2001

8vo. Congreso de Informática

"" La Tecnología SIG como soporte, validación y Gestión de Redes de Servicios"

Sistemas de Información Geográfica

Autor/es: MARQUEZ, Eduardo D.N.I: 10.679.838; Universidad Nacional de San Juan - ARGENTINA Facultad de Ingeniería Centro de Fotogrametría, Cartografía y Catastro Laprida 1130 W-5400 San Juan ARGENTINA e-mail : emarquez@unsj.edu.ar CURRICUM VITAE 1 DATOS PERSONALES APELLIDO:MARQUEZ NOMBRES :EDUARDO JAIME FECHA DE NACIMIENTO:15/02/53 SEXO:M DOMICILIO CALLE: LUIS PASTEUR 3338 BARRIO CENTINELA II N°: 5400 PISO: DEPTO: LOCALIDAD: RIVADAVIA CP: 5400 PROVINCIA: SAN JUAN TELEFONO: ( 0264)-4380566 E-MAIL: ceffoca@unsj.edu.ar CATEGORÍA: B (II) 2 ESTUDIOS REALIZADOS 2.1 TITULO DE GRADO Ingeniero Agrimensor.Facultad de Ingenieria.Universidad Nacional de San Juan.Año 1982 2.2 TITULO DE POSGRADO

- Especialista en Georreferenciacion, carrera de posgrado

dictada en la unidad Departamento de Ing.en Agrimensura de la Facultad de Ingenieria,UNSJ.Ordenanza 12/96-CD y 23/96-CD .San Juan Septiembre de 1999.

- Master of Sciences en Geomática de la universidad de MIIGAiK (Moscow State University of Geodesy and Cartography – Education of Russian Federation)Moscú Rusia con tesis final en el tema “ La tecnología SIG como soporte en el análisis,validación y gestión de Redes de Servicio”.San Juan Octubre de 2000

- Doctorando de la Universidad Politécnica de Valencia del Departamento de Ingeniería Cartográfica en el programa de Doctorado de Geodesia , Cartografía y Sistemas de Información Geográfica.San Juan 5/2001

3 CURSOS DE POSGRADO DICTADOS

- Dictado del cursillo " Modelos Digitales de Superficie" con destino a profesionales de la Agrimensura.Centro de Fotogrametria,Cartografia y Catastro.Fac. de Ing.,UNSJ-CD.San Juan Agosto 1990.

- Curso de Postrado no conducente a titulo "Modelos Digitales de

Terreno".Facultad de Ciencias Exactas y Naturales.Centro de Geología de Costas y del Cuaternario.Facultad de Ciencias Exactas y Naturales,Universidad Nacional de Mar delPlata Mar del Plata Septiembre 1997.

- Participación en el dictado de temas en la materia Fotogrametría,correspondiente al plan de estudio del curso depostrado de extensión cuatrimestral de la Escuela de Caminosde Alta Montaña .Facultad de Ingenieria.UNSJ.San Juan .Años1984-2000.

- Curso de postrado "Los Sistemas de Información Territorial Aplicado a la Valuación Inmovilisaria".Este curso forma partede la carrera de "Especialista en Valuaciones Inmoviliarias".Facultad de Ingenieria.UNSJ.San Juan Agosto 1997-2000.

- Curso de postrado "Los Sistemas de Información Geográficos Aplicados a la Gestion Ambiental Urbana".Este curso forma partede

la "Maestría en Gestion Ambiental del Desarrollo Urbano".Facultad de Ingenieria de la Universidad Nacional del Comahue.Neuquen Agosto de 2000

- Curso de postgrado "Los Sistemas de Información

Geográficos” en el marco del Programa de Posgrado de la Carrera de Especialización en Tecnología del Agua.Facultad de Ingenieria

de la Universidad Nacional San Juan.Noviembre de 2000.Resolución Nro.1508/2000-Dec.

4 ANTECEDENTES EN INVESTIGACIÓN 4.1 CODIRECCION DE PROGRAMA O DIRECTOR DE PROYECTO - Director del proyecto "Estudio comparativo de Nuevas

Técnicas como Recurso en la Captura de Datos Gráficos para un Sistema de Información Territorial".Con aval académico sin subsidio.Resol. 57/49-CD.San Juan Agosto 1994.

- Director del proyecto bianual “ Un Sistema de Acceso y Consultas

por Internet de Servicios Georreferenciados Apoyados en un Sistema de Información Geográfico Abierto”. Con subsidio de la CiCITCA .San Juan Enero 2000-2001

4.2 CODIRECCION DE PROYECTO - Proyecto de investigación bianual"Implementacion de un Sistema de Información Territorial,Apoyado en Equipamiento de

Bajo costo.Subsidiado por la Secretaria de Ciencia y Técnica de la UNSJ.San Juan 1989-1990

- Proyecto de investigación bianual "Implementacion de un Sistema de Información Territorial Orientado a la Administración de un Catastro Multifinalitario".Subsidiado por la

Secretaria de Ciencia y Técnica de la UNSJ.San Juan 1991-1993

- Proyecto de investigación anual "Un Sistema de Exploración y

consulta de Información Geográfica Municipal".Subsidiado por la Secretaria de Ciencia y Técnica de la UNSJ.San Juan

1993-1994 - Proyecto de investigación bianual "Atlas Socioeconómico Digital del Valle de Tulum-Ullum_Zonda".Subsidiado por la Secretaria de Ciencia y Técnica de la UNSJ.San Juan 1994-1996. - Proyecto de investigación trianual "Atlas Digital de la

Provincia de San Juan".Subsidiado por la Secretaria de Ciencia y Técnica de la UNSJ.San Juan 1997-1999

- Proyecto de investigación trianual "Atlas Socioeconómico Multimedia San Juan 2002".Subsidiado por la Secretaria de Ciencia y Técnica de la UNSJ.San Juan 2000-2002

5 DIRECCION DE BECARIOS Y TESISTAS 5.1 DIRECCION DE BECARIOS - Co-Director becario del CONICET nivel iniciación "Adaptación de

las Tecnología SIG (Sistemas de Información Territorial) al Planeamiento y la Gestión Urbana". Año 1996-1998

- Co-Director becario del CONICET nivel iniciación sobre

"Tratamiento Digital de Imágenes y su Aplicación al Catastro Territorial". Resol.513/96 Año 1996-1998

- Director becario de la Sicitca sobre "Desarrollo e

Implementación de Procedimientos Especiales para la Ejecución del Sistema de Información del Catastro Territorial SICAT".Resol. 192/96-CS - Anexo I y 67/97-CS.Anio 1997,1998

- Director becario de la Sicitca nivel pre-iniciacion

sobre”Administración de Redes Viales a través de los Sistemas de Información Geográfica.Un caso de Aplicación”. Resol.1025/99R San Juan Año 1999-2000

- Director becario de la Sicitca nivel graduado sobre”El Rol de

los Sistemas de Información Territorial en la Gestión Municipal”. Resol.1025/99R.Año 1999-2000.

