden calcularse con las formulaciones que vimos en la seccion
17.3.
Figura 34.8: Tiempo de ignicion a partir de dos focos iniciales. Las zonas en blanco representan
a
reas de las que no se dispone de informaci
on acerca de su modelo de combustible, o bien son
incombustibles (embalses, zonas asfaltadas, etc.).
En lugar de aplicar un modelo de costes, otra forma distinta de plantear la propagacion
del fuego por las distintas celdas de la malla r
aster es utilizando ideas basadas en automatas
celulares. Un aut
omata celular es un modelo matematico en el cual tanto el espacio como
el tiempo son discretos, y los distintos elementos del sistema pueden tomar valores de un
6 Este principio toma su nombre del matem
atico holand
es del siglo XII, que estudi
o la propagaci
on de la
luz en t
erminos similares a como se concibe seg
un este enfoque la propagaci
on del fuego
7 Un an
alisis matem
atico m
as extenso puede encontrarse asimismo en [266]
n Geogra
fica
Sistemas de Informacio
770
lisis y gestio
n de riesgos
Ana
771
34.5.2.
An
alisis de riesgo
772
n Geogra
fica
Sistemas de Informacio
situados en sus inmediaciones, existiendo una distinta influencia y una variacion diferente
de la probabilidad de ignici
on.
Este tipo de elementos lineales (lineas ferreas o tendidos electricos tienen un efecto similar) pueden tratarse mediante los conceptos vistos en el captulo 19, bien sea mediante la
creaci
on de
areas de influencia (dentro de la zona de influencia la probabilidad de ignicion
relacionada con el elemento en cuesti
on tiene un valor dado en funcion de sus caractersticas,
y fuera un valor distinto, normalmente nulo), o bien, de forma mas precisa, graduando la
influencia en funci
on de la distancia.
Otros tipos de informaci
on que pueden a
nadirse son los registros historicos de la zona
estudiada, que servir
an para estimar, en base a los datos de que se dispone, en que lugares
resulta m
as habitual que se produzcan incendios.
Con esto, se tendr
an una serie de capas del tipo ((probabilidad de ignicion seg
un la
vegetaci
on)), ((probabilidad seg
un la topografa)), ((probabilidad seg
un la cercana a vas de
comunicaci
on)), y similares. Todas ellas en conjunto pueden combinarse para obtener una
capa que nos indique la probabilidad global de que se inicie un incendio en los distintos
puntos de un
area de estudio.
Esta probabilidad, no obstante, solo tiene en cuenta las caractersticas per se de cada
localizaci
on, y no las de los puntos situados alrededor de estas, tambien de importancia.
Por ejemplo, en la capa de probabilidad de ignicion anterior una celda puede tener una
probabilidad de ignici
on baja. Esto quiere decir que es poco probable que se inicie un fuego
en dicha celda, pero no implica que no pueda ser alcanzada facilmente por un fuego iniciado
en otro punto. Si dicha celda est
a rodeada de otras con alta probabilidad de ignicion, el
fuego podr
a propagarse desde estas, con lo que, en realidad, la probabilidad de ignicion de
la celda deber
a ser considerada como alta.
Puesto que es necesario conocer la propagaci
on de fuego entre celdas para ampliar la
idea de probabilidad de ignici
on (puede ser que esta propagacion no se de o sea muy lenta),
es necesario recurrir a los modelos que ya hemos visto con anterioridad, de forma que el
c
alculo de la probabilidad de ignici
on no es ya un proceso estatico de combinacion de capas,
sino que incluye igualmente una parte de simulaci
on dinamica.
Este proceso puede realizarse de diversas formas, siendo una de las mas habituales la
basada en simulaciones de Monte Carlo. Su aplicaci
on puede esquematizarse en los siguientes
pasos:
Se genera un numero n de incendios. Cada uno de ellos tendra unas coordenadas
dentro de la zona de estudio y una probabilidad P asociada (0P 1), ambas creadas
aleatoriamente.
Para cada uno de estos incendios se compara su probabilidad con la probabilidad de
ignici
on del punto. En caso de ser menor esta primera, se supone que el incendio
no se produce. En caso de ser superior, se supone que el incendio s se desarrolla, y
se modeliza como tal para una duraci
on t arbitraria establecida de antemano. Esta
duraci
on puede establecerse en funci
on de la duracion media de los incendios en la
zona de estudio, o cualquier otro valor estadstico que se considere oportuno.
Para cada celda, se cuenta el n
umero de veces que ha sido alcanzada por alguno de
los incendios simulados. El cociente entre este valor y el numero total de incendios
simulados (n) valor indica una nueva probabilidad de ignicion, en este caso relativa a
las caractersticas del entorno como medio propagador del fuego.
lisis y gestio
n de riesgos
Ana
773
La probabilidad anterior puede combinarse con la probabilidad inicial para obtener una
nueva capa de probabilidad en la que ya se consideran todos los factores implicados.
La figura 34.9 muestra la una capa de probabilidad de ignicion como la obtenida en el
tercer punto del proceso anterior.
Figura 34.9: Probabilidad de ignicion en funcion de la propagacion de fuego desde celdas vecinas,
a partir de simulaciones de Monte Carlo.
34.5.3.
La gesti
on de incendios y sus riesgos asociados incluye otra serie de tareas ademas de las
anteriores, siendo el SIG de gran utilidad para la mayor parte de ellas.
Como hemos visto, el estudio de riesgos combinado con la modelizacion nos permite
obtener resultados en base a los cuales pueden establecerse prioridades de asignacion, Esto
constituye una ayuda para decidir, por ejemplo, en que zonas resulta de interes centrar las
labores de vigilancia. Situar los elementos necesarios para llevar a cabo esta labor no es, sin
774
n Geogra
fica
Sistemas de Informacio
lisis y gestio
n de riesgos
Ana
775
Una tecnologa de gran importancia tanto para la deteccion como para el seguimiento de
incendios es la teledetecci
on. Los productos de la teledeteccion tienen una aplicacion directa
en ambas tareas, y existen an
alisis particulares que pueden emplearse tanto para localizar
puntos en los que se inicie un incendio (y a partir de ello, proceder a organizar las respectivas
labores de combate), o seguir el avance de este.
Los fundamentos principales del uso de im
agenes de satelite para deteccion de incendios
residen en el an
alisis de la informaci
on que estas pueden ofrecer acerca de la temperatura del
terreno. Especialmente relevante para esta tarea es la banda del infrarrojo termico, pues las
emisiones debidas a la temperatura del cuerpo se presentan en la longitud de onda correspondiente a dicha banda. Este planteamiento ha sido desarrollado abundantemente[189, 225], y
su aplicaci
on ha demostrado la gran utilidad de las imagenes de satelite para estas tareas.
El uso de la banda del infrarrojo medio tambien es otra posibilidad [454], aunque menos
habitual.
Aunque puede utilizarse cualquier sensor cuyos productos incluyan una banda en la zona
del infrarrojo termico, es particularmente popular el uso del sensor AVHRR, cuya banda 3
(3,553,93m) es adecuada para este tipo de analisis.
La clasificaci
on de los pxeles en funci
on de la temperatura extrada de la banda del
infrarrojo termico arroja, no obstante, falsos positivos en muchos casos, e indica como pxeles
incendiados algunos que no lo son. Para filtrar los resultados, pueden aplicarse formulaciones
adicionales como el an
alisis de los pxeles vecinos tanto en la propia banda del infrarrojo
termico como en otras.
34.6.
Resumen
El an
alisis de riesgos representa una importante area de aplicacion de las tecnologas
SIG.
Uno de los an
alisis fundamentales es el de riesgos climatologicos, el cual aplica las herramientas de an
alisis y modelizaci
on climatol
ogica. Estas pueden aportar informacion sobre
la situaci
on clim
atica en un instante concreto (modelizacion cartografica del clima), o bien
sobre el comportamiento del clima a lo largo de un periodo dado (modelizacion dinamica
del tiempo).
Los resultados de este an
alisis son el punto de partida para otros, muy especialmente
los relacionados con la hidrologa, tales como inundaciones o aludes. En ambos casos, el
SIG representa una herramienta de gran utilidad para la preparacion de las variables necesarias para el an
alisis, y en la actualidad se integra con aplicaciones externas que son las
encargadas de llevar a cabo los procesos de modelizacion correspondientes. Los resultados
de esta modelizaci
on (
areas de inundaci
on,
areas potencialmente afectadas por avalanchas,
etc.) pueden posteriormente ser visualizados y analizados dentro de un SIG.
Otros riesgos tales como los desplazamientos en masa se pueden estudiar y cartografiar
exclusivamente con el uso de un SIG, ya que dependen en su mayora del propio terreno,
siendo un SIG una excelente herramienta para el analisis de Modelos Digitales de Elevaciones
y la extracci
on de par
ametros derivados.
Por u
ltimo, hemos visto en este captulo c
omo puede modelizarse el comportamiento de
un incendio con un Sistema de Informaci
on Geografica. Empleando los fundamentos de esa
modelizaci
on, se obtienen variables derivadas tales como cartografa de riesgos de incendio.
Las tecnologas SIG son tambien relevantes en el campo de la lucha directa contra incendios, no ya mediante esos procesos de modelizacion y analisis, sino como herramienta
776
n Geogra
fica
Sistemas de Informacio
Captulo 35
Ecologa
Qu
e es la ecologa del paisaje y c
omo ayuda un SIG a su estudio?C
omo se emplea un
SIG para modelizar una comunidad animal?Y una comunidad vegetal? Qu
e es un modelo
predictivo?
Los SIG son herramientas b
asicas para bi
ologos y otros profesionales que analizan las comunidades
animales o vegetales, o cualquier otro elemento del medio natural. Trat
andose de elementos vivos y
din
amicos, presentan casos de uso interesantes para demostrar las capacidades de los SIG de cara al
estudio de su evoluci
on y desarrollo a lo largo del tiempo.
En este captulo detallaremos algunas formulaciones particulares que estas disciplinas aportan a los
SIG, y el uso que de ellas se hace en las situaciones y aplicaciones m
as habituales .
35.1.
Introducci
on
n Geogra
fica
Sistemas de Informacio
778
35.2.
En ecologa se entiende por paisaje a un entorno natural dado, con unas caractersticas
concretas fruto de la interacci
on de m
ultiples factores como el clima, la presencia humana,
las comunidades animales y vegetales, o el relieve, entre otros. No se trata, por tanto, del
concepto estetico de paisaje como lo entendemos en su acepcion habitual, sino un concepto
geogr
afico y ecol
ogico que hace referencia a c
omo todos esos elementos que act
uan sobre una
porci
on de terreno definen sus caractersticas.
El resultado de todas esas acciones es un conjunto heterogeneo de unidades que ponen de
manifiesto la forma distinta en que sobre las distintas partes del paisaje act
uan los elementos
que le dan forma. No es difcil ver que esta heterogeneidad es una heterogeneidad espacial,
y que las fuerzas que la originan tambien tienen un caracter espacial igual, por lo que su
estudio y an
alisis es susceptible de aprovecharse en gran medida de las capacidades de un
SIG.
El estudio del paisaje definido seg
un lo anterior conforma la denominada ecologa del
paisaje, una disciplina que analiza tanto la estructura como el funcionamiento del paisaje
como entidad. SIG y ecologa del paisaje van ntimamente unidas desde los inicios de ambas
disciplinas, y del conjunto de tecnicas que se utilizan para el estudio del paisaje, una buena
parte han sido desarrolladas sobre la base del SIG como herramienta a emplear para su
aplicaci
on.
Seg
un [247], la ecologa del paisaje es el ((estudio de las interacciones entre los aspectos
temporales y espaciales del paisaje y sus componentes de flora, fauna y culturales)). Este
estudio se puede entender como suma de tres tipos distintos de analisis:
An
alisis de las propiedades espaciales de las unidades del paisaje y sus relaciones
espaciales. Estas unidades forman ((manchas)) sobre el conjunto total del paisaje, y
la forma en que estas se distribuyen sobre el terreno condiciona muchos aspectos del
paisaje cuyo estudio es altamente relevante, as como las caractersticas espaciales de
cada una, tales como su forma o el
area que ocupan.
An
alisis de la interacci
on entre las unidades. Cada unidad no es un elemento estanco,
y se producen flujos entre ellas que tambien son de interes para su caracterizacion y
la del paisaje como entidad global.
An
alisis de la din
amica temporal del paisaje. Es decir, de la evolucion de ese conjunto
de unidades a lo largo del tiempo y los cambios que se producen en su estructura.
De cara a su estudio en un SIG, el primer punto de los anteriores es el que tiene mayores posibilidades de aprovechar las capacidades de este, puesto que se trata de un analisis
netamente espacial. Los otros dos, no obstante, tambien pueden llevarse a cabo en un SIG.
Aunque no los veremos aqu y nos centraremos en el estudio de las relaciones espaciales, en
el apartado 36.3.1 detallaremos los modelos de cambio de usos del suelo, cuyos fundamentos
son aplicables de igual modo para estudiar el cambio en las unidades del paisaje. Estos modelos, de hecho, constituyen herramientas para el estudio del paisaje, ya que el uso de suelo
es un factor m
as de la caracterizaci
on de las unidades paisajsticas.
El an
alisis de las relaciones espaciales entre las unidades del paisaje persigue obtener una
caracterizaci
on cuantitativa de este, y lleva esto a cabo analizando diferentes propiedades
espaciales de las unidades por separado, as como de cada una junto a las circundantes, y a
nivel global de todo el paisaje. Esto permite obtener resultados que pueden relacionarse con
Ecologa
779
cada una de las funciones que las unidades de paisaje cumplen, y dar una caracterizacion
de este a distintas escalas. Por su propia naturaleza, el estudio del paisaje es un ambito en
el que el concepto de escala de an
alisis es vital para que los resultados tengan sentido.
Toda la informaci
on que se maneja en el estudio espacial de las unidades del paisaje
es de tipo categ
orico, ya que no nos interesan (al menos con caracter fundamental) las
caractersticas de esas unidades, sino saber que unidades hay y los lmites de cada una.
Aunque la informaci
on categ
orica resulta en general mas conveniente manejarla en forma
vectorial (como polgonos en este caso), el caracter analtico de las tareas que se van a
desarrollar hace que el modelo r
aster sea m
as idoneo desde ese punto de vista. Asimismo, las
capas categ
oricas a emplear se obtienen frecuentemente mediante tecnicas de clasificacion
a partir de im
agenes, con lo que originalmente se crean como capas raster. Por todo esto,
la aplicaci
on de las formulaciones que seguidamente veremos puede encontrarse tanto sobre
una base r
aster como sobre una base vectorial, siendo ambas alternativas posibles.
En esencia, y de un modo muy simplista, podemos decir que la labor que vamos a realizar
con un SIG para el estudio del paisaje consiste en el analisis de los patrones que aparecen
en un mapa con informaci
on categ
orica, y la definicion de las caractersticas de cada unidad
y de cada categora de las presentes. Este an
alisis puede enfocarse desde dos concepciones
te
oricas distintas:
La Biogeografa de Islas [358]. Considera cada unidad como una isla, en el sentido de
que en su interior puede darse alg
un tipo de proceso ecologico, mientras que en las
areas que la rodean el terreno es ((hostil)) para este. Este modelo supone por tanto
una concepci
on dicot
omica del paisaje al analizar una unidad o una clase dada. Esto
permite un an
alisis sencillo, centrado en las caractersticas propias de cada una de
esas unidades (las islas) frente al fondo formado por el resto de estas (el ((mar))). No
obstante, es un enfoque que implica una simplificacion excesiva, y que no tiene en
cuenta la interacci
on entre las unidades ni las caractersticas del fondo.
El modelo del mosaico paisajstico. Se considera el paisaje como un conjunto de unidades interconectadas y se tiene en cuenta la heterogeneidad de estas. En lugar de
enfocar el estudio sobre las unidades en s, lo hace sobre un proceso dado y sobre como
este tiene lugar para un paisaje con una configuracion y unas propiedades dadas. Es
un modelo m
as real que el anterior, ya que la respuesta de los organismos sobre un
tipo de unidad de paisaje no es en realidad u
nicamente de dos tipos posibles (isla o
mar), sino que pueden existir terminos intermedios.
El n
umero de par
ametros que se han definido para el analisis cuantitativo del paisaje
(conocidos como metricas del paisaje) es muy elevado, y veremos a continuacion solo algunos.
El lector interesado en profundizar en el tema puede consultar [122]. Para una definicion
completa de todas estas metricas, la referencia a consultar es [77].
Las metricas del paisaje pueden clasificarse seg
un dos criterios: la escala a la que se
aplican y el tipo de propiedades que describen. Seg
un la escala encontramos tres tipos:
Metricas de unidad1 . Analizan las unidades del paisaje de forma independiente del
resto.
1 Patch metrics, traducido en ocasiones como m
etricas de parche, aunque no emplearemos aqu esta
traducci
on
n Geogra
fica
Sistemas de Informacio
780
Metricas de clase. Analizan las manchas que corresponden a una misma clase, es decir,
un conjunto de polgonos disjuntos con las mismas caractersticas.
Metricas del paisaje. Analizan el paisaje en su totalidad, como un conjunto de manchas
que teselan el espacio.
Las metricas de unidad o de clase pueden integrarse para dar informacion global del
paisaje mediante el uso de estadsticos tales como la media, la media ponderada, la desviacion
tpica o el rango del conjunto de manchas o clases, seg
un corresponda.
En referencia a las propiedades que describen, los siguientes son los grupos principales:
Metricas de composici
on. Se aplican tan solo para el paisaje globalmente y reflejan la
forma en que las distintas clases est
an representadas en este.
Metricas de configuraci
on. Se aplican a los distintos niveles de escala y recogen la
configuraci
on espacial de las distintas unidades.
Veremos algunos de los principales representantes de estos dos grupos a continuacion.
35.2.1.
M
etricas de composici
on
Ecologa
781
Pi ln Pi
ln s
i=1
(35.2.1)
siendo s el n
umero total de clases presentes y Pi la proporcion ocupada por la
clase iesima en el paisaje.
Indice de equitatividad de Simpson. Seg
un la expresion
E=
Pn
1
i=1
n1
Pi2
(35.2.2)
donde n es el n
umero total de clases.
En ambos casos, la dominancia puede calcularse como 1 E.
Ambos ndices varan de 0 a 1.
Diversidad. La diversidad tiene relaci
on con la equitatividad y la riqueza, y se calcula
en funci
on de estas variables de diversas formas, seg
un sea la importancia asignada a
cada una de ellas. Algunas de las f
ormulas mas comunes son las siguientes:
Indice de diversidad de Shannon. El mas usado, responde a la expresion
H=
s
X
Pi ln Pi
(35.2.3)
i=1
n
X
Pi2
(35.2.4)
i=1
Puede verse que los ndices de diversidad corresponden al numerador de los de equitatividad presentados anteriormente. El denominador es el valor de la diversidad maxima.
35.2.2.
M
etricas de configuraci
on
782
n Geogra
fica
Sistemas de Informacio
Complejidad de forma. Existen muchas metricas en este grupo, la mayora de las cuales intentan describir la complejidad de la forma geometrica de la unidad. En muchos
casos esto se lleva a cabo mediante relaciones permetro/area, y comparando estas con
las correspondientes a una figura geometrica regular (circulo o cuadrado generalmente)
de la misma
area. Aunque la forma de la unidad puede relacionarse con el comportamiento de ciertas especies animales y vegetales (actividad, migracion, colonizacion
de la unidad, etc.), la principal implicaci
on de estos parametros es en relacion con
el efecto de borde (recuerdese lo visto en 10.2.6). La dimension fractal de la unidad
es tambien un par
ametro empleado con frecuencia. Otras metricas mas elaboradas
pueden calcularse igualmente, aunque la interpretacion de su significado en terminos
ecol
ogicos no es tan clara.
Bordes. Adem
as de la relaci
on directa que guarda con las metricas de complejidad
de forma, el efecto de borde puede medirse directamente con otras metricas. La mas
simple de todas ellas es la mera longitud total de los bordes, es decir, de los permetros
de las distintas unidades, ya sea de forma individual o agrupadas por clases o paisaje
total. Tambien puede expresarse como densidad, en longitud de borde por unidad de
de
area.
Area
central. Estas metricas tratan de cuantificar el area de la unidad libre de efecto
de borde. Para ello, se elimina un
area dada situada a una distancia del borde menor
que un umbral establecido, y se cuantifica el area restante. Estas metricas integran la
complejidad de la forma, el
area y los efectos de borde en un u
nico valor descriptivo. Se
entiende que esta
area central es la que es de interes para el estudio de ciertos procesos
o el comportamiento de una comunidad concreta.
Aislamiento/proximidad. Las metricas de esta clase cuantifican la tendencia de las
unidades de una misma clase a aparecer en el paisaje cercanas entre s o bien separadas.
Una forma de llevar esto a cabo es mediante el calculo de la distancia al vecino mas
cercano, es decir, a la mancha de paisaje de la misma clase que se encuentra a una
distancia menor. Estas distancias para cada unidad de una clase pueden promediarse,
ya sea asignando peso a cada una en funci
on del area correspondiente a la unidad en
cuesti
on, o bien considerando el mismo peso para todas.
Como es l
ogico pensar, este c
alculo de las distancias entre unidades no se lleva a cabo
de la misma manera si trabajamos con datos raster o vectoriales, y las formulaciones
difieren notablemente. Conservan, no obstante, la misma base teorica, y la interpretaci
on de los resultados es identica.
Conectividad. La conectividad cuantifica el grado en que el paisaje impide o facilita
el flujo entre las distintas unidades. La perdida de conectividad es una de las razones
m
as importantes para la perdida de h
abitat. Si el habitat se fragmenta y no existe
conexi
on entre las distintas comunidades de una especie, esto puede llevar a un menor
n
umero de individuos en cada unidad de las habitadas por dicha especie, y en u
ltima
instancia incluso causar su extinci
on.
Para estudiar la conectividad, es fundamental definir que condiciones han de cumplir
dos unidades de una clase dada para considerarse como conectadas, lo cual depende
del proceso que pretendamos estudiar, as como del resto de unidades. Se ha de trabajar con una conectividad funcional entre unidades. La distancia es un parametro
Ecologa
783
Figura 35.1: Para el analisis de conectividad, el conjunto de unidades de una clase se convierten
en una red que define la conectividad funcional entre ellas.
Contraste. El contraste cuantifica la diferencia relativa entre cada unidad y las contiguas. Una zona de bosque rodeada de una zona de pasto no constituye el mismo
tipo de paisaje que esa misma zona rodeada de areas urbanas o de agua. Una forma
de calcular metricas de contraste es aplicar las ideas de las metricas de borde, pero
asignando pesos a estos en funci
on de la diferencia que exista entre las dos unidades
que cada borde delimita.
