View
3
Download
0
Category
Preview:
Citation preview
PLUGIN PARA LA ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN
MASA IMPLEMENTANDO EL USO DE IMÁGENES SENTINEL 2, EN EL
MUNICIPIO DE CHÍQUIZA (BOYACÁ).
LOREN SPTEFANNIE BAQUERO CARVAJAL
DIEGO ALBERTO LOZANO RAMÍREZ
PROYECTO DE GRADO PRESENTADO COMO REQUISITO PARA OPTAR AL TÍTULO DE
ESPECIALISTA EN SISTEMAS DE INFORMACION GEOGRAFICA
DIRECTORA: YESENIA VARGAS TEJEDOR
PROYECTO DE GRADO
ESPECIALIZACION EN SISTEMAS DE INFORMACION GEOGRAFICA
CENTRO DE INVESTIGACION Y DESARROLLO EN INFORMACION
GEOGRAFICA – CIAF.
BOGOTÁ D.C.
NOVIEMBRE 2019
AGRADECIMIENTOS
Agradezco a mi familia, amigos, compañeros, profesores y a todas las personas que de una u otra manera
contribuyeron a la realización de este proyecto y culminar esta etapa.
Diego
A mi madre, a raunen, a la vida…
Loren
A mi directora de tesis por su ayuda y orientación durante todo el proyecto.
A la empresa Corporación Planeación del Desarrollo Rural –PDR- especialmente al ingeniero Leonardo
Molina por sus valiosos aportes y ayuda brindada a lo largo del proyecto.
Finalmente, al instituto Geográfico Agustín Codazzi y la Universidad Distrital Francisco José de Caldas.
GLOSARIO
AMENAZA Peligro latente de que un evento físico de origen natural causado o inducido por la
acción humana de modo accidental se presente con una severidad suficiente para causar daños
a la infraestructura, bienes y los recursos ambientales. (SGC, 2017)
BANDA ESPECTRAL Se ubica en determinada por su perfil de transmisión, es decir, la
fracción de intensidad luminosa transmitida por una longitud de onda (λ) en una región del
espectro electromagnético.
CURVATURA: Se define como la derivada segunda de la superficie. Representa la concavidad
y la convexidad del terreno.
GEOSERVICO: Es un servicio web específico que devuelve el acceso a la información
geográfica ubicada en los servidores de los organismos productores, de una forma estándar y a
través de cualquier aplicación compatible.
INDICE ESPECTRAL: Conjunto de operaciones algebraicas realizadas sobre valores numéricos
a unidad de pixel, usando mínimo dos bandas que necesariamente corresponden a la misma
escena.
NDMI: Este índice se usa para monitorizar humedad de la cobertura vegetal, sequías y niveles de
combustibilidad en las áreas vulnerables a los incendios.
NDVI: Este índice se basa en el comportamiento radiométrico de la vegetación, relacionado con
la actividad fotosintética y la estructura foliar de las plantas, permitiendo determinar la
vigorosidad de la planta
NDWI: Este índice se utiliza para medir la cantidad de agua que posee la vegetación o el nivel
de saturación de humedad que posee el suelo.
PLUGIN Herramienta informática que añade funcionalidades específicas a un programa
principal.
RUGOSIDAD: Se define como la ondulación de la superficie topográfica y es una derivada de
las pendientes y de las orientaciones
SAVI: Este índice incorpora una constante de suelo, la cual se usa de acuerdo con vegetación de
baja, intermedia o alta densidad. Considera la influencia de la luz y del suelo oscuro en el
índice.
SUCEPTIBILIDAD Medida cuantitativa o cualitativa de la magnitud y distribución espacial de
movimientos en masa existentes, o que potencialmente pueden ocurrir en un área. (SGC, 2017)
ZONIFICACIÓN La división de territorio en áreas o dominios homogéneos y su categoría de
acuerdo al nivel de susceptibilidad, amenaza o riesgo actual o potencial. (SGC, 2017)
TABLA DE CONTENIDO
1. INTRODUCCIÓN ..................................................................................................................... 12
2. PROBLEMA .................................................................................................................................. 7
3. JUSTIFICACIÓN ......................................................................................................................... 8
4. ALCANCE ..................................................................................................................................... 9
5. OBJETIVOS ................................................................................................................................ 10
6. ESTADO DEL ARTE ................................................................................................................. 11
6.1 MARCO TEÓRICO ................................................................................................................. 11
6.2 ANTECEDENTES .................................................................................................................... 12
6.2.1 ESTUDIOS CON INSUMOS DE IMÁGENES SATELITALES ....................................................... 12
6.2.2 ESTUDIOS DE ZONIFICACIÓN DE AMENAZA MEDIANTE EL MÉTODO HEURÍSTICO ........... 13
6.2.3 ESTUDIOS AMBIENTALES CON DESARROLLO DE EXTENSIONES PARA SOFTWARE GIS ...... 14
7. METODOLOGIA....................................................................................................................... 15
7.1 ESQUEMA METODOLÓGICO ................................................................................................. 15
7.1.1 FASE I. PLANIFICACIÓN Y ANÁLISIS .................................................................................. 16
7.1.2 FASE II. DISEÑO ................................................................................................................. 22
7.2 EVALUACIÓN MULTICRITERIOS (EMC) .............................................................................. 23
7.2.1 COMPONENTES AMBIENTALES DEL ESTUDIO .................................................................... 25
7.2.2 FASE III. DESARROLLO ...................................................................................................... 26
7.2.2 DESARROLLO DEL MODELO DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
...................................................................................................................................................... 26
7.3 DESARROLLO DEL PLUGIN (PLUGMMA) ............................................................................. 31
8. RESULTADOS ........................................................................................................................... 35
8.1 RESULTADOS Y ANÁLISIS..................................................................................................... 35
8.1.1 INFORMACIÓN GENERADA A PARTIR DE PLUGMMA ......................................................... 35
8.1.2 VALIDACIÓN DE LA ZONIFICACIÓN DE AMENAZA EN PLUGIN VS POT ............................ 38
8.2 EVALUACIÓN DE LA EXTENSIÓN PLUGMMA ....................................................................... 42
9. CONCLUSIONES ...................................................................................................................... 47
10. RECOMENDACIONES ........................................................................................................ 48
11. BIBLIOGRAFIA ..................................................................................................................... 49
12. ANEXOS.................................................................................................................................. 51
LISTA DE TABLAS
Tabla 1. Servicios web Institutos de investigación de Colombia .................................................................... 17
Tabla 2. Información general necesaria para zonificación por movimientos en masa escala 1: 25000......... 24
Tabla 3. Análisis de ponderación resumido por 4 componentes ambientales principales ........................... 25
Tabla 4. Ponderación general de zonificación de suceptibilidad por fenómenos movimientos en masa .... 25
Tabla 5. Ponderación general de zonificación de amenaza por fenómenos movimientos en masa ............. 26
Tabla 6 Características de librerías para desarrollo de interfases................................................................... 32
Tabla 7. Matriz de confusión............................................................................................................................. 38
Tabla 8. Resultados índice Kappa..................................................................................................................... 39
Tabla 9 Descripción zonificación amenaza Chíquiza. .................................................................................... 41
Tabla 10. Metodología de evaluación Usabilidad Plugmma .......................................................................... 44
Tabla 11. Valor de Importancia según atributo de Usabilidad ....................................................................... 45
Tabla 12. Calificación General según atributo de usabilidad ......................................................................... 45
Tabla 13. Evaluación usabilidad de extensión Plugmma ................................................................................ 45
LISTA DE FIGURAS
Figura 1. Esquema metodológico: Plugin para la zonificación de amenaza por movimientos en masa
implementando el uso de imágenes Sentinel 2, en el municipio de Chíquiza (Boyacá). .............................. 15
Figura 2. Insumos principales del modelo de zonificación por fenómenos de movimientos en masa ........ 17
Figura 3. Generación de tabla fusión y carga en plataforma de GEE, limite municipal de área de estudio 18
Figura 4. Reducción de imágenes temporada de lluvia y seca, exclusión de nubosidad mayor de 10% ..... 19
Figura 5. Explorador de imagines Sentinel 2 –GEE ......................................................................................... 20
Figura 6. Satélites Sentinel para EO BROWSER: Sentinel Hub ...................................................................... 20
Figura 7. Selección y descarga de imágenes en EO Browser: Sentinel Hub .................................................. 22
Figura 8. Esquema metodológico de Evaluación Multicriterios (EMC) ......................................................... 23
Figura 9. Modelo de procesos para la zonificación de fenómenos por movimientos en masa .................... 27
Figura 10 Esquema metodológico de desarrollo Plugmma ............................................................................ 31
Figura 11. Diseño interfaz por medio de librería Tkinter ............................................................................... 32
Figura 12 Diseño de interfaz por medio de librería Qt Designer. .................................................................. 33
Figura 13. Botón de extensión Plugmma en ArcMap 10.5 .............................................................................. 34
Figura 14. Productos cartográficos generados por Plugmma. ........................................................................ 37
Figura 15. Mapa de zonificación de amenaza generado por Plugmma y POT............................................. 40
Figura 16. Carga de información de entrada y visualización de Plugmma ................................................... 43
Figura 17. Lista despegable para completar información de entrada en Plugmma ...................................... 43
Figura 18. Ruta de almacenamiento de soilflux.gdb - información procesada- Plugmma ........................... 43
1. INTRODUCCIÓN
El objetivo del presente trabajo consistió en desarrollar e implementar una extensión al
programa de escritorio ArcGis 10.5, que tuviese la funcionalidad de realizar una zonificación de
amenaza por movimientos en masa. Para ello, la extensión, o plugin para la zonificación de
amenaza por movimientos en masa de ahora en adelante llamado “Plugmma”, empleó
información capturada con sensores remotos, e información temática existente.
Plugmma buscó automatizar y optimizar la calidad y tiempos de procesamiento de la
información para generar zonificación de movimientos en masa, proceso que tradicionalmente
se realiza en tiempos relativamente largos, ya que el geoprocesamiento de la información
conlleva a esfuerzos repetitivos, que se ven limitados por el levantamiento de la información en
campo. Para cumplir esa función, Plugmma hace uso de imágenes de sensores remotos y
cartografía temática existente, que posteriormente será procesada a través del software ArcGis.
Para el desarrollo de la zonificación de amenazas por movimientos en masa, se utilizó la guía
metodológica para la zonificación de amenaza por movimientos en masa escala 1:25.000,
desarrollada por el servicio geológico (SGC, 2017). Dicha guía brindó las bases de ¿qué variables
incluir dentro de la caracterización geoambiental?, ¿cómo desarrollar un análisis de
susceptibilidad? y finalmente ¿cómo caracterizar la amenaza por movimientos en masa?
Para el desarrollo de Plugmma fue necesario que este fuera generado en un entorno muy
sencillo, adaptable a la experiencia del usuario más básico. Por esta razón se propuso aplicar
una metodología XP ya que, debido al nivel de baja complejidad de la herramienta y el corto
tiempo para su desarrollo, se requirió de fases agiles, pero con entregas de productos
funcionales. Al planificar un desarrollo enfocado a las necesidades del usuario, es pertinente
contemplarlo como pieza fundamental dentro de las etapas del desarrollo de la herramienta, de
modo que se generaran pequeños productos que se asignen a una prueba de calidad y que
posteriormente entren a ser pieza de un proceso incremental.
