Introduccion A Los Sig Y Al Arcgis

Introducción a los Sistemas de Información Geográfica y al software ArcGIS ESPECIALIZACIÓN EN TECNOLOGÍAS INFORMACIÓN GEOGRÁFICA

DE LA

UNIVERSIDAD NACIONAL DEL NORDESTE

0

Introducción a los Sistemas de Información Geográfica y al software ArcGIS

Autores: Javier Gutiérrez Puebla Michael Gould Juan Carlos García Palomares Eduardo Rodríguez Núñez José Carpio Pinedo Jaime Díaz Pacheco Gustavo Romanillos Arroyo Miguel Vía García ESRI, a partir de fuentes oficiales

Madrid, diciembre de 2013 Departamento de Geografía Humana Facultad de Geografía e Historia Universidad Complutense de Madrid

1

Índice de contenidos 1.

Introducción ....................................................................................¡Error! Marcador no definido.

2.

¿Qué son los Sistemas de Información Geográfica? ...................................................................... 5

3.

2.1.

¿Qué son los Sistemas de Información Geográfica? ............................................................ 5

2.2.

Cuestiones a las que puede responder un SIG ....................................................................... 6

Los datos geográficos ................................................................................................................................ 9 7.1 Las tres componentes de los datos geográficos ........................................................................... 9 7.1.1 La componente espacial ............................................................................................... 9 7.1.2 La componente temática ........................................................................................... 10 7.1.3 La componente temporal ........................................................................................... 11 7.2 ¿Cómo representamos la realidad en un mapa? ........................................................................ 11

4.

7.2.1

Conceptos básicos ............................................................................................... 11

7.2.2

¿Qué es el Datum? .............................................................................................. 12

7.2.3

Sistema de Referencia y Datum .......................................................................... 13

7.2.4

Sistemas de Coordenadas ................................................................................... 13

7.2.5

¿Qué es la Proyección UTM? ............................................................................... 14

Modelos y estructuras de datos........................................................................................................... 16 4.1 Modelos de datos .................................................................................................................................... 16 4.2 El modelo ráster ...................................................................................................................................... 20 4.3 El modelo vectorial ................................................................................................................................ 23 4.3.1 El modelo de datos: la representación de las entidades por medio de puntos, líneas y polígonos .......................................................................................................................... 23 4.3.2 Estructuras de datos en el modelo vectorial.............................................................. 24 4.4 Modelos clásicos de bases de datos ................................................................................................ 25

5.

Introducción al software ArcGIS ......................................................................................................... 27 5.1 Introducción los productos de ArcGIS ........................................................................................... 27 ArcGIS .................................................................................................................................. 27 ArcGIS Desktop .................................................................................................................... 27 5.2 Introducción al interfaz de ArcMap ................................................................................................ 30 Marco de datos ................................................................................................................... 30 Tabla de contenido .............................................................................................................. 31 Diseños de página ............................................................................................................... 31 Ventana Catálogo ................................................................................................................ 32

1

6.

Producción de mapas. Salida gráfica y web.................................................................................... 34 Proceso para trabajar con un diseño .................................................................................. 34 Preguntas a considerar al crear el diseño ........................................................................... 35 Crear un diseño de mapa .................................................................................................... 35 Configurar el tamaño de página de la composición de mapa ............................................. 36 Flechas de norte .................................................................................................................. 40 Barras de escala................................................................................................................... 40 Texto de escala .................................................................................................................... 40 Leyendas.............................................................................................................................. 40 Transparencia en leyendas.................................................................................................. 41 Marcos ................................................................................................................................. 42 Convertir elementos de mapa en gráficos .......................................................................... 42 Impresión del mapa o exportación a otros formatos ......................................................... 43

7.

Análisis Ráster ............................................................................................................................................ 47 7.1.

Introducción ...................................................................................................................................... 47

7.2.

Visualización...................................................................................................................................... 49

7.3.

Operaciones Locales ....................................................................................................................... 50

7.3.1 Reclasificación ............................................................................................................ 50 7.3.2 Superposición de mapas ............................................................................................ 51 7.4.

Operaciones de vecindad inmediata........................................................................................ 53

7.4.1 Pendientes y orientaciones ........................................................................................ 53 7.4.2 Análisis de las cuencas de drenaje ............................................................................. 54 7.4.3 Distancias euclidianas ................................................................................................ 55 7.4.4 Superficies de fricción ................................................................................................ 57 7.4.5 Análisis de intervisibilidad .......................................................................................... 58 7.4.6 Estadísticas de zonas .................................................................................................. 59 8.

Análisis Vectorial ....................................................................................................................................... 60 8.1 Presentación de la información ........................................................................................................ 60 8.2 Operaciones con capas ......................................................................................................................... 62 8.3 Unión de objetos por atributos ........................................................................................................ 65 8.4 Mediciones espaciales sobre objetos.............................................................................................. 66 A) Mediciones sobre líneas ................................................................................................. 66 B) Mediciones sobre polígonos ........................................................................................... 66 8.5 Consultas a la Base de Datos .............................................................................................................. 67

2

8.5.1 Consultas por atributos .............................................................................................. 67 8.5.2 Consultas espaciales ................................................................................................... 68 8.6 Medición de distancias y Análisis de Proximidad ..................................................................... 69 8.6.1 Medición de distancias entre objetos ........................................................................ 69 8.6.2 Análisis de proximidad ............................................................................................... 70 8.6.3 Generación de polígonos de Thiessen ....................................................................... 71 8.6 Superposición de mapas ..................................................................................................................... 72 9.

Análisis de Redes ....................................................................................................................................... 73 9.1 Introducción al análisis de redes ..................................................................................................... 73 9.2 Análisis de caminos mínimos ............................................................................................................ 77 9.3 Análisis de las áreas de influencia de los centros de servicio .............................................. 79

Anexo 1.................................................................................................................................................................... 81 Aplicación de metodologías Multicriterio para la asignación de Usos del Suelo. .................... 81 1.

Introducción ........................................................................................................................................... 82

2.

Análisis de localizaciones óptimas mediante análisis multicriterio booleano ........... 84

3.

Análisis de localizaciones óptimas mediante la combinación lineal ponderada ....... 85

4.

Consideraciones finales ..................................................................................................................... 88

5.

Bibliografía citada ................................................................................................................................ 90

Anexo 2.................................................................................................................................................................... 96 Metodología para el análisis de la vulnerabilidad en redes de transporte público. El caso de la red de metro de Madrid............................................................................................................................... 96 Anexo 3................................................................................................................................................................. 107 Análisis conjunto de entorno urbano y transporte público: los puntos de intermodalidad de la ciudad de Madrid. ................................................................................................................................. 107 1.

Introducción ........................................................................................................................................ 108

2.

Selección de variables significativas: ‘indicadores’. ............................................................ 109 a.

Demanda y población cubierta de un punto de transporte...................................... 109

b.

Integración de la movilidad. ...................................................................................... 110

c.

Usos del suelo y entorno urbano. ............................................................................. 113

d.

Integración urbana. ................................................................................................... 115

3.

Herramienta para la comprensión conjunta y el diagnóstico. ........................................ 116

4.

Herramienta para la planificación de un nuevo punto intermodal a la escala ciudad. 118

5.

Conclusiones........................................................................................................................................ 120

6.

Referencias........................................................................................................................................... 121

Anexo 4................................................................................................................................................................. 122 3

Propuesta metodológica para la generación de corredores de mínimo impacto ambiental de carreteras: Integración del paisaje. El caso de la autopista radial 5. Comunidad de Madrid .................................................................................................................................................................. 122

4

1. ¿Qué son los Sistemas de Información Geográfica? 1.1. ¿Qué son los Sistemas de Información Geográfica?

Los Sistemas de Información Geográfica (SIG) son una tecnología que forma parte del ámbito más extenso de los Sistemas de Información. El contexto general en el que surgen es el de la "sociedad de la información", en la que resulta esencial la disponibilidad rápida de información, para resolver problemas y contestar a las preguntas de modo inmediato. Los SIG permiten gestionar y analizar la información espacial, por lo que han venido a constituirse en la alta tecnología de los geógrafos y otros profesionales que trabajan sobre el territorio. Se trata de sofisticadas herramientas multipropósito con aplicaciones en campos tan dispares como la planificación urbana, la gestión catastral, la ordenación del territorio, el medio ambiente, la planificación del transporte, el mantenimiento y la gestión de redes públicas, el análisis de mercados, etc. El término de Sistemas de Información Geográfica (SIG) hoy está ampliamente difundido, especialmente entre los profesionales que trabajan en la planificación o en la resolución de problemas socioeconómicos y ambientales. Los SIG se encuadran dentro de la familia de los Sistemas de Información, que tan amplia aceptación han tenido en las últimas décadas. Los Sistemas de Información computerizados no son más que programas o conjuntos de programas diseñados para representar y gestionar grandes volúmenes de datos sobre ciertos aspectos del mundo real. Operaciones que antes se desarrollaban manualmente, de forma tediosa y con numerosos errores, hoy son llevadas a cabo automáticamente mediante tales sistemas. Por otro lado, estos sistemas se orientan frecuentemente a facilitar información para la toma de decisiones: se trata de un conjunto de procesos informáticos que permiten producir, a partir de datos no tratados, información útil en la toma de decisiones. Un SIG es un "Sistema de Información diseñado para trabajar con datos georreferenciados mediante coordenadas espaciales o geográficas", es decir, con información geográfica. De hecho la Geografía constituye el elemento clave para estructurar la información dentro de un SIG y para realizar operaciones de análisis. El National Center for Geographic Information and Analysis (NCGIA), de los Estados Unidos, amplía la definición anterior cuando dice que un SIG es "un sistema de hardware, software y procedimientos diseñado para realizar la captura, almacenamiento, manipulación, análisis, modelización y presentación de datos referenciados espacialmente para la resolución de problemas complejos de planificación y gestión". Desde hace mucho tiempo los geógrafos y otros científicos de la tierra estamos acostumbrados a estructurar la información en mapas temáticos, según sean los aspectos del espacio que nos interese estudiar. De la misma forma un SIG descompone la realidad en distintos temas, es decir, en distintas capas o estratos de información de la zona que se desea estudiar: el relieve, la litología, los suelos, los ríos, los asentamientos, las carreteras, los límites administrativos... El analista puede trabajar sobre cualquiera de esas capas según las necesidades del momento. Pero la gran ventaja de los SIG es que pueden relacionar las distintas capas entre sí, lo que concede a estos sistemas unas sorprendentes capacidades de análisis. Los mapas almacenados en el ordenador pueden ser objeto de peticiones muy

5

complejas o ser combinados algebraicamente para producir mapas derivados, que representen situaciones reales o hipotéticas.

Vista del interfaz del software ArcGIS

En cada capa se almacena información cartográfica y alfanumérica. Existen distintas formas de almacenar esas informaciones. La más clara a efectos expositivos es aquella en la que existe un fichero con información cartográfica (el mapa digital) y otro con información alfanumérica (la base de datos asociada). Ambos ficheros están conectados, de manera que a cada uno de los objetos espaciales del mapa digital le corresponde un registro en la base de datos. Esa conexión es posible gracias a que cada objeto del mapa digital y su correspondiente registro de la base de datos tienen un identificador común o clave. Si en el mapa digital señalamos un determinado objeto, a través de su identificador podemos conocer cuáles son los valores que registra ese elemento para los distintos atributos. En la práctica las consultas se realizan en las dos direcciones: o bien seleccionando uno o varios objetos en el mapa digital para conocer la información que hay disponible sobre ellos en la base de datos (una consulta espacial o pregunta del tipo "QUÉ") o bien seleccionando uno o varios registros sobre la base de datos para conocer la localización de los correspondientes objetos sobre el mapa (una consulta temática o pregunta del tipo "DÓNDE").

1.2. Cuestiones a las que puede responder un SIG 6

Rhind (1990) distingue seis grandes tipos de cuestiones a las que un SIG puede responder (cuadro 1.2): 1.

Localización.- Apuntando con el cursor sobre la pantalla se puede obtener información sobre lo que hay en un lugar determinado (por ejemplo, cuánta población escolar habita en una sección censal). Se trata simplemente realizar una consulta en la que es necesario relacionar la información cartográfica con la base de datos de atributos.

2.

Condición.- A partir de unas condiciones previamente especificadas, el sistema debe indicar dónde se cumplen o no esas condiciones (por ejemplo, indicar dónde encontramos un lago para pescar situado a menos de 50 kilómetros de nuestra casa y rodeado de bosques).

3.

Tendencias.- En esta pregunta lo fundamental es la comparación entre situaciones temporales distintas, si bien para ello se pueden incluir condiciones (por ejemplo, cuántas hectáreas de naranjos se encuentran a menos de 200 metros de una carretera, en una fecha dada y veinte años después). Ello supone trabajar con varios mapas de la misma zona referidos a fechas distintas.

4.

Rutas.- El sistema puede calcular el camino óptimo (el más corto, más barato o más rápido) entre dos puntos a través de una red (por ejemplo, entre el lugar donde se ha producido una catástrofe y el hospital más próximo).

5.

Pautas.- Ciertas regularidades espaciales pueden ser detectadas con la ayuda de un SIG (por ejemplo, qué patrones de distribución espacial presentan los casos de cáncer en torno a una central nuclear en la que se ha producido un accidente).

6. Modelos.- Se pueden generar modelos para simular el efecto que producirían posibles fenómenos o actuaciones en el mundo real (por ejemplo, que sucedería si se construyera un nuevo tramo de autopista o si se produjera un aumento de dos metros en el nivel de las aguas del mar).

Cuadro 1.2: Cuestiones básicas que pueden ser investigadas con un SIG (Rhind, 1990) 1 LOCALIZACIÓN

¿Qué hay en ...?

2 CONDICIÓN

¿Dónde sucede que ...?

3 TENDENCIAS

¿Qué ha cambiado ...?

4 RUTAS

¿Cuál es el camino óptimo ...?

5 PAUTAS

¿Qué pautas existen ...?

6 MODELOS

¿Qué ocurriría si ...?

7

Estas cuestiones son de interés primordial en las actividades de planificación. Dado que los SIG trabajan con datos sobre el mundo real, es posible implementar modelos que permitan predecir cuáles serán las tendencias futuras o qué efectos se producirán en caso de que cambie alguno de los elementos del sistema territorial. En este sentido, Burrough (1986) señala que si se utiliza un SIG del modo en que un piloto utiliza un simulador de vuelo, es posible que los planificadores y políticos puedan explorar los posibles escenarios y obtener una idea de las consecuencias de una actuación antes de que se hayan cometido errores irreversibles. Maguire (1991) pone en relación el esquema de cuestiones básicas de Rhind con las fases de evolución de los SIG que distinguen Crain y MacDonald (1984) (figura 1.7). Estos autores sugieren que cada fase en la evolución de los SIG está caracterizada por un tipo de aplicación. Distinguen tres fases: la de inventario, la de análisis y la de gestión. En los SIG menos maduros predominan las aplicaciones para la elaboración de inventarios, que después van cediendo terreno al análisis y más tarde ambas dejan espacio a la gestión. Hoy en día la mayor parte de los SIG se encuentran en el estadio de las aplicaciones tipo inventario, algunos han pasado al del análisis y muy pocos son utilizados en la gestión. La primera fase de la evolución de los SIG está caracterizada por las aplicaciones relacionadas con los grandes inventarios de datos, como los inventarios forestales y de redes públicas, o el catastro. En esta fase los sistemas son utilizados fundamentalmente para realizar consultas, dentro de las cuestiones 1 y 2 (localización y condición) que plantea Rhind. En una segunda fase los Sistemas de Información Geográfica son capaces de resolver cuestiones más complejas, que exigen relacionar distintas capas de información y utilizar técnicas estadísticas y de análisis espacial. La determinación de localizaciones óptimas, por ejemplo, para un vertedero de residuos sólidos o de un nuevo punto de atención al público, exige un tratamiento complejo de la información en cuestiones relativas a condiciones y tendencias (cuestiones 2 y 3 de Rhind). En la tercera fase de evolución de los SIG surge una orientación hacia la gestión y la decisión, es decir, un acercamiento hacia lo que se conoce como Sistemas de Apoyo a la Decisión (SAD) (ver Densham, 1991, Guariso y Werthner, 1989, y Fedra y Reitsma, 1990). Se pone un énfasis especial en el análisis espacial sofisticado y en la modelización. Se pueden resolver problemas del tipo de dónde se debe construir un nuevo hospital o cuál es la ruta óptima para un reparto de mercancías. Las cuestiones 4, 5 y 6 del esquema de Rhind (rutas, pautas y modelos) son características de esta tercera fase.

8

2. Los datos geográficos Si, de acuerdo con lo visto en el capítulo anterior, los SIG se distinguen de otros Sistemas de Información por el hecho de trabajar con "información geográfica", parece necesario tratar con un cierto detalle sobre la naturaleza los datos geográficos. En realidad un SIG es mucho más que un software específico. El uso efectivo de esta tecnología alcanza otras muchas cuestiones, algunas de las cuales tienen muy poco que ver con la informática, pero son tan importantes como ésta para el usuario; muchas de esas cuestiones están relacionadas con el conocimiento de la naturaleza de los datos geográficos (Goodchild, Rhind y Maguire, 1991). De hecho la información geográfica tiene características únicas, y su recolección, compilación y análisis presenta problemas únicos: la realidad representada por la información geográfica es frecuentemente continua y siempre infinitamente compleja, por lo que tiene que ser "discretizada", abstraída, generalizada o interpretada para su posterior tratamiento y análisis (Kemp, Goodchild y Dodson, 1992). En este contexto conviene recordar que la Geografía se ocupa de describir y explicar las distribuciones espaciales, es decir, la frecuencia con que algo ocurre sobre el espacio, y que esa descripción y explicación se realiza a partir de los datos geográficos (Martin, 1991). Conocer la naturaleza de los datos geográficos supone una cuestión previa al manejo de cualquier sistema.

7.1 Las tres componentes de los datos geográficos

7.1.1 La componente espacial La componente espacial hace referencia tanto a la localización geográfica y a las propiedades espaciales de los objetos, como a las relaciones espaciales que existen entre ellos. A) La localización geográfica La localización geográfica o posición de los objetos en el espacio se expresa mediante un sistema de coordenadas, que debe ser el mismo para las distintas capas o estratos de información con los que se representa el área de estudio. En los casos en que ello sea conveniente, el SIG puede realizar las transformaciones necesarias para pasar de un sistema de coordenadas a otro. B) Las propiedades espaciales Los objetos con que se representa la realidad tienen ciertas propiedades espaciales de acuerdo con su naturaleza. Así, entre las propiedades espaciales de las líneas figuran la longitud, la forma, la pendiente y la orientación. En el caso de los polígonos se pueden identificar la superficie, el perímetro, la forma, la pendiente y la orientación. En el caso de los SIG raster, en los que normalmente todos los objetos (las celdas) son de igual tamaño y forma, se constituyen conjuntos de celdas (que habitualmente reciben el nombre de zonas)

9

que pueden ser tratados como si fueran polígonos a efectos del análisis de sus propiedades espaciales. C) Las relaciones espaciales Los objetos espaciales mantienen ciertas relaciones entre sí basadas en el espacio. Se trata de un número elevado de relaciones (como conectividad, contigüidad, proximidad, etc.) por lo que no es posible que todas ellas sean almacenadas en un Sistema de Información Geográfica. Algunas están explícitamente definidas en un SIG, otras son calculadas cuando son requeridas o sencillamente no están disponibles (Aronoff, 1989). Así, por ejemplo, numerosos SIG almacenan explícitamente la relación topológica de contigüidad entre dos polígonos, pero en cambio la relación de proximidad (cerca/lejos) entre dos objetos puede ser calculada en el momento requerido a través de la geometría, de la localización de ambos objetos, de acuerdo con lo que entienda el usuario por los términos cerca/lejos. Así, serán objetos próximos a un objeto dado todos aquellos que se encuentren a menos de una determinada distancia con respecto a ese objeto, previamente especificada por el usuario.

7.1.2 La componente temática De acuerdo con lo indicado anteriormente, los objetos con los que representamos la variación que se produce en el mundo real poseen unas determinadas características que se conocen como atributos (o variables). Así, cada objeto registra un determinado valor para cada uno de los atributos considerados. Pero estos valores no presentan unas pautas de variación más o menos aleatorias, sino que es posible encontrar ciertas regularidades en su variación tanto sobre el espacio como sobre el tiempo: Autocorrelación espacial Los valores temáticos tienden a ser más parecidos entre objetos próximos en el espacio que entre objetos situados lejos los unos de los otros. Este principio general, conocido como autocorrelación espacial, es básico en Geografía y en los Sistemas de Información Geográfica, ya que implica la existencia de un cierto orden en el espacio. Como señaló Humboldt en alusión a los fenómenos naturales, lejos de producirse cambios bruscos (a saltos) en el espacio, en la realidad tienden a producirse gradaciones más o menos suaves. Este principio parece cumplirse no sólo en las variables de tipo físico, sino también en las de tipo humano. El relieve terrestre, las precipitaciones y las temperaturas, por un lado, y las densidades de población y las disparidades de renta, por otro, constituyen buenos ejemplos al respecto: si tomamos un determinado punto del mapa como referencia, observaremos que los valores temáticos de la variable considerada tienden a modificarse gradualmente a medida que nos alejamos de él. Autocorrelación temporal. Pero los valores temáticos no sólo cambian en el plano del espacio, sino también en el eje del tiempo. Y, al igual que ocurre sobre el espacio, los cambios que se producen en el eje del tiempo tienden a ser graduales. Este principio es conocido en las Ciencias Sociales como autocorrelación temporal, y hace alusión a que los datos próximos en el tiempo tienden a ser más parecidos entre sí que los más lejanos. Aplicando esta idea a una secuencia de mapas de

10

densidades de población de una determinada zona, resultará que los cambios que se producen entre dos fechas próximas serán pequeños, pero irán aumentando a medida que aumente el intervalo de tiempo comprendido entre las fechas de los dos mapas. Dicho de otra forma: las distribuciones espaciales se modifican paulatinamente a lo largo del tiempo, de manera que cabe esperar cambios tanto mayores cuanto mayor sea el tiempo transcurrido. Así, el mapa de densidades de población de España de 1991 presenta las mismas pautas generales que el de 1981, pero es radicalmente distinto al de hace 200 años.

7.1.3 La componente temporal El tiempo juega un papel fundamental en la Geografía. El mundo real sólo puede ser explicado a partir de procesos espacio-temporales. Los geógrafos clásicos franceses se referían a esta cuestión cuando afirmaban que la Historia explica el presente. Hartshorne (1939) se mostraba en esa misma línea cuando indicaba que la interpretación de las configuraciones geográficas presentes requiere cierto conocimiento de su desarrollo histórico y proponía como forma de captar los procesos el proyectar sucesivas imágenes de la geografía histórica de una misma región: "un intento de desarrollar una imagen en movimiento produciría una variación continua tanto en el tiempo como en el espacio que reflejaría, en efecto, la realidad en toda su complejidad".

7.2 ¿Cómo representamos la realidad en un mapa?

Para trabajar con la información ráster y los distintos sistemas de referencia hay que tener claro una serie de conceptos para no utilizar información geográfica de forma incorrecta o errónea, y de esta forma se evitarán problemas en la georreferenciación y errores en la utilización de las distintas bases de referencia. En este documento se exponen los conceptos básicos que definen la Geodesia como ciencia que tiene como objeto la determinación de la forma y dimensiones de la figura de la Tierra, el posicionamiento de puntos sobre la superficie física terrestre y el estudio del campo de la gravedad externo del planeta (Benaviedez, 2005). Ésta nos permitirá trabajar sobre distintos sistemas de referencia con diferentes herramientas, fundamentalmente los sistemas de información geográfica.

7.2.1 Conceptos básicos 

Superficie de la Tierra: Es la real, la que forman los mares y los océanos.



Geoide: Superficie equipotencial del campo de gravedad terrestre que resulta de prolongar el nivel medio del mar por debajo de los continentes. No es posible ajustarlo a una expresión matemática.



Elipsoide: Superficie matemática que más se aproxima al geoide. Los parámetros que definen un elipsoide son los semiejes (a y b) y el aplanamiento (α).

11



Ondulación o altura del Geoide (N): Distancia entre la superficie del elipsoide de referencia y el geoide, medida a lo largo de la normal al elipsoide.

Representación conceptual de la Superficie real de la tierra

Esquema explicativo de los Conceptos

7.2.2 ¿Qué es el Datum? Un Datum es un modelo matemático que se ajusta a una parte o la totalidad del geoide, proporcionando todos los parámetros de referencia para establecer los puntos de la superficie de la tierra sobre un elipsoide. Cada Datum está compuesto por:

12



Un elipsoide, definido por sus parámetros (semieje mayor, semieje menor y achatamiento)



Un punto llamado punto fundamental en el que el geoide y el elipsoide coinciden.

Definido el Datum, ya se puede elaborar la cartografía de cada lugar.

7.2.3 Sistema de Referencia y Datum La posición de un punto se expresa con un sistema de coordenadas en relación a un sistema de referencia geodésico. En la norma ISO 19111 se define un Sistema de Referencia de Coordenadas como un sistema de coordenadas que está referido a la Tierra a través de un Datum geodésico. Los sistemas de referencia geográficos pueden ser: 

Absolutos o Globales: basados en coordenadas esféricas o geográficas, que requieren tener una representación de la superficie terrestre. Son sistemas globales, que se pueden aplicar a cualquier punto del globo.



Relativos o Locales: basados en coordenadas polares, que indican dirección, ángulo y distancia a un punto fijo de inicio. Son sistemas locales, aplicables a cualquier punto del globo.

Uno de los Sistemas de Referencia más utilizados es el World Geodetic System 1984 (WGS1984). Sistema Geodésico Mundial de 1984 desarrollado por la NIMA (National Imagery and Mapping Agency ) de los EE.UU. La exactitud de este sistema es del orden del metro y a él están referidas las efemérides radiotransmitidas por los satélites GPS. El Datum del WGS1984está definido por: 

Elipsoide , World Geodetic System 1984



Origen, centro de masas de la tierra o geocentro.

7.2.4 Sistemas de Coordenadas Los Sistemas de Coordenadas permiten establecer de forma unívoca la posición que ocupa cada objeto en la superficie terrestre. Se basan en una serie de puntos cuya posición absoluta es conocida, a partir de los cuales se establece la posición de los demás mediante indicaciones de dirección y distancia La georreferenciación es el uso de coordenadas de mapa para asignar una ubicación espacial a entidades cartográficas. Todos los elementos de una capa de mapa tienen una ubicación geográfica y una extensión específicas que permiten situarlos en la superficie de la Tierra o cerca de ella. La correcta descripción de la ubicación y la forma de entidades requiere un marco para definir ubicaciones del mundo real. Un sistema de coordenadas de latitud-longitud global es uno de esos marcos. Otro marco es un sistema de coordenadas cartesianas o planas que

13

surge a partir del marco global. Así pues, existen dos formas de representar la superficie terrestre, por medio de coordenadas geográficas o coordenadas planas. Coordenadas Geográficas: Dividen la tierra en una serie de anillos imaginarios, paralelos al ecuador (paralelos) y una serie de círculos perpendiculares a los mismos que convergen en los polos (meridianos) . 

Longitud (λ): Es el ángulo formado por el meridiano que pasa por el punto y un meridiano que se toma como origen. El meridiano que se toma como origen es el meridiano de Greenwich.



Latitud (φ): Es el ángulo que forma la vertical (que es perpendicular a la superficie terrestre en ese punto) del punto con el ecuador.

Coordenadas Proyectadas Planas: Dividen son aquellas que provienen de proyectar las coordenadas geográficas sobre un plano, para esto es necesario aplicar una serie de transformaciones matemáticas denominadas proyecciones cartográficas. En cualquier caso, las coordenadas proyectadas se pueden definir en 2D (x,y) o 3D (x,y,z), donde las mediciones x,y representan la ubicación en la superficie de la Tierra y z representaría la altura por encima o por debajo del nivel del mar.

Esquemas de los tres Sistemas de Coordenadas proyectadas: Cónico, Cilíndrico y Plano.

7.2.5 ¿Qué es la Proyección UTM?

14

La proyección Universal Transverse de Mercator es un sistema de coordenadas rectangulares, planas, desarrollado por el Ejército de los Estados Unidos y es adoptado por la mayoría de los países del mundo. Características: 

El Sistema de Coordenadas UTM secciona el globo terráqueo en divisiones denominadas ZONAS o HUSOS, que miden 6° de ancho; son proyectadas desde el centro de la Tierra; 60 zonas cubren la tierra y van de los 84° Norte a los 80° Sur. El origen de este sistema se encuentra en el meridiano 180° Oeste.



Las distancias, se miden en metros.



Este tipo de proyección es muy útil para cartografía de pequeñas áreas o de áreas que cubran poca Longitud, dado que la distorsión de la proyección aumenta en función de la distancia al meridiano tangente.



