proyecto fin de grado ingeniería civil - servidor de la...

Equation Chapter 1 Section 1

Proyecto Fin de Grado

Ingeniería Civil

Estudio espacio-temporal del uso de la Red de

Posicionamiento de Andalucía

Autora: Laura Ponce Barroso

Tutora: Cristina Torrecillas Lozano

Departamento de Ingeniería Gráfica

Escuela Técnica Superior de Ingeniería

Universidad de Sevilla

Sevilla, 2016

iii

Proyecto Fin de Grado

Ingeniería Civil

Estudio espacio-temporal del uso de la Red de

Posicionamiento de Andalucía

Autora:

Laura Ponce Barroso

Tutora:

Cristina Torrecillas Lozano

Contratada Doctora

Departamento de Ingeniería Gráfica

Escuela Técnica Superior de Ingeniería

Universidad de Sevilla

Sevilla, 2016

v

Proyecto Fin de Grado: Estudio espacio-temporal del uso de la Red de Posicionamiento de Andalucía

Autora: Laura Ponce Barroso

Tutora: Cristina Torrecillas Lozano

El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros:

Presidente:

Vocales:

Secretario:

Acuerdan otorgarle la calificación de:

Sevilla, 2016

El Secretario del Tribunal

vii

A mi familia.

A mis amigos y compañeros en

este viaje.

ix

Agradecimientos

En primer lugar, mi más sincero reconocimiento a mi tutora del proyecto, Cristina Torrecillas, por su

paciencia infinita y su actitud motivadora y optimista. El resto de mí se lo debo todo a mi familia por su apoyo

incondicional, a mis amigos y a ti.

Laura Ponce Barroso

Sevilla, 2016

xi

Resumen

La Red Andaluza de Posicionamiento (RAP) surte a toda la comunidad andaluza de correcciones de

posicionamiento en tiempo real (RAP-IP) a través de Internet. Para acceder a ellas es necesario un registro que

recoja el nombre de la compañía, el del usuario y la fecha de utilización de estos servicios. Además, si el

usuario emplea correcciones optimizadas para su zona se recoge su posición. Toda esta información es la que

ha servido para conformar este estudio el cual persigue encontrar, mediante un análisis temporal y espacial, el

campo de aplicación de cada una de las localizaciones registradas queriéndose resaltar aquellas relacionadas

con la obra civil. Aunque se ha ratificado la relevancia de este sistema en el sector de la construcción, el

empleo en zonas agrarias se ha alzado con el protagonismo de esta práctica el cual puede estar vinculado al

impulso de la agricultura de precisión.

Contándose para esta memoria con las localizaciones registradas desde la puesta en servicio de la RAP

(2008) hasta finales de 2015, ha sido posible realizar un estudio espacio-temporal estudiándose en él la

tendencia en los diferentes campos de utilización. Además, se ha relacionado la posible influencia de la crisis

económica de estos últimos años en esa inclinación.

Palabras claves: Red Andaluza de Posicionamiento, RAP, RAP-IP, Estudio temporal, Agricultura de

precisión, Estudio espacio-temporal

xiii

Abstract

The Andalusian Positioning Network (RAP) provides real-time positioning corrections to all regions via

internet (RAP-IP). To get access to these corrections, a registration is needed where Company name, username

and usage date is defined. Apart from that, if the user uses optimized corrections for his own area it is possible

to collect his position. All this information is what have helped to shape this project, trying to find through a

space&time analysis, the application field for each of the analyzed and registered locations highlighting the

those ones in close relation with the civil works. Though system’s relevance has been confirmed in

construction sector, its usage in the farming areas has led to a stretch link to the big impulse for precision

agriculture.

Counting for this memory with the locations recorded since the commissioning of the RAP (2008) until the

end of 2015, it has been possible to conduct a spatiotemporal research being studied the trend in the different

fields of use. It has also linked the possible influence of the economic crisis of recent years in that inclination.

Keywords: Andalusian Positioning Network, RAP, RAP-IP, Spatiotemporal research, Precision

agriculture,

xv

Índice

Agradecimientos ix

Resumen xi

Abstract xiii

Índice xv

Índice de Tablas xviii

Índice de Figuras xx

Notación xxiii

1 Introducción 25 1.1 Datos de entrada 26 1.2 Metodología 26

2 Red Andaluza de Posicionamiento 28 2.1 Estaciones RAP 30 2.2 Servicios RAP 33

2.2.1 RAP-IP 34 2.2.2 Descarga de archivos RINEX 37

3 Trabajos previos 38 3.1 Excel 38 3.2 Access 41 3.3 ArcGIS 43

4 Análisis de datos 47 4.1 Identificación de uso 47

4.1.1 Datos de partida 47 4.1.2 Uso con Buffer 48 4.1.3 Uso sin Buffer 53

4.2 Identificación de uso basado en DERA 57 4.2.1 Datos de partida 57 4.2.2 Modificación de la capa base 57 4.2.3 Buffers 62 4.2.4 Actualizaciones (Updates) 63 4.2.5 Unión especial (Spatial Join) 65

4.3 Reducción del BIG DATA 67 4.3.1 Procedimiento de reducción 68 4.3.2 Resultado de la reducción 68

5 Estudio temporal basado en SIOSE 70 5.1 Datos de partida 70 5.2 Tratamiento de los datos 71 5.3 Resultados 77 5.4 Crisis económica y RAP 82

6 Estudio espacio-temporal basado en SIOSE 85

xvi

6.1 Análisis rasterizado de las pendientes 85 6.2 Cubo espacio-temporal 91

7 Conclusión 95

Referencias 98

xviii

Índice de Tablas

Tabla 1. Código, nivel, número identificador y localización de las estaciones de la RAP (13). 31

Tabla 2. Características técnicas de las estaciones de primer y segundo nivel (10). 32

Tabla 3. Descripción de los servicios de la RAP-IP (11). 36

Tabla 4. Reducción del contenido de los datos de partida. 39

Tabla 5. Formato de los datos de partida. 39

Tabla 6. Formato deseado de los datos. 40

Tabla 7. Actuaciones anuales recogidas por la RAP. 41

Tabla 8. Número de registros tras la modificación en Access. 43

Tabla 9. Registros urbano/no-urbano 08/2008-12/2015 con buffer. 51

Tabla 10. Registros urbano/no-urbano 08/2008-12/2015 sin Buffer. 55

Tabla 11. División de la capa USOS3. 57

Tabla 12. Capas de USOS3 simplificadas. 59

Tabla 13. Capas a actualizar en USOS3 y distancia del Buffer. 62

Tabla 14. Orden de actualización de las capas poligonales en USOS3. 63

Tabla 15. Capas de USOS3 actualizada. 63

Tabla 16. Clasificación del uso de los registros de la RAP según USOS3. 66

Tabla 17. Resultado de la reducción de puntos. 69

Tabla 18. Campos del Archivo 1 y Archivo 2 de SIOSE. 71

Tabla 19. Clasificación del suelo según COD_NIVEL3 de SIOSE. 72

Tabla 20. Atributos finales de la capa SIOSE. 75

Tabla 21. Resultados SIOSE. 79

Tabla 22. Resultado SIOSE simplificado y pendientes. 79

Tabla 23. Resultados de las Zonas agrícolas SIOSE. 81

Tabla 24. Resultados anuales de las Zonas agrícolas y pendientes. 81

Tabla 25. Datos del PIB 2008-2015 (24). 82

xx

Índice de Figuras

Figura 1. Corrección diferencial con bases fijas y móviles. 29

Figura 2. Situación de las estaciones de Andalucía. 29

Figura 3. Distribución de las estaciones de primer y segundo nivel en Andalucía (11). 30

Figura 4. Áreas de Andalucía cubiertas por el servicio RAP. 31

Figura 5. Portal Red Andaluza de Posicionamiento. 33

Figura 6. Fundamentos RAP-IP. 34

Figura 7. Equipo ROVER. 34

Figura 8. Equipo ROVER conectado a satélite. 35

Figura 9. Equipo ROVER y estación de referencia. 35

Figura 10. Equipo ROVER conectado a Internet. 36

Figura 11. Descarga de archivos RINEX desde la Web (11). 37

Figura 12. Procedimiento archivos RINEX. 37

Figura 13. Formato de celdas. 40

Figura 14. Selección de las tablas en Access para su consulta. 42

Figura 15. Criterios de la consulta de eliminación en Access. 42

Figura 16. Registros anuales. 44

Figura 17. Actuaciones 08/2008-12/2015. 45

Figura 18. Núcleos de población de Andalucía, DERA. 48

Figura 19. Herramienta Buffer. 48

Figura 20. Núcleos de población sin/con Buffer. 49

Figura 21. Localizaciones situadas dentro del Buffer ‘Núcleos Urbanos’. 51

Figura 22. Porcentaje de actuaciones situadas en zonas urbanas y no-urbanas con buffer. 52

Figura 23. Evolución del uso en zonas urbanas y no-urbanas desde 2008 hasta 2015 con buffer. 52

Figura 24. Series anuales: ‘Conexiones RAP-IP’ (negro), ‘Conexiones RAP-IP urbanas’(verde),

‘Conexiones RAP-IP no-urbanas’(rojo), ‘Otras conexiones RAP-IP’(naranjas) y

‘Conexiones RAP-IP obras públicas’(azul). 53

Figura 25. Localizaciones dentro de ‘Núcleos Urbanos’ sin Buffer. 55

Figura 26. Porcentaje de actuaciones situadas en zonas urbanas y no-urbanas sin buffer. 56

Figura 27. Evolución del uso en zonas urbanas y no-urbanas desde 2008 hasta 2015 sin Buffer. 56

Figura 28. Andalucía dividida según tipo de usos de suelo del campo USOS3. 58

Figura 29. Tabla de Contenidos con las divisiones para formar la capa simplificada. 60

Figura 30. Andalucía con la capa USOS3 simplificada. 61

xxi

Figura 31. Sevilla capital. Zonas agrícolas (amarillo), bosques y prados (verde oscuro), tejido urbano

continuo (rosa), zonas industriales y comerciales (rojo), zonas en construcción (verde

claro), tejido urbano discontinuo (morado) y agua (azul). 61

Figura 32. Andalucía según USOS3 actualizada. 64

Figura 33. Sevilla capital con USOS3 actualizada. Zonas agrícolas (amarillo), bosques y prados (verde

oscuro), tejido urbano continuo (rosa), zonas industriales y comerciales (rojo claro),

zonas en construcción (verde claro), tejido urbano discontinuo (morado), agua (azul),

carreteras (rojo intenso) y líneas de ferrocarril (amarillo intenso). 65

Figura 34. Progresión del uso del GPS según USOS3. Zonas agrícolas (Rojo), carreteras (azul),

bosques y prados (verdes). 67

Figura 35. Condiciones de la consulta para la reducción de los puntos. 68

Figura 36. Cuadro de diálogo para crear una nueva tabla con el resultado de la consulta. 68

Figura 37. Comparativa de los registros de la RAP-IP tras su agrupación. 69

Figura 38. Clasificación Modelo de Datos Jerárquico y orientado a objetos SIOSE. Diferencia entre un

Modelo de Datos Jerárquico y uno orientado a Objetos (6). 70

Figura 39. Cuadro de diálogo de la herramienta Join. 73

Figura 40. Herramienta ‘Field Calculator’. 74

Figura 41. SIOSE simplificado. 76

Figura 42. Sevilla tras eliminación de polígonos. 77

Figura 43. Herramienta Tabulate Intersection. 77

Figura 44. Programación en Python del Campo identificador (23) . 78

Figura 45. Muestra de la base de datos resultante de la intersección. 78

Figura 46. Actividad RAP 2009-2015 según SIOSE. 80

Figura 47. Actividad RAP 2009-2015 de zonas agrícolas. 81

Figura 48. PIB 2008-2015 y resultados SIOSE. 83

Figura 49. Zonas de pendiente positiva, negativa o nula. 86

Figura 50. Definición de ráster. 86

Figura 51. Ráster campo de las pendientes. 87

Figura 52. Ráster obras civiles. 88

Figura 53. Ráster zonas agrarias. 89

Figura 54. Ráster a zonas urbanas. 90

Figura 55. Ráster a zonas industriales. 91

Figura 56. Cubo espacio-temporal (20). 92

Figura 57. Análisis puntos calientes (3). 92

Figura 58. Tendencia del uso RAP-IP 2008-2015 (3). 93

Figura 59. Tendencia de los puntos calientes/fríos (3). 94

xxiii

Notación

A* Conjugado

c.t.p. En casi todos los puntos

c.q.d. Como queríamos demostrar

∎ Como queríamos demostrar

e.o.c. En cualquier otro caso

e número e

IRe Parte real

IIm Parte imaginaria

sen Función seno

tg Función tangente

arctg Función arco tangente

sen Función seno

sinxy Función seno de x elevado a y

cosxy Función coseno de x elevado a y

Sa Función sampling

sgn Función signo

rect Función rectángulo

Sinc Función sinc

∂y ∂x

x◦

Derivada parcial de y respecto

Notación de grado, x grados.

Pr(A) Probabilidad del suceso A

SNR Signal-to-noise ratio

MSE Minimum square error

: Tal que

< Menor o igual

> Mayor o igual

\ Backslash

⇔ Si y sólo si

1 INTRODUCCIÓN

l comienzo de la década de los 90 supuso el despegue de las redes geodésicas en España. Si bien es

cierto que en el arranque tan sólo se posicionaban las estaciones de los Sistemas permanentes de

Posicionamiento Global (GPS) en edificios gubernamentales y universidades (1), (2), pronto su práctica se

introdujo en las actividades más cotidianas del territorio español. La increíble difusión camina de la mano del

enorme desarrollo tecnológico sufrido desde entonces, caracterizado por la perfección en la precisión de las

coordenadas difundidas vía Internet mediante avanzadas infraestructuras de telecomunicaciones. Esto, unido al

carácter gratuito del servicio, desencadenó la instalación de 23 redes del Sistema Global de Navegación por

Satélite (GNSS). Este estudio se centra en una de esas redes, la Red Andaluza de Posicionamiento (RAP),

conformada por 22 estaciones que arropan a la comunidad (3).

Desde el inicio, estos servicios se han visto conjeturados acerca del amplio abanico de posibilidades que

éstos podrían ofrecer al mundo de la construcción. Y es que han estado vinculados desde entonces. No

obstante, la explotación de los sistemas de posicionamiento se está abriendo camino en multitud de campos

desconocidos años atrás. Definir estos campos y descubrir qué papel desempeñan las localizaciones

corresponden a cuestiones que pretenden responderse con este escrito.

Se dan las circunstancias de que el intervalo de años que lleva la RAP en funcionamiento (2008-2015)

coincide con el período de recesión económica en España. Esto va a permitir comparar los resultados

obtenidos y concluir si una disminución en el uso de los sistemas de posicionamiento es consecuencia de la

crisis o si, por el contrario, las mermas de esas prácticas poseen otras causas. Este estudio revela, durante la

etapa de depresión, una rebaja en los registros de la RAP situados en zonas urbanas en detrimento de las zonas

agrícolas, en las que el empleo de estas técnicas no ha parado de acrecentarse.

En resumidas cuentas, este proyecto va a intentar dilucidar cuáles son los campos en los que se está

explotando los servicios facilitados por RAP estudiándose, además, la tendencia futura de ellos y las zonas

geográficas de uso creciente (hot points) o decreciente. Hoy en día pocos estudios se centran en estas

cuestiones, la mayoría ocupan sus páginas investigando sobre la calidad de los datos GPS y el

perfeccionamiento de las observaciones en movimiento (4). Por esta razón, se ha creído importante analizar

aquellos campos en los que se ha de fomentar el uso, potenciando sus posibilidades.

Por último, recalcar que parte de los resultados de este estudio se han presentado en el International Work-

Conference on Time Series Analysis, ITISE 2016, con una comunicación denominada ‘Spatio-Temporal

Analysis of Real-Time Regional Positioning Services’.

E

Lo que con mucho trabajo se adquiere, más se ama.

