Visor OpenLayers con las ortofotos de Tenerife en 1964 y la actualidad

En el siguiente enlace pueden ver un visor OpenLayers con las ortofotografías de Tenerife en el año 1964 y en la actualidad. Además hay una capa del topográfico 1:1000 en la actualidad con transparencia para que pueda visualizarse al mismo tiempo que la orto del 64; y así poder comparar como se ha transformado esta isla en los últimos 40 años.

Espero que les guste!

Análisis de la topografía del relieve

El relieve terrestre se grafía espacialmente con técnicas topográficas, las cuales debido al desarrollo tecnológico han permitido la extensión de los llamados Modelos Digitales del Terreno o MDT´s. A partir de un MDT se pueden extraer las siguientes variables del relieve terrestre: Altitud, Pendiente, Orientación y Curvatura o Rugosidad. La combinación física de estas variables da lugar a las formas del relieve, objeto de estudio de la Geomorfología. Por lo que cada forma del relieve se materializa con un algoritmo espacial de la combinación de las variables anteriormente mencionadas.

Para crear un MDT es necesario poseer información altimétrica de la superficie terrestre. La manera más típica de representar esta información es a través de las curvas de nivel. El principal procedimiento para generar un MDT se basa en la triangulación entre vértices de las curvas de nivel colindantes. Este método se conoce con el nombre de Red Irregular de Triángulos o Triangle Irregular Network (TIN). Los TIN se sustentan en la condición de Delaunay, la cual dice que la circunferencia circunscrita de cada triángulo de la red no debe contener ningún vértice de otro triángulo.

De Análisis Territoriales con SIG

Esta triangulación está relacionada con los polígonos de Thiessen o Diagramas de Voronoi. Estos polígonos delimitan áreas de proximidad a los diferentes puntos. En otras palabras los diagramas de Voronoi se crean a partir de una interpolación basada en la distancia euclidiana que nos informa sobre cuál es el punto más cercano en cada lugar del espacio estudiado. La relación con la condición de Delaunay consiste en que los centroides de cada circunferencia circunscrita conectados dan lugar a los polígonos de Thiessen.

De Análisis Territoriales con SIG

Las tecnologías de la información geográfica ponen en manos de los técnicos analistas del territorio una herramienta capaz de calcular infinidad de algoritmos necesarios para realizar los modelos digitales del relieve terrestre. A partir de estos modelos se pueden analizar multitud de relaciones espaciales y caracterizar el territorio de manera más precisa, lo que redunda en una mejor planificación y gestión territorial.

Tener modelizado el relieve terrestre permite posteriores aplicaciones que dan lugar a estudios específicos. Algunos estudios derivados de los MDT´s son el cálculo de las zonas de sombra según la altura y el azimut del sol, las zonas visibles desde un punto de observación, la radiación solar que llega a la superficie terrestre o el cálculo de la dirección y la acumulación potencial de un flujo a lo largo del relieve.

Información

Para realizar un MDT y sus posteriores explotaciones es necesario poseer información altimétrica de la superficie terrestre. Para el ejercicio que se expondrá a continuación se usarán las curvas de nivel de la cartografía topográfica 1:5000 para la isla de El Hierro en las Islas Canarias. Además para recortar el MDT con la forma exacta de la isla será necesario tener una capa de polígonos con un único polígono que delimitará el perímetro insular.

Procedimiento técnico

1.Crear un MDT a partir de curvas de nivel: Se usará la extensión 3D Analyst de ArcGis. Desplegar la función Create /Modify TIN y ejecutar Create Tin from Features. Activar las curvas de nivel y la capa de polígonos de la isla que se usará para recortar el MDT. En las curvas de nivel la fuente de altura debe ser la columna que almacena la altitud de cada línea y el método de triangulación será Soft Line. Para la capa de la isla la fuente de altura será None y el método de triangulación Soft Clip

De Análisis Territoriales con SIG

2.Obtener un raster de altitud a partir del TIN: Ejecutar la herramienta de conversión dentro de 3D Analyst / TIN to Raster. En Atributte poner Elevation y en Cell size un tamaño de pixel adecuado al detalle de los datos fuente (en el caso usado de ejemplo, como se usan las curvas de nivel del topográfico 1:5000, se pone un tamaño de pixel de 10 metros)

