Anlisis geoestadstico con ArcGIS.

Estadstica descriptiva
Antes de abordar en firme, el modulo de geoestadistica que viene con ArcGIS, es necesario recordar algunos conceptos de estadstica, en particular de estadstica descriptiva, que son necesarios para realizar un anlisis geoestadstico con el software. La estadstica descriptiva, se dedica a los mtodos de recoleccin, descripcin, visualizacin y resumen de datos originados a partir de los fenmenos de estudio. Para analizar los datos usualmente se construyen las tablas de frecuencias y se utilizan: la media, mediana, moda, desviacin estndar, la varianza, coeficiente de curtosis, coeficiente de sesgo, coeficiente de variacin, cuartiles, deciles y percentiles. Estos parmetros se agrupan en varias categoras conocidas como medidas de tendencia central, medidas de dispersin y medidas de forma. Tablas de Frecuencias Una forma de presentar ordenadamente un grupo de observaciones, es a travs de tablas de distribucin de frecuencias. Para construir una tabla de frecuencia se deben ordenar los datos de menor a mayor e incluir los siguientes parmetros.

Frecuencia Absoluta (ni) Frecuencia Relativa (fi) Frecuencia Absoluta Acumulada (Ni) Frecuencia Relativa Acumulada (Fi) Numero de clases Amplitud de la clase o intervalo Marca de clase

Es el nmero de datos que estn en un mismo intervalo. Es la frecuencia absoluta dividida por el nmero total de datos. Es la suma de las frecuencias absolutas de todos los valores inferiores o iguales al valor considerado. La ltima frecuencia absoluta acumulada es igual al nmero de casos. Es el resultado de dividir cada frecuencia absoluta acumulada por el nmero total de datos. Indica el nmero de intervalos en que se agruparan los datos. Se obtiene al dividir por dos, la diferencia del valor mximo y mnimo de los datos. Es el promedio de la suma del lmite superior e inferior de cada intervalo o clase.

En el caso de datos agrupados se debern determinar el nmero de intervalos, la amplitud de los mismos y la marca de clase, de la siguiente forma:

Distribucin normal Una distribucin de probabilidad sigue una distribucin normal, cuando la representacin grfica de su funcin de densidad es una curva positiva continua, simtrica respecto a la media, de mximo en la media, y que tiene 2 puntos de inflexin situados a ambos lados de la media y a distancia igual a la desviacin estndar, es decir de la forma:

Propiedades. Tiene una nica moda, que coincide con su media y su mediana. La curva normal es asinttica al eje de abscisas. Es simtrica con respecto a su media. Segn esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. Cuanto mayor sea la desviacin estndar, ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin. El coeficiente de sesgo es igual a cero (0). La curtosis es igual a cero (0).

Para la aplicacin de los mtodos geoestadsticos es necesario verificar la funcin de probabilidad del conjunto de datos se aproximen a un comportamiento normal, esto lo veremos ms adelante en el anlisis exploratorio de los datos. Con el fin de que este sea un ejemplo prctico para abordar el anlisis geoestadistico con ArcGIS, ilustraremos todo los conceptos con un ejemplo a partir de datos de monitoreo de niveles piezomtricos de agua subterrnea que se presentan en la tabla siguiente. Para ello se seguirn los siguientes pasos. 1. 2. 3. 4. Organizar los datos de menor a mayor. Calcular la tabla de frecuencia. Realizar el histograma de frecuencias. Calcular los parmetros geoestadstico. Paso 1. Organizar los datos de menor a mayor

Pozo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

X 1.038.638 .034.835 1.039.637 1.039.628 1.042.236 1.039.030 .036.835 1.043.217 1.040.082 1.039.392 1.040.434 1.039.720 1.042.060 1.041.545 1.042.045 1.040.269 1.040.731 1.042.360 1.040.390 1.035.335 1.047.035 1.042.020 1.033.716 1.042.570 1.035.564 1.042.520 1.042.932

Y 1.368.620 1.344.198 1.368.963 1.368.960 1.377.584 1.370.440 1.354.454 1.357.777 1.373.095 1.374.231 1.368.119 1.368.500 1.376.470 1.369.212 1.371.752 1.377.908 1.371.643 1.376.070 1.376.776 1.356.941 1.371.548 1.370.310 1.352.675 1.377.470 1.343.433 1.368.530 1.368.255

Nivel Pz (msnm) 2,0 2,1 2,2 2,2 2,44 2,49 2,9 2,99 3,2 3,3 3,33 3,35 3,43 3,7 3,8 3,97 4,0 4,29 4,5 4,5 4,62 4,66 5,0 5,10 5,2 5,38 5,87

Pozo 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

X 1.044.694 1.041.841 1.040.838 1.044.135 1.046.740 1.046.626 1.042.604 1.039.466 1.041.429 1.045.207 1.044.733 1.048.893 1.040.383 1.042.263 1.039.411 1.048.342 1.046.214 1.044.935 1.041.256 1.048.313 1.044.224 1.044.765 1.046.735 1.045.454 1.050.523 1.052.106

Y 1.371.405 1.363.397 1.356.677 1.364.301 1.377.526 1.374.772 1.360.903 1.348.279 1.333.870 1.363.183 1.360.337 1.374.744 1.355.006 1.354.636 1.336.953 1.369.941 1.355.644 1.336.931 1.339.628 1.360.466 1.348.328 1.341.254 1.356.327 1.346.959 1.361.111 1.361.728

Nivel Pz (msnm) 6,00 6,1 8,0 8,07 8,08 9,02 9,21 10,1 10,3 10,8 11,5 11,82 12,2 12,3 12,8 14,62 14,9 16,6 18,16 19,14 24,1 24,2 25,57 27,15 30,08 35,32

Paso 2. Calcular la tabla de frecuencia.

Luego la tabla de frecuencias queda como la siguiente

No Intervalo Marca de clase 6,1776 10,3476 14,5176 18,6876 22,8576 27,0276 4,0926 8,2626 12,4326 16,6026 20,7726 24,9426 frecuencia absoluta 29 7 6 4 1 4 frecuencia absoluta acumulada 29 36 42 46 47 51 frecuencia relativa 0,55 0,13 0,11 0,08 0,02 0,08 frecuencia relativa acumulada 0,55 0,68 0,79 0,87 0,89 0,96

1 2 3 4 5 6

2,0076 6,1776 10,3476 14,5176 18,6876 22,8576

7 8

27,0276 31,1976 -

31,1976 35,3676

29,1126 33,2826

1 1

52 53

0,02 0,02

0,98 1,00

Paso 3. Realizar el histograma de frecuencias. A partir de la tabla anterior se construye el histograma de frecuencias, el cual nos da una idea del comportamiento de los datos. Como primer acercamiento, se observa que los datos estn dispersos, sesgados y la moda, la media y la mediana son diferentes, por tanto los datos no obedecen a una distribucin normal.

