Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE INGENIERÍA
INGENIERÍA CATASTRAL Y GEODESIA
BOGOTÁ D.C.
2017
TRABAJO DE GRADO EN MODALIDAD DE MONOGRAFÍA PARA OPTAR
POR EL TÍTULO DE INGENIERO CATASTRAL Y GEODESTA
PRESENTADO POR
LAURA VANESSA SALAZAR DUARTE
TANIA LORENA RUIZ MORALES
DIRECTOR
PHD. CARLOS EDUARDO MELO MARTINEZ
Profesor titular del proyecto curricular de Ingeniería Catastral y Geodesia.
FACULTAD DE INGENIERÍA
INGENIERÍA CATASTRAL Y GEODESIA
BOGOTÁ D.C.
2017
Nota de aceptación:
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
__________________________________________________
_________________________________________________
Firma del director
________________________________________________
Firma del jurado
iii
AGRADECIMIENTOS
En primer lugar, a nuestras familias y a Dios, por ser nuestro sostén, por mantenernos
firmes y fuertes ante las dificultades presentadas durante todo este proceso, por su
incondicionalidad y amor. Gracias, por ser el aliento diario para seguir adelante, por
enseñarnos a soñar y a llevar a la realidad cada uno de esos deseos. Este logro, se lo
dedicamos a ellos porque son lo más importante de nuestras vidas.
Especialmente, al docente Carlos Melo, por dirigir este proyecto de grado, teniendo
siempre la disposición de solventar cada inquietud manifestada a lo largo de la elaboración
del presente trabajo y de brindar el máximo apoyo para obtener los mejores resultados
posibles. Igualmente, damos gracias al docente Javier Medina por ser el revisor de nuestro
proyecto.
A las amistades que nacieron dentro de las aulas, que nos animaron de diferentes formas
para culminar de la mejor manera esta etapa, las cuales esperamos conservar porque
hicieron de este camino un transcurrir más ameno.
A nuestra alma mater, la Universidad Distrital Francisco José de Caldas, y a los docentes
que hicieron parte de nuestra formación como Ingenieras Catastrales y Geodestas,
brindándonos a lo largo de estos años los medios y conocimientos necesarios en el
cumplimiento de esta meta. Igualmente, por darnos la oportunidad no solo de formarnos
como buenas profesionales sino también por permitirnos crecer como seres humanos al
entender que como ingenieras poseemos una función social enfocada al bienestar y
desarrollo de la sociedad.
iv
TABLA DE CONTENIDO
INTRODUCCIÓN .......................................................................................................... 1
JUSTIFICACIÓN ........................................................................................................... 2
ANTECEDENTES ......................................................................................................... 3
OBJETIVOS ................................................................................................................. 10
COBERTURAS DE LA TIERRA........................................................................ 16
v
Sistema de clasificación Corine Land Cover adaptado para Colombia.......... 16
DIAGRAMA ........................................................................................................ 22
SOFTWARE......................................................................................................... 24
Precipitación ................................................................................................... 28
Pendientes ....................................................................................................... 42
Rugosidad ....................................................................................................... 42
vi
7.5.5.1. Preparación .............................................................................................. 44
RESULTADOS ............................................................................................................ 53
Pendientes ....................................................................................................... 66
Rugosidad ....................................................................................................... 67
vii
Reclasificación de sub-criterios en valores cualitativos ................................. 89
DISCUSIÓN ................................................................................................................. 95
CONCLUSIONES .................................................................................................... 97
RECOMENDACIONES .......................................................................................... 99
viii
LISTA DE TABLAS
ix
LISTA DE ILUSTRACIONES
x
Ilustración 26. Coeficiente de Manning, subcuencas objeto de estudio.. ............................. 67
Ilustración 27 Muestra Ríos (RGB 457) .............................................................................. 78
Ilustración 28. Imagen resultado de la clasificación de clases a cada pixel. ........................ 82
Ilustración 29. Imagen clasificada con filtro. ....................................................................... 83
Ilustración 30. Mapa temático Coberturas de la tierra 2016 municipio de Mompós. .......... 86
Ilustración 31. Estructura jerárquica para la zonificación de amenaza por inundación en
Mompós.. .............................................................................................................................. 87
Ilustración 32. Clasificación de amenaza por precipitación Efectiva.. ................................. 90
Ilustración 33. Clasificación de amenaza por la variable pendientes.. ................................. 91
Ilustración 34. Clasificación de amenaza por rugosidad.. .................................................... 92
Ilustración 35. Clasificación de amenaza por tipo de cobertura.. ......................................... 93
Ilustración 36. Amenaza por inundación, municipio de Mompós.. ...................................... 94
Ilustración 37. Visualización de la página web desde un dispositivo de escritorio, pestaña
de INICIO. ............................................................................................................................ 95
Ilustración 38. Visualización de la página web desde un dispositivo de escritorio, pestaña
denominada Visor. ................................................................................................................ 95
xi
INTRODUCCIÓN
La amenaza, según la Ley 1523 de 2012, se define como “peligro latente de que un
evento físico de origen natural, o causado, o inducido por la acción humana de manera
accidental, se presente con una severidad suficiente para causar pérdida de vidas, lesiones u
otros impactos en la salud, así como también daños y pérdidas en los bienes, la
infraestructura, los medios de sustento, la prestación de servicios y los recursos
ambientales”, y el análisis de amenaza es considerado uno de los componentes básicos para
la evaluación del riesgo, su objetivo es conocer la naturaleza, intensidad y distribución
espacial que se puede presentar en una zona (Rodríguez, 2012).
Buscando dar un valor agregado, se publican los resultados finales como Datos Abiertos
(Open Data), ya que se consideran información de interés público.
1
Analytic Hierarchy Process.
1
Luego de definir el problema o pregunta de investigación, se dan a conocer los objetivos
del proyecto y se continúa con el marco teórico conceptual, capitulo dentro del cual se trata
de dar un enfoque general en cuanto a comprender el contenido de este documento, como
es la definición de los tipos de inundaciones en Colombia, características de una cuenca
hidrográfica, metodologías para el análisis de la amenaza por inundación, una breve
exposición de la estadística espacial, se da a comprender datos importantes sobre las
coberturas de la tierra enfocándose hacía el tema del proyecto, la definición de un modelo
AHP y su aplicación dentro de un SIG, y datos relevantes en cuanto a los datos abiertos en
la web.
Para terminar, tratándose de un tema netamente académico, se realiza una discusión de los
resultados obtenidos y procesos elaborados, recomendaciones generales teniendo en cuenta
la experiencia desarrollada y las respectivas conclusiones.
JUSTIFICACIÓN
2
después de la presencia de desastres y calamidades naturales, a entidades del Sistema
Nacional de Prevención y Atención de Desastres –SNPAD- (Euscátegui, 2011).
ANTECEDENTES
3
según el interés y dedicación política inyectada en cada periodo de gobierno. La
introducción de procesos y elementos participativos mejora la metodología, ya que la
comunidad posee un juicio claro sobre los grados de inundación en su territorio y los
valores máximos históricos puesto que es parte de su legado cultural. La cartografía social
permite hacer un contraste de las zonas en donde según los estudios, se ubican las
inundaciones y las áreas que según la experiencia de los pobladores son más susceptibles a
ser inundadas (Rodríguez, 2012).
Análisis de la amenaza
Análisis de la vulnerabilidad
4
de datos, la calidad, los costos y la transferencia de los datos y productos para poder
comprender la realidad que se vive en las cabeceras urbanas pequeñas y que en la
actualidad no concurre un prototipo como tal que pueda emplearse para suplir tal necesidad
a cabalidad. Los modelos aplican condiciones sociales, económicas, físicas, ambientales,
políticas y gubernamentales según sus necesidades y contextos, pero no transversal o
simultáneamente para contemplar temáticas de la gestión pública y la gestión del riesgo
(Rodríguez, 2012).
Las inundaciones súbitas son un fenómeno natural que representa una amenaza para el ser
humano y cualquier clase se infraestructura desarrollada por este. Existen varios elementos
que influyen en el total de escorrentía, que por ende afectan y determinan el ímpetu de las
inundaciones. De esta manera, ciertas características físicas y geográficas, como la
impermeabilidad de las superficies, la dinámica del sistema hidráulico de los suelos, y la
5
acumulación de agua, en conjunto con las estadísticas demográficas permiten crear una
clasificación por riesgo y amenaza de inundación. (Elkhrachy, 2015)
DATOS ABIERTOS
6
publicación de datos abiertos de interés nacional de las entidades públicas nacionales y
territoriales, teniendo en cuenta que las entidades públicas que publican datos abiertos en
sitios diferentes a este portal deben garantizar que los datos estén adecuadamente enlazados
y referenciados en éste. (MINTIC, 2016)
Además del Portal de Datos del Estado Colombiano, a nivel general de información
relacionada en la web con datos abiertos se puede encontrar por ejemplo el Portal de Datos
Abiertos de Bogotá2, y el Portal de Datos Abiertos de la Cámara de Comercio de Bogotá3.
En cuanto a páginas web disponibles con datos abiertos espaciales, sobre temáticas
de índole nacional y regional, de entidades públicas y privadas, en diferentes formatos y
presentaciones, se plasman los siguientes ejemplos:
ICDE4
SIG-OT5
2
Disponible en: http://datosabiertos.bogota.gov.co/. Consultado en marzo de 2017
3
Disponible en: http://opendatabogota.ccb.org.co/SitePages/OpenDataHome.aspx Consultado en marzo de 2017
4 Disponible en: http://www.icde.org.co/. Consultado en marzo de 2017
5 Disponible en: http://sigotn.igac.gov.co/sigotn/frames_pagina.aspx. Consultado en marzo de 2017
7
geográfica. Igualmente aplica los principios, objetivos y estrategias instadas por la
Infraestructura Colombiana de Datos Espaciales (ICDE). (IGAC, 2009)
IDECA6
Esri es una empresa privada relacionada con software afín a SIG, y consultoría
territorial. Los Datos Abiertos geográficos (o espaciales) hace parte de su contenido, por lo
que en este portal web se desarrolla la idea de un banco de datos para Colombia, en el que
se puede consultar, descargar y usar información abierta y útil, con el fin de ser un
mediador entre datos, mapas y herramientas o aplicaciones geográficas. (Esri, s.f.)
8
Para participar de este banco de datos espaciales puede hacerse mediante tres opciones:
crear un portal si se tiene múltiples datos, si se tiene un conjunto de datos que se consideren
relevantes se pueden compartir cargándolos al banco de datos, y por último haciendo uso de
los datos que ya están disponibles mediante la creación de mapas y aplicaciones SIG.
A esta condición climática y geográfica, se le suman dos agravantes que aumentan las
implicaciones de este desastre natural, por un lado se encuentra el fenómeno “la Niña” que
según el IDEAM8, en nuestro país se identifica por un incremento significativo de las
precipitaciones (anomalías positivas) y una baja de las temperaturas (anomalías negativas)
en las regiones Andina, Caribe y Pacífica, así mismo en franjas del piedemonte de los
Llanos orientales, mientras que en la región oriental (Orinoquía y Amazonía), dichas
variables suelen comportarse de manera corriente, sin ser muy claro el modelo
climatológico ante la existencia de este fenómeno (Euscátegui, 2011). Para el periodo 2010-
2011, este fenómeno superó los registros históricos de lluvias y se convirtió en un desastre
natural de dimensiones extraordinarios, específicamente para el área objeto de estudio se
encontraron 18.888 hectáreas inundadas, correspondiente al 29.5% del área del municipio.
Igualmente, se evidencia la falta de una correcta planeación del territorio que permita la
instauración de una ocupación ordenada del suelo, aun cuando existen una serie de
elementos normativos y legislativos que regulan el crecimiento y la expansión urbana, y
restringen el desarrollo de asentamientos en zonas susceptibles a inundaciones, por sus
características hidrográficas y espaciales.
