TEMA 3 - ANÀLISI SIG (2015)

Apunte Catalán
Universidad Universidad Autónoma de Barcelona (UAB)
Grado Biología - 2º curso
Asignatura Anàlisi i Cartografia de la Vegetació
Profesor M.
Año del apunte 2015
Páginas 2
Fecha de subida 21/03/2015
Descargas 37
Subido por

Vista previa del texto

3. ANÀLISI SIG ANÀLISI ESPACIAL EN ELS SIG Anàlisi espacial amb SIG → el terme anàlisi espacial inclou diverses tècniques (més o menys complexes) per descriure o extreure informació del patró que segueixen les dades geogràfiques (relació localitzacióatributs).
Modelització cartogràfica → generació de nova informació espacio-temporal mitjançant la combinació de tècniques de tractament de la informació cartogràfica i diverses eines (estadístiques, interpolació, intel·ligència artificial, etc) que permetin reproduir un model empíric o teòric.
[Mapa d’hàbitats de Catalunya a escala 1/50.000 de la zona de Lleida, es podria saber mirant les coordenades amb sistema UTL o sistema altitud-longitud o es pot obrir una capa amb els límits administratius des del programa Miramón. ] Consultes que podem fer 1. Per localització → què hi ha en x coordenada? Donada una coordenada busquem els seus atributs.
2. Per atributs → de x, y, z | a, t saber on ho podem trobar. Es fa una consulta des de Miramón per saber on es troben ex: totes les timonedes → 8 polígons.
3. Per topologies → veure què està a dins, de costat, a prop...
4. Per distància → Com es pot arribar a un lloc determinat? Es pot fer servir en molts àmbits diferents. Ex: bombers que necessiten trobar la ruta més curta per anar a apagar un foc. No només es te en compte al distancia lineal sinó que es compta les dificultats que es poden trobar per arribar allà. → títols de carretera (segons densitat de tràfic...) 5. Per geometria → quina és l’àrea, perímetre o forma de la zona on es troben les timonedes. AL tenirho en un sistema d’informació geogràfica i haver fet l’estructuració tipològica el sistema et pot dir la superfície. Ex: Els 8 polígons = 130 hectàrees.
6. Tendència → Què ha canviat en el temps? Establir canvis temporals Ex: Estudis fenològics. Pel tema del canvi climàtics per saber si els períodes vegetatius de les especies han canviat últimament, perquè ara el període de l’hivern és més suau.
7. Simulacions → anticipar-nos i mirar què passaria si fem x cosa. Ex: Simular la pujada del nivell del mar per la desglaciació dels pols. Models de canvi climàtic → ens diuen quants graus incrementarà la temperatura. Com afecta aquest increment en espècies animals i vegetals? → SIMULACIÓ EINES D’ANÀLISI GEOE SPACIAL Àlgebra de mapes → generar nova informació. Ens serveix per combinar diferents eines. Funcionen amb sistemes Ràster. Un ràster és una matriu de números amb un cert valor numèric, que pot ser escalar, cíclic o ordinal. Ex: Mapa ràster d’altituds de Catalunya, es guarda la zona que e ens interessa i com a resultat ens dóna una matriu amb els valors corresponents (a cada numero se li assigna un color).
Ex: Multiplicar dues capes o fer una funció de màxim.
Exemple de l’ús de multiplicació de capes → fer una màscara. Poden ser temperatures, etc. El mapa final ens pot dir la temperatura dels llocs de terra, (1). Una manera es fer una mascara de 1 i 0 i multiplicar el mapa que tenim de temperatures obtenint un mapa final que ens manté els valors del mapa inicial i ens elimina els píxels que cauen dins de l’aigua per exemple.
Ex: Equació per mesurar la pèrdua de sòl agrícola → prediu la pèrdua de sòl que hi ha de mitjana al llarg d’un any en una zona determinada. Depèn de un factor d’erosió del sòl, topogràfic... Des del punt de vista agrícola volen saber en quines zones hi ha els sòls en més bon estat o més fèrtil.
Necessitem tenir un ràster per cadascun dels factors, que ens digui el pendent en graus, un altre que ens digui el factor d’erosió, etc. Per arribar a poder calcular el valor de A (pèrdua anual de fertilitat del terra).
Ens dóna una idea del risc que hi ha que es perdi sòl en un lloc determinat. Reproduïm una fórmula que no deixa de ser un model empíric en forma de matrius per poder generar una matriu final. Podem reproduir qualsevol fórmula o model i es poden aplicar logaritmes i altres mecanismes més complexos.
En el 100% dels casos el que triomfa son els píxels quadrats. Té sentit en un mapa d’altituds, amb un sol píxel mes gros ja fas i si hi ha molts irregularitats calen píxels més petits. Però aquestes informacions jeràrquiques són més complicades del que sembla.
La reclassificació → ens permet convertir un mapa en un altre. Podem passar d’una variable continua a discreta o nominal. Aquest procés el podem fer amb una eia de reclassificació Ex: Tots els píxels entre 1-10 que al nou ràster valguin 1. En cada SIG es fa diferent però el concepte és el mateix. Aquestes eines les farem servir.
Tenim la combinació de capes, la tercera eina.
El cas del màxim tenim dos mapes de temperatura de de dos mesos diferents i volem tenir un mapa que independentment del moment de l’any ens digui la màxima temperatura en un lloc determinat. Estem generant un mapa híbrid entre dos. Es fan servir funcions lògiques; mínim, màxim, igual, diferent, més gran, més petit...
COMBINACIÓ DE CAPES Fet amb vectorial, polígons es pot fer amb ràster. La primera capa es un mapa que ens diu la precipitació d’un lloc determinat, si suposem que per la nostra espècie de plantes creix molt be en certes precipitacions tenim una segona capa d’informació que en un mapa edafologic, de sòls que ens diu que en les xones són argiles i quina son sol més sorrencs. L’argila es troba quan el gres és molt petit.
I la nostre espècia sabem que viu be als sols sorrencs, podem fer una combinació de capes, es sumen els valors, de tipus AND (Y) ens diu en aquesta zona d’aquí, en aquesta intersecció entre les dues capes aquesta zona té un tipus de sol sorrenc i una precipitació baixa. Fa la combinació lògica de les dues capes anteriors.
De manera que de tres i dues categories en surten sis de noves.
Exemple: anàlisi de preferències - Estem combinant diferents capes però en comptes de tenir precipitació i sòl ho estem fent entre orientacions i hàbitats. SI ho combinem tindrem cada hàbitat amb quin tipus d’orientació es troba. Per tant, podríem fer un anàlisi. Ex: les pinedes de pi roig, en quin tipus d’orientació tenen preferència per créixer? Consultem el mapa de píxels o polígons → 161 píxels que coincideixen que hi ha pineda amb una zona plana, 2000 orientats a l’est... Tenim un tercer mapa que ens dóna les relacions dels diferents mapes.
→ píxel amb pendent: mirarà al nord, al sud... no és el mateix que un píxel que tingui un pendent molt suau o molt fort → la llum no incidirà de la mateixa manera. Si el píxel és molt pla serà igual que estigui orientat cap un lloc o cap a un altre. Els que estan en posició nord són els que tenen un pendent.
...