Análisis Espacial Raster ArcGIS

Análisis Espacial con Datos Raster en
ArcGIS Desktop 9.2
Autor: Francisco José Reyes Peralta

Análisis Espacial con Datos Raster en ArcGIS Desktop 9.2
ÍNDICE
1. El Modelo de Datos Raster.
2. Fuentes de origen de datos raster.
3. Breve introducción al tratamiento y funciones de análisis raster: Análisis Local, Focal,
Zonal y Global.
4. Almacenamiento de Raster en Geodatabase.
5. Introducción a la Extensión Spatial Analyst para ArcGIS Desktop.
6. Especificación de las opciones de análisis de Spatial Analyst.
7. Obtención del MDE mediante la herramienta 3D Analyst.
8. Obtención de los parámetros morfométricos derivados del MDE con Spatial Analyst.
9. Funciones de análisis Raster con Spatial Analyst.
10. El uso de ArcToolbox y Model Builder para el análisis espacial de datos raster.
11. Breve referencia de aplicaciones reales.
Página 2
1. El Modelo de Datos Raster.
Teniendo en cuenta que un Sistema de Información Geográfica almacena de forma estructurada los
datos que describen un fenómeno, construyendo con ellos un modelo, que representa en el contexto
teográfico la porción de la realidad cuya información se desea analizar, podemos decir que un
modelo no es más que una “representación parcial de la realidad” en base a unos criterios que
delimitan tanto espacial como temáticamente una zona de la superficie terrestre. Así los procesos y
fenómenos del mundo real se representan en un sistema de información geográfico mediante
objetos con coordenadas de localización en la superficie terrestre (información espacial), sus
características mediante atributos (información temática) e incluso se pueden establecen relaciones
entre dichos objetos (relaciones topológicas).
Dado que cada usuario se plantea un determinado estudio del territorio, y más concretamente de
una porción de la realidad (Subset), debemos llevar a cabo una “simplificación” de la misma, dado
que no es posible representar toda la realidad de la superficie terrestre, por lo que aislaremos
aquellos elementos así como sus propiedades y relaciones que son más útiles para nuestro estudio.
Aunque a veces se utilizan como sinónimos, conviene establecer una diferenciación entre los
términos modelo de datos (la conceptualización del espacio) y estructura de datos (la
implementación de esa conceptualización en el ordenador). (Gutiérrez Puebla y Michael Gould, 1993,
pág. 76)
En resumen dentro del campo de los Sistemas de Información Geográfica, la información

georreferenciada es susceptible de ser analizada mediante distintos modelos de datos entre los que
destacan los que se muestran en la tabla siguiente:
Modelo de Datos Ejemplo de aplicación
Datos CAD Diseño Automatizado en Ingeniería y dibujo asistido por ordenador.
Gráfico (no topológico) Mapeado simple.
Imagen Procesamiento Digital de Imágenes (ADI).
Raster/Grid Análisis Espacial y Modelado, aplicado especialmente en estudios ambientales y de

recursos naturales.
Vector/Georrelacional Operaciones basadas en geometría de vectores en Cartografía, análisis de recursos,

socio-economía, y modelado espacial, donde la exactitud prima a la velocidad de
Topológico
proceso.
Redes (Networks) Análisis de redes de transportes, Hidrología y utilities.
Red Irregular Análisis y visualización del Terreno.

Triangulada (TIN)
Objetos Suelen englobar distintos modelos (raster/vectorial/TIN) y tienen múltiples usos.
Tabla 1. Modelos de datos en GIS.
¿Pero por qué es tan difícil saber si el fenómeno que vamos a analizar es mejor analizarlo mediante
un modelo de datos raster o un modelo de datos vectorial? Es aquí donde entran en juego los límites
del fenómeno analizado, así desde un punto de vista conceptual, en general los elementos
paisajísticos naturales, normalmente no presentan bordes marcados sino zonas de transición, por lo
Página 3
que estamos ante fenómenos caracterizados por una variación continua (superficie) en el espacio
cuya mejor representación es mediante el modelo de datos raster, mientras que los elementos que
son resultado de la acción antrópica como son las divisiones administrativas, vías de comunicación,
etc. Tienen unos límites más marcados y una variación discreta del fenómeno, fácilmente
delimitable, por tanto se pueden representar mediante pares de coordenadas y un modelo de datos
vectorial, aunque pueden haber excepciones en dicha representación (ej. Variable continua Altitud –
representación mediante curvas de nivel).
Dado que vamos a abordar el estudio de los fenómenos de la superficie terrestre y su análisis
mediante el modelo de datos raster, no vamos a entrar en detalle sobre el modelo de datos vectorial
y otros modelos de datos como el TIN o modelos de datos híbridos (tan sólo veremos unas
pinceladas del almacenamiento de datos Raster en Geodatabase). En nuestro caso vamos a
centrarnos en el modelo de datos Raster pero debemos tener en cuenta que la principal diferencia
entre ambos modelos de datos (raster-vector) es la forma de almacenar la información; en el
modelo vectorial se almacena la información en forma de geometrías (puntos, líneas, polígonos) y
en el caso de los datos matriciales la información se almacena como valores numéricos asociados a
una posición dentro de una matriz denominada pixel.
Definición de Raster:
Se trata de un Modelo de datos en el cual las entidades geográficas son representadas usando
celdas, generalmente cuadrados (aunque algunos sistemas utilizan otras figuras geométricas como
triángulos o hexágonos), ordenados conformando una grilla regular. Un raster es esencialmente
como una matriz bidimensional (filas y columnas) cuyo origen se sitúa en el extremo superior
izquierdo, al contrario de lo que ocurre con el Sistema de Coordenadas Cartesiano cuyo origen se
encuentra en el punto inferior izquierdo (véase Fig. 2). Un raster puede tener una o más bandas de
información (entiéndase Fotografía Aérea con tres bandas una por cada color visible RGB; imágenes
de Satélite multiespectrales o hiperespectrales, etc.) y la mínima entidad en la que se descompone
dicho raster o grilla es el píxel que permite almacenar tres tipos de variables (X o Longitud, Y o
Latitud, y Z o variable que representamos mediante dicho raster). Así el modelo de datos raster se
centra más en las propiedades y variaciones de las variables en el espacio que en la representación
discreta de los elementos que lo conforman.
Fig. 1. Formato Raster a. Simple, b. Multiespectral.
Todo ello conlleva un problema derivado de la falta de exactitud a la hora de delimitar los elementos
representados, y la única aproximación que se puede llevar a cabo es mediante el aumento de la
resolución o una clasificación del fenómeno a nivel de subpixel. Por lo que estamos ante un
problema no tanto de exactitud posicional, sino de resolución del raster.
Página 4
El ejemplo más destacable es el del Modelo Digital del Terreno que viene a representar la variación
continua de una variable que se presenta en la superficie terrestre mediante una malla teselar con
coordenadas XY y la representación de una tercera variable de acuerdo al fenómeno analizado. Los
modelos digitales del terreno son aplicables no solo a la variable elevación, sino a cualquier otra
variable que presente una variación continua sobre el espacio (precipitaciones, presión atmosférica,
temperaturas, pendientes, etc.)
Fig. 2. Relación entre el sistema de coordenadas raster y cartesiano.
Existen diversas clasificaciones de los datos raster que tienden a diferenciarlos utilizando criterios
como los que detallo a continuación:
- Según el valor del pixel.

o Continuos.
o Discretos o temáticos.
- Según el número de bandas o variables almacenadas en el raster.
- Según el tipo de datos almacenado y la fuente de procedencia
o Imágenes de Satélite o Raster espectrales (incluye fotografía aérea).
o Modelos Digitales del Terreno.
o Raster temáticos.
o Fotografía convencional (podría incluirse dentro del primer grupo)
A) Según el valor del píxel:
Continuos: se refiere a datos que se encuentran distribuidos de forma continúa como su nombre
indica en cualquier lugar de la superficie terrestre (por ejemplo: temperatura, precipitación, altitud,
presión atmosférica, etc.) y por tanto cualquier pixel tendrá un valor de dicha variable.
Discretos o temáticos: por otro lado tenemos los raster discretos que proceden de una
esquematización o discretización del fenómeno estudiado de acuerdo a un criterio, o se trata de
representaciones de fenómenos cuyos límites quedan perfectamente establecidos (como es el caso
de un raster de usos del suelo, tipología de suelos, etc.). El proceso de discretización de una variable
continua pasa por la agrupación de los píxeles que componen el raster en determinadas unidades y
la posterior asignación de un valor común a todos los píxeles que componen cada clase o intervalo,
lo que se ha venido a denominar RECLASIFICACIÓN de un raster continuo para la obtención del un
raster discreto.
Página 5
B) Según el número de bandas o variables almacenadas en el raster:
A pesar de que la mayor parte de los datos raster suelen ser monobanda (una única variable
representada) como es el caso de un MDE (Modelo Digital de Elevaciones), dado que no es posible la
representación de múltiples variables en un solo raster nos vemos en la obligación de usar los
denominados raster multiespectrales que pueden tener distinta significación según el contexto en el
que se usen. Así tenemos por un lado los raster multiespectrales basados en la discriminación de las
distintas zonas del espectro electromagnético (véase Fig. 3) o los raster múltiples que pueden
formar parte de una agrupación posterior mediante la aplicación de cualquier análisis de Evaluación
Multicriterio, pudiendo tener una imagen raster que almacene cada una de las variables para su
posterior agrupación (Álgebra de Mapas).
Fuente: http://www.lib.utexas.edu/chem/info/ems3.jpg
Fuente: The Remote Sensing Tutorial:

http://www.fas.org/irp/imint/docs/rst
Fig. 3. El espectro electromagnético y las imágenes multiespectrales (imágenes de satélite y

fotografías aéreas) e hiperespectrales.
C) Según el tipo de datos almacenado y la fuente de procedencia:
Siguiendo este criterio podemos diferenciar temáticamente los raster de acuerdo a la fuente de
información utilizada así como la finalidad del análisis (conversión vector a raster, extracción de
información o reconocimiento de patrones, etc.). Así tenemos:
Página 6
o Imágenes de Satélite o Raster espectrales (incluye fotografía aérea). Se trata una

de las tipologías de datos raster con mayor antigüedad dentro del campo de los
SIG, y su representación se limita a la variación de la reflectancia de la superficie
terrestre como respuesta al flujo energético proporcionado por la principal fuente
energética, el Sol, aunque también existen fuentes secundarias y artificiales ante
las que se produce una reacción de la superficie terrestre y que posteriormente es
grabada a bordo de los sensores aerotransportados (cámaras métricas o digitales
en avión, o sensores aerotransportados a bordo de satélites). Esta recepción de la
señal no se limita a la porción visible del espectro electromagnético, sino que
también podemos disponer de raster que contemplan otras longitudes de onda y
porciones de dicho EEM, como son el radar o las bandas térmicas. Dentro del
rango del EEM de la porción visible tenemos como ejemplo las fotografías aéreas y
ortofotografías.
Fig. 4. Imagen de Satélite Landsat 7 ETM+. Zona del Torcal de Antequera (Málaga)
o Modelos Digitales del Terreno. Raster cuya característica principal es la

representación de un fenómeno continuo sobre la superficie terrestre mediante
una malla de píxeles que se componen de una componente espacial (tamaño del
pixel y localización del mismo en coordenadas XY), y componente temática o de
atributos (el valor de la variable almacenada). A partir de este tipo de datos raster
podremos derivar otro tipo de información mediante la aplicación de las funciones
de análisis espacial.
Fig. 5. Modelo Digital del Terreno (Representación de un MDE)
o Raster temáticos. Proceden de la agrupación temática de los datos continuos de

acuerdo a un criterio preestablecido.
Página 7
Fig. 6. Raster temático con tres valores de altitud (menor de 200 metros, de 200 a 700 y más de
700 metros) procedente de la reclasificación del modelo digital de elevaciones de la Fig. 5.
o Fotografía convencional (podría incluirse dentro del primer grupo). Veremos un

ejemplo de este tipo de datos que puede almacenarse no como un raster
georreferenciado, sino como un atributo raster en el modelo de datos de
geodatabase, o como un hiperenlace en cualquier clase de entidad (Shapefile).
Fig. 7. Imagen como atributo raster en Geodatabase.
Centrándonos momentáneamente en los raster multiespectrales debemos atender a la organización

de dichos raster de acuerdo a la siguiente ilustración, donde se introduce otro eje cartesiano
derivado de la señal detectada en los píxeles de cada banda de información.
Página 8
Fig. 8. Ejes en el espacio n-dimensional de imágenes multiespectrales.
Así de izquierda a derecha y de arriba abajo tendríamos respectivamente las columnas y filas que
componen cada una de las bandas, y cada una de éstas variarán en función del atributo
representado en el eje Z que nos muestra la variabilidad temática de un conjunto raster
Multiespectral, que iría desde 1 hasta n bandas (3 en el caso de una fotografía aérea o fotografía
convencional, hasta centenares de bandas para imágenes hiperespectrales.).
ESTRUCTURA Y CARACTERÍSTICAS MÁS SIGNIFICATIVAS DE UN RASTER
Como se ha comentado un fichero raster es similar a una malla de píxeles en cuya posición se
almacena un valor (usualmente un Nivel Digital [ND] dada una codificación específica). Este valor
suele asociarse por convención a un color conformando la apariencia visual de dicho fichero en un
ordenador, pero en ocasiones esto no es del todo cierto ya que en determinadas ocasiones un pixel
no almacena un valor o característica visual, sino otro elemento, a veces abstracto como puede ser
la altitud o la temperatura, no perceptible visualmente (pero sí su manifestación).
Generalmente el almacenamiento de dicha información en las computadoras se realiza recorriendo

dicha malla de izquierda a derecha y de arriba abajo desde la esquina superior izquierda del raster,
para posteriormente reconstruir dicha imagen el software, asignando un color de acuerdo a una
paleta de colores especificada, aunque existen otros tipos de almacenamiento raster como los que
se detallan a continuación:
Estructuras de Raster Simples:
-Enumeración Exhaustiva. Se trata de almacenar uno por uno el valor de cada celda, de
acuerdo con una secuencia, generalmente fila a fila a partir de la celda superior izquierda.
Fig. 9.
-Codificación por grupos de longitud variable (Run Length Encoding). La codificación

no se hace valor a valor, sino por grupos de valores iguales seguidos. Fig. 10.
Estructuras de Raster Jerárquicas:
-Arboles Cuaternarios. Una derivación de las estructuras convencionales para ordenar y