8
Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia
9
planificación territorial. Por lo que se hace ineludible en la presente propuesta, hacer
públicos los resultados obtenidos a través de la modalidad de Datos Abiertos en la web.
De acuerdo a todas las problemáticas, se hace necesario que el municipio de Santa Cruz de
Mompós cuente con estudios detallados de riesgo por inundación, recalcando que este fue
declarado patrimonio cultural nacional por lo reglamentado en la Ley 163 de 1959 y
patrimonio de la humanidad por la Organización de las Naciones Unidas para la Educación,
la Ciencia y la Cultura en el año 2005 (Del Castillo, 2013). Estudios trascendentales para
edificarse como la columna vertebral en la formulación de políticas públicas y planes
efectivos de ordenamiento territorial, toma de decisiones y prevención de desastres
naturales. Dándole a estos un valor agregado al compartirlos a través de la Web de manera
gratuita, lo que según (Euscátegui, 2011) se debe a su carácter integral en relación a todos
los sectores económicos y líneas de exploración, al constituirse como pesquisa base, con el
objetivo de brindar a las entidades gubernamentales un escenario geográfico de referencia
que les permitirá intervenir durante la atención de la emergencia y en todas las fases de
Gestión del Riesgo.
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
10
• Construir un modelo hidrológico con base en las variables geográficas y físicas de
la cuenca influyente (Directos Bajo Magdalena, entre el Plato y el Banco) de la zona
de estudio, para hallar el parámetro con mayor influencia en la determinación del
grado de amenaza por inundación.
• Elaborar un mapa de amenaza por inundación (baja, media y alta) para el municipio
de Mompós (Bolívar), a partir de procesos espaciales, un modelo de decisión
multicriterio y operaciones de algebra de mapas, dentro de un SIG.
• Analizar la eficiencia de la metodología aplicada para obtener zonas susceptibles de
inundación en el municipio en cuestión.
• Dar a conocer la información resultante mediante su publicación en la web como
datos abiertos espaciales, teniendo en cuenta los principios que rigen los datos
abiertos, manifestados dentro de la Carta Internacional de Datos Abiertos.
11
• Por desbordamiento: Es la consecuencia del exceso de lluvias la que genera
aumento brusco del volumen de agua que supera la capacidad de transporte de
un cauce durante la creciente.
• Por encharcamiento: Producida por la acumulación de agua lluvia en un
determinado lugar o área geográfica que presenta dificultades de drenaje bien
sea por colmatación o fallas del sistema de alcantarillado. Esta inundación no
coincide necesariamente con el desbordamiento de un cuerpo de agua que
ocurre por la concentración de un elevado volumen de lluvia en un tiempo muy
breve o por una lluvia moderada y constante durante un largo tiempo.
• Por reflujo: Se presenta cuando la elevación del nivel del agua en la entrega de
un cuerpo de agua, produce el remanso o reflujo de aguas limitando el drenaje
(en general retorno de aguas de alcantarillas y desagües).
• Por rompimiento de jarillones o presas: Ocurre cuando se presenta la falla de
alguna de estas estructuras y el agua contenida por ellas pasa a ocupar sus zonas
de influencia.
• Por marejadas: Es la que se presenta en las zonas costeras por el ascenso del
nivel del mar, el cual puede ser por marejadas las cuales se originan por efectos
de la atracción lunar y vientos fuertes de origen hidrometereológico.
CARACTERÍSTICAS DE LA CUENCA COMO DETONANTE EN LA
ESTIMACIÓN DE LA AMENAZA DE INUNDACIONES
Con respecto a las inundaciones lentas, por las propiedades que posee Colombia, al ser un
país, con una valiosa fortaleza hídrica, en épocas invernales se ostenta abundancia de
pluviosidad, la cual produce una alta amenaza de inundación, por la combinación y
presencia de los siguientes eventos: caudal precipitado, alto nivel de intervención de ríos y
quebradas, constante injerencia del ser humano sobre las zonas de conservación y
protección de fuentes hídricas, cimentación de obras lineales que afectan la zona del cauce,
12
reducción de la zonas de humedales, entre otras. Y para las inundaciones súbitas se
encuentran tres acontecimientos anexos a los anteriores, que dificultan su análisis y tiempo
de respuesta a la emergencia en comparación con las inundaciones lentas, están
corresponden a las actividades de deforestación de la cuenca, el continuo desarrollo
urbanístico y la condición geográfica de ladera en sus tres franjas definidas (González,
2014).
13
información datable, puede asignarse una probabilidad de ocurrencia para los
eventos.
• Geológicos y geomorfológicos: los métodos geológicos y geomorfológicos utilizan
la tipología de las formas del terreno y los depósitos generados a partir de eventos
de inundaciones para delimitar las áreas geomorfológicamente activas dentro del
cauce fluvial, su frecuencia cualitativa de inundación, e incluso inferir órdenes de
magnitud de parámetros como la profundidad, velocidad de la corriente o carga
sólida transportada. Es importante mencionar que estas técnicas están cobrando
fuerza a lo largo del mundo al ser las únicas que consideran fenómenos naturales
difícilmente modelables con otras técnicas como las migraciones del canal o el
transporte de sólidos, y además tienen en cuenta las tendencias evolutivas naturales
del sistema fluvial.
• Hidrológicos e Hidráulicos: Los métodos hidrológicos e hidráulicos proponen,
respectivamente, estimar los caudales generados en una cuenca o corriente y
calcular las velocidades y niveles con los que circularían por un determinado tramo
fluvial. Los métodos hidrológicos encuentran los valores máximos de los caudales
para diferentes periodos de retorno, ya sea por medio del análisis estadístico de
información histórica de caudales o por medio de caudales obtenidos a partir de
modelos hidrometeorológicos que relacionan precipitación y escorrentía. Los
métodos hidráulicos parten de diferentes hipótesis, simplificaciones o
aproximaciones al flujo del agua para poder hacer uso de las ecuaciones físicas que
lo modelan esto permite estimar diferentes parámetros (profundidad, velocidad,
energía) que permiten definir el grado de amenaza. Estos métodos son los más
recomendados para determinar amenaza por inundación fluvial ya que tienen en
cuenta los procesos físicos que generan la inundación y además permiten asociar un
valor de período de retorno a la inundación.
• Asistidos por Sensores Remotos: una de las principales aplicaciones de los sensores
remotos es la de inspeccionar cuerpos de agua, debido a las características
radiactivas que posee el agua. La radiación reflejada por suelos húmedos es menor,
facilitando la delimitación de áreas inundadas. Para zonas donde se tienen imágenes
satelitales constantes, las imágenes se convierten en una evidencia fuerte de la
14
amenaza. A partir de una caracterización simple de las mismas, se pueden delimitar
las zonas cubiertas por la inundación. De acuerdo con la forma en la que se define la
amenaza es necesario también definir frecuencia del evento. Es acá donde la
presente metodología puede tener problemas. Debido a que las imágenes
provenientes de satélites son una fuente de información relativamente nueva, no se
tiene información suficiente para poder determinar eventos con períodos de retorno
significativos, por lo que pierden su confiabilidad en la definición de la amenaza.
Para poder asociar una frecuencia de ocurrencia al evento es necesario tener
información de los caudales. Teniendo información de caudales, el evento se asocia
a un caudal con cierta frecuencia de ocurrencia pudiendo así determinar la amenaza.
ESTADÍSTICA ESPACIAL
15
cual se da, a partir del método conocido como kriging, el cual se fundamenta en la
minimización del error cuadrático medio de predicción. Para la representación final de la
predicción de la variable de precipitación, se optó por elaborar un mapa de contorno, en el
cual se elabora un enmallado del área objeto de estudio, y se realiza la predicción en cada
uno de sus nodos, que posteriormente se unirá con las predicciones que posean el mismo
valor, obteniendo así las isolíneas de distribución, consiguiendo de esta manera, identificar
el valor de precipitación, en toda la zona de estudio.
COBERTURAS DE LA TIERRA
El proyecto CORINE Land Cover (CLC) hace parte del programa CORINE, del cual es
responsable desde 1995 la Agencia Europea del Medio Ambiente (AEMA), cuyo objetivo
fundamental (de CLC) es la captura de datos numéricos y geográficos para conformar una
base de datos a escala 1:100.000 de cobertura/uso del territorio, y su actualización
constante. (Arozarena Villar & del Bosque González, 2001)
El satélite Landsat 8, misión que da continuidad a los datos del programa, fue lanzado el 11
de febrero de 2013, y sus datos están disponibles a partir del 30 de mayo de 2013. Este
satélite cumple con la adquisición de datos de alta calidad, cumpliendo con los requisitos
científicos y operacionales propuestos por la NASA y el USGS. (USGS, s.f.)
Son diversas las fuentes de información usadas para la clasificación digital de imágenes,
pero se destacan las imágenes satelitales Landsat, teniendo en cuenta sus objetivos de
cartografiar y evaluar recursos naturales (Arango Gutiérrez, Branch Bedoya, & Botero
Férnandez, 2005). Por esto, la imagen adquirida para generar la variable de coberturas de la
tierra del municipio de Mompós, fue del satélite Landsat 8. Por lo que a continuación se
17
presenta información general, de interés, tanto del satélite como de las diferentes bandas
que conforman una imagen:
El satélite Landsat 8 está compuesto por dos sensores, Operational Land Imager (OLI) y
Thermal Infrared Sensor (TIRS), OLI genera hasta la novena banda incluyendo la
pancromática y el TIRS genera las bandas 10 y 11. Estos dos sensores son instrumentos de
barrido (whisk-broom). (USGS, 2016)
18
La clasificación digital de una imagen se refiere a extraer información de la misma,
mediante un software especializado, con el fin de agruparla y definir unas clases o
coberturas existentes en un territorio en concreto (Chuvieco, 1995). Existen dos tipos de
clasificación, dependiendo de la relación entre el analista (usuario) y el software en el
momento de realizar el procedimiento (ESRI, s.f.).
La elección del método depende de los datos y medios disponibles, y de las preferencias
personales (Chuvieco, 1995), por esto se realiza en esta sección del proyecto una
clasificación supervisada, con el fin de obtener una nueva imagen de las coberturas de la
tierra de la zona de interés.
El método AHP fue planteado por el matemático Thomas L. Saaty a finales de los años
70´s, y consiste en establecer un modelo jerárquico para comprender problemas complejos,
el cual contiene tres niveles esencialmente: objetivo, criterios y alternativa. Este permite
asignar valores numéricos (pesos) a cada criterio, haciendo posible medir la contribución de
cada elemento de la jerarquía al nivel superior del que se desprende (Avila, 2000).
9
Al realizarse la calibración radiométrica de la imagen multiespectral los niveles digitales se convirtieron en
valores de reflectancia.
19
Hoy en día, se encuentran diferentes investigaciones y desarrollos con el fin de integrar
estos modelos de evaluación multicriterio con los sistemas de información geográfica,
convirtiéndose en una herramienta frecuente para la toma de decisiones a nivel territorial.
Tal es el caso de (Youssef, 2011), estudio cuyo objetivo es el mapeo de riesgos de
inundación en la ciudad de Najran City, del Reino de Arbia Saudi (KSA).
Al adaptar el método AHP al objetivo específico de este proyecto, se desarrolla con ayuda
de herramientas SIG, proceso posible de desarrollar luego de una investigación para la
definición de los niveles del modelo, en donde hay que tener en cuenta la importancia de la
elección de los criterios, ya que el resultado final tiene la posibilidad de variar
considerablemente dependiendo de los subcriterios y/o variables incluidas, además de las
nociones y nivel de conocimiento que tenga el usuario con respecto al estudio en desarrollo.
