Revista Geoespacial 10

INSTRUCCIONES GENERALES PARA LOS AUTORES

Todo artículo sometido debe ser original y se enviará al Comité Editorial, quién decidirá la aceptación o

no para la publicación en base a la revisión de pares conformados por especialistas del área

Idioma: Los artículos pueden ser escritos en español, inglés, o portugués

Extensión: La extensión de los artículos puede ser de hasta 15 páginas. Deberán ser escritos en papel

tamaño Ejecutivo (18.41x26.67 cm), en procesador de palabras, a simple espacio, con el tipo de letra

TIMES NEW ROMAN, dejando los siguientes márgenes:

- Arriba 2.5 cm - Izquierdo 2cm - Abajo 2.5 cm -Derecho 1.5 cm

Carátula: La carátula deberá incluir el título del artículo (14 ptos en mayúsculas, negrito y justificado);

nombre(s) completo(s) del(os) autor(es) (10 ptos, mayúsculas, negrito y justificado), el nombre de la

Institución (mayúsculas, sin negrito, justificado), dirección de la institución, correo electrónico. Las

páginas no deben estar numeradas.

Resumen: Cada artículo debe ser precedido por un resumen corto (no debe exceder de 500 palabras), el

cual debe permitir al lector tener una idea de la importancia y el campo que abarca el artículo. El

resumen deberá presentarse en español. La palabra RESUMEN debe ser de 10 ptos, centrado,

mayúsculas y con negrito. El cuerpo del resumen es de 10 ptos sin negrito y justificado. En caso que el

artículo sea en Inglés no es necesario colocar el resumen, o el resumo. Caso sea en portugués o español

se debe colocar el abstract

Abstract: Igual que resumen en Inglés

Resumo: Igual que resumen pero en portugués

Palabras clave (palavras chave, Key words): un máximo de 10 palabras

Páginas del texto: El texto se escribirá con TIMES NEW ROMAN 12 ptos. Los títulos de capítulos de

primer orden, serán escritos con mayúsculas, negrito y justificado. Los de segundo orden con

mayúsculas, sin negrito y justificado. Los de tercer orden, sin negrito, justificado y las primeras letras

con mayúsculas. Después de cada título dejar un espacio.

Ecuaciones: Se debe dar especial atención a la ubicación de índices y subíndices con el propósito de

evitar errores. Las ecuaciones deben ser numeradas secuencialmente en paréntesis en el lado derecho de

la página. Se debe dar especial atención a las ecuaciones a fin de que los símbolos sean claramente

identificados.

Tablas. El título debe ser colocado en la parte superior y la primera letra con mayúscula (11 ptos), debe

estar numerada secuencialmente.

Figuras, gráficos, imágenes . Sólo podrán incluirse ilustraciones originales (fotografías de alto contraste,

gráficas, mapas, dibujos, figuras, etc.) listos para impresión. El título debe ser colocado en la parte

inferior y la primera letra con mayúscula (11 ptos), debe estar numerada secuencialmente.

Agradecimientos: En caso de existir colocarlos a 11 ptos con negritas y mayúsculas

Referencias: Las referencias deben ser citadas de la siguiente forma con 11 ptos con negrillas y

mayúsculas: Para un libro, debe ir el nombre del autor(es), año de publicación, seguido del título con

mayúsculas las primeras letras , editora, edición, lugar Para una revista, debe ir el nombre del autor (es), año de publicación, seguido del nombre del

artículo, nombre de la revista con mayúsculas la primera letra, volumen, número, páginas del

artículo separado por guión, lugar.

Sólo podrán incluirse ilustraciones originales (fotografías de alto contraste, gráficas, mapas, dibujos,

figuras, etc.) listos para impresión. Debe adjuntarse una lista completa de ilustraciones. Cada ilustración

será numerada y acompañada de una leyenda de identificación e indicación de su ubicación exacta

dentro del texto; adicionalmente deberá ser suavemente etiquetada en la parte posterior a fin de

identificar claramente la parte superior e inferior y el número que le corresponde. Las figuras, fotos,

imágenes, y otros, cuyos archivos deberán ser generadas con una resolución mínima de 600 pixeles en

formato .tiff, recomendamos comprimirlas para su envío (formato .zip).

Textos electrónicos: Los autores deberán enviar sus contribuciones por correo electrónico en procesador

compatible con PC (Office) a: [email protected]

mailto:[email protected]

Revista Geoespacial Nº 10

CARRERA DE INGENIERÍA GEOGRÁFICA Y

DEL MEDIO AMBIENTE

DEPARTAMENTO DE CIENCIAS DE LA TIERRA Y CONSTRUCCIÓN

UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE

Revista Geoespacial Nº 10

Revista oicial de difusión cientíica y tecnológica de la Carrera de Ingeniería Geográica y del Medio Ambiente del Departamento de Ciencias de la Tierra y Construcción de la Universidad de las Fuerzas Armadas-ESPE

Periocidad: La revista Geoespacial es publicada un número anualmente

Revista Geoespacial, Diciembre 2013

Editor:Dr. Alfonso Tierra.Centro de Investigaciones Cientíicas. Universidad de las Fuerzas Armadas-ESPE-Ecuador

Comité Editorial:Dr. Theoilos ToulkeridisIng. Mario CruzIng. Oswaldo Padilla

Comité CientíicoDr. Roberto Luz Teixeira - IBGE - BrazilM. Sc. Gustavo Barrantes - Universidad Nacional - Costa RicaM. Sc. Rodrigo Márquez - Universidad Católica - ChileDr. Vinicio Carrera - ESPE - EcuadorPh.D Luis Cumbal - ESPE-EcuadorDr. Pascal Podwojewski - IRD - FranceDr. Christoph Heubeck - Freie Universitat Berlin - GermanyDr. Hans Joachim Massonne - University of Stuttgart - GermanyDr. Arne Willner Ruhr - University of Bochum - GermanyDr. Mariano Cerca - UNAM - MéxicoM.Sc. Noris Martínez - Universidad Tecnológica de Panamá - PanamáPh.D. Robert Buchwaldt - MIT - USAPh.D. Steven Taylor - University of Illinois - USA Ph.D. Aaron Addison . - Washington University - USA

Diseño de PortadaIng. Oswaldo Padilla

Edición Gráica, diseño, diagramación:David Cabrera R.

Preguntas y CorrespondenciaDepartamento de Ciencias de la Tierra y Construcción. Av. Gral. Rumiñahui S/N. Sangolquí – Pichincha – Ecuador. [email protected]

Los contenidos de los artículos, aquí publicados, son de responsabilidad de los autores.

Revista Geoespacial Nº 10, Diciembre 2013ISSN 1390-3993

Revista Geoespacial

Sumario

Número 10, 2013

ANÁLISIS GEOESTADÍSTICO PARA OBTENER LA GRAVEDAD LOCAL, PENDIENTE Y CÁLCULO HIDROLÓGICO DE LAS BARRANCAS COLORADA Y QUIMICHULE DEL VOLCÁN POPOCATÉPETL. Rogelio Ramos-Aguilar; Patricia Máximo-Romero; Blanca Susana Soto-Cruz; Salvador Alcántara-Iniesta .........................................................................................................................

LA GESTIÓN TERRITORIAL DE LA CORDILLERA ANDINA EN ZONAS VULNERABLES: LA CUENCA DEL RÍO JUBONES.Paúl Ochoa Arias .........................................................................................................................

ADAPTACIÓN DE INFRAESTRUCTURAS DE DATOS ESPACIALES PARA DISPOSITIVOS MÓVILES INTELIGENTES. Diego Pacheco; Daniela Ballari ..................................................................................................

CASO DE ESTUDIO: ESTIMACIÓN DE VOLUMEN A PARTIR DE DATOS LIDAR PARA PINO RADIATA EN EL MUNICIPIO DE GUITIRIZ.Victor H. Gonzalez; Sandra Bujan; Eduardo Gonzalez-Ferreiro; Laura Barreiro-Fernandez; Ulises Dieguez-Aranda; David Miranda .....................................................................................

MONITOREO DE BOSQUES UTILIZANDO NDVI REDEDGE DE RAPIDEYE.Castro Macías Domingo Rafael ..................................................................................................

PUBLICACIÓN DE CONTAMINANTES ATMOSFÉRICOS DE LA ESTACIÓN DE MONITOREO DE LA CIUDAD DE CUENCA, UTILIZANDO SERVICIOS ESTÁNDARES OGC.Chester Sellers; Daniela Ballari; Diego Pacheco; Omar Delgado ..............................................

EL MODELO DE AUTÓMATA CELULAR SIMULA: APLICACIÓN PARA EL ESTUDIO DE PATRONES DE CRECIMIENTO URBANO SOSTENIBLE.García Lamparte, A.m.; Santé Riveira, I.; Reyes Bueno, F.; Crecente Maseda, R. ....................

IMPLEMENTACIÓN DE UN PLAN PILOTO PARA LA GESTIÓN DE RIESGOS PARA EL FORTALECIMIENTO DE LOS COMANDOS OPERACIONALES DE LA JURISDICCIÓN DE LA CIUDAD DE ESMERALDAS.Saavedra Ana; Vinueza Isabel; Pérez Pablo; Mario Cruz ...........................................................

Pag.

1

15

30

45

58

72

87

102

ANÁLISIS GEOESTADÍSTICO PARA OBTENER LA GRAVEDAD LOCAL, PENDIENTE Y CÁLCULO HIDROLÓGICO DE LAS BARRANCAS COLORADA Y QUIMICHULE DEL VOLCÁN POPOCATÉPETL.

ROGELIO RAMOS-AGUILAR1, PATRICIA MÁXIMO-ROMERO1, BLANCA SUSANA SOTO-CRUZ2, SALVADOR ALCÁNTARA-INIESTA2.

FACULTAD DE INGENIERÍA1, CENTRO DE INVESTIGACIÓN EN DISPOSITIVOS SEMICONDUCTORES2. BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA. AV. SAN CLAUDIO Y 18 SUR, C.U., PUEBLA, PUE. MÉXICO. TEL. (+52 222) 229 55 [email protected], [email protected]

Recibido: 03 de julio 2013 / Aceptado: 31 de octubre 2013

RESUMEN

El siguiente trabajo presenta un estudio geoestadístico de las barrancas Colorada y Quimichule del volcán Popocatépetl para obtener la aceleración de la gravedad, la pendiente por distancia-elevación, la altura-gravedad y la fuerza de un líquido. Aplicando un desarrollo geoestadísticos, se realizó el estudio geomorfológico de las barrancas calculando la gravedad local y la pendiente en diferentes puntos. Para determinar el cálculo hidrológico de la fuerza del agua en cada barranca, se tomó en cuenta la gravedad local y la pendiente de sus periles, obteniendo resultados que oscilan entre 97.72 y 97.75 Newtons (N).

Mediante el modelo racional se calculó el gasto en cada barranca empleando el coeiciente de escurrimiento, el área de captación e intensidad de lluvia. Se determinó que la barranca de menor gasto es la barranca Colorada con 246.50m3/s. La importancia que tiene la correlación de gravedad con la pendiente es relevante ya que de acuerdo a la inclinación que presente la estructura geológica sería mayor el riesgo generado por algún escurrimiento.

Palabras clave: Geoestadístico, Aceleración, Gravedad, Fuerza, Modelo.

ABSTRACT

This work presents a geostatistical analyst of the Colorada and Quimichule canyons, located in Popocatépetl volcano, to calculate the local acceleration of gravity, slope by distance-elevation, height-gravity relation and the force of a liquid. Applying a geostatistical development, geomorphological analysis was performed by calculating the local gravity in the canyons and slope at different points. To determine the hydrological calculation of the force of the water to each canyon was taken into account the local gravity and the slope of its proiles, which results range from 97.72 and 97.75 Newtons (N).

By the rational model was calculated the water consumption to each canyon using the runoff coeficient, catchment and rainfall intensity. It was determined that lower spending Canyon is the canyon Colorada with 246.50m3/s. The importance of the correlation between gravity and slope is relevant because according to the inclination that the geological structure presents would be greater the risk generated by a runoff.

Key words: Geostatistical, Acceleration, Gravity, Force, Model.

Revista GEOESPACIAL (2013) 10: 1-13

2 Página Rogelio Ramos-Aguilar, Patricia Máximo-Romero, et.al

INTRODUCCIÓN

El volcán Popocatépetl se encuentra situado a los 19°17’ de latitud Norte y a los 98°38’ longitud Occidental del meridiano de Greenwich; colinda con los estados de Puebla, Morelos y México. La localización del volcán en estudio y la actividad que ha presentado en los últimos años, lo identiica como una estructura de riesgo para las comunidades que se encuentran cerca del mismo (García, et.al, 1996).

Aplicando diferentes tipos de programas geoestadísticos, se realizó el estudio geomorfológico de las barrancas Colorada y Quimichule calculando la gravedad local y la pendiente en diferentes puntos; posteriormente se obtuvo el coeiciente de correlación altura-gravedad.

La importancia que tiene la correlación de gravedad con la pendiente es relevante ya que de acuerdo a la inclinación que presente la estructura geológica sería mayor el riesgo generado por algún escurrimiento.

Además, mediante un modelo ideal, se presenta el resultado hipotético de las características eruptivas del volcán.

MÉTODO

Se utilizaron los programas Traninv web (INEGI) para la conversión de coordenadas UTM a geográicas aplicando el Datum NAD27 y zona 14, el OIML para calcular la gravedad local, el Geoestatistical Enviromenal Assessment Software (Geoeas) para realizar el análisis estadístico y por último el Surfer para la modelación estructural (INEGI, 2000).

Posteriormente se utilizaron modelos hidrológicos para calcular el gasto y la fuerza de un líquido sobre las barrancas. A través de la aplicación matemática hipotética se calcularon algunos parámetros eruptivos del volcán.

CONVERSIÓN DE COORDENADAS DE LOS DATOS REGISTRADOS

Para cada barranca los datos se obtuvieron de la carta topográica E14B42, obteniendo las coordenadas UTM y posteriormente transformándolas a geográicas con el programa Traninv, donde X=W e Y=N. (Ver igura 1)

Análisis geoestadístico para obtener la gravedad Página 3

Figura 1. Ejemplo de la transformación de las coordenadas de UTM a geográicas para todas las lecturas de las barrancas.

En las tablas 1 a 2 se muestran los datos que fueron utilizados para el procesamiento a cada 500 metros de longitud para cada barranca.

Tabla 1. La barranca Colorada tiene una longitud de 6.5 km, por lo que se realizaron 13 lecturas (Z=altura, N=latitud, W=longitud, en metros).

Tabla 2. La barranca Quimichule tiene una longitud de 6.5 km, por lo que se realizaron 13 lecturas (Z=altura, N=latitud, W=longitud, en metros).


DESARROLLO PARA EL CÁLCULO DE LA GRAVEDAD LOCAL

La aceleración de la gravedad es la manifestación de la atracción universal que impulsa los cuerpos hacia el centro de la Tierra, es fuerza que determina el peso de los cuerpos (Franco, et.al, 2005).

La aceleración de la gravedad se denota por g y se deine como el incremento constante de la velocidad por unidad de tiempo, percibido por un cuerpo en caída libre, es inversamente proporcional a la masa m₀ del cuerpo en kilogramos (kg): g=F/m₀.Para calcular la gravedad local de cada barranca se aplicó el programa recomendado por la Organización Internacional de Metrología Legal. Ver igura 2.

Figura 2. Ejemplo del cálculo de la aceleración de la gravedad local, cuyos datos que se requieren son la altitud y la latitud norte.

Para corroborar los resultados de la gravedad en diferentes puntos de la barranca a cada 500 metros de distancia, se utilizó la ecuación (1), misma que puede calcularse con una exactitud del orden 0.001%=100 ppm.

Donde:

gl = Aceleración de la gravedad local (m/s2). ge = 9.7803185 m/s2, aceleración de la gravedad en el Ecuador (φ = 0). f ‘= 0.0053024 (Aplastamiento gravitacional).φ = Latitud, en grados, minutos, segundos (00°00 ’00’’). h = Altitud sobre el nivel medio del mar (m). F4 = 0.0000059Dg=0.000003086

Ver tablas 3 a 4.

gl =[ge* (1+(f ‘*sen²ϕ)−(F4 *sen²2ϕ))]-(Dg*h) (1)


Tabla 3. Barranca Colorada. Se calculó la gravedad a cada 500 metros obteniéndose el promedio de 9.775309 m/s2

Tabla 4. Barranca Quimichule. Se calculó la gravedad a cada 500 metros obteniéndose el promedio de 9.776018

CÁLCULO DE LA PENDIENTE

La pendiente es la relación que existe entre el desnivel y la distancia en horizontal al plano, lo que equivale a la tangente del ángulo que forma la línea a medir con el eje x. (Spiegel, 2000).


Con la ayuda de las curvas de nivel en la Carta Topográica y aplicando el método de interpolación, se determinó la pendiente de las barrancas tomando lecturas a cada 500 metros a lo largo del cauce. También, se calculó el promedio aritmético para los puntos en cada barranca, ver tablas 5 a 6.

Tabla 5. Barranca Colorada.

Tabla 6. Barranca Quimichule.


ANÁLISIS GOESTADÍSTICO CON EL PROGRAMA GEOEAS

Utilizando el programa Geoeas, el cual genera gráicas de probabilidad normal ponderada de las variables forzantes (gravedad y altura), se obtiene el comportamiento estadístico de dispersión con el modelo de regresión lineal de la matriz de variables analizadas, cuyo coeiciente de correlación para cada barranca procesada es cercano a -1 (ver igura 3). Con una sobreposición del modelo surfer y la representación estadística desplegada se observa la coincidencia entre los datos procesados y los modelados. También, se elaboraron gráicas que muestran el comportamiento de cada una de las variables consideradas (Ramos, et.al, 2012).

La Estadística aplicada permitió interrelacionar periles de correlación entre varianzas, covarianzas, medias y rangos.

Barranca Colorada

Barranca Quimichule

Figura 3. Tablas para corroborar el coeiciente de correlación.


COVARIANZA Y COEFICIENTE DE CORRELACIÓN

Para efectos estadísticos se presenta un análisis con el in de determinar la covarianza y el coeiciente de correlación para cada uno de los cauces y obtener sus gráicas correspondientes: El valor del índice de correlación varía en el intervalo [-1, +1]:Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo hace en proporción constante.Si 0 < r < 1, existe una correlación positiva.Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables son independientes: pueden existir todavía relaciones no lineales entre las dos variables.Si -1 < r < 0, existe una correlación negativa.Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total entre las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra disminuye en proporción constante.Se realizó el análisis geoestadístico de las barrancas, calculándose para cada una, la desviación estándar que permite determinar el promedio aritmético de luctuación de los datos respecto a su punto central o media, y la covarianza, medida de dispersión conjunta de dos variables estadísticas (Ramos, et.al, 2010). Las medidas anteriores se utilizaron para obtener el coeiciente de correlación, cuyo resultado en general para cada barranca se aproxima a -1. Los resultados se muestran en las tablas de la 7 a la 8.




ANÁLISIS GOESTADÍSTICO CON EL SURFER

Aplicando el programa Surfer se obtuvo el análisis de las variables estadísticas entre la altura y la gravedad (Gasquet, 2000). Comparando los resultados de este análisis con las gráicas del Geoeas, se observa que el proceso de gravedad tiende a acercarse al valor calculado a medida que su altitud disminuye, ver tablas de la 9 a la 10.




MODELACIÓN ESTRUCTURAL APLICANDO EL SURFER

La modelación estructural en 2D y 3D se realizó con el programa Surfer, lo que sirvió para identiicar las barrancas de estudio y el comportamiento vectorial de las mismas, ver iguras 4 y 5 (Godman, 2001).

Figura 4. Se procesaron los datos para identiicar las barrancas de estudio en el mapa base de la zona del volcán Popocatépetl.


Figura 5. Dirección vectorial de las barrancas con respecto a la gravedad

El variograma es una herramienta que permite analizar el comportamiento espacial de una variable sobre un área deinida (Schenk, 2002).En el caso de las barrancas, se elaboró el variograma de la altura contra la gravedad local calculada, ver igura 6.

Figura 6. Variograma de la altura respecto a la gravedad.


CÁLCULO DE LA FUERZA DEL AGUA

La fuerza del agua es la cantidad de empuje que ejerce este líquido en dirección de la pendiente; la densidad agua es 1 gr/cm3 o 1000 Kg/m3.

Los cálculos realizados mediante el modelo matemático mostraron que la fuerza aumenta proporcionalmente a la inclinación de la pendiente. El cauce del agua se subdividió con una equidistancia de 500 metros; los cálculos se muestran en las tablas de la 11 a la 12 (Lennon, 2002).




CÁLCULO DEL GASTO

El gasto es el volumen de un líquido que pasa por una sección en un determinado tiempo, para este caso se obtuvo el gasto de cada una de las barrancas aplicando la ecuación (2). Ver tablas 13 a la 14.

(2)donde:

Q= Gasto en m3/s k= coeiciente de permeabilidad i= Gradiente hidráulico A= Área de captación


Tabla 14. Barranca Quimichule

.

CONCLUSIONES

Este trabajo, presenta los resultados obtenidos del procesamiento de datos cartográicos para determinar la relación altura-gravedad, la gravedad promedio en cada barranca, así como su pendiente, y posteriormente, el gasto de un líquido en cada una de las mismas.La aplicación de programas geoestadísticos pone de maniiesto la importancia de la aplicación matemática en los análisis geomorfológicos, presentando diferentes gráicas y datos comparativos de los análisis así como los estudios de modelados estructurales en


procesos geomorfológicos e hidrológicos. Se obtuvo una base de datos al hacer el cálculo de la gravedad de cada barranca en estudio, con esto se determinó que la barranca de mayor gravedad es Quimichule con un valor de 9.7760 m/s2 y una pendiente de -0.20923%.

Para el análisis geoestadístico se aplicaron diversos programas para analizar el comportamiento de dispersión numérico de los resultados de covarianza y correlación entre varianzas, arrojando un resultado cercano a -1, el cual muestra una analogía negativa para las barrancas en estudio.

En el modelado estructural se muestra el comportamiento vectorial que presenta cada barranca con relación a la gravedad en el volcán Popocatépetl apoyado con el programa Surfer 8.

Para determinar el cálculo hidrológico de la fuerza del agua en cada barranca, se tomó en cuenta la gravedad local y la pendiente de sus periles expresada en porcentajes, obteniendo resultados que oscilan entre 97.72 N y 97.75 N.

Mediante el modelo racional se calculó el gasto en cada barranca empleando el coeiciente de escurrimiento, el área de captación e intensidad de lluvia. Se determinó que la barranca de menor gasto es la barranca Colorada con 246.50m3/s.

REFERENCIAS

García, F., Ramos, R. y Domínguez, R. 1996. Posible lujo de lodo en el costado oriente del volcán Popocatépetl. 109-125.

INEGI software. (2000).Franco, J. M., A. M. Cassano y Bolla, G. L. 2005. Estabilidad de barrancas sobre el río Paraná.

Departamento de Ingeniería Civil de la Universidad Regional de Paraná. 1-119.Spiegel, M. (2000). Probabilidad y Estadística. Ed. Mc. Graw Hill. México.Ramos, R., et al. (2012). Estudio geoestadístico para obtener la gravedad local, pendiente y

cálculo hidrológico de las barrancas Xaltelulco, Tepeloncocone y Tenepanco del volcán Popocatépetl. Boletín de Ciencias de la Tierra. Colombia. 65-84.

et al. (2010). Análisis fotogramétrico del volcán Citlaltépetl. Cartográica. 105-116. Gasquet, C. (2000), Analyse de fourier et applications. France.Godman, P. (2001), Principles of geographical information systems For Land Resources.

Springer. USA.Schenk, T. (2002). Fotogrametría digital. ICC. España. Lennon, T. (2002), Remote sensing digital image analysis, Esa/Esrin. USA.

LA GESTIÓN TERRITORIAL DE LA CORDILLERA ANDINA EN ZONAS VULNERABLES: LA CUENCA DEL RÍO JUBONES

PAÚL OCHOA ARIASUNIVERSIDAD DEL AZUAY. AV. 24 DE MAYO 7-77 Y HERNÁN MALO. CUENCA – ECUADOR [email protected]

Recibido: 26 de septiembre 2013 / Aceptado: 08 de noviembre 2013

RESUMEN

En el presente artículo se da cuenta de la relevancia de la gestión territorial de la cordillera de los Andes desde un enfoque que lo conciba de manera integral, consecuente con su forma longitudinal e hidrográica, que trascienda las fronteras de las naciones y que responda a su original dinámica de corredor biológico.

La existencia de zonas sensibles en la cordillera, como por ejemplo el caso de la cuenca del río Jubones, sea por condiciones naturales de angostamiento (altura y anchura) o por la intervención humana, plantea la necesidad de conocer el territorio para establecer su capacidad de acogida y los ritmos de renovación natural, de cara a la formulación de planes de gestión del territorio.

Iniciativas formuladas desde la academia, podrían consolidar esfuerzos encaminados a constituir redes de investigación que integren niveles de intercambio de información y conocimientos que aporten a la adecuada planiicación integral del desarrollo territorial andino.

Palabras clave: Gestión del Territorio, Geomática, Cordillera Andina, zonas vulnerables, Río Jubones, Ordenamiento Territorial, Tecnologías de Información Geoespacial

ABSTRACT

The conception of the landscape management of the Andes Mountains, as a whole, regarding its longitudinal shape and river basin is being described in this article. It is crucial to notice that this has to be done without considering country boundaries, but taking into account the idea of a biological corridor.

There are many sensible areas in this mountain range, it is the case of the river basin of the Jubones. It is because of the natural conditions of narrowing in height and width because of the human intervention. There is an urgent need to know the territory in order to establish its compatibility with the natural rhythms of renovation in order to develop a suitable landscape management.

There have been proposals from many scholars that could be taken into consideration to form a research network at different levels. This network will interchange information and knowledge to contribute the planning of the Andean territory.

Key words: Land Management, Geomatics, Andean Mountains, vulnerable zones Jubones River, Geospatial Information Technologies


16 Página Paúl Ochoa Arias

1. INTRODUCCIÓN

La gestión del territorio es una de las más importantes y urgentes tareas para el avance de las sociedades, constituyendo un desafío para la ciencia, la técnica y el trabajo colaborativo. El uso racional de los recursos naturales tanto para el bienestar como para la persistencia de la humanidad, es un tema impostergable.

El conocimiento de la presión ocasionada sobre el territorio por las necesidades del desarrollo humano, las características del entorno físico, su capacidad de acogida y su potencialidad, son requisitos para proponer actuaciones dirigidas al responsable aprovechamiento del medio.

En los últimos tiempos, muchas intervenciones del hombre han superado la capacidad de regeneración que tiene la naturaleza, ocasionando destrucción, pérdida de hábitats y entornos naturales; es entonces necesario conocer para cada territorio los límites permisibles para acoger un desarrollo en términos consecuentes y sensatos, por ello se tienen que realizar esfuerzos encaminados a establecer las características de cada entorno físico para planiicar y actuar pertinentemente.

Las cadenas montañosas constituyen un sistema cuya lógica de funcionamiento está relacionada con la dinámica longitudinal e hidrográica; interrupciones a lo largo de una cordillera, romperían la estabilidad de los diversos lujos del sistema. Especíicamente, la Cordillera Andina, es uno de los más importantes ejes montañosos del mundo, a lo largo de sus 7200 km de longitud se han desarrollado una gran diversidad de manifestaciones muy particulares.