De Análisis Territoriales con SIG

3.Obtener un raster de pendiente a partir del raster de altitud: Ejecutar la herramienta Slope de la extensión Spatial Analyst de ArcGis (dentro de Surface Analysis). Se puede seleccionar la opción Degree para obtener la pendiente en grados o Percent para obtenerla en porcentajes. El tamaño de celdilla debe ser igual al del raster de altitud fuente (10 metros)

De Análisis Territoriales con SIG

4.Obtener un raster de orientación a partir del raster de altitud: Ejecutar la herramienta Aspect dentro Spatial Analyst / Surface Analysis. El tamaño de celdilla debe ser igual al del raster de altitud fuente (10 metros)

De Análisis Territoriales con SIG

5.Obtener un raster de rugosidad a partir del raster de pendiente: Ejecutar la herramienta Slope dentro de Spatial Analyst /Surface Analysis. El tamaño de celdilla debe ser igual al del raster de altitud fuente (10 metros)

De Análisis Territoriales con SIG

6.Obtener un raster de sombras con acimut 315 grados (dirección NorOeste) a partir del raster de altitud: Ejecutar la herramienta Hillshade dentro de Spatial Analyst / Surface Analysis. Poner en Azimuth 315 grados y en Altitude 45 grados. El tamaño de celdilla debe ser igual al del raster de altitud fuente (10 metros)

De Análisis Territoriales con SIG

7.Obtener un raster de sombras con acimut 135 grados (dirección SurEste) a partir del raster de altitud: Ejecutar la herramienta Hillshade dentro de Spatial Analyst / Surface Analysis. Poner en Azimuth 135 grados y en Altitude 45 grados. El tamaño de celdilla debe ser igual al del raster de altitud fuente (10 metros)

De Análisis Territoriales con SIG

Interpretación de los resultados

Los productos derivados de los Modelos Digitales del Terreno permiten un acercamiento mucho más preciso espacialmente a las características físicas del relieve terrestre. La pendiente, orientación, altitud, … de cada punto del territorio, al estar modelizadas, permiten a los Sistemas de Información Geográficas, por ejemplo, aplicar ecuaciones hidrológicas de los comportamientos del agua sobre el relieve. Todo esto desde un punto de visto atemporal. La incorporación de la variable tiempo es una de las ramas donde los SIG están centrando sus evoluciones más recientes. Imaginemos las posibilidades que tendrían los SIG si estos modelos espaciales del relieve permitieran avanzar o retroceder en el tiempo aplicando unas condiciones ambientales estándares. Esto daría lugar a unos procesos geomorfológicos específicos, los cuales serían sistematizados en algoritmos que se aplicarían al modelo digital del terreno. El resultado sería el relieve pasado o futuro en cada lugar del territorio.

Análisis de indicadores paisajísticos

El paisaje es una variable espacial muchas veces naturalizada y por tanto simplificada. El paisaje desde una concepción moderna es la materialización física de la interconexión espacial de las variables humanas y naturales. Estas relaciones entre variables dan lugar al Geosistema. Si naturalizamos el concepto paisaje simplificándolo a los elementos naturales, el Geosistema se convierte en Ecosistema. Por tanto, el paisaje se puede resumir en la superposición espacial de variables abióticas (temperatura, precipitación, suelo, agua,…), bióticas (flora y fauna) y antrópicas (carreteras, edificaciones, cultivos,…)

La necesidad de cuantificar, medir y objetivar el paisaje conduce a la definición de indicadores paisajísticos. Estos indicadores no se centran en una variable en particular si no que estudian la interacción de las diferentes variables en una unidad espacial (véase la publicación From Land Cover to Landscape Diversity de la Comisión Europea). Existen multitud de indicadores de paisaje para medir la diversidad, la complejidad, la regularidad, la fragmentación, la tasa de cambio, la superficie, etc. Tal es la cantidad de indicadores existentes que ha dado lugar a la creación de software específicos para el cálculo de los mismos, un caso es el programa Fragstats.

Los indicadores de paisaje permiten aplicaciones prácticas en diferentes ramas científicas como la Ordenación del Territorio, la Agricultura, los Bosques, … Estas aplicaciones funcionales permiten un mayor desarrollo de los indicadores ya que los beneficios sociales generados dan lugar a una mayor inversión económica para su desarrollo.

