Más

Problema con la interpolación de un perfil vertical en 3D Analyst (ArcMap 10.1)

Problema con la interpolación de un perfil vertical en 3D Analyst (ArcMap 10.1)


Tengo un problema cuando quiero crear un perfil vertical en 3D Analyst a partir de un archivo DEM. Quiero interpolar los datos y mostrar puntos de 20 a 20 metros, como especifiqué en el panel de opciones (ver figura 1). Después de presionar el botón para mostrar el gráfico de perfil, el eje X no muestra valores entre 20 metros como especifiqué en el panel de opciones (ver figura 2). ¿Qué puedo hacer para solucionar este problema?

Nota: el eje Y se muestra correctamente en términos de altitud. Datum: WGS_1984


El comentario de Vince responde parcialmente a su problema: sus datos están en grados, por lo que el eje x o la longitud también se mostrarán en grados en lugar de metros.

Sin embargo, creo que también está confundiendo lo que hace realmente el muestreo de perfil. No cambiará los valores o etiquetas de su eje x; esa es la longitud de su línea en cualquier unidad de medida que sea su CRS. Cuando especifica un valor para el muestreo de perfil, eso significa que además de obtener un valor de elevación para cada vértice en su línea de perfil, también obtendrá un valor de elevación cada 20 m a lo largo de esa línea. El propósito es aumentar la resolución vertical de (suavizar) la línea de perfil.


Resumen

Las reconstrucciones de glaciares se utilizan ampliamente en estudios paleoclimáticos y este artículo presenta un nuevo método semiautomático para generar reconstrucciones de glaciares: GlaRe, es una caja de herramientas codificada en Python y que opera en ArcGIS. Esta caja de herramientas proporciona herramientas para generar el espesor del hielo a partir de la topografía del lecho a lo largo de una línea de flujo paleoglaciar aplicando la ley de flujo estándar para hielo, y genera la superficie 3D del paleoglaciar utilizando múltiples métodos de interpolación. El desempeño de la caja de herramientas ha sido evaluado usando dos glaciares existentes, un campo de hielo y un glaciar de circo / valle del cual se conoce la topografía subglacial, usando la rutina de reconstrucción básica en GlaRe. Los resultados en términos de superficie de hielo, extensión del hielo y altitud de la línea de equilibrio muestran una excelente concordancia que confirma la solidez de este procedimiento en la reconstrucción de paleoglaciares a partir de accidentes geográficos glaciares como las morrenas frontales.


Referencias

Alamian R, Shafaghat R, Shadloo MS, Bayani R, Amouei AH (2017) Una evaluación empírica de los efectos de la profundidad del mar para diversas características de las olas en el rendimiento de un convertidor de energía de las olas con absorbedor puntual. Ocean Eng 137: 13–21

Bijesh, C.M., Kurian, P.J., Yatheesh, V., Tyagi, A. y Twinkle, D (2018). Características morfotectónicas, distribución y probable génesis de máximos batimétricos frente a la costa suroeste de la India. Geomorfología, 315

Chai H, Guan W, Wan X, Li X, Zhao Q, Liu S (2018) Un dispositivo de energía de las olas con péndulo basado en una boya de monitoreo del océano. Iop Conf Ser Earth Environ Sci 108:052013

Chenyang D, Kun W, Kang LK (2018) Investigación de cambio dinámico de patrones de paisaje de Harbin Songbei basada en tecnología GIS. Serie de conferencias IOP Ciencias de la tierra y el medio ambiente, pág 153

Collister BL, Zimmerman RC, Sukenik CI, Hill VJ, Balch WM (2018) Detección remota de características ópticas y distribuciones de partículas de la parte superior del océano utilizando lidar a bordo. Entorno de detección remota 215: 85–96

Dai D, Wang X, Long J, Meng T, Zhu G, Zhang J (2017) Extracción de características de la señal de descarga parcial GIS basada en la transformación s y la descomposición de valores singulares. Iet Sci Measur Technol 11 (2): 186-193

Huan, Q., & amp Yaguang, L.I. (2017) .Características de distribución espacial basadas en GIS de asentamientos y su optimización en el condado tropical de lingshui de la provincia de Hainan. Ciencia del suelo y conservación del agua

Kim H, Soerensen AL, Jin H, Heimbürger LE, Hahm D, Rhee TS et al (2017) Presupuestos de masa de metilmercurio y características de distribución en el océano Pacífico occidental, Ciencia ambiental y tecnología amp. 51(3):1186–1194

Kim W, Yi JH, Min IK, Shim JS (2018) Monitoreo de las características dinámicas estructurales de la estación de investigación oceánica de Socheongcho. J Coast Res 85: 1191–1195

Li, Z., Jia, C. y Da, H. (2017a). Investigación sobre las características del eco ionosférico basado en el océano. Gestión avanzada de información IEEE, comunica, Conferencia de control electrónico y de automatización de amplificadores

Li, C., Zhang, Z., Zhao, W. y Tian, ​​J. (2017b). Un estudio estadístico sobre los remolinos submesoescalares de subtermoclina en el océano pacífico noroeste basado en datos de argo. Revista de investigación geofísica, 122

Ling, J. (2017). Investigación del sistema de gestión de recursos turísticos de Zaozhuang basada en SIG. Conferencia internacional sobre gestión de la información

Liu Y, Deng Y, Fang M, Li D, Wu D (2017) Investigación sobre las características de par de un motor hidráulico de pistones axiales de agua de mar en un entorno de aguas profundas. Ocean Eng 146: 411–423

Reglero P, Santos M, Balbín R, Laíz-Carrión R, Alvarez-Berastegui D, Ciannelli L et al (2017) Características ambientales y biológicas de los hábitats de desove del atún rojo del Atlántico y el atún blanco en función de su distribución de huevos. Espárrago superior Deep Sea Res Part II Oceanogr 140: S0967064517300875

Sergeev IS, Glebova AB (2017) Transgresión cuaternaria tardía del mar blanco según se deduce de los datos del análisis de relieve del fondo basado en SIG. Geogr Nat Res 38(3):288–294

Sugimoto K (2017) Uso de análisis basado en SIG para explorar las características de los puntos de observación preferidos indicados por el interés visual de los visitantes. Landsc Res 43(3):1–15

Sun, L.J., Xuexu, H.U., Wei, L.U. y Wang, B.J. (2018). Características de distribución espacial de la calidad del grano de trigo y análisis de factores basados ​​en SIG. Scientia Agricultura Sinica

Wang B, Da T, Yue Q, Jia Z, Deonauth N (2018) Estudio sobre características dinámicas no lineales inherentes a la plataforma de chaqueta en alta mar utilizando una respuesta monitoreada a largo plazo de la interacción hielo-estructura. Appl Ocean Res 72 (72): 23–38

Wu W, Hai S, Lv B, Bernitsas MM (2018) Modelado de un convertidor de energía hidrocinética para vibración inducida por flujo basado en datos experimentales. Ocean Eng 155: 392–410

Xiao L, Jie L, Feng X (2018) Inversión y predicción de las características de asentamiento de consolidación de los sedimentos fluviales basadas en la variación de la relación de vacíos en el delta subacuático del río amarillo moderno del norte, China. J Ocean Univ China 17 (3): 545–554

Yang, SL, Wu, YM, Zhang, BB, Zhang, Y., Fan, W., & amp Jin, SF, et al. (2017). [Relación entre la distribución espacio-temporal de los caladeros de Thunnus obesus y las características de la termoclina en el océano pacífico occidental y central]. Revista China de Ecología Aplicada

Yi J, Sun H, Jin Z, Hu A, Yang J (2017) Investigaciones experimentales y numéricas sobre las características hidrodinámicas y aerodinámicas del túnel del trimarán de planeo. Appl Ocean Res 63: 1–10

Zengfeng J, Shiming D, Qin S (2019) Muestreo espacio-temporal de alta resolución como herramienta para la evaluación integral de la movilidad y la contaminación del zinc en los sedimentos de un lago eutrófico. J Hazard Mater 364: 182-191

