SERVICIOS PROFESIONALES ESPECIALIZADOS EN SISTEMAS DE ... · capacidades en la gestión de los...

CONSULTOR: Ing. Mirton Enrique Crisólogo Rodríguez

AGOSTO, 2017

SERVICIOS PROFESIONALES ESPECIALIZADOS EN

SISTEMAS DE INFORMACIÓN GEOGRÁFICA (SIG)

INFORME DE LA IDENTIFICACIÓN,

GEORREFERENCIACIÓN Y CUANTIFICACIÓN DE LAS

POSIBILIDADES DE INTERVENCIÓN EN

INFRAESTRUCTURA VERDE EN LAS CUENCAS DE LOS

RÍOS CHILLÓN, RÍMAC Y LURÍN-CHILCA

Servicios Profesionales Especializados en Sistemas de Información Geográfica (SIG)

Proyecto PARA-aguas Página 2 de 34

Contenido

1. ANTECEDENTES .......................................................................................................................... 3

2. OBJETIVO ..................................................................................................................................... 4

2.1 Objetivo general ........................................................................................................................... 4

2.2 Objetivos específicos .................................................................................................................. 4

3. MARCO CONCEPTUAL ............................................................................................................... 4

4. MATERIALES Y METODOLOGÍA DE TRABAJO ....................................................................... 7

4.1. Materiales ...................................................................................................................................... 7

4.2. Metodología de trabajo ................................................................................................................ 8

5. RESULTADOS .............................................................................................................................. 9

5.1. Análisis y evaluación de la cartografía disponible para el ámbito del CRCH CHIRILU ....... 9

5.2. Diseño y creación de la Base de datos SIG ............................................................................ 11

5.3. Descarga y tratamiento de las imágenes satelitales Landsat 8 para el ámbito del CRCH

CHIRILU ................................................................................................................................................. 13

5.4. Identificación, georreferenciación y cuantificación de las posibilidades de intervención

en infraestructura verde en el ámbito del CRCH CHIRILU .............................................................. 17

5.5. Diseño y elaboración de los mapas SIG para el ámbito del CRCH CHIRILU ...................... 33

6. CONCLUSIONES ........................................................................................................................ 34

6.1. Conclusiones .............................................................................................................................. 34

7. REFERENCIA BIBLIOGRÁFICA ................................................................................................ 34

8. ANEXOS ...................................................................................................................................... 34



1. ANTECEDENTES

El Proyecto PARA-Agua, propuesto y financiado por la Agencia de los Estados Unidos para el

Desarrollo Internacional (USAID), es una iniciativa de colaboración entre científicos, tomadores de

decisiones y grupos de interés que promueve una mayor comprensión de los impactos del clima sobre

recursos hídricos y provee metodologías y herramientas para mejorar los procesos de planificación y

gestión.

La Autoridad Nacional del Agua (ANA) ha firmado un Acuerdo de Entendimiento con el Proyecto para

la Adaptación y Resiliencia para el Agua (Proyecto PARA-Agua), con el objetivo de fortalecer las

capacidades en la gestión de los recursos hídricos en un contexto de adaptación al cambio climático

en los Consejos de Recursos Hídricos de Cuenca (CRHC) priorizados y apoyar la implementación de

los Planes de Gestión (PGRH).

En dicho marco de colaboración y a solicitud de ANA, PARA-Agua viene desarrollando la asistencia

técnica para la formulación de Documentos Base para el Programa de Infraestructura Verde del PGRH

del CRHC CHIRILU que incluye entre sus productos la identificación de proyectos/iniciativas de

infraestructura verde en las cuencas del ámbito del CRCH CHIRILU y la propuesta de criterios de

priorización de proyectos, por lo cual se requiere de un especialista en Sistemas de Información

Geográfica (SIG) para la identificación, georreferenciación, cuantificación y elaboración de mapas de

las posibles de intervenciones en Infraestructura Verde en las cuencas de los ríos Chillón, Rímac y

Lurín-Chilca.

En tal sentido el Proyecto PARA-aguas contrató los servicios de un consultor, cuyos productos

permitirán contar con información geográfica actual, la cual les sirva para desarrollar sus actividades.

En el presente documento se describen las actividades desarrolladas y los resultados obtenidos en el

servicio denominado “Servicios Profesionales Especializados en Sistemas de Información

geográfica (SIG)”.



2. OBJETIVO

2.1 Objetivo general

✓ Identificar, georreferenciar y cuantificar las posibilidades de intervención en infraestructura

verde en las cuencas de los ríos Chillón, Rímac y Lurín-Chilca y Elaborar los mapas SIG.

2.2 Objetivos específicos

✓ Identificar, georreferenciar y cuantificar las posibilidades de intervención en infraestructura

verde en las cuencas de los ríos Chillón, Rímac y Lurín-Chilca.

✓ Elaborar mapas SIG con las principales intervenciones en Infraestructura verde en el ámbito

de las cuencas Chillón, Rímac y Lurín-Chilca.

3. MARCO CONCEPTUAL

a) Cartografía y Sistemas de Información geográfica (SIG)

✓ ArcGIS Desktop, conjunto integrado de aplicaciones SIG avanzadas para PC de escritorio

(Arc Catalog, Arc Map, ArcToolBox, ArcReader, ArcScene, ArcGlobe y diversas extensiones

específicas). Se distribuye bajo tres niveles de licencias que, en orden creciente de

funcionalidades y coste, son las siguientes: ArcView, ArcEditor y ArcInfo (Bosque, J).

✓ Base de datos SIG, es una serie de capas de información espacial en formato digital, que

representan diversas variables (formato ráster), o bien capas que representan objetos

(formato vectorial) a los que corresponden varias entradas en una base de datos enlazada

(Tomlinson, R).

✓ Cartografía, es la ciencia encargada de la preparación de todo tipo de mapas y cartas,

incluyendo cada operación desde el planeamiento hasta la impresión final de los mapas.

Esto significa que la cartografía comprende la elaboración completa de mapas, es decir,

geodesia, topografía, fotogrametría, compilación y reproducción (Roggero, V.).

✓ Feature Class (Clase de identidad), es un componente de la Geodatabase que agrupa

datos que tienen una misma geometría, atributos y referencia espacial (se incluyen las

anotaciones, que son un tipo especial de entidades). Los Feature Class pueden existir en

forma independiente dentro de la Geodatabase, o pueden agruparse dentro de un Feature

Dataset (Rigaux, P).