Paso 4. Calcular los parmetros geoestadstico a. Medidas de tendencia central Intentan identificar el dato ms representativo de la distribucin del conjunto. Son las siguientes. Media. Se le suele llamar promedio, se define como la suma de los valores de todas las observaciones divididas por el nmero total de datos. Se denota con o X. En su clculo intervienen todos los datos, por lo tanto, se ven influenciados por la variacin de cualquiera de ellos. En particular, es sensible a los valores extremos, pues estos producen grandes modificaciones.

Para los datos agrupados del ejemplo, tenemos lo siguiente. No 1 2 3 4 5 6 7 8 Intervalo 2,0076 6,1776 10,3476 14,5176 18,6876 22,8576 27,0276 31,1976 6,1776 10,3476 14,5176 18,6876 22,8576 27,0276 31,1976 35,3676 Marca de clase 4,0926 8,2626 12,4326 16,6026 20,7726 24,9426 29,1126 33,2826 frecuencia absoluta 29 7 6 4 1 4 1 1 Suma Media (suma/53) NP 6,0000 6,1496 8,0054 8,0724 8,0827 9,0188 9,2078 10,1156 10,2553 10,8373 11,5066 11,8241 12,2268 12,3280 12,8004 14,6244 14,9301 16,6351 18,1630 19,1410 24,0632 24,2354 25,5698 27,1534 30,0800 35,3188 497,0104 9,3776 producto 118,685 57,838 74,596 66,410 20,773 99,770 29,113 33,283 500,468 9,443

Para los datos no agrupados Pozo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 NP 2,0076 2,1313 2,2000 2,2100 2,4449 2,4946 2,8554 2,9876 3,2347 3,2930 3,3317 3,3506 3,4291 3,6896 3,7990 3,9651 3,9980 4,2921 4,4900 4,5286 4,6227 4,6637 5,0499 5,1009 5,2438 5,3826 5,8690 Pozo 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

Suma Media (suma/53)

Mediana. Es el valor de la serie de datos que deja la mitad de las observaciones por debajo de ella y la otra mitad por encima, es decir, divide al conjunto de datos en dos partes iguales y se denota por Me. Dado que slo depende del orden de los datos, tiene la ventaja de que no es sensible a los valores extremos. En datos agrupados se calcula de la siguiente forma. 1. Calcular: n/2 2. La mediana ser el valor de la variable cuya frecuencia absoluta acumulada primero iguale o supere a N/2. Este ser el intervalo en el que se encuentra la mediana. 3. Aplicar la formula sustituyendo los valores correspondientes.

Para datos agrupados, tenemos lo siguiente. Se calcula n/2 = 53/2 = 26.5, se busca este valor en la columna de la frecuencia acumulada de la tabla de frecuencia. Si no se encuentra, tomamos el valor siguiente, el cual es 29, por lo cual el intervalo donde se encuentra la moda es (2.0076 6.1776]. Fi=29 Fi-1=8 Li= 2.0076 a= 4.17

Para datos no agrupados, tenemos lo siguiente.

Como el nmero de datos de la muestra es impar e igual a 53, la mediana es el dato que ocupa el puesto 27(divide la muestra en dos partes iguales), el cual es: Me= 5.8690 Moda. Es el dato que ms veces se repite, es decir, aquel dato o rango que presenta mayor frecuencia absoluta. Puede haber ms de una moda en una distribucin. Se denota por Mo.

Para datos agrupados, tenemos lo siguiente. De los datos agrupados en la tabla de frecuencia, se observa que la mayor frecuencia absoluta es 29, por lo tanto el intervalo donde est la moda es (2.0076 6.1776]. Li=2.0076 a=4.17 d2=29-7 = 22 d1=29-0 = 29

b. Medidas de dispersin Las medidas de dispersin indican la mayor o menor concentracin de los datos con respecto a las medidas de centralizacin. Nos dan una idea sobre la homogeneidad o que tan agrupado estn los datos.

Desviacin estndar. Indica cunto tienden a alejarse los valores puntuales de la media. Se suele representar por una S. Una desviacin estndar grande indica que los puntos estn lejos de la media, y una desviacin pequea indica que los datos estn agrupados cerca de la media.

Para datos agrupados, tenemos lo siguiente. No Intervalo Marca de clase (Xi) 1 2,0076 6,1776 4,0926 2 6,1776 10,3476 8,2626 3 10,3476 - 14,5176 12,4326 4 14,5176 - 18,6876 16,6026 5 18,6876 - 22,8576 20,7726 6 22,8576 - 27,0276 24,9426 7 27,0276 - 31,1976 29,1126 8 31,1976 - 35,3676 33,2826

frecuencia absoluta 29 7 6 4 1 4 1 1 Suma n-1 S NP 6,000 6,150 8,005 8,072 8,083 9,019 9,208 10,116 10,255 10,837 11,507 11,824 12,227

(Xi-X)*fi 830,111 9,750 53,634 205,052 128,365 960,977 386,901 568,337 3143,12 52 7,774 (Xi-X) 11,4082 10,4200 1,8829 1,7035 1,6768 0,1287 0,0288 0,5446 0,7704 2,1307 4,5326 5,9854 8,1179

Para datos no agrupados. Pozo NP (Xi-X) 1 2,0076 54,3169 2 2,1 52,5089 3 2,2 51,5179 4 2,2 51,3745 5 2,44 48,0623 6 2,49 47,3757 7 2,9 42,5391 8 2,99 40,8321 9 3,2 37,7352 10 3,3 37,0224 11 3,33 36,5529 12 3,35 36,3247 13 3,43 35,3852

Pozo 28 29 30 31 32 33 34 35 36 37 38 39 40

14 15 16 17 18 19 20 21 22 23 24 25 26 27

3,7 3,8 3,97 4,0 4,29 4,5 4,5 4,62 4,66 5,0 5,10 5,2 5,38 5,87

32,3533 31,1208 29,2952 28,9401 25,8628 23,8886 23,5128 22,6091 22,2209 18,7290 18,2902 17,0883 15,9600 12,3103

41 42 43 44 45 46 47 48 49 50 51 52 53

12,328 12,800 14,624 14,930 16,635 18,163 19,141 24,063 24,235 25,570 27,153 30,080 35,319 suma n-1 S

8,7049 11,7156 27,5289 30,8303 52,6713 77,1833 95,3240 215,6668 220,7542 262,1873 315,9791 428,5894 672,9459 3.363,14 52 8,042

Varianza. Describe la variabilidad de la distribucin. Es la medida de la desviacin o dispersin de la distribucin. Se calcula mediante la ecuacin.

Para datos agrupados, tenemos lo siguiente. S = 7.774 = 60.44 Para datos no agrupados, tenemos lo siguiente. S = 8.042 = 64.675 Coeficiente de variacin. Mide la representatividad de la media. Valores extremos del mismo nos llevarn a concluir que la media no es representativa, es decir, existirn valores entre las observaciones que se separan significativamente de las dems.