En este artículo se describe el caso de una de las zonas que forma una cintura en la cordillera, la cuenca del Río Jubones, y que tiene una problemática común a otras zonas andinas, también se plantea una propuesta metodológica para abordar un estudio territorial que permita ser el soporte para la elaboración de planes y normativas de gestión del territorio que se traduzcan en acciones consecuentes y coherentes con el entorno físico.

2. ANTECEDENTES

La cordillera de los Andes “se extiende casi paralela a la costa del Pacíico, desde el cabo de Hornos hasta las proximidades de Panamá. Es uno de los sistemas montañosos más grandes del mundo. La cadena tiene 7.200 km de longitud, 240 km de ancho y un promedio de 3.660 m de altura. Desde su estrechamiento inal al sur de Chile, los Andes se extienden en cadenas paralelas por Argentina, Bolivia, Perú, Ecuador y Colombia. En Venezuela se divide en tres cadenas distintas. A lo largo de su extensión, la cordillera se levanta abruptamente desde la costa del Pacíico” (Encarta, 2007).

La gestión Territorial de la Cordillera Andina Página 17

La cordillera de los Andes constituye uno de los más relevantes rasgos en el relieve de nuestro planeta, su inluencia multidimensional tiene importancia en aspectos tan diversos como: cambio climático, biodiversidad, cultura, economía, gastronomía. En ella se han desarrollado singulares modos de vida naturales y antrópicos, diversos patrimonios culturales y naturales han sido reconocidos, otros tantos mantienen su original valor no difundido.

Un sistema territorial “viene determinados por tres grandes elementos: su estructura, su funcionamiento y la imagen que transmite” (Gómez, Gómez 2012). Las particularidades propias cada espacio natural condicionan las interacciones entre sus diferentes componentes; el hombre, así como el resto de los seres vivos, se ha adaptado a las características del entorno, esto es: continentes, cordilleras, islas y demás elementos naturales imponen condiciones que han sido asumidas para lograr la supervivencia de las especies.

La gestión de este sistema “signiica formular esquemas de cómo debería organizarse un territorio con la inalidad de alcanzar unos objetivos preestablecidos. Es decir se trataría de contestar a una pregunta general del siguiente tipo: ¿Dónde deben estar situadas las cosas si queremos que se alcance una optimización de algún tipo?, la optimización puede ser diferente en cada caso: la máxima eiciencia económica, el mínimo impacto ambiental, etc.” (Bosque, 2005).

La problemática de organizar el territorio a lo largo de la cordillera, se acentúa aún más cuando se trata de zonas sensibles, como es el caso de la cuenca hidrográica del Río Jubones al sur del Ecuador, que puede servir de ejemplo para analizar situaciones similares en otras latitudes de la cadena montañosa, por su comprometida reducción en anchura y altura.

2.1. LA CUENCA DEL JUBONES

La cuenca del río Jubones está ubicada en el sur ecuatoriano: longitud 79º 40; latitud 3º 21 07”, su área de drenaje es de 4.285 km2. Sus niveles de cumbre están ubicados a 4 000m de altitud. Su nivel de base está en la costa del Pacíico. La longitud del cauce mayor es de 154 Km. Se encuentra estrechamente relacionada con tres ciudades intermedias: Cuenca, Machala y Loja.

La cuenca está compuesta por varios pisos ecológicos, que van desde el mar hasta los 4500 m.s.n.m. (del manglar al pajonal), ubicándose en las cordilleras central y occidental de Los Andes. El piso altimétrico de 2 500 a 3 000 metros es el predominante. Esta ubicación le otorga una situación estratégica para el desarrollo económico, como es el hecho de estar vinculada a las tres ciudades intermedias ya mencionadas, y conectada con un puerto marítimo.


Figura 1. Distribución altimétrica de la cuenca (fuente: Molinet, Ochoa 2002)

El 29 % del territorio, equivalente a 1243 Km2, lo constituyen pendientes superiores a 15 grados. En la cuenca del Jubones se presentan 472 Km de ríos de cauce continuo y 966 Km. de quebradas lo que constituye, en total, 1 437 Km. de cauces de diferentes ordenes.

(a) Principales lujos hídricos, (b) Ubicación del páramo en la cuenca Figura 2. Características de la cuenca (fuente: Molinet, Ochoa 2002)

Otro piso ecológico predominante lo constituye el ecosistema de páramo (pajonal) en una extensión de 701 Km2. Esta extensión representa el 5.6 % de los 12 476 Km2 de páramo presentes en la República del Ecuador. Este ecosistema se considera responsable del 60% de suministro de agua a los 312 000 habitantes que residen en la cuenca.

En la actualidad, y con tendencia a su decrecimiento, solo existe una extensión 1 692 Km2 de formaciones arbóreas y arbustivas y páramo (SNI, 2012), mientras que la aptitud forestal de los suelos (de acuerdo con la misma fuente) del territorio exige un área de 1 873.77 Km2. Una de las principales razones de este proceso es el uso agrícola no forestal presente en estas zonas que sustentan a una población.

En la cuenca del Jubones existe aproximadamente un total de 170 Km2 de tierras áridas que representa un ecosistema muy singular y de alta vulnerabilidad.


2.2. EL PROBLEMA

La cuenca del río Jubones, desde su nivel de base - en el Pacíico - hasta su nivel de cumbre (4 000 m de altitud) constituye un conjunto de sistemas montañosos intermedios. En ella se presenta una variedad de ecosistemas con diferentes estructuras y composiciones de especies que requieren, para su funcionamiento, diferentes aportes de energía en función de mantener o ayudar a sus mecanismos autorreguladores. La posición regional de este enclave en el ámbito de la cadena orográica de los Andes, a la latitud ecuatoriana, presenta su más estrecha cintura, el piso altimétrico predominante acentúa aún más el efecto de esta cintura, y provoca un estrangulamiento interruptor de los mecanismos de tránsito natural en la cordillera andina (Molinet, Ochoa. 2002). Tal como se observa en las iguras presentadas.

Figura 3. Peril altimétrico longitudinal de la cordillera de los Andes (fuente: Enciclopedia Salvat Monitor. 1968)

Figura 4. Mapa topográico satelital radar de la zona de estudio (fuente: Nasa, 2003)


Los mecanismos autorreguladores de la cuenca del Jubones se están debilitando a medida que aumenta la intensidad de utilización del territorio, y por tanto, el estado actual del territorio se torna un factor frágil para el desarrollo económico y social no solo en el área de su emplazamiento sino en aquellas conectadas aguas abajo y en el sentido longitudinal andino. De incidencia global, resulta la práctica nociva de recuperar suelos en zonas agrícolas sacriicando los correspondientes a zonas de páramo, los cuales en su lugar de origen retienen un alto porcentaje de CO2, y pierden esta cualidad una vez transportados.

Figura 5. Zonas de pendiente crítica en los sectores con aptitud forestal (fuente: Molinet, Ochoa 2002)

Otro factor determinante para este deterioro, es el daño que se produce el pastoreo ovino en los pajonales, almohadillas, arbustos y líquenes del páramo. En efecto, estos animales preieren comer las raíces de las plantas y no la paja, con esta acción provocan relieves pequeños y dejan al descubierto el suelo, dándose desniveles de hasta un metro y medio entre las áreas con plantas y las devoradas por los ovinos. Las talas y quemas se han sumado también a esta acción degradante, dando al traste con la estabilidad de la zona de contacto, a 3 000m de altura, entre el bosque y el pajonal, en las zonas con pendientes mayores de 15 grados que ocupan, en esta altitud, un área de 332 Km2 (el 8 % de la cuenca.). Si consideramos que sobre los 3 000m de altitud debían presentarse, en esta cuenca, 684km2 de páramo, existe un déicit de 352 km2 (Molinet, Ochoa, Paúl. 2002).

El medio físico del Jubones, con su estabilidad ecológica quebrantada como efecto de la pauperización de las condiciones de vida de la población que habita en esta región, se está convirtiendo en un factor adicional que acentúa el efecto de estrangulamiento ya señalado, por lo que es necesario restablecer sus propiedades. Para ello hace falta identiicar, estudiar y detener las tendencias de disminución de la biodiversidad en el territorio propendiendo con ello a crear las condiciones para su supervivencia y multiplicación.


3. MÉTODOS

A partir de la caracterización digital de de la información y desde el punto de vista de la estabilidad ecológica se determinan los lugares a proteger, priorizando los que involucran valores de otro tipo y protección del medio ambiente, con una metodología que se ha aplicado en el proyecto desarrollado por la (Universidad del Azuay, 2005) denominado: Caracterización territorial de las subcuencas de los ríos Collay, Cuenca, Jadán, Juval, Magdalena, Mazar, Paute, Pindilig, Púlpito y Santa Bárbara pertenecientes a la cuenca hidrográica del río Paute mediante imagen satélite. Considerando las siguientes características:

- Importancia ambiental de la cuenca.- Ecosistemas de mayor madurez y complejidad. - Priorización de subcuencas hidrográicas por su importancia para garantizar agua

en calidad y cantidad para abasto a la población.- Lugares que por sus características topográicas y de vegetación exigen protección,

para evitar daños y procesos irreversibles de destrucción de recursos.- Delimitación de las relaciones espaciales dinámicas del potencial natural dentro

del territorio.- Evaluación de la importancia biogeográica de la región- Elaboración de un cuerpo base de Normativas y Regulaciones

El análisis se realiza por subcuenca, dadas las facilidades que éstas ofrecen como unidades geográicas de estudio. En este componente se identiicará las subcuencas que albergan recursos lorísticos y de paisaje natural que serían los lugares importantes a ser protegidos (Universidad del Azuay, 2005).

Desde el punto de vista ambiental, la importancia estará deinida por los criterios: porcentaje de vegetación leñosa (bosques y matorrales) por subcuenca, porcentaje de páramo en la subcuenca, tasa de deforestación, diversidad de vegetación leñosa y rangos de endemismo.

Tabla 1. Criterios de ponderación para determinar importancia ambiental


Esquema 1. Diagrama de lujo empleando en la construcción del Mapa de Importancia ambiental por subcuenca. (fuente: Universidad del Azuay, 2005)


Se priorizan los lugares con: mayor porcentaje de vegetación nativa (páramos y bosques), lugares con tasas más altas de deforestación, así como los bosques con mayor riqueza (diversidad alfa) y endemismo. Ver Tabla 1.

Como resultado de la ponderación, se identiicarán las subcuencas en rangos de importancia ambiental, que se verán relejadas en la generación de un mapa de Importancia ambiental por subcuenca.

4. RESULTADOS

4.1. ECOSISTEMAS DE MAYOR MADUREZ Y COMPLEJIDAD

Para la identiicación de estos ecosistemas se consideran los remanentes de bosque y zonas de páramo que presentan el mayor grado de aislamiento de dos elementos antrópicos: vías y centros poblados. En otras palabras, zonas naturales distantes de vías y centros poblados (Universidad del Azuay, 2005). Se determinarán zonas equidistantes de los temas vías y centros poblados y se cuantiicará con el valor a las zonas naturales más alejadas. Como resultado de este análisis se generará un Mapa de Ecosistemas de mayor madurez y complejidad.

4.2. PRIORIZACIÓN DE SUBCUENCAS HIDROGRÁFICAS POR SU IMPORTANCIA PARA GARANTIZAR AGUA EN CALIDAD Y CANTIDAD PARA ABASTO A LA POBLACIÓN

Para este análisis partimos de la premisa de que los recursos hídricos tienen relación directa con la vegetación. Es por esto que se valorarán las subcuencas en función de la cantidad de páramo y vegetación leñosa existente. Es decir, que las subcuencas que presentan mayores áreas de estos ecosistemas, son las que asegurarían el rendimiento hídrico para abastecimiento de agua de los poblados que habitan en las partes bajas. Otro criterio de relevancia es la tasa de deforestación valorando con un numero bajo las subcuencas que presentan altas tasas de deforestación.

En cuanto a la población se ponderará en diez rangos con respecto al número de habitantes por subcuenca, correspondiendo el valor 10 al menor número de habitantes y el valor de 1 en el caso contrario. Sumando los valores ponderados se identiicarán la subcuencas, siendo las de mayor importancia las que obtengan valores altos, es decir la que más agua necesitaría para abastecimiento para consumo humano.

Si se formara una red de áreas con sistemas más maduros, rodeadas o alternadas con áreas explotadas económicamente, conectadas y elementos de interacción, se favorece la estabilidad ecológica, la conservación de los valores bióticos y la organización espacial del territorio. Adicionalmente los usos de las áreas explotadas económicamente deberán ser seleccionados de acuerdo a la aptitud potencial dictados por evaluaciones agrológicas.


Figura 6. Uso potencial (fuente: Molinet, Ochoa 2002)

Figura 7. Intensidad de las cargas Ecológicas (fuente: Molinet, Ochoa 2002)

Figura 8. Cargas ecológicas por supericie (fuente: Molinet, Ochoa 2002)


Una evaluación agrológica aproximada (escala 1:500 000) está representada en la igura 6. Contrastando esta información con la correspondiente al Uso Actual, arroja la situación que releja el mapa correspondiente a la Figura 7, de la cual cabe resaltar el alto porcentaje de cargas ecológicas inadecuadas que se observan en el territorio.

Por otra parte, la red de biocorredores existentes, (1 437 km de cauces de ríos y quebradas de diferente orden), están mayoritariamente deforestadas y requieren de un plan de manejo propio orientado a la protección de las aguas y a la conservación de la estabilidad de las cuencas que los generan. Con ello, adicionalmente se rescataría la función de conexión luvial para la conservación de la estabilidad ecológica del territorio.

Es necesario por tanto la elaboración de las Normativas, Ordenanzas y Reglamentos de Uso para la conservación de la cuenca que permitan lograr de los involucrados y autoridades competentes el instrumento jurídico necesario y con ello estipular, desde la base, los tratamientos agrotécnicos, silvícolas y forestales que son menester y, sobre todo: establecer el conjunto de indicadores de la gestión territorial que monitoree los avances alcanzados en este sentido.

4.3. CARACTERÍSTICAS DE LA VULNERABILIDAD DE LA CUENCA

Subsistema natural:- Problemas en el aprovechamiento de los recursos naturales- Depredación de manglares- Erosión en la cuenca media (desertiicación)- Pérdida de fertilidad de los sueldos y uso intensivo de químicos (cuenca alta y baja)- Contaminación de la cuenca alta y baja- Falta de protección en las fuentes de agua- Deforestación- Especies nativas en extinción y en riesgo

Subsistema socio – cultural:- Pobreza: 51%- Indigencia: 18%- Las formas de vida propias son muy vulnerables a cambios por factores externos- Deterioro de la salud pública- Incremento de la morbilidad- Cambios en la estructura demográica- Migración- Enfermedades sociales (suicidio, alcoholismo, otros)

Subsistema económico - productivo:- Ausencia de inventarios de los recursos territoriales naturales y socioeconómicos- Alta dependencia de monocultivos (banano, tomate, cebolla, Maíz)


- Diicultad de la salida de productos por la escasez y mal estado de las vías (conexión)- Cambios de especialización de la economía (Implantación de cultivos de exportación: lores)- Explotación minera insostenible- Diicultades para obtener créditos por parte de productores de la zona por falta de

documentación que acredite la tenencia de la tierra.

Subsistema físico – espacial:- Escasa infraestructura básica y de servicios- 75% de viviendas en mal estado- Asentamientos humanos precarios- Altos niveles de peligrosidad a amenazas naturales (geológicos, sísmicas,

hidrometeorológicos)

Subsistema político y jurídico:- Requerimientos de concertación y participación ciudadana con equidad de género,

consecuentes con el reconocimiento de la pluriculturalidad y la diversidad étnica.- Marco Jurídico inconsistente con las necesidades del desarrollo territorial, o de

compleja aplicación en términos de búsqueda de competencias descentralizadas, posibilidad de establecer un Consejo de Cuenca

- Inadecuado uso de los recursos por ausencia o falta de aplicación de normativas - Falta de incentivos y acciones destinadas a la disminución de la pobreza rural y al

aprovechamiento de las potencialidades del territorio- Problemas jurídicos y conlictos por no existir un aseguramiento de la tenencia de la

tierra por parte de los campesinos.

5. DISCUSIÓN

Actualmente todos los bosques y páramos necesitan medidas urgentes de protección dado que las tasas de deforestación son altas y los páramos están siendo sobre explotados por pastoreo. Sin embargo, se debe dar mayor énfasis en la protección de lugares que están cubiertos con bosques y que tienen pendientes altas, debido a la erosión y pérdida irreversible de los suelos. Por otro lado, los lugares que actualmente forman parte de la matriz agroproductiva y que presentan altas pendientes también se les debe prestar atención por la erosión que estas actividades provocan. Estos últimos se vuelven improductivos en pocos años, lo que obliga a los agricultores a seguir buscando nuevas tierras que, generalmente, están cubiertas por bosques y que además no presentan las pendientes adecuadas para los ines que son buscadas.

Para identiicar estos lugares que exigen protección para evitar daños y destrucción de los recursos se analizará la vegetación leñosa en pendientes menores al 50%, lo que indica que podrán verse amenazados por facilidad de acceso considerando la pendiente; y, por otro lado se evaluará la presencia de cultivos en pendientes mayores a 50%, que es donde se requiere regular y normar el uso del suelo.


5.1. DELIMITACIÓN DE LAS RELACIONES ESPACIALES DINÁMICAS DEL POTENCIAL NATURAL DENTRO DEL TERRITORIO.

Supone la delimitación de sistemas naturales de barreras, corredores, etc. Estableciendo los biocorredores y las zonas de protección, que son las áreas que limitan la penetración de inluencias antrópicas sobre el territorio circundante de menor estabilidad ecológica (Universidad del Azuay, 2004).

Las relaciones espaciales en un territorio involucran diferentes aspectos, a más del medio físico y biótico interviene el medio social acompañado de actividades económico – productivas. En este estudio las actividades se centran en identiicar el potencial natural del suelo que permita integrar las actividades antrópicas con ecosistemas naturales que contribuyen a mantener una biodiversidad que favorece a la estabilidad ecológica del territorio

Las dinámicas espaciales se establecen a través del Esqueleto Territorial de Estabilidad Ecológica (ETEE). El ETEE se deine como un conjunto de áreas constituidas por ecosistemas naturales como: vegetación arbórea, vegetación arbustiva, páramos y humedales, en los cuales se guarda la biodiversidad de un territorio; estas áreas se denominan biocentros; se encuentran unidos por avenidas naturales o lujos de agua (ríos, quebradas, acequias) llamados biocorredores, a través de los cuales recorren y se diseminan especies animales y vegetales. El territorio restante lo constituyen las áreas dedicadas a actividades agrícolas y pecuarias llamada matriz agroproductiva. Los biocentros se clasiican en arbóreos, arbustivos herbáceos y elementos de protección.

En consecuencia el ETEE constituye un elemento de autosustentabilidad ecológica importante que permite proponer futuros escenarios en un espacio territorial, por lo tanto, es necesario previo al análisis revisar la terminología empleada (Molinet, 2000); con la que se identiican los diferentes elementos en el ETEE.

Biocentros: Segmentos del paisaje que posibilitan, por sus dimensiones y el estado de las condiciones ecológicas (existentes o creadas), la conservación de las especies del genofondo natural del paisaje. A su vez los biocentros pueden ser clasiicados como:

Orto-biocentros: Aquellos geosistemas donde la vegetación natural se mantiene con muy poca hemerobia (Grado de desorden del territorio).

Plagio-biocentros: Aquellos en los cuales se propone su reconstrucción a manera de laboratorios naturales o parcelas experimentales, con el objeto de que cumplan con las funciones previstas en la deinición de biocentros.

Biocorredores: Son todos aquellos elementos que garantizarán la condición de red que permitirá la migración y el tránsito de las especies del genofondo natural.


El ETEE de la zona de estudio se construirá de la cobertura vegetal obtenida del análisis digital de imágenes satélite. A través del El Esqueleto Territorial de Estabilidad Ecológica ubica espacios del territorio clasiicados como elementos de protección, ortobiocentros, matriz agroproductiva y centros urbanos.

5.2. EVALUACIÓN DE LA IMPORTANCIA BIOGEOGRÁFICA DE LA REGIÓN

Proponiendo las categorías de manejo de las áreas a partir de la identiicación y evaluación de los impactos que se puedan generar

5.3. ELABORACIÓN DE UN CUERPO BASE DE NORMATIVAS Y REGULACIONES

Pare ello se deben proponer programas de Manejo Temáticos de los recursos naturales, elaborar el sistema de indicadores de control, elaborar los Planes de Capacitación, plantear Escenarios Alternativos, todo ello como parte de un Plan de Ordenamiento Territorial para la cuenca.

6. CONCLUSIONES

- La presencia de la cordillera de Los Andes en nuestro planeta inluye en aspectos tan diversos como: cambio climático, biodiversidad, cultura, economía, gastronomía, proyectando su importancia en múltiples niveles.

- Existen estudios de la cordillera andina con diversos niveles de profundidad, detalle y cobertura que por lo general tienen un alcance geográico restringido a las fronteras de cada uno de los 7 países por los cuales atraviesa la cordillera; no existe un eje común que permita articularlos, contrastarlos y proyectarlos atendiendo a una lógica longitudinal y de cuenca hidrográica que rebase los límites políticos de las naciones y que resulte consecuente con las condiciones de migración de la fauna y la polinización vegetal resultado de la misma.

- Los elementos necesarios para organizar las actividades del territorio requiere de un conocimiento de sus características, procedimientos y metodologías para elaborar planes de gestión territorial que resulten referentes comunes a partir los cuales crear un enriquecimiento con diversas formas de trabajar el desarrollo y la conservación

- Se deberían implementar instrumentos que permitan planiicar adecuadamente el uso del territorio andino desde una caracterización territorial transfronteriza que resulte integrada, compartida, de libre uso, que propicie el desarrollo de los conocimientos en pro del sostenimiento del biocorredor andino, en consonancia con el mejoramiento de las condiciones de vida de sus pobladores y supeditada a la capacidad de acogida del territorio y las tasas de renovación de los recursos.

- Es necesario propender a la generación de una dinámica de investigación y desarrollo mediante el trabajo colaborativo en redes como RIGTIG en la cual, los participantes coadyuven a fortalecer la investigación y generación de conocimientos, métodos y teorías relativas a las condiciones y potencialidades del territorio, que puedan


proyectarse hacia los gobiernos locales y organismos de desarrollo de los países andinos y otras redes de investigación académica.

- Se requiere contar con nodos de documentación en las universidades y organismos públicos que estén conectados a la Web, visibles en un interface común y con formatos reconocibles, de manera que se logre constituir una Infraestructura de Datos Espaciales (IDE) Andina.

- La conformación de una Red de Gestión Territorial Andina generada desde las universidades, haría posible desarrollar los temas planteados en este artículo y permitiría engranar importantes esfuerzos académicos e iniciativas públicas y privadas orientadas al desarrolla armónico de nuestra sociedad.

REFERENCIAS

Bosque, Joaquín. 2005. Los sistemas de información geográica en el estudio de los problemas sociales y territoriales. Universidad Verdad No. 37. p. 117. Cuenca, Ecuador: Universidad del Azuay.

Encarta 2007. Enciclopedia Microsoft Encarta © 1993-2006 Microsoft Corporation.Gómez, Domingo. Gómez Alejandro. 2012. Ordenamiento Territorial: Una Aproximación

conceptual y su aplicación al cantón Cuenca - Ecuador. Universidad Verdad No. 57. p. 31. Cuenca, Ecuador: Universidad del Azuay.

Molinet, Eugenio. Ochoa, Paúl. 2002. Estudios Preliminares sobre la Cuenca del Río Jubones. Cuenca, Ecuador: Instituto de Estudios de Régimen Seccional del Ecuador IERSE- Universidad el Azuay.

Molinet, Eugenio 2000. Metodología de Ordenamiento Territorial Rural en los Municipios del Ecuador. http://proceedings.esri.com/library/userconf/latinproc00/ecuador/otr.pdf (fecha de consulta: agosto 2013)

SNI. 2012. Sistema Nacional de Información. Secretaría Nacional de Planiicación y Desarrollo del Ecuador. http://www.sni.gob.ec (fecha de consulta: agosto de 2013)

Universidad del Azuay. 2005. Caracterización territorial de las subcuencas de los ríos Collay, Cuenca, Jadán, Juval, Magdalena, Mazar, Paute, Pindilig, Púlpito y Santa Bárbara pertenecientes a la cuenca hidrográica del río Paute mediante imagen satélite. Cuenca, Ecuador: Universidad del Azuay. http://www.uazuay.edu.ec/geomatica/source/web/links/caracteriza.html (fecha de consulta: agosto de 2013)

Universidad del Azuay. (2004) Sistema de Información Geográica de la cuenca del Río Paute. 2004. Cuenca, Ecuador: Universidad del Azuay. http://www.uazuay.edu.ec/geomatica/source/web/links/sig_copoe.html (fecha de consulta: diciembre de 2010).

ADAPTACIÓN DE INFRAESTRUCTURAS DE DATOS ESPACIALES PARA DISPOSITIVOS MÓVILES INTELIGENTES

DIEGO PACHECO, DANIELA BALLARIINSTITUTO DE ESTUDIOS DE RÉGIMEN SECCIONAL DEL ECUADOR, UNIVERSIDAD DEL AZUAY. AV. 24 DE MAYO 7-77 Y HERNÁN MALO, CUENCA, AZUAY. [email protected], [email protected]

Recibido: 31 de octubre 2013 / Aceptado: 22 de noviembre 2013

RESUMEN

Los avances en la tecnología celular y dispositivos móviles inteligentes han generado una masiva incursión de estos equipos en la sociedad actual. En el ámbito de las infraestructuras de datos espaciales (IDE), los dispositivos móviles están promoviendo importantes cambios. Por ello las IDE clásicas, implementadas para ser accesibles a través de un computador, requieren adaptaciones para ser también accesibles a través de dispositivos móviles. El objetivo de este trabajo es adaptar una IDE para permitir la adecuada visualización de mapas y búsqueda de metadatos desde dispositivos móviles con sistema Android. El resultado es un aplicativo móvil con dos formas de acceso: a través del propio navegador del dispositivo móvil (http://gis.uazuay.edu.ec/miniide/) y a través de un aplicativo Android que debe ser descargado e instalado en el dispositivo móvil (http://gis.uazuay.edu.ec/miniide/IDE_APP.apk). Se utilizó como estudio de caso la IDE de la Universidad del Azuay y se desarrollaron 7 componentes:1) directorio de servicios de mapas, 2) visor de mapas, 3) catálogo de metadatos, 4) registro y gestión de usuarios, 5) marcadores para la sincronización móvil-computador, 6) lector de códigos QR-quick response y 7) noticias. Los resultados de este trabajo permiten que el acceso a la geoinformación y metadatos sea más rápido, oportuno y adecuado a las ventajas y limitaciones propias del dispositivo móvil de acceso. Si bien el aplicativo móvil está orientado a la ciudadanía en general, puede servir de base para el desarrollo de aplicaciones móviles más avanzadas en el área de gestión de riesgo, monitoreo medioambiental y reportes de eventos geográicos.

Palabras clave: Infraestructura de Datos Espaciales, Dispositivos Móviles, Información Geográica, Android. Escáner QR, Marcadores.