✓ Feature Dataset (Dataset de entidades), almacena un grupo de Features Class, que

deben poseer la misma referencia espacial (sistema de coordenadas y extensión espacial).

Se deben agrupar en un miso Feature Dataset aquellos elementos que mantienen una

relación topológica (adyacente, coincidencia o conectividad) (Rigaux, P).

✓ Mapa, es la representación gráfica de información geográfica. Incluye datos geográficos del

mapa (una o más capas) y otros elementos del mapa como un título, flecha de Norte,

leyenda, barra de escala, etc. En un mapa se puede visualizar y consultar interactivamente

los datos geográficos y posteriormente prepararlo para imprimir (Tomlinson, R).

✓ Proyecto o documento de mapa (*.mxd), no es un archivo de datos espaciales,

simplemente contiene en su interior la ruta y las características de visualización de cada una

de las capas a las que hace referencia (colores, símbolos, tramas, grosor de línea, etc.) del



agregado de imágenes y datos del mapa y las especificaciones de la vista de diseño del

mapa final (Bosque, 1992).

✓ Sistemas de Información Geográfica, es una herramienta empleada en la recopilación,

selección, automatización, recuperación, análisis de datos numéricos y gráficos, y su

aplicación de los mismos en base de modelos lógicos y descriptivos por medio de

superposición de mapas, medición de distancias y localización de áreas de influencias.

También se define como un sistema de hardware, software y procedimientos analíticos que

integra modernas técnicas de mapeo computarizado con potentes operadores analíticos de

base de datos geográficos o espaciales, capaces de efectuar consultas y transformaciones

sobre el espacio constituyéndose en una herramienta versátil, eficiente y oportuna para el

planeamiento regional urbano - rural y la toma de decisiones. Los SIG tienen en común una

ubicación geográfica para el registro de la información. (Tomlinson, R).

b) Sensoramiento remoto o Teledetección

✓ Sensoramiento remoto, es la disciplina que engloba el estudio de los fundamentos físicos

de la observación remota de la superficie terrestre, y de los procedimientos que permiten

obtener datos de la misma y su posterior tratamiento. Aquí debemos detenernos para hacer

una distinción importante: por dato entenderemos a las representaciones (valores crudos)

de un elemento obtenidas por un sensor, y que son plausibles de ser manipulados

mediantes distintas técnicas computacionales; por información entenderemos al conjunto

de aquellos datos que fueron interpretados por un ser humano, a los fines de un objetivo

determinado. Para esto, es preciso que entre los objetos y el sensor exista algún tipo de

interacción, tal como, el flujo energético proveniente de la energía emitida por el propio

sensor; o bien, la reflexión de la luz solar en la superficie terrestre. De esta forma, es posible

adquirir información de las cubiertas u objetos por medio de reflexión, emisión o por emisión-

reflexión (Chuvieco, 2010).

✓ Resolución de un Sensor remoto, es su habilidad para discriminar información de detalle,

En cuanto al significado de “información de detalle”, conviene considerar que se ref iere no

solo al detalle espacial que proporciona el sensor, sino también al número y anchura de las

bandas del espectro que alberga, a su cadencia temporal, y a su capacidad para distinguir

variaciones en la energía que detecta. Todas estas son dimensiones de gran interés a la

hora de discriminar cubiertas o establecer modelos de significado físico. En definitiva, el

concepto de resolución implica cinco distinciones: espacial, espectral, radiométrica,

temporal y angular (Chuvieco, 2010).

✓ Imagen satelital, mientras que una escena se define como la distribución espacial y

temporal de la materia y los flujos de energía de la superficie de la cual el sensor extrae

mediciones, la imagen representa una colección de los valores de energía procedentes de

la observación, los cuales son detectados por el sensor y ordenados electrónicamente de

forma sistemática en una matriz de números mediante un sistema de filas y columnas.

Asociado íntimamente al concepto de imagen, está el concepto de celda o píxel (proveniente

del término en inglés picture element), que representa la mínima unidad de formación de

esa matriz de datos, y es donde se “alberga” como número digital (ND) cada uno de los

valores de intensidad de energía observados por el sensor (Gutiérrez y Muñoz, 2006).

✓ Corrección atmosférica, busca recuperar la radiancia intrínseca del objeto de estudio,

obtenida de la señal recibida por el sensor. Para ello se requiere: 1) convertir los ND de

cada banda a valores de radiancia (L), 2) la radiancia se transforma a valores de reflectividad

en el techo de la atmósfera “Top of Atmosphere” (TOA) y 3) se obtiene mediante FLAASH

la conversión a valores de reflectancia (Kruse, 2004).



c) Programa LandSat

La NASA y el Servicio Geológico de Estados Unidos (USGS), brindan la siguiente información

relacionada al programa LandSat.

✓ El programa LandSat, ha revolucionado la forma de ver y estudiar nuestro planeta. Esta

serie de datos, que se inició en 1972, es la más larga de la historia y continua registrando

los cambios en la superficie terrestre desde el espacio, Landsat ha sido el único sistema de

satélite diseñado y operado para observar repetidas veces la cubierta de la tierra con una

resolución moderada; de manera general cada pixel en su imagen tiene un tamaño con el

que se podría cubrir un campo de béisbol. En la actualidad el programa se encuentra en su

octava versión denominada: “Landsat Data Continuity Mission” (LDCM) es el octavo satélite

de observación de la serie LandSat y continuará el legado de archivo de los anteriores

satélites, convirtiéndose de esta manera en el futuro de los satélites de observación de la

tierra de mediana resolución con más historia.

✓ Imágenes satelitales LandSat 8, son obtenidas por el sensor (OLI) y (TIRS) constan de

nueve bandas espectrales con una resolución espacial de 30 metros para las bandas de 1

a 7 y 9. Una banda nueva (1) (azul-profundo) es útil para estudios costeros y aerosoles. La

nueva banda (9) es útil para la detección de cirrus, La resolución para la banda 8

(pancromática) es de 15 metros. Dos bandas térmicas 10 y 11 son útiles para proporcionar

temperaturas más precisas de la superficie y se toman a 100 metros de resolución. El

tamaño aproximado de la escena es de 170 km de norte-sur por 183 kilómetros de este a

oeste (106 km por 114 km).