La evaluación del Plugin se llevó a cabo tomando como unidad de trabajo el Municipio de
Chíquiza (Boyacá), pues, en su plan de ordenamiento territorial-POT-, (Alcaldía Chíquiza,
2019)- En proceso de publicación-, se implementó información actualizada, tanto primaria como
secundaria, lo que nos permitió comparar los resultados tomados a partir de una metodología
tradicional con una metodología automatizada propuesta en el presente trabajo.
Página 7 de 56
2. PROBLEMA
Los movimientos en masa son uno de los fenómenos geológicos que más afectaciones
genera sobre la población, el medio ambiente y la infraestructura. Debido a esto, durante las
últimas tres décadas se han expedido en Colombia reglamentaciones relacionadas con la
administración y desarrollo físico del territorio, la utilización del suelo y la gestión del riesgo de
desastres; su adopción ha requerido de la elaboración de estudios técnicos que permitan tomar
decisiones efectivas de planificación y al mismo tiempo incorporar la gestión del riesgo en los
planes de ordenamiento territorial.
A partir de la expedición de la ley de gestión de riesgo y desastres (ley 1523 de 2012), los
municipios del país deben hacer estudios de riesgos naturales, como parte esencial de las
políticas de planificación del desarrollo seguro y gestión ambiental territorial sostenible (SGC,
2017).
La zonificación de la amenaza por movimientos en masa define las áreas en cuales se esperaría
hay una alta probabilidad de ocurrencia de fenómenos de remoción. Para tal fin existen en la
literatura una gran variedad de métodos y enfoques metodológicos que permiten el análisis de
la amenaza por movimientos en masa a diferentes escalas. Considerando lo anterior, y de
acuerdo con la normatividad adoptada en Colombia en temas de gestión del riesgo y
planificación territorial, se ha evidenciado la necesidad de plantear un análisis de amenaza que
permita obtener resultados objetivos a partir de información cartográfica actualizada, que
involucre dentro de esta, la obtención de índices de terreno, índices de vegetación e índices de
suelo, Facilitando el procesamiento y reducción de los tiempos de respuesta, mejorando así la
posibilidad de priorizar las acciones de manejo y disponibilidad de recursos y la adopción de
políticas de gestión del riesgo.
Para tal fin se propone el desarrollo de una extensión para el programa de escritorio ArcGIS,
que permita la automatización de los procesos relacionados con la zonificación de amenaza por
movimientos en masa. Esto reducirá el tiempo en procesos reiterativos y el porcentaje de error
probable en la toma de decisiones. El uso de imágenes de sensores remotos permite una
caracterización actual del terreno en tiempos más cortos comparado con el tiempo que se
requiere con el levantamiento y procesamiento de la información capturada en campo.
Página 8 de 56
3. JUSTIFICACIÓN
La implementación de una extensión para una herramienta SIG de escritorio, que permita la
automatización de los procesos que involucra la evaluación para la zonificación de amenaza por
movimientos en masa, aportará en la toma de decisiones para los planes de ordenamiento
territorial u cualquier otro estudio que involucre un análisis de amenaza por movimientos en
masa. Inicialmente, Plugmma permitirá obtener información actualizada a partir de imágenes
obtenidas a partir de sensores remotos, ejecutando geoprocesos automatizados directamente en
el software ArcGis 10.5. De esta forma, habrá mayor confiabilidad de los productos resultantes,
debido a que la estandarización de reglas establecidas en el modelo de zonificación, coadyuvará
a reducir el error probable, derivado de la toma de decisiones o de la ejecución de los procesos.
Dicha automatización también facilitará que el proceso de obtención de zonas pueda llevarse a
cabo por parte de personal no especializado en ejecutar procesos complejos en la herramienta
SIG. Esto se sustenta en que la interfaz de la extensión mencionada Plugmma, permitirá al
usuario seleccionar y cargar los insumos necesarios en la herramienta, sin tener que dar
instrucciones específicas para el geoprocesamiento, cálculo y categorización del mismo.
Adicionalmente, Plugmma podrá calcular y suministrar insumos actualizados tales como,
índices de humedad vegetal y densidad de vegetación, índices de humedad del suelo y tipos
suelo, índices de terreno como concavidad, textura y clasificación de pendientes del terreno,
adicionalmente se podrá obtener los mapas de susceptibilidad a movimientos en Masa; por
último y quizá sea la mayor ventaja que se evidenciará con la implementación de la extensión,
es que se optimizarán los tiempos de procesamiento de la información.
Plugmma puede constituirse como una herramienta valiosa en complemento a la gestión del
riesgo de desastres en el municipio de Chíquiza (Boyacá), y podría convertirse en un futuro en
cualquier otro municipio del país debido a su intuitiva interfaz y confiabilidad de sus
resultados.
Página 9 de 56
4. ALCANCE
El uso de herramientas de programación automatizadas que optimicen procesos de
evaluación y zonificación en los SIG tienen recientemente amplio desarrollo (Hurtado &
Aguilar, 2017; Díaz & Duque, 2018). De igual forma el uso de imágenes satelitales como insumo
de entrada han presentado amplio uso en estudios de zonificación generación de firmas
espectrales y estudios multitemporales.
El desarrollo de Plugmma sirve como herramienta de actualización de insumos base para la
gestión del riesgo a nivel municipal, que permite un mayor ajuste en el POT propuesto por la
Alcaldía del municipio de Chíquiza (Boyacá). Los insumos para el funcionamiento de Plugmma
son a partir de información vector y raster, esta última con la ventaja de ser actualizada (a
criterio del usuario) con imágenes cada semana ya que el satélite Sentinel 2 tiene buena
resolución temporal y espacial, mientras que la información temática (vector), se presenta más
ya que corresponde al componente físico de geología, geomorfología principalmente. Esta
extensión se generó a para el Software ArcGis 10.5 con licencia académica de las extensiones
(Spatial Analyst, 3D Analyst y Geostatistical Analyst). El desarrollo de Plugmma permitió la
zonificación automatizada de Amenaza por Movimientos en Masa del municipio a escala
1:25000 como producto principal, en complemento se generó información de los diferentes
índices de vegetación, suelo y terreno como subproductos que se pueden implementar en otros
estudios
Plugmma maneja estándares de calidad de acuerdo a la norma ISO 25010 establecida como:
“Sistema para la evaluación de la calidad del producto “; mediante un modelo que evalúa las
características y propiedades de calidad mínimas que debe mantener un producto software “.
Dicho Modelo determina las características de calidad que va a tener en cuenta en la propiedad
de un producto software determinado (ISO, 2019).
Página 10 de 56
5. OBJETIVOS
Objetivo General
Implementar una extensión en ArcGis 10.5 que realice una zonificación de amenaza por
movimientos en masa a escala 1:25.000 de acuerdo a las variables biofísicas, obtenidas a partir
de sensores remotos e información temática existente para el municipio Chíquiza (Boyacá).
Objetivos Específicos
• Generar un modelo de zonificación de amenaza por fenómenos de movimientos en
masa a partir del método heurístico
Generar y categorizar índices de vegetación (NDVI, NDWI) y suelo (SAVI, NDMI), a
partir de imágenes satelitales, como insumo de zonificación de amenaza
Saber cómo automatizar en un SIG la zonificación de amenazas por movimientos en
masa.
Validar los resultados generados en un proceso convencional contra un proceso
automatizado.
Página 11 de 56
6. ESTADO DEL ARTE
6.1 Marco teórico
Durante las últimas tres décadas a raíz de la ocurrencia de desastres de origen socio-natural se
han expedido en Colombia reglamentaciones relacionadas con la administración y desarrollo
físico del territorio, por lo cual, la utilización del suelo y la gestión del riesgo de desastres, ha
requerido de la elaboración de estudios técnicos, que permitan tomar decisiones efectivas de
planificación y al mismo tiempo incorporar la gestión del riesgo en los planes de ordenamiento
territorial de los municipios (NGRD, 2015)
A su vez, las normas de ordenamiento territorial, como la Ley 388 de 1997 y los decretos 879 de
1998, 3600 de 2007, 1807 de 2014, 1077 de 2015 o de gestión del riesgo de desastres como la Ley
1523 de 2012, han sido iniciativas lideradas desde el gobierno nacional, en cuya reglamentación
se ha dado relevancia al conocimiento del territorio como una premisa para contribuir a la
seguridad, el bienestar, la calidad de vida y el desarrollo sostenible de las personas.
A partir de la expedición de la ley 1523 de 2012 se dio paso a la creación del Sistema Nacional
de Gestión del Riesgo de Desastres (SNGRD), y la adopción de una política pública en la
materia, en su artículo 32 la ley 1523 determinó que los tres niveles de gobierno (nacional,
departamental y municipal) deben formular e implementar planes del riesgo para priorizar,
programar y ejecutar acciones por parte de las entidades del sistema nacional, en el marco de
los procesos del riesgo, reducción del riesgo y de manejo de desastres, como parte del
ordenamiento territorial y del desarrollo, así como para realizar su seguimiento y evaluación
(Ley N° 1523, 2012).
Dentro de los instrumentos de coordinación y armonización del PNGRD con los proceso de
planificación sectorial y territorial, se identificaron una serie de estrategias para que se llevara a
cabo dicha integración una de las cuales propone “desarrollar metodologías, guías e
instrumentos técnicos que faciliten y orienten el análisis de riesgo”(PNGRD, 2015), dicha
estrategia propone que las entidades en cada una de sus competencias aporten a los procesos de
planificación y desarrollo territorial local y departamental a raves del desarrollo de guías e
instrumentos técnicos que faciliten y orienten el análisis de riesgo en coordinación con la
UNGRD.
A partir de lo anteriormente descrito, un desarrollo de las metodologías e instrumentos pueden
facilitar y orientar el análisis de riesgo, es por eso que la creación de nuevas herramientas como
Plugmma, facila el uso y la implementación de nuevas opciones de procesamiento tanto de
imágenes satelitales como de información temática para crear soluciones precisas en la toma de
decisiones para estudios de planes de ordenamiento territorial, o de cualquier estudio que
involucre la gestión del riesgo dentro de sus componentes (NGRD, 2015).
Página 12 de 56
6.2 Antecedentes
6.2.1 Estudios con insumos de imágenes satelitales
El uso de sensores remotos en la obtención de imágenes satelitales es útil para la detección de
movimientos en masa. Según Moncada (2014) productos a partir de estos sensores -tales como
fotografías aéreas, modelos digitales del terreno e imágenes de satélites- han sido ampliamente
usadas en combinación con los sistemas de información de geográfica, para la teledetección de
fenómenos de remoción en masa de finales de la década de los 90´s. Entre tanto el uso de series
temporales de imágenes presenta ventajas en la detección de deslizamientos ya que permiten
identificar cambios en la respuesta espectral de la superficie que pueden asociarse (Cheng, Wei,
& Chang, 2004), sin embargo una limitante ha sido la nubosidad generalizada en ciertas épocas
del año que genera ruido en el análisis, por tanto el tratamiento de imágenes para suavizar este
factor asociado es fundamental (Deijns et al., 2020). Sin embargo, esta limitante puede reducir el
uso de estos productos en determinados periodos lluviosos del año. Entre tanto, Metternicht et
al., (2005) y Zhao & Lu, (2018), sugieren que la teledetección tendrá una frecuencia de uso en el
tiempo futuro debido a la evolución de los sensores remotos; en la actualidad se encuentran
disponibles a usuarios en general imágenes de alta resolución espacial y temporal en
plataformas de acceso libre y/o comercial.