- Aristóteles -

26

Estudio espacio-temporal del uso de la Red de Posicionamiento de Andalucía

26

1.1 Datos de entrada

La Red Andaluza de Posicionamiento comienza sus andanzas por la comunidad en 2004, año en el cual se

inicia el proceso de diseño de su red. Serían dos años después cuando ésta se encontrara operativa con 22

estaciones GPS, instaladas a lo largo de todo su territorio, y un centro de control. Éste se corresponde con el

Laboratorio de Astronomía, Geodesia y Cartografía, LAGC, de la Universidad de Cádiz. La necesidad de un

centro de control se fundamenta en la obligación de fijar un lugar como foco del análisis de los datos recogidos

revisando su calidad. No es hasta septiembre de 2008 cuando la red se completa en su totalidad para dar

comienzo al almacenamiento de los datos (3).

Gracias a ese almacenamiento la RAP logra ofrecer a sus usuarios dos tipos de servicios. El primero de

ellos trata de una descarga de archivos RINEX. El segundo, del cual se va a favorecer este estudio, brinda la

oportunidad de obtener en streaming a través de Internet correcciones diferenciales para posicionamientos en

tiempo real.

Cada vez que un usuario utiliza este servicio, datos como su nombre, compañía, fecha, etc. quedan

registrados junto a las coordenadas de su localización. De esta forma se conforman enormes bases de datos

que van a ser los cimientos sobre los que se construye este proyecto. En total fueron registradas, desde

septiembre de 2008 hasta diciembre de 2015, 1.012.320 localizaciones de las cuales tan solo 526.038 disponen

de información posicional. Esto se debe a conexiones y desconexiones al servicio sin toma de datos integrada.

Los datos se han recibido en archivos Excel de carácter mensual.

1.2 Metodología

Para conseguir una clasificación de las localizaciones registradas por la RAP es necesario transformar los

archivos recibidos de forma que puedan visualizarse en ArcGIS, programa en el que se tratarán gráficamente.

Para ello, los archivos Excel, una vez limpiados de aquellos registros con datos exentos de coordenadas

geográficas, se trasladan a Access obteniéndose bases de datos tipo .mdb, compatibles con el software de SIG,

Sistemas de Información Geográfica.

Una vez representados los puntos, es posible analizarlos asociándole a una capa base de la comunidad

andaluza ciertas características de su uso según el tipo de explotación que éste sufra. Es decir, se realiza una

mapa base dividido en polígonos según una cierta clasificación diseñada conforme al interés de este estudio.

Por ejemplo, si una de las ubicaciones recae sobre un polígono industrial se entenderá que esa toma de datos

ha tenido un fin industrial. Así como una que se sitúe sobre un olivar se clasificará como uso agrícola.

Este estudio se basará en dos tipos de mapa bases. El primero de ellos corresponde a un modelo de base de

datos jerárquico llamado Datos Espaciales de Referencia de Andalucía, o DERA, fechada su última

actualización en 2009 (5). Debido a la antigüedad de su modernización, estas cartografías se han usado para

obtener unos primeros resultados de la clasificación de los registros según el uso. El segundo mapa base

pertenece a un modelo de base de datos orientado a objetos denominado Sistema de Información sobre

Ocupación del Suelo de España, SIOSE. La última actualización atañe al año 2011 con una escala de

referencia 1:25.000 (6). Aunque ninguna de los dos modelos muestra cartografías recientes, se usará el SIOSE

para comparar los resultados conseguidos con el DERA y para estudios más profundos como es el espacio-

temporal.

Además, se ha realizado una modificación de los datos de entrada para el análisis de éstos en SIOSE, y es

que el medio millón de registros no representa esa misma cantidad de actuaciones al tomarse para una misma

obra más de un punto. Por este motivo, antes de empezar la investigación en SIOSE se redujo el número de

intervenciones agrupándolos y tomando como punto representativo el primero de cada grupo. El razonamiento

seguido para la rebaja de los datos ha sido reunir aquellos que comparten el mismo usuario, la misma

compañía y la misma fecha de toma de datos. De esta manera se consiguió pasar de 526.038 a tan sólo 65.817,

una reducción del 88%.

27


27

No sólo la reducción de puntos ha sido la única simplificación de los datos que se ha llevado a cabo,

también se ha ejecutado una aclaración en el número de polígonos que concretan el uso del suelo para

Andalucía. Antes de realizar el estudio con SIOSE, éste se definía por 1.275.000 polígonos. Tras seleccionar

tan sólo aquellos sobre los que se ubica algún registro, el mapa base resultante de SIOSE cuenta con 16.414.

La metodología aplicada emplea técnicas que sirven para identificar el tipo de uso de suelo en cada punto

con el objetivo de obtener un conteo del total de registros en cada uso, así como la evolución anual de cada

categoría. Se ha elaborado un estudio espacio-temporal que calcula las tendencias futuras de cada uso

beneficiándose de las herramientas SIG. Se proponen dos tipos de estudios: temporal y espacio-temporal (3).

28


28

2 RED ANDALUZA DE POSICIONAMIENTO

lo largo de la historia ha tenido siempre un papel protagonista la necesidad de plasmar en un mapa la

superficie terrestre acompañada de todos los elementos que la componen. El progreso constante en la

capacidad de crear cartografías permitió diseñar nuevos rumbos, replantear nuevas estrategias y medir

distancias. En nuestros días, estas técnicas geodésicas han sufrido tal evolución que ahora es posible

especificar el posicionamiento de un punto sobre la superficie con una exactitud inverosímil hace unas

décadas. Además, la creación de los Sistemas de Información Geográfica (SIG) proporciona el

almacenamiento de esos datos espaciales pudiéndose acceder a ellos para su consulta, manipulación y

representación (7), (8).

Podría definirse la Geodesia como la ciencia que investiga la forma y el tamaño de la Tierra y las

posiciones sobre ella. Según el artículo “Diseño de la Red Andaluza de Posicionamiento” (8), se dice que la

rápida evolución de esta ciencia se debe a tres motivos fundamentales:

1. La necesidad de medir distancias sin que a ello le afecte las condiciones atmosféricas, ciertos obstáculos

o la falta de luz.

2. Un acceso a los datos en streaming sin la obligación de soportar esperas ni realizar cálculos

topográficos.

3. La oportunidad de compartir datos y de hacer éstos públicos para su uso, no sólo con fines profesionales

sino también para la utilización cotidiana de los mismos.

Pese a que los Sistemas de Posicionamiento Global (GPS) fuesen diseñados por el Departamento de

Defensa de los EEUU con fines militares y de navegación, en la actualidad se rigen como una de las

herramientas más útiles tanto en el posicionamiento de puntos en tierra, mar o aire (9). La precisión de la señal

cuenta con un margen de error medio de 22 metros en horizontal y 33 en vertical, unas distancias que de cara a

la obra civil resultan imprecisas. Por esta razón surge la llamada corrección diferencial.

Esta corrección diferencial se caracteriza por concretar la situación geográfica registrada por el GPS al

compararla con una serie de coordenadas fijas conocidas. La mejora del posicionamiento se consigue a través

de la instalación de estaciones receptoras que llevan a cabo de forma constante esa comparación enviando los

resultados a GPS móviles. Se reduce con esto el error medio a milímetros, multiplicándose con ello el valor

añadido de la Red por el aumento de su utilidad en determinados sectores de la ingeniería y en el público en

general (10). La Figura 1 apoya la explicación anterior.

A

29


29

Figura 1. Corrección diferencial con bases fijas y móviles.

Este procedimiento corrector se caracteriza por depender de la distancia entre sus receptores fijos y

móviles, debiendo de ser ésta menor a 70 km. Por lo tanto, se requiere de un estudio previo del territorio para

la óptima determinación de la situación de estas bases. En concreto, Andalucía cuenta con 22 estaciones

repartidas según la Figura 2.

Figura 2. Situación de las estaciones de Andalucía.

30


30

2.1 Estaciones RAP

“La Red Andaluza de Posicionamiento (RAP) es una red GPS que la Junta de Andalucía ofrece para

obtener un posicionamiento preciso en todo el territorio andaluz a través de servicios gratuitos de correcciones

diferenciales y archivos RINEX” (11). Esas correcciones diferenciales se van a facilitar en tiempo real –RAP-

IP-, y la descarga en línea de ficheros RINEX va a posibilitar el cálculo de coordenadas en post-proceso (8).

Este último procedimiento no genera una solución en tiempo real aunque es igual de imprescindible, ya que

el GPS necesita conectarse a un ordenador que sea capaz de recibir, almacenar, procesar y comparar toda la

información recogida con los ficheros RINEX, los cuales incorporan las correcciones diferenciales. En las

descargas RINEX, los ficheros RINEX se crean después de que el usuario fije donde necesita que se sitúe la

estación de referencia virtual (12).

La estructura de la Red se puede dividir en dos bloques: las estaciones y el sistema de control. Además, las

primeras se pueden repartir entre un primer y segundo nivel. Las diferencias entre ambas se limitan a su

localización y a la disponibilidad de una cantidad de accesorios y servicios mayor.

Como ya se nombró en el apartado anterior, en Andalucía existen en total 22 estaciones. De ellas, tan sólo 9

son de primer nivel: 8 en cada una de las capitales de provincia y la restante en Algeciras con miras al Estrecho

de Gibraltar. El resto pertenecen a las denominadas de segundo nivel y se reparten de forma que cubren la

mayor parte del territorio andaluz sin probabilidad de cometer errores, es decir, a menos de 70 km.

Normalmente suelen ubicarse en Hospitales públicos, colegios o edificios de la Junta de Andalucía en núcleos

con menor población (10). La Figura 3 muestra la distribución de las estaciones. La Tabla 1 especifica la

localización de las mismas, además de su código y número identificador.

Figura 3. Distribución de las estaciones de primer y segundo nivel en Andalucía (11).

31


31

Tabla 1. Código, nivel, número identificador y localización de las estaciones de la RAP (13).

CODE NIVEL Nº IDENT. LOCALIZACIÓN

UCAD 1 1 Puerto Real (Cádiz)

HULV 1 2 Huelva

ALGC 1 3 Algeciras (Cádiz)

SEVI 1 4 Sevilla

MALG 1 5 Málaga

GRAN 1 6 Granada

ALMR 1 7 Almería

CRDB 1 8 Córdoba

UJAE 1 9 Jaén

ROND 2 10 Ronda (Málaga)

OSUN 2 11 Osuna (Sevilla)

LEBR 2 12 Lebrija (Sevilla)

ARAC 2 13 Aracena (Huelva)

POZO 2 14 Pozoblanco (Córdoba)

CAAL 1 15 Calar Alto (Almería)

ANDU 2 16 Las Viñas (Jaén)

VIAR 2 17 Villanueva del Arzobispo (Jaén)

CAST 2 18 Castril (Granada)

CABR 2 19 Cabra (Córdoba)

CAZA 2 20 Cazalla de la Sierra (Sevilla)

MOTR 2 21 Motril (Granada)

HUOV 2 22 Huercal Overa (Almería)

La distribución expuesta en la Figura 3 provoca que casi todo el territorio andaluz quede cubierto de señal

con un radio de 70 km. La Figura 4 señala de naranja aquellas zonas que quedan protegidas por los Sistemas

de Posicionamiento.

Figura 4. Áreas de Andalucía cubiertas por el servicio RAP.

32


32

Algunas diferencias técnicas entre las estaciones de primer y segundo orden se desvelan en la Tabla 2.

Tabla 2. Características técnicas de las estaciones de primer y segundo nivel (10).

PRIMER NIVEL SEGUNDO NIVEL

Receptor Receptores de doble frecuencia Receptores de doble frecuencia

Antena Antena geodésica choke-ring*1

Antena geodésica no choke-

ring

Suministro eléctrico/Internet Suministro eléctrico

interrumpido y conexión

permanente a Internet

Suministros eéctrico

interrumpido y conexión

permanente a Internet

Estación Meteorológica Paroscientific Met3 No

Radio Modem PacificCrest y Satelline3AS No

*1 Antena geodésica choke-ring, o antena de bobina anular, es una antena omnidireccional para altas frecuencias.

El Sistema de Control se basa en un ordenador con capacidad de manejar la red en su totalidad, con

funciones de servidor de datos, con conexión ADSL e intranet. Para hacer posible ese gobierno de la red se

requiere de un software capaz de monitorizar el estado de la red, con capacidad para gestionar remotamente los

equipos y conducir los sistemas de transmisión de correcciones diferenciales. Además, el sistema central

también es responsable de los siguientes puntos (8):

1. Depósito de la información.

2. Generación de copias de seguridad anuales.

3. Amparo de la página Web de la RAP permitiendo con ello la descarga datos y una visualización en

tiempo real.

Para concluir, comentar que la entrada de este Sistema de Posicionamiento en Andalucía no ha sido más

que una fuente de ventajas, entre ellas (10):

1. La utilización tanto en la producción cartográfica como en la explotación del mismo sistema de

coordenadas geográficas, ETRS89, dejándose de necesitar distintos procesos de transformación de

coordenadas.

2. Reducción del coste económico del posicionamiento centimétrico de cualquier usuario.

Además, es un sistema creado con el anhelo de convertirse en un servicio público, gratuito y homogéneo

para toda Andalucía para así potenciar el sector económico apoyado en la localización geográfica.

Las aplicaciones tecnológicas sobre las que se apoya este sistema son múltiples (14):

1. Establecimiento de puntos de apoyo fotogramétricos (técnica para obtener mapas y planos de

grandes extensiones de terreno por medio de la fotografía aérea).

2. Georreferenciación de imágenes de satélites.

3. Establecimientos de puntos de control para obras civiles.

4. Apoyo a actualizaciones catastrales.

5. Navegación marítima, terrestre y aérea.

6. Gestión de ámbitos agrícolas.

7. Aplicaciones SIG.

33


33

También es un sistema de apoyo a numerosas aplicaciones científicas (14):

1. Control geodinámico de Andalucía.

2. Estudios troposféricos e ionosféricos.

3. Determinación de modelos de refracción local y regional.

4. Determinación precisa de geoides locales.

5. Investigaciones arqueológicas.

2.2 Servicios RAP

Como se ha comentado anteriormente, la red RAP ofrece dos tipos de servicios al usuario. Uno se centra en

los servicios de posicionamiento en tiempo real, RAP-IP. El otro se especializa en un servicio post-proceso de

descarga de archivos RINEX.

Para acceder a estos servicios es necesario navegar por la página web

www.ideandalucia.es/portal/web/portal-posicionamiento (Figura 5).

Figura 5. Portal Red Andaluza de Posicionamiento.

http://www.ideandalucia.es/portal/web/portal-posicionamiento

34


34

2.2.1 RAP-IP

Este sistema se caracteriza por propagar correcciones diferenciales de posicionamiento. Las correcciones

diferenciales pueden ser tanto de código como de fase. Según el tipo de corrección, se tendrá más o menos

precisión en la medición. Las correcciones sólo de código posibilitan obtener una exactitud de entre 1 y 0,5

metros, mientras que las correcciones de código y fase consiguen una minuciosidad menor a 0,1 metros

siempre que la distancia sea menor de 30 kilómetros.

“El esquema de transmisión consiste en el envío por parte de las estaciones RAP de los mensajes RTCM en

formato nativo a un “caster”, en este caso el Sistema Central, que se encarga de la transmisión vía

GPRS/UMTS/3G/Internet de las correcciones calculadas para la localización del usuario” (15). El formato

RTCM fue propuesto por la Comisión Técnica de Radio de Servicios Marítimos (RTCM), organismo creado

en 1947 con el fin de estudiar asuntos relacionados con las telecomunicaciones marítimas (16). La Figura 6

ejemplifica muy bien el fundamento del posicionamiento en tiempo real.

Figura 6. Fundamentos RAP-IP.

Existen varias posibilidades a la hora de plantear un levantamiento RAP-IP (14):

1. Un equipo ROVER (receptor de coordenadas desconocidas (17)). Este método posee un error

aproximado de 10 metros (Figura 7).

