Analisis raster qgis_2.18_fiusac

Universidad de San Carlos de
Guatemala
Facultad de Ingeniería
Escuela de Química
Carrera de Ingeniería Ambiental
Análisis raster
usando QGIS

Tutorial Quantum GIS, 2.18
i
Taller de Sistemas de Información Geográfica - Ingeniería Ambiental - Facultad de Ingeniería - USAC
Contenido
Vida en la granja (contornos y superficies)......................................................................1
Relájese y tómese una taza de café (zonas de amortiguamiento y sobreposición) .8
Mt. St. Helens antes de la erupción ................................................................................14
Interpolación de datos batimétricos ................................................................................16

1
Vida en la granja (contornos y superficies)
En este caso ayudará a un granjero a corregir los niveles de pH en un campo
que está siendo preparado para la próxima temporada de siembra. Algunos cultivos
tienen mejores rendimientos cuando los suelos tienen un pH balanceado a 7. Áreas
en el campo con un pH por encima de 7 se tratan con Sulfato de Amonio para bajar
el nivel de pH
*Cantidad que se necesita para elevar o bajar el pH una unidad. Puede variar según
el cultivo.
El granjero no debe tratar el campo completo con toda la cal o el sulfato de
amonio, sino debe localizar áreas con pH altos y bajos y tratarlos de acuerdo al
mismo. Aquí es donde Ud. puede ayudar a optimizar los costos de producción.
14
7
1
pH alto
Tratamiento Básico con:
Sulfato de Amonio
500 lbs/acre
pH bajo
Tratamiento Básico con:
Piedra Caliza
Una ton/acre*

2
Abre un proyecto y carga el tema El terreno y un tema de puntos llamado
muestreo de suelos. El tema muestreo de suelos representa los puntos en los que
se extrajeron muestras de suelos en el campo que fueron analizadas químicamente.
El tema contiene varios atributos para diferentes compuestos en cada punto.
Se creará un tema de isolíneas a partir de los puntos; pero para ello se deberá
de interpolar dichos valores, la interpolación es útil para variables continuas.
En el menú raster > interpolación > interpolación, seleccione la capa
muestreo de suelos, y el campo pH, luego da click en añadir, luego en el método
de interpolación seleccione Ponderación inversa de la distancia IDW, luego
coloque las coordenadas xmin, ymin, xmax ymax correspondientes de las esquinas
del polígono el terreno (La obtención de las coordenadas de trabajo lo hace previo
a usar la herramienta interpolación), tamaño del pixel o tamaño de x e y seleccione
2.1, guarde la interpolación como geotiff y con un nombre de pH_el_terreno. Vea
que al modificar el tamaño de la celda cambia el número de columnas y filas, estas
están relacionadas y dependerán del tamaño y de la extensión de la interpolación.
Agregar .tif al nombre de la capa salida para que se la guarde como geotiff, sino se
la guardara en otro formato raster. Haga clic en aceptar.
¿Indique el número de columnas y filas si utiliza un tamaño de x e y de 2.1?
¿Indique el número de columnas y filas si utiliza un tamaño de x e y de 5?
¿Indique el número de columnas y filas si utiliza un tamaño de x e y de 0.3?
¿Con el explorador de Windows o Linux evalue que pasa con el tamaño de los
archivos en cada uno de los casos?

3
El resultado será una capa raster de pH, agreguemos simbología para
representar la distribución de pH en el terreno a cultivar.
Al definir el estilo única pseudocolor, interpolación discreta y clasificación continua
obtendremos algo similar a esto, en el cual podemos identificar las áreas que
pueden requerir de cal o sulfato de amonio para neutralizar el pH del terreno donde
se va a cultivar.

4
Ahora crearemos las isolineas de pH utilizando un intervalo de 0.3 unidades,
para ello seleccionemos la herramienta curvas de nivel que se encuentra en el menú
raster, extracción, el nombre del archivo a generar será pH_contorno.

