Mde Teoria 2007

Modelos digitales de elevacin: Teora, mtodos de interpolacin y aplicaciones
Jorge Fallas
Jfallas@racsa.co.cr
2007
INTRODUCCIN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 MODELADO DE SUPERFICIES Y MTODOS DE INTERPOLACIN . . . . . . . . . . . . . . . . . . 3 El concepto de modelo digital del terreno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 MTODOS DE INTERPOLACIN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Mtodos basados en unidades discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Mtodos basados en el concepto de continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Interpolacin a partir de puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Mtodos de interpolacin local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Interpolacin a partir de isolneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 EVALUACIN DE LA EXACTITUD DEL MODELO DIGITAL DE ELEVACIN . . . . . . . . Exactitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Error aritmtico medio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Error absoluto medio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Raz cuadrada del error medio cuadrtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Desviacin estndar o tpica (DT) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exactitud de los valores de elevacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 30 30 30 31 31 32
ESTNDARES O NORMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Estndares para modelos digitales de elevacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Errores para un MDE derivado de elevaciones obtenidos por mtodos fotogramtricos . . . . 37 INSUMOS PARA ELABORAR UN MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Densidad y distribucin de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Esquemas de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Curvas de nivel en mapas 1:50.000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 38 39 42
SELECCIN DEL MEJOR MTODOS PARA CREAR UN MDE . . . . . . . . . . . . . . . . . . . . . . 43 EDICIN Y DEPURACIN DEL MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 APLICACIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pendiente del terreno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aspecto u orientacin de la pendiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Iluminacin/sombreado del terreno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Delimitacin de cuencas hidrogrficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Perfiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anlisis de Inter visibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lnea de visibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Visualizacinen perspectiva o tridimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Visualizacin en 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Visualizacin en 2.5D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 45 46 46 47 48 49 50 50 50 51
Modelos Digitales de Elevacin Visualizacin en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Animacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Creacin de orto imgenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Clculo de rea y volumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Determinacin de relleno y excavacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Creacin de isolneas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Creacin de elementos en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anlisis de escorrenta superficial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exportacin de vistas en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 53 53 53 54 54 54 54 54
EVALUACIN DE LOS MTODOS DE INTERPOLACIN . . . . . . . . . . . . . . . . . . . . . . . . . . 55 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 Sitios de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 METODOLOGA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ISLA CHIRA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. Escaneo de mapa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Georeferenciacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Digitar curvas de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Convertir curvas de nivel a puntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Crear polgonos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Crear modelos digitales de elevacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. Evaluacin de la exactitud de los MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8. Evaluacin del efecto del filtrado en la exactitud del MDE . . . . . . . . . . . . . . . . . . . . . . . . 9. Elaboracin de mapas de pendiente y aspecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. Efecto del tamao del pixel en la exactitud del MDE . . . . . . . . . . . . . . . . . . . . . . . . . . . 11. Funciones analticas del software utilizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 57 57 57 59 60 60 62 72 73 74 77 77
CURVAS DE NIVEL A ESCALA 200.000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 REFERENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Jfallas@racsa.co.cr
Modelos Digitales de Elevacin
INTRODUCCIN El mundo en que vivimos y trabajamos se caracteriza por ser tridimensional. Por ejemplo, tenemos valles, montaas, caadas y riscos. Los programas de computacin en el rea de los Sistemas de Informacin Geogrfica (SIG) permiten recrear visual y numricamente el valor Z asociado a elementos del paisaje (natural y antrpico); esto los convierte en una poderosa herramienta para cualquier usuario(a) en las reas de gestin ambiental y de recursos naturales. El software le permite al usuario(a) no solo visualizar elementos en tres dimensiones sino que tambin realizar anlisis cuantitativos a partir de dichos elementos. El presente documento tiene como objetivo introducir al lector al tema de la interpolacin espacial y a una de sus reas de aplicacin: los modelos digitales de elevacin. En la primer seccin se introduce al lector al tema de los modelos digitales de elevacin, en la segunda se tratan los diferentes mtodos de interpolacin; en la tercera se presente el tema de normas y estndares utilizados para evaluar la calidad de los modelos y en la cuarta y ltima se describen los resultados de dos estudios de caso. El primero corresponde a un MDE derivado a partir de un mapa 1:50.000 y el segundo de un mapa 1:200.000; dos de las fuentes cartogrficas mas comunes en Costa Rica. El material se ha escrito con el fin de que cumpla una funcin didctica y por lo tanto se provee una copia de los archivos utilizados para realizar los estudios de caso. Se han seleccionado los programas ArcView (ESRI, 1996; 1997a; 1997 b) IDRISI (Eastman, 1998) y Surfer (Golden Software, 1999) para realizar el anlisis de los datos; sin embargo, esto no representa una recomendacin implcita ni explcita por parte de la Universidad ni del autor sobre el software que debe utilizarse en este tipo de anlisis. A travs del documento el lector se familiarizar con las estructuras de los archivos utilizados por los diferentes programas; con las tcnicas y mtodos disponibles para la creacin de superficies; para su visualizacin y finalmente con las herramientas analticas que provee cada programa. En general, el software seleccionado le permite: < Crear superficies que simulan la realidad a partir de diversas fuentes de datos (Ej. Puntos, lneas, polgonos). < Determinar la elevacin o altura de cualquier punto u objeto en una superficie. < Realizar un anlisis de inter visibilidad ()Qu puedo observar desde un punto determinado del paisaje dado una serie de obstrucciones visuales?). < Determinar volmenes y diferencias entre el volumen de dos superficies. < Modelar ambientes en tres dimensiones utilizando archivos vectoriales y raster. < Visualizar sus datos en perspectiva (2.5D)
Jfallas@racsa.co.cr
Para ilustrar el potencial de anlisis visual de una imagen en perspectiva se presenta a continuacin una seccin de la ciudad de Heredia y sus alrededores (vista hacia el norte). Los edificios corresponden a estructuras digitadas del mapa 1:10.000 del Instituto Geogrfico Nacional (1991).El modelo de elevacin digital fue elaborado a partir de curvas de nivel cada 20 metros obtenidas del mapa 1:50.000 del IGN.
Fig. 1: Vista en perspectiva creada a partir de un modelo de elevacin digital del terreno y de un mapa vectorial. Los usos de los MDE son muy variados; algunos de ellos son (Burroughs, 1986; ESRI, 1996; 1997b; Golden Software, 1999; McCullagh, 1990; Weibel y Heller, 1991):
< < < < < < < < < <
Estimaciones de volmenes a remover o rellenar en trabajos de ingeniera Cartografa topogrfica Mapeo y estudios batimtricos e hidrolgicos Mapeo geolgico y geofsico Simulacin y anlisis del paisaje Estimar rea a inundar en proyectos hidroelctricos Estudios de intervisibilidad para definir ubicacin de antenas para telecomunicaciones Anlisis estadstico del terreno Determinacin de pendiente, aspecto y sombreado del terreno Visualizacin en 2.5D
Jfallas@racsa.co.cr
MODELADO DE SUPERFICIES Y MTODOS DE INTERPOLACIN En la presente seccin se describe el origen del trmino modelo digital de elevacin as como los mtodos de interpolacin disponibles para crearlos. El concepto de modelo digital del terreno El trmino Modelo Digital del Terreno (MDT) fue acuado, segn Petrie y Kennie (1990) por Miller y La Flamme, dos ingenieros del Instituto Tecnolgico de Massachusetts, a finales de los aos 50. Segn estos investigadores un modelo digital del terreno es una representacin estadstica de una superficie continua del terreno mediante un conjunto infinito de puntos cuyos valores en X, Y y Z son conocidos y estn definidos en un sistema de coordenadas arbitrario. A continuacin se definen algunos trminos asociados a los modelos digitales de elevacin (Burrough, 1986; Petrie y Kennie, 1990): Modelo digital de elevacin (MDE) En este caso la palabra elevacin enfatiza el concepto de medicin de altura con respecto a un datum y la generacin por parte del modelo de valores absolutos de altura. Este trmino se utiliza con frecuencia en los Estados Unidos para describir un arreglo rectangular o exagonal de puntos con valores de elevacin obtenidos por mtodos fotogramtricos o cartogrficos. Modelo digital de altura (MDA) Este trminos aparentemente se origin en Alemania y su significado es similar al anterior; ya que las palabras altura y elevacin pueden utilizarse como sinnimos. Modelo digital de la tierra (MDT) En este caso se enfatiza el hecho de que la superficie terrestre es un continuo y que por lo tanto se pueden utilizar mtodos de interpolacin para obtener estimaciones de Z para aquellos sitios para los cuales no se posea informacin. El trmino se utiliza en Inglaterra; sin embargo con el tiempo se ha ido reemplazando por (modelo digital del terreno(. Modelo digital del terreno Este concepto es un tanto ms generalista; ya que el eje Z incluye tanto el uso de elevaciones (Ej. metros sobre el nivel del mar) como de alturas (Ej. levantamiento topogrfico); as como los accidentes tpicos del paisaje (Ej. ros, riscos, caadas, etc). Para muchos usuarios el trmino incluye tanto los elementos planimtricos como hipsomtricos propios del paisaje; as como la informacin derivada a partir del modelo (Ej pendiente, intervisibilidad y orientacin, entre otros). La capacidad de elaborar modelos digitales de elevacin (MDE) a partir de curvas de nivel o valores puntuales (X,Y,Z) es una de las operaciones de mayor inters para los usuarios de los Sistemas de Informacin Geogrfica. Existe una gran diversidad de programas (Thoen,1997) que
Jfallas@racsa.co.cr
permiten crear modelos digitales de elevacin sin embargo, en el ambiente nacional, la mayora de los usuarios utilizan Surfer (1999), IDRISI (Eastman, 1998) y las extensiones Spatial Analyst y 3D Analyst de ArcView (ESRI, 1996; 1997b) para crear sus modelos de elevacin digital. MTODOS DE INTERPOLACIN La interpolacin tiene como objetivo estimar, a partir de una muestra, valores de Z para un set de puntos (X,Y). La interpolacin puede utilizarse para cumplir tres funciones: (a) estimar valores de Z para ubicaciones particulares (X,Y); (b) estimar valores de Z para una cuadrcula rectangular; (c) cambiar la resolucin de la cuadrcula en un archivo raster (mtodo conocido como remuestreo). Los interpoladores que operan a partir de puntos pueden clasificarse como: Exactos: Cuando preservan los valores originales de los puntos de muestreo. No exactos: No mantienen los valores originales de los puntos de muestreo. Globales: La interpolacin est basada en todos los puntos de muestreo. Locales: La interpolacin est basada en un subset de los puntos de muestreo. Desde el punto de vista de la superficie asumida por el interpolador, Burrough (1986) los clasifica en dos grandes categoras: los que asumen que la superficie es discreta y los que asumen una superficie continua. Mtodos basados en unidades discretas Entre estos mtodos tenemos: Uso de elementos externos del paisaje para delinear (unidades homogneas ( En este caso el analista establece los lmites entre unidades previamente definidas y por lo tanto el resultado no es replicable ni es posible evaluar estadsticamente los errores asociados a la definicin de los lmites de las entidades. Algunos ejemplos prcticos de dicho mtodo son:
< < < <
Mapas coroplticos Mapas de unidades de suelos Mapas de formaciones geolgicas y geomorfolgicas Mapas de uso-cobertura del suelo
Uso de algoritmos para determinar el lmite entre unidades homogneas Esta tcnica es utilizada en el rea de procesamiento digital de imgenes o en el anlisis de conjuntos de datos multi variados y se fundamenta en la premisa de que existen unidades homogneas en el set de datos. La funcin del algoritmo es tratar de definir los lmites entre dichas
Jfallas@racsa.co.cr
unidades. Esta tcnica es apropiada cuando la variacin en la superficie es abrupta o discontinua (Ej. mapas de uso-cobertura de la tierra). Los polgonos de Thiessen (Fig. 2) forman parte de este grupo de interpoladores; el mtodo de anlisis consiste en delimitar reas de influencia (unidades discretas) a partir de un set de puntos. Cuando la distribucin de los puntos es equidistante (Ej. grilla regular) los polgonos coinciden con el rea de cada celda. El tamao y la configuracin de los polgonos depende de la distribucin de los puntos originales. Una limitante del mtodo es que el valor para cada polgono se obtiene a partir de un solo punto y por lo tanto no es posible estimar el error asociado a dicha estimacin.
Fig. 2: Polgonos de Thiessen. Cuenca del ro Grande de Trcoles, Costa Rica. Software: ArcView V3.2. Mtodos basados en el concepto de continuidad Estos mtodos parten del supuesto de que la superficie es un continuo que puede describirse utilizando una funcin matemtica y un set de puntos de muestreo. Los mtodos pueden dividirse en globales y locales (Oliver, 1990). Los primeros utilizan todos los puntos de muestreo para crear la superficie; en tanto que los segundos utilizan solo un subconjunto de los mismos (concepto de vecino ms cercano). A continuacin se describen los interpoladores ms comunes que operan a partir de puntos. Interpolacin a partir de puntos Una de las fuentes de datos para elaborar modelos digitales de elevacin son ubicaciones (X,Y) con sus respectivos atributos (Ej. Elevacin, precipitacin, temperatura, presin, etc). Los puntos pueden muestrearse en forma aleatoria o utilizando un patrn regular (sistemtico). A partir de estos valores las rutinas de interpolacin crean una superficie en la cual cada punto tiene un valor
Jfallas@racsa.co.cr
estimado. Tanto IDRISI, Surfer como 3D Analyst y Spatial Analyst de ArcView proveen rutinas para la interpolacin basados en puntos. Independientemente del interpolador utilizado la calidad del MDE depender del nmero y la distribucin de puntos de muestreo; as como de las caractersticas del terreno. Cuanto mayor sea el nmero de puntos y mejor distribuidos se encuentren mejores sern los resultados. Mtodos de interpolacin global Entre los mtodos de interpolacin global tenemos (Golden Software, 1999; Petrie, 1990):
< Anlisis de tendencia de superficies (Modelos polinomiales): Esta tcnica de anlisis trata de
definir la tendencia general observada en el set de datos mediante una ecuacin polinomial de grado (n(. El objetivo del ajuste polinomial es reducir la varianza residual en el set de datos a un mnimo. En realidad, el mtodo no se considera como un interpolador de superficies sino ms bien como una tcnica para detectar aquellas reas que muestran una variabilidad superior a la tendencia general del set de datos. La estimacin del error asociado al modelo de regresin asume que los residuos son independientes. Este supuesto no se cumple en la mayora de los casos y por lo tanto el valor calculado no representa realmente la variacin error asociado a la estimacin (Oliver, 1990). Al igual que en cualquier otra aplicacin de regresin, la superficie generada, en la mayora de los casos, no pasar por los puntos originales y por lo tanto el interpolador es considerado como no exacto.
< Series de Fourier: Este mtodo asume que existen variaciones peridicas en el set de datos y que
su tendencia puede modelarse como una funcin lineal de senos y cosenos. En general, el mtodo ha sido utilizado ms para anlisis estructurales que para la cartografa de caractersticas del paisaje. Global Aproximado: Interpolacin a partir de isolneas en formato raster El mtodo de interpolacin utilizado por Intercon de IDRISI (Eastman, 1992) pertenece a la categora global-aproximado (Heywood, Price y Petch; 1995). El programa crea el MDE a partir de un archivo de curvas de nivel en formato raster y utilizando un mtodo de interpolacin lineal que consiste en crear una serie de perfiles en diferentes direcciones (Ej. Norte-Sur, diagonal; E-O). Para cada uno de estos perfiles el programa registra la elevacin y la pendiente de cada celda. La elevacin final asignada a la celda corresponde a la del perfil con la mxima pendiente. El algoritmo utilizado es una modificacin del algoritmo CONSURF creado por David Douglas de la Universidad de Ottawa, Canad. El manual de IDRISI (Eastman, 1992) reporta que un MDE creado con dicho algoritmo para un mapa a escala 1:24.000 (curvas de nivel cada 3m) cumpli con las normas de exactitud utilizadas para la cartografa analgica de los Estados Unidos de Amrica. El error medio reportado fue de -0.7m con una desviacin estndar de 0.56m. La probabilidad de obtener un valor de elevacin superior a 0.5 el intervalo de la curva de nivel fue inferior a 1%. El
Jfallas@racsa.co.cr
mtodo de interpolacin hace un fuerte uso de la memoria RAM y virtual (disco duro) y por tanto el usuario debe poseer suficiente espacio libre en su disco antes de iniciar el proceso de interpolacin. Una de las limitaciones del interpolador es que crea superficies con fuertes irregularidades; las cuales deben eliminarse mediante la aplicacin de un filtro promedio. Mtodos de interpolacin local Entre los mtodos de interpolacin local tenemos (ESRI, 1997b; Golden Software, 1999; Petrie, 1990): Distancia inversa ponderada (DIP) Este interpolador asume que cada punto en el set de datos tiene una influencia local que disminuye con la distancia y que por lo tanto los valores de los puntos cercanos al nodo que se procesa tienen mayor importancia o peso en el valor que ser asignado al mismo. Normalmente, la bsqueda se hace considerando un nmero de puntos o un radio (crculo alrededor de la celda de inters) (Fig. 3). Un caso donde este supuesto es vlido es la reduccin en la intensidad de un terremoto a partir de su epicentro o la reduccin en la temperatura del aire a partir de puntos focales de incendios. El peso asignado a cada valor de Z ' est dado por: P = 1/ (d) m en donde: P = peso o ponderacin que se aplicar a Z; m: exponente seleccionado por el usuario(a). Este valor define la influencia local de cada uno de los puntos en el set de datos (ver cuadro 1). d: distancia entre el punto que se interpola y los vecinos ms cercanos utilizados en la interpolacin. (1)
Fig. 3: Concepto de distancia de bsqueda. Jfallas@racsa.co.cr
Modelos Digitales de Elevacin El valor de cada punto interpolado Z ' es igual a:
3 Z i *1/ (d) m
Z ' = ----- ------------3 1/ (d) m (2)
El valor de m controla el aporte relativo de cada observacin (Z) a la estimacin de Z ' como puede apreciarse en la figura 4 y el cuadro 1. Dado que no existe un criterio nico para recomendar la seleccin del dicho valor, usted puede utilizar el cuadro 2 como una gua. Observe que no existe una diferencia marcada en los resultados para un valor de m=2 y para otro de m=3. Tampoco el valor de Z ' es diferente (25.312 Vs 25.30, respectivamente). La diferencia importante est entre m=1 y m=2 m=3 (ver cuadro 2). Por esta razn, el manual del programa Surfer (Golden Software, 1999) recomienda valores de (m( entre 1 y 3. Si usted utiliza un valor de m inferior a 1, por ejemplo 0.5, su ponderacin ser igual a 1/d 0.5 y obtendr una superficie con valores de Z ' ms influenciados por los valores ms lejanos de Z como puede observarse en el cuadro 2. Observe en este caso el valor de Z tambin sera muy diferente (48.96). Cuadro 1: Relacin entre el valor del exponente m y el aporte relativo de cada valor de Z observado al valor de Z ' estimado. Z 25 30 35 45 58 55 d (m) 10 50 100 500 750 1000 1/d 1 2 1 2 134 1 1/d 2 1 4 1 0 0.00178 0 1/d 3 1 0.00001 0 0 0 0 Z*(1/d) 25 6 35 9 773333 55 Z*1/d 3 25 24 0.0004 0 0.0001 0
Z' 2734 2530 d (m): distancia lineal en metros entre el punto para el cual se desea estimar el valor de Z ' y los puntos de observacin ms cercanos (Z).
Jfallas@racsa.co.cr
Cuadro 2: Aporte relativo de cada observacin (Z) al valor estimado de Z ' segn su distancia al punto de inters y el valor utilizado de m.
Z d (m) Aporte (%), m= 0.5 Aporte (%), m= 1 Aporte (%), m= 2 Aporte (%), m= 3
25 30 35 45 58 55
10 50 100 500 750 100
16 426 703 2023 3193 3496
7446 1489 745 149 99 74
9524 381 95 4 2 9
9911 79 1 7 2 0.99108
Z' 4896 2734 2531 2530 Los valores de m >= 1 indican un alto grado de influencia local y una superficie con mayor detalle (menos suavizada). Por el contrario valores de m inferiores a 1 indican un menor grado de influencia local y una superficie con menos detalle.
Fig.4: Relacin entre valor del exponente m, la distancia de los vecinos ms cercanos y el valor de la ponderacin. Jfallas@racsa.co.cr
10
Este mtodo de interpolacin se comporta como un interpolador exacto cuando no se utiliza ningn factor de suavizado. Uno de los defectos del interpolador es que genera una superficie con una apariencia de 'ojos de buey ' alrededor de los puntos de muestreo (Fig. 5). El programa Surfer (Golden Software, 1999) provee un filtro que suaviza la superficie y por lo tanto tiende a eliminar este problema. El programa tambin le permite definir el tipo de bsqueda a utilizar (todos los datos, simple, 4 sectores, 8 sectores); as como el nmero de puntos a utilizar y las dimensiones del crculo o elipse como se muestra en las figuras 6 y 7. El programa Analista Espacial de ArcView tambin permite definir el nmero de vecinos ms cercanos o un radio de bsqueda a utilizar en el proceso de interpolacin; adems usted puede utilizar barreras (Ej. lnea de acantilado, cauce de un ro).
Fig. 4: Interpolador Distancia Inversa Ponderada: Efecto de ojos de buey. Isoyetas cada 100mm. Software: Analista Espacial, ArcView.
Jfallas@racsa.co.cr
11
Fig. 6: Tipo de bsqueda. En este caso se ha elegido una bsqueda utilizando 4 cuadrantes y 2 observaciones por cuadrante. Basado en Golden Software, 1999
Curvatura mnima (Spline) Este interpolador tiene su origen en los antiguos moldes curvos que utilizaban los dibujantes para ajustar un curva a una serie de puntos. Este interpolador es realmente un conjunto de polinomios cbicos que describen tanto la tendencia como la magnitud de una lnea. La forma de la curva es definida localmente a partir de un subset de los datos. Algunos programas utilizan (B-splines(, los cuales son a su vez la suma de otros (splines( utilizados para suavizar lneas. El interpolador ajusta una lnea de curvatura mnima a partir de los puntos de muestreo (X,Y,Z) y por lo tanto se comporta como un interpolador exacto (la superficie creada mantendr los valores de Z de los datos originales). Este mtodo de interpolacin es apropiado para superficies que varan en forma gradual tales como elevacin, precipitacin, temperatura, concentraciones de contaminantes y profundidad de la tabla de agua; sin embargo no es apropiado para extrapolar valores como puede apreciarse en la figura 8. Cuando los cambios son muy abruptos no se recomienda utilizar este interpolador. El interpolador es muy utilizado en las ciencias de la Tierra (Ej. geologa, edafologa, geomorfologa, climatologa). El usuario(o) debe seleccionar el nmero de puntos a utilizar por regin o vecindad as como un factor de ponderacin (ESI, 1996b; Golden Software, 1999).
Jfallas@racsa.co.cr
12
Fig. 8: Interpolador de Curvatura Mnima. En la esquina superior derecha puede observarse el efecto de extrapolar los valores de Z. Isoyetas cada 200mm. Software: Analista Espacial, ArcView.
Fig. 7: Tipo de reas de bsqueda. A. Circular. B. Elptica; los valores 1 y 2 indican el radio mayor y menor que define el rea de la elipse. El usuario tambin puede definir la inclinacin de la elipse. Basado en Golden Software, 1999. Jfallas@racsa.co.cr
13
Funciones radiales Este es un interpolador muy flexible y que provee resultados similares al mtodo Kriging. El interpolador se comporta como exacto cuando no se especifica el valor R 2 (parmetro de forma o suavizado). No existe una valor universal para R 2; sin embargo el manual del programa Surfer (Golden Software, 1999) sugiere utilizar un valor igual al espaciamiento medio a la mitad del espaciamiento medio de las puntos de muestreo. La opcin multi cuadrtica es considerada como la que genera las mejores superficies, seguida por Thin Plate Spline (Plano de curvatura mnima delgado). Las funciones que el usuario especifica son anlogas a los variogramas utilizados en el mtodo Kriging. La ecuacin de la funcin multi cuadrtica es la siguiente: B (h) = ( h 2 + R2 ) 0.5 (3)
en donde h: distancia relativa del punto al nodo anisotrpicamente reescalao y R 2 el parmetro de suavizado indicado por el usuario.
< Mtodo de Shepard: Este mtodo de interpolacin es similar al mtodo de inverso de la distancia, sin embargo la superficie generada no muestra el efecto de (ojos de buey (. El
interpolador se comporta como exacto cuando no se especifica un factor de generalizacin (Golden Software, 1999).
< Triangulacin con interpolacin lineal: Mtodo de interpolacin basado en una red de
tringulos irregulares (TIN). Para mayor detalle sobre este mtodo se remite al lector a la seccin sobre interpolacin a partir de isolneas . El interpolador se comporta como exacto. Utiliza todos los puntos de control para crear la superficie. Kriging El mtodo de interpolacin Kriging asume que la distancia y/o la direccin entre puntos de muestreo es una expresin de la correlacin espacial entre los puntos y que por tanto dicha informacin puede utilizarse para explicar la variabilidad encontrada en la superficie muestreada. El algoritmo ajusta una funcin matemtica a un determinado nmero de puntos o a aquellos que se encuentren en un radio de bsqueda. Este interpolador es ms complejo que los anteriores y normalmente requiere de cierto conocimiento estadstico por parte del usuario(a). El anlisis incluye los siguientes pasos: anlisis estadstico exploratorio del set de datos, modelado del variograma, interpolacin de la superficie y anlisis de la superficie de varianza. Este interpolador se utiliza con mucha frecuencia en estudios geolgicos y edafolgicos. El mtodo de interpolacin Kriging puede utilizarse prcticamente con cualquier tipo de datos ya que es muy flexible. Cuando no se especifica la varianza pepita o (nugget( el interpolador se comporta como exacto. En general, Kriging es considerado como uno de los mejores mtodos de interpolacin ya que provee estimaciones insesgadas y de varianza mnima (Oliver, 1990). Este
Jfallas@racsa.co.cr
14
interpolador considera tanto la direccin como la magnitud de la correlacin espacial en el set de datos. Dado que este es un interpolador ms complejo, a continuacin se describe con mayor grado de detalle tanto los supuestos del mtodo como su terminologa. El mtodo de interpolacin Kriging se basa en los siguientes supuestos: 1. Los datos muestran un patrn de variabilidad espacial que puede definirse a travs de: < Un componente estructural asociado a un promedio constante o a una tendencia constante. < Un componente aleatorio con cierto grado de asociacin espacial. < Un componente de error o variabilidad no explicada asociada a errores en las mediciones y a micro variaciones en la superficie no detectadas por el modelo. Los conceptos anteriores pueden expresarse matemticamente como (Burrough, 1986): Z (x) = m(x) + ,' (x) + ,'' en donde: Z(x): Valor de la variable Z en la posicin x. (4)
m(x): Funcin determinstica que describe el componente estructural asociado al set de datos.
,' (x): Variacin estocstica local que permanece en el set de datos despus de remover la variacin
estructural dada por m(x).
,'':
Residuos que representan variabilidad (ruido) sin una tendencia espacial en el set de datos, con promedio igual a 0 y varianza F 2.
En ausencia de una tendencia en los datos ((drift(), el valor de m(x) es igual a: E [Z(x) - Z (x+h)] = 0 (5)
En este caso tambin se asume que la variacin entre Z(x) y Z(x+h) depende exclusivamente de la distancia entre sitios o sea del valor de (h(, tambin conocido como resago. Matemticamente lo anterior se expresa como (Oliver, 1990): Var [{Z(x) - Z x+h)] = E [{Z(x) - Z x+h)}2] = 2 ((h) en donde ((h) se conoce como el semivariograma. (6)
Jfallas@racsa.co.cr
15
Dado que los supuestos anteriores se cumplan en el set de datos, la semivarianza puede estimarse a partir del set de datos utilizando el siguiente estimador (Issaks and Srivastava, 1989; Oliver, 1990):
((h) = 1/2n E{Z(xi) - Z (xi +h)}2
(7)
en donde (n( es el nmero de pares de observaciones separados por un resago (h(. Observe que el valor de ((h) debe ser 0 cuando h es 0. El valor de ((h) cuando h tiende a 0 es una estimacin de ,'' (error asociado al set de datos y a la micro variacin local sin una dependencia espacial).El variograma debe estimarse al menos en tres direcciones para detectar cualquier presencia de anisotropia en el set de datos (Oliver, 1990). EL estimador anterior es vlido cuando se cumple con todos los supuestos del modelo; sin embargo en presencia de violaciones no severas al modelo central (Ej. presencia de valores extremos), se recomienda utilizar los siguientes estimadores robustos (Cressie,1993): 2((h) / {1/ *N (h)* * E*Z(xi) - Z (xi +h)0.5}4 / (0.457 + 0.494) / *N (h)* 2((h) /{Mediana * *Z(xi) - Z xi +h*0.5}4 / (B(h) (8) (9)
B(h) corrige por el sesgo y su valor asinttico es 0.457. La transformacin de potencia tiene la virtud de generar datos con una distribucin cercana a la normal. Semivariograma El semivariograma es la representacin grfica de la semivarianza espacial con respecto a una distancia (h(. Este valor es la mitad del promedio de la diferencia entre cada par de datos y la lnea de 45o en la grfica; y su valor incrementa conforme el coeficiente de correlacin y la covarianza decrecen. A continuacin se ilustran los conceptos bsicos asociados al semivariograma utilizando un set de 100 observaciones de elevacin sobre el nivel medio del mar obtenidas de un mapa 1:50.000 del Instituto Geogrfico Nacional. Los datos se muestran en el cuadro 3 y su distribucin espacial puede visualizarse en las figuras 9 y10. Las figuras 11, 12, 13 y 14 muestran 4 curvas de Z (x) versus Z (x+h) para el set de datos. La separacin entre puntos de muestreo fue de1000m y los valores de Z estn dados en metros.
Jfallas@racsa.co.cr
16
Cuadro3: Valores de elevacin (m) obtenidos de un mapa escala 1:50.000 del Instituto Geogrfico Nacional. Muestreo cada 1000 metros. 1 1 2 3 4 5 6 7 8 9 10 223 224 221 219 217 111 115 110 97 96 2 228 217 211 210 206 109 105 108 99 97 3 238 231 227 205 203 102 99 98 97 95 4 226 244 233 208 204 105 98 95 96 90 5 245 249 235 203 201 109 97 97 90 92 6 212 250 210 207 105 102 103 106 107 95 7 113 113 113 105 109 106 109 105 104 90 8 114 110 109 110 110 109 110 120 125 89 9 115 114 110 115 122 120 120 130 156 110 10 110 116 112 130 133 130 135 155 160 120
280 240 200
Z (m)
160 0 120 2000 6000 0 8000 2000 4000 6000 10000 10000 4000 80
X (m)
8000
Fig. 9: Distribucin de 100 valores de elevacin (m) para puntos muestreados con un espaciamiento de 1000 metros en X y Y de una hoja cartogrfica 1:50.000 del IGN.
Jfallas@racsa.co.cr
Y (m)
17
200 Leyenda 180