Zhang M, Marandino CA, Chen L, Sun H, Gao Z, Park K et al (2017) Características de las distribuciones de dms y pco2 del agua superficial y sus relaciones en el océano sur, el océano Índico sureste y el océano Pacífico noroeste. Ciclos Glob Biogeochem 31 (8): 1318-1331

Zheng CW, Li CY (2017) Análisis de las características temporales y espaciales de las olas en el océano Índico basado en el reanálisis de las olas de la era 40. Appl Ocean Res 63: 217–228

Zhu B, Pei H, Yang Q (2018) Análisis de probabilidad de deslizamientos de tierra submarinos basado en el método de superficie de respuesta: un estudio de caso del Mar de China Meridional. Appl Ocean Res 78: 167–179

Zhu JM, Zhang Q, Li YP (2019) Contaminación por microplásticos en el mar de Maowei, una bahía de maricultura típica de China. Sci Total Environ 658: 62–68


Modelización de la vulnerabilidad de las aguas subterráneas a la contaminación en un acuífero aluvial no confinado en Pakistán

El área de Thal Doab se encuentra en la cuenca del Indo y está sustentada por un acuífero aluvial denso llamado acuífero Thal Doab (TDA). El TDA sufre un intenso estrés hidrológico debido al rápido crecimiento de la población y al uso excesivo de aguas subterráneas para el ganado y los usos agrícolas de regadío. El impacto potencial de estos usos de la tierra en la calidad del agua subterránea se evaluó utilizando un modelo DRASTIC en un entorno de Sistema de Información Geográfica. Se desarrollaron siete mapas temáticos DRASTIC a escala fija y luego se combinaron en un mapa de vulnerabilidad de las aguas subterráneas. Los valores del índice de vulnerabilidad resultante se agruparon en cuatro zonas: bajo, moderado, alto y muy alto. El estudio ha establecido que el 76% de la superficie terrestre subyacente al TDA tiene una vulnerabilidad de alta a muy alta a la contaminación del agua subterránea principalmente debido a un perfil de suelo delgado, un nivel freático poco profundo y la presencia de suelos y sedimentos con alta conductividad hidráulica. valores. Además, solo el 2 y el 22% del área total se encuentran en zonas de vulnerabilidad baja y moderada, respectivamente. Los resultados de este estudio se pueden utilizar para mejorar la sostenibilidad del recurso de agua subterránea mediante una gestión adecuada del uso de la tierra.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


Cuadrícula de batimetría de 10 m de Vineyard y el oeste de Nantucket Sonidos producidos a partir de sondeos de sonar de línea de derivación y de haz único, conjuntos de datos de interferometría de franja, multihaz y lidar (cuadrícula binaria de Esri, UTM Zona 19N, WGS84)

Baldwin, Wayne, 2016, cuadrícula batimétrica de 10 m de Vineyard y el oeste de Nantucket Sounds producidos a partir de sondas de sonar de línea de plomo y de un solo haz, conjuntos de datos de interferometría de franja, multihaz y lidar (cuadrícula binaria Esri, UTM Zona 19N, WGS84): Informe de archivo abierto 2016-1119, Servicio geológico de EE. UU., Programa de geología costera y marina, Centro de ciencias costeras y marinas de Woods Hole, Woods Hole, MA.

Enlaces en línea:

Baldwin, Wayne E., Foster, David S., Pendleton, Elizabeth A., Barnhardt, Walter A., ​​Schwab, William C., Andrews, Brian D. y Ackerman, Seth D., 2016, Shallow Geology, Sea- Textura del piso y zonas fisiográficas de viñedos y sonidos del oeste de Nantucket, Massachusetts: Informe de archivo abierto 2016-1119, Servicio geológico de EE. UU., Reston, VA.

Enlaces en línea:

West_Bounding_Coordinate: -71.035443 East_Bounding_Coordinate: -70.428111 North_Bounding_Coordinate: 41.561895 South_Bounding_Coordinate: 41.319300

Fecha_de_inicio: 1938 Fecha_de_finalización: 31-Ago-2011 Currentness_Reference: condición del suelo

Formulario_de_presentación_de_datos_espaciales: datos digitales ráster

Grid_Coordinate_System_Name: Mercator transversal universal Universal_Transverse_Mercator: UTM_Zone_Number: 19 Transverse_Mercator: Scale_Factor_at_Central_Meridian: 0.999600 Longitud_de_Meridiano_Central: -69.000000 Latitude_of_Projection_Origin: 0.000000 False_Easting: 500000.000000 False_Northing: 0.000000

Las coordenadas planas se codifican mediante filas y columnas.
Las abscisas (coordenadas x) se especifican con una precisión de 10,000000
Las ordenadas (coordenadas y) se especifican con una precisión de 10,000000
Las coordenadas planas se especifican en metros

El datum horizontal utilizado es D_WGS_1984.
El elipsoide utilizado es WGS_1984.
El semieje mayor del elipsoide utilizado es 6378137.000000.
El aplanamiento del elipsoide utilizado es 1 / 298,257224.

Entity_and_Attribute_Overview: No hay atributos asociados con esta cuadrícula de Esri ArcRaster. Los valores de píxel representan profundidades batimétricas en metros con referencia al Datum vertical de América del Norte de 1988, y oscilan entre -0,1 y -32,8 m. Entity_and_Attribute_Detail_Citation: Servicio Geológico de EE. UU.

¿Quién produjo el conjunto de datos?

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

¿Por qué se creó el conjunto de datos?

¿Cómo se creó el conjunto de datos?

Poppe y otros, 2007 (fuente 1 de 10)

Poppe, LJ, Ackerman, SD, Foster, DS, Blackwood, DS, Butman, B., Moser, MS y Stewart, HF, 2007, Carácter del fondo marino y procesos superficiales en las cercanías de Quicks Hole, Elizabeth Islands, Massachusetts : Informe de archivo abierto 2006-1357, Servicio geológico de EE. UU., Reston, VA.

Enlaces en línea:

Poppe y otros, 2010 (fuente 2 de 10)

Poppe, LJ, McMullen, KY, Foster, DS, Blackwood, DS, Williams, SJ, Ackerman, SD, Moser, MS y Glomb, KA, 2010, Interpretación geológica del fondo marino frente a la costa de Edgartown, Massachusetts: Archivo abierto Informe 2009-1001, Servicio geológico de EE. UU., Reston, VA.

Enlaces en línea:

Pendleton y otros, 2012 (fuente 3 de 10)

Pendleton, EA, Twichell, DC, Foster, DS, Worley, CR, Irwin, BJ y Danforth, WW, 2012, Datos geofísicos de alta resolución del fondo marino que rodea las islas Western Elizabeth, Massachusetts: Informe de archivo abierto 2011- 1184, Servicio Geológico de EE. UU., Reston, VA.

Enlaces en línea:

Andrews y otros, 2014 (fuente 4 de 10)

Andrews, BD, Ackerman, SD, Baldwin, WE, Foster, DS y Schwab, WC, 2014, Datos geofísicos de alta resolución de la plataforma continental interior: Vineyard Sound, Massachusetts: Informe de archivo abierto 2012-1006, Servicio geológico de EE. UU. , Reston, VA.

Enlaces en línea:

Pendleton y otros, 2014 (fuente 5 de 10)

Pendleton, EA, Andrews, BD, Danforth, WW y Foster, DS, 2014, datos geofísicos de alta resolución recopilados a bordo del buque de investigación del Servicio Geológico de EE. UU. Rafael para complementar los conjuntos de datos existentes de Buzzards Bay y Vineyard Sound, Massachusetts: Informe de archivo abierto 2013-1020, Servicio Geológico de EE. UU., Reston, VA.