ABSTRACT

Advances in technology and smart mobile devices have generated a massive incursion of these devices in today’s society. In the ield of spatial data infrastructure (SDI), mobile devices are promoting major changes. Thus the classic SDI, implemented to be accessed through a computer, need to be adapted when the access is meant to be done from mobile devices. The aim of this work is to adapt an SDI to allow a suitable map visualization and metadata retrieval from Android´s mobile devices. The result is a mobile application with two ways of access: through the mobile device’s web browser (http://gis.uazuay.edu.ec/miniide/) and through an Android application that must be downloaded and installed on the mobile device (http://gis.uazuay.edu.ec/miniide/IDE_APP.apk). The University of Azuay´s SDI was used as study case. Seven components have been developed: 1) web map service directory, 2) map viewer, 3) metadata catalog, 4) user registration and management, 5) markers for mobile-computer sync, 6) quick response (QR) code reader, and 7) news directory. The results of this work allow a faster and timely access to geoinformation and metadata. This access is also adapted to the advantages and limitations of a mobile device. While the mobile application is aimed for every kind of user, it can also be useful to develop advanced mobile applications in the ield of risk management, environmental monitoring and geographic events reporting.

Key words: Spatial Data Infrastructure, Mobile Devices, Geographic Information, Android, QR Scanner, Markers


Adaptación De Infraestructuras De Datos Espaciales Página 31

INTRODUCCIÓN

Los avances en la tecnología celular y dispositivos móviles inteligentes han generado la masiva incursión de estos equipos en la sociedad actual. Se ha potenciado su uso no sólo como teléfonos sino también como dispositivos de acceso a internet, navegadores GPS y sensores que interactúan con su entorno a través de la medición de variables como ruido, velocidad o movimiento (Ganti, Ye, & Lei, 2011). Uno de los sistemas operativos más utilizados en los dispositivos móviles inteligentes es Android (Gandhewar & Sheikh, 2010). Entre sus ventajas principales se pueden mencionar que se basa en software libre, es un sistema abierto que funciona en dispositivos de diferentes fabricantes y presenta versatilidad en el manejo de memoria interna. En el Ecuador, la disponibilidad de estos dispositivos móviles se encuentra en aumento. Según datos de la encuesta nacional de empleo, subempleo y desempleo (ENEMDUR) realizada por el Instituto Nacional de Estadísticas y Censos (INEC) en el mes de diciembre del 2011, el 8.4% de los teléfonos activados en el Ecuador son inteligentes con tendencia a crecer en los próximos años (INEC, 2011).

En el ámbito de las infraestructuras de datos espaciales (IDE) y sus principales geoservicios, como son la visualización de mapas y la búsqueda de metadatos, los dispositivos móviles están promoviendo importantes cambios (Ballari, Pacheco, & Delgado, 2012; Díaz et al., 2012). Por ejemplo, contribuyen al acceso ubicuo de la información, la navegación táctil de mapas, la interacción con el entorno a través de la disponibilidad de sensores, la movilidad de los usuarios y el reporte de eventos geográicos en tiempo real (Castelein, Grus, Crompvoets, & Bregt, 2010; Goodchild, 2007). A pesar de estas ventajas, los dispositivos móviles también presentan limitaciones debido al tamaño de pantalla, tamaño de memoria, consumo de energía, ancho de banda y capacidad de procesamiento (Brinkhoff, 2008; Foerster et al., 2012). Como consecuencia, la transferencia y presentación de geoinformación y sus metadatos en dispositivos móviles es un aspecto clave a considerar. Es decir, las IDE clásicas, implementadas para ser accesibles a través de un computador, requieren ser adaptadas para permitir el adecuado acceso a la geoinformación y metadatos desde los dispositivos móviles.

Trabajos previos han adaptado clientes pesados para la visualización de geoinformación en dispositivos móviles. Estos emulan algunas de las principales funciones de un SIG de escritorio. Ejemplos son Arcgis (ESRI, n.d.), GvSig mini (“gvSIGmini,” n.d.), OruxMaps (“Oruxmaps,” n.d.), Locus map (“Locus Map,” n.d.) y Qgis (“Qgis-android,” n.d.). Además, algunos clientes web han desarrollado interfaces más ligeras y funcionalidades de pantalla táctil, como es el caso de GeoExtmobile (GXM) (GeoExt, n.d.) y OpenLayersmobile (“OpenLayers mobile,” n.d.). A pesar de estos avances en la visualización móvil de mapas, no se han detectado esfuerzos previos para contribuir con la búsqueda y consulta de metadatos en dispositivos móviles. Adicionalmente, no se tiene conocimiento sobre el uso de códigos QR (Quick Response code, “código de respuesta rápida”) para codiicar los criterios de búsquedas de metadatos o mapas

32 Página Diego Pacheco, Daniela Ballari

y realizar consultas sin necesidad de escribir texto sino únicamente usando un medio digital para leer el código. El objetivo de este trabajo es adaptar una IDE para permitir la adecuada visualización de mapas y búsqueda de metadatos desde dispositivos móviles con sistema Android. Para garantizar la conformidad de los servicios con Open Geospatial Consortium (OGC), se proponen adaptaciones únicamente en la base de datos y el cliente. Estas adaptaciones se han implementado utilizando como estudio de caso la IDE de la Universidad del Azuay (http://gis.uazuay.edu.ec/ide/).

MÉTODOS

Este apartado describe los requisitos del sistema, la arquitectura de la aplicación, los componentes del lado del servidor, la base de datos que recopila datos de diferentes fuentes de una IDE clásica y, para inalizar, los componentes del lado del cliente.

REQUISITOS DEL SISTEMA

1. Interacción con la geoinformación: la interacción se realizará mediante herramientas de visualización de geoinformación y búsqueda de metadatos, utilizando para ello servicios OGC.

2. Sensibilidad al tacto en pantalla: la aplicación soportará la funcionalidad touchscreen, es decir, permitirá capturar eventos para la visualización y búsqueda de geoinformación mediante la utilización de la pantalla táctil.

3. Reducción de volumen de información a trasferir y presentar: considerando las limitaciones del tamaño de pantalla y ancho de banda soportado por un dispositivo móvil, la transferencia de información debe ser lo más resumida y ligera posible.

4. Sincronización: la reducción del volumen de información a mostrar en pantalla puede causar omisión de datos y detalles. Por ello, se desarrollarán mecanismos de sincronización con la IDE clásica para poder acceder a la totalidad de la información.

5. Procesamiento en servidor: considerando la limitación de la capacidad de procesamiento de los dispositivos móviles, la aplicación deberá procesar la mínima cantidad posible de información, delegando esta tarea al servidor.

6. Flexibilidad de arquitectura basada en componentes: el diseño deberá ser modular para permitir una fácil extensión o modiicación de las funcionalidades del aplicativo.


ARQUITECTURA DE LA APLICACIÓN

Se utiliza el esquema cliente/servidor de 3 capas (Figura 1). El cliente (navegador web móvil o aplicación Android) accede al servidor de aplicaciones a través de internet, el cual a su vez procesa las rutinas y consulta la información en la base de datos. La información es formateada por el servidor y devuelta al cliente para su visualización (requisito 5). Tanto el cliente como el servidor presentan un diseño modular basado en componentes (requisito 6). Los mismos se describen en las siguientes secciones.

Figura 1. Esquema cliente/servidor de 3 capas para aplicación móvil

Componentes De La Capa Del Servidor

En la capa del servidor se localizan las implementaciones de los servicios OGC que son parte de la IDE clásica. Ellos son: Geoserver como servicio de mapas Web Map Service (WMS), Geonetwork como catálogo de metadatos y Mapbender como cliente ligero. Si bien este último se ejecuta del lado del cliente, su base de datos se almacena en el servidor. Para garantizar la conformidad de los servicios con OGC (requisito 1), no se realizaron adaptaciones en la capa del servidor. Las adaptaciones llevadas a cabo en este trabajo se localizan en la capas de la base de datos y del cliente.

Componentes De La Capa De La Base De Datos

Se creó la base de datos “mide” en PostgreSQL/ PostGIS que reúne los recursos e información que serán accesibles por la aplicación móvil. Para evitar duplicación de información, se propició la reutilización de bases de datos existentes como Mapbender y Geonetwork. Además, para evitar dispersión de información, se utilizó el concepto de Vistas (Views) y conexiones remotas a bases de datos (DB-Link) para acceder a la información de varias bases de datos desde un único esquema. Estas vistas también ayudan a iltrar la información para almacenar solo la información requerida y así reducir el volumen de información a transferir y presentar (requisito 3). Finalmente, otras tablas no existentes previamente debieron ser creadas.


La igura 2 muestra 8 tablas reutilizadas por “mide” de las 77 del visor Mapbender. Las tablas son: 1) mb_user almacena la información de los usuarios registrados para acceder al visor; 2) gui_mb_user representa el nivel de acceso de los usuarios sobre las aplicaciones; 3) mb_ user _wmc almacena en estándar Web Map Context (WMC) los datos de mapas generados en el visor; 4) wmc_keyword contiene las palabras claves asociadas a los mapas WMC; 5) wms almacena la información de los servicios Web Map Service (WMS) disponibles en el visor; 6) layer permite conocer las características de cada capa de información como nombre y estado; 7) gui contiene las aplicaciones creadas dentro del cliente; y para inalizar 8) gui_layer determina las capas que están disponibles de acuerdo a la aplicación. La reutilización de estas capas facilita la concordancia y sincronización de la información publicada en la IDE clásica y la IDE móvil (requisito 4).

Figura 2. Esquema de las 8 tablas reutilizadas del visor Mapbender. Para revisar el diagrama entidad relación completo dirigirse a la dirección: http://gis.uazuay.edu.ec/miniide/er/er_mapbender.png

La igura 3 muestra 2 tablas reutilizadas a partir de Geonetwork. Ellas son: 1) metadata

contiene los metadatos publicados en el catálogo y 2) operationallowed especiica los metadatos que tienen permiso de acceso público.

La igura 4 presenta el esquema de las 3 nuevas tablas creadas. La tabla mini_user

contiene la información de los usuarios registrados. La tabla mini_marcadores almacena los marcadores generados por cada usuario. Para inalizar la tabla wmc_usuarios

almacena una copia del mapa WMC creado por los usuarios para que sean utilizados por el mecanismo de sincronización (requisito 4).


Figura 3. Esquema de las 2 tablas reutilizadas de Geonetwork. Para consultar el diagrama entidad relación de las tablas de Geonetwork utilizadas dirigirse a la dirección: http://gis.uazuay.edu.ec/miniide/er/er_geonetwork.png

Figura 4. Esquema de las 3 nuevas tablas creadas. Para consultar el diagrama entidad relación de las tablas de la IDE móvil dirigirse a la dirección: http://gis.uazuay.edu.ec/miniide/er/er_mide.png.

Componentes De La Capa Del Cliente

Directorio de servicios WMSEste componente lista las direcciones web de los distintos servicios IDE conformes con OGC. Esto es útil para que los usuarios puedan copiar y reutilizar estos servicios desde otros clientes que soporten conexión a WMS como, por ejemplo, son OruxMaps, GvSig mini y Locus Free. La información utilizada por este componente es accesible en la tabla gui_wms reutilizada de Mapbender.

Visor de mapasPermite la visualización y navegación en un dispositivo móvil, con sensibilidad al tacto en pantalla, de las capas de geoinformación publicadas en la IDE clásica (requisito 2). Las librerías utilizadas para la implementación son GeoExt Móvil (GXM), OpenLayers y JQuery.

GeoExt Móvil (GXM), programada en lenguaje JavaScript, permite la construcción de la interfaz web para la visualización móvil de mapas con sensibilidad al tacto en pantalla. GeoExt, a su vez, utiliza OpenLayers para el tratamiento de mapas y servicios WMS. OpenLayers soporta la especiicación WMC, por lo que permite crear y recuperar estos mapas desde el visor OpenLayers u otros visores.

JQuery se utiliza para acceder a la información de servicios y capas contenidas en el visor Mapbender y permite consultar la información necesaria para incluir nuevas capas en el visor móvil. En otras palabras, el visor móvil permite cargar las capas que estén


publicadas en Mapbender. Esto garantiza una concordancia entre lo publicado en el visor Mapbender de la IDE clásica y lo que se visualiza en el visor móvil (requisito 4). La lectura de los recursos de los servicios es asíncrona, por lo cual para actualizar las capas y servicios disponibles en el visor móvil previamente se debe acceder al panel de control de Mapbender y refrescar la carga de los servicios WMS.

Las coniguraciones de estas librerías se realizaron sobre el archivo mobile-base.js de GeoEXT. El código fuente de este archivo se basa principalmente en comandos de Javascript y objetos de la librería OpenLayers. Entre las coniguraciones realizadas se pueden mencionar los servicios WMS que se visualizan por defecto, la proyección y sistema de referencia del cliente (EPSG: 32717), así como el zoom inicial y estilos. Adicionalmente, se modiicó el archivo “index.html” para personalizar la ubicación y botones disponibles en el visor móvil.

MetadatosEste componente permite la búsqueda y localización de geoinformación en dispositivos móviles a través de elementos de metadatos. Estos se encuentran almacenados en la base de datos de Geonetwork siguiendo las recomendaciones del Peril Ecuatoriano de Metadatos (PEM) (Conage, 2010). Más concretamente, los metadatos se almacenan en un campo de tipo texto manteniendo el formato XML del documento original.

Para cumplir con el requisito 3 de reducir el volumen de información a trasferir y presentar, se limitó el número de elementos de metadatos a recuperar. Para ello se seleccionaron los elementos de metadatos más relevantes tales como: título, resumen, palabras clave, responsable del dato y fecha de creación.

El aplicativo móvil accede a la información del documento XML de los metadatos a través de funciones creadas para: 1) conectarse a la base de datos remota utilizando funciones DB-Link; y 2) construir vistas personalizadas que permitan la búsqueda y recuperación de los elementos de un archivo de metadato utilizando funciones nativas del lenguaje PL/SQL de PostgreSQL. Luego, para acceder a la información resumida del metadato que se encuentra almacenada en la base de datos, se utiliza JQuery que a su vez llama a aplicaciones en lenguaje PHP. Estos también formatean su presentación en el dispositivo móvil. El hipervínculo del metadato original se almacena como un marcador de tal forma que, cuando se acceda desde la web, se visualizará el metadato completo en Geonetwork (requisito 4).

Registro y acceso de usuariosPara realizar la gestión de contenidos personalizados, y en especial los relacionados con los mecanismos de sincronización, se implementó la opción para crear cuentas de usuario. Una vez que el usuario se registra, accede a un panel de control que le permite acceder al visor personal, consultar los marcadores, publicar los marcadores en una red social y visualizar su marcador como un código de respuesta rápida QR.


MarcadoresLos marcadores sincronizan los contenidos de la IDE móvil con los de la IDE clásica (requisito 4). Los marcadores permiten almacenar los resultados de búsquedas de metadatos y mapas WMC. En particular, para la visualización y construcción de mapas se puede realizar las primeras aproximaciones desde un ambiente móvil y posteriormente, gracias a la ayuda de marcadores, se puede culminar la construcción del mapa en la IDE clásica. En el caso de los metadatos, el cliente móvil accede a la información principal del mismo. Para acceder al metadato completo el marcador carga el recurso para revisarlo en Geonetwork desde un computador.

El contenido referente a marcadores se almacena en la base de datos “mide”. La tabla mini_marcadores almacena los datos del marcador generado por el usuario, clasiicado según su tipo de metadato o mapa. También almacena el link a la IDE clásica. En caso de acceder a un marcador tipo metadato, el link redireccionará al catálogo de Geonetwork donde podrá visualizar el metadato completo. En caso de acceder a un marcador de mapa, el link cargará el visor OpenLayers con el mapa WMC seleccionado.

Los marcadores son accesibles únicamente por el usuario que los crea. Por ello, para utilizar esta funcionalidad en primer lugar se debe crear una cuenta de usuario, la misma que permitirá acceder a diferentes paneles desde donde se administran los contenidos propios de cada usuario. Es posible compartir este marcador a través de las redes sociales.

Lector de códigos QRLos códigos QR (quick response o respuesta rápida) se utilizan para acceder a vínculos de descarga, desde aplicativos móviles, de texto, URLs, números de teléfonos y datos de contacto entre otros. Se llaman así ya que permiten que el contenido sea decodiicado de forma rápida (Ashford, 2010). Su principal ventaja es que evitan errores de escritura, y además agilizan y facilitan la búsqueda y descarga de recursos. En el aplicativo móvil, los códigos QR se utilizan para dos ines: el primero para acceder a mapas y metadatos, en este caso los recursos se abrirán de forma automática en el navegador web del móvil; y segundo para codiicar los criterios de búsquedas de contenido de metadatos a través de palabras clave. En este caso, el código QR agregará automáticamente a la ventana de búsqueda el criterio ingresado por el creador del marcador de metadatos, de tal forma que permita al usuario editar su contenido antes de realizar dicha consulta.

En caso de utilizarse el aplicativo instalado en Android, la funcionalidad de código QR utiliza como base las librerías del aplicativo “ZXingBarcode Scanner”. Para poder utilizar esta funcionalidad es necesario previamente descargar este aplicativo de la tienda de Google. En caso de utilizarse el visor web, se usa el hipervínculo de los marcadores para transformarlos en códigos QR usando para ello una librería libre de PHP llamada “tantaqrcode.php”. Esta permite crear objetos de tipo imagen con el formato QR estándar a través de parámetros como ancho, formato de imagen y URL al que apuntará el código.


NoticiasCualquier contenido que se encuentre almacenado en la base de datos puede ser capturado, resumido y formateado para un móvil. Prueba de ello es la sección de noticias que presenta el título y resumen de las noticias principales de la IDE clásica. Se añade también la opción de revisar el contenido completo en la web a través de un hipervínculo.

Aplicativo AndroidEl aplicativo para Android fue desarrollado usando la aplicación “App Inventor” del Massachusetts Institute of Technology (MIT) de Estados Unidos y cuya inalidad es facilitar la programación de aplicaciones a usuarios que no poseen conocimientos profundos de los lenguajes de programación de esta plataforma (Wolber, 2011). Las funciones de programación son bloques que se ensamblan visualmente, es decir como si fueran piezas de un rompecabezas.

RESULTADOS

El aplicativo resultante es accesible a través de dos interfaces. La primera, desde el navegador del dispositivo móvil a través de http://gis.uazuay.edu.ec/miniide/ (Figura 5.a). La segunda interfaz es un aplicativo para Android que debe ser instalado en el dispositivo móvil (Figura 5.b). Este aplicativo se descarga desde http://gis.uazuay.edu.ec/miniide/IDE_APP.apk. La principal diferencia entre ambas interfaces es que en la primera el usuario solo interactúa con la adaptación a la IDE clásica de la Universidad del Azuay, mientras que con la segunda también se interactúa con la funcionalidad y sensores propios de un móvil inteligente, como lo es su cámara fotográica para la lectura de códigos QR.

(a) (b)

Figura 5. Aplicación móvil de la IDE de la Universidad del Azuay. a) vista desde el navegador web, b) vista desde aplicativo Android.


DIRECTORIO DE SERVICIOS WMS

La igura 6.a muestra la interfaz con el listado de las direcciones web de los servicios WMS de la IDE de la Universidad del Azuay. Esta información se obtiene de la base de datos Mapbender, sin embargo se prevé, en próximas versiones, obtener la información a partir de peticiones GetCapabilities para así reducir las dependencias del aplicativo móvil con la base de datos de Mapbender.

La igura 6.b muestra un ejemplo de cómo estos servicios pueden ser consumidos desde Locus Free. Para el caso de OruxMaps y GvSig mini, es necesario deinir detalles de conexión WMS en los archivos “layers.txt (GvSig mini)” y “wms_services.xml (OruxMaps)”. Estos archivos de coniguración pueden ser descargados desde la interfaz del directorio de servicios WMS (parte superior derecha de la igura 6.a). Para GvSIG mini deben conigurarse dos parámetros en el archivo layers.txt ubicado en la carpeta “layers” de este programa. Ellos son la versión del servicio WMS deinido como 1.1.0 y el sistema de referencia para la visualización deinido como EPSG:4326 (coordenadas geográicas WGS84). Esto fuerza a que las capas de información de los servicios se visualicen en EPSG: 4326.

(a) (b)

Figura 6. Directorio de servicios WMS y consumo de servicios desde un aplicativo SIG móvil. a) directorio de servicios; y b) visualización en Locus Free.

VISOR DE MAPAS

La igura 7.a muestra la interfaz del visor de mapas móvil que es sensible al tacto (requisito 2). En la parte superior se dispone del menú de opciones. El resto de la pantalla es ocupada por el mapa, en donde por defecto se visualizan las capas de los cantones de la provincia del Azuay del servicio WMS Azuay 250k y el peril continental provisto por Metacarta en su servicio WMS http://labs.metacarta.com/wms/vmap0.


(a) (b) (c) (d)

Figura 7. Visor de mapas móvil. a) visor, b) recuperación de mapas WMC, c) servicios WMS y capas disponibles, y d) activación/desactivación de capas. Los números en rojos en las imágenes indican los botones del menú del visor.

Al abrir el visor, primeramente, se despliega un mensaje de advertencia indicando que para almacenar mapas se debe acceder con un usuario previo a utilizar esta opción.

La primera opción del menú permite cargar los mapas WMC almacenados con anterioridad (Figura 7.b - botón número 1). La segunda opción permite almacenar el mapa visualizado en pantalla, para así compartir este mapa o continuar su creación en la IDE clásica. La tercera opción permite acceder a los servicios WMS y capas disponibles, cuando una de ellas es seleccionada se procede a su carga en el visor (Figura 7.c - botón número 3). La cuarta opción permite activar/desactivar las capas a visualizar (Figura 7.d - botón número 4). La quinta y sexta opciones son para acercarse o alejarse sobre el mapa, como alternativa a la navegación con tacto en la pantalla.

METADATOS

La igura 8.a muestra la interfaz de búsqueda de metadatos por medio de palabras clave. La respuesta a la consulta es el número de registros encontrados y un listado de la información básica de los metadatos, es decir, título, resumen, fecha de creación, palabras claves, responsables y códigos de identiicación del metadato en el catálogo (Figura 8.b). Adicionalmente, como parte de la respuesta, se muestra el marcador del metadato original para que el metadato completo pueda ser recuperado.


(a) (b)

Figura 8. Componente de metadatos. a) interfaz de búsqueda y b) interfaz de resultados

REGISTRO Y ACCESO DE USUARIOS

La igura 9 muestra el panel de control desplegado para cada usuario registrado. Este consta de 3 opciones. La primera es el visor basado en OpenLayers que permitirá la visualización de mapas WMC. La segunda opción son los marcadores de mapas y metadatos. La tercera opción es el generador de códigos QR de los marcadores.

Figura 9. Panel de control de usuario

MARCADORES

La opción marcadores despliega el listado de todos los marcadores de tipo mapa o metadato que han sido almacenados en la versión móvil por un usuario (Figura 10). En caso de acceder a un marcador tipo metadato, el hipervínculo re-direccionará al catálogo de Geonetwork donde se obtiene el metadato completo. En el caso de seleccionar un marcador tipo mapa se cargará el visor OpenLayers con el mapa seleccionado.


Figura 10. Administración de marcadores de la IDE UDA móvil.

LECTOR DE CÓDIGOS QR

Desde el aplicativo Android se puede utilizar la cámara del dispositivo móvil como lector de códigos QR. Los códigos QR se codiican en formato de URL enviando la información y parámetros necesarios para realizar las búsquedas. El lector redirecciona al mapa o metadato según el código en su versión web para que contenga toda la información necesaria. Estos se codiican de tal forma que al ser leídos por el escáner QR de la aplicación móvil, se re-direccionará a la opción más adecuada. Este marcador puede distribuirse de forma digital o impresa.

En primer lugar, los marcadores creados por el usuario se visualizan automáticamente como código QR en la opción “Generador QR” del panel de control de usuario (Figura 9). Dentro de este mismo panel se agregó la opción de compartir estos códigos en la red social Facebook. Cabe recalcar que, al momento de compartir esta información, el marcador asume un estado de público y puede ser accesible por cualquier persona.

DISCUSIÓN Y CONCLUSIONES

Este trabajo ha adaptado los servicios de visualización de mapas y búsqueda de metadatos de una IDE clásica para que sean accesibles desde dispositivos móviles inteligentes, permitiendo así que los usuarios puedan explotar y extender las funcionalidades de acceso a la geoinformación. Se deinieron los requisitos y la arquitectura del sistema y se adaptaron componentes del lado del servidor, es decir las rutinas programadas y las conexiones a bases de datos, y del lado del cliente, es decir la interfaz de usuario. El resultado es un aplicativo móvil con 2 formas de acceso: el propio navegador del dispositivo


móvil (http://gis.uazuay.edu.ec/miniide/) y un aplicativo Android (http://gis.uazuay.edu.ec/miniide/IDE_APP.apk). Se utilizó como caso de uso la IDE de la Universidad del Azuay y se desarrollaron 7 componentes:1) directorio de servicios de mapas; 2) visor de mapas basado en GeoExt; 3) catálogo de metadatos; 4) registro y gestión de usuarios; 5) marcadores para la sincronización móvil-computador permitiendo la recuperación desde un computador de los mapas y metadatos tratados en el dispositivo móvil; 6) lector de códigos QR-quick response para un rápido acceso a mapas y metadatos; y 7) noticias.

Como principales ventajas de la adaptación se puede mencionar la modularidad de su arquitectura, pudiendo personalizar el aplicativo para eliminar componentes no deseados o incluir nuevos componentes que se desarrollen a futuro. El componente de búsqueda y consulta de metadatos es un componente innovador y no se ha localizado en la literatura otros componentes similares en dispositivos móviles. Además, la utilización de vistas y DB-Link en la base de datos permite que cualquier contenido pueda ser capturado (sin importar su ubicación) y formateado para un móvil con la inalidad de resumir dicho contenido. Esto tiene una importancia vital para controlar el volumen de información a transmitir versus la capacidad de ancho de banda que soporta un dispositivo móvil en la actualidad. Un ejemplo de ello se observa en los componentes de sección de noticias y en la búsqueda de metadatos. También ligado a la limitación de ancho de banda, la implementación del visor de mapas con GeoExt Móvil ha resultado satisfactoria dado que su interfaz es ligera además de amigable.

La implementación ha desarrollado componentes del lado del cliente y en la base de datos. Es decir, se ha respetado la arquitectura y coniguración de la IDE clásica, en especial en las especiicaciones de los servicios OGC. Esto permite que, utilizando las adaptaciones propuestas en este trabajo, otras IDE clásicas puedan ser extendidas a versiones móviles.

Algunas limitaciones se observan en cuanto al aplicativo (IDE_APP.apk). Este solo puede utilizarse en plataformas Android. Sin embargo, el acceso web supera esta limitación ya que se puede utilizar en otros sistemas operativos para dispositivos móviles e incluso en navegadores web de computadores. Adicionalmente, para la construcción del aplicativo Android se utilizó App Inventor, que si bien es de fácil uso, presenta limitaciones en comparación al uso de lenguajes de programación nativos de Android.

Finalmente, los resultados de este trabajo permiten que el acceso a la geoinformación y metadatos sea rápido, oportuno y adecuado a las ventajas y limitaciones propias del dispositivo móvil de acceso. Además se utilizan interfaces lexibles y de fácil uso. Si bien el aplicativo móvil está orientado a la ciudadanía en general, puede servir de base para el desarrollo de aplicaciones móviles más avanzadas en el área de gestión de riesgo, monitoreo medioambiental y reportes de eventos geográicos.


REFERENCIAS

Ashford, R. 2010. QR codes and academic libraries: Reaching mobile users. College & Research Libraries News, 71(10), 526–530. Retrieved from http://crln.acrl.org/content/71/10/526.