Contagio. El contagio expresa la tendencia de las unidades de una clase a formar grupos
compactos, o bien a estar dispersas a los largo del paisaje.
35.2.3.
Software
784
n Geogra
fica
Sistemas de Informacio
no existen elementos como los que encontramos en uno de esos SIG para el manejo de capas.
La figura 35.2 muestra la interfaz de ajuste de par
ametros de FRAGSTATS como aplicacion
independiente.
35.3.
Modelizaci
on de h
abitats. Modelos predictivos
Uno de los an
alisis m
as interesantes en el campo de la ecologa, y en el que los SIG
aportan mayores posibilidades, es la modelizaci
on de habitats. Este tipo de analisis pretende
establecer que tipo de condiciones son las m
as adecuadas para una determinada especie
animal o vegetal, y con ello poder establecer en que zonas puede estar presente dicha especie
y estimar la probabilidad de encontrarla en ellas teniendo en consideracion las condiciones
all presentes.
Ecologa
785
(35.3.1)
donde f es la funci
on que asigna la probabilidad de aparicion de la especie en funcion de
una serie de n variables, y x1 , x2 , . . . , xn son los valores de esas variables.
Puesto sobre el contexto de un conjunto de capas con tales variables (puesto que han de
cubrir el espacio estudiado, estas ser
an de tipo raster preferentemente), el modelo predictivo
nos proporciona esa cartografa de distribuci
on antes mencionada, sin mas que aplicarlo sobre
todas las celdas de las capas de entrada. La presencia del SIG ha contribuido decisivamente
al desarrollo de este tipo de modelos, y el avance que se ha dado en las herramientas SIG
ha favorecido la aparici
on de nuevas metodologas para la creacion de cartografa de tipo
predictivo.
Si estudiamos la forma de proceder de este tipo de analisis, es claro que guarda una gran
similitud con los procedimientos estadsticos que vimos en el apartado 20.2, donde tratamos los metodos de clasificaci
on supervisada. Partiendo de un conocimiento acerca de unas
localizaciones particulares (en este caso son puntos de presencia/ausencia, entonces eran
areas de entrenamiento), se trata de clasificar las restantes dentro de un marco geografico.
La clasificaci
on en este caso sera en dos u
nicas clases (hay presencia o no de la especie),
aunque, puesto que usamos la funci
on de probabilidad, se asemejara mas al tipo de clasificaci
on que denomin
abamos debil, el cual nos ofrece valores en funcion de los cuales podemos
posteriormente discriminar y establecer si la presencia de la especie puede asumirse o no.
n Geogra
fica
Sistemas de Informacio
786
35.3.1.
Un modelo sencillo es el denominado BIOCLIM [175], que parte de una serie de parametros climatol
ogicos, asumiendo por tanto que el clima es el u
nico factor que condiciona el
comportamiento de la especie. Estos par
ametros, no obstante, son utilizados para el calculo
de otras variables biol
ogicamente m
as significativas, y es sobre estas sobre las que se opera.
La tecnica de clasificaci
on de BIOCLIM es en realidad un metodo de paraleleppedos como
el que vimos en 20.2.1, ya que calcula el hipercubo delimitado por un umbral x, de tal forma
que la dimensi
on de ese hipercubo en cada eje es el rango de los valores de la variable correspondiente a dicho eje, recortado en un tanto por ciento x. Un valor habitual del umbral
es 5 %, de tal modo que la dimension de cada eje se sit
ue entre los valores del 5 % y el 95 %
del rango para la variable correspondiente.
Se trata de un modelo simple, que sin embargo tiene muchas desventajas debido a las
condiciones que asume y a que no permite el uso de variables distintas de las climatologicas.
Algo m
as elaborado, aunque tambien dentro de la misma familia (ambos modelos solo
requieren datos de ausencia), es el modelo DOMAIN, basado en la denominada distancia de
Grover. Esta tiene la forma
n
GAB =
1 X |Ak Bk |
n
rango(k)
(35.3.2)
k=1
donde n es el n
umero total de variables, Ak el valor de la variable k en el punto de presencia
A, Bk el valor de la variable k en la celda B y rango(k) el rango de la variable k en los
puntos de presencia. La media de distancias de Grover entre una celda y todos los puntos de
Ecologa
787
1
1+
(35.3.3)
35.3.2.
Validaci
on
(35.3.4)
siendo V P los verdaderos positivos, F P los falsos positivos, V N los verdaderos negativos y
F N los falsos negativos.
Para un umbral x que define el punto de separacion entre las zonas viables y no viables
en funci
on de los valores resultantes, se calculan los anteriores parametros, obteniendo un
punto de la curva. Variando el umbral entre 0 y 1 (los valores mnimo y maximo que pueden
n Geogra
fica
Sistemas de Informacio
788
0
1
35.3.3.
Software
En lo que al software respecta, los modelos anteriores, as como otros que no se han
citado, presentan soluciones muy variadas. Algunos de ellos, como BIOCLIM, se encuentran
implementados en SIG y tambien como aplicaciones independientes. En este segundo caso,
su uso es m
as sencillo y no requiere saber utilizar un SIG, aunque en la practica esto s que
resulta necesario, ya que las capas de entrada han de crearse y prepararse, y el SIG es la
herramienta para ello. La funcionalidad SIG que estas aplicaciones incorporan es tan solo
la relativa a la lectura y escritura de los datos, debiendo recurrirse a una aplicacion SIG
para cualquier otro tipo de tareas. Estas incluyen no solo los pasos previos a la ejecucion
del modelo, sino tambien los posteriores, ya que la capa resultante no puede usarse en el
programa, que se limita a producirla
La forma de introducir las capas es variable, usandose en algunos casos formatos SIG
habituales, aunque en otros existen formas menos estandarizadas de aportar datos de entrada, en particular en lo referente a los puntos de ausencia/presencia, que incluso pueden
tener que introducirse manualmente.
Algunas metodologas, como por ejemplo la regresion logstica m
ultiple, no requieren para
su aplicaci
on m
as capacidades que las funciones del algebra de mapas que ya conocemos,
y es sencillo incorporarlas en un SIG. Otras, por el contrario, necesitan elementos mas
complejos. Esto suele suceder con los modelos m
as especficos, los cuales suelen tener alg
un
Ecologa
789
tipo de software asociado que es el que se utiliza para aplicarlos. Maxent dispone de una
aplicaci
on del mismo nombre [78], y GARP Desktop [79] es una aplicacion que permite
aplicar el modelo GARP, desarrollada por los creadores mismos de este. Un SIG sencillo
enfocado a este tipo de an
alisis, y que incorpora modelos como BIOCLIM o DOMAIN, es
DivaGIS[80]. Las referencias anteriores llevan a paginas Web de donde pueden descargarse
los programas.
La figura 35.4 muestra capturas de pantalla de dos de los programas anteriores.
Figura 35.4: Ventanas de introduccion de datos de dos software para aplicacion de modelos predictivos: Maxent(derecha) y GARP Desktop (izquierda). Como puede verse, estos programas no
incluyen capacidades de manejo de capas de la forma habitual en la que estas se presentan en un
SIG de escritorio.
35.3.4.
Los modelos predictivos tienen uno de sus principales campo de aplicacion dentro del
campo de la ecologa, donde, como acabamos de ver, ayudan a descubrir donde podemos
encontrar una especie determinada y lo adecuado que resulta un determinado emplazamiento para esa especie en funci
on de las caractersticas que definen a este. Algunos modelos
trabajan con capas de entrada fijas, de tal modo que los factores que se consideran relevantes para definir la idoneidad de un punto concreto ya estan definidos. La aplicabilidad
de estos modelos en otros
ambitos distintos es peque
na, ya que en un contexto diferente
lo m
as probable es que las variables de influencia no sean las mismas. Los modelos que,
sin embargo, pueden operar con cualquier capa de entrada y simplemente efect
uan analisis
estadsticos sobre ellas sin interpretar su significado, s que pueden emplearse para tareas
fuera del campo de la ecologa.
Hay muchas otras situaciones en las que, conociendo donde se da un determinado fenomeno,
es interesante localizar otras zonas que resulten adecuadas para que ese mismo fenomeno
tambien se produzca. A la hora de ((buscar)) esas zonas, disponer de cartografa de potencialidad como la que producen los modelos que hemos estudiado puede ahorrar tiempo y
dinero, ya que puede concentrar esa b
usqueda en las zonas de mayor probabilidad supone
optimizar el esfuerzo. Por esta raz
on, el uso de modelos predictivos lo encontramos tambien
en otros
ambitos y con unos planteamientos muy similares a lo expuesto para el caso de la
790
n Geogra
fica
Sistemas de Informacio
Ecologa
35.4.
791
Resumen
Dos son las tareas que hemos visto en este captulo en las cuales el uso de SIG aporta interesantes elementos dentro del
ambito de la ecologa: el analisis del paisaje y la modelizacion
de h
abitats mediante modelos predictivos.
En la primera de estas
areas, los SIG se emplean para el analisis espacial de las distintas
unidades que componen el paisaje, ya sea individualmente, para el conjunto de las unidades
de una misma clase o para la totalidad de dicho paisaje. Ademas de los parametros (denominados metricas) que cuantifican la forma y otras caractersticas geometricas de cada unidad,
existen otros que miden la conectividad, el aislamiento entre unidades de una misma clase o
el contraste entre unidades contiguas. En conjunto, sirven para cuantificar la heterogeneidad
del paisaje, y sus valores pueden emplearse para explicar el funcionamiento de este.
Por su parte, la modelizaci
on de h
abitats se basa en la aplicacion de modelos que, conociendo una serie de variables del medio y un conjunto de puntos en los que aparece (o no)
una determinada especie, pueden calcular la idoneidad de las distintas zonas de un territorio
para la presencia de dicha especie, prediciendo as la probabilidad de que tales zonas se
encuentren, o hayan podido encontrarse, habitadas por la especie en cuestion. Este tipo de
modelos tienen una base estadstica y son empleados no solo en el terreno de la ecologa, sino
en otras
areas de conocimiento muy distintas, como sucede por ejemplo con la arqueologa.
792
n Geogra
fica
Sistemas de Informacio
Captulo 36
Gesti
on de recursos y planificaci
on
C
omo ayuda un SIG a la gesti
on de los recursos energ
eticos? Y a la gesti
on de un monte?
Qu
e papel juegan los SIG en la planificaci
on y gesti
on territorial? Qu
e modelos son aplicables
en este sentido? C
omo se modeliza el cambio en los usos de suelo de una zona? Qu
e es un
modelo de localizaci
on
optima?
Los SIG son una herramienta fundamental para la gesti
on de todo tipo de recursos, y muy especialmente los recursos naturales. Ya sea como herramientas de gesti
on o como u
tiles de an
alisis, los SIG
juegan un papel b
asico hoy en da para un aprovechamiento o
ptimo y racional de esos recursos, como
veremos en este captulo.
Por otra parte, veremos las capacidades de los SIG en el terreno de la planificaci
on. Las tareas de
planificaci
on para el desarrollo de actividades en el medio necesitan un an
alisis coherente de todos los
elementos que toman parte, y un manejo adecuado de toda la informaci
on de que se dispone al respecto.
Como herramientas de planificaci
on, los SIG cubren las necesidades de este
ambito, y permiten evaluar
par
ametros c
omo la mejor forma de llevar a cabo una actividad, o el mejor emplazamiento para ello, entre
otros. Para esto, emplean planteamientos y tecnicas como las que veremos a lo largo de este captulo.
36.1.
Introducci
on
Seg
un vimos en el captulo 2 dedicado a la historia de los SIG, una de las principales
razones que motivaron la aparici
on de los SIG fue el desarrollo de una mayor sensibilidad
medioambiental y una creciente preocupaci
on por el impacto de las actividades humanas
sobre el medio. Esto trajo como consecuencia una necesidad de disponer de herramientas
potentes para el an
alisis de los distintos elementos de ese medio, lo que propicio la creacion
de los primeros SIG e impuls
o su evoluci
on.
De ser aquella herramientas experimentales, los SIG han pasado rapidamente a ser imprescindibles para el desarrollo de cualquier actividad sobre el medio, y hoy en da no se
conciben estas sin la intervenci
on de un SIG en uno u otro momento de su desarrollo. En
este captulo veremos dos bloques diferentes de aplicaciones de un SIG, que guardan, no
obstante, una gran relaci
on.
Por una parte, veremos como el uso de los recursos naturales puede gestionarse con el
apoyo de las herramientas SIG, que ayudan tanto en la propia explotacion de estos como
en su conservaci
on y su manejo racional. Por otra parte, veremos algunas tecnicas y planteamientos que sirven para la planificaci
on de actividades en el medio natural, y gracias a
las cuales pueden valorarse las consecuencias de estas y estudiar su impacto. Estas tecnicas
destacan el papel del SIG como elemento de apoyo para la toma de decisiones, pues resultan
fundamentales para poder analizar conjuntamente el gran n
umero de factores implicados.
n Geogra
fica
Sistemas de Informacio
794
36.2.
Gesti
on de recursos naturales
on.
Aunque no se trata de recursos naturales en sentido estricto, los recursos agrcolas guardan similitud con los anteriores en lo que a la incorporacion de los SIG a su gestion respecta.
La presencia de los SIG es imprescindible especialmente en la denominada agricultura de
precisi
on, por lo que le dedicaremos un apartado dentro de esta seccion.
Existen muchos otros recursos naturales cuya gestion es similar, al menos en gran medida
y en lo que al uso de SIG respecta. No necesariamente se ha de pensar en recursos tangibles
como los u
nicos donde la aplicaci
on del SIG tiene sentido. Por el contrario, el SIG es de
aplicaci
on igualmente en tareas como, por ejemplo, las relacionadas con la conservacion de
los valores ecol
ogicos del medio (por ejemplo, la biodiversidad). Por cuestiones de espacio,
no trataremos aqu todos esos otros recursos, aunque las ideas que mostraremos deberan ser
suficientes para dar una visi
on global del tipo de uso que se le da a los SIG en este ambito,
siendo sencillo adaptarlas a su caso particular de gestion.
Con independencia del tipo de recurso, se tiene siempre que este presenta una distribuci
on espacial variable, y por tanto su gesti
on y aprovechamiento requieren un conocimiento
detallado de esa distribuci
on espacial. Es en esta tarea donde los SIG intervienen y en la
que aportan sus diversos elementos para lograr una vision mas completa de la presencia del
recurso y de la mejor forma de gestionarlo.
36.2.1.
Gesti
on forestal
La gesti
on forestal engloba muchos distintos elementos y recursos que han de gestionarse,
y de uno u otro modo un SIG aporta herramientas de interes para todos ellos. Algunos de
los principales campos de aplicaci
on son los siguientes:
Inventariaci
on y aprovechamiento de recursos forestales.
Defensa del monte.
n de recursos y planificacio
n
Gestio
795
Manejo de fauna.
Ordenaci
on territorial.
Algunos de estos puntos tienen relaci
on con usos que ya conocemos o que veremos mas
adelante dentro de este mismo captulo. As, en el apartado de la defensa del monte esta claro
que tiene un gran peso todo lo que vimos en el captulo 34 acerca de la modelizacion y
prevenci
on de incendios. Igualmente, los aspectos relativos a la ordenacion territorial, aunque
particularizados para el caso de las zonas de monte, son muy similares en sus planteamientos
y en las tecnicas empleadas a lo que veremos en breve acerca de la planificacion y gestion
del territorio.
No obstante, estos campos son m
as extensos y comprenden otros apartados distintos.
En la defensa del monte, la gesti
on de plagas es de vital importancia, y el SIG permite
la determinaci
on de las
areas de riesgo, as como el seguimiento de la evolucion de una
determinada plaga. El dise
no de redes de trampas o puntos de control, por su componente
fundamentalmente espacial, es una tarea tambien llevada a cabo mediante SIG.
En la ordenaci
on territorial, las decisiones de poltica forestal encuentran en los SIG una
fuente de informaci
on b
asica, muy especialmente en las capacidades de representacion de
estos, que son empleadas ampliamente para la creacion de cartografa tematica.
En lo que respecta a la inventariaci
on, se incluyen en este bloque todas las tareas que
ya mencionamos al inicio de este libro, tales como gestion de unidades y manejo de datos
de inventario asociados a estas. Sin embargo, un SIG tiene capacidades que pueden ir mas
all
a, siendo de especial interes las capacidades de modelizacion. Conocidos unos datos de
inventario, pueden establecerse modelos de crecimiento para estimar vol
umenes esperados en
las distintas zonas de un monte. M
as a
un, los resultados de esos modelos permiten establecer
planes de corta y ayudan en las tareas de ordenacion del monte al emplearse en conjunto
con datos de otra ndole relativos a distintos aspectos del monte en cuestion.
Por u
ltimo, el manejo de fauna incluye las tareas relacionadas con la conservacion de
esta, pero tambien todo lo relativo a la gesti
on de especies particulares dentro de la practica
cinegetica y pisccola. En el primer caso, las herramientas de mayor interes son las que ya
vimos en el captulo 35, ya que permiten la gestion de los habitats y el paisaje, as como la
modelizaci
on de estos y la evaluaci
on del impacto de las distintas actividades sobre el habitat
particular de una especie. En lo que a la caza y la pesca respecta, los datos obtenidos
en campo se gestionan con m
as sencillez dentro de un SIG, y este ayuda mediante sus
capacidades de an
alisis a generar cartografa de potenciales cinegeticos, entre otros tipos.
Atendiendo a los datos empleados, puede decirse en lneas generales que en la gestion
forestal las im
agenes son una fuente de datos fundamental para todos estos analisis. Bien sea
para clasificar estas y delimitar zonas arboladas u ocupadas por una determinada especie, o
bien para el c
alculo de par
ametros de la vegetacion (recuerdese lo visto en 16.4.3), el uso de
im
agenes es una constante. La cartografa vectorial tiene su lugar tambien, particularmente
para el manejo de las unidades administrativas o de elementos tales como vas o caminos.
36.2.2.
Recursos energ
eticos
n Geogra
fica
Sistemas de Informacio
796
An
alisis para el establecimiento de instalaciones de generacion de energa.
Estimaci
on de consumos.
Estudio de la distribuci
on de energa
Para la estimaci
on de la producci
on de energa, el SIG permite analizar los factores que
rigen esta y elaborar modelos para predecir las condiciones existentes y a partir de ellas
obtener la energa resultante. Estos modelos dependen, logicamente, del tipo de energa en
cuesti
on, y la modelizaci
on es distinto en funci
on de este. Por ejemplo, para el caso de
energa solar, los modelos de insolaci
on que vimos en el apartado 15.5.1 pueden servirnos
para estimar la energa disponible en un determinada localizacion. Estos calculos se pueden
realizar para un da en particular o acumulados durante un periodo, y pueden incluirse otras
variables adicionales para modelizar factores como la nubosidad. Si se dispone de series de
fotografas aereas, su clasificaci
on permitir
a conocer el porcentaje de nubosidad en cada una
de ellas. Si se conoce el instante en que esas fotografas se han realizado, esta informacion se
puede emplear para estimar la nubosidad esperable en las distintas fechas. Tambien puede
recurrirse a modelos climatol
ogicos como los que vimos en el captulo 34.
Este tipo de an
alisis no es exclusivo de las grandes instalaciones de generacion energetica. Un an
alisis similar puede llevarse a cabo para la instalaciones de paneles solares de uso
domestico. Si se dispone de un modelo del edificio, este puede usarse para aplicar las ecuaciones correspondientes teniendo en cuenta factores como la orientacion o la inclinacion del
tejado donde se sit
uan los paneles.
Otras tipos de energa, como por ejemplo la e
olica, pueden estudiarse de igual modo. A
partir de datos puntuales de anem
ometros, pueden crearse mapas de velocidad del viento
que recogen esta para un territorio dado. Uno de esos mapas puede encontrarse en la pagina
Web [81]. Por su parte, los modelos que permiten predecir la evolucion del viento son de
interes para saber el comportamiento de este a lo largo de un periodo, de forma que puede
anticiparse la gesti
on de esa energa que va a generarse. Todos estos calculos se desarrollan
sobre un SIG y se integran con otros elementos tales como el relieve, que condiciona muy
notablemente el movimiento de las masas de aire.
En el caso de energas basadas en combustibles, las tecnicas de los SIG se aplican para
estimar la disponibilidad de estos. La biomasa, por ejemplo, esta directamente relacionada
con la gesti
on forestal que acabamos de ver, y donde ya sabemos que el SIG se aplica
habitualmente. La potencialidad de una zona para recursos como el biogas se puede estimar
en funci
on de las caractersticas del suelo y la vegetacion, entre otros factores. Estos factores
pueden obtenerse mediante operaciones dentro de un SIG, que se emplea para cartografiar
sus valores.
Los modelos hidrol
ogicos, de los cuales hemos hablado tambien en el captulo 34, permiten
estimar caudales, lo cual resulta de interes para instalaciones hidroelectricas, no solo para
conocer la cantidad de energa, sino tambien, al igual que en el caso de la eolica, para
gestionar las instalaciones correspondientes (presas, etc.).
En lo que respecta al establecimiento de instalaciones, resulta claro que la propia estimaci
on de energa es un componente esencial, ya que se intenta siempre maximizar la cantidad
de energa generada, y para ello ha de elegirse el emplazamiento idoneo para un maximo
aprovechamiento. No obstante, este no es el u
nico factor a considerar, ya que existen otros
condicionantes como, por ejemplo, los de tipo medioambiental, y debe tratar de minimizarse
simult
aneamente el impacto de la instalaci
on.
n de recursos y planificacio
n
Gestio
797
36.2.3.
Agricultura
La agricultura es un
area que ha experimentado un enorme desarrollo en los u
ltimos
tiempos. La agricultura moderna dista mucho en sus planteamientos de la agricultura tradicional, y si hay una tecnologa que sea responsable principal de este cambio, esa es sin duda
la relacionada con los SIG.
El concepto de agricultura de precisi
on es fundamental para entender el papel de los
SIG en el panorama agron
omico actual. La agricultura de precision es un modelo de gestion
agrcola que busca optimizar la gesti
on de las tierras agrcolas no solo desde el punto de vista
econ
omico, sino tambien desde el ecol
ogico, teniendo entre sus objetivos la sostenibilidad y la
disminuci
on del impacto causado por las pr
acticas agrcolas. Para ello, se persigue optimizar
el uso de los elementos tales como fertilizantes, pesticidas, herbicidas o semillas.