Enlaces en línea:

Poppe y otros, 2008 (fuente 6 de 10)

Poppe, LJ, McMullen, KY, Foster, DS, Blackwood, DS, Williams, SJ, Ackerman, SD, Barnum, SR y Brennan, RT, 2008, Carácter del fondo marino y procesos sedimentarios en las cercanías de Woods Hole, Massachusetts : Informe de archivo abierto 2008-1004, Servicio Geológico de EE. UU., Reston, VA.

Enlaces en línea:

NOAA, 2008 (fuente 7 de 10)

National Oceanic and Atmospheric Administration, and Survey, National Ocean, 2008, Informe descriptivo, encuesta de área navegable H11920, Vineyard Sound, Massachusetts, Gay Head to Cedar Tree Neck: Descriptive Report H11920, National Oceangraphic and Atmospheric Administration - National Ocean Survey, Norfolk, VIRGINIA.

Enlaces en línea:

NOAA, 2008 (fuente 8 de 10)

National Oceanic and Atmospheric Administration, and Survey, National Ocean, 2008, Informe descriptivo, estudio de área navegable H11921, Vineyard Sound, Massachusetts, Sow and Pigs reef to Quicks Hole: Descriptive Report H11921, National Oceangraphic and Atmospheric Administration - National Ocean Survey, Norfolk , VA.

Enlaces en línea:

USACE-JABLTCX, 2009 (fuente 9 de 10)

Cuerpo de Ingenieros del Ejército de los EE. UU. - Centro conjunto de experiencia en batimetría Lidar aerotransportada, 2009, 2005 - 2007 Cuerpo de ingenieros del ejército de los EE. UU. (USACE) Topo / Bathy Lidar: Maine, Massachusetts y Rhode Island: NOAA National Ocean Service (NOS), Servicios costeros Centro (CSC), Charleston, SC.

Enlaces en línea:

Sondeos de haz único NOAA (fuente 10 de 10)

Centro Nacional de Datos Geofísicos de la NOAA, 2015, NOS Hydrographic Survey Data.

Enlaces en línea:

Fecha: 2014 (proceso 1 de 6) Conjuntos de datos de fuentes no pertenecientes al USGS recopilados y preparados: los datos de la NOAA de los levantamientos hidrográficos del NOS en la década de 1900 (sondeos de línea de plomo y de haz único) se descargaron del sitio web de NGDC de forma individual .ngdc.noaa.gov / viewers / batymetry / & gt) en formato XYZ ASCII, los datos están referenciados al NAD83 geográfico y al nivel medio más bajo del agua. Los datos de los levantamientos hidrográficos de la NOAA NOS realizados desde 2000 también se descargaron del sitio web de NGDC. Los datos de la era 2000 estaban en formato XYZ o BAG, y se referían a UTM Zone 19N y Mean Lower Low Water. Se utilizaron los siguientes datos de la encuesta NOAA NOS: 1930 - H06348, H06349, H06350, H06468 1940 - H06533 1950 - H08170 1960 - H08820, H08821, H08902, H08903, H08904 1970 - H09645, H0119620 2000, H11921946. Los conjuntos de datos obtenidos en formato BAG se importaron a Fledermaus (v7.4.0) y luego se exportaron a formato de texto XYZ. Los datos lidar USACE JALBTCX se obtuvieron en línea del Visor de acceso a datos costeros digitales del Centro de servicios costeros de la NOAA, que proporcionó una descarga ftp de un subconjunto de datos batimétricos lidar dentro de un área de interés definida. Los datos se entregaron en formato XYZ y se referenciaron a Geographic NAD83 y NAVD88. Las coordenadas XYZ referenciadas a NAD 83 se proyectaron en UTM Zone 19N usando proj (v4.8.0).

Persona que realizó esta actividad:

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

Fecha: 2014 (proceso 2 de 6) Conjuntos de datos de origen de USGS recopilados y preparados: para fuentes de datos de batimetría de franjas de informes de archivos abiertos de USGS publicados anteriormente (incluidos 2006-1357, 2008-1004, 2009-1001, 2012-1006, 2011-1184, y 2013-1020), los archivos de texto con formato XYZ se exportaron desde las mismas superficies Caris Base utilizadas para exportar cuadrículas en formato Esri para publicaciones. Las cuadrículas de formato de Esri se pueden descargar de las publicaciones enumeradas en las citas de origen. Se refieren a UTM Zone 19N y Mean Lower Low Water.

Persona que realizó esta actividad:

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

  • Poppe y otros, 2007 Poppe y otros, 2008 Poppe y otros, 2010 Pendleton y otros, 2012 Andrews y otros, 2013 Pendleton y otros, 2014

Fecha: 2014 (proceso 3 de 6) Utilizando NOAA VDatum (v3.2), todos los conjuntos de datos de origen referenciados a datums de mareas se convirtieron de MLLW a NAVD88 datum vertical

Persona que realizó esta actividad:

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

Fecha: 2014 (proceso 4 de 6) Superposición de datos de origen evaluados y subconjuntos creados para la contribución a la superficie compuesta: la superposición de los conjuntos de datos de batimetría de franja y LIDAR se evaluó utilizando clases de entidad poligonal que representan los contornos de área de las cuadrículas y puntos publicados. La retención de características puntuales se determinó mediante la siguiente jerarquía preferencial 1) Datos de interferometría de franja de USGS (2012-1006, 2011-1184 y 2013-1020), 2) Datos de multihaz NOAA-NOS (de USGS Open File Reports 2006-1357, 2008) -1004, 2009-1001 y NOS Descriptive Reports H11920, H11921), 3) USACE-JABLTCX Lidar y 4) NOS leadline y single-beam. Se utilizaron contornos de polígono de conjuntos de datos de origen de mayor rango para seleccionar espacialmente puntos coincidentes de conjuntos de datos de entidades XYZ de menor rango y eliminarlos. Después de eliminar los datos de entidades XYZ de origen redundante, los subconjuntos restantes se importaron a una geodatabase de ArcGIS (v9.3) como clases de entidades puntuales.

Persona que realizó esta actividad:

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

Fecha: 2014 (proceso 5 de 6) Se creó un dataset de terreno ArcGIS (9.3.1) (ArcToolbox & gt 3D Analyst Tools & gt Terrain & gt Create Terrain), todos los datasets de entidades de puntos contribuyentes y una entidad poligonal que abarca los puntos de entrada (utilizados como un clip duro) se agregaron al terreno (ArcToolbox & gt 3D Analyst Tools & gt Terrain & gt Add Feature Class to Terrain), y se construyó el terreno (ArcToolbox & gt 3D Analyst Tools & gt Terrain & gt Build Terrain).

Persona que realizó esta actividad:

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

Fecha: 2014 (proceso 6 de 6) La batimetría compuesta se convirtió del conjunto de datos de terreno a una cuadrícula de Esri de punto flotante de 10 metros por píxel (vns10m_navd88) utilizando el método de interpolación de vecinos naturales (ArcToolbox & gt 3D Analyst Tools & gt Conversion & gt From Terrain & gt Terreno a ráster). Durante la conversión, el área del polígono que abarca los puntos de entrada se especificó para recortar la extensión de la cuadrícula de salida (Configuración ambiental & Configuración de análisis de ráster gt & Máscara gt)

Persona que realizó esta actividad:

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

Servicio geológico de EE. UU., 2015, Mapeo geológico del fondo marino en alta mar de Massachusetts: Servicio geológico de EE. UU., Programa de geología costera y marina, Centro de ciencias costeras y marinas de Woods Hole, Woods Hole, MA.

Enlaces en línea:

¿Qué tan confiables son los datos? ¿Qué problemas quedan en el conjunto de datos?