Ballari, D., Pacheco, D., & Delgado, O. 2012. Retos para la investigación en infraestructuras de datos espaciales. AUSENP.

Brinkhoff, T. 2008. Supporting Mobile GIS Applications by Geospatial Web Services. 21st Congress of the International Society for Photogrammetry and Remote Sensing, Beijing.

Castelein, W., Grus, L., Crompvoets, J., & Bregt, A. 2010. A characterization of volunteered geographic information. AGILE, Association Geographic Information Laboratories Europe.

Conage. 2010. Políticas Nacionales de Información Geoespacial. Retrieved February 18,2013 from http://www.sni.gob.ec/c/document_library/get_ile?uuid=dd46b294-75e1-4732-a9e0-037eb0f23360&groupId=10156. 2010.

Díaz, L., Remke, A., Kauppinen, T., Degbelo, A., Foerster, T., Stasch, C., Rieke, M., et al. 2012. Future SDI – Impulses from Geoinformatics Research and IT Trends. International Journal of Spatial Data Infrastructures Research, 12, 378–410.

ESRI. 2013. Arcgis-android. Retrieved February 25, from http://resources.arcgis.com/es/content/arcgis-android/application. n.d.

Foerster, T., Nüst, D., Bröring, A., & Jirka, S. 2012. Discovering the sensor web through mobile applications. Advances in Location-Based Services, 211–224.

Gandhewar, N., & Sheikh, R. 2010. Google Android: An emerging software platform for mobile devices. International Journal on Computer Science and Engineering, 1(1), 12–17.

Ganti, R. K., Ye, F., & Lei, H. 2011. Mobile crowdsensing: Current state and future challenges. Communications Magazine, IEEE, 49(11), 32–39.

GeoExt. 2013. GeoExt Mobile GXM. Retrieved February 18, from http://trac.geoext.org/wiki/mobile. n.d.

Goodchild, M. F. 2007. Editorial: Citizens as Voluntary Sensors: Spatial Data Infrastructure in the World of Web 2 . 0. International Journal, 2(2), 24–32. doi:10.1016/j.jenvrad.2011.12.005.

gvSIGmini. 2013. Retrieved February 25, from https://conluence.prodevelop.es/display/GVMN/Home. n.d.

INEC. 2011. Reporte anual de estadísticas sobre tecnologías de la información y comunicaciones (TIC’s). Retrieved February 18, 2013, from www.inec.gob.ec/sitio_tics/presentacion.pdf.

Locus Map. 2013. Retrieved February 25, from http://www.locusmap.eu/. n.d.OpenLayers mobile. (n.d.). 2013. Retrieved February 25, from http://trac.osgeo.org/openlayers/

wiki/mobile. n.d.Oruxmaps.2013. Retrieved February 25, from http://www.oruxmaps.com/Qgis-android. 2013. (n.d.). Retrieved February 25, from http://hub.qgis.org/wiki/android-qgis/

Mobile_GUI_GSoC_2012. n.d.Wolber, D. 2011. App inventor and real-world motivation. Proceedings of the 42nd ACM

technical symposium on Computer science education (pp. 601–606).

CASO DE ESTUDIO: ESTIMACIÓN DE VOLUMEN A PARTIR DE DATOS LIDAR PARA PINO RADIATA EN EL MUNICIPIO DE GUITIRIZ

1VICTOR H. GONZALEZ, 2SANDRA BUJAN, 3EDUARDO GONZALEZ-FERREIRO, 4LAURA BARREIRO-FERNANDEZ, 5ULISES DIEGUEZ-ARANDA, 6DAVID MIRANDA1DEPARTAMENTO DE GEOLOGIA Y MINAS E INGENIERIA CIVIL. UNIVERSIDAD TECNICA PARTICULAR DE LOJA. SAN CAYETANO ALTO S/N, CP: 11-01-608. [email protected], 3, 4, 6LABORATE. UNIVERSIDAD SANTIAGO DE COMPOSTELA. C/BENIGNO LEDO S/N, CP: 27002. [email protected]; [email protected]; [email protected]; [email protected] 5 UNIDADE DE XESTION FORESTAL SOSTENIBLE. UNIVERSIDAD SANTIAGO DE COMPOSTELA. C/BENIGNO LEDO S/N, CP: 27002. [email protected]

Recibido: 02 de octubre 2013 / Aceptado: 28 de noviembre 2013

RESUMEN

Actualmente la degradación y deforestación del bosque ha incrementado la cuota de gases antropogénicos, así como la pérdida de lora y fauna. Para comprender la importancia de los bosques dentro del ciclo natural del planeta es importante cuantiicar su cobertura. El empleo de sensores remotos como el LiDAR puede aportar información valiosa de la supericie terrestre. La gran precisión que poseen estos datos permite su uso para múltiples aplicaciones, entre ellas la clasiicación de la supericie terrestre, la estimación de parámetros forestales a nivel de masa o de árbol individual y la estimación de biomasa. Teniendo esto presente, el objetivo de este trabajo es estimar el volumen de la especie Pinus radiata D. Don en el municipio de Guitiriz. Para ello se usará datos LiDAR de densidad media (8 pulsos m-2), una ortofoto aérea del PNOA con resolución de 0.25 m y datos topográicos y dasométricos tomados en campo.En la primera fase de la metodología se realizó un diseño sistemático del muestreo, en el cual se usó una ortofoto de la zona de estudio para la delimitación de 96 parcelas circulares que constituyeron la referencia en campo. La segunda fase se realizó utilizando los datos LiDAR, de los cuales se obtuvieron los Modelos Digitales de Elevación (MDE) y los Modelos Digitales de Supericie (MDS) para cada parcela. Mediante diferencia algebraica entre los dos anteriores se obtuvieron los Modelos Digitales de Copas (MDC); estos últimos sirvieron como datos de entrada en el algoritmo de delineación de copas. El resultado de delineación y medición de los árboles substituye los trabajos de inventario forestal tradicional en campo. Por lo tanto, la información resultante se tomará como “datos terreno”. Finalmente se uso una tarifa de dos entradas para estimar el volumen de cada uno de los árboles delineados por el algoritmo. Por agregación de los valores de volumen individual se obtuvieron estimaciones de volumen a nivel de parcela.

Palabras clave: tarifa genérica, biomasa, LIDAR


46 Página Victor H. Gonzalez, Sandra Bujan, et.al.

ABSTRACT

Currently, forest degradation and deforestation has increased the share of anthropogenic gases, as well as the loss of lora and fauna. To understand the importance of forests in the natural cycle of the planet it is important to quantify their coverage. The use of remote sensors such as LiDAR can provide valuable information on the Earth’s surface. The precision that these data provide allows for its use for multiple applications, including the classiication of the land surface, the estimation of forest parameters at the level of mass or individual tree and biomass estimation. With this in mind, the aim of this paper is to estimate the volume of Pinus Radiata D. Don in the municipality of Guitiriz. In order to do this, density LiDAR data (8 pulses m-2) data, an aerial orthophoto of PNOA with 0.25 m resolution topographic and mensuration ield.In the irst phase of methodology a systematic sampling designing was developed, in which an orthophoto of the study area for the delimitation of 96 circular plots that formed the reference ield was used. The second phase was conducted using LiDAR data, from which the Digital Elevation Models (DEM) and Digital Surface Models (DSM) for each plot were obtained. By algebraic difference between the two previous the Digital Canopy Models (MDC) were obtained, the latter were used as input data in the canopy delineation algorithm. The result of delineation and measurement of trees replace the traditional forest inventory work in the ield. Therefore, the resulting information will be taken as “data ield”. Finally, a rate of two inputs to estimate the volume of each of the trees outlined by the algorithm was used. By aggregating of the values of individual volume, volume estimates at a plot level were obtained.

Key words: generic rate, biomass, LiDAR

INTRODUCCIÓN

En la actualidad las tasas de deforestación y degradación han alcanzado niveles alarmantes (Sala et al., 2000), estos cambios han sido causados principalmente por las actividades humanas, producto de la agricultura y ganadería entre otros. También, ha generado un incremento en la cuota de gases antropogénicos de efecto invernadero, especialmente las emisiones de CO2 (Olander, 2008; Saatchi et al., 2011). Como consecuencia de este fenómeno, se ha detectado incrementos en la temperatura terrestre, ocasionando la pérdida de biodiversidad (Thomas et al., 2004). Para mitigar estos problemas es necesario comprender la importancia de los bosques dentro del ciclo natural del planeta, así como; conocer su ubicación y cuantiicar su cobertura. En este contexto los sensores remotos juegan un papel importante en la tarea de identiicación y cuantiicación de los recursos forestales, estos pueden ser usados como una herramienta que permite tener un panorama global de lo que sucede con la cobertura terrestre (Rosenqvist et al., 2003). El empleo de sensores remotos como el LiDAR (Light Detection and Ranging) pueden aportar información valiosa de la supericie terrestre. LiDAR aerotransportado es una tecnología de teledetección activa, basada en la emisión de pulsos laser desde una plataforma aérea hacia la supericie terrestre y la medición del tiempo de retorno del pulso, lo que permite calcular la distancia entre el sensor y la supericie (Lillesand, 2005). Un sensor LiDAR es capaz de capturar múltiples retornos para cada uno de los pulsos emitidos sobre el terreno. De ahí que el uso de los sistemas LiDAR permite levantar información tridimensional (coordenadas x, y, z) de la cobertura de la tierra y de los objetos situados encima de ella (Lillesand, 2005; NOAA, 2013) (Figura. 1).

Estimación de volumen a partir de datos lidar Página 47

Un sistema LiDAR que emite 8 pulsos por m-2 puede recibir por lo menos 16 retornos por m-2 al captar el primer y último retorno; en el sistema LiDAR esto es considerado como resolución media, sin embargo representa una elevadísima resolución si lo comparamos con la que se puede obtener con otros sensores remotos.

Figura. 1. Sobrevuelo para adquirir datos LiDAR y superposición de datos sobre el terreno en 3 dimensiones. Fuente: Adaptado de McGaughey (2013).

En los sistemas LiDAR, en función del tiempo y la intensidad de la señal de retorno puede deducirse una información muy signiicativa sobre el tipo de cubierta presente en la zona de estudio (Chuvieco, 2008). La gran precisión que poseen estos datos permite su uso para múltiples aplicaciones, por ejemplo obtener Modelos Digitales del Elevaciones (MDE), contornos topográicos (Lillesand, 2005), Modelos Digitales de Supericie (MDS), Modelos Digitales de Copa (MDC), clasiicaciones de la supericie terrestre (Barreiro-Fernandez et al., 2010; Chuvieco, 2008), estimación de parámetros forestales a nivel de masa (Gonzalez-Ferreiro et al., 2013) y a nivel de árbol individual (Orka et al., 2009; Gonzalez-Ferreiro et al., 2013), entre ellos la biomasa (Hyyppä et al., 2004; Zaldo et al., 2010; Gonzalez-Ferreiro et al., 2013). El objetivo de este trabajo es usar datos LiDAR para estimar el volumen de la especie Pinus radiata D. Don en el municipio de Guitiriz; los mismos parámetros usados para el cálculo de volumen pueden ser usados en futuras investigaciones para estimaciones de biomasa y en cálculos de secuestro de CO2.

ZONA DE ESTUDIO Y DATOS

El estudio fue desarrollado en el municipio de Guitiriz, que está situado en el centro de Galicia, al nor-oeste de España, (Fig. 2). El área de estudio cubierta es de 36 km2 (Figura. 3), aproximadamente el 45% del área comprende plantaciones de P. radiata, caracterizado por una alta densidad y la presencia de matorral alto (Gonzalez-Ferreiro et al., 2013).


Figura. 2. Zona de estudio Guitiriz, ubicada al nor-oeste de España, región de Galicia. 2012

En el presente estudio se trabajó con una ortofotografía de la zona, levantada en el 2007 por el Plan Nacional de Ortofotografía Aérea de España (PNOA) a una resolución de 0.25 m (Figura. 3). Los datos LiDAR usados corresponden a datos de resolución media coincidentes con la supericie de la ortofotografía. Estos fueron adquiridos en septiembre del 2007 y se utilizó el sistema Optech ALTM 3025, operado a 1064 nm, con una tasa de repetición laser de 25 kHz, una frecuencia de escaneo de 200 Hz, un ángulo máximo de escaneo de ±17°, y una altura de vuelo de 1300 m sobre el nivel del mar. El solape fue del 60% con una densidad de muestreo máxima de 8 pulsos m-2 (González- Ferreiro et al., 2013).

Adicionalmente se usó información correspondiente al parcelario levantado para el municipio de Guitiriz en el 2007 (SEC, 2013), esta sirvió para la validación de los diferentes tipos de cobertura en la fase de fotointerpretación de las parcelas.

Conjuntamente con la captura de los datos LiDAR de alta resolución se realizó un inventario que incluye un total de 575 pies sobre el área de estudio, estos datos corresponden a la especie P. radiata. El inventario incluye la altura de cada árbol, así como el diámetro medio a la altura nominal de 1.3 m.


Figura 3. Ortofotografía de la zona de estudio, su extensión coincide con la cobertura de datos LiDAR, la supericie incluye diversas coberturas vegetales. En color rojo la delimitación de los sitios correspondientes a las parcelas seleccionadas.

METODOLOGÍA

Para determinar la ubicación de las parcelas del estudio se usó la ortofotografía de la zona de estudio, conjuntamente con ésta, se utilizó como información auxiliar una capa del parcelario de Guitiriz, la cual sirvió en las primeras etapas para comprobar que las parcelas escogidas coincidan con el uso de la tierra requerido para el estudio; masas de P radiata. Además, se generó cartografía vectorial para delimitar cada una de las parcelas, la misma que luego se usó como máscara para el recorte de los datos LiDAR (Figura. 4). Para la selección de las parcelas se escogió áreas circulares (Orka et al., 2009), a partir de las cuales se generó la cartografía vectorial. El área de cada parcela corresponde 0.12 ha.Se seleccionó un total de 96 parcelas de cobertura vegetal, de las cuales mediante el proceso de fotointerpretación se constató que 72 corresponden a cobertura de la especie P. radiata; de estas 38 pertenecen a parcelas relativamente jóvenes y 34 maduras. Estas últimas fueron usadas para aplicarles el algoritmo de delineación de copas desarollado por GonzálezFerreiro et al. (2013).

Los datos LiDAR han sido tratados usando el software FUSION V. 3.30, desarrollado por el Forest Service Department of Agriculture (McGaughey, 2013). El proceso de los datos LiDAR se inició con la obtención de la nube de puntos para las parcelas seleccionadas, para ello se recortó la nube de puntos de datos LiDAR con los datos vectoriales generados que identiicaban los limites de cada una de las parcelas. El siguiente paso consistió en la revisión de los datos para comprobar que dentro de los mismos no existan valores atípicos en la variable de elevación. Para este paso se procedió a generar histogramas de la nube de puntos LiDAR de cada parcela, determinándose el rango de elevación de los datos y sus valores normales mínimos y máximos. Los valores atípicos fueron eliminados. A continuación se procedió a iltrar la nube de puntos para determinar cuales pertenecen al


terreno y cuales a la vegetación (Figura. 4a). Finalmente, se generó un MDE para cada parcela a partir de la interpolación de los puntos clasiicados como terreno (Figura. 4b). La validación del MDE fue realizada usando puntos de control en terreno.

Figura 4. Modelos digitales desarrollados a partir de los datos LiDAR. a) Modelo digital de terreno, b) modelo digital de Supericie.

Con los puntos clasiicados como vegetación y mediante interpolación se generó el Modelo Digital de Supericie (MDS), el cual representa la elevación de la vegetación.

A partir de la diferencia del MDS y del MDT se puede extraer el Modelo Digital de Copas (MDC). Este último representa la altura normalizada (respecto al nivel del terreno) de los objetos que se encuentran sobre el suelo; en este caso representa la altura de la vegetación. Los MDC de cada parcela serán los datos de entrada en el algoritmo de delineación de árbol individual desarrollado por González-Ferreiro et al. (2013). Se ha utilizado Deiniens Developer 7.0® para ejecutar este algoritmo.

En el caso de que la morfología sea muy complicada se pueden presentar problemas en la delimitación de la copa de cada árbol, esto debido a la elevada presencia de individuos, en donde unos están cerca de otros (Figura. 5). Esto se produce porque las copas de los árboles detectados se confunden o fusionan entre si. En bosques donde no existe una cantidad elevada de individuos o éstos tienen una distribución simétrica no existen complicaciones (Figuras. 6 y 7).


Figura 5. Resultado de ejecutar el algoritmo de delineación de copas de González- Ferreiro et al. (2013). Dentro de la parcela circular se observan los modelos de copa. El punto representa el ápice y corresponde al punto más alto de cada copa.

Figura. 6. Ejemplo de visualización de datos LiDAR para un árbol individual. A partir de los datos capturados se puede estimar parámetros de árbol individual como su altura.

Figura 7. Ejemplo de visualización tridimensional de datos LiDAR; en el terreno se presenta una vegetación dispersa. En casos similares no se tendrá problemas de detección de copas al correr modelos de árbol individual.

El resultado de la delineación de copas es la deinición de la posición del ápice de cada árbol, de la forma de su copa y de su altura. (Figura. 5). Un parámetro importante que no es posible obtener directamente a partir de la aplicación del algoritmo es el diámetro del tronco a la altura de 1.3 m. Sin embargo, esta variable puede ser estimada mediante


la aplicación de modelos de regresión ajustados con datos de campo. Para ajustar estos modelos de diámetro se utilizaron las mediciones de 575 individuos de P. radiata. Como resultado es posible estimar el diámetro de cada árbol en función de su altura. Las gráicas de los distintos modelos de regresión probados se pueden ver en la Figura. 8. Para la estimación del diámetro se usó la ecuación (1) correspondiente al modelo 8f, ya que fue el que mejor R2 arrojó:

(1)

Donde:d= diámetro a la altura del pecho (1.3 m), expresado en cm.h= altura del árbol, expresada en m (Fig. 6).

A partir de los resultados numéricos de la altura estimada con el algoritmo de delineación de copas y con el modelo de diámetro de árbol individual (1) es posible determinar el volumen (V) para cada árbol. Para el cálculo de volumen se usó la ecuación (2), desarrollada por Dieguez-Aranda et al. (2009). A continuación, el valor del volumen para cada parcela fue calculado por medio de la agregación de todos los individuos de la parcela. �=�

0.�.�

1.ℎ.�

2 (2)

Donde:V = Volumen, expresada en m-3�0= .8 .�1= .88�2= .

d= diámetro a la altura del pecho (1.3 m), expresada en cm.h= altura del árbol desde la supericie del terreno, expresada en m.

RESULTADOS

La validación del MDE se realizó mediante el mejor ajuste de los parámetros del método usado para la interpolación en el software FUSION. Esta validación se la realizó tomando los puntos de LiDAR de una parcela versus los puntos de control tomados en campo correspondientes al terreno y a objetos sobre el terreno. En la Tabla 1 se puede ver los resultados. El MDE tiene una precisión del 95.7% y el 4.3% corresponde a errores de clasiicación.

Para estimar el valor del diámetro de cada árbol se usaron los valores de los 575 individuos de P. radiata correspondientes a datos-terreno. La función que mejor se ajusta a la estimación del diámetro en función de la altura se encuentra en la Fig. 8f, con un valor de R2 = 0.81.


Figura. 8. Modelos de regresión lineal para la estimación del diámetro de árbol a partir de su altura. a) modelo exponencial, b) Modelo lineal, c) Modelo logarítmico, d) Modelo polinómico de 2do grado, e) Modelo polinómico de 3er grado, f) Modelo potencial.

Tabla 1. Resultados de la validación del MDT.

Variable Valores

Puntos MDE parcela 41758

Puntos de control terreno 326

Puntos de control no-terreno 131

Acierto puntos de control terreno (%) 95.71

Error puntos de control terreno (%) 4.29

Aciertos puntos de control no-terreno (%) 100

Error puntos de control no-terreno (%) 0


Los valores obtenidos mediante la ecuación (2) están en función de los parámetros obtenidos de los datos LiDAR. El valor medio del volumen obtenido para las parcelas seleccionadas fue de 20 m3. El valor máximo encontrado por parcela corresponde a aproximadamente 58 m3 y el valor mínimo es de 5,6 m3 (Tabla 2).

Tabla 2. Resultados parcelas con parámetros de árbol individual y volumen total por parcela.

ParcelaÁrboles

(número)Altura mín-

ima (m)Altura máx-

ima (m)Altura

media (m)Diámetro

mínimo (cm)

Diámetro máximo (cm)

Diámetro me-dio (cm)

Volumen total (m3)

1 55 10,960 25,780 20,080 13,60 36,31 27,32 29,820

2 66 6,545 19,156 15,687 7,52 25,81 20,57 15,786

3 45 10,743 26,752 21,316 13,28 37,88 29,28 30,247

4 23 6,790 22,018 14,824 7,85 30,28 19,40 5,965

5 43 7,680 26,552 19,159 9,03 37,55 25,90 20,565

6 53 6,305 22,849 18,061 7,20 31,60 24,19 20,619

7 30 11,850 27,714 22,587 14,87 39,44 31,25 23,325

8 41 14,833 31,991 25,057 19,24 46,51 35,22 44,847

9 37 13,619 28,333 23,349 17,44 40,46 32,47 32,015

10 25 13,130 27,702 21,066 16,73 39,43 28,85 15,758

11 24 9,675 25,991 18,929 11,78 36,64 25,66 12,808

12 72 10,236 17,641 13,797 12,57 23,48 17,72 11,287

13 51 9,860 22,905 16,231 12,04 31,69 21,43 15,117

14 41 6,378 24,013 15,179 7,30 33,46 19,83 9,798

15 47 4,231 25,068 18,705 4,55 35,15 25,24 21,670

16 43 13,973 27,007 21,569 17,97 38,29 29,63 28,742

17 61 9,486 21,284 17,771 11,51 29,13 23,71 21,615

18 41 6,546 18,678 12,528 7,52 25,07 15,94 5,569

19 55 8,719 27,534 16,324 10,45 39,15 21,59 17,840

20 42 4,636 23,690 16,535 5,06 32,94 22,07 15,774

21 37 11,683 29,077 22,199 14,63 41,68 30,67 28,084

22 45 12,114 26,373 21,721 15,25 37,26 29,87 30,661

23 57 12,051 26,383 21,281 15,16 37,28 29,17 36,089

24 53 14,452 28,357 22,237 18,67 40,50 30,69 39,149

25 26 17,316 26,326 22,357 22,98 37,18 30,86 19,100

26 39 3,967 29,468 21,556 4,23 42,32 29,72 27,957

27 62 6,130 18,876 14,400 6,97 25,38 18,66 12,004

28 53 16,460 30,449 25,306 21,68 43,95 35,59 57,910

29 73 13,710 20,290 17,381 17,58 27,57 23,10 23,658

30 59 11,971 22,897 18,744 15,04 31,68 25,22 25,134

31 38 11,079 28,012 20,718 13,76 39,93 28,41 25,585

32 50 14,745 27,469 21,676 19,11 39,04 29,80 33,862

33 33 7,825 23,434 18,283 9,23 32,53 24,53 13,344

34 45 3,214 17,394 12,677 3,32 23,10 16,14 5,969


DISCUSIÓN

En el presente estudio, se ha abordado el tratamiento de datos LiDAR para la estimación de volumen de la especia Pinus radiata D. Don en el Municipio de Guitiriz al nor-oeste de España. Para lo cual se ha trabajado con datos LiDAR de alta resolución. En el desarrollo de la investigación se ha trabajado en la elaboración de distintos modelos de datos como MDE, MDS y MDC, comprobando que con los datos LiDAR de densidad media se puede generar Modelos Digitales del Terreno de alta precisión. La base fundamental del proceso consistió en la elaboración del MDE por medio de la obtención de los puntos del terreno y la interpolación de los mismos. Para valorar la iabilidad del modelo obtenido se realizó una validación. En esta se obtuvo un resultado del 95.7% registrado en la Tabla 1. Esto indica la exactitud del modelo al clasiicar los datos del terreno.Usando el MDC como entrada en el algoritmo de identiicación de árbol individual se pudieron llegar a determinar de forma adecuada los parámetros de modelo de copas y altura para el árbol individual. Pese a no poder estimar el dato correspondiente al diámetro del tronco, éste puede ser estimado con datos generados a partir de LiDAR. Finalmente, con la ayuda de la ecuación desarrollada para P. radiata se ha podido obtener los valores de volumen para árbol individual y se ha estimado el valor de volumen por parcela mediante la agregación de cada árbol presente en la parcela.Los valores de volumen obtenidos para las parcelas relejan la madurez que tiene cada una de las parcelas así como; el número de árboles presente (Tabla 2). Los valores registrados para el mínimo volumen son 5 m3, y un máximo de 58 m3. El valor medio corresponde a 20 m3. Los resultados de volumen obtenidos son relativamente bajos, lo que se debe a la madurez de las parcelas, las cuales tienen un valor medio de altura de alrededor de los 20 m. Basados en curvas hipsométricas (Dieguez-Aranda et al., 2009), se puede deducir que las parcelas poseen vegetación de P. radiata con una edad menor a los 20 años.Un avance signiicativo del uso de datos LiDAR es que se puede realizar automáticamente la identiicación del árbol individual en áreas extensas de bosque mediante un proceso totalmente autónomo, sin pérdida de exactitud. La gran ventaja de este método es la mejora en el tiempo de proceso. Los inventarios sistemáticos programados para grandes áreas pueden reducir los costes y permitir tener un registro continuo del cambio que sufre la masa vegetal a través del tiempo.

AGRADECIMIENTOS

El presente trabajo ha sido inanciado por el Proyecto ECUIDIT, gracias al cual se ha realizado una estancia de investigación en la Universidad Santiago de Compostela - España. Así mismo, en este trabajo se ve plasmada la colaboración desinteresada y el inmenso apoyo moral y cientíico brindado por los integrantes de LaboraTe. Finalmente, agradezco a la Universidad Técnica Particular de Loja por brindar las facilidades para realizar la estancia de investigación.


REFERENCIAS

Barreiro-Fernandez L., Garcia-Gutierrez J., Gonzalez-Ferreiro E., Bujan-Seoane S., Goncalvez-Seco L., Miranda D. 2010. Land cover classiication of forest areas using LiDAR and spectral data. Operational tools in forestry using remote sensing techniques. Editado: David Miranda, Juan Suarez, Rafael Crecente. Foresat.

Chuvieco, E., 2008: Teledetección Ambiental – La observación de la Tierra desde el espacio, España, Ariel Ciencia, 3era edición.

Diéguez-Aranda, U., Rojo-Aloreca, A., Castedo-Dorado, F., Álvarez-González, J.G., Barrio-Anta, M., Crecente-Campo, F., González-González, J.M., Pérez-Cruzado, C., Rodríguez-Soalleiro, R., LópezSánchez, C.A., Balboa-Murias, M.A, Gorgoso-Varela, J.J., Sánchez-Rodríguez, F. 2009 .Herramientas selvícolas para la gestión forestal sostenible en Galicia. Xunta de Galicia. ISBN: 978-84-692-7395-.

McGaughey, R. 2013. FUSION/LDV: Software for Lidar Data Analysis and Visualization. Seattle, WA: US Department of Agriculture, Forest Service.

González-Ferreiro, E., Diéguez-Aranda, U., Miranda, D. 2102a. Estimation of stand variables in Pinus radiata D. Don plantations using different LiDAR pulse densities. Forestry; vol 85; p. 281 – 292.