5
Al finalizar agregue la etiqueta del valor de pH a la curva de nivel, con un
efecto de sombra en la etiqueta, similar a lo que se muestra en la figura.
Examine las áreas con diferentes concentraciones de pH. Las líneas que
están más juntas indican un rápido cambio en los niveles de pH. Cuando las líneas
están separadas, existe poca variación en el nivel de pH. Sin el etiquetado de las
curvas, es difícil determinar cuáles áreas representan concentración alta o baja. Sin
embargo, etiquetar las curvas puede ser confuso pues algunas líneas están muy
cerca unas de otras.
Ahora, para ver las áreas de alta y baja concentración, se utilizará el raster
de los niveles de pH. Asegúrese que el tema está activo. Observe que el raster
completa la información de las líneas de contorno de pH

6
¿En qué áreas se deberá aplicar sulfato de amonio?
Cualquier área con pH mayor que siete puede requerir tratamiento con
Sulfato de Amonio, para realizar este análisis utilizaremos la herramienta
calculadora raster, ha este tipo de análisis se le conoce como análisis booleano, ya
que el resultado es 0 (Falso) ó 1 (Verdadero) basado en una condición lógica.
Para este caso la condición es identificar pH mayores a 7 (pH > 7), el resultado 1
indicara que es verdadera la condición.
El resultado es el siguiente

7
Observamos que los colores del raster son blanco y negro, el negro indica
valores de 0, y el blanco valores de 0.999 ó 1, lo que indica que las áreas con pH
mayores a 7 están representados por el color blanco, y son las áreas que deberán
ser tratadas con Sulfato de Amonio.
Las líneas de contorno y los temas de superficie pueden ayudar al granjero
a identificar las áreas a ser tratadas. El tamaño de la granja es de aproximadamente
59.15 acres (239,410.1 metros cuadrados). Si el costo del tratamiento con Sulfato
de Amonio es de $50 por acre, determine lo que ahorra en dinero el granjero al no
hacer el tratamiento indiscriminadamente en todo el terreno.
Para poder realizar este análisis debemos hacernos la siguiente pregunta,
cual es el área a tratar, hasta el momento conocemos las áreas que deben ser
tratadas, pero no conocemos el tamaño. Para ello utilizaremos la herramienta
poligonizar, que convierte un raster en poligono.
A continuación, convertiremos en poligono el raster obtenido en el análisis anterior,
para ello nos vamos a Raster > Conversion > poligonizar. En archivo de entrada
raster seleccionamos el raster del análisis pH mayor a 7, en archivo de salida
colocamos Area_mayor_a_7, en nombre del campo colocamos condición, luego
damos en aceptar.
El resultado será un shapefile de poligono, al abrir la tabla de atributos el campo
condición tendrá valores de 0 y 1, en este caso los valores 1 representan las áreas
a ser tratadas, aplicamos un dissolve para dejar solo 2 grupos y posteriormente,
calculamos el área usando la calculadora de campos.
El tamaño combinado de las áreas de tratamiento es de 1.61 acres y el
tratamiento costará solamente $80.5, este análisis permite que el agricultor ahorre
$2,877.00.

8
Relájese y tómese una taza de café (zonas de amortiguamiento y
sobreposición)
Con el dinero que ahorró en la aplicación de la enmienda a su granja, se
piensa invertir en abrir una cafetería. Como se ha visto hasta ahora, las funciones
de análisis espacial lo pueden ayudar a tomar decisiones acerca de una
localización. En este paso, hará una decisión acerca de las posibles localidades
para abrir una tienda.
Para decidir si una nueva tienda tendrá éxito, se deben contestar varias preguntas.
¿Está la nueva localización de la tienda demasiado cerca de otras similares? ¿Tiene
la nueva localización características similares a las localizaciones existentes?
¿Dónde están los competidores? ¿Dónde están los clientes? ¿En dónde están los
clientes gastando mayor cantidad de dinero?
Abra un nuevo proyecto llamado Coffee House Locations. Cargue un tema
sobre las calles y avenidas principales. Despliegue el tema Stores (Coffee).
Examine la localización de las tiendas existentes. Los sitios posibles para
una nueva tienda deben estar a más de 3.3 milla (5,280 metros) de cualquier tienda.
Si cualquier tienda está más cerca de 1 milla, pueden competir una con otra por los
clientes. En algunos casos, la distancia entre las tiendas puede ser más o menos
de 3.3 millas. En este caso se utilizará 3.3 milla.
Active la capa Stores y desde la caja de herramientas escoja grass, luego
v.to.ras.value (Heramienta para convertir un vector a raster y asignarle un valor),
asígnele el valor 1, en extensión de la región asígnele el tamaño de la capa streets
y guarde el raster como Stores.