En la agricultura de precisi
on juega un papel basico el hecho de considerar explcitamente
la variabilidad de los distintos factores que influyen en el desarrollo de las cosechas. As,
en una parcela de cultivo, y de forma m
as notable cuanto mayor sea el tama
no de esta,
van a existir distintas caractersticas del medio (nutrientes, tipo de suelo, etc.). La idea
fundamental de la agricultura de precisi
on es mejorar las practicas agrcolas, formulandolas
teniendo en cuenta esa heterogeneidad existente.
Por ejemplo, a la hora de aplicar un fertilizante, en lugar de aplicarlo homogeneamente
sobre toda la parcela, se aplicar
a m
as o menos cantidad seg
un la necesidad que exista en
funci
on de par
ametros tales como los contenidos de fosforo y nitrogeno del suelo. Esto no
ha de disminuir necesariamente la cantidad de fertilizante empleado, pero la distribucion de
este ser
as m
as adecuada y tendr
a un mayor efecto. En cualquier caso, el uso del fertilizante
798
n Geogra
fica
Sistemas de Informacio
es el adecuado para cada zona de la parcela, con mucha mayor precision que si se aplica
de forma generica en toda su extensi
on. Se trata de aplicar solo lo necesario y u
nicamente
all donde se necesita, adapt
andolo a las condiciones existentes en cada punto.
La variabilidad de los factores dentro de una parcela de cultivo y el peso que se le da
a esta dentro de los planteamientos de la agricultura de precision hacen que el SIG tenga
una gran importancia, hasta el punto de ser imprescindible para aplicar las ideas de este
tipo de agricultura. De entre los elementos del
ambito SIG son especialmente importantes
por un lado las herramientas de escritorio y sus capacidades analticas, y por otro lado los
sistemas de posicionamiento. Apoy
andose en estos elementos, se desarrollan dos etapas de
la agricultura de precisi
on: la definici
on de las pr
acticas agrcolas y la aplicacion de estas.
En lo que respecta a la definici
on de las pr
acticas agrcolas, y puesto que estas se van
a desarrollar de manera distinta seg
un la zona, es necesario crear cartografa que indique
la medida en que aplicar cada una de ellas a lo largo de la parcela. Esta cartografa se
crea en funci
on de datos correspondientes a los factores que afectan al cultivo, tales como
propiedades del suelo, porcentaje de malas hierbas o afeccion de una determinada plaga. En
la creaci
on de estas capas de datos base tambien resulta de gran ayuda el SIG, ya que en
muchas de ellas la fuente de datos son muestreos puntuales, y la informacion de estos ha de
extenderse a toda la superficie de la parcela. Los metodos de interpolacion que vimos en el
captulo 13 se emplean para esta tarea.
Otra variable que resulta de gran interes es la produccion final del cultivo, que tambien
presenta variabilidad espacial. Para cartografiar esta, no obstante, existen soluciones distintas, y uno de los metodos m
as avanzados es la incorporacion de tecnologa de posicionamiento
y elementos SIG a la maquinaria de recolecci
on, de forma que se crea dicha cartografa a
medida que se recoge la cosecha. Para ello, se instala un receptor GPS en la cosechadora
y alg
un elemento digital de medici
on del volumen cosechado en cada instante (para el caso
de granos, por ejemplo, se usan caudalmetros). Coordinando ambos, se puede conocer la
cantidad recogida en cada punto, y con estos datos generar la cartografa correspondiente.
La figura 36.1 muestra una mapa de productividad realizado con esta tecnica. Notese
c
omo en el mapa pueden advertirse las lneas de movimiento de la cosechadora.
Si se combinan los datos de producci
on con los datos de necesidades de fertilizantes y
otros elementos, se pueden elaborar mapas de beneficio neto, que permiten conocer las areas
de la parcela de cultivo que generan m
as beneficios. Estos pueden usarse asimismo para
juzgar la conveniencia de aplicar un producto en una determinada zona, en base al beneficio
que se espera al hacerlo o el que se deja de obtener en caso contrario.
La segunda tarea donde las tecnologas SIG son de ayuda es en el propio desarrollo de
las actividades en la parcela de cultivo. Si en la fase de definicion hemos generado un mapa
de necesidades de fertilizante, es momento ahora de aplicar dicho fertilizante de acuerdo con
el, y esto puede hacerse manualmente o, mejor a
un, de forma automatizada. Al igual que en
la creaci
on de mapas de productividad, montar receptores GPS y tecnologa SIG a bordo de
la maquinaria en cuesti
on permite automatizar el proceso. En este caso, el operario no ha de
encargarse de variar los vol
umenes de producto aplicados, sino que esto se realiza de forma
autom
atica, ya que se conoce en cada instante la posicion y, consultando la cartografa, se
conoce igualmente c
omo debe tratarse el punto por el que se esta pasando en ese instante.
La figura 36.2 muestra un ejemplo de la tecnologa anterior.
n de recursos y planificacio
n
Gestio
799
Produccin
(bu/ac)
< 150
[150, 160]
[160, 170]
[170, 180]
[180, 190]
[190, 200]
[200, 210]
[210, 220]
>220
Figura 36.1: Mapa de productividad de una cosecha generado mediante elementos SIG a bordo de
una cosechadora (adaptado de [473]).
Figura 36.2: La tecnologa GIS montada a bordo de maquinaria agrcola permite el desarrollo de
la agricultura de precisi
on (Cortesa John Deere).
36.3.
Planificaci
on y gesti
on del territorio
800
n Geogra
fica
Sistemas de Informacio
La modelizaci
on de usos de suelo tiene gran interes para el analisis del desarrollo urbanstico, y es una herramienta importante para la toma de decisiones en este ambito.
Tambien lo son los modelos de localizaci
on
optima, ya que permiten emplazar de la mejor
manera posible infraestructuras e instalaciones que son aprovechadas por distintos grupos
de personas. Aunque las veremos aqu fundamentalmente como tecnicas relacionadas con
el
ambito urbano y la ocupaci
on del territorio, son, al igual que otras, de aplicabilidad en
diferentes
ambitos en los que se requieren an
alisis similares.
36.3.1.
Modelizaci
on de usos del suelo
n de recursos y planificacio
n
Gestio
801
Uso de suelo
Urbano
Agrcola
Forestal
Urbano
Agrcola
Forestal
0,98
0,30
0,08
0,01
0,65
0,11
0,01
0,05
0,81
Imgenes
instante t 1
Cartografa
de usos de suelo
instante t 1
Markov
Matriz de
probabilidad
de transicin
Imgenes
instante t 2
Cartografa
de usos de suelo
instante t 2
Autmata
Celular
Cartografa
de usos de suelo
instante t 3
Figura 36.3: Esquema del proceso de modelizacion de cambios en los usos del suelo.
Comenzando con el estudio de la evoluci
on pasada, este se basa en tomar la cartografa
de usos de suelo correspondiente a dos momentos dados y analizar la variacion que se ha
producido en este. Para ello, se comparan los usos en cada localizacion y se elabora una
tabla en la que se recoja la superficie de cada uso que ha pasado a tener un uso distinto.
Esta tabla conforma una matriz de cambios similar a la matriz de confusion que vimos en el
apartado 20.2.5. Normalizando los valores dividiendolos por el total de celdas originalmente
en cada clase de suelo, se obtiene una matriz como la mostrada en el cuadro 36.1. Esta
matriz refleja la probabilidad de transici
on entre los distintos usos de suelo. Las clases en la
columna izquierda representan las clases en el instante t, mientras que las de la fila superior
representan las clases a las que se pasa en el instante t + 1
El uso de capas r
aster es claramente m
as adecuado para la elaboracion de esta matriz
de transici
on, ya que se pueden hacer las comparaciones celda a celda entre ambas capas y
simplemente recoger el recuento de celdas en las que se ha producido cada cambio particular.
n Geogra
fica
Sistemas de Informacio
802
p=
p11
p21
..
.
p12
p22
..
.
..
.
p1n
p2n
..
.
pn1
pn2
pnn
n
X
pij = 1
;
j=1
(36.3.1)
n de recursos y planificacio
n
Gestio
36.4.
803
Modelos de localizaci
on o
ptima
n Geogra
fica
Sistemas de Informacio
804
n
m X
X
di tij xi j
(36.4.1)
i=1 j=1
yi = k
(36.4.2)
xij = 1 , i = 1, . . . , m
(36.4.3)
j=1
n
X
j=1
yj 0, 1 , j = 1, . . . , n
(36.4.4)
siendo di la demanda en el lugar i, tij el coste del transporte entre punto de demanda i y el
de oferta j, k el n
umero total de instalaciones a instalar, xij la proporcion de la demanda
de i asignada al punto de oferta j
Aplicado sobre un espacio discreto tal como una red de carreteras que une las distintas
zonas de demanda, este problema se conoce como pmediano.
Sobre esta misma base, pueden darse otros planteamientos con objeto de lograr un tipo
distinto de optimizaci
on. Por ejemplo, aunque la formulacion anterior minimiza el coste,
puede dejar algunos puntos de demanda muy alejados de su centro de oferta mas cercano,
creando una situaci
on que, aunque
optima desde el punto de vista de los costes, no es
especialmente justa. Para solucionar esto, podemos reformular el modelo de tal forma que
no minimice los costes, sino que haga mnima la distancia maxima que se haya de recorrer
de cada punto de demanda a su punto de oferta m
as cercano. De esta manera, se logra una
mayor justicia espacial, a costa de perder eficiencia espacial. Minimizar la desviacion tpica
de esas distancias al punto de oferta m
as cercano es tambien otra opcion en este sentido.
Otro planteamiento posible es el problema de cobertura maxima. Si se considera que el
servicio no tiene sentido si el coste es mayor que un determinado valor (por ejemplo, si se
trata de un servicio de urgencias en el cual se ha de acudir en un periodo inferior a un tiempo
dado), se trata de situar los centros de demanda de forma que se maximice el n
umero de
personas para las cuales el coste a su punto de oferta es menor que ese valor umbral.
El tipo de instalaci
on que se desea establecerse tambien condiciona la funcion objetivo a
emplear. Si la instalaci
on representa alg
un elemento cuya cercana no es deseable, tal como
un vertedero, se ha de proceder de forma distinta, tratando por ejemplo de maximizar la
n de recursos y planificacio
n
Gestio
805
n Geogra
fica
Sistemas de Informacio
806
Figura 36.4: Resultados del analisis de localizacion optima para el caso de suma mnima (a),
desviaci
on tpica mnima (b) y suma m
axima (c).
36.5.
Resumen
n de recursos y planificacio
n
Gestio
807
808
Parte VIII
Anexos
ndice A
Ape
Juego de datos
Acompa
nando a este libro, existe un juego de datos de ejemplo empleado en buen n
umero
de los contenidos cartogr
aficos, especialmente en los de la parte de procesos. Este juego de
datos se distribuye, al igual que el propio texto, de forma libre, de tal modo que el lector
pueda trabajar con dichos datos, operar con ellos, y de este modo tener una experiencia mas
cercana que contribuya a una mejor comprensi
on de los contenidos.
En la medida de lo posible, es de interes que el lector trabaje con estos datos de ejemplo y,
en caso de disponer de un Sistema de Informacion Geografica, abra dichos datos, los estudie
y analice, siguiendo los conceptos desarrollados a lo largo de esta obra.
Todos los datos corresponden a la regi
on de Baranja hill en el este de Croacia, y abarcan
una regi
on con una extensi
on de 13,69 km2 , aproximadamente similar a la de una fotografa
aerea a escala 1:20000, centrada en la coordenadas 45 470 4000 N, 18 410 2700 E (Figura A.1).
Figura A.1: a) Situacion de la zona de estudio en el este de Croacia, b) mapa 1:5000 con las
principales caractersticas de la zona, c) representaci
on tridimensional del relieve (im
agenes cortesa
de la Administraci
on Geodesica Estatal de Croacia)
Se ha elegido este juego de datos por haber sido empleado en textos similares como
datos de referencia, habiendo sido estudiados en profundidad y demostrandose as su buena
disposici
on para el trabajo educativo y de investigacion en el ambito geografico.
El juego de datos de ejemplo puede descargarse de la misma pagina Web del libro, como
un fichero comprimido. Al descomprimir este, se tendran los siguientes archivos con capas
geogr
aficas:
mde25.asc. Modelo Digital de Elevaciones con un tama
no de celda de 25 metros,
obtenido a partir de interpolaci
on de curvas de nivel y posterior tratamiento.
mde25srtm.asc. Modelo Digital de Elevaciones con un tama
no de celda de 25 metros,
obtenido a partir de datos de la Shuttle Radar Topographic Mission, remuestreado posteriormente para coincidir en extensi
on y tama
no de celda con el anterior. Se adjunta
a modo de ejemplo para poder efectuar comparaciones entre ambos.
mde5.asc. Modelo Digital de Elevaciones con un tama
no de celda de 5 metros, obtenido
a partir de un par de im
agenes estereosc
opicas.
812
n Geogra
fica
Sistemas de Informacio
topo.tif. Mapa topogr
afico a escala 1:5000.
orto.tif. Fotografa aerea ortorrectificada, con un tama
no de celda de 5 metros.
pts elev.shp. Capa de puntos (n=853) con medidas precisas de elevacion.
curv nivel.shp. Curvas de nivel del mapa 1:5000 digitalizadas.
hidro.shp. Red hidrografica de la zona de estudio.
landsatX.tif. 7 bandas de una imagen LANDSAT correspondiente a septiembre de
1999.
uso suelo.shp. Capa de polgonos con usos de suelo.
formas relieve.shp. Capa de polgonos con las principales formas del relieve.
calicatas.asc. Capa de puntos (n=59) con informacion de suelo, correspondientes a
calicatas efectuadas en la zona de estudio.
peque.asc. Una peque
na capa r
aster, utilizada en algunos ejemplos puntuales de este
libro. La figura A.2 muestra dicha capa.
Por simplicidad, se ha utilizado el formato TIFF para las imagenes, el formato ASCII
Arc/Info para las capas r
aster y el SHP (shapefile) para las capas vectoriales, entendiendose
que de este modo ser
a sencillo incorporar las capas de ejemplo en la mayora de programas.
Una visi
on general de este conjunto de datos puede encontrarse en la figura A.3.
Juego de datos
813
814
n Geogra
fica
Sistemas de Informacio
ndice B
Ape
area del software privativo como en la del software libre. Estos proyectos cubren la totalidad de posibles
soluciones tecnol
ogicas dentro de este terreno, y representan el estado actual de su mercado.
B.1.
Introducci
on
El del software SIG es un mercado amplio con numerosas alternativas, pudiendo resultar
complejo elegir la adecuada a cada necesidad, pues para ello es necesario tener una vision
global de todos sus representantes y de las caractersticas que los diferencian. A pesar de que
el objetivo de este libro es formar en los conceptos fundamentales de los SIG, y el software
SIG no es sino una herramienta que implementa y se fundamenta sobre esos conceptos, tener
una visi
on de conjunto de los principales proyectos existentes en el mercado es fundamental
para un usuario, pues como tal habr
a de acudir a un software SIG para realizar su trabajo.
Conocer los fundamentos del SIG es vital para un usuario de SIG, como lo es tambien
conocer las herramientas que ha de emplear, y las diferentes formas en que esas herramientas
se presentan, con objeto de elegir una de ellas. En este captulo veremos los principales
representantes de cada uno de los grupos que fueron definidos en los captulos de la parte
correspondiente a la tecnologa SIG, explicando brevemente sus caractersticas. No ha de
olvidarse en ning
un momento que el contenido de este captulo es altamente susceptible de
quedar desfasado en un breve periodo de tiempo, ya que el n
umero de aplicaciones nuevas que
entran en el mercado es muy elevado, as como el desarrollo de los proyectos ya existentes.
En un contexto tan variable, resulta difcil dar una imagen actual de la situacion existente,
aunque este captulo sirve de cualquier forma para presentar a los principales representantes
de cada grupo de aplicaciones y esperemos que sea de utilidad para introducirse en el mundo
del SIG, en lo que a la tecnologa existente respecta.
Dividiremos para su estudio el conjunto de aplicaciones en dos grupos principales:software
libre y software propietario. La diferencia entre las formas de licenciamiento bajo las que
se distribuye los programas SIG afecta no solo a la propia distribucion y uso, sino tambien
a sus caractersticas o a otros aspectos tales como las interrelaciones entre proyectos o la
implementaci
on de est
andares abiertos, tambien de gran importancia.
n Geogra
fica
Sistemas de Informacio
816
B.2.
B.3.
817
Las aplicaciones privativas son empleadas actualmente en el ambito SIG en mayor medida
que las soluciones libres, aunque estas u
ltimas experimentan un importante crecimiento. En
areas como la generaci
B.3.1.
SQL Server
SQL server [86] es el servidor de bases de datos de Microsoft. Dispone de soporte par
datos espaciales y un tipo de dato geometry para almacenamiento de datos espaciales, que
cumple con las especificaciones de SFS para SQL.
DB2 Spatial Extender
DB2 Spatial Extender [87] es una extensi
on para la base de datos DB2 de IBM que
implementa los tipos de datos y funciones definidas por ISO SQL/MM y el OGC. Esta
disponible tanto para Windows como para Linux, y las principales aplicaciones SIG ofrecen
acceso a esta base de datos.
n Geogra
fica
Sistemas de Informacio
818
Oracle Spatial
Oracle Spatial [88] es un componente para la base de datos Oracle que permite el manejo
de datos geogr
aficos de forma nativa. Incluye no solo elementos para soporte de tipos de datos geometricos, sino tambien indexaci
on espacial, operaciones de analisis espacial, modelos
de datos para almacenamiento de topologa y redes (mediante nodos y enlaces), y un elemento GeoRaster para permitir el manejo de capas raster e imagenes junto a sus metadatos
correspondientes.
Oracle Spatial est
a disponible desde la versi
on 8 de Oracle, aunque ya exista en anteriores
versiones bajo el nombre de Spatial Data Option(SDO).
B.3.2.
Servidores
B.3.3.
Herramientas de metadatos
GeoMedia Catalog
GeoMedia Catalog es la aplicaci
on desarrollada por Intergraph [90] para el trabajo con
metadatos. Se trata de una aplicaci
on dependiente del SIG de escritorio de esta misma
compa
na, no pudiendo ser utilizada sin este, ya sea en su version com
un o profesional.
Soporta los est
andares FGDC y ISO 19115, siendo asimismo capaz de exportar metadatos
en el est
andar ISO 19139. Incorpora funcionalidades para creacion automatica de metadatos
a partir de ficheros SIG en diversos formatos, publicacion en formato HTML, as como
realizaci
on de b
usquedas y consultas en base esos metadatos.
819
ArcCatalog
ArcCatalog es la herramienta de ESRI para la creacion y mantenimiento de metadatos.
Permite la creaci
on de metadatos seg
un los est
andares ISO y FGDC, aunque pueden extenderse sus funcionalidades para adaptarse a otros esquemas distintos. Por ejemplo, existe un
m
odulo que permite la creaci
on de datos conforme al N
ucleo Espa
nol de Metadatos.
El programa incluye funcionalidades de importacion y exportacion, as como otras que
lo conectan a distintos elementos de la familia de productos ESRI.
B.3.4.
En el campo de los clientes de escritorio, las soluciones propietarias aventajan a las libres
en la mayora de tareas relacionadas con la produccion directa de resultados, tales como la
creaci
on de cartografa o informes, o la implementacion de simbologa avanzada. Aunque
en muchos casos no incluyen gran cantidad de funcionalidades de analisis y se centran en
otros aspectos de corte productivo, encontramos algunos de ellos con abundante n
umero de
procesos, adecuados igualmente para su uso en investigacion o estudios diversos.
ArcMAP
ArcMAP es el principal componente de la suite de aplicaciones ArcGIS de ESRI, y el
que contiene las funcionalidades cl
asicas del SIG de escritorio, respondiendo a la definicion
de este. ArcMAP es una herramienta que permite la visualizacion y manejo de informacion
geogr
afica, y que cuenta con una arquitectura extensible mediante la que pueden a
nadrsele
nuevas funcionalidades. Existen numerosos paquetes adicionales proporcionados por ESRI,
con los cuales las capacidades de ArcMAP pueden extenderse hasta cubrir la practica totalidad de capacidades que un SIG plenamente productivo en cualquier ambito debe presentar
hoy en da. Algunos de los paquetes m
as destacados son los correspondientes a las funciones
de an
alisis, tales como Spatial Analyst (an
alisis raster), 3D Analyst (analisis 3D y de relieve)
o Geostatistical Analyst (geoestadstica).
Cuenta adem
as con una interfaz de programacion y lenguajes de script que permiten
desarrollar nuevas funcionalidades de forma sencilla. El n
umero de extensiones desarrolladas
por terceros es tambien muy elevado, ya sean estas privativas o libres.
La imagen B.1 muestra la interfaz principal del programa.
GeoMedia
Geomedia es el SIG de escritorio de la empresa Intergraph, y producto principal de su
familia de aplicaciones. Se trata de un SIG completo con capacidades de manejo de datos,
visualizaci
on, an
alisis y funciones avanzadas de creacion de cartografa. Permite el acceso
a datos remotos mediante est
andares OGC y puede extenderse empleando herramientas de
programaci
on sencillas.
Geomedia est
a particularmente enfocado para un uso industrial, respondiendo a las necesidades de grandes organismos y empresas tales como compa
na de telecomunicaciones o
de suministros, que trabajan con grandes cantidades de datos que es necesario estructurar
adecuadamente.
820
n Geogra
fica
Sistemas de Informacio
Idrisi
Idrisi es un SIG de escritorio desarrollado por la empresa Clark Labs [91]. El punto
fuerte de Idrisi son sus herramientas de an
alisis, muy abundantes, que van desde formulaciones sencillas hasta complejos algoritmos. La u
ltima version, denominada Taiga, incluye por
ejemplo como novedad respecto a las anteriores un importante conjunto de algoritmos para
modelizaci
on din
amica y otro para segmentaci
on de imagenes. En general, se incorporan
adem
as de las funcionalidades est
andar de an
alisis una serie de otras mas avanzadas y en
ocasiones con car
acter experimental.
Idrisi presenta un enfoque claramente cientfico y esta dirigido principalmente a la comunidad investigadora, aunque sus abundantes funcionalidades de analisis pueden ser de
utilidad en un entorno productivo. No obstante, otras tales como la creacion de cartografa
no se encuentran representadas.
Aunque incluye tambien algoritmos para an
alisis de capas vectoriales, la gran mayora
de sus funcionalidades se basan en capas r
aster.