codificar datos raster es la de árboles cuaternarios (quadtrees). Se trata de operar en una
misma capa raster con distintos tamaños celdas, lo que significa trabajar con una resolución
variable, algo poco frecuente. Dicha estructura es el resultado de una división del espacio
basada en estructuras jerárquicas de 4 cuadrantes. El espacio inicial es una matriz regular de
Página 9
2x2 celdas; cada celda puede dividirse en otras 4 si el atributo varía en su dominio espacial,
lo que reduce la necesidad de espacio cuando la variable es homogénea. Como contrapartida
se complican las operaciones de análisis, combinación y modificación (rotaciones,
proyecciones). Fig. 11.
Fig. 9. Codificación Raster mediante Enumeración Exhaustiva.
Fuente: http://www.geogra.uah.es/gisweb/1modulosespanyol/IntroduccionSIG/GISModule/GIST_Raster.htm
Fig. 10. Codificación Raster mediante Run Length.
Fuente: http://www.geogra.uah.es/gisweb/1modulosespanyol/IntroduccionSIG/GISModule/GIST_Raster.htm
Fig. 11. Codificación Raster mediante Árboles Cuaternarios.
Página
10
Una vez vistos algunos conceptos de almacenamiento de datos raster, veremos cuáles son las
características más significativas de ese formato y que nos permitirán categorizarlos y analizarlos de
forma adecuada.
Características significativas de un Raster:
Resolución: El pixel es el elemento más pequeño al que un dispositivo de visualización

puede asignarle de forma independiente un atributo como es el color. Así se define la
resolución como la dimensión lineal mínima de la unidad más pequeña del espacio geográfico
para la que se recogen los datos. Cuanto menor sea el tamaño de dicho pixel y por ende de
la zona representada por dicho pixel, mayor es también el número de celdas que se
representarán mediante dicho raster. La resolución dependerá del nivel de detalle con el que
se quiera representar el mundo real, teniendo en cuenta las posibilidades de análisis y
hardware/software.
Orientación: Se denomina con este vocablo al ángulo formado por el norte y la dirección
definida por las columnas de la retícula o raster, siendo habitual que su valor sea 0. (Véase
fichero “world” de georeferenciación para imágenes raster).
Zona o Clase: se trata de una agrupación temática de las celdas de un fichero raster de
acuerdo a un criterio clasificador (por ejemplo, usos del suelo). Los software GIS nos
permiten entre otras funciones realizar mediciones de variables continuas a partir de dichas
zonas o clases (Véase Funciones de Análisis Zonal mediante Spatial Analyst) tales como
valores medios, máximos, mínimos, desviaciones estándares, etc.
Valor: se trata del valor como su nombre indica almacenado en cada una de las celdas del
raster (es decir, un único valor por celda y capa o banda). Estos valores podrán ser números
enteros o reales (con cifras significativas y decimales), produciendo éstos últimos mayor
consumo de recursos de hardware. También es posible almacenar valores textuales pero la
mayoría del software codifica a valores numéricos (proceso de Reclasificación). En el ámbito
de los raster, se considera a la variable localización representada mediante X e Y de la celda,
y como variable temática Z el valor de dicho pixel sea continuo o discreto.
Localización: como ya se ha visto la localización mediante la estructura teselar o raster se

realiza en filas y columnas, y la topología, a diferencia de la estructura vectorial, queda
implícita a la localización de las celdas y sus vecinas, deduciéndose relaciones del tipo
contigüidad, proximidad, y orientación relativa (por ejemplo conocer por el número de fila y
columna cuál está más al Sur y cuál más al Norte).
Georreferenciación: con respecto a la localización de los píxeles hemos de tener en cuenta

que no siempre disponemos de un raster georreferenciado por lo tanto puede disponer de
coordenadas fila y columnas, sin disponer de una referencia espacial determinada (Sistema
de Referencia Espacial). En algunas ocasiones para proceder a la localización espacial de
dicho raster hemos de realizar una georreferenciación, u Ortorectificación si dicha localización
conlleva la corrección del efecto del relieve, orientación interna y externa del raster etc. (nos
referimos por tanto en este caso a Fotografías Aéreas, pero podría georreferenciarse
cualquier otro raster si disponemos de información de referencia). En otras ocasiones se
dispone de una referenciación basada en ficheros denominados world que contienen
información relativa a la posición de dicho raster en la superficie terrestre.
Respecto a éste último punto de la referenciación mediante ficheros world vamos a puntualizar como
se crea un fichero world de acuerdo a una imagen aérea.
Página
11
Un fichero world está compuesto por algunos parámetros que nos permitirán referenciar nuestra
imagen respecto al espacio y con respecto a otras imágenes que se referencien usando el mismo
método o fruto de una georreferenciación más avanzada. Para referenciar dicha imagen tendremos
que conocer las coordenadas XY de la celda superior-izquierda, así como el tamaño del pixel en la
horizontal y la vertical. Con estos datos crearemos un fichero con el Bloc de Notas o cualquier
procesador de textos, que contendrá los siguientes datos (uno por cada línea). Véase Fig. 12.
Línea 1. Tamaño real del píxel en el eje X.
Línea 2 y 3. Se refiere a los ángulos de giro de la imagen, que serán mientras no se especifique lo
contrario 0 y -0 respectivamente.
Línea 4. Tamaño real del píxel en el eje Y. Siempre será negativo al disminuir hacia abajo.
Línea 5 y 6. Serán las coordenadas XY del primer pixel (Esquina Superior-Izquierda). En formato
UTM.
Fig. 12. Ejemplo de fichero world.
La denominación y almacenamiento de dicho fichero se hará siguiendo las siguientes convenciones

de nomenclatura del fichero:
- Usar el mismo nombre de la Fotografía Aérea u Ortofotografías, Imagen de Satélite o

fichero raster.
- Como extensión usaremos la misma pero agregaremos la letra “w” al final de la extensión
y opcionalmente eliminaremos la segunda letra de la extensión original. Quedando por
tanto del siguiente modo para los ficheros siguientes:
o JPG = JGW.
o TIF = TFW.
o SID = SDW.
o …
Llegados a este punto en el próximo epígrafe veremos cuáles son los métodos más utilizados para la
obtención de datos raster.
Página
12
2. Fuentes de origen de datos Raster.
Son múltiples las fuentes de datos susceptibles almacenarse mediante un modelo de datos raster. A
continuación mencionaremos algunas de las fuentes principales que participan en la obtención de
datos raster finales o secundarios que participarán posteriormente en la elaboración de nuevos
datos, bien sean en formato raster o vectorial.
Las principales fuentes son:
- Imágenes escaneadas mediante escáner de sobremesa o fotogramétrico. Se trata

de uno de los procesos más generalizados de conversión de información analógica o en
papel a formato digital raster. En la mayoría de los casos se trata de escáneres de
sobremesa que debido a su menor coste están más generalizados entre los usuarios
domésticos, mientras que los escáneres fotogramétricos se usan para escanear los
fotogramas obtenidos tras el vuelo fotogramétrico obteniendo así las imágenes digitales
que posteriormente se podrán utilizar para cualquier proceso relacionado con los GIS
(entrada de datos, análisis, y extracción de información mediante digitalización, entre
otros), o se aerotriangularán y georreferenciarán respecto a otros fotogramas. Estos
procesos están enmarcados en el ámbito de la Fotogrametría, ciencia definida como la
técnica de captura de datos que tiene como objeto, estudiar y definir la forma, dimensión
y posición de un objeto sobre la superficie terrestre mediante fotografías de ese objeto,
sin tener contacto con él y su posterior tratamiento mediante restituidores
fotogramétricos y otros instrumentos como estaciones fotogramétricas digitales. Entre los
datos obtenidos mediante esta técnica tenemos Modelos Digitales de Elevaciones y
Ortofotografías Aéreas.
Fig. 13. Escáner Fotogramétrico y de sobremesa.
- Imágenes de Satélite o fotografía aérea (cámaras métricas o digitales). La

teledetección se considera como la ciencia que permite obtener información acerca de la
superficie terrestre sin estar en contacto con ella. Para ello se detecta y graba la energía
emitida o reflejada en sensores aerotransportados para posteriormente enviarlas a
centros de tratamiento específicos para su uso final dentro de las aplicaciones GIS. Este
proceso conlleva la integración de varios elementos entre los que destacan:
o Fuente de Energía.
o Atmósfera.
o El objeto que interactúa con dicha radiación.
o El sensor (que puede ser elemento activo o pasivo).
Página
13
Como resultado de dicha interacción entre cualquier objeto de la superficie terrestre y la

radiación que lleva a éstos (modificada en gran medida por la componente atmosférica) el
sensor grabará la información detectada y la almacenará para su posterior tratamiento y
difusión mediante imágenes multiespectrales o hiperespectrales, según el sensor
utilizado. Dichas imágenes podrán ser analizadas para extraer información derivada
mediante análisis visual (análisis de textura, tonos, etc.) o digital (análisis de
componentes principales, índices de vegetación, clasificaciones o reconocimiento de
patrones, etc.)
- Rasterización de datos vectoriales. Es el proceso consiste en leer las coordenadas

vectoriales que delimitan los objetos puntuales, lineales o poligonales y determinar si en
cada píxel del mapa raster se sitúan o no, los objetos vectoriales. Este proceso se lleva a
cabo superponiendo una maya o tesela sobre los datos vectoriales.
Fig. 13. Conversión Vector a Raster.
- Obtención de modelos digitales de elevaciones mediante triangulación y

posterior rasterización. Este proceso se basa en la obtención de un Modelo Digital de
Elevaciones siguiendo uno de los procesos más generalizados entre los técnicos GIS dada
su facilidad de obtención, así como la facilidad de acceso a los datos de origen (Curvas de
Nivel). El proceso que se detallará más adelante (véase epígrafe Obtención del MDE
mediante la herramienta 3D Analyst), está basado en las siguientes fases principalmente:
o Obtención de las curvas de nivel a una equidistancia dada de una zona concreta.
o Triangulación de las Curvas de Nivel obteniendo así el TIN o Red Irregular
Triangulada.
o Conversión del TIN a un modelo de datos Raster o Teselar.
- Datos Lidar (Light Detection and Ranging). El sistema Lidar emite pulsaciones de luz
que reflejan en el terreno o cualquier objeto en altura y la pulsación de regreso se
convierte de fotones a impulsos eléctricos. La resolución de los datos posicionales (x, y)
puede llegar a precisiones de 1 metro en la horizontal y 15 cm en altura, y las
posibilidades que brinda permiten realizar mediciones en condiciones climatológicas y de
iluminación que no serían factibles mediante la recolección de fotografías aéreas,
posibilitando también la obtención de un modelo digital de Superficie incluyendo
elementos ambientales y antrópicos (masas forestales, lechos fluviales, edificaciones,
etc.)
Como vemos son múltiples las fuentes de datos para obtener información en formato raster. En los
próximos epígrafes se hará uso principalmente de curvas de nivel, es decir, datos en formato
vectorial que se triangularán y a partir de los cuales obtendremos un Modelo Digital de Elevación.
Página
14
3. Breve introducción al tratamiento y funciones de análisis raster: Análisis Local, Focal,