✓ Características orbitales del LandSat 8

• Órbita polar Heliosíncrona

• 705 km de altura orbital

• Inclinación 98,2º

• Cruce del Ecuador a las 10:00 am (± 15 min) local time (modo descendente)

• WRS-2 (Worldwide Reference System) path/row system

• Swat 180 km

• Tiempo de revisita 16 días, 233 ciclos orbitales

• Período de Revolución: 98,9 minutos; ~14,5 órbitas/día

✓ Especificaciones de Productos LDCM a Nivel 1

Procesamiento Nivel 1 T-Corrección geométrica

Tamaño de píxel

- Bandas OLI multiespectrales 1-7,9: 30-metros

- Banda OLI pancromática 8: 15-metros

- Bandas TIRS 10-11: tomadas en 100 metros, pero remuestreadas a 30 metros para que coincida con las bandas multiespectrales de OLI

Características de los datos

- Formato de datos GeoTIFF

- Remuestreo por convolución cúbica (CC)

- Norte arriba (MAP) de orientación

- Proyección cartográfica: Universal Transversal Mercator (UTM) (estereográfica polar de la Antártida)

- Datum al Sistema Geodésico Mundial (WGS) 84

- 12 metros de error circular, 90% de confianza exactitud global para OLI

- 41 metros de error circular, 90% de confianza exactitud global para TIRS

- Los valores de píxel en 16 bits

Entrega de datos Archivo comprimido ,Tar,gz y de descarga a través de HTTP



Procesamiento Nivel 1 T-Corrección geométrica

Tamaño de archivo Aproximadamente 1 GB (comprimido), aproximadamente 2 GB (sin comprimir)

✓ Distribución de las bandas en OLI y TIRS

Operational Land Imager (OLI) And Thermal Infrared Sensor (TIRS)

Bandas longitud de onda

(micrómetros)

Resolución

(metros)

Banda 1 - Aerosol costero 0,43 – 0,45 30

Banda 2 - Azul 0,45 – 0,51 30

Banda 3 - Verde 0,53 – 0,59 30

Banda 4 - Rojo 0,64 – 0,67 30

Banda5 – Infrarrojo cercano (NIR) 0,85 – 0,88 30

Banda 6 - SWIR 1 1,57 – 1,65 30

Banda 7 - SWIR 2 2,11 – 2,29 30

Banda 8 - Pancromático 0,50 – 0,68 15

Banda 9 - Cirrus 1,36 – 1,38 30

*Banda 10 – Infrarrojo térmico (TIRS) 1 10,60 – 11,19 100

*Banda 11 - Infrarrojo térmico (TIRS) 2 11,50 – 12,51 100

4. MATERIALES Y METODOLOGÍA DE TRABAJO

4.1. Materiales

a) Material cartográfico

✓ Mapas político administrativo de Perú, de la delimitación referencial departamental,

provincial y distrital, generado con fines censales por el INEI - 2002.

✓ Centros poblados, elaborado por el censo del INEI - 2007 y actualizado por la PCM - 2015.

✓ Red vial, elaborado por el MTC

✓ Imágenes satelitales Landsat 8 OLI.

✓ Servicios en web de imágenes satelitales de GIS Online.

✓ Modelo de Elevación Digital, generados a partir del par estéreo del sensor remoto ALOS

(resolución espacial de 12.5 m).

✓ Carta Nacional, elaborada por el IGN.

b) Material bibliográfico

✓ Información proporcionada por el proyecto PARA-aguas

✓ Familia de las normas ISO 19100

✓ Fotografías tomadas en campo

✓ Mapa parlante

c) Material de gabinete

✓ Equipo de cómputo

✓ Software: ArcGIS 10.3

✓ Software: Erdas Imagine 2014

✓ Software: ENVI 5.1

✓ Impresora / Plotter

✓ Escáner

✓ Materiales de escritorio



4.2. Metodología de trabajo

4.2.1. Análisis y evaluación de la cartografía disponible para el ámbito del CRCH CHIRILU

Esta actividad ha consistido en revisar qué información cartográfica será necesaria tener en la

base de datos, la cual nos servirá para identificar, georreferenciar y cuantificar las posibilidades

de intervención en infraestructura verde en las cuencas de los ríos Chillón, Rímac y Lurín-Chilca,

así como hacer el diseño y la presentación de los mapas SIG.

Entre los criterios usados para revisar han sido: la proyección, contenido y denominación de cada

uno de los campos de las tablas de atributos y la correlación espacial entre cada una de las

capas, tomando como base su ubicación y posición geográficas, para corroborar este último

criterio se hizo uso de servicios de imágenes satelitales de alta resolución disponibles mediante

GIS Online.

4.2.2. Diseño y creación de la Base de datos SIG

Luego de revisar y sistematizar la información cartográfica recopilada, se diseñó la estructura de

la base de datos y se procedió a crearla, para ello se tuvo en consideración las normas ISO y el

tipo de información que esta va alojar.

4.2.3. Descarga y tratamiento de las imágenes satelitales Landsat 8 para el ámbito del CRCH

CHIRILU

Uno de los principales insumos para digitalizar la infraestructura verde, han sido las imágenes

satelitales del sensor remoto LandSat 8, la selección y descarga de las escenas se ha hecho de

la plataforma de Earth explorer (http://earthexplorer.usgs.gov/) y las escenas que se han

seleccionado son: Path 007 y Row 068 y Path 007 y Row 069.

Luego de haber identificado la escena para el año 2016, se procedió a seleccionar la imagen,

entre los criterios de búsqueda fueron que corresponda a los meses secos (junio - setiembre)

para la sierra y la cobertura de nubes sea inferior al 5 % se la superficie del ámbito de estudio.

Seguidamente se descargó la imagen y la alojó en el disco local de una laptop.

Finalmente se procedió hacer el tratamiento a las imágenes satelitales, el cual consintió en la

corrección atmosférica.