La precisión horizontal de la batimetría multihaz de la fuente (DGPS) se informa en +/- 3 metros. La precisión horizontal de la batimetría de franja (DGPS y / o RTK-GPS) se estima conservadoramente en +/- 10 metros. Los datos LIDAR se recopilaron para cumplir con la especificación de precisión de +/- 3 metros. La precisión horizontal de los sondeos de sonar de línea de plomo y de haz único no está documentada. Se supone que esta cuadrícula topográfica y batimétrica compuesta tiene una precisión horizontal de hasta 20 metros, ya que podrían haberse introducido errores adicionales durante el remuestreo, las reproyecciones verticales y horizontales y la interpolación. Consulte los informes de archivos abiertos de USGS y los informes descriptivos de encuestas de la NOAA para conocer los métodos de posicionamiento de encuestas individuales.

La precisión vertical de los sondeos de sonar de línea guía y de haz único de la NOAA no está documentada. Los métodos de prospección de la NOAA y el procesamiento de datos de sondeos se encuentran en informes descriptivos. Todos los datos de sondeo XYZ descargados de NGDC están en décimas de metros. La precisión vertical de la batimetría multihaz de la fuente (RESON SeaBat 8101) se informa en +/- 30 a 50 cm. Se estima que la precisión vertical de la batimetría de la franja es de +/- 10 a 60 cm. Los datos LIDAR se recopilaron para cumplir con la especificación de precisión de +/- 30 cm. Se supone que esta cuadrícula topográfica y batimétrica compuesta tiene una precisión vertical de 1 metro, ya que podrían haberse introducido errores adicionales durante el remuestreo, las reproyecciones verticales y horizontales y la interpolación.

Esta cuadrícula incluye sondeos de líneas de plomo, sonar de haz único, interferometría de franja, multihaz y datos LIDAR recopilados durante varios levantamientos en Vineyard y en el oeste de Nantucket Sounds. Las cuadrículas de entrada se pueden descargar visitando las publicaciones enumeradas en la fuente de información.

¿Cómo puede alguien obtener una copia del conjunto de datos?

¿Existen restricciones legales sobre el acceso o uso de los datos?

Access_Constraints: Ninguno Use_Constraints: No se debe utilizar para la navegación. Los datos de dominio público del gobierno de los EE. UU. Se pueden redistribuir libremente con los metadatos adecuados y la atribución de la fuente. Por favor reconozca al Servicio Geológico de los Estados Unidos (USGS) como la fuente de esta información.

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

vns10m_navd88.zip del informe de archivo abierto de USGS 2016-1119. El archivo WinZip V. 14.5 contiene batimetría de Vineyard y Western Nantucket Sounds, MA y los metadatos asociados.

    Disponibilidad en forma digital:

Formato de datos: El archivo WinZip V. 14.5 contiene batimetría de Vineyard y western Nantucket Sounds, MA y los metadatos asociados en formato AIG (versión ArcMAP 9.3.1) Tamaño de cuadrícula de Esri: 16.61
Enlaces de red: & lthttps: //pubs.usgs.gov/of/2016/1119/GIS_catalog/SourceData/bathy/vns10m_navd88.zip>
& lthttps: //pubs.usgs.gov/of/2016/1119/ofr2016-1119-data_catalog.html>

¿Quién escribió los metadatos?

508-548-8700 x2226 (voz)
508-457-2310 (FAX)
[email protected]

Generado por mp versión 2.9.12 el viernes 19 de agosto 11:42:48 2016


Variabilidad de suelos geoespacial y zonas hidrológicas de la cuenca hidrográfica montañosa semiárida de Abha, Arabia Saudita

Los recursos de suelo y agua son vitales para una sociedad porque estos recursos mantienen el medio ambiente y los seres vivos. Comprender las inconsistencias de estos recursos tiene una importancia significativa para la planificación regional y la gestión del paisaje. A pesar de su relevancia, no existen datos actualizados ni un método organizado para la caracterización y mapeo de la base de datos de suelos y el sistema hidrológico en el área de la cuenca del Abha. El objetivo de este estudio es desarrollar una geodatabase de suelos y generación de zonas hidrológicas. La metodología se basa en las técnicas de Geoinformática para determinar los factores causales que afectan la hidrología y delimitar zonas hidrológicas. Se consideraron diez parámetros para delinear las zonas hidrológicas en base a la revisión de la literatura y una discusión exhaustiva con expertos científicos internacionales (es decir, ingenieros, hidrólogos e hidrogeólogos). A los temas y sus clases se les asignaron pesos adecuados en la escala de Saaty de acuerdo con su importancia relativa. Los pesos asignados de los temas y sus clases se normalizaron mediante el proceso de jerarquía analítica y el método de vector propio. A partir de entonces, todos los temas se integraron en el sistema de información geográfica (SIG) utilizando el método de combinación lineal ponderada para crear el mapa hidrológico. Así, se identificaron y demarcaron cinco zonas hidrológicas en el área de estudio, a saber. “Escorrentía muy baja”, “escorrentía baja”, “escorrentía moderada”, “escorrentía alta” y “escorrentía muy alta” según los valores del índice de potencial de escorrentía superficial. Este análisis también muestra que 5.09 y 32.29% de la cuenca se encuentra en la zona de escorrentía muy alta y alta, seguida de la zona de escorrentía moderada y baja con una cobertura de área de 28.17 y 25.22%, respectivamente. Con esta clasificación de base cualitativa, el área de alta generación de escorrentía de la cuenca del Abha tiene una gran cobertura de área, lo que indica la disponibilidad de un alto potencial de agua superficial. Además, los resultados mostraron que la distribución de la escorrentía en las tierras altas del oeste, suroeste y centro norte de la cuenca es alta y estas áreas fluyen hacia los arroyos descendentes. Por lo tanto, la contribución de este trabajo a la comprensión del sistema hidrológico de la cuenca del Abha es significativa. Los resultados proporcionan información valiosa de la cuenca del Abha sobre la zona hidrológica y la base de datos de suelos a gran escala por primera vez. Los mapas generados ayudarán a formular planes efectivos de utilización de la escorrentía para garantizar la sostenibilidad a largo plazo.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


Problema con la interpolación de un perfil vertical en 3D Analyst (ArcMap 10.1) - Sistemas de información geográfica

Herramientas GIS para modelado de erosión / deposición y visualización multidimensional

Parte IV: Simulación de erosión basada en procesos para condiciones espacialmente complejas y sus aplicaciones a instalaciones

Parte V: Impacto de la capacidad de transporte y las estructuras del terreno en las simulaciones de erosión

Laboratorio de Modelado y Sistemas Geográficos, Universidad de Illinois en Urbana-Champaign, Urbana, Illinois

H. Mitasova, L. Mitas, W.M. Brown, D. Johnston

Laboratorios de investigación de ingeniería de construcción del ejército de EE. UU.

Urbana, noviembre de 1997, http://www2.gis.uiuc.edu:2280/modviz/reports/cerl97/rep97.html

Contenido

2.1 Modelo de erosión / deposición basado en energía de corriente unitaria (USPED). 4

2.2 Simulación de la erosión hídrica basada en procesos (SIMWE). 7

2.2.1 Impacto de parámetros espacialmente uniformes en terrenos complejos. 7

2.2.2 Ecuaciones de capacidad de transporte y desprendimiento (V). 10

2.2.3 Impacto de la cobertura terrestre variable espacialmente (V). 11

2.2.4 Impacto de la variabilidad temporal en la cobertura del suelo. 12

2.2.5 Simulación de impacto de estructuras del terreno. 14

4. Aplicaciones a instalaciones militares. dieciséis

5. Conclusión, direcciones futuras. 25

7. Figuras de tamaño completo (para versión impresa). 30

Nota: Los capítulos (V) describen el trabajo realizado para el contrato de la PARTE V, el resto es para el contrato de la PARTE IV.