Las coordenadas UTM (X, Y) son similares a un sistema cartesiano común, por lo que son ortogonales, formando una cuadrícula perfecta.

En el Sistema UTM, una posición es descrita por 3 elementos: 1.

La zona a la que pertenece. (Huso).

2.

La coordenada en el eje de las X

3.

La coordenada en el eje de las Y

Figura: Esquema de la Proyección UTM

15

3. Modelos y estructuras de datos El mundo real es enormemente rico y variado. Cada investigador se propone un objetivo en su estudio, que sólo puede ser alcanzado mediante una simplificación de la realidad, mediante un modelo. En esa tarea es necesario ser selectivos: no se puede ni se debe representar toda la realidad en toda su complejidad, sino que hay que aislar aquellos elementos y relaciones del mundo real que son útiles para los propósitos del estudio que se aborda. Un modelo más complicado (con más elementos y relaciones) no es necesariamente mejor, pero indudablemente supone un aumento del coste del estudio. En el mundo de los Sistemas de Información Geográfica existen dos aproximaciones básicas a la cuestión de cómo modelizar el espacio, de las que resultan dos modelos de datos: vectorial y raster. Las páginas que siguen a continuación se dedican a analizar estos modelos y algunas de sus formas de implementación en el ordenador (1).

4.1 Modelos de datos

La base de datos espacial de un SIG no es más que un modelo del mundo real, una representación digital en base a objetos discretos. Una base de datos espacial es, en definitiva, una colección de datos referenciados en el espacio que actúa como un modelo de la realidad (NCGIA, 1990). Las reglas según las cuales se modeliza el mundo real por medio de objetos discretos constituyen el modelo de datos. Aunque a veces se utilizan como sinónimos, conviene establecer una diferenciación entre los términos modelo de datos (la conceptualización del espacio) y estructura de datos (la implementación de esa conceptualización en el ordenador). Más concretamente Laurini y Thomson (1992) señalan que el primero se refiere al conjunto de herramientas conceptuales para la organización de los datos e incluye cuestiones relacionadas con los mosaicos (teselaciones) del modelo raster y las polilíneas del modelo vectorial; el segundo, en cambio, hace referencia a la descripción práctica más detallada y concreta de los fenómenos espaciales e incluye cuestiones como el almacenamiento de los datos geográficos mediante procedimientos como la codificación en grupos de longitud variable en el modelo raster o las listas de las coordenadas de los polígonos en el modelo vectorial (ver los siguientes apartados). Por otro lado, algunos autores utilizan el término de estructuras de datos de alto nivel para referirse a los modelos de datos y el de estructuras de datos de bajo nivel para referirse a lo que habitualmente se conoce como estructuras de datos (Egenhofer y Herring, 1991). Pero ¿cómo modelizar el espacio? Aquí aparece de nuevo la cuestión de cómo individualizar las unidades de observación, si atendiendo a las propiedades (aproximación vectorial) o la localización (aproximación raster) (ver figura 2.3 y apartado 2.2.2):

16

1- El modelo vectorial Las propiedades constituyen el criterio de diferenciación de los individuos geográficos que existen en el mundo real: las entidades. Esas entidades son representadas por medio de objetos en la base de datos. Así, por ejemplo, un lago (la entidad) puede representarse en un SIG mediante un polígono (el objeto). Habitualmente se utiliza el término de entidad para hacer referencia a elementos que no pueden ser subdivididos en unidades menores del mismo tipo (una ciudad no puede ser subdividida en ciudades menores, sino en barrios o distritos), mientras que el término de objeto se reserva a la representación digital de ese fenómeno (Laurini y Thomson, 1992). Las entidades no tienen por qué ser elementos visibles en el espacio (una división administrativa, como por ejemplo, una sección censal, es también una entidad del mundo real). La forma de representar las entidades varía en función de la escala. Así, por ejemplo, en un mapa de una ciudad un equipamiento educativo puede representarse mediante un punto a escala 1:50.000 o mediante un polígono a escala 1:2.000. Aquellos elementos similares que son almacenados en la base de datos (como las ciudades o las secciones censales) constituyen tipos de entidades. Estos no deben ser confundidos con los tipos de objetos espaciales (puntos, líneas y polígonos) con los que se representan esos tipos de entidades (figura 3.1). 2- El modelo raster En este caso los individuos geográficos se diferencian en función de un criterio locacional. El espacio es compartimentado en porciones de igual tamaño y forma mediante la superposición de una retícula regular y a continuación se registran las propiedades de esas porciones de espacio, habitualmente en capas distintas. La retícula suele ser de objetos cuadrados o rectangulares, de manera que cada uno de esos objetos (celdas) representa una pequeña porción del espacio. Así pues, el modelo raster propone una aproximación basada en objetos elementales (celdas), que pueden agruparse para constituir objetos complejos que representan elementos del mundo real. En una capa en la que se representa el uso del suelo, un lago, por ejemplo, puede representarse mediante un grupo de celdas colindantes que tienen un mismo valor temático. Así, en el modelo raster no quedan registrados de forma explícita los límites entre los elementos geográficos (como ocurre en el vectorial), aunque éstos se puedan inferir aproximadamente a partir de los valores que toman las celdas. Figura: Esquema de los modelos de datos Raster y Vectorial

17

Comparación entre los modelos de datos raster y vectorial (según Aronoff, 1989). MODELO RASTER Ventajas 1. Es una estructura de datos simple. 2. Las operaciones de superposición de mapas se implementan de forma más rápida y eficiente. 3. Cuando la variación espacial de los datos es muy alta el formato raster es una forma más eficiente de representación. 4. El formato raster es requerido para un eficiente tratamiento y realce de las imágenes digitales. Desventajas 1. La estructura de datos raster es menos compacta. Las técnicas de compresión de datos pueden superar frecuentemente este problema. 2. Ciertas relaciones topológicas son más difíciles de representar. 3. La salida de gráficos resulta menos estética, ya que los límites entre zonas tienden a presentar la apariencia de bloques en comparación con las líneas suavizadas de los mapas dibujados a mano. Esto puede solucionarse utilizando un número muy elevado de celdas más pequeñas, pero entonces pueden resultar ficheros inaceptablemente grandes.

MODELO VECTORIAL Ventajas 1. Genera una estructura de datos más compacta que el modelo raster. 2. Genera una codificación eficiente de la topología y, consecuentemente, una implementación más eficiente de las operaciones que requieren información topológica, como el análisis de redes. 3. El modelo vectorial es más adecuado para generar salidas gráficas que se aproximan mucho a los mapas dibujados a mano. Desventajas 1. Es una estructura de datos más compleja que el modelo raster. 2. Las operaciones de superposición de mapas son más difíciles de implementar. 3. Resulta poco eficiente cuando la variación espacial de los datos es muy alta.

18

4. El tratamiento y realce de las imágenes digitales no puede ser realizado de manera eficiente en el formato vectorial.

19

4.2 El modelo ráster

El modelo raster centra su interés más en las propiedades del espacio que en la representación precisa de los elementos que lo conforman. Para ello compartimenta el espacio en una serie de elementos discretos por medio de una retícula regular. Habitualmente se trata de una retícula rectangular compuesta por celdas cuadradas, si bien algunos sistemas utilizan otras figuras geométricas como los triángulos o los hexágonos. Cada una de esas celdas se considera como indivisible y es identificable por su número de fila y columna (figura 3.2). Conviene señalar que se emplea indistintamente el nombre de celda o de pixel (abreviatura de la expresión inglesa picture element, es decir, elemento de dibujo). En cuanto a la información temática, a cada celda le corresponde normalmente un único valor relativo a la variable que se está representando (altitud, uso del suelo, materiales geológicos...). El conjunto de la retícula sería comparable a un mosaico, en el que cada celda equivaldría a una tesela. Dado que todas las celdas son iguales, se dice que el modelo raster se basa en teselaciones regulares, frente a lo que ocurre en las capas de polígonos en el modelo vectorial (teselaciones irregulares). Por el hecho de basarse en una teselación, el modelo raster cubre todo el espacio, sin dejar huecos, lo que no ocurre necesariamente en el modelo vectorial.

Figura: Esquema de representación

20

La representación de los elementos del mundo real se realiza de la siguiente forma: un elemento puntual se representa mediante una celda, un elemento lineal mediante una secuencia de celdas alineadas y un elemento poligonal mediante una agrupación de celdas contiguas. Uno de los mayores inconvenientes que se asocian al modelo de raster es la falta de exactitud a la hora de localizar los elementos. Mediante este tipo de representación se indica que un elemento puntual (por ejemplo, un manantial) está localizado en alguna parte dentro de la celda correspondiente o que un elemento lineal (por ejemplo, un arroyo) atraviesa una celda por algún lugar, pero no conocemos exactamente por dónde. En consecuencia tampoco se conoce con exactitud cuál es la forma y el tamaño de los elementos poligonales, si bien ambas características se pueden inferir aproximadamente a partir de la configuración que presentan las celdas. Para aumentar la exactitud posicional se debe incrementar el nivel de resolución, es decir, trabajar con celdas que representan superficies más pequeñas en el mundo real. Teóricamente estas celdas podrían ser tan pequeñas como se deseara hasta llegar a la misma exactitud que presentan las coordenadas X e Y en un sistema vectorial, pero se producirían unas necesidades en el almacenamiento y proceso de datos que no pueden ser cubiertas con los ordenadores más modernos (Berry, 1993). En consecuencia en teoría no es un problema de exactitud posicional, sino de resolución. Para ilustrar esta idea podemos remitirnos al siguiente ejemplo: si tenemos una imagen de satélite con una resolución de aproximadamente 30 por 30 metros, no podremos distinguir dos casas en una urbanización, lo que no quiere decir que el modelo raster sea poco exacto, sino que la resolución de la imagen es baja.

Figura: Esquema de la importancia de la escala en los modelos Raster

El formato raster permite representar no sólo elementos del mundo real, sino también variables que presentan una variación continua sobre el espacio (es decir, superficies). El ejemplo más típico es el del mapa de altitudes. A cada celda se le asigna un valor, de forma que se puede conocer fielmente cómo varía la altitud por toda el área que cubre un mapa. Se pueden representar de esta forma superficies tridimensionales, ya que a las dos coordenadas de localización (X e Y) se añade una tercera (Z) para representar el valor

21

de la variable, en este caso la altitud. Es lo que se conoce como un modelo digital del terreno (MDT), aplicable no sólo a la variable altitud, sino a cualquier otra variable que presente una variación continua sobre el espacio (presión atmosférica, precipitaciones, coste de transporte, etc.)

Figura: Ejemplo de un Modelo Digital del Terreno (MDT)

Un conjunto de celdas y sus valores asociados (relativos a una determinada variable) constituye una capa o estrato de información. Dado que en cada celda se registra un único valor, si se quiere almacenar información -sobre una misma zona- relativa a distintas variables, se han de incluir tantas capas como variables se consideren (por ejemplo, altitud, litología, pendiente, precipitación, uso del suelo...). En principio todas esas capas deben basarse en la misma retícula para facilitar las comparaciones entre capas celda a celda: así se podrá conocer los valores que una misma celda toma para cada una de las variables (capas) consideradas (4). En realidad cada capa está constituida por un conjunto de valores que conforman una matriz y, como las unidades de soporte de información son las mismas en las distintas capas, se pueden realizar multitud de operaciones para relacionar unas capas con otras, lo que se conoce como álgebra de mapas.

22

4.3 El modelo vectorial

4.3.1 El modelo de datos: la representación de las entidades por medio de puntos, líneas y polígonos

En el modelo vectorial el foco de interés se sitúa en las entidades, en su posicionamiento sobre el espacio. De hecho los elementos del mundo real (especialmente los artificiales) son representados en este modelo con mucha mayor nitidez que en el modelo ráster, en el que el uso de las celdas suelen suponer una pérdida de precisión en los contornos (cuando la resolución no es lo suficientemente alta). Para modelizar las entidades del mundo real se utilizan tres tipos de objetos espaciales: puntos, líneas y polígonos (figuras 3.1 y 3.4). Los objetos no son más que representaciones digitales de las entidades. La diferenciación entre estos tipos de objetos es puramente topológica: a) Los puntos son objetos espaciales de 0 dimensiones: tienen una localización en el espacio, pero no tienen ni longitud de anchura. Se puede representar mediante puntos cualquier elemento cuyas dimensiones sean despreciables desde una perspectiva cartográfica: manantiales, pozos, semáforos, bocas de riego, etc. b) Las líneas son objetos espaciales de 1 dimensión, ya que tienen longitud, pero no anchura. Las líneas están definidas mediante una sucesión de puntos. Habitualmente se representan mediante líneas elementos que se integran en redes, ya sean naturales (como las redes hidrográficas) o artificiales (como las redes de carreteras). c) Los polígonos son objetos espaciales de 2 dimensiones, ya que tienen longitud y anchura. Se representan mediante una sucesión de líneas que cierran (un anillo). Las parcelas del catastro o las secciones censales son buenos ejemplos de elementos que se representan como polígonos en las bases de datos.

La escala del mapa resulta fundamental en algunos casos a la hora de elegir un tipo de objeto para representar una entidad. Así, por ejemplo, una ciudad puede ser representada mediante un punto si se trabaja a escala 1:10.000.000, mediante un polígono si la escala es 1:200.000 o mediante un conjunto de polígonos si la escala es 1:25.000. Es cierto que la mayor parte de las entidades espaciales tienen tres dimensiones. Pero sólo algunas de esas dimensiones pueden ser relevantes desde el punto de vista de su representación en un SIG. En este sentido se habla de entidades puntuales, lineales y poligonales. Así, por ejemplo, en un tramo de carretera se podría medir su anchura y el

23

espesor del pavimento, pero lo más importante es su longitud a efectos de representación y análisis en un SIG (NCGIA, 1990). Las otras dimensiones (espesor del pavimento y anchura de la vía) pueden ser almacenadas como atributo en la base de datos (y ello es importante desde el punto de vista de su representación cartográfica), pero no son propiedades geométricas de las líneas. Sólo en el momento de dibujar la línea podría ser necesario conocer la anchura de la carretera y el espesor del pavimento, que son atributos -como también lo son la intensidad media de tráfico, la velocidad media, etc.- y no propiedades geométricas del objeto línea. Conviene recordar aquí la diferenciación que se estableció anteriormente entre las propiedades espaciales de las entidades del mundo real y las de los objetos que utilizamos para su representación cartográfica.

Figura: Esquema de la importancia de la escala en los modelos Vectoriales

4.3.2 Estructuras de datos en el modelo vectorial

Estructura de datos topológica En el modelo vectorial es importante establecer una diferenciación entre estructuras de datos cartográficas y topológicas. En las primeras se registra únicamente la geometría, es decir, las coordenadas, mientras que en las segundas se registran también relaciones topológicas. Se dice que una estructura de datos es topológica cuando almacena una o más de las siguientes relaciones (NCGIA, 1990): 

Conectividad de los arcos en las intersecciones



Existencia de conjuntos ordenados de arcos formando los límites de los polígonos



Relaciones de contigüidad entre polígonos

Estructura de datos cartográfica

24

Si ninguna de estas relaciones está presente, entonces la estructura es cartográfica. En cualquier caso, es posible convertir una estructura de datos cartográfica en topológica mediante el cálculo y almacenamiento de esas relaciones en un proceso que se denomina "construcción de topología". El sistema debe ser capaz de determinar dónde se produce la intersección de dos líneas, para marcar allí los nodos correspondientes y a partir de éstos identificar los arcos. En base a arcos y nodos ya es posible registrar relaciones topológicas.

4.4 Modelos clásicos de bases de datos

1- El modelo jerárquico Este modelo es el más limitado de los tres y está prácticamente en desuso hoy en día. Los objetos se organizan en una estructura arborescente. Las relaciones de los objetos son, pues, jerárquicas, es decir, que cada objeto se relaciona con otros que se sitúan por encima o por debajo de él en la jerarquía, pero no a su mismo nivel. Más concretamente es posible sólo una relación con un elemento de un nivel superior (padre) y una o más relaciones con elementos de un nivel inferior (hijos). El nivel jerárquico más elevado está compuesto por un único elemento (raíz). En consecuencia, este modelo soporta bien las relaciones uno-auno y también las relaciones uno-a-muchos (como en el ejemplo del catastro cuando una persona es propietaria de muchas parcelas distintas), pero no soporta bien las relaciones muchos-a-muchos, ya que su estructura lógica permite que cada hijo tenga un solo padre. En resumen, el modelo jerárquico se adecúa bien a las estructuras jerárquicas, es fácilmente comprensible y ofrece una gran sencillez en las tareas de actualización. Sus principales desventajas son la rigidez con que contempla las relaciones (sólo jerárquicas y siempre con la limitación de una relación con un único elemento del nivel superior) y las dificultades que existen en la búsqueda de información cuando es necesario atravesar varios niveles jerárquicos en esa operación. 2- El modelo de red. Este modelo supera alguna de las rigideces del modelo jerárquico. Cada objeto puede tener relaciones con varios de niveles superiores (padres) y no es necesario que exista una raíz única, por lo que el modelo de red soporta las relaciones muchos-a-muchos. Un ejemplo típico de este tipo de relaciones se da en el catastro de la propiedad, donde una parcela puede tener varios propietarios y un propietario puede tener varias parcelas. Así, en el modelo de red no es necesario recorrer varios niveles jerárquicos al realizar búsquedas, por lo que resulta mucho más eficaz. Por otro lado, las redundancias tienden a ser menores que en el modelo jerárquico, a la vez que se ofrece un modelo más complejo del mundo real. 3- El modelo relacional Los datos se almacenan en tablas, en las que las filas corresponden a los distintos objetos y las columnas a los atributos de esos objetos. Para que ningún objeto esté repetido existe una columna que recibe el nombre de clave primaria o identificador. Las búsquedas se pueden realizar sobre una tabla en base a cualquiera de los atributos o sobre varias tablas utilizando atributos comunes (ver texto). Las principales ventajas del modelo relacional son su mayor flexibilidad frente a los otros modelos (en el sentido de que el usuario puede crear nuevas

25

relaciones entre objetos en tiempo real), la simplicidad de la organización de los datos y la minimización de los niveles de redundancia. En contrapartida su principal desventaja estriba en que el tiempo de respuesta y el consumo de recursos tienden a ser mayor cuando es necesario relacionar varias tablas entre sí.

Figura: Esquema de los modelos clásicos de bases de datos

26

4. Introducción al software ArcGIS 5.1 Introducción los productos de ArcGIS ArcGIS ArcGIS es un Sistema de Información Geográfica que permite recopilar, organizar, administrar, analizar, compartir y distribuir información geográfica. Como la plataforma líder mundial para crear y utilizar sistemas de información geográfica (SIG), ArcGIS es utilizada por personas de todo el mundo para poner el conocimiento geográfico al servicio de los sectores del gobierno, la empresa, la ciencia, la educación y los medios. ArcGIS permite publicar la información geográfica para que esté accesible para cualquier usuario. El sistema está disponible en cualquier lugar a través de navegadores Web, dispositivos móviles como smartphones y equipos de escritorio. Hoy en día ArcGIS es una plataforma para trabajar con distintos dispositivos, desde ordenadores personales, dispositivos móviles o desde la propia web.

ArcGIS Desktop ArcGIS Desktop es el producto principal que utilizan los profesionales SIG para compilar, usar y administrar la información geográfica. Incluye aplicaciones SIG profesionales y completas que admiten diversas tareas SIG, incluidas la representación cartográfica, la compilación de datos, el análisis, la administración de geodatabase y el uso compartido de información geográfica.

27

ArcGIS Desktop es la plataforma que los profesionales SIG utilizan para administrar sus flujos de trabajo y proyectos SIG, y para crear datos, mapas, modelos y aplicaciones. Es el punto de partida y la base de la implementación de SIG en organizaciones y en la Web. ArcGIS Desktop consta de un conjunto de aplicaciones: ArcMap, ArcCatalog, ArcGlobe, ArcScene, ArcToolbox y ModelBuilder. Con estas aplicaciones e interfaces, puede realizar cualquier tarea de SIG, simple o avanzada. En ArcGIS Desktop, estas aplicaciones se utilizan para crear y trabajar con varios tipos de información geográfica. Por ejemplo, puede crear documentos de mapa en la aplicación ArcMap, documentos de globo terráqueo en la aplicación ArcGlobe y modelos de geoprocesamiento en la aplicación ModelBuilder, para trabajar con todos ellos. Al utilizar ArcGIS Desktop, trabajará con varios elementos de información SIG, por ejemplo: 

Documentos de mapa, documentos de globo terráqueo y capas



Geodatabases



Cajas de herramientas de geoprocesamiento



Otros archivos de datos, como imágenes

ArcMap es la aplicación principal que se utiliza en ArcGIS for Desktop para la representación cartográfica, edición, análisis y administración de datos. ArcMap se utiliza para el trabajo de representación cartográfica y visualización 2D.

28

ArcGlobe se utiliza en la visualización 3D ininterrumpida de datos geográficos mediante una vista global continua. Esta aplicación está diseñada para su uso con datasets muy grandes que se visualizan con distintos niveles de detalle. ArcGlobe forma parte de la extensión Extensión 3D Analyst de ArcGIS.

ArcScene se utiliza para la visualización 3D de escenas o áreas concretas. Crea una vista de escena 3D por la que se puede desplazar y con la que puede interactuar en áreas cerradas de su interés. ArcScene también forma parte de la Extensión 3D Analyst de ArcGIS.

29

5.2 Introducción al interfaz de ArcMap

ArcMap muestra el contenido del mapa en dos vistas posibles: 1.

Vista de datos

2.

Vista de composición de mapa

Cada vista le permite obtener una perspectiva del mapa y modo de interactuar con el mismo específicos. En vista de datos de ArcMap, el mapa es el marco de datos. En vista de datos, el marco de datos activo se presenta como una ventana geográfica en la que las capas de mapa se muestran y utilizan. En un marco de datos, se trabaja con información del SIG que se presenta a través de las capas de mapa mediante coordenadas geográficas (mundo real). Se trata, por lo general, de mediciones del terreno en unidades como pies, metros o medidas de latitudlongitud (como grados decimales). La vista de datos oculta todos los elementos de mapa en el diseño, como títulos, flechas de norte y barras de escala y le permite centrarse en los datos en un marco de datos único, por ejemplo, edición o análisis La interfaz de ArcMap se compone principalmente de las siguientes partes:

Marco de datos El marco de datos muestra una serie de capas dibujada en un orden determinado para una extensión de mapa y proyección de mapa determinadas. En la tabla de contenido del lado izquierdo de la ventana de mapa se muestra la lista de capas del marco de datos.

30

Tabla de contenido

En la tabla de contenido se enumeran todas las capas del mapa y se muestra lo que representan las entidades de cada capa. La casilla de verificación que hay al lado de cada capa indica si su visualización está activada o desactivada actualmente. El orden de capas en la tabla de contenido especifica su orden de dibujo en el marco de datos de abajo a arriba. La tabla de contenido del mapa le ayuda a administrar el orden de visualización de las capas del mapa y la asignación de símbolos. También le ayuda a establecer la visualización y otras propiedades de cada capa del mapa.

Diseños de página Un diseño es una colección de elementos de mapa colocados y organizados en una página. Son elementos de mapa habituales uno o varios marcos de datos (cada uno con un conjunto ordenado de capas de mapa), una barra de escala, la flecha de norte, el título del mapa, texto descriptivo y una leyenda de los símbolos.

31

Ventana Catálogo ArcMap, ArcGlobe y ArcScene contienen una ventana Catálogo que se utiliza para organizar y administrar diversos tipos de información geográfica en colecciones lógicas, por ejemplo, los datos, mapas y resultados de los proyectos de SIG con los que trabaja en ArcGIS. La ventana Catálogo proporciona una vista de árbol de las carpetas de archivos y las geodatabases. Las carpetas de archivos se utilizan para organizar los documentos y archivos de ArcGIS. Las geodatabases se utilizan para organizar los dataset SIG.

32

33

5. Producción de mapas. Salida gráfica y web. Un diseño de página (a menudo conocido simplemente como un diseño) es una colección de elementos de mapa dispuestos y organizados en una página, diseñados para la impresión del mapa. Elementos de mapa habituales que se disponen en el diseño con uno o varios marcos de datos (cada uno con un conjunto ordenado de capas de mapa), una barra de escala, la flecha de norte, el título del mapa, texto descriptivo y una leyenda de los símbolos.

En la vista de composición se agregan al mapa marcos, retículas y otro elementos de acabado final. Lo que ve en el diseño es lo que obtiene al imprimir o exportar el mapa al mismo tamaño de página. En este tema se describen algunas de los conceptos y tareas clave para trabajar con diseños en ArcMap.

Proceso para trabajar con un diseño El primer paso en ArcMap es cambiar la vista del mapa a diseño, ya sea seleccionando Vista de composición de mapa en el menú Vista o haciendo clic en el botón Vista de composición de mapa en la esquina inferior izquierda de la visualización del mapa.

34

Cuando esté trabajando en la vista de diseño, puede configurar las dimensiones de la página y empezar a agregar elementos de mapa. Utilice el menú Insertar para seleccionar elementos de mapa para agregarlos al diseño. Cuando agregue elementos de mapa, puede editar sus propiedades, tamaño, aspecto, etc. y organizarlos en la página con otros elementos de mapa. Cuando haya finalizado este trabajo en el diseño, puede imprimir el mapa o crear otros tipos de formatos de salida: archivos PDF, archivos PostScript o archivos de Illustrator.

Preguntas a considerar al crear el diseño He aquí algunas consideraciones de diseño para trabajar con diseños de mapa: ¿El mapa será independiente o formará parte de una serie de mapas que comparten un diseño similar? Si el mapa tiene varias páginas, debería considerar utilizar páginas controladas por datos. ¿Qué tamaño tendrá el mapa impreso? Utilice esto para establecer el tamaño de página del diseño. Encontrará más información al respecto en la sección Establecer el tamaño de página del diseño de mapa, a continuación. ¿Cómo se orientará la página? Puede utilizar el cuadro de diálogo Configuración de Página e Impresión para orientar la página en vertical o en horizontal. ¿Cuántos marcos de datos tendrá el mapa? ¿Tendrá el mapa otros elementos tales como título, flecha de norte y leyenda? ¿Contendrá el mapa gráficos o informes para complementar la vista geográfica de los datos? ¿Cómo se indicará la escala en el mapa? ¿Cómo se organizarán los elementos del mapa en la página? En las siguientes secciones se tratan estos temas con más detalle.

Crear un diseño de mapa A continuación se indican los pasos generales para diseñar un mapa en ArcMap: Antes de empezar en ArcMap, es buena idea diseñar la disposición de los elementos en la página del mapa y planear el diseño. Empiece por establecer el tamaño de página del diseño y sus dimensiones. Vea Establecer el tamaño de página del diseño de mapa, a continuación. Cree, edite y simbolice los datos como resulte adecuado en los marcos de datos. En la vista de diseño, haga clic en el menú Insertar para agregar elementos al diseño. Si tiene más de un marco de datos en el mapa, los elementos que inserte estarán relacionados con el marco de datos activo (para activar un marco de datos, haga clic con el botón derecho en su nombre y elija Activar).

35

Al agregar elementos de mapa (por ejemplo, una barra de escala), el mapa refleja las actualizaciones. Puede seleccionar, recolocar y modificar elementos del mapa. Haga clic con el botón derecho en un elemento seleccionado para acceder a su menú de acceso directo y establecer opciones adicionales. Agregue otro texto o gráficos, tales como notas, bordes y marcos, utilizando la barra de herramientas Dibujar. Puede utilizar guías, cuadrículas y reglas como ayuda para colocar con precisión los elementos en la página. Vea Información general sobre el trabajo con gráficos para obtener más información. Imprimir o publicar el mapa. Puede leer más sobre la impresión en Acerca de la impresión de mapas y sobre la exportación de mapas en Exportar el mapa.

Configurar el tamaño de página de la composición de mapa Dado que una composición es el orden de elementos de mapa de varios tipos en una página para impresión, uno de los pasos iniciales obvios en la construcción de la composición es establecer el tamaño de página deseado con el cuadro de diálogo Configuración de Página e Impresión. De manera predeterminada, cuando crea un mapa nuevo en ArcMap y elijeMapa en blanco, las dimensiones de la composición de página se establecen al tamaño de página predeterminado de la impresora. Pasos para configurar el tamaño de la composición de página Haga clic en Archivo > Configuración de Página e Impresión en el menú principal para abrir el cuadro de diálogoConfiguración de Página e Impresión. Puede establecer el tamaño de página de composición como se muestra aquí.