4.2.4. Identificación, georreferenciación y cuantificación de las posibilidades de intervención en

infraestructura verde en el ámbito del CRCH CHIRILU

Luego se procedió a hacer la Identificación, georreferenciación y cuantificación de las

posibilidades de intervención en infraestructura verde en el ámbito del CRCH CHIRILU; el primer

elemento en mapear fueron los bofedales; otro elemento utilizado fue un mapa parlante, el cual

fue elaborado con la ayuda de la población de los distritos Huaros y Huamanatanga (cuenca del

río Chillón) y del distrito de San Andrés de Tupicocha (cuenca del río Lurín), entre los elementos

identificados en estos mapas fueron: las cochas, plantaciones forestales, andenes, espacios

disponibles para la intervención en infraestructura verde y la degradación de las zonas de recarga

hídrica causado por el sobre pastoreo.

4.2.5. Diseño y elaboración de los mapas SIG para el ámbito del CRCH CHIRILU

Finalmente se han elaborado los mapas con las posibilidades de intervención en infraestructura

verde para cada cuenca del ámbito del CRCH CHIRILU.

http://earthexplorer.usgs.gov/



5. RESULTADOS

Para una mejor compresión de los resultados obtenidos, se han agrupado de la siguiente manera:

✓ Análisis y evaluación de la cartografía disponible para el ámbito del CRCH CHIRILU

✓ Diseño y creación de la Base de datos SIG

✓ Descarga y tratamiento de las imágenes satelitales Landsat 8 para el ámbito del CRCH CHIRILU

✓ Identificación, georreferenciación y cuantificación de las posibilidades de intervención en


✓ Diseño y elaboración de los mapas SIG para el ámbito del CRCH CHIRILU

5.1. Análisis y evaluación de la cartografía disponible para el ámbito del CRCH CHIRILU

La primera actividad que se ha desarrollado ha sido revisar diversas fuentes que han generado o vienen

administrado información cartográfica y la cual está disponible para el ámbito de trabajo (CRCH

CHIRILU), esta información nos ha servido para identificar la existencia de cartografía relacionada con

la infraestructura verde, en la identificación y análisis de esta, o para el diseño y presentación de los

mapas.

Luego de identificar las capas temáticas (layer) que servirán, se estandarizó el sistema de proyección

(sistemas de coordenadas: UTM, Datum: WGS 84 y Zona: 18 sur) de la cartografía.

El control de calidad se hizo para cada uno de los Layer, para la parte gráfica se ha usado las Reglas

topológicas y para los datos Alfanuméricos (revisar que estén completos y homogéneos los atributos);

en el siguiente cuadro se detallan cada una de las Reglas Topológicas que se han utilizado para hacer

el control de calidad geográfico:

Cuadro Nº 5.01: Reglas topológicas aplicados para los layer

Número

de regla

Regla

topológica Descripción de la norma

Representación

gráfica

Geometría tipo punto

1 Debe

coincidir con

Requiere que los puntos en una clase (o subtipo)

de entidad coincidan con los puntos de otra clase

(o subtipo) de entidad. Esto es útil para los casos

en los que los puntos deben estar cubiertos por

otros puntos, igual que los transformadores deben

coincidir con los polos de potencia en las redes de

distribución eléctricas y los puntos de observación

deben coincidir con las estaciones.

Un punto rojo no

coincide con un punto

azul hay un error.

2 Debe estar

separado

Requiere que los puntos se encuentren separados

espacialmente de otros puntos en la misma clase

(o subtipo) de entidad. Los puntos que se

superpongan son errores. Esto resulta útil para

asegurarse de que los puntos no coincidan ni se

dupliquen dentro de la misma clase de entidad, tal

como en capas de ciudades, puntos de ID de lote

de parcela, pozos o postes de luz.

La superposición de un

punto rojo y uno azul es

un error.



Número

de regla

Regla


Representación

gráfica

Geometría tipo línea

3

Debe ser

mayor que la

tolerancia

cluster

Es necesario que una entidad no se colapse

durante el proceso de validación. Esta regla es

obligatoria para una topología y se aplica a todas

las clases de entidad de línea y poligonal. En los

casos en los que se infringe esta regla, la

geometría original permanece sin cambios.

4

No debe

superponers

e

Requiere que las líneas no se superpongan con

las líneas en la misma clase (o subtipo) de

entidad. Esta regla se utiliza en aquellos

segmentos de línea que no se deberían duplicar,

por ejemplo, en una clase de entidad de arroyo.

Las líneas se pueden cruzar o intersecar pero no

pueden compartir segmentos.

5 No debe

intersecarse

Requiere que las entidades de línea desde la

misma clase (o subtipo) de entidad no se crucen

ni se superpongan entre sí. Las líneas pueden

compartir extremos. Estas reglas se utilizan para

líneas de contorno que nunca se deben cruzar

entre sí o en los casos en los que la intersección

de las líneas se debe producir únicamente en

extremos, tales como segmentos e intersecciones

de calles.

6

No deben

quedar

nodos

colgados

Requiere que una entidad de línea deba tocar las

líneas desde la misma clase (o subtipo) de entidad

en ambos extremos. Un extremo que no esté

conectado con otra línea se llama nodo colgado

(dangle). Esta regla se utiliza cuando las

entidades de línea deben formar bucles cerrados,

como cuando definen los límites de las entidades

poligonales. También se podría utilizar en los

casos en los que las líneas se conectan

generalmente con otras líneas, como con calles.

En este caso, las excepciones se pueden utilizar

allí donde la regla se viola ocasionalmente, como

con segmentos cul-de-sac o de calle sin salida.

Geometría tipo polígono

7

Debe ser

mayor que la

tolerancia

cluster

Es necesario que una entidad no se colapse

durante el proceso de validación. Esta regla es

obligatoria para una topología y se aplica a todas

las clases de entidad de línea y polígono. En los

casos en los que se infringe esta regla, la

geometría original permanece sin cambios



Número

de regla

Regla


Representación

gráfica

8

No debe

superponers

e

Requiere que el interior de los polígonos no se

superponga. Los polígonos pueden compartir ejes

o vértices. Esta regla se utiliza cuando un área no

puede pertenecer a dos o más polígonos. Resulta

útil para modelar límites administrativos, como

códigos postales o distritos electorales, y

clasificaciones de área mutuamente exclusivas,

como cobertura de suelo o tipo de forma de suelo.

9

No debe

haber

huecos

Esta regla precisa que no haya vacíos dentro de

un polígono simple o entre polígonos adyacentes.