5.2 DIRECCION DE PASANTES - Asesor de pasantías sobre los Sistemas de Información

Territorial de profesionales nacionales (Catamarca,Santiago del Estero,Tucuman,Mendoza,Rio Negro) y extranjeros convenio proyecto INTERCAMPUS(Uruguay,España), desarrolladas en el Centro de Fotogrametria,Cartografia y Catastro.Fac. de Ing. UNSJ.San Juan Año 93-94-95-97-98

5.3 DIRECCION DE TESISTAS - Asesor de tesis de graduación "Fidelidad de los Resultados

Numéricos y Gráficos de la Modelacion Digital de Terreno" dela carrera de Ing.en Agrimensura. Depto Ing. en Agrimensura.San Juan Año 1992

- Asesor de tesis de graduación "Una Metodología para la Validación de la Cartografía Catastral como Soporte de un Sistema de Información Territorial"de la carrera Ing. en Agrimensura.San Juan Año 1993-1994 - Asesor de tesis de graduación "Implementacion de un Sistema

de Información para la Administración de un Catastro de Redes Viales" de la carrera Ing. en Agrimensura.San Juan Año 1994-1995

- Asesor de tesis de graduación "Estudio de la Complementacion de Nuevas Metodologias para la Generación de Cartografía Digital" de la carrera Ing. en Agrimensura..San Juan Año 1996

- Asesor de tesis de graduación "Determinación de la Evolución de

las mejoras Parcelarias y su Incidencia en los AvalúosInmobiliarios" de la carrera Ing. en Agrimensura.San Juan 1998

- Asesor de tesis de graduación "Análisis y Administración de

Redes de Servicios desde los Sistemas de Información Territorial” de la carrera Ing. en Agrimensura. San Juan 1999

6 SERVICIOS ESPECIALES Y ASISTENCIA TECNICA - Participación en la etapa de cálculo y compensación de una

erotriangulación en bloque por Modelos Independientes dediversos sectores de interés de la Secretaría de Minería de la Nación. San Juan 1992.

- Participación en la etapa de cálculo y compensación de una

Aerotriangulación en bloque por Modelos Independientes de la zona de Yalguaráz - Pedernal, para el estudio de un camino alternativo de la ruta San Juan - Barreal (Calingasta). San Juan 1990.

- Charlas informativas sobre los Sistemas de Información Territorial para la comunidad de profesionales de la

Agrimensura.Dpto. de Ing. en Agrimensura,Fac. de Ing.UNSJ. San Juan Años 92,93,94

- Responsable del equipo de trabajo de profesionales del

Centro de Fotogrametría, que asiste a la Subsecretaría de Minería de la Provincia en la Implementación de un Sistema de Información Geológico- Minero y capacitación de recursos humanos , a través de un convenio de Asistencia Tecnológica celebrado entre esa Subsecretaría y la Fundación de la Universidad Nacional de San Juan. Año1993

- Responsable del equipo de trabajo de profesionales del

Centro de Fotogrametría, Cartografía y Catastro en el convenio con la empresa GESTER S.A en la tarea de digitalización,edición, ajuste , unión con bases de datos preestablecidas y generación de cartografía digital, pertenecientes a distintos

loteos afectados al plan "Tierra Firme" de la Municipalidad de Guaymallén. Provincia de Mendoza. Año 1993-1994. - Asesoramiento a la empresa GESTER SA sobre la gestión y administración de una red de gas a través del uso de los Sistemas de Información Territorial-Analisis de Redes

(confección de una prueba piloto).Trabajo a implementarse en la Municipalidad de Morrison,Prov de Cordoba.1995

- Asesoramiento en temas tales como Modelación Digital de

Superficies y Sistemas de información Territorial a reparticiones como: Secretaría de Ciencia y Técnica de la

Prov. de San Juan, Subsecretaría de Asuntos Agropecuarios, Centro Regional de Agua Subterránea, Obras y Servicio Socieda del

Estado, Dirección de Hidráulica,Municipalidades de la Provincia de San Juan,Municipalidad de Villa Mercedes-San Luis,Municipalidad de Merlo-San Luis. Año 1993-1994,1995,1996

- Integrante del equipo de trabajo del Centro de

Fotogrametría, Cartografía y Catastro dentro del marco de cooperación y asistencia técnica entre el Gobierno Nacional -

Comisión de Tierras Fiscales - Programa Plan Arraigo ,Gobierno de la Prov. de San Juan y Universidad Nac. de San Juan. San Juan, 1994.

- Integrante del equipo de trabajo del Centro de

Fotogrametría, Cartografía y Catastro en tareas de seguimiento e inspección técnica en las distintas etapas realizadas por las empresas adjudicatarias dentro del proyecto SICAT, Gobierno de San Juan - Unidad Ejecutora Provincial - Banco Mundial. Año 1995,1996,1997,1998

- Planificación, dictado y evaluación de los cursos de capacitación para el personal de la Dirección de Geodesia y

Catastro de la Provincia de San Juan, en el marco del proyectoSICAT (Sistema de Información del Catastro Territorial). San Juan 1997,1998.

- Responsable del equipo de trabajo de profesionales del

Centro de Fotogrametría, Cartografía y Catastro en el convenio con el INPRES en la tarea de capacitación mediante cursos sobre

Sistemas de Información Territorial para personal especializado de la repartición. San Juan 1998

- Responsable de las tareas de inspección del item "Diseño de la

Base de Datos para el SIT,Puesta en Funcionamiento del SCC e Ingreso de la Información Catastral( gráfica y literal) y Restitución Digital y Generación de Cartografía Urbana" en el marco del programa Saneamiento Financiero Provincial de la Provincia de San Luis, Proyecto SCC (Sistema del Catastro Computadorizado),Gobierno de San Luis-Unidad Ejecutora Provincial - Banco Mundial. San Luis 1998-1999

- Integrante del grupo de trabajo perteneciente al Centro de Fotogrametría,Cartografía y Catastro de la Facultad de Ingeniería de la UNSJ para asesorar e implemntar los Sistemas de Información territorial en la gestión municipal dentro del marco del Proyecto “Modernización de los Catastros Municipales”a través del programa Financiamiento de los

Municipios – Unidad Ejecutora Provincial. Prov. De Mendoza.Mendoza 1999-2000.

7 EVALUACIÓN DE PROYECTOS DE INVESTIGACIÓN Y JURADO DE CONCURSOS

- Titular del concurso docente para cubrir un cargo de Profesor Ordinario Auxiliar de 1ra. categoría dedicación simple.Resol. 1065/92.San Juan julio de 1992. - Suplente del concurso docente para cubrir un cargo de Profesor Adjunto Ordinario dedicación simple.Resol.1086/92.San

Juan Septiembre de 1992

- Evaluador del llamado a becas internas de la CICITCA de nivel pre-iniciación y graduados.San Juan 1999

- Integrante del Banco Nacional de Evaluadores del Programa de

Incentivos.Secretaría de Políticas Universitarias.Ministerio de Cultura y Educacion de la Nación.Año 1999.