Figura 7. Equipo ROVER.

35


35

2. Un equipo ROVER con posibilidad de acceder a correcciones vía satélite. El error que se consigue

ronda un metro (Figura 8).

Figura 8. Equipo ROVER conectado a satélite.

3. Un equipo ROVER y una estación de referencia de coordenadas conocidas, propia o de alguna red

permanente, con receptor y emisor de radio, respectivamente. El error en este caso es

aproximadamente de 0,025 metros (Figura 9).

Figura 9. Equipo ROVER y estación de referencia.

4. Un equipo ROVER con conexión a Internet, bien mediante un módem, teléfono móvil, etc.

Junto con el sistema anterior, este procedimiento es el más preciso lográndose un error de 0,025

metros. (Figura 10). “La Red de Transporte de Formato RTCM a través de protocolo de

Internet (NTRIP) es una técnica basada en la transferencia de hipertexto por medio del

protocolo Internet (IP) con la fiabilidad de tener acceso y mejorar el flujo de datos GNSS de

estaciones de referencia o bases de datos a una variedad de clientes/usuarios a través de una

técnica de comunicación definida” (16). El cáster de NTRIP es un importante Sistema de

radiodifusión integrado entre la fuente de datos y el receptor, es decir, es el nodo distribuidor de

señales a través de un programa ejecutado en el centro de la red. Además de distribuir, también

comprueba la calidad e integridad de los datos.

36


36

Figura 10. Equipo ROVER conectado a Internet.

Para acceder a esta red es necesario registrase como usuario según las indicaciones que aparecen en las

página web. Los pasos son los siguientes:

1. Enviar un correo electrónico a [email protected], indicando en el asunto: “RAP NTRIP usuario”,

donde ‘usuario’ debe sustituirse por el nombre de usuario con el que se registra en la Web.

2. Contestar al correo electrónico que se envía desde control pidiendo la confirmación de los datos

introducidos en el registro en la Web.

3. Recibir un correo con el usuario y la contraseña.

En esta misma página se informa de la lista de correcciones diferenciales y el puerto por el que se emiten al

que se tiene acceso desde la misma. Se exponen en la Tabla 3.

Tabla 3. Descripción de los servicios de la RAP-IP (11).

mailto:[email protected]

37


37

Es necesario recalcar que para hacer uso de las correcciones diferenciales de las estaciones más cercanas,

(Tabla 3) es preciso que el equipo con el que se cuenta sea capaz de enviar mensajes con las coordenadas de su

posición.

2.2.2 Descarga de archivos RINEX

El formato RINEX se corresponde con una configuración dirigida al almacenamiento estereotipado de

medidas recogidas por receptores de GPS. Para acceder a ellos es necesario registrase en la Web

http://www.ideandalucia.es/portal/web/portal-posicionamiento/ingenieria-civil. Una vez dentro, existe la

opción de elegir cualquiera de las estaciones situadas en Andalucía y la fecha exacta de los registros (Figura

11).

Figura 11. Descarga de archivos RINEX desde la Web (11).

La descarga es gratuita. Además, tras el registro es factible descargar tres tipos de archivos (14).

1. Archivos de 24 horas de duración con registros cada 30 segundos.

2. Archivos de una hora de duración con registros cada segundo.

3. Archivos meteorológicos de 24 horas de duración con registros cada 5 minutos.

El posicionamiento en el post-proceso suele darse con un equipo ROVER y una estación de referencia,

propia o de alguna red permanente, a través de las cuales se intercambian los archivos (Figura 12). Es una

técnica parecida a la tercera opción comentada en el apartado anterior, aunque los archivos RINEX provocan

un error algo menor, aproximadamente de 0,005 metros (14).

Figura 12. Procedimiento archivos RINEX.

http://www.ideandalucia.es/portal/web/portal-posicionamiento/ingenieria-civil

38


38

3 TRABAJOS PREVIOS

a Red Andaluza de Posicionamiento (RAP) ha dotado a este estudio de las distintas conexiones

geográficas recogidas desde el mes de agosto de 2008, momento donde comienza su puesta en uso, hasta

diciembre de 2015. Tan sólo se ha percibido la ausencia de datos en el mes de agosto de 2015, de la cual nos

aseguran que se debe a una caída del servidor.

Los archivos tomados se corresponden con una archivo .log para cada mes de los años anteriormente

nombrados. Se cuenta, por lo tanto, con 88 documentos Excel.

El primer objetivo que presente este estudio consiste en adecuar los datos recibidos según un formato que

permita el manejo de los mismos en los diferentes programas a ejecutar. Estos serán Excel, Access y ArcGIS.

3.1 Excel

Con el fin de posibilitar el manejo de los datos en el programa Access, se procede a una transformación

previa de los datos en Excel para luego exportarlos. Cambiando la extensión .log del archivo a .csv se permite

la apertura de datos en dicho programa.

La primera transformación de las tablas recibidas consiste en una simplificación de las columnas. La

cantidad de información recibida es muy grande y, aunque toda pueda llegar a ser útil, en este estudio hay

mucha de ella que no es de interés.

La Tabla 4 deja ver la simplificación de las columnas de los archivos recibidos. La mayoría de las

columnas eliminadas contienen información en códigos. Ha de recalcarse el carácter confidencial de los datos

tratados.

L

39


39

Tabla 4. Reducción del contenido de los datos de partida.

ANTES DESPUÉS

Fid_Provincia

Provincia

Cod_Provincia

COD_Entidad

FID_UTM User

Object Company

Id StartDate

User StartTime

Company EndDate

StartDate EndTime

StartTime Duration

EndDate Latitud

EndTime Longitud

Duration Height

Product

Latitud

Longitud

Height

Year

Como los registros cuentan con la fecha dentro de sus columnas, se procede a la suma en un mismo archivo

Excel de todos los meses correspondientes a un mismo año. Además, la mayor parte de las herramientas que se

le aplicarán a estos datos se hará con el fin de conocer información de carácter anual.

Se finaliza la transformación en Excel variando el formato de las columnas correspondientes a los datos

geográficos de la Latitud (Lat), Longitud (Lon) y Altura (Height). El Ejemplo 1 enseña el procedimiento

seguido para conseguir la modificación de las coordenadas.

Ejemplo 1. Cambio en el formato de las coordenadas.

Tabla 5. Formato de los datos de partida.

LAT LON HEIGHT

36.138.717 -5.436.014 47.914

Al quererse trabajar en Access con estos mismos datos, las coordenadas expresadas con puntos pueden

ocasionar errores. La mejor manera de convertirlas es pulsando botón derecho >> Formato de celdas

(Figura 13).

40


40

Figura 13. Formato de celdas.

Se confirma la categoría de ‘Número’ y se eliminan las posiciones decimales. Además, se debe ratificar que la

opción de ‘Usar separador de miles’ se encuentra también desconectada.

Para lograr el formato idóneo, se divide cada columna entre 1.000.000, 1.000.000 y 1.000, respectivamente.

El resultado se expresa en la Tabla 6.

Tabla 6. Formato deseado de los datos.

LAT LON HEIGHT

36,138717 -5,436014 47,914

Las coordenadas resultantes de las modificaciones en el formato de partida se habrán guardado en 3 nuevos

campos de Excel, renombrando las anteriores como LatOriginal, LonOriginal y HeightOriginal. A la hora de

importar las tablas en Access, se cuidará que para éstas tres últimas columnas nombradas esté activa la

herramienta que las mantenga ocultas, de forma que sólo se muestren las que tienen el formato de coordenadas

adecuado.

Una vez conformados todos los archivos anuales con el formato idóneo para trabajar en Access, se tiene

una idea del número de registros que cuenta cada año del estudio. La Tabla 7 muestra estos resultados, además

de la suma total de todas las localizaciones. El número tan elevado de éstas muestra el enorme coste

computacional que exige el estudio.

41


41

Tabla 7. Actuaciones anuales recogidas por la RAP.

AÑOS Nº DE REGISTROS

2008 61.160

2009 130.621

2010 101.447

2011 86.163

2012 55.788

2013 284.777

2014 57.249

2015 235.115

TOTAL: 1.012.320

3.2 Access

El programa Access, al ser un potente gestor de bases de datos, va a permitir el manejo de toda la cantidad

de información de la que se dispone. Por esta razón, y tras haber creado una nueva base de datos sobre la que

trabajar, se procede a importar de forma independiente cada archivo Excel anual.

En este proceso de importación se comprobó que el tipo de dato de cada campo (texto, fecha/hora, doble,

etc.) se correspondiese con el deseado. Así como mantener ocultas las columnas ‘LatOriginal’, ‘LonOriginal’

y ‘HeightOriginal’, tal y como se comentó previamente.

El principal problema que se presenta nada más comenzar el estudio consiste en la enorme cifra de

actuaciones recogidas por la RAP, por lo tanto, el primer paso a ejecutar va a ser asegurar que solo se va a

trabajar con datos certeros. Esto quiere decir que se realiza una consulta en Access a cada tabla importada, una

por cada año, con el objetivo de eliminar las filas que contengan huecos en blanco tanto en el campo ‘Lon’,

como en ‘Lat’. “Las consultas son una forma de buscar y recopilar información de una o más tablas para

conseguir información más detallada de una base de datos. Al definirse una consulta, se definen condiciones

específicas de búsqueda para encontrar, exactamente, esa información que se necesita.” (18).

El Ejemplo 2 muestra los pasos que se han seguido para realizar esa consulta, además de las condiciones

impuestas para la misma.

Ejemplo 2. Consulta de eliminación.

En el caso de las consultas de eliminación, se descartan aquellos datos que coincidan con la condición

expresada en la formulación de la consulta.

Para comenzar una consulta en Access, se cliquea Crear >> Diseño de Consulta. A continuación, aparece en

pantalla el cuadro de diálogo de la Figura 14 en el cual se debe seleccionar la tabla, o tablas, a la que

aplicar dicha consulta.

42


42

Figura 14. Selección de las tablas en Access para su consulta.

Una vez seleccionadas las tablas anuales de datos de la RAP, se cliquea ‘Eliminar’ como tipo de consulta y se

rellena la tabla de condiciones según la Figura 15.

Figura 15. Criterios de la consulta de eliminación en Access.

El criterio ‘Es Nulo’ elimina aquellos registros con la casilla vacías, sin ninguna cifra. Para descartar esos

datos erróneos que se han encontrado con coordenadas del tipo ‘0,00067’, se impone el segundo criterio que

elimina aquellos que sean 0. Podría definirse como que el primero se destina a los datos nulos, siendo el

segundo para aquellos erróneos.

43


43

Se repite la operación del Ejemplo 2 tanto con el campo de la Latitud, como con el de la Longitud.

Tras la consulta, la Tabla 8 expone un resumen que expresa el número total de registros con los que

contaba la RAP en el momento de la recepción de los datos y, tras la posterior modificación de eliminación de

los datos nulos en blanco, el número de datos erróneos y el número de actuaciones restantes con la que se

continua el estudio.

Tabla 8. Número de registros tras la modificación en Access.

2008 2009 2010 2011 2012 2013 2014 2015

Datos RAP 61.160 130.621 101.447 86.163 55.788 284.777 57.285 235.116

Blanco 14.211 24.089 13.386 12.192 6.014 231.982 4.098 180.300

Erróneos 0 0 0 0 0 0 36 1

RAP

modificados 46.949 106.532 88.061 73.971 49.774 52.785 53.151 54.815

El elevado número de registros en blanco, un 48% del total de los recibidos, se debe a la selección de envío

de correcciones a la estación más cercana, la cual no requiere del posicionamiento del usuario. De esta forma,

se rastrea la actividad de esa toma de datos, sin coordenadas geográficas adjuntas.

Uno de los objetivos principales de este estudio contempla investigar si el descenso de actuaciones

registradas en la RAP a partir de 2009 se corresponde con el descenso de obras civiles debido a la crisis en ese

mismo periodo, o si por el contrario, los registros no siempre se corresponden con construcciones civiles y la

similitud en el desarrollo decreciente no es más que una mera coincidencia.

El aumento en el número de registros entre el 2008 y 2009 no resulta significativo ya que el sistema se puso

en marcha en agosto de ese primer año. Por esta razón, no es conveniente contrastar ese dato con el resto de

carácter anual.

El último paso a realizar en Access consiste en guardar la base de datos en formato .mdb con el cual es

posible trabajar en ArcGIS.

3.3 ArcGIS

El programa ArcGIS va a permitir una manipulación de las bases de datos creadas anteriormente de una

forma gráfica. Además, es un potente gestor de bases de datos lo que va a posibilitar modificaciones en ellas

desde el mismo entorno ArcGIS.

Desde la Ventana de Catálogo en la interfaz de ArcGIS se pincha sobre Conectar a una base de datos >>

Agregar conexión OLE DB >> Microsoft Jet 4.0 OLE DB Provider. La conexión OLE DB se refiere a un

proveedor de acceso de datos que tolera trabajar esas bases de datos de una forma independiente de donde han

sido creadas (19).

El paso previo a la visualización de los registros es la rectificación de las coordenadas geográficas a ETRS

1989.

La Figura 16 muestra las distintas escenas anuales en las que se representan las actuaciones tomadas para

ese año. Se observa con claridad la concentración de registros en torno a las capitales de provincia, con

especial hincapié en Sevilla. Además, también es posible contemplar alineaciones de múltiples actuaciones

que advierten de posibles obras civiles del tipo carreteras, líneas de ferrocarril, tuberías, etc.

44


44

Figura 16. Registros anuales.

45


45

La Figura 17 manifiesta la suma de todas las actuaciones del estudio en un mismo escenario gráfico.

Además de acrecentarse la concentración de puntos dentro y en los alrededores de las capitales de provincia,

los registros obedecen a situarse dispersos en el resto de Andalucía. Se puede hacer notable cierta aglutinación

a lo largo del valle del Guadalquivir, la cual puede deberse a un uso del sistema con fines agrícolas.

Figura 17. Actuaciones 08/2008-12/2015.

Con el objetivo de clasificar la razón de esas localizaciones tomadas por los usuarios, el siguiente paso del

estudio se centra en atribuir diferentes características al suelo de forma que ayuden a definir el uso de cada área

sobre la que se sitúe uno de los registros.

4 ANÁLISIS DE DATOS

n este capítulo se van a tratar unas primeras clasificaciones acerca del uso del servicio de RAP-IP

según el tipo de suelo. La primera de ellas concierne a un primer tanteo entre aquellos registros

correspondientes a zonas urbanas y a zonas no-urbanas. La segunda va a considerar como mapa base las

cartografías facilitadas por los Datos Especiales de Referencia de Andalucía, DERA, sobre las cuales se va a

distribuir el terreno según sus usos. Como se ha comentado en apartados anteriores, la información resultante

del DERA no es tan concluyente debido a la antigüedad de su actualización (2009).

Ambas clasificaciones van a estar basadas en el DERA, el cual consta de una amplia gama de bases

cartográficas referentes al territorio andaluz. Estas cartografías se presentan por bloques temáticos (relieve,

hidrografía, redes viarias, etc.) lo que posibilita el acceso a la información de manera focalizada (5).

4.1 Identificación de uso

4.1.1 Datos de partida

Tal y como se ha nombrado anteriormente, se necesita aportar al conjunto de puntos de la RAP una capa

suelo que le aporte ciertas características de su posible uso. Por ello y para comenzar, se ha realizado una

primera clasificación que trata de dividir los registros entre aquellos de carácter urbano, y los no-urbano.

Se trata de una clasificación que muy grosso modo da una idea del ámbito en el que este sistema de

posicionamiento es más usado, si en los núcleos urbanos o quizás en las zonas agrarias. Además, al contar con

varios años, se puede estudiar el crecimiento o decrecimiento en cada caso.

Esta clasificación se centra en el bloque temático del DERA llamado ‘Sistema Urbano’. Esta capa

identifica los distintos núcleos y asentamientos de población que conforman Andalucía. La Figura 18 muestra

la distribución de los distintos núcleos andaluces sobre el que se van a identificar las actuaciones recogidas por

la RAP.

