[PDF] SIG aplicados al análisis y cartografía de riesgos climáticos

View - Download SIG aplicados al análisis y cartografía de riesgos climáticos

Previous PDF

Next PDF

SIG aplicados al análisis y cartografía de riesgos climáticos

Francisco Alonso Sarria

Dpto. Geografía Física, Humana y Análisis Geográfico Regional

Universidad de Murcia

alonsarp@um.esMÉTODOS Y TÉCNICAS DE ANÁLISIS DE RIESGOS CLIMÁTICOS

II CURSO DE VERANO DE LA

ASOCIACIÓN ESPAÑOLA DE CLIMATOLOGÍA2 de julio de 2004

1 Introducción

Riesgo natural implica la existencia de un proceso brusco de transferencia de materia y energía capaz de generar

daños y un uso del territorio vulnerable a dichos procesos. Por tanto, cartografiar el riesgo implica hacer tanto

una cartografía de los puntos vulnerables como un modelo de los procesos y su intensidad sobre estos puntos

vulnerables.

La herramienta más adecuada para la modelización y cartografía de riesgos es unSistema de Información

Geográfica. Sin embargo en muchos casos será conveniente enlazar el programa a otro tipo de herramientas

comoSistemas de Gestión de bases de datosyProgramas de análisis de datos.

A continuación, en esta introducción, se hará un repaso de los conceptos básicos en modelización y de las

características de los Sistemas de Información Geográfica. En secciones posteriores se tratarán los modelos de

datos necesarios para introducir en un SIG la información relevante en análisis de risgos climáticos, así como

algunos ejemplos de la modelización espacial de los mismos.

1.1 Cuestiones generales sobre modelización

Un modelo es la representación simplificada de un sistema. Existen muchos tipos de modelos, normalmente

cuando se trata de estudiar procesos naturales se utilizan modelos matemáticos. La construcción de un modelo

de este tipo implica la selección y cuantificación de las variables para representar el sistema con el nivel de

detalle requerido.1

Los procesos que actúan sobre el territorio se caracterizan por su carácter tridimensional, su dependencia del

tiempo y complejidad. Esta complejidad incluye comportamientos no lineales, componentes estocásticos, bu-

cles de realimentación a diferentes escalas espaciales y temporales haciendo muy complejo, o incluso imposi-

ble, expresar los procesos mediante un conjunto de ecuaciones matemáticas.

Estasecuaciones, junto con losesquemas de flujopara su resolución, consituyen hipótesis acerca del compor-

tamiento de los procesos. Estas ecuaciones tomanvariables de entraday producen una serie devariables de

salidaen función deparámetrosque reflejan las características del territorio. Por otro lado existe un conjunto

devariables de estadointernas al sistema que se ven modificadas.

Los parámetros se distinguen de las variables en que aquellos son invariantes a la escala espacio-temporal del

modelo. Las variables de entrada y salida representan flujos de materia y enegía desde y hacia el interior del

sistema (precipitación y caudal por ejemplo). Las variables de estado representan cambios en la cantidad de

materia y energía disponible (humedad del suelo). con ciertas modificaciones:•Desplazamiento en el espacio •Modulación en el tiempo

Figura 1: Modelos de procesos

1.2 Tipos de modelos

Una clasificación de los modelos matemáticos podría basarse en una serie de características dicotómicas:•Basados en estadística o basados en principios físicos

2

Figura 2: Modelos de radiación

El carácter estadístico o físico constituye la característica fundamental de un modelo. Un modelo físico

se basa en las leyes físicas que rigen los procesos, un modelo estadístico se basa en relaciones estadís-

ticamente significativas entre variables. Las ecuaciones que describen un modelo estadístico no son por

tanto físicamente o dimensionalmente consistentes ni universales, ya que en rigor sólo son válidas para

el contexto espacio-temporal en el que se calibraron.•Estocásticos o deterministas Los primeros incluyen generadores de procesos aleatorios dentro del modelo que modifican ligeramente algunas de las variables. De esta manera, para un mismo conjunto de datos de entrada, las salidas no

serían siempres las mismas. La distinción ente modelos deterministas o estocásticos se confunde a veces

con la anterior, relacionando equivocadamente modelos estocásticos con empíricos y deterministas con

físicos. Los modelos aleatorios permiten determinar un rango de posibles valores de salida para obtener, en

lugar de un único resultado, una muestra de posibles resultados que permiten un posterior tratamiento

estadístico.•Agregados o distribuidos

En el primer caso toda el área de estudio se considera de forma conjunta, por ejemplo una cuenca hidro-

gráfica. Se tiene un único valor para todos los parámetros del modelo. El modelo predice unas salidas

para las entradas aportadas sin informar de lo que ocurre dentro del sistema.