Todos los polígonos deben formar una superficie

continua. Siempre existirá un error en el perímetro

de la superficie. Puede ignorar este error o

marcarlo como una excepción. Utilice esta regla

en datos que deben cubrir completamente un

área. Por ejemplo, los polígonos de suelo no

pueden incluir espacios ni formar vacíos, deben

cubrir un área completa.

Fuente: Elaboración propia, en base a lo publicado por ESRI en su página web (http://www.esri.com/)

La cartografía que se trabajó en esta actividad es la siguiente:

✓ Capital departamental

✓ Capital provincial

✓ Capital distrital

✓ Casco urbano

✓ Centros poblados

✓ Cuervas a nivel

✓ Toponimia

✓ Cotas

✓ Red hidrográfica

✓ Lagunas

✓ Limite internacional

✓ Limite nacional

✓ Limite departamental

✓ Limite provincial

✓ Limite distrital

✓ Red vial

✓ Unidades hidrográficas

5.2. Diseño y creación de la Base de datos SIG

Para el diseño y creación de la Base de datos SIG, el criterio fue agrupar la cartografía en función de

la temática que se va a alojar.

Pero antes de empezar con el diseño de la Base de datos, se revisó la familia de las normas ISO 19100,

con la finalidad de estandarizar la denominación de la información geográfica; entre las Normas ISO

utilizadas se tienen las siguientes:



✓ ISO 19101: Modelo de referencia

✓ ISO 19103: Lenguaje de modelado conceptual

✓ ISO 19104: Terminología

✓ ISO 19107: El moldeo espacial

✓ ISO 19111: Referenciación espacial por coordenadas

En seguida se eligió el Gestor de Base de datos en el cual se creará la Base de datos SIG, en nuestro

caso la Base de datos fue alojada en el Gestor que viene asociado al Software ArcGIS, para este caso

se utilizó una “File Geodatabase (Base de datos tipo archivo)”.

Finalmente se definió el Sistema de Proyección que se usará para la Base de datos y cada uno de los

Feature Datasets que la conforman, cabe precisar que la proyección elegida está acorde a las

Resoluciones Jefaturales N° 079-2006-IGN/OAJ/DGC, N° 112-2006-IGN/OAJ/DGC/J y N° 086-2011-

IGN/OAJ/DGC del Instituto Geográfico Nacional-IGN, ente rector de la cartografía nacional en el Perú,

entre las características espaciales se tienen a las siguientes:

✓ Sistemas de coordenadas: UTM

✓ Datum: WGS84

✓ Zona o Huso horario: 18 Sur

✓ Esferoide: Internacional 1909

✓ Información vectorial que alojará: Punto, Línea y Polígono

Luego de definir estos criterios, se procedió a denominar cada uno de los componentes (Base de datos,

Feature Datasets y Feature Class) de la Base de datos SIG, se hizo de la siguiente manera:

En primer lugar, se ha asignado un nombre a la Base de datos, el cual debe tener un nombre corto,

con la finalidad de usar la menor cantidad de recursos del servidor y sin espacios si el nombre está

compuesto por una cadena de palabras, el nombre asignado a la Base de datos es el siguiente:

El nombre completo es: Base de datos SIG para el ámbito del CRCH CHIRILU.

En segundo lugar, se diseñó la estructura interna que tendrá la Base de datos, la cual está basada en

la cartografía que va a alojar, y en el tipo de formato espacial de la cartografía que alojará (vector). En

Sistemas de Información Geográfica a cada una de estas partes se las denomina Feature Datasets

(para el formato vectorial).

Los Feature Datasets correspondientes al formato vectorial son los siguientes:

El nombre completo y la información geoespacial que alojará cada uno de estos Feature Datasets es

el siguiente:

✓ Base, el nombre largo es Feature Datasets para la cartografía base y alojará la información

geoespacial correspondiente a las componentes que conforman el mapa físico político

administrativo, tales como limites departamentales, provinciales y distritales; centros poblados,

BDSIG_ PARAGUAS_CHIRILU

Base

Tematicos



capitales departamentales, provinciales y distritales; curvas a nivel y cotas; red hidrográfica,

lagunas y nevados; red vial; entre otras.

✓ Tematicos, el nombre largo es Feature Datasets para la cartografía correspondiente a la

infraestructura verde, así como los insumos que han ayudado a su digitalización y análisis.

Cada mapa, cobertura temática, entidad geográfica o layer se alojará en el Feature Datasets que le

corresponde, en Sistemas de Información Geográfica se les denomina Feature Class.

Luego de definir cada uno de los criterios y los nombres, se procedió a crear la Base de datos y cada

uno de sus componentes internos (Feature Datasets), para ello se ha hecho uso del aplicativo

ArcCatalog del ArcGIS versión 10.3.

En la siguiente figura se observa la Base de datos creada y su respectiva estructura interna:

Figura N° 5.01: Estructura de la Base de datos SIG

Fuente: Elaboración propia

Finalmente se procedió a migrar la información cartográfica recopilada a la base de datos.

5.3. Descarga y tratamiento de las imágenes satelitales Landsat 8 para el ámbito del CRCH

CHIRILU

5.3.1. Descarga de las imágenes satelitales Landsat 8

La superficie del ámbito en estudio está cubierta por 2 escenas (Path 007 y Row 068 y Path 007 y Row

069), las cuales fueron seleccionadas y descargadas de la plataforma de Earth explorer

(http://earthexplorer.usgs.gov/), cabe precisar que la búsqueda se hizo preferentemente para los meses

http://earthexplorer.usgs.gov/



secos (julio a setiembre) del año 2016 y cuyo criterio era que la cobertura de nubes sea inferior al 5 %

se la superficie de interés. En la siguiente figura se aprecia la plataforma de la cual se hizo la descarga

de las imágenes satelitales:

Figura 5.02: Plataforma de descarga de la imagen satelital LandSat OLI 8

Fuente: Elaboración propia (en base a la plataforma de Earth explorer)

Luego de precisar el Path y Row, Sensor (LandSat OLI 8) de archivo, fecha de búsqueda (2016),

cobertura de nubes (5 %), se hizo la descarga de la escena.

5.3.2. Tratamiento de las imágenes satelitales Landsat 8

La radiación electromagnética captada por los sensores de los satélites atraviesa la atmósfera y es

modificada por efecto de la dispersión debido a la interacción con las moléculas y partículas de la

atmósfera. La dispersión Rayleigh es producida por las moléculas de los gases atmosféricos y es una

de las principales causas de bruma, lo que genera una disminución del contraste de la imagen. El

tamaño de las moléculas es inferior a la longitud de onda de la radiación y afecta a las longitudes de

onda corta (Tagestad, 2000).