Asimismo, dentro de este modelo es necesario aplicar una estandarización, porque los
criterios y subcriterios tenidos en cuenta están expresados en diferentes unidades de
medida, diferentes rangos y la posibilidad de variadas interpretaciones de acuerdo a la
representatividad o adecuación del objetivo concreto (De Cos Guerra).
Según la Carta Internacional de Datos Abiertos, se define a los datos abiertos como
“datos digitales que son puestos a disposición con las características técnicas y jurídicas
necesarias para que puedan ser usados, reutilizados y redistribuidos libremente por
cualquier persona, en cualquier momento y en cualquier lugar”, por lo que en la actualidad
se consideran como uno de los medios para realizar un cambio a nivel mundial, haciendo
uso de la tecnología y los medios digitales. (MINTIC, 2016)
En cuanto al cambio, se refiere a que los datos abiertos permiten una interoperabilidad entre
gobiernos, ciudadanos y organizaciones de los sectores públicos y privados. Su importancia
yace en su relación con factores estipulados y explicados dentro de (MINTIC, 2016), como
son la transparencia y control social, el empoderamiento, la posibilidad de innovación y ser
una herramienta en la toma de decisiones.
20
Al mismo tiempo, en Colombia la Ley 1712 de 2014 (Ley de Transparencia y Acceso a la
Información)10, define a los datos abiertos como “todos aquellos datos primarios o sin
procesar, que se encuentran en formatos estándar e interoperables que facilitan su acceso y
reutilización, los cuales están bajo la custodia de las entidades públicas o privadas que
cumplen con funciones públicas y que son puestos a disposición de cualquier ciudadano, de
forma libre y sin restricciones, con el fin de que terceros puedan reutilizarlos y crear
servicios derivados de los mismos”.
En palabras más simples, el objetivo de los datos abiertos es que cualquier persona o
entidad pueda acceder a ellos libremente, usarlos, transformarlos, modificarlos y/o
analizarlos, generando nueva información y conocimiento, y así se pueda mejorar el
bienestar de la población desde los ámbitos sociales, económicos y jurídicos,
principalmente.
En la actualidad los diferentes actores de la sociedad mundial se interesan cada vez en este
tema, y el medio en el que se interactúa es la web, en donde por su fácil accesibilidad se
han desarrollado diferentes mecanismos como los portales web expuestos en el numeral
3.3.1. del presente documento.
Estos seis principios acordados para el acceso, publicación y uso de los datos abiertos, son:
10
Ley 1712 de 2014. Literal J, artículo 6: Definiciones
11
Disponible en: http://opendatacharter.net/ Consultado en marzo de 2017
21
6. Para el desarrollo incluyente y la innovación
Con estos principios se pretende poder tener una pauta en el manejo de los datos abiertos,
para aquellos gobiernos que decidan acogerse, y el objetivo en general de la Carta es la
integración cultural y la práctica de la apertura de los gobiernos para ser resistentes a los
cambios políticos, aparte de tener en cuenta la demanda de los usuarios de esta
información.
METODOLOGÍA Y DATOS
DIAGRAMA
Mediante la Ilustración 1, se da una vista general de los procesos más importantes tenidos
en cuenta en el desarrollo de este proyecto, los cuales se exponen en las siguientes
secciones.
22
ÁREA DE ESTUDIO
En las siguientes imágenes se puede observar los mapas de ubicación tanto del
departamento de Bolívar (Ilustración 2) como del Municipio de Mompós (Ilustración 3).
Ilustración 2. Ubicación del departamento de Bolívar, Colombia. Fuente: A partir de Datos: (Sigot,
Geoportal DANE)
23
Ilustración 3. Ubicación del municipio de Mompós, Bolívar. Fuente: A partir de Datos: (Sigot,
Geoportal DANE)
SOFTWARE
DATOS E INSUMOS
24
datos geográfica idónea para la identificación de áreas vulnerables a inundaciones, se
considera a continuación:
Zonificación hidrográfica
Esta subzona hidrográfica hace parte de los departamentos de Magdalena, Cesar y Bolívar y
abarca un área aproximada de 7006 kilómetros cuadrados, se delimita espacialmente como
se exhibe a continuación.
12
Disponible en: http://www.siac.gov.co/ Consultado en julio de 2017
25
Ilustración 4. Subzona Hidrográfica objeto de estudio. Fuente: A partir de Datos tomados de (IDEAM, 2013)
Los productos utilizados son adquiridos a través del sensor ALOS PALSAR RTC13
(radiométricamente corregidos en terreno) el cual corrige la geometría del radar de apertura
sintética (SAR) y su radiometría. En este caso se descargaron los paquetes de alta
resolución (8) que cubrían el área total de la cuenca, los cuales contienen DEM’s con
resolución espacial de 12,5 metros en el formato raster GeoTiff.
13
Disponible en https://www.asf.alaska.edu/sar-data/palsar/terrain-corrected-rtc/ Consultado en julio de 2017
26
La Tabla 3 y la Ilustración 5 muestran las características básicas de los productos utilizados
para el presente estudio, y su distribución espacial.
Ilustración 5. Distribución de los DEM´s en la zona de estudio. Fuente: A partir de Datos tomados de (IDEAM, 2013).
27
Precipitación
FECHA DE LOCALIZACIÓN
CÓDIGO TIPO NOMBRE MUNICIPIO
INICIO COORD X COORD Y
25020880 PM Barranco De Loma 15/09/1974 Barranco De Loma 996365.617 1481119.239
25020890 PM Chilloa 15/09/1974 Margarita 984123.278 1500225.610
25020900 PM San Sebastián 15/01/1974 San Sebastián 969415.698 1512898.348
25021020 PM Tierra Grata 15/05/1974 Santa Bárbara 927333.155 1535383.155
25021030 PM San Zenón 15/05/1974 San Zenón 953361.568 1514419.616
25021040 PM Menchiquejo 15/09/1974 El Banco 1003658.117 1507817.305
25021090 PM Santa Rosa 15/10/1974 San Fernando 974014.654 1497349.111
25021180 PM Santa Cruz 15/03/1974 Mompós 932787.093 1495738.194
25021200 PM Los Negritos 15/07/1974 El Banco 999787.079 1489967.186
25021270 PM Candelaria 15/10/1976 Mompós 950743.034 1495128.249
25021280 PM Conyogal 15/03/1979 Magangué 952225.655 1483543.670
25021290 PM El Jolón 15/10/1976 San Fernando 963572.029 1498248.264
25021300 PM El Limón 15/10/1976 Cicuco 937493.783 1517360.556
25021310 PM El Pozón 15/10/1976 Hatillo De Loba 963898.227 1487494.840
25021330 PM Guaymaral 15/10/1976 Mompós 941084.434 1499829.831
25021340 PM La Esperanza 15/09/1958 Cicuco 927630.043 1514643.050
25021350 PM Mompós 15/10/1976 Mompós 960658.387 1516101.411
25021380 PM San Roque 15/05/1980 El Banco 991664.036 1494945.134
25021510 PM Barbosa 15/10/1976 Magangué 938518.908 1489553.394
25021540 PM Las Aguadas 15/11/1978 Hatillo De Loba 1002475.235 1481948.660
25025180 CO San Benito Abad 15/11/1973 San Benito Abad 893690.552 1505287.156
25025210 CO Pinillos 15/05/1974 Pinillos 958175.877 1477238.817
NOTA PM: Pluviométrica
CO: Climatológica ordinaria
Fuente: Datos tomados de (IDEAM, 2017).
28
Ilustración 6. Ubicación de las estaciones hidrometerológicas utilizadas. Fuente: A partir de Datos tomados de (IDEAM,
2017).
El mapa geológico colombiano, referente al año 2015, fue obtenido del Geoportal
del Servicio Geológico14, información almacena en una geodatabase con datos de tipo
vector (formato shapefile) y conformado por variables como la geomorfología.
Estos datos fueron usados como parámetros para establecer el coeficiente de escorrentía o
precipitación efectiva de las microsubcuencas influyentes en el municipio de interés.
14
Disponible en: http://geoportal.sgc.gov.co/geoportalsgc/ Consultado en julio de 2017
29
Ilustración 7. Clasificación geológica, subzona hidrográfica de interés. Fuente: A partir de Datos tomados de (SGC,
2015)
30
Ilustración 8 Coberturas de la tierra Subcuencas del municipio de Mompós. Fuente: Datos tomados de: (IDEAM, 2012),
(IDEAM, 2013)
Luego de buscar una imagen del satélite Landsat 8 que cumpliera con los requisitos
necesarios, reciente y porcentaje de nubosidad menor al 20%, se obtiene a partir del portal
del USGS15. Imagen usada en la generación del mapa de coberturas de la tierra del
municipio de Mompós.
El porcentaje de nubosidad presente en la imagen (9,38%) se encuentra en su mayoría en la
parte inferior, por lo que en la zona de interés (municipio de Mompós) está totalmente
despejado (Ilustración 9), cumpliendo totalmente los requisitos de selección.
Los datos descargados son un archivo comprimido, conformado por las once imágenes
correspondientes a cada banda espectral, el archivo del metadato (MTL.txt) y la imagen de
la banda de calidad (BQA.TIF). Y para facilidad de manejo de la información se crea una
sola imagen multiespectral, conformada por la unión de las diez bandas multiespectrales,
15
Disponible en: http://earthexplorer.usgs.gov/ Consultado en junio de 2017
31
agregadas en orden de longitud de onda (1, 2, 3, 4, 5, 9, 6, 7, 10 y 11), con ayuda del
software ERDAS IMAGINE.
Ilustración 9. Escena Original – Color Natural, con delimitación del municipio de Mompós. Fuente: Datos tomados de:
EarthExplorer, Sigot, Geoportal DANE
Programa LANSAT 8
Sensor OLI-TIRS
ID Escena LC80090542017016LGN00
Número de columnas 7.581
Número de filas 7.761
Número de píxeles 58836,141
Espacio en disco 1506,04 MB
Tamaño de píxel X 30 metros
Tamaño de píxel Y 30 metros
Resolución radiométrica 16 bits
Resolución espectral 10 bandas multiespectrales
Fecha de toma 17 de Enero de 2016
Proyección Universal Transversa de Mercator
32
Elipsoide WGS84
Datum WGS84
Zona UTM 18
Path 9
Row 54
Nivel de procesamiento Corrección Estándar del Terreno L1T
Área total (ha) 5.295.252,69 Ha
Fuente: Datos tomados de: archivo metadato imagen
2. El ángulo solar zenit local se calcula restándole a noventa grados el ángulo de elevación
solar disponible en los metadatos:
ESUN λ
BANDA Gain(M) Bias(A)
W/(m2 µm)
2 0,013286 -66,43043 1970,41
3 0,012243 -61,21507 1912,35
4 0,010324 -51,62000 1549,23
33
5 0,0063178 -31,58886 956,01
6 0,0015712 -7,85586 247,62
7 0,00052957 -2,64785 85,46
Fuente: Datos tomados de: archivo metadato imagen y (Lizarazo, 2015)
Para obtener cada una de las variables a usar dentro del modelo AHP, es necesario la
aplicación de una metodología diferente, expuestas en los siguientes numerales.
Para obtener un análisis más detallado y de mayor precisión sobre el sistema hidrológico de
la cuenca Directos Bajo Magdalena entre el Banco y el Plato, se necesitan conocer los
siguientes tres niveles jerárquicos de la zonificación hidrográfica del territorio objeto de
estudio, estos son definidos oficialmente a partir del Plan de Ordenación y Manejo
Ambiental de la Cuenca, realizado por la Corporación Autónoma Regional que posea
jurisdicción sobre esta zona. Una vez realizada la solicitud formal de este documento a la
Corporación Autónoma Regional del Sur del Bolívar, se comunicó la no existencia de un
POMCA declarado para esta cuenca debido a las problemáticas legales surgidas, ya que
sobre ella poseen jurisdicción 3 corporaciones diferentes (Corporación Autonoma Regional
del Sur de Bolivar – CSB, Corporación Autonoma Regional del Magdalena –
CORPAMAG y la Corporación Autonóma Regional del Cesar – CORPOCESAR).