En la actualidad, se cuenta con imágenes obtenidas de drones cuya resolución alcanza detalles
sub-métricos, las cuales son fuente de los modelos digitales del terreno (DMT) y de elevación
(DEM) de alta precisión. Es conocido que los sensores remotos capturan información del
espectro, que asociada a diferentes características geológicas, geomorfológicas, fenológicas y
agrologicas, posibilita analizar la información mediante técnicas de clasificación a través de las
cuales se pueden detectar a nivel de pixel zonas propensas a presentar este tipo de fenómenos
de movimientos en masa, por presencia y/o ausencia de diferentes coberturas (Lacroix et al.,
2018; Li et al., Ren et al., 2018).
Zhao & Lu (2018) realizó un inventario de estudios recientes en los cuales se utilizaron sensores
remotos para el estudio de fenómenos de remoción en masa, entre los cuales el más destacado
es el de Sun et al., (2017), en el cual se desarrolló un algoritmo para el reconocimiento de
deslizamiento de depósitos arcillosos de origen eólico, usando diferentes combinaciones
espectrales, texturales, morfométricos, topográficos basados en imágenes de satélite de alta
resolución y un DEM de alta precisión. Moncada, (2014) también desarrolló un algoritmo para
la detección de candidatos a remoción en masa a partir de imágenes de satélite. Estos estudios
indican que los procesos participantes en la remoción en masa pueden ser modelados
espacialmente y pueden ser codificados para generar algoritmos que cen la rutina reproducible
y aplicable a otras zonas de estudio. Respecto a los estudios de remoción en masa a partir de
sensores remotos, se aproximan de diferentes maneras, pero todos se derivan de la información
Página 13 de 56
multi-espectral (composición de bandas, índices y clasificación digital de imágenes) y de la
información textural (filtros y segmentación de imágenes). Por otra parte, Zhao & Lu (2018)
también mencionan que la tendencia actual es el análisis sinérgico de imágenes de diferentes
fuentes como lo son los SAR (Synthetic Aperture Radar), LiDAR, ópticos, fotografía aéreas y
DEMs combinados con análisis numéricos y estadísticos.
6.2.2 Estudios de Zonificación de Amenaza mediante el método heurístico
El Servicio Geológico Colombiano (SGC), ha liderado la evaluación de amenazas por
movimientos en masa a partir de estudios de zonificación a escala nacional, regional y local; en
complemento se han generado documentos técnicos metodológicos que permiten la adecuada
toma de decisiones en el Ordenamiento Territorial a nivel local. Para este estudio se tomó como
referencia algunos elementos de: Guía metodológica: para la zonificación de amenaza por movimientos
en masa. Escala 1:25000, aplicado en el uso del suelo rural (Ley 338 de 1997), como insumo a la
gestión del riesgo en los planes de ordenamiento territorial de los municipios (SGC, 2017). Entre
tanto, Chamorro et al., (2013) & Medina (2017), realizan una zonificación de amenaza por
fenómenos de movimientos en masa, involucrando el método heurístico a partir de la
evaluación multicriterio por evaluación de pares de expertos. En específico este estudio tomo
como referente en la implementación metodológica para la evaluación de insumos temáticos del
municipio, se realizó una categorización de amenaza según el componente temático a detalle
como lo desarrolló, Sarmiento, (2017) en el estudio de zonificación de amenaza para el
municipio de Villeta.
Uno de los métodos heurísticos de mayor implementación es el proceso Jerárquico de Análisis
(AHP), que es una metodología flexible que mantiene el análisis de evaluación multicriterio. En
el cual, mediante la construcción de un modelo jerárquico, permite organizar la información de
forma sintética por componente de análisis; se desarrolla en diferentes etapas, entre las cuales se
encuentran la formulación del problema de decisión, criterios de evaluación, categorización y
ponderación de estos que se agregan aditivamente para consolidar la zonificación de amenaza
(Martinez, 2007).
Página 14 de 56
6.2.3 Estudios ambientales con Desarrollo de Extensiones para software
GIS
Los Sistemas de Información Geográfica, tienen gran importancia en esta cuarta revolución de
la era digital en la cual es vital recopilar, almacenar, procesar y visualizar información
geográfica; por tanto, los GIS´s se configuran como herramienta de trabajo con información
georreferenciada a la cual se puede relacionar información alfanumérica; de tal forma que se
logre entender y gestionar adecuadamente el medio físico-natural como punto de partida en la
planificación y ordenamiento del territorio (Olaya, 2018).
Entre tanto, el desarrollo de extensiones o plugins que permitan automatizar procesos
específicos para necesidades definidas se configuran innovadores, potenciando y simplificando
el uso de la herramienta; se han documentado diferentes experiencias de las virtudes que
presenta por ejemplo los complementos en el software QGIS (Open Source), que mantiene un
rico ecosistemas de plugins, que aumentan su funcionalidad, así mismo, se ha convertido en un
proceso habitual entre programadores en lenguaje Python el desarrollo de estas extensiones que
permite condensar un gran número de funcionalidades (MappingGIS, 2019). Entre las
extensiones con relación a estudios ambientales se encuentra el Plugin para QGIS para calcular
índices espectrales de suelo (Hurtado & Aguilar, 2017), que además utiliza como insumo principal
imágenes satelitales. Por otra parte, se encuentran desarrollados Plugins para ArcGis (Esri), en
lenguaje de programación de alto nivel Python como el desarrollo de la extensión ZRH: para la
determinación de zonas relativamente homogéneas en el cálculo de unidades agrícolas familiares (Díaz &
Duque, 2018), AAPDE: Determinación de las áreas aferentes de derrame de hidrocarburos (Alba &
Restrepo, 2017), Reconocimiento de áreas potenciales en el área REAA y aplicar PSA bajo el decreto
1007 del 2018 (Mendez &Osorio, 2019), entre otros. Como puede observarse se ha popularizado
el desarrollo de estas extensiones para los GIS, garantizando la automatización de procesos a
partir de lenguajes de programación de alto nivel que se consideran más intuitivos y de fácil
entendimiento ya que son fuertemente tipados, más aplicables en el ejercicio profesional para
dar pronta solución a tiempos, disminución de error humano y mayor organización de
procesos.
Página 15 de 56
7. METODOLOGIA
7.1 Esquema metodológico
El desarrollo de la extensión de programas SIG de escritorio posibilita la automatización del
proceso, para obtener la zonificación de amenaza por movimientos en masa, de acuerdo con la
categorización propuesta por el servicio geológico colombiano (SGC, 2017) a través de la
estandarización y parametrización de un modelo fundamentado en metodología de Análisis
Multiriterio (EMC).
El desarrollo de plugmma se desarrolló en 5 fases principales dentro de las que se incluyeron una
serie de actividades orientadas a la obtención de los objetivos (Figura 1)
Figura 1. Esquema metodológico: Plugin para la zonificación de amenaza por movimientos en masa
implementando el uso de imágenes Sentinel 2, en el municipio de Chíquiza (Boyacá).
Fase I Planificación y análisis, esta fase delimitó el proyecto, estableció la infraestructura
requerida, realizó un análisis de estudios y metodologías desarrolladas previamente enfocadas
a la zonificación de amenaza por movimientos en masa, finalizando con un inventario de
insumos e información requerida para el proyecto.
Fase II Diseño, la fase de diseño consideró el análisis, diseño y modelo a emplear para
desarrollar la zonificación de amenaza por movimiento en masa, en esta misma se desarrolló
toda la evaluación multicriterio a emplear en el modelo.
Fase III Desarrollo, en esta etapa se llevó a cabo toda la fase de modelamiento y desarrollo del
producto, esta a su vez se dividió en dos actividades, una que incluyó todo el desarrollo en la
Página 16 de 56
herramienta Model Builder de ArcGis10.5 y una segunda actividad de desarrollo de la interfaz
PyQt con la cual se generó el Plugin, y finalmente la implementación del mismo.
Fase IV Implementación y soporte técnico, en esta fase se efectuaron las pruebas de
funcionamiento tanto del modelo como del plugin, en un principio con el fin de que el modelo
desarrollara los procesos para los cuales se creó, optimizando procesos y resultados.
Posteriormente sobre el plugin se desarrollaron pruebas de eficiencia en las que se aplicó una
validación de la interfaz de acuerdo a la norma ISO/IEC 25010 donde se establecen los
principales parámetros de calidad del producto software. Esta validación se desarrolló de
acuerdo con la metodología implementada por (Claros & Collazos, 2006). Como complemento
se evaluó el funcionamiento y eficiencia del producto.
Fase V Generación de productos, realizadas las validaciones y pruebas de eficiencia del
producto se produjeron las guías metodológicas de instalación, usos y manejo del Plugmma,
para que el usuario entienda el uso de Plugmma.
7.1.1 Fase I. Planificación y análisis
En esta etapa, se consideraron los recursos necesarios para viabilidad técnica del proyecto, se
tuvo en cuenta los requerimientos de máquina (hardware), el acceso a las licencias académicas
de software GIS utilizado ArcGis 10.5 (software) y los insumos libres (Imágenes satelitales)
aquellos que configuraban la información temática base del POT a escala 1:25000 según el
modelo de datos geográficos de la ANLA.
7.1.1.1 Insumos
Para la obtención de insumos libres se realizó un ejercicio previo en el cual se exploraron
diferentes alternativas, centradas en el uso servicios web para la búsqueda de información
ambiental generada por entidades oficiales, particularmente la referente a los institutos de
investigación, en este punto el limitante fue el nivel de detalle de la información que se
encuentra a escala 1: 100.000, por tanto, no se utilizó a causa de la unidad espacial de referencia
de este estudio que se encuentra a nivel municipal, es decir a escala 1:25.000, los servicios web
consultados de detallan en la Tabla 1.
Página 17 de 56
Tabla 1. Servicios web Institutos de investigación de Colombia
INSTITUCIÓN SIGLA GeoServer /ArcGis Server
Instituto de Hidrología, Meteorología y Estudios
Ambientales
IDEAM http://geoapps.ideam.gov.co:8080/geoserver/web/;js
essionid=285AB0C37CEDE64ABD64127AB6B08788
Instituto de Investigación de Recursos Biológicos
Alexander von Humboldt
IAVH http://mapas.parquesnacionales.gov.co/services/we
b/;jsessionid=2E63A3FB76EC78296E979BFBE9F21EC
7
Unidad Administrativa Especial denominada
Parques Nacionales Naturales de Colombia
UAESPNN http://geoapps.ideam.gov.co:8080/geoserver/web/;js
essionid=285AB0C37CEDE64ABD64127AB6B08788
Portal del Sistema de Información Ambiental
Territorial de la Amazonia Colombiana
SIAT-AC https://gis.siatac.co/arcgis/rest/services
Servicio Geológico Colombiano SGC http://srvags.sgc.gov.co/arcgis/rest/services
Departamento Administrativo Nacional de
Estadística
DANE http://geoportal.dane.gov.co/mparcgis/rest/services
Autoridad Nacional de Licencias Ambientales ANLA http://sigserv02.anla.gov.co:6080/arcgis/rest/services
Instituto Geográfico Agustín Codazzi IGAC http://geocarto.igac.gov.co/geoservicios/web/;jsessio
nid=2DE8BCD2FA9D89D689E176B13FDE5F1B
Fuente: Elaboración propia
La información requerida se compone básicamente de 4 componentes ambientales, entre
los cuales se encuentran geomorfológico, geológico, suelo y cobertura, que se construyeron a
partir de diferente información ambiental para generar la zonificación de susceptibilidad y
amenaza del municipio de Chíquiza Boyacá- (Figura 2).