9
Ahora hay que calcular la Distance to Stores, nos vamos a caja de herramientas,
grass, seleccionamos r.grow.distance, ingresamos la capa de stores,
seleccionamos euclidian, en extensión seleccionamos el tamaño de la capa Street,
y guaramos el raster como Distance to Stores.
Ahora usando simbología coloreamos el raster Distance to Stores la parte baja de
la tabla de contenidos y actívela. Áreas muy alejadas de las tiendas existentes
serían una buena localización para una nueva tienda.

10
Ahora considere la localización de sus clientes. Una nueva tienda tendrá
éxito si hay muchos clientes potenciales cerca de la misma.
Apague el tema Distance to Stores y despliegue el tema Customers.
Observando el despliegue es difícil poder decir si algunos de los puntos están
realmente cerca o si están uno encima del otro (misma dirección, podría ser un
edificio de apartamentos). Una de las funciones de Qgis es calcular la densidad de
puntos. El tema Customers contiene más de 6,000 clientes que han visitado las tres
tiendas durante el último año.
El tema Customers fue creado haciendo coincidir las direcciones de la base
de datos de los clientes. Los clientes utilizan una identificación para sus compras.
Ellos obtienen un descuento al utilizar su tarjeta y la tienda gana porque puede
guardar registro de la dirección del cliente y de cuánto dinero gasta.
La parte central norte de la ciudad tiene muchos clientes pero no tiene tienda.
Observando este despliegue Ud. podría pensar “Este es el lugar ideal para la
tienda”. Permítanos ver si QGIS lo puede ayudar a hacer esta decisión.
Haga el tema Customers el tema activo. Desde el menú de Raster seleccione mapa
de calor y luego Heat map. En la caja de diálogo de especificaciones de salida,
Densidad de consumidores. Indique que el radio es de 285 m. Haga clic en Ok. En
la caja de diálogo del cálculo de densidad deje todas opciones por omisión y haga
clic en Ok.

11
Cuando aparezca el tema Density from Customers, abra el editor de leyenda de este
tema. Cambie la simbología de colores, selecciones la gama de verdes, de tal forma
que los valores altos representen donde hay mayor número de consumidores con
un color verde oscuro. Haga clic en Apply. Cierre el editor de leyenda.
Examine el despliegue de la densidad de los clientes. El verde oscuro representa
las áreas que tienen más clientes. ¿Se tienen tiendas en todas las áreas verde
oscuro? Existen dos áreas de color verde que no tienen tienda; la parte centra norte
y el suroeste de la ciudad parecen lugares buenos para proveer clientes potenciales.
Estas dos áreas envían muchos clientes a las tres tiendas existentes. Esto, sin
embargo, no es indicativo de cuánto dinero los clientes gastan. Idealmente, Ud.
desearía que la tienda estuviera localizada cerca de muchos clientes, pero clientes
que gastan mucho dinero.

12
Ahora calculará la densidad de nuevo, pero esta vez utilizará el gasto del cliente.
La tabla de Customers tiene un campo de gasto (spending), que indica la cantidad
de dinero gastado en sus cuentas el año pasado, para ello active la casilla de
avanzado y selecciones la casilla usar peso a partir de campo y se selecciona el
campo de gasto, esto permitirá obtener una densidad de consumidores por gasto.
Cambie el nombre del tema Density from Customers a Spending Density. Use el
editor de leyenda para cambiar el color a Green. Haga clic en apply.
Cierre el editor de leyenda. Mueva el tema Spending Density abajo del tema Stores
en la Tabla de Contenidos y luego enciéndalo. Apague el tema Density from
Customers.