Media filas Media columnas
Media de Z (m)
160
140
120
100
80 0 2 4 6 8 10
Distancia (m)
Fig. 10: Promedios para columnas (Eje X) y filas (Eje Y) de 100 valores de elevacin (m) obtenidos de un mapa 1:50.000 del IGN.
La figura 11 ilustra el hecho de que el valor de ((h) debe ser 0 cuando h es 0. Esto se desprende de la ecuacin utilizada para determinar la semivarianza. Obviamente esta grfica no nos proporciona ninguna informacin sobre la tendencia espacial en el set de datos y se incluye slo con fines didcticos.
280
240
200
Z(t)
160 120 80 80 120 160 200 240 280
Z (t)
Fig. 11: Diagrama de dispersin h para h= (0,0) La figura 12 ilustra la relacin entre Z(x) y Z(x+h) o sea aquellos pares de valores definidos por un resago de 1000 metros en el sentido Sur-Norte en el set de datos. Observe que el set de datos se ha dividido en 2 grupos y existen otras observaciones distribuidas con un patrn menos definido.
Jfallas@racsa.co.cr
18
280 h = (0,1) 240
200
Z (t+h)
160 120 80 80 120 160 200 240 280
Z(t)
Fig. 12: Diagrama de dispersin h para h= (0,1) La grfica 12 ilustra la relacin entre Z(x) y Z(x+2h) o sea aquellos pares de valores definidos por un resago de 2000 metros en el sentido Sur-Norte en el set de datos. Observe que el set de datos se ha dividido en 3 grupos y existen algunas pocas observaciones distribuidas con un patrn menos definido.
240
h(0,2)
210
180
Z (t+h)
150 120 90 80 120 160 200 240 280
Z (t)
Fig.13: Diagrama de dispersin h para h= (0,2) La grfica 13 ilustra la relacin entre Z(x) y Z(x+3h) o sea aquellos pares de valores definidos por un resago de 3000 metros en el sentido Sur-Norte en el set de datos. Observe que permanecen los 3 grupos sin embargo su posicin ha cambiado con respecto a la lnea de 450.
Jfallas@racsa.co.cr
19
240
h = (0,3)
210
180
Z (t+h)
150
120
90
60 80 120 160 200 240 280
Z (t)
Fig.14: Diagrama de dispersin h para h= (0,3)
Fig.15: Simivariograma para 100 datos de elevacin obtenidos de un mapa 1:50.000 y con una separacin de 1000 metros entre puntos de muestreo. Jfallas@racsa.co.cr
20
Observe que efectivamente el valor de ( (h) es 0 cuando h es 0 y que los valores del coeficiente de correlacin de Pearson decrecen conforme se incrementa la separacin entre los valores de (h) y el valor de la semi varianza (Cuadro 4). Es de esperarse que para un set de datos mayor su valor tienda a estabilizarse conforme aumenta el valor de (h(. L a figura 15 corresponde al semi variograma para los datos utilizados en el presente ejemplo. Observe que la grfica tiene una forma cncava ascendente por cuanto puede asumirse que los datos presentan una tendencia local o global. En este caso los valores mayores tienden a concentrarse en la esquina noroeste del rea. Esta grfica debe permitirle escoger el valor de h para el set de datos. Dicho valor corresponde a aquel valor de h para el cual la tendencia de la curva se estabiliza.
Cuadro 4: Estadsticos para los diagramas de dispersin de Z t Vs Z (t+h) h 0 1 2 3 4 Coeficiente de correlacin lineal de Pearson D(h) 1 0.86 0.72 0.49 0.18 Semivarianza ( (h) 0 408.96 903.91 1717.85 2838 No. pares (n) 100 90 80 70 60
A continuacin se definen los trminos asociados al variograma (ver figura 16). Meseta o (sill(: Es igual a la suma de C y el efecto Nugget o pepita. En la mayora de los casos es igual a la varianza del set de datos; o sea expresa la variabilidad total (S2) de Z para los puntos de muestreo; as como la covarianza para *h* = 0. A: Este parmetro indica una separacin relativa en distancia (h); tambin se le conoce como alcance e indica la distancia a partir de la cual se estabiliza la varianza del set de datos. Para una superficie isotrpica (no existe un patrn direccional en los valores de Z) se calcula como: h = (x 2 + y 2) 0.5 / A en donde: [ x y]: representan el vector de separacin en unidades del mapa. (10)
Jfallas@racsa.co.cr
Modelos Digitales de Elevacin B:
21
Parmetro que define la tasa de cambio de los componentes del variograma al incrementar la separacin entre puntos. Este parmetro es utilizado para escalar la separacin de la distancia fsica. Para los variogramas cuadrticos y esfricos este parmetro se conoce como ambito o rango del variograma. Parmetro de escala que define, en ausencia del efecto pepita, el valor de la meseta o (sill(.
C:
Fig. 16: Componentes tpicos de un variograma. La letra h representa un vector con magnitud y direccin. Fuente: Golden Software, 1999. El usuario puede elegir entre diversos modelos de variogramas (Cressie, 1993, Isaaks and Srivastava, 1989; Golden Software, 1999). Los modelos con una meseta ((sill() y un alcance bien definidos se conocen como transicionales porque la naturaleza estadstica de la variacin espacial cambia cuando el resago (h) sobrepasa el rango (A). Variogramas A continuacin se describen las funciones utilizados con mayor frecuencia para describir los variogramas (Cressie, 1993, ESRI, 1996; Golden Software, 1999):
< Esfrico o circular: Este es posiblemente el modelo ms utilizado. Su comportamiento es lineal