Figura 2. Insumos principales del modelo de zonificación por fenómenos de movimientos en masa
Fuente: Elaboración propia
Página 18 de 56
o Google Earth Engine (GEE)
Google Earth Engine –GEE- funciona como una plataforma en línea (en la nube), a través de la
cual es posible la visualización y análisis de imágenes satelitales con cobertura global. Se ha
popularizado recientemente gracias a su amplia versatilidad y aplicación en estudios de
teledetección que involucran actividades de monitoreo, gestión, uso, diagnostico, entre otras.
Gorelick et al., (2017), resalta de algunas características de la plataforma:
- Procesamiento a gran escala de grandes volúmenes de información, en diferentes
lugares al mismo tiempo.
- GEE es una plataforma diseñada para el análisis de sensores remotos a escala planetaria
- Mantiene un catálogo de datos diversificado, en un gran servidos en la nube que
permite la interacción exploratoria de los datos
- Mantiene grandes rendimientos en términos de tiempo de procesamiento de
información
- Mantiene requerimientos especializados por parte de los usuarios que consumen la
información
Para la obtención de insumos imágenes Sentinel 2 para el municipio de Chíquiza (Boyacá), se
usó la máscara del límite municipal (.kml). (Figura 3).
Crear tabla fusión
Cargar mascara de limite en formato .kml
Visualizar área de estudio
Compartir y copiar enlace para agregar al código
Figura 3. Generación de tabla fusión y carga en plataforma de GEE, limite municipal de área de estudio
Fuente: Elaboración propia tomado de GEE
Página 19 de 56
o Proceso Reducción de múltiples escenas
Luego de cargar en la plataforma GEE el límite del área de estudio, se realizó la búsqueda de las
imágenes, que presentaran el menor porcentaje de nubosidad mediante el análisis con series
multitemporales realizando una Reducción o Stacking, que básicamente es un código que compila
las imágenes en la nube en un periodo de tiempo determinado por el usuario (considerando la
resolución temporal de S2 cada 6 días), para los cuales quería evaluarse el comportamiento
según una temporada de lluvia (may-abril) en contraste con periodos secos (nov-enero), el
proceso toma todas las imágenes que hay en ese periodo, extrae las nubes y completa aquellos
pixeles con una imagen que no presente nubosidad mayor al 10%; se encontró en este método
una inapropiada generalización de áreas de alta montaña que durante los periodos de lluvia
siempre se mantenían una nubosidad mayor a la establecida (Figura 4), por tanto esta técnica se
descartó para zonas de estudio ubicadas sobre los andes nororientales, aunque se reconoce su
utilidad en áreas con menos precipitación. Sin embargo, en complemento se calcularon
individualmente los índices de vegetación y suelo con operaciones entre bandas (13) de tal
forma que se pueda exportar automáticamente a través de una línea de código (anexo 1).
Reducción en lluvia (2018ll)
Reducción en verano (2019s)
Figura 4. Reducción de imágenes temporada de lluvia y seca, exclusión de nubosidad mayor de 10%
Fuente: Elaboración propia tomado de GEE
o Evaluación de escenas individuales
En este estudio se implementó la búsqueda y descarga de escenas individuales,
particularmente la escena individual T18NXM_20190203T152641 a través del explorador de
imágenes de Sentinel 2 (Figura 5) que presentó el menor porcentaje de nubosidad. La ventaja de
este tipo de proceso es que se puede hacer la consulta individual si se conoce exactamente el
Página 20 de 56
periodo en el cual la escena pudo ser capturada y/o también evaluarse cuantas y cuales escenas
se encuentran disponibles. La ventaja es que un par de líneas de código pueden extraer las
bandas de preferencia del usuario, y/o generar operaciones algebraicas entre estas para
desarrollar índices (ver anexo 2).
Explorador de imagenes Sentinel 2 –GEE-
Escenas Individuales –GEE-
Figura 5. Explorador de imagines Sentinel 2 –GEE
Fuente: Elaboración propia, adaptado de GEE
o EO BROWSER: Sentinel Hub
La plataforma EO Browser permite la descarga de banda de satélite individuales, para los
nueve satélites de operación con los que cuenta en operación; además de esto permite realizar
combinaciones de bandas online y descargar sus resultados con los layer asociados, incluyendo
datos radar. Esta descarga es interesante ya que permite descargar combinación RGB tratada, a
partir de filtros convencionales e índices descriptivos entre los cuales se encuentran NDVI,
NDWI, NDMI, SWIR, entre otros. Está disponible en tres formatos de descarga JPG, PNG (sin
georeferenciar) y TIF (georeferenciados) en resolución de 8,16 y 32 bits, en los sistemas de
coordenadas WGS84 y Mercator (EPSG 3857 y EPSG 4326). En general el visor trabaja con nueve
recursos satelitales entre insumos ópticos y radar (Sentinel 1) (Figura 6).
Satellites Sentinel
Landsat 5 ESA
Landsat 7 ESA
Landsat 8 ESA
Sentinel-1 GRD
Sentinel-2 L1C
Sentinel-2 L2A
Sentinel-3 OLCI
Envisat Meris
Landsat 8 USGS Figura 6. Satélites Sentinel para EO BROWSER: Sentinel Hub
Fuente: Elaboración propia, adaptado de EO Browser, Sentinel Hub
Página 21 de 56
Entre tanto representa grandes ventajas en lo que respecta a la generación de índices de
vegetación y suelo, a través de los cuales se busca diferenciar aquellos cambios generados a lo
largo del tiempo o en hitos específicos sobre la superficie terrestre; ya que cuenta con un
escáner multi-espectral que permite obtener información en las dos longitudes de
onda, visibles e infrarrojos, permitiendo monitorear los cambios en la tierra y en la vegetación,
así como vigilar a nivel mundial el cambio climático, con una resolución espacial de 10m
adecuada para estudios 1:25000.
Uno de los servicios más prácticos para la visualización y descarga de imágenes e índices
satelitales a partir de imágenes Sentinel 2, es la plataforma Sentinel Hub EO-Browser, por la
cual podemos escoger visualizar y descargar imágenes en 4 simples pasos. Paso 1 búsqueda en
este paso ingresamos las opciones de búsqueda como: rango de tiempo, porcentaje de
nubosidad y el tipo de imagen de interés. Seleccionado estos parámetros, damos buscar y la
plataforma te visualiza todas las opciones de imágenes disponibles que cumple con las
restricciones que se le ingreso previamente, Paso 2 escogemos y visualizamos la imagen de la
temporalidad y porcentaje de nubosidad que más se acople a nuestro estudio, Paso 3 en este
paso podemos visualizar los diferentes índices y combinación de bandas que el portal Sentinel
Hub tiene disponibles para descargar de forma gratuita. Paso 4 descarga, finalmente
seleccionamos el formato en que queremos descargar las imágenes, sistema de coordenadas,
bandas e índices. Oprimimos la opción descargar y dispondrás de una carpeta con las bandas e
índices seleccionados, para nuestro estudio (Figura 7).
Paso 1
Paso 2
Página 22 de 56
Paso 3
Figura 7. Selección y descarga de imágenes en EO Browser: Sentinel Hub
Fuente: Elaboración propia, adaptado de sentinel Hub EO Browser
7.1.2 Fase II. Diseño
En esta etapa, se diseñó la estructura y análisis de ponderaciones mediante un método
heurístico jerárquico de análisis, que consistió en una evaluación multicriterio que asignó una
ponderación a cada elemento y componente que configura de la zonificación de amenaza,
manteniendo tres categorías: Alto, Medio y Bajo como propone el Servicio Geológico
Colombiano (SGC)
Paso 4
Página 23 de 56
7.2 Evaluación Multicriterios (EMC)
La Evaluación Multicriterios (EMC), se usó para asignar pesos ponderados a las
variables de entrada en el modelo de zonificación de amenaza por movimientos en masa, que
condenso la información a nivel de pixel en tres categorías de susceptibilidad y posteriormente
amenaza (incluye detonante de precipitación). Previamente fue estrictamente necesario la
identificación de variables, determinación de criterios y rangos a partir de expertos en cada
temática (geomorfología, suelos, coberturas de la tierra, geología, principalmente), para ello se
contó con la experiencia de profesionales en geología e ingeniería forestal, además de mantener
documentación secundaria específica para el estudio de estos fenómenos de movimientos en
masa (Figura 8)
Figura 8. Esquema metodológico de Evaluación Multicriterios (EMC)
Página 24 de 56
El método de análisis jerárquico, consiste en un procedimiento de comparación por pares
de criterios que parte de una matriz cuadrada en la cual el número de filas y columnas está
definido por el número de criterios a ponderar. Se establece una matriz de comparación entre
pares de criterios, evaluando la importancia de cada uno de estos en relación uno a uno y uno a
muchos; siguiente a esto se calcula el eigenvector principal, el cual genera los pesos (W j), que
cuantifica la consistencia de los juicios de valor asignado por los expertos a cada factor (Saaty,
1980). (Tabla 2)
Tabla 2. Información general necesaria para zonificación por movimientos en masa escala 1: 25000
GENERAL
ESCALA INFORMACIÓN BÁSICA
1: 50.000
a
1: 25.000
1 2 3 4 5 6 7 8 9
X X X
MÉTODOS EXPLICITOS Combinación de mapas cualitativos
MÉTODOS IMPLICITOS Análisis geomorfológico o de mapeo directo
GRADO DE IMPORTANCIA
Imprescindible
Necesaria
Recomendable
No se requiere
Tipo de información Básica
1. Topografía
2. Geología
a. Litología
b. Litología y estructuras
c. Litología, estructuras e
hidrogeología
3. Geomorfología
a. Morfometría
b. Morfología
c. Morfodinámica
4. Agrología
5. Clima
a. Lluvia
b. Temperatura
6. Cobertura de la tierra
a. Vegetación
b. Uso de la tierra
7. Sísmicos
8. Elementos antrópicos
a. Población
b. Actividades
socieoecómicas
c. Infraestructura
9. Propiedades geomecánica
Página 25 de 56
7.2.1 Componentes ambientales del estudio
Se realizó la entrada de diferentes insumos vector y raster según corresponde a cada uno de los
componentes ambientales que configuran el análisis de ponderación, entre los cuales se
configuran cuatro principales (Geomorfología, Geología, Suelo y Cobertura); en consecución a
la metodología de procesos Jerárquicos desarrollada por Saaty (1980), se desarrollaron las
siguientes matrices, teniendo en consideración el Índice de Consistencia - IC/RI- que debe
mantenerse bajo un umbral inferior a 1, para que la matriz sea consistente y se han acertado en
los juicios de ponderación a cada factor Xij. (Tabla 3). De la misma forma mediante estos
componentes se obtuvo la ponderación de susceptibilidad en el área de estudio (Tabla 4) y
finalmente se evaluó el factor detonante de la precipitación media mensual para determinar la
zonificación por amenaza (Tabla 5).
