Você está na página 1de 101

REPUBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD DEL ZULIA FACULTAD DE INGENIERA.

DIVISIN DE POSTGRADO PROGRAMA DE POSTGRADO EN INGENIERA AMBIENTAL

SISTEMAS DE INFORMACIN GEOGRFICA Y TELEDETECCIN EN LA GESTIN DE RIESGOS NATURALES: ESTUDIO DE CASO: ARRASTRE DE SEDIMENTOS
EJEMPLOS CON IDRISI ANDES E ILWIS

Vctor Hugo Malv Girn

2 Maracaibo, noviembre de 2008

CONTENIDO INTRODUCCIN.. 3 SISTEMAS DE INFORMACIN GEGRFICA Y TELEDETECCIN EN LA GESTIN DE RIESGOS NATURALES 1.- Generalidades 2.- Aplicaciones Funciones de Idrisi Andes diseadas para el manejo de Imgenes de Satlite 2.1.- Elaboracin de un Mapa de Riesgos de Erosin con Idrisi Andes Apreciaciones acerca del ejercicio Modelo Cartogrfico Construccin Mapa de Erosin 2.2.- Construccin del Mapa de Erosin de la Cuenca del Ro Areo, del Estado Monagas, Venezuela Modelo Cartogrfico 2.3.- Anlisis de Vulnerabilidad y Riesgo usando ILWIS 2.3.1.- Evaluacin de Amenazas (peligro) 2.3.2.- Evaluacin de Vulnerabilidad 5 1 2 1 2 1 9 3 5 3 6 3 7 3 8 3 9 4 5 5 9 7 7

INTRODUCCIN Modernas tcnicas de procesamiento de informacin espacial se han desarrollado a la par con el impulso y mejoramiento de los sistemas computacionales. El progreso que han experimentado los lenguajes de programacin hacindolos ms flexibles, seguros, y portables, as como de libre aplicacin ha estimulado el empleo de los sistemas informticos para el manejo de datos que muestran atributos de los elementos ubicados sobre la superficie terrestre y que conforman un sistema ambiental global. La comunidad de usuarios interesados en aspectos relativos al manejo de variables ambientales tiene un importante apoyo en las tcnicas de Teledeteccin, considerando que permiten obtener informacin de la superficie terrestre con una cobertura espacial prcticamente ilimitada, en intervalos de tiempo apropiados para la ejecucin de evaluaciones multitemporales, y con el paso del tiempo, con acceso libre al material primario derivado de los sensores artificiales. La disciplina que engloba la Teledeteccin puede ser considerada en su contexto puramente cientfico y en su mbito netamente prctico. Este ltimo consiste en el conjunto de metodologas que aplican las herramientas disponibles para extraer informacin derivada del material espectral obtenido de los sensores artificiales. Buena parte de esta informacin requiere de una manipulacin espacial en funcin de los objetivos planteados en la investigacin. Para esta manipulacin especial es posible utilizar software concretamente diseados para el manejo de datos con atributos que los caracterizan y diferencian unos a otros; es el caso de los paquetes computacionales con capacidad para la construccin de Sistemas de Informacin Geogrfica (SIG), donde la informacin originalmente obtenida a travs del procesamiento digital de imgenes de satlite (una de las fases que comprende el proceso global de teledeteccin) puede ser combinada con varios conjunto de datos,

4 discriminados segn sus propiedades en capas (layers) y emprender procesos de anlisis espacial. Una de las funciones de un SIG, que principalmente lo diferencia de otros sistemas como los programas de cartografa asistida por ordenador (CAD) o de uno de Gestin de Bases de Datos, es su capacidad de anlisis espacial, con la cual es posible generar nueva informacin a partir de la ya existente mediante su manipulacin. Esta capacidad de anlisis espacial le confiere a los programas con capacidad SIG y a los SIG propiamente, fortalezas para el desarrollo de modelos que describan el sistema de inters y lo simulen bajo diferentes escenarios. El proceso de modelado, con el que se disea un sistema en un mbito computarizado, permite estudiarlo sin los riesgos que implica la experimentacin real. De esta manera es posible plantear escenarios de desastres naturales, en el marco de los SIG, y evaluar las respuestas del sistema, identificar elementos y procesos donde es posible intervenir para impedir estos desastres, o bien mitigar su aparicin. De esta forma, la combinacin Teledeteccin, como fuente de datos, y SIG como herramienta de proceso, se perfila como una metodologa apropiada para incorporarla en las actividades orientadas a la Gestin de Riesgos Naturales. En este material se presentan los fundamentos tericos ms destacados en los que se basan las tcnicas de Teledeteccin y los principios operacionales bajo los cuales trabajan los software con capacidad para la construccin de Sistemas de Informacin Geogrfica, con una mirada especial hacia los fenmenos naturales que potencialmente son aptos para desencadenar desastres. Se destaca en este trabajo el empleo de dos programas que combinan capacidad para manipulacin de datos derivados de teledeteccin (datos en formato raster) y fortalezas para el procesamiento de datos con atributos tipo punto, lnea, polgono (datos en formato vectorial). Son estos el programa Idris Andes, y el programa Ilwis (Integrated Land and Water Information System). Las caractersticas de cada uno se explica en el cuerpo del trabajo, ilustrndose adems ejemplos prcticos donde se explican los procesos de: obtencin, organizacin e integracin de datos, hasta el anlisis, modelado y toma de decisiones.

5 El objetivo general de esta investigacin es describir procedimientos metodolgicos, basados en los fundamentos tericos de cada disciplina, orientados a la Gestin de Riesgos Naturales, en el contexto de los Sistemas de Informacin Geogrfica y las Tcnicas de Teledeteccin.

SISTEMAS DE INFORMACIN GEOGRFICA Y TELEDETECCIN EN LA GESTIN DE RIESGOS NATURALES

1.- Generalidades Gestin de Desastres Naturales (GDN) se define como el conjunto de metodologas soportadas por manipulacin de datos espaciales, a travs de hardware y software, orientadas a la prevencin y mitigacin de los desastres naturales. El trmino Gestin involucra mecanismos de deteccin de posibles eventos de riesgo, identificacin de zonas vulnerables, cuantificacin de daos, dentro de una fase de prevencin; y abarca las propuestas metodolgicas que gobiernan el manejo de los desastres durante su ocurrencia y en la fase posterior a esta: recuperacin, rehabilitacin y reconstruccin La GDN comienza con la fase conocimiento del desastre (Molina, Ferrer-Juli y Garca-Melndez, 2005). El desastre debe estar caracterizado, conocer los factores que promueven su aparicin, describir las formas cmo el desastre se manifiesta, periodicidad, tiempo durante el cual comnmente ocurre, espacios de ocurrencia, y elementos sobre los cuales puede actuar de forma perjudicial. La evaluacin de las caractersticas del desastre permite implementar actividades encaminadas a evitar o minimizar el riesgo. La fase que contina a la fase de conocimiento del desastre y prevencin, es la de preparacin al desastre. Con este nombre se identifican al conjunto de actividades que involucran las actividades inherentes a la preparacin del grupo social vulnerable. Implica

6 de igual manera la fase de identificacin y pronstico de escenarios que fomente la generacin de desastres. Una vez que el desastre ha ocurrido, la GDN debe incluir el conjunto de labores que se requiere ejecutar para mitigar los efectos del evento: labores de salvamento, acondicionamiento sanitario, suministro de alimentos, prevencin de epidemias, reconstruccin de vas y medios de comunicacin, y en general todas aquellas actividades, que segn su orden de prioridad deban ejecutarse. Segn Prez (2002) el trmino Riesgo est asociado a un trmino estadstico. Es definido como la probabilidad de daos y prdidas (de tipo ambiental, social o econmico) factible de ocurrir en un rea determinada y durante un lapso de tiempo definido, provocada por eventos de diferentes orgenes. Cuando es posible identificar y cuantificar las amenazas (A) y los factores de vulnerabilidad (V), entonces el resigo puede calcularse como producto matemtico de estos elementos: R=V*A (1)

donde A representa la amenaza, y es definida igualmente como una probabilidad. Es la probabilidad de que un evento, bien sea de origen natural, o inducido por el hombre, se produzca en un tiempo y espacio determinado. Tomando en cuenta que eventos tanto naturales como antropomrficos son de ocurrencia comn, y para muchos casos, de ocurrencia cclica, esta probabilidad defina por A mostrar siempre un valor mayor que cero. Nunca puede tomar un valor de cero, pues siempre existe la probabilidad de que un evento ocurra. En la Ecuacin 1 V denota la Vulnerabilidad, la cual est asociada como la capacidad de cambio que tiene un sistema ante las amenazas, con la cual es posible medir el grado de dao o prdida que una amenaza pudiera causar. Se mide en escala de 0 (sin dao) a 1 (prdida total).

7 Un estudio de vulnerabilidad implica la evaluacin de la capacidad de respuesta de un elemento ante demandas del ambiente. Se hace estudio de vulnerabilidad sobre aquellos elementos que estn propensos a experimentar cambios cuando las amenazas se transforman en eventos. En un espacio determinado es posible evaluar vulnerabilidad sobre elementos naturales o sobre los elementos construidos por el hombre, siendo estos ltimos lo que generalmente demandan mayor atencin, considerando que su construccin obedece a propsitos orientados al mejoramiento de la calidad de vida de los grupos sociales que habitan el espacio. El valor de vulnerabilidad es inversamente proporcional a su capacidad de respuesta. Mientras mayor sea el valor de vulnerabilidad, menor es su capacidad de respuesta. Para un valor de vulnerabilidad bajo, cercano a cero, su capacidad de respuesta es mayor. Si la vulnerabilidad de un elemento, para una amenaza, es cero, significa que esta amenaza puede ser soportada por el elemento, por lo que el Riesgo toma valor de cero, pues no existira probabilidad de dao. Un concepto interesante de Vulnerabilidad lo exponen Kienberger1 y Steinbruch (2005). Ellos sealan que para diferentes disciplinas del mundo cientfico el trmino puede tener significados a veces encontrados. Para un conjunto social, comunidad, ambiente en general, la definen como la capacidad de ser daados por una amenaza, ampliamente entre comunidades y sectores. Por otro lado, segn Buroz (2000) los peligros ambientales naturales son las condiciones o procesos del ambiente que dan origen a prdidas de vida o daos econmicos en poblaciones humanas. Involucra bajo la concepcin de peligro tanto las condiciones que lo origina como el proceso a travs del cual se desencadena, con la condicin de que estos causen algn tipo de dao en el ambiente. Los desastres no son naturales, y no se pueden entender fuera del contexto social donde se desencadenan. Esta investigadora coincide con los planteamientos expuestos por Buroz (2000) quien asegura igualmente que variando

Los Sistemas de Informacin Geogrfica han incorporado un conjunto de mdulos dirigidos a evaluaciones especficas del entorno ambiental, que imprimen facilidades al momento de hacer evaluaciones de vulnerabilidad. Como ejemplo es posible mencionar el Mdulo RUSLE, del programa Idrisi Andes. Con este mdulo se calcula la prdida de suelo relacionada con las actividades del hombre en una cuenca hidrogrfica (Guevara, 2000), implementando la Ecuacin Universal de Prdida del Suelo Revisada. As como este, otra cantidad importante de mdulos, en otro numeroso grupo de paquetes de SIG, estn disponibles para agilizar el proceso de clculo. La creacin de mapas de peligrosidad, vulnerabilidad y riesgo depende en gran medida de las herramientas disponibles as como del criterio que maneje el investigador. Los SIG ponen de su parte las herramientas, entre las que han destacado en su empleo, las operaciones de reclasificacin en combinacin con las de superposicin de mapas. De igual manera incluye facilidades para la aplicacin de criterios de modelado y simulacin, con lo cual se revisan diferentes escenarios de desastre o actuaciones de mitigacin, antes que se presenten o sean puestas en prctica, respectivamente. Como ejemplo igualmente puede citarse el programa Idrisi Andes, donde estn disponibles los mdulos CA_MARKOV con el que se aplican las metodologas combinada de Autmata Celular con Prediccin Marcoviana de Cambios; est el Mdulo individual CELLATOM, el cual hace clculos del cambio de uso del espacio a travs del criterio de Autmatas Celulares. Con estos y otros mdulos se hace geosimulacin apoyndose en paquetes SIG. La clave del xito en las tareas de Manejo de Desastres Naturales est en la capacidad que muestre el plan para la prediccin de los eventos de desastre, y de igual manera en las fortalezas que muestren los organismos gubernamentales y privados de dar respuesta a dichos fenmenos. Buena parte del trabajo que se hace apoyndose en tcnicas de Teledeteccin con avances de resultados procesados por SIG, est dirigido a la prediccin de eventos de desastre. Es prctica comn operar modelos digitales de elevacin en comunidad con