Zonal y Global.
Los SIG nos permiten abordar múltiples funciones de análisis sobre datos raster en base a la
teselación y ordenación de los píxeles de los mismos, y éstas en principio van a depender
principalmente de un factor clave, el alcance de dicha operación, por lo que cabría distinguir las
siguientes:
Funciones u Operadores Locales: en este tipo de funciones la manipulación del raster se realiza
pixel a pixel, obteniendo el resultado en función del valor de dicha localización, pudiendo tener en
cuenta una o varias capas o bandas. Entre las operaciones que podemos realizar tenemos las
operaciones aritméticas entre raster, operaciones de reclasificación, superposiciones, enmáscarado,
etc. (Álgebra de Mapas).
Fig. 14. Tipología de Análisis y Funciones Locales.
Funciones u Operadores Focales: se denominan así o de vecindad, ya que con ellas obtendremos
para cada pixel un valor en función de los valores almacenados en dichos píxeles y en los vecinos o
aledaños al mismo. Para este tipo de análisis usamos lo que se denomina una matriz de recorrido
que puede estar compuesta por los píxeles más próximos (operadores de vecindad inmediata), o
más alejados al pixel analizado (operadores de vecindad extendida) y el rango de la matriz será algo
que debamos determinar nosotros, aunque por defecto se suele utilizar una matriz de 3x3 píxeles.
Como ejemplos de este tipo de funciones tenemos la obtención de estadísticas respecto a los píxeles
vecinos, aplicación de filtros sobre imágenes (mediana, moda, detección de bordes, etc.) así como el
cálculo de parámetros como la pendiente, orientación, sombreado,… a partir de un MDE. Para el
caso de las operaciones de vecindad extendida, tendremos en cuenta un mayor número de píxeles
contiguos como es el caso del análisis de visibilidad o distancia en línea recta o de costo.
Fig. 15. Tipología de Análisis y Funciones Focales.
Funciones u Operadores Zonales: en este tipo de operaciones el valor del pixel en una capa
resultante del análisis dependerá del valor del pixel en la capa de origen, así como el valor de los
Página
15
píxeles pertenecientes a la misma zona, pudiendo estar determinada dicha zona por un polígono u
otro raster discreto o temático (por ejemplo un mapa de usos del suelo). A partir de este tipo de
operadores podemos obtener por ejemplo las medidas estadísticas para una zona concreta a partir
de un raster con una determinada variable (pongamos el caso de la obtención de los parámetros
estadísticos – media, máximo, mínimo – de pendientes para un determinado uso – olivar).
Fig. 16. Tipología de Análisis y Funciones Zonales.
Funciones u Operadores Globales: por último tenemos las operaciones de ámbito global que
tendrán en cuenta la totalidad de los píxeles de la imagen o raster, y entre éstas se encuadran los
métodos de interpolación.
Fig. 17. Tipología de Análisis y Funciones Globales.
Además de estos operadores existen otro tipo de análisis que se realizan en función de la etapa
dentro del proceso de integración de los datos en un GIS, como son las operaciones de re-
localización de una imagen raster en coordenadas (georreferenciación) o las correcciones de sus
niveles digitales, o la realización de mosaicos, que aunque bien podrían incluirse dentro de las
operaciones anteriores, han venido a identificarse dentro de las operaciones de pre-procesado
raster.
Como aclaración debemos decir que no todos los píxeles tendrán asignado un valor, bien porque han
sido modificados, bien por falta de recepción por el equipo receptor (imágenes de satélite, Lidar,
etc.), indicando que no hay medición alguna para dicho raster.
Página
16
En los próximos epígrafes veremos algunas de las operaciones con datos raster que podemos llevar
a cabo de forma cotidiana mediante la extensión Spatial Analyst para ArcGIS Desktop, mediante
operadores de tipo local, focal, zonal y global, además de mostrar algunos ejemplos más complejos
mediante el uso de ArcToolbox en combinación con el gestor de Modelos de Geoprocesamiento,
definiéndose éste como el conjunto de operaciones que tienen como fin, la obtención de parámetros
derivados, o la transformación de los mismos, mediante la aplicación de un conjunto de funciones de
procesamiento espacial, donde intervienen tres parámetros principalmente como veremos en los
modelos de geoprocesamiento: una entrada, una función de geoproceso y una salida (bien sea una
capa derivada o la misma pero transformada).
Página
17
4. Almacenamiento de Raster en Geodatabase.
El nuevo modelo de datos incorporado por ArcGIS Desktop, la Geodatabase, nos permite integrar
distintos tipos de datos y de muy diversa procedencia en su interior. Entre estos datos se puede
incorporar información vectorial, información raster gestionada o no gestionada, información
topográfica, anotaciones, y tablas, además de los Terrain (incorporados en la versión 9.2 a dicha
arquitectura). De todos estos los más utilizados son los datos vectoriales y raster, además de los
datos tabulares, pero en nuestro caso nos centraremos en el almacenamiento raster en
Geodatabase y sus beneficios y posibilidades.
Como se ha comentado una imagen o un fichero en formato raster está conformado por un conjunto
de celdas organizados en filas y columnas cuyo origen se encuentra en la esquina superior izquierda
y para su análisis se recorren de izquierda a derecha y de arriba abajo, tal y como se muestra en la
figura siguiente. Véase Fig. 18.
Fig. 18. Recorrido de un raster.
Este tipo de datos se puede almacenar en varias modalidades dentro de una geodatabase lo cual
redunda en múltiples beneficios asociados al método de almacenamiento. Entre los beneficios que
podemos encontrar del uso y almacenamiento de datos raster en geodatabase tenemos:
- Uso de raster tanto a nivel de geodatabase personal como multiusuario, cada una con sus
particularidades en cuanto a gestión.
- Mantenimiento de grandes volúmenes de datos.
- Posibilidad de uso de datasets individuales o en mosaico, o catálogos de datos raster.
- Rápido despliegue de datos raster dada la posibilidad de crear pirámides (método de
compresión visual de datos raster) en nuestros raster.
- Posibilidad de extracción de forma sencilla de otros datos a partir de dichos raster.
- Posibilidad de compresión con/sin pérdida.
Etc.
A veces no resulta tan obvio saber el modo de almacenar, organizar y analizar los datos raster en
una base de datos geográfica, es por ello que daremos un breve repaso a los tipos de organización y
almacenamiento de datos raster en geodatabase y veremos algunos ejemplos y su organización.
Página
18
Los tres tipos de almacenamiento raster en geodatabase incluyen:
Raster Datasets (Conjunto de Datos Raster): se denomina raster Dataset o conjunto de datos
raster a cualquier formato raster válido organizado en una o más bandas, siendo cada banda un
Array o matriz de píxeles (celdas) donde cada uno de éstos dispone de un valor asociado a la
temática representada por dicho raster. Independientemente del número de bandas, un raster
Dataset puede anexarse horizontalmente a modo de mosaico o permanecer individualmente.
Raster Catalog (Catálogos Raster): se denomina como catálogo raster a la colección de raster
datasets en una tabla dentro de la geodatabase en la que cada registro representa un Dataset raster
individual, y aunque en la mayoría de los casos se usa para almacenar raster individuales (uno por
registro) dentro de un mosaico (imágenes contiguas con una zona de solape), aunque es posible
almacenar también distintas imágenes de una misma zona pero de periodos temporales distintos,
así como otro tipo de imágenes. Dentro de dicho catálogo raster cada imagen tendrá su propio
sistema de referencia espacial, y dichos raster datasets podrán ser almacenados de dos formas
distintas dentro de una Geodatabase:
Raster Gestionado por la Geodatabase: convirtiendo las imágenes en formato Erdas Imagine
(IMG) y almacenándolas directamente en una carpeta al mismo nivel que la geodatabase.
Como beneficio tenemos la gestión centralizada por la geodatabase, pero como contrapartida
tenemos el aumento del peso de nuestra geodatabase sobre todo cuando de áreas extensas
se trata.
Raster No Gestionado por la Geodatabase: no se convierten las imágenes a un formato nativo

como es ERDAS Imagine (IMG) sino que se mantienen en la ubicación y con el formato
original, y sólo se almacena en una tabla (campo NAME) de la geodatabase las referencias a
la ubicación de cada raster Dataset.
Además de la incorporación de todos los raster en el catálogo nos permite ver las imágenes o un
índice vectorial cuya finalidad es la posibilidad de que podamos cargar sólo las imágenes que
necesitemos a una escala dada, o que podamos realizar selecciones temáticas y espaciales dentro
de ese índice vectorial como si de entidades vectoriales se tratase.
Atributos Raster: los atributos raster se almacenan en la geodatabase a modo de enlace entre un
campo de tipo Raster en una Feature Class y la imagen almacenada internamente en dicha
geodatabase. Es similar al hiperenlace en Shapefile pero en el que la referencia es interna y no se
almacena el enlace a una imagen externa a la geodatabase.
A continuación veremos brevemente los pasos para crear cada uno de estos almacenes de datos
raster.
A la hora de saber qué tipo de modalidad de almacenamiento seleccionar debemos tener en cuenta
los siguientes aspectos:
- Si sólo se va a hacer uso de un raster Dataset deberemos almacenarlo como tal, no

dentro de un catálogo raster.
- Si queremos trabajar con un mosaico raster y no necesitamos disponer de las zonas de
solape podemos optar por un raster Dataset a modo de mosaico.
- Si nuestra necesidad es disponer de un mosaico raster pero necesitamos conservar las
zonas de solape individual optaremos por un catálogo raster.
- Si queremos disponer de un conjunto de raster datasets organizados temporalmente (por
fechas de captura) pero referidos a una misma zona usaremos un catálogo raster.
- Si necesitamos disponer de un conjunto de imágenes contiguas pero no es necesario
cargar todas la imágenes al mismo tiempo podemos usar un catálogo raster, ya que
Página
19
este formato nos permite disponer de una malla vectorial organizativa de los datasets que
usa los límites de dichos raster datasets para mostrarlos en ArcCatalog y ArcMap,
teniendo en cuenta una escala o número de raster datasets que serán necesarios para
que comiencen a visualizarse en tiempo de edición (ArcMap).
- Si necesitamos almacenar múltiples atributos raster para su posterior uso como atributos
dentro de un campo de una Feature Class podremos usar un catálogo raster para
mantenerlos.
Para ver como se almacenan y crean los raster datasets, catálogos y atributos raster en
geodatabase vamos a crear un fichero de este tipo (Geodatabase Personal en nuestro caso).
Los pasos a seguir son:
Pulsar botón derecho del ratón sobre la carpeta de destino – New – Personal Geodatabase
Fig. 19. Creación de una geodatabase personal.
Una vez disponemos de nuestra geodatabase procedemos a renombrarla como creamos

conveniente, en nuestro caso hemos usado Almacenamiento Raster.mdb.
Creación de un Raster Dataset.
Para crear un raster Dataset tenemos distintas opciones:
Desde ArcCatalog. Botón derecho sobre la geodatabase New – Raster Dataset.
Fig. 20. Creación de un Raster Dataset desde ArcCatalog.
Desde ArcToolbox. Data Management Tools – Raster – Create Raster Dataset.
Página
20
Fig. 21. Creación de un Raster Dataset desde ArcToolbox.
Desde la Línea de Comandos. Basta con teclear “createrasterdataset” y proseguir

rellenando los datos solicitados.
Bastará con especificar en el cuadro de diálogo los siguientes parámetros:
Output Location (Localización del raster Dataset). Por defecto la geodatabase sobre la que se ha
pulsado botón derecho.
Raster Dataset Name with Extension (Nombre del Raster Dataset con extension). Aquí
especificaremos el nombre del raster Dataset y las extensiones disponibles son (img, tif, bmp, jpg,
etc.).
Cellsize (Opcional). Es el tamaño de celda que tendrá nuestro raster Dataset.
Pixel Type (tipo de datos soportado por el pixel). Aquí especificaremos dentro de los estándares de
almacenamiento de datos raster el tipo de valor que podremos almacenar.
Spatial Reference for Raster (Optional). Sistema de Referencia Espacial de nuestro raster
dataset.
Number of Bands (Número de Bandas). Número de bandas que compondrán el raster (1 a n).
Además de estos parámetros existen otros parámetros de configuración del raster datasets que no
se suelen especificar, salvo casos excepcionales, y que pueden consultarse en la documentación
incluida con ArcGIS Desktop.
Página
21
Este proceso nos permitirá crear una grilla que podrá contener posteriormente un conjunto de datos
raster con datos válidos, ya que en principio no hemos asignado ningún valor a dichas celdas.
Para importar raster datasets en Geodatabase tenemos las siguientes opciones:
Desde ArcCatalog. Botón derecho del ratón sobre la geodatabase – Import – Raster
Datasets / Raster Datasets (Mosaico)
Fig. 22. Importación de Raster Datasets individuales o a modo de mosaico en ArcCatalog
Desde ArcToolbox: Conversion – To Geodatabase – Raster to Geodatabase (Multiple)
Fig. 23. Importación de Raster Dataset múltiples a Geodatabase o Raster Catalog.
Desde la Línea de Comandos: introduciendo la sentencia “rastertogeodatabase” e

introduciendo el resto de parámetros.
Página
22
Input Rasters: Aquí iremos cargando los rasters datasets consecutivos.
Output Geodatabase: aquí dejaremos por defecto el lugar donde se van a cargar los datos raster.
Geodatabase o Raster Catalog.
El resto de parámetros podemos dejarlo por defecto.
Creación de un Raster Catalog.
Para crear un Catálogo Raster tenemos distintas opciones:
Desde ArcCatalog. Botón derecho sobre la geodatabase New – Raster Catalog.
Fig. 24. Generación de un Catálogo Raster desde ArcCatalog.
Desde ArcToolbox. Data Management Tools – Raster – Create Raster Catalog.
Fig. 25. Generación de un Catálogo Raster desde ArcToolbox.
Página
23
Desde la Línea de Comandos. Introduciendo la sentencia “createrastercatalog”.
Output Location (Localización de salida): Geodatabase donde se situará nuestro catálogo raster.
Template Raster Catalog (Optional): aquí podremos especificar una plantilla de catálogo raster
existente y podremos gestionar los campos que contendrá.
Input Raster Catalog Name (Nombre de entrada del Catálogo Raster): nombre de salida del
catálogo raster.
Coordinate System for Raster Column (Optional): usado como sistema de referencia especial
para datasets que no estén proyectados. El valor por defecto será el especificado en las variables del
ambiente de geoprocesamiento de la herramienta.
Coordinate System for Geometry Column (Optional): este parámetro define el sistema de
referencia especial utilizado por el índice vectorial o footprints.
Configuration Keywords, Output Spatial Grid 1, 2, 3 (Optionals): Se refiere a parámetros de

configuración del índice especial de referencia para el catálogo raster. Su uso está más centrado en
geodatabase corporativa.
Raster Management Type (Tipo de Gestión del Raster en el Catálogo): aquí especificaremos si
gestionaremos de forma interna en la geodatabase los raster datasets incluidos en el catálogo, o se
hará mediante una referencia externa (no gestionados).
Una vez creado el Catálogo Raster bastará con agregar los rasters mediante botón derecho del ratón
sobre el Catálogo Raster – Load ... y ahí especificaremos los raster datasets que debamos importar.
En la siguiente ilustración podemos ver un ejemplo de catálogo raster:
Fig. 26. Ejemplo de catálogo raster a modo de mosaico con ArcCatalog.
Página
24
Creación de Atributos Raster.
Para crear un Atributo Raster debemos proceder del siguiente modo:
En una Feature Class creada de antemano vamos a agregar un campo de tipo Raster, pulsando
botón derecho del ratón sobre la Feature Class – Propiedades – Fields. Ahí agregaremos el
campo y especificaremos como tipo de datos Raster. (Véase Fig. 26).
Fig. 27. Creación de un campo de tipo Raster en una Feature Class mediante ArcCatalog.
Seguidamente vamos a ArcMap y en modo edición pulsamos el botón Atributos y en el campo que
hemos agregado pulsaremos el botón izquierdo del ratón y seleccionaremos mediante las opciones
que se muestran en la Fig. 27 la imagen a cargar como atributo.
Fig. 28. Adición de una foto como atributo raster.
Además de este conjunto de operaciones disponemos de otro tipo de operaciones de mantenimiento

de datos raster como son los cambios de resolución (Data Management Tools – Raster -
Resample), elaboración de mosaicos propiamente dichos (Data Management Tools – Raster –
Mosaic to New Raster/Mosaic) que debido a la extensión que conllevaría comentar todas las
operaciones sobrepasaría la extensión de esta guía. En futuras versiones se incluirán dichas
operaciones.
Página
25
5. Introducción a la Extensión Spatial Analyst para ArcGIS Desktop.
Aunque ArcGIS Desktop puede visualizar datos raster, y operar con ellos de forma básica
permitiendo su gestión e integración dentro de un GIS, no podremos realizar funciones de
geoprocesamiento sobre dichos raster si no disponemos de la extensión Spatial Analyst para ArcGIS.
Como hemos comentado la forma de realizar operaciones como las que se comentaron en el capítulo
3 de esta guía debemos disponer de una licencia de dicha extensión.
Esta extensión nos provee de algoritmos para el análisis de datos raster y su funcionalidad se puede
englobar en los siguientes grupos:
- Mediciones de distancia tanto en línea recta (euclidiana) como ponderada por el coste.
- Obtención de mapas de densidad, a partir de datos puntuales o lineales.
- Interpolación a raster a partir de muestras, utilizando métodos tanto determinísticos
como geoestadísticos.
- Extracción de parámetros morfométricos a partir de un Modelo Digital del Terreno.
- Operaciones de reclasificación y conversiones entre Raster y Vectorial en ambos sentidos.
- Análisis Hidrológicos y otros análisis aplicados.
Además de las herramientas incorporadas en la propia barra de herramientas de Spatial Analyst, se

incorporan a las herramientas de ArcToolbox, numerosas funciones de análisis entre las que
destacan, operadores aritméticos, operadores booleanos, análisis hidrológicos, y un largo etcétera.
Operables desde cualquiera de los componentes del entorno de geoprocesamiento de ArcGIS
Desktop tales como las propias herramientas de ArcToolbox, Model Builder o la Línea de Comandos.
Operadores de Distancia (Operadores Focales)

Operadores de obtención de Densidades (Operadores Focales)
Operadores de Interpolación de Superficies (Operadores Globales)
Operadores de Obtención de Superficies (Operadores Focales)
Estadísticas de Celdas (Operadores Locales)
Resúmenes Estadísticos de Píxeles Vecinos (Operadores Focales)
Estadísticas Zonales (Operadores Zonales)
Reclasificación (Operadores Locales)
Calculadora Raster
Conversiones (Raster a Vector Vector a Raster)
Opciones (Configuración de las herramientas de Spatial Analyst)
Fig. 29. Barra de Herramientas de Spatial Analyst para ArcGIS Desktop y agrupación de funciones
de Análisis Espacial de acuerdo a la clasificación del capítulo 3.
Página
26
A pesar de que gran parte de los usuarios utilizan las herramientas más visuales, uno de los
elementos de mayor potencia es el gestor de modelos de geoprocesamiento (disponible no sólo con
Spatial Analyst, sino con todo el entorno ArcGIS) y la calculadora raster que incorpora dicha
extensión.
Con respecto a la calculadora raster (véase Fig. 30) podemos decir que se trata de una potente
herramienta de análisis que nos provee de una funcionalidad que va desde operadores y funciones
básicos (operadores aritméticos), hasta operadores más avanzados como son operadores booleanos
o logarítmicos, pasando por un amplio rango de funciones predefinidas (análisis de distancia,
mosaicos, cambios de resolución, sustitución de celdas, etc.)
La dicha herramienta está basada en las operaciones de álgebra de mapas, definidas como las
operaciones algebraicas que se realizan sobre capas de tipo raster aplicables no solo a cada pixel
dentro de la capa raster sino también a los píxeles vecinos o a todo el conjunto de píxeles.
En la siguiente ilustración podemos observar la Calculadora Raster que se divide principalmente en

las siguientes partes:
1. Zona de selección de capas raster.