13
Examine el despliegue de Spending Density. ¿Puede ver cuán diferente es del
despliegue de densidad de clientes? Compare la localización de las tiendas
existentes con las localidades de alta densidad de gasto. ¿Tiene tiendas ubicadas
en las regiones de alta densidad de gasto?
Finalice el análisis encontrando las áreas mayores a 3.3 millas de cualquier tienda
y en áreas de alta densidad de gasto.
Desde el menú Raster, seleccione la calculadora raster.
Construya la siguiente expresión de consulta:
([Distance to Stores]>5280) and ([Spending Density]>400)
Guarde el tema a Best Locations. Haga clic en Evaluate.
El tema Best Locations despliega las áreas en donde Ud. podría centrar sus
esfuerzos para encontrar un nuevo local para su tienda. Estas áreas están más de
una milla (5280 pies) alejadas de cualquier tienda y tienen una densidad de gasto
de más de 400 dólares al año.
Antes de escoger la localización final, recuerde que hay otros factores a considerar:
las características de las tiendas vecinas, densidad de tráfico, proximidad a la
carretera principal, niveles de ingreso, densidad de población, edad, etc.
Note que hay varias localidades identificadas. Si Ud. tuviera que tomar la decisión
¿cuál escogería? Recuerde que el construir una tienda cuesta mucho dinero y
puede afectar a mucha gente.

14
Mt. St. Helens antes de la erupción
Este ejercicio tiene como objeto evaluar los cambios en el relieve o superficie.
Por lo que se utilizó el modelo de elevación digital de volcán Mt. St. Helens antes y
después de la erupción. Por lo que al tener raster en distintos lapsos de tiempo nos
permite evaluar cambios en el espacio.
 Cargue el dem_antes (Before) que se encuentra en formato geotiff,
determine el tamaño de resolución de los pixeles, utilizando las coordenadas
y el número de columnas y filas.
 Cambie la simbología para que se pueda apreciar la forma del volcán.
 Cargue el dem_despues (Helengrd), y determine el tamaño del pixel, cambie
la simbología, asigne la misma escala para poder identificar los cambios en
la elevación.
Ahora restará los dem del antes y después de la erupción.
Desde el menú de Raster, escoja Calculadora Raster. En el calculador de
mapas, ingrese la siguiente expresión:
([Dem antes] – [Dem despues])
Haga clic en Evaluate.

15
Se dará cuenta que hay valores negativos y positivos, indique que
representan en los cambios, y los pixeles con valor 0, indique por qué tiene
ese valor.
Las elevaciones positivas son áreas que ya no existen ahora y las negativas
representan depósitos de roca, suelo y cenizas de la erupción. Ahora guardará
permanentemente estos datos.
Guarde el proyecto.

16
Interpolación de datos batimétricos
El objetivo de este ejercicio es evaluar distintos métodos de interpolación,
para ello se utilizará la base de datos obtenida de la línea base de la Laguna El Pino
(2011).
 Cargue el shapefile de puntos llamado batimetría y la laguna
 Vea la distribución de los puntos en la laguna.
Qgis cuenta con 2 métodos de interpolación que se encuentra en Raster y luego
interpolación, siendo estas TIN e IDW; pero en la realidad existen un sinfín de
métodos que nos brindan las extensiones de SAGA y Grass, para este ejercicio
usaremos las herramientas de SAGA, estas se encuentran al activar la caja de
herramientas.
Utilizando la selección aleatoria van a seleccionar 10 puntos al azar y los guardan
como test.
Luego a la capa de puntos que donde seleccionaron los 10 puntos, le dan invertir
selección y guardan la capa como batimetria_interpolar, con esta capa se va a
realizar la evaluación de los métodos de interpolación.
El primer ejemplo se trabajará con la herramienta Thin Plate Spline, esta técnica
tiende a suavizar la interpolación, seleccionamos la batimetría, y el campo de
prof_m (profundidad en metros), en output extent seleccionamos la capa de la
laguna de El Pino, en cellzise (tamaño del pixel) lo dejamos por default, y luego
repetimos el proceso pero cambiamos el valor a 2 metros, por lo que cada pixel
estará ocupando un área de 4 m^2, indique cual es la diferencia.