para separaciones pequeas cercanas al origen y tiende a aplanarse conforme aumenta la distancia;
Jfallas@racsa.co.cr
22
alcanzando el valor de la meseta (sill) cuando la distancia es igual al rango (A). En muy utilizado en las ciencias de la tierra.
< Exponencial: Este es otro modelo utilizado con gran frecuencia en las ciencias de la tierra. El
modelo alcanza el umbral en forma asinttica y por lo tanto el alcance (A) se define como la distancia a la cual se ha alcanzado el 95% del valor del umbral.
< Lineal: Este modelo incrementa linealmente con h y por lo tanto no posee un valor de meseta.
< Gausiano: Este modelo se utiliza para crear superficies a partir de datos que representan fenmenos
extremadamente continuos. El modelo alcanza el umbral en forma asinttica y por lo tanto el rango (A) se define como la distancia a la cual se ha alcanzado el 95% del valor del umbral.
Jfallas@racsa.co.cr
23
< Logartmico:
Este variograma no tienen un valor de meseta.
< Wave (Efecto de hueco)
< Racional cuadrtico
Jfallas@racsa.co.cr
24
< Cuadrtico
Algunas observaciones generales que aplican a todos los variogramas son las siguientes (Oliver, 1990):
< Los modelos matemticos son ajustados a una muestra discreta de simivarianzas ya que el
variograma verdadero es continuo y las estimaciones estn sujetas a error; especialmente si la muestra es pequea. Cuando el error asociado a los datos es muy grande comparado con la variacin natural de la regin, el variograma se mostrar errtico y sin ninguna capacidad predictiva.
< Los modelos que pueden ajustarse a los datos pueden clasificarse en 2 grandes categoras: Ilimitados o infinitos
En este caso el modelo no asume que existe una varianza a priori finita y por lo tanto la hiptesis de variacin espacial estocstica de los datos slo puede asumirse como correcta en forma intrnseca. Los modelos basados en una funcin de potencia se ajustan a esta condicin y por lo tanto puede utilizarse un modelo lineal, cncavo o convexo. Un variograma que tiende a incrementar en una forma cncava hacia arriba desde el origen puede indicar la existencia de una tendencia (drift) local o global en el set de datos. Es este caso se debe sustraer la variacin no estocstica o estructural del set de datos y luego ajustar nuevamente el variograma utilizando los residuos.
Limitados o finitos En este caso se asume que existe un lmite a la variacin que caracteriza el proceso aleatorio; a dicho lmite se le denomina meseta o (sill(. Los modelos exponenciales y esfricos se utilizan con frecuencia para describir los semivariogramas de set de datos provenientes de las ciencias de la tierra.
Jfallas@racsa.co.cr
Modelos Digitales de Elevacin Mtodos de interpolacin en Kriging
25
Kriging ordinario ( Sin tendencia) Este mtodo de interpolacin es apropiado para datos con una distribucin regular de los datos (isotrpica). Un proceso es isotrpico cuando es estrictamente estacionario y su variacin no est asociada a una direccin particular en el set de datos. Una variable es estrictamente estacionaria si su componente estocstico (Xi ) satisface la siguiente condicin (Haggett, Cliff and Frey, 1977): La distribucin conjunta de las 7Xi ? depende solamente de la posicin relativa de las observaciones; o sea no existe ningn efecto estructural en los datos. Kriging Universal El Kriging universal no tiene un variograma y adems el mtodo de interpolacin se sustenta en el hecho de que puede existir tanto u patrn local como uno estructural. Este mtodo de interpolacin debe utilizarse cuando los datos no tienen una distribucin homognea y por lo tanto se debe interpolar la superficie a partir de espacios sin informacin; tambin puede utilizarse cuando se desea extrapolar la superficie ms all de los lmites de los datos de insumo. La interpolacin se realiza va dos mtodos:
< Kriging Universal con tendencia lineal: Este mtodo de interpolacin es apropiado cuando los datos
exhiben un patrn o tendencia lineal. En caso de duda este es el mtodo recomendado.
< Kriging Universal con tendencia cuadrtica: Este mtodo de interpolacin es apropiado cuando
los datos exhiben un patrn o tendencia cuadrtica (forma de parbola con depresiones). El Kriging universal es apropiado para aquellos casos en donde la variacin espacial del set de datos puede segregarse en un componente aleatorio y otro de tendencia o (drift(. Otras extensiones del mtodo Kriging son co-Kriging y Kriging disyuntivo ( Cressie, 1993; Oliver,1990) Efecto o varianza pepita (Nugget) Este parmetro integra el error asociado a los datos (errores de medicin); la microvarianza no contabilizada por la distancia de muestreo ((h() y la variacin espacial no correlacionada en el set de datos (Cressie, 1993; Oliver, 1990). Sus unidades son cuadrticas y corresponden a las de Z. Cuando mayor sea dicho valor menor confianza se asigna a cada observacin en el set de datos y por lo tanto el interpolador se comporta como no exacto. Este parmetro se utilizar cuando existen errores potenciales en el set de datos. Cuando este factor domina la variacin del semivariograma, no es posible utilizar el mtodo Kriging para la interpolacin y por lo tanto debe utilizarse un mtodo de interpolacin no estadstico.
Jfallas@racsa.co.cr
Modelos Digitales de Elevacin Efecto o varianza Nugget = Varianza de los errores de medicin + micro varianza
26
El primer trmino se refiere al error generado como efecto de la no repetitividad de las mediciones (errores en los datos) y el segundo expresa la variabilidad a nivel micro no evaluada por la distancia de muestreo (h(. Este valor es un indicador de la varianza residual o sea de la variabilidad no correlacionado espacialmente en el set de datos. Interpolacin a partir de isolneas Las isolneas representan lneas continuas de igual valor a lo largo del rea de estudio y normalmente su fuente son los mapas topogrficos o los planos ingenieriles (Ej. Levantamientos topogrficos). Dependiendo del software utilizado, se pueden utilizar dichos datos tanto en formato raster (Ej. Intercon de IDRISI) como en formato vectorial (Ej. 3D Analyst de Arc View, TIN de Arc Info, MGE Terrain Analyst de Intergraph). Interpolacin a partir de tringulos irregulares (TIN) El modelo de datos TIN (por sus siglas en ingls) como un medio para almacenar, recuperar y analizar datos topogrficos fue inventado en forma independiente en Amrica del Norte al menos tres veces en los primeros aos de 1970 (Mark, 1977). El modelo TIN surgi como una respuesta a la necesidad de buscar una estructura de datos alterna a la raster utilizada hasta aquel momento para representar Modelos Digitales del Elevacin (MDE) y a la insatisfaccin por parte de los usuarios(as) con el software existente para crear isolneas. A continuacin se ofrece un breve resumen de la historia de los modelos de tringulos irregulares (Mark, 1977): 1964: Los tringulos elaborados a partir de una distribucin de puntos irregulares fueron utilizados como base para dibujar curvas o isolneas en un espacio bidimensional. 1965: La compaa IBM implement un proceso basado en tringulos para elaborar curvas de nivel. 1966: El geomorflogo Alemn K. Hormann propuso el uso de tringulos para representar la superficie del terreno y luego realizar anlisis geomorfolgicos. Sin embargo, los tringulos propuestos por Hormann carecan de topologa y eran analizados en forma individual. 1967: Se desarrolla un programa de cmputo para la creacin de curvas de nivel basado en tringulos para la industria petrolera. 1968: Thomas K. Poiker, profesor de cartografa en Canad, describe la primera estructura de tringulos irregulares con topologa integrada, como parte de la superficie externa de un slido de tres dimensiones. 1973: Las estructuras triangulares fueron inventadas en forma independiente por ingenieros de la firma consultora Engineering-Science, Virginia, USA como un medio para representar elevaciones
Jfallas@racsa.co.cr
27
y otros atributos mientras trabajaban en un proyecto sobre tuberas de aguas negras. La idea se materializ como ADAPT (Areal Design and Planning Tool), un SIG que utilizaba los vrtices de los tringulos para designar elevaciones y sus caras para representar otros atributos. 1975: El modelo TIN propuesto por Poiker se haba establecido como una estructura topolgica en el mundo cientfico. 1975-76: Las estructuras triangulares fueron inventadas en forma independiente por el gelogo Christopher Gold mientras trabajaba en su disertacin de doctorado entre 1975 y 1976 como un medio para representar superficies geolgicas subterrneas. Para finales de 1970 se haba aceptado al modelo TIN como la forma estndar de representar la topografa en un SIG y en otros programas de cmputo. Las superficies pueden representarse mediante un conjunto de puntos con un espaciamiento regular (en ingls, lattice) utilizando una red de tringulos irregulares (Triangulated Irregular Network, TIN, por sus siglas en ingls). El modelo TIN (Fig.17) est formado por un conjunto de tringulos adyacentes que no se traslapan, los cuales se derivan a partir de un set de puntos con un espaciamiento irregular. La estructura de datos est basada en una mezcla de puntos (Masa de puntos), lneas (lneas de cambio o inflexin en la topografa) y polgonos (reas). El modelo TIN almacena la informacin topolgica que define las relaciones espaciales entre cada uno de los tringulos y sus vecinos (Ej. informacin sobre los vrtices y los lados de cada tringulo). El modelo TIN es apropiado para representar las irregularidades del terreno y para derivar mtricas del paisaje tales como pendiente, aspecto y sombreado del terreno. Sin embargo cuando se requiere utilizar la superficie con fines de modelado (Ej. simulacin de escorrenta superficial), la estructura de datos raster es ms apropiada. Los puntos equidistantes derivados del TIN (grilla) son el insumo a partir del cual se estima el valor de Z (Ej. elevacin) que posteriormente permitir crear un archivo de tipo raster. El cuadro 5 resume las principales caractersticas de las estructuras de datos TIN y raster.
Jfallas@racsa.co.cr
28
Fig. 17: Modelo de puntos regulares (lattice) y red de tringulos irregulares (TIN). Cuadro 5: Comparacin entre las estructuras de datos raster y TIN para representar modelos digitales de elevacin. Modelo raster: cuadrcula regular
La cuadrcula es un modelo de datos simple formado por una matriz de columnas e hileras. Los procesos computacionales son muy eficientes ya que se trabaja con una matriz de valores (columnas e hileras). Existen algoritmos bien establecidos para el procesamiento de los datos. Dichos algoritmos se originaron en la comunidad de usuarios de procesamiento de imgenes digitales. Datos en formato raster son abundantes y menos costosos que los vectoriales. El modelo de celdas regulares es rgido, ineficiente y no expresa con fidelidad los cambios abruptos del terreno.
Modelo Vectorial: tringulos irregulares

La red de tringulos irregulares es una estructura ms compleja que representa la superficie mediante un conjunto de caras de tringulos contiguos que no se traslapan. Procesos computacionales menos eficientes ya que se debe estimar el valor promedio para el conjunto de nodos que rodean el punto de inters. Los algoritmos para procesar TINs son ms complejos y costosos de programar. Por lo tanto el software tambin es ms caro.
Existen pocos datos en formato TIN y normalmente son ms caros y difciles de utilizar. El tamao de los tringulos se adapta a las irregularidades del rea que se modela. Las coordenadas de los valores originales se mantienen como parte de la informacin asociada a los vrtices de los tringulos y por lo tanto no existe prdida de detalle ni de informacin.
Basado en: ESRI, 1997; Maune, 1994; Shearer, 1990 y Weibel y Heller, 1991.
Jfallas@racsa.co.cr
29
A continuacin se brinda una gua en cuanto al mtodo de interpolacin a utilizar basados en el nmero de puntos de muestreo (Golden Software, 1999): Cuadro 6: Criterios para elegir el mtodo de interpolacin. Nmero de puntos de muestreo (X,Y,Z) Mtodo de interpolacin sugerido Observaciones
#10
Kriging con variograma lineal Kriging con variograma lineal. Tringulos irregulares con interpolacin lineal. Funciones radiales Regresiones polinomiales Kriging con variograma lineal Funciones radiales con funcin multicuadrtica. Tringulos irregulares con interpolacin lineal. Curvatura mnima Kriging con variograma lineal Funciones radiales Curvatura mnima Tringulos irregulares con interpolacin lineal. Kriging con variograma lineal. Funciones radiales
Slo es posible generar una tendencia general de los datos. Se recomienda crear diferentes superficies y optar por la que mejor represente el set de datos.
#250
Ambos mtodos de interpolacin brindarn resultados aceptables y muy similares. Se recomienda utilizar todos los puntos de muestreo para crear la superficie. Todos los mtodos de interpolacin brindarn resultados aceptables y muy similares. Para (Kriging( y (funciones radiales( se recomienda una funcin de bsqueda basada en cuadrantes. Kriging y funciones radiales requieren de mayor tiempo de clculo pero ofrecen mejores resultados. Segn el manual de Surfer (Golden Software, 1999) el incremento en tiempo no es proporcional al nmero de puntos en el set de datos.
250 a 1000
>1000
Jfallas@racsa.co.cr
30
EVALUACIN DE LA EXACTITUD DEL MODELO DIGITAL DE ELEVACIN Todo modelo digital de elevacin est sujeto a dos fuentes de error. El primer tipo se denomina aleatorio y representan una sobre o sub estimacin de los valores reales de elevacin como resultado del azar. Estos errores no muestra un patrn determinado, en promedio su valor es igual a cero y los errores positivos y negativos tienen una frecuencia similar. El segundo tipo se denomina sistemtico y tambin representan una sub sobre estimacin de los datos de elevacin; sin embargo, a diferencia de los primeros, tienen un patrn determinado y su promedio no es igual a cero (Maling, 1989). A continuacin se describen los estadsticos disponibles para evaluar los errores asociados a un modelo digital de elevacin. Exactitud Desde un punto de vista estadstico, la exactitud mide la magnitud y direccin del error o sesgo en el set de datos. Cuando no existe sesgo, el promedio de la variable es igual su valor verdadero. Para aplicar este concepto a un MDE es necesario comparar las elevaciones derivadas del mismo con otra fuente de informacin con un mayor grado de exactitud; por ejemplo, un mapa con valores mas exactos, valores de campo o elevaciones obtenidas por medios fotogramtricos (Cressie, 1993; Maling, 1989; Weibel y Heller,1991 ). La comparacin resulta en una serie de diferencias denominadas (residuos(, cuyos valores pueden ser positivos o negativos. Estas diferencias se expresan estadsticamente como error promedio, error absoluto promedio y raz cuadrada del error medio cuadrtico (Shearer, 1990): Error aritmtico medio El promedio indica la tendencia central de los errores y por lo tanto no indica la magnitud ni la direccin del error para puntos individuales. Cuando los errores son aleatorios la media tiende a cero y cuando existe un sesgo en los datos su valor ser diferente de cero. El promedio aritmtico no es un buen indicador del error del MDE pues un valor muy grande puede ser compensado por otro grupo de valores pequeos. Por ejemplo, un error de -100 metros puede ser compensado por diez errores de 10 metros y en promedio el error ser igual a cero (0). El error promedio es igual a:
0r = 3 ri / n
(11)
en donde: ri = residuos obtenidos en n puntos diferentes (tamao de la muestra). Error absoluto medio El error absoluto promedio indica la tendencia central de la distribucin de errores sin considerar su signo y su valor es mayor o igual a cero. Este valor representa mejor el error esperado del MDE. Por ejemplo, para el caso mencionado en el prrafo anterior el error sera 18.2m. El error absoluto promedio es igual a: EAP = 3 *ri* / n en donde: ri = residuos (12)
Jfallas@racsa.co.cr
31
* * = valor absoluto
n = nmero de observaciones (tamao de la muestra) Raz cuadrada del error medio cuadrtico La raz cuadrada del error medio cuadrtico (RCEMC) es una expresin matemtica que captura tanto la magnitud como la variabilidad de las desviaciones de una serie de puntos de muestreo. Su frmula es: EMC = ( 3 (ri) 2 / n) 0.5 (13)
Desviacin estndar o tpica (DT) La desviacin estndar, tambin conocida como error estndar en el ambiente cartogrfco, expresa la desviacin de los errores (ri) con respecto al promedio 0 r y su expresin matemtica es la siguiente: DT = ( 3 (ri - 0 r ) 2 / n-1) 0.5 (14)
Cuando 0 r = 0 el RCEMC es igual a la desviacin estndar de los errores; sin embargo si 0 r 0 el valor del RCEMC ser mayor que DT. En la literatura cartografa se le denomina con frecuencia a ambos trminos error estndar. Cuando los residuos tienen una distribucin normal, el 95% de los mismos se encontrarn entre -2DT y +2DT. Otros valores de uso comn son los siguientes: Mltiplo de DT 0.6745 1.01 1.5 1.645 2.0 3.0 40. 0 % de puntos incluidos 50 68.3 86.6 90 95.5 99.7 99.9 Denominacin Error medio Error estndar q=1-P 0.5 0.333 0.143 0.1 0.05 Error mximo* 0.003 0.0001 % 50 33.3 14.3 10 5 0.3 0.01 k 1/2 1/3 1/7 1/10 1/20 1/333 1/10000
1-P: Probabilidad de que las observaciones exceden dichos lmites por factores de azar. %: Porcentaje de 1as observaciones que exceden dichos lmites por factores de azar. *: Conocido como criterio de Chauvenet (Maling, 1989). Cualquier residuo que exceda 3 desviaciones estndares es considerado como un valor extremo y es candidato a ser eliminado. Del anlisis de la presente seccin se desprende que existen varias expresiones matemticas para cuantificar el error asociado al MDE y que no todas indican lo mismo. Esto puede crear confusin e
Jfallas@racsa.co.cr
32
incertidumbre en el usuario del MDE; para evitar esta inconveniente se recomienda describir cada trmino utilizado y especificar su respectiva frmula. Exactitud de los valores de elevacin En el ambiente cartogrfico convencional se pueden utilizar tanto puntos con elevaciones conocidas como isolneas (Ej. curvas de nivel) para crear los modelos digitales de elevacin terreno. En ambos casos se debe determinar la exactitud planimtrica y altimtrica de los datos. Por ejemplo, el valor de un hito de posicin fija en un mapa 1:50.000 puede tener un error en posicin de 15m pero su valor de elevacin puede ser correcto; poseer un error tanto en ubicacin como en elevacin (lo ms probable). El error asociado a puntos particulares de elevacin puede determinarse con facilidad; sin embargo es ms difcil evaluar la exactitud de las curvas de nivel. En el caso de curvas de nivel es frecuente establecer una tolerancia mxima aceptable y luego utilizar valores puntuales para evaluar el grado de error asociado a la estimacin. Por ejemplo, si asumimos que el 90% de los puntos muestreados deben estar a no ms de 0.5 el intervalo de las curvas de nivel (Norma utilizada en la cartografa de los Estados Unidos de Amrica); entonces para un mapa 1:50.000 de Costa Rica con curvas de nivel cada 20m, dichos puntos deberan poseer un error inferior o igual 10m. Este mtodo asume que la forma y detalle de las curvas es correcta dada la escala del mapa; sin embargo no somete a prueba dicho supuesto. ESTNDARES O NORMAS La investigacin en cartografa hipsomtrica ha demostrado que el error asociado a los valores de elevacin est fuertemente influenciado por la pendiente del terreno (Fig. 18). A continuacin se brindan dos ecuaciones conocidas como ecuaciones de Kopp (Maling,1987) que permiten determinar el error esperado en un MDE tanto en elevacin como en planimetra: EMC en elevacin REMC Z = (A+B * tan % ) EMC en posicin REMC P = (B+A * cot % ) Para % 0 en donde % representa la gradiente de la pendiente en grados. (15) (16)
Fig.18: Relacin entre desplazamiento planimtrico y error en elevacin. A: posicin correcta de la curva de nivel. A' : Posicin en el mapa. )P: error en planimetra. )Z: error en elevacin.
Jfallas@racsa.co.cr
33
El desplazamiento planimtrico y el error altimtrico ser el mismo para aquellas reas con una pendiente de 45 (100%) y por lo tanto puede asumirse que el error altimtrico siempre ser menor que el planimtrico (cuadro 8). Los valores de A y B de las ecuaciones 15 y 16 son constantes establecidas por cada pas considerando la escala del mapa y los requisitos de exactitud deseados. A continuacin se brindan los valores para A y B citados por Maling (1987) para escalas entre 1:1000 y 1:50.000. Cuadro 7: Valores de A y B sugeridos por Maling (1987) para cartografa con escalas entre 1:1000 y 1:50000. Escala 1: 1000 1: 5000 1:10000 1:25000 1:50000 Intervalo entre curvas de nivel (m) 1 5 10 10 20 EMCZ (m) (0.1 + 0.3 * tan %) (0.4 + 3 * tan %) (1 + 5 * tan %) (1 + 7 * tan %) (1.5 + 10 * tan %) EMCP (m) (0.3 + 0.1 * cot %) (3 + 0.4 * cot %) (5 + cot %) (7 + cot %) (10 + 1.5 * cot %)
Para la cartografa 1:50.000 de Costa Rica, los valores anteriores brindaran los siguientes errores permisibles: Cuadro 8: Errores permisibles para la cartografa 1:50.000 de Costa Rica, basado en Maling (1987) Pendiente % (grados) 2.5 5 10 20 30 40 45 Pendiente % (%) 4.4 875 176 364 577 839 100 Categora de pendiente Ligeramente ondulado(2-6%) Ondulado (6-15%) Fuertemente ondulado (15-30%) Escarpado (30-50%) Fuertemente Escarpado(50-75%) Montaoso (>75%) Montaoso (>75%) RCEMC Z (m) 1.94 237 326 514 727 989 1150 RCEMC P (m) 44.35 2714 1851 1412 1259 1179 1150
Jfallas@racsa.co.cr
34
A continuacin se brindan los estndares altimtricos en uso en Alemania, Suiza, Inglaterra, y los Estados Unidos para mapas con escalas entre 1:5.000 y 1:50.000 (Shearer,1990): Cuadro 9: Errores aceptables en la estimacin de valores de elevacin (REMC Z) en Europa y los Estados Unidos de Amrica. Normas para cartografa analgica. Escala 1:5000 1:10000 1:10000 1:25000 1:25000 1:25000 1:50000 1:50000 %: Pendiente en grados Pas Alemania Suiza Inglaterra Alemania Suiza Inglaterra Suiza USA REMC Z (m) (0.4 + 5 * tan %) (1 + 3 * tan %) ((1.8)2 + (3)2 * tan %) 0.5 (0.5 + 5 * tan %) (1 + 7 * tan %) ((1.8)2 + (7.8)2 * tan %) 0.5 (1.5 +10 * tan %) (1.8 + 15 * tan %) Para % = 30 (57.7%) 3.29 m 2.73 m 2.49 m 3.39 m 5.04 m 4.85 m 7.27 m 10.46 m
En general, los valores anteriores coinciden con la norma utilizada en la cartografa de los Estados Unidos de Amrica, la cual indica que un 90% de los puntos muestreados debe tener un error inferior a media curva ( Maling, 1989). Para la cartografa 1:50.000 de Costa Rica con curvas de nivel cada 20 metros y auxiliares cada 5 metros (en lugares planos) dicha norma corresponde a 10 y 5 metros, respectivamente. Para la cartografa 1:200.000 con curvas de nivel cada 100m, el error aceptable sera 50m. A partir de la norma anterior y considerando que toda curva de nivel tiene un error planimtrico y otro altimtrico (Fig. 19) se puede utilizar la siguiente ecuacin para determinar el error esperado en elevacin para la cartografa 1:200.000 (Maling, 1989):
Z = 0.5 IC + 0.5mm* tan %

