Estimados  lectores,

Hoy me enteré que la  organización del GvSIG estan dictando curso  de  GIS  gratis y con certificado.  Aqui  el link ! Cursos estan disponibles en inglés, español y algunos en francés.

Cursos gratis de GIS ( gvSIG)

Cordialmente

Rengifo

PS:Espero que todo esten saludables en estos tiempos del Corona !

 

Ante todo mis más cordiales saludos!

En esta oportunidad les quiero  hablar sobre terrenos tangibles. El año pasado me embarqué en un pequeño proyecto que consistía en crear una MED tangible.  La idea proviene originalmente de la Universidad de Carolina del Norte.  Consiste en el uso de un  instrumento llamado KinectV2, un proyector de garganta corta, una computadora con  una tarjeta nvidia de última generación capáz de procesar nubes de puntos (PointCloud) instantaneamente y GRASS GIS  para los análisis geográficos. Los resultados son increibles. Hace un par de dias realizé un workshop para la  Escuela de Arquitectura de Oslo, donde los estudiantes pudieron probar mediante el uso  del  MED tangible las posibles opciones de construir diferentes estructuras en el terreno para frenar  el agua  y evitar la erosión.  Muy prometedora esta forma de modélo mixto ya que estimula  realmente el trabajo en equipo.

Aqui les dejo un video producido con mi módelo. El mismo muestra como cambia el fluido del agua cuando se hacen  cambios en el terreno.  La acumulación del agua fue calculado con el algoritmo de fluido multiple. Feliz dia y disfruten el video

 

Estimados lectores,
En esta oportunidad les quiero hablar del uso de
QGIS cloud . El mismo es un servicio de nube de almancenaje de datos geográficos basado en software libre. Como cliente para crear los mapas usa QGIS ( QGIS cloud plugin).

Primero tendrán que registrar una cuenta en qgis cloud lo cual es gratuito. Posteriormente, abren el qgis cargan los datos y definen el mapa de fondo (ver imagen 1) .

Imagen 1: Mapas de deslizamiento de tierra en el Estado Mérida, Andes Venezolanos
En este caso yo usé Open street map (OSM).
Qgis cloud da otras opciones como el google maps o Bing

Una vez hecho esto publican el mapa registrandose con el nombre del usuario la clave. El mapa será cargado en una base de datos postgressql /posgis. Aqui pueden ver el link https://qgiscloud.com/rengifoo/qgiscloud de los eventos de deslizamientos de masas, proyecto con el cual estoy actualmente trabajando.

Cordiales saludos
Hasta la próxima
Rengifo Ortega

Estimados  lectores ,

Después de una buen periodo de experimentación en steem it. llegué a la conclusión que continuaré con mi blog en esta plataforma. Steem it parece ser bueno para mi  pero no para mis lectores. Y mi  motivación es compartir mis ideas con mis lectores. Asi que estoy de regreso.

gracias por ser pacientes.

 

 

Verlo en steemit.saludos

https://steemit.com/webgis/@geoendemics/creando-en-un-mapa-webgis-en-5-min-con-qgis

Estimados lectores! Después de varios años ha llegado el tiempo de hacer algunos cambios en  el blog de geoendemics. A partir de este  mes  este blog no se actualizará más. La nuevas actualizaciones serán realizadas en la nueva plataforma llamada steem it. Steem it usa tecnología de blockchain  y permite  monetizar el blog de acuerdo  las veces que le den me gusta. El dinero que se colecte de esta manera se dedicará a apoyar proyectos  basados en Gis open source en países hispanohablantes.

Gracias por  seguirme durante todos estos años y espero verlos en la nueva plataforma  https://steemit.com/@geoendemics

Estimados lectores,
Ante todo mis cordiales saludos. Han pasado algunos meses desde que blogueé algunas de mis ideas. Como excusa tengo el hecho que por primera vez desde hace 3 años fui a mi ciudad en Venezuela, Mérida. Alli tuve la oportunidad de reunirme con familiares y amigos y al mismo tiempo ver una de las formaciones montañosas del planeta que jamás dejarán de fascinarme, Los Andes!. Lo primero que noté al caminar por las laderas fue la recurrencia de los movimientos de tierra que se presentan en diferentes localidades como una función del terreno, tipo de suelos, cobertura vegetal, pero tambien producto de la intervención humana
Una de esas zonas, entre otras estan representadas por el sector Las Calaveras. Localizado entre la ciudad de Mérida y Tabay (aldea), este sector fue afectado por una avanlancha de flujos detritos, en la cual 4 personas perdieron sus vidas, 12 casas fueron destruidas y el tráfico vial interrrumpido durante varias horas (ver imágenes).