PCRaster
PCRaster [92] es una aplicaci
on SIG de orientacion similar a Idrisi, con numerosos algoritmos de an
alisis y principalmente enfocado al trabajo con datos raster dentro de la
comunidad cientfica. Una de sus caractersticas mas destacables es el lenguaje PCRaster
Environmental Modelling Language, que permite la creacion de modelos en los que la variable temporal tiene gran importancia, siendo m
as sencillo implementar este tipo de modelos
con este software que con otros menos especficos para esta tarea.
821
Mapinfo
Mapinfo [93] es un SIG de escritorio completo, con especial atencion a las funcionalidades
de creaci
on y edici
on de datos, y producci
on de cartografa. Es capaz de conectarse a bases de
datos espaciales y posee m
odulos de uso sencillo que permiten la publicacion de cartografa
en Internet, tanto mediante mapas est
aticos como mediante mapas interactivos.
Manifold
Manifold [94] es una aplicaci
on completa que integra las caractersticas princiaples del
SIG de escritorio junto con otras capacidades SIG tales como los servicios de mapas. A
diferencia de otros fabricantes, que disponen de una familia de aplicaciones, Manifold incluye
todas sus funcionalidades en un u
nico programa.
Destaca por su acceso a bases de datos y por su soporte para un n
umero muy elevado
(> 100) de formatos de archivo.
Erdas Imagine
Erdas Imagine [95] es la aplicaci
on de referencia para el manejo de imagenes y el analisis
de estas. Incorpora una larga serie de algoritmos de analisis de imagenes, con especial atenci
on a aquellos que permiten la creaci
on de nuevas capas a partir de imagenes, como por
ejemplo las basadas en clasificaci
on o las de vectorizacion y deteccion de elementos.
Google Earth
Google Earth [4] no es un SIG de escritorio propiamente dicho, ya que carece de gran
parte de las funcionalidades que caracterizan a estos. Se trata basicamente de un globo 3D
que permite visualizar cartografa propia, acceder a servicios WMS y, especialmente, explorar
la cartografa ofrecida por Google, en la cual se incluyen imagenes de alta resolucion de todo
el globo, as como otras capas con informaci
on variada, tales como calles o puntos de interes,
entre otras. Es, con diferencia, el globo 3D m
as popular en la actualidad.
B.3.5.
n Geogra
fica
Sistemas de Informacio
822
B.3.6.
B.4.
La caracterstica m
as destacable del software libre para SIG es su modularidad, un hecho
inherente al propio tipo de software. Ello favorece las interrelaciones entre proyectos, que
se conectan unos con otros y reutilizan elementos de otros proyectos con mucho mayor
frecuencia que en el caso del software privativo, ya que la licencia bajo la que se liberan
as lo permite.
La principal fortaleza de las soluciones libres en el entorno SIG las encontramos en
el acceso a datos, ya que estas presentan una mayor interoperabilidad y respetan en mayor
medida los est
andares. Existen a
un algunas
areas donde las soluciones SIG libres no alcanzan
el nivel de las soluciones privativas, como por ejemplo en lo relativo al procesado de imagenes
y productos de la teledetecci
on. En otras, como por ejemplo las relacionadas con analisis,
encontramos soluciones libres perfectamente capaces de reemplazar a las privativas, mientras
que existen elementos como los clientes Web donde las soluciones libres incluso se muestran
superiores.
Esta parte del anexo se basa en el trabajo publicado por [391]. Cons
ultese esta referencia
para un an
alisis m
as detallado al respecto.
B.4.1.
Una caracterstica fundamental de los servidores de bases de datos geograficas es el cumplimiento de normas est
andar, como por ejemplo la norma Simple Features. Los productos
libres siguen estando en primera lnea en la implementacion de estandares, ofreciendo productos potentes muy enfocados a lograr la mayor interoperabilidad posible. En [373] se puede
ver una comparativa del cumplimiento de este est
andar entre PostGIS (solucion libre que
veremos a continuaci
on) y Oracle Spatial (soluci
on privativa que vimos anteriormente).
823
PostGIS
PostGIS [97] es un m
odulo para la base de datos libre PostgreSQL, desarrollado principalmente por Refractions Research Inc. Este m
odulo proporciona a PostgreSQL la capacidad
no solo de almacenar informaci
on geoespacial y cumplir la norma SFSS, sino de realizar
operaciones de an
alisis geogr
afico.
Se trata de un producto muy difundido, con importantes referencias a nivel mundial [98]
y con un gran abanico de herramientas de todo tipo con acceso a PostGIS. Es, asimismo,
un proyecto muy activo, en continua evoluci
on y con numerosas mejoras previstas.
MySQL
MySQL [99] es la base de datos de mayor exito en aplicaciones Web, pero en la actualidad
no cumple la norma SFSS y puede no considerarse como un verdadero gestor de base de
datos espacial, sino como un mero ((contenedor)) de informacion geografica.
B.4.2.
Servidores
En los u
ltimos a
nos la publicaci
on de informacion geografica en Internet ha sido uno de los
mbitos en los que las aplicaciones libres para SIG han tenido un papel mas notable. Esto se
a
debe a varias razones: los productos comerciales son caros y difciles de manejar, a menudo
imponen a otros la adopci
on de otros productos comerciales (middleware), no funcionan
sobre todos los sistemas operativos, no han adoptado con rapidez las estandarizaciones
promovidas por el OGC, no ofrecen libertad de uso, etc.
Aunque en su mayora son servidores de mapas, tambien encontramos entre las soluciones
libres capacidades para proveer otro tipo de servicios tales como los de procesos.
UMN MapServer
Este proyecto naci
o como unos scripts para ArcInfo que generaban de forma dinamica
impresiones de cartografa para publicar en Web. Inicialmente fue un proyecto financiado
por la NASA, la Universidad de Minnesota y el departamento de recursos forestales de
Minnesota (MNDNR).
Ha evolucionado mucho y en la actualidad se presenta en dos modalidades:
Como ejecutable CGI, es el uso m
as com
un que se le ha dado a este servidor de mapas.
Se trata de un ejecutable que puede ser invocado desde paginas Web para generar de
forma din
amica im
agenes en los formatos mas habituales para la publicacion en Web
(gif, png, etc.).
Como biblioteca. La necesidad de realizar tareas especficas en el lado del servidor
oblig
o a ((exponer)) las funcionalidades de este servidor a diferentes lenguajes de programaci
on para poder realizar tareas con un alto contenido dinamico: consultas especializadas, an
alisis al vuelo, etc.
Las caractersticas por las que destaca este servidor son:
Sencillez de configuraci
on y administraci
on
Plataformas sobre las que puede operar
n Geogra
fica
Sistemas de Informacio
824
Velocidad de acceso a datos
825
52North
La iniciativa 52North [101] ha desarrollado un servidor de procesos que implementa todas
las capacidades y elementos del est
andar WPS 1.0 para servir procesos remotos. Esta completamente desarrollado en Java y ofrece una arquitectura modular tanto en lo que respecta
a los algoritmos como en lo referente a los datos, de forma que permite extender sus capacidades e incorporar nuevos procesos de forma sencilla, as como ampliar el soporte para
distintos tipos y formatos de datos. Puede servir procesos basados en librerias libres (como,
por ejemplo, SEXTANTE) o en aplicaciones propietarias (por ejemplo, las de la familia
ArcGIS de ESRI).
B.4.3.
Herramientas de metadatos
Geonetwork
Este proyecto [102], financiado por la FAOUN (Food and Agriculture Organization
United Nations), se ha convertido en la aplicacion de referencia para la publicacion de
metadatos de informaci
on geogr
afica. Se trata de un catalogo de metadatos que integra las
siguientes aplicaciones:
Editor de metadatos con soporte para los estandares ISO 19115, FGDC y Dublin Core.
Cat
alogo de metadatos para la b
usqueda de informacion geografica en catalogos locales
o remotos.
Servidor de cat
alogo para la publicaci
on de metadatos.
CatMDEdit
CatMDEdit [103] es una herramienta de escritorio que permite la creacion y edicion de
metadatos, conforme a los est
andares ISO 19115, el N
ucleo Espa
nol de Metadatos, Dublin
Core y CSDGM (Content Standard for Digital Geospatial Metadata).
CatMDEdit ha sido desarrollada por el consorcio espa
nol TeiDE [104], formado por la
uni
on de tres Grupos de Trabajo de tres Universidades:
Grupo MERCATOR de Tecnologas de la Geoinformacion de la Universidad Politecnica de Madrid.
Grupo de Sistemas de Informaci
on Avanzados (IAAA) de la Universidad de Zaragoza.
Grupo de Informaci
on Geogr
afica de la Universidad Jaume I de Castellon.
Esta herramienta est
a muy difundida, especial aunque no u
nicamente en el ambito espa
nol.
B.4.4.
Existen muchos representantes de este grupo dentro del software libre. Carecen de las
capacidades productivas de los SIG de escritorio propietarios, y en la gran mayora de casos
se encuentran m
as enfocados al an
alisis o son simples visores de datos con ciertas capacidades
de edici
on y manejo de datos.
n Geogra
fica
Sistemas de Informacio
826
827
Maquetaci
on de mapas
Edici
on avanzada de cartografa
Gesti
on avanzada de sistemas de coordenadas y sistemas de referencia.
Se trata de un proyecto con un crecimiento muy rapido y una gran expansion, alrededor
del cual se desarrolla actualmente gran cantidad de trabajo. La comunidad de usuarios es
amplia y en constante aumento, lo que garantiza el futuro del programa y su utilizacion e
implantaci
on a largo plazo.
El aspecto general del programa puede verse en la figura B.3.
SAGA
SAGA [108] es un SIG de escritorio multiplataforma desarrollado en Alemania y con un
fuerte enfoque hacia el an
alisis de datos geoespaciales. SAGA incluye una amplia serie de
algoritmos y una interfaz de desarrollo que facilita la programacion de nuevas funcionalidades
de an
alisis, siendo esta la mayor potencialidad del programa. Otras capacidades, tales como
la creaci
on de cartografa o la edici
on, se encuentran presentes pero muy poco desarrolladas
y con escasa funcionalidad, evidenciando que el principal objetivo de este software es servir
como herramienta de an
alisis.
En la figura B.4 se muestra una captura de pantalla del programa, mostrando su interfaz
de usuario.
828
n Geogra
fica
Sistemas de Informacio
829
World Wind
WorldWind [109] es un globo 3D promovido por NASA, de similares caractersticas que
Google Earth pero con una orientaci
on mucho mas ((cientfica)) que este. Admite la creacion
de extensiones que amplan sus funcionalidades, y gran n
umero de estas pueden encontrarse
en un repositorio central [110].
Se ofrece adem
as como un componente para aplicaciones, de tal forma que resulta muy
sencillo incorporar sus capacidades dentro de otro software, o incluso desde una pagina Web.
Aunque no dispone de la cartografa de Google Earth, mediante un plugin se puede
adquirir la cartografa servida por Microsoft Live.
Open JUMP
JUMP [111] (Java Unified Mapping Platform) es un GIS de escritorio vectorial (aunque
tambien puede acceder a datos en formato r
aster) con algunas capacidades de analisis espacial y edici
on. JUMP utiliza est
andares en la medida de lo posible y busca fomentar el uso
de estos.
A raz de JUMP surgi
o el proyecto JPP (The JUMP Pilot Project), que pretende coordinar de forma m
as democr
atica las contribuciones de diferentes equipos de desarrollo para
evitar duplicidad de esfuerzos. Como software, OpenJUMP es el resultado principal de este
proyecto, y a
nade a las posibilidades de JUMP algunas como por ejemplo la internacionalizaci
on (OpenJUMP est
a actualmente traducido a numerosos idiomas) o mayor capacidad
para el trabajo con datos r
aster.
Basados en OpenJUMP se han desarrollado numerosos productos derivados, formando
una gran familia de soluciones SIG de escritorio. Una de ellas es Kosmo [112], desarrollada
por la empresa SAIG en Espa
na, con una gran n
umero de funcionalidades adicionales.
uDig
uDig [113] es un proyecto desarrollado por la empresa canadiense Refractions Research
Inc. Tiene como principal objetivo ofrecer un cliente de escritorio que soporte el mayor
n
umero de fuentes de datos tanto locales como remotas, y especialmente las basadas en
protocolos OGC como WMS y WFS.
Se plantea como un producto construido sobre la biblioteca GeoTools (ver mas adelante
en el apartado B.4.6) combinado con las experiencias adquiridas por el proyecto JUMP, con
el cual comparte un origen com
un [439].
Aunque presenta u
nicamente capacidades de analisis y edicion vectorial, el proyecto
JGrass [114] a
nade capacidades r
aster adaptadas desde GRASS (con especial enfasis en
las relacionadas con an
alisis del terreno y similares), as como la posibilidad de ejecutar
operaciones de GRASS desde el propio uDIG. En este sentido, se convierte en una interfaz
amigable para GRASS, de la misma manera que lo es QGIS.
Para concluir esta secci
on, la tabla B.4.4 muestra una comparativa esquematica de los
principales productos de escritorio, tanto libres como propietarios, indicando cuales de las
funcionalidades principales de este tipo de aplicaciones se implementan en cada una de ellas.
B.4.5.
Con la proliferaci
on de Internet, la aparicion de los servidores de mapas se produjo
de forma conjunta a la de aplicaciones Web que exponan los contenidos servidos por estos
n Geogra
fica
Sistemas de Informacio
Idrisi
E.Imagine
Manifold
Geomedia
G.Earth
GRASS
SAGA
O.JUMP
uDig
gvSIG
QGIS
Lectura r
aster
Lectura vectorial
Escritura r
aster
Escritura vectorial
Conexi
on BBDD
Edici
on vectorial
An
alisis vectorial
An
alisis r
aster
Servicios mapas
Datos remotos
ArcGIS
830
831
MapBuilder
MapBuilder [117] es un potente cliente Web con soporte para los estandares OGC WMS,
WFS(T) y SLD. Soporta asimismo GeoRSS y es capaz de utilizar cartografa de Google
Maps. Es f
acilmente extensible y su interfaz es amigable y sencilla de utilizar. MapBuilder
destaca por los cuidados detalles de documentacion, patrones de dise
no y metodologas de
desarrollo y gesti
on utilizadas.
La versi
on actual es 1.5. Pese al avanzado estado de desarrollo y la gran cantidad de
funcionalidades, sus responsables anunciaron tras la liberacion de esta version que no continuar
an el desarrollo del programa.
B.4.6.
GDAL/OGR
GDAL (Geospatial Data Abstraction Library) [118]) es una biblioteca y un conjunto
de utilidades de lnea de comandos para la traduccion de formatos raster geoespaciales,
soportada en una amplia gama de plataformas.
Actualmente GDAL es la biblioteca de acceso a datos geospaciales raster referente no solo
en el panorama del software libre, sino tambien en software propietario, ya que es empleada
por la gran mayora de los grandes proyectos, tales como ArcGIS, Google Earth, MapServer,
gvSIG o GRASS, entre otros.
GDAL es un proyecto que contiene un subproyecto conocido como OGR (OGR Simple
Features Library). OGR es una biblioteca de acceso y un conjunto de utilidades de lnea de
comandos para acceso de lectura (y en algunas ocasiones de escritura) a formatos de ficheros
vectoriales.
Tanto GDAL como OGR son proyectos bastante activos que van incorporando nuevas
caractersticas de manera continua.
832
n Geogra
fica
Sistemas de Informacio
Proj4
Proj4 [119] es una biblioteca de gesti
on de proyecciones cartograficas surgida como una
reprogramaci
on de antiguas utilidades del USGS. PROJ4 se utiliza fundamentalmente para
funciones de reproyecci
on entre diferentes sistemas de coordenadas o referencia.
Al igual que GDAL, Proj4 es una biblioteca de referencia dentro del panorama del
software libre para sistemas de informaci
on geogr
afica, siendo el motor de reproyeccion de
los principales proyectos existentes (GDAL, MapServer, PostGIS, GRASS, etc.).
GeoTools
GeoTools [120] es una biblioteca para la manipulacion de informacion geospacial, dirigido
a ser utilizado en otras aplicaciones tanto servidoras como clientes. Con mas de diez a
nos
de experiencia, proporciona los componentes b
asicos de acceso a datos necesarios para la
construcci
on de otras aplicaciones SIG tales como soluciones de escritorio o servidores.
Geotools ofrece acceso a numerosos formatos de datos vectoriales (Shapefiles, PostGIS,
MySQL, Oracle, etc.) y r
aster (GeoTIFF, ArcGrid, ...), as como el cumplimiento de varias
especificaciones OpenGIS (WFS, SLD, Filter Encoding, ...).
GeoTools es la base de otros proyectos, destacando principalmente GeoServer y uDig.
FDO
FDO es el otro gran proyecto aportado por Autodesk al unirse al mundo del software
libre. Se trata de una biblioteca de acceso a datos vectoriales y raster utilizada por MapGuide
Open Source. Coincide en objetivos con la biblioteca OGR al pretender establecer una
capa de abstracci
on sobre diferentes formatos de datos. Dispone de diferentes providers
(se denominan as los software que pueden servir como proveedores de datos para esta
biblioteca), como ArcSDE, Oracle o incluso la propia GDAL.
SEXTANTE
SEXTANTE (Sistema EXTreme
no de AN
alisis TErritorial) [121] es una librera de geoprocesos desarrollada en Java que actualmente cuenta con mas de 280 algoritmos distintos
que cubren la pr
actica totalidad de
areas dentro del analisis geoespacial. Es empleada por los
principales proyectos libres tambien desarrollados en Java, tales como gvSIG, OpenJUMP
o uDig, para incorporar funcionalidades de an
alisis, tanto de datos raster como vectoriales.
Cuenta, asimismo, con componentes gr
aficos que facilitan el uso de los algoritmos, y que
pueden igualmente reutilizarse e incorporarse con sencillez a una u otra aplicacion gracias a
su arquitectura.
Adem
as de los SIG de escritorio, otras aplicaciones SIG hacen uso de SEXTANTE, como
pueden ser los servidores de procesos que implementan el estandar WPS, como por ejemplo
el desarrollado por 52N.
ndice C
Ape
Sobre la preparaci
on de este libro
Puesto que este es un libro libre, tienes a tu disposicion no solo la version lista para leer
(ya sea en un archivo PDF o en una copia impresa), sino tambien el formato editable sobre
el que yo he trabajado para crearlo. En caso de que desees editarlo o aprovecharlo de alg
un
modo, aqu tienes algo de informaci
on adicional acerca de como he creado este libro que
quiz
as te resulte de ayuda. Todo el software que he empleado es libre, por lo que puedes
descargarlo de Internet y usarlo sin restricciones (aunque algunos de estos programas solo
funcionan sobre el sistema operativo Windows, que no lo es).
Para preparar el libro, he utilizado el sistema de composicion de textos LATEX. Las fuentes
en formato LATEX, as como todas las im
agenes y ficheros adicionales necesarios, las puedes
descargar del siguiente repositorio SVN, usando un cliente SVN cualquiera.
https://svn.forge.osor.eu/svn/sextante/trunk/docs/LaTeX/es/LibroSIG
He empleado TeXnic Center como entorno LATEX. Encontraras junto a esas fuentes un
fichero llamado Libro SIG.tcp con un proyecto de TeXnic Center que puedes abrir directamente.
Las figuras, siempre que esto es posible, est
an en formato vectorial. Las he creado usando
Inkscape y est
an almacenadas en formato SVG de Inkscape. Las restantes figuras estan
almacenadas como im
agenes en formato PNG. En aquellas figuras que muestran mapas o
resultados de an
alisis dentro de un SIG, los an
alisis y operaciones correspondientes, as como
la creaci
on de la representaci
on en s, han sido realizados empleando los SIG SAGA y gvSIG.
La bibliografa en formato BibTeX la encontraras en el fichero Libro SIG.bib. Para
gestionarla te recomiendo el excelente JabRef.
Quiero agradecer a todos los desarrolladores de estas aplicaciones su fantastico trabajo.
Sin su software, sacar adelante este libro habra sido, sin duda, mucho mas difcil y costoso.
834
n Geogra
fica
Sistemas de Informacio
Bibliografa
[1] http://www.gis.com/whatisgis/index.html.
[2] http://gislounge.com/the-components-of-gis-evolve.
[3] http://maps.google.com.
[4] http://earth.google.com.
[5] www.epsg.org.
[6] http://es.wikipedia.org/wiki/Continuidad_(matematica).
[7] http://www.pucp.edu.pe/biblioteca/docs/elibros_pucp/medina_hugo/Medina_
Fisica2_Cap3.pdf.
[8] http://es.wikipedia.org/wiki/Ley_de_Stefan-Boltzmann.
[9] http://landsat7.usgs.gov/index.php.
[10] http://www.ccrs.nrcan.gc.ca/resource/tutor/gsarcd/downldss_e.php.
[11] http://www.geoeye.com/products/imagery/ikonos/default.htm.
[12] http:/www.spotimage.fr.
[13] http://www.digitalglobe.com/about/quickbird.html.
[14] http://edcdaac.usgs.gov/dataproducts.asp.
[15] http://www.space.gc.ca/asc/eng/satellites/radarsat1.
[16] http://earth.esa.int/ers/satconc/satconc2.html.
[17] http://seamless.usgs.gov.
[18] http://www2.jpl.nasa.gov/srtm.
[19] http://www.marine.csiro.au/csquares/.
[20] http://en.wikipedia.org/wiki/Geocoding.
[21] http://www.spotimage.fr/web/en/807-spot-3d.php.
[22] http://www.cartesia.org/article.php?sid=222.
[23] http://grass.itc.it/gdp/grass5tutor/HTML_en/c815.html.
836
n Geogra
fica
Sistemas de Informacio
[24] http://es.wikipedia.org/wiki/Sistema_de_posicionamiento_global.
[25] http://www.trimble.com/gps/index.shtml.
[26] http://www.how-gps-works.com/.
[27] http://www.openstreetmap.org.
[28] http://www.usace.army.mil/publications/eng-manuals/em1110-1-1003/c-9.
pdf.
[29] http://ocw.uoc.edu/informatica-tecnologia-y-multimedia/bases-de-datos/
materiales/.
[30] http://www.oei.eui.upm.es/Asignaturas/BD/DYOBD/ERE_texto.pdf.
[31] Disponible en http://es.wikipedia.org/wiki/Normalizaci%C3%B3n_de_bases_
de_datos.
[32] http://www.colimbo.net/documentos/documentacion/208/Tutorial_SQL_
basico.pdf.
[33] http://www.mat.uniroma2.it/~nardelli/publications/ICCI-93.pdf.
[34] www.spatial.maine.edu/~max/SSQL.pdf.