9 modelos hidrolgicos para mapear reas de inundacin por fenmenos de tormentas. Los modelos digitales de elevacin pueden ser obtenidos a travs de sensores remotos en diferentes formatos (TIFF, USGS, entre otros) haciendo uso de los algoritmos de conversin que a tal efecto disponen; tambin pueden ser generados a partir de un nube de puntos mediante las funciones de interpolacin, o interpolando un mapa de curvas de nivel. En este ltimo caso es posible utilizar algoritmos que interpola directamente a partir de las curvas de nivel, o generando puntos sobre estas curvas para interpolar posteriormente (Ordez, 2003). Segn este investigador os mtodos habituales de interpolacin son: coeficientes ponderados, superficies de tendencia, kriging y splines, y recientemente se ha aadido a la lista un nuevo mtodo conocido como tringulos de Delaunay conocido en la prctica como rede irregular de tringulo (Triangulated Irregular Network, TIN). Para Smara y colaboradores (2005) Teledeteccin y SIG pueden ser considerados herramientas tiles para complementar los mtodos convencionales involucrados en el Manejo de Desastres, el cual es satisfactorio slo cuando se logra un conocimiento detallado acerca de la frecuencia, caractersticas y magnitud de la amenaza en un rea especfica. El uso de los datos remotos, tales como imgenes de satlite y fotografas areas, permiten mapear variables propias del terreno, tales como vegetacin, agua, geologa, con una considerable resolucin tanto espacial como temporal. Comentan estos investigadores que las imgenes de satlite dan una visin sinptica y suministran una muy til informacin ambiental, para un amplio rango de escalas, desde continental hasta detalles de pocos metros. De igual manera, los sensores remotos permiten monitorear los eventos en tiempo real, exactamente en el momento que ocurren. El Centro de Desastres del Pacfico, ubicado en Hawai, en colaboracin con entes privados y gubernamentales de los Estados Unidos, desarroll una evaluacin de riesgos y vulnerabilidad para el Territorio Americano de Somoa (Buika, et al, 2003). En esta evaluacin por primera vez introdujeron los datos obtenidos por Teledeteccin dentro del Sistema de Informacin Geogrfica para entender la vulnerabilidad ante seis amenazas principales. Esta evaluacin se destac, por entre otros aspectos, el empleo de los paquetes computacionales ms destacados para el momento en lo relativo a Procesamiento Digital de

10 Imgenes de Satlite. Fueron usados: ENVI/IDL, ERDAS/Imagine y ER Mapper, en combinacin con el GIS ESRI. Con estos paquetes fueron evaluados un volumen considerable de datos y presentados apropiadamente para delinear los planes de mitigacin. Batista, R., Bustos, X., y Delgado, J. (2001) en un Trabajo Especial para la Escuela de Geografa de la Universidad Central de Venezuela, desarrollado con el objetivo de aplicar una metodologa apoyada en sistemas de informacin geogrfica y la teledeteccin para determinar la vulnerabilidad en zonas urbanas expuestas a la amenaza de inundaciones y aludes torrenciales, concluyeron que las reas de mayor vulnerabilidad corresponden a las zonas ubicadas cercanas a las sinuosidades de los cursos de agua; en las zonas medias y altas de las cuencas (se toma el factor pendiente) y viviendas consolidadas y no consolidadas en zonas de crecimiento no planificadas. La metodologa empleada abarc el uso de Sistema de Posicionamiento Global, combinados con SIG y Teledeteccin, y demostraron que mediante la integracin de estas tcnicas en gran medida se solventan los problemas de actualizacin de catastro y cartografa de las reas urbanas, en zonas densamente pobladas, segn lo cual es posible mejorar las evaluaciones de vulnerabilidad en reas con carente de informacin cartogrfica. Para Molina, Ferrer-Juli y Garca-Melndez (2005) el conjunto de eventos naturales y los sensores remotos que pueden usarse para su monitoreo son los siguientes: Desastre: Huracanes Tipo de Satlite y Sensor: Satlites meteorolgicos MATEOSAT y NOAA, ya que la alta resolucin temporal de los datos suministrados por los sensores a bordo de estos sistemas permiten el estudio y anlisis exhaustivo de estos fenmenos. Desastre: Erupciones volcnicas y terremotos Tipo de Satlite y Sensor: En funcin del anlisis que se conduzca los datos pudieran derivar de instrumentos pticos o de microondas (radar). Debe considerarse igualmente la resolucin espacial y temporal de los datos. En general la actividad volcnica puede estudiarse con datos derivados del sensor AVHRR de la plataforma NOAA.

11

Desastre: Incendios forestales Tipo de Satlite y Sensor: Satlite NOOA, especficamente los datos del sensor AVHRR. Otras fuentes: Landsat, SPOT y ENVISAT.

Desastre: Vertidos de Hidrocarburos Tipo de Satlite y Sensor: Los sensores a bordo de los satlites como Radarsat y ENVISAT por estar constituidos de Radares de Apertura Sinttica, tiles para la deteccin de vigilancia y monitoreo de derrames de hidrocarburos.

Desastre: Sequa Tipo de Satlite y Sensor: de nuevo el satlite NOAA con el sensor AVHRR juega un importante papel en el monitoreo de esta variable, debido a su resolucin multitemporal. Desastre: Inundaciones Tipo de Satlite y Sensor: los satlites meteorolgicos como NOAA y METEOSAT destacan para el estudio de las inundaciones de nuevo por su resolucin temporal. Para desarrollo de modelos que permitan simulacin de inundaciones es posible usar la informacin derivada del sensor ETM+ del Landsat 7, la cual se combina con modelos hidrolgicos para el clculo de informacin como Caudal Mximo Probable (CMP). Con referencia al acceso a los datos tomados por satlites artificiales, especficamente con respecto a los satlites de la familia Landsat se tienen noticias alentadoras. En una publicacin reciente de la Asociacin Espaola de Teledeteccin (AET) el Servicio Geolgico de loa Estados Unidos (USGS) anunci que pondr a disposicin pblica el archivo histrico de las imgenes Landsat registrado desde 1972 a la

12 actualidad. El reporte de la AET no tiene fecha de publicacin, fue descargado de http://62.81.199.144/?q=node/386 en fecha 07 de mayo de 2008, y seala que: este inmenso archivo est disponible en los prximos nueve meses a travs de un servidor de Internet especfico. Las imgenes tendrn una reproyeccin estndar al sistema UTM mediante un sistema de procesado estndar. Las imgenes del archivo Landsat-7 ETM+ tambin sern puestas en el dominio pblico para finales de 2008. Las adquisiciones actuales sobre Amrica y frica ya estn accesibles libremente (http://landsat.usgs.gov/) y pronto lo estar para el resto del mundo. Se van a interrumpir, en consecuencia, los pedidos comerciales de este tipo de productos. Para septiembre de 2008 todas las imgenes actuales y de archivo del Landsat-5, desde 1984, estarn disponibles. Las imgenes MSS estarn disponibles para enero de 2009. Las imgenes pueden descargarse de: http://glovis.usgs.gov y http://earthexplorer.usgs.gov. Esta es una noticia muy importante toda vez que uno de los impedimentos ms comunes a los que se enfrenten los investigadores en estas reas, es la falta de material capturado por Sensores artificiales para su procesamiento. La liberacin de este material impulsar significativamente este tipo de investigaciones.

2.- Aplicaciones A continuacin se incluyen aplicaciones prcticas donde se manipulan datos derivados de Sensores Remotos en Software dedicados a los Sistemas de Informacin Geogrfica. Los paquetes computacionales a emplear son Idrisi Andes e Ilwis. Ambos fueron diseados para el manejo de informacin espacial en el marco de SIG y cuentan con capacidad para procesar de igual manera formatos vectoriales y formatos rster. Algunas de las funcionalidades incluidas en Idrisi Andes que lo habilitan para el manejo de imgenes de satlite se describen en la siguiente seccin. Funciones de Idrisi Andes diseadas para manejo de Imgenes de Satlite:

13 El grupo de potencialidades vinculadas al procesamiento de imgenes captadas por satlite se encuentran dentro del men Image Processing. El nombre asignado a cada una de las funciones puede visualizarse en la Figura 1. Cada una de esas funciones genera un sub men, a partir del cual Idrisi Andes desarrolla toda su potencialidad en esta materia.

Figura 1. Funciones generales disponibles desde el men principal de Idrisi Andes: Imagen Processing A partir del sub men Restoration estn disponibles las funciones mostradas en la Figura 2.

Figura 2. Funciones de Idrisi Andes disponibles desde el submen Restorarion para procesamiento de Imgenes de Satlite. A partir del submen Enhancement se accede a las funciones mostradas en la Figura 3.

14

Figura 3. Funciones de Idrisi Andes disponibles desde el submen Enhancement para procesamiento de Imgenes de Satlite. A partir del submen Transformation, Idrisi Andes dispone de las funciones mostradas en la Figura 4.

Figura 4. Funciones de Idrisi Andes disponibles desde el submen Transformation para procesamiento de Imgenes de Satlite. A partir del submen Fourier Analysis, Idrisi Andes ejecuta las funciones indicadas en la Figura 5.

15 Figura 5. Funciones de Idrisi Andes disponibles desde el submen Fourier Analysis, para procesamiento de Imgenes de Satlite.

La manipulacin de firmas espectrales es desarrollada por Idrisi Andes a partir del submen Signature Develpment, aplicando las funciones mostradas en la Figura 6.

Figura 6. Funciones de Idrisi Andes disponibles desde el submen Signature Develpment, para procesamiento de Imgenes de Satlite.

Las tcnicas de clasificacin son ejecutadas a partir del submen Hard Classifiers de Idrisi Andes. Las funciones que se derivan de este submen son mostradas en la Figura 7.

16

Figura 7. Funciones de Idrisi Andes disponibles desde el submen Hard Classifiers, para procesamiento de Imgenes de Satlite. El restante conjunto de funciones que complementan las capacidades de Idrisi Andes para la clasificacin de imgenes es habilitada a travs del submen Soft Classifiers/Mixture Analysis. Estas funciones estn sealadas en la Figura 8.

Figura 8. Funciones de Idrisi Andes disponibles desde el submen Soft Classifiers/Mixture Analysis, para procesamiento de Imgenes de Satlite.

17

El Anlisis de informacin remota derivada de sensores con capacidad Hiperspectral es desarrollado por Idrisi Andes a travs del conjunto de funciones disponibles a travs del submen Hyperspectral Image Analysis, que se incluyen en la Figura 9. El ltimo de los submen disponibles desde el men principal Imagen Processing en Idrisi Andes es Accuray Assessment. A partir de l se accede a las funciones SAMPLE y ERRMAT, tal como se observa en la Figura 10. Estas funciones estn relacionadas con procesos estadsticos y encuentra aplicacin en el Procesamiento Digital de Imgenes.

Figura 9. Funciones de Idrisi Andes disponibles desde el submen Hyperspectral Image Analysis, para procesamiento de Imgenes de Satlite.

Figura 10. Funciones de Idrisi Andes disponibles desde el submen Accuray Assessment, para procesamiento de Imgenes de Satlite.