González-Ferreiro, E., Diéguez-Aranda, U., Gómez-Vázquez, I., Crecente-Campo, F., Miranda, D., Buján, S., Barreiro-Fernández, L., Castedo-Dorado, F. 2012b. Using the PNOA low density lidar data for assessing Pinus radiata D. Don stand Volumen. ForestSAt.

González-Ferreiro E., Dieguez-Aranda U., Barreiro-Fernandez L., Bujan S., Barbosa M., Suarez J., Bye I., Miranda D. 2013. A mixed pixel– and region -based approach for using airborne laser scanning data for individual tree crown delineation in Pinus radiata D. Don plantations. International Journal of Remote Sensing, Vol. 34No 21, p. 7671 – 7690.

Hyyppä, J., Hyyppä, H., Litkey, P., Yu, X., Haggrén, H., Rönnholm, P., Pyysalo, U., Pitkänen, J., Maltamo. M. 2004. Algorithms and Methods of Airborne Laser-Scanning for Forest Measurements. ISPRS Archives, Volume XXXVI-8/W2.

Lillesand T. Kiefer, R., Chipman, J. 2004. Remote Sensing and image interpretation. USA, WILEI.

NOAA. http://oceanservice.noaa.gov/facts/lidar.html Accesado 2013Olander, L.P., Gibbs, H.K., Steininger, M., Swenson, J.J. and Murray, B.C. 2008. Reference

scenarios for deforestation and forest degradation in support of REDD: a review of data and methods. Environ. Res. Lett. 3 (11 pp).

Orka, H., Naesset, E., Bollandsas, M.O. 2009. Classifying species of individual trees by intensity and structure features derived from airborne laser scanner data. Remote Sensing of Environment, 113 p. 1163–1174.

Rosenqvist, A., Milne, A., Lucas, R., Imhoff, M., Dobson, C. 2003. A review of remote sensing technology in support of the Kyoto Protocol. Environmental Science & Policy 6, p. 441-455.

Saatchi, S., Harris N., Harris, L., Brown, S., Lefsky, M., Mitchard, E., Zutta, B., Buermann, W., Lewis, S., Hagen, S., Petrova, S., Salas, W., White, L., and Morel, A. 2011. Benchmark map of forest carbon stocks in tropical regions across three continents. PNAS, Vol. 108, N° 24, p. 9899-9904.

Sala, O.E., Chapin, F.S., Aemesto, J.J., Berlow, E., Bloomield, J., Dirzo, R., Huber - Sanwald, E. Huenneke, L.F., Jackson, R.B. Kinzing, A., Leemans, R., Lodge, D.M., Mooney, H.A., Oesterheld, M. LeRoy Poff, N., Sykes, M.T., Walker, B.H., Walker, M. and Wall, D.H. 2000.


Global biodiversity scenarios for the year 2100. Science, 287, p. 1770 – 1774.SEC. http://www1.sedecatastro.gob.es/ Accesado 2013Thomas C.D., Cameron A., Green R. E., Bakkenes M., Beaumont L. J., Collingham Y. C.,

Erasmus B. F. N., Ferreira M., Graiger A., Hannah L., Hughes L., Hubtley B., Jaarsveld A., Midgley G. F., Miles L., Ortega-Huerta M. A., Townshend A., Phillips O. L., Williams S. E. 2004. Extinction risk from climate change. Nature, Vol 427, 145-148.

Zaldo, V., More, G., Pons, X. 2010. Estimación y cartografía de parámetros ecológicos y forestales en tres especies (Quercus ilex L. subsp ilex, Fagus sylvatica L. y Pinus halepensis L.) con datos LiDAR. Revista de Teledetección. ISSN: 1988-8740. 34: p.55-68.

MONITOREO DE BOSQUES UTILIZANDO NDVI REDEDGE DE RAPIDEYE

CASTRO MACÍAS DOMINGO RAFAELCONSULTORA EN GEOTECNOLOGÍAS CONSULTGEO CÍA. LTDA., JUAN SEVERINO 155 Y DIEGO DE ALMAGRO EDIFICIO ARGENTINA PLAZA OF. 204 - QUITO, ECUADOR; [email protected]


RESUMEN

Para el monitoreo de Bosques se plantea utilizar la tecnología geoespacial mediante la detección de cambios utilizando un método substractivo con el índice de vegetación de diferencia normalizada RedEdge, la cual es una relación entre las bandas espectrales RedEdge e infrarrojo cercano, la banda espectral RedEdge es característica del sensor RapidEye, la cual está diseñada para detectar la salud y el vigor de la vegetación de manera más precisa y exacta. La detección de cambios con este índice permite identiicar alteraciones del bosque en el tiempo como: deforestación, degradación y regeneración; en la mayoría de estudios realizados únicamente se identiicaba la deforestación porque no se contaba con imágenes de adecuadas características espaciales, espectrales, radiométricas y temporales como la tecnología Rapideye. Utilizando dos imágenes RapidEye en distintas épocas y con el tratamiento adecuado se obtuvo como resultado la detección de zonas degradadas, deforestadas y regeneradas en el bosque.

Palabras clave: Bosques, RedEdge, RapidEye, NDVI.

ABSTRACT

Remote Sensing technology is thought out for Forest monitoring, through the detection of changes using the subtractive method in the vegetation index of RedEdge normalized difference, which is a direct relation between RedEdge spectral band and near-infrared, RedEdge spectral band is a characteristic of the RapidEye sensor, which is designed to detect health and vigorousness in vegetation with more precision and correctness. The detection using this index allows identifying time alterations in forests like: deforestation, degradation and regeneration; in most studies realized you could only identify deforestation because of the lack of imaging with spatial, spectral, radiometric and temporary characteristics like the ones available in RapidEye Technology. Using two RapidEye images from a different time period and with the adequate image processing a detection of degraded, deforested and regenerated zones where obtained in the forest.

Key words: Forests, RedEdge, RapidEye, NDVI.


Monitoreo de bosques utilizando NDVI rededge de rapideye Página 59

INTRODUCCIÓN

En la actualidad no existe una herramienta tecnológica espacial que permita el monitoreo de Bosques Tropicales para detectar anomalías dentro de los mismos, de acuerdo a las dinámicas que se presentan en dicho ecosistema en nuestro país. En ese sentido, lo que se ha venido realizando es determinar focos de deforestación con ventanas de tiempo muy extensas, donde únicamente se detecta las grandes áreas deforestadas, las cuales están claramente identiicadas; sin embargo esto no detecta la degradación del bosque, tema que es preocupante en la salud de los bosques.

Actualmente existe la tecnología Rapideye cuyo principal objetivo es el monitoreo de coberturas. RapidEye es una constelación de 5 satélites identicos que monitorean la tierra permitiendo obtener imágenes de cualquier parte del planeta cada 24 horas, y cuenta con las características técnicas adecuadas en cuanto a su resolución espacial, espectral, radiométrica y temporal, para un proyecto de monitoreo, características que se presentan más detalladamente en el siguiente capítulo.

Entre las bondades de esta constelación de satélites, éstas nos permiten obtener imágenes sin nubes en zonas de difíciles condiciones climáticas de nuestro país debido a la alta temporalidad con la que cuenta este tipo de imágenes; además, de su resolución espacial y radiométrica muy aptas para detectar anomalías en bosques densos como los bosques tropicales, lo que otros sensores no pueden hacer.

Una de las características más relevantes es la presencia de la banda RedEdge, esta es una característica única que se distingue en los satélites de RapidEye con relación a la mayoría de los otros satélites multiespectrales.

La relevancia de la región espectral RedEdge para la caracterización de la vegetación ha sido reconocida durante muchos años; varios estudios han sugerido que la transición entre la absorbancia de color rojo y la relexión de infrarrojo cercano (NIR), es capaz de proporcionar información adicional sobre la vegetación y sus características.

AREA DE ESTUDIO

El área de estudio tiene una supericie de 1781,08 hectáreas, se ubica en la amazonia ecuatoriana en la provincia de Sucumbíos, Cantón Cuyabeno, Sector Tarapoa; esta zona se caracteriza por su alta dinámica en deforestación por el avance de la frontera agrícola, y además muy importante, una porción de ésta es parte del patrimonio forestal del estado, a continuación se muestra el área de estudio representada en color amarillo en la siguiente igura 1:

60 Página Castro Macías Domingo Rafael

Figura 1. Área de estudio

MARCO TEÓRICO

IMAGEN MULTIESPECTRAL RAPIDEYE Y LA BANDA REDEDGE

RapidEye es un proveedor de información geoespacial que se concentra en proporcionar soluciones personalizadas integradas a los procesos de clientes mundiales en la agricultura, la silvicultura, la energía, la seguridad y otros mercados asociados. RapidEye posee una constelación de cinco satélites idénticos para la observación de la Tierra con la cual ejecuta su modelo de negocios. (RAPIDEYE, 2010)

RapidEye posee una gran ventaja al disponer de una combinación inigualable de cobertura de grandes áreas, intervalos de revisita frecuentes, y capacidad de tomar imágenes multiespectrales de alta resolución, a continuación se presenta las especiicaciones técnicas en la siguiente tabla 1:


Tabla 1. Características técnicas de RapidEye

Fuente: RapidEye, 2010

Todos los productos RapidEye son colectados en imágenes de 12 bits; durante el procesamiento en tierra, correcciones radiométricas se aplican a las imágenes y se escalan hasta un rango de 16 bits. El escalado se realiza con un factor constante que convierte los números digitales (ND) de los pixeles (relativa) del sensor en valores directamente relacionados con radiancias absolutas. El factor de escala se determinó inicialmente en el pre-lanzamiento; sin embargo, la calibración radiométrica absoluta para cada elemento del sensor de cada banda está ahora controlada y ajustada continuamente. Este factor se aplica de manera que los valores de números digitales individuales resultantes corresponden a 1/100th de un Watt/m2 sr-1 um-1.

La banda RedEdge es espectralmente situada entre la banda roja y la banda NIR sin solapamiento. En una respuesta espectral típica de la vegetación verde, la banda RedEdge cubre la porción del espectro donde la relectancia aumenta drásticamente de la parte roja hacia el infrarrojo cercano, tal como se muestra en la siguiente igura 2:


Figura 2. Respuesta espectral de coberturas en la bandas de RapidEyeFuente: RapidEye

La porción del rojo es una de las áreas en las que la cloroila absorbe fuertemente la luz y el NIR es donde la estructura celular de la hoja produce una fuerte relexión (línea verde en la Figura 1). Por lo tanto, las variaciones tanto del contenido de cloroila y la estructura de la hoja a menudo se relejan en la banda de RedEdge. En consecuencia, varios estudios han sugerido que esta banda es capaz de proporcionar información adicional a in de identiicar los tipos de plantas, la nutrición, el estado de salud, caracterizar la cobertura vegetal y la abundancia, entre otras.


DETECCIÓN DE CAMBIOS

La detección de cambios es una técnica que compara imágenes de una misma área geográica en diferentes momentos (multitemporal / multiestacional), resaltando las zonas que han cambiado. Hay dos formas de detección de cambios: absolutas y relativas. La detección de cambios absoluta, destaca especíicamente lo que ha cambiado, por ejemplo, los bosques en pastizales. La detección de cambios relativa, muestra que algo ha cambiado, pero no especiica a que cambió. Esta metodología de detección de cambios relativa proporciona un método más rápido con una ágil comparación de las imágenes para una adecuada gestión y toma de decisiones.

IMAGEN DE REFLECTANCIA

La relectancia es generalmente la proporción de la radiancia relejada dividida por la radiancia entrante. Para pasar de radiancia a relectancia es necesario relacionar los valores de radiancia (los valores digitales de los píxeles) con la radiancia con la que el objeto es iluminado. Esto menudo se lleva a cabo aplicando una corrección atmosférica a la imagen, ya que de esta manera el impacto de la atmósfera en los valores de radiancia es eliminado al mismo tiempo. (RAPIDEYE, 2010)

PIXELES PUROS (ENDMEMBERS)

Los Endmembers son materiales espectralmente puros, únicos, que se producen en una escena, ya que el valor espectral de un pixel en sí, representa una mezcla de materiales. Es decir un píxel puro es aquel que, es muy cercano al que contiene solamente un material espectralmente único. (EXELISVIS, 2010)

CORRECCIÓN ATMOSFERICA - MODELO QUAC

QUAC (Quick Atmospheric Correction) es un modelo avanzado que utiliza un espectro medio de los endmembers en lugar de la desviación estándar para deinir la escala. QUAC asume una ecuación lineal de transporte de radiación en el que los valores de datos se transforman en espectros de relectancia a través de un espectro de desplazamiento, o línea base y un espectro de ganancia. Esta línea base se determina los valores mínimos de los pixeles en cada banda espectral, que normalmente se producen con la sombra, cuerpos de agua o la vegetación de color verde oscuro. (EXELISVIS, 2010)

El modelo se describe a continuación en la siguiente igura 3:


Figura 3. Modelo QUACFuente: Exelisvis

CO-REGISTRO DE IMÁGENES

Este proceso alinea geométricamente dos imágenes de diferente geometría de toma y/o diferentes distorsiones del terreno en un mismo sistema de coordenadas. El Co-registro se realiza mediante la identiicación de puntos homólogos entre las dos imágenes (tie points). A continuación la deformación de una imagen es corregida sobre la base de estos puntos de conexión con la imagen base (imagen de mayor precisión geométrica). Al realizar este procedimiento de forma manual, consume mucho tiempo, al hacerlo de forma automática se pueden rápidamente generar puntos homólogos de tal manera, que el registro de imágenes es un paso rápido en el lujo de trabajo.

NDVI

El Índice de vegetación de diferencia normalizada, también conocido como NDVI por sus siglas en inglés, es un índice usado para mostrar la salud de la vegetación, generalmente el NDVI puede revelar patrones de salud de las plantas que pueden no ser evidentes en


el color natural de las imágenes . El fundamento cientíico detrás de un NDVI se basa en la presencia de cloroila en la vegetación de plantas sanas. En una planta vigorosa y saludable, la cloroila está absorbiendo la energía del sol en la banda roja y convierte esto en los azúcares que necesita para crecer y prosperar. Esta misma cloroila releja la mayor parte de la energía del sol que cae en el espectro del NIR (infrarrojo cercano). Como tal, una planta sana tiene una alta relación entre el NIR y el rojo que puede ser detectada por satélites como RapidEye. (RAPIDEYE)

Para calcular este índice se utiliza la siguiente expresión:

(1)

NDVI REDEDGE

El NDVI RedEdge (borde del rojo) se calcula para cada píxel utilizando la banda espectral RedEdge en lugar de la banda roja, con este nuevo índice se puede visualizar como una imagen coloreada compuesta, que la vegetación sana es de color rojo, vegetación menos sana es de color naranja a amarillo; y el resto de los colores representan las características de fabricación humana, suelo desnudo y el agua.

Con esta información espectral, el análisis de vegetación es más ino y eiciente, especialmente en la degradación del bosque. Para calcular el NDVI RedEdge se utiliza la siguiente fórmula:

(2)

UMBRAL DE CAMBIO

El umbral de cambio es un parámetro que ayuda a determinar las áreas que tienen gran cambio, al mismo tiempo este umbral, permite establecer que cambios son representativos, y cuales no lo son, para eliminar los que no corresponden a la realidad del análisis y a la escala de trabajo. Para establecer este umbral existen métodos automáticos y el método manual.

METODO OTSU’S

Es un método automático para determinar los umbrales de cambio en cuanto a incremento y decremento, este método se basa en la forma del histograma realizando un análisis discriminante, en donde utiliza el cero - y los momentos de primer orden acumulativo del histograma para calcular el valor del nivel de umbral.


METODOLOGÍA

El desarrollo metodológico del presente estudio se basa en el lujo de trabajo para detección de cambios del software de soluciones geoespaciales ENVI, el cual ha sido modiicado y adaptado para el presente análisis, cuyo principal objetivo es determinar una adecuada metodología para el monitoreo de bosques de acuerdo a la realidad de las dinámicas de degradación y deforestación que ocurren en nuestro país, la metodología propuesta se deine en la siguiente igura 4:

Figura 4. Metodología Monitoreo de Bosques


Para el análisis de detección de cambios se utilizó una imagen RapidEye tomada en enero del año 2010 y una imagen RapidEye tomada en marzo del 2010; la multitemporalidad adecuada (tres meses) de las imágenes es muy importante para detectar la degradación del bosque. Previo al ingreso de las imágenes, éstas fueron enmascaradas manualmente (nubes y sombras de nubes) para no tener cambios falsos en nuestro proceso. Dentro del proceso del co-registro se utilizó como imagen base, la imagen de mayor precisión geométrica la cual corresponde a la imagen Rapideye de enero de 2010.Una vez obtenidos los resultados de cambio y veriicados, estos son transformados a un formato que permita ser visualizado a través de un sistema en línea, se lo puede hacer en las herramientas gratuitas disponibles en el mercado como Google Earth, o a través de un poderoso sistema comercial como el ArcGis Server, el mismo que permite crear, administrar, distribuir los servicios GIS en la web, y además generar tanto de aplicaciones en línea y móviles. En ese sentido, cualquier sistema que se implemente, el objetivo es que pueda ser visualizado por los organismos de control o autoridades competentes para la toma de decisiones y la gestión sobre ese cambio de manera ágil y rápida.

RESULTADOS

Como primer insumo se ha obtenido la imagen de relectancia para cada época, utilizando el modelo QUAC se ha observado que la media de los espectros de relectancia endmembers, mientras que no es plano, tiende a ser bastante consistente entre las escenas de las coberturas bastante complejas y muy robustas con respecto al número de endmembers seleccionados y los detalles del método de selección endmembers. Este resultado permitió determinar el comportamiento de un bosque, analizando las irmas espectrales del bosque, las cuales nos permitieron identiicar las zonas deforestadas, degradadas y regeneradas para generar un reporte de la realidad de la zona de estudio y su dinámica en el periodo de tiempo analizado. Los resultados y el análisis correspondiente se pueden encontrar en la siguiente igura 5:

Figura 5. Firmas espectrales


En un bosque degradado las irmas espectrales son similares en las dos épocas, sin embargo en la época 2 (imagen de marzo 2010) se aprecia una disminución de absorción en la banda del rojo y mayor relexión en el infrarrojo cercano con respecto a la época 1 (imagen de enero de 2010), lo cual determina una pérdida de biomasa, por lo tanto existe degradación en el bosque. Para deforestación y regeneración los cambios son evidentes, y visualmente son muy fáciles de identiicar.La imagen de diferencia resultante fue el producto de la sustracción del índice NDVI RedEdge tanto de la época 1 (fecha 1) como para la época 2 (fecha 2), este método se aprecia en la siguiente igura 6:

Figura 6. Método Substractivo NDVI RedEdge

Esta imagen de diferencia realza los cambios negativos detectados (color rojo) a nivel de biomasa, es decir esta imagen nos muestra claramente el decremento en la salud del bosque (degradación – deforestación), tal como se muestra en la siguiente igura 7:

Figura 7. Imagen de Diferencia


Esta imagen de diferencia fue umbralizada mediante el método automático Otsu’s para determinar el mapa de detección de cambios, este método fue el que dio mejores resultados en cuanto a la realidad de las dinámicas (deforestación – degradación – regeneración) en la zona de estudio, para aquello se presenta el resultado del análisis multitemporal en la siguiente igura 8:

Figura 8. Mapa de Detección de cambios

Finalmente, para complementar o enfatizar el análisis de detección de cambios, se efectuó una comparación entre el método substractivo con un NDVI y con un NDVI RedEdge, cuyos resultados se ilustran en la siguiente igura 9:

Figura 9. NDVI vs NDVI RedEdge


En bosques de vegetación densa (bosques tropicales) el NDVI tiende a saturarse dando como resultados cambios sobreestimados y disminuyendo la capacidad de detectar la degradación en la salud del bosque, mientras que con el NDVI RedEdge el análisis es más eiciente ya que disminuye la saturación y se detecta las alteraciones dentro del bosque de manera más precisa y coniable como se muestra en la igura 9.

ANALISIS DE RESULTADOS

Del análisis se obtuvo que la zona de estudio presenta una alta dinámica en cuanto a deforestación (15,20%), además de regeneración natural en un bajo porcentaje (4,10%), además se pudo detectar en zonas de patrimonio forestal del estado que existe degradación del bosque (1,10%), aunque es un valor bajo, es preocupante que exista una alteración del bosque en zonas de conservación, resultados que se ilustran en la siguiente igura 10:

Figura 10. Análisis de Resultados

Obtenidos los cambios estos fueron transformados y cargados en línea utilizando Google Earth para el acceso a dicha información, y utilizar dicha información para la gestión sobre el problema detectado, esto lo podemos visualizar en la siguiente igura 11:

Figura 11. Visualización en línea Google Earth


CONCLUSIONES Y RECOMENDACIONES

• Se concluye que esta metodología funciona bastante bien en bosques de vegetación densa como en los bosques tropicales de la amazonia y el chocó, los cuales tienen un estado fenológico siempreverde.• La utilización de un adecuado insumo en cuanto a sus características técnicas en cuanto a resolución espacial, espectral, radiométrica y temporal determinan que RapidEye es un excelente insumo para monitoreo de bosques.• Se determinó acertadamente que casi 20 hectáreas de bosque en conservación están siendo alteradas, por ende existe un proceso de degradación, lo cual evidencia la necesidad de implementar un monitoreo para una adecuada toma de decisiones.• Para identiicar “degradación” la temporalidad de imágenes no debe ser más allá de seis meses, y debe tomarse en cuenta el contexto geográico, esto debido a las dinámicas de cambio que existen en nuestro país, especialmente en los bosques tropicales.• La utilización de índices de vegetación requiere de un procesamiento adecuado de la imagen y la utilización de herramientas adecuadas como el software de soluciones geoespaciales ENVI 5, software que cuenta con algoritmos cientíicos probados permiten ejecutar eicientemente el monitoreo de bosques.• La utilización de la banda RedEdge en los índices de vegetación es más eiciente para identiicar la degradación del bosque que otros índices, ya que un índice tradicional se satura en vegetación densa dando como resultado una sobre estimación tanto en degradación como regeneración.• Los procesos de degradación no ocurren en todo el país, ocurren en zonas de conservación, zonas protegidas, y es en estas zonas donde debería concentrarse el monitoreo mediante esta metodología.• Paralelamente al monitoreo se debe implementar políticas que apunten a detener procesos ilegales e incentiven actividades para que los bosques puedan regenerarse.

REFERENCIAS

Achard, F. 2010. Monitoring of change in forest land remaining forest land. SOURCEBOOK , 2-28.

Achard, F., Brown, S., Brady, M., DeFries, R., Grassi, G., Herold, M., et.al. 2010. A sourcebook of methods and procedures for monitoring and reporting anthropogenic greenhouse gas emissions and removals caused by deforestation, gains and losses of carbon stocks in forests remaining forests, and forestation. Canada: GOFC-GOLD Project Oiice.

Adams, J. M. 1986. Spectral mixture modeling: a new analysis of rock and soil types at the Viking Lander 1 Site. J. Geophys. Res. 91 , 8098-8112.

Ambiente, M. 2010. Normalización radiométrica relativa automática para generar mosaicos Landsat 7 slc - off v1.

PUBLICACIÓN DE CONTAMINANTES ATMOSFÉRICOS DE LA ESTACIÓN DE MONITOREO DE LA CIUDAD DE CUENCA, UTILIZANDO SERVICIOS ESTÁNDARES OGC

CHESTER SELLERS; DANIELA BALLARI; DIEGO PACHECO; OMAR DELGADOINSTITUTO DE ESTUDIOS DE RÉGIMEN SECCIONAL DEL ECUADOR, UNIVERSIDAD DEL AZUAY. AV. 24 DE MAYO 7-77 Y HERNÁN MALO, CUENCA, AZUAY. [email protected], [email protected], [email protected], [email protected]


RESUMEN

La contaminación del aire ambiente es una constante amenaza para la salud humana y el ambiente, requiriendo la toma de decisiones respecto a la prevención, control y mitigación de sus impactos. Para tal in el GAD Municipal del cantón Cuenca, y en particular la Empresa Municipal de Movilidad Transito y Trasporte (EMOV-EP), dispone de una estación de monitoreo continuo de agentes contaminantes atmosféricos. Este sistema de monitoreo, sin embargo, presenta limitaciones relacionadas con la publicación de la información capturada, siendo actualmente publicada únicamente en medios impresos y almacenada sin publicación en la web. El objetivo de este trabajo es desarrollar un mecanismo para gestionar y publicar la información registrada en la estación de monitoreo continuo de agentes contaminantes atmosféricos para beneicio de autoridades locales, técnicos y la sociedad civil en general. Esto se realiza a través de la generación de un índice general de la calidad aire (IGCA) y la publicación de dicha información en la web por medios que sean de fácil acceso y comprensión para la sociedad en común. Para el IGCA se utiliza la normativa nacional Texto Uniicado de Legislación Ambiental Secundaria (TULSMA) y la normativa internacional proporcionada por Environmental Protection Agency (EPA). Para la publicación web se utiliza el servicio estándar Sensor Observation Service (SOS) del Open Geospatial Consortium (OGC). Los resultados se presentan como una plataforma base para la gestión, monitoreo y publicación de los contaminantes atmosféricos de la ciudad (O3, CO, NO2, SO2, PM2.5). Además de presentar un índice general de calidad del aire (IGCA) e índices por contaminante registrado, también se publican gráicas estadísticas del comportamiento temporal de las variables contaminantes. Esta plataforma presenta el potencial de convertirse en una verdadera herramienta para la gestión ambiental y la toma de decisiones que contribuya con el buen vivir de los Cuencanos.

Palabras clave: Contaminantes Atmosféricos, Sensor Observation Service, Sensor Web Enablement, Texto Uniicado de la Legislación Ambiental Secundaria (TULSMA), Agencia de Protección Ambiental (EPA).

ABSTRACT

Air pollution is a threat to human health and the environment itself. It requires taking action about prevention, control and mitigation of impacts. For this purpose, the Municipal Canton of Cuenca through the Municipal Transit Mobility and Transport deployed a continuous monitoring station of air pollutants. This monitoring station, however, has limitations related to the publication of the information captured which currently is published only in printed documents and lacking of web publication. The aim of this work is to develop a mechanism to manage and publish the recorded information with the continuous monitoring station of air pollutants aiding the local authorities, technical and civil society in general. This is done by generating an overall or general air quality index (IGCA in Spanish) and by publishing such information on the web in ways that are easy to access and understand for society. For IGCA, It have been used the national standard, this is the Uniied Text of Secondary Environmental Legislation (TULSMA in Spanish) and the international standard of the Environmental Protection Agency (EPA). For web publishing, it has been used the standard Sensor Observation Service (SOS) of the Open Geospatial


Publicación de contaminantes atmosféricos Página 73

Consortium (OGC). The results are presented as a platform for management, monitoring and publication of Cuenca city air pollutants (O3, CO, NO2, SO2, PM2.5). Besides presenting the overall air quality index and indexes for each recorded pollutant, it is also published statistical graphs showing the temporary behavior of pollutants. This platform has the potential to become a tool for environmental management and decision making contributing to the “buen vivir” (well being/living) of Cuenca.