[35] http://www-users.itlabs.umn.edu/classes/Spring-2006/csci4707/B+Trees.
pdf.
[36] http://www.cimec.org.ar/twiki/pub/Cimec/ComputacionGrafica/
Rasterizacion.pdf.
[37] http://spatial-analyst.net/pixel.php.
[38] http://en.wikipedia.org/wiki/HSL_color_space.
[39] http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Morpholo.html.
[40] http://wgpi.tsc.uvigo.es/libro/procesim/procesim.htm.
[41] http://www.personal.us.es/almar/docencia/practicas/triangulaciones/
tema4.html.
[42] http://www.cs.cornell.edu/Info/People/chew/Delaunay.html.
[43] http://users.utu.fi/harju/graphtheory/graphtheory.pdf.
[44] http://www.emis.de/monographs/Diestel/en/GraphTheoryII.pdf.
[45] http://www.tsp.gatech.edu/index.html.
[46] http://www.sectormatematica.cl/librosmat/algebra_lineal.pdf.
[47] http://recursos.gabrielortiz.com/art.asp?Info=062a.
[48] http://www.w3.org/Addressing/URL/url-spec.txt.
BIBLIOGRAFIA
[49] http://www.adaptivepath.com/ideas/essays/archives/000385.php.
[50] http://www.guiarepsol.com.
[51] http://maps.google.com/help/maps/casestudies/.
[52] http://inspire.jrc.ec.europa.eu/.
[53] http://www.idee.es.
[54] http://www.fgdc.gov/metadata.
[55] http://www.datafinder.org/metadata/orthos1997.htm.
[56] http://www.state.nj.us/dep/gis/digidownload/metadata/statewide/
placenam04.htm.
[57] http://perens.com/OpenStandards/Definition.html.
[58] thhp://www.opengeospatial.org.
[59] http://www.iso.org/iso/home.html.
[60] http://www.isotc211.org/pow_all.htm.
[61] http://www.w3c.es/.
[62] http://en.wikibooks.org/wiki/XML_-_Managing_Data_Exchange.
[63] http://www.opengeospatial.org/standards/sfs.
[64] http://www.opengeospatial.org/standards/gml.
[65] http://www.opengeospatial.org/standards/wfs.
[66] http://www.opengeospatial.org/standards/filter.
[67] http://www.opengeospatial.org/standards/wms.
[68] http://www.opengeospatial.org/standards/sld.
[69] http://www.w3.org/Graphics/SVG/.
[70] http://www.opengeospatial.org/standards/wmc.
[71] http://news.bbc.co.uk/2/hi/europe/4267238.stm.
[72] http://www.gisdevelopment.net/application/index.htm.
[73] http://www.amath.washington.edu/~rjl/pubs/am58X/amath58X05.pdf.
[74] http://edgcm.columbia.edu/.
[75] http://www.brc.tamus.edu/swat/avswat.html.
[76] http://schuelaw.whitman.edu/JavaApplets/ForestFireApplet.
837
838
n Geogra
fica
Sistemas de Informacio
[77] http://www.umass.edu/landeco/research/fragstats/documents/Metrics/
Metrics%20TOC.htm.
[78] http://www.cs.princeton.edu/~schapire/maxent/.
[79] http://www.nhm.ku.edu/desktopgarp/.
[80] http://www.diva-gis.org/.
[81] http://gis.co.cascade.mt.us/Website/WindSpeed.pdf.
[82] http://www.bioingenieria.edu.ar/academica/catedras/metestad/Cadenas%
20de%20Markov-1.pdf.
[83] http://www.vub.ac.be/EWGLA/literature.htm.
[84] http://www.gnu.org/philosophy/free-sw.es.html.
[85] http://www.es.gnu.org/modules/content/index.php?id=8.
[86] http://www.microsoft.com/spain/sql/2008/default.aspx.
[87] http://www-01.ibm.com/software/data/spatial/db2spatial/.
[88] http://www.oracle.com/technology/products/spatial/index.html.
[89] http://www.esri.com.
[90] http://www.intergraph.com.
[91] http://www.clarklabs.org/.
[92] http://pcraster.geo.uu.nl/.
[93] http://www.pbinsight.com/products/location-intelligence/applications/
mapping-analytical/mapinfo-professional.
[94] http://www.manifold.net/index.shtml.
[95] http://www.erdas.com.
[96] http://www.safe.com.
[97] http://postgis.refractions.net/.
[98] http://postgis.refractions.net/documentation/casestudies.
[99] http://www.mysql.com/.
[100] http://geoserver.org.
[101] http://52north.org/.
[102] http://www.fao.org/geonetwork/srv/en/main.home.
[103] http://catmdedit.sourceforge.net/.
BIBLIOGRAFIA
839
[104] http://atlastenerife.es/.
[105] http://grass.itc.it/.
[106] http://www.qgis.org.
[107] http://www.gvsig.org/web/.
[108] http://www.saga-gis.org.
[109] http://worldwind.arc.nasa.gov/java/.
[110] http://worldwindcentral.com/wiki/Main_page.
[111] http://www.openjump.org/.
[112] http://www.opengis.es/.
[113] http://udig.refractions.net/.
[114] http://www.jgrass.org.
[115] http://www.cartoweb.org.
[116] http://www.mapbender.org.
[117] http://communitymapbuilder.org/.
[118] http://www.gdal.org.
[119] http://trac.osgeo.org/proj/.
[120] http://geotools.org/.
[121] http://www.sextantegis.com.
[122] Fragstats
landscape
metrics.
http://iale.org.uk/files/pdfs/
Fragstats-Landscape-Metrics-Considerations.pdf.
[123] Iso 19112:2003 geographic information - spatial referencing by geographic identifiers.
http://www.iso.org/iso/catalogue_detail.htm?csnumber=26017.
[124] Une-en-iso 8402 gesti
on de la calidad y aseguramiento de calidad.vocabulario (iso
8402:1994). Technical report, AENOR, 1995.
[125] Dod world geodetic system 1984, its definition and relationship with local geodetic
systems. Technical report, National Imagery and Mapping Agency, 1997.
[126] Information science: definition and scope. In J. Williams and Carbo T., editors, Information Science: Still an Emerging Discipline. Cathedral Publishing, 1997.
[127] Severn tidal tributaries catchment flood management plan scoping stage. Technical
report, UK: Environment Agency., 2005.
[128] R. K. Ahuja, T. L. Magnanti, and J. B. Orlin. Network Flows: Theory, Algorithms
and Applications. 1993.
840
n Geogra
fica
Sistemas de Informacio
BIBLIOGRAFIA
841
[142] P. Arrighi and P. Soille. From scanned topographic maps to digital elevation models.
In Proceedings of Geovision 99, 1999. Disponible en http://citeseerx.ist.psu.
edu/viewdoc/download?doi=10.1.1.20.2009&rep=rep1&type=pdf.
[143] K.O. Asante. Approaches to Continental Scale River Flow Routing. PhD thesis,
University of Texas, 2000. Disponible en http://repositories.lib.utexas.edu/
handle/2152/6800.
[144] L. Asenjo. Fundamentos para la realizaci
on de levantamientos mediante el sistema
GPS. E.T.S.C.G.T. Universidad Politecnica de Valencia, 1997.
[145] B.W. Avery. Soil survey methods: a review. technical monograph no. 18. Technical
report, Soil Survey & Land Resource Centre, Silsoe., 1987.
[146] B. M. Ayyub. Elicitation of Expert Opinions for Uncertainty and Risks,. CRC Press,
2001.
[147] R. Bachi. Standard distance measures and related methods for spatial analysis. Papers,
Regional Science Association, 10:83132., 1963.
[148] J.A. B
aguena. El geomarketing y los sistemas de informacion para la toma de decisiones. Mapping interactivo, 26, 1995. Disponible en http://www.mappinginteractivo.
com/plantilla-ante.asp?id_articulo=1098.
[149] A. Bannari, A. R. Huete, D. Morin, and Zagolski. Effets de la couleur et de la brillance du sol sur les indices de vegetation. International Journal of Remote Sensing,
17(10):18851906, 1996.
[150] V. Barnett and T. Lewis. Outliers in Statistical Data. Wiley, 1995.
[151] E. Batchelet. Circular statistics in biology. Academic Press., 1981.
[152] R. Bayer and E. M. McCreight. Organization and maintenance of large ordered indices. Acta Informatica, 1:173189, 1972. Disponible en http://infolab.usc.edu/
csci585/Spring2010/den_ar/indexing.pdf.
[153] D.B. Beasley and L.F Huggins. ANSWERS: Users manual. U.S. EPA-905/9-82-001.
U.S. EPA, Chicago, IL, 1982.
[154] A. Beaulieu. Aprende SQL. Anaya, 2003.
[155] J.A. Bendiktsson, P.H. Swain, and O.K. Ersoy. Neural network approaches versus
statistical methods on classification of multisource remote sensing data. IEEE Trans.
Geosci. Remote Sensing, 28(4):540552, 1990. Disponible en http://notendur.hi.
is/~benedikt/neuralvsstat.pdf.
[156] J. K. Berry. Beyond Mapping: Concepts, Algorithms, and Issues in GIS. John Wiley
& Sons, 1996.
[157] J. Bertin. Cartes et figures de la Terre. Ed. G. Pompidou, 1987.
[158] K.J. Beven and M.J. Kirkby. A physically based, variable contributing area model
of basin hydrology. Hydrological Sciences Bulletin, 24(1):4369, 1979. Disponible en
http://iahs.info/hsj/240/hysj_24_01_0043.pdf.
842
n Geogra
fica
Sistemas de Informacio
[159] G.F. Biftu and T.Y. Gan. Semidistributed, physically based, hydrologic modelling
of the paddle river basin, alberta, using remotely sensed data. Journal of Hydrology,
244(3-4):137156, 2001.
[160] H. Bonneval. Photogrammetrie Generale. Editions Eyrolles, 1972.
[161] G. Borgefors. Distance transformation in digital images. Computer vision, graphics
and image processing, 34:344371, 1986.
[162] Edward H. Bosch. Texture information and supervised classification of hyperspectral
imagery by means of neural networks. In Proceedings GeoComputation 1999, 1999.
[163] J. Bosque Sendra. Sistemas de Informaci
on Geogr
afica y localizaci
on de instalaciones
y equipamientos. RaMa, 2004.
[164] J. Bosque Sendra, M. G
omez Delgado, and F. Palm. Un nuevo modelo para localizar instalaciones no deseables: ventajas derivadas de la integracion de modelos de
localizaci
onasignaci
on y sig. Cuadernos Geogr
aficos, 39:5368, 2006. Disponible en
http://redalyc.uaemex.mx/pdf/171/17103904.pdf.
[165] A. R. Boyle, J. Dangermond, D. F. Marble, D. S. Simonett, L. K. Smith, and R. F.
Tomlinson. Final report of a conference on the review and synthesis of problems
and directions for large scale geographic information system development. Technical
report, National Aeronautics and Space Administration, 1983.
[166] L. Breiman, F. Friedman, R. Olshen, and C. Stone. Classification and regression trees.
Wadsworth and Brooks., 1984.
[167] J. E Bresenham. Algorithm for computer control of a digital plotter. IBM Systems
Journal, 4:2530, 1965.
[168] A. J. Brimicombe. Gis - where are the frontiers now? In Proceeding GIS 2002, pages
3345, 2002.
[169] J. N. Brito and L. Coelho. Fotogrametria Digital. Instituto Militar de Engenharia,
2002. Disponible en http://www.efoto.eng.uerj.br/en:ebook.
[170] A.J. Broscoe. Quantitative analysis of longitudinal stream profiles of small watersheds.
Technical report, Office of Naval Research, Project NR 389-042, Technical Report No.
18, Department of Geology, Columbia University, 1959.
[171] P. Brunet and LL. Perez Vidal. Smooth contour line construction with spline interpolation. Questiio, 8(3):133144, 1984. Disponible en http://www.raco.cat/index.
php/Questiio/article/viewFile/26441/26275.
[172] A. Buchmann, O. Gunther, T.R. Smith, and Y.-F. Wang. Design and Implementation
of Large Spatial Databases. Number 409 in Unit Notes in Computer Science. 1990.
[173] P.A. Burrough. Principles of Geographic Information Systems for Land Resource Assessment. Monographs on Soil and Resources Survey No. 12. Oxford Science Publications, New York, 1986.
BIBLIOGRAFIA
843
[174] P.A. Burrough, P.F.M. van Gaans, and R. A. MacMillan. High resolution landform
classification using fuzzy-k-means. Fuzzy Sets and Systems, 113(1):3752, 2000.
[175] J.R. Busby. Bioclimate prediction system (bioclim). users manual version 2.0. Australian Biological Resources, 1986.
[176] G. F. Byne, P. F. Crapper, and K. K. Mayo. Monitoring land-cover change by principal
component analysis of multitemporal landsat data. Remote Sensing of Environment,
10:175184, 1980.
[177] D R. Caldwell. Extending map algebra with flag operators. In Proceedings GeoComputation 2000, 2000. Disponible en http://www.geocomputation.org/2000/
GC007/Gc007.htm.
[178] G. Camara, D. Palomo, and R.C. Souza. Towards a generalized map algebra: principles
and data types. In Proceeding VII Simposio Brasileiro de GeoInformatica., 2005.
Disponible en http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.92.
1932.
[179] W. J. Carper, T. M. Lillesand, and R.W. Kieffer. The use of intensity-hue-saturation
transformations for merging spot panchromatic and multispectral image data. Photogrammetric Engineering and Remote Sensing,, 56:459467, 1990.
[180] G. Castilla. Object-oriented analysis of remote sensing images for land cover mapping:
conceptual foundations and a segmentation method to derive a baseline partition for
classification. PhD thesis, Universidad Politecnica de Madrid. Escuela Superior de
Ingenieros de Montes, 2003. Disponible en http://www.montes.upm.es/Servicios/
biblioteca/tesis/GCastillaTD_Montes.pdf.
[181] J. Chen. A raster-based method for computing voronoi diagrams of spatial objects
using dynamic distance transformation. Journal of Geographical Information Science,
13(3):209225, 2001.
[182] Y. Chen, R. Wang, and J. Qian. Extracting contour lines from common-conditioned topographic maps. IEEE Transactions on Geoscience and Remote Sensing, 44(4):1048
1057, 2006.
[183] Z. Chen and J.A. Guevara.
Systematic selection of very important points (vip) from digital terrain models for construction triangular irregular networks.
In Proceedings AutoCarto 8, pages 5056,
1987.
Disponible en http://mapcontext.com/autocarto/proceedings/
auto-carto-8/pdf/systematic-selection-of-very-important-points(VIP)
-from-digital-terrain-models.pdf.
[184] D. Cheriton and R. E. Tarjan. Finding minimum spanning trees. SIAM J. Computing,
5:724742, 1976.
[185] R.J.f Chorley. Spatial Analysis in Geomorphology. Methuen, 1972.
[186] V.T Chow, D.R. Maidment, and L.W. Mays. Applied Hydrology. McGraw-Hill, 1988.
844
n Geogra
fica
Sistemas de Informacio
[187] N. Chrisman.
Error in categorical maps: Testing versus simulation.
In Proceedings, AutoCarto 9, pages 521529, 1989.
Disponible
en
http://mapcontext.com/autocarto/proceedings/auto-carto-9/pdf/
error-in-categorical-maps-testing-versus-simulation.pdf.
[188] E. Chuvieco. Fundamentos de teledetecci
on espacial 3 ed. Ediciones Rialp, 1996.
[189] E. Chuvieco and M.P Martin. Global fire mapping and fire danger estimation using
avhrr images. Photogrammetric Engineering And Remote Sensing, 60, 1990.
[190] A.D. Cliff and JK Ord. Spatial Autocorrelation. Pion, 1973.
[191] W. Clinton. Executive order 12906: Coordinating geographic data acquisition and access: The national spatial data infrastructure. Federal Register, 59:1767117674, 1994.
Disponible en http://www.fgdc.gov/publications/documents/geninfo/execord.
html.
[192] E.F. Codd. A relational model of data for large shared data banks. Communications
of the ACM, 13(6):377387, 1970.
[193] J. P. Cole and C. A. M. King. Quantitative Geography. John Wiley & Sons, 1968.
[194] O. Conrad. SAGA - Entwurf, Funktionsumfang und Anwendung eines Systems f
ur
Automatisierte Geowissenschaftliche Analysen. PhD thesis, University of Goettingen,
2007. Disponible en http://webdoc.sub.gwdg.de/diss/2007/conrad/conrad.pdf.
[195] M. Costa-Cabral and S.J. Burges. Digital elevation model networks (demon): a model
of flow over hillslopes for computation of contributing and dispersal areas. Water
Resources Research, 30(6):16811692, 1994.
[196] H. Couclelis. People manipulate objects (but cultivate fields): beyond the raster-vector
debate in gis. In Frank A. U., I. Campari, and U. Formentini, editors, Theories and
Methods of Spatio-Temporal Reasoning in Geographic Space, vol. 639, Lecture Notes
in Computer Science, pages 6577. Springer-Verlag, 1992.
[197] D. R. Cox and V. Isham. Point Processes. Chapman & Hall, 1980.
[198] M. Craglia. Inspire:the european spatial data infrastructure. In INSPIRE Conference
2009, 2009.
[199] M. Craglia and M. Campagna. Advanced regional sdi in europe: Comparative costbenefit evaluation and impact assessment perspectives. International Journal of Spatial
Data Infrastructures Research, 5:145167, 2010. Disponible en http://ijsdir.jrc.
ec.europa.eu/index.php/ijsdir/article/viewFile/166/242.
[200] N.A.C. Cressie. Statistics for spatial data. John Wiley & Sons, 1991.
[201] M. Culebro, W. Gomez, and S. Torres. Software libre vs software propietario. Ventajas
y desventajas. 2006. Disponible en http://www.softwarelibre.cl/drupal//files/
32693.pdf.
[202] P. Curran. Principles of remote sensing. Longman, 1989.
BIBLIOGRAFIA
845
[203] C.J. Date. An introduction to database systems. Addison Wesley, 2nd edition, 1986.
[204] F. David and P. Moore. Notes on contagious distributions in plant populations. Annals
of Botany, 18:4753, 1954.
[205] C. A. Davis, F. T. Fonseca, and K. A. V. Borges. A flexible addressing system for approximate geocoding. In V Brazilian Symposium on GeoInformatics, 2003. Disponible
en http://www.geoinfo.info.
[206] B. Delaunay. Sur la sph`ere vide. Otdelenie Matematicheskikh i Estestvennykh Nauk,
8:793800, 1934.
[207] A. Dey. Understanding and using context. Personal and Ubiquitous Computing, 5(1):4
7, 2001. Disponible en http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.
1.1.31.9786.
[208] B. Diaz and S. Bell. Spatial Data Processing using Tesseral Methods. Natural Environment Research Council, Reading, UK, 1986.
[209] R. Diener. Information science: What is it?...what should it be? Bulletin of ASIS,
June/July:1721, 1989.
[210] E. W. Dijkstra. A note on two problems in connexion with graphs. Numerische
Mathematik, 1:269271, 1959.
[211] E.E. Dikau, R. Brabb and R.M Mark. Landform classification of New Mexico by
computer. U.S. Dept Interior, U.S. Geological Survey., 1991.
[212] R. Dikau. The application of a digital relief model to landform analysis in geomorphology. In J. Raper, editor, Three Dimensional Applications in Geographical Information
Systems, pages 5177. Taylor & Francis, London, 1989.
[213] K. P. Donnelly. Simulations to determine the variance and edge efect of total nearest
neighbour distance. In I. Hodder, editor, Simulation Studies in Archaeology, pages
9195. Cambridge University Press, 1978.
[214] D. H. Douglas. Least-cost path in gis using an accumulated cost surface and slope
lines. Cartographica, 31:3751., 1994.
[215] D.H. Douglas and T.K. Peucker. Algorithms for the reduction of the number of points
required to represent a line or its character. The American Cartographer, 10(2):112
123, 1973.
[216] J. Douglas. Clustering and aggregation. Sankhya, 37:398417., 1975.
[217] M. R. Dunlavey. Efficient polygon-filling algorithms for raster displays. ACM Trans.
Graph., 2(4):264273, 1983.
[218] N. Dyn, D. Levin, and S. Rippa. Data dependent triangulation for piecewise interpolation. IMA Journal of Numerical Analysis, 10(1):137154, 1990.
[219] K.D. Eason. Planning for change: Introducing a geographical information system.
In H. M. Medyckyj-Scott, D.J.;Hearnshaw, editor, Human Factors in Geographical
Information Systems, pages 199209. Belhaven, 1994.
846
n Geogra
fica
Sistemas de Informacio
in
en
BIBLIOGRAFIA
847
[234] J. Fairfield and P. Leymarie. Drainage networks from grid digital elevation models.
Water Resources Research, 27(5):709717, 1991.
[235] A. Fall and D.G. Morgan. Ecological soil moisture prediction models. Technical report,
Research Branch. BC Ministry of Forests. Smithers, BC., 2000.
[236] A. Felicsimo. Parametric statistical method for error detection in digital elevation
models. ISPRS Journal of Photogrammetry and Remote Sensing, 49(4):2933, 1994.
[237] A.M. Felicsimo. Modelos digitales del terreno. Introducci
on y aplicaciones en las
ciencias ambientales. Pentalfa Ediciones, 1994. Disponible en http://www.etsimo.
uniovi.es/~feli/pdf/libromdt.pdf.
[238] G
omez Felicsimo, A.M., A., and J. Mu
noz. Potencial distribution of forest species in
dehesas of extremadura (spain). Sustainability of Agrosilvopastoral Systems -Dehesa,
Montados-, pages 231246, 2005.
[239] R. Finkel and J.L. Bentley. Quad trees: A data structure for retrieval on composite
keys. Acta Informatica, 4(1):19, 1974.
[240] N. I. Fisher. Statistical analysis of circular data. Cambridge University Press., 1993.
[241] P.F. Fisher. Geographical Information Systems: Principles and technical issues, chapter Models of uncertainty in spatial data, pages 191205. John Wiley & Sons, 1999.
[242] J.D. Foley, A. van Dam, S.K. Feiner, and J.F. Hughes. Computer graphics: principles
and practice. Addison-Wesley Publishing Company, Inc, 1997.
[243] G. M. Foody. Approaches for the production and evaluation of fuzzy land cover
classifications from remotely sensed data. Int. J. Remote Sensing, 17(7):13171340,
1996.
[244] Kenneth E. Foote and Donald J. Huebner. Error, accuracy, and precision. http:
//www.colorado.edu/geography/gcraft/notes/error/error.html, 2000.
