CONCEPTO DE ZONA: Una zona la componen todas las celdillas

GRADO DE GEOGRAFÍA. ASIGNATURA: SIG DATOS RASTER (II PARTE)
GESTIÓN, VISUALIZACIÓN CONSULTA Y ANÁLISIS DE DATOS RASTER
CONCEPTO DE ZONA:
Una zona la componen todas las celdillas que poseen igual valor en una imagen. Sobre ellas
puede obtenerse información geométrica (basada en su forma y tamaño), o bien estadística
(poniendo en relación cada zona con los valores de otra imagen).
ZONAL GEOMETRY: permite caracterizar una capa raster mediante un valor que depende de
las características geométricas de cada zona; por ejemplo, si tenemos una capa de usos y
aplicamos Zonal Geometry (opción Area: m2), el resultado es una nueva imagen donde cada
celdilla será caracterizada por el número de m2 de la zona a la que pertenece.
Zonal Geometry as Table es una función similar a la anterior pero más útil, pues genera una
tabla donde cada valor distinto de la imagen de entrada (cada zona) es caracterizado por sus
características geométricas (área, perímetro, thickness, xcentroid, ycentroid, majoraxis,
minoraxis, orientation…)
ZONAL STATISTICS genera una imagen donde a cada zona de una imagen se asocia un
estadístico extraído una segunda imagen. Por ejemplo, si tenemos una capa de usos y otra de
alturas, aplicando Zonal Statistics (mean) obtenemos una nueva imagen donde cada celdilla de
cada tipo de usos es caracterizada por la altura media de ese uso en concreto.
Zonal Statistics as Table es también una función similar a la anterior, y también más útil pues
genera una tabla donde a cada zona de la primera imagen se asocian los estadísticos extraídos
de la segunda (media, mediana, moda, desviación...). La operación puede ser considerada
desde dos puntos de vista diferentes, A y B:
A) Asociar a cada zona el valor procedente de una variable continua (por ejemplo,
conocer la altura media de los municipios). En este caso se calculan los estadísticos de una
imagen (altura) para cada una de las zonas de otra imagen (municipios).
B) Asociar a cada zona el valor de una variable discreta (por ejemplo, conocer la
extensión de calizas que posee cada municipio). Aquí es necesario aislar la variable discreta
mediante reclasificación (asigna valor 1 a las calizas, y 0 a los materiales no calizos), y elegir la
posibilidad de sumar (contar) cuantas celdillas coinciden con cada zona.
Joaquín Márquez Pérez. Dpto. de Geografía Física y AGR. Universidad de Sevilla. 2016
1
GRADO DE GEOGRAFÍA. ASIGNATURA: SIG DATOS RASTER (II PARTE)
GESTIÓN, VISUALIZACIÓN CONSULTA Y ANÁLISIS DE DATOS RASTER
Objetivo: Calcular cual es el uso del suelo que, en 1999, posee una mayor compacidad, esto es,
que tenga un menor perímetro en relación con su área. Tenga en cuenta, por otro lado, que
mientras más subdividida se encuentre la zona, mayor será su perímetro.
Metodología: emplee la herramienta SPATIAL ANALYST TOOLS / ZONAL / ZONAL GEOMETRY
AS TABLE para calcular tanto el área como el perímetro de los distintos usos de 1999.
Resultado: El matorral disperso (id = 2) es el uso que ocupa la mayor extensión (84126800 m 2)
y posee el más amplio perímetro (418 km). Las Coníferas (3) son las que alcanzan mayor
compacidad (máximo valor de área/perímetro), mientras que Matorral disperso y Minas
obtienen los mayores y menores valores, respectivamente, en “thickness”.
Observaciones: En la tabla obtenida podrá comprobar la semejanza entre el concepto de
“thickness” y la relación área-perímetro.
-------------------------------------------------------------------------------------------------------------------------Objetivo 2: ¿Qué municipio posee mayor valor en “thickness”, y cuál tiene una mayor
superficie en relación con su perímetro?
Resultado 2: Grazalema (19), en ambos casos.
Objetivo 3: Si tuviese que rodear con una alambrada todas las zonas que poseen más de 1000
m de altura, y además todos los olivos de 1995, cuantos metros de alambre necesitaría?
Resultado 3: 81840 y 32520 = 114360 m.
Objetivo 4: ¿Cuál es el uso del suelo (1995) que posee un mayor perímetro? Calcúlelo tanto en
vector como en raster, e indique los valores obtenidos.
Resultado 4: Matorral disperso (313290 m en vector; 388320 m en raster)
Joaquín Márquez Pérez. Dpto. de Geografía Física y AGR. Universidad de Sevilla. 2016
2
GRADO DE GEOGRAFÍA. ASIGNATURA: SIG DATOS RASTER (II PARTE)
GESTIÓN, VISUALIZACIÓN CONSULTA Y ANÁLISIS DE DATOS RASTER
Objetivo 1: ¿Cuál es el municipio con mayor altura media?, ¿y el que posee la máxima altura?
Metodología 1: emplee la herramienta ZONAL STATISTICS para caracterizar los municipios (ya
sea la capa vectorial o raster) mediante el modelo digital de elevaciones (capa raster)
Resultados 1: en la tabla resultante podrá comprobar el valor (estadísticos de la altura)
asociado a cada municipio.
Villaluenga (1003 m.)
Grazalema (1620 m.)
----------------------------------------------------------------------------------------------------------Objetivo 2: ¿Qué municipio posee una mayor extensión de olivar en 1999?, ¿Cuánta?:
Metodología 2: Reclasifique la capa de usos del 99 para dar valor 1 al olivar y cero al resto; A
continuación, emplee ZONAL STATISTICS para caracterizar cada municipio por medio del
número de celdillas de olivar coincidentes (campo SUM) y por el porcentaje (en tantos por 1)
que supone el olivar en ese municipio (campo (AVERAGE).
Resultados 2: El Bosque, 2612 celdillas (88.48 Has).
-----------------------------------------------------------------------------------------------------------Objetivo 3: ¿Cuál es la densidad de red fluvial ((celdillas-río / celdillas-municipio) * 100)) del
municipio de Ubrique1?
Metodología 3: Pase los ríos a raster y asígneles valor 1 a las celdillas coincidentes (al resto,
valor cero, incluidos los embalses); a continuación, con ZONAL STATISTICS AS TABLE,
compruebe como cada municipio es caracterizado por el % (en tantos por 1) de celdillas de red
fluvial coincidentes.
Resultados 3: 0.998 %
------------------------------------------------------------------------------------------------------------------Objetivo 4: ¿Qué porcentaje de las tierras del municipio de El Bosque es ocupado por terrenos
de altura inferior a 800 m?
Metodología 4: reclasifique (CON) las alturas para dar valor 1 a las que sean inferiores a 800
m, y de valor cero al resto: A continuación emplee Zonal Statistics para caracterizar los
municipios mediante el % (en tantos por 1) de celdillas con altura igual o inferior a 800 m.
Resultados 4: 97.39 %
1
Ojo, para realizar la operación de una sola vez, la capa fluvial debe contener valores 0 y 1.
Joaquín Márquez Pérez. Dpto. de Geografía Física y AGR. Universidad de Sevilla. 2016
3