En un modelo distribuido, tendremos el área de estudio dividida en porciones cada una de ellas con su

propio conjunto de parámetros y sus propias variables de estado. Cada porción recibe un flujo de materia

y energía de algunas de sus vecinas que a su vez reemite a otras.3

Figura 3: Modelos de procesos en una cuenca

Una tercera posibilidad son los modelos semidistribuidos que se construyen a partir de la yuxtaposi-

ción de diversos modelos agregados, por ejemplo diversas subcuencas de una cuenca hidrográfica. Otra

posibilidad a menudo explorada en hidrología es dividir el área de trabajo enUnidades de Respuesta

Hidrológica. Se trata de segmentos de ladera homogeneos en cuanto a su pendiente, orientacion, litología

y uso a los que se asume una respuesta hidrológica única. En un modelo semidistribuido las diferentes

unidades generan sus propias salidas de forma agregada pero aparecen entradas y salidas de unas a otras.•Estáticos o dinámicos

Se refiere a la forma en que se trata el tiempo. Los modelos estáticos dan un resultado agregado para todo

el período de tiempo considerado este puede ser por ejemplo uncaudal medio o un caudal punta. Los

modelos dinámicos devuelven las series temporales de las variables consideradas a lo largo del período

de estudio, siguiendo con el ejemplo anterior un hidrograma.

Sea cual sea el tipo de modelo con el que se trabaja, en un modelo matemático es necesario comenzar por

codificar las variables de entrada, salida y de estado, así como los parámetros en formato digital. Si se trabaja

con modelos agregados o semidistribuidos hay que codificar, además, los límites de las diferentes unidades.

Este proceso es más complejo de lo que pudiera parecer a primera vista e implica la creación de unmodelo de

datosy la manera más eficiente de hacerlo es mediante un Sistema de Información Geográfica.

Las características deseables de los modelos (Mooreet al., 1993) son:•Parsimonia, un modelo no es necesariamente mejor por tener muchos parámetros. La simplicidad es

siempre deseable.•Modestia, deben tratar de alcanzarse sólo objetivos asequibles. Un modelo, al igual que un mapa, no

debe aspirar a imitar la realidad sino sólo a resaltar aquellos aspectos de interés para su aplicación.4

•Exactitud, el modelo debe reproducir en la medida de lo posible el funcionamiento del sistema y generar

valores para las variables de salida y estado similares a los observados en la realidad.•Verificabilidad, los resultados del modelo deben poder compararse con datos reales y determinar de este

modo el grado de exactitud del modelo.•Por otro lado, no basta con que funcionen bien, deben funcinar bien por las razones correctas

1.3 Sistemas de Información Geográfica y Modelización

Una definición un poco antigua pero amplia de SIG es la que dieron Dueker y Kjerne (1989)Sistema de hard-

ware, software, datos, personas, organizaciones y acuerdos institucionales para recopilar, almacenar, analizar

y diseminar información acerca de diferentes porciones de la superficie terrestre. Esta definición resalta el

carácter corporativo y complejo de los SIG.

Una definición más simple partiría de la definición de Sistema de Información comoConjunto de datos y

herramientas para manejar esos datos para cubrir unos objetivos concretos. En el caso de un SIG la única

diferencia es que se manejan datos espaciales.