E

48


48

Figura 18. Núcleos de población de Andalucía, DERA.

4.1.2 Uso con Buffer

Debido a que la última actualización del DERA corresponde al año 2009, se ha supuesto cierto crecimiento

de los núcleos urbanos en los años posteriores. Por esta razón, se ha decidido incrementar el área de esos

núcleos de población mostrados en la Figura 18 la cifra de 1 kilómetro a la redonda.

Para conseguir ese aumento en el área de influencia, se ha empleado la herramienta Buffer facilitada por

ArcGIS. Para ello, se pincha en ArcToolBox >> Analysis Tools >> Proximity >> Buffer. En el cuadro de

diálogo saliente se introduce el archivo sobre el que se realiza la ampliación, y la distancia deseada (Figura

19).

Figura 19. Herramienta Buffer.

49


49

El resultado gráfico de la ampliación de los núcleos se deja en la Figura 20. Las imágenes hacen notable el

importante aumento de área andaluza que con la herramienta Buffer pasa a definirse como núcleo urbano.

Figura 20. Núcleos de población sin/con Buffer.

Al realizar una ‘Selección por localización’ se destacan los registros de la RAP que se ubican dentro de

estas áreas de influencia, o Buffers. Es óptimo realizar este testeo para comprobar la clasificación que se

llevará a cabo en un futuro con la herramienta ‘Identidad’, la cual le asigna a la Tabla de Atributos de cada año

la característica de urbano, o no-urbano.

La Figura 21 expone gráficamente los puntos coincidentes con los núcleos urbanos. Para obtener éstos

mediante ‘Selección por localización’ se cliquea en ‘Selección’ >> ‘Por Localización’.

50


50

51


51

Figura 21. Localizaciones situadas dentro del Buffer ‘Núcleos Urbanos’.

Como se nombró anteriormente, para atribuirle la característica de urbano o no-urbano a cada punto

recogido por la RAP se aplica la herramienta Identidad. Ésta, calcula una intersección geométrica de las

entidades de entrada (los registros de la RAP) y las entidades de identidad (Buffer urbano, no-urbano). Para

llevar a cabo esta herramienta se cliquea en ArcToolbox >> Herramientas de Análisis >> Overlay >>

Identidad (20).

La Tabla 9 presenta un conteo del número de registros que pertenecen al ámbito urbano y al no-urbano

desde agosto de 2008, fecha de comienzo de toma de datos, hasta diciembre de 2015, fecha de las últimas

localizaciones.

Tabla 9. Registros urbano/no-urbano 08/2008-12/2015 con buffer.

2008 2009 2010 2011 2012 2013 2014 2015 TOTAL

Total 46.949 106.532 88.061 73.971 49.774 52.785 53.151 54.815 526.038

Urb 31.964 74.190 59.150 45.035 29.999 28.798 29.908 33.438 332.482

No-urb 14.985 32.342 28.911 28.936 19.775 23.987 23.243 21.377 193.556

Al expresar la Tabla 9 en un gráfico circular que represente gráficamente el porcentaje de actuaciones

realizadas sobre zona urbana o no-urbana, se obtiene la Figura 22.

52


52

Figura 22. Porcentaje de actuaciones situadas en zonas urbanas y no-urbanas con buffer.

Se observa una importante diferencia entre ambos porcentajes pudiéndose concluir que para unos núcleos

de población, aumentados en un kilómetro, el uso de los sistemas de posicionamiento geográfico se centra en

ellos.

Figura 23. Evolución del uso en zonas urbanas y no-urbanas desde 2008 hasta 2015 con buffer.

La Figura 23 estudia la evolución del uso del sistema a lo largo de los años del estudio. En las

localizaciones situadas sobre zonas no urbanizadas se observa un uso relativamente constante, con cierta

tendencia predominantemente negativa, sobre todo en los dos últimos años. Por el contrario, en lo referente a

las zonas urbanas se refleja una gran caída justo después de la puesta en marcha del servicio en 2009. No

obstante, a partir de 2013 se hace notable un pequeño repunte.

Si se comparan los resultados obtenidos, representados en la Figura 23 con el artículo “Regional

positioning services as economic and construction activity indicators: the case study of Andalusian

Positioning Network” (21) se observa que los datos casan (Figura 24). Esto se debe a que para el artículo

también se consideró ampliar el área de los núcleos urbanos en un kilómetro a la redonda.

Urbano58%

No urbano42%

Urbano-No urbano

0

10000

20000

30000

40000

50000

60000

70000

80000

2008 2009 2010 2011 2012 2013 2014 2015

Urbano

No urbano

53


53

Figura 24. Series anuales: ‘Conexiones RAP-IP’ (negro), ‘Conexiones RAP-IP urbanas’(verde), ‘Conexiones RAP-IP no-

urbanas’(rojo), ‘Otras conexiones RAP-IP’(naranjas) y ‘Conexiones RAP-IP obras públicas’(azul).

4.1.3 Uso sin Buffer

Si se compara la solución obtenida en este estudio (Figura 24) y la obtenida según el artículo “Regional

positioning services as economic and construction activity indicators: the case study of Andalusian

Positioning Network” (21) (Figura 24), se observa que aunque ambos tengan similar apariencia, difieren en la

tendencia de los últimos años, siendo la del artículo positiva tanto en el ámbito urbano como en el no-urbano.

Con el fin de contrastar los resultados previos, se considera oportuno llevar a cabo el mismo procedimiento

tomando un área de influencia para los núcleos urbanos sin alteraciones, es decir, sin Buffer. Esto se debe a

que, aunque quizás para las capitales de provincia no es tan osado un crecimiento de un kilómetro desde 2009

al 2015, sí es muy probable que lo sea en los pequeños núcleos restantes de las provincias.

Se tomará por tanto para la herramienta ‘Selección por localización’ la Figura 18. El resultado de las

actuaciones que en este caso se sitúan dentro de las áreas urbanas mengua de forma notable. La Figura 25 lo

muestra.

54


54

55


55

Figura 25. Localizaciones dentro de ‘Núcleos Urbanos’ sin Buffer.

Tras llevar a cabo la herramienta Identidad, se obtiene la Tabla 10 con los datos resultantes.

Tabla 10. Registros urbano/no-urbano 08/2008-12/2015 sin Buffer.

2008 2009 2010 2011 2012 2013 2014 2015 TOTAL

Total 46.949 106.532 88.061 73.971 49.774 52.785 53.151 54.815 526.038

Urb 8.631 22.054 16.723 13.631 12.372 11.152 13.596 14.633 112.792

No-urb 38.318 84.478 71.338 60.340 37.402 41.633 39.555 48.182 413.246

56


56

Al analizar ambas tablas (Tablas 9 y 10) se percibe que al eliminar las ampliaciones en las áreas de núcleos

urbanos, el número de actuaciones en zonas agrícolas se dispara. Esto se debe, como nombraba anteriormente,

a que un aumento de un kilómetro es demasiado crecimiento para la mayoría de los pequeños núcleos urbanos.

La consecuencia de esto es que muchos de los registros tomados con fines agrícolas, fueron envueltos por el

buffer. Otros, sin embargo, son correctos y se suelen corresponder con actuaciones viarias.

La Figura 26 hace referencia a los porcentajes totales de las actuaciones localizadas sobre terreno urbano o

no-urbano. Si se compara con el gráfico obtenido al tener en cuenta el buffer (Figura 22) se percibe un cambio

drástico en el porcentaje referente a zonas urbanas, el cual pasa de contener el 58% de las localizaciones a

hacerlo tan solo con el 21%.

Figura 26. Porcentaje de actuaciones situadas en zonas urbanas y no-urbanas sin buffer.

Volviéndose a estudiar la evolución anual del número de registros se logra la Figura 27, la cual sí coincide

con los resultados obtenidos en el artículo “Regional positioning services as economic and construction

activity indicators: the case study of Andalusian Positioning Network” (21) en cuanto a la tendencia creciente

tanto del uso de los Sistemas de Posicionamiento en las áreas urbano como en las zonas agrícolas.

Figura 27. Evolución del uso en zonas urbanas y no-urbanas desde 2008 hasta 2015 sin Buffer.

Urbano21%

No urbano79%

Urbano-No urbano

0

10000

20000

30000

40000

50000

60000

70000

80000

90000

2008 2009 2010 2011 2012 2013 2014 2015

Urbano

No urbano

57


57

4.2 Identificación de uso basado en DERA

4.2.1 Datos de partida

Una vez clasificados los registros según su localización en zonas urbanas o no-urbanas es preciso, para una

mayor profundización en el estudio del uso de los Sistemas de Posicionamiento Geográfico, una nueva

distribución de éstos. Para ello, se acude a las bases cartográficas de los Datos Espaciales de Referencia de

Andalucía (DERA) en las cuales, y gracias a su variedad de bases temáticas, se cuenta con un bloque de capas

referidas al uso del suelo.

En este apartado se va a tratar de modificar esas cartografías, actualizándolas para conseguir un mapa de

Andalucía formado por polígonos que divida la comunidad autónoma de una forma en la que se pueda

describir de la manera más precisa posible para qué se ha necesitado del uso de estos Sistemas de

Posicionamiento.

4.2.2 Modificación de la capa base

La carpeta de ‘Usos del Suelo’ facilitada por el DERA se encuentra subdividida en tres carpetas, cada una

de ellas más completa que la anterior. Entiéndase por ‘más completa’ que fracciona el territorio andaluz en un

mayor número de polígonos, por lo que aporta más información. Por esta razón, en esta clasificación se le

atribuirán a los registros las características de la carpeta USOS3. Ésta consta de las capas expuestas en la Tabla

11.

Tabla 11. División de la capa USOS3.

USOS3

Aeropuertos

Arrozales

Bosques mixtos

Bosques de coníferas

Bosques de frondosas

Cultivos anuales asociados a cultivos permanentes

Cursos de agua

Escombreras y vertederos

Espacios de vegetación escasa

Estuarios

Frutales

Humedales y zonas pantanosas

Instalaciones deportivas y recreativas

Lagunas costeras

Lámina de agua

Marismas

Material boscoso de transición

Mosaico de cultivos

Olivares

Pastizales naturales

Playas, dunas y arenales

Prados y praderas

Redes viarias, ferroviarias y terrenos asociados

Roquedos

Salinas

Sistema agro-forestal

Tejido urbano continuo

58


58

Tejido urbano discontinuo

Tejidos principalmente agrícolas con importante vegetación natural

Tierras de labor de secano

Tierras regadas permanentemente

Vegetación esclerófila

Viñedos

Zonas de extracción minera

Zonas de construcción

Zonas industriales y comerciales

Zonas intercotidales

Zonas portuarias

Zonas quemadas

Zonas verdes urbanas

Figura 28. Andalucía dividida según tipo de usos de suelo del campo USOS3.

Gráficamente se expone en la Figura 28 como resulta Andalucía tras su división según la clasificación de

USOS3. Se corresponde con una fragmentación demasiado detallada para este estudio. La solución que se

plantea trata de unir aquellas capas que aporten la misma información. Se ha considerado la esquematización

de la Tabla 12, en la cual se expresa en la parte izquierda el resultado de la simplificación, mientras que en la

columna derecha se expresan las capas a unir.

59


59

Tabla 12. Capas de USOS3 simplificadas.

USOS3 MODIFICADO CAPAS SIMPLIFICADAS

Aeropuertos

Zonas agrícolas Arrozales

Cultivos anuales asociados a cultivos permanentes

Frutales

Mosaico de cultivos

Olivares

Tejidos agrícolas con importante vegetación

natural

Tierras de labor de secano

Tierras regadas permanentemente

Viñedos

Bosques y prados

Bosques mixtos

Bosques de coníferas

Bosques de frondosas

Espacio con vegetación escasa

Material boscoso de transición

Pastizales naturales

Prados y praderas

Sistema agro-forestal

Vegetación esclerófila


Agua

Curso de agua

Estuarios

Humedales y zonas pantanosas

Lagunas costeras

Lámina de agua

Marismas

Zonas intercotidales


Redes viarias y ferroviarias

Roquedos

Salinas



Zonas en construcción




Zonas portuarias

Zonas quemadas


60


60

De esta manera se pasa de tener 40 capas a tan sólo 17, una reducción del 65% de las divisiones.

Para realizar esta misma operación en ArcGIS se debe acudir a la Tabla de Contenidos en la que se

encuentra la capa USOS3 conformada por todas las subcapas que se quieren disgregar. El procedimiento

comienza abriendo la Tabla de Atributos, clicando con el botón derecho en la capa USOS3 >> Abrir Tabla de

Atributos. Dentro de ésta se deben seleccionar con el cursor todos aquellos polígonos que se quieren que

formen una misma capa, para luego clicar en Crear una capa con los atributos seleccionados. Repitiendo este

método tantas veces como capas se necesiten separar, 17 capas, se obtendrá en la Tabla de Contenidos el

resultado que se muestra en la Figura 29.

Figura 29. Tabla de Contenidos con las divisiones para formar la capa simplificada.

Esta cómoda división en diferentes Shape Files permite realizar operaciones en ArcGIS con cada

característica de los usos del suelo de forma independiente, admitiendo la eliminación de alguna de ellas si no

resultara de interés. Asimismo, posibilita realizar un primer estudio gráfico pudiéndose activar tan sólo una de

las capas y comprobando su extensión.

El objetivo es volver a unir estos Shape Files que ya se encuentran como individuales y simplificados

mediantes Dissolves, para tener una capa base completa sobre la que se intervendrá con algunas

actualizaciones. Para unir los Shape Files de nuevo se acude a la herramienta Merge, la cual está diseñada para

unir polígonos siempre que éstos no se superpongan. Para poner la anterior herramienta en marcha se cliquea

en ArcToolbox >> Data Management Tools >> General >> Merge.

El resultado de la simplificación se representa en la Figura 30. A primera vista, y sin haber aún identificado

la situación de los registros de la RAP en la cartografía, se observa un reparto mayoritario del territorio entre el

área amarilla y el verde. El primero de ellos, identificado en la clasificación como ‘Zonas agrícolas’, hace

notable una explotación del suelo con fines agrícolas. El área verde, sin embargo, se define como ‘Bosques y

prados’. Por último, y aunque no exista comparación con los dos grupos anteriormente descritos, es también

61


61

relevante la mezcla de todos los colores del resto de categorías en los núcleos urbanos de las capitales

andaluzas. Como ejemplo, la Figura 31 ofrece una ampliación de Sevilla y sus alrededores donde sí se percibe

una interacción entre varias de las capas del Shapes formado.

Figura 30. Andalucía con la capa USOS3 simplificada.

Figura 31. Sevilla capital. Zonas agrícolas (amarillo), bosques y prados (verde oscuro), tejido urbano continuo (rosa), zonas

industriales y comerciales (rojo), zonas en construcción (verde claro), tejido urbano discontinuo (morado) y agua (azul).

62


62

4.2.3 Buffers

Falta resaltar el carácter poligonal de las capas que definen al nuevo Shape File de USOS3. Es importante

recalcar esta característica porque para el estudio que se quiere realizar, la capa USOS3 se encuentra

incompleta, y es que le faltan todas las construcciones civiles y otras instalaciones que puedes ser de interés. El

problema reside en que mucha de esta información, que también se encuentra en distintas carpetas del DERA,

está en formato punto o línea. Como solución a este inconveniente, ya que las líneas o puntos no se pueden

agregar al Shape de USOS3, se aplica la herramienta Buffer. Ésta no es más que la herramienta que posibilita

transformar una capa lineal o puntual en una poligonal.

La Tabla 13 ofrece una relación de las nuevas capas a añadir en la anteriormente nombrada como la nueva

USOS3. Además, se concreta su naturaleza – poligonal, lineal o puntual- y en cada caso, los metros alrededor

de la línea o punto que se le han aplicado para formar el Buffer.

Tabla 13. Capas a actualizar en USOS3 y distancia del Buffer.