Información

Para la realización de los indicadores de paisaje que se van a calcular a continuación es necesario poseer información fuente sobre las tres variables que materializan el concepto de paisaje, lo abiótico, lo biótico y lo cultural o antrópico. En este caso se ha usado un shape de la naturaleza geológica del suelo, otra de la vegetación existente y por último otra capa con los usos del suelo antrópicos. Además es necesario poseer una capa contenedora de esta información que agregará la combinación paisajística de su interior y en la cual se calculará el índice en cuestión. La unidad contenedora de contenido (combinación AbioticaBioticaCultural) elegida son los núcleos de población del Instituto Nacional de Estadística (INE). Durante el cálculo se crearán dos nuevas capas: ABC.shp (combinación de las variables abiótica, bióticas y culturales) y Indicadores_pj.shp (combinación de la capa ABC.shp con el shape de unidades contenedoras =nucleos_pob.shp). También se realizará una tabla resumen para obtener algunos de los datos necesarios para calcular los indicadores.

Los índices que se van a calcular son la Complejidad o Patch Density, la Diversidad o Indice de Diversidad de Shannon y la Regularidad o Edge Density. El Patch Density se calcula dividiendo los polígonos de paisaje que hay en cada unidad contenedora (n) por la superficie de esa unidad (a) --- PD = n/a El Indice de Diversidad de Shannon se calcula sumando para cada entidad la proporción de la superficie de cada polígono respecto de la superficie de la unidad contenedora en la que cae (Pi) y multiplicando esta proporción por el logaritmo neperiano de la misma proporción (Ln Pi) --- IDS = -∑n (Pi * LnPi) El Edge Density se calcula dividiendo la suma del perímetro de los polígonos de paisaje que hay en cada unidad contenedora (e) por la superficie de esa unidad (a) --- ED = e /a

Procedimiento técnico

Para calcular los índices con el ArcGis 9 es necesario realizar los siguientes pasos:

1.Limpiar las tablas de atributos de las capas geológico, vegetación, usos antrópicos y núcleos poblaciones y quedarse con dos columnas: “Categoria” donde se almacena el tipo de elemento correspondiente a cada capa (Ejemplo: en capa Vegetación Pinar) y “Area” donde se almacenará el área del polígono de cada una de las capas. Para ello se usarán las funciones Delete Field, Add Field y Calculate Geometry.

2.Unir las capas Abiótica, Biótica y Cultural para generar la capa ABC.shp. Para ello se usará la herramienta UNION (Analysis Tools / Overlay)

De Análisis Territoriales con SIG

3.Calcular el Area y el Perímetro de los nuevos polígonos resultantes de la combinación ABC. Crear una nueva columna (Add Field) y obtener su área (Calculate Geometry).

4.Unir la capa ABC con la capa de los contenedores (núcleos de población del INE) para generar la capa Indicadores_pj.shp Para ello, como en el caso anterior, se usará la herramienta UNION (Analysis Tools / Overlay). Es necesario que la capa nucleos de poblacion tenga la superficie (a) almacenada en una columna.

5.Hacer una tabla resumen para obtener la información necesaria para calcular los índices de complejidad y regularidad. El Summarizes se hará de la columna Núcleos de población y se pedirá la suma del perímetro (e). El count (n) también es necesario ya que nos indica el número de polígonos que hay en cada núcleo de población.

6.Hacer un Join, crear columnas y calcular las mismas con la información necesaria para calcular los índices de complejidad y regularidad. Se crearán las siguientes columnas o campos: Número de polígonos por núcleo poblacional (count = n), y Suma del perímetro de los polígonos que caen en cada núcleo (e). El Join se realizará entre la tabla resumen del paso 5 y la capa Indicadores_pj.shp por el campo núcleo poblacional. A partir del Field Calculator pasar la información del Join hasta cada columna

7.Crear las columnas para calcular la COMPLEJIDAD y la REGULARIDAD. Se crean las dos columnas con el Add Field y se calcula cada una de ellas aplicando las formulas. COMPLEJIDAD = PD = n/a REGULARIDAD = ED = e /a

De Análisis Territoriales con SIG

De Análisis Territoriales con SIG

8.Calcular la proporción (Pi) para el cálculo de la diversidad. Para esto se crea la columna Pi y se calcula a partir de la división del Área de los polígonos ABC y el Área del núcleo en el que cae cada polígono (a).

9.Crear una columna y calcular en ella la ecuación Pi * LnPi. Crear una columna (Add Field) y calcular (Field Calculator) su contenido con la siguiente sintaxis: [Pi] * Log ([Pi])

10.Hacer otra tabla resumen para obtener la suma la columa Pi * LnPi por núcleo poblacional. Hacer un summarizes de la columna núcleo y pedir la suma de la columna Pi *LnPi.