Los SIG incluyen por tanto numerosas funciones para el manejo de datos espaciales en formato digital. Estas

funciones pueden clasificarse en:1.Almacenamientode datos espaciales y temáticos. Para ello es necesario definir modelos de datos con

los que codificar los diferentes aspectos del territorio.2.Visualizaciónde estos datos en forma de mapas, tablas o gráficos.3.Consultasque permiten seleccionar aquellos elementos que cumplen un conjunto de condiciones, de tipo

espacial o no espacial. Los resultados pueden obtenerse como un valor, una tabla o un mapa.4.Análisis de datos. Búsqueda de regularidades en los datos que permitan verificar hipótesis acerca de los

mismos.5.Modelización. Bien utilizando los resultados de los análisis de datos (modelos estadísticos) o bien apli-

cación de modelos físicos. Permiten utilizar el modelo matemático del territorio almacenado en el SIG

para utilizar y validar diversas hipótesis.

El campo de los SIG es altamante pluridisciplinar, integrando a especialistas de diversas ciencias; se ha hecho

tan amplio que hoy en día pueden distinguirse fácilmente tres tendencias en la utilización de los SIG:•Catografía de alta presicióncombinada con herramientas de CAD con aplicaciones en arquitectura e

ingeniería. Se asume que los elementos cartografiados son estáticos (alta inversión).•Servidores de mapasa través de Internet con aplicaciones en ordenación del territorio y servicios turís-

ticos. Típica implementación AM/FM (Automated Mapping/Facilities Management)5

•SIG para modelización ambiental, enlazado con herramientas de análisis de datos y modelización

con aplicaciones diversas en las ciencias de la Tierra. El asunto que nos concierne está más vinculado,

evidentemente, a esta última.

Según Goodchild (1993) un SIG destinado al análisis de datos y modelización ambiental debe incorporar un

conjunto de herramientas para:•Preprocesar grandes volúmenes de datos y prepararlos para su análisis

•Análizar los datos con el objeto de descubrir regularidades y desarrollar modelos •Implementar estos modelos

•Reorganizar los resultados en modo de tablas, gráficos o mapas de forma que sean útiles para el usuario

En muchos casos resulta preferible incorporar programas externos de modelización que trabajen en coordi-

nación con un SIG. Las diferentes formas de integrar ambos programas fueron resumidas por Fedra(1993) en 4

tipos de unión entre un SIG y un programa de modelización:•Dos programas separados utilizando ficheros comunes. En muchos casos la utilización de un SIG para

modelización se ha centrado en el primero y el último de los puntos señalados anteriormente utilizando

un programa específico para analizar y modelizar con el que el SIG se comunica a través de archivos de

intercambio. Este esquema se denomina enlace débil (loose coupling) entre el SIG y los modelos.•Dos programas separados utilizando ficheros comunes y una interfaz de usuario común.

•Integración de funciones de diferentes programas en una arquitectura abierta en el que las diferentes

herramientas se interrelacionana y se imbrican en un lenguaje.•Integración de uno de los programas como parte del conjunto de funciones del otro.

Uno de los proyectos más interesantes de integración de SIG con programas de gestión de bases de datos y

programas de análisis de datos se ha desarrollado, en un entorno de software abierto, para GRASS (Bivand y

Neteler, 2000)

1.4 Modelos de datos

La codificación de los parámetros y variables de un modelo en un SIG requiere su simplificación y cuantifi-

cación. En definitiva se trata de utilizar un modelo de datos. Los SIG presentan diferentes estructuras de datos

que corresponden a diferentes modelos de la realidad. Tanto en SIG como en gestión de bases de datos en

general, suele asumirse la existencia de diversos niveles de abstracción en la codificación de los elementos de

un modelo de datos mediante determinados modelos de datos.6 En primer lugar unmodelo conceptualacerca de como entendemos la realidad y en segundo lugar unmodelo

Un tercer nivel, ya específico de cada programa concreto, sería unmodelo digitalque define la implementación

digital de un determinado modelo lógico.