36

De manera predeterminada, el tamaño de página de su composición para un mapa en blanco se establecerá al tamaño de papel de la impresora (por ejemplo, 8,5 por 11 pulgadas). Nota: Es posible que desee cambiar a una impresora de formato grande (graficador) de su organización. Utilice la lista desplegableNombre para establecer la impresora actual. Para establecer su propio tamaño de página, desmarque la casilla de verificación Utilice las propiedades de papeles para impresora para establecer el tamaño de página de su configuración. Si desmarca esta opción, puede elegir cualquiera de las dimensiones de página que desee, pero el nombre de la impresora no se guardará en el documento de mapa (.mxd). Configure el tamaño de página ingresando las dimensiones que prefiere en las cajas Ancho y Altura.

37

O bien, puede seleccionar un tamaño de página estándar de la lista desplegable Tamaños estándar, como por ejemplo ANSI C, Architectural D, o ISO A2.

Una vez que cambió el tamaño de página de la composición, deberá cambiar el tamaño de todos los elementos del mapa y reposicionarlos para que se ajusten a las nuevas dimensiones de la página. Es necesario hacer esto incluso si está trabajando con un mapa completamente nuevo y todavía no ha agregado elementos o capas de mapa. El Tamaño Página de Mapa está vinculado al Tamaño del papel de la impresora actual siempre que la casilla de verificación Utilice las Propiedades de Papeles para Impresoraesté seleccionada. De manera predeterminada, esta opción está seleccionada para los mapas nuevos que se crearon con la opción Mapa en blanco en los cuadros de diálogoNuevo documento o ArcMap: Introducción . En los ejemplos a continuación, la configuración de la impresora Tamaño del papel utilizado como la opción predeterminada para ArcMap es de 8,5 x 11 pulgadas. Sin embargo, el Tamaño Página de Mapa se ha desvinculado del tamaño original de 8,5 x 11 y se ha configurado a una página más grande de 22 x 34. El marco de datos iniciales se ubicó en la composición basándose en el tamaño de página original, más pequeño. Entonces, después de cambiar el Tamaño Página de Mapa, deberá utilizar la vista de composición en ArcMap para volver a ordenar la composición. Reposicione el marco de datos y los elementos de composición de manera que funcionen bien con el nuevo tamaño de página.

38

Algunos elementos de mapa están relacionados con los datos de marcos de datos. Las flechas de norte, barras de escala, texto de escala y leyendas son ejemplos de tales elementos. Obtenga información sobre otros elementos de mapa, tales como títulos; elementos gráficos, imágenes y bordes interiores; informes y gráficos. Cada elemento de mapa tiene un nombre que se utiliza para identificar el elemento. Por ejemplo, cuando el diseño está en modo de borrador, cada elemento se dibuja como un marco vacío que contiene el nombre del elemento. De forma predeterminada, el nombre se basa en el tipo de elemento, tal como Línea de la escala o Flecha de norte, pero puede cambiarlo por un nombre único o más descriptivo en la ficha Tamaño y Posición del cuadro de diálogo Propiedades del elemento. El nombre del elemento también es muy importante para las secuencias de comandos de automatización de mapas que utilizan el módulo arcpy.mapping. Las secuencias de comandos de automatización de mapas utilizan los nombres de los elementos para identificar qué elementos modificará la secuencia de comandos. La propiedad de nombre de un marco de datos siempre es igual a lo que se muestra en la tabla de contenido. En consecuencia, al actualizar el nombre dentro del cuadro de diálogoPropiedades del Marco de datos también se actualizará el nombre en la tabla de contenido. Los elementos de mapa no siempre tienen el tamaño que se desea cuando se agregan a un mapa. Puede cambiar el tamaño de los elementos de mapa seleccionándolos y arrastrando los controladores de selección. Al arrastrar un controlador alejándolo de un elemento, el elemento se amplía, mientras que al arrastrar un controlador acercándolo a un elemento, el elemento se reduce. Solo se puede cambiar el tamaño, la posición y el marco de un elemento una vez colocado en el mapa. Si hace clic en Propiedades mientras está dentro del cuadro de

39

diálogo de configuración inicial de una barra de escala, por ejemplo, no verá la ficha Tamaño y Posición ni la ficha Marco.

Flechas de norte Las flechas de norte indican la orientación del mapa. Un elemento de flecha de norte mantiene una conexión con un marco de datos. Cuando se gire ese marco de datos, el elemento de flecha de norte girará con él.

Barras de escala Las barras de escala proporcionan una indicación visual del tamaño de las entidades y las distancias entre las entidades en el mapa. Una barra de escala es una línea o una barra dividida en partes y etiquetada con su longitud sobre el terreno, normalmente en múltiplos de las unidades del mapa, tales como decenas de kilómetros o centenares de millas. Si se amplía o se reduce el mapa, la barra de escala continúa siendo correcta. Al agregar una barra de escala a un mapa, es posible que el número y el tamaño de las divisiones no sean exactamente los que se desean. Por ejemplo, quizá desee mostrar cuatro divisiones en lugar de tres o mostrar 100 metros por división en lugar de 200. También es posible que desee desear cambiar las unidades que muestra la barra de escala o ajustar cómo se representan esas unidades. Puede ajustar muchas características de una barra de escala en el cuadro de diálogo Scale Bar Properties. Al agregar una barra de escala a un mapa, es posible que las etiquetas de número y las marcas no sean exactamente las que se desean. Por ejemplo, quizá desee etiquetar los extremos de la barra de escala pero no las divisiones, o marcas mayores en las divisiones principales de la barra que en las secundarias. De forma predeterminada, la etiqueta de las unidades de una barra de escala es igual que las unidades de la barra de escala. En ocasiones, quizá desee cambiar la etiqueta de la barra de escala, por ejemplo, de Kilómetros a km. Solo tiene que escribir la nueva etiqueta de la barra de escala en el cuadro de texto Etiqueta.

Texto de escala También puede representar la escala del mapa con texto de escala. El texto de escala indica la escala del mapa y las entidades del mapa. El texto de escala indica al lector de un mapa cuántas unidades de terreno representa una unidad del mapa: por ejemplo, un centímetro es igual a 100.000 metros. El texto de escala también puede ser una proporción absoluta independiente de las unidades, tal como 1:24.000. Esto significa una unidad en el mapa es igual a 24.000 de las mismas unidades sobre el terreno. La ventaja del texto de escala absoluto es que los lectores del mapa pueden interpretarlo con cualquier unidad que deseen. Una desventaja del texto de escala es que si se duplica una copia impresa del mapa en otra escala (si se amplía o se reduce), el texto de la escala será erróneo. Las barras de escala no padecen esta limitación. Muchos mapas tienen tanto texto de escala como una barra de z

Leyendas

40

Una leyenda indica al lector del mapa el significado de los símbolos utilizados para representar las entidades en el mapa. Las leyendas constan de ejemplos de los símbolos del mapa con etiquetas que contienen texto explicativo. Cuando se utiliza un único símbolo para las entidades de una capa, la capa se etiqueta con el nombre de la capa en la leyenda. Cuando se utilizan varios símbolos para representar las entidades en una única capa, el campo utilizado para clasificar las entidades se convierte en un encabezado en la leyenda y cada categoría se etiqueta con su valor. Las leyendas tienen superficies que muestran ejemplos de los símbolos del mapa. De forma predeterminada, las superficies de la leyenda son puntos, líneas rectas o rectángulos que coinciden con los símbolos del mapa. Puede personalizar las superficies de la leyenda, por ejemplo, de modo que las áreas se representen con superficies de otra forma o que los ríos se dibujen con una línea ondulada en lugar de una línea recta. Para obtener más información, vea trabajar con formas de superficie de leyenda. Cuando hay más de un marco de datos, al insertar una leyenda se agrega una leyenda para el marco de datos seleccionado. Cada leyenda corresponde a un único marco de datos, aunque es posible disponer varias leyendas juntas como una leyenda única para un mapa complejo. Puede cambiar el símbolo de texto utilizado por varios elementos de leyenda utilizando la ficha Elementos del cuadro de diálogo Propiedades de leyenda. Puede cambiar el símbolo de texto de todos los elementos de la leyenda o solo los seleccionados en la lista. Una lista desplegable permite elegir las partes de los elementos de la leyenda a los que se desea aplicar el símbolo de texto. Si desea que la descripción esté en más de una línea, inserte un salto de línea presionando CTRL+ENTRAR mientras se encuentra en la Descripción del cuadro de diálogo Leyenda. Puede editar el texto de las etiquetas que aparecen en la leyenda cambiando el texto en la tabla de contenido de ArcMap o en la ficha Simbología del cuadro de diálogo Propiedades de capa. El texto de la leyenda se puede formatear con etiquetas de formato de texto de ESRI. Si desea que aparezca en la leyenda una descripción adicional de las capas de símbolo único, elija un estilo de elemento de leyenda que incluya una descripción. Para agregar una descripción, haga clic con el botón derecho en la capa a la que desee agregar el texto descriptivo en la tabla de contenido, haga clic en Propiedades y, a continuación, haga clic en la ficha Simbología en el cuadro de diálogo Propiedades de capa. Si está utilizando el método de Símbolo único, haga clic en el botón Descripción. Si está utilizando un método de dibujo diferente de Gráficos, haga clic con el botón derecho en un símbolo tras haber especificado sus opciones de simbología y haga clic en Editar descripción. El texto que escriba aparecerá junto a ese símbolo en la leyenda; el texto no aparecerá en la tabla de contenido. Para obtener más información, vea trabajar con leyendas.

Transparencia en leyendas Si tiene capas con transparencia en el mapa, ArcMap simulará los colores transparentes en la leyenda. Cuando las capas de un marco de datos se hacen transparentes, la tabla de

41

contenido y las leyendas de la vista de composición utilizan automáticamente colores más claros para reflejar la transparencia. La opción para simular la transparencia en las leyendas se establece en la ficha General del cuadro de diálogo Propiedades del marco de datos. Cuando esta opción está activada, una capa dibujada con polígonos sólidos de color rojo brillante aparecerá en la leyenda con un color rojo claro o rosa, dependiendo del porcentaje de transparencia aplicado a la capa. Sin embargo, con la opción de simulación de transparencia desactivada, la leyenda continuará mostrando el símbolo del polígono en rojo, aunque los polígonos no aparezcan en rojo en el mapa porque la capa es transparente. De forma predeterminada, esta configuración está desactivada (no marcada) en los mapas creados con versiones de ArcGIS anteriores a la 9.3, pero puede activarla si lo desea. Esta configuración se activa automáticamente en los nuevos marcos de datos que se crean en documentos de mapa existentes. Además, puede convertir la leyenda en gráficos y especificar manualmente los colores de las superficies de leyenda. Con la herramienta Identificador de colores, puede obtener el valor RGB exacto de un píxel y utilizar ese color para la superficie de leyenda.

Marcos Ciertos elementos de mapa, entre ellos las barras de escala, el texto de escala, las flechas de norte, las leyendas y los marcos de datos, pueden tener marcos. Los marcos permiten elegir Borde, Fondo y Sombra para el elemento. Puede utilizar marcos para separar elementos de mapa de otros elementos o del fondo del mapa. También puede utilizar los marcos para vincular visualmente elementos de mapa a otras partes del mapa utilizando marcos similares para los elementos relacionados.

Convertir elementos de mapa en gráficos Quizá desee convertir un elemento de mapa, tal como una leyenda, en gráficos si desea un control más preciso sobre cada elemento que compone el elemento de mapa. Es importante tener en cuenta que una vez convertido un elemento de mapa en un gráfico, dejará de estar conectado a los datos originales y no responderá a los cambios realizados en el mapa. Por ejemplo, con un elemento de leyenda, si decide agregar otra capa al mapa una vez convertida la leyenda en un gráfico, la leyenda no se actualizará automáticamente. Tendrá que eliminarla y reconstruirla de nuevo utilizando el Asistente de leyenda. Por consiguiente, es una buena idea no convertir los elementos en gráficos hasta haber finalizado la simbología y las capas del mapa. La siguiente imagen muestra una leyenda convertida en un gráfico.

42

Puede desagrupar más los gráficos de leyenda para poder editar los elementos individuales (las superficies, el texto, etc.) que componen la leyenda.

Impresión del mapa o exportación a otros formatos A menudo, la impresión de mapas puede ser más compleja que la simple impresión de documentos de procesamiento de texto o de presentaciones de PowerPoint. Los archivos de mapa pueden tener tamaños muy grandes y consumir temporalmente grandes espacios del espacio del disco mientras se realiza la impresión. Además, las dimensiones de la página de la composición de mapa pueden exceder el tamaño del papel de impresora. Este tema cubre una serie de consideraciones y opciones disponibles para imprimir mapas en ArcGIS. Configurar la impresión de mapa para graficadores (impresora de formato grande) Es probable que su organización SIG tenga impresoras para tamaños de páginas más grandes que las impresoras de oficina de formato pequeño. Un importante paso inicial será realizar una referencia a la impresora de formato grande en ArcGIS. Para cambiar la impresora, abra el cuadro de diálogo Configuración de Página e Impresión y use la lista desplegableNombre para establecer la impresora actual. Configurar el tamaño de página de la composición de mapa Dado que una composición es el orden de elementos de mapa de varios tipos en una página para impresión, uno de los pasos iniciales obvios en la construcción de la composición es establecer el tamaño de página deseado con el cuadro de diálogo Configuración de Página e Impresión. De manera predeterminada, cuando crea un mapa nuevo en ArcMap y elijeMapa en blanco, las dimensiones de la composición de página se establecen al tamaño de página predeterminado de la impresora. Pasos para configurar el tamaño de la composición de página Haga clic en Archivo > Configuración de Página e Impresión en el menú principal para abrir el cuadro de diálogoConfiguración de Página e Impresión. Puede establecer el tamaño de página de composición como se muestra aquí.

43

De manera predeterminada, el tamaño de página de su composición para un mapa en blanco se establecerá al tamaño de papel de la impresora (por ejemplo, 8,5 por 11 pulgadas). Nota: Es posible que desee cambiar a una impresora de formato grande (graficador) de su organización. Utilice la lista desplegableNombre para establecer la impresora actual. Para establecer su propio tamaño de página, desmarque la casilla de verificación Utilice las propiedades de papeles para impresora para establecer el tamaño de página de su configuración. Si desmarca esta opción, puede elegir cualquiera de las dimensiones de página que desee, pero el nombre de la impresora no se guardará en el documento de mapa (.mxd). Configure el tamaño de página ingresando las dimensiones que prefiere en las cajas Ancho y Altura.

44

O bien, puede seleccionar un tamaño de página estándar de la lista desplegable Tamaños estándar, como por ejemplo ANSI C, Architectural D, o ISO A2.

Una vez que cambió el tamaño de página de la composición, deberá cambiar el tamaño de todos los elementos del mapa y reposicionarlos para que se ajusten a las nuevas dimensiones de la página. Es necesario hacer esto incluso si está trabajando con un mapa completamente nuevo y todavía no ha agregado elementos o capas de mapa. El Tamaño Página de Mapa está vinculado al Tamaño del papel de la impresora actual siempre que la casilla de verificación Utilice las Propiedades de Papeles para Impresoraesté seleccionada. De manera predeterminada, esta opción está seleccionada para los mapas nuevos que se crearon con la opción Mapa en blanco en los cuadros de diálogoNuevo documento o ArcMap: Introducción . En los ejemplos a continuación, la configuración de la impresora Tamaño del papel utilizado como la opción predeterminada para ArcMap es de 8,5 x 11 pulgadas. Sin embargo, el Tamaño Página de Mapa se ha desvinculado del tamaño original de 8,5 x 11 y se ha configurado a una página más grande de 22 x 34. El marco de datos iniciales se ubicó en la composición basándose en el tamaño de página original, más pequeño. Entonces, después de cambiar el Tamaño Página de Mapa, deberá utilizar la vista de composición en ArcMap para volver a ordenar la composición. Reposicione el marco de datos y los elementos de composición de manera que funcionen bien con el nuevo tamaño de página.

45

46

6. Análisis Ráster 6.1. Introducción

En los SIG ráster se compartimenta el espacio en una serie de elementos discretos por medio de una retícula regular. Habitualmente se trata de una retícula rectangular compuesta por celdas cuadradas, si bien algunos sistemas utilizan otras figuras geométricas como los triángulos o los hexágonos. Cada una de esas celdas se considera como indivisible y es identificable por su número de fila y columna. Conviene señalar que se emplea indistintamente el nombre de celda o de pixel (abreviatura de la expresión inglesa picture element, es decir, elemento de dibujo). En cuanto a la información temática, a cada celda le corresponde un único valor relativo a la variable que se está representando (altitud, uso del suelo, materiales geológicos...). El conjunto de la retícula sería comparable a un mosaico, en el que cada celda equivaldría a una tesela. Dado que todas las celdas son iguales, se dice que el modelo raster se basa en teselaciones regulares, frente a lo que ocurre en las capas de polígonos en el modelo vectorial (teselaciones irregulares). Por el hecho de basarse en una teselación, el modelo raster cubre todo el espacio, sin dejar huecos, lo que no ocurre necesariamente en el modelo vectorial.

Algunos conceptos básicos:

Término

Descripción

Ráster

Un modelo de datos espaciales que define el espacio como un conjunto de celdas del mismo tamaño, ordenadas en filas y columnas y compuestas por bandas únicas o múltiples (capas). Cada celda contiene un valor de atributo. A diferencia de una estructura de vector, que guarda explícitamente las coordenadas, las coordenadas ráster se guardan intrínsecamente en el orden de la matriz. Los grupos de celdas que comparten el mismo valor representan el mismo tipo de entidad geográfica.

47

Una celda es la unidad de información más pequeña en datos ráster. Cada celda representa el valor numérico de alguna medida en la ubicación del área de unidad correspondiente en la tierra. Celda

Las celdas normalmente tienen forma cuadrada. El área que cada celda representa depende de la resolución del ráster. Las celdas ráster de altaresolución (en gran escala) representarían áreas pequeñas, medidas en unidades tan pequeñas como metros cuadrados. Las celdas en un ráster de resolución más baja (pequeña escala) representan el valor uniforme de un área más grande, como hectáreas o kilómetros cuadrados.

Imagen

Un dataset de ráster generado al digitalizar una superficie con un dispositivo óptico o electrónico. Entre los ejemplos comunes se incluyen documentos digitalizados, datos de detección remota (por ejemplo, imágenes de satélite) y fotografías aéreas. Una imagen se almacena como un dataset de ráster de valores binarios o enteros que representa la intensidad de luz reflejada, calor u otro intervalo de valores en el espectro electromagnético.

Píxel

La unidad más pequeña de información en una imagen o mapa de ráster, normalmente cuadrados o rectangular. El término píxel se utiliza a menudo como sinónimos de celda.

Análisis basado en celda

En el análisis basado en celdas, cada ubicación es un valor en un dataset ráster y las distintas herramientas generan un ráster de salida basado en la aplicación de algunas reglas matemáticas, espaciales o algorítmicas a los valores de celda de entrada.

Análisis espacial

El proceso de examen de las ubicaciones, los atributos y las relaciones de las entidades en los datos espaciales por medio de la superposición y otras técnicas analíticas para tratar una duda o ganar en conocimiento práctico. El análisis espacial extrae o crea nueva información a partir de los datos espaciales.

Modelado espacial

Una metodología o conjunto de procedimientos analíticos usados para derivar información acerca de las relaciones espaciales entre fenómenos geográficos.

Clasificación de imágenes

El proceso de ordenar u organizar los píxeles de una imagen en clases o clústeres. Dependiendo de la interacción entre el analista y el equipo, existen dos tipos de clasificación de imágenes: clasificación supervisada y clasificación sin supervisión.

Clasificación supervisada

Un enfoque de clasificación de imágenes basado en los ejemplos de formación recopilados por el analista. Los ejemplos de formación "enseñan" al software cómo clasificar el resto de los píxeles de la imagen.

Clasificación sin supervisión

Un enfoque de clasificación de imágenes que ordena los píxeles de la imagen en clústeres sin la intervención del analista. El proceso se basa únicamente en la distribución de valores de píxeles en un espacio de atributos multidimensional.

48

Clase

Un grupo de píxeles de una imagen que representa el mismo objeto en la superficie de la tierra.

Clúster

Un grupo de píxeles que se puede distinguir en un espacio de atributos multidimensional. Un clúster es similar a una clase solo que el objeto de base que representa es desconocido cuando se realiza el análisis de clustering.

6.2. Visualización

En un SIG raster convencional a cada celda le corresponde un valor único en cada capa. Si, para la visualización de los datos, se asigna un color a cada uno de esos valores, cada celda aparecerá representada mediante ese color, conformándose un mapa raster característico. El aspecto del mapa resultante depende del número de celdas: si es lo suficientemente alto puede no llegar a percibirse que se trata de una imagen raster, pero el mapa tarda más tiempo en desplegarse sobre la pantalla y, sobre todo, se hace un uso más intensivo de los recursos del ordenador al efectuar cualquier operación. Cuando la variable representada es cualitativa, el número de clases que puede tomar la variable suele ser relativamente reducido y los valores con que se codifican esas clases son números enteros. Entonces a cada uno de esos valores se le asigna un determinado color. Esa asignación se hace de acuerdo con una paleta de color, en la que simplemente se indica el color que corresponde a cada número. Por ejemplo, las celdas que registren el valor 1 se representan en rojo; en azul las que tienen el 2, y así sucesivamente. Por supuesto siempre debe haber una leyenda que explique a qué clase corresponde cada color, así como un título indicativo del contenido del mapa. Cuando la variable es cuantitativa puede tomar un número elevadísimo de valores. En tales casos se deben agrupar los valores en intervalos. Esta operación de agrupación de valores en intervalos se puede hacer de forma automática cuando se requiere visualizar el mapa o previamente mediante los procedimientos de agrupación (reclasificación). De esta forma, a cada intervalo le corresponderá un color de acuerdo con la paleta elegida. La elección de una paleta de color adecuada a cada variable es esencial a la hora de visualizar mapas. Si la variable es cualitativa, los colores de la paleta simplemente deben reflejar los convencionalismos cartográficos: en el caso del uso del suelo, las láminas de agua se representan en azul, los bosques en verde, los cultivos en tonos pardos, etc. Pero si la variable es cuantitativa, debe existir una gradación progresiva en las tonalidades del color que indique de forma expresiva si nos encontramos ante valores altos o bajos. Los colores que figuren en los extremos pueden responder también a convencionalismos. Así, por ejemplo, en un mapa de temperaturas se puede emplear una rampa de color que vaya desde el rojo (para las zonas más cálidas) hasta el azul (para las más frías).

49

6.3. Operaciones Locales

Algunas de las operaciones que realizan los SIG raster no tienen en cuenta la relación de cada celda con las demás, sino que cada celda se considera aisladamente. Se trata de obtener un nuevo mapa en el que el valor de cada celda depende de los datos asociados a esa celda. En este sentido se pueden diferenciar dos posibilidades: 1- Que las operaciones para generar los nuevos valores se basen en los valores existentes en una sola capa (operaciones de recodificación o reclasificación). 2- Que dichas operaciones se basen en los valores existentes en varias capas, que son combinados celda a celda (operaciones de superposición de mapas). En la práctica es muy frecuente que ambas operaciones (reclasificación y superposición) se ejecuten sucesivamente, ya que uno de los tipos de superposición (la superposición lógica) exige partir de mapas binarios, que se obtienen previamente mediante operaciones de reclasificación.

7.3.1 Reclasificación

Se trata de una operación local a partir de una capa o mapa fuente. Por lo tanto, a partir del valor de cada celda en el mapa fuente se obtiene el valor que corresponde a esa misma celda en el mapa resultante. Antes de recodificar una variable debe considerarse su naturaleza, ya que algunas operaciones de reclasificación pueden no tener sentido ante determinados tipos de variables. Existen básicamente los siguientes tipos de reclasificación: A) En variables cualitativas 1- Recodificación de clases.- Consiste en recodificar las clases del mapa fuente una por una. Así, por ejemplo, en un mapa de usos del suelo de una región pueden existen 70 clases y, sin embargo, en la hoja con la que nosotros trabajamos sólo aparecen 5: las clases 23, 35, 50, 54 y 59. Para generar cartografía puede tener sentido recodificar esas clases con las nuevas etiquetas de 1, 2, 3, 4 y 5. 2- Agregación de clases.- La agregación de clases es una operación importante desde el punto de vista de lo que se conoce como generalización cartográfica. Se trata de agrupar las clases del mapa fuente y asignar nuevos códigos a las clases resultantes. B) En variables cuantitativas 1- Agrupación de los valores en intervalos.- Consiste en agrupar los valores de una variable cuantitativa de acuerdo con unos intervalos previamente definidos por el usuario o calculados automáticamente por el sistema. 2- Operaciones matemáticas.- Los valores del mapa final se obtienen a partir de los valores del mapa original, mediante una ecuación que puede incluir cualquier

50

función matemática (suma, resta, multiplicación, división, potencias, raíces, etc.) o trigonométrica.

7.3.2 Superposición de mapas

Se trata de una operación local a partir de dos o más mapas fuente: el valor de cada celda en el mapa final depende de los valores de esa misma celda en los mapas fuente. Los valores de los mapas fuente se pueden combinar por medio de operaciones aritméticas o utilizando condiciones lógicas, lo que da lugar a la diferenciación de dos tipos de superposición de mapas:

A) Superposición lógica Se trata de encontrar las áreas donde se cumplen unas determinadas condiciones lógicas. Pongamos un ejemplo. En una determinada zona, un constructor puede tener interés en identificar áreas aptas, desde el punto de vista físico, para la edificación de viviendas, para lo contempla dos condiciones: que el terreno sea lo suficientemente resistente y que la pendiente no sea excesiva. Se considera que de las litologías existentes en la zona (arcillas, calizas, margas y yesos) son adecuadas para la construcción las tres primeras; en cuanto a las pendientes, se consideran aptas aquellas que no superan el 10%. Mediante la superposición de ambos mapas el sistema debe ser capaz de determinar dónde se cumplen ambas condiciones. Como se trata de una operación de superposición lógica, los mapas fuente deben ser binarios. En la superposición lógica se utilizan las operaciones de lógica booleana: el Y (AND) lógico y el O (OR) lógico.

1- Y lógico.- Se trata de identificar las áreas en las que se cumplen ambas condiciones (la primera Y la segunda). En tal caso la operación de superposición se lleva a cabo multiplicando los valores de las dos capas celda a celda. El resultado es un mapa en el que muestran el valor 1 las celdas donde se cumplen las dos condiciones y el valor 0 las celdas donde no se cumple ninguna de las dos o sólo se cumple una. 2- O lógico.- Se trata de identificar las áreas donde se cumple una de las dos condiciones (la primera O la segunda). Cuando de lo que se trata es de conocer las celdas donde se cumplen alguna de las dos condiciones (la primera O la segunda), la superposición se lleva a cabo sumando los valores de las dos capas, celda a celda. El mapa resultante muestra el valor 2 donde se cumplen ambas condiciones, el 1 donde sólo se cumple una de ellas y el 0 donde no se cumple ninguna. Si de lo que se trata es de conseguir un mapa binario, dado que tanto en el valor 1 como en el 2 se cumplen alguna de las dos condiciones, sería

51

necesario reclasificar los valores: el 1 y el 2 se codifican como 1 (se cumple alguna de las dos condiciones) y el 0 se mantiene como 0 (no se cumple ninguna de las dos).

B) Superposición aritmética

En este caso se trata de combinar dos o más capas, celda a celda, mediante una ecuación matemática. En estas ecuaciones puede incluirse cualquier tipo de operación matemática: suma, resta, multiplicación, división, raíces, potencias, funciones trigonométricas... En ArcGIS, la herramienta Calculadora ráster ejecuta las expresiones del Álgebra de mapas. La herramienta tiene una interfaz de calculadora fácil de utilizar desde la cual se crean la mayoría de declaraciones del Álgebra de mapas simplemente al hacer clic en los botones. La Calculadora ráster se puede utilizar como una herramienta independiente, pero también en ModelBuilder. Como resultado, la herramienta permite integrar la potencia del Álgebra de mapas en el ModelBuilder.

C) Combinación de celdas Se trata de cruzar los valores de dos capas para obtener las correspondientes combinaciones (equivalentes a tabulaciones cruzadas en estadística). Si, por ejemplo, una capa contiene los valores del 1 al 3 (intervalos de pendiente: débil, media y fuerte) y otra los valores del 1 al 2 (cultivos y bosques), se obtendrán todos los cruces: 1-1 (pendiente débil sobre cultivos), 1-2 (pendiente débil sobre bosque), 2-1 (pendiente media sobre cultivos), 22 pendiente media sobre bosque), etc.

52

6.4. Operaciones de vecindad inmediata

Son operaciones en las que el valor de una celda en un nuevo mapa está en función de los valores de las celdas situadas en su vecindad inmediata, es decir, las celdas contiguas a ella, ya sea a través de un lado o a través de un vértice común.