en donde: % : representa la gradiente de la pendiente en grados. IC: intervalo de la curva de nivel
(17 )
Jfallas@racsa.co.cr
35
0.5mm: Este valor corresponde a la norma utilizada en los Estados Unidos de Amrica para evaluar la exactitud planimtrica de los mapas con escalas inferiores a 1:24.000. Dicha norma establece que 90% de los puntos muestreados deben encontrarse a no mas de 0.5mm de su posicin verdadera.
Fig. 19: Desplazamiento esperado en el valor de elevacin como consecuencia del desplazamiento en planimetra. A y B: curvas de nivel. M: error aceptable en elevacin (0.5IC). EPp: error total considerando el error en planimetra. El cuadro 10 ilustra la aplicacin de la ecuacin 7 a la cartografa 1:200.000 de Costa Rica. El error mximo esperado en elevacin para la cartografa a escala 1:200.000 es igual al 1.5 veces el intervalo entre curvas de nivel, lo cual excede el estndar utilizado en los Estados Unidos de Amrica para evaluar la exactitud en altimetra de la cartografa con escalas inferiores 1:24.000. Dicha norma establece que ningn punto de muestreo debe exceder el valor de una curva de nivel.
Jfallas@racsa.co.cr
36
Cuadro 10: Errores esperados para la cartografa 1:200.000 de Costa Rica con curvas de nivel cada 100m, basado en Maling (1989). Pendiente (grados) 2.5 5 10 20 30 40 45 Pendiente (%) 4.4 875 176 364 577 839 100 Categora de pendiente Ligeramente ondulado (2-6%) Ondulado (6-15%) Fuertemente ondulado (15-30%) Escarpado (30-50%) Fuertemente Escarpado (50-75%) Montaoso (>75%) Montaoso (>75%) RCEMC Z (m) 54.4 58.8 67.6 86.4 107.7 133.9 150
Estndares para modelos digitales de elevacin Los estndares propuestos para la cartografa analgica (Ej. ecuaciones de Kopp y Normas de la Agencia Cartogrfica de los Estados Unidos de Amrica) se basan en la gradiente de la topografa y la escala del producto cartogrfico. En los modelos digitales de elevacin no existe la escala como tal y por tanto se consideran independientes de la misma; sin embargo para los archivos raster puede utilizarse la separacin entre los nodos de la cuadrcula como un equivalente de la escala. Ley (1986) citado por Shearer (1990), sugiere utilizar la siguiente equivalencia entre escala y tamao de la celda: Separacin entre nodos 30 m 100 m Equivalente a escala 1:50.000 1:250.000 Error planimtrico (RCEMC) 90% de los errores +25 m 90% de los errores +125 m
Utilizando esta equivalencia puede establecerse la exactitud de un MDE a partir de las normas utilizadas para la cartografa convencional. Un Modelo Digital del Terreno (DEM, por su siglas en ingls) en los Estados Unidos de Amrica es un archivo digital con puntos equidistantes en sentido norte-sur (X,Y) y con un valor de elevacin en el eje Z (Maune, 1994). A partir de los mapas 1:24.000 se trazan perfiles en sentido Norte-Sur con una separacin de 30 m entre s. Cada perfil a su vez contiene puntos con una separacin de 30m; por cuanto el producto final es una matriz regular de 30*30m. Para los mapas 1:250.000, la separacin entre los perfiles y los puntos est basado en coordenadas geogrficas (latitud, longitud). La separacin entre perfiles y puntos es de 3 segundos de arco, lo cual corresponde a aproximadamente 90m en el sentido norte-sur y a una distancia variable en el sentido este-oeste. Esta ltima distancia depende de la ubicacin del lugar ya que los meridianos convergen conforme aumenta la latitud. A continuacin se describen las especificaciones de los MDT
Jfallas@racsa.co.cr
37
de nivel I, II y III utilizados en los Estados Unidos de Amrica (Brown, 1994; Maune, 1994;Veregin, 1997). En todos los casos el error es calculado a partir de una muestra de al menos 28 puntos. Nivel I: Los valores de elevacin son estimados a partir de mtodos fotogramtricos. El MDT debe tener un error mximo (RCEMC z) de 15m y ningn error puede exceder 50M (aproximadamente 3 veces la RCEMC). Este MDT cumple con los requisitos para elaborar ortofotos a escala 1:12.000. Nivel II: EL MDT es creado a partir de curvas de nivel y el error (RCEMC z) permisible es 0.5 veces el intervalo entre curvas de nivel del mapa fuente; adems ningn error puede superar el intervalo de una curva de nivel. Las especificaciones de este nivel estn diseadas para que el usuario obtenga resultados similares a los que obtendra con mtodos manuales y utilizando mapas impresos a la misma escala. Nivel III Este MDT es derivado de curvas de nivel y otra informacin auxiliar. El error permisible en elevacin (RCEMC Z) es de 7 m y ningn error puede superar el intervalo de una curva de nivel. Debido a que los estndares anteriores estn basados en normas para cartografa analgica, el Comit Federal para Datos Geogrficos de los Estados Unidos de Amrica aprob en junio de 1998 los Estndares Nacionales de Exactitud para Datos Espaciales (NSSDA, por su siglas en ingls) (http://mcmcweb.er.usgs.gov/sdts/, http://www.fgdc.gov/standards/status/sub1_3.html). Dichos estndares definen la metodologa y los estadsticos a utilizar para evaluar la exactitud tanto de mapas digitales como analgicos. Estos nuevos estndares recomiendan calcular un intervalo de confianza al 95% para el error (1.96*RCEMC z). A los interesados en hojas electrnicas diseadas para implementar dicho estndar se les remite al subdirectorio NSSD del CD que acompaa al presente documento. Errores para un MDE derivado de elevaciones obtenidos por mtodos fotogramtricos A continuacin se brinda un resumen de los resultados reportados por Torlegard et. al. (1987) y citados por Shearer (1990). El estudio consisti en la obtencin de mediciones de elevacin a partir de fotos con escalas entre 1:1000 y 1:30.000 para 6 sitios con diferentes condiciones de terreno por parte de 15 instituciones independientes y su posterior uso para derivar el MDE. Finalmente, cada institucin seleccion 2500 puntos de control para los cuales obtuvo su valor de elevacin. El error se estim como la diferencia entre dichos valores y los derivados por mtodos fotogramtricos con especificaciones de exactitud en el orden de 0.3% a 0.7% por cada 1000 metros de altura de vuelo (esto se hizo para normalizar los errores y por lo tanto poder compararlos).
T Los resultados menos satisfactorios se obtuvieron tanto para reas ubicadas en terreno empinado y
con montaas escabrosas (Ej.configuracin de terreno en Monte Verde de Puntarenas); como en
Jfallas@racsa.co.cr
38
reas planas y con cobertura de bosques. En ambos casos los MDE no cumplieron con las normas establecidas por el estudio.
T El error estndar en el MDE obtenido por tcnicas fotogramtricas se encontraba entre 0.2% y
0.4% de la altura de vuelo. Esto representa una exactitud entre 0.2 a 0.4m para alturas de vuelo de 1000m y 3.0 a 6.0m para alturas de vuelo de 15000m.
T En reas muy empinadas la exactitud alcanz entre 1.0% y 2.0% de la altura de vuelo; lo que
representa un error desde 1.0 a 2.0m hasta 15.0 a 30.0m, respectivamente.
T Los errores mximos pueden ser desde 4 hasta 8 veces el valor del error estndar. T La exactitud media del MDE se incrementa al aumentar el nmero de puntos de muestreo. T Valores estticos de elevacin (elevaciones de puntos fijos) brindan mejores resultados que perfiles
o curvas de nivel. Esto se debe posiblemente a que los puntos poseen un menor error tanto en planimetra como en altimetra.
INSUMOS PARA ELABORAR UN MDE En general, los insumos para elaborar un MDE pueden obtenerse a travs de levantamientos de campo, mtodos fotogramtricos y digitando elevaciones a partir de hojas topogrficas. El trabajo de campo es el mtodo mas costoso pero tambin el que genera los datos de mejor calidad. Las hojas topogrficas, son la fuente de menor costo, pero tambin las de menor calidad. El levantamiento de campo es factible para reas pequeas y que requieran de gran exactitud. Acherman (1978) reporta que se requiri de 13 das para levantar 6000 puntos de campo en tanto que en 5.5 horas se levantaron 8500 puntos por medios fotogramtricos. La exactitud de ambos mtodos no es la misma (0.25m y 0.4m, respectivamente); sin embargo en ambos casos se puede elaborar cartografa con curvas de nivel de 1m; lo cual es apropiado para un sinnmero de aplicaciones. Cuando se utilicen medios fotogramtricos deben considerarse los siguientes aspectos (Shearer, 1990):
T T T T
Escala de la foto y altura de vuelo Razn de base-elevacin Exactitud del equipo utilizado Mtodo utilizado para levantar los datos < Esttico o puntual: Este mtodo brinda mayor exactitud < Dinmico, perfiles o curvas de nivel: Este mtodo brinda una exactitud de aproximadamente 1/3 del anterior.
Jfallas@racsa.co.cr
39
En el caso de las hojas topogrficas, la exactitud depender de la escala del mapa y del intervalo entre curvas de nivel. Otro aspecto que influir en el producto es el mtodo utilizado para digitar las curvas. Los mtodos manuales (mesa digitalizadora) pueden incluir un error planimtrico de 0.5mm, en tanto que los mtodos semiautomticos (uso de escner) pueden generar errores menores. Sin embargo, en todo caso esta fuente de datos es el que genera los MDE de menor exactitud. Densidad y distribucin de los datos La densidad y distribucin de los insumos influyen en la exactitud del modelo de elevacin digital. Una distribucin regular y densa de puntos (Ej. cuadrcula) el uso de perfiles paralelos brindan una excelente cobertura del rea y por lo tanto generan MDE realistas. Sin embargo, cuando el terreno es muy escarpado y con inflexiones frecuentes se tiende a perder los detalles menores del paisaje (Ej. acantilados, cimas de la montaa, crcavas y pequeas caadas). Una solucin a esta limitante es complementar los datos anteriores con puntos particulares o lneas que indiquen inflexiones en el terreno. Los mapas de curvas de nivel son una fuente aceptable de datos para crear MDE; sin embargo la densidad de los datos estar directamente relacionada con la pendiente del terreno. Sitios con fuerte pendiente tendrn una mayor cantidad de puntos comparados con sitios ubicados en reas planas. En este caso tambin es aconsejable suplementar la informacin de curvas de nivel con valores puntuales y lneas que indican cambios bruscos en el terreno.
Esquemas de muestreo El modelo digital de elevacin puede elaborarse a partir de una variedad de insumos, entre los que tenemos (Weibel y Heller, 1991): < Perfiles < Puntos equidistantes (cuadrcula) Muestreo selectivo: Lneas que indican cambios bruscos en el terreno < Curvas de nivel < Puntos aleatorios con elevaciones conocidas < Muestreo progresivo: Lo intensidad de muestreo est en funcin de la complejidad del terreno; se muestrea con un patrn jerrquico. < Muestreo compuesto: combinacin de muestreo selectivo y muestreo progresivo.
Jfallas@racsa.co.cr
40
Perfiles
Cuadriculado
Muestreo progresivo
Muestreo compuesto A continuacin se resumen los resultados reportados por Ebner y Reiss (1984) en cuanto a la eficiencia de las diferentes estrategias de muestreo.
Jfallas@racsa.co.cr
41
Cuadro 11: Eficiencia de diferentes estrategias de muestreo utilizadas para recabar datos para elaborar un MDE. Fuente: Ebner y Reiss,1984. Tipo de insumo Cuadrcula con una separacin entre nodos de 10m Perfiles con una separacin original de 10m Exactitud del insumo 0.25m Resultados El MDE elaborado a partir de la cuadrcula brind los mejores resultados (menor RCEMC z). La raz cuadrada del error medio cuadrtico (RCEMC Z) vari entre 0.47m para perfiles con una separacin de 20m y 0.52m para perfiles con una separacin de 60m. El tamao de celda utilizado fue 20m. El RCEMC Z para celdas con tamaos entre 20m y 60m vari entre 0.47m y 0.61m, respectivamente. La raz cuadrada del error medio cuadrtico (RCEMC Z) vari entre 0.51m para celdas de 20m y 0.57m para celdas de 60m.
0.5m
Curvas de nivel cada 2.5m
0.5m
Las implicaciones prcticas de estos resultados son las siguientes:
T T
Las cuadrculas con un espaciamiento regular proveen un mejor insumo para elaborar modelos digitales del terreno que los perfiles. Las cuadrculas con un espaciamiento de hasta 60m entre nodos provee una mejor fuente de datos para elaborar MDE que perfiles o curvas de nivel con una densidad equivalente. Esto es muy importante pues reduce el tiempo y dinero requerido para levantar puntos en el campo o en las fotos areas.
Grassie (1982) citado por Shearer (1990) compar la exactitud de los MDE generados con diferentes programas comerciales utilizados en cartografa general o temtica. Los insumos consistieron en aproximadamente 300 puntos para los siguientes tipos de datos:
< < <
Puntos de muestreo sobre curvas de nivel Puntos sobre lneas que indican cambios bruscos en el terreno Puntos sobre ros
Jfallas@racsa.co.cr
42
< <
Puntos en una cuadrcula con nodos cada 85m Puntos de elevacin conocida distribuidos en forma irregular
Los resultados se compararon con puntos de control derivados fotogramtricamente de una grilla con una separacin de 30m y de curvas de nivel con un intervalo entre curvas de 10m. Las conclusiones fueron las siguientes:
T Todos los programas presentaron problemas en diferentes reas y en general no capturaron las
irregularidades menores del paisaje obtenidas a partir de las curvas de nivel utilizadas como control.
T Los mtodos que derivan valores para la cuadrcula basados en puntos al azar mostraron variaciones
muy marcadas en la calidad del producto generado; seguidos por los mtodos basados en curvas de nivel.
T Los mtodos globales de interpolacin mostraron los mayores errores seguidos por los mtodos
locales y sus resultados son comparables con los mtodos basados en una bsqueda de puntos.
T Los mtodos basados en la bsqueda de puntos alrededor de cada nodo de la cuadrcula tienden a
generar curvas de nivel angulares en reas planas o de poca elevacin. Esto se debe a que el mtodo selecciona puntos con igual valor de elevacin alrededor de cada punto de la cuadrcula y por lo tanto los nodos de la cuadrcula tienden a tener el mismo valor que las curvas de nivel.
T La distribucin espacial de los puntos de elevacin es crtica para lograr una adecuada
representacin del paisaje en el MDE. Los mtodos basados en una cuadrcula regular mostraron mejores resultados que los basados en una distribucin irregular.
T El error medio cuadrtico menor se obtuvo con los puntos distribuidos regularmente (3.31m a
6.54m), seguido por las curvas de nivel (3.49m a 6.27m) y finalmente por los puntos distribuidos en forma irregular (4.09m a 6.80m). Curvas de nivel en mapas 1:50.000 Lowthian (1986) citado por Shearer (1990) evalu la exactitud de modelos digitales del terreno elaborados a partir de curvas de nivel con un intervalo de 10 m, impresas en mapas a escala 1:50000 y digitadas manualmente. Los resultados se compararon con los valores de elevacin derivados para 2500 puntos derivados por mtodos fotogramtricos. Los resultados obtenidos fueron los siguientes: Error Absoluto Medio +6.75m Error Promedio -2.21m Error estndar (RCEMC) 6.44m
Jfallas@racsa.co.cr
43
La diferencia en el promedio (indicador de error sistemtico) puede explicarse en parte, segn Shearer (1990), por diferencias en el sistema de referencia utilizado para generar los puntos de control y datos utilizados para crear el MDE. El error obtenido es aceptable para crear cartografa a escala 1:50.000. Observe, sin embargo que el intervalo entre curvas de nivel era de 10m y por lo tanto podra argumentarse que el error no debera exceder 5m (media curva). SELECCIN DEL MEJOR MTODOS PARA CREAR UN MDE El modelo digital de elevacin puede crearse utilizando una estructura de datos raster una vectorial (TIN). Los mtodos basados en una bsqueda selectiva de puntos brindan mejores resultados que los mtodos globales o locales (Shearer, 1990). Sin embargo, no es posible afirmar en forma categrica que siempre un mtodo dar mejores resultados que otro. Por esta razn el usuario de un determinado programa de software debe evaluar los resultados de su modelo, documentar el grado de error y decidir s la calidad del mismo es apropiada para sus necesidades. Para algunos investigadores el mtodo de interpolacin basado en el modelo TIN es superior al raster; sin embargo esto no puede tomarse como una afirmacin absoluta (Carrara, Bitelliy y Carla, 1997; Carvacho y Snchez, 1997). EDICIN Y DEPURACIN DEL MDE Una vez creado el modelo digital de elevacin es necesario depurarlo para eliminar las inconsistencias generadas en el proceso de interpolacin. Entre las operaciones que pueden aplicarse a un MDE tenemos (Weibel y Heller, 1991): 1. Edicin: Esta operacin puede realizarse tanto a nivel vectorial (TIN) como raster y consiste en modificar valores para puntos o celdas particulares. El SIG provee las herramientas para realizar dichas operaciones. 2. Filtrado: Esta operacin se aplica a un modelo de datos raster y tiene como objetivo eliminar valores inconsistentes en el MDE (Fig.20 ). Normalmente, se utiliza una filtro promedio en el dominio espacial (ventana mvil). Esta operacin tambin puede utilizarse para reducir la resolucin del MDE y por ende reducir el tamao del archivo. 3. Creacin de mosaicos: Con frecuencia los MDE son creados para espacios geogrficos definidos (Ej. una hoja 1:50.000) y por tanto es necesario su posterior fusin en unidades mayores denominadas mosaicos. La fusin de mapas puede hacerse tanto con archivos en formato raster como vectorial.
Jfallas@racsa.co.cr
44
Fig.20 : Proceso de eliminar sumideros y picos ficticios en el MDE. 4. Cambio de formato: El MDE puede crearse como un archivo vectorial (TIN) o como uno raster; sin embargo con frecuencia es necesario pasar de un formato al otro. Esta transformacin es realizada por el SIG mediante diferentes mtodos de interpolacin. Es frecuente, por ejemplo, crear un modelo raster a partir de un TIN o crear isolneas (curvas de igual valor) a partir de un modelo raster. 5. Clasificacin y manipulacin: Las operaciones de clasificacin y manipulacin del MDE son parte de las herramientas que provee un Sistemas de Informacin Geogrfica. Por ejemplo, el MDE puede clasificarse en categoras de elevacin; tambin es posible crear elementos en 3D y derivar pendiente, orientacin y aspecto del terreno.
APLICACIONES Por muchos aos, las aplicaciones en el rea de los Sistemas de Informacin Geogrfica se restringieron a un mundo en dos dimensiones. La dimensin vertical (Z), tpica de ambientes terrestres, ocenicos y antrpicos era representada mediante isolneas reas de igual elevacin o profundidad. Sin embargo, gracias a los avances en el rea del diseo grfico y en especial, en la capacidad de procesamiento del equipo de cmputo logrado en la dcada del 90, en la actualidad es posible visualizar y realizar anlisis en 2.5 dimensiones utilizando una computadora personal y software de bajo costo. Sin embargo, a pesar de dicho avance todava no es posible, para fines prcticos, representar visualmente una superficie en 3D. Los productos de un MDE son mltiples; sin embargo entre los principales tenemos: T Mapa de gradiente del terreno T Mapa de aspecto u orientacin del terreno T Mapa de curvatura/convexidad del terreno T Mapa de longitud de la pendiente T Perfiles longitudinales y transversales del terreno T Mapa de intervisibilidad T Perfil de visibilidad Entre las diversas aplicaciones de un MDE tenemos: Jfallas@racsa.oc.cr
45
T T T T T T T T T T T T T
Estimacin de reas y volumen de relleno y excavacin Visualizacin en perspectiva (2.5D) Creacin de isolneas Delimitacin de cuencas hidrogrficas y de cauces Anlisis hidrolgico superficial Elaboracin de perfiles del terreno Determinacin de la longitud del flujo superficial Ortorectificacin de fotos areas e imgenes satelitales Anlisis de inestabilidad de laderas Curva hipsomtrica/integral hipsomtrica Anlisis de relieve local Anlisis topolgico de cauces: orden, magnitud Iluminacin o sombreado del terreno
Pendiente del terreno La pendiente representa el cambio en elevacin (H) con respecto al cambio en distancia (D), y puede expresarse tanto en grados como en porcentaje. A partir de un MDE el usuario puede determinar la pendiente mxima del terreno como se ilustra en la figura 21.
Fig.21 : Concepto de pendiente mxima.
Jfallas@racsa.oc.cr
46
Aspecto u orientacin de la pendiente A partir del mapa de pendiente mxima se puede determinar la orientacin de la pendiente (Fig. 22). El resultado se expresa en grados (0-3600 ) y en el sentido que giran las agujas del reloj; el norte corresponde a 0/; 90.0/ corresponde al este, 180.0/ al sur y 270.0/ al oeste. A las reas planas se les asigna el valor -1.
Fig. 22: Concepto de pendiente o gradiente y aspecto u orientacin de la pendiente. Iluminacin/sombreado del terreno A partir de un MDE es posible crear un mapa de iluminacin relativa del terreno. Este mapa se utiliza con fines de visualizacin; ya que no posee unidades con sentido fsico. El mtodo de sombreado del terreno fue desarrollado inicialmente por especialistas de las escuelas de cartografa de Suiza y Austria basados en los conceptos de claro-oscuro utilizados por los pintores del Renacimiento para crear objetos en tres dimensiones a partir de iluminacin y sombreados en sus pinturas (Burrough, 1986). El sombreado del terreno creado a partir de un MDE muestra cmo lucira el terreno si estuviese formado por un material ideal y fuese iluminado desde un ngulo particular (Fig. 23). Normalmente, el ngulo de la fuente de luz se establece a 450 sobre el horizonte en el sentido noroeste (315/) como se muestra en la figura 23. Sin embargo, el usuario puede modificar dicho valor en la mayora de los programas que permiten crear un mapa de sombreado del terreno. Algunos autores consideran que el modelo TIN brinda una representacin menos realista del terreno; aunque desde luego esto depender de la densidad de puntos utilizados para crearlo. En el caso de los modelos raster (celdas equidistantes) el mapa de sombreado tiene una apariencia ms suavizada y por lo tanto crea una mejor impresin visual en el observador (ver fig. 24).
Jfallas@racsa.oc.cr
47
Actualmente se cuenta con una gran cantidad de programas que permiten crear mapas de sombreado del terreno; sin embargo, el primer programa de cmputo para elaborar dichos mapas fue elaborado por Dennis White del Laboratorio de Grficos Asistidos por Computadoras de la Universidad de Harvard, USA y se llam Imago Mundi (Burrough,1986). Los mapas poli cromticos permiten apreciar mejor las caractersticas del paisaje que aquellos creados en tonos de grises.
Fig. 23: Efecto de la iluminacin (ngulo de elevacin y direccin) sobre el sombreado del terreno.
Fig. 24: Isla Chira, sombreado del terreno. Software: IDRISI V2.O. Delimitacin de cuencas hidrogrficas Esta funcin permite delimitar cuencas hidrogrficas (Fig. 25) a partir de un mapa de orientacin de la pendiente y un mapa de la red de drenaje. El usuario puede definir el ngulo de bsqueda (equivalente al radio de visibilidad); con frecuencia se utiliza por omisin el valor 900. Este ngulo define las celdas que aportarn agua a otra celda en el sentido de la pendiente. El mtodo es susceptible al efecto de los mnimos y mximos locales y por lo tanto el MDE debe filtrarse antes de utilizar esta funcin.
Jfallas@racsa.oc.cr
48
Fig. 25: Delimitacin de una cuenca hidrogrfica en un MDE. Perfiles El perfil es una representacin grfica de las coordenadas X,Y,Z de un elemento lineal en un sistema de coordenadas cartesianas (Fig. 26). El usuario debe trazar o indicar la ubicacin del transecto o lnea que define la ubicacin del perfil. Si se desea, los datos pueden guardarse como un archivo ASCII para su posterior uso en cualquier otro programa de diseo grfico. Tambin es posible exporta el grfico como un meta archivo de Windows (*.wmf).
Exageracin Vertical 14 X
Elevacin (Metros)
50
100
150
200
1000
2000
3000
4000
5000
Distancia (Metros)
X,Y Distancia a lo largo del perfil
Fig. 26: Perfil longitudinal. Isla Chira. Jfallas@racsa.oc.cr
49
Anlisis de Inter visibilidad El anlisis de intervisibilidad permite determinar, a partir del MDE y de un segundo mapa que muestre puntos/lneas de observacin todos aquellos sitios visibles desde dichos puntos/lneas. La figura 24 ilustra la terminologa utilizada en el anlisis de inter visibilidad. Los diferentes programas de software disponibles en el mercado ofrecen opciones para definir los parmetros que se muestran en la figura 27 y generar un producto como el que se muestra en la figura 28. El usuario puede utilizar la funcin de sobre posicin de mapas para crear superficies que reflejen las obstrucciones reales del terreno (Ej. elevacin del terreno+altura de Fig. 27: Definicin de trminos utilizados en el anlisis de inter visibilidad. arboles+altura de edificios).
Fig.28: reas visibles. Software Spatial Analyst, ArcView.
Jfallas@racsa.oc.cr
50
Lnea de visibilidad Esta funcin permite determinar la lnea de visibilidad de un observador ubicado en un determinado punto o lnea. Si el rea de inters no es visible el programa le proveer la ubicacin de la primera obstruccin. El producto es un perfil del terreno que indica tanto la seccin visible como la no visible como se muestra en la figura 29.
Fig. 29: Perfil de visibilidad. Software: Spatial Analyst, ArcView. Visualizacinen perspectiva o tridimensional La visualizacin de un MDE puede realizarse tanto en forma esttica (Ej. mapa impreso) como de manera interactiva (Ej. monitor). En ambos casos, el objetivo del anlisis visual es permitirle al usuario(a) explorar el modelo para formular o re formular sus hiptesis o mtodos de estudio. La utilidad de los productos visuales depender de la naturaleza de los datos y del equipo-software utilizado por el investigador (a). A continuacin se describen tres formas de visualizar un MDE (Raper y Kelk, 1991). Visualizacin en 2D La visualizacin en 2D se logra a travs de un grfico o imagen raster en la cual el valor Z es proyectado en un plano de 2D, el cual permite visualizar elementos con dimensiones 0-D, 1-D y 2D (Ej. isolneas, ver fig. 30). Dado que la variable Z es continua en una escala de medicin de razn, para representarla es necesario agrupar los datos en categoras y visualizar los lmites de las clases. Esta tcnica no permite representar valores mltiples de Z para una misma ubicacin X,Y (Ej. contenido de hierro a diferentes profundidades).
Jfallas@racsa.oc.cr
51
Simbologa
Curvas de nivel cada 20m
N i a r gu a c a
M ar C ar i e b
Panam O cen oP ac i o fc
50
0 5
Ki m et r o l es
3000
3000 Meters
Fig. 30: Curvas de nivel para la isla Chira. Golfo de Nicoya, Costa Rica. Fuente: IGNCR,1989.
Visualizacin en 2.5D La visualizacin en 2.5D es un modelo de proyeccin isomtrico en el cual los valores de Z asociados con cada par de coordenadas X,Y son proyectados y visualizados simultneamente en un sistema de coordenadas con tres dimensiones (X,Y,Z) (Ej. modelo de lneas isomtricas). Esto crea la percepcin de profundidad y relieve en la mente humana (fig. 31). Sin embargo, la vista solo brinda informacin sobre la superficie graficada y no es una representacin verdadera del volumen representado. En otras palabras, aun cuando se percibe la vista con un eje Z, la misma est limitada por la representacin en 2D. Desde un punto de vista prctico, esta funcin permite visualizar el MDE, ya sea solo o como una sobrepuesta de un mapa de atributos (Ej. uso/cobertura de la tierra, imagen de satlite, etc.)(fig. 32). El usuario define la resolucin de la imagen, el ngulo de visin y la orientacin de la panormica; as como el factor de exageracin vertical. Utilizando esta tcnica de visualizacin es posible crear escenas de gran realismo como la que se muestra en la figura 33.
Jfallas@racsa.oc.cr
52
Fig. 31: Vista en perspectiva de una porcin del mapa de la isla Chira. Software: IDRISI V2.0.
Volcn Pos
Alajuela
Fig. 32: Vista en perspectiva de una imagen SPOT sobrepuesta a un MDE. Software: 3D Analyst de ArcView.
Jfallas@racsa.oc.cr
53
Fig. 33: Creacin de realidad virtual en perspectiva. Visualizacin en 3D La visualizacin en 3D es la representacin digital de un slido en la cual mltiples valores de X,Y,Z son estructurados para formar dicho slido y de esta forma poder visualizarlo como una tres dimensiones. Esta estructura de datos permite la presencia de mltiples valores de Z para un mismo valor de X,Y y por lo tanto es una representacin fiel del espacio fsico que percibe el ser humano. Animacin La animacin permite definir lneas de vuelo y simular vistas en 3D a partir de un MDE. Estas vistas pueden utilizarse para crear un video digital compatible con los visualizadores de video para Windows (Ej. *.avi, Quick Time Movie y Active Movie, etc.). Creacin de orto imgenes Las ortoimgenes son creadas a partir de un proceso digital conocido como rectificacin diferencial el cual permite eliminar las distorsiones geomtricas causadas por el relieve y la inclinacin de la cmara area. Una ortofoto es una imagen del terreno, en la cual la proyeccin central de la foto ha sido transformada a una proyeccin ortogonal. Estas fotos tienen una calidad geomtrica equivalente a la de un mapa topogrfico. Clculo de rea y volumen Cuando se utiliza un MDE el rea ser medida considerando el factor elevacin o altura y por lo tanto su valor ser mayor que el equivalente para una superficie plana. La funcin volumen determina el espacio entre un TIN y un plano horizontal definido por el usuario. El programa puede determinar el volumen sobre o bajo el plano de referencia. Algunas aplicaciones prcticas de esta funcin son determinar el volumen de suelo a excavar durante el proceso de nivelacin de explotacin en minera a cielo abierto y cuantificar volumen de agua en un embalse. Jfallas@racsa.oc.cr
54
Determinacin de relleno y excavacin Esta funcin permite determinar, para dos superficies, la cantidad de material a ser removido depositado. La operacin se realiza en el dominio raster y por lo tanto cuando se utiliza un TIN el programa deber rasterizarlo primero para luego realizar la operacin. Creacin de isolneas El programa es capaz de trazar isolneas (Ej. curvas de nivel, isotermas, etc.) a partir de archivos en formato de raster o TIN. En el primer caso, el software interpola los valores entre celdas y de esta manera genera un mapa con curvas suavizadas y ms cercanas a la realidad; ya que en muy pocas ocasiones las lneas pasarn por el centro de las celdas. Cuando las isolneas se elaboran a partir del modelo TIN, el programa interpola las lineas a travs de la red de tringulos irregulares. La ubicacin de la lnea en el borde de cada tringulo es determinada mediante interpolacin lineal. Creacin de elementos en 3D Esta funcin permite crear elementos (puntos, lneas o polgonos) con un componente de elevacin o altura. El usuario puede visualizar estas formas (shapes) en una vista en 3D. Anlisis de escorrenta superficial Esta funcin permite evaluar los patrones de escorrenta superficial derivados a partir del MDE. El programa determina primero las rutas de mxima pendiente en el MDE. El producto es una serie de lneas que terminan al encontrar el borde del MDE o un mnimo local (caada, fondo de valle). Estas lneas representan el sistema hidrogrfico de la cuenca. A partir de estos datos usted puede determinar la longitud de flujo superficial y asignar ordenes y magnitudes a la cauces. La figura de la derecha ilustra las posibles rutas que podra tomar el agua de la celda central. Exportacin de vistas en 3D El funcin le permite al usuario(a) guardar las composiciones en 3D como un archivo JPEG o exportar la vista como un archivo VRML (Virtual Reality Modeling Languaje). El formato VRML puede ser ledo por los programas Netscape o Explorer y por lo tanto es un medio fcil de publicar electrnicamente sus composiciones cartogrficas en tres dimensiones.
Jfallas@racsa.oc.cr
55
EVALUACIN DE LOS MTODOS DE INTERPOLACIN Las fuentes ms comunes de datos para derivar un MDE son levantamientos topogrficos, datos obtenidos por mtodos foto gramtricos y curvas/puntos obtenidos de mapas topogrficos. Dado que el pas cuenta con cartografa 1:50.000 y 1:200.000, se eligieron curvas de nivel a dichas escalas para evaluar la exactitud de los mtodos de interpolacin provedos por los programas Surfer (Golden Software, 1999); IDRISI para Windows V2.0 (Eastman, 1997) y las extensiones Spatial Analyst V1.1 (ESRI, 1998) y 3D Analyst V1.0a (ESRI, 1997) de ArcView GIS V3.2. Programa IDRISI 3D Analyst para ArcView Spatial Analyst para ArcView Surfer Mtodo de interpolacin evaluado Intercon (raster) Interpolacin mediante tringulos irregulares (TIN) Curvatura mnima, Kriging, distancia inversa ponderada. Kriging, distancia inversa ponderada, curvatura mnima, Shepard, Vecino ms cercano, funciones radiales, tringulos irregulares (TIN).
En la presente seccin usted encontrar una descripcin de la metodologa utilizada en el estudio; as como una breve resea de los mtodos de interpolacin que provee cada uno de los programas utilizados. Al evaluar los resultados, el lector debe estar consciente de que los mismos no implican una evaluacin exhaustiva de las bondades/exactitud de cada uno de los interpoladores y/o programas utilizados y que por tanto los mismos no tienen una aplicacin universal. Objetivo El objetivo de la presente seccin es comparar los modelos digitales de elevacin creados por diferentes programas y mtodos de interpolacin y responder a las siguientes preguntas:
< < < < <
Cul es el exactitud de los diferentes mtodos de interpolacin? Cul es el efecto de aplicar filtros sucesivos en la exactitud del MDE? Cul es efecto de la resolucin de la celda en la exactitud del MDE? Cul es el efecto de filtrar los valores de pendientes derivados a partir del MDE? Cmo se compara la pendiente derivada por mtodos manuales con respecto a la pendiente derivada por mtodos digitales?
Sitios de estudio El estudio se realiz con datos a escalas 1:50.000 y 1:200.000. Para el primer caso se eligi a la isla Chira, ubicada en el Golfo de Nicoya, Costa Rica (Ver fig. 34 y 35) y para el segundo la seccin sur de las faldas del Volcn Pos, cordillera Volcnica Central, Costa Rica (Ver fig. 34 y 36). Como un producto adicional se incluye un modelo digital de elevacin para Costa Rica elaborado a partir de curvas de nivel con una separacin de 100 m y 7474 puntos con elevaciones auxiliares (ver anexo 1). jfallas@racsa.co.cr