1.4.1 El modelo conceptual. Objetos y variables

La realidad, por ejemplo el trozo de realidad representado en la figura 4 puede entenderse según dos modelos

mentales (conceptuales) en principio contradictorios:1.Como un continuo definido por una serie devariablesque pueden ser de tipo cualitativo (litología, usos

del suelo, etc.) o cuantitativo(elevaciones, precipitación, etc.) (figura 5). De este modo una porción del

territorio puede caracterizarse por la superposición de unconjunto de superficies que se consideran como

más significativas.2.Como la yuxtaposición deobjetosde límites definidos y con características homogeneas, por ejemplo

parcelas de propiedad, nucleos urbanos, carreteras , etc. Cada uno de estos objetos va a tener un identi-

ficador único (figuras 6 y 7).Mientras que las variables cubren el espacio de forma completa, una capa

formada por un conjunto de objetos puede no hacerlo.

Las superficies son objetos tridimensionales con dos dimensiones que representan los ejes espaciales y una

tercera que representa una tercera variable cuantitativa representada en cada punto del espacio. Este tipo de

modelos se suelen denominar como de dos dimensiones topológicas y media (gráficos 2,5D), pues en realidad

y los análisis verdaderamente 3D necesitan emplear modelos de datos diferentes y bastante más complejos que

son de especial utilidad para algunas aplicaciones prácticas como en Geología o en modelización atmosférica.

El ejemplo más típico de variable regionalizada es la elevación sobre el nivel del mar, representada mediante

los Modelos Digitales de Elevaciones (MDE)

1. Se trata de una superficie que representa la topografía del

terreno, es decir, las alturas en cada punto de un territorio. Pero, en realidad, se puede crear superficies a partir

de cualquier variable que cumpla unas mínimas características, esencialmente la continuidad espacial, sin que

existan saltos bruscos en el valor de la variable. De este modo, diversos aspectos físicos naturales, tales como

las precipitaciones, las temperaturas, 1a composición litológica o mineral, la acidez o basicidad de los suelos,

etc., o también variables sociales: número de habitantes, densidad de población, etc., se pueden representar y

analizar como una superficie.

Por lo que se refiere a los objetos, podemos considerar a priori 6 categorías de información que caracterizan a

los diferentes objetos geográficos:1

La razón de la importancia de los MDE estriba tanto en su carácter indispensable como base territorial de un SIG como en la

facilidad con que se piuede medir la elevación de cualquier punto del territorio en comparación con otras variables regionalizadas como

precipitación, humedad del suelo, etc.)7

Figura 4: Realidad

Figura 5: Superficie

8

Figura 6: Objetos

1.Identificador. Se trata de una variable cuantitativa que identifica cada objeto dentro de un conjunto de

objetos del mismo tipo. El identificador será un valor único y las propiedades de los objetos se almace-

narán en una base de datos a la que se accede cada vez que es necesario.2.Propiedades geométricas. Indica la ubicación del objeto en un espacio, generalmente bidimensional.

Implicitamente indica también su dimensión y su forma. De este modo cada tipo de objeto tiene, en fun-

ción de su número de dimensiones, una serie de propiedades espaciales de tamaño y forma directamente

extraibles de su codificación espacial:•Los objetos lineales tienen longitud, sinuosidad y orientación.

•Los objetos poligonales tienen area, perímetro, elongación máxima y diversos índices de forma

directamente calculables a partir de estas.3.Propiedades espaciales. Son variables cuantitativas medidas en magnitudes espaciales y que indican

algún aspecto de la extensión espacial de los objetos no representable debido a la escala de trabajo, a

tratarse de una magnitud en la tercera dimensión o a la dificultad de representarla por el tipo de abstrac-

ción que implica su representación (por ejemplo la profundidad de un cauce).4.Propiedades no espaciales. Son variables cualitativas o cuantitativas que no tienen nada que ver con el

espacio pero que se relacionan con el objeto. Resultan de mediciones simples o de descripciones. Pueden

ser constantes o variables en el tiempo. Por ejemplo toda la información relativa a la demografía de un

municipio. Existen diversas operaciones que permiten derivar propiedades nuevas a partir de otras ya existentes.9

•Combinación aritmética:Densidad=Poblacion/Superficie•Combinación lógica: SiPoblacion < x&PIB > y=>Riqueza= 1•Reclasificación: SiPoblacion <1000&Poblacion >500=>Recl= 25.Propiedades topológicas. Todos los objetos geográficos tienen unas relaciones con su entorno, es decir

con el resto de los objetos del mismo o distinto tipo que aparecen a su alrededor. Estas relaciones pueden

ser de tipo puramente topológico (polígonos vecinos) o de tipo físico (cauces tributarios que se conectan

al cauce principal). Pueden codificarse de forma explícita en la base de datos asociada al objeto o estar

implícita en al codificación de su localización espacial. Estas relaciones pueden dar lugar a la creación

de tipos compuestos (redes, mapas de polígonos, etc.).