Para solucionar esta limitación, se optó por usar las herramientas espaciales hidrológicas
que posee el software ArcGis, usando como insumo fundamental los modelos digitales de
elevación descritos anteriormente. El procedimiento ejecutado, se describe a continuación:
34
• Se unificaron los ocho DEM’s descargados y se realizó un mosaico en formato
raster con el contorno de la subcuenca hidrográfica.
• Se obtuvieron raster con la información base para un modelamiento hidrológico de
una cuenca como lo son: los sumideros, la dirección y acumulación del flujo.
• Para diferenciar cada una de las unidades hidrográficas de nivel I, II y III se fue
aumentando respectivamente la cantidad de drenajes de carácter relevante, para
modelar las corrientes de enlace y el orden de la cuenca, esto se ejecuta usando
como parámetro, el valor de pixel del raster correspondiente a la dirección del flujo,
a través de la herramienta raster calculator.
• Se realizó la codificación de cada entidad hidrográfica según su nivel jerárquico,
adoptando la metodología establecida por el IDEAM, la cual se esquematiza a
continuación.
16
Para simplificación, en el presente estudio las unidades hidrográficas del Nivel I se denominarán
subcuencas, las unidades hidrográficas del Nivel II se denominarán microcuencas; y por último, las unidades
hidrográficas de Nivel III serás asignadas como microsubcuencas.
35
Ilustración 11. Representación de un ejemplo de codificación de las unidades hidrográficas. Fuente: (IDEAM, 2013)
Precipitación efectiva
17
Disponible en http://www.igac.gov.co/wps/portal/igac/raiz/iniciohome/MapasdeColombia/Descargas
Consultado en julio de 2017
18
Disponible en http://sigotn.igac.gov.co/sigotn/default.aspx Consultado en julio de 2017
36
propiedades productoras de escorrentía de la cuenca hidrográfica: (1) tipo de suelo
hidrológico, (2) utilización y tratamiento del suelo, (3) condiciones de la superficie del
terreno, y (4) condición de humedad antecedente del suelo.” (Unión Temporal AVR-CAR,
2015).
( − 0.2 )
= (1)
( + 0.8 )
Donde:
Pe: Escorrentía directa o precipitación efectiva, en milímetros.
25400
= − 254 (2)
37
• Grupo B: Permeabilidad moderada. Son los terrenos arenosos menos profundos, los
franco-arenosos de profundidad media y los francos profundos.
• Grupo C: Suelos poco permeables al tener algún estrato impermeable o textura
arcillosa o franco-arcillosa.
• Grupo D: Muy impermeables, gran cantidad de arcillas.
Para la generación de esta variable como información raster, fue clasificado el atributo
denominado “Descripción” del parámetro geología en formato shapefile, teniendo en
cuenta la definición anterior de cada grupo, y la clasificación propuesta de grupos
hidrológicos, mostrada a continuación.
Descripción Grupo
Aluviones y Coluviones actuales
Coluvial A
Conos de deyección
Arenas y margas
Calizas recristalizadas cremas
Calizas tableadas azules
Cuarcitas blancas, micaesquistos plateados y gneises albíticos B
Dolomías negras y calizas
Margas y areniscas
Terrazas
Areniscas rojas, filitas, cuarcitas y pizarras
Filitas, cuarcitas y calcoesquistos
Limos y arcillas rojas con episodios de caliche
Margas arenosas y margas
Marmoles calizos y dolomiticos C
Marmoles fajeados y mármoles blancos y crema
Micacitas con granates
Micaesquistos y cuarcitas
Yesos
Basaltos
Cuarcitas micáceas
Diabasas
D
Margas blancas
Margas grises
Pizarras micáceas y micacitas
Fuente: Datos tomados de: (Villegas, 2017)19
19
Disponible en http://www.aguaysig.com/2017/01/metodo-del-numero-de-curva-del-scs.html Consultado en
julio de 2017
38
B. Uso y cobertura del Suelo, y sus condiciones.
Grupo hidrológico
Tipo de Cobertura
A B C D
Sin tratamiento de conservación 72 81 88 91
Cultivos
Con tratamiento de conservación 62 71 78 81
Pobre condición 68 79 86 89
Pastos
Buena condición 39 61 74 80
Vegas de río en óptimas condiciones 30 58 71 78
Pobre cubierta 45 66 77 83
Bosques
Buena Cubierta 25 55 70 77
Zona Urbana 77 85 90 92
Fuente: Datos tomados de: (Villegas, 2017) (Chow, Maidment, & Mays, 1988).
Para la obtención del raster final con el valor de pixel según la clasificación anterior, se
asignó un valor numérico a cada una de las categorías de las dos variables (grupo
hidrológico y tipo de cobertura), las cuales se fusionaron a través de la herramienta raster
calculator de Arcgis, para obtener una única combinación, y así poder reclasificar ese raster
39
previo, con cada uno de los valores correspondientes de la tabla, para un mayor
entendimiento, se enseña un ejemplo a continuación:
Una vez generado la información ráster de la curva número, la generación del factor S es
relativamente simple, implementando la ecuación (2), una vez más, en la herramienta
Raster Calculator. El paso a seguir para obtener la escorrentía directa de las subcuencas de
interés, consiste en construir un ráster que contenga la información de precipitación de la
zona.
Tabla 10. Promedio de lluvias mensual anual en el mes de octubre para cada estación.
40
25021300 Limón 212.2166667
25021310 Pozón 398.875
25021330 Guaymaral 255.0666667
25021340 Esperanza 207.2058824
25021350 Mompós 213.9636364
25021380 San Roque 348.8181818
25021510 Barbosa 348.330303
25021540 Aguadas 371.025
25025180 San Benito 203.678125
25025210 Pinillos 285.0225806
Fuente: Datos tomados de: (IDEAM, 2017).
El método elegido para conocer la precipitación media mensual anual de cada Nivel III de
unidades geográficas, es la estadística espacial, la cual hace parte de una familia de técnicas
denominadas kriging, su prelación sobre otros procedimientos determinísticos es la
apreciación de la varianza del error de predicción, lo cual permite construir intervalos de
confianza para el respectivo pronóstico; este se modeló, con la ayuda de librerías espaciales
de R estudio como geoR, gstat y raster. Aunque existen dos procedimientos diferentes para
realizar el krigeado, correspondiente a la estimación puntual (con las coordenadas del
centroide de las entidades de nivel III) y la construcción de un mapa de pronóstico, se optó
por esta última, ya que la cantidad de estaciones es muy baja, generando una limitación a
los resultados del primer método, mientras que se considera que obteniendo una gran
cantidad de valores de píxeles, adquiridos estos con una buena resolución espacial, se
producirá una mejor estimación para la variable de precipitación en cada microcuenca.
El primer paso consiste en realizar un análisis estadístico general a los datos existentes,
función as.geodata y plot.geodata. La primera, permite convertir los datos en un objeto de
la clase denominada “geodata” que está compuesta obligatoriamente por las coordenadas y
los datos; y la segunda permite obtener un gráfico de cuartiles, dos gráficos de la relación
de la variable a estudiar con las coordenadas, X y Y, respectivamente, y una gráfica
tridimensional con las ubicaciones espaciales, y los valores asociados a estas.
41
caracterizan y se asemejan al comportamiento de la variable estimada, utilizando como
base, los parámetros elementales, determinados de forma visual (pepita, rango y meseta),
con el fin de disminuir los errores en la estimación; siendo el modelo seleccionado la mejor
representación de las propiedades relevantes del semivariograma empírico.
Para finalizar, se genera una malla rectangular espacial con un espaciado cada 50 metros,
con cobertura sobre la zona de estudio, y se genera sobre ella un mapa de pronóstico de la
variable precipitación, a través de la función llamada “krige” de la librería gstat, ingresando
los parámetros fundamentales para obtener un kriging ordinario.
Pendientes
Rugosidad
20
AIC, por sus siglas en inglés.
42
A partir de la bibliografía revisada para el presente estudio, se evidencia que el parámetro
más utilizado y conocido, para definir la variable de rugosidad, se denomina coeficiente de
Manning, el cual es el resultado de la acción concertada de una serie de propiedades que
determinan la rugosidad, como el material, el grado de irregularidad la variación de las
secciones transversales del canal, el efecto relativo de los obstáculos, la vegetación y el
grado de sinuosidad (Elkhrachy, 2015). Las diferentes metodologías precisadas para
construirlo, exigen la existencia del conocimiento profundo y trabajo de campo de la zona
objeto de estudio, limitación que fue solucionada con la utilización de una tabla elaborada
por Tumentsetseg Shaviraachin con el Instituto Internacional para la ciencia de la
geoinformación y la observación de la Tierra (Enschede, Holanda) en una de sus
investigaciones para simular inundaciones del suelo, la cual determina el coeficiente de
Manning a través del tipo de cobertura del suelo (Shaviraachin, 2005), la cual se muestra a
continuación.
43
Ilustración 12. Metodología proceso de obtención mapa de coberturas de la tierra municipio Mompós. Fuente: Autores.
7.5.5.1. PREPARACIÓN
Luego de obtener la imagen satelital que cumpliera con los requisitos necesarios, se
procede a realizar el recorte de acuerdo a la zona de interés (municipio de Mompós), el cual
fue definido por un polígono (Ilustración 13), con lo que se obtiene una imagen de 1094
filas por 1454 columnas con un total de 1.590.676 píxeles, correspondiente a un área de
143.160,84 hectáreas.
44
Ilustración 13. Recorte (Subescena) – Color Natural, con delimitación de municipios. Fuente: Datos tomados de:
EarthExplorer, Sigot, Geoportal DANE
Al llevar a cabo el corte de la imagen original, se tiene el área de trabajo necesario para
llevar a cabo la siguiente fase necesaria y así proceder a realizar la clasificación supervisada
de coberturas del municipio de Mompós. Proceso
7.5.5.2. PRE-PROCESAMIENTO
45
terrestre, 3) Distorsiones provocadas por el sensor y 4) Distorsiones provocadas por la
atmósfera. (Arango Gutiérrez, Branch Bedoya, & Botero Férnandez, 2005)
Las correcciones radiométricas, según (Chuvieco, 1995), son los métodos que se llevan a
cabo para modificar los ND originales a valores más cercanos en caso de que la imagen
fuera adquirida en una recepción ideal, y se incluye la conversión de ND a parámetros
físicos (radiancia y reflectividad) dentro de estas correcciones.
= ∗ + (3)
!∗ ∗ "
= = *+",- ./,0.+12 (4)
# $ ∗ Cos ()
!∗( ∗ + )∗ "
= (5)
# $ ∗ Cos ()
46
El modelo se realiza con Model Maker, en donde se aplica la ecuación 5 para las bandas 2,
3, 4, 5, 6 y 7 de la subescena, utilizando los datos respectivos del numeral 7.4.6.1. Esta
ecuación es multiplicada por 100 para obtener resultados en porcentaje. Y al correr el
modelo, se obtiene una nueva imagen, que se convertirá en la imagen de trabajo de ahora en
adelante en la obtención de la variable de coberturas de la tierra del municipio de Mompós.
47
Ilustración 14. Coberturas de la tierra 2005 – 2009 municpio de Mompós. Fuente: Datos tomados de: EarthExplorer,
Sigot, Geoportal DANE, (IDEAM, 2012)
Además para la determinación de las clases de interés se usó del Catálogo de patrones de
coberturas de la tierra Colombia (IDEAM, 2012) y las Fichas técnicas de los patrones de las
coberturas de la tierra de la Amazonia colombina (SIAT-AC, 2009), documentos con los
cuales se realizó una revisión de la escena de trabajo, en diferentes combinaciones RGB
para así facilitar el análisis visual y poder reconocer las coberturas de la tierra existentes
dentro de la zona.