- Evaluador en la I Jornadas de Evaluación de¨Proyectos de

Investigación – Categogorizaciones u Publicaciones, en la comisión de Ciencias de la Tierra,el Mar y la Atmósfera¨.Prov. de Catamarca. Mayo de 2000

- Evaluador de Informes Finales y de Avances para el Programa de

Incentivos en las Jornadas Regionales de Evaluación de las Universidades Nacionales de Santiago del Estero, Salta,Catamarca y Tucumán.Prov. de Tucumán.Abril de 2001

8 DOCENCIA 8.1 AYUDANTE DE PRIMERA - Ay. de 2da. simple. carácter interino (siendo ya egresado), para cumplir labores de investigación en el Centro de Fotogrametria,Cartografia y Catastro de la Facultad de Ingeniería de la Unsj.San Juan 1982-1984.Resol. 360/82

8.2 JEFE DE TRABAJOS PRACTICOS - Dedicación semi-exclusivo,caracter interino,para cumplir tareas de investigación en el Centro de Fotogrametria ,Cartografía y Catastro de la Facultad de Ingeniería de la UNSJ.San Juan 1984-1986. - Dedicación semi-exclusivo,por concurso,para cumplir

tareas de investigación y extensión a la docencia en el Centro

de Fotogrametria ,Cartografía y Catastro de la Facultad de Ingeniería de la UNSJ.San Juan1986-1989.

8.3 PROFESOR ADJUNTO - Dedicación Exclusiva,caracter interino para cumplir tareas de

investigación en el Centro de Fotogrametria,Cartografia yCatastro de la Facultad de Ingeniería de la UNSJ.Con extension

a la cátedra de Fotogrametria del Dpto. de Ing. en Agrimensura.1989-1991. - Dedicacion Exclusiva,caracter efectivo (concursado)

paracumplir tareas de investigación y docencia en el Centro de Fotogrametria,Cartografia y Catastro de la Facultad de Ingeniería de la UNSJ.Con extensión a la cátedra de Fotogrametria del Dpto. de Ing. enAgrimensura.1991-1996.

- Dedicación Exclusiva,caracter efectivo (concursado) para cumplir tareas de investigación en el Centro de Fotogrametria,Cartografia y Catastro de la Facultad de Ingeniería de la UNSJ.Con extensión a las cátedras de Fotogrametria , Sistemas de Información Territorial y Cartografía Matemática del Dpto. de Ing. en Agrimensura.1997-a la fecha.

" La Tecnología SIG como soporte, validación y Gestión de Redes de Servicios"

Comisión Técnica: Sistemas de Informaciones Geográficas Autor: Mg. Ing. Eduardo Jaime Marquez Universidad Nacional de San Juan - ARGENTINA Facultad de Ingeniería Centro de Fotogrametría,Cartografía y Catastro Laprida 1130 W-5400 San Juan ARGENTINA e-mail : cefocca@unsj.edu.ar

RESUMEN

Las distintas áreas o regiones de asentamientos humanos y su entorno natural, presionados por demandas de servicios y problemáticas propias, exigen hoy día, soluciones que pasan fundamentalmente por las correctas decisiones que deben tomarse. Para salvar dichos problemas y conseguir mejorar la calidad de vida de una comunidad y los reclamos diarios de la misma, estas decisiones se deberán fundamentar directamente en el manejo de la mejor información. Por tales motivos, este trabajo pretende plantear básicamente metodologías y procedimientos de cálculo apoyados en modernas herramientas de gestión de variables espaciales como son los Modelos Digitales de Elevación ( MDE) y Los Sistemas de Información Geográfico ( SIG), para modelar y administrar una red de riego de arbolado público, en su etapa de diseño o anteproyecto o

sobre redes ya funcionando, con el objetivo expreso de optimizar su gestión de servicio, para beneficio del vecino y principalmente del estado vegetativo de los árboles.

ABSTRACT

The different areas or regions from slumses and their natural surroundings, pressed by own demands of problematic services and, demand nowadays, solutions that happen fundamentally through the correct decisions that must be taken. In order to save these problems and to be able to improve the daily quality of life of a community and reclamations of the same one, these decisions will be due to base directly on the handling of the best information.

By such reasons, this work tries to basically raise methodologies and procedures of calculation supported in modern tools of management of space variables as they are the Digital Models of Elevación (MDE) and the Systems of Información Geográfico (SIG), to model and to administer a network of hoisted irrigation of public, in their stage of design or first draft or on networks already working, with the objective express to optimize its management on watch, for benefit of the neighbor and mainly of the vegetative state of the trees.

Generalidades En un mundo cada vez más conflictivo, donde la información tiene un valor incalculable, ya no es suficiente contar con ella, debe estar disponible en el momento oportuno y en forma adecuada, para dar la mejor respuesta al instante y a la mayor cantidad posible de usuarios. Las distintas áreas o regiones de asentamientos humanos y su entorno natural, presionados por demandas de servicios y problemáticas propias, exigen hoy día, soluciones que pasan fundamentalmente por las correctas decisiones que deben tomarse.Para salvar dichos problemas y conseguir mejorar la calidad de vida de una comunidad y los reclamos diarios de la misma, estas decisiones se deberán fundamentar directamente en el manejo de la mejor información. La característica de los lugares semi-desérticos es la que predomina en el espacio territorial de nuestra provincia, donde los oasis presentan los únicos lugares de nuestra geografía donde se pueden desenvolver las distintas actividades de la población.Por lo tanto es aquí donde el agua y los árboles cumplen un rol de vital importancia para sustentar el desarrollo de las comunidades organizadas . Por ser escasos estos recursos naturales , se hace realmente necesario administrarlos con prudencia y optimizadamente. La red de riego que posee la provincia para la distribución del agua es una de las más importantes en longitud en el país, básicamente de las provincias que se surten de aguas de deshielo.El líquido se distribuye para distintos fines, como agua de regadío para propiedades semi-rurales, rurales y para abastecer la arboleda pública. Es justamente este circuito el que tiene una superlativa importancia para las actividades diarias del ciudadano, sobre todo en los días de calor, los que en nuestra provincia se prolongan por casi seis meses. Propuesta Por tales motivos , este trabajo pretende plantear básicamente metodologías y procedimientos de cálculo apoyados en modernas herramientas de gestión de variables espaciales como son los Modelos Digitales de Elevación ( MDE) y Los Sistemas de Información Geográfico ( SIG), para modelar y administrar una red de riego de arbolado público, en su etapa de diseño o anteproyecto o sobre redes ya funcionando, con el objetivo expreso de optimizar su gestión de servicio, para beneficio del vecino y principalmente del estado vegetativo de los árboles. Esta metodología de trabajo en lo referente a la administración de las redes,como diseños lineales con estructuras de datos organizados con topologías propias,por donde fluyen recursos, se enmarcan en teorías de gestión como los AM -FM ( Automatic Mapping - Facility Managment ). También estas son herramientas muy modernas y junto con los GIS son de gran ayuda para el manejo de las redes, las que podrían y deberían instrumentarse en instituciones como los Municipios Departamentales, ya que son estas entidades las que tienen a su cargo estas tareas. Las nuevas propuestas para viejos problemas

Como nuevas herramientas propuestas marcamos el uso de los MDE , los GIS y los distintos motores de bases de datos alfanuméricos para materializar las etapas marcadas anteriormente .

La topografía juega un papel importante en la distribución y flujo de recursos como el agua dentro del panorama natural.El conocimiento de la forma del terreno y la extracción automatizada de parámetros topográficos desde un DEM es reconocido como una alternativa viable frente a las mediciones tradicionales o al uso de las cartas analógicas con curvas de nivel.Marcando especialmente la posibilidad de poder interactuar con coberturas vectoriales como son las redes de servicios en distintos apectos de análisis , ya sea en forma métrica o temática. "Los procesos hidrológicos y la temática de la administración de recursos como el agua son en la actualidad y en forma cada vez más creciente investigados y tratados mediante modelos de distribución.Estos modelos requieren información fisiográfica tale como diseño de la red de conducción, localización de los drenajes, longitud y pendiente de los tramos de la red, propiedades geométricas de la cuenca, etc.Tradicionalmente, estos parámetros son obtenidos desde mapas analógicos o a partir de mediciones.A partir de algún tiempo atrás, se está usando la forma digital de la topografía del terreno para capturar las variables mencionadas"( Jenson and Domingue,1988,Mark,1984;Moore et al,1991,Martz andGarbretch,1992).