11.Hacer un Join, crear columna DIVERSIDAD y calcular su contenido. Para ello el Join se usa la columna núcleo poblacional y el contenido de la columna DIVERSIDAD equivale a la suma de la columna Pi *LnPi obtenida en el summarizes

De Análisis Territoriales con SIG

Interpretación de los resultados

En el estudio realizado se ha calculado la complejidad, diversidad y regularidad de los núcleos de población de la isla de El Hierro en las Islas Canarias. Las ilustraciones mostradas anteriormente demuestran cómo la parte norte de la isla es la más compleja, diversa e irregular habiendo diferenciaciones espaciales de cada indicador según el núcleo poblacional que analicemos.

Análisis zonal de variables climáticas (mapas de isotermas, isoyetas,...)

Para analizar el clima normalmente la toma de datos se realiza de manera puntual en las estaciones meteorológicas. Una correcta distribución espacial de estos aparatos para la toma de muestras a lo largo del territorio es fundamental para captar las variaciones locales. El relieve es el elemento del territorio que mayor variabilidad espacial produce, por tanto en lugares abruptos la cantidad de muestras necesarias, para modelizar correctamente la variable climática estudiada, será mayor. El post trata de explicar como se puede zonificar una variable a partir de muestras puntuales. Esto se realiza a través del método geoestadístico conocido como Interpolación.

.

Existen varios métodos geoestadísticos de interpolación IDW, Spline, Kriging, ... Las interpolaciones se basan en la siguiente afirmación: "las cosas que están más cerca están más relacionadas que las que están mas separadas" (Ley de Tobler). Si la relación solo depende de la distancia la relación es ISOTROPICA y si la relación ademas depende de la dirección será ANISOTROPICA.

.

Las interpolaciones se utilizan en muchas ramas científicas para espacializar elementos como la poblacion, los restos arqueológicos, la fauna, las variables geotécnicas, los cultivos, etc.

.

.

Información

.
A continuación se procederá a realizar, a partir de una capa de puntos de estaciones meteorológicas con datos de temperatura y precipitación, un estudio donde a través de interpolaciones IDW se consigue zonificar estas variables para posteriormente obtener una capa vectorial de Isoyetas y otra de Isotermas. Por tanto, de partida es necesario tener una capa de puntos con datos de temperatura y precipitación y a lo largo del proceso se obtendrán dos raster, uno de la interpolación IDW de las temperaturas y otro de la interpolación IDW de las precipitaciones. Finalmente se obtienen dos capas de líneas para las isoyetas e isotermas respectivamente.

.

.

Procedimiento

.

1.Cargar en una vista de datos la capa de puntos de estaciones meteorológicas con datos de precipitación y temperatura en su tabla de atributos.

.

De Análisis Territoriales con SIG

.

2.Realizar la interpolación IDW de la temperatura. La herramienta se localiza dentro de la extensión Spatial Analyst / Interpolation. En input poner la capa de puntos y en Z values poner la columna donde se almacena la temperatura. El resto de parámetros dejarlos por defecto.

.

De Análisis Territoriales con SIG

.

3.Obtener la capa de líneas de isotermas a partir del raster de temperatura. Para esto usamos la herramienta Contour (Spatial Analyst / Surface)

.

De Análisis Territoriales con SIG

.

4.Realizar la interpolación IDW de la precipitación. La herramienta se localiza dentro de la extensión Spatial Analyst / Interpolation. En input poner la capa de puntos y en Z values poner la columna donde se almacena la precipitación. El resto de parámetros dejarlos por defecto

.

De Análisis Territoriales con SIG

.

5.Obtener la capa de líneas de isoyetas a partir del raster de precipitación. Para esto usamos la herramienta Contour (Spatial Analyst / Surface)

.

De Análisis Territoriales con SIG

.

.

Interpretación de los resultados

.

Las interpolaciones IDW realizadas en el ejemplo pertenecen a la isla de Tenerife y zonifican espacialmente los datos puntuales originales. En zonas abruptas como el Macizo Antiguo de Teno o Anaga el resultado no se asemeja fielmente a la realidad del lugar debido a la necesita de mayor cantidad de estaciones meteorológicas que permitan mayor precisión en la interpolación. En el resto de la isla los resultados son mucho más congruentes. Sería interesante realizar otro tipo de interpolaciones y comparar resultados. Con esto se podría comprobar cual es el método que mejor se adapta a las condiciones climáticas del archipiélago canario.