2. Zona de Selección de operadores
3. Zona de escritura de la operación o conjunto de operaciones de álgebra de mapas.
Fig. 30. Calculadora Raster de ArcGIS Spatial Analyst.
La mayor parte de las operaciones que se realizan son aritméticas como la suma de un raster con
otro, la extracción de píxeles de un raster basado en un criterio específico, la comparación de un
raster con otro, etc. En las siguientes líneas se puede ver algunos ejemplos de la funcionalidad de
dicha herramienta:
[Raster] + 25 Resultado: Adiciona 25 unidades a los píxeles del raster de entrada.
[Raster1] / [Raster2] Resultado: Divide los píxeles de un raster respecto al otro cada píxel con su
respectivo en la otra capa.
Int ([Raster]) Resultado: Convierte a valores enteros los píxeles de un raster cuyos datos son
almacenados mediante datos de tipo Float.
Sqrt ([Raster]) Resultado: obtiene un raster donde los valores son la raíz cuadrada del raster de
entrada.
Página
27
RasterSalida = [Raster1] > 250 AND [Raster2] >= 30
Resultado: aplicada por ejemplo con un raster 1 = a un MDE y un raster 2 = a un mapa de pendientes
podríamos obtener un RasterSalida (nombre de la capa que se mostrará en la tabla de contenidos), cuyos
píxeles cumplan ambas condiciones, que la altitud sea superior a los 250 metros, y la pendiente sea superior o
igual a los 30 grados o tanto por ciento dependiendo de las unidades del raster de pendientes.
Como hemos comentado además de estas funciones aritmético-lógicas y otras más avanzadas
(logarítmicas, exponenciales, trigonométricas o booleanas) tenemos otras funciones
predeterminadas para cálculos más específicos, entre las que se encuentran algunos de los ejemplos
que detallo a continuación (para más información acerca de las herramientas disponibles Consultar
la Documentación de Ayuda de ArcGIS Desktop en Extensions – Spatial Analyst – Spatial Analyst
Funtional Reference):
Mosaic ([Raster1], [Raster2], [Raster3] … [RasterN])
Resultado: obtenemos un mosaico con todas los raster de entrada a partir de una zona de solape.
Slope([Raster],{DEGREE | PERCENTRISE}) o Slope ([Raster], <z_factor>, {DEGREE |

PERCENTRISE})
Resultado: obtenemos un raster de pendiente a partir de un modelo digital del terreno (frecuentemente un
MDE).
Aspect ([Raster])
Resultado: obtenemos un raster de orientación de la pendiente a partir de un modelo digital del terreno
(frecuentemente un MDE).
Como vemos la mayoría no son complicadas pero determinadas funciones pueden requerir de
distintos parámetros que permiten personalizar el resultado obtenido como por ejemplo la siguiente
operación:
Operador Máxima Probabilidad o verosimilitud (Maximum Likelihood Classifier)
Función genérica:
MLClassify(<stack>, <signature>, {reject_fraction}, {EQUAL | SAMPLES | FILE},

{a_priori_file}, {o_reject_grid})
Aplicación: mlclassify (redlands, redl8, #, file, weights_file, reject2_grd )
Donde los parámetros especificados nos permiten personalizar la obtención de una clasificación
supervisada por el método de máxima verosimilitud, algoritmo ampliamente utilizado en
Teledetección, y donde como vemos algunos argumentos que no queramos especificar al ser
opcionales nos aparecerán con el símbolo # (en este caso el parámetro {reject_fraction} o la
porción de la celda que permanecerá sin asignarse a una clase debido a una probabilidad baja de
asignación correcta.
Para introducir estos datos basta con seleccionar el raster u operando mediante doble clic en la zona
1, y seleccionar los operadores en la zona 2 pulsando un simple clic sobre el operador a utilizar,
pudiendo combinarse de forma correcta hasta completar la función o algoritmo de análisis deseado,
con la posibilidad que nos brinda de realizar varios análisis en una simple función combinada en la
zona 3.
Página
28
6. Especificación de las opciones de análisis de Spatial Analyst.
Llegados a este punto lo primero que deberíamos hacer antes de usar nuestra herramienta Spatial
Analyst es configurar las opciones de trabajo de la extensión. Para ello iremos a Spatial Analyst –
Options. (Véanse Fig. 31 a 33)
Como podemos observar las opciones de configuración atienden a la forma en que operarán las
funciones ejecutadas desde Spatial Analyst en el entorno de ArcGIS. Así tenemos una pestaña
denominada General que engloba las opciones de configuración referidas al entorno de ejecución
(Directorio de Trabajo), si usaremos una máscara de análisis, y el Sistema de Referencia Espacial;
por otro lado tenemos la pestaña Extent (Extensión) donde el único parámetro que especificaremos
es el ámbito de nuestro análisis; por último tenemos una pestaña denominada Cell Size (Tamaño de
celda o pixel), donde especificamos el tamaño de las unidades mínimas de nuestro raster y por ende
el número de filas y columnas de nuestro raster de salida.
Ficha General: aquí como comentamos especificamos los siguientes elementos:
- Working Directory (Directorio de Trabajo): por defecto la carpeta temporal de nuestro

PC.
- Analysis Mask (Máscara de Análisis): por defecto no usa ninguna, pero podemos
especificar o una capa de nuestra Tabla de Contenidos (TOC), o cualquier otra capa en
disco.
- Analysis Coordinate System: aquí especificaremos la referencia espacial del raster de
salida que puede ser almacenada como el mismo sistema de referencia espacial que los
ficheros de entrada (o el primer raster de todos los que se usen como entrada); o bien
con el sistema de referencia espacial de nuestro Data Frame. En caso de que queramos
mostrar un mensaje cuando nuestros raster tengan que ser proyectados durante la
ejecución de cualquier análisis podremos especificarlo mediante una casilla de verificación
(por defecto con el valor de comprobación).
Fig. 31. Opciones de Configuración de Spatial Analyst – Pestaña General.
Ficha Extent: en esta ficha sólo tendremos que especificar los límites de análisis de nuestro trabajo
con Spatial Analyst mediante la especificación del parámetro siguiente:
Página
29
Analysis Extent (Extensión de Análisis): que puede tomar los siguientes valores:
Same as Display: tomando como área de análisis la zona de visualización actual.
Intersection of Inputs: el área mínima común de todos los raster de entrada.
Union of Inputs: área abarcada por la combinación o unión de todos los raster de
entrada.
As Specified Below: donde especificaremos los límites superior, inferior, este y oeste
de nuestros datos en el sistema de coordenadas en que tengamos nuestros datos.
Fig. 32. Opciones de Configuración de Spatial Analyst – Pestaña Extent.
Ficha Cell Size: por último, esta pestaña nos permitirá especificar el tamaño de celda de salida de
nuestro análisis raster, pudiendo especificar algunas de las siguientes opciones dentro del parámetro
siguiente:
Analysis Cell Size (tamaño de celda o pixel de análisis) donde podemos seleccionar:
Maximum of Inputs: el valor de tamaño de pixel más grande usado por los raster de
entrada.
Minimum of Inputs: el valor de tamaño de pixel más pequeño usado por los raster de
entrada.
Same as Below: usaremos un tamaño de pixel que especificaremos en la casilla Cell

Size.
Por tanto, con estos parámetros también se actualizarán los valores del número de filas y columnas
del raster de salida.
Página
30
Fig. 33. Opciones de Configuración de Spatial Analyst – Pestaña Cell Size.
Una vez especificados estos parámetros estaremos en condiciones de usar esta extensión para
cualquier análisis raster, pero antes de comenzar y ya que la capa que obtendremos en el próximo
epígrafe será usada para proyectos posteriores, debemos hacer uso de otra extensión disponible con
ArcGIS Desktop (disponible mediante adquisición de licencia aparte) denominada 3D Analyst que
nos va a permitir, entre otras cosas, derivar a partir de una capa vectorial de curvas de nivel y
puntos acotados un TIN y posteriormente una superficie de altitudes, conocida normalmente como
Modelo Digital de Elevaciones (MDE) un subtipo de los Modelos Digitales del Terreno (MDT).
Página
31
7. Obtención del MDE mediante la herramienta 3D Analyst.
Como se ha comentado anteriormente para la obtención del MDE vamos a utilizar la extensión 3D
Analyst, aunque no es la única forma de obtener dicho modelo, ya que en Spatial Analyst
disponemos de algunas herramientas de interpolación que nos permitirían obtener dicho modelo
digital a través de puntos de cota.
Es por ello que vamos a comenzar describiendo brevemente los pasos que se han de llevar a cabo
para obtener el MDE y posteriormente comentaremos algunas de las aplicaciones más usuales:
Los pasos para la obtención de un MDE son los siguientes:
- Generación de las Curvas de Nivel (en caso de no disponer de éstas), digitalizándolas a

partir de un mapa topográfico y asignándoles un campo con los valores de altitud. Para
ello podríamos hacer uso de la Extensión ArcScan de ArcGIS Desktop.
- Una vez disponemos de las curvas de nivel procedemos a generar el TIN o Red Irregular
Triangulada (mediante uno de los algoritmos de triangulación más conocidos denominado
Triangulación de Delaunay), que se define como un modelo teselar basado en triángulos
conformados por vértices o nodos que nos permite densificar la información en áreas
complejas, y dispersarla en zonas más homogéneas. Un TIN incluye relaciones
topológicas entre los puntos y los triángulos contiguos. Cada punto tiene su coordenadas
XY y un valor de Z, que en el caso del MDE son las altitudes. Estos puntos están
conectados por nodos conformando un conjunto de triángulos no superpuestos usados
para representar una superficie.
- Tras este paso generaremos nuestro MDE en formato teselar convirtiendo el TIN en raster
usando las herramientas de conversión de Spatial Analyst.
Pasemos a la descripción detallada de los pasos que debemos llevar a cabo para realizar nuestro
MDE en formato raster.
Generación de las Curvas de Nivel. Aquí sólo mencionar que podemos digitalizarlas mediante
digitalización manual o asistida mediante ArcScan.
Triangulación (TIN): para realizar la triangulación usaremos el módulo 3D Analyst a través de las
funciones de triangulación localizadas en el menú de la barra de herramientas 3D Analyst –
Create/Modify Tin – Create Tin from Features.
Fig. 34. Herramienta para triangular a partir de datos vectoriales (puntuales, lineales y poligonales)
Una vez seleccionada dicha herramienta nos solicitará los siguientes datos (véase Fig. 35):
- Layers (Capas): son las capas de entrada, bien disponibles en la Tabla de Contenidos, o
seleccionables dentro de una unidad de disco o red. Una vez seleccionadas podremos
especificar los parámetros de configuración para cada una de éstas.
- Settings for Selected layer (Parámetros de configuración para la capa seleccionada):
donde especificaremos para cada capa, dependiendo de la función que tenga dentro del
Página
32
proceso, y del tipo de entidad con el que se reprsentan (puntos, líneas o polígonos). Estos
parámetros son:
o Height Source: aquí especificaremos el campo que contiene las cotas o recurso de
altitudes. Si nuestras entidades son Entidades 3D (3D Features) usaremos el
campo Shape para especificar la altura.
o Triangulate As: aquí podemos seleccionar el método de triangulación de cada