18 El conjunto de funciones anteriormente indicadas pueden ser agrupadas segn el propsito para el cual fueron diseadas. Una descripcin de estas agrupaciones y de los productos que se obtienen se comenta en los prrafos siguientes. Funciones de visualizacin de imgenes satlite: Mdulo COMPOSITE. Permite efectuar composiciones de color RGB a partir de la combinacin de imgenes captadas desde sensores de teledeteccin o el paso inverso que es la separacin de composiciones de 24 bits en imgenes de 8 bits. Tambin se pueden efectuar desde ste men acciones de mejora de la imagen en relacin a la iluminacin o el contraste de la composicin para resaltar unos u otros elementos captados por los sensores radar. Igualmente importante es la creacin de histogramas para conocer las caractersticas espectrales de las imgenes tratadas. Funciones de restauracin de la imagen (submen Restoration): con las herramientas que contiene este mdulo es posible generar composiciones a partir de la unin de distintas imgenes de satlite con solapamiento, creando mosaicos y series temporales Opciones de mejora de la imagen (submen Enhancement): a partir de este men se accede a funciones de mejora en base a distintos cambios en el contraste de la imagen, realizando composiciones RGB o mediante la aplicacin de filtros. Funciones de transformacin (submen Transformation): a partir de este apartado con finalidades parecidas a las descritas en las opciones vistas anteriormente, se efectan modificaciones puntuales por ejemplo, a partir del Anlisis de los Componentes Principales de lo datos con el objetivo de mejorar su lectura. Mdulos de trabajo de las firmas espectrales (submen Signatura Development): muy usado en teledeteccin ya que sus funciones permiten extraer la huella espectral del objeto de estudio y de los puntos de entrenamiento que se hubieren reconocido en el trabajo de campo. Es un mdulo que permite trabajar con los parmetros de radiacin y su rango de amplitudes, captados por los sensores de los elementos representados en el territorio.

19

Mtodos de clasificacin (Hard o Soft Classifiers): como su nombre indica contiene los distintos mtodos de clasificacin supervisada o no, ya sea fuerte o dbil, de las diferentes firmas espectrales y sus rangos de accin detectadas en la imagen radar que a la postre van a generar cada uno de los temas o categoras en los que se van a clasificar la informacin.

2.1. Elaboracin de un Mapa de Riesgo de Erosin Este ejemplo explica un enfoque con el que puede generarse un Mapa de Riesgo de Erosin. Se fundamenta en la hiptesis de que la erosin est gobernada por la pendiente del rea bajo estudio. No se toma en cuenta las caractersticas del suelo como cobertura, textura y estructura, y labores de cultivo que est recibiendo el rea o simplemente el uso general al que se tiene habituado. Este enfoque slo caracteriza el riesgo de erosin en funcin a los valores del pendiente de acuerdo a los rangos siguientes: Pendiente de 0 a 5% Pendiente de 5 a 10% Pendiente de 10 a 15% Pendiente de 15 a 20% Pendientes superiores al 20% 5 T/ha ao 10 T/ha ao 20 T/ha ao 25 T/ha ao 40 T/ha ao

En base a esta hiptesis el mtodo permite construir un mapa donde se observe, delimitado el espacio, en funcin de la pendiente, la tasa de erosin anual que muestra cada regin. Para esto se elabora un mapa de pendientes de la zona de inters. A ese mapa se hace una reclasificacin, asignando las tasas de erosin para los rangos de pendiente

20 presentes en el rea y de acuerdo a los intervalos sealados anteriormente. El programa que se usa para esta operacin, es Idrisi Andes, y la regin sobre la que se aplica el mtodo es Valladolid, ya que se tienen datos de la misma con los cuales conducir este enfoque metodolgico. El Modelo Digital de Elevaciones puede derivarse directamente, para el rea de inters, del material disponible de la Misin Topogrfica de Radar volada en el Transbordador Espacial Endeavour, la cual tom datos tridimensionales de la superficie terrestre en un proyecto colaborativo entre la "National Aeronautics and Space Administration" (NASA), la "National Geospatial-Intelligence Agency " de los Estados Unidos (NGA), el Departamento de Defensa de los Estados Unidos, y las agencias espaciales de Alemania (DLR) e Italia (ASI). La misin fue dirigida por el Laboratorio de Propulsin a Chorro (Jet Propulsion Laboratory-JPL) de la NASA, localizado en Pasadena, California, bajo la direccin del programa de Ciencias Terrestres de la NASA, localizado en Washington D.C. Este material est disponible en el portal Web http://glcfapp.umiacs.umd. edu:8080/esdi/index.jsp. Al descargarse puede importarse desde Idrisi Andes a travs de la funcin de importacin a la que se accede desde MenFileImport --- Goverment --Data Provider Formats --- GEOTIFF/TIFF. El material as obtenido abarca un rea significativamente amplia de una parte de la superficie terrestre. Debe descargarse la porcin del modelo SRTM que incluya el rea de inters, y luego hacer un corte de la misma teniendo como referencia un polgono de datos booleanos (unos y cero), donde el uno represente el rea de inters y el cero la zona que se quiere dispensar. Para este tratamiento se requiere un procedimiento determinado a fin de generar material de igual nmero de filas y columnas, as como de igual proyeccin cartogrfica, para posteriormente ejecutar el corte con el Mdulo Overlay de Idrisi Andes, o bien usando la calculadora matemtica que ofrece el programa. Para este ejercicio se opt por otra metodologa de obtencin del MDE. Esta se explica a continuacin.

21 Idrisi Andes ofrece la funcin de generacin de MDE a partir de un archivo de puntos de coordenadas conocidas X,Y,Z, con el cual el programa hace una interpolacin de las cotas aplicando mtodos matemticos avanzados y genera el mapa de elevaciones. Este archivo de coordendas X,Y,Z puede ser derivado de clculos topogrficos o tomados de una digitalizacin de hojas cartogrficas que contengan curvas de nivel. Independientemente del origen de las coordenadas stas deben ser almacenadas en un archivo texto colocando primero la coordenada X, seguida de la coordenada Y, y en la tercera columna la coordenada de altura, cota o elevacin Z. A continuacin se muestra seis filas de un archivo organizado para su importacin desde Idrisi Andes. No se incluye el nombre de las columnas, y los valores individuales de coordenadas van separados por espacio. 16000 115000 730 11000 117000 735 14700 120000 743 19300 125000 755 21500 127200 759 24500 128800 763 Figura 11. Organizacin de coordenadas X,Y,Z en un archivo texto. El archivo de extensin .txt contentivo de las coordenadas que se usarn para la generacin del MDE del rea de inters se importa desde Idrisi Andes a travs de la siguiente secuencia de comandos: MenFileImport ---General Convesion Tools --XYZIDRISI (Ascii XYZ), con lo que el programa arroja una ventana de configuracin para la importacin de las coordenadas. Debe indicarse en dicha ventana el nombre del archivo texto que se importa, y el nombre del archivo de salida, que genera Idrisi Andes como un vector (extensin .vct); igualmente se indica el Sistema de Referencia, que puede ser plano o asignrsele el sistema UTM del Huso al cual corresponda el rea de inters seleccionndolo de la lista que el programa incluye. La ventana de configuracin para importacin de puntos X,Y,Z se muestra en la Figura 12.

22

Figura 12. Ventana de configuracin para importacin de puntos X,Y,Z. Cuando los punto son importados correctamente por el programa inmediatamente muestra una ventana con la disposicin de stos en el espacio, acompaando la visualizacin con una leyenda. En la Figura 13 se muestra este resultado. Los elementos de este mapa pueden configurarse a travs de la funcin Map properties disponible en la ventana Composite que acompaa a la visualizacin de cada mapa, o haciendo clic con botn derecho sobre el mapa para acceder a esta funcin de configuracin de propiedades del Mapa.

23

Figura 13. Mapa de visualizacin de puntos importados y ventana Composer para configuracin de propiedades del Mapa.

Con los puntos ya importados, y disponibles en formato vectorial, pueden ser manipulados por Idrisi Andes para la construccin del MDE. En realidad lo que se hace es una interpolacin de los valores de cotas disponibles en el archivo vectorial de puntos, que genera como resultado un mapa con una degradacin de colores. Esta degradacin de colores refleja la variacin de las alturas en el espacio como una variable continua. A la ventana de configuracin de datos para ejecucin de Interpolacin en Idrisi Andes se accede a travs de la siguiente secuencia de comandos: GIS Analysis --- Surface Analysis --- Interpolation --- Interpol. Estas funciones arrojan la ventana donde deben

24 indicarse las condiciones para la ejecucin de la interpolacin: el nombre del archivo vector que contiene los puntos a partir de los cuales se hace la interpolacin; el nombre del archivo con el que se almacena el resultado, este archivo es tipo imagen con extensin .rst; el exponente que se asigna a la distancia para el clculo del peso con el que se ponderan las cotas. Se usa dos como exponente y la interpolacin asigna a cada celda la media ponderada de las cotas de los seis puntos ms prximos con pesos iguales a la inversa del cuadrado de la distancia a cada una de ellas, siempre que en la ventana de configuracin de interpolacin se active la casilla Use a six point serach radius. La ecuacin que gobierna este clculo se describe a continuacin:
6

Z=

zi * d
i =1

1
2 i

d
i =1

1
2 i

Las especificaciones del archivo de salida (Output file specifications) constan de: valores mnimos y mximo de los ejes cartesianos, estos valores los lee el programa desde el archivo vector que contiene los puntos, una vez que ste ha sido ingresado en la sub ventana Input vector file; tipo de dato, generalmente se trabaja con datos tipo enteros (integer) para que la funcin de clculo incluya slo valores enteros; tipo de archivo, el cual se configura a binario (binary); y nmero de filas y columnas, estando estos valores gobernados por la magnitud del archivo de entrada en cada uno de los ejes cartesianos, la cual se calcula por la diferencia entre los mximos y mnimos de cada eje. El nmero de filas y columnas se calcula en funcin de la resolucin del mapa de salida. Para el ejemplo que se conduce la resolucin es de u 250 m por pxel.

columnas =

X mximo X mnimo resolucin

filas =

Ymax imo Ymnimo resolucin

25 La Figura 14 muestra la configuracin de parmetros para la ejecucin de Interpolacin.

Figura 14. Configuracin de parmetros para Interpolacin de cotas en Idrisi Andes. Este proceso demanda una importante capacidad de memoria por parte del computador donde se trabaja. El tiempo que invierte para completar el procedimiento depende entonces de las capacidades del computador y en general se destaca porque no es un procedimiento inmediato a los que se est acostumbrado con procesadores de cierta magnitud. El programa muestra en la barra de estado (ubicada en el extremo central inferior del rea de trabajo) el progreso de la operacin. El resultado, llamado topoval.rst como archivo de salida, es un mapa que muestra la degradacin de colores con la que se representa la variacin del atributo altitud sobre el espacio considerado. Si la representacin del mapa se hace con la paleta de colores Idrisi 256 se muestra tal como la Figura 15.

26

Figura 15. MDE, toval.rst, construido por interpolacin de archivo vectorial X,Y,Z. Ntese que el MDE abarca una regin uniforme: un rectngulo con su lado horizontal ms angosto que el vertical. Deben hacerse los ajustes correspondientes para obtener un MDE que slo represente el rea de inters. El rea de inters puede ser una Cuenca Hidrogrfica o un rea administrativa de una regin. Existen diferentes maneras de obtener un formato digital de un rea sobre la cual se emprende un estudio. Este formato puede obtenerse por digitalizacin de hojas cartogrficas usando algn programa que genere archivos con extensin .dxf (como Autocad, por ejemplo); o haciendo la digitalizacin sobre una imagen (mapa digitalizado, imagen satelital de alta resolucin, fotografa area, entre otros) directamente en pantalla, obteniendo con esto un archivo vectorial que configure la delimitacin del rea. Estas son dos de las formas ms comunes como puede obtenerse un polgono digital donde se materialice el lindero de un espacio territorial definido. Para el ejercicio que se conduje orientado a la delimitacin de reas en funcin de su riesgo de erosin, se usa como polgono de borde el archivo digital que se muestra en la Figura 16. Este mapa representa el lmite de la provincia de Valladolid.