[245] T.W. Foresman. The history of Geographic Information Systems. Prentice Hall, 1998.
[246] E. Forgy. Cluster analysis of multivariate data: Efficiency vs. interpretabilityof classifications. Biometrics, 21:768, 1965.
[247] R. T. T. Forman. An ecology of the landscape. Bioscience, 33:535, 1983.
[248] Steven Fortune. Computing in Euclidean Geometry, chapter Voronoi Diagrams and
Delaunay Triangulations, pages 193233. Lecture Notes Series on Computing. World
Scientific, 1992.
[249] Federal Geographic Data Commitee. National Geodata Policy Forum, editor. Present and emerging U.S. policies governing the development, evolution, and use of the
National Spatial Data Infrastructure : summary report. Federal Geographic Data Committee, U.S. Geological Survey, 1993.
[250] G.R. P Foster. Process-based modelling of soil erosion by water on agricultural land.
John Wiley and Sons, 1990.
848
n Geogra
fica
Sistemas de Informacio
[251] A.S. Fotheringham, C. Brunsdon, and M.E. Charlton. Geographically Weighted Regression: The Analysis of Spatially Varying Relationships. Wiley, 2002.
[252] R.J. Fowler and J.J. Little. Automatic extraction of irregular network digital terrain
models. Computer Graphics, 13:199207, 1979.
[253] A.U. Frank and D.M. Mark. Geographical Information Systems: Principles and Applications, chapter Language issues for GIS, pages 147163. Longmans, 1991.
[254] C. Freksa. Cognitive and linguistic aspects of geographic space, chapter Qualitative
Spatial Reasoning. Kluwer, 1991.
[255] T. Fung and E. LeDrew. Application of principal component analysis to change detection. Photogrammetric Engineering and Remote Sensing, 53(12):16491658, 1987.
[256] K.R. Gabriel and R.R. Sokal. A new statistical approach to geographic variation
analysis. Systematic Zoology, 18:259278, 1969.
[257] J.C. Gallant and J.P. Wilson. Tapes-g: a grid-based terrain analysis program for the
environmental sciences. Computers & Geosciences, 22(7):713722, 1996.
[258] G. Gallo and S. Pallottino. Shortest paths algorithms. Annals of Operations Research,
13:379, 1988.
[259] J. Garbrecht and L. W. Martz. The assignment of drainage direction over flat surfaces
in raster digital elevation models. Journal of Hydrology, 193(1-4):204213, 1997.
[260] Jose Luis Lerma Garca. Fotogrametra Moderna: Analtica y Digital. Universidad
Politecnica de Valencia., 2002.
[261] L. Garrote and R.L. Bras. A distributed model for realtime flood forecasting using
digital elevation models. Journal of Hydrology, 167:279306, 1995.
[262] A. Gatrell. Distance and space: a geographical perspective. Clarendon Press, 1983.
[263] R. Geary. The contiguity ratio and statistical mapping. The Incorporated Statistician,
5:115145, 1954.
[264] A. Getis and J.K. Ord. The analysis of spatial association by use of distance statistics.
Geographical Analysis, 24:189206, 1992.
[265] M.A. Gilabert, J Gonzalez-Piqueras, and J. Garcia-haro. Acerca de los indices de
vegetacion. Revista de Teledeteccion, 8, 1997. Disponible en http://www.aet.org.
es/revistas/revista8/AET8_4.pdf.
[266] J. Glasa and L. Halada. Envelope theory and its application for a forest firefront evolution. Journal of Applied Mathematics, Statistics and Informatics, 3, 2007. Disponible en http://www.ucm.sk/FPV/jamsi/docs/v03n01_10_2007/v03n01_03_Glasa_
Halada.pdf.
[267] D. G
omez, M. de la Calle, V. Toboso, and Raquel Martnez. Uso de comet (reverse
ajax) en los sig. prototipo de sig colaborativo. In II Jornadas de SIG Libre. Girona,
2008. Disponible en http://www.sigte.udg.es/jornadassiglibre/uploads/file/
Comunicaciones/2.pdf.
BIBLIOGRAFIA
849
[268] M. G
omez Delgado and J. Bosque Sendra. Aplicacion de analisis de incertidumbre
como metodo de validaci
on y control del riesgo en la toma de decisiones. GeoFocus,
4:179208, 2004. Disponible en http://geofocus.rediris.es/docPDF/Articulo9_
2004.pdf.
[269] R. C. Gonzales and R. E. Woods. Digital Image Processing. 1993.
[270] M. Goodchild. Citizens as sensors: the world of volunteered geography. http://www.
esf.edu/nysgisconf/2008/Goodchild_VGI2007.pdf, 2007.
[271] M. Goodchild and R. Haining. Gis and spatial data analysis: Converging perspectives.
Journal of Economics, 83(1):363385, October 2003. Disponible en http://ideas.
repec.org/a/kap/jeczfn/v83y2003i1p363-385.html.
[272] M. F. Goodchild. Integrating gis and remote sensing for vegetation analysis and
modelling: methodological issues. J. Veg. Sci., 5:61526, 1994.
[273] M. F. Goodchild. What is geographic information science? ncgia core curriculum
in giscience. http://ncgia.ucsb.edu/giscc/u002/u002.html, 1997. Disponible en
http://www.ncgia.ucsb.edu/giscc/.
[274] M.F. Goodchild. Citizens as voluntary sensors: Spatial data infraestructure in the
world of web 2.0. International Journal of Spatial Data Infraestructures Research,
2:2432, 2007. Disponible en http://citeseerx.ist.psu.edu/viewdoc/summary?
doi=10.1.1.162.2017.
[275] M.F. Goodchild and K.K. Kemp. Ncgia core curriculum in gis, 1990. Disponible en
http://www.ncgia.ucsb.edu/giscc/.
[276] P. Goovaerts. Geostatistics for Natural Resources Evaluation (Applied Geostatistics).
Oxford University Press, New York, 1997.
[277] J. Gordon and E.H. Shortliffe. A method for managing evidential reasoning in a hierarchical hypothesis space. Artificial Intelligence, 26:323357, 1985. Disponible en ftp://
reports.stanford.edu/pub/cstr/reports/cs/tr/84/1023/CS-TR-84-1023.pdf.
[278] D. Greenlee. Raster and vector processing for scanned line work. Photogrammetric
Engineering and Remote Sensing, 53(10):13831387, 1987.
[279] D.J. Grinshaw. Bringing Geographical Information Systems into Business. Longman,
London, 1994.
[280] U. Gruber.
Using gis for avalanche hazard mapping in switzerland.
http://proceedings.esri.com/library/userconf/proc01/professional/
papers/pap964/p964.htm.
[281] A. Guisan and N. Zimmermann. Predictive habitat distribution models in ecology.
Ecol. Model, 135:147186., 2000. Disponible en http://citeseerx.ist.psu.edu/
viewdoc/summary?doi=10.1.1.170.1979.
[282] E J . Gumbel. On the frequency distribution of extreme values in meteorological data.
Bull. Amer. Met. Soc., 23:95105, 1942.
850
n Geogra
fica
Sistemas de Informacio
BIBLIOGRAFIA
851
[298] Cristi
an Henrquez and Gerardo Az
ocar.
Cambio de uso del suelo y esco
rrenta superficial: aplicaci
on de un modelo de simulacion espacial en Los Angeles, VIII Regi
on del Biobo, Chile. Revista de geografa Norte Grande, pages
6174, 12 2006. Disponible en http://www.scielo.cl/scielo.php?script=sci_
arttext&pid=S0718-34022006000200004&nrm=iso.
[299] F. Hepner. Artificial neural network classification using a minimal training set: Comparison to conventional supervised classification. Photogrammetric Engineering and
Remote Sensing, 56(4):469473, 1990.
[300] D. Hernandez. Qualitative representation of Spatial Knowledge. Springer-Verlag, 1994.
[301] J.R. Herring.
Tigris: Topologically integrated geographical information systems.
In Proceedings, AutoCarto 8, 1987.
Disponible en
http://mapcontext.com/autocarto/proceedings/auto-carto-8/pdf/
tigris-topologically-integrated-geographic-information-system.pdf.
[302] G. B. M. Heuvelink. Error propagation in environmental modeling with GIS. Taylor
& Francis, 1998.
[303] I. Heywood. An introduction to Geographical Information Systems. Longman, 1998.
[304] I Heywood. Introduction to Geographical Information Systems. Addison Wesley Longman., 1998.
[305] Campbell H.J. and I. Masser. Gis in local government; some findings from great
britain. International Journal of Geographical Information Systems, 6:52946, 1992.
[306] R.D. Hobson. Surface roughness in topography: a quantitative approach. In R.J.
Chorley, editor, Spatial analysis in geomorphology, pages 221245. Harper & Row,
1972.
[307] P Holmgren. Multiple flow direction algorithms for runoff modelling in grid based
elevation models: An empirical evaluation. Hydrological processes, 8:327334, 1994.
[308] B.K.P. Horn. Hill shading and the reflectance map. Proceedings IEEE, 69(1):1447,
1981. Disponible en http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.
1.63.5209.
[309] R.E. Horton. Drainage basin characteristics. Transactions American Geophysical
Union, 14:350361, 1932.
[310] A. R. Huete. A soil-adjusted vegetation index (savi). Remote Sensing and the Environment, 25:5370., 1988.
[311] J. Husdal. How to make a straight line square - network analysis in raster gis. Masters
thesis, University of Leicester, UK, 2000. Disponible en http://husdal.com/mscgis/
thesis/.
[312] M.F. Hutchinson. A new procedure for gridding elevation and stream line data with
automatic removal of spurious pits. Journal of Hydrology, 106:211232, 1989.
852
n Geogra
fica
Sistemas de Informacio
[313] H. Kishan Iddamsetty. Segmentation of range images for modelling of large outdoor
scenes. Masters thesis, The University of Tennessee, Knoxville, 2003. Disponible en
http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.106.5385.
[314] B.J. Irvin, S.J. Ventura, and Slater B.K. Landform classification for soil-landscape
studies. In Proceedings of the Annual ESRI User Conference. ESRI, 1995. Disponible
en http://proceedings.esri.com/library/userconf/proc95/to200/p153.html.
[315] E.H. Isaaks and R.M. Srivastava. Applied Geostatistics. Oxford University Press, New
York, 1989.
[316] M.J. Jackson and P.A. Woodsford. Geographical Information Systems: Principles and
Applications, chapter GIS data capture hardware and software, pages 239249. Longman, 1991.
[317] M. Jaque Barbero. Gesti
on de proyectos.
ilkebenson.com/manuales/proyectos.pdf.
2007.
Disponible en http://www.
[318] A Jarvis, S. Yeamam, L. Guarino, and J. Tohme. The role of geographic analysis in
locating and using plant genetic diversity. Methods in enzymology, 395:279298, 2005.
Disponible en http://gisweb.ciat.cgiar.org/sig/download/MIE_395_CH17.pdf.
[319] G. D. Jenerette and J. Wu. On the definitions of scale. ESA Bulletin, 81:104
105, 2000. Disponible en http://leml.asu.edu/jingle/Web_Pages/Wu_Pubs/PDF_
Files/Jenerett_Wu_2000.pdf.
[320] G. F. Jenks. The data model concept in statistical mapping. International Yearbook
of Cartography, 7:186190, 1967.
[321] J.S. Jenness. Calculating landscape surface area from digital elevation models. Wildlife
Society Bulletin, 32(3):829839, 2004. Disponible en http://www.jennessent.com/
downloads/WSB_32_3_Jenness.pdf.
[322] J.R. Jensen. Introductory digital image processing: a remote sensing perspective. Series
in Geographic Information Science. Prentice Hall, 1996.
[323] S.K. Jenson and J.O. Domingue. Extracting topographic structure from digital elevation data for geographical information system analysis. Photogrammetric Engineering
and Remote Sensing, 54(11):15931600, 1988. Disponible en http://citeseerx.ist.
psu.edu/viewdoc/summary?doi=10.1.1.138.6487.
[324] K.H. Jones. A comparison of eight algorithms used to compute slopes as a local
property of the dem. In Proceedings of the GIS Research UK 1996 Conference, pages
712, 1996.
[325] I. Karafyllidis and A. Thanailakis. A model for predicting forest fire spreading using
cellular automata. Ecological Modeling, 99:8797., 1997.
[326] Branco Kaucic. Approximative terrain guarding with given number of guards. Journal
of Computing and Information Technology, 13(4):307312, 2005. Disponible en http:
//cit.srce.hr/index.php/CIT/article/viewFile/1584/1288.
BIBLIOGRAFIA
853
[327] Y. J. Kaufman. The atmospheric effects on remote sensing and its correction. In
G. Asrar, editor, Theory and Applications of Optical Remote Sensing, pages 336428.
John Wiley & Sons, 1989.
[328] R.J. Kauth and G.S. Thomas. The tasseled cap - a graphic description of the spectral
temporal development of agricultural crops as seen by landsat. In Proceedings of the
Symposium on Machine Processing of Remotely Sensed Data. Perdue University, West
Lafayette, Indiana, pages 4151. 1976.
[329] G. Keating, P. Rich, and M. Witkowsi. Challenges for enterprises. URISA Journal,
15(2):2336, 2003. Disponible en http://www.geography.siu.edu/people/aduprah/
Geog%20419_Keatingvol15no2-2_article.pdf.
[330] D. King, H. Bourennane, M. Isambert, and J.J. Macaire. Relationship of the presence
of a non-calcareous clayloam horizon to DEM attributes in a gently sloping area.
Geoderma, 89(1-2):95111, 1999.
[331] L. J. King. Statistical Analysis in Geography. Prentice-Hall, 1962.
[332] K.Kraus and 2001 N. Pfeifer. Advanced dtm generation from lidar data. In IASPRS,
volume XXXIV. 2001. Disponible en http://citeseerx.ist.psu.edu/viewdoc/
summary?doi=10.1.1.150.7055.
[333] R. Koethe and F. Lehmeier.
analyse,benutzerhandbuch. 1996.
Sara,
system
zur
automatischen
relief-
[334] B. Kok. The strategic role of nmas in sdi development and implementation. In
FIG Working Week, 2009. Disponible en http://memberservices.gsdi.org/files/
index.php?artifact_id=622.
[335] G. Korte. The GIS Book (5th Ed. Rev.). Autodesk Press, 2001.
[336] M. J. Kraak and A. Brown, editors. Web cartography. Francis and Taylor, 2001.
[337] J. Krcho. Morphometric analysis of relief on the basis of geometric aspect of field
theory. Acta Geographica Universitatis Comenianae, Geographico-Physica, 1(1):7233,
1973.
[338] J. Krcho. Teoretick
a concepcia a interdisciplinarne aplikacie komplexneho digitalneho modelu reliefu pri modelovan dvojdimenzionalnych poli. Geograficky casopis,
35(3):265291, 1983.
[339] D.G. Krige. A statistical approach to some mine valuations and allied problems at the
witwatersrand. Masters thesis, University of Witwatersrand, 1951.
[340] Joseph. B. Kruskal. On the shortest spanning subtree of a graph and the traveling
salesman problem. Proceedings of the American Mathematical Society, 7(1):4850,
1956.
[341] N.H. Kuiper. Test concerning random points on a circle. Proc K. Ned Akad Ser A:
Math Sci 63, 63:3847, 1960.
854
n Geogra
fica
Sistemas de Informacio
[342] N. S-N. Lam and D. A. Quattrochi. On the issues of scale, resolution, and fractal
analysis in the mapping sciences. Professional Geographer, 44, 1992.
[343] E. Langmuir. Mountaincraft and leadership. The Scottish Sports Council/MLTB.,
Cordee, Leicester, 1984.
[344] M. Last and A. Kandel. Automated detection of outliers in real-world data. In
Proceedings of the Second International Conference on Intelligent Technologies (InTech
2001), pages 292301, 2001. Disponible en http://www.ise.bgu.ac.il/faculty/
mlast/papers/outliers2.pdf.
[345] N.L. Lea. An aspect driven kinematic routing algorithm. In A.J. Parsons and A.D.
Abrahams, editors, Overland flow: Hydraulics and erosion mechanics, pages 147175.
Chapman & Hall, New York, 1992.
[346] F. Leberl and D. Olson. Raster scanning for operational digitizing of graphical data.
Photogrammetric Engineering and Remote Sensing, 48(4):615627, 1982.
[347] Jay Lee. A drop heuristic conversion method for extracting irregular network for digital
elevation models. In GIS/LIS 89 Proc., volume 1, pages 3039. American Congress
on Surveying and Mapping, Nov. 1989.
[348] N.J. Lee and K. Nakane. Forest vegetation classification and biomass estimation based
on landsat tm data in a mountainous region of west japan. Forestry Sciences, 50:159
171, 1997.
[349] R.L.G. Lemmens, A. Wytzisk, and R.A. de By. Integrating semantic and syntactic
descriptions to chain geographic services. IEEE internet computing, 10(5):42.52, 2006.
[350] P. M. van Leusen. Pattern to process: methodological investigations into the formation
and interpretation of spatial patterns in archaeological landscapes, chapter A review of
wide-area predictive modeling usinggis. 2002. Disponible en http://dissertations.
ub.rug.nl/faculties/arts/2002/p.m.van.leusen/.
[351] M.Tt. Lillesand and W. R. Kiefer. Remote Sensing and Image Interpretation, 3rd
Edition. John Wiley & Sons, Inc., 1997.
[352] K.N. Liou. An Introduction to Atmospheric Radiation, volume 84 of International
Geophysics Series. Academic Press, 2nd edition, 2002.
[353] X. Lopez. Telegeoinformatics, chapter Location-Based Services, pages 171188. CRC
Press, 2004.
[354] W. Lorensen and H. E. Cline. Marching cubes: A high resolution 3d surface construction algorithm. In Computer Graphics (SIGGRAPH 87 Proceedings), volume 21, pages
163170, 1987. Disponible en http://citeseerx.ist.psu.edu/viewdoc/summary?
doi=10.1.1.132.3930.
[355] C.Torrecillas Lozano and J.J. Martnez. Resolucion de ambig
uedades gps: tecnicas
empleadas y estudios futuros. Mapping Interactivo, 49, 1998. Disponible en http:
//www.mappinginteractivo.com.
BIBLIOGRAFIA
855
[356] Chang-Tien Lu, Dechang Chen, and Yufeng Kou. Algorithms for spatial outlier detection. In Proceedings of the Third IEEE International Conference on Data Mining,
2003.
[357] L. Lucchese and S.K. Mitra. A new method for color image equalization. In Proc. of
2001 Intl Conference on Image Processing (ICIP 2001), Thessaloniki, Greece, Sept.
2001, Vol. I, 133-136.
[358] R.H. MacArthur and E.O. Wilson. The theory of island biogeography. Princeton
University Press, Princeton, 1967.
[359] A.M. MacEachren. How Maps Work: Visualization, Representation and Design. Guilidford Press.
[360] A.M. MacEachren. Visualizacion in modern cartography, chapter Visualization in
modern cartography: setting the agenda, pages 112. Pergamon Press, Inc., 1994.
[361] A.M. MacEachren. Visualization in Geographical Information Systems, chapter Time
as a cartographic variable, pages 115130. John Wiley, 1994.
[362] D.J. Maguire and M. Batty, Goodchild. GIS, spatial analysis and modeling. ESRI
Press, 2005.
[363] Luong Chi Mai. Introduction to computer vision and image processing. Department of
Pattern Recognition and Knowledge Engineering, Institute of Information Technology,
Hanoi, Vietnam, 1998.
[364] B. D. Malamud and D. L. Turcotte. Cellular-automata models applied to natural
hazards. Computing in Science and Engineering, 2(3):4251, 2000.
[365] B.B. Mandelbrot. The Fractal Geometry of Nature. W.H. Freeman and Company,
1982.
[366] D. Mark. Automated detection of drainage networks from digital elevation models.
Cartographica, 21:168178, 1984.
[367] D. M. Mark. Computer analysis of topography: A comparison of terrain storage methods. Geografisker Annaler, 57A:179188, 1975.
[368] D. M. Mark and M. J. Egenhofer. Modeling spatial relations between lines and regions:
Combining formal mathematical models and human subjects testing. Cartography
and Geographic Information Systems, 21(4):195212, 1994. Disponible en http://
citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.15.9984.
[369] M. Marques. Bases de Datos orientadas a objetos. 2002.
[370] D. Martin. Geographical Information Systems and their Socio-economic Applications.
Routledge, 1991.
[371] F. Martn Ass. Geodesia y Cartografa Matem
atica. IGN, 1983.
[372] Manuel Echeverra Martnez. Las infraestructuras de datos espaciales. experiencias
en su implantaci
on. Boletic, Septiembre-Octubre:3850, 2001. Disponible en http:
//redgeomatica.rediris.es/metadatos/publica/articulo15.pdf.
856
n Geogra
fica
Sistemas de Informacio
BIBLIOGRAFIA
857
[389] J. Bryan Mercer and S. Schnick. Comparison of dems from star-3i interferometric sar and scanning laser. In Proceedings of the ISPRS WG III/2,5 Workshop:
Mapping Surface Structure and Topography by Airborne and Spaceborne Lasers,,
1999. Disponible en http://www.intermaptechnologies.com/PDF_files/Mercer_
Schnick-Radar_Laser_DEM.pdf.
[390] H. Mitasova and J. Hofierka. Interpolation by regularized spline with tension, ii application to terrain modelling and surface geometry analysis. Mathematical Geology,
25:657669, 1993.
[391] Miguel Montesinos Lajara and Jorge Gaspar Sanz Salinas. Panorama actual del ecosistema de software libre para sig. In II Jornadas de SIG Libre. Universitat de Girona,
2008. Disponible en http://www.sigte.udg.es/jornadassiglibre/uploads/file/
Ponencias/A5.odt.
[392] D. R. Montgomery and W. E. Dietrich. Source areas, drainage density, and channel
initiation. Water Resources Research, 25(8):19071918, 1989.
[393] I.D. Moore, P.E. Gessler, G.A. Nielsen, and G.A. Peterson. Soil attribute prediction
using terrain analysis. Soil Sci. Soc. Am. J., 57(2):443452, 1993.
[394] I.D Moore and J.P. Wilson. Length-slope factors for the revised universal soil loss
equation: simplified method of estimation. Journal of Soil and Water Conservation,
47:423428, 1992.
[395] P. Moran. The interpretation of statistical maps. Journal of the Royal Statistical
Society B 10, 24351., 1948.
[396] T Morant de Diego and I. Carretero Moreno. Estableciendo bases organizacionales
para una ide local. In JIDEE 05, 2005. Disponible en http://www.idee.upm.es/
jidee05/descargas/sesion_08_01.pdf.