En la figura 7 aparecen diversos ejemplos de objetos. El escoger un tipo u otro para representar determinado

objeto dependerá en gran manera de la escala y del tipo de abstracción que se pretenda hacer, de forma similar a

lo que ocurre en la generalización cartográfica. Así una ciudad puede ser puntual o poligonal y un cauce fluvial

lineal o poligonal. Una ciudad sólo tendra sentido considerarla poligonal en estudios de planificación urbana.

Para casi todas las aplicaciones hidrológicas tiene más sentido representar los cauces como objetos lineales y

codificar su anchura y profundidad como propiedades espaciales.

1.4.2 Modelos lógicos. Formato raster y vectorial

El modelo logico hace referencia a como se muestrean y organizan las variables y objetos para lograr una

representación lo más adecuada posible. En un SIG existen básicamente dos modelos lógicos que se conocen

como formato raster y formato vectorial y que dan lugar a los dos grandes tipos de capas de información

espacial.

En elformato rasterse divide el espacio en un conjunto regular de celdillas, cada una de estas celdillas

contiene un número que puede ser el identificador de un objeto (si se trata de una capa que contiene objetos) o

del valor de una variable (si la capa contiene esta variable). Puede considerarse por tanto que el modelo ráster

cubre la totalidad del espacio. Este hecho supone una ventaja fundamental respecto a las otras tres alternativas

ya que pueden obtenerse valores de forma inmediata para cualquier punto del espacio.

Los elementos que componen una capa raster (figuras 8 y 9) son:•Unamatriz de datosque puede contener los valores, en caso de que se trate de una variable cuantitativa,

o bién un identificador numérico único para cada valor, en caso de que sea una variable cualitativa. Esta

matrizse almacenaráenunfichero comounalistade valoresnuméricos,por tantounacaparaster necesita

más información que permita al programa y al usuario ubicarla en el espacio, leer sus valores y entender

su significado, concretamente.•Información geométricaacerca de la matriz y de su posición en el espacio:-Número de columnas (nc)10

Figura 7: Representación de objetos en formato vectorial (carreteras, red de drenaje, nucleos urbanos y límites

municipales) en un SIG en las cercanías de la ciudad de Murcia11 Figura 8: Modelos digitales. Codificación de una variable cuantitativa en formato raster

-Número de filas (nf)-Coordenadas de las esquinas de la capa (e,w,s,n)-Resolución o tamaño de pixel en latitud (rx) o en longitud (ry)•Unatabla de coloresque permita decidir de que color se pintará cada celdilla en la pantalla•En caso de que la variable sea cualitativa, una tabla que haga corresponder a cada identificador numérico

unaetiqueta de texto.

En elformato vectorialcualquier entidad que aparezca en el espacio (casas, carreteras, lagos, tipos de roca,

etc.) puede modelizarse a la escala adecuada como un objeto extraido de la geometría euclidiana. Pueden ser

clasificados por su dimensionalidad en tres tipos: puntos, lineas o polígonos (figura 10).•Puntos(figura 10.a). Objetos geométricos de dimensión cero, su localización espacial se representa por

un par de coordenadas (X,Y).•Lineas(figura 10.b). Objetos geométricos de dimensión uno, su localización espacial se representa como

una sucesión de pares de coordenadas llamados vértices, salvo el primero y el último que se denominan

nodos (en la figura 10 aparecen en negro).•Polígonos. Objetos geométricos de dimensión dos. Se representan como una linea cerrada (figura 10.c)

o como una sucesión de lineas denominadas arcos (figura 10.d). La representación de puntos o lineas es

inmediata, sin embargo al representar polígonos aparecen dos situaciones diferentes:12 Figura 9: Modelos digitales. Codificación de una variable cualitativa en formato raster