17
Ya que tienen el raster interpolado de la profundidad, con la capa de puntos test o
prueba, le vamos a extraer los valores del raster para comparar el valor interpolado
y el valor real de medición, para ello instalan el complemento sampling points tool.
Cuando abren sampling points tools, seleccionan la capa prueba o test y
seleccionan el campo de prof_m, posteriormente seleccionan el raster interpolado
para extraerle el valor, y guardan la nueva capa como evaluación.
Luego exportan la tabla de atributos como un archivo csv, para poder realizar el
cálculo del error cuadrático medio en Excel.
𝐸𝐶𝑀 =
1
𝑛
∗ ∑(𝑦
̂ − 𝑌
̅)2
𝑛
𝑖=1

18
Interpolación de temperatura utilizando un método de regresión
Estimación de erosión hídrica en la cuenca del río Nahualate
utilizando la metodología de Ecuación Universal de Pérdida de
Suelo (USLE)
Según Mannaerts (1999) la USLE puede ser usada apropiadamente para:
 Calcular la pérdida de suelo, esto no es más que la cantidad de sedimento
perdido por el perfil, y no la cantidad de sedimento que deja la cuenca o el
terreno.
 Para estimar las tasas de erosión que son removidas del suelo, en zonas
críticas del paisaje y que guían a la elección de las prácticas de control de
la erosión hasta un nivel de pérdida de suelo tolerable.
Mannaerts (1999) describe la USLE con la siguiente expresión matemática:
A= R*K*LS*C*P
Donde:
A = Pérdida de suelo promedio anual (t/ha/año).
R = Factor erosividad de las lluvias (MJ/ha.año*mm/hr).
K = Factor erodabilidad del suelo (t/ha.MJ*ha/mm*hr).
LS = Factor topográfico (función de longitud-inclinación-forma de la pendiente),
adimensional.
C = Factor de cobertura vegetal, adimensional.
P = Factor de prácticas de conservación (conservación de la estructura del suelo),
adimensional.
Factor R
Los hietogramas de las estaciones Camantulul y Santiago Atitlán, fueron
discretizadas a 30 minutos para determinar el valor de R, esto se realizó por medio
de las siguientes formulas:
𝑅 =
1
𝑁
∑ [∑ 𝐸 ∗ 𝐼30
𝑀
𝑘=1 ]
𝑁
𝑗=1
𝐸 = {
0.119 + 0.0873 𝐿𝑜𝑔10 𝐼 𝑆𝑖 𝐼 < 76 𝑚𝑚/ℎ𝑟
0.283 𝑆𝑖 𝐼 > 76 𝑚𝑚/ℎ𝑟

19
Donde
R = Factor de erosividad
I = Intensidad (mm/hr)
I30 = Intensidad máxima en 30 minutos (mm/hr)
E = Energía
N = Número de tormentas
Debido a que las estaciones que se encuentran dentro de la cuenca únicamente
cuentan con pluviografo, se utilizó la información
Factor K
La información taxonómica y las series de suelos de la cuenca Nahualate
sirvieron para determinar el factor K, el cual depende de la textura de suelo, materia
orgánica, la estructura y la permeabilidad (Cuadro 6).
Cuadro 6. Códigos de permeabilidad y estructura del suelo en función su textura.
Clases texturales Código de
permeabilidad
Conductividad
hidráulica
saturada (mm/hr)
Grupo
hidrológico
SCS
Arcilla, Franco
arcilloso
6 < 1 D
Arcillo arenoso,
Franco arcillo limoso
5 1 – 2 C-D
Franco arcillo
arenoso, Franco
arcilloso
4 2 – 5 C
Franco limoso, Franco 3 5 -10 B
R = 0.7968*PP1.7313
R² = 0.8731
0
500
1000
1500
2000
2500
3000
3500
4000
0 20 40 60 80 100 120 140
Erosividad
Lluvia (mm)
Erosividad en funcion de la lluvia máxima
Erosividad Power (Erosividad)