1. Introducción

Para satisfacer la necesidad de una mejor comprensión de las distribuciones espaciales y temporales de los fenómenos resultantes de los procesos del paisaje, los modelos empíricos basados ​​en parámetros agrupados y promediados están siendo reemplazados por modelos distribuidos basados ​​en procesos respaldados por Sistemas de Información Geográfica (SIG) (Moore et al. 1993). , Maidment 1996, Engel 1995, Vieux et al.1996, Saghafian 1996). En los últimos años ha habido un progreso notable en el desarrollo de herramientas para estudios de procesos hidrológicos representados, por ejemplo, por el modelo CASC2d (Saghafian 1996) y otros (Garrote y Brass 1995, Vieux 1996). Si bien estos desarrollos mejoraron las capacidades para estimar el flujo terrestre en terrenos complejos, el desarrollo de simulaciones distribuidas y basadas en procesos de erosión, transporte de sedimentos y deposición a niveles similares de realismo ha sido más lento debido a la enorme complejidad de los procesos involucrados. La mayoría de los modelos actuales de erosión basados ​​en procesos se pueden dividir aproximadamente en tres grupos principales:

a) modelos a escala de campo desarrollados para la conservación del suelo (por ejemplo, WEPP) que se basan en un flujo 1D sobre segmentos de laderas (Foster et al. 1995). Incorporan el impacto del suelo, la cobertura y las prácticas de manejo con gran detalle, sin embargo, la descripción de la topografía es muy simplificada. La preparación de datos para campos más grandes y complejos puede llevar mucho tiempo y los resultados se dan solo para perfiles o como promedios estadísticos o integrales para laderas enteras o pequeñas cuencas hidrográficas.

b) los modelos a escala de cuencas hidrográficas diseñados para aplicaciones de calidad del agua se centran en predecir las cargas de sedimentos y las concentraciones de productos químicos entregados y transportados a través de los arroyos utilizando el enrutamiento de canales (por ejemplo, Arnold et al. 1993, Srinivasan y Arnold 1994, Rewerts y Engel 1991). Los procesos relacionados con el flujo terrestre se modelan utilizando conjuntos de segmentos homogéneos de laderas o subcuencas con parámetros agrupados.

c) modelos a escala del paisaje que simulan la evolución del paisaje mediante procesos geomorfológicos que describen los cambios en la topografía a escalas temporales de cientos a miles de años (por ejemplo, Kirkby 1986, Willgoose et al. 1991, Kramer y Marder 1992, Howard 1994).

Aunque esta categorización no es exhaustiva y existen varios modelos que combinan más de uno de los conceptos dados anteriormente, una serie de cuestiones importantes para la prevención eficaz de la erosión a escala de paisaje siguen sin resolverse. Muchos métodos existentes requieren una gran cantidad de entradas empíricas, los efectos importantes de la forma del terreno no se tienen completamente en cuenta, los métodos numéricos utilizados para las implementaciones del modelo exhiben inestabilidades cuando se utilizan a altas resoluciones y las salidas detalladas espacialmente variables son limitadas. La combinación de estos factores a menudo hace que las aplicaciones de los modelos tradicionales sean laboriosas o simplemente no sean prácticas, especialmente para áreas extensas. Algunas de las cuestiones clave no resueltas de la modelización que restringen el uso de los modelos actuales para aumentar nuestro conocimiento sobre los aspectos espacio-temporales de los procesos de erosión y limitan su aplicación a la prevención eficaz de la erosión en áreas grandes y complejas se pueden identificar de la siguiente manera:

a) tratamiento de alta resolución de terrenos complejos, usos de la tierra y suelos de una manera totalmente distribuida en 2D / 3D,

b) descripción de procesos a un nivel fundamental con un número mínimo de entradas empíricas y disponibilidad de solucionadores de procesos robustos y eficientes para minimizar las tediosas modificaciones manuales de datos,

c) integración de modelos a diferentes escalas espaciales y temporales,

d) validación del modelo de predicciones de aspectos tanto espaciales como cuantitativos. Si bien las capacidades para predecir cualitativamente algunos aspectos espaciales de la erosión y la deposición mejoraron (Mitas y Mitasova 1998a), las estimaciones cuantitativas siguen siendo muy problemáticas (p. Ej., Bjorneberg et al. 1997 informa predicciones de pérdida de suelo de WEPP de 200 kg / m cuando se mide el suelo la pérdida fue inferior a 5 kg / m, Johnson et al., 1997 informa varios resultados de la estimación del rendimiento de sedimentos por CASC2D-SED con diferencias de 100-400% entre los rendimientos calculados y observados). Se necesita una correspondencia más estrecha entre experimentos y modelos.

e) baja calidad de los modelos digitales de elevación disponibles que requieren un reprocesamiento sofisticado o modificaciones manuales para hacerlos utilizables para el modelado de procesos.

f) el desarrollo de parámetros de suelo y cobertura para modelos basados ​​en procesos requiere un extenso trabajo experimental continuo, mientras que las relaciones entre estos parámetros no se comprenden muy bien.

g) proporcionar resultados numéricos, gráficos y cartográficos en una forma que permita un análisis espacial sencillo y respalde el proceso de toma de decisiones.

Está claro que resolver estos problemas complejos requerirá un tiempo y esfuerzo considerables de muchos equipos de investigación, por lo tanto, en este proyecto nos enfocamos en un subconjunto seleccionado de los problemas, especialmente aquellos que creemos que son relevantes para el modelado de erosión en instalaciones militares. En este informe, nos centramos en las mejoras más recientes de nuestros modelos, aclaramos el papel de los parámetros de entrada e ilustramos el uso de simulaciones para la gestión del uso de la tierra. En la parte de aplicaciones, demostramos y discutimos los problemas técnicos relacionados con las aplicaciones rutinarias de las simulaciones de erosión en instalaciones militares.

2. Métodos

Los métodos y herramientas SIG que hemos desarrollado para apoyar el modelado de la erosión, el transporte de sedimentos y la deposición en terrenos complejos se describen en los informes anteriores (Mitasova et al. 1995, 1996ab) y publicaciones (Mitasova y Mitas 1993, Mitas y Hofierka 1993, Mitasova y col. 1995, Mitasova y col. 1996, Mitas y Mitasova 1997, Mitas y col. 1997, Mitas y Mitasova 1998a, b)). En este informe recordamos brevemente los principios de estos métodos y nos centramos en los desarrollos más recientes.

2.1 Modelo de erosión / deposición basado en energía de flujo unitario (USPED)

La versión original del modelo USPED se describe en Mitasova et al. (1996ab), por lo que aquí sólo recordamos brevemente sus principios. USPED es un modelo simple que predice la distribución espacial de las tasas de erosión y deposición para un flujo terrestre en estado estable con condiciones de exceso de lluvia uniforme para la capacidad de transporte en caso de proceso de erosión limitado. La tasa de flujo de sedimentos se aproxima por la capacidad de transporte de sedimentos T (r), r = (x, y) que se calcula como una función de potencia de pendiente & szlig (r), área de pendiente ascendente A (r) y coeficiente de transportabilidad K (r) dependiendo de suelo y cobertura. La erosión neta y la deposición se calcula como un cambio en la tasa de flujo de sedimentos. En este informe comparamos la formulación original de USPED (Mitasova et al 1996a) con una versión mejorada derivada como un caso especial del modelo SIMWE (Mitas y Mitasova 1998a).

Impacto mejorado de la topografía. Dentro del USPED original, el flujo de agua y sedimentos se modela como flujo 1D a lo largo de una línea de flujo generada sobre terreno 3D. La tasa neta de erosión / deposición se calcula como un cambio en la tasa de flujo de sedimentos a lo largo de la línea de flujo, aproximado por una derivada direccional de la tasa de flujo de sedimentos. Para este caso univariado, la tasa neta de erosión / deposición D (r) es

donde r = (x, y), s (r) es el vector unitario en la dirección de la pendiente más empinada, h (r) es la profundidad del agua estimada a partir del área de pendiente ascendente A (r), kp (r) es la curvatura del perfil ( curvatura del terreno en la dirección de la pendiente negativa, es decir, la dirección de la pendiente más pronunciada). Esta formulación basada en flujo 1D incluye el impacto del flujo de agua, la pendiente y la curvatura del perfil, sin embargo, el impacto de la curvatura tangencial se incorpora solo a través del término de flujo de agua. El patrón predicho concuerda bien con las observaciones, excepto para las cabeceras de los valles donde predice solo la erosión, mientras que los mapas de suelos y los experimentos de campo indican que se observa tanto deposición como erosión, y para los hombros donde no predice el máximo local de erosión comúnmente reportado. tasas (Martz 1987, 1991, Sutherland 1991, Quinne et al. 1994).