Key words: Atmospheric Contaminants, Sensor Observation Service, Sensor Enablement, Uniied Textvof the Secondary Environmental Legislation (TULSMA), Environmental Protection Agency (EPA)

INTRODUCCIÓN

La contaminación atmosférica y la alteración de su equilibrio es una constante amenaza para la salud humana y el ambiente per se. El monitoreo ambiental demuestra relaciones de respuestas cada vez más rápidas entre el estado de la calidad del aire y la calidad de salud y vida (Brunekreef & Holgate, 2002). Las afecciones que se presentan sobre varios sistemas vitales de los seres humanos y ecosistemas expuestos a una constante contaminación del aire, tienen un costo psicológico y económico que estamos asumiendo las sociedades y que tiene un constante y notable incremento en nuestro país y especialmente en Cuenca (Alcaldía de Cuenca, 2012).

Esta realidad genera la necesidad de tomar decisiones urgentes para la prevención, control y mitigación de los impactos de la contaminación. Razón por la cual somos testigos de la implementación y despliegue de redes de sensores que miden el estado del entorno en el que vivimos. Estos sensores aportan grandes volúmenes de datos en formatos, escalas y unidades de medida diferentes. Los sensores observan información de diversa índole y naturaleza relacionada con actividades humanas como el transporte y emisiones industriales o con fenómenos naturales como radiación solar y vulcanismo, entre otros (Brunekreef & Holgate, 2002; Percivall, Reed, & Davidson, 2007).

En Cuenca, se monitorea la calidad del aire mediante sensores pasivos desde el año 2005. La Empresa Municipal de Movilidad Transito y Trasporte de la ciudad de Cuenca (EMOV-EP) dispone de una estación de monitoreo continuo en tiempo real con sensores dedicados a medir agentes contaminantes atmosféricos. La estación está equipada para registrar, a intervalos de 1 segundo, varios elementos contaminantes atmosféricos. Entre estos constan cinco elementos principales aportantes a la contaminación atmosférica: Ozono (O3), Monóxido de Carbono (CO) Dióxido de Azufre (SO2), Dióxido de Nitrógeno (NO2) y Material Particulado 2,5um (PM2.5). Sin embargo, a pesar de disponer de este sistema de monitoreo, se han detectado dos limitaciones que afectan la posibilidad de realizar análisis temporal e interpretar el comportamiento de estos contaminantes. La primera es que los principales contaminantes atmosféricos no se analizan para obtener un índice general de calidad del aire de la ciudad. La segunda limitación se relaciona con la gestión de esta información. Por un lado, se almacena en un repositorio de datos CSV y XLSX, es decir en archivos de tipo texto. Por otro lado, la información ha sido publicada únicamente en medios impresos pero no en medios digitales. Un trabajo relacionado en este aspecto es el

74 Página Chester Sellers; Daniela Ballarim; Diego Pacheco; Omar Delgado

de (Espinoza Molina, 2011), pero el mismo realiza el diseño lógico del sistema sin llegar a su implementación así como tampoco basa el sistema en el servicio estándar de sensores.

Este trabajo desarrolla un mecanismo para gestionar y publicar la información registrada en la estación de monitoreo continuo de agentes contaminantes atmosféricos para beneicio de autoridades locales, técnicos y la sociedad civil en general. Esto se realiza a través la generación de un índice general de la calidad aire (IGCA) y la publicación de dicha información en la web por medios que sean de fácil acceso, fácil comprensión y de provecho para la sociedad . Para la generación del IGCA se utiliza la normativa nacional Texto Uniicado de Legislación Ambiental Secundaria (TULSMA, n.d.) y la normativa internacional proporcionada por Environmental Protection Agency (EPA) (EPA - Environmental Protection Agency, 1999). Para la publicación de la información se utiliza el servicio estándar Sensor Observation Service (SOS) del Open Geospatial Consortium (OGC) que proporciona acceso estructurado y estándar a la información registrada por sensores (Bröring, Stasch, & Echterhoff, 2012).

MATERIALES

El ámbito de aplicación de este trabajo se localiza en la ciudad de Cuenca, cantón del mismo nombre, provincia del Azuay. La capital cuencana se caracteriza por estar localizada en un valle de origen glacial con una cota (altura) promedio de 2550 msnm, presenta una morfología irregular y compleja característica de los valles interandinos, tiene una temperatura promedio de 16.1 grados Celsius y una presión barométrica local promedio de 751.895 mmHg.

La ciudad cuenta con una estación automática de monitoreo en tiempo real de contaminantes atmosféricos (Tabla 1), estación cuyo rango efectivo de cobertura es de 4 km de radio, es decir que abarca la mayor parte de ciudad (hacia el Norte limitando con Pumayunga, parroquia Sinincay, al Sur Virgen de la Nube, Parroquia Turi, al Este con el limite parroquial de San Joaquín y al Oeste con la intersección de la Panamericana Norte y la Avenida Gonzales Suarez) (Figura 1). La estación se encuentra localizada en los altos del ediicio de la EMOV-EP con las siguientes coordenadas 721895.66 E, 9679548.85 N, y utiliza el acrónimo MUN.

Tabla 1.- Elementos monitoreados estación tiempo real “MUN”


Figura 1.- Alcance nominal estación “MUN”

MÉTODOS

Primero se describe la obtención del índice de calidad del aire (ICA), del índice general de calidad del aire (IGCA), y luego la implementación de los mecanismos de publicación.

ÍNDICE CALIDAD DEL AIRE (ICA)

El cálculo del índice de calidad del aire (ICA) para un tipo de contaminante dado se basa en el valor promedio generado en el período de tiempo consultado del contaminante (Ecuación 1) (EPA - Environmental Protection Agency, 1999).

(1)

ICA = Índice de calidad del aire. Cp = Concentración promedio observada y corregida. BPHi = Punto de ruptura mayor o igual a Cp BP

Lo = Punto de ruptura menor o igual a Cp

IHi = Valor del ICA correspondiente a BPHi I

Lo = Valor del ICA correspondiente a BP

Lo

La concentración promedio observada (Cp) se obtiene en dos pasos.


Primero, se calcula el promedio de las mediciones (Co) en un rango de tiempo. Sin embargo, previo a esto, deben realizarse varios pasos tendientes a homogenizar las unidades de los datos capturados por los sensores a partes por millón (ppm), con la excepción del material particulado de 2.5um que se mantiene en microgramos por metro cubico (ug/m3). También, deben eliminarse los registros pertenecientes a la calibración de sensores y registros erróneos debido a fallas eléctricas u otros fallos registrados que pueden afectar la valoración de cada contaminante o del índice general de calidad del aire. Finalmente, los valores se redondean a tres decimales.

Segundo, el valor promedio (Co) debe ser corregido según las condiciones locales (TULSMA, n.d. - Libro 6, anexo 4). Esta corrección resulta de tomar en cuenta la temperatura (t) y presión barométrica (Pbl) del lugar y momento en que se tomaron las observaciones (Ecuación 2). Se obtiene un valor de corrección, el cual se debe multiplicar por los valores registrados de cada contaminante, para así obtener la concentración promedio observada y corregida (Cp). Seguido, para un periodo de tiempo dado se obtiene el promedio, mínimo y máximo registrados para la concentración corregida por contaminante (Cp).

(2)

Cp = Concentración Corregida Co = Concentración Observada Pbl = Presión Barométrica Local t = Temperatura

Los valores BPHi, BPLo, IHi, ILo se obtienen tal como se muestra en la tabla

2. La tabla 2 fusiona

tablas de referencia de EPA para evaluar la concentración de los contaminantes y establecer los índices. La fusión de tablas se realizó para facilitar tanto el ingreso como la consulta de estos parámetros en la base de datos. Esta tabla está conformada principalmente por tres tipos de columnas, la primera columna de nombre ICA, representa los rangos de valores de 0 a 500 de los índices posibles según los parámetros establecidos por EPA; una columna de nombre COLOR que representa la codiicación en formato de colores asociada al rango de valores posibles de índices; y las restantes columnas que representan el contaminante, su unidad de medida en ppb y ppm con las concentraciones mínimas y máximas para cada rango de valores índices ICA, es decir los puntos de ruptura mínimo y máximo.


Tabla 2. - Clasiicación rango de valores contaminantes EPA (EPA - Environmental Protection Agency, 1999).

A continuación se muestra un ejemplo de aplicación de la ecuación 1. Considere el valor promedio observado y corregido (Cp) de ozono 0.030 ppm registrado en un período de tiempo determinado. En la tabla 2 se localiza la columna que representa el contaminante ozono (“O3- 8h ppm”). Se busca el rango en el que se encuentra el valor citado, para este caso (BPHi = 0.059, BP

Lo = 0.000). Se veriica que cae en el rango de la zona de color

verde que corresponde a ICA (IHi = 50, Ilo = 0), valores que se reemplazan en la ecuación 1.

ICA O3= − � � − �� − �� + �

ICA O3=50 − 00.059 − 0.000 0.030−0.000 + 0ICA O3=50 0.059 0.030 ICA O3 = 25.42

El valor obtenido 25.42 recae en el rango de 0 a 50 correspondiente al color verde, indicando que la calidad del aire para ozono es BUENA y no existen restricciones para ningún grupo ni actividad al aire libre (Tabla 3).

ÍNDICE GENERAL DE CALIDAD DEL AIRE (IGCA)

El procedimiento anterior se aplica de igual forma a todos los contaminantes atmosféricos (CO, NO2, SO2, O3, PM2.5) que son registrados por la estación MUN. Luego, para la determinación del índice de calidad general del aire (IGCA) se procede a evaluar qué elemento contaminante presenta el mayor valor índice (máximo color) y se asume a


éste como el índice general de calidad del aire que representa a todos los elementos registrados. En otras palabras el índice máximo de todos los elementos determinará el índice general de calidad del aire registrado en la estación.

Según el grado de contaminación ICA se presenta una codiicación por colores (Tabla 3), donde cada color corresponde a un rango de valores y peligrosidad de las condiciones de contaminación presentes al momento de la observación. Estos rangos codiicados tienen asociados un aviso de las implicaciones generales a la salud, si los hubiere, en caso de exposición (Tabla 4).

Tabla 3.- Codiicación rangos ICA. Fuente: (EPA - Environmental Protection Agency, 2009)

Tabla 4.- Consideraciones para la salud en relación al IGCA. Fuente: (EPA - Environmental Protection Agency, 2009)

SENSOR OBSERVATION SERVICE (SOS)

Sensor Web Enablement (SWE) es un grupo de especiicaciones del OGC de interfaces y codiicaciones que permiten la integración e interoperabilidad en tiempo real de redes de sensores heterogéneas. Estas especiicaciones son útiles para acceder y distribuir de una forma estandarizada datos de sensores que son útiles para la creación de aplicaciones,


plataformas y productos relacionados inundaciones, monitoreo de contaminación atmosférica, monitoreo de ruido, medidores de tensión en puentes, monitoreo cardíaco móviles, webcams y robots, así como sensores remotos de captura de imágenes sean estos sensores remotos satelitales o aéreos (Bröring et al., 2011; Percivall et al., 2007; Rueda & Gertz, 2008).

El Servicio de Observación de Sensores (SOS) es uno de los servicios web de SWE para consultar los datos de sensores en tiempo real y series temporales de datos. Los datos de los sensores ofrecidos son codiicados en XML y comprenden descripciones de los propios sensores, es decir metadatos, que son codiicados en el Lenguaje de Modelado de Sensores (SensorML) (Botts & Robin, 2007), mientras que los valores observados son codiicados según la especiicación de Observaciones y Mediciones (O&M) (Cox, 2010). El servicio web, así como el esquema de las observaciones, son estándares abiertos deinidos. Más en concreto, la implementación del servicio de SOS permite (Bröring et al., 2011):

• Descubrir sistemas de los sensores, observaciones y procesos de observación.• Determinar las capacidades del sensor y la calidad de las mediciones.• Acceder a los parámetros del sensor que automáticamente permiten a software procesar y geo-localizar las observaciones.• Recuperar en tiempo real las observaciones de series de datos y coberturas en la codiicación estándar.• Acceder a las observaciones de interés.• Proporcionar notiicaciones de los sensores o de los servicios de sensores basados en criterios especiicados por el usuario.

La igura 2 muestra el diagrama UML básico para poder registrar los datos de los sensores en conformidad con la especiicación SOS (52°North, n.d.-a, n.d.; Bröring et al., 2011). Esta estructura es fundamental para ser implementada en el esquema de la base de datos.

Figura 2.- Esquema UML general de la base de datos en conformidad con la especiicación SOS. Fuente: (52°North, n.d.-a)


IMPLEMENTACIÓN

La implementación se llevó a cabo siguiendo 5 etapas:

ETAPA I. CAPTURA Y ALMACENAMIENTO DE LOS DATOS REGISTRADOS POR LA ESTACIÓN MUN

La captura de datos de los sensores de la estación es cada segundo y se transmiten a un servidor local cada minuto. Los datos se almacenan en formato CSV y XLSX, registrándose el tipo de elemento observado, el intervalo de la captura de la observación, la hora y fecha de la observación, un valor redondeado y el valor crudo observado por el sensor. Los datos almacenados se encuentran en formato RAW, esto signiica que las magnitudes y unidades son propias de cada elemento registrado (Tabla 5). Esta información será posteriormente tratada y procesada en la etapa III para el cálculo del ICA e IGCA. Estos archivos son almacenados en un repositorio que se encuentra en las oicinas centrales de la EMOV-EP.

Tabla 5.- Elementos y unidad de medida registrados

ETAPA II. BASE DE DATOS E INSERCIÓN DE REGISTROS

Se creó en PostGIS el esquema de tablas y relaciones necesarias para el registro apropiado de los datos provenientes de la estación de monitoreo, en base a los requerimientos a las especiicaciones de SOS establecido por OGC. El esquema completo de las tablas puede ser consultado en (52°North, n.d.-a).

Con la base de datos creada, se insertaron los registros históricos de la estación de monitoreo MUN comprendidos en el periodo enero del 2013 hasta mayo del 2013. La igura 3.a muestra un fragmento de código SQL para la inserción de un registro histórico. La igura 3.b explica la estructura y los parámetros SQL utilizados en el código de inserción de registros de contaminantes. La igura 3.c presenta los parámetros básicos que son necesarios para cumplir con la especiicación SOS, por ejemplo el tipo de contaminante, sus descripciones, códigos, sensores, los valores registrados, el día, hora, minuto y segundo de la observación.


Figura 3. Inserción de registros históricos en base de datos: a) Código para SQL; b) Descripción parámetros INSERT; c) Parámetros SQL INSERT

ETAPA III. CÁLCULO DEL ÍNDICE GENERAL DE CALIDAD DEL AIRE

El procesamiento y cálculo del índice de calidad del aire por elemento contaminante y del índice general de calidad del aire se realizó de acuerdo a lo expuesto en la sección de métodos. Este cálculo se realiza a nivel de base de datos.

ETAPA IV. IMPLEMENTACIÓN DE SERVICIO SOS Y CLIENTE WEB.

En esta etapa se plantea la publicación web del índice de calidad del aire, que a este punto se encuentran calculado a nivel de base de datos. La arquitectura de los servicios implementados se basa en tres capas:

• Capa de recursos: Los datos crudos han sido almacenados en la base de datos PostGIS descrito en la etapa II. Los datos procesados para el cálculo del IGCA ha sido descrito en la etapa III.• Capa de servicios: El servicio SOS ha sido implementado utilizando el siguiente software open source: Apache, Apache Ant, Eclipse y North52 SOS. • Capa de publicación: El cliente web SOS ha sido implementado con el cliente OpenLayers, también de código abierto.

Una explicación detallada de la instalación y funcionamiento de estos servicios se puede encontrar en: (52°North, n.d.-b).

ETAPA V. PRUEBAS DE FIABILIDAD Y FUNCIONAMIENTO.

Antes de proceder a la publicación web, se realizaron pruebas de funcionamiento para mejorar la interacción del usuario con la interface web. Además se realizaron pruebas de tiempos de descarga de datos provenientes del servidor central de la EMOV-EP y de tiempo de respuesta de la base de datos en periodos de consulta extensos, cuyos resultados son presentados en la siguiente sección.


RESULTADOS

Los resultados se presentan como una plataforma base para la gestión, monitoreo y publicación de los contaminantes atmosféricos de la ciudad. Además de presentar un índice general de calidad del aire (IGCA) e índices por contaminante registrado, también se publican gráicas estadísticas del comportamiento temporal de las variables contaminantes. Los resultados son accesibles en la siguiente dirección web: http://gis.uazuay.edu.ec/OpenLayers-2.12/sos/. El servicio SOS es accesible a través de: http://gis.uazuay.edu.ec:8080/52nSOSv3.5.0/sos.

La igura 4 muestra el cliente web. En la parte superior del cliente se encuentran los botones de consulta de los cinco contaminantes monitoreados y del índice general de calidad ambiental IGCA. Pulsando sobre los iconos de los contaminantes se observa el último valor registrado en la base de datos. Debajo, se observa el mapa de la ciudad de Cuenca con la localización de la estación de monitoreo y su área potencial de 4 km. Al pie y a la derecha de la imagen, se muestran gráicos estadísticos que ayudan a una mejor comprensión de las concentraciones de los contaminantes.

Figura 4.- Plataforma base de monitoreo.

En función del valor IGCA obtenido y según su rango y color, se puede examinar el signiicado del índice en la tabla de comparaciones. Esta codiicación de colores se asociada a un mensaje de alerta indicando las implicaciones a la salud del índice consultado, es decir los grupos sensibles y las precauciones que se debe tomar (Figura 5).


Figura 5. Consulta sobre implicaciones para la salud

Se presentan también gráicos estadísticos del comportamiento diario de los contaminantes (Figura 6.a) y el comportamiento mensual de estos (Figura 6.b).

(a) (b)

Figura 6. Gráico estadístico comportamiento de contaminantes. (a) diario y (b) mensual

El cliente permite consultar observaciones entre rangos de fechas. Así se personalizan los reportes de acuerdo a las necesidades, pudiendo hacer consulta de registros históricos para establecer las condiciones registradas en un periodo de tiempo pasado. La igura 7.a muestra una gráica estadística sobre comportamiento de la variable contaminante en un periodo de tiempo consultado. Esta gráica, a su vez, se asocia a otras dos tablas de datos que muestran las estadísticas de los valores consultados (máximo, mínimo, promedio y número de mediciones) y los datos o valores individuales de cada medición en el período de tiempo consultado (Figura 7.b).


(a) (b)

Figura 7. Consulta de observaciones en un rango de tiempo dado. (a) Gráica de comportamiento O3 y (b) Estadística y datos consultados O3.

PRUEBAS DE FIABILIDAD

Las pruebas de tiempo de descargas vía FTP con el servidor de la EMOV-EP, proporcionaron resultados de taza de transferencia promedio de 1.15 minutos, que no representan una alta carga transaccional por lo que este tipo de comunicación para la réplica de datos no es un factor relevante para el sistema, ya que presenta la seguridades del caso y los datos se pueden acceder cada hora, con lo que la publicación de los índices se ajusta a las disponibilidad del servidor remoto que en este caso sería de cada hora. A mayor disponibilidad de descarga de datos, mayor será la cadencia de presentación de los índices de contaminación atmosférica en el cliente.

Para las pruebas de tiempo de respuesta y rendimiento se realizaron consultas entre rangos de fechas que involucren un gran volumen de datos a ser consultados y presentados tanto en la base de datos como en el cliente implementado. Se consultó el contaminante OZONO, entre el 7 de mayo 2013 y el 25 de mayo 2013, obteniéndose un total de 26382 registros. El tiempo estimado de respuesta de la base de datos fue de 0.0713 milisegundos, mientras que en el cliente de 1.5 segundos. Considerando la cantidad de registros obtenidos de la consulta, los tiempos de respuesta obtenidos están en rangos aceptables de rendimiento tanto para la base de datos como para el cliente SOS implementado. La gran cantidad de registros en el periodo seleccionado es debido a que se están registrando y visualizando los datos según como fueron ingresados por la estación de monitoreo, esto es cada segundo.

DISCUSIÓN

En la implementación se ha trabajado exclusivamente con datos históricos. Para los datos en tiempo real se planea implementar un canal de comunicaciones FTP, para capturar y replicar los datos en el servidor local de la Universidad del Azuay. Esta conexión para el consumo de datos en tiempo real será iterativa, automática y de acuerdo a la disponibilidad de servicio del servidor remoto. Los datos registrados serán ingresados vía SQL en la base de datos PostGIS ya instalada en el servidor de la Universidad del Azuay para su


posterior procesamiento. En cuanto al enlace de datos vía FTP, si bien no es la forma más eiciente para la adquisición de datos, proporciona la seguridad y cadencia de respuesta suiciente para poder asegurar la transmisión correcta de los datos. En desarrollos futuros se prevé establecer un enlace directo de ibra óptica.

La base de datos implementada soporta la estructura estandarizada de SOS con la capacidad de registrar nuevos sensores, descripciones de los sensores, localización de los sensores y demás información necesaria para el manejo del sistema de gestión de contaminantes atmosféricos. La información contenida en la base de datos se encuentra normalizada, esto es en las mismas unidades de medida y corregidas con los parámetros locales de temperatura y presión barométrica.

Se utilizó software open source para la base de datos, servicio SOS y cliente ligero SOS. Esto permite evitar costos de licenciamiento además de poder personalizar el cliente, y adaptarlo mejor a las prestaciones buscadas en la implementación. Otra consideración de vital importancia es que los servicios y el cliente implementado cumplan con todas las especiicaciones establecidas por OGC y SWE para el manejo e incorporación de sensores y la información generada por estos sensores. Finalmente, también se buscó presentar los datos de forma intuitiva y amigable para el usuario.

El cliente web se implementó con OpenLayers SOS. Se optó por este cliente ya que es personalizable y se puede manipular el código fuente para presentar los datos, gráicos y reportes de forma que se ajuste a las necesidades. Adicionalmente es de fácil implementación. Otros clientes que se revisaron no presentaban un nivel personalización deseable en un sistema de estas características. Adicionalmente, se prevé en el futuro complementar el cliente web con un manual de usuario para facilitar su uso por parte del público en general.

CONCLUSIONES

El presente trabajo ha permitido que tanto la ciudanía como el personal técnico y cientíico especializado de la EMOV-EP dispongan de una herramienta para la gestión, monitoreo y publicación de la calidad ambiental de la ciudad de Cuenca, en donde cada persona sin importar su nivel de conocimientos, puede acceder a los reportes de los contaminantes atmosféricos de la estación de monitoreo continuo. La interface es fácil de usar y la información se encuentra en formato de índices que son de fácil comprensión e intuitivos. Esta plataforma sirve de base para futuros desarrollos que mejoren su interface, extiendan las herramientas de gestión de la información, y aumenten las variables a ser monitoreadas como por ejemplo: temperatura, radiación solar, presión barométrica, precipitación, radiación ultravioleta, ruido, índices de tráico etc. e inclusive observaciones proporcionadas por los mismos ciudadanos a partir de estaciones meteorológicas hogareñas o dispositivos móviles (información geográica voluntaria). Esta plataforma presenta el potencial de convertirse en una verdadera herramienta para la gestión ambiental y la toma de decisiones que aseguren el buen vivir de los Cuencanos.


REFERENCIAS

52°North. -a. SOS data model and data base implementation. Retrieved from https://wiki.52north.org/bin/view/SensorWeb/SosDataModeling

52°North. -b. Sensor Observation Service - implementation. Retrieved b from http://52north.org/communities/sensorweb/sos/index.html

Alcaldía de Cuenca. 2012. Red de Monitoreo EMOV EP. Informe de la calidad del aire, año 2011. Cuenca, Ecuador.

Botts, M., & Robin, A. 2007. OpenGIS Sensor Model Language (SensorML) Implementation Speciication. Retrieved from http://www.opengeospatial.org/standards/sensorml.

Brunekreef, B., & Holgate, S. T. 2002. Air pollution and health. The lancet, 360(9341), 1233-1242. Elsevier.

Bröring, A, Echterhoff, J., Jirka, S., Simonis, I., Everding, T., Stasch, C., Liang, S., et al. 2011. New generation sensor web enablement. Sensors, 11(3), 2652-2699.

Bröring, A, Stasch, C., & Echterhoff, J. 2012. OGC Sensor Observation Service Interface Standard. Retrieved from http://www.opengeospatial.org/standards/sos.

Cox, S. 2011. OGC Observations and Measurements - XML Implementation. Retrieved from http://www.opengeospatial.org/standards/om.

EPA - Environmental Protection Agency. 1999. Air Quality Index Reporting; Final Rule - Part 3. Retrieved from http://www.epa.gov/ttn/oarpg/t1/fr_notices/airqual.pdf.

EPA - Environmental Protection Agency. 2009. A Guide to Air Quality and Your Health. Retrieved from http://www.epa.gov/airnow/aqi_brochure_08-09.pdf.

Espinoza Molina, A. 2011. Diseño de un sistema de información geográica para la Red de Monitoreo Ambiental de la ciudad de Cuenca. Quito, 2011. Retrieved from http://repositorio.usfq.edu.ec/bitstream/23000/2042/1/104351.pdf.

Percivall, G., Reed, C., & Davidson, J. 2007. Open Geospatial Consortium Inc . OGC White Paper OGC ® Sensor Web Enablement : Overview And High Level Architecture, 1-14.

Rueda, C., & Gertz, M. 2008. Real-Time Integration of Geospatial Raster and Point Data Streams. Scientiic and Statistical Database Management, 0619139, 605-611.

TULSMA. Texto Uniicado de Legislación Ambiental Secundaria del Ministerio de Ambiente. Retrieved from : http://www.quitoambiente.gob.ec/index.php?option=com_k2&view=item&id=125%3Atexto-uniicado-de-legislaci%C3%B3n-ambiental-secundaria-del-ministerio-de-ambiente-tulas&lang=es

EL MODELO DE AUTÓMATA CELULAR SIMULA: APLICACIÓN PARA EL ESTUDIO DE PATRONES DE CRECIMIENTO URBANO SOSTENIBLE

GARCÍA LAMPARTE, A.M.1; SANTÉ RIVEIRA, I.2; REYES BUENO, F.3; CRECENTE MASEDA, R.41,2,4 LABORATORIO DO TERRITORIO, UNIVERSIDAD DE SANTIAGO DE COMPOSTELA. ESCUELA POLITÉCNIAS SUPERIOR, CAMPUS UNIVERSITARIO S/N, 27002 LUGO (ESPAÑA). [email protected], [email protected], [email protected] 3 DEPARTAMENTO DE CIENCIAS NATURALES, UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA. SAN CAYETANO ALTO, CALLE PARÍS, LOJA (ECUADOR). [email protected]


RESUMEN

Los cambios tecnológicos y socioeconómicos que han tenido lugar a lo largo del siglo 20, han inducido una serie de dinámicas de expansión urbana que han dado como resultado procesos de suburbanización y patrones de crecimiento urbano disperso. En los últimos años ha surgido un debate sobre los aspectos negativos de este tipo de patrones de crecimiento; como el mayor coste de las infraestructuras o el aumento del consumo de combustible y de la contaminación debido un mayor número de desplazamientos. Por otro lado, hay autores que argumentan que los patrones de crecimiento compactos también implican una serie de inconvenientes, como el aumento del precio de la vivienda, la reducción del número de espacios verdes o la congestión del tráico rodado y la concentración de la polución. Aspectos de la sostenibilidad urbana como los anteriormente citados no sólo dependen de un equilibrio entre patrones dispersos y compactos, si no de los procesos que los generan. El estudio de problemas complejos como el que aquí se presenta, requiere herramientas capaces de valorar los aspectos negativos de los patrones de crecimiento y analizar las dinámicas que los condicionan. Los autómatas celulares, han sido ampliamente utilizados para el análisis de procesos espaciales complejos debido a que son capaces de reproducirlos partiendo de reglas de transición simples y fáciles de analizar. En el presente trabajo se utilizarán métricas espaciales para valorar aspectos de sostenibilidad de los patrones de crecimiento de una ciudad de 100.000 habitantes. Posteriormente se analizarán los procesos que generan estos patrones usando un modelo de autómata celular para generar varios escenarios. Los resultados expuestos en el artículo demostrarán el potencial del modelo de autómata celular empleado como herramienta de análisis de la sostenibilidad urbana.