7.4.1 Pendientes y orientaciones

A partir de una capa en la que se registra la altitud de cada celda (un modelo digital del terreno ráster) es posible calcular automáticamente el valor de las pendientes y su orientación. Se trata de una operación de vecindad inmediata: se trabaja con ventanas de 3 x 3 celdas de manera que el valor de la celda central de la ventana se obtiene a partir del cálculo del valor de las pendientes existentes entre esa celda y las celdas vecinas. El valor y la orientación de las pendientes son variables utilizadas en multitud de aplicaciones (pautas de distribución de la vegetación, modelos de erosión, delimitación de cuencas hidrográficas, capacidad de acogida de nuevos usos, etc.). Por otro lado, la orientación de las pendientes permite conocer la dirección del flujo del agua sobre la superficie de la tierra y, en consecuencia, delimitar cuencas de drenaje. Pendientes.- Existen distintas soluciones para generar un mapa de pendientes a partir de un mapa de altitudes en un SIG raster. La más sencilla y usual es la siguiente: se calcula el valor de las pendientes existentes entre la celda central y sus ocho celdas vecinas, y se toma el mayor de esos ocho valores (o la media aritmética de los ocho). Para este cálculo es necesario conocer no sólo la diferencia altitudinal entre las celdas, sino también la distancia en la horizontal. La distancia en la horizontal se mide sobre el centro de las celdas y varía según se trate de celdas contiguas por sus lados o por sus vértices. En el primer caso la distancia coincide con la resolución: si la resolución es de 100 x 100 metros, la distancia entre las celdas contiguas por sus lados será lógicamente de 100 metros. En el segundo caso la distancia es aproximadamente 1,4 veces mayor que en el primero: en consecuencia, con esa resolución de 100 x 100 metros, la distancia entre celdas contiguas por sus vértices será de 140 metros. Si se quiere calcular el valor de la pendiente en tantos por ciento, se utiliza una sencilla regla de tres, para expresar la diferencia altitudinal como porcentaje de la distancia en la horizontal. En el caso de que se quiera medir la pendiente en grados se utiliza un sencillo cálculo trigonométrico. Orientación.- El concepto de orientación de las pendientes se refiere al punto cardinal hacia el que éstas están inclinadas y, en consecuencia, hacia dónde vierten las aguas de lluvia. De ahí que la delimitación de cuencas de drenaje se efectúe a partir de mapas de orientación de las pendientes. La orientación de las pendientes se obtiene mediante cálculos trigonométricos. El resultado es un valor en grados que expresa el ángulo formado entre el punto cardinal hacia el que está orientada la pendiente y el norte. Así, por ejemplo, una pendiente orientada hacia el este tendrá un valor de 90 grados, de 180 si está orientada hacia el sur, etc. También puede expresarse de forma cualitativa por aproximación al punto cardinal al que esté más próximo su valor en grados (noreste, suroeste, etc.).

53

Cálculo de Pendientes (Slope)

Cálculo de Orientaciones del terreno (Aspect)

Sombreado del relieve. Esta es una técnica cartográfica clásica, según la cual se supone que existe un foco luminoso, generalmente en el noroeste y con un ángulo de 45 grados sobre la horizontal, que ilumina la superficie representada en el mapa produciendo un efecto de sombreado: las celdas, de acuerdo con su pendientes y orientación, reciben los rayos de luz con mayor o menor intensidad o incluso quedarán en sombra. El resultado es un nuevo mapa cuyos valores expresan distintas intensidades de iluminación. Sombreado del relieve (Hillshade)

7.4.2 Análisis de las cuencas de drenaje

Sobre el mapa de orientación de las pendientes se puede determinar hacia qué celda de las ocho vecinas vierte el agua de lluvia que cae sobre una celda dada. Si la orientación de la pendiente en esa celda es la sur, el agua de escorrentía de esa celda se dirigirá hacia la celda vecina del sur. En el caso de que la orientación se exprese en grados, el flujo se producirá hacia la celda que se encuentre en el punto cardinal cuyo valor se aproxime más al valor de la orientación de la pendiente. Así, por ejemplo, si el valor de la orientación es de 85 grados, el valor del punto cardinal más próximo es el del este (90 grados), por lo que se asume que el agua fluirá hacia la celda contigua en dirección este. Esta operación debe realizarse para cada celda, de manera que finalmente se pueda conocer la dirección del flujo en todas las celdas del mapa. Una vez finalizado este proceso, el SIG puede determinar qué celdas vierten el agua de escorrentía hacia una celda o celdas dadas y delimitar cuencas de drenaje.

54

También se puede calcular el flujo acumulado sobre una celda dada en función de la cantidad de agua que aportan las celdas que directa o indirectamente vierten sobre ella. Representación de las cuencas hidrológicas:

Representación de cuenca hidrológica y sistema de cuencas hidrológicas

7.4.3 Distancias euclidianas

En un sistema raster se pueden generar distintos tipos de mapas basados en las distancias entre celdas. Los resultados dependen del concepto de distancia con que se trabaje. En ocasiones es suficiente con utilizar simplemente la distancia euclidiana, es decir, en línea recta.

Mapas de distancias euclidianas En un mapa raster es posible, en base a la resolución, medir la distancia euclidiana entre una celda (o zona) dada y cada una de las celdas restantes. El resultado es un mapa de distancias, en el que en cada celda se almacena el valor de distancia hasta la celda o zona dada. Supongamos que la resolución es de 30 x 30 metros. La medición de las distancias en el caso de celdas que se encuentran en la misma fila o columna es directa: habrá que multiplicar el número de filas o columnas de diferencia por la resolución. Así, si nos mantenemos en la primera fila, la primera celda se encuentra a 30 metros de distancia con respecto a la segunda, a 60 metros con respecto a la tercera y así sucesivamente. En el caso

55

de las celdas que tienen distinto número de fila y de columna, la distancia se calcula mediante el teorema de Pitágoras según: 2

d = d f + d c2 donde d = distancia euclidiana entre celdas df = distancia que supone la diferencia entre filas dc = distancia que supone la diferencia entre columnas

Así, por ejemplo, la distancia entre la celda situada en la primera fila y primera columna y la situada en la segunda fila y tercera columna será 2

d = d f + d c2 = 302 +602 = 67

Análisis de proximidad (buffer) Se trata simplemente de conocer qué celdas se encuentran a menos de una determinada distancia con respecto a una celda o zona dada (o a un conjunto de zonas). Esto puede determinarse a partir de un mapa de distancias mediante una operación de reclasificación: se pueden recodificar como 1 las celdas que quedan a menos de la distancia especificada y como 0 al resto de las celdas. De esta forma se obtiene un mapa binario que puede ser sometido directamente a una operación de superposición lógica con otro mapa binario de cara a identificar áreas que cumplan ciertos requerimientos. Algunos sistemas permiten realizar el análisis de proximidad directamente, sin necesidad de elaborar primero un mapa de distancias y luego reclasificar. El análisis de proximidad constituye una de las operaciones más características de los SIG y es utilizada en multitud de aplicaciones: estudios de impacto ambiental, búsqueda de localizaciones óptimas, capacidad de acogida del territorio, etc.

Generación de polígonos de Thiessen

56

Los polígonos de Thiessen se generan a partir de un conjunto de puntos previamente definidos (en su caso representados mediante celdas), de forma que cada celda queda asignada al punto más próximo a ella. Lógicamente resultan tantos polígonos (zonas) como puntos se hayan fijado previamente. El resultado final es una división del espacio en polígonos que recibe el nombre de teselación Voronoi, en la que los límites entre los polígonos son equidistantes con respecto a los puntos vecinos. Cada uno de esos polígonos es realmente una zona, que se puede reconocer por el hecho de que sus celdas presentan un mismo valor. Los polígonos de Thiessen tienen una amplia aplicación en estudios sobre áreas de influencia de centros de servicio (oficinas administrativas, bancos, bibliotecas, estaciones de metro, etc.), especialmente cuando se consideran movimientos peatonales. El polígono generado a partir de un determinado centro englobaría todas aquellas localizaciones (celdas) para las que ese centro es el más próximo. Si se dispone de la distribución de la población en otra capa, se puede calcular cuál es la demanda potencial de cada centro. Figura: Poligonos de Thiessen

También se puede recurrir a una teselación Voronoi cuando se trabaja con datos muestrales y se desconoce cuál es el valor de la variable en cuestión en un punto diferente al muestral. Por ejemplo, si se han tomado un conjunto de muestras para medir el Ph del suelo, el valor de cada punto muestral se asigna a todas las celdas del polígono, es decir, el pH de cualquier celda del polígono se considera igual al del correspondiente punto muestral.

7.4.4 Superficies de fricción

Hasta aquí se ha tratado exclusivamente de distancias euclidianas. Pero en multitud de ocasiones esta medida de la distancia resulta poco realista, ya que el espacio no es isotrópico. Por el contrario, el efecto de fricción de la distancia (o si se prefiere, la resistencia al desplazamiento por el espacio) varía en función de distintos criterios, como el tipo de relieve, la existencia de láminas de agua, etc. Estas características pueden ser tenidas en cuenta en el cálculo de los mapas de costes y en los análisis de proximidad. Para ello se debe especificar en una nueva capa cuál es el coste (el efecto de fricción) asociado a cada celda. Si existe un área que no puede ser atravesada por constituir una barrera absoluta al movimiento, a las celdas correspondientes a ese área se les debe asignar un coste de

57

transporte tan elevado que en la práctica se comporten como si se tratara de barreras absolutas.

Mapas de costes y análisis de proximidad

En este caso se utiliza como distancia base no la euclidiana, sino la que resulta de atravesar sucesivamente celdas contiguas: si el movimiento se produce por los lados, la distancia equivale a la resolución; si se produce por los vértices, equivale a la resolución multiplicada por 1,4. Para tener en cuenta las características del territorio, cada paso de una celda a otra se pondera en función del valor que tienen las celdas en la superficie de fricción. De esta forma, se produce una distorsión en las aureolas que se generan al calcular los costes con respecto a una celda o punto dado y al hacer un análisis de proximidad sobre esos datos.

Cálculo de caminos mínimos

Sobre los datos de la superficie de fricción también es posible calcular el camino mínimo entre dos celdas o grupos de celdas. El sistema es capaz de encontrar la ruta óptima de forma que se minimicen los costes mediante un procedimiento semejante al que se ha indicado para la generación de los mapas de costes, pero en este caso el resultado es un conjunto de celdas alineadas que marcan el camino óptimo y que se diferencian de las demás mediante un código (por ejemplo, el 1). Esta funcionalidad es extraordinariamente útil para el trazado de infraestructuras lineales. Así, por ejemplo, el SIG puede determinar cuál es el trazado óptimo de una carretera teniendo en cuenta criterios como el uso del suelo, las pendientes, la excavabilidad de las rocas, etc. De esta forma se puede elegir un trazado que, siendo respetuoso con el medio ambiente, minimice los costes de expropiación y de construcción.

Raster representando costes de viaje acumulado

7.4.5 Análisis de intervisibilidad

58

A partir de un mapa de elevaciones del terreno es posible determinar qué celdas son visibles y no visibles desde una determinada celda (punto) o grupo de celdas (o puntos). El resultado es un mapa en el que se diferencian las primeras de las segundas mediante un determinado código (por ejemplo, 1 para las áreas visibles y 0 para las no visibles), de forma que se delimitan cuencas visuales de forma automática. Para ello el sistema traza líneas de visión en todas direcciones, de forma que puede determinar si dos celdas son visibles entre sí o si por el contrario existe algún obstáculo entre ellas que impide la intervisibilidad. Esta funcionalidad es de gran interés en la búsqueda de localizaciones óptimas en las que la variable visibilidad sea decisiva: en unos casos se deben buscar puntos visibles desde amplias zonas circundantes (torretas de incendios, emisoras de radio); en otros se trata exactamente de lo contrario, es decir, de ocultar instalaciones ya sea porque produzcan un impacto visual negativo sobre el paisaje (una fábrica de cemento) o por necesidades estratégicas en el campo militar. Por otro lado, la delimitación de cuencas visuales constituye un elemento esencial en los modelos de difusión de las ondas sonoras.

7.4.6 Estadísticas de zonas

Se trata simplemente de efectuar cálculos sobre una capa en función de las zonas (celdas con un mismo valor) de otra capa. Lógicamente la primera es cuantitativa (como la altitud) y la segunda cualitativa (como uso del suelo). Así, por ejemplo, se le puede pedir al sistema que calcule la altitud media según usos del suelo.

59

7. Análisis Vectorial 8.1 Presentación de la información

En diferentes ocasiones el usuario de un SIG necesita presentar la información, ya sea simplemente la información que se ha cargado en el sistema o los resultados de un análisis previamente efectuado. En un sistema vectorial la presentación de los datos se puede realizar de distintas formas: - En unos casos puede interesar exclusivamente presentar la geometría y la topología de los objetos almacenados en la base de datos, es decir, centrarse en la componente espacial de los datos (por ejemplo, mostrar un mapa de carreteras con los arcos que representan sus distintos tramos y los nodos que representan las intersecciones). - En otros casos el usuario requiere del sistema que presente exclusivamente información temática (por ejemplo, un listado y un histograma con las intensidades medias diarias de los distintos tramos). - Finalmente, en otros casos, el usuario desea una presentación de información espacial y temática de forma simultánea (por ejemplo, un mapa en el que se representan las intensidades medias de los distintos tramos por medio de líneas de diferente grosor). Evidentemente la forma más característica de presentación de la información en un SIG es esta última, ya que supone la combinación de las componentes temática y espacial. Pero en la corrección de errores de digitalización es muy habitual trabajar con mapas que muestran exclusivamente la geometría de los objetos; asimismo, en la corrección de errores de la componente temática es muy frecuente utilizar listados. Los sistemas vectoriales tienen una serie de utilidades que permiten confeccionar mapas de alta calidad: paletas de color y de tramas, símbolos, posibilidad de representación de una o más variables al mismo tiempo, escala gráfica, tipos de letras distintos para los títulos y la leyenda, etc. Los mapas pueden ser presentados en la pantalla o impresos en papel mediante periféricos de distintos tipos (ver anexo 2).

A) Mapas de puntos Cuando los objetos espaciales de una capa son puntos, sus atributos se pueden representar de distinta forma. Si la variable es cualitativa, se suelen utilizar signos distintos para señalar la presencia de distintos tipos de entidades (por ejemplo, tipos de comercios) o un mismo signo con distintos colores. En el caso de las variables cuantitativas, se suelen producir mapas en los que los objetos puntuales se representan mediante círculos proporcionales: el tamaño del círculo es proporcional al valor que registra el objeto puntual en la variable en cuestión. Evidentemente se pueden combinar en un mismo mapa criterios cualitativos y cuantitativos

60

(colores para indicar los tipos de comercios y círculos proporcionales para señalar el número de sus empleados).

B) Mapas de líneas Los objetos lineales se representan en mapas de líneas de distintos colores o anchura. La primera solución se suele utilizar en el caso de variables cualitativas (por ejemplo, tipos de carretera) y la segunda en el caso de las variables cuantitativas (por ejemplo, intensidades medias de tráfico). Nada obsta para que ambas técnicas de representación gráfica (colores y anchura de las líneas) se utilicen para representar una sola variable o dos variables al mismo tiempo. Así, por ejemplo, el tipo de carretera (que es realmente una variable semicuantitativa, ya que implica una jerarquización) se puede representar mediante la combinación de líneas de distinto ancho y color. Un caso especial lo constituyen los mapas de isolíneas. Estos se obtienen a partir de mapas de puntos, mediante procedimientos de interpolación que se llevan a cabo de forma automática en el SIG. La estructura de datos TIN resulta muy adecuada para este fin (ver subapartado 3.3.2). Así, por ejemplo, en algunos sistemas a partir de una capa de puntos con sus respectivas altitudes se puede generar automáticamente una estructura TIN y producir después un mapa de curvas de nivel por medio de la interpolación de los valores contenidos en los nodos de los triángulos. Los puntos en el mapa original pueden estar distribuidos regular o irregularmente. Conviene señalar que existen distintas funciones de interpolación, que resultan más o menos adecuadas al tipo de variable que se representa. Las más comunes se basan en el cálculo de la media de los valores de los puntos vecinos o en medias ponderadas donde los pesos son inversamente proporcionales a la distancia (Aronoff, 1989).

C) Mapas de polígonos En los mapas de polígonos se suelen utilizar colores o tramas, pudiendo combinarse ambas técnicas en un mismo mapa. En la elección del color (y de las tramas) son aplicables los mismos criterios que ya se expresaron para la presentación de los mapas raster (apartado 4.2.1).

D) Mapas de superficies y generación de perfiles Un caso especial lo constituyen los mapas tridimensionales generados a partir de estructuras como la TIN. El efecto es semejante al que se consigue con los mapas raster en tres dimensiones, sólo que con la estructura TIN se puede conseguir un modelo más preciso de la realidad al basarse en una red de triangulación irregular. La representación de otra variable (como el uso del suelo) por medio de colores sobre un mapa tridimensional produce un efecto de gran expresividad. Al igual que en el modelo raster, también es posible generar perfiles topográficos a partir de la definición de una línea de corte sobre un modelo digital del terreno.

61

E) Tablas y resúmenes numéricos

La base de datos alfanumérica puede ser tratada con un sistema gestor de bases de datos para obtener tablas y estadísticas básicas (valor máximo, mínimo, media, desviación típica, etc.) o para seleccionar valores en función de ciertas condiciones lógicas. En general las operaciones de análisis estadístico que se pueden realizar en un SIG son muy elementales, pero siempre existe la posibilidad de exportar los datos sobre atributos a un paquete de análisis estadístico (como BMDP, SPSS, SAS, Statgraphics, etc.).

8.2 Operaciones con capas

Podemos distinguir entre: Operaciones para «preparar las capas»: •

Merge (fusión)

•

Dissolve

•

Clip (recortar) / Split

Operaciones de superposición: •

Erase / Update

•

Identity / Interset / Unión

•

Symmetrical Deifference

Merge Para capas contiguas, normalmente hojas en una serie de mapas, permite fusionarlas en una única capa.

62

Dissolve Se funcionan figuras que comparten un mismo atributo, combinando elementos adyacentes de acuerdo a un campo de la tabla de atributos, es decir los disuelve en una sola área. Trabaja con polígonos y línea. Es ideal para trabajar en elaboración de mapas temáticos con la finalidad de reducir categorías

Clip Se limita la información de una capa a un área especifico, de acurdo a un molde, se trabaja con líneas, puntos y polígono.

Multipart to singlepart Individualiza los elementos presentes en el archivo. Se usa para puntos, líneas o polígonos.

63

Unión Combina la geometría y los datos de todas las capas y la convierte en una sola capa. Se usa solo para polígonos.

Erase

Una capa le borra su área a otra, se utiliza para polígonos.

Intersect

Se cruzan dos capas generando sólo las áreas comunes.

64

Identidy Se cruzan dos capas y las proporciones comunes en la capa de entrada adquieren los atributos de la capa que se sobrepone.

8.3 Unión de objetos por atributos

Las operaciones de reclasificación, disolución y fusión se utilizan de forma sucesiva para agregar objetos poligonales a partir de un atributo determinado. El resultado final es un mapa más general que el anterior, tanto en lo que se refiere a la información cartográfica (menor número de objetos) como al atributo temático considerado (menor número de valores posibles). - La operación de reclasificación supone la agregación de clases (en el caso de las variables cualitativas) o la agrupación de valores en intervalos (en el caso de las cuantitativas). Esta operación se puede llevar a cabo sobre un atributo o una combinación de atributos de la base de datos. - La operación de disolución consiste en eliminar los arcos que separan polígonos con el mismo valor en la variable reclasificada - Finalmente, la operación de fusión consiste en especificar la secuencia de arcos que forman cada uno de los nuevos polígonos (reconstruir la topología) y asignar identificadores a esos nuevos objetos. Ambas funciones de generalización presentan un grado de complejidad muy distinto. La generalización líneas sólo conlleva una modificación de la geometría de los objetos. Pero la unión de objetos, que se basa en la relación topológica de contigüidad (disolución), implica también la reconstrucción de la topología (fusión), lo que puede llevar un cierto tiempo si la base de datos con que se trabaja contiene un elevado número de objetos.

65

8.4 Mediciones espaciales sobre objetos

Los objetos lineales y poligonales poseen ciertas propiedades espaciales que pueden ser medidas (apartado 2.1.2). Entre las propiedades de las líneas figuran la longitud y la sinuosidad, y entre las propiedades de los polígonos el área y el perímetro. Otras mediciones que se pueden realizar sobre los objetos no se refieren a sus propiedades, como ocurre con el centroide del polígono.

A) Mediciones sobre líneas - Longitud Una línea está compuesta por uno o varios segmentos rectos (figura 5.4). A partir de las coordenadas de los puntos que marcan la localización de los segmentos se puede calcular fácilmente la longitud de éstos recurriendo al teorema de Pitágoras (ver apartado 4.5.1). En consecuencia la longitud total de una línea será igual a la suma de las longitudes de los segmentos que la componen. En las capas de líneas normalmente este dato es calculado automáticamente por el sistema y almacenado como atributo espacial en la base de datos. - Sinuosidad Otra magnitud interesante en relación a las líneas es la distancia que separa a sus puntos extremos. Ésta puede calcularse fácilmente por medio del teorema de Pitágoras, una vez identificados sus puntos extremos. El cociente entre la longitud de la línea y la distancia entre sus extremos es una medida habitual de sinuosidad. El valor más bajo posible (igual a 1) se obtendrá cuando ambos valores coincidan, es decir, cuando la línea esté compuesta por un sólo segmento; a medida que aumente el valor de dicho cociente mayor será la sinuosidad de la línea.

B) Mediciones sobre polígonos

Perímetro y área Dado que un polígono está enmarcado por una sucesión de líneas, su perímetro será igual a la suma de las longitudes de esas líneas. El cálculo del área es más complicado, dado que habitualmente no se trabaja con polígonos regulares. Se puede llevar a cabo mediante un conocido algoritmo que se basa en la descomposición del polígono en trapezoides (NCGIA, 1990 y Bosque, 1992). En numerosos sistemas ambas magnitudes (perímetro y área) son calculadas automáticamente y almacenadas en la base de datos como atributo espacial de los objetos poligonales.

Centroides

66

El centroide de un polígono es su punto central. Este puede ser calculado fácilmente hallando las medias de las coordenadas X e Y de los distintos vértices del polígono (figura 5.7). Pero éste método puede plantear problemas en polígonos cuyos vértices se encuentran muy irregularmente repartidos. En algunas ocasiones este problema puede ser solucionado con la operación de simplificación de líneas, ya que muchos de esos vértices podrían ser redundantes; pero en otras ello es simplemente un reflejo de la realidad, es decir, el contorno es más irregular en unas partes del polígono que en otras. En tal caso existen otras soluciones más complejas que pueden encontrarse en NCGIA (1990) y Bosque (1992).

8.5 Consultas a la Base de Datos

Un SIG puede ser utilizado como herramienta de análisis, pero también simplemente como instrumento de consulta. En multitud de aplicaciones, especialmente en las de tipo inventario, las consultas a la base de datos constituyen una operación de una importancia capital. Piénsese en un SIG municipal, en el que constantemente se está requiriendo del sistema información relacionada con la gestión urbanística (uso del suelo, edificabilidad, impuestos municipales, etc.), o en un inventario de carreteras, donde se consultan cuestiones relacionadas con su mantenimiento (año de asfaltado, señalización, estado de las estructuras, etc.). Las consultas a la base de datos se pueden hacer en dos direcciones: desde la base de datos de atributos o desde el mapa digital.

8.5.1 Consultas por atributos

En la base de datos se seleccionan los objetos espaciales que cumplen una o varias condiciones fijadas por el usuario y esos objetos pueden ser visualizados en la pantalla. Generalmente lo que se quiere es conocer DÓNDE se localizan esos objetos. Por ejemplo, si tenemos una capa con polígonos, se le puede pedir al sistema que seleccione aquellos polígonos cuyo uso del suelo sea "industrial". Si la información sobre el uso del suelo está contenida en la variable "USO" y el código asignado al suelo industrial es el 8, habrá que pedirle al sistema que seleccione aquéllos objetos en los que se cumpla la condición "USO = 8". En la búsqueda por atributos se pueden utilizar operadores de distinto tipo: - Relacionales: <, >, <=, >= - Aritméticos: =, -, *, / - Booleanos: AND, OR, NOT Estos operadores se pueden combinar para realizar selecciones más complejas. Así, en el ejemplo anterior, se le puede pedir al sistema que seleccione las parcelas de uso industrial con una superficie superior a los 1.000 metros cuadrados (figura 5.8). Se trata de

67

dos condiciones, una referente a la variable "USO" en la que se utiliza un operador aritmético (USO = 8) y otra referente a la variable "AREA" en la que se utiliza un operador relacional (AREA > 1000). Ambas condiciones quedan enlazadas por el operador booleano AND, lo que significa que sólo se seleccionan los registros que cumplan ambas condiciones (USO = 8 AND AREA > 1000). Una vez realizada la selección se le puede pedir al sistema que presente en un mapa los objetos seleccionados (figura 5.8). En este caso las dos variables se encuentran en la misma tabla, pero no hay inconveniente en hacer operaciones de consulta a través de varias tablas, relacionándolas a través de un campo común (RELATE) (ver subapartado 3.3.3).

Figura: Consulta por atributos.

8.5.2 Consultas espaciales

En este caso se seleccionan ciertos objetos sobre el mapa y los correspondientes registros quedan asimismo seleccionados en la base de datos (figura 5.9). Generalmente lo que se quiere conocer es QUÉ hay en las localizaciones seleccionadas. Esta operación se realiza sobre un mapa que se visualiza en la pantalla. Existen distintas posibilidades de selección, como las siguientes: - Marcando con el ratón el objeto o los objetos deseados. - Dibujando un círculo con el ratón para que el sistema seleccione los objetos tocados por el círculo o contenidos dentro del mismo. Para dibujar el círculo el usuario fija un punto sobre el mapa y a partir de él marca un radio de una determinada longitud (por ejemplo, 15 kilómetros).

68

- Pidiendo al sistema que seleccione los polígonos contiguos a un polígono previamente seleccionado, etc.

8.6 Medición de distancias y Análisis de Proximidad

8.6.1 Medición de distancias entre objetos

Dado que en un SIG vectorial los objetos espaciales están localizados mediante coordenadas, no presenta ninguna dificultad especial el medir la distancia que les separa en línea recta (distancia euclidiana) recurriendo al teorema de Pitágoras (ver apartado 4.5.1). El caso más sencillo sería la medición de la distancia entre dos puntos, pero también se puede calcular la distancia entre cualquier par de objetos, independientemente de que sean puntos, líneas o polígonos. El sistema puede responder a preguntas del tipo de cuál es la carretera más cercana al lugar donde se ha producido un accidente de aviación (distancia entre punto y línea) o cuál es el núcleo habitado más próximo al área en la que está ardiendo el bosque (distancia entre polígono y polígono). Cuando en el cálculo de las distancias al menos uno de los objetos es línea o polígono, se suele calcular la distancia "más corta" entre el par de objetos, como en los dos ejemplos anteriores. Si se trata, más concretamente, de la distancia entre dos polígonos, en algunas aplicaciones puede tener más sentido calcular la distancia entre sus centroides (ver apartado 5.2.4), en tanto que estos representan la "localización media" de los polígonos.

69

8.6.2 Análisis de proximidad

La medición de distancias en línea recta se utiliza en los análisis de proximidad (buffer), una de las operaciones más características de los Sistemas de Información Geográfica. Como ya se vió en el capítulo dedicado al modelo raster (apartado 4.5.1), se trata de delimitar el área que queda a menos de una determinada distancia de un objeto o grupo de objetos. Si en el mundo raster las distancias se medían con respecto a una celda o un grupo de celdas, en el mundo vectorial se miden con respecto a objetos puntuales, lineales o poligonales. El resultado es la creación de nuevos objetos poligonales que rodean a los objetos sobre los que se realiza el análisis (figura 5.10). Figura 5.10.- Análisis de proximidad sobre punto, línea y polígono.

A diferencia de lo que ocurre en el mundo raster, en el modelo vectorial el análisis de proximidad sólo se puede realizar sobre distancias euclidianas (no sobre superficies de fricción). Pero en cambio los atributos de los objetos sirven para efectuar selecciones y para fijar el ancho de la zona de proximidad. Así, por ejemplo, sobre una capa de carreteras se le puede pedir al sistema que efectúe un análisis de proximidad sólo sobre las que tienen el código 1 (autopistas) en la variable "tipo". Pero también es posible fijar una distancia distinta para cada tipo de carretera: por ejemplo, de 300 m para las de tipo 1 (autopistas), 200 m para las de tipo 2 (carreteras nacionales) y 100 metros para las de tipo 3 (otras carreteras). Cuando los objetos sobre los que se realiza el análisis de proximidad están muy juntos o la distancia elegida es muy grande, las zonas de proximidad de los distintos objetos pueden solaparse. En tal caso es muy útil recurrir a la operación de unión de objetos por atributos . Supongamos que queremos calcular la superficie de una ciudad que queda servida por la red de metro, entendiendo como tal el espacio que queda a menos de 1.000 m de una estación. Si existen ocho estaciones, tras el análisis de proximidad podríamos tener ocho círculos superpuestos, de manera que algunos lugares se encuentran servidos por más de una estación. Como esos círculos son objetos poligonales, el sistema calcula automáticamente su superficie. Sin embargo, la suma de la superficie de esos ocho nuevos polígonos no es igual al área servida por la red de metro, debido al solapamiento de los círculos. En tal caso se pueden unir esos objetos (mediante la operación de disolución y fusión) para obtener un nuevo objeto poligonal cuya superficie es el área servida por la red de metro.