CAPA A AÑADIR TIPO DISTANCIA BUFFER (m)

Campos de Golf Puntual 20

Carreteras Lineal 10-50*1

Carril bici Lineal 1

Energía eólica Puntual 5

Energía solar Puntual 500*2

Gaseoductos Lineal 15

Líneas eléctricas Lineal 15

Líneas ferroviarias Lineal 30

Líneas de metro Lineal 40

Presas Puntual 20

Zonas militares Puntual 20

*1En el caso de las carreteras se ha hecho una distinción entre aquellas que se encuentran dentro de los

núcleos urbanos y esas otras que no lo hacen. Para realizar esta distinción se han necesitado ejecutar los

siguientes pasos:

I. Se superpone el Shape de los núcleos urbanos sobre el Shape en el que se representan

todas las carreteras de la comunidad autónoma para, a continuación, usar la herramienta

‘Clip’ para recortar las carreteras según el polígono de esos núcleos de población. Se

obtendrá de este recorte un Shape nuevo con las carreteras urbanas.

II. Con el fin de conseguir otro Shape con las carreteras no urbanas, se aplica la herramienta

‘Erase’ que elimina las carreteras que se encuentran dentro del polígono de los núcleos

urbanas –las que se acaban de separar en otro Shape-. De esta manera, se consigue un

archivo que solo contiene las vías no-urbanas.

III. Por separado se les emplea la herramienta Buffer para transformar el carácter lineal de

estos Shapes a poligonal. Para el caso de las carreteras urbanas se les atribuye una zona

de influencia de 10 metros, mientras que para las no-urbanas se les administra 50.

IV. Se unen los dos Shapes para lograr un único archivo poligonal con todas las carreteras de

la comunidad.

*2Mediante testeos apoyados en ortofotos se ha comprobado que los puntos dedicados a centrales solares

representan centrales solares y no elementos fotovoltaicos puntuales.

63


63

4.2.4 Actualizaciones (Updates)

Para crear una capa completa con la que identificar el uso de las actuaciones registradas por la RAP, es

necesario que a la nueva capa USOS3 se le incluyan las capas poligonales formadas mediante Buffers

explicadas en el apartado anterior. Esta acción se puede llevar a cabo mediante la herramienta ‘Update’. Ésta

permite superponer sobre una capa poligonal sobre otra capa, también poligonal en este caso, eliminándose la

primera. De esta manera, si alguno de los registros se encuentra dentro de este polígono actualizado, toma las

propiedades del último polígono situado sobre esa zona.

El problema que presenta esta herramienta con respecto a las nuevas capas a añadir, es que ellas mismas se

superponen. Como forma de evitar el máximo error en la definición del uso de las actuaciones, se han

actualizado las capas según su relevancia dejando la más importante para este estudio como la última

actualizada. El orden seguido de actualización se muestra en la Tabla 14.

Tabla 14. Orden de actualización de las capas poligonales en USOS3.

ORDEN CAPA POLIGONAL

1º Campos de Golf

2º Zonas militares

3º Energía eólica

4º Centrales eléctricas

5º Plantas solares

6º Gaseoductos

7º Líneas eléctricas

8º Líneas de ferrocarril

9º Carreteras

Para realizar los ‘Updates’ se debe cliquear en ArcToolbox >> Analysis Tools >> Overlay >> Update. El

resultado de la nueva Tabla de Atributos representativa de las capas que forman el nuevo Shape File de

USOS3 se expone en la Tabla 15, donde se exponen 27 capas que integradas conforman el mapa base que se

utilizará para obtener los primeros resultados del estudio.

Tabla 15. Capas de USOS3 actualizada.

CAPAS DE USOS3 ACTUALIZADA

Aeropuertos

Agua

Bosques y prados

Campos de golf

Carreteras

Centrales eléctricas

Energía eólica


Gaseoductos


Líneas de ferrocarril

Líneas eléctricas

Plantas solares

64


64


Redes viarias, ferroviarias y terrenos asociados

Roquedos

Salinas



Zonas agrícolas




Zonas militares

Zonas portuarias

Zonas quemadas


En ArcGIS esta nueva capa queda representada según la Figura 32. En ella se percibe la importante

relevancia de las obras civiles lineales que inundan todo el territorio andaluz.

Figura 32. Andalucía según USOS3 actualizada.

Con el fin de hacer una comparación con las Figura 31, la Figura 33 muestra la interacción de las nuevas

capas de USOS3 en la capital andaluza. En este caso se observa una enorme presencia de carreteras que

65


65

dividen el tejido urbano sevillano en multitud de pequeñas áreas. Además, también se puede apreciar las líneas

de ferrocarril que parten Sevilla en dos mitades. Una imagen que refleja el basto impacto de las obras civiles

en el territorio.

Figura 33. Sevilla capital con USOS3 actualizada. Zonas agrícolas (amarillo), bosques y prados (verde oscuro), tejido urbano

continuo (rosa), zonas industriales y comerciales (rojo claro), zonas en construcción (verde claro), tejido urbano discontinuo

(morado), agua (azul), carreteras (rojo intenso) y líneas de ferrocarril (amarillo intenso).

4.2.5 Unión especial (Spatial Join)

Una vez creada la capa USOS3 definitiva es posible lograr unos primeros resultados identificando, según la

posición de las actuaciones facilitadas por la RAP, la razón por la cual los Sistemas de Posicionamiento

Geográficos han sido empleados en cada caso. Esta identificación se lleva a cabo mediante la herramienta

‘Spatial Join’ (Unión espacial).

Esta unión espacial implica la relación de las filas de las Entidades de unión –capa USOS3- con las

Entidades de destino –puntos de la RAP- según sus localizaciones espaciales relativas (20). Dicho de otra

forma, todos los atributos de las entidades de unión se incorporan a los atributos de las entidades de destino y

se copia a la clase de entidad de salida. Un campo muy interesante que crea esta herramienta se llama

‘Join_Count’. Éste informa cuántas entidades de unión coinciden con cada entidad de destino. Gracias a este

campo, se conocerá para qué uso es más cotidiana la utilización de los Sistema de Posicionamiento Geográfico

según la cartografía base de USOS3.

Para hacer uso de la herramienta es necesario clicar sobre ArcToolbox >> Analysis Tools >> Overlay >>

Spatial Joins. Un procedimiento que se repite con cada año a estudiar.

Los primeros resultados que se han conseguido gracias a ese campo ‘Join_Count’ se expresan en la Tabla

16.

66


66

Tabla 16. Clasificación del uso de los registros de la RAP según USOS3.

(*) 2008 2009 2010 2011 2012 2013 2014 2015 TOTAL

Z. Agrícolas 10.957 42.259 32.448 30.760 18.798 20.912 22.699 21.910 200.743 Carreteras 4.676 19.876 16.976 12.175 6.469 7.541 8.018 9.962 85.693 Bosques 4.196 14.768 9.762 9.113 8.549 8.277 5.635 4.679 64.979 T. Urb.

Continuo 794 2.992 2.815 3.111 3.024 2.861 3.195 4.837 23.629

Ferrocarril 561 4.106 5.887 3.209 1.102 3.555 1.908 1.017 21.345 Z.

Construcción 779 7.133 2.939 3.212 1.394 1.392 1.351 1.537 19.737

Z. Industriales 715 3.891 3.978 2.467 1.748 1.140 2.295 1.805 18.039 T. Urb.

Discontinuo 838 1.843 3.483 1.980 1.629 1.604 1.845 2.241 15.463

L. Eléctricas 368 2.156 942 1.072 824 829 563 662 7.416 Z. Portuarias Playas 315 1.897 1.028 670 221 363 186 264 4.944 Aeropuertos 93 565 2.552 1.094 319 163 19 60 4.865 C. Golf 24 87 309 346 1.358 785 856 518 4.283 Gaseoductos 399 1.052 487 551 216 361 590 284 3.940 Agua 72 324 588 515 285 221 751 1.082 3.838 P. Solares 223 708 450 543 189 34 36 62 2.245 Minas 17 174 550 197 251 198 225 249 1.861 Salinas 21 43 59 30 486 254 79 64 1.036 Z. Militares 38 99 228 380 210 43 5 10 1.013 Escombreras y

vertederos 5 34 24 62 25 96 394 300 940

Inst.

Recreativas 1 263 82 90 39 61 150 88 774

Redes viarias 4 47 25 74 23 22 12 174 381 Z. Verdes urb. 12 35 10 45 23 59 40 22 246 Z. Quemadas 5 2 3 45 12 12 3 5 87 Roquedos 0 0 18 1 0 0 0 0 19

(*)Energía eólica y centrales eléctricas se han eliminado de la Tabla 15 debido a que cuentan con cero registros

en su área de influencia.

Si se compara con la Figura 27 en la cual se mostraba la progresión del uso de los registros de la Rap en

zonas urbanas y no-urbanas, se concluye que estos primeros resultados en la Tabla 16 reafirman que la

tendencia de los últimos años del uso del GPS en zonas agrícolas es creciente. No obstante, se muestran

contrarios en cuanto a que el uso de estos sistemas sea mayor en zonas urbanas ya que, aunque su tendencia

también sea positiva en los últimos años, muestra un conteo de actuaciones mucho menor. La Figura 34

enseña estos progresos.

Es de recibo apuntar que se ha eliminado del gráfico de la Figura 34 el año 2008. Esto se debe a que en

esos 4 meses que transcurren desde la puesta en marcha de los Sistemas de Posicionamiento Geográfico –

agosto de 2008- hasta el 2009, todas las líneas que componen el gráfico son crecientes y de grandes

pendientes, pero no un crecimiento relevante. Éste incremento del uso es debido tan sólo a que antes no

existían, por lo tanto cualquiera registro en esos 4 meses ya significa una subida. Es por esta razón no se ha

querido destacar ese aumento.

67


67

Figura 34. Progresión del uso del GPS según USOS3. Zonas agrícolas (Rojo), carreteras (azul), bosques y prados (verdes).

4.3 Reducción del BIG DATA

Pese a la larga lista de herramientas que se han llevado a cabo en lo trascurrido en este estudio, su lento

desarrollo ha llevado a pensar que quizás es necesaria una reducción en el número de registros. Se ha llegado a

la conclusión de que un gran porcentaje de los que se visualizan en las cartografías pertenecen a una misma

actuación, declinándose la idea de que las casi 500.000 localizaciones son sinónimo de la realización de medio

millón de intervenciones. Potenciado este propósito por favorecer el aumento del rendimiento en los cálculos

al reducir con ello el coste computacional, se ha creído inexcusable la cuestión de representar cada actuación

por tan sólo un punto representativo consiguiendo así una cifra más próxima al número real de actividades.

Esta reducción se ha hecho realidad gracias al programa Access. Si bien es cierto que se podría haber

optado por la herramienta Python facilitada por el mismo entorno de ArcGIS, Access permite una

simplificación más sencilla e igualmente efectiva. Además, Python requiere de ciertos conocimientos en

materia de programación que no es la disciplina que se persigue en estas páginas.

El razonamiento seguido para conseguir el compendio de los registros ha consistido en agrupar aquellos

rastreos que pertenecen a la misma compañía, tomados por el mismo usuario con una misma fecha de toma de

datos. Las coordenadas representativas de esa agrupación se corresponden con las del primer registro de esa

asociación. Se barajó el planteamiento de escoger las coordenadas promedio de entre todas las del grupo mas

esta opción podía dar lugar a una probabilidad de error demasiado alta.

Se ha reparado a su vez la posibilidad de que, siguiendo este procedimiento, se represente cada

intervención por más de un punto representativo en el caso de que la toma de datos dure más de un día. Aun

así, no se puede concebir una consulta sin tener en cuenta la fecha pues un mismo usuario de la misma

empresa puede haber tomado datos en varias obras en el trascurso de un mismo año.

0

5000

10000

15000

20000

25000

30000

35000

40000

45000

2009 2010 2011 2012 2013 2014 2015

Aeropuertos

Agua

Bosques y prados

Campos de golf

Carreteras


Gaseoductos

Instalaciones deportivas yrecreativasLíneas de ferrocarril

Líneas eléctricas

Plantas solares


Redes viarias, ferroviarias yterrenos asociadosRoquedos

Salinas



Zonas agrícolas




Zonas militares

68


68

4.3.1 Procedimiento de reducción

Como se ha comentado con anterioridad, la simplificación de los registros se lleva a cabo a través del

programa Access, a través de una consulta. Para ello se cliquea en Crear >> Diseño de consulta. La Figura 35

muestra las condiciones a imponer para conseguir la agrupación de las localizaciones.

Figura 35. Condiciones de la consulta para la reducción de los puntos.

Tal y como se percibe en la Figura 35, se ha añadido un campo extra en el cual se recoge un conteo del

número de puntos de cada agrupación. Esto da una idea de la repercusión de la asociación.

Las consultas de Access no modifican las bases de datos, por lo que para conseguir una tabla nueva con el

resultado de la agrupación es imprescindible cliquear en Consulta >> Diseño de consulta >> Crear Tabla, sin

modificar las condiciones impuestas en la consulta anterior. A continuación, aparece un cuadro de diálogo

como en la Figura 36 a rellenar con el nombre de la nueva tabla y si se desea que ésta se cree en una base de

datos aparte o en la misma en la que se está trabajando.

Figura 36. Cuadro de diálogo para crear una nueva tabla con el resultado de la consulta.

Tras repetir este procedimiento con cada año y tras haber guardado las bases de datos nuevas en formato

.mdb, se conectan éstas con ArcGIS pinchando en Conectar base de datos con conexión OLE DB >>

Microsoft Jet 4.0 OLE DB Provider. Para finalizar, se crean entidades XY tomando para ellos las coordenadas

representadas por los campos de Latitud y Longitud.

4.3.2 Resultado de la reducción

La Tabla 17 expone los resultados de la reducción de los registros. Tal y como se muestra en ella, se verifica

que la simplificación de las localizaciones ha sido un acierto pues un 87.5% de ellas pertenecen a la misma

actividad.

69


69

Tabla 17. Resultado de la reducción de puntos.

2008 2009 2010 2011 2012 2013 2014 2015 TOTAL

Sin reducir 46.949 106.532 88.061 73.971 49.774 52.785 53.155 54.814 526.038

Reducidos 1.983 8.763 10.696 10.379 7.860 8.184 8.200 9.752 65.817

La Figura 37 ofrece una comparativa entre el número de registros antes y después de la reducción. Se podría

evidenciar de la imagen que el número de actuaciones se mantiene constante a través de los años, aunque no se

tiene certeza. No hay que olvidar que en la toma de datos ocupa un papel fundamental la habilidad del

topógrafo y que la envergadura de las actuaciones no tiene cabida en ese gráfico. Esto último tan sólo se podría

dilucidar conociendo el número de agrupaciones y el número de puntos recogidos en cada una.

Figura 37. Comparativa de los registros de la RAP-IP tras su agrupación.

0

20000

40000

60000

80000

100000

120000

2009 2010 2011 2012 2013 2014 2015

Registro RAP_IP sin fallos

Totaloriginalessin fallos

0

20000

40000

60000

80000

100000

120000

2009 2010 2011 2012 2013 2014 2015

Registros RAP_IP agrupados

Reducidos

70


70

5 ESTUDIO TEMPORAL BASADO EN SIOSE

Estinado este estudio a ahondar en el uso de los Sistemas de Posicionamiento Geográfico, queda

justificada la disposición de contrastar los resultados cosechados gracias a las cartografías del DERA

mediante la construcción de un nuevo mapa base, esta vez basado en un Modelo de Datos orientado a objetos

SIOSE (6).

5.1 Datos de partida

El Sistema de Información sobre Ocupación del Suelo de España, al cual se le nombrará a partir de ahora

‘SIOSE’ para simplificar, se singulariza por su carácter multipropósito y extensible (22). Se podría decir que

SIOSE es una base de datos multicriterio que no clasifica el terreno sino que lo describe mediante coberturas, o

combinaciones de ellas, con sus diferentes porcentajes de ocupación y atributos, sin pérdida de información.