Palabras clave: Modelos De Autómatas Celulares, Sostenibilidad Urbana, Indicadores de Sostenibilidad.

ABSTRACT

The technological changes that took place during the 20th century, have inducted a series of urban expansion dynamics which have yielded suburbanization processes and disperse urban growth patterns. In the last years, a debate on the negative effects of this kind of growth patterns has arisen; such as higher cost of infrastructures or the increase of fuel consumption and pollution due to a higher number of car journeys. On the other hand, there are authors who state that compact growth patterns also imply a series of shortcomings for sustainability, such as the increase of housing prices, the reduction of the number of green areas or trafic congestion and the concentration of pollution.


88 Página García Lamparte, A.m; Santé Riveira, I.; Reyes Bueno, F.; Crecente Maseda, R.

Aspects of urban sustainability, such as those previously mentioned; not only depend on a balance between compact and disperse urban patterns, but on the processes that yield them. The study of complex problems such as the one presented here, require tools which are able to assess the negative aspects of growth patterns and analyze de dynamics that condition them. Cellular automata have been widely used for the analysis of spatial complex processes, given they are able to reproduce them from simple transition rules which are easy to analyze. In the present work, spatial metrics will be used to assess sustainability aspects of the growth patterns of a 100.000 inhabitants town. Later the processes that generate these growth patterns will be analyzed using a cellular automaton model to generate several scenarios. The results which are presented in the article will show the potential of the used cellular automaton as a tool to analyze urban sustainability.

Key words: Cellular Automata Models, Urban Sustainability, Sustainability Indicators.

INTRODUCCIÓN

La revolución industrial ha supuesto un hito en los procesos de concentración de la población mundial en áreas urbanas. Las mejoras tecnológicas en el transporte a raíz de la invención de la máquina de vapor como el ferrocarril, aumentaron la movilidad y fomentaron el crecimiento de núcleos rurales periféricos que asimilaron parte de la ingente población de muchas ciudades. Con la llegada del automóvil a principios de siglo XX y su uso generalizado a partir de la segunda guerra mundial, la movilidad se volvió más ubicua, aumentado enormemente las dinámicas de dispersión urbana (Antrop 2004) hasta llegar a los procesos actuales caliicados como “urban sprawl” en la literatura (Chin 2002).

Se asocian muchos problemas de sostenibilidad urbana a este tipo de patrones de crecimiento, como el aumento del uso del automóvil privado y el consiguiente incremento de la polución, de la necesidad y el coste de infraestructuras y el incremento de la congestión por el aumento del número de desplazamientos entre otros (Brueckner 2000). Por otro lado, las ciudades compactas también presentan problemas de sostenibilidad, como la menor disponibilidad de espacios verdes, la mayor concentración de la polución, una mayor congestión o un incremento del precio de la vivienda (Neuman 2005). Esta dicotomía entre ciudades dispersas y compactas genera un gran debate alrededor de cuáles son las ventajas e inconvenientes de unos u otros patrones de crecimiento (Chin 2002). Autores como Neuman (2005) sostienen que los patrones urbanos son el resultado de una serie de dinámicas y que a su vez estas dinámicas se ven condicionadas por los patrones urbanos. Por ello, no se puede hablar de patrones más o menos sostenibles si no de procesos sostenibles. En consecuencia, es necesario disponer de herramientas que permitan analizar los procesos urbanos y diagnosticar los problemas de sostenibilidad derivados de los mismos, así como identiicar los factores que los condicionan para evaluar mejor las decisiones a adoptar en el planeamiento de cara a solucionarlos.Los procesos de crecimiento urbano presentan dinámicas complejas y difíciles de analizar. Por ello, han surgido numerosos modelos para su estudio, entre los que destacan los autómatas celulares (AC) (Batty 1997). La fortaleza de los AC reside en poder generar dinámicas complejas a partir de reglas sencillas y fáciles de analizar. Estas reglas de transición tienen en cuenta la inluencia que los usos del suelo vecinos ejercen a la hora de que una porción de terreno cambie de uso. Los AC han sido ampliamente utilizados

El modelo de autómata celular simula Página 89

para analizar procesos físicos (Vichniac 1984), dinámicas de contagio de enfermedades (Sirakoulis 2000), dispersión de especies (Balzter et al. 1998) etc. Así mismo, existen ejemplos de modelos de AC urbanos empleados para el estudio de la sostenibilidad urbana. Como es el caso de Li y Yeh (2001) que utilizan un modelo de AC para estudiar formas urbanas en el área metropolitana del delta del Río de la Perla que minimicen la ocupación de terrenos de alta aptitud agrícola, He et al. (2006) implementaron un modelo para Pequín en el que generan escenarios de crecimiento urbano para evaluar alternativas de crecimiento de la ciudad sin comprometer los recursos hídricos de la misma o Jantz et al. (2004) que utilizan el modelo SLEUTH para evaluar cómo diferentes escenarios de crecimiento urbano en el área metropolitana de Washington-Baltimore afectan la impermeabilización de supericies y por lo tanto, los recursos hídricos de la Bahía de Chesapeake. Todos estos ejemplos se centran en simular diferentes escenarios y analizar cómo afectará el crecimiento urbano en cada uno de ellos, a los recursos del área de estudio. Existen pocos ejemplos en los que el modelo se emplee para estudiar los factores que condicionan la sostenibilidad de los patrones de crecimiento. Para realizar este tipo de análisis es preciso disponer de indicadores de la sostenibilidad urbana. Existen estudios empíricos que han relacionado la compacidad o dispersión de los patrones urbanos con aspectos de la sostenibilidad (Chen et al. 2011, Li y Yang 2006, Burton 2000). En estos trabajos se utilizan métricas de densidad, compacidad y mezcla de usos urbanos para caracterizar la compacidad o dispersión de las áreas de estudio analizadas y relacionarlas con los indicadores de sostenibilidad analizados. Por lo tanto, el uso de métricas espaciales puede ser una forma simple de evaluar cómo inluyen las dinámicas urbanas analizadas en ciertos aspectos de la sostenibilidad, sobre todo en áreas dónde no hay datos socioeconómicos disponibles o dónde son difíciles de desagregar espacialmente para hacer análisis a una escala más local. En este artículo se utilizarán métricas espaciales para medir la evolución de la compacidad y la mezcla de usos de los patrones de crecimiento de la ciudad de Lugo (noroeste de España). Posteriormente, se emplea el modelo SIMULA (García et al. 2013) inspirado en el modelo de White y Engelen (1997) para simular un escenario de crisis y otro de bonanza económica. Gracias a la calibración del modelo y a la generación de los escenarios, se podrá analizar cómo afectan las diferentes variables espaciales empleadas en el modelo en los patrones de crecimiento urbano de Lugo y por lo tanto en la sostenibilidad de los mismos. Los resultados del análisis servirán para evaluar el potencial del modelo empleado como herramienta de análisis de la sostenibilidad urbana.

DESCRIPCIÓN DEL ÁREA DE ESTUDIO

Lugo es una ciudad de 98.457 habitantes, capital de una de las cuatro provincias que conforman la región de Galicia (España). Lugo se encuentra en medio del interior rural de la región (ig. 1), un área que ha sufrido un proceso de envejecimiento y pérdida poblacional en la segunda mitad del siglo veinte. No obstante, al ser la ciudad la capital provincial, concentra la actividad administrativa y por lo tanto es el centro de servicios que abastece a las comarcas más próximas.


Las actividades económicas principales de la ciudad de Lugo se centran en el sector servicios y una parte muy importante de su industria pertenece al sector agroalimentario. La ciudad se encuentra en una loma entre dos valles luviales, lo que condiciona su crecimiento en forma longitudinal. La presencia de pequeñas aldeas diseminadas en sus alrededores ha servido de base para el crecimiento de viviendas unifamiliares y segundas residencias. En los últimos 30 años Lugo ha experimentado un auge de la construcción debido a la burbuja inmobiliaria que se desarrolló en España a inales de los años noventa.

El área de estudio (igura 1) comprende la parroquia de Lugo y un área de inluencia de 1 km alrededor de su límite.

Figura 1. Localización del área de estudio.

METODOLOGÍA

OBTENCIÓN DE DATOS

Los datos empleados en el presente trabajo, han sido extraídos mediante fotointerpretación de las ortofotos del Plan Nacional de Ortofotografía Aérea de España de los años 1997 y 2009. En este proceso se han obtenido tres mapas vectoriales con los siguientes usos del suelo: agrícola, agua, comercial, industrial, excluido, yermo, forestal, matorral, parques, institucional, residencial de alta densidad, residencial de bajad densidad y vías.


La fotointepretación se ha apoyado en los datos de la Encuesta de Infraestructuras y Equipamientos Locales de Lugo. A mayores también se han utilizado datos de curvas de nivel a escala 1:10.000 del mapa topográico nacional de España para generar datos de pendientes y el parcelario de catastro español para generar datos de área y forma de parcelas. Con toda esta información de base se generaron mapas ráster de usos del suelo y variables, de 35x35 m de tamaño de celda. Se ha escogido esta resolución de celda por ser representativa del tamaño de parcela media del área de estudio.

MÉTRICAS ESPACIALES A EMPLEAR

Los modelos de autómatas celulares son muy buenos simulando procesos espaciales. Sin embargo, no simulan bien los procesos socioeconómicos que los condicionan, ya que es difícil desagregar espacialmente variables socioeconómicas para que puedan ser tenidas en cuenta en el modelo (Irwin y Geoghegan 2001). Por este motivo, no se utilizarán medidas de densidad basadas en variables socioeconómicas como número de habitantes o número de puestos de trabajo, como es el caso de los trabajos de Li y Yang (2006) y Burton (2000). En su lugar, se utilizarán métricas espaciales para evaluar la compacidad y dispersión de los patrones urbanos, como las utilizadas en Chen et al. (2011). De esta manera se podrá relacionar mejor las variables espaciales utilizadas y los patrones de crecimiento observados. La dispersión de las manchas urbanas será indicativa del consumo de energía en Lugo. Otro parámetro a tener en cuenta para conocer mejor la distribución de los usos urbanos y por lo tanto de los desplazamientos que se debe de hacer para acceder a servicios y lugares de trabajo, es la entropía. La entropía hace referencia a la mezcla entre usos urbanos; cuanta más entropía exista, más mezclados estarán los usos urbanos y por lo tanto menor será la distancia a recorrer para tener acceso a servicios o a un puesto de trabajo. La entropía, puede ser así mismo utilizada para evaluar lo integradas que están las zonas verdes en la ciudad y la accesibilidad de los habitantes a las mismas. Para evaluar todos estos criterios se utilizará el software gratuito FRAGSTATS con el que se calcularán las siguientes métricas:- Para determinar la dispersión de los usos urbanos: Número de manchas urbanas (NP),

tanto por cien del área de estudio que ocupa la mancha urbana más grande (LPI), área media de las manchas urbanas (AREA_MN) y distancia media en línea recta entre manchas urbanas (ENN_MN). Las tres primeras métricas serán indicativas del número y tamaño de las manchas y la distancia media en línea recta de su dispersión.

- Para determinar la entropía de los usos urbanos se empleará la densidad de bordes (ED) entre manchas de diferentes usos urbanos. Cuanto mayor sea la densidad de bordes entre usos diferentes mayor será la mezcla entre los mismos.

- Para determinar la entropía de usos urbanos y zonas verdes también se utilizará la densidad de bordes (ED).

Una vez calculadas estas métricas para los tres años de estudio se analizará cómo evolucionaron y se hará un diagnóstico inicial de los aspectos de sostenibilidad urbana que llevan asociados.


MODELO DE AUTÓMATA CELULAR A EMPLEAR.

Tras evaluar la evolución de la sostenibilidad de los patrones de crecimiento de Lugo, se utilizará un modelo de autómata celular para analizar las variables espaciales que los condicionan a través de la calibración del modelo y la generación de tres escenarios: uno en el que no hay cambios, otro de crisis y otro de bonanza económica. Uno de los modelos de cambios de usos del suelo basado en autómatas celulares más difundido es el de White y Engelen (1997). El modelo de White considera dos tipos de usos: activos; que se ven condicionados por las dinámicas simuladas e inluyen en las dinámicas de otros usos y ijos; que inluyen las dinámicas de otros usos pero no se ven condicionados por las dinámicas simuladas. La regla de transición de este modelo se basa en una fórmula matemática (ec. 1) que calcula el potencial de transición (P

hj) de un uso h a un uso activo j a partir de parámetros

como; la aptitud (sj) de las celdas para cada uso activo j, la inluencia de la vecindad

de otros usos (Nj) en el potencial de transición de la celda al uso activo j, una variable

aleatoria (v) y un parámetro de inercia (Hj) que simula la diicultad de que el uso h

cambie al uso j. �ℎ = � +� + (1)

La fortaleza del modelo de White y Engelen reside en el uso de una vecindad circular extendida (igura. 2) donde se puede tener en cuenta cómo inluye la proximidad de varios usos en el potencial de transición de la celda central a un uso determinado. Para calcular la vecindad se utilizan una serie de coeicientes m

kjd que tienen en cuenta la inluencia

del uso k a una distancia d en el potencial de transición de la celda central al uso j (ec. 2). El segundo parámetro de la ecuación 2 (I

id) toma valores 1 o 0 en función de si la celda

i a la distancia d está ocupada por el uso k o no. Gracias a esta vecindad, el modelo de White y Engelen es capaz de simular con gran detalle y lexibilidad, diferentes procesos espaciales (Santé et al. 2010). Además, la regla de transición no se separa demasiado de los AC ortodoxos y por lo tanto, los procesos simulados son fáciles de analizar.

Figura2: Coeicientes de una vecindad del modelo de White y Engelen de 3 celdas de radio.


(2)

El principal inconveniente del modelo de White y Engelen es que presenta un número elevado de parámetros a calibrar. Esto se debe principalmente a la vecindad; donde es preciso determinar un coeiciente por cada zona equidistante a la celda central, tipo de uso presente en la misma y uso activo para el que se quiere determinar la inluencia de la vecindad en su potencial de transición. Por ello, la tarea de calibrado es difícil y normalmente se realiza por conocimiento experto o prueba y error. El método de prueba y error es computacionalmente intensivo y el conocimiento experto requiere una comprensión previa de los procesos a simular y por lo tanto, diiculta el uso del modelo a personal no experto. Ambos métodos no garantizan una exactitud en el calibrado.El modelo SIMULA (García et al. 2013) intenta salvar estos inconvenientes reduciendo el número de coeicientes a calibrar: primero se eliminan los coeicientes del parámetro de aptitud calculándolo a través de una regresión logística. De esta manera, también se incrementa el poder de análisis del modelo, pues la regresión logística permite determinar la relación entre las variables consideradas y la probabilidad de cambio de un uso a otro. Por otro lado se determinan los coeicientes de la vecindad utilizando dos rectas que representan la inluencia en base a la distancia de un uso sobre el potencial de cambio de la celda central a un uso activo. De esta manera sólo hay que calibrar cuatro coeicientes (dos por cada recta) para determinar la inluencia de un uso de la vecindad en el potencial de cambio a un uso activo de la celda central. Al reducir el número de coeicientes, el modelo se puede calibrar mediante un algoritmo genético y automatizar esta tarea haciéndola más simple para el usuario no experto y mejorando el ajuste del mismo. A mayores, se introdujeron una serie de modiicaciones en la ecuación que determina el potencial de transición; como son la inclusión de un parámetro de restricciones (R

j) que

tomará los valores 0 o 1 dependiendo si en una determinada celda puede albergar el uso j o no. También se cambió la forma de escalar la inluencia de la variable estocástica v

j.

En el modelo original, vj se escala a través de una ecuación logarítmica (ec. 4) controlada

por el parámetro α, donde rand es un número aleatorio entre 0 y 1. Al incrementar el coeiciente α se producen variaciones muy abruptas de la inluencia de la variable aleatoria; por lo que se decidió que en SIMULA esta variable se escalaría a través de una curva exponencial controlada por el parámetro δ (ec. 5).

(3) (4) (5)

En el algoritmo genético utilizado para calibrar el modelo se genera una población aleatoria inicial de individuos. Cada individuo es una solución posible y está compuesto por un vector de alelos en el que cada alelo equivale a cada uno de los coeicientes a calibrar. Se realizan simulaciones con cada individuo de la población inicial y se valoran


los resultados a través de una función de ajuste. Luego se seleccionan los individuos que obtuvieron una mejor función de ajuste a través de un método de “tournament” para cruzarlos recombinando sus alelos y generar la población hija. En el método de tournament se seleccionan dos individuos al azar y se escoge el que tiene una mayor función de ajuste. El proceso se repite hasta que se obtienen dos individuos y se recombinan para formar dos individuos hijo, de esta manera se va aplicando el proceso de tournament hasta que se genera toda la población hija. Una vez obtenida la población hija, se introducen mutaciones variando aleatoriamente el valor de algunos alelos. El mejor individuo de la población padre sobrevive en la población hija para que no se pierdan las mejores soluciones en cada generación. El proceso anteriormente descrito se repite sucesivamente hasta que se ve que no se obtienen individuos mejores durante varias generaciones.La función de ajuste sirve para comparar los mapas simulados y reales y decidir cuáles son los mejores individuos de cada generación del algoritmo genético. Para ello se utiliza tanto índices que miden la coincidencia celda a celda de los dos mapas como índices que tienen en cuenta la similitud de los patrones simulados y reales. Para el primero de los casos, se utiliza el valor absoluto de la resta del índice de Pontius (2002) y su valor máximo. El índice de Pontius es igual a 1 si el mapa real y simulado coinciden exactamente e igual a 0 si no existe ningún tipo de coincidencia. Este índice no sólo tiene en cuenta que las celdas simuladas coincidan con las reales, sino que aunque no coincidan, se localicen cerca de su posición real. En el segundo de los casos se utilizan los valores absolutos de la diferencia entre tres métricas espaciales calculadas para el mapa real y el simulado. Las métricas a emplear son: el número de manchas, el área media de las manchas y la densidad de borde de las manchas (longitud del borde de la mancha partido del área). Los valores anteriormente descritos se normalizan en cada generación del algoritmo genético entre 0 y 1, tomando como referencia el valor máximo y mínimo que alcanza cada valor en cada generación. La función de ajuste es la inversa de la media de los cuatro valores normalizados calculados para cada individuo. De esta manera, cuanto menor sea la diferencia entre los valores de los mapas reales y simulados, más próximo a 1 será el valor de la función de ajuste.El motivo por el que se tienen en cuenta la similitud de los patrones simulados y reales en la función de ajuste, es que en el presente trabajo se evaluará la sostenibilidad de las dinámicas de crecimiento urbano de Lugo en base a los patrones de las mismas, y por lo tanto se tiene que garantizar que las dinámicas simuladas produzcan patrones similares a los reales.

OBTENCIÓN DE LOS MAPAS DE APTITUD MEDIANTE REGRESIÓN LOGÍSTICA.

Las regresiones logísticas es un método estadístico que relaciona la probabilidad de que una variable binaria dependiente cambie (en nuestro caso de que una celda cambie a un uso activo en el periodo de calibrado del modelo) en función de una serie de variables dependientes o explicatorias. Esta relación se establece mediante el ajuste de una función logística (ec. 6) donde π(x) es la probabilidad de que la variable dependiente binaria sea


1, bi son los coeicientes que se obtienen mediante el ajuste de la función y x

i son las

variables independientes.

(6)

En el presente trabajo, se utilizan una serie de variables espaciales (distancia a autopistas, distancia a carreteras principales, secundarias y terciaria, distancia al centro de Lugo, distancia a vías de tren, área de parcelas catastrales, índice de forma de las parcelas catastrales y pendientes) para determinar la aptitud (medida como la probabilidad de que una celda cambie a un uso activo en el periodo de calibrado) de cada uso activo. Para ello, primero se analiza la correlación de las variables consideradas a través del índice de Spearman y se eliminan las más correlacionadas para evitar duplicidades. Luego se hace una primera regresión logística y se evalúa lo signiicativas que son las variables restantes a la hora de explicar la probabilidad de cambio de las celdas a cada uno de los usos activos considerados. Esto se hace a través de la probabilidad de que el coeiciente obtenido para cada variable sea igual a cero (Pr>|z|). Se descartan las variables menos signiicativas y se hace una segunda regresión con las restantes. Se normalizan los valores entre 0 y 1 para que los coeicientes obtenidos en esta regresión sean comparables y se pueda determinar cuáles son las variables más determinantes a la hora de calcular la probabilidad de cambio.

RESULTADOS

ANÁLISIS DE LA SOSTENIBILIDAD DE LOS PATRONES DE CRECIMIENTO DE LUGO.

Para hacer este análisis se reclasiican los mapas de usos del suelo de los dos años de estudio en dos tipos de mapas: por un lado, se agruparon todos los usos no urbanos (agrícola, agua, yermo, forestal, matorral) y se dejaron sin agrupar los usos urbanos (industrial, comercial, excluído, institucional, parques, vías, residencial de alta densidad y residencial de baja densidad), y por otro se agruparon todos los usos de zonas verdes (agrícola, agua, yermo, forestal, matorral y parques) y los usos urbanos (industrial, comercial, excluido, institucional, residencial de alta densidad, residencial de baja densidad y vías). Los primeros mapas se utilizan para analizar la mezcla de usos (entropía) a partir de la densidad de bordes (ED) que es el resultado de dividir la longitud de los bordes de las manchas de usos urbanos en metros entre el área total del área de estudio en hectáreas. El segundo mapa se utiliza para medir la entropía de los usos urbanos y las zonas verdes a través de la ED y para medir la dispersión de la mancha urbana a través de otras métricas espaciales (NP, LPI, AREA_MN y ENN_MN). Antes de calcular las métricas se les pasó a los mapas un iltro de 3x3 celdas para asignarle a la celda central del iltro el uso que es más abundante dentro del mismo. Esto se hizo para evitar distorsiones en las métricas producidas por las vías de comunicación o manchas demasiado pequeñas.


Como se puede apreciar en la tabla 1, la entropía de los usos urbanos aumenta en los tres años, así como la entropía de las zonas urbanas y zonas verdes. La entropía de la mancha urbana y zonas verdes es mucho mayor que la de los usos urbanos, seguramente debido a la gran dispersión de los núcleos rurales de la periferia de la ciudad y a la forma alargada de la misma. Si se observan las métricas de la mancha urbana se puede ver que el número de manchas urbanas (NP) aumenta, así como el de la mancha más grande (LPI) y el área media de las manchas (AREA_MN). A su vez, la distancia euclidea media entre las manchas (ENN_MN) disminuye; indicando que las manchas urbanas nuevas se localizan cerca de las existentes. Todo esto indica que a pesar de que la mancha urbana es más dispersa por el incremento del número de manchas, este crecimiento se mantienen bastante compacto, pues el área media de las manchas aumenta y la distancia entre ellas disminuye.

Tabla 1. Métricas espaciales para medir la entropía de los usos urbanos, la entropía de los usos urbanos y zonas verdes y la dispersión de la mancha urbana.

CALIBRACIÓN DE LOS MAPAS DE APTITUD MEDIANTE REGRESIONES LOGÍSTICAS.

El análisis de correlación de variables muestra que sólo la distancia a autovías y a vías de tren tienen algo de correlación (ρ=0.66); pues ambas infraestructuras discurren casi paralelas y al alejarse de una aumenta la distancia a la otra. En consecuencia, no se tiene en cuenta la distancia a vías de tren en análisis posteriores.Los usos activos que se simulan en el modelo son; el residencial de alta densidad, el residencial de baja densidad y el industrial-comercial. Estos dos últimos usos se agrupan en uno solo para disminuir el tiempo de calibración del autómata celular; pues considerar un uso activo a mayores aumenta mucho el tiempo de computación. También se reduce el número de usos ijos con el mismo in. Se explicará más adelante cómo se agruparon estos usos.El modelo se calibra para el período 1997-2009; por lo tanto la regresión se calibra con mapas que indican las áreas que cambiaron a los usos activos en este período. Las variables extraídas a partir de elementos que pueden cambiar fácilmente como, distancia a infraestructuras se calcularon a partir de datos del año 1997.En la primera regresión logística, se observó que sólo la distancia al centro de Lugo es signiicativa (Pr>|z|=0.0009) a la hora de explicar la probabilidad de cambio de las celdas a este uso. Esto se debe a que las parcelas más caras son las más próximas al centro y por lo tanto, al construirse, es necesario intensiicar el uso haciendo ediicios más altos para aumentar la rentabilidad de la inversión. Esto se ve relejado en el coeiciente obtenido que es negativo y por lo tanto al aumentar la distancia al centro de Lugo disminuye la


probabilidad de cambio. En el caso del uso residencial de baja densidad, sólo la distancia a carreteras terciarias es un poco signiicativa (Pr>|z|=0.03). El coeiciente obtenido para esta variable es negativo indicando que los nuevos usos residenciales de baja densidad se suelen ubicar cerca de estas infraestructuras. Esto puede indicar que estos usos preieren zonas alejadas del centro de la ciudad y de carreteras con demasiado tráico. Se puede deducir que las preferencias a la hora de ubicar viviendas unifamiliares no sólo se debe a una búsqueda de mayor tranquilidad y zonas verdes, sino también de parcelas más baratas para poder construir viviendas unifamiliares con mayor espacio.En el caso del uso industrial-comercial, las variables más signiicativas fueron: la distancia a autovías (Pr>|z|=5.4x10-7), la distancia a carreteras principales (Pr>|z|=0.002), la distancia a carreteras terciarias (Pr>|z|=0.0005), la distancia al centro de la ciudad (Pr>|z|=8.4x10-6) y el área de las parcelas (Pr>|z|=3.5x10-8). Estas variables se normalizaron entre 0 y 1 y se ajustó una segunda regresión logística con ellas. Como se puede apreciar en la tabla 2, los resultados de la segunda regresión logística muestran que las variables que más peso tienen a la hora de determinar la probabilidad de cambio al uso industrial-comercial son la distancia a carreteras terciarias, seguida del área de las parcelas y la distancia a la autopista. Por lo tanto, estos usos se ubicarán en parcelas grandes, lejos de carreteras terciarias (zonas con menor accesibilidad), cerca da la autopista y carreteras principales (zonas mejor comunicadas) y lejos del centro de la ciudad donde el precio de las parcelas es mayor y es más difícil encontrar parcelas grandes donde construir naves industriales.

Tabla 2. Coeicientes resultantes de la regresión logística utilizada para calcular el mapa de aptitud para el uso industrial-comercial.

Coeicientes

b0

-10.73

Distancia autopista -0.29

Distancia a carreteras principales -0.19

Distancia a carreteras terciarias 0.63

Distancia al centro de Lugo 0.0004

Área de las parcelas 0.4

CALIBRACIÓN DEL MODELO Y GENERACIÓN DE ESCENARIOS.