Flujo de detritos, sector Las Calaveras. Mérida- Venezuela. Nov. 2007. Tomada por Rengifo Ortega.

 

A  10 años de la ocurrencia de este  evento es casi imposible ver en que zona el  mismo ocurrió. Esto se debe en gran parte al rápido creciemiento de la vegetación en los trópicos, pero también a la falta  de inventarios  multitemporales sistematizados, que permita el seguimiento de estos eventos en espacio y tiempo. A ello se le suma l a falta de una memoria colectiva persistente que se pueda transmitir de generación a generación con el objetivo de aumentar la capacidad de recuperación de las comunidades afectadas por estos eventos.

Un decada después de la ocurrencia de esta tragédia ,le dedico esta reflexión a  las vicitmas del Sector Las Calaveras.

Me despido cordialmente hasta la próxima.

Estimados lectores,

Ante todo espero que hayan tenido un felíz año nuevo. En esta oportunidad les escribo brevemente para demostrar como crear un mapa de relieve coloreado de acuerdo a la altura. Básicamente se trata crear un RGB con relieve.

Lo primero que necesitan es tener instalado el GRASS GIS 6.4 que es  la version que uso en este caso , y la libreria  GDAL.También va a necesitar un MED o tif que contenga los valores de altura.

El  primero paso es que crear una escala que comprenda los nivel de altura  observados en el MED/tif.

En este caso usé un MED de 25 metros del Archipielago de Svalbard, archipielago localizado entre Noruega y el polo Norte.

De acuerdo al MED  de Svalvard el mismo tiene alturas máximas de  1700 msnm (sobre el nivel del mar). Asi que usando  notepad u otro editor de texto simple  cree una tabla de colores con los niveles de altura y los codigo de los colores deseados en código RGB. La misma la guardé   en formato txt. (tabla_colores.txt) en el mismo lugar donde tenía el MED/tif.

0 110 220 110
700 240 250 160
1200 230 220 170
1500 220 220 220
1700 250 250 250

Una vez hecho esto  abrí gdal en la consola de comando del dos (cmd) y navegé  al lugar donde tenía el  MED og Tif.

Dentro de la línea de comando escribí el siguiente  comando:

gdaldem color-relief svalvard.tif tabla_colores.txt svalvard_color_relieve.tif

Vamos descomponer el comando para que sea más fácil entenderlo:

«gdaldem color-relief»: es una utilidad  de  gdal y dice que tiene tomar el svalvard.tif(input), ver la altura y asignarle los colores definido en la tabla_colores.txt y  guardarlo en un nuevo tif llamado svalvard_color_relieve.tif.

Una vez hecho  esto pueden ver la imágen y ver si están satisfechos con la distribución de los colores con respecto a la altura. De otra manera pueden modificar  la tabla y correr el comando de nuevo el tif anterior será resescrito. (Ver imágen 1)

Posteriormente se importa  svalvard.tif(input) y svalvard_color_relieve.tif  en GRASS GIS. Al importar svalvard_color_relieve.tif  GRASS GIS descompone el .tif en  RGB (rojo, verde y azul). Usando  el comando r.composite en GRASS GIS  se combina los 3 canales  y se restituye como la imágen producida por gdal anteriormente. (ver imágen 1 )

 

 

Imagen 1: Muestra el tif original a la izuierda y  el tif(RGB) creado a con  GDAL a la derecha.

Con el  .tif original se genera un relieve de sombras (shade) usando el comando r.relief y se  fusiona con el RGB usando el comando r.shade
El resultado de la fusion  se exporta usando el comando r.out.tiff (ver imagenes 2,3,4,5,6)

Imágen 2 : Ejecutando el comando r.relies desd GRASS GIS

 

Imágen 3: Fusionando el RGB y el hillshade con el comando r.shade

 

 

Imágen  4: Exportando el   el relieve coloreado usando el comando r.out.tiff en GRASS GIS 6.4

 

Imágen 5: definiendo las opciones de exportacion, es importante * crear un world file de otra manera el tif pierde la proyección .