Dentro de la formulación de flujo 2D, que se derivó como un caso especial del modelo más general SIMWE (Mitas y Mitasova 1998a), representamos el flujo de agua y sedimento como un campo vectorial bivariado q (r) = q (x, y), qs (r) = qs (x, y). Luego, la tasa neta de erosión / deposición se estima como una divergencia del flujo de sedimentos. Si asumimos condiciones uniformes de lluvia, suelo y cobertura, y un caso límite de capacidad de transporte con un flujo de sedimentos cercano a la capacidad de transporte de sedimentos, la erosión / deposición neta se puede escribir como (ver Apéndice en Mitas y Mitasova 1998a):

donde k t (r) es la curvatura tangencial (curvatura en la dirección perpendicular al gradiente, es decir, la dirección tangencial a una línea de contorno proyectada al plano normal). Los parámetros topográficos s (r), kp (r), kt (r) se calculan a partir de las derivadas de primer y segundo orden de la superficie del terreno aproximadas por el spline regularizado con tensión (RST) (Mitasova y Mitas, 1993 Mitasova y Hofierka, 1993 Krcho 1991). Según (2), la distribución espacial de la erosión / deposición está controlada por el cambio en la profundidad del flujo superficial (primer término) y por la geometría local del terreno (segundo término), incluidas las curvaturas de perfil y tangenciales. Por tanto, la ecuación (2) demuestra que la aceleración local del flujo en las direcciones gradiente y tangencial (relacionadas con el perfil y las curvaturas tangenciales) desempeñan papeles igualmente importantes en la distribución espacial de la erosión / deposición. Por tanto, el impacto de la curvatura tangencial k t (r) es doble. Primero, kt (r) influye en la profundidad del agua h (r) a través de su control de la convergencia / divergencia del flujo de agua, con la concavidad tangencial que conduce a un rápido aumento de la profundidad del agua y un aumento en el potencial de erosión (primer término en (2)) . En segundo lugar, k t (r) provoca un cambio local en la velocidad del flujo de sedimentos que para la concavidad tangencial tiene un efecto opuesto (reducción en el transporte de sedimentos), creando así un potencial de deposición. La interacción entre la magnitud del cambio del flujo de agua y ambas curvaturas del terreno reflejadas en la ecuación (2) determina, por tanto, si se producirá erosión o deposición.

Cuando los resultados de los modelos de flujo 1D (Figura 1c) y de flujo 2D (Figura 1b) se comparan con el patrón observado de depósitos coluviales (Figura 1a), queda claro que la ecuación (1) no puede predecir la deposición observada en áreas. donde la curvatura del perfil es cercana a cero pero hay una concavidad tangencial significativa (áreas A y B en las Figuras 1abc). También subestima la erosión en áreas con convexidad tangencial (hombros). La predicción del modelo de flujo 2D en estas áreas está significativamente mejor de acuerdo con el patrón de deposición observado. El modelo de flujo 1D subestima la extensión general de la deposición como solo un 18% del área total, mientras que el modelo de flujo 2D, sin tener en cuenta la variabilidad espacial en la cobertura superficial, predice la deposición en el 26% del área total. En el 40% de los sitios de muestreo se observaron depósitos coluviales de más de 10 cm, lo que indica una deposición a largo plazo. El área de sedimentación observada en una ladera empinada cubierta por pasto, que contribuye a la extensión espacial de la deposición (Figura 1a) no se puede predecir usando solo los datos de elevación y es necesaria la incorporación de una cobertura espacialmente variable.

Figura 1.Incorporación completa de la topografía para la capacidad de transporte erosión limitada: a) profundidades observadas de depósitos coluviales, b) patrón de erosión y deposición de la formulación de flujo 2D de USPED, c) patrón de erosión y deposición de la formulación de flujo 1D de USPED, d) término de flujo de agua, e) término de curvatura del perfil, f) término de curvatura tangencial.

La ecuación de flujo 2D (2) también proporciona una explicación teórica sólida para los resultados de los experimentos de campo informados por varios autores, por ejemplo, Busacca et al., (1993) y Sutherland, (1991) donde `la mayor erosión se observó en el hombro divergente elementos y deposición en elementos convergentes de la pendiente ”, así como por Heimsath et al., (1997), o Quine et al. (1994) observando la "pérdida máxima de suelo de las convexidades de la pendiente y la ganancia máxima tanto en las concavidades de la pendiente como en los deshielo principales".

La implementación por computadora de la ecuación USPED (2) más completa es bastante simple, utilizando las herramientas ya desarrolladas para este proyecto. La profundidad del agua h = A in / sqrt (sin & szlig) ** 0,6 se estima a partir del área de contribución de pendiente ascendente A calculada a partir de un DEM utilizando el programa r.flow (Mitasova et al. 1996b), mientras que los parámetros topográficos (pendiente y szlig, aspecto y curvaturas) se calculan mediante el programa de interpolación s.surf.rst (Mitasova et al. 1995b), r.resamp.rst (Mitasova et al. 1996b) o mediante el aumento de r.slope.aspect (Apéndice). I es el exceso de lluvia y n es el coeficiente de rugosidad de Manning. La ecuación para hy la ecuación (2) para la erosión / deposición neta D (r) se calculan usando r.mapcalc.

Influencia de las propiedades de las lluvias, el suelo y la cobertura. Los parámetros de suelo y cobertura similares a los usados ​​en USLE o WEPP no fueron desarrollados para el modelo USPED, ya que no se realizó un trabajo experimental sistemático. Sin embargo, se sugirió (Moore y Wilson 1992) que, bajo ciertas condiciones, existe una relación entre el concepto USPED y USLE. Por lo tanto, es posible combinar el modelo con los factores USLE / RUSLE para predecir el impacto relativo del cambio de uso de la tierra en el patrón de erosión / deposición asumiendo las condiciones válidas para la retención de USPED. Este enfoque se utilizó, por ejemplo, para el estudio de Camp Shelby (Mitasova et al., 1996b). Se debe tener precaución al interpretar los resultados porque los parámetros USLE se desarrollaron para campos planos simples y para obtener predicciones precisas para condiciones complejas del terreno, necesitan ser recalibrados (Foster 1990, respuesta de Mitasova et al 1997).

2.2 Simulación de la erosión hídrica basada en procesos (SIMWE)

El modelo SIMWE se describe en el informe anterior (Mitasova et al. 1996c) y en Mitas y Mitasova (1998a), por lo que presentamos aquí solo un breve concepto y nos centramos en el papel de los parámetros. SIMWE es un modelo bivariado a escala de paisaje de erosión y deposición por flujo superficial diseñado para condiciones de terreno, suelo y cobertura espacialmente complejas. Las ecuaciones de continuidad subyacentes se resuelven mediante el método Monte Carlo de función de Green, para proporcionar la robustez necesaria para condiciones espacialmente variables y altas resoluciones. Usamos los datos de la granja experimental descritos en Mitasova et al. (1995b, 1996b) y por (Auerswald et al. 1996), para explicar el papel de los parámetros y dilucidar cómo los fenómenos naturales y las propiedades influyen en el proceso de erosión.

2.2.1 Impacto de parámetros espacialmente uniformes en terrenos complejos

Meyer y Wischmeier (1969) presentaron un modelo de erosión basado en principios formulados posteriormente como una ecuación de erosión de forma cerrada por Foster y Meyer (1972) y utilizado en WEPP, CREAMS y muchos otros modelos (Hong y Mostaghimi 1995, Haan et al. 1994). ) incluido SIMWE. Formularon el modelo para un perfil complejo 1D y analizaron su comportamiento para varias combinaciones de parámetros, dilucidando así el impacto de diferentes propiedades del terreno, la lluvia, el suelo y la cobertura en la distribución de las tasas de erosión y deposición a lo largo de un perfil. Los siguientes ejemplos representan una generalización de este análisis al terreno representado por la función bivariante (2D) en un espacio 3D.