Los resultados de los análisis de proximidad pueden ser sometidos a nuevos análisis. Entonces es cuando queda patente la potencia de los SIG. En el ejemplo anterior puede tener algún interés conocer cuál es la superficie servida por la red de metro (de acuerdo con los

70

criterios especificados anteriormente), pero resulta mucho más relevante calcular cuánta población queda dentro de esas áreas de influencia marcadas en el análisis de proximidad. Ello podría averiguarse por medio de una superposición de la capa que contiene las zonas de proximidad con otra en la que se registre la población residente en las distintas secciones censales (ver apartado 5.5).

El análisis de proximidad es más lento en el modelo vectorial que en el raster. El sistema no sólo tiene que dibujar las áreas que quedan a menos de una cierta distancia de un determinado conjunto de objetos, sino además construir la topología de los nuevos objetos, calcular si existen intersecciones entre esos nuevos objetos, disolverlos y fundirlos (en caso de que efectivamente haya solapamientos) y, finalmente, volver a construir la topología de los objetos resultantes.

8.6.3 Generación de polígonos de Thiessen

Como ya se indicó en el capítulo dedicado al modelo raster (apartado 4.5.1), se trata de generar polígonos a partir de un conjunto de puntos, de tal forma que los lados de los polígonos sean equidistantes con respecto a los puntos vecinos. Pero el procedimiento de obtención de los polígonos es muy distinto en el modelo vectorial. Aunque el problema que se plantea es la minimización de distancias euclidianas con respecto a los puntos originales, la solución en el modelo vectorial no se alcanza por cálculos de distancias, sino mediante un procedimiento geométrico: - En primer lugar se debe generar una triangulación Delaunay a partir del conjunto de puntos. Una triangulación de un conjunto de puntos es una triangulación Delaunay sólo si la circunferencia circunscrita a cada triángulo no contiene ningún punto en su interior (Weibel y Heller, 1991) (figura 5.12 A y B). - Los centros de las circunferencias circunscritas a los triángulos de Delaunay constituyen los vértices de los polígonos de Thiessen; los segmentos que unen esos vértices, trazados perpendicularmente a los lados de los triángulos, constituyen los lados de dichos polígonos (figura 5.12 C y D). Algunas de las aplicaciones de la generación de los polígonos de Thiessen fueron ya expuestas en el apartado 4.5.1. Más información sobre este tipo de teselación puede encontrarse en Okabe, Boots y Sugira (1992).

Figura: Generación de polígonos de Thiessen a partir de una triangulación Delaunay.

71

8.6 Superposición de mapas

Como ya se señaló en el caso del modelo raster, en la superposición de mapas se parte de dos mapas fuente que se combinan para obtener un mapa final. Pero en el mundo vectorial las capas pueden ser de tres tipos (puntos, líneas y polígonos), de lo que resultan distintos tipos de superposición. Los más habituales son los de punto en polígono, línea en polígono y polígono en polígono. El resultado de esta operación es una nueva capa del mismo tipo que la primera de las capas fuente, con modificaciones que afectan tanto a los objetos espaciales (excepto en la superposición punto en polígono) como a sus atributos. La superposición de capas en el modelo vectorial es una operación muy compleja, ya que se debe calcular la geometría y construir la topología de los objetos de la capa resultante.

Tipo de pozo

Perforado

Propiet. parcela

Smith

Tipo de suelo

Arenoso

72

8. Análisis de Redes 9.1 Introducción al análisis de redes

Una red está formada por un conjunto de arcos interconectados, a través de los cuales es posible el movimiento de recursos de acuerdo con ciertas restricciones. Existen redes de muy diversos tipos: de transporte, hidrográficas, telefónicas, eléctricas, de abastecimiento de agua, de alcantarillado, etc. Pues bien, en un SIG vectorial se puede representar una red y simular el movimiento de recursos sobre la misma. Dado que existen redes de muy distintos tipos, las posibilidades de implementación de modelos de análisis de redes son muy variadas. Así, por ejemplo, se puede implementar un modelo hidrológico que simule el comportamiento de la corriente de un río o un modelo que calcule las pérdidas que se producen a lo largo de una línea de transmisión eléctrica en función de la distancia. Conceptos básicos: Término

Descripción Las redes de transporte (como redes de ferrocarril, peatones y calles) permiten viajar en los bordes en ambas direcciones. El agente en la red, por ejemplo, un camionero que viaja por carreteras, suele tener libertad para decidir la dirección de la travesía así como el destino. Nota:

Red de transporte

En ArcGIS, las redes de transporte se modelan mejor mediante datasets de red. Precaución: Si desea modelar una red fluvial o una red de servicios, tal como tuberías o líneas de conducción, debe utilizar redes geométricas en lugar de datasets de red.

Entidades de origen

Las entidades de origen son las entidades de puntos y líneas utilizadas para crear un dataset de red. Pueden verse como la red física, que no tiene topología incrustada dentro de las entidades. El dataset de red se puede ver como la red lógica, que incrusta relaciones topológicas necesarias para realizar los análisis de red. El dataset de red es una colección de elementos de red interconectados (ejes, cruces y giros) que modelan flujo no dirigido. Su aplicación más común es el modelado de redes de carreteras.

Dataset de red

Cualquier análisis de red en ArcGIS Network Analyst requiere un dataset de red, que es una red lógica. Quizá se pregunte por qué es necesario un dataset de red si ya tiene una clase de entidad de línea que se parece a una red. La razón es que las entidades de línea no saben inherentemente a qué están conectadas, pero los elementos de red sí lo saben. Cuando se realiza un

73

análisis de red, el solucionador necesita digitalizar rápidamente una multitud de elementos de red para deducir qué rutas de acceso puede tomar para alcanzar un destino. Si tuviera que hacer referencia a entidades de línea simples, necesitaría realizar operaciones espaciales que exigen mucho tiempo para cada línea que inspeccionara; el proceso sería demasiado lento. Además, la configuración de esquemas de conectividad complejos sería difícil, si no imposible, de definir solo con entidades de línea. Como alternativa, cuando el solucionador digitaliza un dataset de red, los elementos pueden proporcionar la información precisa sin reducir tanto la velocidad del solucionador. Los términos red y dataset de red se utilizan a menudo de manera intercambiable en los documentos de ayuda de Network Analyst. Elementos de red

Los dataset de red se componen de ejes, cruces y giros; estos componentes se conocen genéricamente como elementos de red. Los atributos de red contienen información sobre el dataset de red. Hay cuatro tipos: Coste: penaliza el recorrido sobre un elemento. Se requiere al menos un atributo de coste.

Atributos de red

Descriptor: contiene información general; se utiliza a menudo para almacenar valores a los que hacen referencia otros atributos de red para calcular sus valores. Jerarquía: estratifica una red principalmente con el propósito de resolver los análisis de red más rápidamente. Restricción: prohíbe ciertos movimientos en elementos de red. Las calles de un solo sentido y los giros ilegales se modelan mediante atributos de restricción de red. El coste de la red y la impedancia hacen referencia al mismo concepto. Siempre que un agente atraviesa un elemento de red, se le carga alguna cantidad, que es el coste de la red. Por ejemplo, una ruta de acceso de una ciudad a otra podría tener un "coste" de red de 45 millas.

Coste de la red El coste de la red puede ser cualquier cosa que elija pero, normalmente, es la o impedancia distancia o el tiempo de viaje. Para poder utilizarlo en un análisis de red, un dataset de red debe tener al menos un atributo de coste, porque los análisis de red siempre optimizan algún coste. Por ejemplo, un análisis de ruta busca la ruta de menor coste entre dos o más puntos. En algunos casos, se requiere incluso más de un atributo de coste. Después de agregar un atributo de red a un dataset de red, es necesario calcular los valores de los atributos. Los evaluadores sirven para esta función. Evaluadores

Hay muchos evaluadores para cada atributo de red. Un atributo de red tiene un evaluador único para cada elemento de red (cruces, ejes y giros) y cada una de sus clases de entidad de origen. Además, hay dos evaluadores para cada clase de entidad de origen de eje: uno para el lado de origen a destino de los

74

bordes, y otro para el lado de destino a origen. Por ejemplo, si se agrega un atributo de coste a un dataset de red creado a partir de una clase de entidad de calles y una clase de entidad de giros, puede haber un evaluador que calcule los valores de atributo de coste para cada uno de los siguientes elementos: Cruces del sistema Giros El lado de origen a destino de las calles El lado de destino a origen de las calles Si se agregarán más entidades de origen a la red, serían necesarios más evaluadores para calcular los costes para sus elementos de red correspondientes. Hay varios tipos de evaluador, tales como evaluadores constantes que asignan un valor único a todos los elementos de los evaluadores de campo y grupo que puedan extraer valores de entidades de origen y asignarlos a sus elementos de red correspondientes. Capa de red

Cuando un dataset de red se representa en ArcMap como una capa, se denomina una capa de dataset de red o, más sencillamente, una capa de red. Las capas de análisis de red, o capas de análisis para abreviar, se pueden ver como un marco para configurar y resolver un problema de red.

Capa de análisis de red

Por ejemplo, se crea una capa de análisis de ruta cuando se decide resolver un problema de ruta (ruta de menor coste) en ArcMap. Se asocia automáticamente al dataset de red activo. Además, la capa de análisis tiene propiedades que permiten definir mejor el problema, tales como una propiedad que permite especificar si las paradas se deben secuenciar de manera óptima o realizarse en el orden en que aparecen en la lista. Las capas de análisis de red también contienen un conjunto de clases de análisis de red predefinidas para el tipo de problema de red: las capas de análisis de ruta contienen clases de análisis de red para paradas, rutas y diversas barreras; las capas de análisis de origen-destino contienen orígenes, destinos, líneas y barreras. Las clases de análisis, a su vez, contienen los datos de entrada proporcionados y los datos de salida que proporciona la operación de resolución.

Clase de análisis de red

Las clases de análisis de red son clases de entidad y tablas. Las entidades y registros que contienen sirven como datos de entrada y salida para las capas de análisis de red; por ejemplo, en una capa de análisis de ruta, las paradas y barreras proporcionadas y las entidades de ruta resultantes se almacenan en clases de análisis de red.

75

Las clases de entidad del análisis de red se muestran en la tabla de contenido de ArcMap como subcapas. No se mantienen en disco; en su lugar, se almacenan en memoria y se guardan en el documento de mapa.

Objetos de análisis de red

Este es un término genérico para los registros y entidades almacenados en una clase de análisis de red. Si los datos son una entidad y se encuentran en una red, se puede utilizar el término ubicación de red, más preciso, en su lugar.

Ubicaciones de Una ubicación de red puede hacer referencia a un objeto de anál red

Figuras: Red y Atributos de arco de red

Figuras: Impedancias de arco de red

76

Las funcionalidades más populares dentro del análisis de redes son el cálculo de caminos mínimos (routing) y el análisis de áreas de influencia de centros de servicio (allocate).

9.2 Análisis de caminos mínimos

Algunos SIG comerciales de propósito general permiten calcular el camino mínimo (óptimo) entre dos nodos cualesquiera dentro de una red. No se trata necesariamente del camino más corto, sino del camino de menor impedancia. La impedancia no es más que una medida de la resistencia al desplazamiento, que puede ser expresada de distintas formas (distancia, tiempo, coste, etc.). De acuerdo con lo anterior el camino mínimo entre dos puntos podrá ser distinto según sea la variable que se tome como impedancia: el camino más corto entre dos puntos opuestos de una ciudad atravesará el centro, pero el camino mínimo en tiempo posiblemente siga alguna vía rápida de circunvalación, para evitar la congestión de las calles más céntricas. El cálculo de caminos mínimos es muy importante en multitud de aplicaciones: distribución de mercancías, rutas de ambulancias y otros vehículos de emergencia, rutas de transporte escolar, etc. En una red de transporte la impedancia se utiliza para reflejar las condiciones en que se produce la circulación. Puede ir asociada a los arcos y a los nodos: a) Impedancias de arco.- Es la resistencia a recorrer un arco desde uno de sus extremos hasta el otro. En los viajes peatonales puede ser razonable utilizar la longitud de los arcos como medida de la impedancia (cuesta más recorrer un arco cuanto más largo sea); pero en los viajes mecanizados la variable fundamental suele ser el tiempo (las condiciones de circulación pueden provocar que un arco más largo puede recorrerse en menos tiempo que otro más corto). El usuario debe indicar al sistema qué variable de las contenidas en la base de datos de atributos tomará como impedancia de arco en los análisis que quiera llevar a cabo.

77

Las impedancias de arco pueden ser direccionales. De esta forma es posible tener en cuenta las condiciones del tráfico según el sentido de circulación. Si las velocidades de circulación son distintas en un sentido y en otro, el tiempo de recorrido del arco será también distinto. También puede ocurrir que una calle sólo pueda recorrerse en un sentido de circulación, por ser prohibida en el contrario. Todas esas circunstancias deben quedar registradas en la base de datos, debiendo reservarse dos campos para la impedancia, uno para cada sentido de circulación. b) Impedancias de nodo.- Las impedancias de nodo se utilizan generalmente para simular las circunstancias que afectan a los giros en las intersecciones. Ante un semáforo, un giro a la derecha puede llevar menos tiempo que continuar recto y sobre todo que girar a la izquierda. Esa mayor o menor dificultad para efectuar movimientos en las intersecciones puede simularse mediante las impedancias de nodo. Así, por ejemplo, el giro a la derecha puede penalizarse con una impedancia de 20 segundos, el continuar recto con 40 segundos y el giro a la izquierda con 60 segundos. En el caso del ferrocarril las impedancias de nodo podrían representar el tiempo que está detenido el tren en cada las estación o el que emplea el usuario en los trasbordos. En última instancia, la impedancia total entre dos nodos de la red será igual a la suma de las impedancias de arco y de nodo por el camino mínimo. Para realizar un análisis de caminos mínimos se le debe indicar al sistema cuál es la variable de impedancia de arco que se quiere utilizar, si se van a utilizar impedancias de nodo y cuáles son los puntos de origen y de destino de la ruta, ya sea especificando los números de esos nodos, sus direcciones o marcándolos directamente sobre la pantalla. El SIG dibuja sobre la pantalla el camino mínimo e indica cuál es la impedancia total de esa ruta. Algunos sistemas pueden facilitar asimismo un listado con la relación de las calles que se atraviesan y los correspondientes giros entre unas y otras.

Figuras: Cálculo de camino mínimo Sin barreras y Con barreras

Otra interesante opción es la de efectuar paradas intermedias entre los puntos de origen y de destino. En esas paradas se recogen o se dejan viajeros o mercancías, de manera

78

que el sistema no sólo debe trazar el camino óptimo entre paradas, sino también calcular cuál es la carga (número de pasajeros o mercancías) que se están transportando en cada momento a lo largo de la ruta. Algunos sistemas no sólo calculan el camino óptimo entre paradas, sino que además señalan el orden en que éstas deben ser realizadas de forma que se minimice el movimiento a lo largo de toda la ruta (lo que se conoce como el problema del viajante de comercio). Por otro lado, el cálculo de caminos mínimos resulta de gran interés para la implementación en un SIG de modelos gravitatorios realistas. Estos modelos, que se basan en la vieja fórmula newtoniana de la gravitación universal, requieren el cálculo de la distancia entre pares de objetos. Mediante el cálculo de caminos mínimos esa distancia puede medirse de forma precisa a través de la red que realmente canaliza los movimientos, en lugar de utilizar distancias euclidianas.

Figuras: Cálculo de camino mínimo con paradas de orden prefijado y con orden optimizado

9.3 Análisis de las áreas de influencia de los centros de servicio

El área de influencia de los centros de servicio puede calcularse sobre distancias euclidianas mediante la construcción de polígonos de Thiessen. Pero aquí también resulta mucho más realista medir las distancias a través de la red que realmente canaliza los movimientos y utilizando las impedancias que resulten más adecuadas. En definitiva se trata de determinar desde qué arcos de la red se puede alcanzar en un determinado tiempo un punto dado en el que se encuentra situado un centro de servicios. El acceso a un colegio electoral se realiza habitualmente a pie, por lo que pueden utilizarse impedancias en tiempo que reflejen la velocidad de estos desplazamientos a través del viario de la ciudad. Pero el acceso a un hipermercado en la periferia de una ciudad se efectúa

79

habitualmente en transporte privado, por lo que resulta más realista trabajar con los tiempos de recorrido sobre la red de transporte privado (calles y carreteras): un lugar más lejano, pero bien comunicado con el hipermercado por autopista, puede quedar a menos tiempo que otro más cercano pero fuera de los principales corredores de transporte. Esto significa que las áreas de influencia de los centros de servicio pueden quedar distorsionadas en función de las impedancias que presentan los arcos que componen la red, alargándose en el sentido de las vías más rápidas. Pero las distorsiones también pueden deberse a la competencia entre varios centros de servicio del mismo tipo, de manera que sus áreas de influencia tienden a ser más reducidas en las direcciones en las que se produce esa competencia y más amplias en el resto de las direcciones.

Figura Análisis de áreas de influencia de los centros de servicio. A) Un solo centro. B) Competencia entre varios centros con límites de tiempo o distancia.

80

Anexo 1.

Aplicación de metodologías Multicriterio para la asignación de Usos del Suelo. Javier Gutiérrez Puebla Departamento de Geografía Humana Universidad Complutense de Madrid Miguel Vía García Centro de Investigaciones Ambientales “Fernando González Bernáldez” Comunidad de Madrid

81

1. Introducción

Se presenta aquí un ejemplo de aplicación de metodologías multicriterio para la búsqueda de localizaciones óptimas de actividades humanas sostenibles en un espacio natural protegido: el Parque Natural de Sanabria 1. Se trata de un espacio de montaña de gran valor paisajísico, en el que la vegetación se escalona en pisos, desde el rebollar hasta el matorral de alta montaña. Aparecen también, aunque con menor frecuencia, bosques o bosquetes de castaños, tejos y abedules. Pero lo más destacado desde el punto de vista natural es sin duda el complejo lacustre, cuyo máximo exponente es el lago de Sanabria, que alcanza un carácter simbólico y es lugar de visita obligada para los que acuden a conocer el parque. Se trata de un lago de origen glaciar de importantes dimensiones (tres kilómetros de largo por uno de ancho), en el que de forma natural se represa el río Tera. Existen, además, en zonas más elevadas, un considerable número lagunas también de origen glaciar, de gran valor ecológico. La mayor parte de ellas tienen un difícil acceso, lo que ha favorecido su preservación.

La ganadería y los aprovechamientos forestales, junto con la agricultura en pequeñas parcelas, todavía hoy ocupan a una parte apreciable de la población. Este sector cuenta con graves problemas estructurales. La población activa dedicada a la agricultura y la ganadería está muy envejecida y el fenómeno de abandono de tierras (de labor o de pastos) es ostensible, en un medio poco favorecido para la agricultura y con pastos para la ganadería de menor calidad que los de Galicia y las comunidades del Cantábrico.

Pero se han dado algunos pasos orientados a valorizar los productos locales (como el habón, la ternera sanabresa o la miel de brezo) que pueden hacer más rentables las producciones invocando a la calidad y mejorando los canales de comercialización. En cuanto a la explotación forestal, junto con el aprovechamiento

Esta aplicación fue desarrollada en el marco del proyecto SIGMA (Sistema de Información y Gestión Medioambiental de Sanabria y Carballeda), realizado por un equipo de investigadores del Departamento de Geografía Humana de la Universidad Complutense (Javier Gutiérrez Puebla, José Carpio y Miguel Vía) por encargo de ADISAC (Asociación para el Desarrollo Integrado de Sanabria y Carballeda), entidad gestora del PRODER de la comarca (Carpio, Gutiérrrez Puebla y Vía, 2001). 1

82

de los bosques autóctonos hay que destacar los ingresos derivados de la explotación de los pinares de repoblaciones forestales.

Como en otras muchas áreas rurales, en la comarca de Sanabria-Carballeda a lo largo de los últimos tiempos se ha producido una importante expansión del sector servicios y también un considerable auge de la construcción. Se trata tanto de servicios a la población local (escuelas, centros de salud, administración pública, entidades financieras) como de servicios orientados a los turistas y visitantes del parque. Y en cuanto a la construcción, el sector se ha revitalizado por el dinamismo del turismo, que ha promovido una importante actividad en la restauración de viviendas (construcciones tradicionales en piedra y madera de gran belleza), unas para ser utilizadas como segundas residencias y otras con destino a ser ocupadas por los turistas que visitan la zona (casas rurales, pequeños hoteles rurales). La industria tiene un papel prácticamente simbólico en la comarca.

La valorización de los productos locales constituye un campo de acción clave en la estrategia de desarrollo sostenible de la comarca. En los últimos años desde ADISAC (la asociación que gestiona el PRODER de la comarca) se ha impulsado la comercialización de un producto local (el habón, un tipo de alubia de gran calidad), con resultados muy positivos. Tras un primer impulso de ADISAC para mejorar la comercialización del habón (en pequeños saquitos, con el nombre del productor), ahora los productores se han asociado y el habón de Sanabria se vende como producto típico a un precio relativamente alto en numerosas tiendas y mercadillos de la comarca. La nueva demanda generada y el precio de venta han producido un cambio de coyuntura, de forma que lo que era un cultivo en recesión hoy ofrece perspectivas francamente positivas.

En este contexto se ha planteado la necesidad de identificar áreas aptas para la expansión de este cultivo local, tanto en el interior del parque como en su entorno, lo que se ha llevado a cabo mediante la aplicación de metodologías multicriterio en el entorno de los Sistemas de Información Geográfica. Para ello se ha partido de la capas de información contenidas en el SIGMA (Sistema de Información de la comarca), que han sido oportunamente tratadas y combinadas hasta alcanzar los resultados finales. Las operaciones de análisis se realizaron en formato ráster con el software Arc/View 3.2 (ESRI) e Idrisi32 (Universidad Clark).

83

2. Análisis de localizaciones óptimas mediante análisis multicriterio booleano

El procedimiento más sencillo de análisis multicriterio en el contexto de los Sistemas de Información Geográfica es la intersección booleana. Se trata de establecer una condición para cada una de las capas de información y posteriormente superponer todas esas capas para comprobar dónde se cumplen todas las condiciones. El procedimiento de análisis en formato ráster consiste en asignar el valor 1 a las celdillas que cumplen la condición especificada y el 0 a las que no la cumplen. Ésta operación se realiza capa por capa y, una vez que todas las capas han sido convertidas a este formato binario de unos y ceros, se procede a multiplicarlas entre sí, celda a celda. Lógicamente sólo las celdas que tienen valor 1 en todas las capas reciben ese mismo valor en la capa final (cumplen todas las condiciones); el resto de las celdas reciben el valor 0 (no cumplen todas las condiciones) (Figura 1). En la práctica este método supone que todos los criterios son considerados como restricciones y el resultado es su intersección.



En el caso de la identificación de localizaciones óptimas para la expansión del cultivo del habón en el Parque Natural de Sanabria se fijaron criterios tanto de tipo técnico como ambiental. Tras consultar a los productores y técnicos locales, se estableció que los terrenos elegidos debían reunir las siguientes condiciones: llanos (para facilitar la práctica de la agricultura sin recurrir al aterrazamiento), próximos a los cursos fluviales (ya que se trata de un cultivo de regadío), situados a una altitud moderada (por razones térmicas) y con orientación sur (para aumentar la insolación). Además, por ser un cultivo intensivo, los terrenos debían ser fácilmente accesibles desde los núcleos de población o desde las carreteras. Finalmente, también se tuvo en cuenta el uso del suelo preexistente: por razones ambientales, serían aptas las áreas ocupadas por otros cultivos, por pastizales o por matorral, pero no las que están cubiertas por bosques.

De forma más concreta estos criterios quedaron formulados de la siguiente forma:

-

Pendiente: inferior al 5%. Orientación: sur-suroeste (entre 135 y 270 grados acimutales). 84

-

Altitud: menos de 1.200 metros. Distancia a los cursos fluviales: menor de 200 metros. Accesibilidad: distancia a los núcleos de población inferior a 1.500 metros o distancia a las carreteras inferior a 500 metros. Uso del suelo actual: cultivos, pastizales o matorral.

En el Sistema de Información Geográfica se disponía ya de algunas de las variables requeridas, como la altitud o el uso del suelo. El resto de las variables (pendientes, orientaciones, distancias a los ríos, carreteras y núcleos de población) fueron obtenidas mediante las funcionalidades del propio sistema. Posteriormente se llevaron a cabo reclasificaciones para obtener mapas binarios de unos y ceros, expresivos de dónde se cumple cada una de las condiciones (Mapas 1-6 de la Figura 2). Al multiplicar estos mapas binarios entre sí resultaron las zonas óptimas para el cultivo del habón de acuerdo con el conjunto de los criterios especificados (Mapa 7 de la Figura 2).

3. Análisis de localizaciones óptimas mediante la combinación lineal ponderada

La combinación lineal ponderada es una técnica que considera tanto factores ponderales como restricciones. La combinación de los factores se realiza a través de una suma lineal ponderada, multiplicando cada factor por su peso y, posteriormente, sumando los resultados (Figura 3). Por otro lado, las restricciones se tratan en la forma indicada más arriba para la intersección booleana (Figura 1), es decir, tras generar mapas binarios de unos (no hay restricción) y ceros (sí hay restricción), uno por cada restricción, éstos se multiplican entre sí, definiendo así las áreas de exclusión. Finalmente se multiplica el resultado de la suma lineal ponderada de los factores por el resultado de la intersección booleana de las restricciones, de forma que si ésta última registra un valor igual a 1 (no hay restricciones) se mantiene el valor de la suma lineal y si registra un valor igual a 0 (hay alguna restricción) el resultado final es también 0 (áreas de exclusión). Este proceso, que caracteriza a la combinación lineal ponderada, nos permite disponer de un mapa final que discrimina las zonas más favorables para el cultivo del habón de las zonas menos aptas, de una forma más precisa y menos rígida que al utilizar el método de intersección booleana. Un primer paso al aplicar esta metodología consiste en convertir las variables en factores (es decir, transformarlas a una escala de medida homogénea) y en restricciones (capas binarias en las que el 0 significa la presencia de una restricción y el 1 su ausencia). Hay que tener en cuenta que de una misma variable se puede derivar un factor y una restricción. Así, por ejemplo, puede haber pendientes más o menos favorables para el cultivo dentro de un determinado rango de valores (factor), pero por encima de un cierto umbral se puede determinar la imposibilidad técnica de cultivar (restricción).

85

La conversión de variables en factores se puede llevar a cabo a través de distintas funciones de transformación. La más simple (y la que se ha utilizado aquí) es la transformación lineal que se realiza según

fi 

(vi  vmin ) c (vmax  vmin )

donde fi es el valor de la celda i en el factor considerado, vi es el valor de la celda i en la variable, vmax y vmin son los valores máximo y mínimo de la variable y c es el coeficiente de normalización utilizado (en nuestro caso 255)

En este proyecto se consideraron seis factores (pendiente, altitud, orientación, proximidad a los ríos, distancia a los núcleos de población y distancia a las carreteras) y siete restricciones (pendiente excesiva, altitud excesiva, orientación desfavorable, lejanía con respecto a los ríos, inaccesibilidad con respecto a los núcleos de población, inaccesibilidad con respecto a las carreteras y uso del suelo inadecuado), construidos de la siguiente forma: -

Pendientes.- Se utiliza para establecer el límite de pendiente apropiada para el cultivo del habón la clasificación agrológica de pendientes desarrollada por López Cadenas y Blanco Criado (CEOTMA, 1991), que define como límite para suelos agrícolas una pendiente del 12%. Para generar el factor se reclasifica el mapa de pendientes dando un valor de 12 a todas aquellas pendientes iguales o superiores al 12% y dejando su valor original al resto. Posteriormente se normaliza el mapa resultado de la reclasificación y se invierte el orden de aptitud, ya que las pendientes más bajas deben tener los valores más altos de aptitud. Para la normalización se realiza un ajuste de tipo lineal en 256 categorías (de 0 a 255) en la forma indicada más arriba, de forma que el valor 255 se corresponde a los terrenos con una pendiente igual o supuerior al 12% y el 0 a los de una pendiente igual a 0%. Para invertir el orden o dirección de los valores, a un mapa con un valor de 255 en todos los píxeles se le resta el mapa resultado de la normalización, de forma que en el mapa final el valor 255 corresponda a las celdas de un 0% de pendiente (máxima aptitud) y el 0 a las de pendiente igual o superior a 12% (mínima aptitud) (Mapa 1 de la Figura 5). A partir de la variable pendiente también se construye una restricción, reclasificando como 0 las pendientes iguales o superiores al 12% y como 1 las inferiores a ese valor.