27

Figura 16. Permetro, en formato vectorial, (contorno.vct) de la provincia de Valladolid. El procedimiento que permite hacer un recorte del mapa MDE a la forma y tamao del permetro de la provincia estudiada, requiere que ambos mapas estn en formato rster. Para la transformacin de archivo vectorial a uno rster es necesario en principio crear una imagen vaca con el nombre del archivo rster que se quiere obtener. Una imagen de este tipo se crea indicando los parmetros que la configuran. Estos parmetros son: nmero de filas y columnas, mnima y mxima coordenada X y Y, Sistema de Referencia, Unidades de Referencia y Unidades de distancia. Esta configuracin se asemeja a la construccin de una cuadrcula en papel para el dibujo en ella de un mapa a una escala determinada. Slo a manera de ejemplo se muestra, en la Figura 17, la ventana Reference Parameters donde se configuran estos valores antes de la creacin de una imagen o mapa en formato rster. A los efectos del ejercicio que se explica, se importan los parmetros de una imagen que ya ha sido elaborada, en este caso el de la imagen que muestra el MDE de la zona de inters, sealado en la Figura 15.

28

Figura 17. Ventana para configuracin de parmetros que dimensionan el rea de una nueva imagen rster. La ventana de configuracin con los parmetros ajustados para el ejemplo que se conduce se muestra en la Figura 18. Es el Mdulo INICIAL al cual se accede desde la barra de men principal activando la funcin Data Entry. En esta ventana se seleccion la opcin Copy spatial parameters from another image con lo que se importaron los parmetros de la imagen topoval.rst que contiene el MDE, al introducir este archivo en la opcin Imge to copy parameters from.

Figura 18. Ventana INITIAL para configuracin de imagen rster vaca. Una vez creada la imagen vaca o tambin conocida como imagen de ceros es posible hacer la transformacin del archivo vectorial contorno.vct a un archivo rster, que tambin llevar como nombre contorno pero con extensin diferente: contorno.rst.

29

El archivo contorno.vct mostrado en la Figura 16 se convierte a rster usando la funcin Reformat (de la barra de men principal de Idrisi) --- RASTERVECTOR, luego de lo cual el programa arroja una ventana de configuracin de transformacin del archivo, en este caso, de vectorial a rster, tal como la mostrada en la Figura 19. El resultado de esta pasterizacin es una nueva imagen, de nombre contorno.rst cuyas caractersticas se muestran en la Figura 20.

Figura 19. Ventana de configuracin de parmetros para pasterizacin de archivo vectorial.

Figura 20. Imagen rster (contorno.rst) obtenida por pasterizacin de archivo vectorial (contorno.vct) Ntese que los valores de la imagen contorno.rst son cero y uno. Con el valor uno estn identificados internos al permetro, y con valor cero los elementos externos. Esto permite que a travs de una multiplicacin de imgenes, en el resultado se conserven los

30 valores que son multiplicados por uno, mientras que los pxeles fuera del permetro asumen valor de cero. Esta multiplicacin puede hacerse a travs de la funcin Imagen Calculator ubicada en la barra de herramientas, o a travs de la funcin OVERLAY, la que tambin cuenta con un icono de acceso directo en la barra de herramientas o a la que se accede desde el men principal GIS Analysis --- Database Query --- OVERLAY. La Figura 21 muestra los parmetros de ajuste para el caso de usar la funcin OVERLAY.

Figura 21. Mdulo OVERLAY configurado para multiplicacin de imgenes. El resultado de esta funcin as configurada, donde se multiplican las imgenes topoval.rst (que contiene el MDE de una superficie mayor a la de inters) la imagen contorno.rst (que contiene el permetro del rea de inters), es una imagen que muestra exactamente delimitado dentro del permetro de inters el MDE de la zona. Este resultado se muestra en la Figura 22.

31

Figura 22. MDE (mde_Valladolid.rst) obtenido por definicin de contorno. La imagen mde_Valladolid.rst es el modelo de entrada para la construccin del modelo de pendientes. El mapa de pendientes se elabora en Idrisi Andes con el mdulo SURFACE, al cual se accede desde el men principal activando la siguiente secuencia de comandos: GIS Analysis --- Surface Analysis ----- Topographic Variables --- SLOPE. La Figura 23 muestra los elementos que se ajustan en este mdulo para el clculo de las pendientes. Slo pide el ingreso del archivo que contiene el MDE y que se indique nombre y direccin par el archivo de salida. La pendiente se expresa generalmente en porcentaje. El resultado se presenta en la Figura 24.

Figura 23. Elementos de ajuste para clculo de mapa de pendiente.

32

Figura 24. Mapa de pendientes de Valladolid. El siguiente paso es la reclasificacin de las zonas de pendientes, asociando sus rangos a los valores de tasas de erosin. Al principio del ejercicio se establecieron los rangos de pendientes y las tasas de erosin anual expresadas en Toneladas. La reclasificacin del mapa de pendientes de Valladolid permite asociar a cada intervalo de pendiente su correspondiente valor de tasa de erosin. La reclasificacin se hace con el Mdulo RECLASS de Idrisi, al cual puede accederse desde el men principal aplicando la siguiente secuencia de comandos: GIS Analysis --- Database Query --- RECLASS. La ventana que arroja esta secuencia de comandos permite definir el nombre de la imagen que se clasifica (en este caso pendientes_Valladolid.rst), el nombre de la imagen de salida (erosion_Valladolid.rst), y especificar los parmetros de reclasificacin. Estos parmetros pueden ingresarse directamente en el Mdulo RECLASS o pueden construirse en un archivo texto y ser importados desde el mdulo pulsando el botn use.RCL.file. En este caso los parmetros de clasificacin se ingresan en el Mdulo. Los rangos de pendientes definidos al principio para cada valor de tasa de erosin son los siguientes:

33 Pendiente de 0 a 5% Pendiente de 5 a 10% Pendiente de 10 a 15% Pendiente de 15 a 20% Pendientes superiores al 20% 5 T/ha ao 10 T/ha ao 20 T/ha ao 25 T/ha ao 40 T/ha ao

La ventana del Mdulo RECLASS es configurada tal como se muestra en la Figura 25 para la ejecucin del proceso de Reclasificacin.

Figura 25. Configuracin del Mdulo RECLASS para reclasificacin de mapa de pendiente a valores de tasa de erosin. El resultado de la configuracin anterior es una imagen donde al manipular la paleta de colores, se muestran las cinco categoras de tasas de erosin configuradas. Lo importante de este resultado es la posibilidad de calcular el rea de cada categora, sobre la imagen completa, erosion_Valladolid. La imagen se muestra en la Figura 26,

34

Figura 26. Resultado delimitacin espacial categoras tasas de erosin.

A continuacin se anexa el reporte que hace Idrisi al consultrsele el rea de cada categora empleando el Mdulo AREA, al cual se accede desde el men principal activando la secuencia de comandos GIS Analysis Database Query AREA.
Category 0 5 10 20 25 40 Square Kilometers 10736.2917628 3396.1384600 238.6769433 11.3114040 0.7583064 206.6384974

En la categora 0 estn los pixeles con pendiente entre 0 y 1 de modo que el programa contabilice apropiadamente los valores de 0 presentes en la imagen. En la Categora de 5 T/ha ao est una superficie aproximada de 3400 km2. Categora 10 T/ha ao abarca una superficie de 239 km2Categora 20 T/ha ao la muestra una superficie de 11 km2 Categora 25 T/ha ao es la que menos superficie arroja, con 0.75 km2, y Categora 40 T/ha ao, se compara con la de 10 T/ha ao, con superficie de 205 km2

35

Apreciaciones acerca del ejercicio En principio se plante la elaboracin de un mapa de erosin. En realidad lo que se determin fueron las reas que en funcin de unos rangos de pendiente, tienen capacidad de producir anualmente cierta cantidad de sedimentos como resultado de los procesos erosivos que sobre dichas superficies operan. La imagen resultante, llamada erosion_valladolid.rst proviene de una reclasificacin del mapa de pendientes de la zona. La reclasificacin se hizo asignando un nuevo valor, en este caso se asign el valor de la tasa de erosin expresada en Toneladas de sedimento por hectrea por ao, que se adjudic a los rangos de pendientes establecidos como umbral para cada Tasa. La mayor cantidad de rea, ms de tres mil kilmetros cuadrados, muestra pendiente entre cero y cinco por ciento. Esto pudiera tomarse como un indicador de los posibles problemas de erosin que se presentan en la zona estudiada tomando en consideracin slo la pendiente. Segn esto, existe una baja tasa de erosin de 5 T/ha ao, cuando se compara el rea reportada por esta categora con las reas de las otras categoras. Cuando se visualiza el MDE es posible tener un acercamiento a las magnitudes de las pendientes, y por consecuencia de los valores de sedimento que pudiera producir el rea evaluada. En este ejercicio se acot la posibilidad de procesar informacin tomada por sensores remotos para la elaboracin del modelo digital de elevacin, sin embargo, se opt por usar un archivo texto contentivo de un juego de coordenadas X, Y, Z para la configuracin del mencionado modelo. Idrisi Andes tiene la capacidad de importar un MDE derivado de la misin SRTM en formato GEOTIFF y reconocer los valores de altitud que muestra este material. Con la manipulacin del mismo es posible generar mapas de pendiente y hacer la reclasificacin orientada a la estimacin de las reas con tasas especficas de erosin. Esta puede ser considerada como una operacin donde se desarrollan tcnicas de Procesamiento Digital de Imgenes con Sistemas de Informacin Geogrfica. Un aplicacin derivada del MDE del SRTM en una cuenca del oriente de

36 Venezuela para la estimacin de reas segn tasas de erosin se muestra luego del modelo Cartogrfico que describe el ejemplo anterior. Modelo Cartogrfico Es un esquema en el que se representan los datos de partida, las operaciones realizadas, los resultados intermedios y los mapas y resto de documentos que conforman la solucin. Es til a la hora de estructurar el ejercicio para su resolucin, as como para su interpretacin por terceras personas. Para su construccin se parte de cuatro tipos de documentos: imgenes, ficheros vectoriales, tablas y textos. La nomenclatura usada para cada tipo de documento se describe a continuacin: Las imgenes (que se manipulan en Idrisi como .rst) se representan con rectngulos Los archivos vectoriales (manipulados en Idrisi como .vct) se presentan con valos Las Tablas (manipuladas mayormente como .mdb) se presentan con rectngulos divididos en filas y columnas. Los ficheros Texto (normalmente trabajados como .txt) se representa como rectngulos cuyo lado horizontal es ms corto que el vertical. En general, en el interior de cada una de esas figuras se escribe el nombre del fichero en letras maysculas. El modelo cartogrfico se complementa indicando las operaciones ejecutadas sobre cada tipo de documento hasta la obtencin del documento resultado. El nombre de la operacin se coloca, o bien al lado de la lnea que une el documento inicial con el documento resultado de dicha operacin, o se escribe interrumpiendo el trazado de dicha lnea. Esta lnea termina al final, en una flecha que indica el sentido de la operacin y seala al documento resultado. Cuando una operacin requiere dos archivos de entrada, estos se unen mediante una lnea, de la cual parte otra terminada en una flecha que llega hasta el resultado.

37 CONSTRUCCIN DE MAPA DE EROSIN

topoval

XYZIDRISI

topoval INTERPOL

contorno RASTERVECTOR contorno

mde_topoval
OVERLAY

mde_contorno

SURFACE (slope) pendiente_valladolid

RECLASS

erosion_valladolid

AREAS

AREAS PARA CADA TASA DE EROSIN

38 2.2.-CONSTRUCCIN DEL MAPA DE EROSIN DE LA CUENCA DEL RIO AREO, ESTADO MONAGAS, VENEZUELA Se construy el mapa de erosin para la Cuenca del Ro Areo, ubicada al Nor-Oeste del Estado Monagas, con una pequea porcin de su territorio en el Estado Anzotegui, a partir del Modelo Digital de Elevacin derivado del SRTM obtenido del portal Web de la Universidad de Maryland http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp; con la combinacin del archivo de extensin .dxf obtenido de la digitalizacin del Ro Areo sobre hojas cartogrficas a escala 1:25.000 del Instituto Geogrfico de Venezuela Simn Bolvar. El Modelo Cartogrfico que describe el procedimiento se incluye a continuacin. Los archivos iniciales (MDE del oriente venezolano y ro_areo) fueron importados al rea de trabajo de Idrisi Andes. El archivo que contiene el ro est en formato .dxf y fue importado usando el Modulo DXFIDRISI. El archivo que contiene el MDE est en formato .tiff y se import a travs del Mdulo GEOTIFF/TIFF. Del archivo .dxf se obtuvo un archivo vectorial (ro_areo.vct). Del archivo .tiff se obtuvo un archivo rster (mde_oriente.rst). El archivo vectorial fue transformado a rster, creando en principio una imagen vaca o imagen de ceros con los parmetros del archivo mde_oriente.rst de modo que existiera coincidencia de nmero de filas, columnas, mximos y mnimos de valores X e Y, as como en el sistema de referencia. Se us el Mdulo RASTERVECTOR y se obtuvo el archivo rio_areo.rst. Se construy la Cuenca del Ro Areo, a partir del modelo digital de elevaciones del oriente de Venezuela (mde_oriente.rst) asocindolo con el archivo del ro principal de la Cuenca (rio_areo.rst); para esto se us el Mdulo WATERSHED. El resultado se le dio como nombre cuenca_areo.rst. Este archivo se combin con el archivo mde_oriente.rst a travs del Mdulo OVERLAY y se obtuvo el MED de la Cuenca del Ro Areo, sobre la que se aplic el Mdulo SURFACE (slope) y se obtuvo el mapa de pendientes de dicha cuenca. Este mapa fue reclasificado usando RECLASS con los parmetros de reclasificacin en funcin de los rangos de pendiente y las tasas de erosin, y se gener el mapa de erosin (erosion_cuenca_areo.rst), cuyas reas fueron cuantificadas a travs del Mdulo Area para la discriminacin de las superficie que ocupa cada categora de erosin en la cuenca. El resultado se muestra de forma tabular.