Análisis de la vegetación con técnicas de teledetección

Desde los primeros instrumentos de observación terrestre una de las variables que más se ha estudiado es la vegetación. Estas herramientas de teledetección de la Tierra han captado imágenes en las franjas espectrales Roja e Infrarroja entre otras. La vegetación dispersa la radiación solar en la banda espetral del infrarrojo cercano, lo cual ha derivado en el descubrimiento del Indice Diferencial de Vegetación Normalizado (NDVI siglas en inglés).

De Análisis Territoriales con SIG

El NDVI relaciona la banda del rojo y del infrarrojo en un cociente. A la banda del Infrarrojo se le resta el rojo y el resultado se divide entre la banda del infrarrojo más la del rojo.

NDVI = (Infrarrojo - Rojo) / (Infrarrojo + Rojo)

La información necesaria, de partida, para realizar este estudio es un raster del infrarrojo y otro del rojo. Una vez ejecutado el indice se generará una nueva capa raster con los valores del NDVI.

El procedimiento desde ArcGis 9.x se desarrolla a continuación:

1.Cargar en una vista de datos la banda roja e infrarroja (Add Data)

2.Calcular el NDVI con la calculadora raster (Spatial Analyst / Raster Calculator) escribir la siguiente sintaxis (Nota: para que el resultado tenga valores decimales es necesario usar la función Float):

(Float([Infrarrojo]) - Float([Rojo])) / (Float([Infrarrojo]) + Float([Rojo]))

De Análisis Territoriales con SIG

Interpretación de los resultados

Los valores del NDVI varían desde el -1 hasta el 1. Los valores positivos muestran zonas con vegetación y los negativos zonas sin vegetación. Cuanto más extremos sean los valores positivos mayor vigorosidad tendrá la vegetación

Análisis de la localización óptima de torres de observación

La localización óptima es un tema largamente discutido en la bibliografía científica en ramas como la economía. En 1820 Johann Heinrich von Thünen escribe una teoría sobre la distribución de los usos agrícolas del suelo. En 1969 Ian McHarg en su libro "Proyectar con la Naturaleza" (Design with Nature) establece los conceptos básicos que permitirán el posterior desarrollo de los Sistemas de Información Geográfica (SIG) materializando un método de análisis multicriterio, donde tener en cuenta las características del medio natural a la hora de ubicar infraestructuras o elementos antrópicos, basado en la superposición de elementos de interés.

Este post trata de explicar una manera técnica de estudiar la ubicación idónea de torretas de observación anti-incendios. Para ello se dividirá el territorio homogéneamente en muestras (red regular de poligonos), posteriormente se calculará la altura máxima para cada polígono y desde cada una de estas cotas altitudinales máximas (puntos de observación) se realizara un calculo de visibilidad. El punto de observación que abarque una superficie mayor sera la torreta de mayor necesidad y por tanto la primera que se debe construir. El resto de torretas se seleccionaran según la jerarquía de las mismas que se establecerá de la siguiente manera. Una vez seleccionada la primera torre y estudiar su ámbito de visibilidad, se procede a eliminar la superficie visible desde la misma del modelo digital de elevaciones. Una vez eliminado este espacio se repetirán os cálculos de visibilidad para cada uno de los puntos restantes de la malla original (excluyendo el primer punto seleccionado obviamente). Se selecciona el punto que presente una superficie visible mayor asignándole la segunda posición en la jerarquía de las torres de observación. Este procedimiento se repite tantas veces como torretas se tenga la capacidad de construir. Con este análisis se ha conseguido abarcar la mayor cantidad de espacio posible, sin tener en cuenta que el mismo espacio sea cubierto por varias torretas, lo cual es interesante por si se inutiliza una torre en algún momento. Para conocer las zonas visibles por más puntos de observación y por tanto más seguras es necesario realizar una visibilidad con todas las torres a la vez, lo cual se realizara en el ultimo paso de procedimiento.

Para realizar esta investigación la información fuente necesaria será un raster de altitud del área de estudio. Durante el desarrollo técnico del proceso se crearan nuevas capas; una de lineas de los limites de la cuadricula en la que se dividirá el espacio, una de polígonos de la cuadricula, una de puntos de cota máxima para cada cuadrado de la cuadrícula, una visibilidad para cada punto de observación y para cada pasada que se realice y un raster de reclasificación para cada pasada.