[397] M. Morisita. Measuring of the dispersion and analysis of distribution patterns. Memoires of the Faculty of Science, Kyushu University, 2:215235., 1959.
[398] J.L. Morrison. The computer in contemporary cartography, chapter Computer technology and cartographic change, pages 523. John Wiley and Sons, 1980.
[399] G.M. Morton. A computer oriented geodetic data base; and a new technique in file
sequencing. Technical report, IBM Ltd, 1966.
[400] R.H. Myers. Classical and Modern Regression with Applications. PWS-Kent Publishing, 1990.
[401] T. Nakaya. An information statistical approach to the modifiable areal unit problem
in incidence rate maps. Environment & Planning, 32, 2000.
[402] Douglas D. Nebert, editor. Recetario IDE. SGDI, 2004. Disponible en http://
redgeomatica.rediris.es/metadatos/publica/recetario/html/.
[403] K.A. Nedas, M.J. Egenhofer, and D. Wilmsen. Metric details of topological line-line
relations. International Journal of Geographical Information Science, 21(1):2148,
2007.
858
n Geogra
fica
Sistemas de Informacio
[404] Jaroslav Nesetril, Eva Milkova, and Helena Nesetrilova. Otakar boruvka on minimum spanning tree problem (translation of both 1926 papers, comments, history).
DMATH: Discrete Mathematics, 233, 2001. Disponible en http://citeseer.ist.
psu.edu/nesetril00otakar.html.
[405] J.A. Newcomer and J. Szajgin. Accumulation of thematic map errors in digital overlay
analysis. The American Cartographer, 11(1):5862, 1984.
[406] K. G. Nikolakopoulos, E. K. Kamaratakis, and N. Chrysoulakis. Srtm vs aster elevation
products. comparison for two regions in crete, greece. International Journal of Remote
Sensing, 27(21):48194838, 2006. Disponible en http://www.iacm.forth.gr/_docs/
pubs/4/Nikolakopoulos_et_al_2006.pdf.
[407] M. Ninyerola, X. Pons, and JM. Roure. A methodological approach of climatological
modelling of air temperature and precipitation through gis techniques. International
Journal of Climatology, 20:18231841, 2000.
[408] A-M. Nivala and L.T. Sarjakoski. An approach to intelligent maps: Context awareness. In MobileHCI03, 5th International Conference on Human Computer Interaction
with Mobile Devices and Services, September 8th, 2003, Udine, Italy, 2003. Disponible en http://www.comp.lancs.ac.uk/~kc/mguides03/pdfs/Nivala_Sarjakoski_
final-x.pdf.
[409] T.L. Nyerges. Analytical map use. Cartography and GIS, 18, 1991. Disponible en http:
//courses.washington.edu/geog469/Lab_2010/criticalquestions_amu.pdf.
[410] J. OCallaghan and D. Mark. The extraction of drainage networks from digital elevation data. Computer Vision, Graphics, and Image Processing, 28:323344, 1984.
[411] U.S Department of Transportation. Data Integration Glossary. 2001.
[412] Victor Olaya. Hidrologa computacional.
gabrielortiz.com.
2004.
Disponible en http://www.
[413] S Openshaw. The Modifiable Areal Unit Problem. Concepts and Techniques in Modern
Geography 38. GeoBooks., 1983.
[414] S. Openshaw and P. Taylor. Statistical Applications in the Spatial Sciences, chapter
A million or so correlation coefficients: three experiments on the modifiable areal unit
problem., pages 127144. Pion, 1979.
[415] J. ORourke. Computational Geometry in C. Cambridge University Press, 1998.
[416] R.T. Pack, D.G. Tarboton, and C.N. Goodwin. Gisbased landslide susceptibility
mapping with sinmap. In Proceedings of the 34th Symposium on Engineering Geology
and Geotechnical Engineering, pages 219231, 1999.
[417] J.D. Paola and R.A. Schowengerdt. A detailed comparison of backpropagation neural
network and maximum-likelihood classifiers for urban land use classification. IEEE
Transactions on Geoscience and Remote Sensing, GE-33(4):981996, 1995.
[418] A.J. Parker. The topographic relative moisture index: An approach to soil-moisture
assessment in mountain terrain. Physical Geography, 3:160168, 1982.
BIBLIOGRAFIA
859
860
n Geogra
fica
Sistemas de Informacio
[432] J. Pouderoux and S. Spinello. Contour line recognition from scanned topographic
maps. In 9th International Conference on Document Analysis and Recognition, pages
779783, 2007. Disponible en http://iparla.inria.fr/publications/2004/SG04/
K13.pdf.
[433] F.P. Preparata and M.I. Shamos.
Springer-Verlag, 1985.
[434] Brian Price. Image vectorization. Masters thesis, Department of Computer Science,
Brigham Young University, 2006. Disponible en http://contentdm.lib.byu.edu/
ETD/image/etd1321.pdf.
[435] R. C. Prim. Shortest connection networks and some generalisation. Bell System
Technical Journal, 36:13891401, 1957.
[436] D. V. Pullar and M. J. Egenhofer. Toward formal definitions of topological relations
among spatial objects. In Proceedings Third International Symposium on Spatial Data
Handling, Sydney, Australia, August 17-19, pages 225241, 1988.
[437] J. Qi, A. R. Chehbouni A. andHuete, Y. H. Kerr, and S. Sorooshian. A modified soil
adjusted vegetation index. Remote Sensing and the Environment, 48:119126, 1994.
[438] P. Quinn, K. Beven, P. Chevallier, and O. Planchon. The prediction of hillslope
paths for distributed hydrological modeling using digital terrain models. Hydrological
processes, 5:5979, 1991. Disponible en http://horizon.documentation.ird.fr/
exl-doc/pleins_textes/pleins_textes_5/b_fdi_30-30/31676.pdf.
[439] Paul Ramsey. User friendly desktop internet gis (udig) for opengis spatial data infrastructures. Technical report, Refractions, 2003.
[440] J.S. Rao. Some contributions to the analysis of circular data. PhD thesis, Indian
Statistical Institute, Calcutta., 1969.
[441] S. Rasemann, J. Schmidt, L. Schrott, and R. Dikau. Geomorphometry in mountain
terrain. In M. P. Bishop and J. F. Shroder, editors, GIS & Mountain Geomorphology,
pages 101145. Springer, Berlin, 2004.
[442] T. Reichenbacher. Mobile Cartography - Adaptive Visualisation of Geographic Information on Mobile Devices. PhD thesis, 2004.
[443] B.W Remondi. Kinematic and pseudo-kinematic gps. In Proceedings of the Satellite
Division Technical Meeting. The Institute of Navigation., pages 115121, 1988.
[444] H.D. Reynolds. The modifiable area unit problem: empirical analysis by statistical
simulation. PhD thesis, University of Toronto, 1998.
[445] T. M. Rhyne. Going virtual with geographic information and scientific visualization.
Computers and Geosciences, 23(4):489491, 1997.
[446] D. Ria
no, E. Chuvieco, J. Salas, and I. Aguado. Assessment of different topographic
corrections in landsat-tm data for mapping vegetation types. IEEE Transactions on
Geoscience and Remote Sensing, 41(5):10561061, 2003. Disponible en http://www.
geogra.uah.es/emilio/pdf/Riano2003b.pdf.
BIBLIOGRAFIA
861
[447] G. D. Richards. An elliptical growth model of forest fire fronts and its numerical
solution. Int. J. Num. Methods Eng, 30:11631179, 1990.
[448] J.A Richards. Remote Sensing Digital Image Analysis: An Introduction. Springer
Verlag, 1986.
[449] A.J. Richardson and C.L. Wiegand. Distinguishing vegetation from background soil
information. Photogrammetric Engineering and Remote Sensing, 43:15411552, 1977.
[450] B.D. Ripley. Modelling spatial patterns. Journal of the Royal Statistical Society. Series
B 30, pages 172192, 1977.
[451] G.X. Ritter, J. Wilson, and J. Davidson. Image algebra: An overview. Computer
Vision, Graphics and Image Processing, 49:297331, 1990.
[452] Chris Rizos and Shaowei Han. Precise kinematic applications of gps: prospects and
challenges. B. Ci. Geodesicas, 3:3440, 1998. Disponible en http://calvados.c3sl.
ufpr.br/ojs2/index.php/bcg/article/viewFile/1479/1233.
[453] A. Robinson, R. Sale, and J. Morrison. Elements of cartography. Wiley, 1978.
[454] J.M. Robinson. Fire from space: global fire evaluation using infrared remote sensing.
International Journal of Remote Sensing, 12:324, 1991.
[455] B.N. Rock, D.L. Williams, and J.E. Vogelmann. Field and airborne spectral characterization of suspected acid deposition damage in red spruce (picea rubens) from
vermont. In Proc., Symp. on Machine Processing of Remotely Sensed Data, Purdue
Univ., West Lafayette, Indiana. 1985.
[456] D.P. Rodriguez and R.M. Cebolla. La gestion de usuarios en una infraestructura
de datos espaciales. In Actas de las Jornadas Tecnicas de la IDE de Espa
na, 2005.
Disponible en http://www.idee.upm.es/jidee05/descargas/sesion_07_04.pdf.
[457] Peter A. Rogerson. Statistical Methods for Geography. Sage, 2001.
[458] N.E.G. Roller and S. Cox. Comparison of landsat mss and merged mss/rbv data
for analysis of natural vegetation. In Proc. of the 14th International Symposium on
Remote Sensing of Environment, San Jose, Costa Rica, 23-30 April, pages 10011007,
1980.
[459] A. Rosenfeld and Thurston M. Edge and curve detection for visual scene analysis.
IEE Trans. on Computers, 20-c(5):562569, 1971.
[460] T. A. Roth, G. Strunz, and S. Dech. Object-oriented classification of landsat-7 data for
regional planning purpose. The international archives of the photogrammetry, remote
sensing and spatial information sciences, 34(7), 2003.
[461] R.C. Rothermel. A mathematical model for predicting fire spread in wildland fuels.
Technical report, USDA For. Serv. Res. Pap. INT-115., 1972. Disponible en http://
www.emxsys.com/documentation/references/Rothermel_1972_RP-INT-115.pdf.
[462] J. W. Rouse, R. H. Haas, J. A. Schell, and D. W. Deering. Monitoring vegetation
systems in the great plains with erts. In Procceding of the Third ERTS Symposium,
NASA SP-351 I, pages 309317., 1973.
862
n Geogra
fica
Sistemas de Informacio
[463] J. G. Ruby and R. L. Fischer. Spectral signatures database for remote sensing
applications. In S. S. Shen, editor, Imaging Spectrometry VIII, volume 4816, pages 156163, 2002. Disponible en http://www.lpi.usra.edu/science/kirkland/
Community/tec_spec_library.pdf.
[464] G.S. Russell and D.J. Levitin. An expanded table of probability values for raos spacing
test. Communications in statistics: Simulation and computation, 24:879888, 1995.
[465] J Ryttersgaard. Across boundaries - sdi in a european perspective (inspire). In FIG
Working Week 2004, 2004. Disponible en http://www.fig.net/pub/athens/papers/
ts22/ts22_6_ryttersgaard.pdf.
[466] T.L. Saaty. A scaling method for priorities in hierarchical structures. J. Math. Psychology, 15:234281, 1977.
[467] M.A. Sabin. Contouring. a review of methods for scattered data. In Mathematical
methods in computer graphics and design. Academic Press, 1980.
[468] F. A Sarria. Sistemas de informacion geografica. 2005.
[469] S. Saura and Torne J. Conefor sensinode 2.2: a software package for quantifying the
importance of habitat patches for landscape connectivity. Environmental Modelling &
Software, 24:135139, 2009. Disponible en http://www.conefor.org.
[470] B. Schilit, N. Adams, and R. Want. Context-aware computing applications. In Proceedings of IEEE Workshop on Mobile Computing Systems and Applications, pages 8590,
1994. Disponible en http://www.ubiq.com/want/papers/parctab-wmc-dec94.pdf.
[471] J. Schmidt, I. Evans, and J. Brinkmann. Comparison of polynomial models for land
surface curvature calculation. International Journal Geographical Information Science,
17:797814, 2003.
[472] D. G Schweikert. An interpolation curve using a spline in tension. Journal of Mathematics and Physics,, 45:312313, 1966.
[473] Stephen W. Searcy. Precision farming: A new approach to crop management. Disponible en http://txprecag.tamu.edu/content/pub/pf-ncm.pdf.
[474] Karl Sentz and Scott Ferson. Combination of evidence in dempster-shafer theory.
Technical report, Sandia National Laboratories, 2002. Disponible en http://www.
sandia.gov/epistemic/Reports/SAND2002-0835.pdf.
[475] G. Shafer. A Mathematical Theory of Evidence. Princeton University Press, 1976.
[476] P.A. Shary. Land surface in gravity points classification by a complete system of
curvatures. Mathematical Geology, 27(3):373390, 1995.
[477] P.A. Shary, L.S. Sharaya, and A.V. Mitusov. Fundamental quantitative methods of
land surface analysis. Geoderma, 107(1-2):132, 2002.
[478] P.A. Shary, L.S. Sharaya, and A.V. Mitusov. The problem of scale-specific and
scale-free approaches in geomorphometry. Geografia Fisica e Dinamica Quaternaria,
28(1):81101, 2005.
BIBLIOGRAFIA
863
[479] Shashi Shekhar, Chang-Tien Lu, and Pusheng Zhang. A unified approach to detecting
spatial outliers. GeoInformatica, 7(2), 2003. Disponible en http://www.spatial.cs.
umn.edu/paper_ps/geoinfo.pdf.
[480] Donald Shepard. Two-dimensional interpolation function for irregularly-spaced data.
In Proc ACM National Conference, pages 517524., 1968.
[481] S. Shreve, R.L. Statistical law of stream numbers. J. Geol, 74:1737, 1966.
[482] R. Sibson. Interpolating multivariate data, chapter A Brief Description of Natural
Neighbor Interpolation, pages 2136. John Wiley & Sons, 1981.
[483] B.D. Silverman. Density estimation for statistics and data analysis. Chapman and
Hall, 1986.
[484] A. Sindayihebura, M. Van Meirvenne, and S. Nsabimana. Comparison of methods
for deriving a digital elevation model from contours and modelling of the associated
uncertainty. In M. Caetano and M. Painho., editors, Proceedings 7th International
Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental
Sciences, 2006. Disponible en http://www.spatial-accuracy.org/system/files/
Sindayihebura2006accuracy.pdf.
[485] D.F. Sinton. The inherent structure of information as a constraint to analysis: Mapped
thematic data as a case study. In Harvard Papers on Geographic Information Systems,
vol. 6, pages 117. Addison-Wesley, 1978.
[486] Skyum. A simple algorithm for computing the smallest enclosing circle. Information
Processing Letters, 3:121125, 1991. Disponible en http://www.ist-palcom.org/
publications/PB/314/PB-314.pdf.
[487] F. Slater. Learning through Geography. Heineman Educational Books, Ltd, 1982.
[488] W. V. Snyder. Contour plotting. ACM Transactions on Mathematical Software,
4(3):290294, 1978.
[489] A. A. Solyman. Investigating mobile gis. Directions Magazine, November, 2005. Disponible en http://www.directionsmag.com/articles/investigating-mobile-gis/
123298.
[490] J. Star and J. Estes. Geographic Information Systems: An Introduction. Prentice-Hall,
1990.
[491] Karen Steede-Terry. Integrating GIS and the Global Positioning System. ESRI Press,
2000.
[492] A.N. Strahler. Quantitative geomorphology of drainage basins and channel networks.
In V.T. Chow, editor, Handbook of Applied Hydrology, pages 439476. McGraw-Hill,
New York, 1964.
[493] Peter Su and R. L. Scot Drysdale. A comparison of sequential delaunay triangulation algorithms. In Association for Computing Machinery, editor, Proceedings of the
Eleventh Annual Symposium on Computational Geometry, pages 6170, 1995.
864
n Geogra
fica
Sistemas de Informacio
[494] D. C. Sutcliffe. Contouring over rectangular and skewed rectangular grids. an introduction. In Mathematical methods in computer graphics and design. Academic Press,
1980.
[495] P. Swain and S. Davis. Remote Sensing: The Quantitative Approach. Mc Graw-Hill,
1978.
[496] M. Takeyama and H. Couclelis. Map dynamics: integrating cellular automata and
gis through geo-algebra. International Journal of Geographical Information Science,
11:7391, 1997.
[497] K. Tanaka. An Introduction to Fuzzy Logic for Practical Applications. Springer. Springer Verlag, 1997.
[498] D. P. Tarboton, D.G.; Ames. Advances in the mapping of flow networks from digital
elevation data. In World Water and Environmental Resources Congress, 2001.
[499] D.G. Tarboton. A new method for the determination of flow directions and upslope
areas in grid digital elevation models. Water Resources Research, 33(2):309319, 1997.
[500] D.G. Tarboton, R.L. Bras, and I. Rodriguez-Iturbe. On the extraction of channel
networks from digital elevation data. Hydrologic Processes, 5(1):81100, 1991.
[501] M.B. Teitz and P. Bart. Heuristics methods for estimating the generalized vertex
median of a weighted graph. Operations Research, 16:955965, 1968.
[502] A.L. Thomas, D. King, E. Dambrine, A. Couturier, and J. Roque. Predicting soil
classes with parameters derived from relief and geologic materials in a sandstone region
of the vosges mountains (northeastern france). Geoderma, 90:291305, 1999.
[503] I. L. Thomas, V.M. Benning, and N.P. Ching. Classification of Remotely Sensed
Images. Adam Hilger, 1987.
[504] Waldo R. Tobler. Smooth pycnophylactic interpolation for geographical regions. Journal of the American Statistical Association, 74(367):519530, 1979.
[505] W.R. Tobler. A computer movie simulating urban growth in the detroit region. Economic Geography, 46(2):234240, 1970.
[506] C.D. Tomlin. Geographic information systems and cartographic modelling. Prentice
Hall., 1990.
[507] M.R. Travis, G.H. Elsner, W.D. Iverson, and C.G. Johnson. VIEWIT: computation of
seen areas, slope, and aspect for land-use planning. USDA, Berkeley, California, 1975.
[508] A. Treisman and S. Gormican. Feature analysis in early vision: Evidence from search
asymmetries. Psychological Review, 95:1548., 1988.
[509] R. Turcotte, J.P. Fortin, A.N. Rousseau, S. Massicotte, and J.P. Villeneuve. Determination of the drainage structure of a watershed using a digital elevation model and a
digital river and lake network. Journal of Hydrology, 240:225242, 2001.
[510] K. Turkowski. Filters for common resampling tasks. In Graphic Gems, pages 147165.
Academic Press Professional,Inc, 1990.
BIBLIOGRAFIA
865
[511] USDA. Technical release 55 (tr-55) urban hydrology for small watersheds, second
edition. Technical report, Natural Resources Conservation Service, Conservation Engineering Division., 1986.
[512] J.M. Van der Knijff, R.J.A. Jones, and L. Montanarella. Soil erosion risk assessment
in italy. Technical report, European Soil Bureau, 1999.
[513] F. Van Graas and M. Braasch. Gps interferometric attitude and heading determination: Initial flight test results. Navigation, 38:297316, 1991.
[514] Pepijn van Oort. Spatial data quality: from description to application. Netherlands
Geodetic Commission, 2005. Disponible en http://www.ncg.knaw.nl/Publicaties/
Geodesy/pdf/60Oort.pdf.
[515] S. Vassilopoulou, L. Hurni, V. Dietrich, Baltsavias, Pateraki E., M., E. Lagios, and
I. Parcharidis. Orthophoto generation using ikonos imagery and high-resolution dem:
a case study on volcanic hazard monitoring of nisyros island (greece). ISPRS Journal
of Photogrammetry and Remote Sensing, 57:2438, 2002.
[516] J. D. Vitek, S. J. Walsh, and M. S. Gregory. Accuracy in geographic information
systems: an assessment of inherent and operational errors. Pecora, 9:296302, 1984.
[517] H. von Storch, E. Zorita, and U. Cubash. Downscaling of global climate change estimates to regional scales: an application to iberian rainfall in wintertime. J Clim,
6:116171, 1993.
[518] VVAA. Directive 2007/2/ec establishing an infrastructure for spatial information in the european community (inspire).
Technical report, European Parliament, 2007.
Disponible en http://www.ec-gis.org/inspire/directive/l_
10820070425en00010014.pdf.
[519] J.P. Walker and G.R. Willgoose. On the effect of dem accuracy on hydrology and
geomorphology models. Wat. Resour. Res, 35(7):22592268, 1998.
[520] S. Walsh, D. Lightfoot, and D. Butler. Recognition and assessment of error in gis.
Photogrammetric Engineering and Remote Sensing, 52:14231430, 1987.
[521] r. Welch and T.R. Jordan. Raster Imagery in Geographic Information Systems, chapter
Using scanned air photographs, pages 5569. Onward Press, 1996.
[522] P. Whittle. On stationary processes in the plane. Biometrika, 41:43449, 1954.
[523] M.S. Wigmosta and D.P. Lettenmaier. A comparison of simplified methods for routing
topographicallydriven subsurface flow. Wat. Resour. Res, 35:255264, 1999.
[524] John P. Wilson and John C. Gallant. Terrain Analysis: Principles and Applications.
John Wiley & Sons, Inc., 2000.
[525] W.H. Wischmeier and D.D. Smith. Predicting Rainfall Erosion Losses. Agriculture Handbook 537. United States Department of Agriculture. Science and Education
Administration., 1978.
[526] S. Wolfram. Cellular automata. Los Alamos Science, 9:221, 1983.