"La representación topográfica digital del terreno se llama MDE.El manejo automatizado digital de los datos de las cuencas topográficas es mucho más fácil y rápido , menos subjetivo y provee más cantidad de datos métricos reproducibles que el método tradicional manual- analógico" ( Tribe,1992). Los datos digitales generados por estas tecnologías , también tienen la ventaja que pueden ser importados y analizados por los Sistemas de Información Geográficos. Los avances tecnológicos alcanzados por los GIS y el aumento en la disponibilidad y calidad de MDE han producido una gran expansión en los potenciales usos de estas herramientas para la investigación en temas de hidrología, hidráulica y recursos de agua."( Moore et al,1991 Conceptos Básicos Los Sistemas de Información Geográficos (GIS) Los SIG, son en la actualidad las herramientas por excelencia para encarar problemas relacionados con la planificación, toma de decisiones o análisis regional de los espacios territoriales. Un Sistema de Información Territorial, está básicamente constituido por recursos humanos capacitados, equiposinformáticos, paquetes de programas de aplicación, técnicas y procesamientos específicamente desarrollados para solucionar objetivos propuestos y datos primarios o de base ( gráficos y alfanuméricos). Este conjunto de elementos permitirá la captura,almacenamiento, procesamiento, análisis y consulta de la información georreferenciada. Los Sistemas de Información Geográfica (SIG) que, como consecuencia de los avances tecnológicos de los últimos años, han establecido nuevos horizontes en el manejo y administración eficiente de grandes volúmenes de datos geográficos. Los elementos que componen un GIS se podrían resumir en la siguiente productoria

Modelos Digitales de Elevación ( MDE) Un DEM es una representación gráfica de una superficie continua, usualmente referida como una superficie terrestre.Los mapas de pendientes, aspecto de la pendiente,relieve de sombras, vistas en perspectivas 3D, modelos de escurrentias,etc. Son algunos de los productos derivados del análisis topográfico a partir de un MDE El uso actualmente muy difundido de los sistemas de Información Geográfico, como herramienta moderna para la evaluación y la planificación de políticas de desarrollo, hace necesario el conocimiento acabado de la región geográfica donde se implementarán dichas políticas.Una de las tantas variables espaciales a analizar en este caso puntual de las redes de servicio como la de regadío público,es la forma del terreno materializada como curvas de nivel,diagrama en bloque, mapa de pendientes, etc. TEORÍA Y METODOLOGÍA PROPUESTA Captura o Adquisición de los datos Para lograr la consecución de un MDE, es necesario cumplir sistémicamente etapas como:

• Captura o Adquisición de los datos

GIS = Datos * Soft * Hard * Procedimientos * Recurso Humano * Decisión Política*Tiempo

Fig. 1 .- Esquema de visualización para las distintas areas de aplicaciones GIS

Gerenciamiento de Infraestructura

Transporte y Apoyo Logístico

Mapeo y Levantamiento

Planeamiento Regional y Urbano

Exploración de Minerales

Salúd Pública

Gerenciamiento de Infraestructuras AM/FM

Gerenciamiento Político

Estrategias Comerciales ( Marketing)

Gerenciamiento de Información

Gerenciamiento de Recursos Naturales

Análisis y Monitoreo Ambiental

Investigación y Educación

Seguridad

S I G

• Procesamiento de los datos • Desempeño o performance del MDE • Generación de Modelos Derivados • Salidas Gráficas o Temáticas.

Se podría mencionar que la variedad de métodos de captura de los datos de base es bastante amplia, los que tendrán mayores o menores dificultades y limitaciones en su uso. Los métodos pueden ser directos o indirectos, según si los datos son tomados in-situ o indirectamente desde documentos analógicos o digitales existentes. Podríamos mencionar como: Método Directo

Los levantamientos topo-geodésicos, Uso de los GPS ( Global Position System) Altímetros transportados por plataformas aéreas

Métodos Indirectos

La restitución fotogramétrica y con imágenes satelitales Digitalización manual desde mesas digitalizadoras Digitalización automática con Scanners

Zona de trabajo De este modo se puede ver en una planimetría general de la zona tomada como zona inicial de estudio ( departamento Capital ver fig4)) la distribución de los puntos seleccionados como base para la generación del MDE

Fig.2 .- Planimetría general de la zona de estudio y puntos del proyecto SICAT

En total se contaron con 2397 puntos planialtimticos icos distribuidos según se observa en las figuras anteriores. Esta disposición de los datos de base permitía cubrir totalmente la región a modelar y especialmente anclar los ejes de calle, zona donde se emplazaría las redes de distribución del agua de regadío.Esto es particularmente importante ya que aseguraría la fidelidad necesaria del modelo para poder tener la confianza suficiente en la transferencia de las cotas del terreno modelado a los nodos de los arcos de la red Procesamiento de los Datos Esta es una de las etapas mas delicadas en el proceso de conseguir el MDE, ya que es aquí donde se genera matemáticamente, por medio de algoritmos especiales, la estructura y forma definitiva del terreno simulado. Los algoritmos numéricos son secuencias explícitas de operaciones matemáticas, que permitirán que a partir de una distribución discreta de puntos datos, lograr una densificación de los mismos pero con una geometría de reparto regular.de puntos estimados . Existen una infinidad de métodos de interpolación, que se ajustan a distintas aplicaciones, como son por ejemplo IDS ( Inversa de la Distancia al Cuadrado),Kriging,Superficie de Tendencia,Minima Curvatura,TIN,Polinomios de Regresión,etc. Los más comúnmente utilizados son los métodos de IDS,Kriging y Tin que se comentarán brevemente: Método IDS Este método estima el valor de la variable en z en los nodos de la grilla regular generada, asignando pesos a los ptos datos en función inversa de la distancia que los separa del punto incógnita a calcular.La fórmula general que calcula el valor estimado es:

∑

∑

=

== n

jji

ji

n

jj

i

w

wz

z

1,

,1

.k

jidjiw,

1, =

( ) ( )22, ijijji yyxxd −+−=

Donde Z i es la altura estimada para el punto no muestral i Z j es la altura real del punto muestral j Wi,j es el factor de peso en función de la inversa de la distancia d i,j n es el número de ptos. seleccionados en el entorno para el calculo de Z i d i es la distancia euclidiana entre el punto muestral j y el pto a estimar i k permite variar la ponderación de la distancia para los datos. Varía de 1 a 12

1

di 1

2

3

4

i

ji

r

Ptos. muestrales

Ptos. a estimar

Fig. 3.- Esquema conceptual de estimación en función de los ptos. datos y su entorno

Este método tiene a su favor la sencillez y rapidez en el calculo, pero por su estructura fundamentalmente de media ponderada, los resultados siempre estarán dentro del rango de variación de los datos y tiende a suavizar los valores de las alturas tanto las más elevadas como las más bajas.. Método de Kriging Este método realiza una estimación del punto incógnita también a través de una media ponderada , pero a diferencia del IDS la función de peso empleada está basada en conceptos de geoestadística como la autocorrelacion espacial de la variable.. El análisis de la autocorrelación se asienta en el variograma , que Es un gráfico de dispersión y una función matemática que relaciona dos conceptos: en el eje x, la distancia d entre puntos muestrales, y en el eje y, una medida de la variabilidad γ(d), de la altura Z en el conjunto de puntos muestrales que están separados un valor d de la distancia. La ecuación que controla el cálculo de la altura a estimar es:

En este procedimiento también entran factores de radios de búsquedas como en el caso anteriror.Este es un método estadísticamente bueno para la generación del MDE, con la desventaja de generar gran cantidad de cálculos, lo que a veces lo torna un poco lento de operar.