Con las coberturas o clases de interés determinadas, se realiza la determinación de las zonas
de entrenamiento teniendo en cuenta el análisis visual y los documentos nombrados
anteriormente, teniendo en cuenta el comportamiento o que identifica cada cobertura, como
el color según la combinación RGB y la textura.
48
Las muestras son creadas con la herramienta AOI y almacenadas con la herramienta
Signature Editor, además el número de muestras por cobertura fue de acuerdo a la
extensión de estas sobre la zona.
1 :; :;
1 :; :;
34 = 56 78 3 − 49 8 3 − 4 9< + 56 =8 3 − 4 98>3 − >4 98>3 − >4 9 ? (6)
2 2
:BCD
A 34 = 2000 =1 − E ? (7)
Donde,
En la interpretación de los resultados de este criterio, entre mayor sea el valor obtenido,
mayor es la separabilidad entre clases (Lira, 2010). Los resultados varían entre 0 y 2000,
donde 2000 se interpreta como excelente separabilidad.
49
El algoritmo de Máxima Verosimilitud, considera la distribución real de los niveles
digitales en una clase, asignando el píxel a aquella clase que maximice la función de
probabilidad (Chuvieco, 1995), es decir se le asigna a cada pixel de la imagen la clase con
la cual posee mayor probabilidad de pertenecer.
7.5.5.4. POS-PROCESAMIENTO
21
AOI, por sus siglas en inglés.
50
dificulta asignar un tamaño de muestra representativo y obtener un error estándar pequeño
(Ramírez, Ramírez, Galindo, & Espejo, 2014).
Luego de generar los puntos muestra, se pone la clase real que le corresponde a cada uno, y
es posible visualizar tanto la posición de cada punto, como la clase en la que fue
clasificada. Al terminar la revisión de todos los puntos, se genera el reporte que contiene la
matriz de error, la matriz de exactitud total la cual contiene el porcentaje de exactitud
general de la clasificación, y el índice Kappa.
El índice Kappa se basa en el total de puntos muestra para cada una de las clases
clasificadas (Jensen, 2005):
MODELO AHP
51
demás, mediante la cuantificación o rating de importancia relativa entre estos, de la
siguiente manera:
N
M = (9)
N
PQRS − .
N= (10)
.−1
Donde,
22
RC, por sus siglas en inglés.
52
Por último, para efectuar esta ponderación, cada una de las cuatro variables generadas, debe
ser reclasificada a través de las nociones y conceptos de como detona o aporta cada una de
ellas al fenómeno de inundación23, a una escala numérica de 1 a 3, donde una clasificación
de 1 equivale a amenaza baja, 2 equivale a amenaza media y 3 equivale a amenaza alta.
Una vez realizada esta operación, se implementa la herramienta Weighted Overlay de
ArcGis, la cual permite efectuar una adición ponderada de capas geográficas en formato
raster.
Al obtener las posibles zonas en amenaza de inundación del municipio de Mompós, para
cumplir el último objetivo, se elaboró una página web, para exhibir el presente estudio, al
público interesado en la zonificación final de amenaza por inundación en el municipio de
Mompós o en la aplicación de la metodología utilizada; está fue realizada a través de
herramientas vanguardistas en esta temática como lo son el código HTML5, CCS3 y
JavaScript.
RESULTADOS
Los resultados obtenidos están divididos en cuatro fases, la primera fase es la obtención de
los sub-criterios en formato raster, necesarios para obtener los de la segunda fase, mediante
la implementación del modelo de decisión multicriterio AHP, y a partir de este modelo
integrado dentro de un SIG se halla las posibles zonas en amenaza de inundación del
municipio de Mompós (tercera fase). Finalmente se lleva a cabo la publicación de este
resultado final como datos abiertos en la web.
23
Esta reclasificación fue realizada a los raster una vez cortados, bajo el límite municipal de Mompós.
53
A partir de los procedimientos ejecutados en el software Arcgis, se obtuvieron 5
subcuencas hidrográficas, 31 microcuencas y 41 microsubcuencas, como se evidencia en la
siguiente ilustración:
Ilustración 15. Distribución de las subcuencas delimitadas en la zona de estudio (UH Nivel I).
Fuente: Elaboración propia. Datos tomados de (IDEAM, 2013)
54
las microsubcuencas y microcuencas, pertenecientes a las subcuencas hidrográficas
identificadas con código 290702, 290703 y 290705. En las Tablas 12, 13 y 14 se
evidencian estos resultados.
55
Tabla 13. Codificación y definición de las microcuencas.
Rió Magdalena-
29070201 Brazo Venecia 29070202 29070203 Brazo Chincagua
Brazo de Mompós I
Río Magdalena-
29070204 Bazo de Santa Lucía 29070301 29070302 Quebrada Culebra I
Brazo de Mompós II
Arroyo Santo
29070303 Quebrada Culebra II 29070304 Caño Mocho 29070305
Domingo
29070306 Arroyo El Ahorcado 29070307 Arroyo Verdum 29070308 Arroyo El Palmar I
29070309 Caño de Palma 29070310 Caño Rosario 29070311 Brazo de Mompós I
29070312 Caño Grande 29070313 Caño Potrero 29070314 Brazo de Mompós II
29070315 Quebrada Caíman 29070316 Arroyo El Palmar II 29070317 Caño Surraba
Río Magdalena-
29070318 Caño Guamal 29070319 Caño Guasimo 29070320
Brazo de Mompós III
Río Magdalena-Brazo
29070501 29070502 Caño El Limón 29070503 Caño La Fuente
Chicagua
Caño Mundo Al
29070504 Caño Isla Grande 29070505 29070506 Brazo Guayabal
Revés
29070507 Brazo La Victoria
Fuente: Elaboración propia. Datos tomados de: (IDEAM, 2013).
56
Tabla 14. Codificación y definición de las microsubcuencas.
Río Magdalena-Brazo
2907020101 Brazo Venecia 2907020102 Caño Piñas 2907020201
de Mompós I
Río Magdalena-Brazo
2907020302 Brazo de Patico 2907020400 Brazo de Santa Lucía 2907030101
de Mompós II
Río Magdalena-
Quebrada
2907030102 2907030103 Brazo de Mompós 2907030200 Quebrada Culebra I
Chimicuipe
III
Arroyo El
2907030600 2907030700 Arroyo Verdum 2907030800 Arroyo El Palmar I
Ahorcado
57
2907031500 Quebrada Caiman 2907031600 Arroyo El Palmar II 2907031700 Caño Surraba
2907031800 Caño Guamal 2907031900 Caño Guasimo 2907032000 Brazo de Mompós III
2907050300 Caño La uente 2907050400 Caño Isla Grande 2907050500 Caño Mundo Al Revés
Para el cálculo de este parámetro se hizo necesario usar las variables de cobertura del suelo,
grupos hidrológicos, precipitación, curva número y factor de escorrentía, cuyos resultados
se muestran en los siguientes numerales, finalizando con la obtención de la Precipitación
Efectiva.
58
Ilustración 16. Clasificación de la cobertura del suelo, parámetro de la Curva Número. Fuente: Datos tomados de
(IDEAM, 2012)
59
Ilustración 17. Clasificación de los grupos hidrológicos de la zona de interés. Fuente: Datos tomados de (SGC, 2015)
8.1.2.3. Precipitación
60
Ilustración 18. Distribución estadística y espacial de las variables.
Fuente: Elaboración propia en el software R Studio.
A continuación, se presenta el semivariograma experimental clásico obtenido, cuyos
parámetros visualmente seleccionados para construir los modelos teóricos son 10000 para
la meseta parcial y 80000 para el rango.
Ilustración 19. Semivariograma experimental obtenido en el software R Studio. Fuente: Elaboración propia.
Una vez aplicados los 9 modelos teóricos: exponencial, esférico, 2 tipos de matern, circular,
gaussiano, cubico y 2 tipos de power exponencial. Visualmente y a través del estimador
AIC se observa que los mejores modelos son el Gaussiano y el Power Exponencial
(Número 1).
61
Tabla 15. Semivariogramas teóricos con su AIC respectivo.
Ahora se proceden a evaluar los dos modelos teóricos preseleccionados con los 4 métodos
de ajuste (mínimos cuadrados ordinarios – MCO, mínimos cuadrados ponderados – M.C.P,
máxima verosimilitud y máxima verosimilitud restringida), en la parte izquierda se exhiben
los resultados del modelo gaussiano, y en la parte derecha los resultados del modelo power
exponencial.
Ilustración 20. Semivariogramas gaussiano (izquierda) y power exponencial (derecha) con sus respectivos modelos de
ajuste. Fuente: Elaboración propia. Software R Studio.
62
Máxima Verosimilitud Restringida
Máxima Verosimilitud
Fuente: Elaboración propia.
Como se observa visualmente, tanto para el modelo gaussiano como para el modelo power
exponencial, el mejor ajuste lo logra el método de mínimos cuadrados ponderados, lo que
facilita la decisión final ya que pueden compararse estadísticamente, seleccionando el
modelo gaussiano ya que la suma de sus cuadrados, asciende a 407812597, siendo menor al
valor del modelo power exponencial, correspondiente a 416048873.
63
A partir de los parámetros que arroja el mejor modelo ajustado con M.C.P., pepita =
1333.285, meseta parcial = 27439.105 y rango = 119134.293, se construye la interpolación
espacial, que arroja un intervalo entre 148 y 403 milimetros mensuales de precipitación
sobre las sucbuencas de interés, para el mes de octubre. Y evidencia una cantidad de lluvia
mayor en la zona sur de las subcuencas, donde existe mayor presencia de cuerpos de agua.
En la Ilustración 21 se denota el mapa de pronóstico obtenido.
Ilustración 21. Estimación espacial de la variable precipitación, en la zona de estudio. Fuente: Elaboración propia.
Una vez construidos los insumos raster para aplicar la ecuación matemática del factor curva
número, se obtienen 22 valores diferentes de curva número para la zona de estudio, que
oscilan en un rango de 25 a 90 unidades, predominando los valores inferiores a 30, que
describen un suelo con altas tasas de infiltración, baja escorrentía superficial y escasa
erosión hídrica. Como se puede predecir de la fórmula del factor de escorrentía, se
adquieren también 22 valores, que varían en un rango de 28 a 762, donde predominan los
valores más altos, ya que este factor es inversamente proporcional a la CN. En la
64
Ilustración 22, y la Ilustración 23, se presentan los resultados obtenidos para la Curva
Número y el factor de escorrentía, respectivamente.
65
A diferencia del raster previo del factor de precipitación, este raster final que muestra
aquella precipitación que no se suspende en la superficie y tampoco se infiltra en el suelo,
el cual presenta un contraste más marcado, donde se observa unos valores más bajos en la
parte suroccidente de las subcuencas de interés en comparación con la zona nororiente,
contraste que puede estar marcada por el Río Magdalena en la parte del Brazo de Mompós,
que así mismo delimita el departamento de Bolívar y Magdalena.
Pendientes
A partir del mapa de pendientes mostrado a continuación, se evidencia que la mayor parte
de la zona objeto de estudio es plana y ondulado, y en muy poca proporción, se encuentran
suelos quebrados o escarpados.
66
Ilustración 25. Pendientes en grados, de la zona de interés. Fuente: Elaboración propia.
Rugosidad
67
Ilustración 26. Coeficiente de Manning, subcuencas objeto de estudio. Fuente: Elaboración propia.