El procedimiento se puede organizar de la siguiente manera:

1.Crear una cuadrícula del área de estudio, la cual tendrá tantos cuadrados como muestras se quieran analizar. Para esto se usa la herramienta Create Fishnet (Data Management Tools / Feature Class). Convertir a polígonos las lineas resultantes (Feature to Polygon dentro de Data Management Tools / Feature). Crear un código identificador para cada cuadrado de la cuadrícula (Add Field Type Short Integer Nombre ID --- Field Calculator = [FID] + 1)

De Análisis Territoriales con SIG

2.Calcular la cota máxima de cada cuadrado. Se realiza un Zonal Statistics de la capa cuadrícula por campo Identificador y los valores de zonales se obtienen del raster de altitud (MDE Modelo Digital de Elevaciones)

De Análisis Territoriales con SIG

3.Cargar la cota máxima en la capa cuadrícula. Para esto se crea una nueva columna (Add Field Type Double Nombre Alt_Max) se hace un Join con la tabla resultante del Zonal Statistics por el campo Identificador y por ultimo se realiza un Calculate Field para rellenar el campo Alt_Max con los valores máximos (MAX) de la estadística zonal.

4.Convertir a raster la cuadricula por el valor de la columna Alt_Max. esta operacion se realiza ejecutando la funcion Feature to Raster (Spatial Analyst / Convert)

5.Obtener los pixeles de cota máxima de cada cuadrado realizando una operación de álgebra de mapas con el Raster Calculator ([MDE] = [Raster Paso 4]

6.Preparar el raster para convertirlo a puntos. Para esto se realiza un Reclassify del raster del paso anterior donde los valores 1 sigan siendo 1 y los valores 0 sean No Data

7.Convertir a puntos la cotas máximas de cada cuadrado. Spatial Analyst / Convert / Raster to Feature (Output geometry type: Point). Si en un cuadrado hay varios puntos con la misma cota máxima seleccionar uno y desechar el resto (poner en edición seleccionar los que vamos a desechar y borrarlos) Hasta aquí hemos obtenido los puntos optimos para realizar las visibilidades.

De Análisis Territoriales con SIG

8.Realizar un calculo de visibilidad (PASADA 1) para cada punto por separado (selecionar el punto y ejecutar el viewshed {Spatial Analyst / Surface / Viewshed} repetirlo para cada punto).

De Análisis Territoriales con SIG

9.Seleccionar el punto de observación desde el que es visible una superficie mayor de la PASADA 1 (abrir la tabla de cada raster de visibilidad y seleccionar el que tenga un count mayor en el registro con VALUE = 1). Crear una columna en la capa de puntos de cota máxima llamado Jerarquía (Add Field Type Text) y en el punto seleccionado poner "Primera Torre".

10.Hacer un reclassify de la visibilidad del punto de observación seleccionado como Primera Torre donde los valores 0 pasen a ser 1 y los valores 1 pasen a ser No Data.

11.Recortar las visibilidades de cada punto extrayendo las zonas visibles desde la "Primera Torre" (PASADA 2). Para esto usar el Raster Calculator para multiplicar el reclassify del paso anterior por cada una de las visibilidades

12.Seleccionar el punto de observación desde el que es visible una superficie mayor de la PASADA 2 (abrir la tabla de cada raster de visibilidad y seleccionar el que tenga un count mayor en el registro con VALUE = 1). En el punto seleccionado poner "Segunda Torre".

13.Hacer un reclassify de la visibilidad del punto de observación seleccionado como Segunda Torre donde los valores 0 pasen a ser 1 y los valores 1 pasen a ser No Data.

14.Repetir los tres pasos anteriores tantas veces como Pasadas se puedan realizar y torretas se puedan construir.

De Análisis Territoriales con SIG

De Análisis Territoriales con SIG

15.Hacer una visibilidad con la totalidad de torres seleccionadas y construibles para conocer, dentro de las zonas visibles, las que son observadas por más torres

De Análisis Territoriales con SIG

Interpretación de los resultados

En el ejemplo de las imágenes mostradas se han seleccionado 4 lugares óptimos para construir otras tantas torretas de observación y con las mismas se llega a conseguir tener visible un 40 % de la totalidad de la superficie

De Análisis Territoriales con SIG