Para datos agrupados, tenemos lo siguiente. C.V = 7.74/9.443*100 = 82% Para datos no agrupados, tenemos lo siguiente. C.V = 8.042/9.3776*100 = 85.8% c. Medidas de forma

Miden el grado de deformacin respecto a una curva patrn (distribucin normal). Coeficiente de curtosis. Mide el grado de aplastamiento o apuntamiento de la grfica de la distribucin de la variable estadstica. Datos concentrados respecto a la media (desviacin estndar pequea) dar una grafica alargada; si los datos estn dispersos la grfica ser achatada o aplastada.

Nota: El valor calculado a travs de la herramienta Geostatistical Analyst de ArcGIS no le resta 3 como aparece en la ecuacin anterior.

Para datos no agrupados tenemos, lo siguiente: Pozo NP (Xi-X)4 1 2,0076 2.950,3256 2 2,1 2.757,1808 3 2,2 2.654,0983 4 2,2 2.639,3382 5 2,44 2.309,9875 6 2,49 2.244,4559 7 2,9 1.809,5744 8 2,99 1.667,2604 9 3,2 1.423,9469 10 3,3 1.370,6549 11 3,33 1.336,1150 12 3,35 1.319,4859 13 3,43 1.252,1157 14 3,7 1.046,7389 15 3,8 968,5028 16 3,97 858,2062 17 4,0 837,5292 18 4,29 668,8854 19 4,5 570,6668 20 4,5 552,8518 21 4,62 511,1702 22 4,66 493,7663 23 5,0 350,7750

Pozo 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

NP 6,000 6,150 8,005 8,072 8,083 9,019 9,208 10,116 10,255 10,837 11,507 11,824 12,227 12,328 12,800 14,624 14,930 16,635 18,163 19,141 24,063 24,235 25,570

(Xi-X)4 130,1466 108,5761 3,5454 2,9021 2,8115 0,0166 0,0008 0,2966 0,5935 4,5400 20,5448 35,8246 65,9010 75,7746 137,2543 757,8409 950,5047 2.774,2665 5.957,2546 9.086,6611 46.512,1891 48.732,4260 68.742,2017

24 25 26 27

5,10 5,2 5,38 5,87

334,5301 292,0101 254,7224 151,5428

51 52 53

27,153 30,080 35,319 suma n-1 S4 K

99.842,7699 183.688,8444 452.856,1270 954.116,25 52 4182,95 1,38

Coeficiente de sesgo o asimetra. Evala el grado de distorsin o inclinacin que adopta la distribucin de los datos respecto a su valor promedio tomado como centro de gravedad. El coeficiente de simetra de Pearson es:

Si CS = 0, la distribucin es simtrica, en ese caso las desviaciones a la derecha y a la izquierda de la media se compensan. Si CS < 0, la distribucin es asimtrica negativa. La mayora de las observaciones estn a la derecha de la proyeccin de la media. Si CS > 0 la distribucin es asimtrica positiva. La mayora de las observaciones estn a la izquierda de la proyeccin de la media.

Para datos no agrupados tenemos, lo siguiente: Pozo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 NP 2,0076 2,1 2,2 2,2 2,44 2,49 2,9 2,99 3,2 3,3 3,33 3,35 3,43 3,7 (Xi-X)3 -400,3156 -380,4950 -369,7752 -368,2318 -333,2017 -326,0869 -277,4485 -260,9171 -231,8037 -225,2662 -220,9952 -218,9291 -210,4909 -184,0258 Pozo 28 29 30 31 32 33 34 35 36 37 38 39 40 41 NP 6,000 6,150 8,005 8,072 8,083 9,019 9,208 10,116 10,255 10,837 11,507 11,824 12,227 12,328 (Xi-X)3 -38,5323 -33,6357 -2,5838 -2,2235 -2,1712 -0,0462 -0,0049 0,4019 0,6761 3,1102 9,6500 14,6432 23,1296 25,6828

15 16 17 18 19 20 21 22 23 24 25 26 27

3,8 3,97 4,0 4,29 4,5 4,5 4,62 4,66 5,0 5,10 5,2 5,38 5,87

-173,6104 -158,5600 -155,6861 -131,5267 -116,7581 -114,0136 -107,5039 -104,7469 -81,0534 -78,2215 -70,6396 -63,7603 -43,1918

42 43 44 45 46 47 48 49 50 51 52 53

12,800 14,624 14,930 16,635 18,163 19,141 24,063 24,235 25,570 27,153 30,080 35,319 suma n-1 S3 Sesgo

40,1000 144,4387 171,1850 382,2620 678,0858 930,6861 3.167,1971 3.279,9221 4.245,3899 5.616,7807 8.872,8285 17.457,0231 39.576,74 52 520,13 1,46

A continuacin se muestran los resultados obtenidos a travs de las ecuaciones de datos agrupados y no agrupados, tambin se incluyen los resultados arrojados por la herramienta Geostatistical Analyst (la cual se ver ms adelante). Se observa que los resultados obtenidos tanto por las ecuaciones aplicadas a datos no agrupados y los obtenidos por la herramienta Geostatistical Analyst son similares. Mdulo Datos Datos no Geostatistical Parmetro Observaciones agrupados agrupados analyst de ArcGIS Media 9.443 9.3776 9.3776 Mediana 4.6678 5.869 5.869 Moda 4.378 Desviacin 7.74 8.0421 8.0421 estndar Varianza 60.44 64.675 64.675 Coeficiente de 82% 85.8% 85.75% Variacin A la curtosis que Curtosis 1.38 1.4709 calcula ArcGIS se le debe restar 3 Sesgo o 1.46 1.4773 asimetra

Segn Matheron (1992), la Geoestadstica es la aplicacin de la teora de las variables regionalizadas a la estimacin de los depsitos. A su vez una variable regionalizada, es una variable distribuida en el espacio de forma que presenta una estructura espacial de correlacin. En fin cuando hablemos de Geoestadstica se debe pensar en la variable y su relacin espacial.

Ejemplo de variables regionalizadas en hidrogeologa son la trasmisividad y conductividad hidrulica, la porosidad y el nivel piezomtrico; a este ltimo hacemos referencia en el presente artculo. La mayora de los mtodos geoestadsticos slo son ptimos si la variable de estudio sigue una distribucin normal. Recordemos que la distribucin normal tiene las siguientes propiedades: Tiene una nica moda, que coincide con su media y su mediana. La curva normal es asinttica al eje de abscisas.

Es simtrica con respecto a su media. Segn esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. Cuanto mayor sea la desviacin estndar, ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin. El coeficiente de sesgo es igual a cero (0). La curtosis es igual a cero (0).