GEOMORFOLOGIA UNIDADESGEO PENDIENTES INVENTARIO CURVATURA RUGOSIDAD PESO
UNIDADESGEO 0,08 0,13 0,25 0,15 0,17 0,15
PENDIENTES 0,46 0,06 0,50 0,46 0,50 0,40
INVENTARIO 0,31 0,31 0,08 0,31 0,25 0,25
CURVATURA 0,08 0,25 0,08 0,08 0,01 0,10
RUGOSIDAD 0,08 0,25 0,08 0,01 0,08 0,10
GEOLOGIA LINEAMIENTOS UNIDADGEOLOGIA PESO
LINEAMIENTOS 0,20 0,20 0,20
UNIDADGEOLOGIA 0,80 0,80 0,80
SUELO SAVI NDWI PESO
SAVI 0,74 0,67 0,70
NDWI 0,26 0,33 0,30
COBERTURA COBERTURA NDVI MOISTURE PESO
COBERTURA 0,20 0,05 0,05 0,10
NDVI 0,40 0,32 0,63 0,45
MOISTURE 0,40 0,63 0,32 0,45
Tabla 3. Análisis de ponderación resumido por 4 componentes ambientales principales
SUCEPTIBILIDAD GEOLOGÍA GEOMORFOLOGÍA COBERTURA SUELO PESO
GEOLOGÍA 0,11 0,07 0,14 0,08 0,10
GEOMORFOLOGÍA 0,26 0,19 0,29 0,46 0,30
COBERTURA 0,42 0,56 0,14 0,31 0,36
SUELO 0,21 0,19 0,43 0,15 0,24
Tabla 4. Ponderación general de zonificación de suceptibilidad por fenómenos movimientos en masa
Página 26 de 56
AMENAZA SUCEPTIBILIDAD PRECIPITACIÓN PESO
SUCEPTIBILIDAD 0,91 0,89 0,90
PRECIPITACIÓN 0,09 0,11 0,10
Tabla 5. Ponderación general de zonificación de amenaza por fenómenos movimientos en masa
7.2.2 Fase III. Desarrollo
En esta etapa, se desarrolló el modelo de zonificación de amenaza por fenómenos de
movimientos en masa, a través de la extensión Model Builder del software de escritorio ArcGis
10.5, en la cual se utilizaron un conjunto de herramientas de geoprocesamiento en conjunto de
las extensiones de 3D Analyst y Spatial Analyst, eso en el componente SIG. Finalmente con la
información consolidada y procesada en un modelo funcional y semi-automatizado en el
modelador de ArcGis, se desarrolló un Plugin, que automatizó procesos y maneja 3 momentos
que se componen en: carga de información, procesamiento y descarga de información
(zonificación, suceptibilidad, índices espectrales de vegetación y suelo).
7.2.2 Desarrollo del Modelo de Zonificación de Amenaza por movimientos en
masa
Teniendo claro los estudios y guías metodológicas previamente recolectadas en la información
secundaria, se observó que en ningún estudio previo se ha desarrollado un modelo que
involucrara el uso de índices espectrales e información temática en un análisis multicriterio para
desarrollar una zonificación de amenaza por movimientos en masa. Por lo cual se optó por
seguir la “guía metodológica de amenaza por movimientos en masa escala 1:25.000, (SGC, 2017)
adaptada a una evaluación multicriterio por pares de expertos propuesto por Saaty (1980).
Por tanto, se optó por crear un modelo que involucrara la cartografía base que propone el SGC,
sumando como insumo base los índices de vegetación, suelo y terreno, a partir de imágenes
satelitales Sentinel 2, para tener un soporte del estado actual de algunas variables biofísicas en
el territorio.
En la (Figura 9) Se visualiza de forma sintetizada cada una de los insumos de entrada – capas y
escenas- y procesos implementados para desarrollar el modelo.
Página 27 de 56
MODELO DE PROCESOS PARA LA ZONIFICACIÓN POR MOVIMIENTOS EN MASA
Figura 9. Modelo de procesos para la zonificación de fenómenos por movimientos en masa
Página 28 de 56
Se debe tener claro que previamente a la elaboración del modelo se deberá contar con una
información cartográfica base que puede estar en formato raster o vector, (Geología,
Geomorfología, Coberturas, DEM, y limite Municipal de Chíquiza), dicha información puede
ser descargada de forma libre a través de los diferentes geoservicios disponibles (como se observó
en el apartado anterior), esto particularmente para realizar estudios a nivel departamental o
nacional, que se encuentran a escala mayor de 1:50.000 o de forma privada en caso de que se
requiera mayor detalle, escalas mayores a 1:25.000, municipal o veredal. En el presente caso de
estudio los insumos y la información a utilizar fueron obtenidos gracias al apoyo de la empresa
PDR (Corporación planeación del desarrollo urbano) quienes aportaron la información a escala
1:25000, adicional a la información anteriormente mencionada, se debe contar con una escena
Sentinel 2 de la temporalidad que el usuario requiera desarrollar, estas imágenes se pueden
descargar de múltiples servicios web (ver numeral 7.1.1 Insumos), en donde seleccionada y
descargada la imagen satelital a emplear se deberá adicionar al modelo la banda 4d “rojo”,
banda 8 “infrarrojo cercano”, banda 11 “onda corta infrarrojo”, y banda 8ª “rojo de borde”, esto
con el fin de que el modelo cree los índices de vegetación como el NDVI (Normalized Difference
Vegetation Index), NDMI (Normalized Difference Moisture Index); e índices de suelo como SAVI
(Soil Adjusted Vegetación Index) y NDWI (Normalized Difference Wáter Index), que emplean
principalmente estas bandas para poder hacer el cálculo de estos índices.
Debido a que las imágenes satelitales se descargan por el tamaño total en que esta fue tomada,
hay que realizar un recorte de la misma ajustándola al área de estudio para esto es necesario
utilizar la capa del límite municipal de Chíquiza, teniendo estas imágenes ajustadas se procede
a hacer un cálculo algebraico entre bandas para obtener los índices de interés y su respectiva
interpretación, de la siguiente manera:
NDVI: El índice de vegetación diferencial normalizado, es el más conocido de todos, y es el más
utilizado para todo tipo de aplicaciones, la razón fundamental su sencillez de cálculo y disponer
de un rango de variación fijo (entre -1 y +1), lo que permite establecer umbrales y comparar
imágenes. Para la reclasificación de los umbrales se tomó como base los rangos que propone el
geoportal Sentinel Hub, a partir de la formula (B08 – B04) / (B08 + B04) e interpretando sus
valores de la siguiente manera:
Valores entre negativos cercanos a -1 corresponde a áreas con agua (lagos, ríos,
humedales)
Valores entre -0.1 y 0.01 corresponde generalmente a suelo desnudo.
Valores entre 0.1 y 0.4 corresponde a pastizales o arbustales.
Valores entre 0.4 y 1 corresponde a bosque.
Página 29 de 56
NDMI: El índice de humedad de diferencia normalizada, es utilizado para determinar el contenido
de agua en la vegetación, es calculado como la relación entre la diferencia y la suma de las
radiaciones refractadas entre el infrarrojo cercano y la banda corta de infrarrojo, a partir de la
formula (NIR - SWIR) / (NIR + SWIR) 0 (B08 – B11) / (B08 + B11) para Sentinel 2. e interpretando
sus valores de la siguiente manera de acuerdo su valor de pixel.
Valores negativos hasta -0.01 corresponde a vegetación con humedad baja a nula.
Valores entre -0.01 y 0.2 corresponde a vegetación con humedades media.
Valores entre 0.2 y 0.6 corresponde a vegetación con humedad alta.
SAVI: El índice de suelo ajustado, tiene en cuenta la reflectancia del suelo y permite aislar la
información que aporta la vegetación, de la que procede el suelo que está bajo ella, para lograr
separar las radiancia del suelo y la vegetación, se añadió una constante L al denominador del
NDVI, donde L puede tomar valores entre o y 1, dependiendo de la densidad de la vegetación
(valores más altos del índice, para densidades más bajas). Para mantener el mismo rango de
variación que el NDVI, el resultado debe multiplicarse por 1+L (Huete, 1998), basándose en un
modelo de transferencia radiativa, mostro que un valor de L= 0.5 permitía mejorar el ajuste, a
partir de esto por medio de la formula [(IRC – R) / (IRC + R + L)] (1 + L) 0 (B08 –B04) / (B08 + B4
+ L) (1.0 + L). E interpretando sus valores d
Valores negativos y positivos hasta 0.4 corresponde a suelos descubiertos
Valores entre 0.4 y 0.7 corresponde a suelos degradados
Valores entre 0.7 y 1.3 corresponde a suelos cubiertos o suelos poco degradados.
NDWI: El índice Diferencial de agua normalizado, se utiliza para medir la cantidad de agua o nivel
de saturación de humedad que posee el suelo, los valores que se obtienen oscilan entre -1 y 1.
Este índice se calcula a partir de la formula (NIR – SWIR) / (NIR + SWIR) 0 (B08 – B11) / (B08 +
B11), interpretando sus valores de la siguiente manera:
Valores entre -0.6 a -0.11 corresponden a suelos con saturación de humedad baja.
Valores entre -0.11 y 0.09 corresponde a suelos con saturación de humedad media
Valores mayores a 0.09 corresponde a suelos con saturación de humedad alta.
Con respecto a las capas de la geomorfología la información pertinente a las variables
cuantitativas referentes a sub-componente de morfometría fueron levantadas a partir del DEM
suministrado por la Consultora PDR que cuenta con una resolución espacial de 10.0 m, incluidas
en las variables morfométricas se calculó la rugosidad y curvatura del terreno a partir del DEM,
a continuación, se describe como se obtuvo cada una de estas variables.
(Muñoz, 2013)
Página 30 de 56
Rugosidad: La rugosidad del terreno puede ser definida de forma genérica como una
característica relacionada con la irregularidad o accidentalidad del territorio (Hobson, 1972),
para obtener la rugosidad a partir del modelo digital de elevación se basa en el análisis de las
celdas vecinas, la rugosidad define bien las formas como los límites de taludes y laderas tanto
en los valles como en las crestas. El cálculo de la rugosidad por medio del SIG se define por la
diferencia entre la media y el valor mínimo, sobre la diferencia del valor máximo y mínimo
(media/min) /(Max-min) del DEM. Interpretando su valor de la siguiente manera:
Valores cercanos a 0 entre 0.05 y 0.4 corresponde a ligeramente rugosa.
Valores entre 0.4 y 0.5 corresponde a moderadamente rugosa
Valores entre 0.5 y 0.9 corresponde a rugosidad alta.
Curvatura: La curvatura es el cálculo de la pendiente de la pendiente (segunda derivada de la
superficie), es decir determina si una superficie es convexa o cóncava, las partes convexas de la
superficie como canales, se hallan más resguardadas y aceptan el drenaje proveniente de otras
áreas. La curvatura al igual que la rugosidad se obtiene por medio del DEM por medio de la
herramienta curvature dentro del spatial analyst/Surface analysis. Interpretando sus resultados de
acuerdo a los parámetros que nos sugiere la herramienta ArcGis de la siguiente manera:
Valores negativos corresponde a superficies cóncavas.
Valores cercanos a 0 corresponde a superficies cóncavas-plana.
Valores positivos corresponde a superficies convexas.