En este análisis, la situación de referencia para todos los ejemplos es 36 mm / hora de intensidad de lluvia, saturación total (por lo tanto, intensidad de lluvia = tasa de exceso de lluvia), superficie rugosa (p. Ej., Pasto denso con Mannings n = 0,1), tipo de suelo arenoso (nivel crítico insignificante). esfuerzo cortante, con baja desprendibilidad (erosionabilidad) y baja transportabilidad debido a la cobertura densa y mayor tamaño de partícula: K t = K d = 0,0003). Los siguientes ejemplos ilustran cómo cambia la magnitud y el patrón de las tasas de erosión / deposición debido al cambio en uno de los parámetros.

El exceso de lluvia se estima como intensidad de lluvia - tasa de infiltración donde la tasa de infiltración se puede estimar desde un módulo separado o usando r.mapcalc basado en los datos del suelo. El exceso de lluvia influye en la magnitud de las tasas de erosión / deposición, con el aumento del exceso de lluvia aumentan las tasas de erosión y deposición, sin embargo, el patrón espacial de erosión y deposición no cambia (Figura 2).

Figura 2. Impacto del aumento del exceso de lluvia a) r = 36 mm / h, b) r = 72 mm / h, c) r = 144 mm / h.

La rugosidad de la superficie, representada en nuestro caso por el coeficiente de Manning, influye en las velocidades de flujo de agua y sedimentos. El parámetro de rugosidad de la superficie depende de la cobertura vegetal, así como de la superficie del suelo y sus valores para una variedad de situaciones se han derivado de experimentos y están disponibles en la literatura y el manual de usuario de WEPP. El cambio en la rugosidad de la superficie cambia el patrón de erosión y deposición. En nuestro ejemplo, la extensión de la deposición para superficies lisas n = 0.01 se predice solo para ubicaciones con perfil fuerte y concavidad tangencial que cubren aproximadamente el 14% del área total, mientras que para superficies rugosas con n = 0.1 la extensión de la deposición está más cerca del transporte. caso límite de capacidad, que cubre más del 24% del área total (Figura 3).

Figura 3. Impacto de la rugosidad de la superficie a) n = 0.01 (superficie lisa), b) n = 0.10 (superficie rugosa).

El esfuerzo cortante crítico representa la resistencia del suelo a las fuerzas cortantes del flujo de agua. Depende de las propiedades del suelo y la cobertura y los valores están disponibles, por ejemplo, del manual WEPP (Flanagan y Nearing, 1995). Si el esfuerzo cortante en la ubicación dada es menor que el esfuerzo cortante crítico, no se desprende suelo. Por lo tanto, este parámetro tiene un impacto en el patrón de erosión / deposición. Su alto valor reduce la extensión espacial de la erosión, por otro lado, también puede aumentar la magnitud de las tasas de erosión en laderas más empinadas y en áreas con flujo concentrado debido a que el agua limpia tiene mayor potencial para transportar el sedimento (Figura 4). ).

Figura 4 . Impacto del esfuerzo cortante crítico uniforme a) 1.0, b) 3.0, c) 7.0.

La erosionabilidad (coeficiente de capacidad de desprendimiento) es una medida de la susceptibilidad del suelo al desprendimiento por el flujo de agua (Flanagan y Nearing, 1995). A menudo se define como el aumento en el desprendimiento de suelo por unidad de aumento en el esfuerzo cortante del flujo de agua clara. El cambio en el factor de erosionabilidad mientras se mantienen constantes los demás parámetros cambia la relación entre la capacidad de transporte y la capacidad de desprendimiento. Esto conduce al cambio en el carácter del proceso de erosión desde la capacidad de desprendimiento limitada para la erosionabilidad significativamente menor que la transportabilidad hasta la capacidad de transporte limitada en el caso de que la erosionabilidad sea mayor que la transportabilidad. Por lo tanto, como se muestra en la animación (Figura 5), ​​el cambio en la erosionabilidad cambiará el patrón espacial de erosión y deposición, sin embargo, el impacto en la magnitud de la carga de sedimentos en la corriente es pequeño. Este ejemplo es una buena ilustración del hecho de que la medición de la carga de sedimentos en la salida de la cuenca no proporciona suficiente información para comprender los procesos de erosión en las laderas de la cuenca y que procesos bastante diferentes pueden resultar en los mismos niveles de concentración de sedimentos. Esto hace que el uso de concentraciones de sedimentos en la corriente como una medida que refleje el impacto de los medidores de protección contra la erosión necesarios para la gestión del uso de la tierra sea problemático.

Figura 5. (animación) Impacto del cambio en la erosionabilidad del suelo Kd = (0.0001,0.1), Kt = 0.001.

Transportabilidad o coeficiente de capacidad de transporte es una medida de la capacidad del suelo para ser transportado por el flujo de agua. Depende de las propiedades del suelo, pero también puede verse influenciado por la vegetación. Este coeficiente no se mide y proporciona directamente en el WEPP, sino que se estima indirectamente, lo que dificulta la determinación adecuada de este parámetro. Sin embargo, el parámetro se puede derivar al menos para algunos tipos de suelos usando los valores publicados del coeficiente de reacción de primer orden o usando el procedimiento sugerido por Finkner et al. (1989). Nuestras simulaciones muestran que este parámetro tiene un impacto profundo en el proceso de erosión, ya que influye tanto en la distribución espacial como en la magnitud del flujo de sedimentos y las tasas de erosión / deposición. Recientemente, se está reconociendo plenamente la importancia de la capacidad de transporte para los procesos de erosión por corrientes terrestres y se está realizando un trabajo más experimental y teórico (Guy et al. 1991, Govers 1991, Nearing et al. 1997). Discutimos más a fondo este tema en un capítulo separado. La siguiente animación ilustra cómo el cambio en la transportabilidad cambia el régimen de erosión de la capacidad de desprendimiento limitada a la capacidad de transporte limitada al mismo tiempo que reduce la magnitud de las tasas de erosión.

Figura 6. (animación) Impacto del cambio en la transportabilidad del suelo: Kd = 0.001, Kt = (0.0001,0.1)

Es importante señalar que los parámetros no actúan de forma independiente, están interrelacionados y es esta interacción la que controla el patrón y la magnitud de la erosión. Por ejemplo, el crecimiento de la vegetación reduce tanto K d, K t como 1 / ny el patrón de erosión / deposición resultante depende de la interacción entre las tasas de este cambio. Si tanto K d como K t cambian a la misma tasa, la distribución espacial de erosión / deposición permanece igual y solo cambia la magnitud de las tasas. Si el crecimiento de la vegetación reduce K d más rápido que K t, el patrón de erosión / deposición cambiará de una capacidad de transporte limitada a un desprendimiento limitado. La interrelación entre los parámetros es una cuestión de investigación abierta y hay una falta de trabajo sistemático experimental y teórico / de modelado en esta área.

El análisis presentado muestra que para el suelo y la cobertura uniformes hay un patrón básico de erosión y deposición en un terreno complejo que no cambia significativamente incluso si la lluvia, el suelo y la cobertura cambian. Las áreas de alto riesgo de erosión están ubicadas en partes convexas superiores de laderas y en huecos y centros de valles con flujo concentrado. La deposición ocurre en valles cóncavos y partes bajas cóncavas de laderas. Con las condiciones cambiantes del suelo y la cobertura, la línea de deposición inicial puede moverse hacia arriba o hacia abajo de la pendiente, lo que podría influir en las cargas de sedimentos en los arroyos. El análisis demuestra que además del hecho obvio de que la peor situación ocurre para eventos grandes con alta intensidad de lluvia cuando la superficie del suelo es bastante lisa (por ejemplo, sin una cubierta vegetal protectora), las cargas de sedimentos pueden ser muy altas incluso para eventos más pequeños si el suelo es muy alto. transportable. El cambio en el suelo y la cobertura de una distribución uniforme a una distribución espacialmente variable tiene un gran impacto en el patrón básico de erosión / deposición (como mostramos más adelante). Dependiendo de la ubicación, esta variabilidad espacial puede influir positiva o negativamente en la pérdida general de suelo, así como en las cargas de sedimentos en los arroyos.