En la Ilustración 26, se presenta el coeficiente de Manning (rugosidad), es decir, el grado
de resistencia, que ofrecen las paredes y el fondo del canal al flujo del fluido; a partir de
esta, se denota en la zona de interés, predomina coeficientes bajos, lo que se traduce en la
existencia un suelo compuesto por materiales finos, que genera una mayor facilidad en el
desplazamiento del agua.
8.1.5.1. Pre-Procesamiento
BANDA 2 BANDA 3
24
TOA, por sus siglas en inglés.
68
Modo pancromático banda 2 Modo pancromático banda 3
Estadísticas Descriptivas Estadísticas Descriptivas
Reflectancia mínima: 0 Reflectancia mínima: 0
Reflectancia máxima: 1 Reflectancia máxima: 1
Moda: 0,44141 Moda: 0,42188
Media: 0,448 Media: 0,413
Mediana: 0,44531 Mediana: 0,41797
Desviación estándar: 0,020 Desviación estándar: 0,031
69
Moda: 0,30859 Moda: 0,19531
Media: 0,323 Media: 0,498
Mediana: 0,3125 Mediana: 0,53125
Desviación estándar: 0,031 Desviación estándar: 0,160
70
Histograma banda 6 Histograma banda 7
Fuente: Elaboración propia con datos de metadatos de la imagen calibrada
Los anteriores datos estadísticos muestran que para todas las bandas los valores de
reflectancia van de 0 a 1, es decir de 0 a 100%. La banda 5 presenta la desviación estándar
más alta que explica una dispersión de los datos mayor que en las demás bandas, y la más
baja es de la banda 2 dando a entender que los valores de luz reflejados no están muy lejos
de la media, estos valores se demuestran en los histogramas respectivos.
Al obtener la imagen con valores de reflectancia, con los cuales se puede identificar con
mayor facilidad las coberturas presentes en la zona, se puede seguir con la determinación
de las clases o coberturas de interés.
Teniéndose en cuenta las coberturas presentes en la Ilustración 14, se agregó como clase de
interés la cobertura de Tierras desnudas y degradas, encontrada en el análisis visual
realizado a la imagen de trabajo, y se quitó la de Aeropuerto, ya que es una cobertura que
tiene un comportamiento que se puede confundir con otras como Tejido Urbano Continuo y
Tierras desnudas y degradas, además ocupa un área mínima dentro de la zona de estudio.
71
Tabla 19. Coberturas o clases de interés
72
RGB 564
Color: Presenta color rosado claro a naranja claro con matices de color verde en una
combinación RGB 564. “La variación del color indica aumento en el contenido de
humedad y en la actividad fotosintética”. (SIAT-AC, 2009)
MOSAICO DE PASTOS Y CULTIVOS
ID 2.4.2.
Descripción “Comprende las tierras ocupadas por pastos y cultivos, en los cuales
el tamaño de las parcelas es muy pequeño (inferior a 25 ha) y el
patrón de distribución de los lotes es demasiado intrincado para
representarlos cartográficamente de manera individual.” (IDEAM,
2010)
Muestra Visual
RGB 654
Color: “En una combinación RGB 654 los suelos en preparación se observan de color
osado intenso, los cultivos de color verde claro oscuro y los pastos de color rosada a
naranja claro”. (SIAT-AC, 2009)
MOSAICO DE CULTIVOS, PASTOS Y ESPACIOS NATURALES
ID 2.4.3.
Descripción “Comprende superficies ocupadas por cultivos y pastos en
combinación con coberturas naturales. Las áreas de cultivos y pastos
ocupan entre el 30 % y el 70 % de la superficie total de la unidad. Los
espacios naturales están conformados por las áreas ocupadas por
relictos de bosque natural, arbustales, bosque de galería o riparios,
vegetación secundaria o en transición, pantanos u otras áreas no
intervenidas o poco transformadas, que debido a limitaciones de uso,
o por sus características biofísicas permanecen en estado natural o
73
casi natural.” (SIAT-AC, 2009)
Muestra Visual
74
Muestra Visual
RGB 543
Color: Esta cobertura en una combinación 543 se puede ver de color rojo – magenta
intenso, con matices de colores verde, violeta. (SIAT-AC, 2009)
TIERRAS DESNUDAS Y DEGRADADAS
ID 3.3.3.
Descripción “Esta cobertura corresponde a las superficies de terreno desprovistas
de vegetación o con escasa cobertura vegetal, debido a la ocurrencia
de procesos tanto naturales como antrópicos de erosión y
degradación extrema y/o condiciones climáticas extremas. Se
incluyen las áreas donde se presentan tierras salinizadas, en proceso
de desertificación o con intensos procesos de erosión que pueden
llegar hasta la formación de cárcavas.” (IDEAM, 2010)
Muestra Visual
RGB 465
Color: Presenta un color amarillo claro a amarillo intenso en una combinación RBG 465
(SIAT-AC, 2009)
ZONAS PANTANOSAS
ID 4.1.1.
75
Descripción “Esta cobertura comprende las tierras bajas, que generalmente
permanecen inundadas durante la mayor parte del año, pueden estar
constituidas por zonas de divagación de cursos de agua, llanuras de
inundación, antiguas vegas de divagación y depresiones naturales
donde la capa freática aflora de manera permanente o estacional.
Comprenden hondonadas donde se recogen y naturalmente se
detienen las aguas, con fondos más o menos cenagosos. Dentro de
los pantanos se pueden encontrar cuerpos de agua, algunos con
cobertura parcial de vegetación acuática, con tamaño menor a 25 ha,
y que en total representan menos de 30% del área total del pantano.
(IDEAM, 2010)
Muestra Visual
RGB 547
Color: Presenta un color verde intenso con matices y parches de color rosado a rojo
claro en una combinación RBG 547 (SIAT-AC, 2009)
VEGETACIÓN ACUÁTICA SOBRE CUERPOS DE AGUA
ID 4.1.3.
Descripción “Bajo esta categoría se clasifica toda aquella vegetación flotante que
se encuentra establecida sobre cuerpos de agua, recubriéndolos en
forma parcial o total. Comprende vegetación biotipológicamente
clasificada como Pleustophyta, Rizophyta y Haptophyta.
En Colombia, esta cobertura se encuentra asociada con lagos y
lagunas andinos en proceso de eutrofización y en las zonas bajas
asociada con cuerpos de agua localizados en las planicies de
inundación o desborde.” (IDEAM, 2010)
76
Muestra Visual
RGB 564
Color: Se observa en la zona de estudio esta cobertura con un color naranja intenso, con
matices verde y naranja claro.
RÍOS
ID 5.1.1.
Descripción “Un río es una corriente natural de agua que fluye con continuidad,
posee un caudal considerable y desemboca en el mar, en un lago o
en otro río. Se considera como unidad mínima cartografiable
aquellos ríos que presenten un ancho del cauce mayor o igual a 50
metros.” (IDEAM, 2010)
Muestra Visual
RGB 457
Color: Se observa de color rojo oscuro en una combinación RGB 457.
LAGUNAS, LAGOS Y CIÉNAGAS NATURALES
ID 5.1.2.
Descripción “Un río es una corriente natural de agua que fluye con continuidad,
77
posee un caudal considerable y desemboca en el mar, en un lago o
en otro río. Se considera como unidad mínima cartografiable
aquellos ríos que presenten un ancho del cauce mayor o igual a 50
metros.” (IDEAM, 2010)
Muestra Visual
RGB 564
Color: Se identifica de color azul oscuro, debido al contenido de partículas en
suspensión, y de color negro, el cual indica menor carga de partículas, en una
combinación RGB 547. (SIAT-AC, 2009)
Fuente: Elaboración propia con datos de (IDEAM, 2010), (SIAT-AC, 2009)
8.1.5.2. Procesamiento
78
Tejido Urbano Continuo (RGB 457) Ríos (RGB 457)
Lagunas, lagos y ciénagas naturales (RGB 543) Tierras desnudas y degradadas (RGB 463)
Bosque Denso (RGB 543) Mosaico de pastos, cultivos y espacios naturales (RGB
543)
Fuente: Elaboración propia
79
Tabla 21. Muestras áreas de entrenamiento (continuación)
Mosaico de pastos y cultivos (RGB 654) Vegetación Acuática sobre cuerpos de agua (RGB 564)
Por otro lado, se obtiene los valores de separabilidad entre clases de acuerdo al muestreo
realizado para las zonas de entrenamiento. A partir del cálculo de la divergencia
transformada, se obtiene la matriz de grado de separabilidad (Tabla 22) entre clases.
Inicialmente se había determinado doce coberturas de interés, pero luego de obtener los
resultados del grado de separabilidad se hizo unas modificaciones. Siguiendo el diagrama
de la metodología (Ilustración 12) en caso que la separabilidad no sea apropiada se debe
redefinir las clases de interés y volver a hacer la delimitación de las zonas de
entrenamiento. Es por esto que de esas doce coberturas no se incluyó la de Aeropuerto por
las razones ya expuestas en la sección 8.1.5.1., se realizó el muestreo de Tierras desnudas y
degradas con mayor minuciosidad porque al detallar las muestras anteriores se encontraron
muchos píxeles que no correspondían a esta cobertura y, se quitó la cobertura de Mosaico
de pastos con espacios naturales y se agregó la de Mosaico de pastos, cultivos y espacios
naturales.
80
En este primer análisis de separabilidad el grado de separabilidad entre Mosaico de pastos
con espacios naturales, y Mosaico de pastos y cultivos, era el más bajo (1163) por lo que se
decide replantear el muestreo realizado para la primera cobertura, agregándose más
muestras, eliminar la clase y agregar la nueva cobertura de Mosaico de pastos, cultivos y
espacios naturales.
Separabilidad
2 3 4 5 6 7 8 9 10 11
1 2000 2000 1978 1883 2000 2000 2000 2000 1946 2000
2 2000 2000 2000 2000 2000 2000 2000 2000 2000
3 2000 2000 2000 2000 2000 2000 2000 2000
4 2000 2000 1927 2000 1992 2000 2000
5 2000 1838 2000 2000 1991 2000
6 2000 2000 2000 2000 2000
7 2000 1835 2000 2000
8 2000 2000 2000
9 2000 2000
10 1997
Fuente: Elaboración propia, con datos del Informe de Separabilidad – ERDAS IMAGINE
Teniendo en cuenta los valores pueden variar entre 0 y 2000, donde 2000 se interpreta
como excelente separabilidad, se puede decir que la separabilidad entre clases es apropiada,
81
el menor valor es de 1835 y aun así este se puede considerar como un aceptable grado de
separabilidad. Este valor de 1835 entre la clase 7 y 9, es entendible ya que los valores de
reflectancia tienden a ser similares porque tienen en común los pastos y cultivos, aun
presentando un patrón diferente espacial y visualmente, los valores físicos son parecidos.
Con estos nuevos resultados se finaliza otra etapa del procesamiento y se procede a realizar
la clasificación o asignación de clases a cada píxel de la imagen mediante la aplicación del
algoritmo de Máxima Probabilidad.
Bosque Denso
Pastos Enmalezados
Pastos Limpios
Ríos
Mosaico de pastos y cultivos
Tierras Desnudas y Degradadas
Zonas Pantanosas
Mosaico de pastos, cultivos y espacios naturales
Tejido Urbano Continuo
Lagos, lagunas y ciénagas naturales
Vegetación Acuática sobre cuerpos de agua
Ilustración 28. Imagen resultado de la clasificación de clases a cada píxel. Fuente: Elaboración propia
Posterior a la clasificación, se aplicó a la anterior imagen el filtro Función del vecino más
cercano por mayoría (ignorando ceros), definiendo un umbral de 3x3 píxeles. Así se logra
obtener la imagen final de la clasificación digital, donde se encuentran algunos errores,
tales como: Tierras desnudas y degradadas clasificadas como Mosaico de pastos y cultivos;
Ríos clasificados como zonas pantanosas; Zonas pantanosas clasificadas como Mosaico de
pastos y cultivos; y Lagos, lagunas y ciénagas naturales, como ríos o zonas pantanosas. A
pesar de estos errores se decide no realizar una edición sino proseguir con la evaluación de
exactitud porque las áreas con errores no son significativas.