Para determinar si la variable sigue una distribucin se deben aplicar alguna de las pruebas de normalidad como Prueba X, Kolmogorov, clculo del coeficiente de asimetra, curtosis, mediana, mediana y la moda y su comparacin de con los de la distribucin normal. Si a travs de estas pruebas se concluye que la variable puede ser aceptada o se aproxima a una distribucin normal, el problema se simplifica y se puede continuar con el anlisis geoestadstico; de lo contrario, es necesario realizar una transformacin de los datos que puede ser de raz cuadrada o logartmica (Carrera, 1990) y hacer nuevamente las verificaciones. Este es un tema extenso y la idea de estos artculos es hacerlos algo prcticos, por ello al final dejar bibliografa a la cual se puede consultar. Para resumir, los pasos a seguir en el anlisis exploratorio de los datos son los siguientes. 1. 2. 3. 4. 5. 6. 7. 8. 9. Organizar los datos de menor a mayor. Calcular la tabla de frecuencia. Realizar el histograma de frecuencias. Calcular los parmetros geoestadstico. Verificacin de la normalidad con respecto a la media, moda y mediana. Verificacin de la normalidad con respecto a la asimetra horizontal (coeficiente de sesgo). Verificacin de la normalidad con respecto al coeficiente de variacin. Realizacin de la transformacin de los datos, si es necesario. Recalculo de los parmetros estadsticos y comparacin para verificar la normalidad de los datos. Los pasos 1 al 4 fueron realizados en el tutorial Mdulo de Geostadstica Analyst con ArcGIS parte 1. Estadstica descriptiva, aqu se continuar con los pasos siguientes

Se continua con el ejemplo de los datos del monitoreo de niveles piezomtricos que se muestran en la siguiente tabla. Pozo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 X 1.038.638 1.034.835 1.039.637 1.039.628 1.042.236 1.039.030 1.036.835 1.043.217 1.040.082 1.039.392 1.040.434 1.039.720 1.042.060 1.041.545 1.042.045 1.040.269 1.040.731 1.042.360 1.040.390 1.035.335 1.047.035 1.042.020 1.033.716 1.042.570 1.035.564 1.042.520 1.042.932 1.044.694 1.041.841 1.040.838 1.044.135 1.046.740 1.046.626 1.042.604 1.039.466 1.041.429 1.045.207 1.044.733 1.048.893 Y 1.368.620 1.344.198 1.368.963 1.368.960 1.377.584 1.370.440 1.354.454 1.357.777 1.373.095 1.374.231 1.368.119 1.368.500 1.376.470 1.369.212 1.371.752 1.377.908 1.371.643 1.376.070 1.376.776 1.356.941 1.371.548 1.370.310 1.352.675 1.377.470 1.343.433 1.368.530 1.368.255 1.371.405 1.363.397 1.356.677 1.364.301 1.377.526 1.374.772 1.360.903 1.348.279 1.333.870 1.363.183 1.360.337 1.374.744 NP 2,0076 2,1313 2,2000 2,2100 2,4449 2,4946 2,8554 2,9876 3,2347 3,2930 3,3317 3,3506 3,4291 3,6896 3,7990 3,9651 3,9980 4,2921 4,4900 4,5286 4,6227 4,6637 5,0499 5,1009 5,2438 5,3826 5,8690 6,0000 6,1496 8,0054 8,0724 8,0827 9,0188 9,2078 10,1156 10,2553 10,8373 11,5066 11,8241

40 41 42 43 44 45 46 47 48 49 50 51 52 53

1.040.383 1.042.263 1.039.411 1.048.342 1.046.214 1.044.935 1.041.256 1.048.313 1.044.224 1.044.765 1.046.735 1.045.454 1.050.523 1.052.106

1.355.006 1.354.636 1.336.953 1.369.941 1.355.644 1.336.931 1.339.628 1.360.466 1.348.328 1.341.254 1.356.327 1.346.959 1.361.111 1.361.728

12,2268 12,3280 12,8004 14,6244 14,9301 16,6351 18,1630 19,1410 24,0632 24,2354 25,5698 27,1534 30,0800 35,3188

Los parmetros estadsticos calculados anteriormente se resumen en la siguiente tabla. Parmetro Media Mediana Moda Desviacin estndar Varianza Coeficiente de Variacin Curtosis Sesgo o asimetra Datos no agrupados 9.3776 5.869 4.378 8.0421 64.675 85.8% 1.38 1.46 Observaciones

Se tom la moda calculada a travs de la ecuacin datos agrupados.

5. Verificacin de la normalidad con respecto a la media, moda y mediana. Para que la distribucin sea normal o se aproxime, la media, la moda y la mediana deben ser similares, se acepta una diferencia de una unidad entre ella. Para el ejemplo de estudio tenemos. Media = 9.3776 Mediana = 5.869 Moda = 4.378 Se observa la media, la mediana y la moda son diferentes, por lo cual los datos no cumplen el criterio de verificacin con respecto a estos parmetros. 6. Verificacin de la normalidad con respecto a la asimetra horizontal (coeficiente de sesgo).

Como el coeficiente de sesgo permite verificar la normalidad de los datos, en caso de existir asimetra horizontal, es decir los datos no se ajustan a una distribucin normal, Wester-Oliver proponen evaluar lo siguiente. 0<|CS|<0.5, se acepta la funcin de distribucin de probabilidad como normal, se puede aplicar el mtodo geoestadstico a los datos. 0.5<|CS|<1, es necesario realizar una transformacin de datos (normalizacin) de tipo raz cuadrada. |CS|>1, es necesario hacer una transformacin de tipo logartmico (ln o log) En nuestro caso CS = 1.46, valor mayor que 1, por lo tanto es necesario aplicar una transformacin de tipo logartmico a los datos. 7. Verificacin de la normalidad con respecto al coeficiente de variacin. Tanto la funcin de distribucin de los datos como la varianza son funciones de la media la cual es altamente sensible a los valores extremos. En consecuencia se debe tener conocimiento de la afectacin de estos valores extremos sobre la media, para ello se calcula el coeficiente de variacin. En todo caso se debe verificar lo siguiente. Si CV < 100, no hay problema con los valores extremos de los datos Si 100<CV<=200, Los efectos causados por los valores extremos de los datos son tolerables Si CV>200, se tiene problemas severos con los valores extremos de los datos. Esto es importante, pues en caso de que los valores extremos de los datos afecten a la muestra o a la distribucin de los mismos, se deber analizar si es conveniente eliminarlos en caso que obedezcan a un error en la medicin o hacer una transformacin de los datos para reducir su influencia en la muestra. En nuestro caso CV = 85.8 < 100, lo cual indica que no hay problemas con valores extremos. En resumen, la funcin de distribucin de los datos no se asemeja a una distribucin normal dado que la media, la mediana y la moda son diferentes y adems el CS>1. De acuerdo a los clculos anteriores, es necesario realizar una transformacin logartmica (la cual consiste en tomar el dato y sacarle el logaritmo ya sea en base 10 o logaritmo natural), una vez realizada la transformacin se vuelven a calcular todos los parmetros para realizar las respectivas verificaciones. 8. Realizacin de la transformacin de los datos, si es necesario. Transformacin de los datos (ln). Pozo X Y 1 1.038.638 1.368.620 2 1.034.835 1.344.198 3 1.039.637 1.368.963 4 1.039.628 1.368.960 5 1.042.236 1.377.584 6 1.039.030 1.370.440