39 CONSTRUCCIN MAPA DE EROSIN CUENCA RO AREO, ESTADO MONAGAS, VENEZUELA rio_areo.dxf


DXFIDRISI

srtm_u03_p002r053.aux
GEOTIFF/TIFF

rio_areo

mde_oriente

RASTERVECTOR

rio_areo
WATERSHED

cuenca_areo

mde_cuenca_areo
SURFACE (slope)

pendiente_cuenca_areo

RECLASS

erosion_cuenca_areo

reas por categoras

40 El conjunto de imgenes que se derivaron del procedimiento explicado en el Modelo cartogrfico se muestran en la secuencia siguiente:

Figura 27. rio_areo.vct

41 Figura 28. mde_oriente.rst

Figura 29. rio_areo.rst

42

Figura 29. cuenca_areo.rst

Figura 30. mde_cuenca_areo.rst

43

Figura 31. pendiente_cuenca_areo.rst

Figura 32. erosion_cuenca_areo.rst

44

Tabla 1.- Reporte de reas segn categoras de Tasas de erosin (t/ha ao) Category 5 10 20 25 40 Square Kilometers 102.1734000 92.1213000 50.3982000 35.7615000 139.3200000

45 2.3. ANLISIS DE PELIGRO, VULNERABILIDAD Y RIESGO USANDO ILWIS Una evaluacin de riesgo se hace a partir de informacin de amenazas y vulnerabilidad. En lo sucesivo las amenazas sern identificadas con el trmino peligro. Existen varios mtodos para abordar una tarea de evaluacin de riesgo. Usando las fortalezas de los programas con capacidad para desarrollar Sistemas de Informacin Geogrfica es posible cumplir el objetivo a travs de una serie de procedimientos que al ser repetidos con idnticos resultados, le imprimen precisin al mtodo. El material es tomado de van Westen, C. J., del Department of Earth Systems Analysis, International Institute for Geoinformation Science and Earth Observation, westen@itc.nl. En esta oportunidad se usa el software Sistema Integral de Informacin de Aguas y Tierras (ILWIS, por sus siglas en ingls). Slo se muestra el conjunto de pasos que se siguen para definir el grado de peligro de una regin, en este caso con un nivel nacional. Se parte de un conjunto de mapas que muestran los niveles de peligrosidad para ciertos factores, y mapas con atributos de caracterizacin de elementos en el espacio, como son los mapas de divisin poltico territorial, y mapas que muestran atributos topogrficos del rea. La informacin relativa a la forma cmo se obtienen estos mapas no se menciona en esta investigacin. Se parte de ellos y se explican los procedimientos para su manipulacin a fin de obtener la evaluacin del riesgo. En principio se obtiene el mapa de peligrosidad al combinar los mapas de factores disponibles, asignndoles peso de influencia diferentes para cada factor. Luego se elabora el mapa de vulnerabilidad, manejando igualmente el criterio de pesos de influencia. Y por ltimo se combinan el mapa de peligrosidad y el mapa de vulnerabilidad para delinear el mapa de Riesgo. Se dispone de una base de datos compuesta por doce mapas en formato rster y un mapa en formato vectorial, tambin conocido como formato de polgonos. Las primeras imgenes se muestran con el propsito de sealar el contenido de cada uno de estos mapas que constituyen la base de datos inicial. Seguido a las figuras se comentan los procedimientos para la obtencin del mapa de peligrosidad, de vulnerabilidad y el mapa definitivo de riesgo.

46 Descripcin de la base de datos. Mapas rster: 1. Nombre: Colombia. Contenido: Departamentos de Colombia. Imagen:

Figura 33. Departamentos de Colombia

47

2. Nombre: Landslid. Contenido: Regiones con problemas de Deslizamiento. Imagen:

Figura 34. Condicin de los problemas de deslizamiento de tierras en Colombia.

48

3. Nombre: Volcanic. Contenido: Regiones con peligros Volcnicos. Imagen:

Figura 35. Regiones de Colombia con peligros volcnicos.

49

4. Nombre: Seismic. Contenido: Regiones con peligros Ssmicos. Imagen:

Figura 36. Regiones de Colombia con problemas ssmicos.

50

5. Nombre: Tsunami. Contenido: Regiones con peligros de Tsunami. Imagen:

Figura 37. Regiones de Colombia con problemas de Tsunami

51

6. Nombre: Inundat. Contenido: Regiones con peligros de Inundacin. Imagen:

Figura 38. Regiones de Colombia con problemas de inundacin.

52

7. Nombre: Rivers. Contenido: Regiones con actividad de ros torrenciales. Imagen:

Figura 39. Identificacin de los ros torrenciales en el territorio colombiano.

53

8. Nombre: Beach. Contenido: Regiones con erosin de la playa y/o acumulacin. Imagen:

Figura 40. Regiones de Colombia con problemas de erosin de playa y/o acumulacin.

54

9. Nombre: Industry. Contenido: Principales regiones industriales. Imagen:

Figura 41. Principales regiones industriales de Colombia.

55

10. Nombre: Infraseg. Contenido: Principales infraestructura. Imagen:

Figura 42. Principales infraestructura de Colombia.

56

11. Nombre: Concentr. Contenido: Concentracin de actividades econmicas. Imagen:

Figura 43. Regin donde se concentra la principal actividad econmica de Colombia.

57

12. Nombre: Topograp. Contenido: Topografa de la regin de Colombia. Imagen:

Figura 44. Regiones topogrficas del territorio colombiano.

58

Mapa rster: 13. Nombre: Colombia. Contenido: Lmites departamentales de Colombia. Imagen:

Figura 45. Lmites departamentales de Colombia.

59 2.3.1.-Evaluacin de amenazas (peligros) Una serie de factores intervienen en la evaluacin de peligros. En este ejercicio los factores estn representados en mapas individuales. Se usar para la evaluacin de peligro los mapas: Landslid, Volcanic, Seismic, Tsunami, Inundat, Rivers, Beach y Topograp. El resto de los mapas contenidos en la base de datos fueron diseados para evaluarse en la fase de Vulnerabilidad. El clculo del mapa de peligro consiste en la combinacin de los factores incluidos en los mapas antes mencionados. Existen dos formas de combinar los factores: a travs de una simple suma, o asignando valores de peso para cada factor en funcin del grado de peligrosidad que manifieste cada uno. Este ejercicio se desarrolla bajo el segundo enfoque. Para esto es necesario crear, para cada mapa de factor, una tabla donde se indiquen los pesos que se asigna a cada uno. La asignacin de los pesos es una tarea un tanto subjetiva. La experiencia del investigador juega un papel decisivo al momento de hacer estas asignaciones, y diferentes investigadores muy bien pueden proponer pesos diferentes. El procedimiento general para la elaboracin del mapa de peligro contenlo los pasos: Paso 1: Asignar los valores de ponderacin a las clases de los mapas de parmetro. Paso 2: Renombrando los mapas de parmetro a mapas de ponderacin. Paso 3: Combinando los mapas de ponderacin en un solo mapa de peligro. Paso 4: Clasificando el mapa de ponderacin combinado en un mapa final de peligros. Paso 1.- Asignacin de valores de ponderacin a las clases de los mapas de parmetro. Los mapas de parmetros fueron mostrados en las Figuras 33 a la Figura 45. Cada uno de esos parmetros muestra ciertos niveles. El efecto de cada nivel es ajustado asignndole pesos o valores de ponderacin. La Tabla 2 muestra los pesos que se asignan en este ejercicio a cada uno de los niveles de factores que conforman la construccin del mapa de peligro. Para la asignacin de valores de ponderacin, para cada factor (mapa) se construye una tabla con dichos valores, y estas tablas son asociadas posteriormente a dichos mapas.

60 Tabla 2. Valores de ponderacin para cada nivel dentro de los grupos de factores que conforman la evaluacin del peligro a nivel nacional en Colombia
Parmetro Sismicidad Alto riesgo de sismicidad Moderado riesgo de Sism. Bajo riesgo de Sismicidad Volcnico Sin peligro volcnico Peligro volcnico Deslizamiento Nario Regin Huila Valle del Cauca Zona Cafetera Manizales y alrededores Valle de Aburr Cundinamarca Boyac y Santander Bucaramanga Sin peligro de deslizamiento Tsunami Peligro tsunami Sin peligro tsunami Playa Acumulacin Acumulacin y erosin Erosin Sin acumulacin o erosin Inundat Sin peligro de inundacin Las otras clases River No ro Las otras clases Topograp Altitudes menos que 1000 m Las otras clases Ponderacin 10 5 0 0 10 2 2 3 4 4 4 3 2 2 0 10 0 0 1 2 0 0 5 0 4 0 2

61 A continuacin e explica la forma cmo se construye una tabla para la inclusin en ella de los valores de ponderacin para un mapa. Luego se aplica este procedimiento al resto de los mapas. Procedimiento para creacin de Tablas e inclusin de valores de ponderacin 1. Desde la barra de men principal activar la secuencia de comandos indicada en la Figura 46: File --- Create --- Table.

Figura 46. Secuencia de comandos para generacin de Tabla en Ilwis. Esta secuencia de comando arroja una ventana para creacin de tabla ( Create Table) donde se configura el nombre de la tabla (Sesimic) y se selecciona el dominio de la misma (elementos que contendr). La Figura 47 es un ejemplo de la ventana Crate Table con sus elementos ya configurados.

Figura 47. Ventana Create Table donde se asigna el nombre a la Tabla y selecciona su Dominio

62 Ejecutado el paso anterior el programa arroja la Tabla con una presentacin parecida a la mostrada en la Figura 48. Ntese que en el extremo izquierdo de la Tabla aparecen los elementos que integran la clase del mapa Seismic, esto porque en el paso anterior se seleccion su dominio. En esta tabla hay que agregar la columna peso (Weight), para esto debe seleccionarse la opcin Adicionar Columna desde el men Columns de la ventana Table seismic ILWIS. Esto genera una ventana de configuracin de la columna, donde se indica el nombre y el dominio (tipos de elementos) que para este caso el dominio es value (de valor); adicionalmente se configura el rango de los valores (value range) que para este ejercicio es de 0 a 10 (son los valores mnimo y mximo de los pesos que se incluirn en la columna) y la precisin de dichos valores, que se ajusta a valor uno. La Ventana de configuracin de la columna se muestra en la Figura 49.

Figura 48. Tabla sesismic

Figura 49. Ventana Add Column para configuracin de una nueva columna

63

Al aplicar ok en la ventana Add Column (Figura 49) el sistema hace disponible la nueva columna en la Tabla ya creada, permitiendo escribir dentro de cada fila de la columna, el valor del peso asignado segn los contenidos en la Tabla 2 de este trabajo. Ya con la columna disponible para el ingreso de los pesos, una vez incluidos los mismos el resultado se muestra en la Figura 50. Luego de incluidos los pesos en la columna recin creada, se cierra la tabla, y esta queda almacenada en el directorio actual de trabajo del programa ILWIS.