Cuando se presentan gotitas de agua ocurre una dispersión de todas las longitudes de onda, tanto en

el rango visible como en el infrarrojo (Lillesand & Kiefer, 1987). Las partículas más grandes, como los

cristales de hielo o las gotas de agua, no presentan la misma forma de dispersión. Mie descubrió en

1908 que en este caso la luz es dispersada de la misma manera para todas las longitudes de onda y

por lo tanto es blanca.

Los valores de los píxeles en las imágenes satélites expresan la cantidad de energía radiante recibida

por el sensor en la forma de valores relativos no calibrados o simplemente llamados Números Digitales

(ND) o brillo. Cuando se requiere realizar comparaciones entre imágenes de distintas fechas, de las

mismas áreas, será necesario realizar las correcciones de los datos de manera que sean comparables.

Sin embargo la dispersión y absorción provocada por los aerosoles resulta difícil corregir debido a su

variación en el tiempo y el espacio, constituyendo la limitante más severa en la corrección radiométrica

de los datos de satélite (Song et al., 2001).



El tratamiento que se ha aplicado a la imagen satelital es el siguiente:

a) Conversión de Nivel digital a Radiancia

Las imágenes satelitales Landsat 8, consisten en una serie cuantificada, calibrada y escalada de niveles

digitales ND, los cuales representan los datos de una imagen multiespectral adquirida por los sensores:

i) OLI (Operational Land Imagen) y ii) TIRS (Thermal Infrared Sensor). Los datos de las bandas están

derivados en 16 bits en formato no cifrado y pueden ser reescalados a los valores de reflectancia y/o

radiancia en el techo de la atmosfera TOA.

Este proceso se ha hecho usando la información contenida el archivo del metadato (*_MTL.txt), en el

cual se encuentran los coeficientes radiométricos, la ecuación que nos ha permitido hacer la conversión

es la siguiente:

𝐿𝛌 = 𝑀𝐿𝑄𝑐𝑎𝑙 + 𝐴𝐿

Donde:

Lλ: Es el valor de radiancia espectral en el techo de la atmosfera (TOA) medida en valores de

(Watts /m2 * srad * µm)

ML: Banda; es el factor multiplicativo de escalado especifico obtenido del metadato

(RADIANCE_MULT_BAND_x, donde x es el número de la banda)

AL: Banda; es el factor aditivo de escalado especifico obtenido del metadato

(RADIANCE_ADD_BAND_x, donde x es el número de la banda)

Qcal: Producto estándar cuantificado y calibrado por valores de pixel (DN). Este valor se refiere a

cada una de las bandas de la imagen. Para esta imagen el valor máximo es 65355 y el mínimo

es 1

Figura 5.03: Conversión de Niveles digitales a Radiancia


Las bandas originales del Landsat 5 y 8 están a una resolución radiométrica de 16 bit no signados, lo

que quiere decir que las nuevas bandas donde se guardaran las imágenes con valores de radiancia

TOA deberán ser de 32 bit con el fin de evitar la pérdida de información.



b) Conversión de Radiancia a Reflectancia (corrección atmosférica)

Como parte del tratamiento de imágenes satelitales, la corrección atmosférica es un procedimiento que

tiene como objetivo corregir el efecto de dispersión de energía electromagnética en las partículas de

agua suspendidas en la atmósfera, permitiendo de esta manera, restar de la imagen los valores que

éstas agregan a los datos de la imagen.

Para la corrección atmosférica hemos utilizado el método DOS - Dark Object Subtraction (extracción

del pixeles oscuros) o también conocido como el método de Chavez, hemos usado la siguiente

ecuación para hacer la conversión de Radiancia a Reflectancia:

𝑝(λ) =𝐿 ∗ 𝜋 ∗ 𝑑2

𝐸𝑖(λ) ∗ cos 𝑄

Donde:

P(λ): Reflectancia al tope de la atmosfera

L: Radiancias

d: Distancia tierra-sol

Ei(λ): Irradiancia solar

Q: Ángulo cenital solar

Figura 5.04: Conversión de Radiancia a Reflectancia


Los documentos que han servido de soporte en las citas bibliográficas y procesos del tratamiento son

los siguientes:

http://sistemasdeinformaciongeografica911.blogspot.pe/2014/10/correcion-atmosferica-por-el-metodo-

de.html

http://www.un-spider.org/sites/default/files/LDCM-L8.R1.pdf

http://sistemasdeinformaciongeografica911.blogspot.pe/2014/10/correcion-atmosferica-por-el-metodo-de.html

http://sistemasdeinformaciongeografica911.blogspot.pe/2014/10/correcion-atmosferica-por-el-metodo-de.html

http://www.un-spider.org/sites/default/files/LDCM-L8.R1.pdf



5.4. Identificación, georreferenciación y cuantificación de las posibilidades de intervención en


Tomando como insumos a la información cartográfica recopilada, el modelo de elevación digital, las

imágenes satelitales y demás materiales indicados en el presente documento, se procedió hacer la

Identificación, georreferenciación y cuantificación de las posibilidades de intervención en infraestructura

verde en el ámbito del CRCH CHIRILU.

5.4.1. Digitalización de bofedales

El insumo principal que se ha hecho para digitalizar los bofedales del ámbito en estudio ha sido las

imágenes satelitales.

Para empezar a digitalizar los bofedales se creó en la base de datos la capa temática denominada

“Humedales2016”, luego se desplegó en el ArcGIS 10.3, la información del mapa base y la imagen

satelital, se combinó las bandas en falso color RGB 543 y la distribución de los histogramas fue

mediante el método de histograma ecualizado (Histogram Equalize); esta combinación permite

diferenciar claramente los bofedales del resto de coberturas terrestres, los cuales se observan de color

rojo intenso, como se puede apreciar en la siguiente figura:

Figura 5.05: Combinación falso color para mapear los humedales (color rojo)


Luego haciendo uso de herramientas de edición del ArcGIS se procedió a digitalizar los bofedales que

son visibles a una escala 1:25000, obteniéndose los siguientes resultados:

Bofedales



Cuadro 5.02: Humedales digitalizados para el año 2016

Cuenca Cantidad Área (ha)

Chillón 283 1606.60

Lurín 120 404.50

Rímac 814 3386.43


Finalmente se han elaborado los mapas que muestran la distribución espacial de los bofedales en cada

una de las cuencas en estudio:

Figura 5.06: Bofedales mapeados para la cuenca Chillón




Figura 5.07: Bofedales mapeados para la cuenca Lurín


Figura 5.08: Bofedales mapeados para la cuenca Rímac




5.4.2. Digitalización de andenes

Para digitalizar esta infraestructura verde, el principal insumo ha sido el mapa parlante elaborado en

campo con la ayuda de la población.