layer, bien sea mediante línea de ruptura suave o abrupta según la naturaleza de
los datos (por ejemplo usaremos soft line para líneas de ruptura suaves como las
propias curvas de nivel, donde no hay un punto de ruptura claro y definido,
mientras que si nuestros datos a triangular contienen zonas donde se produce un
cambio del gradiente de la variable estudiada, como sería el caso de un río o una
vía de comunicación, optaríamos por usar hard line. Dejaremos la opción mass
point para los puntos de cota en caso de que dispongamos de éstos. Con respecto
a los puntos de cota es bueno disponer de ellos ya que permiten estructurar mejor
las cimas de las elevaciones para que no queden planas. Para el caso de los
polígonos (bien sea el que circunscribe a la zona de estudio, o bien otros
elementos como lagunas, etc.) tenemos otro tipo de triangulación como son (soft
clip, hard erase, soft erase, hard replace, soft replace, hard value fill, soft value
fill) donde cada uno de éstos se refiere respectivamente al grado de recorte,
borrado, reemplazo o relleno del TIN de un modo suavizado o abrupto por parte de
dichos polígonos, usado sobre todo para relleno o colmatación de lagunas, zonas
de excavación, etc.
o Tag Value Field: por último tenemos este parámetro que nos permitirá especificar
el valor que incluirán los nodos para su identificación. Este parámetro se suele
dejar con los valores por defecto <None>.
o Output TIN: nombre de salida del TIN.
Fig. 35. Datos solicitados para la Triangulación.
El TIN obtenido se puede observar en la siguiente ilustración como quedaría aproximadamente:
Página
33
Fig. 36. Obtención del TIN tras introducir los datos solicitados por la herramienta Create Tin from
Features. De fondo podemos observar las curvas de nivel de las que procede.
Rasterización del TIN (MDE): una vez obtenido el TIN, pasaremos a calcular la superficie continua
referida a los valores de altitud del territorio analizado. Para ello usaremos las herramientas de
conversión tridimensional, disponibles en 3D Analyst – Convert – Tin to Raster. Donde
especificaremos los siguientes parámetros:
- Input TIN (TIN de entrada): aquí especificaremos el TIN obtenido en el paso anterior.
- Attribute (Atributo): aquí especificamos el valor de los atributos que contendrá el MDE en
formato raster (cada pixel tendrá un valor dependiendo de esta selección), que puede ir
desde valores de elevación, hasta orientaciones, pasando por valores de pendiente (en
grados o porcentaje) del TIN.
- Z Factor: es un factor de exageración del relieve usado para zonas donde no es posible
discriminar de forma adecuada las diferencias altitudinales y morfográficas. Por defecto se
deja 1,0 ya que sería como dejar el valor de cada pixel como está (ya sabemos un valor
multiplicado por 1,0 queda igual).
- Cell Size (Tamaño de Celda): por defecto el programa introduce un valor que en muchas
ocasiones hay que modificar. En mi caso he seleccionado 10 metros pero ya dependerá de
vuestras necesidades, y de los datos de entrada. Existen cierta discrepancia en cuanto a
la técnica o metodología para la selección de un tamaño de pixel de acuerdo a numerosos
elementos como son la equidistancia, la escala de nuestro mapa, etc. pero como primera
aproximación podríamos usar o bien la equidistancia, o bien usar métodos para extraer la
mínima distancia entre los vértices que conforman las curvas de nivel, un proceso algo
tedioso pero que suele dar buenos resultados. Nunca debemos usar una resolución
demasiado grosera ya que estaríamos obviando información, ni usar una resolución
demasiado detallada que no aumente el detalle de nuestros datos ya que tendríamos la
misma información repetida en numerosos píxeles. Al asignar este parámetro
automáticamente se actualizarán los valores de las filas y columnas del raster de salida,
Página
34
mediante la relación entre dicha magnitud (tamaño del pixel) y las coordenadas en
metros UTM XY especificadas en las opciones de configuración de 3D Analyst que son las
mismas que para el caso de Spatial Analyst.
- Output raster (Raster de Salida): referido al nombre del fichero que contendrá el MDE en
formato ESRI Grid, aunque exportable a cualquier otro formato raster posteriormente.
Dicho fichero deberá seguir las normas de nomenclatura de los ficheros ESRI Grid como
son: no comenzar por un valor numérico, no contener más de 11 caracteres y no disponer
de espacios en su nombre.
Fig. 37. Herramienta de Conversión TIN a Raster y parámetros de configuración.
El resultado puede apreciarse a continuación:
Fig. 38. MDE obtenido mediante Triangulación y posterior conversión a raster.
Página
35
Si se prefiere el MDE puede realizarse con todas las curvas de nivel y elementos de referencia, u
optar por el método elegido aquí, el recorte en el TIN de base para extraer el MDE recortado. Si lo
que queremos es recortar el MDE final podemos proceder usando la herramienta de Spatial Analyst
disponible en el ArcToolbox – Spatial Analyst Tools – Extraction – Extract By Mask, donde
especificaremos el MDE o raster de entrada, la máscara de recorte (el polígono o raster que
delimitará la zona) y el fichero de salida.
Como cabe esperar el MDE obtenido será fuente principal de información para casi todos los estudios
que conlleven un análisis del medio físico de la zona de estudio, tales como análisis hidrológicos,
estudios de inundabilidad, análisis de distribución de especies, relacionado con la compartimentación
altitudinal del territorio, así como estudios de riesgos (por ejemplo, estudios de riesgos relacionados
con la morfodinámica de laderas).
Página
36
8. Obtención de los parámetros morfométricos derivados del MDE con Spatial Analyst.
Una vez obtenido el Modelo Digital de Elevaciones vamos a proseguir con la obtención de los
parámetros derivados de la morfografía del relieve. Aunque debemos mencionar que no siempre que
se usen estas funciones de análisis superficial deben estar relacionados con la variable “altura”, sino
que podremos usar cualquier modelo digital del terreno que contenga una representación de una
variable de variación continua en el territorio, como puede ser la temperatura, precipitación, presión
atmosférica, etc. Obteniendo así parámetros derivados como el gradiente térmico, pluviométrico, o
de presiones, entre otros parámetros (caso de la aplicación de la pendiente o Slope).
Para la obtención de dichos parámetros no es necesario seguir una rutina específica, ya que no
todos los parámetros son necesarios en un proyecto y muchos de éstos se pueden combinar para un
análisis multicriterio, permitiéndonos obtener entre otros elementos UNIDADES AMBIENTALES que
de otra forma sería más complicado obtener.
A continuación detallaré los pasos para obtener cada una de las variables o parámetros que
posteriormente serán de uso común por todos en nuestros análisis del medio físico, entre otros.
Contornos o Curvas de Nivel (Contour): se refiere a líneas imaginarias que unen puntos de igual
altitud (o cualquier otra variable) en base al valor de los píxeles del raster inicial. Este sería un
proceso inverso al antes comentado de extracción del MDE a partir de las curvas de nivel mediante
Triangulación, pero en este caso no es necesario dar ese paso intermedio, sino que basta con
especificar los siguientes parámetros en la herramienta Spatial Analyst – Surface Analysis -
Contour:
Fig. 39. Herramienta para la obtención de contornos o Isolíneas y cuadro de diálogo donde
especificaremos los parámetros.
Parámetros para la obtención de los contornos:
- Input Surface (Raster o superficie de entrada): nuestro MDE inicial.
Página
37
- Contour Definition (Definición de los Contornos a generar): aquí especificaremos los

parámetros que conformarán los contornos finales:
o Contour Interval (Intervalo o equidistancia): aquí asignaremos la equidistancia que
queremos que tenga nuestro Feature Class o Shapefile con las curvas de nivel o
isolíneas de altitud o cualquier otra variable.
o Base Contour (Contorno o isolínea de base): será el valor inicial a partir del cual
comenzaremos a crear isolíneas.
o Z Factor: se refiere al factor de exageración usado para generar las isolíneas, por
defecto tiene un valor 1.0.
En base a estos parámetros nuestra capa de isolíneas se configuraría según los parámetros
establecidos en la parte inferior de dicho cuadro de diálogo.
El resultado sería similar al de las curvas de nivel.
Pendiente (Slope): la pendiente se considera como la ratio máxima de cambio del valor de Z a
través de una celda y sus contiguas. Para ello se hace uso de un filtro o Kernel que va recorriendo el
raster para obtener el valor de pendiente del pixel respecto a sus vecinos (usando un filtro de 3x3
píxeles por defecto). Dicha herramienta se encuentra en Spatial Analyst – Surface Analysis –
Slope.
Fig. 40. Localización de la función Slope (Pendiente) en la barra de herramientas Spatial Analyst y
cuadro de diálogo con los parámetros de configuración.
El algoritmo utilizado se describe brevemente a continuación:
Dado que el recorrido de los píxeles mediante un filtro o Kernel se realiza de izquierda a derecha y
de arriba abajo correlativamente y teniendo en cuenta que dicho filtro consta de una matriz de 3x3
píxeles, tendremos en cuenta para cada valor del raster de entrada (altitudes en nuestro caso), los 8
píxeles vecinos al pixel dado, y siguiendo el teorema de Pitágoras podremos obtener los siguientes
elementos que utiliza el algoritmo de forma interna:
- Parámetros de distancia (base del triángulo): obtenido bien por la cabecera del fichero,
bien por la pestaña Source de nuestro Layer (Véanse las Propiedades). Para el caso de las
diagonales hará falta aplicar el mismo teorema y así obtener la distancia entre el pixel
central y los cuatro diagonales.
- Parámetros de diferencia de altura: basta con restar el valor del pixel central y los 8
restantes, ese valor está disponible en el raster de entrada mediante el valor del pixel de
altitudes.
Página
38
Con esos parámetros basta con aplicar las siguientes fórmulas para así obtener la pendiente del
pixel con respecto a los píxeles vecinos, quedándonos sólo con la pendiente mayor.
dEO= [(Zi+1,j+1 + 2Zi+1,j + Zi+1,j-1) - (Zi-1,j+1 + 2Zi-1,j + Zi-1,j-1)]/8dX

dNS = [(Zi+1,j+1 + 2Zi,j+1 + Zi-1,j+1) - (Zi+1,j-1 + 2Zi,j-1 + Zi-1,j-1)]/8dy
Donde
dx = la distancia este-oeste a través de la celda (anchura de la celda)
dy = la distancia norte-sur a través de la celda (altura de la celda)
El Porcentaje de Pendiente se calcula:
%Pendiente = 100 * [(dEO)2*(dNS)2]1/2
La figura que ilustra mejor la situación es la siguiente:
Fig. 41. Núcleo de análisis para la obtención del raster de pendientes.
Los parámetros utilizados son los siguientes:
- Input Surface (Superficie o Raster de entrada): aquí especificamos el MDE inicial tal y
como hicimos para los contornos.
- Output Measurement: valores de medición de la pendiente ya sea en grados o porcentaje.
- Z Factor (Factor de exageración): se trata del factor de exageración del relieve en caso de
tratarse de zonas con escasa variación. Por defecto tenemos 1.0.
- Output Cell Size (Tamaño de pixel por defecto): dejaremos el mismo que el MDE incial,
será el valor de resolución que tendrá nuestro raster de pendientes final.
- Output Raster (Raster de Salida): será el nombre del fichero raster en formato ESRI Grid.
Ya sabemos las convención de nomenclatura existente para este tipo de ficheros.
Página
39
El raster resultante se muestra a continuación:
Fig. 42. Raster de pendientes obtenido mediante Spatial Analyst.
Orientación (Aspect): se trata del valor de la orientación respecto al Norte que van de 0 º a 360 º
grados de orientación. El valor de cada celda indica la orientación de las laderas. El valor -1 indicará
que no hay orientación y se trata de una superficie plana. Para obtener dicho valor se orienta el MDE
de acuerdo a la figura siguiente. En cuanto a la localización de la herramienta y sus parámetros se
muestran en la siguiente figura (Véase Fig. 43). La herramienta la podemos encontrar en Spatial
Analyst – Surface Analysis – Aspect.
Grados de Orientación
Fig. 43. Localización de la herramienta Aspect (Orientación) y su cuadro de diálogo.
Página
40
Los parámetros a usar para la obtención de la orientación de las laderas se limitan a los raster de
entrada y salida (Input y Output Raster) y el tamaño de celda (Output Cell Size), por defecto el
tamaño del raster de entrada (MDE).
El resultado obtenido se muestra en la siguiente imagen:
Fig. 44. Aspecto u orientación de las laderas.
Sombreado Topográfico (Hillshade): superficie que muestra el grado de iluminación de los píxeles
de acuerdo a dos posiciones relativas, una respecto a la orientación o ángulo acimutal, y otra
respecto al ángulo de elevación solar o cenital, que por defecto suelen usarse 45º de Elevación
Solar y 315 de Orientación. Dicha herramienta se puede usar desde Spatial Analyst – Surface
Analysis – Hillshade. Este raster resultante que se muestra en la figura 46, podrá ser usado bien
como componente cartográfico que facilitará la representación del relieve, o bien para cálculos
relacionados con la insolación.
Orientación
Elevación Solar
Fig. 45. Localización de la herramienta Hillshade en Spatial Analyst para ArcGIS.
Página
41
Los parámetros por tanto son el Raster de Entrada (Input Surface), el Ángulo Acimutal, el
Ángulo de altitud solar, si queremos o no modelar las sombras, el Z Factor o factor de
exageración del relieve (por defecto 1.0), el tamaño de celda de salida (por defecto el del MDE
de entrada), y el raster de salida.
Fig. 46. a. Sombreado topográfico obtenido a partir del MDE y b. con el MDE superpuesto.
Para superponer el MDE sobre el Sombreado topográfico creando el efecto visualizado en la imagen
anterior situamos la capa MDE de la tabla de contenidos sobre la del sombreado, y posteriormente
nos dirigimos hacia las propiedades del MDE, pulsando botón derecho del ratón sobre la capa MDE, y
seleccionando Propiedades – Pestaña Display – Transparency, donde especificaremos un porcentaje
de transparencia (0 – 100%).
Áreas de Visibilidad o Cuencas Visuales (Viewshed): se trata de un raster que representa los
píxeles del área visible desde un punto de observación. Para ello debemos disponer de un raster de
elevaciones y un punto o línea de observación que debe estar localizado tridimensionalmente. Para
poder disponer de un punto de observación en 3D debemos crear en primer lugar el punto de
observación mediante una Feature Class o un Shapefile, y convertirlo de Feature Class a 3D Feature
Class mediante 3D Analyst – Convert – Features To 3D, función que requiere como parámetros
de entrada el Shapefile o la Feature Class, y un MDE o superficie de referencia a partir de la cual
tomará el valor de altitud.
Fig. 47. Localización de la herramienta Viewshed y los parámetros de configuración.
Página
42
El resultado se puede observar en la siguiente ilustración:
Fig. 48. Cuenca visual del punto de referencia.
Vaciado / Rellenado (Cut/ Fill): se trata de una función que calcula el valor de vaciado o relleno
de un MDE o cualquier otro modelo digital del terreno entre dos fechas o situaciones. Para ello se
basa en una operación local (pixel a pixel) entre ambas situaciones, apareciendo como resultado los
valores de acumulación o vaciado con distintos colores (ganancias en rojo y con valores negativos, y
pérdidas con colores azules, y valores positivos; para el caso de los valores estables sin pérdidas o
ganancias se mostrarán en un color neutro o gris, y su valor será 0) respectivamente. Los
parámetros necesarios se limitan al raster de entrada y salida (Raster Input y Raster Output)
Fig. 49. Ilustración de la función de Cut/Fill de 3D Analyst y Spatial Analyst.