Esta última idea se explica muy bien con la Figura 38, en la cual se describe un mismo lugar en el mapa según

ambos modelos de datos. Aun así, en este estudio solo se va a utilizar un solo uso para cada polígono,

independientemente de que SIOSE tenga la capacidad de atribuir porcentualmente varias características.

Figura 38. Clasificación Modelo de Datos Jerárquico y orientado a objetos SIOSE. Diferencia entre un Modelo de Datos Jerárquico

y uno orientado a Objetos (6).

D

71


71

Con el empleo de este nuevo Modelo de Datos, y su nueva repartición de los usos del suelo andaluz, se

procede a contrastar los resultados obtenidos con el Modelo de Datos Jerárquico. Al igual que con ese modo,

es necesario modificar ciertas características de la distribución de usos, pues se pretende conseguir otra capa

base en la que los campos se asemejen a los anteriores.

5.2 Tratamiento de los datos

El tratamiento de los datos SIOSE se singulariza por no poseer la información que resulta de interés para la

distribución de los usos del territorio en el mismo documento. En concreto, se debe trabajar con dos. El

primero de ellos, al que se le denominará como ‘Archivo 1’, contiene el Shape File poligonal con la cartografía

de Andalucía mientras que el segundo, ‘Archivo 2’, se corresponde con una tabla en formato .dbf en la que se

definen las clasificaciones del terreno según su uso. La Tabla 18 enseña el número de campos con los que

cuenta cada archivo, que ayudará a entender futuros pasos.

Tabla 18. Campos del Archivo 1 y Archivo 2 de SIOSE.

ARCHIVO 1 ARCHIVO 2

Shape

GUID_POL*1

COD_OCUPA*2

DESC-OCUPA*3

ZONA

PCT_ARBOLADO*4

PCT_MATORRAL

PCT_HERBACEO

PCT_SUELO DESNUDO

PCT_QUERCINEAS

PCT_CONIFERAS COD_NIVEL1

PCT_EUCALIPTOS COD_NIVEL2

PCT_FRONDOSAS COD_NIVEL3

PCT_CULTIVOS HERBACEOS COD_OCUPA

PCT_CULTIVOSL DESC_OCUPA

PCT_CITRICOS

PCT_OLIVAR

PCT_VIÑEDOS

PCT_FRUTALES

PCT_AGUA

PCT_EDIFICACIÓN

PCT_VIAL

PCT_ZONAS VERDES

Shape_Leng

Shape_Area

*1Código alfanumérico que describe el polígono

*2Código de ocupación del polígono

*3Descripción de la ocupación asociada al polígono

*4Porcentaje

72


72

Los campos definidos como COD_NIVEL 1, 2 y 3 corresponden a tres tipos de clasificaciones del terreno,

mediante códigos, según su uso. Al igual que en el DERA, cada categoría es más detallada que la anterior. Por

este motivo, se va a clasificar la cartografía SIOSE mediante la distribución de COD_NIVEL3. La

clasificación del suelo según COD_NIVEL3 se representa en la Tabla 19.

Tabla 19. Clasificación del suelo según COD_NIVEL3 de SIOSE.

COD_NIVEL3 DESCRIPCIÓN

11 Urbano mixto

21 Cultivo herbáceo

22 Invernaderos

31 Combinación de cultivos y vegetación

35 Pastizal

41 Matorral

113 Instalaciones agrícolas y ganaderas

151 Zonas mineras

194 Instalación forestal

416 Olivares

417 Viñedos

431 Frutales cítricos

510 Bosques de Quercíneas

520 Bosques de Coníferas

530 Bosques de Eucaliptos

540 Bosques de otras frondosas

934 Zonas incendiadas

945 Suelo desnudo

999 Gibraltar

1006 Cortafuegos

3001 Zonas verdes urbanas

3002 Zonas industriales

3003 Servicios, comercial y oficinas

3004 Ocio, cultural y deportivas

3005 Redes viarias y ferroviarias

3006 Puertos

3007 Aeropuertos

3008 Infraestructuras de residuos

3009 Otras infraestructuras técnicas

3010 Infraestructuras energéticas

3011 Frutales no cítricos

3012 Combinación de cultivos

3013 Bosques mixtos

3014 Matorrales con arbolado puro

3015 Matorrales con arbolado mixto

3016 Pastizales con arbolado puro

3017 Pastizales con arbolado mixto

3018 Playas, dunas, acantilados y arenales

3019 Suelo desestructurado

3020 Zonas húmedas artificiales

3021 Otras zonas húmedas naturales

3022 Ríos y cauces con o sin vegetación

73


73

Se percibe que la clasificación según COD_NIVEL3 obedece a una división del suelo más amplia que la

realizada con el DERA. Se ha considerado no simplificar esta ordenación ya que la diferencia más relevante

entre ambas es que ésta no agrupa en una sola capa las subdivisiones relacionadas con zonas agrícolas o

bosques y prados. Atendiendo a los resultados obtenidos en el DERA, se ha sopesado la opción de dejar estas

capas desagregadas para, en este caso, poder estudiar el grado de actuación en cada una de ellas ya que fueron

de las capas donde más se usó estos Sistemas de Posicionamiento Geográfico.

Surge el inconveniente de que se necesita el campo ‘COD_NIVEL3’, perteneciente al Archivo 2, en el

Archivo 1 para poder identificar los puntos de la RAP y saber qué uso atribuirles. Se da el caso de que ambas

comparten algunos campos comunes como son COD_OCUPA y DESC_OCUPA. Esto va a permitir unir

ambas tablas de atributos aunque no contengan el mismo número de registros, al tomarse como pieza de unión

el campo COD_OCUPA.

Para hacer esto posible se recurre a la herramienta Join (Unión). En este caso, se pretende unir las tablas en

el Archivo 1, por lo que se cliqueará con el botón derecho en el mismo dentro de la Tabla de Contenidos del

entorno de ArcGIS. A continuación, Joins and Relates >> Joins. Aparece entonces el cuadro de diálogo de la

Figura 39 en el que se debe de especificar el Archivo 2 a unir, Siose11_Niveles, y el campo común por el que

se va a regir la unión, COD_OCUPA.

Figura 39. Cuadro de diálogo de la herramienta Join.

Esta herramienta, a diferencia de prácticamente todas las usadas con anterioridad, no crea ningún Shape

File nuevo con el resultado de la unión sino que éste se muestra en la misma tabla original. Es necesario

apuntar que tampoco modifica la base de datos sobre la que se ejecuta, para ello se va a realizar un intercambio

de información entre los campos. Es decir, se elige un campo del Archivo 1, que en este caso es el campo

ZONA, en el que se van transcribir los datos del campo COD_NIVEL3. Se elige el campo ZONA porque no

aporta información que resulte de interés para el estudio.

Antes de continuar hay que asegurarse de que las carpetas en las que se encuentran guardados estos

archivos en el ordenador no se encuentren en formato lectura. Esto se efectúa pinchando en esas carpetas con

el botón derecho >> Propiedades.

74


74

Para realizar el intercambio de los datos de las columnas anteriormente nombradas, y que éste modifique la

base de datos, es necesario activar el Editor en la barra de herramientas del entorno ArcGIS. A continuación,

dentro de la Tabla de Atributos del Archivo 1 se pincha con el botón derecho en el campo ZONA, campo que

se quiere transformar, >> ‘Field Calculator’ (Calculadora de campo). Se abre una ventana que asemeja a una

calculadora, Figura 40.

Figura 40. Herramienta ‘Field Calculator’.

Como se observa en la Figura 40, en la ventana Campos aparecen todos aquellos que resultan de la unión

del Archivo 1 y del 2. En este caso la fórmula que se debe escribir para que se produzca esa copia de los datos

del campo COD_NIVEL3 en ZONA es la siguiente:

ZONA = COD_NIVEL3*

Es necesario apuntar que en la Figura 40 aparecen los nombres reales usados durante el proceso del

análisis. Se han simplificado para facilitar la explicación.

Cuando se cliquea OK, se pincha en ‘Save’ (Guardar) y ‘Stop editing’(Finalizar la edición) dentro del

mismo Editor que antes suministrado por el entorno ArcGIS. Al guardar esta modificación en una de las

columnas del Archivo 1, sí se altera la base de datos consiguiendo con ello que el Archivo 1 ya cuente con

todos los datos de interés. Para eliminar los campos adheridos del Archivo 2, y que ya no resultan útiles, se

revierte la herramienta Join. Para ello se pincha con el botón derecho sobre el Archivo 1 en la Tabla de

Contenidos >> Joins and Relates >> Remove Join. El Shape File con el que se va a continuar el estudio,

Archivo 1, va a contar con los atributos descritos en la Tabla 20.

75


75

Tabla 20. Atributos finales de la capa SIOSE.

SIOSE

Shape

GUID_POL

COD_OCUPA

DESC_OCUPA

COD_NIVEL3

PCT_ARBOLADO

PCT_MATORRAL

PCT_HERBACEO

PCT_SUELO DESNUDO

PCT_QUERCINEAS

PCT_CONIFERAS

PCT_EUCALIPTOS

PCT_FRONDOSAS

PCT_CULTIVOS HERBACEOS

PCT_CULTIVOSL

PCT_CITRICOS

PCT_OLIVARES

PCT_VIÑEDOS

PCT_FRUTALES

PCT_AGUA

PCT_EDIFICACIÓN

PCT_VIAL

PCT_ZONAS VERDES

Shape_leng

Shape_area

Para finalizar con el tratamiento de los datos de SIOSE, se ha procedido a una separación en los polígonos

con código 3005 referidos a redes viarias y ferroviarias. Con el fin de poder situar en el mapa la relevancia de

los Sistemas de Posicionamiento, se debe prescindir de aquellos polígonos que se extiendan demasiado en la

cartografía. En este caso se cuenta que la red de carreteras se encuentra conectada en su totalidad en un

número muy pequeño de polígonos a lo largo de toda Andalucía. En consecuencia, al proceder al conteo de los

puntos que se registran dentro de las lindes de esos polígonos va a resultar una cifra excesivamente alta, que no

corresponde a una localización concreta en el mapa. Para solucionar esta dificultad, se han llevado a cabo los

siguientes pasos:

I. Se seleccionan de la Tabla de Atributos todos aquellos registros que pertenezcan a la

clasificación 3005. Para ello, Tabla de opciones >> Selección por atributos.

II. Se pincha con el botón derecho en el Shape File sobre el que se ha seleccionado, y se

cliquea en Selección >> Crear capa con elementos seleccionados. Con ello se ha

separado en otra capa diferente con la que se podrá operar sin dañar el resto de los datos.

III. Se ejecuta la herramienta Intersect (Intersectar). Ésta calcula la intersección entre la capa

de redes viarias y ferroviarias, y una capa con los municipios de la comunidad andaluza.

De esta forma se obtiene un nuevo Shape File con la capa 3005 cortada según los

municipios de Andalucía (20).

IV. A continuación, la herramienta Update (Actualizar) permite actualizar en el Shape

76


76

primario la capa de viario que se acaba de cortar. Así se consigue un mapa base con las

carreteras divididas en diferentes polígonos según su situación.

Además de esto último, y para rebajar el coste computacional que precisa representar el SIOSE en el

entorno ArcGIS, se ha realizado una simplificación de los polígonos. Es decir, SIOSE se define por un Shape

File que consta de 1.275.219 polígonos. Cada uno de ellos concretado por su uso, entre otros datos. Por la

ralentización que provoca el manejo de este archivo, y una vez realizadas todas las transformaciones, se ha

decidido simplificarlo. Para ellos se han ejecutado todos los registros de la RAP para seleccionar aquellos

polígonos en los que no coincide ninguno de ellos. Éstos se han eliminado. De esta forma, el archivo SIOSE

resulta con 16.414 polígonos útiles mostrados en la Figura 41.

Figura 41. SIOSE simplificado.

En la Figura 41 se hace notable la importancia de las redes viarias y ferroviarias en el uso de los Sistemas

de Posicionamiento, y de las áreas agrícolas en todo el valle del Guadalquivir. A simple vista se puede concluir

también la escasa utilización en zonas boscosas y de montaña de Sierra Morena.

La Figura 42 ofrece una ampliación de la ciudad de Sevilla y los alrededores, para hacer posible la

comparación con las Figura 33. En este caso se observa con mayor claridad la eliminación de los polígonos sin

registros.

77


77

Figura 42. Sevilla tras eliminación de polígonos.

5.3 Resultados

Las posibles conclusiones que se puedan deducir del SIOSE son el resultado del conteo de los puntos en

cada polígono, y a posteriori, en cada uso. Para conseguir esto se va a necesitar la herramienta Tabulate

Intersection (Tabular Intersección). Ésta calcula la intersección entre dos clases de entidades –capa base de

SIOSE y la capa puntual con los registros de la RAP-, y realiza una tabulación cruzada del área, la longitud o

el recuento de las entidades que intersecan (20). La Figura 43 representa muy bien la definición de la

herramienta Tabulate. En la imagen se recrea la interacción entre dos capas poligonales, aunque como se ha

nombrado con anterioridad en el caso del estudio intersecan una poligonal y otra puntual, es por este motivo

por el que crea el campo contador.

Figura 43. Herramienta Tabulate Intersection.

78


78

Para un correcto desarrollo de la herramienta debe existir en la base de datos del archivo un campo que sea

único para cada polígono. En el caso del estudio, el campo ObjectID que facilita ArcGIS se encuentra repetido

en algunos de los polígonos debido a la actualización del corte de las carreteras. Para evitar errores, se ha

creado un campo identificador nuevo con la ayuda de Python. Esto se lleva a cabo creando un campo en

blanco dentro de la tabla de atributos clicando Opciones de la Tabla >> Añadir campo. A continuación, se

pincha con el botón derecho al campo añadido >> Calculadora de Campo. Se elige la opción Python, y se

escribe lo que se refleja en la Figura 44. Se ha considera comenzar el campo identificador desde la cifra 100

para no confundirlo con el ObjectID impuesto por ArcGIS.

Figura 44. Programación en Python del Campo identificador (23) .

Creado el campo de referencia para el Tabulate Intersection es posible poner en marcha la herramienta para

cada año del estudio. Para ello, ArcToolbox >> Analysis Tools >> Statistics >> Tabulate Intersection. Como

resultado se obtienen tablas con un conteo de los puntos coincidentes con los polígonos del SIOSE para cada

año. Al unirlas y hacer una suma del total de registros por polígono por año resulta una tabla igual a la

mostrada en la Figura 45. En esta figura se expone una muestra de 10 registros de los 17.406 que existen en

total.

Figura 45. Muestra de la base de datos resultante de la intersección.

Agrupando los resultados según una clasificación más parecida a la realizada con el DERA y sumando, por

tanto, las localizaciones contadas para cada uso, se logra la Tabla 21 resultado de la clasificación según

COD_NIVEL3. La razón de la agrupación se debe a que los mayores usos se dan en los conceptos de zonas

urbanas, obras públicas y zonas agrícolas.

79


79

Tabla 21. Resultados SIOSE.

USOS 2008 2009 2010 2011 2012 2013 2014 2015

Z. agrícolas 250 1.053 1.376 2.313 1.806 2.169 2.252 2.658

Urbano mixto 355 1.312 1.959 1.955 1.877 1.627 1.747 2.179

Ocio 11 48 73 83 201 189 228 179

Puertos 67 355 267 250 245 278 199 390

Agua 71 422 428 364 406 319 486 384

Z. mineras 79 134 149 137 131 92 122 164

Bosques 284 1.173 1.203 1.243 948 1.081 983 1.129

R. viarias y ferroviarias 501 2.653 356 2.636 1.304 1.687 1.446 1.695

Aeropuertos 43 291 410 252 146 73 14 11

Z. industriales y comerciales. 264 1.084 1.010 879 587 500 586 715

La tabla anterior muestra el número de conexiones por año que se dan en cada clasificación desde 2008

hasta 2015. Completando estos resultando se adjunta la Tabla 22, la cual muestra una suma total de las

localizaciones registradas de cada tipo para los años 2008-2015, y una columna con el cálculo de la pendiente

con respecto a las conexiones desde 2009 hasta 2015. Como se ha explicado en anteriores apartado, se ha

prescindido de los datos de 2008 ya que fomenta un crecimiento de la pendiente irreal debido a la puesta en

marcha del servicio.