Obtenidos los índices de terreno, suelo y cobertura, se categorizan estos índices de acuerdo a la
susceptibilidad que presentan para generar movimientos en masa de acuerdo a un análisis
multicriterio realizado por profesionales expertos en cada una de las temáticas a tener en cuenta
dentro del modelo. (ver Anexo 4).
Con la susceptibilidad calculada en cada una de las variables empleadas para el modelo en un
rango que varía de 1 a 3 en el que 1 corresponde a susceptibilidad baja, 2 como susceptibilidad
media y 3 como susceptibilidad alta a presentar movimientos en masa, se realiza una sumatoria
de raster en el que básicamente se juntan todas las variables en cuatro componentes principales.
Geología que emplea (unidades geológicas, y lineamientos); Geomorfología que emplea (unidades
geomorfológicas, morfometria, pendiente, rugosidad, curvatura, y morfodinámica “inventario
de puntos de movimiento e masa”); Suelos que emplea (índice SAVI, NDWI); Coberturas que
emplea (cobertura tierra, NDVI y NDMI). Con lo cual con el análisis multicriterio realizado
previamente identificamos las zonas susceptibles a presentar movimientos en masa. Teniendo la
susceptibilidad empleamos un factor detonante como lo es la Precipitación para generar la
amenaza, categorizándola de acuerdo a lo propuesto por el servicio geológico colombiano como
Página 31 de 56
amenaza alta, amenaza media y amenaza baja, de acuerdo a la sumatoria de pesos realizada en
el SIG.
7.3 Desarrollo del Plugin (Plugmma)
El desarrollo de la extensión en ArcGis 10.5 integra los objetos que interactúan en un
flujo de entreda, procesamiento de diferentes operaciones y salida de productos. Es un proceso
metodológico relativamente complejo, ya que involucra el suministro información en diferentes
formatos (.shp, .Tiff), por tanto la programación es un poco más extensa. Entre tanto, se trabajó
con metodología XP, que representa ventajas comparativas con otras, ya que es ágil y flexible,
con alta capacidad de reacción ante los cambios de requerimientos generados por necesidades
que surjan en el desarrollo de la herramienta (Figura 10).
El desarrollo se realizó durante los últimos cuatro meses, en el cual se tuvo previsto el mayor
aprovechamiento de la extensión generando en adición diferentes subproductos intermedios
que complementaran y soportaran de mejor forma el análisis de zonificación en el momento de
la toma de decisión en lo que respecta a la gestión del riesgo del municipio.
Figura 10 Esquema metodológico de desarrollo Plugmma
Como se representa en la Figura 10, el desarrollo de Plugmma consto de 6 fases básicas. La
primera fase consistió en realizar el modelo de amenaza por movimiento en masa, en la
herramienta model builder de ArcGis, el cual se explicó en la etapa de desarrollo del modelo.
El segundo paso para el desarrollo de Plugmma es seleccionar la librería que se iba integrar con
ArcMap, para esto se realizó en 2 librerías principalmente Tkinter y PyQt, con estas librerías se
pueden desarrollar interfaces gráficas para Python, en la (Tabla 6) se describe algunas
características de estas.
Página 32 de 56
Tabla 6 Características de librerías para desarrollo de interfases
Librería Versión
python
Tipo de
Sistema
Versión
librería
Tipo de
licencia
Instalación IDE
Tkinter 2.7 32 bits 8.5 GPL NO Visual Python
PyQT 2.7 32 bits 4.11.4 GPL Necesaria QtDesigner
La librería Tkinter se instala por defecto con Python, en esta se realizaron las primeras pruebas
de visualización de la interfaz el resultado previo fue el siguiente (Figura 11) :
Figura 11. Diseño interfaz por medio de librería Tkinter
El problema con esta interfaz es que, al momento de ejecutarlo con el ArcMap, este no visualiza
la ventana emergente en el procesamiento y generalmente se deja de funcionar, razón por la
cual se supuso que esta librería no podría ser la indicada, ya que no presentaba una manera
estable de poder ejecutarse, por otra parte, no se sabía cómo se comportaría está dentro de un
Add-In.
Página 33 de 56
En consecuencia a lo anteriormente expuesto se decidió utilizar la librería PyQt, la cual se
necesita descargar e instalar para poder utilizarla, una de las principales cosas que se evidencio
desde un principio fue que PyQt fue mucho más estable que Tkinter adicionalmente el diseño
de interfaces graficas por esta librería es mucho más potente e intuitiva, una de las mayores
ventajas es que podemos ir observando cómo está quedando nuestra interfaz, (Figura 12). El
inconveniente que se tiene con esta librería es que tiene un archivo nativo de extensión .ui el
cual al momento de abrirlo este se encuentra en formato .xml, pero la conversión a lenguaje
Python, es fácil y rápida de realizar.
Figura 12 Diseño de interfaz por medio de librería Qt Designer.
El tercer paso consistió en codificar e integrar el modelo realizado en la herramienta model-
Builder con la interfaz gráfica diseñada en QtPy en lenguaje Python, para finalmente integrarlo
en un Add-In o complemento que básicamente es creado por ESRI para crear botones, menús,
toolbar, y otros complementos que al momento de instalar se agregan como nuevas
funcionalidades, para este caso se creó un botón el cual iba a llamar el código de la interfaz que
se había creado. Como resultado se obtiene una carpeta con donde se encuentran los archivos
que se crean al integrar la interfaz con el complemento Add-In siendo el archivo Soliflux, el que
se copia en la carpeta de archivos de arcGis 10.5, esto para que al momento de abrir arcMap
aparezca el botón del nuevo complemento instalado ver (Figura 13):
Página 34 de 56
Figura 13. Botón de extensión Plugmma en ArcMap 10.5
Por último, se ejecutaron las fases de pruebas, validación y entregas de productos, con lo que se
evaluó el funcionamiento y eficiencia del producto a través de pruebas piloto, las cuales
permitieron corroborar y validar la eficiencia de plugmma respecto a resultados elaborados de
manera manual con una metodología tradicional.
Página 35 de 56
8. RESULTADOS
8.1 Resultados y análisis
A continuación, se especificarán los resultados obtenidos a partir de la información
procesada en el Plugin desarrollado para la zonificación de amenaza por fenómenos de
movimientos en masa; entre los resultados más destacados se representan los valores y
distribución de índices de vegetación y suelo calculados en el área de estudio, validación de los
resultados obtenido en contraste en los propuestos para en Plan de Ordenamiento Territorial,
8.1.1 Información generada a partir de Plugmma
Plugmma genera diferentes productos a partir de diferentes insumos, a partir de los insumos de
escenas (raster), se generan cuatro índices espectrales que reflejan adecuadamente las
coberturas de vegetación (NDVI, NDMI), suelo (SAVI, NDWI) y características del terreno
(rugosidad, curvatura), estos productos pueden visualizarse y exportarse luego de terminar
todo el proceso. De igual forma en un estado de procesamiento más avanzado del modelo se
generan los cuatro diferentes componentes biofísicos (geomorfología, geología suelo y cobertura)
condensados y clasificados en grados de amenaza de bajo, medio y alto, a partir de las cuales se
procesa la zonificación de suceptibilidad y en adición con detonantes como la precipitación se
procesa la zonificación de amenaza (Figura 14). Es importante resaltar que a partir de la
extensión se obtiene un producto de amplio uso en estudios ambientales, que consiste en la
clasificación de pendientes, se deja en un apartado independiente ya que este esta
estandarizado aplicando la clasificación propuesta por el Servicio Geológico Colombiano (SGC,
2017) ver Anexo 5
Página 36 de 56
Página 37 de 56
Figura 14. Productos cartográficos generados por Plugmma.
Página 38 de 56
8.1.2 Validación de la zonificación de amenaza en Plugin vs POT
Cuando se produce una nueva cartografía es necesario realizar una validación temática que
básicamente consiste en calcular el grado de ajuste del producto que se elaboró respecto a la
realidad o a un producto de referencia, para esto se debe contar principalmente con la
cartografía generada en nuestro caso por plugmma y con información de cartográfica de
referencia, que para este caso se obtuvo de la cartografía temática de amenaza por movimientos
en masa generada para el POT del municipio de Chíquiza 2019. Para generar nuestra
verificación se elaboró una matriz de confusión para emplear posteriormente el índice Kappa, el
cual consiste en medir el grado de acuerdo entre dos mediciones.
Como primera medida realizamos una combinación de raster en el SIG ArcGis 10.5, el cual nos
relaciona la cartografía generada por plugmma con la cartografía generada por el POT de
Chiquiza, esta combinación nos genera una tabla de atributos donde, relaciona la categoría de
amenaza de ambos raster.
Posteriormente generamos una matriz de confusión donde podemos relacionar el número de
puntos evaluados en la matriz, número de aciertos y desaciertos y el porcentaje de errores
marginales en cada una de las categorías relacionadas, ver (Tabla 7).
Etiquetas de
fila Alta Media Baja
Total
general
Exactitud
productor
error
omisión
marginales
%
Alta 242672 355556 66017 664245 0.36534 0.63466 0.55334
Media 54018 220669 107986 382673 0.57665 0.42335 0.31878
Baja 18982 86489 48046 153517 0.31297 0.68703 0.12788
Total general 315672 662714 222049 1200435
Exactitud
productor 0.76875
0.3329
8
0.2163
8
Error omisión 0.23125
0.6670
2
0.7836
2
Marginales % 0.26296
0.5520
6
0.1849
7 Tabla 7. Matriz de confusión
A partir de la matriz de confusión generamos el índice Kappa de acuerdo a la fórmula:
K = Po - Pc
1 - Pc
Dónde:
K= Índice Kappa
P0 = es la confiabilidad global
Pc = es la confiabilidad resultante al azar
Página 39 de 56
RESULTADOS INDICE KAPPA
Número de acuerdos 511387
Número de desacuerdos 689048
P0 0.42600141
Pc 0.1747
Kappa 0.30449704 Tabla 8. Resultados índice Kappa
Como resultado nos arroja un índice Kappa de 0.30 lo cual nos indica un grado de acuerdo
discreto, es decir podríamos decir que los resultados obtenidos por plugmma son
moderadamente cercanos a los resultados obtenidos por un método manual implementado en
el POT.
Análisis
En la Figura 15. Se observa el cambio que presentaron los diferentes productos de salida de
zonificación de amenaza por fenómenos de remoción en masa en el municipio de Chíquiza. Así
en primer lugar, la comparación entre el resultado de zonificación del Model Builder de ArcGis
10.5 con Plugmma fue Buena con una concordancia del 72%, esto porque se realizó pixel a pixel,
por tanto, fue más riguroso en el análisis, además de presentar variación de uno y otro en el
componente geológico (5% de variación) a pesar de mantener los mismos insumos y sentencia
de código al programarlo en Python. De la misma forma, se compararon los resultados
obtenidos de Plugmma y el POT de Chíquiza, para los cuales se presentó una Débil
concordancia del 30%, ya que los insumos de entrada para la zonificación de cada uno, fueron
diferentes, particularmente, en el POT de Chiquizá el insumo principal fue el de pendientes, así
que prácticamente se configura de esa forma; mientras que en el modelo utilizado para plugmma
se utilizaron más variables biofísicas en aras de ajustar y mejorar la zonificación.
Es importante resaltar, la importancia que representan los índices de vegetación y suelo, en la
zonificación ya que generan un aporte del 90% al componente de cobertura y del 100% al
componente de suelo. Son de gran importancia, además de representarse dinámicos según la
imagen de insumo. Estas se trabajaron a una resolución espacial de 10 m, para efectos prácticos
se realizó un remuestreo de las bandas 8A y 11 de las escenas Sentinel 2 que están a 20m.