Figura 50. Tabla sesismic mostrando valores de pesos (Weight) incluidos. El procedimiento descrito anteriormente, para la creacin de tablas y columnas de de ellas con el propsito de asignar los valores de ponderacin a una maa (factor) se repite para los mapas Landslid, Volcanic, Tsunami y Beach. Para los mapas Inundat, River y Topograp se aplicar otro procedimiento para la inclusin de los valores de ponderacin, considerando que en dichos mapas slo existen dos clases en su dominio, por lo que es ms sencilla aplicar la metodologa que se explica ms adelante para la inclusin de los valores mencionados. Las prximas cuatro Figuras muestran los equivalentes a la Figura 50 para los prximos cuatro mapas para los que se crean las tablas de ponderacin.

64

Figura 51. Valores de ponderacin para mapa Landslid

Figura 52. Valores de ponderacin para mapa Tsunami

Figura 53. Valores de ponderacin para mapa Volcanic

Figura 54. Valores de ponderacin para mapa Beach

65

Paso 2.- Renombrando (reclasificando) los mapas de parmetro a mapas de ponderacin.

Luego de creadas las tablas para cada mapa de factores, estas tablas son usadas como criterio de reclasificacin de cada mapa. Ahora se obtendr un nuevo conjunto de mapas, reclasificados, donde a cada clase o nivel de factor se le asignar, en una representacin grfica, el nivel de ponderacin que le corresponde. La reclasificacin a travs de la funcin Operator Raster --- Atribute Map. Existen varias formas de acceder a estas funciones, siendo la ms sencilla su seleccin desde la ventana de Catlogo principal de ILWIS, donde se muestran todos los objetos que contiene la carpeta de trabajo donde fue direccionado el programa luego de ser cargado (abierto o invocado) a la memoria del computador. La Figura 54 refleja el rea Catlogo de la ventana principal de ILWIS.

Figura 54. Ventana principal de ILWIS mostrando el rea de Catlogo.

En la ventana principal de ILWIS, exactamente en el rea conocida como Catlogo, aparece la lista de todos los objetos disponibles. Haciendo clic con botn derecho del

66 Mouse sobre el mapa de inters (en este caso sobre los mapas Landslid, Volcanic, Seismic y Tsunami) se accede a un men emergente que muestra, entre otras, la opcin Raster Operations desde la que se accede a la funcin Attribute Map.. tal como se muestra en la Figura 55.

Figura 55. Secuencia de comandos para acceder a la funcin Attribute Map con la que se ejecuta la reclasificacin. En la ventana Attribute Map of Raster Map que emerge luego de la operacin anterior, aparece seleccionado el nombre del mapa que se reclasificar. La Figura 56 muestra el ejemplo con el mapa LANDSLID. En esta ventana se selecciona la tabla que sirve de referencia para la operacin, y el programa muestra el Atribute que est disponible en dicha tabla. Debe indicarse el nombre del nuevo mapa, que luego de aplicar la opcin Define, ser cargado en el rea Catlogo. Tambin puede seleccionarse la opcin Show en lugar de Define y el mapa es mostrado en pantalla y cargado en el rea de Catlogo. El ejemplo usado para esta reclasificacin es el mapa LANDSLID, siendo el mapa de salida nombrado como WLANDSLID. El mapa mostrado en la Figura 57 es el resultado de la operacin de reclasificacin. Este procedimiento se repite para los mapas VOLCANIC, SEISMIC, TSUNAMI y BEACH. Los resultados se muestran en las Figuras 58 a la 61.

Figura 56. Ventana para configuracin de mapa a reclasificar.

67

Figura 57. Mapa WLANDSLID resultado de la reclasificacin de LANDSLID usando landslid.bt

Figura 58. Mapa WVOLCANIC derivado de VOLCANIC usando como referencia volcanic.tbt

Figura 59. Mapa WTSUNAMIC derivado de TSUNAMI usando como referencia tsunamic.tbt

Figura 60. Mapa WBEACH derivado de BEACH usando como referencia beach.tbt

68

Figura 61. Mapa WSEISMIC derivado de SEISMIC usando como referencia seismic.tbt

Con esta operacin se reclasificaron los mapas Landslid, Volcanic, Seismic, Tsunami y Beach. An deben reclasificarse los mapas Inundat, Rivers y Topograp, usando un procedimiento diferente. Se aplicarn frmulas desde la ventana de comando de la ventana principal de ILWIS. Para el mapa Inundat la condicin de ponderacin descrita en la Tabla 2 es la que se muestra en el siguiente extracto:
Inundat Sin peligro de inundacin Las otras clases

0 5

Slo existen dos valores de ponderacin, cero para las reas sin peligro de inundacin y cinco para las otras reas. El mapa Inundat (Figura 38) muestra catorce reas con criterios de inundacin. Trece reas son zonas donde comnmente ocurren estos

69 fenmenos, y un rea, la ms extensa del territorio colombiano, es clasificada como rea sin peligro de inundacin. Segn los criterios de ponderacin establecidos toda el rea sin peligro de inundacin recibe ponderacin de peligrosidad con valor de cero, y el resto de las reas con valor de cinco. La frmula a aplicar sobre el mapa inundacin, para generar un nuevo mapa (WINUNDAT) se estructura de la siguiente forma: WINUNDAT= iff(Inundat=No inundation hazard,0,5) Ntese que la condicin Sin riesgo de inundacin descrita en la Tabla 2, debe escribirse tal como aparece en el mapa original Inundat, esto es, en idioma ingls. El smbolo seala que luego del parntesis se pulsa la tecla Enter del computador para ejecutar la operacin. La Figura 62 muestra la ventana principal de ILWIS con la instruccin (frmula) de reclasificacin escrita en la ventana de comandos.

Figura 62. Ventana principal de ILWIS mostrando frmula de reclasificacin escrita en ventana de comando.

70 Una vez escrita la frmula en la ventana de comando y aplicada la tecla Enter del computador, ILIWS muestra la ventana Raster Map Definition, donde luego de revisar los parmetro se aceptan los mismo aplicando la opcin Define, y el programa muestra la ventana Display Options con la paleta de colores seleccionada para la visualizacin del nuevo mapa. Si el programa no la ofrece por defecto, debe seleccionarse la opcin Pseudo para que muestre el mapa en una degradacin de colores tal como se observa en la Figura 63 para el mapa WINUDAT. Para los dos mapas restantes, con los que se elabora el mapa de Peligro, Rivers y Topograp, se configuran las frmulas respectivas en funcin de la condicin de ponderacin descrita en Tabla 2, y cuidando la nomenclatura tal como aparece en los mapas originales. Para Rivers, la condicin de ponderacin es
River No ro Las otras clases 0 4

pero la condicin No ro aparece originalmente en el mapa Rivers escrita como No river, por lo que la ecuacin se configura de la siguiente forma: WRIVER= iff(River=No river,0,4)

71 Figura 63. Resultado de reclasificacin del mapa Inundat usando ecuacin en barra de comando de la ventana principal de ILWIS. La Figura 64 muestra el resultado de la aplicacin de la ecuacin anterior.

Figura 64. Mapa WRIVER, resultado de la reclasificacin del mapa RIVERS, aplicando ecuacin de ponderacin en la ventana principal de ILWIS.

Para Topograp, la condicin de ponderacin es


Topograp Altitudes menos que 1000 m Las otras clases

0 2

pero la condicin Altitudes menos que 1000m aparece originalmente escrita en la leyenda del mapa Topograp como Altitude less than 1000m, por lo que la ecuacin se configura de la siguiente manera: WTOPOGRAP= iff(Topografp=Altitude less than 1000m,0,2)

La Figura 65 muestra el resultado de la aplicacin de la ecuacin anterior.

72

Figura 64. Mapa WTOPOGRAP, derivado de la reclasificacin del mapa TOPOGRAP, aplicando ecuacin de ponderacin en barra de comandos de ventana principal de ILWIS.

Paso 3: Combinando los mapas de ponderacin en un solo mapa de peligro. El prximo paso en la creacin del mapa de peligro es la combinacin de los mapas de ponderacin individuales. El mapa de peligro, que se identificar con el nombre de PELIGRO, se crea combinando por sumatoria los mapas de los factores recientemente reclasificados segn valores de ponderacin. En la barra de comandos de la ventana principal de ILWIS se escribe la frmula para obtener el mapa PELIGRO de la siguiente manera:

73 PELIGRO=WBEACH+WINUNDAT+WLANDSLID+WRIVER+WSEISMIC+WTOPOG RAP+WTSUNAMI+WVOLCANIC

Figura 65. Mapa de Peligro del territorio colombiano derivado de la sumatoria de los mapas de peligro en funcin de diversos factores evaluados.

Paso 4. Clasificando el mapa de ponderacin combinado en un mapa final de peligros. El programa muestra para el mapa de Peligro recin elaborado una leyenda de cinco categoras. Para una visualizacin ms adecuada del mapa en funcin de la asociacin de colores para cada condicin de peligro, se sugiere mostrar el mapa con una nueva representacin de domino. A continuacin se explica cmo se reclasifica el mapa, de modo que su visualizacin muestre colores de acuerdo con los niveles de peligro, y aparezcan descritos dichos niveles en leyenda. Todo comienza con la creacin de un nuevo dominio. Creando un nuevo dominio es posible definir, para los niveles de peligro que muestra el mapa original, la descripcin asociada y posteriormente se controlan los niveles

74 de colores que hagan correspondencia con los niveles de peligro calculados por el programa. Existen varias formas de crear un nuevo dominio. A continuacin e explica una de ellas. Desde el men principal de la ventana de ILWIS se ejecuta la secuencia de comandos: FileCreateDomain. El programa muestra la ventana Create Domain, donde se define el nombre del nuevo dominio (en este caso es Hasclas1) y se activan las casillas de Class y Group, pues el dominio se crea para ser usado en un mapa que se deriva de un grupo de mapas. Al aplicar ok en la ventana Create Domain, el programa incluye el nombre del nuevo domino en el Catlogo de la Ventana principal de ILWIS y arroja la ventana Domain Group donde se configuran los niveles de peligro y los nombres asociados a cada uno. El mapa de Peligro mostrado en Figura 65 arroj cinco clases de peligro, identificadas con los nmeros 1, 6, 11, 15 y 20. Para la reclasificacin se configuran nuevos valores con su descripcin asociada: 5 10 15 20 25 100 Peligro muy bajo Peligro bajo Peligro moderadamente bajo Peligro moderado Peligro alto Peligro muy alto

Estos valores deben ingresar como lmite superior y cdigo en la ventana Domain Group cuando se aadan los tems correspondientes, usando la funcin Add Item que arroja la ventana Add Domain Item que se muestra en la Figura 66. En el cuadro Upper Boud se escribe el nmero correspondiente al nivel de peligro que se configura. En el cuadro Name se escribe el nombre con el que se asocia cada nivel de peligro y en el campo Code se repite el nmero escrito en el campo Upper Band. Para finalizar se escribe la descripcin del peligro en el campo Description y se acepta la configuracin pulsando el botn ok. Inmediatamente el programa agrega el nuevo nivel de peligro en la ventana Domain Group

75 y el procedimiento se repite para los restantes niveles. Con esto slo se ajustan los niveles de peligro a los trminos que los describen.

Figura 66. Ventana para configuracin de niveles de dominio. El resultado de esta operacin se visualiza en el rea Catlogo de la ventana principal de ILWIS como un archivo de representacin identificado con el icono . Para la configuracin de los colores que se ajusten con los niveles de peligro se abre este archivo desde el rea Catlogo, y se manipulan los colores para lograr una representacin idnea: color verde para el peligro menor y rojo para el peligro mayor. El nuevo dominio se asocia al mapa Peligro, creando un nuevo mapa, a travs de la funcin Opration Imagen Processing --- Slicing, la cual arroja la ventana que se muestra en la Figura 67 con la configuracin del presente ejemplo:

76 Figura 67. Ventana Slicing con la que se asocia un nuevo dominio de representacin al mapa Peligro. En la ventana Slicing se indica el nombre del mapa al cual se aplicar una nueva representacin de dominio, el nombre del mapa de salida y se selecciona el dominio que se asocia. Pulsando la opcin Show de esta ventana el programa arroja dos ventanas cuyos parmetros se aceptan por defecto y muestra el mapa. El resultado puede visualizarse en la Figura 68.