NP 2,0076 2,1313 2,2000 2,2100 2,4449 2,4946

ln 0,697 0,757 0,788 0,793 0,894 0,914

7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

1.036.835 1.043.217 1.040.082 1.039.392 1.040.434 1.039.720 1.042.060 1.041.545 1.042.045 1.040.269 1.040.731 1.042.360 1.040.390 1.035.335 1.047.035 1.042.020 1.033.716 1.042.570 1.035.564 1.042.520 1.042.932 1.044.694 1.041.841 1.040.838 1.044.135 1.046.740 1.046.626 1.042.604 1.039.466 1.041.429 1.045.207 1.044.733 1.048.893 1.040.383 1.042.263 1.039.411 1.048.342 1.046.214 1.044.935 1.041.256 1.048.313 1.044.224 1.044.765 1.046.735 1.045.454 1.050.523 1.052.106

1.354.454 1.357.777 1.373.095 1.374.231 1.368.119 1.368.500 1.376.470 1.369.212 1.371.752 1.377.908 1.371.643 1.376.070 1.376.776 1.356.941 1.371.548 1.370.310 1.352.675 1.377.470 1.343.433 1.368.530 1.368.255 1.371.405 1.363.397 1.356.677 1.364.301 1.377.526 1.374.772 1.360.903 1.348.279 1.333.870 1.363.183 1.360.337 1.374.744 1.355.006 1.354.636 1.336.953 1.369.941 1.355.644 1.336.931 1.339.628 1.360.466 1.348.328 1.341.254 1.356.327 1.346.959 1.361.111 1.361.728

2,8554 2,9876 3,2347 3,2930 3,3317 3,3506 3,4291 3,6896 3,7990 3,9651 3,9980 4,2921 4,4900 4,5286 4,6227 4,6637 5,0499 5,1009 5,2438 5,3826 5,8690 6,0000 6,1496 8,0054 8,0724 8,0827 9,0188 9,2078 10,1156 10,2553 10,8373 11,5066 11,8241 12,2268 12,3280 12,8004 14,6244 14,9301 16,6351 18,1630 19,1410 24,0632 24,2354 25,5698 27,1534 30,0800 35,3188

1,049 1,094 1,174 1,192 1,203 1,209 1,232 1,306 1,335 1,378 1,386 1,457 1,502 1,510 1,531 1,540 1,619 1,629 1,657 1,683 1,770 1,792 1,816 2,080 2,088 2,090 2,199 2,220 2,314 2,328 2,383 2,443 2,470 2,504 2,512 2,549 2,683 2,703 2,812 2,899 2,952 3,181 3,188 3,241 3,302 3,404 3,564

9. Recalculo de los parmetros estadsticos normalidad de los datos.

y comparacin para verificar la

a. Organizar los datos de menor a mayor. Ya estn organizados en la tabla anterior b. Calcular la tabla de frecuencia.

No

Intervalo

Marca de clase 0,88 1,24 1,59 1,95 2,31 2,67 3,03 3,39

frecuencia absoluta 7 10 10 5 7 6 4 4

1 2 3 4 5 6 7 8

0,6969 - 1,0569 1,0569 - 1,4153 1,4153 - 1,7737 1,7737 - 2,1321 2,1321 - 2,4905 2,4905 - 2,8489 2,8489 - 3,2073 3,2073 - 3,5657

frecuencia absoluta acumulada 7 17 27 32 39 45 49 53

frecuencia relativa 0,13 0,19 0,19 0,09 0,13 0,11 0,08 0,08

frecuencia relativa acumulada 0,13 0,32 0,51 0,60 0,74 0,85 0,92 1,00

c. Realizar el histograma de frecuencias

d. Calcular los parmetros geoestadstico. Los parmetros estadsticos se realizarn por la metodologa de datos no agrupados a excepcin de la moda, para ello se utilizar Excel. Pozo 1 2 3 4 NP 2,0076 2,1313 2,2000 2,2100 ln 0,697 0,757 0,788 0,793 Media 1,92 1,92 1,92 1,92 (ximedia)2 1,508 1,364 1,291 1,281 (ximedia)4 2,273 1,862 1,668 1,641 (ximedia) -1,851 -1,594 -1,468 -1,450

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

2,4449 2,4946 2,8554 2,9876 3,2347 3,2930 3,3317 3,3506 3,4291 3,6896 3,7990 3,9651 3,9980 4,2921 4,4900 4,5286 4,6227 4,6637 5,0499 5,1009 5,2438 5,3826 5,8690 6,0000 6,1496 8,0054 8,0724 8,0827 9,0188 9,2078 10,1156 10,2553 10,8373 11,5066 11,8241 12,2268 12,3280 12,8004 14,6244 14,9301 16,6351 18,1630 19,1410 24,0632 24,2354 25,5698 27,1534 30,0800 35,3188 suma

0,894 0,914 1,049 1,094 1,174 1,192 1,203 1,209 1,232 1,306 1,335 1,378 1,386 1,457 1,502 1,510 1,531 1,540 1,619 1,629 1,657 1,683 1,770 1,792 1,816 2,080 2,088 2,090 2,199 2,220 2,314 2,328 2,383 2,443 2,470 2,504 2,512 2,549 2,683 2,703 2,812 2,899 2,952 3,181 3,188 3,241 3,302 3,404 3,564 102,02

1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92 1,92

1,063 1,022 0,767 0,690 0,564 0,537 0,520 0,512 0,480 0,384 0,348 0,300 0,291 0,219 0,179 0,172 0,155 0,148 0,093 0,087 0,072 0,058 0,024 0,018 0,012 0,024 0,027 0,027 0,075 0,087 0,152 0,162 0,210 0,268 0,297 0,335 0,345 0,390 0,574 0,606 0,786 0,950 1,055 1,577 1,595 1,733 1,895 2,187 2,688 32,205

1,129 1,044 0,588 0,475 0,318 0,289 0,271 0,262 0,230 0,147 0,121 0,090 0,084 0,048 0,032 0,029 0,024 0,022 0,009 0,008 0,005 0,003 0,001 0,000 0,000 0,001 0,001 0,001 0,006 0,008 0,023 0,026 0,044 0,072 0,088 0,112 0,119 0,152 0,330 0,367 0,618 0,902 1,112 2,487 2,544 3,004 3,592 4,785 7,226 40,295