-

Orientaciones sur-suroeste.- Según los expertos de la zona, la orientación sursuroeste es la más apropiada en la zona para el cultivo del habón. Para generar este factor, se han realizado una serie de operaciones de reclasificación sobre el mapa general de orientaciones, debido a que nos encontramos ante una variable que está definida por valores de tipo angular. Se ha establecido como la orientación más apta la sur-suroeste (202,5º) disminuyendo la aptitud según nos alejemos de esta orientación. Como límite de aptitud se ha tomado un ángulo de 67,5º tanto en dirección Este como Oeste. Se obtiene un mapa después de esas 86

operaciones en donde 202,5º se corresponde con un valor de 67,5 (normalizado 255) disminuyendo hasta 0 según nos movamos hacia el ángulo 135º o el 270º (Figura 4). El resto de las orientaciones se reclasifican con un valor de 0 (y con esos valores se construye la correspondiente restricción). Posteriormente se normalizan los valores como en el factor anterior, no siendo en este caso necesario la inversión en el orden de los valores ya que los más altos se encuentran en los 202,5 grados, es decir, en la orientación más apta (Mapa 2 de la Figura 5). -

Altitud.- Para la obtención de este factor se reclasifican como 1.200 todas las altitudes iguales o superiores a los 1.200 metros, se normalizan los valores con un ajuste de tipo lineal y se procede también –como en el caso de las pendientes- a invertir el orden de los valores, ya que son las zonas más bajas las más aptas, es decir, aquéllas que deben tener los valores de aptitud más elevados (Mapa 3 de la Figura 5). Se considera como restricción una altitud superior a los 1.200 metros, operando de forma análoga a la restricción anterior para construir un mapa binario de ceros y unos.

-

Proximidad a los ríos.- Para este factor, al igual que todos los factores de tipo proximidad, precisa de la elaboración en un primer momento de un mapa que mida la distancia euclidiana, en línea recta, entre cada celda y la más próxima de una serie de elementos de referencia, en este caso los ríos. También es necesaria la normalización e inversión de la dirección de los valores, ya que las zonas más próximas son las más aptas para el cultivo del habón (Mapa 4 de la Figura 5). El límite de distancia de los 200 metros marca el comienzo de la correspondiente restricción.

-

Proximidad a los núcleos de población.- El proceso es similar al factor anterior: es también necesaria la inversión en la dirección de los valores, ya que las celdas con menor valor de distancia son las zonas más aptas. Se considera como límite de distancia los 1.500 metros (Mapa 5 de la Figura5). Valores superiores a esos límites suponen una restricción en cuanto a inaccesibilidad.

-

Proximidad a las carreteras.- Este factor se construyó de forma similar al caso anterior, sólo que considerando un límite de distancia de 500 metros (Mapa 6 de la Figura 5), a partir del cual se consideraba la correpondiente restricción por inaccesibilidad desde las carreteras.

-

Usos del suelo.- El uso del suelo se considera sólo como una restricción. Matorral, pastos y cultivos son usos apropiados (unos), mientras que los bosques y el suelo urbano constituyen restricciones (ceros). La capa correspondiente a esta restricción ya fue creada al realizar la intersección booleana (Mapa 6 de la Figura 2).

A continuación se establecieron las ponderaciones de los factores, de forma que pesen más en el modelo aquéllos que se considera que tienen una mayor importancia. Para fijar los pesos se recurrió a la opinión de expertos de la comarca, encargados de la gestión territorial y del desarrollo rural, a los que se pidió que establecieran una serie de comparaciones entre pares de factores, para la aplicar con esas matrices el procedimiento 87

conocido como Proceso Jerárquico Analítico (Saaty, 1980; Eastman y otros 1993). El resultado de este proceso se muestra en la Tabla 1. Tabla 1: Pesos de los factores Factores Altitud Proximidad a los núcleos de población Orientación de la pendiente Distancia a los ríos Proximidad a las carreteras Pendiente

Pesos 0,27 0,22 0,19 0,16 0,14 0,03

Construidos los criterios y definidos los pesos de los factores, se combinaron factores y restricciones mediante el método anteriormente descrito (combinación lineal ponderada). El resultado final es un mapa de aptitud, cuyos valores oscilan entre 241 (próximo al máximo teórico de 255) y 0 (presencia de alguna restricción) (Mapa 7 de la Figura 5). A diferencia del mapa elaborado con el método de intersección booleana, donde se expresaba sólamente si los terrenos eran aptos (unos) o no aptos (ceros), ahora los terrenos seleccionados se discriminan de forma detallada en función de su mayor o menor aptitud para el cultivo del habón.

4. Consideraciones finales El análisis multicriterio en el entorno de los Sistemas de Información Geográfica permite resolver cuestiones relativamente complejas en la planificación de espacios naturales protegidos, como se ha puesto de manifiesto aquí con un ejemplo sobre la localización óptima de un cultivo tradicional. Mediante la combinación de capas de información, y estableciendo previamente unos criterios, se pueden seleccionar los terrenos de mayor aptitud para la implantación de actividades humanas sostenibles o aquéllos en los que, por su alta calidad ambiental, deben primar los criterios de estricta conservación. Por razones de espacio sólo se han utilizado dos métodos multicriterio, la intersección booleana y la combinación lineal ponderada, llegándose lógicamente a resultados distintos. El método de la intersección booleana es considerablemente más rígido y en la práctica supone trabajar sólamente con restricciones (y no con factores). Supone un mínimo riesgo de equivocarse al aplicar la regla de decisón, ya que es un método no compensatorio: sólo son seleccionados los terrenos que cumplen todas las condiciones establecidas. Tiene el inconveniente de que no discrimina entre las celdas seleccionadas (ni en cada criterio ni en el conjunto de los criterios). Si se fijan 200 metros como límite de distancia a los ríos, se consideran igualmente aptos los terrenos situados junto al río que los que están a casi 200 metros; igualmente el resultado final no ofrece

88

ninguna información acerca de qué terrenos, de entre los seleccionados, son más o menos aptos 2. Por su parte, la combinación lineal ponderada es un método que se caracteriza por la existencia de compensación entre factores: valores bajos en un factor pueden ser compensados con valores altos en otros factores. Los pesos de los factores son muy importantes aquí, al determinar cómo los factores se compensarán entre sí. Sin embargo, el carácter compensatorio del método supone la aceptación de un cierto nivel de riesgo, ya que en la práctica se podrían seleccionar terrenos no aptos, una vez que se ha superado un determinado umbral en alguno de los factores (por ejemplo, pendientes excesivas). Este riesgo puede ser controlado combinando los factores con restricciones y estableciendo el rango de los valores de aptitud de los factores siempre en relación a las restricciones (dicho rango debe extenderse sólo hasta que se alcanza el umbral en el que comienza a actuar la restricción). Así, por ejemplo, si no se contempla la posibilidad de aterrazar los terrrenos, tiene sentido valorar las pendientes en el rango de valores compendido entre 0% y 12%, pero no entre 0 y el valor de máxima pendiente de la zona de estudio. El procedimiento de la combinación lineal ponderada es algo más complejo, pero tiene la ventaja de que ofrece unos resultados más ricos que los aportados por la intersección booleana. En los mapas adjuntos puede observarse cómo la combinación lineal ponderada permite conocer el diferente grado de aptitud de los terrenos seleccionados. Frente a lo que se suele pensar habitualmente, la aplicación de metodologías multicriterio en el entorno de los Sistemas de Información Geográfica para la resolución de problemas territoriales no es necesariamente un proceso de arriba a abajo, en el que unos técnicos venidos de fuera aportan sus soluciones. Este ejemplo sobre la localización óptima de un cultivo tradicional pone de manifiesto que la participación de los agentes locales no sólo es posible, sino también deseable. Éstos pueden participar en el proceso estableciendo los criterios y los pesos de los factores, de forma que el analista que trabaja con el Sistema de Información Geográfica se limita a aplicar los conocimientos y la experiencia que poseen esos

El límite fijado para la pendiente (5%) en la intersección booleana no es propiamente una restricción técnica (en cuyo caso estaría en torno al 12%, como se ha señalado anteriormente), sino más bien un valor que busca la identificación de los mejores terrenos. Es decir, desde el punto de vista de la pendiente no se han buscado los terrenos donde es posible el cultivo del habón, sino los terrenos más aptos. En cambio, en la combinación lineal ponderada se ha optado por utilizar el límite del 12%, que supone efectivamente una restricción técnica. 2

89

actores. Por otro lado, también es importante resaltar que el proceso es sumamente transparente (ya que se pueden visualizar los mapas de los criterios y la combinación de éstos en un mapa final) y que se puede aplicar de forma interactiva (resultados inadecuados pueden ser corregidos modificando las restricciones, los valores de los factores o los pesos y volviendo a realizar los cálculos).

5. Bibliografía citada

Carpio, J., Gutiérrez Puebla, J. y Vía, M. (2001): “Innovación, nuevas tecnologías y desarrollo local: aplicaciones de los SIG a la gestión integral del medio ambiente y los montes”. Cuenca, Coloquio Hispano-Francés de Geografía Rural: las relaciones entre las comunidades agrícolas y el monte.

Saaty, T. (1980): The analytical hierarchy process. Nueva York, McGraw Hill.

90

Ejemplo: 1ª Celda : 1 * 1 = 1 2ª Celda : 0 * 1 = 0 Capa 1 1 0 0 0 1 1 1 0 0

*

Capa 2 1 1 0 1 0 1 1 0 1

=

Capa final 1 0 0 1 0 1 1 0 0

Figura 1: Análisis multicriterio: intersección booleana

91

1

2

3

4

5

6

7

1. 2. 3. 4. 5.

Pendiente < 5% Orientación Suroeste. Altitud < 1200m. Ríos < 200m. Núcleos < 1500m y Carreteras < 500m. 6. Uso del suelo apto

Figura 2: Zona de expansión del cultivo del habón según la intersección booleana

92

93

Figura 3: Valoración de las orientaciones de las pendientes

Ejemplo: 1ª Celda : 2 * 0.75 + 3 * 0.25 = 1.5 + 0.75 = 2.25

Pesos:

Factor 1

Factor 2

2 2 3 2 1 1 1 2 2

3 3 2 1 3 1 2 3 1

=

0.25

=

0.75

+

Mapa final 2,25 1,75 1,25

2,25 2,75 1.5 1 2,25 1,75 1

Figura 4: Análisis multicriterio: suma lineal ponderada

94

1

2

3

4

5

6

7

1. 2. 3. 4.

Bajas pendientes Orientación Suroeste. Altitud baja. Proximidad a red fluvial. 5. Proximidad a núcleos. 6. Proximidad a carreteras.

Figura 5: Zona de expansión del cultivo del habón según la combinación lineal ponderada. 95

Anexo 2.

Metodología para el análisis de la vulnerabilidad en redes de transporte público. El caso de la red de metro de Madrid JUAN CARLOS GARCÍA PALOMARES Departamento de Geografía Humana. Universidad Complutense de Madrid

[email protected] EDUARDO RODRÍGUEZ NÚÑEZ Departamento de Geografía Humana. Universidad Complutense de Madrid

[email protected] JAVIER GUTIÉRREZ PUEBLA Departamento de Geografía Humana. Universidad Complutense de Madrid

[email protected]

96

METODOLOGÍA PARA EL ANÁLISIS DE LA VULNERABILIDAD EN REDES DE TRANSPORTE PÚBLICO: EL CASO DE LA RED DE METRO DE MADRID JUAN CARLOS GARCÍA PALOMARES Departamento de Geografía Humana. Universidad Complutense de Madrid [email protected] EDUARDO RODRÍGUEZ NÚÑEZ Departamento de Geografía Humana. Universidad Complutense de Madrid [email protected] JAVIER GUTIÉRREZ PUEBLA Departamento de Geografía Humana. Universidad Complutense de Madrid [email protected] RESUMEN El objetivo de esta comunicación es desarrollar una metodología para medir la vulnerabilidad en una red de transporte público. Se usa la red de Metro de Madrid y se analizan las consecuencias de la caída de cada uno de los tramos de la red sobre los tiempos de los viajes o el número de viajes sin servicio. La metodología propuesta permite conocer la criticidad de cada arco y la vulnerabilidad de las estaciones. Es posible además obtener las peores situaciones en una caída sucesiva de tramos (simulando un ataque coordinado sobre la red). MEASURING THE VULNERABILITY OF PUBLIC TRANSPORT NETWORKS: THE CASE OF THE MADRID METRO NETWORK ABSTRACT The aim of this paper is to develop a methodology for measuring public transport network vulnerability, taking the Madrid Metro system as an example. The consequences of disruption for riding times or the number of missed trips are analysed for each of the network links. Using each link criticality, vulnerability of stations is calculated. The proposed methodology also makes it possible to obtain a worst-case scenario for the successive disruption of links by simulating a targeted attack. 1. INTRODUCCIÓN Las redes de transporte público son un elemento fundamental en la movilidad de los espacios urbanos. Cualquier tipo de incidencia en ellas afecta al funcionamiento diario de la propia ciudad, en especial cuando se trata de los modos ferroviarios, por la cantidad de viajeros que transportan y por su mayor vulnerabilidad. Fallos en los trenes, caídas de la tensión eléctrica, obras, o sucesos como suicidios, manifestaciones o huelgas alteran con frecuencia el servicio, afectando a múltiples usuarios. Otros acontecimientos más graves, como ataques terroristas, afectan de forma sustancial a las redes durante largo tiempo. Los ataques terroristas sobre el metro y los autobuses de Londres o los trenes de cercanías de Madrid, por ejemplo, produjeron una tremenda perturbación en la vida sus residentes. En este contexto cobran cada vez más importancia los estudios de vulnerabilidad de las redes, considerando la vulnerabilidad como la susceptibilidad a que determinados incidentes en la red puedan causar reducciones en los niveles de servicio y las condiciones de accesibilidad (BERDICA, 2002). Se dice que un nodo de la red (paradas o estaciones) 97

es vulnerable cuando la pérdida o degradación de un determinado número de arcos produce una merma significativa de su accesibilidad (TAYLOR et. al., 2006). Junto a la vulnerabilidad es importante conocer la criticidad. Los elementos críticos de una red son los que más afectan a su vulnerabilidad: cuanto más crítico es un componente, mayores son los efectos de su pérdida sobre el conjunto de la red (TAYLOR et. al., 2006; JENELIUS et al., 2006; RODRÍGUEZ y GUTIÉRREZ, 2012). El nivel de criticidad de un elemento de la red depende del papel que juegue en su estructura y de los flujos que circulen por ella. Conocer los puntos débiles de una red y las rutas alternativas es importante a la hora de mitigar la vulnerabilidad de la red (CHEN et al., 2007) o, por ejemplo, dar prioridad tras una catástrofe a la reconstrucción de unos tramos sobre otros (SOHN, 2006; BONO y GUTIÉRREZ, 2011). En líneas generales, los trabajos sobre vulnerabilidad de redes de transporte pueden diferenciarse según se trate de redes de carreteras (más frecuentes) o de transporte público (menos habituales). Para el análisis se utilizan dos grandes tipos de indicadores. Desde las ciencias físicas y matemáticas aparecen estudios que aplican indicadores de teoría de grafos y redes complejas. Mientras, desde los estudios del transporte y el territorio lo habitual es medir la vulnerabilidad a partir de indicadores de accesibilidad. Finalmente, además del tipo de red al que se aplican o de los indicadores utilizados, los trabajos de vulnerabilidad de redes pueden diferenciarse en función del enfoque que adoptan, ya se trate de evaluación de escenarios específicos, identificación de los peores escenarios o evaluación de escenarios de estrategias de ataques coordinados. El objetivo de esta comunicación es presentar una metodología que permita medir la vulnerabilidad y la criticidad en una red de transporte público. A diferencia de la mayor parte de estudios sobre vulnerabilidad de redes de transporte público, que trabajan con indicadores de teoría de grafos (ver por ejemplo el aplicado a Madrid de MOURONTE Y BENITO, 2012), aquí se analizan los incrementos en los tiempos de viaje debido a la necesidad de utilizar rutas alternativas a la óptima. Para ello se toma como caso de estudio la red de Metro de Madrid. El área metropolitana de Madrid es un buen ejemplo de la importancia del sistema de transporte público en la movilidad y, dentro de ella, el Metro es el modo más importante. Según el Consocio Regional de Transportes de Madrid, en 2010 el Metro transporta 630 millones de viajes de los 1.488 millones que se realizaban en transporte público en Madrid. Para la red de Metro de Madrid se mide la criticidad de cada tramo de la red y de las líneas fundamentales para el sistema. A partir de la criticidad se calcula la vulnerabilidad de las estaciones. Finalmente, se obtienen las peores situaciones en una caída sucesiva de tramos, simulando un ataque coordinado sobre la red. En todos los casos es posible conocer las consecuencias de esas situaciones sobre la distribución de los flujos. Este análisis se hace usando un Sistema de Información Geográfica (SIG). 2. EL CASO DE ESTUDIO: LA RED DE METRO DE MADRID La red de Metro de Madrid utilizada, en función de la información disponible de los flujos de viajes, es del año 2007 y estaba formada por 12 líneas y 239 estaciones. Un elemento fundamental para reducir la vulnerabilidad es la conexión de varias líneas en una misma estación. En este caso existían 27 estaciones con conexión entre 2 líneas, 10 con conexión entre tres líneas y en 1 (Avenida de América) convergen 4 líneas. La red presenta una estructura compleja y evolucionada, como corresponde a una de las más largas y densas del mundo (Figura 1).

98

Figura 1: Red de Metro de Madrid En 2007, tomando un día entre semana del mes de Octubre, se realizaban en el Metro de Madrid casi 2.500.000 viajes diarios. La línea 10 y la circular 6 eran las que más viajes canalizaban, con 367 y 353 mil respectivamente, seguidas de otras líneas radiales como la 1, 3 y 5. Eran también las líneas 6 y 10 las que tenían un mayor número medio de viajes por tramo. El máximo se localizaba en la línea 10, con tramos en el centro de la ciudad por los que pasaban más de 250 mil viajes. Mientras, las líneas periféricas llevaban un número mucho menor de viajeros (Figura 2).

Figura 2: Distribución de los flujos por la red 3. FUENTES Para el análisis de la vulnerabilidad de la red de Metro de Madrid se ha contado con la siguiente información cartográfica y estadística, toda ella facilitada por el Consorcio de Transportes de Madrid:

99

- Red de Metro de Madrid. Incluye las estaciones y los tramos (arcos) de las líneas referidas al año 2007. Como decíamos, se compone de 239 estaciones y 12 líneas, con 268 arcos que unen las estaciones entre ellas. Cada uno de los arcos contiene el tiempo de recorrido, su longitud y la información de la línea a la que pertenece. Se han incluido además 60 pasillos, que permiten simular los transbordos dentro de las estaciones con más de un línea, con un tiempo de penalización por transbordo. - Matriz de viajes entre estaciones en 2007. Proporciona el total de viajes que se realizan entre cada par de estaciones. Esta información permite conocer la distribución de los flujos en la red (Figura 2). 4. METODOLOGÍA La metodología seguida para estimar la vulnerabilidad de la red ha sido evaluar la variación de la accesibilidad, midiéndola antes y después de una alteración hipotética de cada uno de los arcos individuales de la red (SOHN, 2006). Al analizar el papel de cada uno de los arcos en el funcionamiento de la red, estamos utilizando una metodología calificada como “full scan approach” (JENELIUS et al., 2006). Un arco será o no importante para el correcto funcionamiento de la red si al dejar de ser operativo tiene un efecto notable sobre el rendimiento global del sistema (JENELIUS, 2009). El corte de cada arco puede tener dos tipos de consecuencias. En unos casos, cuando no existe otra alternativa para el viaje, la caída de un arco deja descolgadas de la red a una estación o grupo de estaciones. En esta situación la criticidad de los arcos puede medirse en relación al total de viajes que quedan sin poder alcanzar su estación de destino (demanda no satisfecha). En otros casos, cuando existe otra alternativa, la caída del arco produce un incremento en los tiempos de viaje debido a la necesidad de utilizar rutas alternativas a la óptima. Obviamente, ese impacto es mayor cuando afecta a arcos atravesados por muchos viajes que cuando lo hace sobre un arco poco utilizado. Para el análisis de los impactos en los tiempos se ha usado como indicador el tiempo medio de viaje de cada estación con el resto de estaciones de la red3, ponderadas por el ∑𝑇 𝐹 ̅i el tiempo total de viajes entre las mismas. Se ha calculado según 𝑇̅𝑖 = 𝑖𝑗 𝑖𝑗 , siendo, T 𝐹𝑖

medio para la estación i; Tij el tiempo de viaje entre la estación i y j; Fij el número de viajes entre la estación i y j; y 𝐹𝑖 el total de viajes generados desde la estación i. A partir de los tiempos medios de cada estación se calculan las estadísticas básicas de los tiempos en el conjunto de estaciones de la red. Para conocer el impacto que tiene la caída de cada arco de la red se calculan los tiempos medios sin ese arco y se comparan la media de tiempos de las estaciones en la situación inicial y en la situación sin dicho arco, según 𝐼𝑎 = 𝑇̅0 − 𝑇̅𝑎 , donde Ia es la pérdida ̅0 el tiempo medio de las estaciones en una situación de tiempo por el corte del arco a; T ̅ normal; y Ta el tiempo medio de las estaciones en la situación sin el arco a. El proceso se repite para cada arco. Los resultados a nivel de arcos son cartografiados y su análisis puede realizarse también según líneas y tipos de líneas (que por razones de espacio no se presenta aquí).

3

En este caso, con el fin de tener situaciones comparables se trabaja con las estaciones que tienen alternativas de viajes a cada corte de tramos, tanto en el escenario inicial con en el escenario de cada corte.

100

Con este análisis se obtiene la criticidad (importancia) de cada arco. Esto permite hacer un ranking de los arcos más críticos. A la vez, podemos medir la vulnerabilidad de las estaciones. En aquellas estaciones que se encuentran con un arco sin otra alternativa para el viaje, la vulnerabilidad se ha medido como el número de arcos hasta encontrar una estación con dos o más alternativas de viaje. En las estaciones que tienen varias alternativas, se han calculado las pérdidas medias de tiempos de los cortes de cada uno de los arcos. Finalmente, se identifican los escenarios más críticos en una secuencia sucesiva de caída de arcos. La metodología usada es similar a la planteada por MATISZIW y MURRAY (2009). Lo que se hace es identificar el arco que tiene el mayor impacto en los tiempos y, a partir de esa situación, recalcular nuevamente las pérdidas que produce la caída del resto de los arcos sobre una situación de partida en la que se ha eliminado ese arco. Este proceso se repite el número de veces como escenarios críticos se quieran identificar. En esta comunicación se han identificado los 5 arcos más críticos. Para cada uno de esos escenarios se recalcula la distribución de los flujos en la red. Esto permite identificar los arcos que absorben los desvíos de viajes. 5. RESULTADOS 5.1 Arcos sin otras opciones para los desplazamientos: demanda no satisfecha La Figura 3 muestra los arcos sin otras opciones de desplazamiento según el total de viajes que quedarían sin poder realizarse. Se trata de arcos que unen espacios periféricos con el centro y con el resto de la red Metro. Los más críticos se localizan en las líneas 1 (116.000 viajes colgados), la 9 (104.000) y la 10 (100.000). Se trata de arcos que conectan líneas largas (dejan muchas estaciones desconectadas) y de espacios residenciales densos del sur de la ciudad. En el caso de los arcos del sur de la línea 10, su caída deja sin conexión con el resto de la red a la línea suburbana 12. En otros casos, la caída afecta a elementos importantes en la cuidad, como la caída de los arcos de la línea 8, que dejarían sin servicio al aeropuerto de Barajas o al recinto Ferial IFEMA. Como es lógico, las estaciones más vulnerables se localizan en las terminales de las líneas de los conjuntos de arcos que quedan desconectados. En la figura 3 se muestra el número de arcos que dejarían descolgadas a esas estaciones terminales. En este caso, las más vulnerables se localizan en las estaciones de líneas radiales que alcanzan municipios del este metropolitano (estación de Henares, línea 7), del sureste (Arganda del Rey, línea 9) o del sur metropolitano (Valdecarros, línea 1), que tienen que recorrer hasta 12 arcos para alcanzar un arco con alternativas para continuar el viaje. 5.2 Arcos con otras opciones en los desplazamientos: pérdidas de tiempos Para el análisis de los impactos en los tiempos se trabaja con los arcos y estaciones para los que existe una alternativa de viaje. La media de las estaciones en los tiempos ponderados en la situación normal es de 30,4 minutos. La media de las pérdidas por la caída de cada uno de los arcos es de 0,5 minutos, lo que supone un 1.7%. Podemos decir que la vulnerabilidad de la red de Metro de Madrid es baja. Sin embargo, el nivel de criticidad de algunos arcos es más llamativo. El arco que produce las mayores pérdidas de tiempos lo hace en 2,2 minutos, una pérdida del 7,2%. Dado que estas pérdidas se refieren al total de relaciones entre estaciones, y muchas de ellas no usan ese arco, esta pérdida es muy importante.

101

Figura 3: Viajes sin servir en los arcos sin otra opción de desplazamiento La figura 4 muestra la distribución de las pérdidas porcentuales en los tiempos por la caída de cada arco. La situación más crítica aparece en la unión de la línea 10 con la 6 (entre las estaciones de Casa de Campo-Príncipe Pío), donde la reducción de los tiempos es del 7% (zona 1, figura 4). Estos arcos conectan los grandes municipios suburbanos del sur, servidos por la línea 12, y las áreas densamente pobladas del suroeste del municipio con el centro de la ciudad. Por ellos pasan alrededor de 160.000 viajes diarios, que con su caída tienen que desviarse por la línea 5, lo que supone un recorrido extra de al menos 15 estaciones. Por detrás se sitúan los arcos de la línea 6 entre Pacífico-Sainz de Baranda (zona 2), con impactos por encima del 5%. La caída de estos arcos afecta a unos 190.000 viajes entre el sur y el este de la ciudad, que con la caída de estos arcos tienen que entrar hasta el centro de la ciudad (estación de Sol) y salir nuevamente al este. Otras dos zonas críticas a reseñar se sitúan en dos zonas de la red muy diferentes, con pérdidas por encima del 4%. En el centro de la ciudad los arcos de la línea 1, que conectan la estación de ferrocarril de Atocha con Sol (el centro de la red) (zona 3) y en la periferia, los arcos que conectan la línea circular suburbana 12 con la línea 10, que le dan acceso al resto de la red (zona 4). La Figura 5 muestra la vulnerabilidad a nivel de estación (media de la caída porcentual en los tiempos como consecuencia de los cortes de todos los arcos). La pérdida media de las estaciones es de 0,6 minutos, con un máximo de 2 minutos. Esto supone pérdidas porcentuales de un 2% de media y un máximo del 7%. Las estaciones más vulnerables se localizan en el sur de la ciudad, donde las alternativas de viaje son menores y suponen un rodeo mayor. Es especialmente vulnerable la línea suburbana 12, con pérdidas superiores al 5% en todas las estaciones, que tienen además unos tiempos de viaje elevados. Junto a ellas, las estaciones del suroeste de la ciudad, en las líneas 10, 5 y 6 tienen pérdidas de tiempos elevadas. En todos los casos se ven afectadas por los altos impactos de los cortes de la línea 10 en su acceso a sur a la ciudad.

102

Figura 4: Impacto medio de cada corte de arcos sobre el escenario sin cambios

Figura 5: Vulnerabilidad de las estaciones 5.3 Secuencias de caídas más críticas en ataques coordinados La figura 6 reproduce la secuencia de peores escenarios ante una caída sucesiva de arcos en la red. Esta situación podría darse en un ataque terrorista, en un boicot en una situación por de huelga, o en cualquier otro tipo de ataque coordinado sobre la red. Como vimos antes, la peor situación con la caída de un único arco se produce en el arco Lago103

Príncipe Pío (línea 10). Si se produjese una segunda caída, el arco más crítico se localiza en la línea 6, entre Pacífico-Conde de Casal. La caída de estos dos arcos produciría un incremento en los tiempos medios de 4.1 minutos (un 12,6% más). En el peor escenario, con la caída de 5 arcos, los tiempos medios globales se incrementan en hasta 13 minutos, un 33%. Es llamativo que todos se localizan en la zona sur de la red. Se trata de una zona donde la densidad de red es menor y, en consecuencia, los rodeos mayores. Además por ella entran al centro de la ciudad numerosos viajes desde los espacios suburbanos del sur. De hecho, si nos fijamos en el total de viajes que se ven obligados a cambiar de recorrido, pasan de los 163.000 en la situación con la caída del primer arco (un 6,6%) hasta los 753.000 con la caída de cinco arcos (un 31% del total de viajes). Si comparamos esta secuencia con un ataque a la red sobre cinco arcos aleatorios4 las pérdidas de tiempos son mucho menores, del 8,3%, en una situación en la que se verían alterados algo más del 20% de los viajes.