A través de los índices, se realizó una diferenciación biofísica más aproximada del terreno, en el
cual se presentaron para los índices como NDMI valores altos de humedad de vegetación - 0.2 a
0.6- en lugares que presentaban clasificación de bosque y precipitación media. De la misma
forma para las áreas con mayores coberturas de vegetación de porte denso y alto (bosque) se
representaron los mayores valores en el NDVI -0.8-, entre tanto, los suelos que mantenían una
superficie descubierta para SAVI fueron bajos -0.4- y finalmente NDWI presento valores altos
de humedad en el suelo - 0.09 a 0.6- para zonas que mantuvieron cobertura vegetal (ver Anexo
5).
Página 40 de 56
Figura 15. Mapa de zonificación de amenaza generado por Plugmma y POT.
Model builder Plugmma POT Chíquiza
Kappa:
0,72
(Sustancial
Kappa:
0,30
(Discreto)
Página 41 de 56
De los resultados obtenidos en base a una metodología automatizada con una metodología
manual, encontramos varios factores a favor, por ejemplo el tiempo de procesamiento de
plugmma con respecto a métodos manuales es más competitivo, puesto que al ser una
herramienta automatizada con parámetros y categorizaciones de susceptibilidad y amenaza
definidas, basta solo suministrarle la información necesaria para que en cuestión de pocos
minutos (3-4 minutos) se pueda disponer de varios insumos que pueden ser utilizados tanto en
el componente de gestión de riesgo como en cualquier otro estudio que involucre las variables
que plugmma puede suministrar. Esto conlleva a que recursos económicos, tiempo y personal
empleado en un proceso manual disminuya en un proceso automatizado.
Sin embargo, plugmma presenta algunos limitantes y es que por el diseño del modelo que se
elaboró, solo cuenta con la cartografía base del municipio de Chíquiza, por lo que este
complemento solo funcionaria para dicho municipio, sin embargo, esto puede modificarse si se
estandariza la información de entrada de insumos, como geología, geomorfología y coberturas.
De esta manera seria posible utilizar este complemento para generar zonificación por
movimiento en masa en cualquier municipio de Colombia.
De los resultados obtenidos podemos determinar por medio de las características de cada
insumo suministrado en el modelo, como estos aportan para determinar la categoría de
amenaza para movimientos en masa. Ver Tabla 9
Categoría Área (Km2) Descripción
Alta
29.02
Laderas de pendientes abruptas a extremadamente abrupta, con
relieve relativo muy alto, donde afloran rocas sedimentarias de baja
competitividad, índices de humedad altos y suelos moderadamente a
altamente degradados, donde la precipitación mensual es mayor a 60
mm.
Media
67.13
Rocas sedimentarias presentan competencia moderada, con áreas de
densidad de lineamientos y drenaje moderado, con pendientes
inclinadas a moderadamente abruptas, índices de humedad
intermedios y suelos moderadamente degradados donde la densidad
de cobertura vegetal es moderada, y precipitaciones entre 40 y 60 mm.
Baja
23.76
Relieve relativo suave, que presenta terrenos donde no existen
mayores riesgos de generación de fenómenos de remoción en masa.
Pendiente planas a suavemente inclinadas, sin influencia de
lineamientos o fallas densidad de drenaje baja, índices de cobertura
vegetal alta, índice de precipitaciones bajas menor a 20 mm
Total general 119.92
Tabla 9 Descripción zonificación amenaza Chíquiza.
Página 42 de 56
Como puede observarse en el apartado anterior, la categoría que más predomina en el
municipio de Chíquiza, es la de amenaza media con 67,1 Km2, que representa el 55.7% del área
de estudio, la sigue amenaza alta con 29.02 Km2, que corresponde al 26% del área de estudio,
con menor presencia en el área se tiene la amenaza baja con 23.76 Km2, que corresponden al
18%. Estos resultados son consistentes con el relieve y características intrínsecas del terreno,
puesto que en la mayor parte del municipio se localiza en laderas de pendientes inclinadas a
abruptas con densidad de cobertura vegetal moderada a baja e índices de humedad medios, lo
que hace que esta zona sea propensa a generar fenómenos por movimientos en masa.
8.2 Evaluación de la extensión Plugmma
Funcionamiento de Plugmma
El funcionamiento de Plugmma, consiste inicialmente en adicionar el complemento en la
interfaz de ArcMap –Click derecho, Plugmma-, allí se visualiza el icono que abre la interfaz gráfica
de la extensión, descrita a través de doce cuadros para la navegación basada en texto (Qt) y un
cuadro desplegable (ComboBox), donde se insertan los parámetros de entrada definidos. A su
vez, siete botones cumplen la función de inserción de capas geográficas vectoriales (Limite
municipal, geología, geomorfología, precipitación, cobertura -polígono-, inventario de
movimientos en masa –punto- y lineamientos -polylinea) y cinco botones cumplen la función de
inserción de escenas raster (DEM 10m, Bandas de escenas Sentinel 2: B4, B8, B8a y B11) y un
botón que permite ubicar la carpeta de trabajo donde se guardaran los productos. Se tiene
también tres cuadros de operación que involucran Ayuda, Procesamiento y Limpieza de la
información de los botones, toda la información se almacena en una extensión .gdb (Soilflux.gdb)
que mantiene un total de 58 archivos en el proceso total de zonificación; pero se visualiza de
inmediato los productos principales de salida 10 (Amenaza, suceptibilidad, Índices- NDVI, NDWI,
NDMI y SAVI-, componentes principales biofísicos – Geomorfologia, Geología, Suelo, Cobertura -),
todos reclasificados y con el layer según su categoría y clasificación.
Una vez cargada toda la información en ArcMap 10.5 y señaladas las consultas en los
campos correspondientes de la interfaz y dada la instrucción de ejecutar “Realizar cálculos”, el
software inicia el proceso de zonificación. Es de importancia tener en cuenta, que Plugmma se
ejecutará hasta que el usuario ingrese la totalidad de información vector y raster, como las
consultas requeridas (Figura 16). La finalización de la ejecución del proceso, es notificada al
usuario a través de un cuadro que imprime un mensaje informativo señalando la terminación
del mismo. El proceso tiene una duración de 3 minutos.
Página 43 de 56
Figura 16. Carga de información de entrada y visualización de Plugmma
Figura 17. Lista despegable para completar información de entrada en Plugmma
Figura 18. Ruta de almacenamiento de soilflux.gdb - información procesada- Plugmma
Página 44 de 56
Evaluación de usabilidad de Plugmma
La evaluación de usabilidad, del producto, es un estándar de calidad que se realizó tomando
como referencia la norma ISO 25010, en la cual se detallan los principales parámetros de calidad
de un producto software. La usabilidad, está definida como: “La capacidad del software para ser
entendido, aprendido, usado y llamativo hacia el usuario, en condiciones de requerimientos específicos”.
Para la evaluación de la usabilidad se aplicó la metodología implementada por (Claros &
Collazos, 2006), en la que se seleccionaron cinco criterios de evaluación ( Tabla 10), en los cuales
se clasifican según corresponda a las métricas y caracterización del atributo.
Tabla 10. Metodología de evaluación Usabilidad Plugmma
CRITERIOS MÉTRICAS ATRIBUTOS
APRENDIZAJE Facilidad de
aprendizaje
Tiempo de procesamiento para
completar tarea
Lenguaje común
Compresibilidad Tiempo de entrenamiento
Fácil reconocimiento
Recordación Mecanismos sistematicos para
desarrollar una función
SATISFACCIÓN Atracción Satifacción del ususario con la
interacción
Satifacción del ususario con el resultado
CONTENIDO Comunicación Diseño de interfaz
Accesibilidad Compatibilidad con difrentes servicios
Velocidad y medios Tiempo de respuesta de los servicios
EFICIENCIA Desempeño humano Comandos involucrados en ejecutar una
función
Tiempo acumulado de errores
Frecuencia de uso de ayuda
EFICACIA Recuperación,
diagnóstico errores
Mensajes de error
La metodología para el Plugin, propone una ponderación según el valor de importancia de cada atributo (
Tabla 11), y luego realiza una ponderación del valor de importancia de los atributos, a partir de
esto se determina una calificación por atributo (0 a 5), para realizar finalmente la sumatoria del
valor de la calificación general de la usabilidad del Plugin (Tabla 12).
Página 45 de 56
Tabla 11. Valor de Importancia según atributo de Usabilidad
NIVEL DE
IMPORTANCIA
PESO
OBLIGATORIO 5
DESEABLE EN ALTO
GRADO
4
DESEABLE 3
IRRELEVANTE 1
Tabla 12. Calificación General según atributo de usabilidad
CALIFICACIÓN GENERAL
EXCELENTE 5 90-100
BUENO 3 80-90
REGULAR 2 60-80
MALO 0 <60
Finalmente se presentan los resultados de la evaluación de usabilidad con la metodología
expuesta (Tabla 13)
Tabla 13. Evaluación usabilidad de extensión Plugmma
CRITERIOS MÉTRICAS VALOR DE
IMPORTANCIA
PONDERACIÓN ATRIBUTOS
Aprendizaje Facilidad de
aprendizaje
7 3 Tiempo de procesamiento para
completar tarea
10 5 Lenguaje común
Compresibilidad 10 5 Tiempo de entrenamiento
10 5 Facil reconocimiento
Recordación 7 3 Mecanismos sistemáticos para
desarrollar una función
Satisfacción Atracción 10 5 Satisfacción del usuario con la
interacción
10 5 Satisfacción del usuario con el
resultado
Contenido Comunicación 7 5 Diseño de interfaz
Accesibilidad 5 3 Compatibilidad con diferentes
servicios
Velocidad y medios 7 3 Tiempo de respuesta de los
servicios
Eficiencia Desempeño humano 5 4 Comandos involucrados en
ejecutar una función
7 3 Tiempo acumulado de errores
5 3 Frecuencia de uso de ayuda
Eficacia Recuperación,
diagnostico errores
10 2 Mensajes de error
Total
Página 46 de 56
La calificación obtenida para la extensión tiene un valor de ciento veinte unidades sobre ciento
cincuenta; para lo cual, según la metodología aplicada nos valida que la usabilidad de la
extensión Plugmma representa el 80% de cumplimiento de requerimiento para desarrollo de
productos software según la norma ISO 25010, por tanto, tiene calificación de Buena. Los
principales aspectos a mejorar son: Tiempo usado para terminar una tarea, compatibilidad con
diferentes servicios, tiempo de respuesta y tiempo gastado en errores. En términos generales, la
usabilidad de Plugmma presentó buenos resultados, aunque se deben mejorar aspectos de
diseño, se destaca que es sencilla, entendible para los usuarios y con una facilidad de
aprendizaje buena, adicionalmente cumple con el objetivo principal de generar la Zonificación
de Amenaza por fenómenos de movimientos en masa para el municipio de Chíquiza (Boyacá. Y
otros índices de vegetación, suelo y terreno que se pueden implementar con diferentes fines en
estudios ambientales.
