8.1: Geoprocesamiento básico con rásters

Objetivos de aprendizaje

• El objetivo de esta sección es familiarizarse con las técnicas básicas de geoprocesamiento de ráster único y múltiple.

Al igual que las herramientas de geoprocesamiento disponibles para su uso en datasets vectoriales (Sección 8.1 “Geoprocesamiento básico con rásters”), los datos ráster pueden someterse a operaciones espaciales similares. Aunque el cálculo real de estas operaciones es significativamente diferente de sus contrapartes vectoriales, su sustentación conceptual es similar. Las técnicas de geoprocesamiento cubiertas aquí incluyen operaciones de una sola capa (Sección 8.1.1 “Análisis de una sola capa”) y de múltiples capas (Sección 8.1.2 “Análisis de múltiples capas”).

Análisis de una sola capa

La reclasificación o recodificación de un dataset suele ser uno de los primeros pasos que se llevan a cabo durante el análisis ráster. La reclasificación es básicamente el proceso de una sola capa de asignar un nuevo valor de clase o rango a todos los píxeles del dataset en función de sus valores originales (Figura 8.1 “Reclasificación de ráster”). Por ejemplo, una cuadrícula de elevación normalmente contiene un valor diferente para casi todas las celdas dentro de su extensión. Estos valores podrían simplificarse agregando cada valor de píxel en algunas clases discretas (es decir, 0—100 = “1”, 101—200 = “2”, 201—300 = “3”, etc.). Esta simplificación permite menos valores únicos y requisitos de almacenamiento más baratos. Además, estas capas reclasificadas suelen ser utilizadas como insumos en análisis secundarios, como los que se discuten más adelante en esta sección.

Figura 8.1 Reclasificación de ráster

Como se describe en la Figura 8.2 “Zona de influencia ráster alrededor de una celda (s) de destino”). La mayoría de los programas de sistemas de información geográfica (SIG) calculan búferes ráster creando una cuadrícula de valores de distancia desde el centro de la celda o celdas de destino hasta el centro de las celdas vecinas y luego reclasificando esas distancias de tal manera que un “1” representa aquellas celdas que componen el objetivo original, un “2” representa esas celdas dentro del área de búfer definida por el usuario, y un “0” representa esas celdas fuera de las áreas de destino y zona de influencia. Estas celdas también podrían clasificarse adicionalmente para representar múltiples búferes de anillo al incluir valores de “3"”, “4"”, “5" y así sucesivamente, para representar distancias concéntricas alrededor de la (s) celda (s) objetivo (s).

Figura 8.2 Zona de influencia ráster alrededor de una celda (s) de destino

Análisis de múltiples capas

Un dataset ráster también se puede recortar de manera similar a un dataset vectorial (Figura 8.3 “Recorte de un ráster a una capa de polígono vectorial”). Aquí, el ráster de entrada está superpuesto por una capa de clip de polígono vectorial. El proceso de recorte de ráster da como resultado un solo ráster que es idéntico al ráster de entrada pero que comparte la extensión de la capa de clip de polígono.

Figura 8.3 Recorte de un ráster a una capa de polígono vectorial

Las superposiciones ráster son relativamente simples en comparación con sus contrapartes vectoriales y requieren mucho menos potencia computacional (Burroughs 1983) .Burroughs, P. 1983. Sistemas de Información Geográfica para la Evaluación de Recursos Naturales. Nueva York: Oxford University Press. A pesar de su simplicidad, es importante asegurarse de que todos los rásters superpuestos estén coregistrados (es decir, alineados espacialmente), cubran áreas idénticas y mantengan la misma resolución (es decir, tamaño de celda). Si se violan estas suposiciones, el análisis fallará o la capa de salida resultante será defectuosa. Con esto en mente, existen varias metodologías diferentes para realizar una superposición ráster (Chrisman 2002) .Chrisman, N. 2002. Explorando los Sistemas de Información Geográfica. 2a ed. Nueva York: John Wiley e Sons.

La superposición ráster matemática es el método de superposición más común. Los números dentro de las celdas alineadas de las cuadrículas de entrada pueden sufrir cualquier transformación matemática especificada por el usuario. Después del cálculo, se produce un ráster de salida que contiene un nuevo valor para cada celda (Figura 8.4 “Superposición ráster matemática”). Como se puede imaginar, hay muchos usos para dicha funcionalidad. En particular, la superposición ráster se usa a menudo en estudios de evaluación de riesgos donde se combinan varias capas para producir un mapa de resultados que muestra áreas de alto riesgo/recompensa.

Figura 8.4 Superposición ráster matemática

Dos capas ráster de entrada se superponen para producir un ráster de salida con valores de celda sumados.

El método booleano de superposición ráster representa una segunda técnica poderosa. Como se discutió en el Capítulo 6 “Características de datos y visualización”, los conectores booleanos AND, OR y XOR se pueden emplear para combinar la información de dos datasets ráster de entrada superpuestos en un solo ráster de salida. De manera similar, el método de superposición ráster relacional utiliza operadores relacionales (<, <=, =, <>, y =>) para evaluar las condiciones de los datasets ráster de entrada. Tanto en el método de superposición booleana como relacional, las celdas que cumplen los criterios de evaluación suelen codificarse en la capa ráster de salida con un 1, mientras que las evaluadas como falsas reciben un valor de 0.

La simplicidad de esta metodología, sin embargo, también puede conducir a errores de interpretación fácilmente pasados por alto si la superposición no está diseñada adecuadamente. Supongamos que un administrador de recursos naturales tiene dos datasets ráster de entrada que planea superponer; uno que muestra la ubicación de los árboles (“0” = sin árbol; “1” = árbol) y otro que muestra la ubicación de las áreas urbanas (“0” = no urbano; “1” = urbano). Si espera encontrar la ubicación de los árboles en áreas urbanas, una simple suma matemática de estos conjuntos de datos producirá un “2” en todos los píxeles que contienen un árbol en una zona urbana. Del mismo modo, si espera encontrar la ubicación de todas las áreas sin árboles (o “no árboles”, no urbanas, puede examinar el ráster de salida sumado para todas las entradas “0”. Por último, si espera localizar zonas urbanas, sin árboles, buscará todas las celdas que contengan un “1”. Desafortunadamente, el valor de celda “1” también se codifica en cada píxel para celdas de árbol no urbanas. De hecho, la elección de los valores de píxel de entrada y la ecuación de superposición en este ejemplo arrojará resultados confusos debido al esquema de superposición mal diseñado.

Principales conclusiones

• Los procesos de superposición colocan dos o más mapas temáticos uno encima del otro para formar un nuevo mapa.
• Las operaciones de superposición disponibles para su uso con datos vectoriales incluyen los modelos de punto en polígono, línea en polígono o polígono en polígono.
• Unión, intersección, diferencia simétrica e identidad son operaciones comunes que se utilizan para combinar información de varios conjuntos de datos superpuestos.
• Las operaciones de superposición ráster pueden emplear potentes operadores matemáticos, booleanos o relacionales para crear nuevos datasets de salida.

Ejercicios

1. Desde su propio campo de estudio, describa tres capas teóricas de datos que podrían superponerse para crear un nuevo mapa de salida que responda a una compleja pregunta espacial como, “¿Dónde está el mejor lugar para poner un centro comercial?”
2. Entra en línea y encuentra datasets vectoriales o ráster relacionados con la pregunta que acabas de plantear.