Método TIN ( Triangular Irregular Network) Este método usa el concepto de Delaunay para formar triángulos a partir de la nube de puntos datos. Los puntos originales contiguos ,se conectan de tal suerte que ninguno de los bordes de los triángulos son cruzados por otros triángulos. El resultado es un conjunto de caras triangulares que se ajustan sobre la región de la zona a modelar. La incorporación de otros datos como líneas de quiebres, caminos, drenajes, ptos de interés, etc , ayudan a definir más ciertamente el terreno, permitiendo una generación del MDE sumamente fiel al terreno real.

j

k

jji zz .

1∑

=

= λ ( ) ( )kjijj dd ,, .γγλ =

( )kjd ,γ

( )ijd ,γ

Valor del variograma teórico para la distancia dj,k que separa el pto muestral j del punto muestral k

Valor del variograma teórico para la distancia dj,i que separa el pto muestral j del punto incógnita i

Donde: Z i es la altura estimada para el punto no muestral i Z j es la altura real del punto muestral j

λj es el factor de peso

k es el número de ptos. seleccionados en el entorno para el calculo de Z i

El proceso de interpolación dentro de las caras triangulares puede ser de tipo lineal al usar la ec. del plano que forman los triángulos consecutivos o empleando el algoritmo Quintic, que es un polinomio función bivariado de grado 5

Método LINEAL

cbYaXZ ppp ++=

A,B,C : ptos. muestrales P : pto. estimado

X

Y

Z

PA

B

C

Metodo QUINTIC El método de interpolación TIN usa dos algoritmos, uno de ellos es el QUINTIC,que emplea un algoritmo para lineas de quiebre usando un polinomio bivariado de grado cinco en x e y. La ecuación que rige el calculo de z interpolado en la superficie es:

( ) ki

j

k

kjk yxqyxz ∑∑

=

−

=

=5

0

5

0

,

Fig. 4. Fundamentos de los algoritmos de cálculo para el metodo TIN

Haciendo uso de los algoritmos antes descriptos a través de programas de aplicación diseñados para alcanzar la generación de MDE, se armaron con los puntos datos capturados, distintas representaciones de la modelación del área de estudio, empleando el programa SURFER 7.0 para este caso ( ver fig 7).

Fig.5 Modelos 3D generados según distintos algoritmos de interpolación

IDS KRIGING

TIN

Desempeño o Performance de los MDE En esta etapa se contempla la calidad del modelo desde el punto de vista métrico y no cualitativo. Teniendo en cuenta que a partir del MDE se implementarán procedimientos de simulación y obtención de modelos derivados total o parcialmente dependientes de la topografía, es que necesariamente hay que realizar un testeo de las condiciones de fidelidad respecto del terreno, que ha alcanzado nuestro modelo. La calidad de un MDE depende del tipo y magnitud de los errores implicados.Conviene no perder de vista que la comisión de errores es inevitable debido a que los modelos son visiones simplificadas de la realidad, sometidos a un proceso de generalización dado por la aplicación de los algoritmos matemáticos de interpolación. “Los parámetros de modelización son, por tanto, inherentemente imprecisos, aunque su representación puede realizarse con mas o menos exactitud, dentro de rangos dependientes del método de captura de los datos base.(M.Felicísimo)” En nuestro caso los errores de tipo posicional o cartográfico, los que implican dudas en cuanto a la localización geográfica de la cota o de la trayectoria de las curvas de nivel y afectan a la situación en el plano xy han sido minimizados ya que los datos tomados desde archivos digitales productos del proyecto SICAT,han sido en su momento testeados y verificados en su calidad, cumpliendo con los parámetros de precisión y exactitud requerido. . También los otros puntos que se usaron para modelar , como los tomados por digitalizacion desde un plano analógico, solamente se controló la posición planimétrica de las cotas , ya que el valor de atributo espacial, es el que venía anotado en la carta como resultado de cotas ortométricas medidas a partir de una nivelación geométrica, valores que actualmente están en uso por OSSE, lo que da cierto nivel de garantía en su calidad. Al momento de la digitalización de los puntos con cotas levantados desde un plano de base analógico provisto por OSSE, se controló la deformación del documento fuente ajustando y transformando on-line el mismo a una nube de 12 puntos con coordenadas Gauss-Kruger conocidas.El ajuste dio un EMC global que estaba dentro de la tolerancia exigida por la escala de la carta 1:10000, que fue alrededor de +- 3mts. Considerado bueno a pesar que se trabajó sobre una copia láser de un original en relativo estado de conservación. Se decidió trabajar con herramientas estadísticas que aseguraran cierto grado de confianza en la calidad del MDE a utilizar para la simulación de la red de regadío. Como primera medida había que determinar con que modelo nos quedábamos para la simulación, habida cuenta que teníamos tres MDE como resultado de haber generado uno por cada método de interpolación. La cuantificación del error sobre un modelo digital de elevación, puede estimarse por comparación de un conjunto de valores conocidos de altitudes con los correspondientes ptos. homólogos del modelo, usando algunos estadísticos de posición y de dispersión sobre esas diferencias. De este modo operacionalmente se computó la diferencia entre el valor Zdat de los datos de base o de cualquier punto de la zona y el valor Zmod estimado o interpolado.Esta diferencia da una medida cuantitativa de que tan bien ajusta el modelo interpolado a los puntos datos. Así:

Para el caso que nos ocupa, se calcularon las discrepancias entre los datos que sirvieron de base para la generación de los modelos y el valor estimado alcanzado con los tres métodos de grillado. Luego sobre cada columna se calcularon los parámetros estadísticos Media( x ) muestral, Error Medio y Desviación Estándar (σ ) muestral, pudiéndose visualizar que en los tres métodos de interpolación existen pocas diferencias, entre dichos parámetros,cosa esperable ya que la zona de estudio es de una topografía bastante suave, con pocos quiebres y pocos cambios bruscos de pendiente. De los tres se seleccionó el modelo estimado por el método TIN, ya que es el que posee una dispersión menor ( desviación estándar), lo que implica en términos estadísticos una mejor precisión, a pesar que por Kriging los resultados son similares. Debido a que el software que usaremos más adelante en el análisis de la red, trae implícita la posibilidad de generación de modelos por este método , es que se creyó conveniente utilizar el modelo generado con el método de interpolación TIN. METODO DE INTERPOLACIÓN (ptos. usados 2397)

MEDIA(mts)

ERROR MEDIO(mts)

DESV. STANDARD(mts)