Figura 68. Mapa Hazclas1 obtenido de la reclasificacin del mapa Peligro por la asignacin de un nuevo dominio de representacin.

77

2.3.2.- Evaluacin de Vulnerabilidad

La vulnerabilidad de una regin est gobernada por los elementos que en ella estn presentes y el grado de asimilacin que muestren dichos elementos ante la ocurrencia de un evento de desastre de una categora definida. En una regin estn presentes varios tipos de elementos; existen elementos naturales que son objeto de perjuicio ante un desastre, y estn los elementos construidos por el hombre, as como el propio conjunto social que en dicha rea desarrolla actividades. En este sentido los elementos de riesgo dentro de un rea dada son la poblacin, las propiedades, las actividades econmicas, entre los principales. La base de datos con la que se trabaja en esta fase del ejercicio est constituida por los mapas: Infraseg, mapa que muestra la ubicacin de la infraestructura mayor Industry, mapa que contiene los principales centros industriales Concentr, mapa que identifica las reas que concentran las actividades econmicas Popdens, es el mapa de Densidad de poblacin, que ser preparado con las instrucciones que se sealan a continuacin. Procedimiento para construir mapa de densidad poblacional La densidad poblacional se calcula dividiendo el nmero de habitantes de una regin entre el rea de dicha regin. Generalmente se expresa en hab/km 2. En la base de datos est disponible el mapa rster Colombia que contiene en su tabla asociada, entre otros elementos, el rea de cada departamento. La misma puede consultarse a travs del Histograma del mapa. La Figura 69 muestra el contenido del dicho Histograma, al cual se accede desde el men de la ventana principal de ILWIS con la secuencia Operations Statistics Histogram.

78 Se crea una tabla (llamada Colombia) con igual dominio al del mapa rster Colombia para que tenga los mismos elementos de su tabla asociada. La forma cmo se crea una tabla ya se explic en la seccin anterior. La Figura 70 muestra la configuracin necesaria para la creacin de esta tabla. Desde la barra de comandos de la nueva Tabla se importan los datos del rea de cada Departamento aplicando la ecuacin: Areas= Colombia.his.Area . La Figura 71 muestra la nueva Tabla Colombia, con los datos tomados del dominio Colombia (nombre de los Departamentos) y una columna vaca. La instruccin en la barra de comandos crea una nueva columna y en ella coloca los valores del rea reportados en el Histograma del mapa rster Colombia. La Figura 72 muestra el resultado de esa operacin.

Figura 69. Elementos que componen el Histograma del mapa rster Colombia

Figura 70. Configuracin de la Tabla Colombia. Dominio: Colombia

79

Figura 71. Tabla con instruccin en barra de comandos para importacin de datos.

Figura 72. Tabla Colombia con datos de rea importados del Histograma

Segn se observa en la Figura 72 en la Tabla Colombia estn disponibles los valores del rea de cada Departamento. Son necesarios los valores de poblacin igualmente para cada departamento, para proceder con el clculo de Densidad poblacional. Estos valores deben ser introducidos desde el teclado del computador, pues no estn disponibles en formato digital. Se introducen en una columna nueva dentro de la Tabla Colombia. Una de

80 las formas de configurar el nombre, dominio, rango de valores y precisin de una nueva columna es accediendo a la ventana Add Column desde el men principal de la tabla, aplicando la secuencia Columns Add Column. Una forma ms rpida de acceder a la ventana de configuracin de la columna nueva es haciendo doble clic en la cabecera de la columna que se observa al lado de la columna rea en la Figura 72. De igual manera, haciendo doble clic sobre una columna ya configurada se tiene acceso a la ventana Column properties donde es posible hacer ajuste a sus propiedades. La nueva columna que recibe los valores de poblacin para cada Departamento se le da el nombre de Poblacin, dominio value, rango de valores de cero a 6000000, y precisin 0.1 por defecto. Los valores que se incluyen en dicha tabla se muestran en la Figura 73.

Figura 73. Poblacin de cada Departamento del territorio colombiano (van Westen, 2007) De igual forma como se cre la columna rea, a travs de una instruccin desde la barra de comandos en la Tabla, se crea la columna donde se incluirn los valores de Densidad de poblacin para cada Departamento. La instruccin y la columna Popdens resultado de dicha instruccin se muestran en la Figura 74.

81

Figura 74. Tabla Colombia mostrando el resultando del clculo de Densidad de poblacin para cada Departamento. Columna Popdens.

Con los datos de Densidad de poblacin es posible reclasificar el mapa rster Colombia para obtener el mapa de Densidad de poblacin. La reclasificacin se hace con la funcin Operation Raster Operation Attribute Map, ajustndose los parmetros tal como se sealan en la Figura 75.

82 El sistema arroja una imagen con el nuevo mapa. La visualizacin de este mapa se mejora creando un nuevo dominio, y asocindolo con este mapa para la obtencin de un nuevo mapa llamado DensidadPoblacin, con la representacin del dominio manipulada en sus colores para lograr una asociacin entre el color y el valor de densidad que se muestra. El resultado de esta operacin puede observarse en la Figura 76.

Figura 75. Parmetros para reclasificacin de mapa Colombia De acuerdo con los datos de la Tabla Colombia y los valores de la Columna Popdens.

83

Figura 76. Mapa DensidadPoblacin de Colombia.

Procedimiento para construir el mapa de Vulnerabilidad Aplicando una metodologa idntica a la empleada para la construccin del mapa de Peligrosidad (llamado Clases de Peligro) se construye el mapa de Vulnerabilidad. Los mapas que conforman la base de datos para esta operacin son: Industry, Ingraseg y Concentr, mostrados en las Figuras 41, 42 y 43 respectivamente, y el mapa DensidadPoblacin sealado en la Figura 76. En la fase anterior se crearon mapas ponderados. Son mapas que resultan de una reclasificacin en funcin de valores que ponderan el peso que tiene cada elemento del mapa segn el grado de peligrosidad que estos muestren. En este caso se hace segn el grado de vulnerabilidad, o capacidad de respuesta ante un peligro. Cada uno de los mapas que conforman la evaluacin de vulnerabilidad muestre varias clases o niveles de factor. A cada nivel se le asigna un valor de ponderacin o peso. Esta asignacin se hace a travs de Tablas que se crean para cada mapa, tomando como dominio el dominio de cada uno de ellos en particular. En la Tabla 3 estn organizados los valores de ponderacin para cada

84 clase o nivel que integran cada uno de los mapas. En funcin a estos valores se crean Tablas para cada mapa. El mapa DensidadPolacion ya cuenta con una Tabla, slo hay que incluirle una columna y en ella escribir los valores de ponderacin. Pero el mapa que se reclasifica, a los efectos de obtener un mapa que muestre los pesos en funcin de la densidad de poblacin, es el mapa rster Colombia, no el mapa DensidadPoblacion En general el procedimiento es el siguiente. a.- Crear las Tablas de ponderacin para los mapas Industry, Infraseg y Concentr. b.- Reclasificar los mapas Industry, Infraseg y Concentr, usando Attribute Map con las Tablas de ponderacin como referencia. c.- Agregar columna (Peso) a la Tabla Colombia con valores de ponderacin. d.- Reclasificar mapa rster Colombia usando Attribute Map con la Tabla Colombia de referencia y la columna Peso para el Attribute. e.- Combinar los cuatro mapas reclasificados con una suma para crear el mapa Vulnerab. f.- Cambiar la visualizacin del mapa Vulnerab asignndole un nuevo dominio construido con las clases: Muy baja vulnerabilidad, Baja vulnerabilidad, Moderada vulnerabilidad y Alta vulnerabilidad, y asocindolo con la operacin Slicing, renombrndolo como Vulclas. Tabla 3. Valores de ponderacin para mapa de vulnerabilidad. Factor/clase Industria Oleoductos principales Sin vulnerabilidad Centro industrial de 1 orden Centro industrial de 2 orden Concentracin Alta Baja Infraestructura Ciudades principales Caminos principales Ferrovas Ponderacin 8 0 10 7 5 0 10 8 8

85 Caminos Sin vulnerabilidad Densidad de poblacin < 1 persona/km2 1 -20 persona/km2 20-50 persona/km2 > 50 persona/km2 4 0 0 3 7 10

Los procedimientos detallados para la creacin de tablas, reclasificacin, combinacin de mapas, construccin de dominios y reasignacin del domino ya fueron explicados anteriormente. A continuacin se muestran, a travs de un conjunto de Figuras, los resultados obtenidos para cada fase, desde la creacin de Tablas finalizando con la revisualizacin mapa combinado usando el Figura nuevo domino. Figura 77. Tabla de del ponderacin para mapa 78. Tabla de ponderacin para mapa Industry Infraseg

Las Tablas de ponderacin de los mapas Industry, Infraseg y Concentr se muestran en las Figuras 77, 78 y 79. La Figura 80 muestra la Tabla de ponderacin para mapa DensidadPoblacion, cuya columna Peso se usar para reclasificar el mapa rster Colombia.

Figura 79. Tabla de ponderacin para mapa Concentr

86

La asignacin de los Pesos a la Tabla Colombia segn los valores de densidad de poblacin Popdens, se hace de forma manual, observando el valor de densidad en la columna Popdens y asignndole el Peso segn los rangos indicados en la Tabla 3

87

Figura 81. Mapa WINDUSTRI obtenido de reclasificacin de mapa Industry usando Tabla de ponderacin industri.tbt

Figura 82. Mapa WINFRASEG obtenido de reclasificacin de mapa Infraseg usando Tabla de ponderacin infraseg.tbt

Figura 80. Tabla Colombia, con columna Peso, para reclasificacin de mapa DensidadPoblacion. Una vez preparadas las cuatro de Tablas se procede con la fase de WPOPDENS reclasificacin de Figura 83. Mapa WCONCENTR obtenido Figura 84. Mapa obtenido de reclasificacin de mapa Concentr usando Tabla demapas reclasificados reclasificacin mapa Colombia usando Tabla de cada mapa a valores de ponderacin. Los sede muestran en las Figuras ponderacin concentr.tbt ponderacin colombia.tbt 81, 82, 83 y 84.

88

La Figura 85 contiene el mapa resultante de la combinacin por sumatoria de los cuatro mapas que conforman la evaluacin de vulnerabilidad. Este mapa de vulnerabilidad, llamado Vulnerab, se obtiene aplicando en la barra de comandos de la ventana principal de ILWIS la expresin Vulnerab= WINDUSTRY+WINFRASEG+WCONCENTR+WPOPDENS

89

Figura 85. Mapa de Vulnerabilidad para la regin de Colombia. Este ltimo mapa es reclasificado para la obtencin de una leyenda con descripcin de los diferentes niveles de vulnerabilidad presente. La reclasificacin se hace a travs de la asignacin de un nuevo dominio, pues es en el dominio donde se describe el nivel de peligro. Los nuevos niveles de vulnerabilidad y la descripcin con la que se reclasifica el mapa Vulnerab se muestran a continuacin: Clase 8Muy baja vulnerabilidad; Clase 17---Baja Vulnerabilidad, Clase 26Moderada vulnerabilidad; Clase 35---Alta vulnerabilidad. Desde el men principal de ILWIS se activa FileCreateDomain y en la

ventana emergente Create Domain se asigna como nombre del nuevo dominio Vulclas, se activa la casilla de seleccin para Group y se aceptan pulsando ok para generar la ventana de configuracin de las clases. La Figura 86 es un detalle de la forma cmo queda configurada la ventana Domain Group para el dominio vulclas con los nuevos niveles y su descripcin.

90

Figura 86. Dominio vulclas mostrando niveles y descripcin. A continuacin se reclasifica el mapa Vulnerab con el nuevo dominio de cuatro clases, usando la funcin Slicing a la cual se accede desde el men principal de ILWIS con la opcin Operations --- Image processing. La Figura 87 muestra los detalles de configuracin de la ventana Slicing.