-1,095 -1,033 -0,671 -0,573 -0,423 -0,394 -0,375 -0,367 -0,332 -0,238 -0,205 -0,164 -0,157 -0,103 -0,076 -0,071 -0,061 -0,057 -0,029 -0,026 -0,019 -0,014 -0,004 -0,002 -0,001 0,004 0,004 0,004 0,021 0,026 0,059 0,065 0,096 0,139 0,162 0,194 0,202 0,244 0,435 0,472 0,697 0,926 1,083 1,981 2,015 2,282 2,609 3,235 4,407 8,510

e. Verificacin de la normalidad con respecto a la media, moda y mediana. Media = 1.92 Mediana = 1.77 Moda = 1.41 La diferencia entre la media, la mediana y la moda es menor que 1, por lo tanto la distribucin de los datos cumple con esta condicin. f. Verificacin de la normalidad con respecto a la asimetra horizontal (coeficiente de sesgo). CS = 0.34 se cumple que 0<|CS|<0.5. g. Verificacin de la normalidad con respecto al coeficiente de variacin. CV = 41%, se cumple que CV<100 Por tanto la distribucin de los datos se puede aceptar como normal, dado que la moda,

la mediana y la media son similares; CS est entre 0 y 0.5 y CV<100. Por ello se puede continuar con el anlisis geoestadstico. Con Geostatistical Analyst es posible explorar la variabilidad de datos, examinar tendencias globales e investigar la autocorrelacin y la correlacin entre los datos, de igual forma se pueden crear predicciones y calcular errores de predicciones. Lo primero que se tiene que hacer para iniciar un anlisis geoestadstico con Arcgis es el anlisis exploratorio de los datos, lo cual hemos visto en dos artculos anteriores y por ltimo el anlisis estructural de los datos.

1. Anlisis Exploratorio de los datos (ver artculo) Paso 1 Lo primero que se debe hacer es crear un shape de puntos a partir de datos de coordenadas geogrficas o planas. El shape de puntos donde se tiene datos del monitoreo de niveles del acufero del golfo de Urab, el cual se denomina Niveles.shp.

Paso 2 Una vez creado o agregado el shape en Arcmap, damos clic en Geostatistical Analyst, seguido de Explore Data y finalmente en Histogram, tal como se muestra en la figura.

Aparece la siguiente ventana

En la parte inferior de la ventana, Bars: Permite elegir el nmero de intervalos, la herramienta automticamente calcula la longitud de cada intervalo. Transformation: Permite realizar una transformacin logartmica a los datos en caso de que estos no sigan una distribucin normal (tal como fue explicado aqu). Layer: Aqu aparece el nombre del Shape, el cual es Niveles, cuando hay varios shpe agregados en Arcmap la herramienta elige el primero de la lista. Attribute: Aqu aparece por defecto el primer campo que tenemos en la tabla de atributos de nuestro shape en este caso es el campo pozos. Automticamente la herramienta calcula los parmetros geoestadsticos que se muestran en la parte superior. Paso 3 Lo que sigue es seleccionar el atributo con el cual queremos hacer el anlisis geoestadstico, en este caso es el nivel piezomtrico, para ello damos clic en la pestaa que est debajo del Attribute y seleccionamos el campo NP (nivel piezomtrico).

Se observa que inmediatamente cambia la grafica y recalcula los valores de los parmetros estadsticos mostrados en la parte superior, los cuales son los siguientes: Count (numero de datos): 53 Min (dato menor): 2.0076 Max (dato mayor): 35.319 Mean (Media): 9.3776 Std Dev (Desviacin estndar): 8.0421 Skewness (Coeficiente de sesgo o asimetra): 1.4773 Kurtosis (curtosis): 4.4709 Median (Mediana): 5.69 Aqu, la moda se calcula como la marca de clase del intervalo con mayor frecuencia Moda = (0.2+0.53)/2 = 0.365. El coeficiente de variacin se calcula como: CV=S/media*100 CV=8.0421/9.3776*100 = 85.7% A estos parmetros le aplicamos las condiciones necesarias para verificar si los datos siguen la distribucin normal. Vemos que la media, la moda y la mediana son diferentes y su diferencia es mayor a uno, el coeficiente de sesgo es mayor a 1, por lo cual es necesario realizar una transformacin de los datos, de acuerdo a la literatura y lo hablado anteriormente se recomienda una transformacin logartmicapero no los preocupemos estos lo hace ArcGis, simplemente en la pestaa Transformationseleccionamos Log. En la pestaa Bars colocamos 8 intervalos. El resultado es el siguiente.

Observamos nuevamente los parmetros Count (numero de datos): 53 Min (dato menor): 0.69694 Max (dato mayor): 3.5644 Mean (Media): 1.9248 Std Dev (Desviacin estndar): 0.78698 Skewness (Coeficiente de sesgo o asimetra): 0.33899 Kurtosis (curtosis): 2.0591 Median (Mediana): 1.7697 El coeficiente de variacin se calcula como: CV=S/media*100 CV=0.78698/1.9248*100 = 40.88% El coeficiente de variacin mejor y es igual a 40.88%, por lo cual no hay problema con los valores extremos de los datos. De lo anterior se concluye que la media y la mediana son similares, su diferencia es menor a 1 y el coeficiente de sesgo est entre 0 y 0.5, por lo cual la distribucin de los datos se acepta como normalse sigue con el anlisis geoestadstico. Paso 4 Despus de haber analizado los parmetros estadsticos y concluir que la distribucin de los datos se puede tomar como normal, cerramos la ventana del Histogram y volvemos a dar clic en Geostatistical Analyst, seguido de Explore Data y finalmente en Trend Analysis, tal como se muestra en la figura.

Se abre la siguiente ventana

Esta ventana nos ayuda a ver qu tendencia siguen los datos para que luego en el anlisis estrutural le indiquemos a la herramienta que sea removida. En Graph options, damos clic en Projected Data, Sticks, Input Data Points para que desaparezcan de la grfica el resultado debe ser el siguiente.

Es importante analizar si los datos manifiestan tendencias direccionales que permitan establecer correlaciones en esas direcciones, y formular modelos de comportamiento. La tendencia ms fuerte se tendr sobre aquella direccin en la que la lnea de tendencia es ms gruesa; para nuestro ejemplo se ve claramente una fuerte tendencia en la direccin este-oeste (lnea verde) y una dbil tendencia en la direccin norte-sur (lnea azul).

Con la barra de desplazamiento resaltada en rojo en la figura anterior se empiezan a desplazar las lneas de tendencias (verde y azul de la misma figura) y se observa si estas siguen una lnea recta, en caso tal la tendencia es lineal; una curva con una concavidad, la tendencia es cuadrtica o si es una lnea con ms de una concavidad, la tendencia ser de orden 3. Como conclusin del anlisis exploratorio y que se debe tener en cuenta durante la realizacin del anlisis estructural de los datos, tenemos: Los datos originales no siguen una distribucin normal, por lo tanto se aplica una transformacin logartmica. Es necesario remover una tendencia de segundo orden 2. Anlisis estructural de los datos Paso 5 Una vez identificada la tendencia de los datos, el siguiente paso es el anlisis estructural y realizacin del modelo geoestadstico con los datospara ello damos clic en Geostatistical Analyst, seguido de Geostatistical Winzard, aparece la una ventana donde debemos rellanar la siguiente informacin. Medthod: Se debe seleccionar el mtodo con el cual se quieren analizar los datos, en este caso es Kriging Input data: el shape al cual se le debe aplicar el anlisis geoestadstico en este caso es Niveles. Attibute: El campo con el que se quiere realizar el anlisis geoestadstico. En esta caso es el nivel piezomtrico (NP).