Para empezar a digitalizar los andes se creó en la base de datos la capa temática denominada

“Andenes2016”, luego se desplegó en el ArcGIS 10.3, la información del mapa base y con la ayuda de

imágenes satelitales de alta resolución de ArcGIS Online se ha hecho la búsqueda y precisión de cada

uno de los andenes.

A continuación se ilustran dos figuras, que ilustran en cierta medida el proceso de digitalización:

Figura 5.09: Mapa parlante elaborado para la cuenca del río Chillón




Figura 5.10: Ubicación en la imágenes satelital de alta resolución de los andenes


Luego haciendo uso de herramientas de edición del ArcGIS se procedió a digitalizar los andes que son

visibles a una escala 1:25000, obteniéndose los siguientes resultados:

Cuadro 5.03: Andenes digitalizados para el año 2016


Chillón 47 2064.94

Lurín 62 504.42

Rímac 142 2461.17


Finalmente se han elaborado los mapas que muestran la distribución espacial de los bofedales en cada

una de las cuencas en estudio:

Andenes



Figura 5.11: Andenes mapeados para la cuenca Chillón


Figura 5.12: Andenes mapeados para la cuenca Lurín




Figura 5.13: Andenes mapeados para la cuenca Rímac


5.4.3. Digitalización de áreas para forestación y reforestación

Para digitalizar esta infraestructura verde, el principal insumo ha sido el mapa de Capacidad de uso

mayor (CUM) elaborado por la ONERN, el mapa de Pendientes elaborado a partir de Modelo de

elevación digital (MED) del sensor remoto ASTER y los servicios de imagines satelitales de alta

resolución de ArcGIS Online.

Para empezar a digitalizar las áreas para forestación y reforestación se creó en la base de datos la

capa temática denominada “Forestacion2016”, luego se desplegó en el ArcGIS 10.3, la información del

mapa base y con la ayuda de los mapas mencionados y las imágenes satelitales de alta resolución se

ha hecho el mapeo de cada una de las áreas que presentan condiciones para ser forestados o

reforestados.

A continuación se ilustran una figura, que ilustran en cierta medida un área para forestar o reforestar:



Figura 5.14: Ubicación en la imágenes satelital de alta resolución las áreas para forestar o reforestar


Luego haciendo uso de herramientas de edición del ArcGIS se procedió a digitalizar las áreas que

presentan condiciones para ser forestados o reforestados y son visibles a una escala 1:25000,

obteniéndose los siguientes resultados:

Cuadro 5.04: Áreas para forestar o reforestar digitalizadas para el año 2016


Chillón 39 1309.62

Lurín 45 759.69

Rímac 75 2322.17


Finalmente se han elaborado los mapas que muestran la distribución espacial de las áreas para ser

forestados o reforestados en cada una de las cuencas en estudio:

Áreas para forestar o reforestar



Figura 5.15: Áreas para forestar o reforestar mapeadas para la cuenca Chillón


Figura 5.16: Áreas para forestar o reforestar mapeadas para la cuenca Lurín




Figura 5.17: Áreas para forestar o reforestar mapeadas para para la cuenca Rímac


5.4.4. Digitalización de áreas de pastos

Para digitalizar esta infraestructura verde, el principal insumo ha sido el mapa de Capacidad de uso

mayor (CUM) elaborado por la ONERN, el mapa de Pendientes elaborado a partir de Modelo de

elevación digital (MED) del sensor remoto ASTER y los servicios de imagines satelitales de alta

resolución de ArcGIS Online.

Para empezar a digitalizar las áreas de se creó en la base de datos la capa temática denominada

“Pastos2016”, luego se desplegó en el ArcGIS 10.3, la información del mapa base y con la ayuda de

los mapas mencionados y las imágenes satelitales de alta resolución se ha hecho el mapeo de cada

uno de las áreas que presentan pastos.

A continuación se ilustran una figura, que ilustran en cierta medida un área de pastos:



Figura 5.18: Ubicación en la imágenes satelital de alta resolución las áreas de pastos


Luego haciendo uso de herramientas de edición del ArcGIS se procedió a digitalizar las áreas de pastos

y son visibles a una escala 1:25000, obteniéndose los siguientes resultados:

Cuadro 5.05: Áreas para pastos digitalizadas para el año 2016


Chillón 68 5623.24

Lurín 43 760.42

Rímac 95 2684.91


Finalmente se han elaborado los mapas que muestran la distribución espacial de las áreas de pastos

en cada una de las cuencas en estudio:

Área de pastos



Figura 5.19: Áreas de pastos mapeadas para la cuenca Chillón


Figura 5.20: Áreas de pastos mapeadas para la cuenca Lurín




Figura 5.21: Áreas de pastos mapeadas para la cuenca Rímac


5.4.5. Análisis y cuantificación de las posibilidades de intervención en infraestructura verde

En análisis ha consistido en caracterizar en nivel de degradación que tiene los bofedales y pastos, para

ello se han utilizado como insumo el mapa parlante que se elaboró en campo; así mismo se ha evaluado

el nivel de susceptibilidad que presenta el ecosistema en estos lugares.

La cuantificación está referida a determinar la cantidad de áreas que se tendría para cada tipo de

infraestructura verde.