Fuente: Sistema de Ayuda (ESRI ArcGIS Desktop)
Todas las capas obtenidas mediante estos procesos de análisis superficial podrán ser usados
posteriormente para cualquier análisis ambiental, bien para la obtención de parámetros derivados,
como para su uso en un análisis integrado del territorio.
Página
43
9. Funciones de Análisis Raster con Spatial Analyst.
Como comentábamos anteriormente las principales funciones de análisis que podemos llevar a cabo
con Spatial Analyst van desde la medición de distancias, hasta la interpolación de superficies
continuas, pasando por un amplio rango de útiles para el manejo de datos raster y obtención de
parámetros derivados como análisis de superficie (vistos en epígrafes anteriores), obtención de
densidades y parámetros estadísticos.
Aquí vamos a realizar una breve descripción de cada una de estas funciones, seguida por una
aplicación de ejemplo de cada una de estas aplicaciones a casos reales.
Tipos de análisis:
Obtención del Histograma de frecuencias.

Tipología de Análisis: Análisis de frecuencia en la distribución de los datos del raster de entrada.
Descripción: herramienta que nos permite visualizar la distribución de frecuencias de un raster determinado.
Ejemplo de aplicaciones: cualquier análisis en el que necesitemos conocer la distribución por clases de nuestros
datos. Si los datos son continuos tendremos el número de píxeles con un valor dado, si lo que tenemos es un
raster discreto o temático el histograma nos mostrará el número de píxeles por clase.
Procedimiento de análisis:
Para obtener el histograma de nuestros datos (la capa o banda seleccionada en el desplegable de la barra de
herramientas) basta con pulsar el botón Histogram de la barra de Herramienta de Spatial Analyst. El resultado
puede ser similar al mostrado en la siguiente imagen:
Fig.50. Histograma de frecuencias del MDE.
Análisis de Distancias euclidiana y de coste.

Tipología de Análisis: Análisis Focal de distancia inmediata o extendida.
Descripción: conjunto de herramientas que nos permite obtener la distancia euclidiana así como la distancia de
coste ponderada por uno o varios parámetros usados como superficie de fricción. Además de estos parámetros
podemos obtener superficies derivadas de estos procesos de análisis como son las áreas de asignación
(Allocation), así como las direcciones a un punto concreto del territorio (Direction).
Ejemplo de aplicaciones: análisis de rutas, corredores ambientales, Geomarketing (áreas de servicio), etc.
Procedimiento de análisis: principalmente existen tres tipos de distancia que detallo a continuación y cada una
de las cuales tiene un procedimiento de obtención:
- Distancia en Línea Recta en dos dimensiones: o distancia planimétrica obtenida mediante la
aplicación del teorema de Pitágoras aplicado a las coordenadas del centroide de los píxeles
origen/destino. Las unidades devueltas estarán referidas al mismo sistema de coordenadas usado
(comúnmente UTM)
- Distancia en Línea Recta en tres dimensiones: que se calcula adaptando el teorema anterior.
- Distancia de coste o superficie de fricción: modelando tanto la distancia en línea recta como los
obstáculos que se encuentra en el camino.
Los lugares de destino o referencia pueden estar almacenados tanto en capas vectoriales (puntos, líneas o
polígonos) como en datos raster, y las unidades deben de ser especificadas en las propiedades del Data Frame.
Página
44
Cálculo de la Distancia Lineal:

Para el cálculo de la distancia lineal o euclidiana es debemos ir a Spatial Analyst – Distance – Straight Line.
Fig. 51. Localización de la función para obtener la distancia en línea recta y sus parámetros de configuración.
Este proceso nos permite extraer la distancia existente desde cada punto del territorio hasta el punto de destino
PuntoDestino.shp. Para ello requiere de los siguientes datos:
- Distance To (Distancia a): aquí especificaremos la capa que contiene el punto o localización de
destino o referencia.
- Maximum Distance (Distancia Máxima): es la distancia que limitará nuestros cálculos, a partir de
la que no obtendremos ningún valor de distancia.
- Output Cell Size (Tamaño de Celda de Salida): tamaño de salida de los píxeles del raster de
distancia (opcionalmente también para los raster de dirección y asignación).
- Create Direction (Crear Raster de Direcciones): aquí especificaremos opcionalmente un fichero de
tipo raster ESRI Grid que contendrá los valores de dirección a la que tienen que dirigirse cualquier
punto o pixel del territorio para llegar al punto más cercano, en este caso el punto de referencia.
Los valores van de 1 a 8 según la dirección que tomen.
- Create Allocation (Crear Raster de Asignaciones): raster opcional que contendrá un determinado
valor relacionado con el punto más cercano.
El resultado para el ejemplo se muestra a continuación: obviando el raster de allocation o asignaciones dado
que sólo tendríamos un valor al existir un único punto de referencia o destino.
Fig. 52. a. Raster relativo a la distancia mínima en línea recta desde cada pixel al punto de destino y b. Raster
de direcciones.
Página
45
Cálculo de la Distancia de Coste:

Para el cálculo de la distancia ponderada por una superficie de coste es debemos ir a Spatial Analyst –
Distance – Cost Weighted.
Para el cálculo de la distancia ponderada por una o varias superficies de coste debemos disponer, al menos, de
los siguientes datos:
- Lugar de origen y destino. En nuestro caso dos puntos situados encima de la superficie a analizar, y
que posteriormente nos servirán para obtener la ruta más corta basada en dicha distancia.
- Superficie de coste o fricción: usaremos la pendiente como principal elemento de impedancia,
debidamente ponderado.
- Superficie sobre la que trabajaremos. Nuestro MDE.
Fig. 53. Localización de la herramienta para la obtención de la distancia ponderada por el coste de
tránsito, y parámetros necesarios para su configuración.
Lo primero que debemos obtener antes de realizar nuestras operaciones de cálculo de distancias ponderadas,
es obtener el factor o factores de ponderación. En nuestro caso la pendiente. Para ello procedemos a calcular la
pendiente en porcentaje o en grados, y a partir de ésta reclasificarla en clases según su grado de afección
sobre nuestro movimiento a través de los píxeles, en definitiva, a través del territorio. Para ello haremos uso de
la función de Reclasificación que se verá más adelante en este mismo epígrafe. Una vez reclasificada y
ponderada convenientemente se asignará al Raster de Coste o Impedancia.
Los parámetros solicitados por dicha función son los siguientes:
- Distance To (Distancia a): aquí nos pide el elemento de referencia a partir del cual vamos a
calcular la distancia de coste ponderada por la pendiente (o cualquier otra superficie) para cualquier
pixel o localización del territorio analizado.
- Cost Raster (Raster de Impedancia o coste): será nuestro raster de pendiente, el que posibilite u
ofrezca cualquier resistencia a nuestro movimiento.
- Maximum Distance (Distancia Máxima de Análisis): aquí podemos especificar opcionalmente la
distancia máxima a partir de la cual no se tomarán más píxeles para el cálculo.
- Create Direction (Crear raster de direcciones): podemos especificar opcionalmente un raster de
direcciones que tomarán los píxeles para dirigirse al punto más próximo de referencia.
- Create Allocation (Crear raster de Asignaciones): raster de asignación del lugar o lugares más
cercanos a un determinado píxel.
- Output Raster (Raster de Salida): raster cuyos valores tendrán el valor de distancia mínimo
ponderado por el coste de impedancia de la pendiente.
A continuación vemos los parámetros usados (MDE), Pendientes, y puntos de origen y destino.
Página
46
Fig. 54. Datos necesarios para la evaluación de la distancia de coste a un punto dado (a. Localizaciones
puntuales, y b. Superficie de fricción – Pendiente).
El resultado de dicha operación se puede observar a continuación (capas de dirección y distancia ponderadas
por la pendiente).
Fig. 55. Capas resultantes de la operación de distancia de coste (ponderada por la pendiente). a. Distancia de
coste y b. Raster de Direcciones. Nota. Se ha tomado como referencia el punto de origen o partida.
Cálculo de la Ruta más corta:
Una vez obtenidas las superficies de coste de desplazamiento y los otros parámetros (dirección y asignación)
necesarios para el cálculo de la ruta más corta, podremos calcular la ruta más corta entre los puntos de origen
y destino basándonos en los parámetros anteriormente calculados. La función la podemos localizar en Spatial
Analyst – Distance – Shortest Path, y los parámetros a especificar son los siguientes:
- Path To (Ruta hacia): aquí especificamos el punto de destino donde queremos llegar.
- Cost Distance Raster (Raster de Distancia de Costo): raster que obtuvimos en el cálculo anterior.
- Cost Direction Raster (Raster de Dirección): raster de direcciones que se usará para el cálculo de
la ruta.
- Path Type: aquí podremos seleccionar si queremos que el cálculo se haga para cada zona de
asignación, para cada celda, o la mejor.
- Output Features: Aquí obtendremos la ruta o rutas finales en formato Shapefile o Feature Class.
Página
47
Fig. 56. Localización de la herramienta para la obtención de la ruta más corta entre dos puntos dados y los
parámetros de configuración.
El resultado obtenido es el siguiente:
Fig. 57. Ruta obtenida entre el punto de inicio y el punto final ponderada por la pendiente o superficie de coste.
Opcionalmente podemos obtener las zonas de asignación tal y como hicimos anteriormente respecto a una capa
de puntos o entidades de referencia, pero de forma individual y no integrada en el cálculo de distancias para
ello vamos a Spatial Analyst – Distance - Allocation.
Página
48
Análisis de Densidades.
Tipología de Análisis: análisis basado en la localización de puntos o líneas y su relación con la superficie
ocupada.
Descripción: herramienta destinada a conocer la densidad en la distribución de datos puntuales o lineales por
unidad de superficie.
Ejemplo de aplicaciones: densidad de población, densidad de vías de comunicación, análisis de distribución de
muestreos, verificación de zonas escasamente dotadas de infraestructuras, etc.
Procedimiento de análisis: el procedimiento de análisis pasa por recopilar la fuente de información a evaluar
(sea en formato puntual o lineal) y obtener, mediante la asignación de los siguientes parámetros, un raster que
nos muestre la densidad en la distribución del fenómeno. Así el raster de salida tendrá como resultado los
valores referidos al número de elementos muestreados por unidad de superficie (área especificada en el radio
de búsqueda y las unidades del mapa especificadas).
Los parámetros a especificar son los siguientes:

- Input Data (Datos de Entrada):
- Population Field (Campo de datos): datos a usar para evaluar su grado de concentración o
dispersión.
- Density Type (Tipo de análisis): mediante un núcleo o filtro, o simple. Estando la diferencia
principal entre ambos métodos en que el Kernel permite valorar más los puntos más próximos al
núcleo del Kernel que los más alejados, mientras que para el simple, se evalúan todos los
elementos del mismo modo dentro del área de análisis, dándonos el método Kernel superficies más
suavizadas.
- Search Radius (Radio de Búsqueda): Radio de análisis en las unidades especificadas para el
análisis.
- Area Units (Unidades de Área): unidades de medición del área de muestreo.
- Output Cell Size (Tamaño de celda de salida): tamaño que tendrá el raster de salida, por defecto
el mismo del MDE que podamos usar posteriormente.
- Output Raster (Raster de Salida): fichero raster de formato ESRI Grid que contendrá los datos
finales de densidad.
Fig. 58. Localización de la herramienta de Densidad y su configuración.
En la siguiente figura podemos observar un ejemplo donde hemos obtenido la densidad de puntos de cota por
área de análisis. Como se puede observar existe una mayor concentración de puntos en la zona noreste del
término municipal, dándose casos de escasez de puntos en la zona suroeste, por lo que sería recomendable
obtener alguna fuente adicional para las zonas que disponen de pocos puntos acotados que puedan detectar las
formas del relieve en dicha zona.
Página
49
Fig. 59. Mapa de densidad de puntos de cota usados para generar el MDE y verificar las zonas con escasa
densidad de puntos.
Análisis mediante Interpolación de Superficie.

Tipología de Análisis: técnicas de interpolación.
Descripción: se trata de técnicas estadísticas de interpolación de puntos de muestreo de una variable dada, en
zonas donde no es posible obtener este tipo de muestras, o las fuentes disponibles no disponen de datos para
tales localizaciones.
Ejemplo de aplicaciones: como ejemplo de aplicaciones tenemos aplicaciones a dispersión de contaminantes,
datos climáticos, análisis de datos oceanográficos, etc.
Aunque estas herramientas no son las más completas para un estudio Geoestadístico de una variable
determinada, ya que para ello deberíamos emplear Geostatistical Analyst que nos provee de mejores métodos
de interpolación y análisis exploratorio entre otros, si no disponemos de dicha extensión podremos utilizar las
que nos facilita Spatial Analyst, junto con sus parámetros de configuración. Es por ello que haremos un breve
repaso a estos métodos sin entrar en demasiados detalles, ya que estos aspectos los trataremos más en detalle
en la edición de la guía sobre Geostadística. Estos métodos se clasifican básicamente en determinísticos y
Geostadísticos, aunque hay otras clasificaciones que los diferencian en locales o globales según usen puntos
de una muestra cercana a un punto conocido, o si usa todos los puntos para obtener la superficie, etc.:
No entraremos en demasiados detalles ya que no es tema de estudio los métodos geostadísticos, sino el
análisis espacial basado en datos raster.
Interpolación IDW (Peso ponderado por la inversa de la distancia): en este método cada punto de la muestra
ejerce su influencia sobre los puntos a determinar y disminuye en función de la distancia. Así cada punto vecino
contará con un “peso” en la determinación del valor del punto a interpolar, siendo mayor cuanto más cerca se
encuentre, siguiendo el principio de correlación espacial. Este método se encuentra en Spatial Analyst de dos
formas, con un radio de búsqueda fijo o variable. Para el primero de éstos el radio del círculo usado para buscar
entradas de puntos es igual para cada celda interpolada. Para especificar una cantidad mínima se puede
asegurar que dentro de un radio fijo, al menos un número mínimo de puntos de entrada será usado en el
cálculo de cada celda interpolada.
Otro parámetro importante es el valor Power, que si toma valores altos, pone énfasis en los valores más
cercanos, creando una superficie con más detalle pero menos suave; en caso contrario, tienen más influencia
los puntos más alejados, creando una superficie más suavizada.
Podemos usar también las barreras o Barriers para limitar la búsqueda de puntos al lado en de la barrera
donde se ubique el píxel interpolado, por ejemplo un acantilado.
Con un radio de búsqueda variable, va a depender el método del número de puntos a tener en cuenta para la
interpolación, así el radio será variable según la disposición de los puntos, ya que a puntos más alejados el
radio tendrá que estirarse para alcanzarlos. Especificaremos una distancia máxima, así que si se alcanza dicha
distancia se seleccionarán pocos puntos si éstos están muy dispersos.
Página
50
Utilizaremos un radio de búsqueda fijo si los puntos son muy abundantes y se ubican de manera uniforme, y
un radio de búsqueda variable si los puntos son escasos y se ubican de forma aleatoria.
A continuación podemos encontrar los parámetros a configurar y la herramienta en Spatial Analyst –