Damos clic en el bot Next>. Aparece la siguiente ventana, donde rellenamos la siguiente informacin. En Geostatistical methods, se selecciona Ordinary Kriging-Prediction Map.

 En Transformation, se selecciona Log, pues ya habamos concluido que es necesario realizar transformacin logartmica. datos En Order of trend removal, se selecciona la opcin Second, pues habamos visto que los siguen una tendencia de segundo orden.

Damos clic en Next>, aparece una ventana que permite concluir si los datos presentan anisotropa direccional o no la presentan. Si en la grafica aparece un crculo, no hay anisotropa direccional y si aparece otra cosa como la de la figura, se concluye que existe anisotropa direccional la cual se debe tener presente, ya que en la ventana siguiente se le deber indicar a la herramienta este parmetro.

Damos clic en Next>, aparece la siguiente ventana.

En la ventana anterior rellenamos la siguiente informacin 1. Model: 1. Aqu debemos elegir el modelo geoestadstico que deseemos usar para modelar los datos; para el caso del ejemplo, elegiremos el modelo Spherical. 2. En el paso anterior concluimos que hay anisotropa estructural, por lo tanto, debemos seleccionar Anisotropy. 3. Damos clic en Show search Direction, se habilitarn inmediatamente las opciones de ms abajo, las cuales son Angle direction y Bandwidth (lags).

En la grafica anterior vemos que fueron habilitadas Angle direction y Bandwidth (lags), para seguir se procede de la siguiente forma. Angle direction: Debemos cambiar el Angulo hasta que las lneas que se muestran a la izquierda de la figura coincidan con la direccin de la elipse en su parte superior. Bandwidth (lags): una vez realizado el paso anterior, los puntos o parte inferior de las lneas deben cortar a la elipse, para ello se aumenta o disminuye el valor de Bandwidth. lo dicho anteriormente se resumen en la siguiente imagen.

Despus de dar clic en Next>, se muestra la siguiente ventana.

Volvemos a dar clic en Next>, en la siguiente ventana se muestra: Un recalculo de los datos en comparacin con los valores medidos para verificar obtenido. Clculo de los errores: Root-Mean-Square: 3.774 Average Standard Error: 4.361 Mean Standardized: -0.04804 Root-Mean-Square Standardized: 0.9609 Un grfico de comparacin de datos medidos y datos calculados, en la que se puede ver que los datos que ms se alejan de la lnea, son los que mayores errores presentan en su prediccin.

Damos clic en finish y aparece un resumen del mtodo utilizado.

Damos clic en Ok y aparece el mapa de prediccin de niveles piezomtrico a partir del mtodo geoestadstico Kriging esfrico.

Pero aun no se termina la ventajas de los mtodos geoestadsticos es que nos permite realizar un mapa de errores. Para ello en el panel del navegador, damos clic derecho sobre el mapa creado y elegimos la opcin Create Prediction Estndar error Map.

El resultado es el siguiente.

En la figura anterior observamos que el mximo error es del 58.16%, el cual es muy alto. La confiabilidad del modelo se calcula como 100 menos el error mximo, para el ejemplo: confiabilidad = 100-58.16 = 41.84%. Para aceptar un modelo geoestadstico es necesario tener una confiabilidad superior al 90%, por lo tanto se concluye que es necesario mejorar la densidad de las medidas. En la grfica tambin se observa que los errores mayores en la prediccin se producen donde existe menos informacin. Para el caso del monitoreo de niveles de un acufero esto es indicativo que en estos sitios se deben perforar piezmetros o pozos de monitoreo con el fin de optimizar la red existente. Para seleccionar el modelo que mejor modela nuestros datos, es necesario aplicarles cada uno de ellos y escoger el que presente menor Root-Mean-Square, menorAverage

Standard Error, Root-Mean-Square Standardized ms cercano a uno y mayor porcentaje de confiabilidad. Como resumen del modelo aplicado tenemos lo siguiente:

Parmetro Root-Mean-Square Average Standard Error Root-Mean-Square Standardized Confiabilidad

Valor 3.774 4.361 0.9609 41.84

Existen otros conceptos que son muy importantes, pero de los cuales no fue posible mencionar en este artculo: efecto pepita, efecto pepita puro, discontinuidad en el origen, meseta, anisotropa estructural, anisotropa direccional, variograma y partial sill, entre otros. Para profundizar en este tema recomiendo revisar la siguiente bibliografa. Webster, Richard. Oliver Margaret. 2001. scientists.Great Britain. John Wiley & Sons Inc. Geostatistics for environmental

Sampe Javier y Jess carrera. 1990. Geoestadistica, aplicaciones a la hidrogeologa subterrnea. Centro Internacional de mtodos nuricos en Ingeniera. Barcelona

Como crear un shape de puntos a partir de coordenadas geogrficas

Para este ejercicio se cuenta con una tabla en Excel que contiene la localizacin de captaciones de fincas bananeras y al que llamaremos Fincas. El archivo contiene una hoja llamada Captaciones, que tiene la estructura que se muestra en la siguient e tabla.

Las coordenadas estn en grados, minutos y segundos geogrficos. Estos valores necesitan ser convertidos en grados decimales, la conversin puede hacerse en el mismo archivo de Excel o en el Arcgis, para este caso lo realizaremos en Excel utilizando frmula general.

Como estamos en el hemisferio occidental, la longitud es negativa, es decir para hallar los grados decimales para longitud la formula anterior quedar de la siguiente forma:

Al aplicar las dos ecuaciones anteriores para calcular la latitud y longitud en grados decimales obtenemos lo siguiente:

El siguiente paso es crear y proyectar un Feature Class de las captaciones localizadas en cada una de las fincas. Para ello procederemos de la siguiente forma.

Abrir ArcMap y buscar el archivo de Excel creado (Fincas). Del men principal seleccionamos tools, seguido de Add XY Data, aparecer una ventana como la que se muestra en la siguiente figura.

Damos clic en el icono

para buscar el archivo de Excel donde tenemos las coordenadas de los puntos (cuyo nombre es Fincas). Nos aparece la siguiente ventana, seleccionamos el archivo y clic en Add.

Se abre el archivo y nos muestra las hojas que contiene, de all seleccionamos, aquella donde tenemos las coordenadas de las captaciones (la hoja Captaciones$).

En la pestaa que est a la derecha de X Field se selecciona Longitud y en la pestaa a la derecha de Y Field se selecciona Latitud, tal como se muestra en la figura siguiente.