-Si los polígonos aparecen aislados los unos de los otros, como en el caso de los nucleos urbanos,

cada poligono se codifica como una linea cerrada, se trata de un modeloOrientado a Objetos-Si los polígonos se yuxtaponen, como en el caso de los términos municipales. En este caso, codificar

los polígonos como lineas cerradas tiene el problema de que habría que repetir cada una de las lineas

interiores. El formato alternativo es el modeloArco-Nodocuya mayor virtud es ahorrar memoria y

facilitar algunas de las operaciones de análisis SIG. En el modelo Arco-Nodo se codifican las lineas

por separado y, pposteriormente, se define cada uno de los polígonos a partir del conjunto de lineas

que lo componen.

1.5 Problemas y limitaciones

La utilización de un SIG para resolver problemas de modleización y representación medioambiental y de ries-

gos, presenta diversas dificultades:•Dentro del mercado de los SIG, la mayor demanda es para sistemas cuya prioridad es la visualización y

consulta de datos y no el análisis de datos o la modelización.•El carácter deprograma para hacer mapasque tienen los SIG obligan a que cada capa de información

que se crea deba almacenarse como un fichero. Esto supone en primer lugar la necesidad de disponer de

un gran espacio en disco duro y en segundo lugar la disminución de la velocidad de proceso debido a las13

Figura 10: Tipos de objetos en formato vectorial a) Punto, b) Linea, c) Polígono en formato OO, d) Polígono

en formato Arco-Nodo.continuas lecturas y escrituras en el disco. Si parte de los datos, que pueden considerarse temporales se

almacenan en memoria y se borran despues de utilizarse se solucionan ambos problemas.•Los modelos de datos espaciales utilizados en SIG son muy eficientes para manejar grandes cantidades

de datos espacialmente distribuidos pero estáticos. En modelización la perspectiva es más local pero con

un gran número de capas de información que además varian con el tiempo. Los SIG no permiten una

representación explícita del tiempo.•Los parámetros efectivos de una celdilla pueden no corresponderse con los valores medios en esa celdilla.

La estimación de los parámetros depende del método inicial y de la escala de trabajo

Los dos primeros pueden solucionarse en gran parte mediante la utilización de programas específicos para el

manejo de bases de datos (series temporales) y el análisis de datos.

2 Herramientas SIG útiles en la modelización y cartografía de riesgos

A lo largo del desarrollo teórico de los SIG, una de las lineas más interesantes se centra en un análisis de las

diferentes herramientas de SIG como elementos, operadores y funciones, que forman parte de un lenguaje para

la codificación y resolución de algoritmos que resuelven determinados problemas espaciales (Tomlin, 1990;

Berry, 1993; Verbyla, 2002). Uno de los objetivos de esta linea es lograr una clasificación de las diferentes

operaciones.14

Figura 11: Esquema de base de datos relacional

A continuación se presentan 3 grandes tipos de herramientas SIG que resultan imprescindibles en la mayoría de

las aplicaciones y específicamente en el análisis, modelización y cartografía de riesgos. Se trata de los accesos

a bases de datos, las diferentes técnicas de interpolación y el álgebra de mapas.

2.1 Enlaces con bases de datos

Mucha de la información necesaria para trabajar en análisis de riesgos no es información estrictamente espa-

cial sino información temática. Los SIG son programas diseñados para el manejo de bases de datos espaciales

utilizando diferentes modelo lógicos. Para la gestión de información temática, se dispone de otro tipo de pro-

gramas que son los gestores de bases de datos.

A lo largo del desarrollo de las tecnologías ligadas a los SIG desde los setenta hasta la actualidad, una de las

tendencias más claras es el papel, cada vez más importante, que tiene el uso de SGBD para la gestión de datos

temáticos como apoyo al SIG. En principio se utilizaron para almacenar los atributos temáticos de los objetos

espaciales, hoy en día se están empezando a utilizar para el almacenamiento de la información geométrica

(conjunto de coordenadas) de los objetos espaciales.