Figura 6: Identificación de arcos más críticos en una secuencia de caídas sucesivas.

4

La secuencia aleatoria obtenida ha sido de los tramos entre las estaciones de: Ibiza-Sainz de Baranda (L9); TetuánValdeacederas (L1); Arguelles-San Bernardo (L4); Plaza de España-Tribunal (L10); Rubén Darío-Núñez de Balboa (L10) (mostrados en la Figura 7c).

104

5.4 Redistribución de los flujos en la red La figura 7 muestra la redistribución de los flujos en el caso de producirse las situaciones con la caída del arco más crítico (Lago-Príncipe Pio), en el caso de un ataque coordinado sobre los 5 arcos del escenario más crítico y de un ataque sobre 5 arcos aleatorios. Se han redistribuido todos los viajes con el fin de conocer qué arcos serían los más afectados por los desvíos de viajes a otras líneas. Con la caída del arco Lago-Príncipe Pio, los flujos de entrada al centro de la ciudad pasan en su mayor parte a la línea 5 y a la circular 6, que sirve como redistribuidor para conectar nuevamente con la línea 10 y en menor medida con las líneas 3 y 1 (Figura 7a). Como consecuencia, los arcos de la línea 5 multiplican por 4 sus flujos actuales y los de la línea 6 los duplican. Al contrario, se produce una caída de los viajes en los arcos centrales de la línea 10 del 10%-20% de los viajes. En las dos situaciones con 5 cortes las redistribuciones son más complejas (Figuras 7b y 7c), pero en ambos casos la línea 6 cobra un papel clave en la redistribución de los flujos. En el primer caso, los arcos del sur de la línea 6 redistribuirían los viajes de entrada a la ciudad de las líneas 1, 3 y 10, que usarían la línea 6 para alcanzar la línea 5 y acceder por esta al centro de la ciudad. Los arcos de la línea 6 y de la 5 verían multiplicada su demanda por más de 10, lo que produciría su saturación. Con 5 cortes aleatorios, son los arcos del NW y NE de la línea 6 los que reciben un mayor número de viajes, duplicando su demanda.

Figura 7: Redistribución de los flujos en tres situaciones críticas 6. CONSIDERACIONES FINALES En esta comunicación hemos presentado una metodología para analizar el grado de vulnerabilidad en una red de transporte público, automatizada dentro de un SIG. Los resultados muestran que el impacto que tiene el corte de cada arco es diferente en función de su posición en la red y del total de viajes que canaliza. La caída de arcos para los que no existe alternativa de viaje supone dejar sin posibilidad de servicio a los viajes que lo atraviesan, que se verían obligados a usar otra red de transporte. Estas situaciones se producen en las líneas radiales de acceso a la ciudad. En el caso de los arcos para los que sí existe otra alternativa de viaje, los más críticos son aquellos que canalizan un flujo importante de viajes, en espacios donde la densidad de la red es menor y, en consecuencia, las alternativas para esos viajes son escasas y suponen rodeos importantes (es el caso de algunos arcos de las líneas radiales del sur de Madrid). Las estaciones más vulnerables son aquellas que se sitúan en los entornos de los arcos más críticos. Un elemento que no se ha considerado son las características de la población afectada por la caída de los arcos. Es evidente que la situación de vulnerabilidad será mayor en las estaciones localizadas en entornos residenciales más pobres de la ciudad, donde la población es más dependiente del transporte público. De hecho, en Madrid, los 105

arcos más críticos y las estaciones más vulnerables se localizan en la zona sur, que es la de sectores residenciales más pobres de la ciudad. Tener en cuenta las características de la población afectada permite relacionar vulnerabilidad de redes y vulnerabilidad social. El tratamiento de las alternativas de viajes y la consideración de otras redes de transporte público como alternativa es otro de los pasos necesarios para mejorar este análisis. Al funcionar el transporte público como una red multimodal, muchas de las incidencias en la red de Metro son resueltas buscando una alternativa a través de otras redes. En Madrid, las redes de autobuses urbanos e interurbanos son muy densas, e incluso el tren de cercanías supone una alternativa de viaje. Conocer la información de criticidad y de vulnerabilidad es importante para mitigar los efectos de incidencias sobre la red. Esta información es también de gran ayuda en la planificación de nuevas líneas o ampliaciones de la red, de manera que su ampliación se haga considerando no solo la eficiencia y la equidad en el servicio sino también una reducción de la vulnerabilidad y de los elementos críticos. 7. BIBLIOGRAFÍA BERDICA, K. (2002): «An introduction to road vulnerability: what has been done, is done and should be done». Transport Policy, n. 9, p. 117-127 BONO, F. y GUTIÉRREZ, E. (2011): «A network-based analysis of the impact of structural damage on urban accessibility following a disaster: the case of the seismically damaged Port Au Prince and Carrefour urban road networks». Journal of Transport Geography, n. 19, p. 1443–1455 CHEN, A., YANG, C., KONGSOMSAKSAKUL, S. y LEE, M. (2007): «Networkbased Accessibility Measures for Vulnerability Analysis of Degradable Transportation Networks». Networks and Spatial Economics, v. 7, n. 3, p. 241-256 JENELIUS, E. (2009): «Network structure and travel patterns: Explaining the geographical disparities of road network vulnerability. Journal of Transport Geography, n. 17(3), p. 234-244. JENELIUS, E., PETERSEN, T. y MATTSSON, L.G. (2006): «Importance and exposure in road network vulnerability analysis», Transportation Research A, n. 40, p. 537-560 MATISZIW, T.C., MURRAY, A.T., GRUBESIC, T.H. (2009): «Exploring the vulnerability of network infrastructure to disruption». The Annals of Regional Science n. 43(2), 307–321. MOURONTE, M. y BENITO, R. Mª. (2012): «Structural properties of urban bus and subway networks of Madrid». Networks and Heterogeneous Media, n. 7, p.415- 428 RODRÍGUEZ, E. y GUTIÉRREZ, J. (2012): «Análisis de vulnerabilidad de redes de carreteras mediante indicadores de accesibilidad y SIG: Intensidad y polarización de los efectos del cierre de tramos en la red de carreteras de Mallorca», GeoFocus, n.12, p. 374-394 SOHN, J., (2006): «Evaluating the significance of highway network links under the flood damage: accessibility approach». Transportation Research A, n. 40, p. 491-506. TAYLOR, M. A. P., SEKHAR, S. V. C. y D’ESTE, G. M. (2006): «Application of Accessibility Based Methods for Vulnerability Analysis of Strategic Road Networks». Networks & Spatial Economics, n. 6, p. 267–291

106

Anexo 3.

Análisis conjunto de entorno urbano y transporte público: los puntos de intermodalidad de la ciudad de Madrid. José Carpio Pinedo Departamento de Urbanística y Ordenación del Territorio Universidad Politécnica de Madrid

107

1. Introducción

Se presenta aquí un ejemplo del uso de los Sistemas de Información Geográfica como software idóneo y necesario para la integración de una gran diversidad de capas de información, capaz además de generar nuevos datos fruto del análisis de las anteriores. Supone por tanto una base imprescindible en la elaboración de herramientas como las que se presentan. El Consorcio Regional de Transportes de Madrid, por medio del Área de Intercambiadores, participa desde 2012 en el proyecto I+D+i de la Comisión Europea ‘NODES’: ‘New Tools for Design and operation of urban transport interchanges’ (7º Programa Marco). Dentro de éste, el equipo del CRTM lidera el tema “Estrategias para la planificación integrada de los usos del suelo y la infraestructura de transporte urbano”. En una primera etapa, el enfoque es global a nivel ciudad/área metropolitana, donde el objetivo es proponer herramientas de apoyo al planificador de cara a provocar las sinergias convenientes entre los entornos urbanos y la red de transporte público. Este objetivo se enmarca en un nuevo contexto de reivindicación de la multi- e intermodalidad, como única estrategia viable en las políticas de movilidad sostenible, ante la heterogeneidad y dispersión de los crecimientos urbanos contemporáneos (Ascher, 2001). Se presenta en primer lugar una selección de variables significativas o ‘indicadores’ que suponen un marco de comprensión conjunta de las características, dinámicas e interacciones entre los entornos urbanos y el sistema de transporte multimodal (cap.2). Para este primer acercamiento a la cuestión a nivel metropolitano, una primera herramienta es precisamente un marco para la comprensión conjunta y diagnóstico general. Éste permite igualmente detectar entornos urbanos o puntos de la red de transporte de intervención prioritaria (cap.3). Una segunda herramienta acompaña al planificador en el proceso de proyecto de un nuevo punto de la red de transporte, evaluando las diferentes alternativas o escenarios posibles con el fin de seleccionar el idóneo entre ellos. A una escala metropolitana esto afecta a la elección de la localización en la ciudad, el o los modos de transporte adecuados y sus conexiones a la red existente (cap. 4).

108

2. Selección de variables significativas: ‘indicadores’. ¿Cómo caracterizar los distintos entornos en cuanto a sus características urbanísticas y del servicio prestado por la red de transporte público? Los indicadores se han seleccionado para, por una parte, ser capaces de describir suficientemente los aspectos relevantes para la planificación. Por otra parte, se ha tenido en cuenta que todos los indicadores sean de práctica habitual en la planificación (de cara a incrementar su comprensibilidad, pero especialmente su disponibilidad). En los casos en que, de cara a una mayor innovación, los indicadores propuestos no sean de práctica habitual, éstos son calculables “fácilmente” por medio de software, una única capa de información normalmente disponible y, por tanto, sin basarse en trabajo de campo. Se emplea una clasificación en cuatro grupos de indicadores: a.

Demanda y población cubierta de un punto de transporte. Demanda (total y por cada modo). La demanda, como número de viajeros, indica la utilidad y uso de una parada, estación o intercambiador de transporte. Para el planificador, este indicador se vincula directamente con el tamaño, diseño, equipamiento e inversión necesaria y maximizar este valor (dentro de las previsiones) es un objetivo prioritario. Por ello, conviene encontrar las variables capaces de explicar la demanda que se está produciendo en los puntos de la red existente, de cara a pronosticarla en nuevas intervenciones mediante un modelo multivariable. Estas medidas se recogen por las empresas gestoras de la red de transporte, con medios muy distintos (conteo visual, mecánico, digital).

109

Figura 1: Representación de la variedad de demanda total (diámetro) y por modos (colores) en puntos de intermodalidad de la ciudad de Madrid.

Población cubierta. La población cubierta por cada punto de la red, independientemente del uso real de la infraestructura que dicha población realice, representa la demanda potencial y la capacidad de servicio, entendida esta última además como un deber de la Administración en la línea del ‘derecho a la movilidad’. Estas medidas pueden calcularse de forma precisa y sencilla con el manejo de Sistemas de Información Geográfica.

b.

Integración de la movilidad.

El proyecto ‘NODES’ se plantea para una planificación genérica pero consciente de unos entornos urbanos donde se solapan distintos modos de transporte y donde la intermodalidad es por tanto fundamental para entender la utilidad de la red de transporte público. Múltiples estudios han explorado las relaciones entre entorno urbano y redes de transporte, pero muchos estudian el impacto de un solo tipo de red y modo, o la introducción de una nueva línea. Son menos frecuentes, aunque empiezan a proliferar, aquellos que estudian el sistema de transporte público en su conjunto y de forma integrada. Hemos seleccionado algunas variables propuestas en uno de estos últimos (Curtis, 2011).

110

Interesa aquí determinar mediante valores sintéticos la dotación de transporte público en su conjunto pero aplicado a localizaciones específicas: el entorno urbano de un punto, estación o intercambiador. Con este fin, se recurre a los siguientes tres indicadores, que caracterizan el papel de cada punto en el conjunto de la red, desde un punto de vista estratégico. Igualmente sirven para valorar la “utilidad” de cada punto de la red en comparación con los otros, por lo que se puede interpretar también en términos de “atractivo”. Closeness centrality – Accesibilidad en tiempo de viaje. La accesibilidad o centralidad de tipo ‘closeness’ es una medida de red que refleja el “tiempo medio necesario para alcanzar todos los otros puntos”. Se trata por tanto de una “centralidad” en el sentido tradicional, pero valorando la reducción de tiempos aportada por la red de transporte. De esta forma, se identifican los entornos más y menos accesibles desde el conjunto del territorio y se relaciona con el potencial del entorno como origen y como destino.

Straightness centrality – Accesibilidad en nº de trasbordos. La accesibilidad o centralidad de tipo ‘straightness’ (‘degree centrality’ en Curtis, 2011) es una medida de red que refleja el “número medio de trasbordos necesario para alcanzar todos los otros puntos”. Se trata por tanto de una “centralidad” asociada al número de rupturas del viaje, las cuales han resultado en todo estudio de la intermodalidad los factores principales de disuasión para el uso del transporte público. Se asocia a una “facilidad física” del viaje, pero también psicológica, tocando incluso aspectos económicos en el caso de no existir integración tarifaria entre modos. Igualmente, sirve para, junto con la variable anterior, identificar los entornos más y menos accesibles desde el conjunto del territorio, asó como con el potencial del entorno como origen y como destino.

111

Figura 2: Representación de la accesibilidad en nº de trasbordos (‘straightness centrality’) en la ciudad de Madrid.

Las dos variables anteriores reflejan la utilidad del punto de transporte para dos viajeros de tipo extremo: 1) aquel que prioriza la reducción del tiempo de desplazamiento, no importándole las inconveniencias físicas de posibles trasbordos; frente a 2) el viajero que prioriza la simplicidad y comodidad del viaje, carente de trasbordos, pasando a un segundo plano la reducción del tiempo de viaje. Estas dos variables permiten, mediante un modelo bi-variable abarcar todo el abanico de preferencias y, por tanto, estudiar el conjunto de viajeros. Betweenness centrality – Accesibilidad de paso. La accesibilidad o centralidad de tipo ‘betweenness’, o de paso, es un indicador del flujo potencial de viajeros, al medir la probabilidad de un punto de situarse dentro del recorrido entre otros dos puntos cualesquiera de la red. Tiene consecuencias importantes al valorar el punto de transporte no por su potencial como origen o destino, sino por su flujo. Éste se relaciona mejor con importantes aspectos de la planificación, como el dimensionado o la asociación de ciertos usos, como el comercial.

Los tres indicadores proponen de esta forma la caracterización de los puntos de la red de transporte en relación a tres aspectos relevantes de las dinámicas de desplazamiento. Conjuntamente permiten valorar el papel estratégico o la jerarquía

112

de un punto dentro del conjunto, así como estudiar el potencial de un entorno urbano para acoger o atraer ciertos usos. Pueden calcularse con herramientas específicas de análisis de redes en SIG o mediante software para la modelización del transporte, precisando en cada caso únicamente de una capa de información: la propia red modelizada.

c.

Usos del suelo y entorno urbano.

Describir el entorno urbano de un punto de transporte es fundamental para comprender la utilidad de dicha infraestructura (Cervero & Kockelman, 1997; Ewing & Cervero, 2001), ya que es el entorno urbano el que acoge los posibles orígenes o destinos que producen y justifican el desplazamiento. Éstos son diversos y pueden ser residencias, puestos de empleo, servicios, comercios, etc. Igualmente, la configuración y características del entorno explica, de acuerdo al estado del arte, la realización del desplazamiento peatonal entre el punto de origen/destino y el punto de transporte en condiciones de seguridad, comodidad e incluso atractivo. Se caracteriza el entorno urbano de cada punto de intermodalidad mediante una serie de indicadores que sintetizan la presencia de usos y la morfo-tipología del entorno: Usos del suelo. Los usos principales, a nivel de planeamiento general y parcial, explican grosso modo la posible generación y atracción de viajes, así como el carácter de los entornos urbanos y se relacionan igualmente con la experiencia subjetiva de las condiciones de comodidad, seguridad y atractivo. Su cálculo es generalizable mediante el uso de Sistemas de Información Geográfica.

113

Figura 3: Captura de los principales usos del suelo a 500 metros de desplazamiento peatonal desde el punto de intermodalidad a través de la red de viario.

Morfo-tipología: edificabilidad, ocupación y densidad de viario. La edificabilidad o densidad construida, junto con el índice de ocupación del suelo y la densidad de viario sirven para describir el entorno urbano en términos de “intensidad” y “percepción”, lo cual se relaciona con la calidad percibida, la vitalidad urbana o la seguridad natural, entre otros. A nivel económico, la edificabilidad tiene además una relación directa con los beneficios y plusvalías derivadas de la urbanización. La ocupación se relaciona con la calidad de los espacios libres, así como para la percepción y orientación en éstos. La densidad de viario tiene una relación evidente con la facilidad de movimiento en un entorno, reduciendo los índices de rodeo, pero además, incrementa los frentes de fachada, que son el soporte de usos como el comercial, incrementando la intensidad de las actividades en el entorno.

Población y actividades económicas. Como se ha explicado, la población y el empleo constituyen las dos principales variables explicativas de la generación y atracción de viajes en un entorno.

114

d.

Integración urbana.

Los planificadores del transporte siempre reclaman la importancia de localizar los puntos estratégicos de la red de transporte en lugares igualmente estratégicos de la ciudad, pero ¿qué significa esto? Desde los años 80, se ha querido entender la jerarquía de espacios urbanos aplicando la teoría y análisis de redes, con el fin de explicar patrones de las dinámicas tanto sociales como económicas. La teoría y metodología Space Syntax (Hillier y Hanson, 1984; Hillier, 2007) investiga las relaciones entre la estructura espacial de la trama urbana y los fenómenos sociales, económicos y ambientales. Según esta teoría, los usos del suelo buscan de forma natural su lugar óptimo en la ciudad, y no al revés. Así, mediante el único input de la red de espacios urbanos, ha demostrado su potencial para explicar diversas variables como la densidad, la mezcla de usos, el comercio, el crecimiento urbano o el índice de delincuencia. Por estos motivos, Space Syntax se constituye en una herramienta fundamental para la planificación y diseño de los espacios urbanos. Integración global. La accesibilidad o integración urbana global explica la estructura general del conjunto de la ciudad, lo cual resulta fundamental para la localización óptima de una infraestructura de transporte del mismo rango.

115

Figura 4: Mapa de integración global en la ciudad de Madrid. Gradiente entre los espacios más integrados (rojo) y menos (azul).

Integración local. La accesibilidad o integración urbana local explica la capacidad de los peatones para orientarse en el espacio público (‘wayfinding’). Es fundamental para asegurar un acceso fácil a la infraestructura de transporte desde el entorno. Por tanto, sirve para encontrar el lugar óptimo de la infraestructura en un entorno concreto, planificar en qué punto han de situarse los accesos, etc.

3. Herramienta para la comprensión conjunta y el diagnóstico. La primera herramienta trata de explotar al máximo la capacidad explicativa de las variables previamente descritas. Se propone una matriz de correlaciones bivariadas donde se cruzan todas las variables entre sí, permitiendo encontrar las relaciones e interacciones que se producen entre ellas. Cabe apuntar a ciertas precauciones que este método implica, como la posible conveniencia de normalizar algunas de las variables, la identificación de ‘outliers’ en cada cruce o la existencia de ‘terceros factores’ explicativos. Éstas y otras cautelas han de estudiarse en la literatura específicamente estadística. El marco sirve para la comprensión conjunta de los fenómenos que se están produciendo, permitiendo valorar grandes decisiones o líneas estratégicas de conjunto con una visión rica, rigurosa y cuantitativa, pero sintética.

116

Varios software de análisis de datos permite sombrear rápidamente relaciones en función de su coeficiente de correlación, dando pie a sacar conclusiones de conjunto visualmente. Esta herramienta se plantea como un útil más para el planificador, pero no le sustituye. Entender las relaciones que se producen no significa que éstas sean algo a proteger o potenciar. Cada relación (o ausencia de ella) debe considerarse de forma aislada, en base a principios de tipo ciudadano, social, medioambiental, económico, etc. y, de esta forma, valorar si la situación es satisfactoria o debe ser corregida y en qué grado. Precisamente, para este último fin, cada cruce de correlaciones permite obtener una nube de puntos donde identificar los puntos que más se alejen de la situación deseada y, por tanto, supongan puntos de intervención prioritaria.

117

4. Herramienta para la planificación de un nuevo punto intermodal a la escala ciudad. Con la aplicación para el caso de la ciudad de Madrid de la herramienta anteriormente descrita, se obtuvieron importantes conclusiones que dieron lugar a priorizar ciertos indicadores frente a otros de cara a la elaboración de una herramienta para acompañar el proceso de planificación de un nuevo punto intermodal a la escala ciudad. Se propone así una herramienta más sencilla y reducida. No todas las variables seleccionadas (cap.2) presentan una incidencia igual de relevante al estudiar las interacciones entorno urbano-transporte a una escala metropolitana o de conjunto de ciudad. A esta escala, las variables de red, tanto de accesibilidad en la red de transporte público como en la trama urbana, resultan de mayor importancia a la hora de comprender el conjunto y la incidencia sobre la demanda del transporte. Muchas otras variables recibirán una mayor atención a una escala más próxima, de entorno urbano, en lo que se centra la siguiente fase del proyecto NODES. A una escala ciudad, se considera primordial la la elección de la localización en la ciudad, el o los modos de transporte adecuados y sus conexiones a la red existente. Sin embargo, estas posibilidades no son infinitas, sino que la inversión en un punto de transporte viene normalmente condicionada por factores de naturaleza diversa como: a) La existencia previa (incluso histórica) de un punto, estación o intercambiador, que requiere una mejora, ampliación o incorporación de nuevos modos o conexiones. b) La disponibilidad y precio del suelo urbano. c) Políticas urbanas amplias, como las de regeneración, que incorporan la movilidad como una línea de trabajo más, pero no la única. 118

Muchas de las actuaciones en infraestructura del transporte en Europa pueden explicarse en base a este tipo de factores, que no pueden sistematizarse. Sin embargo, estas razones van a limitar las posibles localizaciones a un número reducido de puntos y, en cada uno de ellos, las posibles conexiones y modos de transporte serán igualmente limitados. Estas combinaciones posibles quedan resumidas en lo que llamamos ‘escenarios’, los cuales sí pueden ser evaluados con criterios homogéneos.

Estas alternativas de proyecto se han de evaluar teniendo en cuenta una serie de variables relevantes a nivel global:     

‘Closeness’ del nuevo punto. El impacto del nuevo punto en el valor de ‘closeness’ en el resto de puntos (media de variaciones). ‘Straightness’ del nuevo punto. El impacto del nuevo punto en el valor de ‘straightness’ en el resto de puntos (media de variaciones). Integración urbana – local (Space Syntax).

Finalmente se distingue si la nueva infraestructura se plantea como un punto de gran relevancia para el transporte metropolitano, para lo cual hay que añadir dos exigencias:  

Integración urbana – global (Space Syntax). Consideración en conjunto de ‘Betweenness’: flujos que se reconducen por el nuevo punto, así como su impacto en el flujo de los puntos ya existentes.

119

Una vez más, la herramienta propuesta no sustituye al planificador en la toma de decisiones. De hecho, tal y como está diseñada, distintos escenarios pueden obtener los mejores valores en distintas variables, lo cual deja al planificador la decisión final en base a sus prioridades.

5. Conclusiones. A pesar de la complejidad implícita en el estudio de las dinámicas e interacciones urbanas y en particular con el sistema de transporte, es posible plantear herramientas lo suficientemente ricas pero igualmente sencillas para enriquecer y guiar el proceso de planificación conjunta urbanística y de transporte. Igualmente es posible plantear herramientas que hagan aportaciones significativas a una escala global metropolitana o ciudad, pero no por ello sustituir al planificador en la toma de decisiones, por lo que se habla de ‘metodología abierta’. Por otra parte, la metodología abierta afecta a la posibilidad de ser adaptada y aceptar modificaciones parciales para el estudio de ámbitos concretos, otras/nuevas variables, etc. Aunque en este documento se trate sólo la escala global, las variables seleccionadas permiten considerar las relaciones entorno urbano-transporte público de manera transversal multi-escalar, suponiendo un marco de análisis coherente para plantear también herramientas a escalas más próximas.

120

6. Referencias.

Ascher, F. (2001). Les nouveaux principes de l'urbanisme. La fin des villes n'est pas à l'ordre du jour. Paris: Éditions de l’Aube. Cervero, R., & Kockelman, K. (1997). “Travel demand and the 3Ds: density, diversity, and design.” Transportation Research Part D: Transport and Environment, 2(3), 199-219. Ewing, R., & Cervero, R. (2001). “Travel and the built environment: a synthesis.” Transportation Research Record: Journal of the Transportation Research Board, 1780(1), 87-114. Curtis, C. (2011). “Integrating Land Use with Public Transport: The use of a discursive accessibility tool to inform metropolitan spatial planning in Perth” Transport Reviews, vol.31, no. 2. Hillier, B., & Hanson, J. (1984). The social logic of space. Cambridge: Cambridge University Press. Hillier, B. (2007). Space is the machine: a configurational theory of architecture. Cambridge: Cambridge University Press.

121

Anexo 4

Propuesta metodológica para la generación de corredores de mínimo impacto ambiental de carreteras: Integración del paisaje. El caso de la autopista radial 5. Comunidad de Madrid Miguel Vía García Centro de Investigaciones Ambientales “Fernando González Bernáldez” Comunidad de Madrid Javier Gutiérrez Puebla Departamento de Geografía Humana Universidad Complutense de Madrid

122

TÍTULO: PROPUESTA METODOLÓGICA PARA LA GENERACIÓN DE CORREDORES DE MÍNIMO IMPACTO AMBIENTAL DE CARRETERAS: INTEGRACIÓN DEL PAISAJE. EL CASO DE LA AUTOPISTA RADIAL 5. COMUNIDAD DE MADRID. AUTORES: AUTOR 1: Miguel Vía García CARGO/DEPARTAMENTO : Técnico Superior - Investigador EMPRESA/ORGANISMO : Centro de Investigaciones Ambientales de la Comunidad de Madrid “Fernando González Bernáldez” - DG. de Medio Natural. Consejería de Medio Ambiente y Ordenación del Territorio de la Comunidad de Madrid DIRECCIÓN DE EMPRESA/ORGANISMO : C/ San Sebastián, 71 (esq. C/ Almendro) CIF EMPRESA/ORGANISMO: S-7800001-E C.P/ POBLACIÓN Y PROVINCIA: 28791 – Soto del Real (Madrid) TLF/FAX/ E-MAIL: Tf: 918478911 / 918477265

Fax: 918480013 E-mail: [email protected]

AUTOR 2: Javier Gutiérrez Puebla CARGO/DEPARTAMENTO: Catedrático de Geografía Humana. Facultad de Geografía e Historia EMPRESA/ORGANISMO: Universidad Complutense de Madrid DIRECCIÓN DE EMPRESA/ORGANISMO: C/Profesor Aranguren, s/n CIF EMPRESA/ORGANISMO: Q28/18014/I C.P/ POBLACIÓN Y PROVINCIA: 28040 Madrid TLF/FAX/ E-MAIL: Tf. 91 3945949

Fax: 91 3945960

E-mail: [email protected]

123

PROPUESTA METODOLÓGICA PARA LA GENERACIÓN DE CORREDORES DE MÍNIMO IMPACTO AMBIENTAL DE CARRETERAS: INTEGRACIÓN DEL PAISAJE. EL CASO DE LA AUTOPISTA RADIAL 5. COMUNIDAD DE MADRID.

AUTORES: Miguel Vía García. Centro de Investigaciones Ambientales de la Comunidad de Madrid “Fernando González Bernáldez” Javier Gutiérrez Puebla. Departamento de Geografía Humana. Universidad Complutense de Madrid

PALABRAS CLAVE: SIG, Evaluación Multicriterio, Carreteras, Impacto Ambiental, Corredores y Paisaje.

Este trabajo se enmarca en un proyecto de investigación más amplio (TRA200506619/MODAL) denominado “Evaluación de los efectos de las vías de alta capacidad sobre el territorio, la socioeconomía y la movilidad: el caso de Madrid”

RESUMEN Ante la necesidad de desarrollar nuevas tecnologías y herramientas que nos faciliten la toma de decisiones a la hora de afrontar problemas territoriales complejos, la integración de metodologías de Evaluación Multicriterio (EMC) en los Sistemas de Información Geográfica (SIG), suponen una herramienta de alto potencial. En este trabajo se realiza un análisis comparativo de la eficacia de diferentes metodologías de EMC a la hora de generar corredores de mínimo impacto ambiental de infraestructuras lineales. A su vez, se propone una sistemática de trabajo operativa para este tipo de estudios. La integración del paisaje en el procedimiento metodológico, se ha considerado un elemento clave en la valoración ambiental y en el correcto diseño de los corredores. La Autopista de la región de Madrid denominada “Radial 5” se toma como caso de estudio.