Interpolate To Raster– IDW.
Fig. 60. Métodos de Interpolación Determinísticos. Método IDW y parámetros de configuración.
El resultado podemos observarlo a continuación:
Fig. 61. Interpolación resultante mediante el método IDW.
Interpolación Spline (Regularizado o de Isotensión): Este método estima los valores usando una función
matemática que reduce al mínimo la curvatura de la superficie total, dando como resultado una superficie que
pasa a través de los puntos muestreados.
Hay dos métodos Splines: regularizado o tensión.
- Regularizado. Este método crea una superficie suave, de manera gradual combinando la superficie
con los valores que pueden estar fuera de la gama de datos de la muestra.
- Tensión. El método de tensión suaviza la rigidez de la superficie según el carácter del fenómeno
modelado. Esto crea una superficie lisa con valores estrechamente ligados a los valores de la muestra.
Página
51
Otro parámetro es el Peso (Weight) donde para el método regularizado define el peso de la 3ª derivada de la
superficie en la expresión de minimización de la curvatura. A más alto el peso más lisa la superficie. Los valores
deben ser mayores o iguales a cero. Valores Típicos (0, 0,01, 0,1 y 0,5). Para el método tensión, el peso define
el peso de la tensión, así a más alto la superficie pierde suavidad. Valores típicos (0, 1, 5 y 10).
El número de puntos identifica el número de puntos usados en el cálculo de cada píxel interpolado. Más puntos
de entrada especificados, mayor será la influencia de los puntos distantes y más suave será la superficie, ya
que serán menores las variaciones locales.
A continuación vemos los parámetros a seleccionar dentro de la herramienta disponible en Spatial Analyst –
Interpolate To Raster – Spline.
Fig. 62. Interpolación mediante Spline y sus parámetros.
Dejando los parámetros por defecto que nos facilita el software podemos obtener una superficie como la que se
muestra a continuación:
Fig. 63. Resultado de la Interpolación mediante Spline.
Interpolación Kriging (Universal u Ordinario): este método de interpolación global tiene en cuenta un
variograma para la obtención de la superficie final, Para ello se resuelve un conjunto de ecuaciones utilizando la
información procedente del variograma y las distancias relativas entre los datos y la posición del punto donde
el valor interpolado es solicitado. Estas ecuaciones contienen la covarianza entre el punto a ser estimado y los
datos y las covarianzas entre los datos en sí mismos.
La herramienta se encuentra en Spatial Analyst – Interpolate To Raster – Kriging, y donde podemos

seleccionar los siguientes parámetros:
Página
52
Fig. 64. Localizacion de la herramienta Kriging y los parámetros a especificar.
La imagen obtenida de dicho proceso se pude observar a continuación:
Fig. 65. Imagen del raster procedente de la función de interpolación mediante Kriging.
Resúmenes estadísticos basados en un píxel.

Tipología de Análisis: análisis local basado en múltiples bandas pero un mismo pixel para obtener estadísticas
derivadas.
Descripción: se trata de una herramienta de análisis local que puede hacer uso de 1 o más bandas o capas para
evaluar el grado de concentración o dispersión de los valores respecto a la media, además de obtener otros
parámetros estadísticos (máximo, mínimo, media, rango, etc.)
Ejemplo de aplicaciones: análisis de variación de los valores de reflectancia en una imagen de satélite, variación
estacional de un Índice de Vegetación, variación estacional del grado de humedad de un cultivo, etc.
Página
53
Para realizar este tipo de análisis debemos disponer como mínimo dos bandas o capas raster referidas a un
mismo territorio y georreferenciadas en un mismo sistema de referencia espacial, para poder extraer los
valores estadísticos de un píxel respecto a todas las bandas implicadas.
La herramienta se puede localizar en Spatial Analyst – Cell Statistics, y los parámetros requeridos son los
siguientes:
Fig. 66. Localización de la herramienta de Estadísticas basadas en Celdas o Píxeles y sus parámetros de
análisis.
Los parámetros son los siguientes:

- Layers (Capas): Capas disponibles para seleccionarlas e implicarlas en el análisis.
- Input Rasters (Rasters de Entrada): capas usadas para el análisis.
- Overlay Statistics (Estadísticas de Solape): función estadística que calcularemos para cada pixel
basándonos en su localización en todas las bandas o capas raster de entrada.
- Output Raster (Raster de Salida): raster que almacenará los datos estadísticos resultantes.
Entre los valores estadísticos que se pueden obtener tenemos: Majority, maximum, mean, median, minimum,
minority, range, standard deviation, sum, variety.
Así por ejemplo si disponemos de una gama de raster de temperatura o precipitaciones para todo un año
dividido por meses, podríamos obtener valores de variabilidad, concentración y dispersión con respecto al valor
medio, etc.
Posteriormente se podrán realizar correlaciones entre raster, redundando en un análisis climático más
detallado.
En el ejemplo aplicado hemos calculado el valor medio de todos los píxeles de una imagen Landsat usando las
bandas con combinación RGB (321 o Color Natural).
Banda 3
Banda 2
Banda 1
Fig. 67. Resultado de la función de resumen estadístico local (Media de los valores iniciales).
Página
54
Resúmenes estadísticos basados en píxeles vecinos.

Tipología de Análisis: análisis focal de los píxeles basados en sus vecinos a nivel estadístico.
Descripción: herramienta de análisis estadístico para la obtención de parámetros estadísticos de un pixel
respecto a sus 8 vecinos próximos en una matriz de 3x3. Esta operación está basada en una figura geométrica
de análisis para los píxeles vecinos a modo de filtro que puede ser una de las mostradas en la Figura 69.
Ejemplo de aplicaciones: obtención de parámetros de variación próxima a cada pixel, permitiéndonos ver el
grado de correlación y variación de un pixel respecto a los píxeles más próximos.
Para proceder con el análisis estadístico de los píxeles vecinos a cualquier punto de nuestro raster de entrada
debemos ir a Spatial Analyst – Neighborhood Statistics.
Los parámetros de configuración son los siguientes:

- Input Data (Datos de Entrada): Raster a analizar mediante la función.
- Field (Campo): Campo de Referencia (al ser Raster – Value).
- Statistic Type (Tipo de Estadístico): tipo de estadísticas a obtener.
- Neighborhood (Criterio de Proximidad): figura geométrica de referencia.
- Neighborhood Settings (Parámetros de Proximidad): son los parámetros que se especifican
posteriormente para obtener los valores de los píxeles o las áreas (en unidades métricas) más
próximas.
- Output Cell Size (Tamaño de celda de salida): será el tamaño del raster por defecto.
- Output Raster (Raster de Salida): aquí escribimos el ESRI Grid de salida que almacenará los
valores de salida de las estadísticas focales.
Fig. 68. Localización de la herramienta Neightborhood Statistics y sus parámetros de uso.
Las formas geométricas que podemos usar para el cálculo son:
Fig. 69. Formas geométricas de análisis de vecindad.
Así para las distintas figuras tenemos distintos parámetros de configuración que nos permitirán personalizar la
salida raster:
Página
55
Rectangle (Rectángulo): Anchura y Altura.

Circle (Círculo): Radio.
Annulus (Anillo): Radio interior y exterior del anillo.
Wedge (Cuña): Ángulo inicial, ángulo final y radio.
Las unidades se podrán especificar en número de píxeles o en unidades de mapa.
Como resultado de la aplicación podemos obtener parámetros que nos permitan ver el grado de variabilidad a
pequeña escala entre un punto y su área más próxima, pudiendo determinar zonas con un elevado gradiente o
variabilidad de una determinada variable (niveles de contaminación, focos térmicos, etc.)
Resúmenes estadísticos basados en zonas.

Tipología de Análisis: operación zonal de clasificación de parámetros estadísticos.
Descripción: herramienta de análisis zonal para la valoración estadística de distribución de una variable
continua basada en una zona discreta.
Ejemplo de aplicaciones: obtención de valores estadísticos de distribución de un componente en una zona dada
(por ejemplo valores medios de distribución de ozono para una región concreta).
El proceso de análisis de los resúmenes estadísticos basados en zonas pasa por dos procesos claramente
diferenciados:
- Digitalización u obtención de las zonas de análisis (puede ser raster o vectorial)
- Obtención de las estadísticas zonales mediante Spatial Analyst – Zonal Statistics donde nos
solicita los siguientes parámetros:
o Zone Dataset: conjunto de datos con las zonas sobre las que calcularemos las estadísticas.
o Zone Field: campo o valor que será usado como referencia para dicho cálculo. Ej. Tipo de
uso.
o Value Raster: raster de referencia a partir del cual extraeremos las estadísticas.
o Ignore NoData in calculations: debemos seleccionar dicha opción para evitar que los
valores nulos puedan entorpecer nuestro cálculo.
o Join Input Table to Zone Layer: los datos se anexarán a la tabla VAT (Value Attribute
Table) del raster o a la tabla de atributos de nuestro Feature class o Features de referencia
con todos los valores estadísticos extraídos. Por defecto no está marcada ya que no siempre
queremos incluir esos datos, sino tan sólo obtener el DBF.
o Chart Statistic: en este parámetro nos solicita la opción de escoger un campo y
representarlo mediante un gráfico, así si por ejemplo seleccionamos el valor MEAN (Media)
nos mostrará un gráfico con el valor de la media por cada una de las zonas.
o Output Table: aquí especificaremos el nombre de la tabla con los estadísticos por cada
zona en local o en red, en formato Dbase (*.dbf).
Fig. 70. Localización de la herramienta Zonal Statistics y parámetros de uso.
Página
56
Reclasificación Raster.
Tipología de Análisis: operación local pixel a pixel.
Descripción: este proceso se refiere al reemplazo de las celdas del raster de entrada por nuevos valores en el
raster de salida basándonos en un criterio.
Ejemplo de aplicaciones: reclasificación de intervalos de altitud, reclasificación de usos del suelo, agrupación de
valores de un raster inicial según un criterio determinado.
Procedimiento de análisis: el proceso de reclasificación de datos raster pasa por la agrupación de los datos
continuos en valores discretos o temáticos de acuerdo a un criterio. Para poder realizar esta función debemos
dirigirnos a Spatial Analyst – Reclassify, pero antes debemos haber clasificado nuestro Raster desde las
propiedades de nuestro Layer – Symbology, y ahí escoger un método de clasificación en cualquiera de los
métodos estadísticos (intervalos iguales, rupturas naturales, o especificado por el usuario entre otros). A
continuación se pueden ver los parámetros necesarios para reclasificar un raster:
- Input Raster (Raster de Entrada): raster a reclasificar (por ejemplo de pendientes)

- Reclass Field (Campo): campo de base para la reclasificación.
- Set Values to Reclassify: aquí podemos especificar los valores que se usarán para la
reclasificación y que posteriormente poblarán tanto el raster reclasificado, como el vectorial de
salida (mediante el campo GRIDCODE) en caso de convertir a vectorial. Entre las opciones que
podemos usar dentro de este grupo de elementos tenemos Classify, si no hemos usado este método
previamente para clasificar los datos continuos en intervalos; Unique, para establecer valores únicos
como clases del raster, es decir, un valor por cada valor del pixel; Add Entry, para agregar nuevas
clases; Delete Entries, para borrar clases asignadas anteriormente; Precision, parámetro de
configuración usado para la división de las clases y que interviene en el número de elementos que
entra en una u otra clase. Si disponemos de una tabla LUT (Look Up Table) con la configuración
podremos cargarla Load… o Salvar – Save… nuestra tabla existente para otro análisis similar.
- Change Missing values NoData: esta opción nos permite cambiar los valores sin asignación de
nuestro raster a valores NoData.
- Output Raster (Raster de Salida): el nombre del raster en formato ESRI Grid que contendrá las
clases temáticas.
Fig. 71. Parámetros y localización de la Herramienta de Reclasificación Raster.
Página
57
Clases del Raster de Salida
Fig. 72. Resultado de la reclasificación del mapa de pendientes en 5 intervalos.
Conversiones Raster Vector y Vector Raster.

Tipología de Análisis: conversión entre modelo de datos.
Descripción: funciones de conversión entre los dos modelos de datos más usados, raster y vectorial.
Ejemplo de aplicaciones: conversiones generales entre datos raster y vectoriales según conveniencia de uso.
Procedimiento de análisis: el procedimiento de conversión de un raster a vector y viceversa pasa por la
selección del menú Spatial Analyst – Convert – Raster To Features o Features To Raster. Los parámetros
a especificar en cada uno de los casos son los siguientes:
- Para la conversión Features to Raster: debemos especificar los siguientes:
o Input Features (Entidades de Entrada): los polígonos, puntos o polilíneas a convertir a