866
n Geogra
fica
Sistemas de Informacio
Indice alfab
etico
2.5D, 66
4Intersection, 234
9Intersection, 234
Absorci
on, 114, 387
Abundancia, 786
Adelgazamiento, 411, 464
Aislamiento, 788
AJAX, 560, 571
Ajuste de polinomios, 333
Albedo, 344
Aleatoriedad espacial completa, 267
Algebra
de im
agenes, 327
de mapas, 307, 387, 395, 408, 428, 446, 490,
508
Algoritmos de barrido, 284
Alturas geoidales, 40
Ambig
uedad, 168
American Standard Code for Information Interchange (ASCII), 162
Anaglifos, 140
Analytical Hierarchy Process (AHP), 516
Anamorfosis, 46
Angle of Arrival (AOA), 582
Anisotropa, 225, 273, 473, 524
Anomalas gravimetricas, 40
ANUDEM, 333
Apertura, 409
Aplicaci
on Web hbrida, vease Mashup
Aqua, 124
Arbol
B+, 255
de decisi
on, 494
mnimo de recubrimiento, 484
ArcGIS, 543
ArcInfo, 29
ArcInfo ASCII (formato), 162
Arco, 92
Arconodo, 103
ArcView, 29
Area
aportante
especfica, 360
acumulada, 358
aportante, vease Acumulaci
on de flujo
Arquitectura
dual (de una base de datos), 198
en capas (de una base de datos), 199
Asignaci
on de probabilidad b
asica, 515
ASTER, 124, 140
Astronoma geodesica, 36
Atributos
de una capa vectorial, 87
Autenticaci
on, 562
AutoCAD, 163
Autocorrelaci
on espacial, 99, 176, 223, 272, 286,
295, 654
Autodesk, 33, 163
Autovalor, 520
Autovector, 516, 520
Band Interleaved by Lines (BIL), 102
Band Interleaved by Pixel (BIP), 102
Band Sequential (BSQ), 102
Bandas, 83, 102, 114, 122, 551
Base de datos, 87
Bertin, Jacques, 604
Bilineal, 325
BIOCLIM, 792
Biogeografa de Islas, 785
Bluetooth, 583
Boole, George, 243
Borukva, Otakar, 485
Breaklines, 440
Brillo, 392
C de Geary, 273
c-squares, 136
Cabecera, 187
Cacheo, 569
CAD, 33, 36, 128, 157, 198, 532, 545, 648
Calculadora de mapas, 308
CALFORM, 24
Campo
escalar, 74, 337
vectorial, 337
Campo Instant
aneo de Visi
on, 120
868
Campo Instant
aneo de Visi
on en Tierra, 120
Campos
vectorial, 74
Campos (base de datos), 185
Campos (modelo geogr
afico), 74
Canal, 404
Canev
as, 602, 624, 633
Capa, 55, 69
Cardinalidad, 187
Carga de proceso, 565
CART, 793
Cartografia
tem
atica y de base, 623
Cartograma, 606, 645
Cell of Origin, (COO), 582
Centro
o
ptico del mapa, 636
mediano, 261
medio, 261
Centroide, 230
CGDG, 136
CGIS, 24
Chamfer 34 (distancia), 228
Cierre, 409
Crculo
mnimo, 461
Clasificaci
on, 407, 421, 489
basada en objetos, 503
debil, 503, 791
no supervisada, 375, 497
por m
axima verosimilitud, 497
por mnima distancia, 494
por paraleleppedos, 494
supervisada, 492, 791
Clave, 188
Cliente, 554, 565, 567
ligero, 538, 568
pesado, 538, 568
Clipping, 451
Clustering, 498
jer
arquico, 501
Cokriging, 296
Cobertura, 75
Codd, Ted, 186
Coeficiente de correlaci
on de Pearson, 519
Comite Chorley, 691
COMPASS, 143
Compleci
on, 170
Complejidad de forma, 788
Complete Spatial Randomness (CSR), 267
Componente
espacial, 65
n Geogra
fica
Sistemas de Informacio
tem
atica, 65
Componentes principales, 403, 490, 518
Composici
on, metricas de, 786
Compresi
on
con perdidas, 160
sin perdidas, 160
Computaci
on distribuida, 567
Concentraci
on angular, 265
Conectividad, 788
Conectividad4, 433
Conectividad8, 433
Conefor Sensinode, 790
Configuraci
on, metricas de, 786
Constancia perceptiva, 614
Constante solar, 343
Consultas, 90, 104, 191, 200, 211, 239, 542, 566
Contagio, 789
Contaminaci
on de borde, 359
Contexto, 587
Continuidad, 67, 75
Continuous Level of Detail (CLOD), 80
Contornos mnimos, 460
Contraste, 392, 789
Contraste perceptivo, 614
Conversi
on
anal
ogicodigital, 110
de coordenadas, 49
r
astervectorial, 125
Convex hull, vease Envolvente convexa mnima
Convoluci
on, 319, 338
Convoluciones, 395
Coordenadas
conversi
on, 49
geogr
aficas, 41
sistemas de, 41, 681
transformaci
on, 49
Coordinate GeOmetry (COGO), 136
Correcci
on
de gamma, 393
geometrica de im
agenes, 381
hidrol
ogica del MDE, 352
radiometrica, 385
Correlograma, 280
Coste
anisotr
opico, 473
isotr
opico, 473
Covarianza, 225, 280, 295
matriz de, 496, 519
Cubo cartogr
afico, 600
Cuenca visual, 370
Curva
de Bezier, 466
INDICE ALFABETICO
869
de Manhattan, 228, 495
de tablero de ajedrez, 228
entre meridianos, 42
eucldea, 495
euclidea, 472
inversa, 332
inversa, ponderaci
on por, 289
mnima iterativa, 498
ortogonal, 228
relativa, 263
tpica, 262
Distribuci
on
de Cox, 272
de Gibbs, 272
Diva GIS, 795
Diversidad, 787
DOMAIN, 792
Dominancia, 786
Dominio, 187
Dots per inch, 131
Dots per inch (dpi), 661
Drop heuristic, 438
Dual Independent Map Encoding, 91
Dupin, Pierre Charles, 32
DWG, 163
DXF, 163
Ecologa del paisaje, 323, 784
Ecuaci
on Universal de Perdidas de Suelo (USLE), 308, 415, 508
Ecualizaci
on, 394
Efecto
de borde, 225, 269, 788
de escala, 222
Efemeride, 144
Elementos estructurales, 409
Elements of Cartography, 24
Elipse de desviaci
on, 263
Elipsoide, 38
de referencia, 37
general, 39
local, 39
Enhanced Compression Wavelet (ECW), 162
Enhanced Observed Time Difference (EOTD),
582
Entidad, 187
Entidades
discretas, 74
multiples, 85
Environmental Systems Research Institute, 27
Envolvente convexa mnima, 439, 460
EPSG, c
odigos, 50
870
Equilibrio visual, 636
Equitatividad, 786
ERDAS, 29
Erosi
on, 408, 432
Error, 167
fuentes, 168
Medio Cuadr
atico, 174, 383
Propagaci
on, 175, 347, 350
ERS1, 124
ERS2, 124
Esc
aner, 131
Escala, 37, 50, 55, 67, 86, 634
cartogr
afica, 52
de an
alisis, 218, 320
efecto de, 222
factor de, 51
operacional, 52
Escalabilidad, 524
Escaneado, 430
Escaneo, 126, 131, 136, 383, 404, 426, 541, 597
Escorrenta, 358, 368
Espacio
subjetivo, 470
vectorial, 75
Espacio de color, 607
Espacio de color HSV, 607
Especificidad, 793
Espectro electromagnetico, 83, 113
Esqueletizaci
on, 410
ESRI, 27
Est
andares, 557, 692
Estaci
on fotogrametrica, 139, 686
Estacionaridad, 225, 295
Estandar
de facto, 163
Estereografa, 156
Estrella directa e inversa, 93
Estructura
agregada, 218
regular, 218
European Petroleum Survey Group, 50
European Petroleum Survey Group (EPSG), 50
Evaluaci
on multicriterio, 509
Exactitud, 167
Exageraci
on del relieve, 667
Expansi
on de contraste, 390, 629
Experimental Cartography Unit, 24
Explorador, 548
Exposici
on visual, 372
Extrapolaci
on, 291
Extrusi
on, 666
n Geogra
fica
Sistemas de Informacio
Factor
de convergencia, 351
de rugosidad, 348
topogr
afico LS, 368
Falacia ecol
ogica, 222, 452
Falso color, 406, 414, 541
FD8, 351
Filtrado y refinamiento, 105, 256
Filtro, 386, 395
de mayora, 502
de mediana, 320, 396
de paso alto, 397
de paso bajo, 395
de Prewitt, 400
de Sobel, 399
Laplacianos, 398
Firma espectral, 114, 412, 491, 493
Flatbed, 131
Fondofigura, 617
Forward and reverse star, 93
Fotografas inmersivas, 670
Fotogrametra, 138
Fractal, 220
Fragmentaci
on, 323
FRAGSTATS, 790
FTP, 555
Fuente de radiaci
on, 111
Funci
on
de probabilidad, 791
de distribuci
on de probabilidad, 514
de miembro, 512
focal, 318, 508
global, 323
K de Ripley, 270, 273
local, 311, 387, 391, 451, 490
n
ucleo, 304
Sigmoidal, 514
zonal, 321
Fusi
on de im
agenes, 122, 401
Galileo, 143
GARP, 793
General Packet Radio Service (GPRS), 584
Generalizaci
on
cartogr
afica, 37, 52, 86
al vuelo, 55
tipos, 54
de lneas, 462
Geo
algebra, 327
GeoSQL, 254
Geocodificaci
on, 135, 581
inversa, 581
INDICE ALFABETICO
Geodesia
esferoidal, 36
fsica, 36
Geoestadstica, 32
Geographic Resources Analysis Support System,
28
Geographically Weighted Regression, 508
Geoide, 37, 39
Geometra computacional, 33
Georreferenciaci
on, 134
Geotagging, 136
GeoTIFF, 162
Geovisualizaci
on, 600
GIS World, 27
Global System for Mobile (GSM), 584
GLONASS, 143
GNSS, 143
Google
Earth, 28, 549
Maps, 28, 30, 564
GPS, 20, 31, 39, 110, 143, 285, 483, 575, 581, 582
diferencial, 147
fuentes de error, 147
integraci
on con SIG, 152
receptores, 148
Gradiente, 337
GRASS, 28
Greenwich (meridiano), 41
GRID, 24
Ground Instantaneous Field of Vision (GIFOV),
120
Harvard Laboratory, 24
Headsdown, 127
Headsup, 128, 160
Hidrogama unitario, 367
Hiperelipse, 497
Histograma, 392, 395
Hotelling, Harold, 518
Huso, 47
I de Moran, 273
IDE, 31, 690
IKONOS, 123
Ilusi
on de Zollner, 615
ILWIS, 538
Im
agenes
fusi
on de, 122
pancrom
aticas, 123
superespectrales, 120
IMGGRID, 29
IMGRID, 25
871
Incertidumbre, 168
de clasificaci
on, 504
Indicador local de asociaci
on espacial, 274
Indice
basado en distancia, 415
basado en pendiente, 415
de conteo conjunto, 274
de convergencia, 341
de DavidMoore, 268
de diversidad, 787
de equitatividad, 787
de Fisher, 507
de frecuencia de agregados, 268
de humedad topogr
afica, 285, 491
de potencia de cauce, 368
de radiaci
on, 344
de vecino m
as cercano, 269
de vegetaci
on, 414
espacial, 103, 254, 287
tipos, 104
kappa, 506
metrico, 235
topogr
afico de humedad, 368
Influencia acumulada, 482
Informaci
on
alfanumerica, 66, 626
Ciencia de la, 64
datos vs, 63
geogr
afica, 65
componentes y estados, 66
divisi
on, 65
numerica, 65, 626
tipos, 65, 626
Informaci
on Geogr
afica Voluntaria, vease VGI
Infraestructuras de Datos Espaciales, 31
Insolaci
on, 341, 757
INSPIRE, 692
Instantaneous Field of View (IFOV), 120
Inteoperabilidad, 724
Interactive Manipulation GRID, 25
Interactividad, 542, 553
Interferometra, 156
Intergraph, 163
Internal areasplitting ratio, 235
International Journal Of Geographical Information Systems, 27
Interoperabilidad, 692
Interoperatividad, 33
Interpolaci
on, 137, 155, 223, 256, 285, 325, 332,
435, 460, 495, 508, 641, 755, 761, 764,
804
picnofil
atica, 299
872
Intervalos, 65
Isaritmas, 641
Isocoropletas, 643
Isocronas, 434
ISODATA, 500
Isolneas, 427, 434, 641, 649
Isopletas, 641
Isotropa, 225, 273, 473
Isoyetas, 434
Jerarquas analticas, 516
Jerarquizaci
on, 617
Joint Photographic Experts Group (JPEG), 162
Juntar, 456
Kernel, 304, vease N
ucleo
Kosmos, 30
KRA, 352
Kriging, 274, 279, 294, 300, 332, 756
ordinario, 295
por bloques, 296
universal, 296
LAI, 415
LAN, 584
LANDSAT, 30, 401, 404, 405, 420
Landsat, 123
L
aser, 135
Latitud, 41
Lenguaje
de consulta espacial, 252
Procedural, 247
Lenguajes
de consulta, 247
Lesotho, Reino de, 85
LiDAR, 31, 118, 157, 330
Lmite de separaci
on, 617
Lnea
de ruptura, 440
de visi
on, 370
del suelo, 415
Lneas paralelas (problema de), 350
Lista de distribuci
on, 27
Listas de adyacencia, 93
Local Indicator of Spatial Association (LISA),
274
LocationBased Services (LBS), vease Servicios
Basados en Localizaci
on
L
ogica
booleana, 243
difusa, 375, 511
Longitud
n Geogra
fica
Sistemas de Informacio
de flujo, 359
de onda, 113
Longitud (geogr
afica), 41
Malla de muestreo, 298
Manhattan (distancia), 228
MAP, 25
Map in-map out, 24
Mapa
dasimetrico, 645
de coropletas, 32, 643, 669
de flujo, 645
de isolneas, 641
de puntos, 639
de smbolos graduados, 639
de smbolos proporcionales, 637
significativo, 623
Mapa metarelacional, 327
MapInfo TAB, 163
MapQuest, 30
Mapserver, 30
Marcas fiduciales, 134
Marching cubes, 436
Marching squares, 436
Mascara
M
ascara, 317, 324, 451
Mashup, 557, 563
Matheron, George, 32
Matriz
de adyacencias, 93
de confusi
on, 175
de comparaciones, 516
de confusi
on, 505
de contingencias, 505
de correlaci
on, 519
de covarianzas, 496, 519
de datos (modelo almacenamiento), 99
de incidencias, 93
de Morton, 24, 100
de ponderaci
on espacial, 273
Maxent, 793
McHarg, Ian, 32
Medidas centrogr
aficas, 260
Meridiano, 41
Metadatos, 136, 166, 566, 692
Metodos
de interpolaci
on, 288
de posicionamiento, 581
Metricas (paisaje), 785
Metricas LP, 228
Microondas, 114, 118
MicroStation, 163
INDICE ALFABETICO
MIMO, 24
Mnimos cuadrados, 290, 508
873
Neogeografa, 154
Newton, Isaac, 37
NIMA, 31
Nivel Digital, 494
Niveles de organizaci
on, 610
Niveles Digitales, 112, 121, 385422
NOAA, 419
NOAA-AVHRR, 124
Nodo, 484
Nomenclator, 581
Nominal, 65, 76, 427
Normalizaci
on, base de datos195, 312, 391, 494
NPHard, 438, 486, 650
NRVI, 416
NSDI, 31
NTIC, 576
N
ucleo, 338, 395, 397, 409
de Prewitt, 338, 400
gaussiano, 304, 508
Nugget, 277
N
umero de Curva, 315
OCR, 136
Octree, 525
OGC, 31
Opaco (almacenamiento), 199
Open GIS Consortium, 31
Open StreetMap, 150
Operaciones de solape, 450, 508
Orbita,
116
Geosncrona, 116
Heliosncrona, 116
Orden
de barrido, 100
de escaneo, 100, 105
de Morton, 100, 105
de Shreve, 366
de Strahler, 362, 363
jer
arquico de cauce, 359
Z, 100
Ordered Weighted Average (OWA), 314
Ordinal, 65, 427
Orientaci
on, 339, 757
Ortofotografa, 383, 566
Ortorrectificaci
on, 383
Outlier, 173, 334, 396, 629
espacial, 174
Par estereosc
opico, 139
Par
ametros orbitales, 116
Paralelo, 41
PDA, 557, 575
874
Pendiente, 337, 368, 470, 480, 491
acumulada, 359
Percepci
on visual, 614, 636
Periodo de revisita, 116
Pir
amides, 57, 571, 662
Piran
ometro, 345
Pixel, 52, 56, 83, 102, 112, 120, 133, 172, 220,
381422, 504
Plataforma, 115
Plotter, 20, 436, 546, 686
Poisson, distribuci
on, 267
Polgono
a
rea de, 86, 229
centro de gravedad, 230
con huecos, 85, 229, 434
de recorte, 451
espureo, 141, 455, 545
permetro de, 229
Polgonos de Thiessen, 289
Polinomio de Lagrange, 335
Portal, 697
Precisi
on, 167
Predictor, 285, 291, 507
Primera ley geogr
afica de Tobler, 223, 272, 285
Primitivas geometricas, 84
n Geogra
fica
Sistemas de Informacio
de control, 128, 134, 382
de referencia, 382
por pulgada, vease Dots per inch (dpi)
PVI, 417
Quadtree, 101
QuickBird, 124
Quickbird, 404
Ro de Janeiro, conferencia de, 690
Radar, 118
Radar de Apertura Sintetica, 124, 157
RADATSAT, 124
Radiaci
on electromagnetica, 112
Raleygh, test de, 266
Rango, 277
Rao, test de espacialmiento de, 266
Raster, 52
de celdas no rectangulares, 79
modelo, 78, 79
Rasterizaci
on, 283
Rayos
gamma, 113
X, 113
Razones, 66
Real Time Kinematic, 152
Realidad aumentada, 590
Recorte, 451
Rect
angulo
mnimo, 462
Rectificaci
on, 382
Red de Tri
angulos Irregulares (TIN), 427
creaci
on, 437
Red geodesica, 37
Redes
an
alisis de, 88, 483
neuronales, 494
Redundancia, 91, 519
Reflectancia, 83, 377, 386
Reflectividad, 411
Reflexi
on, 114
Regi
on
infrarroja, 114
ultravioleta, 113
visible del espectro, 113
Registros, 185
Regla de Dempster, 515
Regresi
on, 292, 507, 756
logstica, 793
Relaci
on
de subdivisi
on del a
rea interior, 235
espacial, 232
INDICE ALFABETICO
875
Servidor, 554, 565
Shapefile, 163, 724
Shuttle Radar Topographic Mission, 31, 125, 378
SIG
multidisciplinaridad, 28
SIG m
ovil, 155
Significancia, 438
Sill, 277
Simple Features for SQL, 253
Simplificaci
on
de lneas, 463
Sin datos
valor de, 81, 284, 317, 324
Sinton
esquema de, 79
Sistema experto, 494
Sistema Gestor de Bases de Datos (SGBD), 190
Transaccional, 191
Sistemas de Navegaci
on Global, 20
SLD, 541
SMS1, 30
Snapping, 142, 173
Snow, John, 32
Sobremuestreo, 295
Sociedad Geogr
afica Americana, 24
Sondas, 409
Sourcetosink, 765
Spaguetti, 432
Spaguetti, 90
Spatial SQL, 254
Splines, 293, 466
SPOT, 31, 124, 140, 405
SQL-MM, 254
SRTM, 31, 125, 157
Stop & Go, 151
Structured Query Language (SQL), 247
Suavizado, 464
de lneas, 54
Sudafrica, 85
Superficie
de coste acumulado, 471
de fricci
on, 470
de tendencia, 291
desarrollable, 43
real de una celda, 339
variogr
afica, 277
SYMAP, 24
SYMVU, 24
Synthetic Aperture Radar, 157
Synton, David, 24
Tablet PC, 575, 578
876
Tableta digitalizadora, 127
Tagged Image File Format (TIFF), 162
Tama
no
de celda, 81
de pxel, 81
Tansmisi
on, 114
Telefono m
ovil, 575, 578
Teledetecci
on, 110
elementos, 111
Teora de grafos, 431, 483, 789
Teora de la Evidencia, 515
Terra, 124
Teselaci
on, 78, 88, 94, 364
en capas, 461
Teselaci
on de Voronoi, 289, 439
Tetrahedron Network (TEN), 525
Textura, 503
Thinning, vease Adelgazamiento
Tiempo, 75
Tiempo de concentraci
on, 367
TIGER, 562
Tiling, 569
Time Difference of Arrival (TDOA), 582
Time of Arrival (TOA), 582
TIROS I, 30
TM (sensor), 123
Tobler, Waldo, 24
Tom
ografo, 598
Tomlin, Dana, 25, 308, 327
Tomlinson, Roger, 24
Topologa, 87, 88, 143, 173, 212, 233
sobre capas r
aster, 90
Track, 150
Transformaci
on
afn, 88
al vuelo, 49
de Brovey, 403
de coordenadas, 49
de KahunenLoeve, 518
IHS, 401
logartimica, 358
logartmica, 311
por componentes principales, 403
Tasseled Cap, 420
Transmisividad del aire, 343
Transparente (almacenamiento), 199
Travelling Salesman Problem, vease Problema
del viajante
Triangulaci
on de Delaunay, 289, 439, 485
Triangulated Irregular Network (TIN), 77, 80,
94, 236, 283, 289, 331, 372
TTVI, 416
n Geogra
fica
Sistemas de Informacio
Tupla, 187
TVI, 416
U.S. Census Bureau, 562
Uni
on, 454
cartesiana, 245
de tablas, 245
natural, 245
Universal Mobile Telecommunication System, 584
URL, 554
US Bureau of the Census, 91
Usabilidad, 578
USGS, 31
Uso conjunto de distintas escalas, 68
V de Kuiper, test, 266
Vertice geodesico, 37
Vertices, 92
Vaguedad, 168
Validaci
on, 504
Validaci
on cruzada, 302
Variable
de apoyo, 285
Variables visuales, 605618, 652
din
amicas, 669
propiedades, 610
uso combinado, 612
Variograma, 274, 295
nube del, 275
Vecindad
de caballo, 473
de Moore, 433
de reina, 473
de Von Neumann, 433
interpolaci
on por, 288
Vectorial
campo, 74
espacio, 75
modelo, 78
Vectorizaci
on, 134, 407, 427, 464
Venn
diagrama de, 244, 451
John, 244
Ventajas datos digitales, 108
Ventana de an
alisis, 318
Very Important Points (VIP), 438
VGI, 154, 579
Visibilidad, 343, 370
Visor, 548
Vista 3D, 540
Visualizaci
on cientfica, 598
Voxel, 522
INDICE ALFABETICO
Waypoint, 150
Web 2.0, 30, 154, 563
Web GIS, 563
Web Mapping, 553
Web mapping, 595
WGS84, 39, 47
WGS84, 144
Wikimapia, 562
Wikipedia, 154, 562
WLAN, 583
World file, 159
World Trade Center, 118
WPAN, 584
Wright, John K., 24
WWAN, 584
Xerox PARC, 30
Xerox PARC Map Viewer, 559
YVI, 420
Zona
de entrenamiento, 493
de influencia, 446, 477
llanas, 353
877