TIN

-0.006

0.004

0.19

IDS

0.006

0.004

0.21

KRIGING ( variograma lineal con slope =1 y anisot. = 0)

-0.006

0.0039

0.19

Una vez definido con el MDE que se va a trabajar, es necesario someterlo a un análisis estadístico que me permita tener un margen de seguridad o confianza sobre la fidelidad o calidad del mismo, sabiendo que los datos que manejo por más buenos que sean , siempre estarán sujetos a la condición de ser valores producto de una modelización ( abstracción de la realidad). Reiterando lo que anteriormente se comentó, esta premisa de saber con que calidad de datos trabajamos, es de suma importancia, ya que muchos de los análisis de simulación numérica que hagamos, estarán sujetos a la calidad del modelo de elevación que obtengamos.

resZ

Zdat Zmod

mod. ZZZ datres −=

Fig. 6 .- Esquema espacial de la diferencias de cotas

Donde: Z res valor del residuo

Z dat valor de Z del terreno

Z mod valor de Z interpolado en el modelo

TABLA 1 . Errores para los distintos algoritmos de interpolación

(4)

Como primera instancia se modeló con la masa total de alrededor de 2500 ptos. planialtimétricos, producto de los datos del proyecto SICAT para el departamento capital y de la digitalización desde el plano analógico de OSSE. Se observaron tanto visualmente en un diagrama en bloque de un modelo de errores como numéricamente en resultados tabulares que existían en la columna diferencias ( Z datos - Z interpolados) valores intolerables para el tipo de simulación que se pretende analizar.

Analizando la tabla de discrepancias vemos que tenemos un valor max. de -15.6 mts. y un min. de 8.9 mts., que como ya lo expresamos son valores sumamente altos. Es posible que en un momento dado en la captura digital se haya tecleado mal algún atributo de la cota o que en el archivo digital de los puntos SICAT, cualquier registro haya venido con con errores de este tipo. Simplemente se eliminaron de la tabla de datos ,aquellos valores que generaban esta perturbación y se interpoló nuevamente, logrando esta vez resultados aparentemente satisfactorios. Se puede apreciar en este nuevo cálculo que los máximos y mínimos bajaron ostensiblemente, asimismo en el modelo de error se puede apreciar la eliminación de las zonas con excesos y se logra un modelo de error que se aproxima bastante bien al ideal que sería una expresión uniformemente plana con diferencia ceros. ( ver fig. 9)

Number of values 2428

Sum -20.139

Minimum -15.656

Maximum 8.980

Range 24.637

Columna Discrepancia

Fig. 7 Modelo de Error

Number of values 2397

Sum -16.374

Minimum -0.977

Maximum 0.985

Range 1.963

Columna de Discrepancias

Fif 8. Modelo de Error

Se tomaron las columnas de discrepancias generadas con todos los puntos y luego las discrepancias con la nube de puntos depurada. Sobre ellas se calcularon algunos parámetros estadísticos de la muestra ( muy parecida en realidad a la población en cuanto a cantidad) y mediante el análisis minucioso se puede observar como mejora la calidad global del trabajo.

Análisis Estadísticos con las muestras seleccionadas Habíamos comentado, que luego de depurar de errores groseros los puntos con los que trabajaríamos, armamos cuatro muestras representativas de la población a estimar , que supone todos los puntos del MDE generado por interpolación. Se recuerda que los valores de las muestras son las diferencias entre el valor de la cota del terreno medido y la cota del mismo punto pero estimado por el algoritmo de interpolación elegido para armar el MDT. Se someterán todas las muestras a las pruebas de hipótesis estadísticas para verificar si aceptan o rechazan la hipótesis nula fijada como 0:0 =µH Esto que la media poblacional sea igual a cero implica un estado teórico de plantear que todas las diferencias Z entre el estimado en el modelo con el valor del terreno sea cero, es decir que el interpolador sea exacto y haya plena coincidencia entre cada punto calculado y el terreno. Luego de

Modelo depurado y modelo de error Modelo original y modelo de error

Fig. 9 Comparación entre modelo original y depurado con sus errores

mod. ZZZ datres −=

ahí tendríamos una media cero, que sería un deseo muy difícil de cumplir por la propia naturaleza del Z estimado, que proviene de un cálculo matemático. Recordemos que lo que se hace es una inferencia de la población analizando una muestra, y que en definitiva se afirma que, con un cierto porcentaje de probabilidad de estar equivocados ( nivel de significación), que la media poblacional está comprendida dentro de los límites de confianza, y no que sea exactamente el valor cero. Al aceptar la hipótesis nula estamos diciendo que la muestra estudiada proviene de una población de media cero , y no que esta media sea precisamente cero . Se hicieron análisis estadísticos sobre todas las muestras preparadas y se presenta uno completo para la muestra Nro. 5 que es de mayor interés. Muestra Nro. 5 n = 200 puntos seleccionados por muestreo al azar sistemático de la población de los 1100 ptos. ya depurados con el fin de alcanzar las precisiones propuestas para los fines de la modelación de redes de distribución de agua del arbolado público. La distribución es homogénea para toda el área del departamento Capital. Se analizan los estadísticos de la muestra y algunos gráficos que nos permitirán decidir cuan cerca están nuestros datos de una distribución normal ,para de este modo implementar las pruebas de hipótesis estadísticas.

ResidualT Number of values 200 Sum 0.3492 Minimum -0.0768 Maximum 0.0825 Range 0.1594 Mean 0.0017 Variance 0.0014 Standard deviation 0.0384 Skew 0.194 Kurtosis -0.639

Cuadro Resumen de los estadísticos de la Muestra 5

Luego de analizar con la ayuda de los gráficos anteriores la distribución de los datos de la muestra 5, podemos inferir que los mismos se ajustan bastante a una distribución de tipo normal. Es así que ahora podemos implementar sobre la muestra las pruebas de hipótesis estadísticas

El cálculo de la variable tipificada de Z daría:

nS

XZc

/0µ−= =

038.0

200*002.0 = 0.744

tc

t

c

ZZ

Z

Z

<==

960.1

744,0

Como se puede observar, el valor de Zc ( Z de calculo) cae dentro de la región de aceptación por lo que aceptamos la hipótesis nula y podemos decir que se puede considerar a la muestra como proveniente de una población de media 0=µ

Distribución de los Ptos. de la Muestra 5

2541 2542 2543 2544 2545 2546 2547(X 1000)

-0,08

-0,05

-0,02

0,01

0,04

0,07

0,1

Density Trace for Col_4

-0,08 -0,05 -0,02 0,01 0,04 0,07 0,10

2

4

6

8

dens

ity

Normal Probability. Este diagrama determina si los datos provienen de una distribución normal.En el eje horizontal van los datos a testear y en el vertical el valor de la función de distribución acumulativa como una dist. Normal y el gráfico resultante es una linea.Mientras más ajustados están los datos a dicha línea, mas cerca a una dist. Normal tendrán los ptos.

de tabla

0.744 < 1.960

Fig. 10 .- distribución de los puntos de la muestra 5 (ruido Gaussiano)

El cálculo automatizado para resolver el test de hipótesis se hizo con el paquete estadístico STATGRAPHICS, y se observa en resultado la coincidencia con el cálculo

TABLA 2 . Resultado del Test de hipótesis hecho con STATGRAPHICS

2,5

Zona de rechazo de la Hipot.nula y aceptación

de 0: µµ >aH

Zona de rechazo de la Hipot.nula y aceptación de

0: µµ <aH

Z= - Z= 1.960

1-α = 95%

0

2,5%

Zona de aceptac. de la hipot. nula 0:0 =µH

Hypothesis Tests----------------Sample mean = 0,002Sample standard deviation = 0,038Sample size = 200

95,0% confidence interval for mean: 0,002 +/- 0,00529867 [-0,00329867,0,00729867]

Null Hypothesis: mean = 0,0Alternative: not equalComputed t statistic = 0,744323P-Value = 0,457559Do not reject the null hypothesis for alpha = 0,05.