Página 47 de 56
9. CONCLUSIONES
El desarrollo de extensiones como Plugmma facilitan la automatización y optimización
de procesos, que generalmente involucran esfuerzos mayores en tiempo de
procesamiento, personal especializado y mayor probabilidad de error en procesos
reiterativos de ejecución, en diferentes modelos de trabajo. Específicamente esta
extensión, automatiza el proceso de zonificación del área de Chíquiza (Boyacá) según la
categoría de amenaza por fenómenos de movimientos en masa.
Extensiones como Plugmma, son concebidas con alcance a escala local, para municipios
pequeños –Chíquiza de categoría 6- en los cuales , estudios en materia de gestión del
riesgo involucran una serie de esfuerzos en tiempo y dinero mayores, en caso aplicarse
la metodologías poco laxas como la propuesta por el Servicio Geológico
Colombiano (SGC, 2017) que involucra insumos de entrada que requieren de alta
especialización mediante una verificación de trabajo en campo; en comparación de optar
por este tipo de propuestas complementarias automatizadas en las cuales se trabaja a
partir de información disponible y libre elaborada por diferentes entidades oficiales
nacionales, que genera resultados consistentes y actualizados a escala 1:25000.
La implementación de imágenes satelitales – Sentinel 2-, las cuales son productos de
amplio uso, acceso libre, información de captura actualizada, entre otras ventajas;
representan un aporte en el desarrollo de Plugmma que involucra estos insumos de alta
resolución temporal –seis días- para generar productos de procesamiento entre bandas
espectrales, específicamente, índices de vegetación (NDVI, NDMI) y suelo (SAVI,
NDWI), los cuales aportan mayor información al análisis del componente biofísico en el
área de estudio.
El diseño de la interface permite a cualquier tipo de usuario acceder a la herramienta de
manera muy fácil, hacer uso de ella y obtener resultados de buena calidad en corto
tiempo. La herramienta fue diseñada de tal manera, que fuese intuitiva en su uso, por lo
cual se espera que sea una herramienta usada para múltiples estudios y que en un
futuro permita la articulación de todo tipo de índices espectrales al igual que el ingreso
de cualquier tipo de imagen satelital como insumo
Página 48 de 56
10. RECOMENDACIONES
Es necesaria la evaluación de una serie temporal de escenas que incluyan los valores máximos y
mínimos, que pueden presentarse en un gradiente climático a partir de épocas de alta y baja
ocurrencia de lluvias. Lo anterior, es de gran importancia, ya que Chíquiza por encontrarse en
la cordillera oriental, en el Santuario de Fauna y Flora San Pedro de Iguaque a más 2600 msnm,
mantiene la mayor parte del año cubierta de nubes, en porcentajes mayores a 70%. En este
sentido, los valores de reflectancia pueden presentar drásticas variaciones entre una época u
otra, que a su vez influye en el valor de clasificación asignado al índice espectral de estudio; por
tanto, es necesario estandarizar los limites superior e inferior en los que fluyen estos valores,
para asignar rangos de clasificación que tengan en cuenta las posibles variaciones en el área de
estudio.
En futuros estudios, sería de gran utilidad diversificar estos desarrollos –Plugins- con
información obtenida a partir de diferentes satélites. Sentinel 1, que representas ciertas ventajas
a través del uso de imágenes Radar con estudios más detallados de la superficie terrestre, con
baja interferencia de nubes o vegetación densa (aunque cuanta con distorsiones geométricas), de
igual forma, Landsat 8 permite estudios con información multitemporal desde 1972, para escalas
de trabajo a nivel regional.
Con el fin de que sea un modelo replicable en cualquier zona del país, se recomienda
estandarizar la información cartográfica que utiliza Plugmma como insumos de entrada,
(Geología, Geomorfología, coberturas y precipitaciones), en busca de que sea una herramienta
útil, en cualquier estudio que involucre la zonificación de amenaza por movimientos en masa.
Página 49 de 56
11. BIBLIOGRAFIA
Alba, K., & Restrepo, S. (2017). AAPDE: Determinación de las áreas aferentes de derrame de
hidrocarburos .
Chamorro, N., Betancur, Y., & Salazar, J. (2013). SIG para determinar la suceptibilidad a movimientos
en masa en la cuenca del rio Campoalegre.
Cheng, K., Wei, C., & Chang, S. (2004). Locating landslides using multi-temporal satellite
images. Advances in Space Research, 33(3), 296–301. https://doi.org/10.1016/S0273-
1177(03)00471-X
Claros, I., & Collazos, C. (2006). Propuesta Metodológica para la Evaluación de la Usabilidad en Sitios
Web: Experiencia Colombiana.
Deijns, A., Bevington, A., van Zadelhoff, F., de Jong, S., Geertsema, M., & McDougall, S. (2020).
Semi-automated detection of landslide timing using harmonic modelling of satellite
imagery, Buckinghorse River, Canada. International Journal of Applied Earth Observation and
Geoinformation, 84, 101943. https://doi.org/10.1016/j.jag.2019.101943
Díaz, A., & Duque, A. (2018). ZRH: Plugin de ArcGis para la determinación de zonas relativamente
homogéneasen el cálculo de unidades agrícolas familiares.
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google
Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of
Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031
Hobson, R. (1972). Surface Roughness in Topography: A Quantitative Approach. In Spatial
Analysis in Geomorphology (pp. 221–245). London, UK.: Methuen & Co.
Hurtado, J., & Aguilar, J. (2017). SOIL PLUGIN-Plugin para QGIS para calcular índices espectrales.
ISO. (2019). ISO 25010. Retrieved October 28, 2019, from
https://iso25000.com/index.php/normas-iso-25000/iso-25010
Lacroix, P., Bièvre, G., Pathier, E., Kniess, U., & Jongmans, D. (2018). Use of Sentinel-2 images
for the detection of precursory motions before landslide failures. Remote Sensing of
Environment, 215, 507–516. https://doi.org/10.1016/j.rse.2018.03.042
Ley N° 1523. (2012). Ley 1523 de 2012. Retrieved October 28, 2019, from
https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=47141
Li, R., Kan, S., Zhu, M., Chen, J., Ai, X., Chen, Z., … Ai, Y. (2018). Effect of different vegetation
restoration types on fundamental parameters, structural characteristics and the soil quality
index of artificial soil. Soil and Tillage Research, 184, 11–23.
https://doi.org/10.1016/j.still.2018.06.010
Página 50 de 56
MappingGIS. (2019). Creación de plugins con QGIS de forma minimalista - MappingGIS.
Retrieved October 28, 2019, from https://mappinggis.com/2019/10/creacion-de-plugins-con-
qgis-de-forma-minimalista/
Martinez, E. (2007). Aplicación del proceso jerárquico de análisis en la selección de la
localización de una PYME. Anuario Juridico y Económico Escurialense, XL, 523–542.
Medina, Y. (2017). Zonificación de suceptibilidad a deslizamientos de tierra en la cuenca del río Patía-
Departamento del Cauca.
Mendez, E., & Osorio, P. (2019). Plugin en ArcGis para el Reconocimiento de áreas potenciales en el
área REAA y aplicar PSA bajo el decreto 1007 del 2018.
Metternicht, G., Hurni, L., & Gogu, R. (2005). Remote sensing of landslides: An analysis of the
potential contribution to geo-spatial systems for hazard assessment in mountainous
environments. Remote Sensing of Environment, 98(2–3), 284–303.
https://doi.org/10.1016/j.rse.2005.08.004
Moncada, A. (2014). Detección de movimientos en masa a escala regional empleando imágenes del
sensor MODIS.
Muñoz, P. (2013). Apuntes de Teledetección: Índices de vegetación. Retrieved October 22, 2019,
from
https://www.researchgate.net/publication/327558326_Apuntes_de_Teledeteccion_Indices_
de_vegetacion
NGRD. (2015). Plan Nacional de Gestión del Riesgo de Desastres.
Olaya, V. (2018). Introducción. Qué es un SIG? Retrieved from https://volaya.github.io/libro-
sig/chapters/Introduccion_fundamentos.html
Ren, H., Zhou, G., & Zhang, F. (2018). Using negative soil adjustment factor in soil-adjusted
vegetation index (SAVI) for aboveground living biomass estimation in arid grasslands.
Remote Sensing of Environment, 209, 439–445. https://doi.org/10.1016/j.rse.2018.02.068
Saaty, T. (1980). The Analytic Hierarchy Process. McGrawHill.
Sarmiento, P. (2017). Desarrollo y análisis de zonificación de amenaza por fenómenos de remoción en
masa: Uso y evaluación del método heurístico del proceso de análisis jerárquico y comparación de
criterios adecuados.
SGC. (2017). GUÍA METODOLÓGICA: para la zonificación de amenaza por movimientos en masa.
Escala 1:25000. Retrieved from www.imprenta.gov.co
Sun, W., Tian, Y., Mu, X., Zhai, J., Gao, P., & Zhao, G. (2017). Loess landslide inventory map
based on GF-1 satellite imagery. Remote Sensing, 9(4). https://doi.org/10.3390/rs9040314
Zhao, C., & Lu, Z. (2018, February 1). Remote sensing of landslides-A review. Remote Sensing,
10(2). https://doi.org/10.3390/rs10020279
Página 51 de 56
12. ANEXOS Anexo 1. Código de compilación por Reducción de imágenes, para cálculo de índices de vegetación y suelo
Página 52 de 56
Página 53 de 56
Página 54 de 56
Anexo 2. A. Código de explorador de escenas Sentinel 2
Anexo 3. B. Código de descarga de escenas individuales
Página 55 de 56
Anexo 4. Ponderaciones detalladas de componentes ambientales
GEOMORFOLOGIA Unidadesgeo Pendientes Inventario Curvatura Rugosidad Peso
unidadesgeo 0,08 0,13 0,25 0,15 0,17 0,15
pendientes 0,46 0,06 0,50 0,46 0,50 0,40
inventario 0,31 0,31 0,08 0,31 0,25 0,25
Curvatura 0,08 0,25 0,08 0,08 0,01 0,10
Rugosidad 0,08 0,25 0,08 0,01 0,08 0,10
GEOLOGIA Lineamientos Geologia Peso
Lineamientos 0,20 0,20 0,20
Geologia 0,80 0,80 0,80
SUELO SAVI NDWI Peso
SAVI 0,74 0,67 0,70
NDWI 0,26 0,33 0,30
Página 56 de 56
COBERTURA Cobertura NDVI Moisture Peso
Cobertura 0,20 0,05 0,05 0,10
NDVI 0,40 0,32 0,63 0,45
Moisture 0,40 0,63 0,32 0,45
SUCEPTIBILIDAD Geología Geomorfología Cobertura Suelo Peso
Geología 0,11 0,07 0,14 0,08 0,10
Geomorfología 0,26 0,19 0,29 0,46 0,30
Cobertura 0,42 0,56 0,14 0,31 0,36
Suelo 0,21 0,19 0,43 0,15 0,24
Lamba max 6,648943941
n 4
IC 0,882981314
RI 0,9
IC/RI 0,981090349
AMENAZA Suceptibilidad Precipitación Peso
Suceptibilidad 0,91 0,89 0,90
Precipitación 0,09 0,11 0,10
Anexo 5. Clasificación de índices de vegetación y suelo, terreno.
Índice Categoría
Amenaza
Valor
NDMI 1 -0.01
2 0.2
3 0.6
NDWI 1 -0.11
2 0.09
3 0.6
SAVI 1 0,4
2 0,7
3 1,3
NDVI 1 0,2
2 0,52
3 1
Recommended