Nicaragua
56
Mar Caribe
Oceno Pacfico Panam 50 0 50 Kilmeteros

N
Fig. 34: reas de estudio. 1. Isla Chira, Golfo de Nicoya. 2. Faldas del Volcn Pos, Cordillera Volcnica Central.
Simbologa
Curv as de niv el ca da 2 0m
Volcn Pos
Ubicacin del rea de estudio

N
Ni a r a g a c u
Ma r Ca r i e b
Oc e n o Pa c f c o i
Pa n a m
50
5 0 Ki o e t e s l m r
10 Kilometers
3000
3000 Meters
Fig. 35: Isla Chira. Golfo de Nicoya. Fuente Hoja Berrugate, IGNCR, 1989. Curvas de nivel cada 20m,
Fig. 36: Ubicacin de la segunda rea de estudio. Faldas del Volcn Pos, Costa Rica. Curvas de nivel cada 100m.
jfallas@racsa.co.cr
Modelos Digitales de Elevacin METODOLOGA ISLA CHIRA
57
1. Escaneo de mapa El primer paso consisti en escanear, a una resolucin de 300dpi (puntos por pulgada), el mapa de la isla Chira, Golfo de Nicoya, Costa Rica; Escala 1:50.000 (IGN,1989) (Fig. 37). Para esto se utiliz un escner Epson. Al lector interesado en cmo seleccionar la resolucin apropiada para escanear material cartogrfico o fotos areas se le remite a documento Escaneo, georeferenciacin y vectorizacin de material cartogrfico y fotos reas utilizando ArcView GIS (Fallas, 2001).
Fig. 37: Isla Chira, Costa Rica. Fuente: Instituto Geogrfico Nacional. Hoja 3146II, Berrugate. Edicin 3-INGCR. 1989. 2. Georeferenciacin Una vez escaneado el mapa se convirti de seudocolor(256 valores) a blanco y negro utilizando Corel Photo-Paint (WWW.corel.com). Posteriormente el mapa exportado en formato TIFF fue georeferenciado a la proyeccin Lambert Norte en Analista Espacial de ArcView utilizando la extensin Image Warp v2.0 (McVay, 1999). 2.1. Evaluacin de la exactitud planimtrica Para evaluar la exactitud del registro de la imagen se seleccionaron 65 puntos de posicin conocida (interseccin de cuadrcula en el mapa escaneado) y se compar el valor de X y Y de cada punto con su respectivo valor real. Para esto se utiliz el programa en Avenue AddXYCoordToFTab (www.esri.com). El error medio cuadrtico total fue de 11.9m; con un mximo de 30.5m y una
jfallas@racsa.co.cr
58
desviacin estndar de 8.9m (Cuadro 12). Estos datos indican que el intervalo de confianza al 95% para la estimacin del error medio de registro del mapa es de 9.74m a 11.06m. Cuadro 12: Estadsticos descriptivos para 62 puntos de muestreo utilizados para evaluar el error de georeferenciacin de la imagen de la isla Chira utilizada para vectorizar las curvas de nivel. Valores en metros. Estadstico N Error Medio Desviacin Estndar Error medio absoluto Desviacin Estndar Raz Error Medio cuadrtico Raz Error medio cuadrtico total Eje X (m) 65 -10.73 10 11.28 9.36 14.61 14.8 (S=8.9) Eje Y (m) 65 -0.82 2.26 1.86 1.52 2.39
El error planimtrico medio estimado para la imagen georeferenciada permite cumplir con el estndar sugerido por Maling (1989) para reas con una topografa escarpada (pendiente de hasta un 50%) (ver cuadro 8). Es importante hacer notar que los errores superiores a 11.8m se encuentran asociados al eje X y que se ubican en el extremo sur de la isla como puede apreciarse en las figura 38. Por esta razn, considero que las curvas de nivel digitadas de dicho archivo representan fielmente la informacin registrada en la hoja topogrfica escala 1:50.000 del IGN. Si comparamos los resultados con los estndares establecidos para mapas analgicos con escalas inferiores a 1:24000 de los Estados Unidos (Maling, 1989) tambin se cumple con la norma de que un mximo de un 10% de los puntos pueden tener un error superior a 25.08m.
jfallas@racsa.co.cr
59
Fig. 38: Error medio cuadrtico (m) asociado al registro del archivo escaneado y georeferenciado con ImageWarp. La barras representan error total, error en el eje X y error en el eje Y, respectivamente. Valores en metros. 3. Digitar curvas de nivel Las curvas de nivel fueron digitadas desde la pantalla del monitor utilizando la extensin Screen DigitizeV2.0 creada por Howie Sternberg (howard.sternbertg@po.state.ct.us) del Centro de Ambiente y Sistemas de Informacin Geogrfica del Departamento Ambiental del Estado de Connecticut, USA. En el anexo tres se incluye un tutorial que explica cmo utilizar dicha extensin. La figura 39 muestra cmo luce el archivo una vez que ha sido convertido de seudocolor a blanco y negro Corel Photo-Paint (WWW.corel.com). La figura 40 muestra las curvas de nivel trazadas sobre el archivo en blanco y negro georeferenciado. Una vez trazadas las curvas se etiquetaron utilizando el mdulo de tablas de ArcView GIS.
jfallas@racsa.co.cr
60
Fig. 39: Apariencia de la imagen a partir de la cual se digitaron la curvas de nivel.
Fig. 40: Curvas de nivel vectorizadas. El crculo ilustra una tolerancia de engarce automtico de 10m de dimetro.
4. Convertir curvas de nivel a puntos Una vez creadas las curvas de nivel se convirtieron a puntos (X,Y,Z) utilizando el programa en Avenue MakeElevation Pts de David Dow (1999) (www.esri.com). El archivo de puntos fue utilizado como insumo por los interpoladores distancia inversa ponderada, curvatura mnima y Kriging. La figura 41 muestra el archivo de puntos para el rea de estudio ubicada en las faldas del Volcn Pos. 5. Crear polgonos Una vez digitadas las curvas de nivel se utiliz el programa ConvertPolyLineToPolygon (www.esri.com) para crear un tema de polgonos correspondiente al rea entre cada curva de nivel. Este archivo fue importado posteriormente a IDRISI utilizando la opcin SHAPEIDR del comando de importar archivos. La figura 42 muestra un segmento del archivo de polgonos para la isla Chira.
jfallas@racsa.co.cr