The StatAdvisor--------------- This analysis shows the results of performing a hypothesis testconcerning the mean (mu) of a normal distribution. The two hypothesesto be tested are:

Null hypothesis: mu = 0,0 Alternative hypothesis: mu <> 0,0

Given a sample of 200 observations with a mean of 0,002 and a standarddeviation of 0,038, the computed t statistic equals 0,744323. Sincethe P-value for the test is greater than or equal to 0,05, the nullhypothesis cannot be rejected at the 95,0% confidence level. Theconfidence interval shows that the values of mu supported by the datafall between -0,00329867 and 0,00729867.

MDE Final Luego de los análisis que se hicieron sobre los datos definitivos ( último archivo depurado), no se rechazaron las pruebas de hipótesis nula preestablecida. Con lo que podemos concluir que nuestro MDE es lo suficientemente confiable( dentro de un rango de confianza del 95%) con una probabilidad muy baja del 5% ( α) de equivocarnos o sea de rechazar la hipótesis nula cuando ésta es cierta ( error del tipo I ). Es así que nuestro MDE es lo suficientemente confiable ( dentro de un rango de confianza del 95 %)como para usarlo de plataforma en modelos de simulación de la red de regadío. El MDE definitivo generado se ve en una visualización en diagrama en bloque en conjunción con el manzanero y una imagen aérea ajustada y drapeada. (ver fig10)

Fig 11.- Superposición de MDT,red urbana e imagen drapeada

Redes

Intentar hacer un análisis de red implica en primer lugar conocer muy bien la temática a resolver y la mecánica del movimiento del fluido o recursos que circularán por la red. Se debe montar un modelo virtual de la realidad que se pretende simular, a través del aporte de datos tomados del mundo real y de variables propias de la red. En función de la veracidad de los datos aportados, más ajustados al comportamiento real serán las respuestas del modelo de red que se desee someter a un análisis específico. Armado de una cobertura de red Existen diversos procedimientos que asisten al levantamiento y generación de una cobertura lineal de redes. Uno de los más convencionales es a partir de la digitalización de los arcos que componen una red a partir de una cartografía preexistente , o directamente digitalizando desde la pantalla con un nivel de fondo ( background)que sirva de guía y en el sistema de proyección convenido. Es de remarcar que este procedimiento, como los utilizados para simular sobre la red, están asistidos por los programas ArcView 3.2 y ArcInfo PC. La generación de una cobertura para redes requiere de una secuencia ordenada de pasos a seguir:

Secuencia

Incorporar otros elementos que permitan la simulación en la red

Crear tablas de giros y asignación de las impedancias de los mismos

Corrección direccional de arcos-nodo si es necesarioSecuencialidad de los identificadores de nodos

Conversión a estructura topológica arco-nodoestructura nativa ArcInfo PC

Asignación de demandas por arco

Asignación de impedancias de los arcos

Captura por digitalización manualestructura .shp nativa de ArcView

Fig. 12 .- Secuencia de procedimientos

Incorporar otros elementos para la simulación de la red Siempre con la intención de tratar de aproximarse a la realidad en el manejo de la red, se agregaron en algunos nodos de ésta, estados de conflicto en la circulación del agua, como algunas compuertas bloqueando el paso del fluido ó la existencia de algún pasante obturado.Estas condiciones se materializan con elementos propios de la red como los barrier,éstos impiden al recurso circular temporalmente por los tramos de la red. Hasta que se los remueve. También se simuló la entrada de agua al sistema lineal a través de otro elemento de la red como son lo centers. Éstos son elementos puntuales que se instalan en los nodos ( ver fig. 19) y simulan lugares donde distribuyen recursos desde o hacia la red.Como atributos de los mismos se fijan la impedancia límite y la capacidad para administrar recursos de la red.

ALGUNAS APLICACIONES Y ANÁLISIS ESPACIALES SOBRE LA RED Espacialización y Visualización de tramos de la red según terreno natural Luego de haber gestado un Modelo Digital de Elevación confiable métricamente,le superpusimos el diseño de proyecto de la red como una expresión gráfica de linea, para poder transferir los valores de las alturas del terreno a los nodos de los arcos.lo que a su vez se almacenan en la tabla topológica asociada a la red, conformando una cobertura lineal. Todo este procedimiento está pensado sistemáticamente y asistido por programas especiales tipo macro, de los que ya habíamos comentado en su oportunidad. De este modo ahora podemos hacer algunas consultas y visualizar resultados. En esta ocasión se seleccionaron aquellos tramos de la red que tuvieran pendientes positivas, es decir en aquellos arcos donde el agua no puede avanzar por la pendiente natural del terreno (ver fig 20).Es aquí en esta etapa del diseño donde la simulación puede ayudar en gran medida, para saber

Center Barrier

Fig. 13.- Elementos agregados para armar modelo de simulación de la red

en donde se debería poner mayor atención en los trabajos posteriores en la etapa de nivelación y construcción.

También podría discriminarse dentro de la selección anterior, cuales son los tramos con pendientes más fuertes ( pensadas en la problemática que nos ocupa que es el riego del arbolado público por gravedad), las que superan por ejemplo el 0.7 % . Sobre la misma zona se puede hacer un análisis similar de búsquedas condicionadas sobre el campo "pendiente " y como valor de la variable 0.7 %, donde la condición de búsqueda quedaría " pendiente > 07". Como en el caso anterior la respuesta es de localización espacial con la indicación de aquellos tramos que cumplen la condición de búsqueda (ver fig. 21).

Tramos de la red en 2D con pendientes positivas

Tramos de la red en 3D con pendientes positivas

Tramos de la red en 2D con pendientes > 0.7 % Tramos de la red en 3D con pendientes > 0.7%

Algunos ejemplos de Aplicación

Para el caso particular de redes de conducción de agua para el regadío de la arboleda pública mostramos algunas simulaciones de interés, con fines aplicativos. Hemos supuesto en este ejemplo, que el center que es un componente de la red que envía hacia los tramos o recibe desde los mismos recursos , modela la acción de un ramal que alimenta el circuito de acequias.Se ubica en un punto que supuestamente es el más elevado de la red y al comienzo de la misma. El center tiene atributos como la impedancia límite y la capacidad, que son unos de los parámetros que usa el especialista para implementar sus modelos de simulación. La capacidad es la cantidad total de recursos que pueden ser suministrados hacia o desde un center a

la red que asiste.