El siguiente paso consiste en seleccionar el Datum, como estoy en Colombia, utilizar el Datum WGS 1984 (este es el Datum con que fueron tomados los datos con el GPS), el cual se selecciona dando clic en el botn Edit que se encuentra en la parte inferior izquierda de la figura anterior. Aparece la siguiente ventana.

Damos clic en el botn Select, aparece la siguiente ventana...

Seleccionamos Geographic Coordinate Systems y damos clic en el botn Add. De la ventana que aparece seleccionamos Word y en ella buscamos el datum WGS 1984.

Damos clic en Add y luego en Aceptar, el resultado es el siguiente.

Presionamos Ok para completar el proceso de transformacin de la tabla el Event.Captaciones$ Events (un Event es un punto o lnea que es visualizada usando coordenadas pero que NO es explcitamente parte de un Shapefile).

El paso siguiente es crear un Shapefile a partir del Events creado. Haga clic derecho sobre Captaciones$ Events y presiones Data/Export para exportar los datos como shapefile dentro de su carpeta de trabajo. Le colocamos el nombre:CaptacionesFincas.

Damos clic en Save, sale un cuadro de dialogo donde se nos pregunta si se quiere agregar el archivo a nuestro mapa, le decimos que s.

Como resultado se agrega el Shapefile CaptacionesFincas en el explorador de layers de ArcGis.

El paso siguiente es borrar el Events inicialmente creado, dando clic derecho sobre l y seleccionado la opcin Remove.

Finalmente hemos creado un Shape a partir de coordendas geogrficas en grados, minutos y segundos. Esto tambin lo podramos hacer a partir de coordenadas planas, lo cual resulta un poco mas sencillo. el siguiente paso es realizar una proyeccin a un origen de coordenadas determinado de acuerdo a las reas en que est dividido el pas, lo cual o veremos en en otra entrada.

Shape de puntos en ArcGIS a partir de coordenadas geogrficas

Ya en un artculo anterior se habl de cmo crear un shape de puntos en ArcGIS a partir de coordenadas geogrficas contenidas un archivo XLS (Excel). En ese artculo las coordenadas geogrficas fueron transformadas en grados decimales directamente en Excel.

A raz de una consulta que me realiz Giovanni, tratar de mostrar como transformar las coordenadas a grados decimales directamente en ArcGIS.

Las coordenadas son las contenidas estn organizadas en un archivo Excel como el que se muestra a continuacin.

Finca Finca Abrazo Finca Agripina Finca Agromar Finca Alabama Finca Alameda Finca Alcatraz Finca Alex helena Finca Almendros Finca Almendros Finca Antares Finca Antojo Finca Apartada Finca Araguatos Finca Arcua Finca Arizona Finca Arrocera

GW 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76

MW 42 39 43 45 44 40 39 42 44 41 41 43 44 39 42 42

SW 50,50 16,70 19,20 5,60 29,70 20,70 27,50 6,70 54,60 20,20 42,60 41,40 5,70 9,70 0,30 23,50

GN 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7

MN 47 59 59 42 42 51 52 40 46 58 52 45 47 57 49 37

SN 59,60 7,20 6,00 7,60 24,40 35,10 40,80 56,10 39,70 8,80 13,80 24,00 10,60 20,80 16,20 32,70

Finca Astilla Finca Asturias Finca Azucena Finca Bahia Finca Bambu Finca Banalinda Finca Bananal Finca Bananera Finca Bananova Finca Bizcocho Finca Bodegas Finca Bonanza Finca Bosque Finca Brasilia

76 76 76 76 76 76 76 76 76 76 76 76 76 76

42 42 40 47 36 41 41 41 42 43 37 41 44 40

54,20 10,60 19,80 29,70 58,30 41,30 2,90 22,10 29,10 58,00 30,60 59,80 5,00 44,90

7 7 7 7 7 7 7 7 7 7 7 7 7 7

49 48 51 46 56 59 41 46 57 41 56 46 49 47

2,10 28,40 14,70 40,60 13,60 48,00 39,30 47,70 21,60 33,60 14,30 4,60 14,90 14,00

Paso 1 Damos clic en el bot Add data.

En la ventana que aparece, buscamos y seleccionamos el archivo xls donde tenemos los datos.

Damos clic en Add. En las hojas de libro que se nos muestran, seleccionamos la que tiene nuestros datos.

Clic en Add para agregar la hoja del libro de Excel en ArcGIS. El resultado se muestra en la siguiente figura. Esta tabla la podemos abrir y ver los datos pero aun no podemos hacer nada con ella.

Paso 2 Ahora damos clic derecho sobre Captaciones$ y seleccionamos la opcin Data seguido de Export para agregar los datos en una tabla de extensin DBF.

Se nos abre una ventana donde colocamos la ruta y el nombre con que queremos guardar la tabla. Obtenemos lo siguiente

Despus de dar clic en OK se nos pregunta si queremos agregar la tabla a la vista, le decimos que si, obtenemos lo siguiente.

Paso 3 Damos clic derecho sobre la tabla agregada y seleccionamos la opcin Open.

A continuacin se abre la tabla de atributos

Paso 4 Clic en el botn Options que aparece en la parte inferior izquierda de la tabla de atributos y seleccionamos la opcin Add Field

En la ventana que aparece, en el campo Name colocamos Longitud y en Type colocamos Float.

Al pulsar OK no aparece el nuevo campo en la tabla de atributos. Realizamos lo mismo para aadir el campo Latitud. El resultado es el siguiente.

Paso 5 Clic derecho sobre el campo Longitud y seleccionamos la opcin Field Calculator.

En el cuadro de dialogo que aparece pulsa Yes.

Luego de pulsar Yes se muestra una ventana donde se escribe la ecuacin para transformar coordenadas geogrficas a grados decimales.

Para utilizar el Fied Calcluator se debe seleccionar de Fields, los campos de la tabla de atributo que participaran en el clculo a realizar. Para la Longitud son GW, MW y SW. Se agregan dando doble clic sobre ellos.

Importante dar un espacio despus que con el teclado ingresemos algn signo, parntesis o nmero, de lo contrario al dar clic en OK saldr un error.

Despus de pulsar Ok, el resultado es el siguiente.

Paso 6 Repetimos el procedimiento anterior con la Latitud

Obtenemos el siguiente resultado.

Paso 7

Ahora lo que se tiene que hacer es hacer un shape de puntos con estos datos, para ello damos clic derecho sobre la tabla Captaciones y elegimos la opcin Display XY Data

En la Ventana que aparece, en la pestaa que est a la derecha de X Field se selecciona Longitud y en la pestaa a la derecha de Y Field se selecciona Latitud, tal como se muestra en la figura siguiente.

Luego damos clic en Edit para asignar el Datum WGS 1984 (este es el Datum con que fueron tomados los datos con el GPS), el cual se selecciona dando clic en el botn Edit que se encuentra en la parte inferior izquierda de la figura anterior...