SIG aplicados al análisis y cartografía de riesgos climáticos
2 jul 2004 ¿Qué es riesgo natural? Cartografiar el riesgo implica hacer un modelo de los procesos y su intensidad sobre los puntos vulnerables.
ANEXO VI – CARTOGRAFIA. MAPA DE RIESGOS
ANEXO VI – CARTOGRAFIA. MAPA DE RIESGOS. MAPA 1: SUSCEPTIBILIDAD DE INUNDACIONES. MAPA 2: SUSCEPTIBILIDAD DE INCENDIOS FORESTALES. MAPA 3: SUSCEPTIBILIDAD DE
ANÁLISIS Y CARTOGRAFÍA DE RIESGOS GEOLÓGICOS EN EL
Se ha elaborado un mapa cualitativo de peligro conjunto y riesgos geológicos de: i) avenidas e inundaciones fluviales; ii) deslizamientos y caída de rocas y;
Manual para la elaboración de mapas de riesgo
En el Planeamiento de Protección Civil el primer paso en busca de la definición del problema es el MAPA DE RIESGOS. A través de una correcta apreciación de los
Bases metodológicas para la cartografía de riesgos naturales en
A pesar de la importancia e implicaciones de los riesgos asociados a la dinámica litoral en las zonas costeras son escasos los trabajos centrados en su estudio
Mapa de Riesgos: Identificación y Gestión de Riesgos
Palabras clave: Mapa de riesgos Riesgo financiero
MAPA DE RIESGOS 2020 - Cádiz
El mapa de riesgos de la UCA se ha elaborado a partir de las aportaciones efectuadas por los distintos componentes de la CAF quienes
SISTEMA NACIONAL DE CARTOGRAFÍA DE ZONAS INUNDABLES
Los mapas de peligrosidad y riesgo de inundación se han elaborado de acuerdo con el Real. Decreto 903/2010 de 9 de julio de evaluación y gestión de riesgos de
La Elaboración de la Cartografía de Riesgos Geomorfológicos y su
Mapas geomorfológicos pragmáticos de aplicación específíca fundamentalmente orientados a riesgos naturales (zonifícación de áreas de riesgo
ESTADO ACTUAL DE LA CARTOGRAFÍA DE LOS RIESGOS DE
El mapa de riesgo representa la delimitación de zonas en las que existe la posibilidad de que una serie de sectores o elementos de la sociedad se vean afectados
SIG aplicados al análisis y cartografía de riesgos climáticos
2 juil. 2004 Introducción. Herramientas SIG en modelización y cartografía de riesgos. Modelos de datos para el análisis y la cartografía de riesgos.
Cartografía de riesgos naturales en América Central con datos
Palabras clave: sistemas de información geográfica ONG
Manual para la elaboración de mapas de riesgo
Subsecretario de Gestión Integral de Riesgo de Desastre del problema es el MAPA DE RIESGOS. ... de la cartografía del riesgo a partir de la telede-.
La Elaboración de la Cartografía de Riesgos Geomorfológicos y su
Mapas geomorfológicos pragmáticos de aplicación específíca fundamentalmente orientados a riesgos naturales (zonifícación de áreas de riesgo
SIG aplicados al análisis y cartografía de riesgos climáticos
2 juil. 2004 Por tanto cartografiar el riesgo implica hacer tanto una cartografía de los puntos vulnerables como un modelo de los procesos y su intensidad ...
CARTOGRAFÍA DE RIESGOS NATURALES EN HONDURAS
En primer lugar tenemos que definir el concepto de mapa de riesgo y sus componentes. De manera general
CARTOGRAFÍA DE RIESGOS Y CAPACIDADES EN EL ECUADOR
trabajo más amplio de cartografía de riesgos a dos escalas (nacional y local) (CD-Rom) no se ha incluido los mapas de riesgo (en curso de elaboración).
Bases metodológicas para la cartografía de riesgos naturales en
Re su men. A pesar de la importancia e implicaciones de los riesgos asociados a la dinámica litoral en las zonas costeras son escasos los.
ESTADO ACTUAL DE LA CARTOGRAFÍA DE LOS RIESGOS DE
Por tanto la zonificación del riesgo supone un proceso de integra- ción de dos tipos de cartografía
Francisco Alonso Sarria
Dpto. Geografía Física, Humana y Análisis Geográfico RegionalUniversidad de Murcia
alonsarp@um.esMÉTODOS Y TÉCNICAS DE ANÁLISIS DE RIESGOS CLIMÁTICOSII CURSO DE VERANO DE LA
ASOCIACIÓN ESPAÑOLA DE CLIMATOLOGÍA2 de julio de 20041 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.1Los 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 tiempoFigura 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
2Figura 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 noserían 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, enlugar de un único resultado, una muestra de posibles resultados que permiten un posterior tratamiento
estadístico.•Agregados o distribuidosEn 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.3Figura 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. Losmodelos 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 unmodeloUn 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:1La 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.)7Figura 4: Realidad
Figura 5: Superficie
8Figura 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 necesitamás 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 yfacilitar 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 trabajoLos 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.14Figura 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-relacionalserá 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) 17Postprocesamientoimplica 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] 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