Tabla 22. Resultado SIOSE simplificado y pendientes.

SIOSE SIMPLIFICADO CONEXIONES

2008-2015

PENDIENTES

2009-2015

Zonas agrícolas 13.877 0,0033

Urbano mixto 13.011 0,0039

R. viarias y ferroviarias 12.278 -0,0004

Bosques y prados 8.044 -0,0099

Zonas industriales y comerciales 5.625 -0,0075

Agua y zonas húmedas 2.880 -0,0026

Puertos 2.051 -0,0001

Aeropuertos 1.240 -0,0131

Ocio, cultural y deportivo 1.012 0,0257

Zonas mineras 978 -0,0512

Estas dos últimas tablas se refuerzan con la Figura 46 que muestra un gráfico de líneas que representa el

uso individualizado de cada uso durante 2009-2015.

80


80

Figura 46. Actividad RAP 2009-2015 según SIOSE.

Como se comentó con anterioridad, se divisa un importante despunte en el uso de la RAP en las zonas

agrícolas, zonas urbanas y en las redes viarias y ferroviarias. Las dos primeras con una tendencia de

crecimiento positivo, mientras que la última con una inclinación negativa quizás generada por esa

irregularidad en el número de registros de 2010, a la que no se le han encontrado explicación. Además, tanto

las zonas agrícolas como las urbanas alcanzan sus valores más altos en los últimos datos recogidos para el año

2015, pudiéndose subrayar el destacado uso en 2011 en las zonas agrícolas.

Acercando los resultado a la obra civil, las clasificaciones como aeropuertos, puertos y zonas industriales y

comerciales comparten una tendencia negativa, aunque todas de valores muy pequeños debido a la regularidad

del uso en esas categorías. Concretamente, los aeropuertos sí sufren una continua caída desde su leve despunte

en 2010.

Las zonas mineras se caracterizan por tener un uso estable a lo largo de los años, pudiéndose deber a las

excavaciones continuas en ellas y al trabajo diario. Es importante recalcar la poca probabilidad de deberse a la

puesta en marcha de nuevas minas, ya que la construcción de éstas es escasa.

La zona de agua y humedales es la única distribución que padece un notable descenso del uso a partir del

2014, una disminución sin causa aparente y que podría ser estudiado si está relacionada a la construcción de

puentes. Aparte de ésta, el resto de separaciones sobrellevan un importante crecimiento lo que hace sentenciar

que la RAP es un servicio en actual uso, práctico y al que se acude.

La crisis es una de las posibles causas de la parada del crecimiento durante los primeros años de servicios e

incluso del masivo decremento generalizado del número de localizaciones registradas durante el año 2011.

Tanto en el estudio basado en el DERA como en el SIOSE, las zonas agrícolas han brillado por ser las

protagonistas en cuanto al aventajado uso de la RAP en ellas y a su importante tendencia creciente. Es por esta

razón, que se ha considerado disgregar esa clasificación según la organización de los usos de suelo facilitado

por el campo COD_NIVEL3 de SIOSE. La Tabla 23 muestra el número de los registros de los años 2008-

2015 de esa descomposición de las zonas agrícolas. La Tabla 24 muestra las sumas anuales total, y la Figura

47 un gráfico para posibilitar una panorámica de los resultados más visual.

0

500

1000

1500

2000

2500

3000

2009 2010 2011 2012 2013 2014 2015

SIOSE 2009-2015

Zonas agrícolas Urbano mixto Ocio, cultural y deportivo

Puertos Agua y zonas húmedas Zonas mineras

Bosques y prados Redes viarias y ferroviarias Aeropuertos


81


81

Tabla 23. Resultados de las Zonas agrícolas SIOSE.

Z. AGRÍCOLAS SIOSE 2008 2009 2010 2011 2012 2013 2014 2015

Cultivos herbáceos 88 436 478 1.018 692 765 870 1.091

Olivares 60 254 383 622 381 510 509 647

Matorral 20 141 154 287 312 360 334 299

Inst. agrícolas y ganaderas 37 87 137 160 135 109 130 180

Frutales no cítricos 9 38 75 88 110 196 181 195

Invernaderos 10 18 69 44 52 76 52 78

Comb. cultivos y vegetación 17 26 27 32 70 74 78 62

Frutales cítricos 7 34 42 45 41 64 78 72

Viñedos 2 17 11 13 11 10 14 26

Comb. de cultivos leñosos 0 2 0 4 2 5 6 8

Tabla 24. Resultados anuales de las Zonas agrícolas y pendientes.

Z. AGRÍCOLAS SIOSE CONEXIONES

2008-2015

PENDIENTES

2009-2015

Cultivos herbáceos 5.438 0,0066

Olivares 3.366 0,0110

Matorral 1.907 0,0201

Inst. agrícolas y ganaderas 975 0,0379

Frutales no cítricos 892 0,0320

Invernaderos 399 0,0666

Comb. cultivos y vegetación 386 0,0768

Frutales cítricos 383 0,1143

Viñedos 104 0,1615

Comb. de cultivos leñosos 27 0,6911

Figura 47. Actividad RAP 2009-2015 de zonas agrícolas.

0

200

400

600

800

1000

1200

2009 2010 2011 2012 2013 2014 2015

Cultivos herbáceos

Olivares

Matorral

Frutales no cítricos

Combinaciones de cultivos y vegetación

Instalaciones agrícola, ganadera

Frutales cítricos

Invernaderos

Combinaciones de cultivos leñosos

Viñedo

82


82

La Figura 47 denota un uso bastante superior en cuanto a cultivos herbáceos y olivares se refiere, también

las zonas de matorral se emergen como una de los sectores de mayor utilización. De las primeras dos

subdivisiones se contemplan una subida vertiginosa a partir del año 2013.

Resulta muy significativa la tendencia positiva de todos los tipos de zonas agrícolas estudiadas, aunque las

zonas de matorral sufran una leve caída en los dos últimos años. Es también remarcable el despunte de los

cultivos herbáceos y de los olivares en 2011, seguidos de una profunda disminución en la aplicación de los

Sistemas de Posicionamiento. Éstos pueden estar ligados a la crisis ya que sigue la misma tendencia en ese año

que la recogida en la Figura 46.

5.4 Crisis económica y RAP

A lo largo de todo este escrito se han ido relacionando los múltiples resultados con la crisis económica

española que asoló el país en 2007. Aunque hasta ahora no se han dado datos certeros sobre esta correlación,

parece lógico teorizar que el estallido de la burbuja inmobiliaria y el descenso en la inversión pública han

podido afectar directamente al mundo de la Ingeniería Civil.

Para contar con datos certeros acerca del desarrollo de la economía en diversos sectores se ha acudido a la

Web del Instituto Nacional de Estadística (24). De ahí se ha extraído la Tabla 25 que recoge el Producto

Interior Bruto en categorías como la construcción, la agricultura y ganadería, o la industria.

Tabla 25. Datos del PIB 2008-2015 (24).

2008 2009 2010 2011 2012 2013 2014 2015

Agricultura y

ganadería

7.118.512 6.647.778 7.130.345 6.747.056 6.120.284 7.140.444 6.296.094 7.022.149

Industria 17.564.416 15.303.104 16.614.034 16.986.741 16.489.500 15.644.545 15.490.078 16.254.383

Construcción 18.546.118 16.843.620 13.548.900 11.240.247 8.939.255 7.709.468 7.536.544 8.006.261

Comercio y

transporte

29.435.513 29.083.443 28.656.368 29.286.818 29.376.395 29.202.947 29.850.686 31.326.118

Act.

Inmobiliarias

15.112.777 14.591.411 16.019.966 17.030.051 17.598.719 18.065.854 18.230.523 18.363.402

Act. Científicas 7.596.790 7.744.928 7.158.436 7.192.342 6.874.916 6.655.243 6.827.026 7.184.368

Adm. Pública 28.326.652 29.847.237 30.045.811 30.199.843 29.067.008 28.918.110 28.857.937 29.773.340

Arte y

entretenimiento

5.785.718 5.809.140 5.793.530 5.891.675 5.777.639 5.680.734 5.792.227 6.019.228

La unidad de la tabla son miles de euros, que unido a las largas cifras hacen la tabla poco visible. Se ha

transformado por esa misma razón la misma en un gráfico, Figura 48. Se ha unido la gráfica del PIB junto con

los resultados obtenidos para SIOSE para posibilitar una comparación más clara.

83


83

Figura 48. PIB 2008-2015 y resultados SIOSE.

Lo más llamativo del gráfico del PIB corresponde con la caída en picado de la construcción a lo largo de

todo el periodo, subrayándose un pequeño repunte desde 2014. Puede estar relacionado con la bajada de las

conexiones en terreno urbano o los continuos descensos en el uso en redes viarias y ferroviarias, aunque a la

depresión de 2010 sigue sin encontrársele respuesta.

0

5.000.000

10.000.000

15.000.000

20.000.000

25.000.000

30.000.000

35.000.000

2008 2009 2010 2011 2012 2013 2014 2015

PIB 2008-2015

Agricultura, ganadería, silvicultura y pesca.Industrias extractivas.Construcción.Comercio al por mayor y por menor, hostelería, transporte y almacenamiento.Actividades inmobiliarias.Actividades profesionales, científicas y técnicas.Administración pública y defensa: ss, educación y servicios sociales.Actividades artísticas, recreativas y entretenimiento.

0

500

1000

1500

2000

2500

3000

2009 2010 2011 2012 2013 2014 2015

SIOSE 2009-2015

Zonas agrícolas Urbano mixto Ocio, cultural y deportivo

Puertos Agua y zonas húmedas Zonas mineras

Bosques y prados Redes viarias y ferroviarias Aeropuertos


84


84

Ambas coinciden en cuanto a que un aumento generalizado del uso de la RAP a partir del año 2014 y del

PIB en ese mismo año. Es posible que una mayor actividad en la mayoría de los sectores haya aumentado el

Producto Interior Bruto. Este aumento también se encuentra secundado por la encuentra EPTMC –Encuesta

Permanente de Transporte de Mercancías por Carretera del Ministerio de Fomento de España- la cual

correlaciona la construcción con el nivel de actividad de la RAP-IP (3).

85


85

6 ESTUDIO ESPACIO-TEMPORAL BASADO EN

SIOSE

N el capítulo anterior se ha realizado un estudio de los datos de manera temporal. En este va a tomar un

papel primordial el tiempo, analizando con más profundidad el papel que juega el cálculo de las pendientes,

y sacando conclusiones de aplicarles a estas algunas herramientas de ArcGIS.

6.1 Análisis rasterizado de las pendientes

Aunque en el capítulo anterior se calcularon algunas pendientes, éstas iban destinadas a representar las

distintas clasificaciones en las que se divide SIOSE. En este caso, el estudio se va a centrar en posicionar los

resultados. Es decir, en estudios previos ha sobresalido la importancia de conocer si los GPS son más usados

en zonas agrarias o urbanas, entre otras, mientras que en este apartado va a prevalecer conocer qué lugar de

Andalucía tiene las zonas agrarias con mayor índice de utilización o en qué área se espera un crecimiento en

ese empleo. Bajo estos razonamientos se obtienen multitud de mapas que muestras las soluciones a todas esas

preguntas.

El primer paso que se ha realizado para esta parte del trabajo corresponde con el cálculo de las pendientes.

Para ello se ha acudido al programa Excel, al manejar de mejor modo las fórmulas matemáticas que engloban

a varios campos. Para este cálculo se ha necesitado de una base de datos que contase con los 8 años de estudio

en orden cronológico para cada polígono de SIOSE de los 16.414 existentes, en las cuales se informe del

número de registros que se ubican en cada polígono. Debido a los ‘Tabulate Intersection’ que se realizaron en

el apartado anterior, ya se tienen los datos de la manera que se ha comentado y que ya se mostraron en la

Figura 45.

Se incluye el resultado en ArcGIS clicando en Conectar a base de datos >> Conectar nueva base de datos

OLE DB, se puede realizar este paso si primero se ha guardado el resultado de la base de datos con las

pendientes en un formato .mdb. Al tratarse de una tabla y, por lo tanto, no contener información geográfica, no

se muestra en el visor de ArcGIS. Para unir la nueva información con el Shape File de SIOSE, se hace uso de

la columna identificadora que se creó en el apartado 5.3. Usando ese campo se aplica la herramienta Join

(Unión), de esta manera se logra fusionar en un mismo Shape File toda la información que se requiere.

Una vez calculadas las pendientes, los polígonos pueden dividirse entre aquellos con tendencia positiva,

negativa o nula. Tener pendiente positiva indica un aumento en la utilización de los Sistemas de

Posicionamiento en los últimos años. Al contrario pasa con la tendencia negativa. Pendiente nula implica cero

aplicaciones de estos sistemas en ese polígono, o un uso demasiado bajo y constante.

E

86


86

La figura 49 muestra los polígonos de SIOSE con esa división de las pendientes.

Figura 49. Zonas de pendiente positiva, negativa o nula.

Se contempla una notable mayoría de color rojo, esto no significa que no se usen sino simplemente un

pequeño descenso en ese uso, aunque sea éste muy grande. Un detalle importante es que muchos de los

polígonos en decadencia se corresponden con redes viarias debido a la estructurada ramificada que muestran

en la Figura 49. Además, se percibe que el mayor conjunto de polígono con tendencia positiva se sitúa a lo

largo del Valle del Guadalquivir, indicador del aumento del empleo de estos sistemas en la agricultura.

Para estudiar con mayor profundidad las pendientes se acude a los mapas ráster. Éstos se encuentran

definidos por una matriz de celdas organizadas en filas y columnas en la que cada una contiene un valor que

representa información (20) (Figura 50).

Figura 50. Definición de ráster.

87


87

En este caso se va a estudiar que cada celda simbolice el valor de la pendiente más típica en esa área. Así se

obtiene un mapa que muestra la tendencia localizada en cada punto de Andalucía. Para poner en práctica esta

herramienta se cliquea en ArcToolbox >> Herramientas de Conversión >> A Ráster >> Polígono a Ráster.

Al realizar un ráster con una cuadrícula de 1.200 metros de lado de las 16.414 pendientes calculadas se

obtiene la Figura 51. Se advierte que no se colorean todos los polígonos, y es que la herramienta Ráster solo

muestra aquellos significativos. Se contempla una predominancia de los colores verde oscuro y claro, situados

en las zonas agrícolas del Valle del Guadalquivir, que denotan tendencias nulas o con una mínima disminución

en el uso, en el caso del verde claro, y tendencia positivas aunque pequeñas, en el caso del verde oscuro. Los

polígonos azules, representativos de un incremento importante en la utilización de los sistemas, se encuentran

disgregados por el mapa definiéndose en la mayoría de las capitales de provincia.

Figura 51. Ráster campo de las pendientes.

Se ha considerado oportuno separar aquellas clasificaciones como obras civiles, zonas agrarias, urbanas e

industriales, y realizarles un ráster de manera individualizada. El primero se corresponde, como no podía ser

de otra forma, con las zonas dedicadas a obras civiles (Figura 52). La primera imagen se corresponde con los

polígonos originales, para hacer posible la comparación. Se observa que aunque existen multitud de carreteras

y otras construcciones, muchas de ellas no son significativas. Se percibe un uso mayoritariamente nulo o con

tendencia negativa en la mayoría de las áreas, debido al color verde claro, seguidas de algunas otras verde

oscuro representativas de un ligero crecimiento. Es resaltable el uso masivo en las Marismas del Guadalquivir,

quizás debido a dragados o trabajo de mantenimiento de las playas, y en la autopista de Almanzora entre

Granada y Almería.

88


88

Figura 52. Ráster obras civiles.