82
Bosque Denso
Pastos Enmalezados
Pastos Limpios
Ríos
Mosaico de pastos y cultivos
Tierras Desnudas y Degradadas
Zonas Pantanosas
Mosaico de pastos, cultivos y espacios naturales
Tejido Urbano Continuo
Lagos, lagunas y ciénagas naturales
Vegetación Acuática sobre cuerpos de agua
8.1.5.3. Post-Procesamiento
83
Tabla 25. Matriz de error
Mosaico de Vegetación
Patos Mosaico Tierras Tejido Lagos, lagunas
Clase Terreno/Clase Pastos Zonas pastos, cultivos Acuática sobre TOTAL
Enmalez Ríos de pastos Desnudas y Urbano y ciénagas
Clasificicación Limpios Pantanosas y espacios cuerpos de COLUMNAS
ados y cultivos Degradadas Cotinuo naturales
naturales agua
Patos Enmalezados 3 0 0 0 0 0 0 0 0 0 3
Pastos Limpios 0 6 0 0 0 0 0 0 0 0 6
Ríos 0 0 10 0 0 0 0 0 0 0 10
Mosaico de pastos y
2 0 0 88 1 35 1 0 0 0 127
cultivos
Tierras Desnudas y
0 0 0 0 2 0 0 0 0 0 2
Degradadas
Zonas Pantanosas 0 0 1 0 0 110 0 0 1 0 112
Mosaico de pastos,
cultivos y espacios 0 0 0 0 0 0 1 0 0 0 1
naturales
Tejido Urbano Cotinuo 0 0 0 3 1 2 0 6 0 0 12
Lagos, lagunas y
0 0 0 0 0 0 0 0 82 0 82
ciénagas naturales
Vegetación Acuática
0 0 0 0 0 0 0 0 0 5 5
sobre cuerpos de agua
TOTAL FILAS 5 6 11 91 4 147 2 6 83 5 360
Fuente: Elaboración propia con datos de reporte de exactitud temática ERDAS IMAGINE
Los valores de la matriz de error pueden ser verificados dentro de la matriz de exactitud
total, teniendo en cuenta que la Tabla 25 muestra en su diagonal el número de puntos
muestra clasificados correctamente en cada cobertura, el total de filas corresponde al total
de referencias (puntos muestra designados a cada cobertura en la evaluación de exactitud) y
el total de columnas al total de puntos clasificados por el software a cada cobertura.
Los errores cometidos en la clasificación se pueden explicar por la similitud entre firmas
espectrales presentes en las zonas de entrenamiento de cada cobertura, por ejemplo, los dos
puntos modelo clasificados en la cobertura de zonas pantanosas, correspondía uno a Ríos y
otro a Lagos, lagunas y ciénagas naturales, es decir se corrobora los errores expuestos en la
anterior sección.
Exactitud
Total de Total Clasificaciones Exactitud
Clase del
Referencias Clasificados Correctas del Usuario
Productor
Pastos enmalezados 5 3 3 60% 100%
Pastos limpios 6 6 6 100% 100%
Ríos 11 10 10 90,91% 100%
Mosaico de pastos y cultivos 91 127 88 96,70% 69,29%
Tierras desnudas y degradas 4 2 2 50% 100%
Zonas pantanosas 147 112 110 74,83% 98,21%
Mosaico de cultivos, pastos y
2 1 1 50% 100%
espacios naturales
Tejido urbano continuo 6 12 6 100% 50%
84
Lagos, lagunas y ciénagas
83 82 82 98,80% 100%
naturales
Vegetación acuática sobre
5 5 5 100% 100%
cuerpos de agua
Total 360 360 313
% Clasificación Correcta 86,94%
Fuente: Elaboración propia con datos de reporte de exactitud temática ERDAS IMAGINE
Clase Kappa
Pastos Enmalezados 1
Pastos Limpios 1
Ríos 1
Mosaico de pastos y cultivos 0,5890
Tierras Desnudas y Degradas 1
Zonas Pantanosas 0,9698
Mosaico de pastos, cultivos y espacios naturales 1
Tejido Urbano Continuo 0,4915
Lagos, lagunas y ciénagas naturales 1
Vegetación Acuática sobre cuerpos de agua 1
Índice Kappa Total 0,821
Fuente: Elaboración propia con datos de reporte de exactitud temática ERDAS IMAGINE
85
Ilustración 30. Mapa temático Coberturas de la tierra 2016 municipio de Mompós. Fuente Realización propia con datos
tomados de: Geoportal DANE
86
MODELO AHP
Criterios
Decreto 1807 de Variables seleccionadas en
2014 el estudio
Geomorfología e Modelo
Subcriterios Hidrología, los dígital de
cuales fueron elevación, a
algunos de los Coeficiente
partir del de Mannig- Coberturas
insumos para cual se del suelo
obtener el Rugosidad
obtuvo la
coeficiente de variable de
escorrentía pendientes
AMENAZA BAJA
Alternativas
AMENAZA MEDIA
AMENAZA ALTA
Ilustración 31. Estructura jerárquica para la zonificación de amenaza por inundación en Mompós. Fuente: Elaboración
propia a partir de la metodología propuesta por Saaty.
87
3. Subcriterios: Coeficiente de escorrentía o precipitación efectiva, pendientes,
coberturas del suelo y coeficiente de manning (rugosidad).
4. Alternativas: Amenaza baja, amenaza media, amenaza alta.
Después, de acuerdo a la revisión bibliográfica realizada para el presente estudio y con base
a la escala de relevancia mencionada anteriormente, se construyó la matriz de comparación
por pares, con los cuatro subcriterios definidos anteriormente.
Subcriterio “y”
1 2 3 4
Subcriterio Precipitación Cobertura del
Pendientes Rugosidad
Efectiva Suelo
Precipitación
1 1 3 5 7
Efectiva
Subcriterio “x”
2 Pendientes 1/3 1 3 5
3 Rugosidad 1/5 1/3 1 3
Cobertura del
4 1/7 1/5 1/3 1
suelo
Fuente: Elaboración propia a partir de la metodología propuesta del modelo AHP.
Como se explicó en el numeral 7.6., para el cálculo del vector propio de la matriz MCP, el
cual determina el peso que debe tener cada uno de los sub-criterios para la ponderación de
la variable final, se tiene que hallar la matriz normalizada de la matriz inicial (Tabla 30), y
luego se construye el vector de prioridad para cada categoría.
Subcriterio “y”
1 2 3 4
Subcriterio Precipitación Cobertura del
Pendientes Rugosidad
Efectiva Suelo
Precipitación
1 0.5988024 0.66225166 0.53590568 0.4375
Subcriterio “x”
Efectiva
2 Pendientes 0.19760479 0.22075055 0.32154341 0.3125
3 Rugosidad 0.11976048 0.07284768 0.10718114 0.1875
88
Cobertura del
4 0.08383234 0.04415011 0.03536977 0.0625
suelo
Fuente: Elaboración propia a partir de la metodología propuesta del modelo AHP.
Como se describe en la metodología (numeral 7.6., página 53) cada una de las cuatro sub-
criterios generados, deben ser reclasificados a los valores cualitativos de las tres
alternativas definidas (Amenaza alta, media y baja), a través de las nociones y conceptos de
como detona o aporta cada una de estos al fenómeno de inundación.
89
Ilustración 32. Clasificación de amenaza por precipitación Efectiva. Fuente: Elaboración propia.
A partir de la anterior ilustración se observa que la mayor parte del municipio de Mompós
se encuentra dentro de la categoría de amenaza baja por precipitación efectiva, con un
67.92%, seguido de la amenaza media, con 25.27%; y en una menor proporción, la
amenaza alta, con 6.81%.
En este caso, el parámetro utilizado fue cualitativo, clasificando al suelo denominado plano
a ligeramente ondulado como amenaza alta, al suelo moderadamente inclinado a muy
inclinado como amenaza media; y al suelo escarpado a muy escarpado, como amenaza
baja; donde su categorización en grados se da así:
90
Ilustración 33. Clasificación de amenaza por la variable pendientes. Fuente: Elaboración propia.
Para esta variable cuantitativa, pasa algo similar como con la precipitación efectiva; el
único indicador para clasificar la amenaza, es la concepción de que a mayor coeficiente de
manning, más susceptible es el terreno de padecer inundaciones, por esto se definieron los
rangos de amenaza, a partir del comportamiento de la variable en el terreno objeto de
estudio, categorizándola así:
91
Ilustración 34. Clasificación de amenaza por rugosidad. Fuente: Elaboración propia.
92
Tejido Urbano Continúo
Lagos, lagunas y ciénagas naturales
Vegetación acuática sobre cuerpos de agua
• Amenaza Media Pastos Enmalezados
Pastos Limpios
Mosaico de cultivos, pastos y espacios naturales
• Amenaza Baja Bosque Denso
Ilustración 35. Clasificación de amenaza por tipo de cobertura. Fuente: Elaboración propia.
93
Se evidencia que la mayor parte del territorio se encuentra categorizado como amenaza
media, es decir 536 km2 (86.19%), mientras que, en una proporción similar se presenta la
amenaza baja y alta, con 43.73 km2 (7.03%) y 42.18 km2 (6.78%), respectivamente, como
lo denota la Ilustración 36.
Ilustración 36. Amenaza por inundación, municipio de Mompós. Fuente: Elaboración propia.
La página web creada no solo permite conocer detalles generales sobre la investigación,
sino también visualizar los Web Map Service dispuestos por el IGAC para la zona y
acceder a la descarga de los subcriterios obtenidos en el proyecto y la zonificación final en
formato vectorial y raster.
94
Ilustración 37. Visualización de la página web desde un dispositivo de escritorio, pestaña de INICIO.
Fuente: Elaboración propia.
Ilustración 38. Visualización de la página web desde un dispositivo de escritorio, pestaña denominada Visor.
Fuente: Elaboración propia.
DISCUSIÓN
A partir del objetivo general planteado para esta investigación, los resultados finales están
divididos en tres etapas, de las cuales se considera que dos de ellas fueron cumplidas a
cabalidad, correspondientes a la obtención de una zonificación final de amenaza por
95
inundación para el municipio de Santa Cruz de Mompós y su publicación como datos
abiertos en la web, mientras que la última fase no se logró en su totalidad puesto que se
estima, que un producto cartográfico con escala 1:100.000 es insuficiente a la hora de
generar planes de mitigación y prevención de desastres, evidentemente sí se convierte es un
insumo relevante para la evaluación del riesgo en la región, ya que da una noción general
de las zonas y veredas más afectadas frente a este fenómeno, pero carece de detalle para
generar planes específicos, principalmente para las áreas más vulnerables (clasificadas
como amenaza alta), las cuales coinciden en su mayoría, con el perímetro urbano y los
centros poblados del municipio.
A pesar de ello se evidencia que la zonificación de amenaza por inundación obtenida fue de
alguna manera la esperada, en cuanto a distribución de los rangos de amenaza (baja, media
y alta) teniendo en cuenta las características del territorio y el grado de conocimiento
adquirido de la zona en el desarrollo del proyecto, en especial de los centros poblados y/o
zonas urbanas. Manifestando que el municipio de Mompós es un territorio particular
porque además de la influencia de los restantes subcriterios explicados y hallados, las
coberturas del suelo corresponden en gran proporción a lagos, lagunas y ciénagas naturales,
ríos y zonas pantanosas, tal como se muestra en la Tabla 29, sustentando su gran relación
con la clasificación de amenaza media.