# # # ## # # # # # # ## # # # # ## # # # # # # # # # # # # ### # # # # # # # # ## # ## # # # # ## # # # ## # ## ## # # # # # # ## ## # # ## # ### # # # # # # # # # # # # ## # # # # # # # ## # # ## ## ## # ## ## # # ## # # # ## # # # # # # # ## # # # # # ## # # # # # ## # # ## # # # # # ## # # # # ### # # # # # ## # # ### # # # # # ## # # # ## ## # # # # # ## # # ## ## # # ## # # # # # # ## # ## # # # ## # # # ### # # ### # ## ## # # # # ## ## # # # # # # # # # #### # # # # ## # # ## # ### # # ## ## # ## # ### ## # ## # # # # ## # # # # ## # # ## # # # ## # # # # # # ## ## # ## # # # # # # # # ## # # # # # # ## # ## # # ### # # # # ## # # # ## # # # # # # # # # # # # # ## # ## # # # ## # # # ## #### # # # # # # # ## # # ## # # # # ## # # # # ## # # # # # # # # # # # ## # ## # # # ## # # # # ## # # # ## # # ## # ## ## # # # # ## # # # # # # # ## # # ## # ### ### # # # # # # ## # # ### # # # # # ### # # # ## # ## # # # # # # ## ## # ## ## # # # # ### ## # # # # # ## # # # # # ### # # # # ## ## ## # ## # # # ## # # ## # # # ## ### # # # # ## # ## # # ## # ## # # # # ## ## # # # # # # # # # # ### # ## # # # # # # # # # # # # ### # # # ## ### # # # # # # #### # # # # # # ### # # # ## # ## # # ### # # # # # ## # # # # # ## # # # # # # # # # # # ## # # ## # # # # # # # ## # ## ## # # # ## # # # # # # # # # ## # # # # # # # # # # # # # # # # # ## # # # # # # # # # ## # ## # # # # ## # # # ### # ### # ## ## # # # # # # # ## # # ## ## # # # ## # ## # ## ## # # # ## ## # # # # # # #### ### # # # ## # # # ## ### # # # ## # # # # # # ## # # # ## # # # # ### # # # # ### # # # # # # # # # # ### ### # # # #### # # # # # # ## # # # ## ### # # # # # # ## # # # # # ## # # # ## # # # # # ## # # # # # # # ## # ### # ## # # # # # # # # # ## # # ## ## # # # # # ## # # # # # # # # # # # # # # # # ## # # # # # # # # # # ## # ## # # ## # # # # # ## # # # # ## # ## # # # # #### # # # # # # ### # # # # # # # # # # # # # # # # ## # # # # # # # # # # # # ## # # # ## ## # # # ### # # # # # # # # # ## # # ## # # # # # # # # # # ## # # # # # # ##### # # # ## # # ## # # # # # ## # ## ## ### ## # ## # ### # # # # # ## # # ## # # # # # # # ## # # # # # # # # # # # # ## # # # # # # # ## # ## # ## # # ## ##### # # # # # ## # # # # # # # ## # ## ## # # # # # ## ## # # # # # ## ## # #### # # # # ## # # # # # # # # ## # # ## # # # ## # # ## # # ## # # # # # # # # # ## # # # # ## # # # # # ### # # # # # # # # # # # ## # # # # # ## ## # # # ### # # # # # # # ## # # # # # # # # ## # # ## # ## # ### # # # # # ## # # ## # # ## # # # # # ### ## # ## # # # # ## # ## # # # ## # # ## # # # # # # ## # ## # # # ## # # # # ## ## # # # ## ## ## # # # # # ## # # # # # # ## # # # # # # # # ## ## ## ## # ## # # # # # # ## ## # ## ## # ### ## ## # # # # # # # # #### # # # # # ## # # # ## # # # ## # ## # ## # # # # # # # # # ## # # ## # # # # # # # # # # # # # # # # # # # ## # ## # # # # ## # ## # # # # # # # # # # # ## # # # # # # # # # ## # ## # # # # # ## # # # # # ## # ## # # ## # # # # # ## # ## # # # # # ## # # ## # # # ### ## # ## # # # ## # # # ## # # # ## # # # # ## ## # # # # ## ## # ## # # # # # # # ## ### # ## # # ## ## # ## # # ## ## # # # ### # # ## # # ### # # ## ## # # # # # # ## ## ## # # ## # # # ## # # # # # # ## # ## # ## # # # # # # # # # # # # ## ### # # # ## # ## ## # # ### # # # # ## # # ### # # ## ## # # ## ## # # # ### # # # # ## # ### # # ## # ## ## # # # ## # ## # # # ## ### # # ## ## # ## # # # ## # # # # ### ## # # # # # # ## # # # # ## # # # # # # # # # # # ## # # # # # # # # # # # # # ## # ## # ## # # # ## # # # # ## ## # # ## # # # # # # ### # # ## # # # # # # # # ## # # ## # # # # # ## ## # # ## # # # # # # # ## # # # # # ## # # # # # # # # ## # # # # ## # ## # ## # # # #### # # # # # # # # # # # ### # ## # # # # # # ## # ## # ## # # ## # ## # # # # # # # ## # # ## # # ## # # ## ## # # # # ## # # # # ## # # # ## ### # ### ## # # # # ## # # # ## # # ## # ### # # # # # # # ## # # # ## # # # # # # ### # # # # # # # # # # # # ## # # # ## # # # # ## # # ## # # ## # # # # # # ## # # ## # # # # # # # # # # ## ## # # # ## # # ## # # # # # # # # # # # # # # ## # # # # # # ## # # # # # ## # # ## # # # ## # # # # # ## # # # ## # # # ## # ## ## # # # # # # # # ## ## # # # ## # # # ## # # ## # # # # # # # ## # ## ## # # ## # ## # ## # ## # # # # # ##### ## # # # # # # # # ## # ## # ## # # # ## # # # # # # # # # ## # # # ## # # # # # # # ## # # # ### # ## ### # # ## # ## ## # # # # # # # # # # ## ## # # ## # # # # # # # # ## # ## # # # # # # # ### ## # # ## # ## # # #### # # ## # ## # # ### # # # ## # # # # # ## # # ## # ### # # # ## # # ## # ## # # # # # # ## # # ## ## # ## # # ## # # # # # # ## ## ### # # # # # # # ## # # # ## # # # # # # # ## # # # # # ## # ## ## # # # # ## ### ## ## ### ### # # # # ### # # # # ## ### # # # ## ## # ### # ## # # ## # # # # # ## # # # # # ## # ### # ## # # # # # # ## ## # # ## ## # ## ### # ## # # # # # ### # # # # # ## # # # # # # # # # ## ## ## # ## # # # # # # # # # ## # # # # ## ## # ## # ### ## # # # # # ## # ## # ## # # # # # # # ## ## # # # ## # # # # ## # # # # # # # # # # # # ## ## # # # ## # # #### # ## # ## ## # # # # # # # ## # # # # # # # ## # # # # # # # ## # # # # # ## ## # # # # # # # ## # # # # ## ## # # ### # # ### # # # ## # # # # # # # # ## ## # # # # # ### # # # ## ### # # # ## # ## ### # # # # # # # # # # ## # # ## # ## # # # # # ## # # # # # ### # # # ## # # # ## ## # # # # # ## # # # ### ## # # ## # # ## # # # # ## # ## # ## # # # # # # # # # # # # # # ## # # # # # # # # # ### # ## # # # ## # #### ### # # # # # # ## # # # # # ## # # ## # ## # ## # # # ## # ## # # ## ## # # # # # # # ## # # # ## # ## # ## # ## ## # ## # # # ## # # # # # ## # # ## # # # # # # ### # # ## # # # # # # # # # ## ## ## # # ## # # # # # # # ## ## # # # # ## # # # # ## # # # # ### # # # ## # # # # ## # # ## # # # ## # # # # ## # # # # # # ## # # ## # # # ## # # ## # # # # # # ## # # # # # ## ## # # ### # # # ## # # # # # # ## ## # ### # ## # # # # # ## # # # ## # # ## # # ## ## # # ## # # # # # # # # # # ## # # # ## # # # # # ### ## ## # # # ## # # # # ## # # # # ## # # ## # # ## # # # # # # # ## # # # ## # # # #### # ## # # ## # # # # # # ## ## # # ## ## # # # # ## # # # # ## # # # # # # # # ## # # # # ## # # # # # ## ## # # # # # # # ## ## ## # # # # # ## ## # # # # # # # # # # # # ## # # # # # # # # # # ## # ## # ## # ## # # ## # # ## # # # # # ## ## # # # # # ## # ## # # # ## ## # # ## # # # # # # ## # # ## # # ## ### # # # ## # # # # # ### # # # # # # # # # ### # # # # # # # # # ## # # # # # # # ## # # # ## # # # ## # # # # # # ## # # # # # # ## # ## ## # # # ## # # # # # # # # # # ## # # ## # ## # ## # # # # # # # ## ## ## # # # # # # # # ## ## # ## # # # # # # # # # # ## # # # ## # # # # # # # # # # # # # # # # ## # # # ## ## # # # # # # # ## # # # # ## # ## # # # # ### # ## # # ## # # # # # # ## # # ## # # # # # # # # # # # # ## # ## # ## ### # ## ## # ## # # ## # # # # ## ### # # # # # # # # # # # # # # # # # ## # # # # ## ### # # # # # # ## ## # # # # ## # # # # # # # # # # ## # # # ## # ## ## # # # ## # ## # # # # # # ## # # # # ## # # # # # # # # # # # # # ### ## # # ## # # # # # # # # # # # # ## # # # # # # # # # ## # # # # # # # ## ### # # # # # # # # # ## # # # # # # # ## # # # # ## ### # # # # # # # # # # ## # # # ## ## # ## # # # # # ## # # ## # # # # ## # ## # # # # # ## # # # # # # # ## # # # # ## ## ## ## ### # # ### # ## ## ## # ## # # ## ### ## # # # # # # # # ## # # # # # ## ## # ## # ## # # # ## # # # # # # ## ## ## # # # # # # # # # ## ## # # # # # # ## # # # # # # # # ## # # # # # # # # # # # # ## ## # ## # # # # # # # # # # # # # # # # # # # # ## # # # ## # ## # # # ## # # # # ## # ## # ## # # ## # # # ## ## ## # # # # # ## # # # # # # # # # # # # ## # # ## # # # # # # ## # # # # ## # # # ## # # ## # # # ## ## # # # ## # # # # # # # # ### # # ## ## # # # ### ## # # # # ## ## # # # # # ## # ### # # ## # ## ## # # # # # ## ## ## # # ## # # # ## # # # ## # # # # # ## # # ## # # # # # # # ## # ## ## # # ## # # # # # # ## # # # # # # # # # # ### # # ## # # ## # # # # # ## # # # # # # # # # # # # # # # # ## # # ### ## ## # # ## ## # ## # # # # ## ## # # # # # # ### # # # ## # ## ## # # # # ## # # ## # ## # # # # # # # # ## # # ## ## # # # # # # # # # # # # # # ## # # # # # ## # ## # # # ### # # # # # # # # # ## # # # # # ## # ## # # # # # # # # # # # # # # # # # ## # ## # ## # # # # # # ## # # ## # # # # ## # # # # # ## # ## ## ##### # ## ## ## ## # # # # # ## # ## # # # ## ### # # ### # # # # ## # # # # # # ## ## # # ## # ## # # # # # # # # ## # # # # # # # # # # ## # # ## ## # # # # ## # # # # # # # ## # # # # ## # # ## ## # # # ## ## # # # ## ## ### # # # # # # ## # # # ## # ### ## # # ### # # ## # # # ## # # # # ### # # # # # # # # # ## # # ## # # ### # # # # # # # # # # ## # # # # # # # ### ## # ## # ### # # ### # # # # # # # ## # # # # # # # # # # # ## # # ### # # # # # # # # # # ## ## # # # # ## # # # # # # # # # ## # ## # # # # ## # # ### # ## # # # # # ### ## ## # ### # # # # ## ## # ## ## # # # ## # # # # # # # # ## # ## # # # ## # ## # # # # # # # # # # # # ## # ## # ## # ## # # # ## ## # # ## # ## # # # # # # # # # # ## ## # # ## # # # # # # # # # # ## ## # ## # # # # # # # # # # # ## # # # # # # ### # # # # # ## # ## # # # # # # # # # ## ## # ## # ## # # ## ## # # # # # # # # # # # # ## # # # # ### ## ## # # ## # ## # # # # # ## ## ## # # ## # # ## ## ## ## # # # # ## # # # # ## # # # ## # # # # ## ## # # ## # # ## # # # ## # # # # ### # # # ## # # # # # ## # # # ## ## # # # # # # ## ## # ## ### # # ### ## # ### # ## # # # ### ## # ## # # # # # ## # # # # ## ## # # # # ## # # # # # # # ## # ## # # # # #### # # # # ## # # # # # # ## # ## # ## # ## # # # # # # ## ## ## ## # # # # # ## # ## # # # # # # ## # # # ## # # # ## ## # # ## # ## ## ## ## # # ## # # ## ## # ## # # # # # # ## # # ## # # # ## # # # # # ## # # # # # # ## # ## ## ## ### # # # # # # # ## # # # # # ## # # ## # ## # # # # ## # ## # # # # # # # # # # # # ### ## ## # # # # # # # ### # # # # # # ## # # # # ## # # # # # # # # # # ## ## # ## # # # ## # # # ## ## # ## # # # # # ## # # # # # # # # # ## # # # # # # # ## # # ## # # # # # # # ## # # # # # # # # # # # ## # ## # ## # ## # ## ## # # # # # ## # ## ## # # # # # # # # # ## # # # # # # # ## # # # # ## # ### ## # # # # # ## ## ## ## # ## # # # # # # # ## # # ## # ## ## # # # # # # ## # # # # # # ## # # ### ## # ## # # # # ## # # # # # # # # # # # # # ## # # ### # # ## ## ## # # # # ## # # # # # ## # # # # # # # ## ## # # # # # # # # # # # ## # # # # # ## # # # # ## ## # # ## ## ## # ## # # ### # # # ## # ## # # ## # # ## # ## # # # # # # # # # # # # # # ## ## # # # # # # # # ## # # ## # # # # # ## # # # ## # # # # # # # # # # # # ## # # # ## # # # # ## # # ## # # # # # ## # ## ## # ## # # # # # ## # ## # # ## # # ## # # ## # # # # # ## # # # ## ## # # # ## ## # # ## # # # # # ### # # ## # # # # # # # # # # # # # # # ## # # # # # # # ## # # # # ## # ## # # # ## # # # # # ## #### # # # ## ## # ## # ## ## ## # # ## ### # ## # # ## ## ## # # # # # # ## # # # # # # # ## # # # # ## # # ## ## # ## # # # ## # # # ## # # ## ## # # ## # # # # # # ### ## # ## # ## # # ## # # ## # # ## ## # # # # #### ## ## # # # ## ## # # # # ## # ## # # # # # # ## ## # # # # ## # # # # # # # # ## # # ## # # ### # ## # # # ## ## # # ## # # ## # # # ## ## # # # # ### ## # ## # ## # # # ## # # # # # # # ## # ## # # # ## # # # # # ## # # ## # # # # # # # # # # # # # # # ## # # # # # # # ## # ## # # ## ## # # # # # ## ## # # # # # ## # # ### # # ## # # # # # # # # ## # # ## # # ## ## ## ## ## # # # ## # # # # # # # ### # # ## # # ## ## ## ## ## # # # # # # # # # # # # # ### # # # # # # # ## # # # ## # # ## ## # ### # # ## # # ### # # ### # ## # # # # # # ## # # # # # # # # # ## # # # ## # ### # ## ## # # # # ## # # # # ## ### ## ### # # # ## # # # # # ## # # # # ## #### # ## # # ## ##### # # # # # # ## ## # ## ## # ## ### # ## ## # # # # # ## # # # ## # # # ## ## # ### # # ## # # # ## ## # # # ### # # # # # # # # # ## # # # # # # # # # # # ## # ## # # # # # ## # ## # ## # # # # # # # # # # ## # # ## # ## # # # ## ## ## # ## ## # # # # # # ## # # # # ### # ## # # # # # ## ## # # # # # # # # # # ## ## # # # # ## # # # # # ## # # # # # ## # # # # # #### # # # # # # ## ## ## # # # # ## # # ## # ## # ## # ## # # # # # ## # # # # # # # # ## # ## # # # ## # # # # # # ## # # ### # # ## # # ## # # # # # # ## # # # # # # # # # # # # # # # ## # # # ## # # # # ## # # # # # ## ### # # #### # # # # # # ## # ## ## # # # # # ## ## # # # ## ## # # # # # # # # # # # ## # # # # # # # # ## # # # # # ## ## # ## # # # # ## ## # # # # ## # # # ## # # # # ## # # ## ### # # # # # # # # # ## # # ## ## # # ## ## # # # # # # # # # # ## # # ## ## # ## # ### # # # # # # # # ## # # # ## ## # ## # # # # # ## ## # # # # ## # # # ## # # # # # # # # # ## ## ## ## # # # # ## ## # # # # # # # # ## # ## # # # # # # # # # ## ## ## # # # ### # # ## # # ## # ## # ## # # # # ## # # # # # # # ## # ## # ## # ## # # ## # ## # # # # # # # ## # ## # ### # # # # # # # # # ## ## # # # # # # # # ## # # # # # # #### # # ## # ## ## # # ### ## # # ### # # # # # # # # # # ## # # # # # # # # # # # # ## # # # # ## # # # # ## # # # # ## # # ## # # # # # ## # # # # #### # # # # # # # # ## # # # # # ## # # ### ## # # # # ## # # # # ## ## # # # ## # # ### # # # # # # # # # # # # # # ## # # ## # ## # # # # # ## # # ## # ### # # # ## # # # ## # # # # # # # # # ### # ### # # # # # # # ## # # ## # ## # # # # # # # # ## ## # ## # # ## # ## # # # # # ## ## # ## ### # # # ## #### # # ## # # # # # # # # # # # # # ## # # ## # # # # ## # # # # # ## ## # ## # # # # # # ## # ## # # # # ## # # ### # # # # # # # ## # # # # # ## # # ## # ## # # ### # # # # # # # # ## ## # # # ## # ## # # # ## # # # # # ### # # # # # #### # # ## ### # # # ## ## # # ## # ## # # ## ## # # ## # # # ## # # # # # # # ## # # # # ## # # # # ## # # # # # ## ## # # # ## # # ## ## # # # ## ## ## # # ## ## # # # # # ## # # # # # # ## ## # # ## ### # # ## # ## # # # # # # ## # # ## # # # ## # # # # # # ## # # # # # # # # # # # # # ### # # # # # ## ## # ## # #### # # # # # # # ## # # # # ## ## # # # ## # # # # # # # # # # # # # # # # ## # # # ## # # # # # ## # # ## # # # # # # # # ## # # # # # # # # # # # ## # # ## # # # # ## ## # ## # # ## # ## # # ## # # # # # # # ## # # # ## ####### # # # # # # # # # ## # # # # # # # # ## ## # ## # ## ## ## # # # # # ## # ## # # # ## # ## ## # # ### # ### # # ### ## # # # # # # ## # # # # ## # # # # ## # ## # # # # # # # # # # # ## # # # # # # # # # # # # # # ## # ### # # # # ## # ## # # # # # # ## # ## ## # ## ## # # ## # # # #### # # ## # ## # # # # # # # # # # # # ## # ## # ## # ## # # ## # ## # # ## ## # ## ### # ## # # # # # # # ## # ## # # # # # # # # # ## ## # # # # ## ### ## # # # # # ## # ## ## # # ## ## ## # # ## # # # # # # # # ### # ## # ## # # # # # ## ## ## # # # ## # ## ## # ## # # # # # # # # # # ## # # # # # # # ## # # # # # ## # # # # # # ## # # # ## # # # # # # ## # # # # # # ## # # ## # # ## # # ## ## # ### # # # # # # ## ## # # # # ## # # # ## ## # # ## # ## # # # # # # # # # # # ## # # ## ## # # ## # # # # # # # # ## # # # # ## # # ## # ## # # # ## # # # # # # # ## # ## # # # # # # # # # # # #
61
Fig. 41: Curvas de nivel convertidas a puntos. Escala 1:200.000.
Fig. 42: Isla Chira, rea entre curvas de nivel (cada 20m). jfallas@racsa.co.cr
Modelos Digitales de Elevacin 6. Crear modelos digitales de elevacin
62
6.1 Modelos digitales de elevacin en IDRISI El programa IDRISI V2.0 provee dos mdulos para la interpolacin de superficies (Eastman, 1997). Tambin provee un mdulo para el anlisis de tendencias de superficie y otro para el clculo de polgonos de Thiessen o Teselacin de Voronoi. El mdulo Allocate brindar resultados idnticos a Thiessen cuando se utilizan puntos (Ej. estaciones meteorolgicas con registros de precipitacin). Intercon de IDRISI El mdulo intercon es el interpolador que provee IDRISI versin 2.0 para crear modelos digitales de elevacin (MDE). El algoritmo original creado por David Douglas de la Universidad de Ottawa, Canad (Eastman, 1992). El usuario debe proveer al programa la siguiente informacin:
T Un archivo de curvas de nivel en formato raster. Normalmente dicho archivo es creado con
el comando lineras a partir de curvas de nivel en formato vectorial. Para asegurar la calidad de la interpolacin en el rea de estudio, asegrese de que las curvas excedan ligeramente los bordes de la misma. El valor de fondo del archivo debe ser diferente a los valores de las curvas de nivel (Ej. Se puede asignar -1). Las curvas fueron rasterizadas utilizando celdas con una resolucin de 10m.
T La elevacin de las cuatro esquinas del rea de trabajo. Estos valores pueden estimarse del
mapa fuente. El mdulo trabaja de la siguiente manera (Eastman, 1992):
< Primero construye un perfil a lo largo de los cuatro bordes que definen el rea de estudio.
Observe que intercon asume que su rea de trabajo es rectangular o cuadrangular. Los valores de elevacin que usted suministra para las cuatro esquinas as como todas aquellas curvas de nivel que crucen el borde del rea de estudio son utilizadas para crear este primer perfil.
< En el segundo paso construye una serie de perfiles horizontales (en el sentido de las hileras o sea
E-O) utilizando los valores de las curvas de nivel y los perfiles previamente creados (bordes). Para cada celda de valor desconocido se interpola un valor de altura y se registra su pendiente.
< El tercer paso consiste en crear perfiles similares a los anteriores pero en sentido vertical (o sea
N-S).
< El cuarto paso consiste en crear perfiles diagonales de izquierda a derecha. < En el quinto paso calcula perfiles diagonales de derecha a izquierda.
jfallas@racsa.co.cr
63
< En el sexto y ltimo paso selecciona la elevacin del pixel basado en el perfil de mxima
pendiente. 6.2 Modelos digitales de elevacin en ArcView El programa ArcView GIS posee dos extensiones que permiten crear modelos digitales de elevacin; la primera se denomina 3D Analista y la segunda Analista Espacial. 3D Analista Esta es una de las extensiones comerciales de ESRI. El programa provee una opcin de men que permite crear un MDE utilizando una red de tringulos irregulares (TIN); una vez creado este archivo es posible derivar mapas de pendiente y aspecto en forma directa o a partir de un archivo en formato raster creado a partir del TIN (ESRI, 1997). EL programa 3D Analista permite utilizar los siguientes datos como insumos:
< Archivo de puntos o lneas con valores de elevacin (o cualquier otro atributo vlido). Este es
un archivo en formato Shape (Ej. Elev.shp).
< Archivo con elementos lineales que muestran un cambio abrupto en el terreno y que se desea
preservar en el modelo final. (Ej. Curso de agua, riscos, fallas geolgicas, etc.). Este archivo puede o no contener valores de elevacin.
< Polgono de reemplazo (replace). Polgono (s) que representan reas para las cuales las alturas
sern reemplazadas por la altura del polgono. Este polgono debe contener un valor de altura.
< Polgono de borrado (erase): Archivo con polgono(s) que indica(n) el rea que debe excluirse
en el proceso de interpolacin. Por ejemplo, rea cubierta de nubes para la cual no existen valores de elevacin. Este polgono puede o no tener valores de elevacin.
< Polgono de recorte (clip): Archivo de polgonos que indica el rea de inters sobre la cual debe
hacerse la interpolacin. Por ejemplo, en el presente trabajo el borde de la isla Chira se utiliz para este fin. Este polgono puede o no tener valores de elevacin.
< Polgono de relleno (fill): Archivo con uno o ms polgonos los cuales pasarn sus cdigos (valor
entero) a todos aquellos tringulos contenidos por ellos (Tringulos contenidos por polgonos). El valor de elevacin de los tringulos no es afectado. Tanto las lneas como los polgonos pueden definirse como rgidos o flexibles. La primer categora corresponde a elementos que indican un cambio brusco en pendiente (Ej. Carreteras, ros, lnea de costa y borde de un lago); en tanto que la segunda indica elementos con cambios graduales (Ej. Cima de las montaas). Una vez creado el archivo TIN, este puede editarse o convertirse a un
jfallas@racsa.co.cr
64
archivo raster de ArcInfo (formato GRID). Tambin es posible crear un TIN a partir de una cuadrcula con valores de elevacin. Kriging La extensin "Kriging Interpolator 3.2_3D" escrita por Marco Boeinga (Amsterdam Water Supply, The Netherlands\n'poect8@gw.amsterdam.n) permite crear un MDE utilizando el mtodo de interpolacin Kriging. Para mayor detalle sobre el mtodo de interpolacin Kriging ver pag.66. Analista Espacial La extensin Analista Espacial para ArcView GIS puede crear un MDE a partir de puntos con elevaciones conocidas (X,Y,Z). EL usuario debe crear un tema de puntos a partir de una tabla en formato Dbase o ASCII. Tambin es posible convertir curvas de nivel a puntos utilizando el programa en Avenue MakeElevation Pts (Dow, 1999). La versin 1.1 de Analista Espacial ofrece los siguientes mtodos de interpolacin: Distancia inversa ponderada (IDW) El usuario(a) puede elegir entre dos mtodos de bsqueda para seleccionar los puntos de muestreo a utilizar en el proceso de interpolacin: radio fijo y vecinos mas cercanos.
Mtodo de bsqueda de radio fijo.
Mtodo de bsqueda de vecinos mas cercanos. Mtodo de bsqueda:
< Vecinos mas cercanos:

Dada una celda, utiliza los N puntos ms cercanos en el proceso de interpolacin.
< Radio de bsqueda fijo:

jfallas@racsa.co.cr
65
Dada una celda, utiliza todos los puntos de muestreo que se encuentren en el radio definido por el usuario (a). El radio tiene las mismas unidades de distancia que la vista y en caso de no existir, utilizar las unidades del mapa.
< No. de vecinos

Este es el nmero de puntos que utilizar el programa para estimar el valor de cada uno de los pixeles y corresponde al valor N citado previamente.
< Exponente
Este es valor del exponente que se aplicar a la distancia en el calculo de los valores de Z ' (ver ecuaciones 1 y 2). Cuanto mayor sea el valor del exponente menor ser la influencia ejercida por los puntos ms distantes en la estimacin de Z '.
< Barreras
Esta opcin le permite al usuario un mayor grado de control sobre los puntos que desea utilizar en el proceso de interpolacin. Por ejemplo, usted puede utilizar una lnea para indicar la presencia de una discontinuidad en el paisaje. Esto har que el programa no utilice los puntos que se encuentran al otro lado de la lnea en el proceso de interpolacin; aun cuando los mismos se encuentren en el rea de bsqueda especificado por el usuario(a). El utilizar barreras aumenta considerablemente el tiempo de proceso del programa. El producto es un archivo en formato GRID de ArcInfo. Curvatura mnima (Spline) El programa Analista espacial de ArcView provee dos mtodos de interpolacin. El primero se denominado Regularized y realiza un ajuste ms riguroso al set de datos (equivale a cubrir el rea de estudio con un plstico delgado). El segundo se denomina Tension y realiza un ajuste menos riguroso al set de datos (equivale a cubrir el rea de estudio con un plstico grueso). El usuario(a) pude definir tanto el factor de ponderacin (Weight) como el nmero de puntos a utilizar en el proceso de interpolacin. Ambos valores controlan el grado de suavizado que se aplicar la superficie. Mtodo de interpolacin Curvatura mnima. Ventana de dilogo.
jfallas@racsa.co.cr
66
< Ponderacin:
Este valor controla el grado de suavizado de la superficie a crear. Cuando se utiliza el mtodo regularizado, al incrementar el valor del peso la superficie creada lucir mas suavizada. Cuando se utiliza el mtodo de tension, al incrementar el valor del peso la superficie creada lucir menos suavizada y eventualmente se comportar como un interpolador exacto.
< No. de puntos:

Este es el nmero de puntos que utilizar el programa para estimar el valor de cada uno de los pixeles.
< Tipo:
Regularized: Crea una superficie ms suavizada, el interpolador tiende a comportarse como no exacto. Tension: Crea una superficie menos suavizada que tiende a mantener el valor de los puntos de insumo. Kriging El mtodo de interpolacin Kriging no forma parte de la interfase grfica de Analista Espacial. En el presente trabajo se utiliz la extensin Kriging Interpolator 3.2 SA creada por Marco Boeringa (boeringa@nieuwland.nl) para el departamento de Hidrologa de la Autoridad de Suministro de Agua de Amsterdam, Holanda. La extensin implementa los siguientes tipos de Kriging:
T Kriging Ordinario
Variogramas: esfrico, circular, exponencial, Gausiano y Lineal con meseta. El semi variograma es ajustado a la varianza de cada una de las muestra de puntos (mnimo de 3 puntos) utilizando el mtodo de Levenberg-Marquardt (Press et al., 1986) basado en una aproximacin no lineal de mnimos cuadrados.
T Kriging Universal < Con tendencia lineal (Universal 1) < Con tendencia cuadrtica (UNIVERSAL2)
El radio bsqueda puede ser fijo o variable. Radio fijo: El programa utiliza la distancia indicada por el usuario como el radio de bsqueda siempre y cuando dicho radio contenga el nmero de puntos de muestreo indicados por el usurario. En caso de no encontrar el nmero de puntos requeridos, el programa aumenta automticamente la distancia del radio de bsqueda. jfallas@racsa.co.cr
67
Radio variable: En este caso el usuario debe definir tanto el nmero de puntos de muestreo que desea como la distancia mxima de bsqueda. Basados en estos criterios, el programa selecciona para cada pixel a interpolar los puntos de muestreo mas cercanos hasta completar el nmero deseado, siempre y cuando dichos puntos no sobrepasen la distancia mxima de bsqueda. En este caso el criterio restrictivo es la distancia de bsqueda y por lo tanto el programa solo utilizar los puntos que se encuentren en la distancia mxima de bsqueda an cuando no se cumpla con el tamao de muestra solicitado por el usuario(a). Al definir su tamao de muestra recuerde que se requiere de un mnimo de 3 puntos para poder estimar el semi variograma y crear una superficie. La investigacin realizada en este campo indica que 12 es un tamao apropiado. En caso de que el programa no pueda estimar el semi variograma, aumente el radio de bsqueda y/o reduzca el tamao de la muestra y trate nuevamente.
Interfase grfica de la extensin Kriging de Marco Boeringa, Holanda. Evaluacin de los estadsticos de bondad de ajuste del semi variograma La extensin Kriging Interpolator 3.2 SA le brinda los siguientes indicadores de la bondad de ajuste del semivariograma: T AIC = Criterio de Informacin de Aikaike (AIC) T BIC = Criterio de Informacin Bayesiano (BIC) Los estadsticos anteriores son calculados de la siguiente manera: AIC = n*ln(SSE)+2 * (# de parmetros) jfallas@racsa.co.cr (18)
Modelos Digitales de Elevacin BIC = n*ln(SSE)+ [# de parmetros*ln (n)] SSE = Sum1..n [(Actual - semivarianza ajustada)^2] (sumatoria del error cuadrtico) RMSE = Sqrt [SSE/(n-1- # de parmeteros)] (raz cuadrada del error medio cuadrtico) (19) (20)
68
(21)
n = nmero de registros / Intervalo del resago para el semi variograma actual en la tabla y en los grficos del semi variograma. El nmero de parmetros fue definido como 3; ya que todos los semi variogramas creados por ArcView tienen tres parmetros. Cuadrcula de variacin Este es un tema temporal en formato GRID que muestra la semi-varianza estimada para cada celda de la superficie creada. Kriging Universal El Kriging Universal se utiliza cuando los valores de Z exhiben una tendencia local. Un semi variograma que inicia con una curva en forma de parbola cncava ascendente indica la presencia de una tendencia local de tipo lineal en los datos. Los mtodos de interpolacin basados en Kriging Universal (1 y 2) asumen que la variacin espacial en los datos tambin se caracteriza por un componente estructural denominado "tendencia o deriva". Este es un cambio sistemtico en los valores de las celdas que se refleja a una escala determinada. A su vez, esta escala est relacionada con el radio de bsqueda definida en los prrafos anteriores. El usuario(a) debe modificar el radio de bsqueda hasta que pueda encontrar la escala a la cual puede detectar la tendencia y la varianza es mnima. Por esta razn no es recomendable utilizar un radio de bsqueda variable con el Kriging Universal. Una vez que se ha cuantificado el efecto estructural, la varianza remanente es espacialmente homognea y por tanto la diferencia en valores de Z entre los puntos de muestreo es una funcin de la distancia que los separa (como en Kriging Ordinario). El Kriging Universal 1 utiliza una ecuacin lineal para aproximar la tendencia en los datos, en tanto que el Kriging 2 utiliza un polinomio de segundo orden. Sin embargo, ambos mtodos utilizan el mtodo de interpolacin lineal para modelar la semi-varianza remanente debido a que la mayora de los semivariogramas tienden a ser lineales en su origen. El nmero de puntos de muestreo en el radio de bsqueda debe ser lo suficientemente grande como para que la tendencia en los datos pueda estimarse. Cuando utilice un radio fijo, seleccione jfallas@racsa.co.cr
69
una distancia para la cual crea que los datos estn correlacionados. Cuando seleccione un radio variable utilice entre 12 y 15 puntos de muestreo. Kriging es un mtodo de interpolacin muy intensivo en cuanto al uso de recursos y tiempo de su computadora. La velocidad de ejecucin depender del nmero de puntos totales as como de la distancia del radio de bsqueda. 6.3 Modelos digitales de elevacin en Surfer El programa Surfer (Golden Software, 1999) provee los siguientes mtodos de interpolacin: Distancia inversa ponderada El programa le permite especificar un factor de suavizado para eliminar el problema de los ojos de buey tpicos de este interpolador. El usuario(a) debe definir un radio de bsqueda y el nmero de puntos a utilizar por sector. Este mtodo de interpolacin acepta barreras o fallas y lneas de inflexin (breaklines). Una barrera es un elemento de dos dimensiones (X,Y) que no permite el flujo de informacin durante el proceso de interpolacin; en tanto que la lnea de inflexin es un elemento de tres dimensiones (X,Y,Z) que s permite el flujo de informacin. Al igual que en ArcView, las barreras utilizan memoria extra y el proceso de interpolacin requiere de mayor tiempo. El tiempo requerido para crear el archivo raster es proporcional al cuadrado del nmero de segmentos en la barrera.
Fig.43:Surfer: Barreras (A) y lneas de inflexin (B). La funcin de la barrera es forzar al interpolador a utilizar solo los puntos de muestreo ubicados a la derecha a la izquierda de la barrera en el proceso de interpolacin. Cuando se utiliza un lnea el programa puede borderarla y utilizar los puntos de muestreo ubicados al otro lado de la barrera. La lnea de inflexin posee valores de elevacin que son utilizados por el programa como valores adicional en el proceso de interpolacin.
jfallas@racsa.co.cr
70
Kriging La versin 7 de Surfer incluye dos mtodos de interpolacin: Kriging puntual y Kriging de bloque. En el primer mtodo se utilizan todos los puntos de muestreo para estimar el valor de cada uno de los nodos en la nueva cuadrcula. En tanto que en el segundo mtodo, la estimacin de cada nodo corresponde al promedio de un bloque rectangular centrado en el nodo. El usuario(a) debe definir un radio de bsqueda y el nmero de puntos a utilizar en el proceso de interpolacin; sin embargo el mtodo por omisin es utilizar todos los puntos de muestreo. Este mtodo de interpolacin acepta barreras o fallas y lneas de inflexin (breaklines). Al igual que en ArcView, las barreras utilizan memoria extra y el proceso de interpolacin requiere de mayor tiempo. El tiempo requerido para crear el archivo raster es proporcional al cuadrado del nmero de segmentos en la barrera. Cuando existen matrices singulares el uso de barreras hace que el proceso de interpolacin no pueda completarse. El proceso de interpolacin puede implementarse utilizando Kriging ordinario (sin tendencia) y Kriging Universal (tendencia lineal cuadrtica).
Fig.44 : En el Kriging puntual el valor del nodo central es estimado utilizando todos los puntos en el radio de bsqueda; en tanto que en el Kriging de bloque el valor es estimado utilizando el promedio de los puntos de muestreo.
jfallas@racsa.co.cr
71
Curvatura mnima El interpolador de curvatura mnima es muy utilizado en diferentes disciplinas de las ciencias de la Tierra. El usuario(a) puede controlar el nivel de curvatura entre puntos de muestreo utilizando el parmetro de tensin interna y la velocidad de convergencia mediante el factor de relajacin (el valor por omisin es 1). Este mtodo de interpolacin acepta barreras o fallas y lneas de inflexin (breaklines). Al igual que en ArcView, las barreras utilizan memoria extra y el proceso de interpolacin requiere de mayor tiempo. El tiempo requerido para crear el archivo raster es proporcional al cuadrado del nmero de segmentos en la barrera. El uso de barreras hace que el proceso de interpolacin no pueda completarse cuando no se puede lograr la convergencia establecida por el usuario(a). Vecino natural Este mtodo de interpolacin est basado en el concepto de los polgonos de Thiessen (gemelo de los tringulos de Delaunay). El interpolador utiliza un promedio ponderado de las observaciones vecinas, en donde la ponderacin es proporcional al rea obtenida al crear un nuevo polgono de Thiessen como resultado de incluir un nuevo punto en el set de datos.
jfallas@racsa.co.cr
Modelos Digitales de Elevacin Vecino ms cercano Este mtodo de interpolacin asigna el valor del punto de muestreo ms cercano a cada uno de los nodos de la nueva cuadrcula. Utiliza una elipsis como rea de bsqueda. El usuario(a) debe definir los radios de bsqueda, el ngulo del eje 1 (asociado al eje X) y el nmero de puntos a utilizar por sector. Este mtodo de interpolacin acepta barreras o fallas y lneas de inflexin (breaklines). El mtodo de interpolacin no es apropiado para estimar valores cuando los puntos de muestreo tienen una distribucin irregular. Funciones radiales Este es un conjunto de funciones que permiten interpolar valores a partir de un set de puntos de muestreo; todos los mtodos se compartan como interpoladores exactos. El mtodo basado en una ecuacin multi cuadrtica es considerado como el mejor interpolador. El mtodo de interpolacin acepta barreras o fallas y lneas de inflexin (breaklines). Al igual que en ArcView, las barreras utilizan memoria extra y el proceso de interpolacin requiere de mayor tiempo. El tiempo requerido para crear el archivo raster es proporcional al cuadrado del nmero de segmentos en la barrera. Cuando existen matrices singulares el uso de barreras hace que el proceso de interpolacin no pueda completarse.
72
Mtodo modificado de Shepard Este mtodo de interpolacin es similar al mtodo de inverso de la distancia, con la diferencia de que la interpolacin es realizada utilizando mnimos cuadrados locales; lo que elimina o reduce sustancialmente el efecto de ojo de buey del primer interpolador. El usuario(a) puede asumir una superficie isotrpica anisotrpica. El interpolador puede comportarse tanto como exacto como aproximado.
jfallas@racsa.co.cr
Modelos Digitales de Elevacin Triangulacin con interpolacin lineal Este mtodo de interpolacin utiliza la triangulacin ptima de Delaunay. A partir de los puntos de muestreo se crean tringulos cuyas caras no se traslapan. El interpolador se comportar como exacto y es apropiado para set de datos cuyos puntos de muestreo se distribuyen en forma regular sobre el rea de estudio.
73
Regresin polinomial Este no es realmente un mtodo de interpolacin ya que no est diseado para estimar valores en reas sin datos. El mtodo se utiliza para definir el patrn general de variacin espacial del set de datos.
7. Evaluacin de la exactitud de los MDE El MDE creado con cada uno de los mtodos de interpolacin fue reclasificado en 13 clases de elevacin utilizando un intervalo de 20m. Se seleccion 20m por ser la elevacin entre las curvas de nivel del mapa original del IGN (escala 1:50.000). Los MDE creados en ArcView con Analista Espacial y 3D Analista fueron exportados al formato raster de IDRISI V2.0 utilizando el programa GRID2IDR. Posteriormente en IDRISI se utiliz el comando Crosstab (opcin tabla e ndice Kappa) para comparar la concordancia espacial de las reas entre curvas de nivel del mapa original y del mapa creado a partir del MDE. Adems se calcul el error para cada clase de elevacin utilizando las siguientes frmulas: Error (has) = rea derivada del mapa (has) - rea derivada del MDE (has) Error Relativo ( %) = ((rea del mapa - rea derivada del MDE) / rea del mapa ) * 100 RC Error Medio Cuadrtico (has) = ( 3 (error)2 / n)0.5 (22) (23) (24)
8. Evaluacin del efecto del filtrado en la exactitud del MDE Para determinar el efecto del filtrado en la exactitud del MDE se aplicaron tres filtros sucesivos tipo promedio con una matriz de filtrado de 3*3 celdas a los tres mejores modelos jfallas@racsa.co.cr
74
digitales de elevacin seleccionados en la seccin anterior. Posteriormente, los MDE se reclasificaron cada 20m y se utiliz el comando Crosstab(opcin tabla e ndice Kappa) para determinar la concordancia espacial entre las diferentes clases de elevacin. Finalmente, se calcul el rea para cada uno de los MDE reclasificados y se determin el error utilizando las frmulas descritas en la seccin anterior. 9. Elaboracin de mapas de pendiente y aspecto Los mapas de pendiente y aspecto fueron derivados para cada uno de los tres mejores MDE seleccionados en la seccin 8. Para evaluar el efecto del filtrado previo del MDE en la estimacin de pendiente (%) y aspecto se deriv un mapa de pendiente/aspecto tanto para el archivo filtrado como para el archivo sin filtrar. En el caso de ArcView se utiliz la extensin DEMAT - DEM Analysis Tool (thorsten.behrens@agrar.uni-giessen.de) para realizar el clculo de pendiente y aspecto. 9 .1 Evaluacin del error en la estimacin de pendiente Para evaluar el error en la estimacin de pendiente se creo un set de 1006 puntos con una separacin de 200 m entre s (Fig. 45), de dicho set se eligieron al azar 183 puntos utilizando el programa en Avenue RandomSelection (www.esri.com/arcscripts) y luego se calcul un rea bfer de 200 metros para cada uno de ellos (Fig. 46) utilizando la extensin Xtools (DeLaune, 1999). Dicha rea equivale a dibujar crculos de 4mm de dimetro en un mapa a escala 1:50.000.
Fig. 45: Puntos de muestreo con una separacin de 200m entre s (equivalente a 4mm en un mapa a escala 1:50.0000).
jfallas@racsa.co.cr
75
Fig. 46 : Muestra de 183 puntos aleatorios seleccionados para evaluar el error en la estimacin de pendiente. Cada crculo tiene un dimetro de 200m.
Para cada uno de los crculos se determin la pendiente utilizando el mtodo de conteo de curvas de nivel como se muestra a continuacin:
< Primero se cont el nmero de curvas nicas que atraviesa cada crculo
220 180 160 120 140 80 100 240 200 160
200
220 180
jfallas@racsa.co.cr
Modelos Digitales de Elevacin determinar la pendiente en porcentaje: #curvas 0 1 2 3 4 5 6 7
76
< Luego se utiliz la siguiente relacin entre nmero de curvas y cambio en elevacin para )H (m)
0 20 40 60 80 100 120 140
)D (m) 200 200 200 200 200 200 200 200
Pendiente % = ()H/)D)*100 0/200 = 0 20/200 = 10 40/200 = 20 60/200 = 30 80/200 = 40 100/200 = 50 120/200 = 60 140/200 = 70
30 30 50 60 60 60 30
< Una vez determinado el nmero de curvas por crculo, se