La Figura 53 se corresponde con las zonas agrarias. En este caso se analiza que existen muy pocos

polígonos que no sean significativos. Esto se debe al relevante uso creciente en la mayoría de ellos. Gracias a

este estudio se han visualizado notables errores en las cartografías de SIOSE, y es que en los polígonos

agrarios también aparece el reflejo claro de la autopista de Almanzora al igual que en la Figura 52. Esto se

debe a que la actualización no es tan reciente como debería, no albergando un área más extensa para esa obra

civil, interpretando puntos destinados a esa obra como fines agrícolas. Además, también llama la atención un

polígono azul destinado al cultivo de olivos al norte de Jaén.

89


89

Figura 53. Ráster zonas agrarias.

La siguiente clasificación a analizar compete a las zonas urbanas (Figura 54). Las zonas representativas son

escasas en este caso, situándose casi todas en la capital de Sevilla, Cádiz, Granada y la costa malagueña, casi

todas con tendencia positiva o constante. Puntos como Gibraltar sufren una tendencia de uso totalmente

descendente. Las zonas portuarias en lugares como Huelva, Cádiz, Algeciras o Málaga también despuntan por

su uso creciente.

90


90

Figura 54. Ráster a zonas urbanas.

Por último, se examinan las zonas industriales (Figura 55). En la primera imagen destaca otro error

proveniente de SIOSE, y es que entre Sevilla y Cádiz define una carretera como área industrial. Esto se debe,

al igual que en el error anterior, a la actualización de SIOSE la cual no se corresponde con el terreno actual. Es

posible que esa carretera se construyera a partir del 2011, siendo éste terreno antes completamente industrial.

Como zona más influyente con pendientes mayoritariamente creciente se define Sevilla, aunque Cádiz

también cuenta con numerosos polígonos azules.

91


91

Figura 55. Ráster a zonas industriales.

6.2 Cubo espacio-temporal

Un segundo análisis espacio-temporal se hace realidad a partir de cubos espacio-temporales. En este tipo de

herramienta estadística la estructura contará con filas, columnas y períodos de tiempo. Se asemeja esta teoría

con un Cubo de Rubik, donde si las filas y las columnas se multiplican por el número de periodos, se obtiene

el número de ‘bins’ o piezas del cubo (Figura 56) (20).

92


92

Figura 56. Cubo espacio-temporal (20).

En el caso de este trabajo y como representa la imagen, las filas y las columnas son el espacio mientras que

el eje z encarna el papel del tiempo. Al final se muestra la información sobre la tendencia general de los datos,

es decir, se cuentas los puntos dentro de cada bin y con ello se determina el valor de ese bin. Se diría que con

este tipo de herramienta se contesta a la pregunta de si aumentan o disminuyen con el tiempo los eventos

representados mediante los puntos de entrada.

Se trabajará con cuadrículas de 10 kilómetro de lado. Ayudará también a conocer los ‘hot points’ (puntos

calientes), donde existe una alta concentración de puntos rodeados de concentraciones altas de puntos, o ‘cold

points’ (puntos fríos), en los que ocurren valores de bajas concentraciones de puntos rodeados de bajas

concentraciones de puntos.

Figura 57. Análisis puntos calientes (3).

93


93

La Figura 57 desvela precisamente el estudio de los puntos calientes y fríos. El análisis se lleva a cabo para

periodos de un año. De estos resultados se puede concluir que las ciudades de Sevilla, Málaga y Cádiz han

reducido a lo largo de los años su número de actuaciones, ampliándose a las afueras de Sevilla donde los

puntos calientes se mantienen a la vez que se crean nuevos. Los símbolos azules cuentan lo contrario en el

norte de Huelva, Sevilla y Córdoba.

El segundo estudio realizado a través de las herramientas estadísticas de ArcGIS viene a definir la

tendencia de uso de la RAP para cada bin dentro de un marco temporal de un mes (Figura 58). En él los puntos

verdes corresponden a un descenso en el uso desde 2008 hasta 2015, mientras que el color morado indica lo

opuesto. La figura informa de un aumento en el uso a lo largo de toda la Costa del Sol y alrededor de Sevilla y

Granada.

Figura 58. Tendencia del uso RAP-IP 2008-2015 (3).

El tercer y último estudio realizado estudia la tendencia de la tendencia (Figura 59), es decir, indica el

incremento o disminución de los puntos calientes y fríos, que a su vez explican la tendencia creciente o

decreciente del uso. Las áreas verdes ejemplifican zonas donde disminuye el número de puntos tanto calientes

como fríos, lo que significa que disminuye y aumenta, respectivamente, el uso. Los puntos rosas representan a

las zonas donde aumenta el número de puntos calientes y fríos, acrecentándose así la desigualdad entre las

áreas donde estos sistemas son más y menos utilizados.

94


94

Figura 59. Tendencia de los puntos calientes/fríos (3).

95


95

7 CONCLUSIÓN

la luz de los acontecimientos ocurridos hasta este punto, la conclusión más clara compete a juzgar los

servicios facilitados por la Red Andaluza de Posicionamiento, RAP, como útiles, de buena calidad y a

los que se acude cada vez con más frecuencia. Es indudable el potencial de este sistema necesitándose tan solo

a una persona y un equipo.

Tras un arduo proceso de acomodamiento de los datos, múltiples son las herramientas SIG que se le han

aplicado a los registros facilitados por el servicio RAP-IP. En primer lugar se procedió a una primera

clasificación de las localizaciones en las que se dividían los usos según zonas urbanas y no urbanas. Los

resultados se manifestaron contradictorios debido al aumento desmedido de las áreas de influencia en los

núcleos pequeños de población (Figura 21). Al tomar las áreas poblacionales sin ninguna modificación, el

fruto de los cálculos dio a conocer el papel tan importante que jugarían las zonas agrícolas en este trabajo,

situándose la mayoría de registros a lo largo del Valle del Guadalquivir y olivares de Jaén. Se ha relacionado

mucho el uso masificado en zonas agrarias con la agricultura de precisión, de la cual no se tienen artículos que

demuestren que el crecimiento de la utilización en estos lugares se debe únicamente a esa práctica, pudiendo

ser también la causa posibles divisiones de parcelas, mediciones de terrenos o la construcción de algún

edificio, entre otros. El uso de los sistemas en zona urbana, aunque menor, es también muy elevada y estable,

lo que da una idea de la gran actividad constante del GPS en las capitales de provincia. Sevilla emerge como la

ciudad con mayor utilización de los sistemas tanto en su núcleo urbano como en los alrededores.

Concienciado este estudio en profundizar en estos primeros resultados, se realiza un primer análisis según

el uso del suelo definido en un mapa base actualizado de los Datos Espaciales de Referencia de Andalucía,

DERA. Siendo conscientes de la antigüedad de su actualización, 2009, la fiabilidad en los resultados no es

total. Aun así, los resultados mostrados han servido para dar una idea del progreso de utilización a lo largo de

los años del estudio, notándose una bajada del uso generalizada en los años desde 2010 hasta 2013 (Figura 35).

Además, se confirma un uso prioritario en las zonas agrarias seguidas de las carreteras y los bosques. El uso de

los sistemas en estos últimos no está definido, creyéndose que parte de los puntos localizados en esos lugares

se deben a cambios en la explotación del suelo que no se habían definido aún en la actualización de 2009.

La siguiente reducción de los registros, previo a un estudio en más profundidad de otro mapa base por parte

del Sistema de Información de Ocupación del Suelo en España, SIOSE, fue clave para obtener resultados más

representativos al disminuirse el número de puntos un 87% (Figura 38). Además, esta simplificación se

potenció con una reducción en el número de polígonos de SIOSE (Figura 42). Tras esto, los resultados en el

SIOSE ratificaron los obtenidos con el DERA, asegurando un uso intenso en zonas agrícolas, zonas urbanas y

carreteras, aunque estas últimas con ciertas anomalías en 2010 a las que no se le ha encontrado explicación. A

A

96


96

pesar de ellas, el uso se comporta igual en ambos mapas base, decreciente su uso en todas las categorías

durante los primeros años, y remontando a partir de 2013. Otros tipos de actuaciones civiles como puertos y

aeropuertos han sufrido un nivel de registros bajo aunque constante en todo el periodo. En los aeropuertos, los

registros pueden deberse a toma de datos en el momento de su construcción seguido del mantenimiento de sus

pistas y del posible vuelo de drones.

Además, se ha confirmado la idea de que todas las bajadas generalizadas en el uso de los sistemas sufridas

entre el 2010 y el 2013 tienen parte de su causa en la crisis económica. Esta afirmación se basa en la gran caída

en el sector de la construcción en el PIB de 2008-2015 recogidos por el Instituto Nacional de Estadística

(Figura 48) y, como se ha comentado anteriormente, el crecimiento a partir del año 2013.

El estudio espacio-temporal denota una tendencia predominantemente negativa. El examen rasterizado ha

concluido resaltando el crecimiento de las áreas agrícolas y con la significativa utilización de los sistemas en

Sevilla y ciudades costeras. Además, se han encontrado errores tanto en las zonas industriales entre Sevilla y

Cádiz, donde se ha identificado una red de carreteras como área industrial (Figura 55), como la autovía de

Almanzora, registrados sus puntos con fines agrícolas (Figura 53).

A estos errores causados por las antiguas actualizaciones de SIOSE se le pueden añadir otros casos que

aunque no existan pruebas claras, se sospecha del elevado número de localizaciones en sus polígonos. Este es

el caso de los prados y bosques, suelo desnudo o zonas de matorral. Por la misma razón comentada al inicio de

este párrafo se cree que esos registros se pueden deber a modificaciones en el uso de esos territorios no

correspondiéndose ya ni con bosques, ni matorrales, ni mucho menos suelo desnudo.

A favor del estudio hay que marcar la multitud de actuaciones recogidas en contra de los pocos errores

encontrados. Las ubicaciones de los registros se hallan repartidas por todo el territorio, acentuándose a lo largo

del Valle del Guadalquivir y las zonas costeras. Las únicas regiones con uso nulo se sitúan en zonas

montañosas al norte de Huelva, Sevilla y Córdoba. Todo este uso se debe a que son múltiples las posibilidades

para las que pueden utilizarse las correcciones diferenciales del posicionamiento. Dependiendo de la precisión

que se requiera para el trabajo, las aplicaciones de la localización son diversas. En los casos donde la exactitud

no importa, sistemas simples pueden ayudar en campos tan dispares como la navegación, el seguimiento de

fauna y flora, o el turismo y el ocio. Sin embargo, existen trabajos más técnicos que necesitan de ajustes

milimétricos como son los trabajos topográficos, el replanteo de obras civiles o la agricultura de precisión,

entre otras (11).

Centrándose estas líneas en la obra civil, las posibilidades son numerosas. No solo el replanteo tiene cabida

en esta tecnología, sino en todo el proceso topográfico, en el control del movimiento de tierras y de las

maquinarias de excavación, o en la auscultación periódica y ubicación de aquellos puntos que necesiten

reparación.

Concretamente en este proyecto se ha podido comprobar la utilización en el campo de la minería, en

aeropuertos, en zonas de agua y humedales y en puertos. En las minas se ha potenciado el uso del GPS en las

cubicaciones y movimientos de tierras, fundamentales en el proceder de esos lugares. De las zonas de agua no

se intuye por los resultados un motivo claro de su utilización debido a puntos demasiado dispersos en esas

áreas, aun así todo apunta a posibles estudios destinados a futuros dragados, o al replanteo de puentes o presas.

Para culminar se ha de contar que, aunque se conoce que la idoneidad se hubiera alcanzado con una

actualización en SIOSE más reciente, se ha trabajado con los datos disponibles hasta el momento. Sería

interesante continuar este estudio con la próxima actualización, mas quizás para entonces se sufra del mismo

problema de disparidad entre los datos. Aun así, se han logrado con creces las pretensiones de este análisis,

pensado para demostrar las increíbles posibilidades de los sistemas de posicionamiento y el enorme partido

que se consigue en el presente de la RAP. Una red que podría considerarse en vías de desarrollo en vistas de la

multitud de campos para su explotación y desconocidos hasta el momento, como posibles seguimientos de

construcción en terrenos ilegales o mantener un seguimiento en la construcción de una obra lineal en tiempo

real.

97


97

98


98

REFERENCIAS

1. Torrecillas,C. and Martínez García, J.J. El GPS RINEX y su presencia en España. 1999, Mapping, Vol.

54, págs. 76-82.

2. Berne, J.L and Priego, E. Estaciones de referencia permanentes GPS en España. Berne, J.L and Priego,

E. 2004, Mapping, Vol. 94, págs. 16-27.

3. Spatio-Temporal Analysis of Real-Time Regional Positioning Services. Torrecillas, C. Páez, R. Ponce, L.

Barbero, I. Pérez-Plaza, S. Fernández-Palacín, F. & Berrocoso, M.. Granada : s.n., 2016. ITISE 2016.

4. McGowan, P.F. and Irvin, P.L. Demonstrating technology in motion and economic growth through GPS.

2, 1995, GPS Solutions, Vol. 1, págs. 91-93.

5. Andalucía, Junta de. Datos Espaciales de Referencia de Andalucía, DERA. [En línea] Junta de Andalucía.

http://www.juntadeandalucia.es/institutodeestadisticaycartografia/DERA/.

6. Nacional, Instituto Geográfico. Sistema de Información de Ocupación del Suelo en España. [En línea]

Ministerio de Fomento. www.siose.es.

7. Sarria, F. A. Sistemas de Información Geográfica.

8. Sánchez Díaz, F. and Torrecillas, C. Diseño de la Red Andaluza de Posicionamiento.

9. Instituto Nacional de Estadística y Geografía, INEGI. [En línea] Mexico.

http://www.inegi.org.mx/geo/contenidos/geodesia/gps.aspx?dv=c1.

10. RAP. Torrecillas, C. 2007, Mapping, págs. 5-12.

11. Andalucía, Junta de. ideAndalucia. [En línea] Consejería de Economía y Conocimiento.

http://www.ideandalucia.es/portal/web/ideandalucia/.

12. Ríos, V. Correcciones por Post proceso y tiempo real RTK. 2012.

13. Berrocoso, M. Páez, R. Sánchez-Alzola, A. Gárate, J. Hermosilla, A. Una red de estaciones

permanentes GPS para Andalucía.

14. Guerrero, I. Diseño, desarrollo y productos de la red RAP. Cádiz : Laboratorio de Astronomía, Geodesia

y Cartografía, 2012.

15. Torrecillas, C. Estado actual de la Red Andaluza de Posicionamiento (RAP).

16. Hoyer, M. Conceptos Básicos del Posicionamiento GNSS en tiempo real. NTRIP y tópicos relacinados

con el tema.

17. Pachas, R. Uso del GPS y Estación total. 16, 2009, El levantamiento topográfico, Vol. 8.

18. International, Community Foundation. GCF Aprende Libre. [En línea] GCF.

https://www.gcfaprendelibre.org/tecnologia/curso/access_2010/disenar_busquedas_o_consultas/1.do.

19. WordPress. Conexiones, .NET, Web y algo mas. [En línea] WordPress.

https://conceptosbasicospuntonet.wordpress.com/oledb/.

20. Desktop, ArcGIs for. ArcGIS Pro. [En línea] esri. https://pro.arcgis.com/.

21. Páez, R. Torrecillas, C. Barbero, I. & Berrocoso, M. Regional positioning services as economic and

construction activity indicators: the case study of Andalusian Positioning Network. Geocarto International.

2015.

22. Desconocido. Santacruzramos. [En línea] Wikispaces, 23 de Enero de 2012.

https://santacruzramos.wikispaces.com/wiki/members.

23. franzpc. El blog de Franz. [En línea] ArcGeek, 2016. http://respuestas.acolita.com/805/numerar-

automaticamente-un-campo-de-una-tabla-en-un-shp.

99


99

24. europeo, Sistema estadístico. Instituto Nacional de Estadística, INE. [En línea] INE. http://www.ine.es/.

100


100

proyecto fin de grado ingeniería civil - servidor de la...

Documents