96
Una de las barreras encontradas en el presente estudio, es el alto grado de subjetividad
utilizado en la toma de decisiones, no solo frente a la selección de variables definidas como
factores influyentes del fenómeno de inundación, sino también en la comparación entre
ellas para adoptar los pesos en la aplicación del modelo AHP, dificultad que también
obstaculiza la comparación con otras metodologías y entorpece la evaluación de sus
resultados debido a que cada territorio es único y posee ciertas particularidades geográficas,
y aunque según la revisión bibliográfica hecha frente a diversos estudios sobre gestión del
riesgo, la utilización de variables como precipitación, pendientes y coberturas del suelo es
común, la subjetividad, no es solo un problema que presenta esta investigación sino en
general cualquier estudio de gestión del riesgo.
CONCLUSIONES
97
incrementando de esta forma la incertidumbre en la ferocidad y periocidad de estos
eventos, puesto que se produce una alteración significativa en uno de los factores
detonadores que contribuyen a la generación de amenazas como inundaciones y
deslizamientos (Banco Mundial, 2012).
De esta manera, la gestión del riesgo en Colombia limita sus alcances al no trascender de
los documentos a la socialización con las comunidades, teniendo en cuenta que la
producción de información temática de amenazas y riesgos no es significativa si está no se
lleva al siguiente nivel, el cual consiste en hacerla pública y construir planes de mitigación
de riesgo, noción que respalda el documento "Análisis de la gestión del riesgo de desastres
en Colombia" realizado por el Banco Internacional de Reconstrucción y Fomento en el
2012, en el cual se afirma que "la inadecuada articulación entre entidades y la poca
armonización de los instrumentos de planificación y gestión pública inciden en el aumento
de la vulnerabilidad institucional y política, y por consiguiente en el riesgo de la población
colombiana".
98
territorio, porque dan una visión más amplia y real de la zona de interés y así mismo
producen resultados más detallados.
Del resultado final del presente estudio, se deduce que a pesar de utilizar insumos
secundarios de poca resolución (temporal y espacial), la metodología se puede adecuar a las
particularidades de cualquier región y que los instrumentos SIG permiten operar las
variables espaciales en formato raster de manera sencilla y eficaz.
RECOMENDACIONES
25
Remotely Piloted Aircraft System
99
investigaciones similares, tanto en fenómenos de inundación, como en remoción en masa y
avenidas torrenciales, buscar la posibilidad de hacer un reconocimiento presencial y
muestreo de la zona de interés e indagar la oportunidad de establecer un convenio
interadministrativo entre la universidad y la alcaldía, para obtener insumos de mejor calidad
y apoyo, logrando un mayor conocimiento del área de interés.
100
REFERENCIAS
Arango Gutiérrez, M., Branch Bedoya, J., & Botero Férnandez, V. (2005).
CLASIFICACIÓN NO SUPERVISADA DE COBERTURAS VEGETALES
SOBRE IMÁGENES DIGITALES DE SENSORES REMOTOS: "LANDSAT -
ETM+". Revista Facultad Nacional de Agronomía, Medellín, 58(1), 2611-2634.
Arozarena Villar, A., & del Bosque González, I. (2001). La ocupación del suelo "Corine
Land-Cover". Proyecto de actualización I&CLC2000 de la Unión Europea.
Instituto Geográfico Nacional. Obtenido de Asociación Española de Teledección:
http://www.aet.org.es/congresos/ix/Lleida139.pdf
Banco Mundial. (2012). Análisis en gestión del riesgo de desastres en Colombia: un aporte
para la construcción de políticas públicas. Bogotá, Colombia.
Chander, G., Markham, B. L., & Helder, D. L. (2009). Summary of current radiometric
calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensor.
Remote Sensing of Environment, 893-903.
Chow, V., Maidment, D., & Mays, L. (1988). Applied Hidrology. Singapore.
101
Congreso de la República de Colombia. (1959). Ley 163 de 1959. Por la cual se dictan
medidas sobre defensa y conservación del patrimonio histórico, artístico y
monumentos públicos de la Nación. Bogotá, Colombia.
Congreso de la República de Colombia. (2012). Ley 1523 de 2012. Por la cual se adopta la
Política Nacional de Gestión del Riesgo de Desastres y se dictan otras
disposiciones. Bogotá, Colombia.
Congreso de la República de Colombia. (2014). Ley 1712 de 2014. Por medio de la cual se
crea la Ley de Transparencia y del Derecho de Acceso a la Información Pública
Nacional y se dictan otras disposiciones. Bogotá, Colombia .
Córdoba Aguilar, E., Puentes, M., & Otero, L. (2006). Análisis de imágenes LANDSAT-7
ETM+ para determinar la cobertura del suelo de la zona costera de la bahía de
Tumaco. Boletín Científico CCCP, 41-52.
Diggle & Ribeiro, P. J. (2016). geoR: Analysis of Geostatistical Data. R package version
1.7-5.2. Obtenido de https://CRAN.R-project.org/package=geoR
El-Behiry, M. G.-K.-H. (2006). Integrated gis and remote sensing for runoff hazard analysis
in Ain Sukhna industrial area, Egypt. Earth Sciences, 17(1).
Elkhrachy, I. (2015). Flash flood hazard mapping using satellite images and gis tools: A
case study of najran city, kingdom of Saudi Arabia (KSA). The Egyptian Journal of
Remote Sensing and Space Science, 18(2), 261-278.
102
Esri. (s.f.). Central Esri: Open Data. Obtenido de esri Colombia:
http://www.esri.co/Central_Esri/Open_data/
Euscátegui, C. &. (2011). Análisis del impacto del fenómeno “la Niña” 2010-2011 en la
hidroclimatología del país. Obtenido de Colombia. Instituto de Hidrología,
Meteorología y Estudios Ambientales de Colombia–IDEAM.
Fernández, I. A., & Herrero Llorente, E. (s.f.). El Satélite Landsat. Análisis visual de
imágenes obtenidas del sensor ETM+ Satélite Landsat. Universidad de Valladolid:
Departamento de Ingeniería Agrícola y Forestal.
103
Hijmans, R. J. (2016). raster: Geographic Data Analysis and Modeling. R package version
2.5-8. Obtenido de https://CRAN.R-project.org/package=raster
104
http://sigotn.igac.gov.co/sigotn/documentos%20SIGOTN/RESUMEN_EJECUTIV
O.pdf
Osorio & Orjuela, J. C.-J. (Septiembre de 2008). El proceso de análisis jerárquico (AHP) y
la toma de decisiones multicriterio. Ejemplo de aplicación. Pereira, Colombia.
Presidente de la República de Colombia . (2012). Decreto Ley 019 de 2012. Por el cual se
dictan normas para suprimir o reformar regulaciones, procedimientos y trámites
innecesarios existentes en la Administración Pública. Bogotá, Colombia.
105
Presidente de la República de la Colombia. (2014). Decreto 1807 de 2014. Por el cual se
reglamenta el artículo 189 del Decreto-ley 019 de 2012 en lo relativo a la
incorporación de la gestión del riesgo en los planes de ordenamiento territorial y se
dictan otras disposiciones. Bogotá, Colombia.
Ramírez, S., Ramírez, M., Galindo, G., & Espejo, O. (2014). Evaluación de la exactitud
temática del mapa de cambio de bosque para la región amazónica colombiana en el
periodo 2010-2012. Presentado en XVI Simposio Internacional Selper 2014: La
Geoinformación al Servicio de la Sociedad, Medellin - Colombia.
SGC. (2015). Mapa Geológico de Colombia 2015. Obtenido de Geoportal del Servicio
Geológico Colombiano:
http://geoportal.sgc.gov.co/geoportalsgc/catalog/main/home.page
Sistema Nacional de Gestión del Riesgo de Desastres-MINTIC. (28 de Julio de 2016). Plan
sectorial de contingencia frente a la segunda temporada de lluvias y posible
fenómeno La Niña 2016-2018. Colombia.
USGS. (2014). What are the band designations for the Landsat satellites? Obtenido de
Landsat Missions: https://landsat.usgs.gov/what-are-band-designations-landsat-
satellites
USGS. (2016). Landsat 8 (L8) Data Users Handbook - Section 2: Observatory Overview.
Obtenido de Landsat Missions: https://landsat.usgs.gov/landsat-8-l8-data-users-
handbook-section-2
USGS. (s.f.). About Landsat: Landsat Missions Timeline Landsat 8. Obtenido de Landsat
Missions: https://landsat.usgs.gov/landsat-8-history
USGS. (s.f.). About Landsat: Landsat Project Description. Obtenido de Landsat Missions:
https://landsat.usgs.gov/landsat-project-description
Youssef, A. M. (2011). Flash flood risk estimation along the St. Katherine road, southern
Sinai, Egypt using GIS based morphometry and satellite imagery. Environmental
Earth Sciences, 62(3), 611-623.
107
ANEXOS
108
# Superposición del variograma empírico y de un modelo de variograma
aq.exp.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000))
aq.sph.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="sph")
aq.mat.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="mat",kappa=1.5)
aq.mat2.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="mat",kappa=1,fix.nugget=T)
aq.cir.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="cir")
aq.gau.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="gau")
aq.cub.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="cub")
aq.pow.ml<-likfit(geodata = aq.geo, ini = c(10000, 7000),cov.model="powered.exponential",kappa=1.75)
aq.pow2.ml<-likfit(geodata = aq.geo, ini = c(10000,
7000),cov.model="powered.exponential",kappa=1.75,fix.nugget=T)
plot(aq.v1)
lines(aq.pow2.ml,max.dist=120000,lwd=3,col='red')
lines(aq.mat2.ml,max.dist=120000,lwd=3,col='blue')
lines(aq.pow.ml,max.dist=120000,lwd=3,col='green')
lines(aq.mat.ml,max.dist=120000,lwd=3,col='yellow')
lines(aq.cub.ml,max.dist=120000,lwd=3,col='orange')
lines(aq.gau.ml,max.dist=120000,lwd=3,col='cyan')
lines(aq.cir.ml,max.dist=120000,lwd=3,col='grey')
lines(aq.exp.ml,max.dist=120000,lwd=3,col='magenta')
lines(aq.sph.ml,max.dist=120000,lwd=3,col='pink')
# los mejores son el 'gaussiano' y el 'powered.exponential'
109
lines(aq.pow.wls,max.dist=120000,lwd=3,col='green')
#legend(20,2000000,legend=c('ML','RML','OLS','WLS'),lwd=c(3,3,3,3),lty=c(1,2,3,4))
plot(aq.v1)
lines(aq.gau.rml,max.dist=120000,lwd=3,col='red')
lines(aq.gau.wls,max.dist=120000,lwd=3,col='blue')
lines(aq.pow.ols,max.dist=120000,lwd=3, col='yellow')
lines(aq.pow.wls,max.dist=120000,lwd=3,col='green')
library(geoR)
library(gstat)
library(raster)
puntos<-expand.grid(x=seq(920000,1020000,50), y=seq(1460000,1560000,50))
xy<-PREC[,4:5]
coordinates(puntos) = c("x", "y")
proj4string(puntos)<-CRS("+init=epsg:3116")
dat1<- structure(list(este=c(PREC$X), norte=c(PREC$Y)), Names = c("este", "norte", "preci"), class=
"data.frame", row.names= c(NA, -22L))
pts <- SpatialPointsDataFrame(coords = xy,data=dat1,proj4string = CRS("+init=epsg:3116"))
proj4string(pts)
krig<-krige(formula = PREC$VALOR~1,pts,puntos, vgm(33298.9, "Gau", 158837.3,
nugget=1034.101),nmax=10 )
kr_50_sv<- cbind(krig@coords,krig$var1.pred)
write.csv(kr_50_sv, "kr_50_sv.cvs")
110