Como se ha visto anteriormente, el modelo se calibró entre los años 1997 y 2009. Los usos activos simulados son el residencial de alta densidad, residencial de baja densidad y el industrial-comercial. Para disminuir el tiempo de calibrado se redujo el número de usos agrupándolos. De esta manera el uso agrícola también agrupa el uso yermo (pues las supericies sin vegetación suelen ser solares que están sufriendo algún tipo de cambio de uso), el uso forestal también agrupa el matorral y el uso institucional agrupa los parques y zonas verdes. Las celdas que ocupan los usos agrícolas y forestales pueden cambiar


su estado a un uso activo a pesar de ser consideradas como usos ijos. No se permitirá el cambio de estado de las celdas que ocupen los usos excluidos (agua, institucional, y vías). Cada iteración del modelo de AC equivaldrá a dos años.El algoritmo genético utilizado para calibrar el modelo se inicializó con una población de 1000 individuos aleatorios. Los individuos hijos se generaron recombinando los padres a través de dos puntos de recombinación y se hizo mutar uno de cada 10 alelos de la población hija resultante. El algoritmo genético se ejecutó durante 100 generaciones, a partir de la 59 el índice de validación no aumentó y se mantuvo en un valor de 0.807. Se escogió el mejor individuo de la generación 60 para hacer la simulación y así evitar una sobrecalibración del modelo.El coeiciente δ (ec.5) controla el grado de aleatoriedad introducido en el modelo. Este parámetro inluye en la dispersión o compacidad de los patrones producidos; cuanto menor sea δ, más alta será la perturbación que introduce la variable aleatoria. Tras calibrar el modelo, se obtuvo un δ de 6.06 para el uso industrial-comercial, 10 para el uso residencial de alta densidad y de 1.5 para el residencial de baja densidad. Como se puede apreciar, el uso residencial de baja densidad es el que crece de una forma mucho más dispersa, seguido del industrial-comercial. El uso residencial de alta densidad crece muy compacto y cerca del centro de Lugo. Una vez calibrado el modelo se hicieron simulaciones para el 2021 considerando 3 escenarios: Uno en el que las dinámicas se mantienen constantes, otro de crisis económica donde se reduce un 10% las tasas de crecimiento de los usos activos, y inalmente otro de bonanza económica, donde se incrementa un 10% las tasas de crecimiento de los usos activos (Fig. 3).

Figura. 3: Mapa real de usos del suelo en el año 2009 (a) y mapas simulados del año 2021 considerando los tres escenarios: sin cambios (b), crisis (c) y bonanza económica (d).


Los mapas resultantes también se procesaron con un iltro de moda de 3x3 celdas para eliminar distorsiones en los patrones urbanos, producidas por manchas demasiado pequeñas o por elementos lineales. Una vez hecho esto se calcularon las métricas espaciales de los tres escenarios. Como se puede ver en la tabla 3, el número de manchas aumenta en el escenario de bonanza y disminuye en el de crisis. A su vez, las manchas son menores en el escenario de bonanza que en el de crisis, indicando que el crecimiento es más disperso. Sin embargo la distancia euclidea media es mayor en el escenario de crisis que en el de bonanza. Esto puede deberse a que en el escenario de crisis hay espacio suiciente para albergar el menor crecimiento que se produjo y por lo tanto las nuevas celdas urbanas se ubican en zonas más distantes. En cambio en el de bonanza, las nuevas manchas tienen menos espacio y se ubican entre las existentes, disminuyendo la distancia media entre ellas. El escenario sin cambios presenta la distancia euclidea media menor de los tres escenarios. A pesar del incremento de la dispersión en los tres escenarios, las entropías son mayores en el escenario de bonanza y menores en el de crisis. Esto puede deberse a que los patrones de crecimiento son complejos y se producen en manchas muy irregulares, de manera que cuanto mayor es el crecimiento más bordes se generan y aumenta la densidad de bordes.

Tabla 3: Métricas espaciales de los mapas resultantes de las simulaciones para el año 2021, teniendo en cuenta 3 escenarios: crisis, sin cambios y bonanza económica.

ED (entropia

usos urbanos)

ED (entropía uso

u r b a n o + z o n a s

verdes)

NP LPI AREA_MN ENN_MN

Crisis 5.669 47.398 1098 2.298 1.280 108.492

Sin cam-

bios5.754 47.937 1126 2.287 1.268 107.220

Bonanza 5.818 48.575 1140 2.292 1.266 107.448

DISCUSIÓN

Los resultados de la calibración del modelo nos indican que los patrones más dispersos se deben a los usos residenciales de baja densidad que se ubican en las zonas rurales circundantes tomando como base los asentamientos dispersos que existen en las mismas. Los usos industriales y comerciales también crecen de manera dispersa (aunque en menor medida) ubicándose cerca de nodos de comunicación de la periferia de la ciudad de Lugo. Lugo, debido a su ubicación en una loma entre dos valles luviales profundos, ha crecido de manera bastante compacta. No obstante, el incremento de las rentas familiares y la irrupción de la burbuja inmobiliaria han fomentado un gran crecimiento de viviendas unifamiliares en las áreas rurales periféricas. Los usos comerciales e industriales, y sobre todo el residencial de baja densidad, son los responsables del crecimiento disperso de Lugo y por lo tanto de una mayor necesidad de desplazamientos de la población para acceder a los servicios y puestos de trabajo. Todo ello lleva a una menor sostenibilidad urbana.


Se puede observar, que la mezcla de usos no es muy concluyente a la hora de evaluar la sostenibilidad; pues patrones de crecimiento demasiado irregulares aumentan la mezcla de usos sin que esto sea signiicativo de una menor necesidad de desplazamientos. Además, si hay crecimiento disperso de manchas aisladas de un solo uso, no repercute en el cálculo de la mezcla de usos urbanos al no tener estas manchas otros usos urbanos adyacentes. Por otro lado, estos patrones dispersos incrementan la entropía calculada para manchas urbanas y zonas verdes, pues a mayor dispersión mayor será la mezcla de estos dos usos. En ambos casos, aumenta la entropía pero también aumenta la dispersión de los patrones de crecimiento urbano, siendo lo segundo negativo para la sostenibilidad por fomentar el incremento de desplazamientos.Sería necesario disponer de datos espaciales más detallados del área de estudio para poder calcular otro tipo de métricas (como distancia a servicios, a centros de trabajo… etc.) que fuesen más concluyentes. No obstante, la metodología empleada puede ser útil a la hora de hacer una valoración inicial en áreas donde se dispone de poca información espacial para hacer este tipo de estudios. De hecho, autores como Barredo et al. (2004) ya mencionan esta característica como una de las ventajas de los autómatas celulares.

CONCLUSIONES

Gracias a la simpliicación de los coeicientes a calibrar en el modelo de White y Engelen, se ha podido utilizar un algoritmo genético para el ajuste del mismo. De esta manera, el modelo es más accesible a usuarios no expertos y por lo tanto más susceptible de ser utilizado como herramienta de análisis. La utilización de regresiones logísticas para determinar los mapas de aptitud del modelo, también permite analizar los factores que condicionan las dinámicas urbanas aumentando la capacidad de análisis de la herramienta. La aplicación del modelo en el área de estudio combinada con el uso de métricas espaciales, ha permitido identiicar factores que condicionan la sostenibilidad urbana. Como por ejemplo, la estructura de asentamientos rurales dispersa y la buena accesibilidad que ofrece la densa red de carreteras terciarias que les dan servicio, sirve de base para que los usos residenciales de baja densidad se diseminen en la periferia de la ciudad.El uso de modelos de autómatas celulares permite no sólo analizar fácilmente los factores que condicionan las dinámicas urbanas, si no generar escenarios con los que prever las consecuencias futuras de las mismas. El empleo de estas herramientas permite anticiparse a las consecuencias negativas del crecimiento urbano e identiicar los elementos a considerar a la hora de adoptar soluciones.

REFERENCIAS

Antrop, M. 2004. Landscape change and the urbanization process in Europe. Landscape and urban planning. vol. 67, p. 9-26.

Balzter, H.; Braun, P.W.; Köhler, W. 1998. Cellular automata models for vegetation dynamics. Ecological Modeling. vol. 107(2-3), p. 113-125.


Barredo, J. I.; Demicheli, L.; Lavalle, C.; Kasanko, M.; McCormick, N. 2004. Modelling future urban scenarios in developing countries: an application case study in Lagos, Nigeria. Environment and Planning B - Planning and Design. vol. 31(1), p. 65-84.

Batty, M. 1997. Cellular automata and urban form: A primer. Journal of the American Planning Association. vol. 63(2), p. 266-274.

Brueckner, J.K. 2000. Urban srpawl: Diagnosis and remedies. International Regional Science Review. vol. 23(2), p.160–171.

Burton, E. 2000. The compact city: just or just compact? A preliminary analysis. Urban studies. vol. 37(11). p. 1969-2001.

Chen, Y.M.; Li, X.; Zhen, Y.; Guan, Y.Y.; Liu, X.P. 2011. Estimating the relationships between urban form and energy consumption: A case study in the Pearl River Delta, 2005-2008. Landscape and Urban Planning. vol. 102(1), p. 33-42.

Chin, N. 2002. Unearthing the roots of urban sprawl: A critical analysis of form, function and methodology. En: UCL Working Papers Series. Center for Advanced Spatial Analysis (CASA), University College London, Londres. vol. 47.

García, A.M.; Santé, I.; Boullón, M.; Crecente, R. 2013. Calibration of an urban cellular automaton model by using statistical techniques and a genetic algorithm. Application to a small urban settlement of NW Spain. International Journal of Geographical Information Science. (en prensa).

He, C.Y.; Okada, N.; Zhan, Q.F.; Shi, P.J.; Zhang, J.S. 2006. Modeling urban expansin scenarios by coupling cellular automaton model and system dynamic model in Beijing, China. Applied Geography. vol. 26(6-4), p. 323-345.

Irwin, E.G.; Geoghegan, J. 2001. Theory, data, methods: developing spatially explicit economic models of land use change. Agriculture, Ecosystems and Environment. vol. 85, p. 7–23.

Jantz, C.A.; Goetz, S.J.; Shelley, M.K. 2004. Using the SLEUTH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Baltimore -- Washington metropolitan area. Environment and Planning B: Planning and Design. vol. 31(2), p. 251-271.

Li, X.; Yeh, A.G.O. 2001. Zoning land for agricultural protection by the integration of remote sensing, GIS and cellular automata. Photogramtetric Engineering and Remote Sensing. vol. 67(4), p. 471-477.

Lin, J.-J.; Yang, A-T. 2006. Does the compact-city paradigm foster sustainability? An empirical study in Taiwan. Environment and Planning B: Planning and Design. vol. 33 (3), p. 365-380.

Neuman, M. 2005. The compact city fallacy. Journal of Planning Education and Research. vol. 25, p. 11-26.

Pontius, R.G. 2002. Statistical methods to partition effects of quantity and location during comparison of categorical maps at multiple resolutions. Photogrammetric Engineering and Remote Sensing. vol. 68(10), p. 1041-1049.

Santé I., García A. M., Miranda D., Crecente R. 2010. Cellular automata models for the simulation of real-world urban processes: A review and analysis. Landscape and Urban Planning. vol. 96, p. 108-122.

Sirakoulis, G.C. 2000. A cellular automaton model for the effects of population movement and vaccination on epidemic propagation. Ecological Modeling. vol. 133(3), p. 209-223.

Vichniac, G.Y. 1984. Simulating physics with cellular automata. Physica D. vol. 10 (1-2), p. 96_116White, R.; Engelen, G. 1997. Cellular automata as the basis of integrated dynamic regional

modeling. Environment and Planning B. Planning and Design. vol. 24, p. 235-246.

IMPLEMENTACIÓN DE UN PLAN PILOTO PARA LA GESTIÓN DE RIESGOS PARA EL FORTALECIMIENTO DE LOS COMANDOS OPERACIONALES DE LA JURISDICCIÓN DE LA CIUDAD DE ESMERALDAS

ANA SAAVEDRA M1.; ISABEL VINUEZA E.2; PABLO PEREZ3; MARIO CRUZ 4

1,2,3,4 CARRERA DE INGENIERÍA GEOGRÁFICA Y DEL MEDIO AMBIENTE, UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE. Av. General Rumiñahui, s/n, Sangolquí-Ecuador [email protected];

[email protected];

[email protected]; 4macruz@

espe.edu.ec 4.

Recibido: 02 de octubre 2013 / Aceptado: 10 de diciembre 2013

RESUMEN

La Implementación de un Plan Piloto para la Gestión de Riesgos para el fortalecimiento de los COE´s, en la Jurisdicción de la ciudad de Esmeraldas consta de cuatro fases, la primera, está orientada a la identiicación de amenazas en la provincia de Esmeraldas a escala 1:50000 con el objetivo de tener una visión global de los posibles eventos a suceder en la zona; la segunda se enfoca en el principal evento crítico que presenta la ciudad, tal es el caso de los deslizamientos cuyo análisis será representado a escala 1:5000; mientras que la tercera y cuarta, se presenta el diseño y publicación del manual instructivo el cual compila las dos fases anteriores, herramienta que permitirá instruir a los Comandos Operacionales de Emergencia acerca de las amenazas, su desarrollo y capacidad de afectación dentro de una zona de riesgo.

Palabras clave: Riesgo, Amenaza, Instrucción, Comandos, Deslizamiento.

ABSTRACT

The implementation of a pilot plan in risk assessment has been undertaken in order to strengthen the members of the operational commands in the jurisdiction of the city of Esmeraldas. This plan has been divided into four different phases. The irst phase is aimed to identify hazards in the province of Esmeraldas (with an operated scale of 1:50000) with the purpose to gain an overview of the possible and potential natural events, which may result in disasters. The second phase focuses on the most critical event present in the city, being landslides, which analysis is represented at a scale of 1:5000. The inal phase is represented by an instruction manual, which compiles the two previous phases, with the intention to instruct the emergency operational commands on hazards and their development as well as their grade of involvement within a risk area.

Key words: Risk Assesment, Hazards, Instruction, Commands, Landslides


Implementación de un plan piloto para la gestión de riesgos Página 103

1. INTRODUCCIÓN

La ciudad de Esmeraldas, siendo un puerto estratégico para el país, ha enfrentado en estos últimos años y años anteriores una serie de eventos naturales como inundaciones, deslizamientos, tsunamis y sismos los cuales han alterado las actividades comerciales e industriales de la población.

Uno de los eventos que se observan frecuentemente en la ciudad de Esmeraldas son los deslizamientos, provocados principalmente por la ubicación de viviendas en terrenos inadecuados, prácticas agropecuarias en las laderas y deforestación; aspectos que han propiciado a la desestabilización del suelo incrementando así la vulnerabilidad en ediicaciones, redes de servicios vitales como agua, saneamiento, movilidad, electricidad, entre otros.

Por esta razón, la implementación de un plan piloto, mediante la construcción, diseño y adecuación del material de instrucción, los Comandos Operacionales de la Jurisdicción de la ciudad Esmeraldas fortalecerán las capacidades de los diversos actores sociales para planiicar acciones orientadas a minimizar la amenaza a deslizamientos en especial la mitigación de los efectos de este evento natural.

2. UBICACIÓN DE LA ZONA DE ESTUDIO

La zona de estudio abarca la información correspondiente tanto de la provincia de Esmeraldas como la de la capital provincial. Dado que se identiicaron en la provincia los posibles eventos a suceder en la zona representada 1:50000, en cambio en la capital provincial nos enfocamos en el principal evento crítico tal es el caso de los deslizamientos, que será representado a escala 1:5000. (Figura 1)

Figura 1. Ubicación de las zonas de estudio

104 Página Ana Saavedra M.; Isabel Vinueza E; Pablo Perez; Mario Cruz

3. METODOLOGÍA Y RESULTADOS

3.1 METODOLOGÍA A NIVEL PROVINCIAL

Es necesario principalmente conocer cuáles son las amenazas que afectan a Esmeraldas, es por esto que los mapas de Peligro de Inundación (Figura 2) y Susceptibilidad a

Deslizamientos (Figura 3) fueron realizados en base a la información obtenida en la Zoniicación Económica y Ecológica de Esmeraldas a escala 1:50.000 (Ponce & Villacreces, 2012) y por el CLIRSEN a escala 1:250.000 (CLIRSEN, 2001).

Figura 2. Mapa de Peligro de Inundación Figura 3 Mapa de Susceptibilidad a deslizamientos

Para los mapas de Intensidad Sísmica (Figura 4), se generó la información en base a la distribución espacial de intensidades sísmicas reportadas de diferentes sismos, entre el período 1973-2012, mediante el Método de interpolación Distancia Inversa Ponderada el cual utiliza como entrada la muestra de magnitudes de los sismos del período mencionado y comparados posteriormente con la escala de Intensidad de Mercalli Modiicada se obtiene curvas con igual nivel de intensidad.

Figura 4. Mapas de Intensidad Sísmica Figura 5 Mapa de Peligro de Inundación por Tsunami


Para el Mapa de Peligro de Inundación por Tsunami, la información fue evaluada por el conjunto de áreas posibles a ser afectadas a lo largo de la línea de costa partiendo de datos históricos tsunamigénicos ocurridos en los años de 1906, 1958 y 1979 en la provincia de Esmeraldas (Figura 5).

3.2 RESULTADOS A NIVEL PROVINCIAL

El mapa de Peligro de Inundación representa una agrupación de los riegos de inundación

que presenta la provincia de Esmeraldas, Riesgo de inundación con un 10%, áreas que están afectadas por el desbordamiento de los ríos, Blanco, Verde, Esmeraldas, Cayapas, Los Atajos, entre otros y Riesgo de inundación permanente con un 2% que cubre los esteros al norte de la provincia y al sur-oeste de la misma.El mapa de Susceptibilidad a Deslizamientos evalúa tres grandes áreas potencialmente

inestables: Alta, áreas distribuidas en forma más o menos uniforme representando el 29% con una relativa mayoría en la parte occidental; Baja, el 31% en la parte oriental y Media con el 40% presentando un poco más de inluencia en los límites con Colombia y el Océano Pacíico.El mapa de amenaza sísmica, dónde se observa que las intensidades que han predominado

en la provincia son de grado II-III y IV con el 93.96% lo que signiica que la percepción del sismo es débil mientras que el área de intensidad IV con el 6,06% es ligera. En ambas, no existen daños de infraestructura debido a su baja intensidad presentada en la zona.

El Mapa de Peligro de Inundación por Tsunami muestra un área total susceptible a ser inundada del 4% del territorio total de la provincia con una supericie de 614,04 Km2. Este porcentaje cubre los poblados de las cabeceras cantonales: Mompiche, Muisne, Atacames,Río Verde San Lorenzo y parroquiales: San José de Chamanga, Salima, Daule, San Gregorio y Rocafuerte, asentados en la parte occidental de la provincia.

3.3 METODOLOGIA PARA ELABORAR EL MAPA DE AMENAZA A DESLIZAMIENTOS

En lo que respecta a la identiicación de deslizamientos en la ciudad de Esmeraldas se realizó la siguiente metodología:

3.3.1 Obtención de Información e impresión fotográica

Se utilizaron fotografías aéreas digitales a escala 1:5000 obtenidas del Proyecto

Esmeraldas GSD 6cm, Plan de Vuelo Esmeraldas GCM, 2010; proporcionadas por el Instituto Geográico Militar, las mismas que cubren la zona de estudio, área urbana y sectores colinados. Las fotografías fueron impresas en formato A4, las cuales se utilizaron para el proceso de fotointerpretación.


3.3.2 Proceso de Fotointerpretación y Digitalización En El Software ArcGis

Utilizando las fotografías aéreas impresas a escala 1:5000 del año 2010, se realizó un análisis de interpretación estereoscópica de los diferentes tipos de deslizamientos presentes en la zona de estudio con el objetivo de determinar las áreas afectadas por inestabilidad de laderas partiendo de la identiicación de las formas del relieve, formas de erosión y de deposición de los elementos; características del material acumulado, escarpes pronunciados, coronas visibles, cambios repentinos de la cobertura vegetal y diferenciación de coloración en la litología de la ladera (Figura 6).Una vez realizada la fotointerpretación se procedió a digitalizar en un SIG cada uno de los deslizamientos encontrados sobre el ortomosaico rectiicado de las fotografías, obteniendo así las zonas de interés para su posterior veriicación en campo.

Figura 6. Forma de un deslizamiento después de la primera fotointerpretación

3.3.3 Elaboración de ichas de campo

Las ichas fueron elaboradas a partir de la recopilación de datos necesarios para el análisis de cada movimiento en masa para la veriicación en campo. Cada icha consta de las siguientes características generales:

• Código, fotografía y ubicación del movimiento en masa• Características del movimiento de ladera (tipo de movimiento y grado de actividad)• Factores desencadenantes• Factores condicionantes• Características morfológicas de la ladera (materiales afectados, condiciones de la roca)

• Estado de conservación y rasgos presentes sobre el depósito (presencia de vegetación en las grietas de tracción, estado de la corona, estado del depósito y rasgos observables)• Forma y ubicación de la rotura de la ladera• Uso de suelo• Evaluación de daños


3.3.4 Veriicación en Campo

Durante esta etapa se corrige sobre el terreno todos aquellos movimientos en masa

digitalizados en el mapa preliminar y se complementa con observaciones que sólo en el campo pueden ser identiicadas tal es el caso de fracturas o grietas de tracción en las coronas (Figura 7), postes inclinados, signos de reptación, pérdidas de verticalidad en árboles, grietas en la infraestructura, etc; con la ayuda de la icha de campo elaborada en el paso anterior.

Figura 7. Grietas de tracción en el escarpe de un deslizamiento activo en el sector del tanque de agua

3.3.5 Reinterpretación de Deslizamientos

Los deslizamientos que no fueron veriicados en campo, se realiza una nueva interpretación

para establecer claramente los límites y la forma que presenta en el territorio basándose en la experiencia obtenida con los que sí fueron visitados.

3.3.6 Generación del Mapa de Amenazas por Deslizamientos

Se digitaliza las correcciones realizadas en campo y de la nueva interpretación, añadiendo

en la respectiva Geodatabase los atributos identiicados de cada movimiento.

Se establece la simbología para las partes de un deslizamiento, dirección del movimiento y grado de actividad de cada uno de ellos.

3.3.7 Compilación de Deslizamientos Representativos En Cada Zona Inestable En Un

I nventario De Deslizamientos

En esta etapa se escoge los deslizamientos representativos aquellos cuyas características

los identiican como los más críticos que presenta la ciudad de Esmeraldas.


3.4 RESULTADOS DE LOS DESLIZAMIENTOS EN LA CIUDAD DE ESMERALDAS

El tipo de movimiento predominante en el área de estudio es el deslizamiento rotacional con un mayor porcentaje de 85. 22% y en menor proporción el deslizamiento traslacional, desprendimiento por caída libre y lujos de lodo con el 14.78%. (Figura 8)

Figura 8. Total de movimientos en masa (%)

Al momento de hacer una comparación sobre la existencia de deslizamientos rotacionales, se constató que la parroquia Luis Tello tiene un mayor porcentaje que las demás parroquias con un 43.82%, seguido de 5 de Agosto 1 con el 22.84% y valores semejantes en Bartolomé Ruiz y Esmeraldas. (Figura 9)


Conocer el grado de actividad de cada tipo de movimiento es esencial debido a la posible o inmediata ocurrencia de la ruptura en la ladera, ya sea por la inluencia natural o antrópica que son inluencia para el desarrollo del movimiento. Es por ello, que se ha obtenido los siguientes porcentajes totales de todos los tipos de movimiento, destacándose los activos con el 82.73% y en menores porcentajes potenciales, antiguos y reactivados. (Figura |10)



• Activos: Del 82.73% de deslizamientos activos, se observa que la mayor concentración se encuentran en la parroquia Luis Tello con el 36.70% con una media concentración en 5 de Agosto con el 18.77%, baja concentración en Bartolomé Ruiz con 13.79% y Esmeraldas con 13.47%.

• Potenciales: Del 10.60% de movimientos potenciales, existen porcentajes mínimos en las cuatro parroquias. En Esmeraldas se tiene 7.57% seguido 5 de Agosto con el 2.34% y Luis Tello a penas con el 0.69%). Estos porcentajes están distribuidos tanto en deslizamientos rotacionales como traslacionales.

• Antiguo o Paleodeslizamiento: Del 6.36% de los movimientos antiguos, la parroquia 5 de Agosto presenta el 4.37% y Bartolomé Ruiz con el 1.99%.

INVENTARIO

Se elaboraron 25 ichas de los deslizamientos más críticos que presenta la ciudad de Esmeraldas, entre los cuales los siguientes:

• Deslizamiento Rotacional Activo TP001 (Parroquia: Tercer Piso) (Figura 11):

Figura 11. Deslizamiento Rotacional Activo TP001


• Deslizamiento Rotacional Activo M006 (Parroquia Bartolomé Ruiz) (Figura 12):

Figura 12. Deslizamiento Rotacional Activo M006

• Deslizamiento Rotacional Activo UP006 (Parroquia 5 de Agosto) (Figura 13):

Figura 13. Deslizamiento Rotacional Activo UP006

4. CONCLUSIONES

• Esmeraldas es una de las provincias con mayor afectación de amenazas a deslizamientos, inundaciones, tsunamis y sismos cuyos eventos naturales han cambiado la morfología de la provincia a través de los años, sin embargo el incremento de viviendas en terrenos inadecuados en la ciudad de Esmeraldas han conllevado la desestabilización de las laderas incrementando así la vulnerabilidad en la población.

• La contaminación ambiental en la ciudad, es un factor negativo predominante; los sistemas de desagües se encuentran cubiertos de maleza y muchos de


ellos en mal estado, factores que inciden directamente en la ocurrencia de inundaciones que soporta la ciudad en época de lluvias.

• Los deslizamientos rotacionales activos ubicados en el cerro Gatazo, UP006, en el barrio Miramar, M006 y en el barrio Tercer Piso, TP005, son los más preocupantes debido a que presentan grandes grietas de tracción signos que indican que el suelo está moviéndose y en cualquier momento por acción de un factor desencadenante puede generar un nuevo plano de rotura provocando daños en las viviendas ubicadas en la parte baja de la ladera

5. RECOMENDACIONES

• A partir de la información obtenida, es muy importante que el Municipio de Esmeraldas realice un nuevo Plan de Ordenamiento Territorial que obligue a un crecimiento ordenado y sustentable de la ciudad, el cantón y la provincia. Esto evitará que la población continúe ubicándose en sectores de alto riesgo y permitirá un uso adecuado del suelo. Este plan debe mantener la respectiva conectividad entre cantones para un desarrollo conjunto y equitativo para toda la provincia.

• Sería muy favorable que el GAD de Esmeraldas realice campañas de socialización ambiental en la ciudad e incentive a los habitantes a mantenerla limpia y no arrojar los desperdicios en cualquier sitio como calles, quebradas y canaletas. Para esto el GAD respectivo realice campañas continuas en escuelas y colegios, la localización de basureros en buen estado en varios sitios de la ciudad, así como propagandas y difusión de la Educación Ambiental.

• Aquellos deslizamientos que tienen sistemas de estabilización tal es el caso del deslizamiento ubicado en el cerro el Gatazo, deben ser controlados anualmente por técnicos del GAD de Esmeraldas para veriicar el estado de las tuberías colocadas en el talud, y así tomar medidas preventivas para no desencadenar un nuevo deslizamiento incrementando nuevamente la vulnerabilidad a la infraestructura de viviendas y redes vitales.

REFERENCIAS

Ponce, V., & Villacreces, G. (2012). Propuesta de Ordenamiento Territorial de la Provincia de Esmeraldas en base a la Zoniicación Ecológica Económica. Sangolquí.

CLIRSEN. (2001). Zoniicación Ecológica Económica de la Provincia de Esmeraldas. Quito: CLIRSEN.

Documents

Revista Geoespacial 10