 

Imágen 6: Mapa de relieve coloreado

Es  importante  remarcar que en el caso de Svalvard  habria que ajustar los colores para reflejar la existencia de los glaciales, como se muestra en el mapa de GEBCO (ver imagen 7).

 

Imagen 7: Extraida del  servicio de mapas en linea (WMS) de GEBCO.

Espero  haberles despertado la curiosidad respecto al uso combinado de GDAL y GRASS GIS. Para personas que dominen el inglés se encuentra algo parecido en en este blog.

Me despido cordialmente hasta la proxima vez.

Ps: disculpa por la falta de acentos.. por alguna razón no funciona en wordpress hoy.

 

 

 

 

 

 

 

 

Estimado lectores,

Los he tenido algo abandonados. Como siempre por razones de tiempo. En esta oportunidad  me gustaria discutir  sobre los efectos que  el uso de una técnica equivocada de interpolación tiene sobre  la calidad del MED. Para ello uso un MED de 20 metros de resolución en una zona en Noruega aleatoriamente selecionada (ver imágen 1 ).

Imágen 1: Zona de estudio

Para ello uso dos MED de la zona en cuestión: Un MED reproyectado de la zona  utm 32 a  la zona utm 33 usando el método de las celdas más cercanas ( nearest neighbor resampling ; NNR) y un MED  reproyectado  de igual manera , pero  usando el método bilinear (bilinear resampling; BIR). A simple vise ambos MEDs  parecen ser iguales. Ambos parecen presentar la misma distribución de altura (ver imagen 2).

Imágen 2: MED  con 20 metros de resolución. A la izquierda MED  reproyectado usando  el  método de neareast neighbor (NNR). A la derecha MED reproyectado a la zona utm33 usando el método bilinear (BIR)

Sin  embargo el cálculo de la pendiente y de la orientación de la pendiente,  comienzan a revelar que los dos MED difieren uno del otro en la forma como las celdas fueron reorganizadas al ser  reproyectadas de una zona utm 32 a la zona utm 33 (ver imágen 3).

Imágen 3: Cálculo de la pendiente de ambos MED en grados

Igualmente el cáculo de de la orientacíon de la pendiente  muestra más claramente lo que se conoce como artefactos (errores sistemáticos introducidos por un  algorítmo)  (ver imágen 4).

Imágen 4: Cálculo de la  orientación de la pendiente en grados

Asi que surge la primera pregunta: Que genera esos artefactos en el MED  reproyectado con  el método NNR?  Para responder esta pregunta, importé ambos MEDs  a la base de datos  PostgreSQL /PostGIS usando el  siguiente comando:

raster2pgsql -s 32633 -d -I -C -M -R -l 4 c:\MEDNNR.tif -F -t 1×1 medNNR |psql -U postgres -d postgres

raster2pgsql -s 32633 -d -I -C -M -R -l 4 c:\MEDBIR.tif -F -t 1×1 medBIR |psql -U postgres -d postgres

Posteriormente, después de haber  importado ambos MEDs , usé siguiente SQL comando en QGIS:

SELECT rid,rast::geometry
FROM medNNR

y

SELECT rid,rast::geometry
FROM medNNR

para generar un indice espacial  de cada celdas de ambos MED para asi poder  extraer el punto central (centroid) de cada celda mediante  el uso de QGIS.

Comparando los centroids de cada celda en ambos MED, pude determinar que los artefactos en el MED reproyectado usando el método NNR, son generado por el desplazamiento de  las celdas hacia el Este. Dicho desplazamiento es generado por el  algorítmo implementado en el método NNR para efecto de reproyección y es de 3, 385 metros en este caso (imágen 5).

 

Imágen 5: muestra el desplazamiento relativo del MED reproyectado con NNR  (rojo) con referencia al MED reproyectado con BIR (azul).

 Los artefactos conforman bloques artificiales de celdas de 10*10 metros y se diferencian uno del otro por cambios abruptos de la altura, pendiente  y la orientación de la pendiente, que  no reflejan la variación real del terreno (ver imágen  6).