raster o rasterizar.
o Field (Campo): es el campo que se usará como valor para diferenciar el valor de cada pixel.
o Output Cell Size (Tamaño de Salida de Celda): por defecto si trabajamos con un tamaño
de celda predeterminado y queremos que posteriormente podamos superponer
algebraicamente varios raster deberían dispone de la misma resolución por lo que usaremos
la resolución acorde a nuestro análisis.
o Output Raster (Raster de Salida): nombre del raster en formato ESRI Grid que
obtendremos de dicha rasterización.
- Para la conversión Raster to Features: debemos tener en cuenta que esta conversión sólo será
posible si nuestro raster es de tipo discreto o temático, no siendo posible con raster continuos a
menos que se clasifiquen, y posteriormente se reclasifiquen con la herramienta anterior, así
debemos especificar los siguientes parámetros:
o Input Raster (Raster de Entrada): raster discreto que vamos a convertir a vectorial.
o Field (Campo): es el campo dentro de la VAT (Values Attribute Table) de nuestro raster que
usaremos para convertir a vectorial y delimitar dichos vectores.
o Output Geometry Type: geometría de salida de la conversión raster a vector.
o Generalize Lines (Generalizar Lineas): casilla de verificación para asegurarnos de que se
produce un suavizado de las líneas o contornos generados.
o Output Features (Entidades de Salida): se almacenará un 58eature58e o 58eature class
con los vectores resultado de la vectorización.
Página
58
Fig. 73. Localización del menú de conversión y tipos de conversión. Parámetros de conversión Raster Vector
y Vector Raster.
Aquí podemos observar como ejemplo la conversión de raster a vector de las cuencas visuales:
Fig. 74. Conversión Raster a Vector de las Cuencas Visuales.
Otro grupo de herramientas nos permiten realizar análisis más específicos como son las herramientas de
Análisis Hidrológicos que nos provee dicha extensión y que puede usarse mediante ArcToolbox, Model Builder,
Línea de comandos o la Calculadora Raster, así como Análisis de Aguas Subterráneas, entre otros. Este tipo de
procesos serán ampliados en una segunda edición de esta guía.
Página
59
10. El uso de ArcToolbox y Model Builder para el análisis espacial de datos raster
La mayor parte de las herramientas que usaremos están integradas en la barra de herramientas de
Spatial Analyst, pero también disponemos de herramientas en la ventana de ArcToolbox, dispersas
en algunas cajas de herramientas o funciones de geoprocesamiento, aunque el mayor volumen está
dispuesto en Spatial Analyst Tools como se muestra en la siguiente figura.
Fig. 75. Herramientas de Geoprocesamiento de ArcToolbox – Spatial Analyst Tools.
Entre estas herramientas tenemos los siguientes grupos:
- Álgebra de mapas: compuesta por los grupos Conditional, Map Algebra, Math, Overlay,
etc.
- Herramientas de Generalización: Generalization.
- Herramientas de extracción de información: Extraction, Density, Distance, Local,
Zonal, Neighborhood, etc.
- Herramientas aplicadas: Hydrology, Groundwater, Surface, Solar Radiation, etc.
De todas estas herramientas las que mayormente usaremos desde ArcToolbox serán las de
Extracción de entidades de una superficie en formato raster (enmascarado o extracción de un raster
por máscara) o vectorial (extracción por puntos por ejemplo). En el caso de la extracción del Raster
a partir de una máscara podemos encontrar dicha herramienta en Spatial Analyst Tools – Extraction-
Extract By Mask, donde nos limitaremos a especificar el raster de entrada, la máscara (bien sea
raster o vectorial) y un fichero raster de salida.
Debido a la extensión que conllevaría comentar todas las herramientas de Análisis Espacial Raster
desde ArcToolbox, dejaremos este apartado para la ampliación de esta guía que se actualizará
próximamente.
Modelización de Análisis Espacial mediante Model Builder.
Como hemos comentado las herramientas de análisis raster nos permiten modelar la superficie
terrestre en base, principalmente, a datos raster.
Página
60
Una de las herramientas más interesantes incorporada en las últimas versiones de ArcGIS es la de
Model Builder o herramienta de diagramas de geoprocesamiento que nos permitirá arrastrar
elementos de entrada, funciones, y obtener parámetros y variables de salida, que posteriormente
podrán ser utilizadas para otras funciones, en otro, o en el mismo modelo de geoprocesamiento.
La función base o primaria de geoprocesamiento se podría identificar del siguiente modo:
Fig. 76. Función primaria de geoprocesamiento.
Vamos a realizar un modelo de geoprocesamiento que nos va a permitir mostrar gran parte de la
funcionalidad de dicha herramienta. En este modelo usaremos un MDE para generar a partir de éste,
las superficies de pendiente. A partir de éstos usando una operación de álgebra de mapas
obtendremos las superficies que cumplan con la condición siguiente:
Criterios: Elevaciones por encima de los 200 Metros y cuya pendiente sea superior al 30%.
Lo primero que vamos a hacer es crearnos una Toolbox en ArcToolbox, para ello basta con pulsar
botón derecho del ratón sobre la cabecera de ArcToolbox y seleccionar New – Toolbox. La
renombramos como prefiramos. En su interior podremos agregar un Modelo de Geoprocesamiento,
pulsaremos para ello botón derecho del ratón – New Model. A continuación se puede observar el
modelo propuesto.
Fig. 77. Creación de la herramienta de geoprocesamiento con Model Builder.
Página
61
A continuación arrastraremos desde la tabla de contenidos y Arctoolbox cada uno de los elementos
siguientes:
- MDE (Modelo Digital de Elevaciones)

- Función de geoprocesamiento de pendientes (Spatial Analyst Tools – Surface - Slope)
- Función de álgebra de mapas simple (Spatial Analyst Tools – Map Algebra - Single
Output Map Algebra)
Estos elementos podremos renombrarlos pulsando botón derecho del ratón sobre el objeto –
Rename (Renombrar).
Una vez que disponemos de éstos en el modelo vamos a enlazarlos. Para ello pulsaremos el botón
Add Connection y uniremos cada elemento con su función de análisis de la barra de herramientas
principal del modelo.
Herramienta de
Conexión
Fig. 78. Herramienta de conexión de objetos y Modelo definitivo antes de su ejecución.
Lo único que tendremos que especificar es la fórmula en la función de Álgebra de mapas:
(mde > 200) AND (raster pendiente > 30)
Fig. 79. Adición de la fórmula de álgebra de mapas para el cálculo especifico.
Página
62
Lo que hemos hecho en este ejemplo es calcular a partir del MDE el mapa de pendientes para
posteriormente utilizarlo en la fórmula de álgebra de mapas, posteriormente hemos incorporado
dicha función de geoprocesamiento (Single Output Map Algebra), herramienta que nos permitirá
introducir una sentencia de procesamiento como la que hemos especificado, para que a partir de los
datos de entrada (la pendiente calculada anteriormente y el MDE) podamos extraer un raster binario
donde tendremos con valor 1 las zonas que cumplen dicha condición y 0 si no lo cumplen.
El resultado de dicha operación de geoprocesamiento se puede observar en la imagen siguiente, con

las zonas donde se muestran las zonas con elevación superior a los 200 metros y una pendiente
superior al 30%:
Fig.80. Resultado del proceso del modelo de geoprocesamiento.
Página
63
11. Breve referencia de aplicaciones reales.
Como hemos podido observar son múltiples las funciones de análisis de Spatial Analyst y tan sólo
hemos visto una mínima parte de esta funcionalidad, por lo que recomiendo mirar la Ayuda de
ArcGIS Desktop referida a la extensión Spatial Analyst.
Toda esta funcionalidad nos permite realizar tareas que van desde un simple análisis morfométrico
de una superficie, hasta una evaluación multicriterio utilizando distintas fuentes de datos raster,
pasando por estudios hidrológicos, hidrogeológicos, y de riesgos ambientales.
Sirva de guía este esquema de trabajo, adaptable naturalmente a vuestras necesidades, para llevar
a cabo un análisis o modelización espacial mediante análisis raster, concretamente con ArcGIS y
Spatial Analyst.
Pasos a seguir:
- Búsqueda de información geográfica y alfanumérica en la que se basará el proyecto.
- Organización y clasificación de la misma atendiendo a los siguientes criterios.

o Fecha de adquisición.
o Sistema de Referencia Espacial.
o Modelo de datos utilizado.
o Funcionalidad de cada fuente.
o Etc.
- Integración de los datos en una Base de Datos Geográfica o en un conjunto de ficheros

siguiendo cualquiera de las formas de representación (raster, vectorial, TIN, tabular, etc.)
o directamente en formato Geodatabase del que ya hemos visto sus bondades para el
tratamiento y almacenamiento de datos.
- Organización mediante un diagrama de Gantt del flujo de trabajo del proyecto.

- Análisis de los datos. A grandes rasgos se puede llevar a cabo este proceso de análisis
dependiendo del tipo de trabajo y los datos disponibles:
o Para análisis ambientales, obtención en primer lugar del MDE si no disponemos de

uno mediante cualquiera de los métodos mencionados (interpolación,
triangulación, etc.), posteriormente usaremos dicha capa para obtener parámetros
derivados. En conjunción con otras variables ambientales (clima, suelos,
vegetación, etc.) podremos realizar una Evaluación Multicriterio mediante las
herramientas de Spatial Analyst.
o Para estudios socio-económicos, además de otras herramientas disponibles con
ArcGIS Desktop, como son las herramientas proporcionadas con Network Analyst,
Schematic Analyst, y otras funciones, de análisis espacial, tenemos otras
herramientas que nos permiten obtener diversas variables de utilidad para el
análisis urbano y socio-económico, como son las funciones de densidad, y
estadísticas locales, zonales, etc.
o Para análisis de dinámica paisajística o urbana podremos usar las herramientas de
álgebra de mapas para la detección de cambios en ambos entornos pudiendo usar
imágenes multi-temporales de una misma zona.
- Una vez realizado el análisis procederemos a interpretar los resultados y a presentar

debidamente la información obtenida, mediante mapas, estadísticas, informes, etc.
Con este epígrafe llegamos al final de esta guía metodológica de Análisis Espacial mediante
herramientas de análisis Raster con Spatial Analyst para ArcGIS. Recordad que esta guía está en
constante evolución, y actualización por lo que en breve habrá otra versión más actualizada con
Página
64
numerosas herramientas comentadas, nuevas metodologías, algoritmos, y sobre todo nuevas

temáticas de aplicación relacionadas con vuestro trabajo, por lo que si queréis realizar algún tipo de
aportación o consulta al respecto y proponéis alguna adaptación de alguna metodología concreta,
estaré encantado de presentar dichas novedades en la guía.
Para consultas, podéis realizarlas a través del foro de nuestro gran amigo, Gabriel Ortiz,
administrador del Foro que lleva su nombre y que desde el año 2003 aproximadamente ha hecho
posible que todos estemos compartiendo nuestros conocimientos.
Atte. Francisco J. Reyes Peralta
Gracias nuevamente Gabriel Ortiz.
http://http://www.gabrielortiz.com
http://foro.gabrielortiz.com
Referencias recomendadas:
Gutiérrez Puebla, Javier; Gould Michael (2000). SIG: Sistemas de Información Geográfica. Ed.
Síntesis. Primera reimpresión.
ESRI (2003). Using Spatial Analyst. Environmental System Research Institute.
Moreno Jiménez, A. (2005, coord.): Sistemas y análisis de la información geográfica. Manual

de autoaprendizaje con ArcGIS. Editorial Ra-Ma.
Peña Llopis, Juan (2006): Sistemas de Información Geográfica aplicados a la gestión del
territorio. Departamento de Ecología. Universidad de Alicante.
Nota: Esta guía ha sido realizada y sus imágenes se han obtenido con Licencia Original de ArcGIS
Desktop (ArcView Nodo Localizado) y versión demo de las Extensiones por un periodo limitado.
Página
65

Análisis Espacial Raster ArcGIS

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Análisis Espacial Raster ArcGIS

Caricato da

Copyright:

Formati disponibili

Análisis Espacial con Datos Raster en

ArcGIS Desktop 9.2

Autor: Francisco José Reyes Peralta

1. El Modelo de Datos Raster.

2. Fuentes de origen de datos raster.

3. Breve introducción al tratamiento y funciones de análisis raster: Análisis Local, Focal,

4. Almacenamiento de Raster en Geodatabase.

5. Introducción a la Extensión Spatial Analyst para ArcGIS Desktop.

6. Especificación de las opciones de análisis de Spatial Analyst.

7. Obtención del MDE mediante la herramienta 3D Analyst.

9. Funciones de análisis Raster con Spatial Analyst.

11. Breve referencia de aplicaciones reales.

1. El Modelo de Datos Raster.

En resumen dentro del campo de los Sistemas de Información Geográfica, la información

Modelo de Datos Ejemplo de aplicación

Datos CAD Diseño Automatizado en Ingeniería y dibujo asistido por ordenador.

Gráfico (no topológico) Mapeado simple.

Imagen Procesamiento Digital de Imágenes (ADI).

Raster/Grid Análisis Espacial y Modelado, aplicado especialmente en estudios ambientales y de

Vector/Georrelacional Operaciones basadas en geometría de vectores en Cartografía, análisis de recursos,

Redes (Networks) Análisis de redes de transportes, Hidrología y utilities.

Red Irregular Análisis y visualización del Terreno.

Objetos Suelen englobar distintos modelos (raster/vectorial/TIN) y tienen múltiples usos.

Tabla 1. Modelos de datos en GIS.

Fig. 1. Formato Raster a. Simple, b. Multiespectral.

Fig. 2. Relación entre el sistema de coordenadas raster y cartesiano.

- Según el valor del pixel.

A) Según el valor del píxel:

B) Según el número de bandas o variables almacenadas en el raster:

Fuente: The Remote Sensing Tutorial:

Fig. 3. El espectro electromagnético y las imágenes multiespectrales (imágenes de satélite y

C) Según el tipo de datos almacenado y la fuente de procedencia:

o Imágenes de Satélite o Raster espectrales (incluye fotografía aérea). Se trata una

o Modelos Digitales del Terreno. Raster cuya característica principal es la

Fig. 5. Modelo Digital del Terreno (Representación de un MDE)

o Raster temáticos. Proceden de la agrupación temática de los datos continuos de

o Fotografía convencional (podría incluirse dentro del primer grupo). Veremos un

Fig. 7. Imagen como atributo raster en Geodatabase.

Centrándonos momentáneamente en los raster multiespectrales debemos atender a la organización

Fig. 8. Ejes en el espacio n-dimensional de imágenes multiespectrales.

ESTRUCTURA Y CARACTERÍSTICAS MÁS SIGNIFICATIVAS DE UN RASTER

Generalmente el almacenamiento de dicha información en las computadoras se realiza recorriendo

Estructuras de Raster Simples:

-Codificación por grupos de longitud variable (Run Length Encoding). La codificación

Estructuras de Raster Jerárquicas:

-Arboles Cuaternarios. Una derivación de las estructuras convencionales para ordenar y

Fig. 9. Codificación Raster mediante Enumeración Exhaustiva.

Fig. 10. Codificación Raster mediante Run Length.

Fig. 11. Codificación Raster mediante Árboles Cuaternarios.

Características significativas de un Raster:

Resolución: El pixel es el elemento más pequeño al que un dispositivo de visualización

Localización: como ya se ha visto la localización mediante la estructura teselar o raster se

Georreferenciación: con respecto a la localización de los píxeles hemos de tener en cuenta

Línea 1. Tamaño real del píxel en el eje X.

Fig. 12. Ejemplo de fichero world.

La denominación y almacenamiento de dicho fichero se hará siguiendo las siguientes convenciones

- Usar el mismo nombre de la Fotografía Aérea u Ortofotografías, Imagen de Satélite o

2. Fuentes de origen de datos Raster.

Las principales fuentes son:

- Imágenes escaneadas mediante escáner de sobremesa o fotogramétrico. Se trata

Fig. 13. Escáner Fotogramétrico y de sobremesa.

- Imágenes de Satélite o fotografía aérea (cámaras métricas o digitales). La