La impedancia límite es el máximo de impedancia permitida entre el center y el fin de algún arco ubicado a lo largo de un camino.La suma de las impedancias de los arcos y los giros a lo largo de cada uno de los caminos desde el centro, no puede exceder la impedancia limite establecida para el centro De este modo se tomó como impedancia límite valores de longitud y para fijar el valor de la capacidad se estimó que la entrega es de 0.1 m3/seg que reducido a lts/h son 360000.También se estima que por día, el agua puede circula durante cinco horas, lo que haría un total de agua distribuida de 1800000 lts en el día. Los parámetros fijados para la red son la impedancia que reside en el campo “long” de la tabla topológica de la red y la demanda que es la cantidad de recursos que serán recogidos a lo largo de un circuito desde cada arco.Este valor está

En este caso, se aumentó la cantidad de agua a distribuir, manteniéndose la impedancia :

• Impedancia límite 3500 mts • Capacidad 1000000 lts

Se observa como resultado, que se logra mejorar sustancialmente la cantidad de arcos asistidos, lo que redunda en más árboles regados. Este análisis determina que habría que disponer de mayor caudal o mas tiempo de riego.

Como atributos del center se fijaron :

• Impedancia Límite = 3500 mts

• Capacidad 100000 lts

Se puede observar que con estos parámetros, la zona

regada es reducida respecto a la extensión del

circuito, por lo que gran cantidad de árboles de esta

red quedaría sin asistencia de agua.

residente en el campo “demanda”de la tabla topológica de la red, cuyo valor de estimación se explicó con anterioridad .Todos estos datos se entregan al programa y el mismo ejecuta la acción de alocación, mostrando una expresión temática del resultado:

En este ejemplo, la red se modeló teniendo en cuenta

para la asignación de arcos al center como impedancia

el tiempo que tardaría el agua en escurrir .Este dato

está almacenado en el campo "tiempo" de la tabla

topológica de la cobertura de la red.

Cada zona responde a un tiempo en particular,por

ejemplo a los 15 min, 30 min,45 min y 60 min

center

En este análisis espacial se puede observar la

inclusión de un segundo center en función de la

imposibilidad del primero en atender las demandas

de toda la red, debido a que su atributo de

capacidad de distribución no es suficiente .

Center 1 Center 2

En este ejemplo, se evalúa el nivel de conflicto en la circulación del agua que producen un conjunto de pasantes detectados con problemas de pendiente o con dimensiones insuficientes para evacuar el caudal de agua circulante. También se puede visualizar los arcos que se afectarán y los radios de influencia en distancia que localizan zonas de las manzanas y de la red comprometidas con el desborde del agua.

Center

Acá podemos ver otro análisis a traves de una búsqueda espacial condicionada, seleccionando aquellos arcos cuya pendiente de peoyecto sea menor del 0.2 %. En estos tramos, debido a la baja pendiente el agua circulará con menor velocidad tendiendo a estancarse, produciendo algunos efectos indeseables la crianza de larvas de mosquito.

Como en el ejemplo anterior , la búsqueda condicionada como tramos cuya pendiente de proyecto sea mayor de 0.5, muestra una expresión temática individualizando aquellos arcos que cumplen con la condición propuesta. En estos tramos el agua adquiere mayor velocidad de circulación y la acción de riego del árbol por permanencia del líquido en las inmediaciones del ejemplar, quedaría afectada .

Estas y otras muchas situaciones de análisis espaciales y modelos de simulación son factibles de ensayar a modo de escenario virtual para visualizar el comportamiento de la red frente a la presencia de las distintintas variables que con criterio se pueden incorporar o eliminar.

CONCLUSIONES

A través de los distintos procedimientos gráficos, numéricos, alfanuméricos - tabulares creados y usados para gestar, tratar y analizar una red de estas características, mediante un Sistema de Información geográfico, creo estar en condiciones de bosquejar humildemente algunas conclusiones según los criterios: analizando resultados del trabajo en sí en función de los objetivos propuestos; conclusiones de orden generales y lo que se puede prever para el futuro : Ø La dificultad de contar con datos planialtimétricos apropiados y confiables para ser usados

en este trabajo, sobre todo en la etapa de contrucción del MDE. Ø Se pudo de todos modos generar un MDE de buena calidad , pero sacrificando una masa

importante de puntos por haber tenido que usar levantamientos de ptos. altimétricos medidos con diferentes precisiones.

Ø Se llegaron a valores razonables en los resultados , pero siempre encerrando un cierto grado

de incertidumbre por ser esta una propuesta de trabajo de gabinete. Ø Esta propuesta de trabajo, es una serie de procedimientos basados en modernas

tecnologías, muy poco probadas en nuestro medio y como tal sería sumamente importante y necesario testear contra la realidad el comportamiento de la red, para de este modo mejorar el modelo teniendo en cuenta distintas consideraciones como ser: el valor de las variables usadas; la cantidad y significado de ellas ;otras propuestas de análisis espaciales que se ajusten a las necesidades reales y concretas de operaciones de gerenciamiento de estas redes de riego.

Ø El tandem de software de aplicación utilizado funciona operativamente con eficacia.En la

actualidad ya existen aplicativos especiales para tratar exclusivamente estas problemáticas. Ø Resaltar la complejidad que significa fijar los valores de impedancia en los giros en cada

nodo de la red , tarea que puede ser semi-automatizada a través de procedimientos tabulares, pero que depende del conocimiento acabado de la mecánica del fluido que circulará por la red.

Ø Generar un MDE métricamente confiable, de tal manera de asegurarnos que los valores de

altura transferidos a la red que se analizará, estén dentro de un entorno de precisión aceptablemente bueno.Así el comportamiento de la modelación puede tener un correlato fuerte con la realidad que se pretende simular.

Ø Marcar las posibilidades que brinda un DEM de conocer espacialmente el terreno en forma

rápida y objetiva en comparación con los métodos analógicos tradicionales. A además el poder entrecruzar características físicas de los modelos derivados como el gradiente en su expresión modular y direccional, son inapreciables al momento de la etapa de diseño o de anteproyecto de este tipo de redes.

Ø Destacar fuertemente la necesidad impostergable de contar al momento de la incorporación

de las distintas variables que servirán para modelar la red como al momento de la simulación de la misma con la colaboración estrecha de especialistas( Ing. Hidráulicos, Ing. Agrimensores,Ing.Agrónomos,etc.) en las distintas áreas que intervienen en el manejo de estas complejas estructuras. Es un error bastante frecuente y grosero, pretender que una sola persona ( especialidad) pueda llevar a buen término este tipo de tareas, ya que corre el riesgo de perder objetividad por desconocimiento.

Ø Destacar la gran flexibilidad que tienen estos sistemas para modelar fenómenos que

requieren una gran velocidad de cambio en la variables georreferenciables en cuanto a cantidad y valor de las mismas. Lo que posibilita reprocesar rápidamente una nueva situación.Creo que aquí radica el éxito de estas herramientas.

Ø Intentar implementar estas modernas posibilidades de geogestion de redes de servicios en

aquellas reparticiones del estado que tienen la responsabilidad institucional de hacerlo. Ø El vertiginoso avance de la informática en el campo del desarrollo de los software de

aplicación cada vez más específicos,nos obliga necesariamente a una constante actualización y capacitación.

Ø Creo que la combinación de Internet con mejores prestaciones en velocidad de respuesta y

servidores GIS que puedan colocar gran volumen de datos georreferenciados( redes de servicios varias, banco de MDE con distintas precisiones y extensiones geográficas según la aplicación, bases de datos relacionales,etc) al alcance de usuarios expertos, serán las herramientas del futuro a muy corto plazo.