Imágen 6: Diferencia relativa de la altura (metros) a la izquierda  y   diferencia relativa de la pediente (grados ) a la derecha.

A de notarse que la diferencia de altura relativa muestra  que los bloques artificiales de celdas (10*1o metros)  presentan una variación de la altura sistemática  con valores negativos  en la esquina superior izquierda de cada bloque y valores positivos en la esquina inferior de cada bloque.

Esto es cierto solo para  pendiente orientadas al suroeste. Para  las pendiente orientadas al sureste, esta relación se invierte. En las zonas planas la diferencia es cero.

Al observar la diferencia relativa de la pendiente se hace aún más claro el efecto del  NNR sobre el MED. Los artefactos verticales presenta valores negativos de  pendiente, mientras que los artefactos horizontales presenta valores positivos. Esta relación al igual que en la diferencia relativa de altura se  invierte en función a la orientación de la pendiente y llega a ser cero en las zonas planas.

Mediante el uso de SAGA GIS hice un zoom de  ambos MEDs y de la  diferencia relativa de la pendiente .   Alli se puede  ver numéricamente el efecto que se  describo anteriormente (ver imágen 7).

Imágen 7: Zoom en la zona los bloques  se diferencia por cambios abruptos de pendiente. Las dos imágenes  superiores muestras ambos MED . La imágen  inferior muestra una zona entre dos bloques de celdas.

Si el NNR  tiene efecto sobre la altura, la pediente y la orientación de la pediente es de esperarse que tenga  efectos sobre otros derivativos como por ejemplo  los derivativos usado en cálculos hidrológicos, especialmente cáculo de dirección del agua (aDir) y la acumulación del agua (aAcc). Asi surge la  segunda pregunta: Cual es el efecto numérico de  NNR sobre aAcc?

Primero calculé  el aDir  para derivar  aAcc usando  ArcGIS (por razones de trabajo). aAcc fue calculada usando  el algorítmo de fluido sencillo (single flow algorithm, SFA). Para ello, no se estableció ninguna restricción  para determinar la dirección del fluido del agua (ver imágen 8).

Imágen 8: Comparación de aAcc  calculada con SFA en ArcGIS y restrigida a valores entre  1000 y 7000 celdas para efectos de visualización.

Hay que notar que a simple vista ambos aAcc parecen diferir poco uno del otro. Uno estaría tentado a asegurar que el  aAcc calculado a partir del MED (NNR) es el correcto, ya que parece captar mejor la naturaleza del los rios.

Pero un vistazo cercano ala estadística de cada una de las direcciones  de drenajes asignadas  a los cada uno de los  aAccs por parte de ArcGIS,  revelan otra realidad (ver imágen 9).

Imágen 9: La parte superior muestra una representación esquemática de como ArcGIS asigna los valores de la accumulación de agua y como posteriormente los codifica en direciones cardinales, comenzando con 1 en el este y terminando con 128 en noreste. La tabla en la parte inferior, muestra la substracción de los valores de la dirección del agua entre ambos MED.

Notese que en la dirección noroeste (código 8)  hay menos celdas que drenan  en esa dirección. Mientras que hacia el sur (código 4)  y  oeste (código 16) la contribución es positiva. Para evaluar el efecto de los artefactos  hice uso análisis direccional de superficies y estadística circular. Para ello usé GIS GRASS para generar gráficos polares (ver imágen 10).

imágen 10: La imágen superior muestra el logaritmo de la accumulación del agua (aAcc), basada  en el MED (NNR). La imágen inferior muestra un  gráfico circular de la orientación de la pendiente de celdas que drenan hacia el noroeste (código 8), la misma fue generada con el comando d.polar en GRASS GIS .

Como se puede observar en la imágen 10 (superior) los artefactos generan lineas transversal  en la pendiente que dan la impresón que los rios se desplazan en forma de zigzag a los largo del pendiente. Si recuerdan el perfíl de  altura en la imágen 1, se darán cuenta que el terreno es de pendientes moderada. El algorítmo de fluido sencillo (single flow algorithm, SFA) que se utiliza para calcular aAcc, debería mostrar en pendiente moderadas un fluido del agua laminar y no en forma de zigzag.