asign su respectivo valor de pendiente como se muestra a la derecha.
El mapa creado utilizando este mtodo se muestra en la figura 47.
Simbologa Pendiente %
0- 5 6 - 10 11 - 15 16 - 20 21 - 25 26 - 35 35 - 45 46 - 55 56 - 75 > 76
N car agua i
M r C i be a ar
O cen oP ac f co i
P anam
50
50 Ki l m er o et s
3000
3000 Meters
Fig.47 : Determinacin de pendiente (%) mediante mtodo manual. jfallas@racsa.co.cr
77
Una vez determinada la pendiente para cada una de los crculos se compar con la pendiente media estimada utilizando los MDE con y sin filtrar creados en el paso 9. Los resultados se resumieron en una tabla de 8 categoras de pendiente. 9.2. Evaluacin del efecto del filtrado en el mapa de pendientes Para evaluar el efecto del filtrado en la estimacin de la pendiente (%), el mapa de pendiente creado en el paso anterior se filtr a su vez tres veces sucesivas (filtro promedio, ventana de 3*3celdas) y cada mapa producto se reclasific en 8 categoras de pendiente (clases de 10%). Para cada clase de pendiente se determin el rea y la concordancia espacial como se describe en la seccin 8. 10. Efecto del tamao del pixel en la exactitud del MDE La resolucin de la celda en el modelo de datos raster influye en la calidad del producto final; sin embargo una reduccin de 0.5 veces en el tamao original de la celda implica aumentar en 4 veces el tamao del archivo original. Para analizar el efecto del tamao de la celda en la distribucin de elevaciones en la isla Chira se compar el MDE creados con resoluciones de 10, 20 y 40m, respectivamente. Posteriormente se aplic el anlisis descrito en el paso 6. 11. Funciones analticas del software utilizado Funcin/operacin Pendiente y aspecto del terreno Iluminacin del terreno Anlisis de Intervisibilidad Lnea de visibilidad Perfiles Visualizacin en 2.5D o en perspectiva Clculo de rea y volumen Determinacin de relleno y excavacin Creacin de isolneas Creacin de elementos en 3D 3D Analista X X X X X X X X X X X X Analista Espacial X X X X X X X X X X X X X X IDRISI X X X Surfer X X
jfallas@racsa.co.cr
Modelos Digitales de Elevacin Anlisis de escorrenta superficial Exportacin de vistas en VRWL X X
78
CURVAS DE NIVEL A ESCALA 200.000 En este caso se utiliz un archivo existente con curvas de nivel cada 100m y por tanto solo se verific el valor asignado a cada una de las curvas de nivel. El procedimiento seguido para elaborar y evaluar la exactitud de los MDE y sus productos fue el mismo ya descrito para la isla Chira.
jfallas@racsa.co.cr
Modelos Digitales de Elevacin REFERENCIAS Able Software Company.1998. R2V for Windows (Raster to Vector). Release 3.2.15. USA.
79
Ackerman, F. 1978. Experimental investigation into the accuracy of contouring through DTM. Proceedings of Digital Terrain Modelling Symposium, St. Louis, Missuri, USA. pp.165-192. Ayeni, O.O. 1982. Optimum sampling for digital terrain models: a trend towards automation. Photogrammetric Engineering and Remote Sensing. 48(11):1687-1694. Behrens, Thorsten M. DEMAT. Justus-Liebig-University Giessen, Germany. Institut for Soil Science and Soil Conservation thorsten.behrens@agrar.uni-giessen.de Boeringa Marco. Kriging Interpolator 3.2 3D. Nieuwland Automatisering. P.O.Box 522 6700 AM Wageningen The Netherlands. Tel: 31- (0)317-421711 Fax: 31-(0)317-425046. www.nieuwland.nl boeringa@nieuwland.nl Brown, Daniel G. 1994. Anisotrophy in derivative surfaces as an indication of systematic errors in DEMs. International Symposium on the Spatial Accuracy of Natural Resources Data Bases. 16-20 May 1994. Williamsburg, Virginia.USA. American Society for Photogrammety and Remote Sensing. Pp.98-107. Burges, T. M. and Webster, R.1980. Optimal intepolation and isarithmic mapping. I. The semivariogram and punctual kriging. J. Soil Science. 31:315-332. Burges, T. M. and Webster, R.1980. Optimal intepolation and isarithmic mapping. II. Block kriging. J. Soil Science. 31:333-342. Burrough, P.A. 1986. Principles of Geographical Information Systems for land resources assessment. Monographs on Soil and Resources Survey. No.12. Oxford University Press. 193p. Canters, Frank. 1994. Simulating error in triangulated irregular network models. EGIS Foundation. Pp.169-178. Centre for Cartography and Geographical Information Systems Department of Geography - Vrije Universiteit Brussel Pleinlaan 2 - B-1050 Brussel e-mail: fcanters@vnet3.vub.ac.be Carrara, A; Bitelli, G. y Carla R. 1997. Comparison of techniques for generating digital terrain models for contour lines. Int. J. Geographical Information Science. Vol.11(5): 451-473.
jfallas@racsa.co.cr
80
Carvacho Bart, Luis y Marcela Snchez Martnez. 1997. Modelos digitales del terreno: comparacin entre el modelo TIN y el INTERCON.Trabajo del Curso de Doctorado sobre Modelos Digitales del Terreno (Departamento de Geografa, Universidad de Alcal de Henares, Espaa. Cressie, N.A.C. 1993. Statistics for spatial data. Revised Edition. Wiley Series in probability and Mathematical Statistics. New York, USA. 900p. DeLaune, Mike. 1999. Xtools. Oregon State University, Department of Forest. USA. (www.esri.com/arcripts). http://www.odf.state.or.us/gis/tools.html Dow, 1999. MakeElevation Pts. www.esri.com/arcscripts Eastman, J.R. 1992. IDRISI. Version 4.0. User's Guide. The Clark Labs.Clark University. USA. Pp.87-88. Eastman, J.R. 1997. IDRISI for Windows Version 2. User's Guide. Clark Labs for Cartographic Technology and Geographic Analysis.Clark University. USA. Ebnier, H. and Reiss, P. 1984. Experience with height interpolation by finite elements. Photogrammetric Engineering and Remote Sensing 50(2):177-182. ESRI. 1999. Using ArcView. Arc View GIS, Versin 3.2. USA. ESRI. 1998. Using ArcView Spatial Analyst. Arc View Spatial Analyst, version 1.1. USA. ESRI. 1997. Using ArcView 3D Analyst. Arc View 3D Analyst, versin 1.0a. USA.118p. Giltrap, D. J. 1983. Computer production of soil mas. I. Production of grid maps by interpolation. Geoderma 29:295-311. GIS History Project. http://www.geog.buffalo.edu/ ncgia/gishist. Golden Softwre.1999. Sufer 7. User's Guide.Contouring and 3D Surface Mapping for Scientist and Engineers. Golden Software, Inc.Colorado, USA.619p. www.goldensoftware.com Grassie, D.N.D. 1982. Contouring by computer: some observations. British Cartographic Society Special Publication 2:93-116. GRID2IDRI. Grid to IDRISI image. ttp://www.pierssen.com/idrisi/grid.htm
jfallas@racsa.co.cr
81
Haggett, P. ; Cliff, A.D. and Frey, A. 1977. Locational methods. Second Edition. Edward Arnold. London, U.K. Volume II. pp:260-605. IDR2GRID. IDRISI image to Grid ttp://www.pierssen.com/idrisi/grid.htm IGN. 1989. Hoja Berrugate, Edicin 3-IGNCR. Escala 1:50.000 Imhof, E. 1982. Cartographic relief presentation. Walter de Gruyter, Berlin. Intergraph Corporation. 1994. MGE Terrain Analyst. User's Guide for Windows NT Operating System.Hunstville, Alabama, USA. Isaacks, E. H. and Srivastava, R. M.1989. An Introduction to Applied Geostatistics. New York, Oxford University Press. 561p. Lan, N. S. 1983. Spatial interpolation methods a review. American Cartograher 10:129-149. Ley, R. G. 1986. Accuracy assessment of digital terrain models. Autocarto London 1:455-464. Lowthian, B. 1986. The accuracy of DTM derived from O.S. 1:50000 scale mapping. Unpublished diploma project. University of Glasgow, Dept. of Geography and Topographic Science. Maling, D.H. 1989. Measurements from maps. Principles and methods of cartometry. Pergamon Press. Oxford. Pp.153-177. Mark. D.M.1997. The history of geographic information systems: invention and re-invention of triangulated irregular networks (tins) Proceedings, GIS/LIS'97. NCGIA, Department of Geography University at Buffalo Buffalo, NY 14261-0023. http://www.geog.buffalo.edu/~dmark/ Maune, Chris J. 1994. Introduction to digital elevation models (DEM). Proceedings: Mapping and Remote Sensing Tools for the 21st Century. Conference and Exposition. August 26-29, 1994. Washington, D.C. USA. American Society for Photogrammety and Remote Sensing. Pp.128-133. McCullagh, M.J. 1990. Digital terrain modelling and visualization. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 128-151. McVay Kenneth R. 1999. ImageWarp An Extension For Geo-Registering Images.V2.0 rcreed@earthlink.net. Www.Esri.com Miller, C. and La Flamme. R. A. 1958. The digital terrain model-theory and applications. Photogrammetric Engineering 24(3):433-442. jfallas@racsa.co.cr
82
Minnesota Department of Natural Resources. 1998. Arc View 3.0 Extensions. Arc View Tools Extension. www.dnr.state.mn.us/gis/tools/arcview/extensions/ Oliver, M.A. 1990. Kriging: a method of interpolations for geographical information systems. Int. J. Geographical Information Systems. Vol. 4(3): 313-332. Petri, G. and Kennie, T.J.M (Ed). 1990. Introduction to terrain modelling-application fields and terminology. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 1-3. Petrie, G. 1990. Modelling, interpolation and contouring procedures. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 113-127. Raper, J. F. y Kelk, B. 1991. Three-dimensional GIS. In Maguire, D.J.; Goodchild, M.F. y Rhind, D.W. (Eds.). Geographical Information Systems. Longman, Scientific & Technical. Vol. 1. Pp.299317. Shearer, J.W. 1990. The accuracy of digital terrain models. In. Petri, G. and Kennie, T.J.M (Ed.) 1990. Terrain modelling in surveying and civil engineering. Whittles Publishing. pp. 315-336. StatMost Corporation. 1995. StatMost statistical Analysis and Graphics. User's Guide. USA. Pp.269-271. USA. Sternberg, Howie. 1999. Screen DigitizeV2.0. howard.sternbertg@po.state.ct.us. Centro de Ambiente y Sistemas de Informacin Geogrfica. Departamento Ambiental, Estado de Connecticut, USA. Thoen, Bill. 1997. Explore the third dimension. A comparative review of contouring products for window 95. GIS World Vol. 9 (12): 51-62. Torlegard, K. Ostman, A., and Lindgreen, R.1987. A comparative test of photogrammetrically sampled digital elevation models. Transactions of the Royal Institute of Technology , Sweden. Photogrammetric Reports No.53. University of South Carolina. USC-CLA. Grid Utilities. College of Liberal Arts. Computing Lab. Veregin, 1997. Webster, R. and Burges, T. M. 1980. Optimal intepolation and isarithmic mapping. III. Changind drift and universal kriging. J. Soil Science. 31:505-524.
jfallas@racsa.co.cr
83
Weibel, R y Heller, M. 1991. Digital terrain modelling. In Maguire, D.J.; Goodchild, M.F. y Rhind, D.W. (Eds.). Geographical Information Systems. Longman, Scientific & Technical. Vol.1. Pp.269297.
jfallas@racsa.co.cr

Mde Teoria 2007

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Mde Teoria 2007

Uploaded by

Copyright:

Available Formats

Modelos digitales de elevacin: Teora, mtodos de interpolacin y aplicaciones

CURVAS DE NIVEL A ESCALA 200.000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 REFERENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

< < < <

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Fig. 3: Concepto de distancia de bsqueda. Jfallas@racsa.co.cr

Modelos Digitales de Elevacin El valor de cada punto interpolado Z ' es igual a:

Modelos Digitales de Elevacin

10 50 100 500 750 100

16 426 703 2023 3193 3496

7446 1489 745 149 99 74

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

((h) = 1/2n E{Z(xi) - Z (xi +h)}2

Modelos Digitales de Elevacin

280 240 200

Modelos Digitales de Elevacin

200 Leyenda 180

Modelos Digitales de Elevacin

280 h = (0,1) 240

Modelos Digitales de Elevacin

60 80 120 160 200 240 280

Fig.14: Diagrama de dispersin h para h= (0,3)

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin B:

< Esfrico o circular: Este es posiblemente el modelo ms utilizado. Su comportamiento es lineal

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

< Wave (Efecto de hueco)

< Racional cuadrtico

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin Mtodos de interpolacin en Kriging

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelo Vectorial: tringulos irregulares

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Z = 0.5 IC + 0.5mm* tan %

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin

Curvas de nivel cada 2.5m

Las implicaciones prcticas de estos resultados son las siguientes:

< < <

Modelos Digitales de Elevacin

Modelos Digitales de Elevacin