20
Arena francoso,
Franco arenoso
2 10 – 60 A
Arenoso 1 > 60 A
Fuente: CATIE, 2010.
En la figura 9 se encuentra el nomograma utilizado para determinar el facto K, el
cual se tuvo que multiplicar por 0.1317 para transformar el resultado al Sistema
Intenacional de Medidas.
Figura 9. Nomograma para determinar el factor K en el sistema Ingles (USDA, 1981)
Factor L
El modelo de elevación sirvió para crear los siguientes modelos: Llenado de
depresiones, Dirección de flujo y Acumulación de flujo; estos tres modelos fueron
necesarios para determinar el factor L por medio de las siguientes ecuaciones:
𝐿(𝑖,𝑗) =
(𝐴(𝑖,𝑗)+𝐷2)𝑚+1−(𝐴(𝑖,𝑗))𝑚+1
𝑋𝑚∗𝐷𝑚+2∗(22.13)𝑚 Ec. 5
𝑚 =
𝐹
1+𝐹
Ec. 6

21
𝐹 =
sin 𝛽
0.0896
⁄
3∗(sin 𝛽)0.8+0.56
Ec. 7
Donde
L = Longitud de pendiente
A = Área unitaria de la celda
m = Exponente de la longitud de pendiente
F = Función del ángulo de pendiente
D = Área de la celda
X = Factor de forma
β = Ángulo de la pendiente
Factor S
Del modelo de elevación se derivó el modelo de pendientes necesario para
determinar el factor S por medio de la siguiente ecuación:
𝑆(𝑖,𝑗) = {
10.8 ∗ sin 𝛽(𝑖,𝑗) + 0.03 𝑆𝑖 tan 𝛽(𝑖,𝑗) < 0.09
16.8 ∗ sin 𝛽(𝑖,𝑗) − 0.5 𝑆𝑖 tan 𝛽(𝑖,𝑗) ≥ 0.09
Ec. 8
Donde
S = Factor de pendiente
β = Ángulo de la pendiente
Factor C
La información de cobertura de la cuenca sirvió para establecer los valores
del factor C a partir de las tablas generadas por diversos investigadores (Cuadro 7).
Cuadro 7. Valores del factor C según la cobertura
Uso de la Tierra Factor C Uso de la Tierra Factor C
Bosque 0.001 Hule 0.1
Agroforestería 0.1 Cítricos 0.5
Cultivos 0.5 Caña de azúcar 0.13-0.4
Cultivos de inundación 0.1 Pastos cultivados 0.2
Río 0.01 Pastos con cultivos 0.25
Suelo estéril 1
Arbustos -
matorrales
0.1-0.01
Centros poblados 0.1 Maíz 0.5 -0.9
Palmera 0.1-0.3 Piña 0.1-0.4
Café 0.05 Suelo desnudo 1
Fuente: Wischmeier y Smith; Roosé; Sing, Babu y Chandra; El-Swaify, Dangler y
Arstrong; Hurni; Hashim y Wong; Jung et al citados por CATIE (2010).

22
Factor P
Este factor se definió con la información del cuadro 8.
Cuadro 8. Valores del factor de protección de erosión
Práctica de control de la erosión Valor del factor P
Cultivo a nivel y pendientes de 0 -1º 0.60
Terrazas a nivel 0.14
Terrazas contra pendiente 0.05
Terrazas a nivel con retención de agua 0.01
Terrazas con desagüe siguiendo la pendiente 0.35
Camellones entrelazados 0.10 -0.20
Sin prácticas de conservación 1
Fuente: Wischmeier y Smith; Roose; Chan citados por CATIE (2010)

Analisis raster qgis_2.18_fiusac

Recommended

Recommended

More Related Content

Similar to Analisis raster qgis_2.18_fiusac

Similar to Analisis raster qgis_2.18_fiusac (20)

More from Walter Bardales

More from Walter Bardales (8)

Recently uploaded

Recently uploaded (20)

Analisis raster qgis_2.18_fiusac