Una base de datos relacional es básicamente un conjunto de tablas, similares a las tablas de una hoja de cálculo,

formadas por filas (registros) y columnas (campos). Los registros representan cada uno de los objetos descritos

en la tabla y los campos los atributos (variables de cualquier tipo) de los objetos. En el modelo relacional

de base de datos, las tablas comparten algún campo entre ellas. Estos campos compartidos van a servir para

establecer relaciones entre las tablas que permitan consultas complejas (figura 11).

Un sistema de bases de datos relacionales dispone de un lenguaje estandarizado para hacer consultas (lenguaje

SQL), los resultados de una consulta hecha con este lenguaje van a ser datos individuales, tuplas o tablas que

incluyen valores extraidos de la base de datos en función de diversas condiciones.

La integración de un SIG y una base de datos relacional da lugar a lo que se ha dado en llamar modelogeo-

relacionalde base de datos (Bosque Sedra, 2000). En este se utiliza la base de datos para almacenar la informa-

ción temática y el SIG para la información geométrica y topológica. Una de las funcionalidades de este modelo15

Figura 12: Esquema de base de datos geo-relacional

será el enlazado de ambos tipos de información que se almacenana de formas completamente diferentes (figura

12).

La clave del modelo georelacional es que el identificador de los diferentes objetos codificados en el SIG es el

mismo que un campo identificador presente en alguna de las tablas de la base de datos relacional. De este modo

los resultados numéricos de una consulta pueden asociarse a los diferentes objetos espaciales para, por ejemplo,

representar cada objeto con un color diferente en función del resultado obtenido (figura 13).

En estos casos se necesita un módulo específico que transforme los resultados de las consultas en una serie de

reglas para pintar los polígonos asignando al mismo tiempo una paleta de colores definida por el usuario.

En definitiva la única diferencia entre el trabajo de un gestor tradicional de bases de datos y el enlace de un SIG

a base de datos es el modo de presentación (tabla o mapa). Casi todo el trabajo lo hace el gestor de bases de

datos y el Sistema de Información Geográfica, se limita a presentar los resultados. La auténtica novedad de los

SIG vectoriales está en la yuxtaposición de mapas de diverso tipo para realizar análisis complejos del territorio.

Hasta ahora lo que hemos hecho es obtener objetos espaciales como resultado de una consulta, pero cuando se

trabaja con un SIG enlazado a una base de datos, se pretende que las consultas incluyan tambien condiciones

espaciales. Incluso deberíamos ser capaces de llevar a cabo consultas interactivas en las que las condiciones se

formulan en función de donde haya pinchado el usuario en un mapa mostrado en pantalla.

Sin embargo en el modelo geo-relacional toda la información geométrica y topológica está en el SIG no en el

SGBD por tanto las consultas deberánpreprocesarseypostprocesarse.

Preprocesamientosignifica que el módulo encargado de construir de forma automática consultas SQL como

las que hemos visto antes, y lanzarlas al programa servidor de bases de datos, deberá hacerlo teniendo en cuenta

una serie de criterios espaciales definidos por el usuario. Por ejemplo, si el usuario pincha en la pantalla dentro

de un polígono esperando obtener nombre y población del municipio, el módulo deberá determinar de que

polígono se trata e incluir su identificador, por ejemplo 17, como condición que debe cumplirse:16

Figura 13: Capa de objetos (municipio) enlazada a una base de datos (información censal) 17

Postprocesamientoimplica que los resultados de la consulta SQL deberán filtrarse para determinar cuales

cumplen determinadas condiciones relacionada con el espacio. Para ello, una de las columnas pedidas en la

quotesdbs_dbs50.pdfusesText_50

[PDF] cartographes célèbres

[PDF] cartographie applicative du système d'information

[PDF] cartographie applicative informatique

[PDF] cartographie de l'hydrographie de l'afrique

[PDF] cartographie des métiers

[PDF] cartographie des risques comptables

[PDF] cartographie des zones de chaleur et de fraîcheur dans paris

[PDF] cartographie fonctionnelle et applicative

[PDF] cartographie fonctionnelle système d'information

[PDF] cartographie fonds marins

[PDF] cartographie géologique cours

[PDF] cartographie métiers rh

[PDF] cartographie r

[PDF] cartographie togo

[PDF] cartographie végétation