Figura 87. Ventana Slicing para asignacin de dominio a mapa rster existente.

91

Figura 88. Mapa Vulclas obtenido de la reasignacin de nuevo dominio a mapa Vulnerab

Procedimiento para crear el Mapa de Riesgo Con lo avanzado hasta ahora se tienen disponibles el mapa de Amenazas (Peligro) y el mapa de Vulnerabilidad. El mapa de Riesgo resulta de la combinacin de estos dos mapas. Esta combinacin se hace a travs de una tabla de dos dimensiones: con entradas horizontales, que son los niveles de peligros, y con entradas verticales, que son los niveles de vulnerabilidad. Los niveles de peligro y vulnerabilidad se muestran en la Figura 89, donde est la visualizacin de los dominios usados para la creacin de los mapas combinados de peligro y vulnerabilidad, Hasclass2 y Vulclas2, respectivamente. La tabla de dos dimensiones que se construye para la combinacin de estas variables y generacin de un mapa de peligro tiene en los nombres de las filas los niveles de peligro del dominio Hasclass2, y en los nombres de las columnas los niveles de vulnerabilidad del dominio Vulclas2.

92

Figura 89. Clases presentes en los dominios Hazclass2 (Peligro) y Vulclas2 (Vulnerabilidad)

Una tabla de dos dimensiones se crea desde el men principal de ILWIS activando la secuencia de comandos File Create 2 Dimensional Table . En la ventana emergente Create 2-Dimensional Table se indica el nombre de la Tabla (en este caso risk), se selecciona el primer dominio, aqul que se quiere aparezca encabezando los nombres de las filas, que en este caso es el dominio Hasclass2, luego se selecciona el segundo dominio, cuyos niveles aparecern encabezando las columnas, y que para esta evaluacin es el dominio Vulclas2; por ltimo se crea un dominio para esta nueva Tabla, pulsando el botn create de la seccin dominio en la ventana Create 2-Dimensional Table, para crear el dominio en funcin de los niveles que se asignan al nuevo mapa de Riesgo. Los niveles a asignan a travs de este dominio son Riesgo bajo, Riesgo moderado y Riesgo alto, asociados a valores tope 1167, 2334 y 3500, que resultan de la divisin para tres niveles del mximo valor (3500) que se obtiene de multiplicar el mximo peligro (100) por el mximo nivel de vulnerabilidad (35). La Figura 89 muestra la ventana 2-Dimensional Table lista para ingresar el

resultado de la combinacin peligro/vulnerabilidad. Cada nivel de peligro se combina con cada nivel de vulnerabilidad, y el resultado, debe estar entre Bajo, Media Alto, y seleccionado del men que se despliega en la celda correspondiente en la 2-Dimensional Table.

93

Figura 89. Ventana para configuracin de tabla de dos dimensiones.

Para incluir los niveles de riesgos Bajo, Medio Alto en cada celda, se hace clic con botn izquierdo sobre la misma y el programa da la opcin de escoger en una ventana emergente el nivel de riesgo. En la Figura 90 se reporta el resultado de esta seleccin en la forma cmo quedan organizada la seleccin de niveles.

Figura 90. Niveles de riesgo configurados en tabla de dos dimensiones. Para la construccin del mapa de riesgo se aplica en la barra de comandos de la ventana principal de ILWIS la funcin que da origen el mapa, indica la asignacin de una tabla de dos dimensiones a dos mapas existentes, en este caso el mapa de peligro, llamado Hasclas1 y el mapa de vulnerabilidad llamado Vulclas2. La expresin se configura de la siguiente forma:

94 Riesgo = rik[Hasclas1,Vulclas2] Al aplicar la funcin descrita anteriormente el programa arroja la ventana de definicin del mapa rster, que entre otras cosas muestra la frmula con la que se configura el mapa y el dominio con el que se representar. La figura 91 muestra detalles de la ventana Raster Map Definition.

Figura 91. Ventana de definicin de mapa rster creado usando tabla de dos dimensiones El mapa mostrado en la Figura 92 es el mapa de riesgo del territorio colombiano, derivado de la combinacin del mapa de peligro (Hazclas1) y el mapa de vulnerabilidad (Vulclas2) a travs de la asignacin de una tabla de dos dimensiones configurada con niveles de riesgo. La mayor parte del territorio colombiano muestra bajo nivel de riesgo, representado por el color verde, y pocas reas muestran nivel alto de riesgo. La contabilizacin de cada nivel de riesgo en funcin del rea ocupada se explica a continuacin. En composicin final, tipo layout, el mapa de riesgo del territorio colombiano puede observarse tal como se muestra en la Figura 93.

95

Figura 92. Mapa de Riesgo del territorio colombiano.

Figura 93. Mapa de Riesgo de Colombia

96

Evaluacin estadstica de niveles de riesgo El mapa de riesgo del territorio colombiano es una representacin grfica de la distribucin espacial del riesgo en el territorio, que muy bien puede ser acompaada de estadsticos principales de esta variable. A continuacin se explica cmo determinar los cinco Departamento que muestran los niveles ms altos dentro de los rangos Riesgo Alto, Riesgo Moderado y Riesgo Bajo, en funcin del rea que ocupan. Primero se cruzan los mapas Colombia, que posee la descripcin del rea de los Departamentos, con el mapa Risk que tiene descrito el nivel de riesgo para cada Departamento. Un cruce de dos mapas rster genera una tabla, que ILWIS identifica como Tabla Dependiente. Para el hacer el cruce de mapas, en la ventana principal de ILWIS se aplica la secuencia de comandos: Operations --- Raster oprations --- Cross, luego de lo cual el programa arroja la ventana Cross, mostrada en la Figura 94, donde se selecciona el primer mapa a cruzar (Colombia), el segundo mapa a cruzar (Risk), se le asigna nombre a la Tabla de salida (CruceColombiaRiesto), para ordenar la salida de la tabla pulsando el botn Show, generndose as una vista de la tabla tal como se observa en la Figura 95.

Figura 94. Configuracin de operacin para cruce de mapas rster

97

Figura 95. Tabla resultado del cruce mapa Colombia con mapa Risk. Esta tabla resulta muy til para la operacin de consulta, propia de un Sistema de Informacin Geogrfica. En el men principal de la ventana que contiene la Tabla est el men Column, a travs del cual se tiene acceso a la opcin Statistic con la que se hacen consultas acerca del mximo, mnimo y sumatoria de las columnas, entre otras funciones estadsticas. Sobre la Tabla dependiente se generan tres nuevas columnas, una para cada nivel de riesgo: High (para Riesgo Alto), Medium (para Riesgo Moderado) y Low (para Riesgo Bajo).

98

La columna High se genera, desde la barra de men de la Tabla dependiente, con la instruccin: High= (Risk=Riesgo alto,Npix,0) La expresin anterior se entiende de la siguiente forma: a.- Crea una columna que llama High b.- Evala la columna Risk de la tabla dependiente c.- Escribe en cada celda el nmero de pxel que corresponde a la fila donde aparece el nivel Riesgo alto. d.- Escribe cero (0) en cada celda cuya fila no contenga el nivel Riesgo alto. La columna Medium se genera, desde la barra de men de la Tabla dependiente, con la instruccin: Medium= (Risk=Riesgo moderado,Npix,0)

La columna Low se genera, desde la barra de men de la Tabla dependiente, con la instruccin: Low= (Risk=Riesgo bajo,Npix,0)

Los nmeros de pxel incluidos en cada columna representan valores absolutos, que muy bien pueden asociarse al rea de cada Departamento, pero se sugiere trabajar con los pxel para manipular nmeros de menor cuanta que el de las reas. Para comparar el nmero de pxel con cierto nivel de peligrosidad presentes entre Departamentos, se transforman estos nmeros a valores relativos, refirindolos al nmero total de pxel presentes en el mapa Colombia. Con la funcin estadstica Statistis se consulta la sumatoria de la columna NPixel en la Tabla dependiente, y este valor es usado para el clculo del porcentaje que cada nivel de riesgo muestra para cada Departamento.

99

Para el clculo de la magnitud porcentual que muestra cada nivel de riesgo para cada Departamento, se crean tres columnas, una para cada nivel, donde se incluyan dichos porcentajes. De nuevo la creacin de cada columna se hace desde la barra de men de la Tabla dependiente. Las columnas a crear se identifican como Alto, Medio y Bajo. Las expresiones con las que se crean son las siguientes: Alto = (High/65403)*100 Medio = (Medium/65403)*100 Bajo = (Low/65403)*100, donde 65403 es el nmero total de pxel. Una vez creadas las columnas, para observar cules Departamento ocupan los primeros lugares, en este caso los cinco primeros, se ordenan los valores de cada columna de forma descendiente, de modo que en el principio de cada una se observen los Departamentos que muestran mayor porcentaje de rea para cada nivel de riesgo. Tabla 4. Departamentos que ocupan los primeros lugares para cada nivel de riesgo Alto Valle del Cauda Caldas Risaralde Antoquia Medio Valle del Cauca Antoquia Cauca Tolima Nario Bajo Amazonas Vichada Caquet Meta Guaina

100

BIBLIOGRAFA Asociacin Espaola de Teledeteccin. Disponible en http://62.81.199.144/?q=node/386. Batista, R., Bustos, X., y Delgado, J. (2001). Aplicacin de los sistemas de informacin geogrfica para la reduccin de Vulnerabilidad. Caso Estado Vargas. Trabajo Especial. Escuela de Geografa, Universidad Central de Venezuela. Disponible en ftb.ucv.ve/ /Ponencias%20Martes%20110308/12.%20Ponencia%20Xavier_Rafael_Jesus/ponenciaTICs.pdf Buika, J., et al. (2003). Natural Hazard Risk and Vulnerability Assessment and Mitigation Plan for The Territory of American Samoa. The Pacific Disaster Center (PDC). Disponible en www.pdc.org. Buroz C., E. (2000) Memorias del Taller Manejo de cuencas hidrogrficas para la prevencin de riesgos y daos ante posibles desastres ambientales en el estado Aragua. Fundacite Aragua. Disponible en http://www.fundacite.arg.gov.ve/papelesf/docs/ cuencas. html. Recuperado en fecha 07 de diciembre de 2007. Funcionalidades de Idrisi. Disponible en http://www.sigte.udg.es/idrisi/ cursos/secundari/ funcionalidades.html Jimnez, F., Faustino, J. y Velsquez, S. Anlisis integral de la Vulnerabilidad a amenazas Naturales en cuencas Hidrogrficas de Amrica Central. VI Semana Cientfica del CATIE, Turrialba, Costa Rica. Kienberger, S., Steinbruch, F. (2005). P-GIS and disaster risk management: Assessing vulnerability with P-GIS methods Experiences from Bzi, Mozambique. International Conference on Participatory Spatial Information Management and Communication. Nairobi, Kenya. Molina, I.; Ferrer-Juli, M.; Garca-Melndez, E. (2005). Herramientas y Recursos de la Teledeteccin para la Gestin de Desastres naturales. Universidad Politcnica de Madrid. Espaa. Ordez, C.; Martnez-Alegra, R. (2003). Sistemas de Informacin Geogrfica. Aplicaciones prcticas con Idrisi 32 al anlisis de riesgos naturales y problemticas ambientales. 1er Edicin. Alfaomega, Mxico. Prez A., E. (2002). Anlisis de Riesgo a Inundaciones de los Departamentos del Norte de Honduras. Proyecto Final Master UNIGIS. Disponible en http//www.unigis.com.

101 Smara, Y., Belhadj, A. y Belhadj-Aissa, M., (2005). Application of GIS and Remote Sensing Technologies in Disaster Management in Algeria. Image Processing and Radiance Laboratory, Faculty of Electronics and Computer Science, Houari Boumediene University of Sciences and Technology (USTHB), Algiers, Algeria. VAN WESTERN, (2007). Anlisis de Peligro, Vulnerabilidad y Riesgo. Department of Earth Systems Analysis. International Institute for Geoinformation Science and Earth Observation (ITC). VAN WESTEN, C.J.; SOETERS, R. (1999). Remote Sensing and Geographic Information Systems for Natural Disaster Management. Internal Report, International Institute for Aerospace Surveys and Earth Sciences (ITC). 47pp.

Você também pode gostar