PRESENTACIÓN 124

En el momento actual, los modelos de desarrollo sostenible son el objetivo de la mayor parte de las políticas de ordenación del territorio. Debido a la complejidad de interrelaciones que se producen en el territorio y que caracterizan al medio ambiente, se considera necesario abordar trabajos de investigación dirigidos a mejorar las políticas ambientales y de ordenación del territorio. En este sentido, la minimización de los impactos negativos que ocasionan las acciones del hombre, es una de las labores fundamentales que se debe perseguir. Para solucionar este tipo de problemáticas, las nuevas Tecnologías de Información Geográficas (TIG) aplicadas al medio ambiente, nos permiten resolver estos problemas con una mayor fiabilidad. La integración de metodologías de evaluación multicriterio (EMC) en los Sistemas de Información Geográfica (SIG) suponen una herramienta de gran utilidad en la toma de decisiones, y más aún, a la hora de afrontar una problemática de índole espacial tan compleja. En este trabajo, a partir de un análisis metodológico comparativo, se propone un procedimiento para poder planificar y diseñar de forma eficaz corredores de transporte de mínimo impacto ambiental. La Autopista “Radial 5”, localizada al suroeste de la región de Madrid, se toma como caso de estudio. En este esquema general de trabajo, la integración del paisaje en el procedimiento metodológico, se considera un elemento clave en la valoración ambiental y en el correcto diseño de los corredores. Debido a la diversidad de variables que se tienen en cuenta en esta metodología, muchas de ellas, componentes básicos en los análisis clásicos del paisaje (vegetación, relieve, usos del suelo, etc.), se ha considerado que las características visuales del paisaje suministran una información de gran utilidad, aportando un valor añadido al procedimiento de generación de corredores de mínimo impacto ambiental. Son las variables vinculadas a la calidad y fragilidad visual las utilizadas para el análisis del paisaje en este trabajo.

OBJETIVOS Y PROBLEMÁTICA DE TRABAJO Una Ordenación del Territorio eficiente, permitirá a priori reducir un gran número de impactos que a posteriori serían de difícil minimización. El correcto diseño de las infraestructuras lineales es fundamental en la minimización del impacto que ocasionan. Una vez queda demostrada la teórica necesidad real que tiene la construcción de una infraestructura de estas características, habida cuenta del servicio público que presta, se precisa afrontar el cómo acomodarla de una forma eficiente en el territorio. Este tipo 125

de proyectos deben ajustarse a una serie de objetivos, entre los que está la aptitud ambiental, junto a otros requisitos, como son: la aptitud o viabilidad técnica, la eficiencia del proyecto respecto a sus objetivos y la aptitud económica. En muchos casos, la aptitud ambiental se encuentra excesivamente supeditada al cumplimiento de los otros tres requisitos, siendo necesario por ello, metodologías que compatibilicen todos los criterios sin minusvalorar a ninguno. Desde un punto de vista operativo y de fundamento geográfico, en el caso de las infraestructuras lineales, se intenta diseñar corredores aptos ambientalmente (Figura 1), para posteriormente, el equipo técnico de ingenieros se encargue de diseñar desde un punto de vista técnico y económico, el trazado concreto más apto dentro de ese corredor. Esta sistemática de trabajo permite introducir la aptitud ambiental desde un primer momento en el diseño de la infraestructura, consideración que tradicionalmente quedaba en un segundo plano.

Figura 1. Corredor y trazados de aptitud ambiental.

Ante esta problemática general, los principales objetivos de este trabajo se podrían resumir en: 

Realizar una propuesta metodológica y una sistemática de trabajo útil para la generación de corredores de mínimo impacto ambiental.



Realizar un análisis comparativo de diferentes metodologías de EMC implementadas en los SIG, aplicado a un caso concreto (La autopista Radial 5)



Plantear posibles líneas de investigación y de desarrollo metodológico para este tipo de trabajos.

126

Se podrían mencionar otra serie de objetivos de segundo nivel, entre los que destacaría, debido a la especial atención que se le presta en este trabajo, la incorporación adecuada de los modelos de valoración del paisaje en el procedimiento metodológico general. ÁMBITO DE ESTUDIO El ámbito de estudio seleccionado para el desarrollo de este trabajo es el suroeste de la región de Madrid (Figura 2), por la que discurre la actual autovía A5, y de forma paralela, la autopista de peaje Radial 5. Es importante para este trabajo desde un punto de vista metodológico la correcta definición de un ámbito de estudio amplio y adecuado para el tipo de proyecto a estudiar, así como para poder evaluar correctamente los impactos que provoca sobre el medio. Esto es debido a que según el factor o variable ambiental analizado, el impacto que ejerce la infraestructura puede ser mayor o menor espacialmente. Por ejemplo, no se ocasiona un impacto de igual extensión sobre la vegetación, que sobre el paisaje.

Figura 2. Ámbito de estudio.

DESARROLLO METODOLÓGICO Definidos los objetivos y el ámbito de estudio, se realizó un inventario territorial de toda la información cartográfica disponible. Esta es una de las fases más importantes para el éxito de cualquier trabajo de estas características. El inventario es el que nos posibilita la predicción de la evolución y desarrollo de los factores ambientales en los horizontes

127

temporales en los que se quiere determinar los impactos ambientales (Mendoza, L.E., 2000) Una vez identificadas las acciones que conlleva la construcción de una autopista en sus diferentes fases (construcción, explotación y abandono), se identifican las alteraciones que estas acciones generan sobre el medio. Estas alteraciones nos permiten seleccionar los indicadores de impacto principales, los cuales se agrupan por factores ambientales, generando para cada factor a través de una integración multicriterio simple, un indicador sintético de valoración. Estos indicadores sintéticos conforman los factores del modelo, los cuales precisan de ponderación, y que junto a las restricciones, conforman los criterios que los alimentan. Posteriormente, se aplican las diferentes metodologías de EMC, generando diferentes mapas de impacto, que se corresponden con la superficie de fricción necesaria para la obtención de los corredores de mínimo impacto ambiental. Tras un análisis comparativo de las diferentes metodologías, se realiza una propuesta metodológica concreta para este tipo de estudios. Esta sistemática de trabajo (Figura 3) se considera un resultado metodológico más que aporta este estudio, que busca hacer operativo de una forma relativamente sencilla un trabajo espacial complejo, en el que intervienen un alto número de variables y consideraciones.

128

Figura 3. Metodología general de trabajo.

CRITERIOS DEL MODELO: VALORACIÓN DEL IMPACTO La evaluación de impactos ambientales de un proyecto consiste en la identificación y valoración de impactos individuales y su posterior agregación (Otero, I. 1999). En este proyecto, se ha intentado superar esta fase de gran importancia en los Estudios de Impacto Ambiental, realizando una identificación de los indicadores que aportan una mayor información sobre el impacto que conlleva la construcción de la autopista sobre los distintos factores del medio que se ven afectados. Esta selección ha estado muy condicionada por el nivel de detalle, la información disponible y el objetivo metodológico del proyecto. Se ha optado por seleccionar los indicadores de impacto más representativos de cada factor ambiental, para así, realizar con posterioridad una primera agregación de indicadores a través de una integración multicriterio simple (Suma lineal Ponderada), obteniendo un indicador sintético de impacto para cada factor ambiental. Estos indicadores sintéticos una vez normalizados, son los factores finales que alimentan las diferentes metodologías de EMC, y que junto a las restricciones, nos

129

permiten obtener lo que se ha denominado mapas de impacto finales. En este trabajo, la única restricción que se utiliza es el suelo urbano. A continuación se presentan, en función del factor ambiental, los indicadores de impacto utilizados, con los respectivos pesos aplicados en su integración (Figura 4).

Figura 4. Indicadores de impacto.

A modo de ejemplo, se muestra a continuación la cartografía de los indicadores utilizados para generar el indicador sintético de impacto del factor ambiental Hidrología (Figura 5).

130

Figura 5. Hidrología: Indicador Sintético de Impacto.

INTEGRACIÓN DE MODELOS DE VALORACIÓN DEL PAISAJE La integración del paisaje en este tipo de estudios se considera una cuestión clave en la valoración ambiental y en el correcto diseño de los corredores de mínimo impacto. El paisaje es tratado como un indicador sintético de impacto y se integra en el desarrollo metodológico general junto a los demás indicadores sintéticos. Se incorpora en la integración multicriterio como un criterio más del modelo, junto al peso relativo que le otorga el panel de expertos consultado. Debido a la diversidad de variables que se introducen en esta metodología, muchas de ellas, componentes básicos en los análisis clásicos del paisaje (vegetación, relieve, usos del suelo, etc.), se ha considerado que las características visuales del paisaje son las que nos aportan un valor añadido al procedimiento de generación de corredores de mínimo impacto ambiental. Las variables utilizadas para el análisis del paisaje en este trabajo son las vinculadas a la calidad y fundamentalmente a la fragilidad visual. Existe una diferencia esencial entre estos dos conceptos; así, mientras la calidad visual de un paisaje es una cualidad intrínseca del territorio que se analiza, la fragilidad depende del tipo de actividad que se pretende desarrollar (Montoya, R., 131

2002). Por ello, y desde un punto de vista operativo, utilizamos en este estudio la fragilidad visual, dirigiendo su valoración de forma concreta al impacto que genera una autopista sobre el paisaje visual. A su vez, muchos de los componentes que forman parte de la calidad visual de un paisaje ya han sido incorporados al modelo en la valoración de otros indicadores sintéticos, como por ejemplo, la valoración de la vegetación, del relieve, etc. El concepto de Fragilidad Visual, también designado como vulnerabilidad, puede definirse como “la susceptibilidad de un territorio al cambio cuando se desarrolla un uso sobre el mismo” (Cifuentes, P. 1979), Para la valoración de la fragilidad visual se siguió la siguiente metodología (Montoya, R. y Padilla, J., 2001): Se realizó una primera integración de variables para obtener un mapa de fragilidad visual intrínseca. Las variables utilizadas fueron: la capacidad de la vegetación para ocultar una actividad; la pendiente y la fisiografía entendidas como la posición en el territorio de la actividad, existiendo zonas más visibles que otras; La forma y tamaño de la cuenca visual y por último, la compacidad de las unidades de paisaje, es decir, en función de la complejidad morfológica de la cuenca visual las actividades se ocultarán mejor o peor. En una segunda integración se incorpora a la fragilidad visual intrínseca la consideración de la distribución de los observadores potenciales en el territorio (mapa de distancias a carreteras y zonas habitadas), obteniendo así, el mapa final de Fragilidad Visual (Figura 6).

Figura 6. Mapa de impacto del Paisaje. Fragilidad visual.

132

NORMALIZACIÓN DE VARIABLES Una vez obtenidos los indicadores sintéticos de cada factor, es necesario estandarizar las variables en una misma escala para hacerlos comparables, debido a que el rango de valores finales de cada indicador sintético es diferente. Realizada la normalización, estos indicadores se convierten en los criterios finales de los modelos. Se ha realizado un ajuste de tipo lineal, de forma similar a lo realizado con los indicadores de impacto iniciales, utilizando de rango de estandarización 50 categorías. La fórmula del ajuste de tipo lineal es la siguiente (Eastman, J. 1999):

f i  (vi  vmax ) (vmax  vmin )  c donde:

fi

es el valor del factor normalizado

es el valor mínimo

c

vi

es el valor origen del factor

vmax es el valor máximo vmin

es el rango de estandarización

La normalización o estandarización de las variables es un paso de gran importancia tanto para el desarrollo metodológico de los modelos multicriterio, como para una correcta valoración en cada indicador del impacto. Siguiendo un criterio de operatividad, esta cuestión no ha sido objeto de estudio en este trabajo, utilizando un ajuste similar para todas las variables o indicadores. A estas funciones de correlación entre la intensidad de la acción y el impacto se las denomina funciones de transformación o funciones de valor. Estas funciones determinan la relación entre los valores que pueden tomar un indicador de impacto y la calidad del factor ambiental en estudio. (Mendoza, L.E. 2000). En muchos casos esta correlación no es lineal, debiendo ajustar de forma específica para cada factor o indicador una función determinada.

ASIGNACIÓN DE PESOS Desde un punto de vista operativo en este trabajo se ha utilizado un método sencillo para la asignación de pesos, denominado “rating”. Este método precisa de la valoración de los diferentes factores de forma individual en relación a una escala establecida (en nuestro caso de 0 a 10). El panel de expertos debe indicar en que punto de esa escala se encuentra ese criterio, sabiendo que 0 significa que ese criterio puede ser ignorado del análisis y 10 que ese criterio tiene el máximo valor en el análisis (Malczewsky, J. 1999). Se realizó una consulta a 5 expertos y una vez establecieron los pesos se realizó la media y se obtuvo el peso final para cada factor (Figura 7). 133

Figura 7. Tabla de ponderación de factores.

Existen otros métodos más complejos y precisos, pero que requieren un mayor trabajo por parte del panel de expertos, como es el caso de las jerarquías analíticas o comparación por pares (Saaty, T.L., 1977), que consiste en la elaboración de una matriz en los que se especifica la importancia relativa de cada factor respecto a los demás.

SIG – EMC: MAPAS DE IMPACTO AMBIENTAL Una vez se dispone de los criterios y los pesos, se han aplicado los modelos de EMC, obteniendo con ello, los mapas finales de impacto (Figuras 8 y 9). Estos mapas suministran una información sintética de todas las variables utilizadas, permitiéndonos así, evaluar el impacto ambiental que en cada punto del territorio ocasionaría la construcción de la autopista. En nuestro caso concreto, nos encontramos ante un problema cuyo objetivo es la minimización del impacto que ocasionaría la construcción de esta infraestructura, por lo tanto, ante un problema de objetivo único. Existen muchas otras situaciones en las que el objetivo ante un problema de localización espacial es múltiple, optando en ese caso por la utilización de metodologías de evaluación multiobjetivo, entre las que se encuentran como más conocidas y utilizadas, la extensión jerárquica, cuando los objetivos son complementarios y cuando están en conflicto, la solución priorizada y solución compromiso (Barredo, JI. 1996). Se han escogido para realizar los análisis dos metodologías diferentes, una de ellas de tipo compensatorio y otra no compensatoria.

Las técnicas de tipo compensatorio, asumen compensación entre los diferentes criterios, permitiendo compensar un valor alto en un criterio con un valor bajo en otro, como es el caso de la técnica que aquí se utiliza denominada suma lineal ponderada (SLP). Es una técnica de tipo aditiva (Janckowski, P. 1995) en la que el valor de impacto, se obtiene para cada alternativa, según: 134

a   xi wi   r j donde: a

rj

es el valor de impacto;

xi

es el valor de la celda i en el factor i ;

wi

es el peso del factor i ;

son las restricciones

En la SLP los criterios pueden incluir tantos factores ponderados como restricciones. El procedimiento comienza multiplicando cada factor, ya normalizado, por su peso correspondiente y, posteriormente, suma los resultados. Éstos serán multiplicados por el producto de las restricciones, definiendo las áreas excluidas del análisis. Los pesos de los factores son muy importantes en el método, porque determinan como los factores individuales se compensan entre sí. A mayor peso del factor, mayor influencia tendrá este factor en el mapa de impacto final. Se caracteriza por ser un método con una compensación total y por un nivel de riesgo medio, es decir, a medio camino entre la minimización (operación “Y”) y la maximización (operación “O”) de las áreas consideradas adecuadas en el resultado final. (Eastman, J. 1999). El procedimiento se ha realizado en ArcView GIS 3.2 utilizando la calculadora de mapas. El software IDRISI, lleva implementado este algoritmo en el módulo de evaluación multicriterio “MCE”.

En las técnicas de tipo no compensatorio, en general, no se produce compensación entre criterios, obteniendo el resultado final a partir de la relevancia de un criterio frente a los demás, partiendo de un punto de vista que defina tal criterio. Estas técnicas demandan un proceso cognitivo menor del centro decisor, ya que, por lo general, precisan de una jerarquización ordinal de los criterios basada en las prioridades del centro decisor (Barredo, 1996). En la metodología utilizada en este trabajo, denominada medias ponderadas ordenadas (MPO) no se cumplen al detalle esas características generales de los modelos no compensatorios, obligando al centro decisor a un mayor trabajo. Se incluye dentro de las técnicas de superposición o agregación borrosa (Malczewski, J. 1999). La compensación se puede producir con mayor o menor intensidad en función de que el centro decisor seleccione unos determinados pesos de ordenes. En este método intervienen junto a los pesos de los factores, un orden de los pesos. Los pesos ordenados son un conjunto de pesos asignados no a los factores en sí, sino a la posición en el rango ordenado de los valores del factor para una localización (píxel) dada. En nuestro caso, el criterio con la puntuación de impacto más alta, una vez aplicados los pesos del factor, será el primer peso ordenado, el factor con la siguiente valoración de 135

impacto más alta tendrá el segundo peso ordenado y así sucesivamente. El sesgo relativo, tanto hacia el mínimo como hacia el máximo de los pesos ordenados, controla el nivel del riesgo. Si se da el mismo peso a todos los órdenes, la MPO funciona como una SLP, ya que no importa que un criterio tenga un valor más alto que otro.

En esta metodología el valor de impacto se obtendría según:

 wi  oi     rj a   xi     w  o i   donde: a factores;

wi

celda i ;

rj

es el valor de impacto;

xi

es el valor de la celda i en el factor i ;

es el peso del factor i ; o es el peso de los ordenes;

oi

w

es el peso de los

es el peso ordenado del factor i en la

son las restricciones

El funcionamiento del algoritmo se basa en la SLP, sólo modificado por la influencia del peso de los órdenes. Para cada celda o alternativa, los pesos de los factores se ven matizados por el orden de los mismos en esa localización. Se multiplica el peso del factor por el peso del orden correspondiente a ese factor en esa celda, dividiéndolo para normalizar los valores, por la suma de los productos de los pesos de cada celda. Para este proyecto se han seleccionado unos pesos de órdenes que suponen una importante reducción de la compensación. Permite reducir el riesgo al establecer para cada alternativa o píxel un orden de importancia de cada criterio. Los pesos de ordenes utilizados para los 9 casos son los siguientes: [1- 0.400; 2- 0.300; 3- 0.150; 4- 0.070; 50.040; 6-0.020; 7- 0.010; 8- 0.007; 9-0.003 (SUMA=1.000)] Con este procedimiento, se está dando más peso en el resultado final de cada alternativa a los factores con los valores más altos de impacto en ese píxel, sin dejar de tener en cuenta los pesos que el panel de expertos otorgó a cada factor en general. El modelo se ha realizado con el software IDRISI 32, a través del módulo de evaluación multicriterio “MCE”.

136

Figura 8. Mapa final de impacto generado con la metodología EMC de la SLP .

Figura 9. Mapa final de impacto generado con la metodología EMC de las MPO.

CORREDORES Y TMIA. El espacio no es isotrópico, las distancias o resistencia para el desplazamiento por el espacio, en el mundo real, no suelen ser en línea recta (Gutiérrez, J y Gould, M 1994). En este caso concreto, nos interesa disponer de una cartografía que refleje el coste de fricción ambiental asociado a cada celda en relación a la construcción de una autopista. Estos mapas o superficies de fricción, son los mapas de impacto generados a partir de 137

los modelos multicriterio. Los valores de cada píxel en ese mapa informan sobre el coste ambiental que supone que el trazado de la autopista discurra sobre él. Para generar los corredores de mínimo impacto ambiental se precisa de un mapa de origen del corredor, un mapa del destino y el mapa de fricción. Se crea a partir de ellos un mapa de distancias desde el origen y otro desde el destino, usando en ambos casos, el mapa de superficie de fricción como base. Para este proyecto, las únicas barreras que se han utilizado ha sido la restricción de los mapas de impacto, es decir, el suelo urbano. Una vez se dispone de los dos mapas de distancias o costes, se realiza una suma entre ellos, obteniendo un mapa en el que los valores más bajos representan el corredor de mínimo impacto ambiental. Según se elija el rango o intervalo de valores mínimo para considerarlo corredor, este será más o menos amplio. El sistema es capaz de calcular los trazados concretos de mínimo impacto ambiental (TMIA), usándolos en nuestro caso para el análisis comparativo de los resultados.

RESULTADOS Y PROPUESTAS METODOLÓGICAS A continuación, se muestran los corredores generados a partir de las dos metodologías utilizadas (Figuras 10 y 11) para nuestro caso de estudio.

Figura 10. Corredor de mínimo impacto ambiental generado con la metodología EMC de la SLP.

138

Figura 11. Corredor de mínimo impacto ambiental generado con la metodología EMC de las MPO .

En el caso del trazado generado con la metodología MPO, este tiene un impacto global más alto, debido a ser más largo, pero en cambio, su impacto medio es más bajo, ya que con el uso de esa metodología, el trazado evita cruzar los píxeles que tienen un valor muy alto en cualquiera de sus criterios, al dar un mayor peso en cada píxel a los criterios con valores de impacto más altos. Esta metodología demuestra su carácter menos compensatorio, ya que por las celdas en las que tienen un valor muy alto alguno de los criterios, tiende a evitarlas, realizando por tanto un trazado más largo. En cambio, el trazado SLP, al ser más compensatorio, es capaz de discurrir por zonas en las que existen factores con un impacto ambiental muy alto, ya que si en otros factores estos valores son bajos, se compensan, lo que conlleva que sus trazados sean más cortos (impacto global más bajo) pero con un impacto medio más alto. Una conclusión importante a la luz de estos resultados, es si realmente nuestras metodologías están valorando suficiente la relación impacto global (distancia) e impacto medio, es decir, en que punto está el equilibrio o la relación que define la opción entre seguir un camino más corto con más impacto o pasar por uno más largo de menor impacto. Una correcta valoración de los factores del modelo, a través de unas funciones de transformación eficaces, evitaría que ese desequilibrio fuese importante. Se ha realizado también un análisis comparativo a través del impacto que producen los distintos trazados sobre los factores del medio afectados (Figura 13).

139

Figura 13. Valores de impacto de los trazados de mínimo impacto ambiental sobre los factores

El trazado generado a partir de la metodología MPO es el que genera un menor impacto medio en un mayor número de factores, caracterizándose además estos factores, por ser los de mayor peso. La metodología de las MPO, al no ser tan compensatoria, ya que pondera con un mayor peso los valores más altos en los criterios de cada píxel, provoca que en el mapa de impacto final las celdas con valores altos aunque sea sólo en un criterio o factor, mantengan un valor final alto. El que además, los factores de menor impacto medio son los que tienen un peso alto, indica que el trazado MPO evita pasar fundamentalmente por aquellos píxeles en los que los valores de los factores más altos corresponden a factores asignados con un peso alto por el panel de expertos, ya que al combinarse el peso alto de los ordenes con el alto peso del factor, las celdas al incrementarse el valor de ponderación, obtienen un valor muy alto. Una vez analizados los resultados obtenidos, se ha comprobado las diferencias metodológicas principales entre los dos modelos. La MPO es la menos compensatoria, debido a que son los valores más altos los que entran en juego en el resultado final, viéndose imposibilitados los valores más bajos a compensar a los más altos, debido a que presentan un peso muy bajo en los ordenes.

En el mundo real, la mayor calidad ambiental de un espacio, no sólo se mide por ser un espacio de alto valor en todas sus variables ambientales. Cuando en un espacio de baja calidad ambiental, existe una variable con un valor muy alto, es decir, una singularidad, esta no debe compensarse con los valores bajos de los demás factores del medio. A modo de ejemplo, el impacto ambiental es muy alto cuando una autopista va a pasar por una zona de nidificación de aves esteparias protegidas, como por ejemplo de la Avutarda. A pesar de que el lugar de nidificación sea una superficie de cultivo de secano en las proximidades de una zona industrial, es decir, una zona con baja calidad de vegetación, de aire, ruido etc. no debe compensar el valor alto de calidad en fauna, convirtiendo a ese espacio en un lugar de escasa calidad ambiental, y por lo tanto, apto para la construcción de una autopista.

140

No sólo por los resultados positivos de impacto medio, sino también, por el procedimiento aritmético-estadístico que realiza, la metodología de evaluación multicriterio menos compensatoria, denominada Medias Ponderadas Ordenadas, se propone como metodología más apropiada para este tipo de estudios. Se considera que es la metodología que salvaguarda de una forma más eficiente los valores ambientales de cada territorio. Con la aplicación de esta metodología, se valora de forma prioritaria en cada lugar concreto de ese territorio, aquellos factores ambientales con un valor de calidad más alto. Por lo tanto, gracias a esta metodología propuesta, de carácter claramente menos compensatoria, las singularidades concretas de cada espacio son tenidas en cuenta. Otro resultado importante de este trabajo es el diseño de una sistemática de trabajo, en la que se definen una serie de fases previas a la aplicación de los modelos multicriterio en el SIG, que son consideradas de gran utilidad y eficacia en la valoración. Destacan entre ellas: la creación de indicadores sintéticos de valoración, la normalización de variables a partir de la aplicación de correctas funciones de transformación y el procedimiento de ponderación de factores.

CONCLUSIONES A la hora de afrontar un trabajo de estas características se deben de tener en cuenta un gran número de consideraciones previas para obtener un resultado acorde con la realidad. La correcta selección y valoración de los criterios a introducir en los modelos, la ponderación de los mismos a través de una correcta consulta a expertos, así como una selección apropiada de la metodología de EMC a utilizar en función de nuestro objetivo, nos evitará obtener unos resultados mediocres. Es por lo tanto, la selección de la metodología de EMC, un elemento clave a definir claramente en la fase previa del trabajo, ya que por la elección de una u otra metodología, utilizando los mismos pesos y criterios el resultado puede ser muy distinto. A su vez, una sistemática de trabajo como la planteada aquí, permite dar operatividad a un problema espacial tan complejo, o por lo menos acercarnos a los pasos a dar para obtener un resultado final, que permita tomar decisiones sobre la adecuación de la localización de una infraestructura lineal. La generación de trazados y corredores de mínimo impacto ambiental a través de los SIG y el uso de estas metodologías de EMC, queda comprobado que son una herramienta de alto potencial a la hora de diseñar corredores reales para cualquier tipo de infraestructura lineal. Disponer de estos corredores, permiten minimizar en gran

141

medida el impacto ambiental que pueden llegar a generar, introduciendo la consideración ambiental desde un primer momento del diseño de la infraestructura.

REFERENCIAS BIBLIOGRÁFICAS BARREDO, J.I.: “Sistemas de Información Geográfica y Evaluación multicriterio en la Ordenación del Territorio” Ed. Ra-ma. Madrid, 1996 CIFUENTES, P.: “La Calidad Visual de Unidades Territoriales. Aplicación al Valle del Río Tiétar” Tesis Doctoral. E.T.S. de Ing. de Montes. Universidad Politécnica, Madrid, 1979. CONESA FDEZ-VÍTORA, V.: “Guía metodológica para la Evaluación del Impacto Ambiental” 3ª Edición. Ed. Mundi-prensa. Madrid, 1997 EASTMAN, J.: “Guide to GIS and Image processing. Idrisi 32”. Clarck Labs. Worcester, MA. 1999. GUTIÉRREZ PUEBLA J Y GOULD M.: “SIG: Sistemas de Información Geográfica”. Ed. Síntesis. Madrid, 1994. JANKOWSKI, P.: “Integrating geographical information systems and multiple criteria decision-making methods”. International journal of Geographical Information systems, 9 (3): 251-273. 1995 MALCZEWSKI, J.: “GIS and multicriteria decision análisis”. Jhon Wiley and Sons. Inc. New York, 1999 MENDOZA, L.E.: “Evaluación del impacto ambiental de proyectos de infraestructura viaria: Funciones de transformación”. Tesis Doctoral. ETSI de Caminos, Canales y Puertos. UPM. Madrid, 2000 MONTOYA, R. y PADILLA J.: “Utilización de un SIG para la valoración de la calidad y fragilidad visual del paisaje”. Actas del XVII Congreso de Geógrafos Españoles. AGE. pp. 181-184. Oviedo, 2001. MOPU.: “Guías metodológicas para la elaboración de estudios de impacto ambiental. 1. Carreteras y ferrocarriles”. Serie Monografías. Madrid, 1989 OTERO PASTOR, I.: “Localización e impacto de las estructuras lineales”. Planificación Territorial. Estudio de casosFundación Conde del Valle del Salazar. ETSIM. pp. 227266. Madrid, 1993 OTERO PASTOR, I. (coord..) “Impacto Ambiental de Carreteras. Evaluación y Restauración”. Asoc. Española de la Carretera. Comunidad de Madrid. Madrid, 1999.

142

SAATY, T.L.: “A Scaling Method for Priorities in Hierarchical Structures”. Journal of Mathematical Psychology, 15, pp 234-281. 1977

143