Luego de correlacionar espacialmente los bofedales y pastos con el mapa parlante (tipo de

intervención) y el mapa de susceptibilidad del ecosistema, se han obtenido los siguientes resultados:

a) Cuenca Chillón

Para la cuenca Chillón se han identificado y cuantificados las siguientes Posibilidades de intervención

en Infraestructura Verde, las cuales se resumen en el cuadro que se presenta a continuación:

Cuadro 5.06: Posibilidades de intervención en Infraestructura Verde en la cuenca del río Chillón

Tipo de

infraestructura verde Cantidad Grado de intervención

Nivel de

susceptibilidad Área (ha)

Bofedales 38

Rotación pastoreo (Vacuno) Alta 152.78

1 Muy alta 0.80



Tipo de


Nivel de


75 Sobrepastoreo (Equino-

Vacuno-Ovino) Alta 926.86

10 Sobrepastoreo (Vacuno-

Ovino-Caprino) Alta 17.74


Ovino)

Alta 443.99

3 Muy alta 10.01

35 No definida

Alta 54.02

1 Muy alta 0.40

Pastos

7 Sobrepastoreo (Equino-

Vacuno-Ovino) Alta 521.38


Ovino-Caprino) Alta 49.66


Ovino) Alta 655.64

44 No definida

Alta 4334.98

1 Muy alta 61.57

Andenes 42

No definida Alta 1943.98

5 Muy alta 120.97

Forestación 35


4 Muy alta 101.03


También se ha elaborado un mapa, cuya finalidad es mostrar la distribución espacial de las

Posibilidades de intervención en Infraestructura Verde en la cuenca del río Chillón, el cual está ubicado

en los anexos.

Así mismo para esta cuenca se ha mapeado un total de 16.45 Km de canales construidos para

mamanteo.

Además se han mapeado un total de 1071.38 hectáreas de franja marginal y 13483.94 hectáreas de

lomas, las cuales podrían ser consideradas como parte de la infraestructura verde. A continuación se

muestra un mapa con la ubicación de la franja marginal y las lomas.



Figura 5.22: Franja marginal y Lomas en la cuenca Chillón


b) Cuenca Lurín

Para la cuenca Lurín se han identificado y cuantificados las siguientes Posibilidades de intervención en

Infraestructura Verde, las cuales se resumen en el cuadro que se presenta a continuación:

Cuadro 5.07: Posibilidades de intervención en Infraestructura Verde en la cuenca del río Lurín

Tipo de


Nivel de


Bofedales


Ovino)

Alta 373.08

9 Muy alta 11.95

9 No definida

Alta 12.17

3 Muy alta 7.30

Pastos 36

Sobrepastoreo (Vacuno-

Ovino) Alta 622.06

7 Sin uso definido Alta 138.35

Andenes 34


28 Muy alta 71.65

Forestación 38


7 Muy alta 131.15





Posibilidades de intervención en Infraestructura Verde en la cuenca del río Lurín, el cual está ubicado

en los anexos.




Figura 5.23: Franja marginal y Lomas en la cuenca Lurín


c) Cuenca Rímac

Para la cuenca Rímac se han identificado y cuantificados las siguientes Posibilidades de intervención

en Infraestructura Verde, las cuales se resumen en el cuadro que se presenta a continuación:

Cuadro 5.08: Posibilidades de intervención en Infraestructura Verde en la cuenca del río Lurín

Tipo de


Nivel de


Bofedales


Ovino) Alta 2.76

796 No definida

Alta 3349.28

15 Muy alta 34.39

Pastos


Ovino)

Alta 99.59

1 Muy alta 25.04

84 No definida Alta 2547.21



1 Muy alta 13.07

Andenes 62 No definida

Alta 1362.11

80 Muy alta 1099.06

Forestación 31 No definida

Alta 1279.40

44 Muy alta 1042.765719



Posibilidades de intervención en Infraestructura Verde en la cuenca del río Rímac, el cual está ubicado

en los anexos.




Figura 5.24: Franja marginal y Lomas en la cuenca Rímac


5.5. Diseño y elaboración de los mapas SIG para el ámbito del CRCH CHIRILU

Finalmente se han diseñado y elaborado los siguientes mapas:

✓ Mapa base para el ámbito del CRCH CHIRILU

✓ Mapa de las posibilidades de intervención en infraestructura verde para la cuenca Chillón

✓ Mapa de las posibilidades de intervención en infraestructura verde para la cuenca Rímac

✓ Mapa de las posibilidades de intervención en infraestructura verde para la cuenca Lurín



6. CONCLUSIONES

6.1. Conclusiones

✓ Se identificó y cuantificó como posibilidades de intervención en infraestructura verde a 283

bofedales, 47 andenes, 68 áreas de pastos y 39 áreas para forestación/reforestación, para

la cuenca Chillón.



la cuenca Lurín.



la cuenca Rímac.

✓ Se ha elaborado 1 mapa base para el ámbito del CRCH CHIRILU

✓ Se ha elaborado 1 mapa con la distribución espacial de las posibilidades de intervención en

infraestructura verde para la cuenca Chillón


infraestructura verde para la cuenca Rímac


infraestructura verde para la cuenca Lurín

7. REFERENCIA BIBLIOGRÁFICA

✓ Bosque, J. (1992). Sistemas de Información Geográfica. Primera edición. Madrid. 445 pp.

✓ Chivieco. E. 2010. Teledetección ambiental – La observación de la Tierra desde el espacio.

Tercera edición. Barcelona. 590 p.

✓ Korte, G. (2001). The GIS Book. Quinta edición. Canadá. 387 pp.

✓ Pantigoso, H. (2009). ArcGIS, El mejor Sistema de Información Geográfica. Segunda edición.

Lima. 399 pp.

✓ Rigaux, P. (2002). Spatial Databases with application to GIS. San Francisco – EE. UU. 410 pp.

✓ Roggero, H. (1995). Cartografía y Geodesia satelital. Lima. 231. Pp.

✓ Tomlinson, R. (2007). Pensando en el SIG. California. 255 pp.

8. ANEXOS

a) Mapa base para el ámbito del CRCH CHIRILU.

b) Mapa de las posibilidades de intervención en infraestructura verde para la cuenca Chillón.

c) Mapa de las posibilidades de intervención en infraestructura verde para la cuenca Rímac.

d) Mapa de las posibilidades de intervención en infraestructura verde para la cuenca Lurín.

SERVICIOS PROFESIONALES ESPECIALIZADOS EN SISTEMAS DE ... · capacidades en la gestión de los...

Documents

Transcript of SERVICIOS PROFESIONALES ESPECIALIZADOS EN SISTEMAS DE ... · capacidades en la gestión de los...