En la imágen 10 (inferior) se puede observar que el promedio de la orientación del las celdas de drenaje es en dirección suoreste (azul). pero tambien se puede ver (rojo) que el efecto zigzag genera en una propagación de la acumulación de agua hacia el sur y el oeste que no es real. Esto se hace evidente si comparamos la imágen 10 con el aAcc calculado a partir del MED (BIR) (ver imágen 11)

imágen 11: La imágen superior muestra el logaritmo de la accumulación del agua (aAcc), basada en el MED (BIR). La imágen inferior muestra un gráfico circular de la orientación de la pendiente de celdas que drenan hacia el noroeste (código 8), la misma fue  generada con el comando d.polar de GRASS GIS.

Observando la imágen 11 se puede observar que la dirección promedio coincide (azul) con la imágen 10, pero  no presenta mucha propagación de la accumulación del agua hacia el oeste o al sur (rojo).  La imágen 11 muestra un fluido laminar en la pendiente, que es la manera como el SFA debería comportarse en en este tipo de  terreno de pendientes moderadas.

De esta manera se puede concluir que:

• El método NNR (stándar en ArcGIS)  para la reproyección  de   modélos  de elevación  no es apto para reproyectar datos continuos, ay que introduce errrores de altura mediante el desplazamiento del as celdas hacia el este.

• El método NNR  reorganiza  la extructura interna del MED y bloque artificiales de celdas de 10*10 metros, llamados aretefactos. Es bloques artificiales se diferencian uno del otro por marcadas variaciones de altura y pendiente y da origen errores en la calculación de la dirección y acumulación de agua a partir de un MED.

• La cantidad de celdas, hacia las cuales se drenan varia  dependiendo de la altura,  la pendiente y la orientación de la pendiente.

• Desplazamiento lateral de la accumulación del agua en terreno moderado indica que los artefactos infuencia la forma  como el algorítmo de fluido sencillo (single flow algorithm, SFA).

• Con excepción de los casos donde ya existe una red hidrológica calculada con anterioridad, que se pueda pueda usar para forzar el SFA a seguir una dirección específica, no se  recomienda usar MED reproyectado con el método NNR para ningún  análisis de terreno. En su lugar, deberia usarse el MED reproyectado con el método bilinear (BIR).

 

Espero haberle despertado la curiosidad. Abajo lagunas referencias de la literatura que use para  escribir el papel original de donde saqué las imágenes e ideas.

Les deseo una feliz navidad y un próspero año nuevo !!

 

Referencias

 

■ESRI ArcGIS Resources: how flow accumulation works, http://resources.arcgis.com/EN/HELP/MAIN/10.1/index.html#//009z00000062000000 last accessed 03.11.2015.

■Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Wehberg, J., Wichmann, V., and Böhner, J. (2015). System for Automated Geoscientific Analyses (SAGA) v. 2.1.4, Geosci. Model Dev., 8, 1991-2007, doi:10.5194/gmd-8-1991-2015.

■Neteler, M. and Mitasova,H., 2008, Open Source GIS: a GRASS GIS Approach. Springer, New York.

■Parker, J.A., Kenyon R.V. and Troxel, D.E. Comparison of interpolating methods for image resampling, IEEE transactions of medical imaging, vol, MI-2, No.1 ,1983, pp.31-39.

■R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org.

Estimados lectores,
ante todo mis más cordiales saludos esta vez desde Holanda, por razones de trabajo. Hace algunos dias tuve que exportar un raster con información de elevación a Arcgis de una zona en Noruega, después de una serie de procesamientos de Grass Gis. Con frustación descubrí rápidamente que no era tan facil. Ya a pesar que los valores eran correctos, los mismo no se mostraban en en la leyenda en Arcgis. La razón es que la forma como gdal que es el driver que GRASS GIS usa, crea las estadísticas del raster de una manera que no puede se correctamente por Arcgis.

La mejor forma de solucionar el problema es de la siguiente forma:
-Exportar el raster desde grass como un tiff usando la siguiente syntaxis
r.out.gdal input=in_image.tif output=out_image.tif format=GTiff type=UInt16 createopt=compress=lzw,predictor=2

Una vez esto hecho, van a las herramientas de arcgis y generan las estadísticas y de esta manera se corrigen los errores. Es decir los valores contenidos en el raster de representan en la leyenda.
Saludos y hasta la próxima
aqui la fuente de esta información