2.2.2 Ecuaciones de capacidad de transporte y desprendimiento

Nuestras simulaciones anteriores (Mitas y Mitasova 1998), así como varias publicaciones recientes (Govers 1991, Guy et al. 1991, Nearing et al. 1997) indicaron que la ecuación de capacidad de transporte utilizada en el modelo WEPP probablemente no es lo suficientemente general para su uso en condiciones complejas del terreno. También se hicieron sugerencias similares sobre la ecuación de desprendimiento utilizada en WEPP (Bjorneberg et al. 1997). Por ejemplo, no pudimos reproducir completamente la extensión de las áreas con deposición observada. Para abordar este problema, hemos intentado estudiar las relaciones de capacidad de transporte de sedimentos como la cantidad de influencia clave en nuestras aplicaciones. Hemos probado tanto las relaciones de esfuerzo cortante de la ley de potencias (Julien y Simon 1985) con diferentes exponentes de potencia como la nueva relación basada en el poder de la corriente sugerida por Nearing y colaboradores (1997).

Julien y Simon (1985) analizaron las ecuaciones de transporte de sedimentos existentes y presentaron una ecuación en forma general:

q s = p q m sen & szlig n i d (1- t 0 / t) e (3)

donde qs es el flujo de sedimentos, q es el flujo de agua, & szlig es el ángulo de la pendiente, i es la intensidad de la lluvia, t 0, t son el esfuerzo cortante crítico y el esfuerzo cortante respectivamente, y p, m, n, d, e son coeficientes experimentales o basados ​​en la física. El WEPP usa esta ecuación con m = n = 1.5. Lo hemos probado para valores de m = 0.6-2.0. Willgoose (1989) ha demostrado que el parámetro m depende del tipo de flujo y la geometría del canal, lo que indica que en terrenos complejos y condiciones de cobertura este coeficiente debe ser espacialmente variable dependiendo del tipo de flujo en un área en particular. Los valores más altos de m conducen a un mayor impacto del flujo de agua en el patrón de erosión, mientras que para los valores más bajos de m, el terreno tiene un impacto más profundo (ver la Figura 30 en las aplicaciones).

Para modelar la erosión en un riachuelo, Nearing et al. (1997) presentaron un ajuste mejorado a varios conjuntos de datos experimentales al relacionar la carga de sedimentos qs con la potencia de la corriente o:

con las constantes A = -34.47, B = 38.61, C = 0.845, D = 0.412. Con base en las condiciones de los experimentos, se sugirió que (4) podría ser una estimación razonable de la capacidad de transporte de sedimentos. La ecuación (4) se puede reescribir de la siguiente forma (Mitas y Mitasova 1997):

donde a 0 = 1380, b = 88.90, d = 0.179, o 0 = 8.89.10 -6, o es la potencia de la corriente. Esta forma de la ecuación (4) nos permite definir una interpretación física de las constantes, ya que un 0 representa una carga de sedimento saturado para una potencia de corriente infinitamente grande, o 0 es una potencia de corriente de & quot; referencia & quot; b = 88,90 yd = 0,179 son adimensionales exponentes. Estrictamente hablando, la elección de las constantes corresponde a los resultados experimentales utilizados en el ajuste y podría ser diferente en otros casos, por ejemplo, se debe incluir un coeficiente de capacidad de transporte efectivo análogo al de (3) para diferentes cubiertas, etc. La diferencia importante de las ecuaciones (3) y (4, 5) es que a través de la potencia de la corriente, el efecto de la velocidad del flujo se incorpora directamente a la capacidad de transporte. Para terrenos complejos y condiciones de cobertura, la velocidad del flujo varía y puede cambiar drásticamente según la ubicación, por lo que podemos esperar diferencias en los patrones predichos de erosión / deposición usando la ecuación (5) como la capacidad de transporte de sedimentos.

Figura 7. Comparación de diferentes ecuaciones de capacidad de transporte de sedimentos

Hemos aplicado las ecuaciones (3) y (5) a los datos experimentales de Alemania para condiciones uniformes de suelo y cobertura con los siguientes resultados. La extensión del área de deposición predicha usando la ecuación (3) con m = 0.6 (37%) estuvo más cerca de las observaciones (depósitos coluviales más gruesos de 10 cm medidos en aproximadamente el 40% de los sitios de muestreo de una cuadrícula regularmente espaciada), que la deposición predicha por la ecuación (3) con m = 1,5, que cubría un área significativamente más pequeña de alrededor del 24%.

El patrón general de erosión y deposición predicho mediante el uso de la ecuación (5) basada en la energía de la corriente para la capacidad de transporte fue similar a los patrones obtenidos de la ecuación basada en el esfuerzo cortante, hubo diferencias cuantitativas significativas, así como una variabilidad espacial más dramática en los regímenes de erosión debidos a la variabilidad del coeficiente de reacción de primer orden. Nuestros resultados preliminares indican que la ecuación basada en la potencia de la corriente es significativamente diferente de la ecuación de esfuerzo puro habitual y merece una mayor investigación y pruebas experimentales, especialmente para diferentes tipos de suelos y tamaños más grandes de parcelas experimentales. Al implementar una nueva ecuación de capacidad de transporte, es necesario investigar también la idoneidad de la ecuación de capacidad de desprendimiento. (Nearing et al 1991) desarrolló recientemente una estimación más sofisticada de la capacidad de desprendimiento y la utilizó en un modelo complejo de desarrollo de riachuelos.

2.2.3 Impacto de la cobertura del suelo espacialmente variable y aplicaciones para la gestión del uso del suelo

En nuestro informe anterior (Mitasova et al. 1996c) hemos aplicado SIMWE a la finca experimental para el escenario tradicional de manejo del uso de la tierra (Figura 9A). Este uso de la tierra ha resultado en una severa erosión cuando la gran tormenta ocurrió durante el tiempo en que los campos agrícolas estaban vacíos. Las simulaciones mostraron que las áreas con el mayor potencial de flujo de agua y sedimentos estaban desprotegidas y se produjeron importantes riachuelos y formación de barrancos (Mitasova et al. 1996c). Hemos investigado la posibilidad de utilizar el modelo SIMWE para analizar y diseñar la ubicación de las medidas de protección contra la erosión seleccionadas en función de la cobertura del suelo, como ilustra el siguiente ejemplo simple.

Primero, usamos el modelo para identificar ubicaciones con el mayor riesgo de erosión, asumiendo un uso uniforme del suelo. Luego, la cobertura de césped protectora se distribuyó a las áreas de alto riesgo mientras se conservaba la extensión de la cobertura de césped en el 30% original del área (Figura 9C). Realizamos una simulación con el nuevo uso del suelo para evaluar su efectividad. Los resultados demuestran que el nuevo diseño tiene el potencial de reducir drásticamente la pérdida de suelo y las cargas de sedimentos en los arroyos efímeros (Figura 9C). La cresta en el flujo de sedimentos en el valle desaparece y es reemplazada por una ligera deposición dentro de los pastizales, mientras que las tasas máxima y total de erosión se reducen significativamente (Mitas y Mitasova 1998). Hemos encontrado que la efectividad de este diseño depende de las diferencias en la rugosidad, la combinación de suelo desnudo muy liso y pastizales muy densos dio como resultado predicciones de mayor erosión a lo largo de los bordes de la pradera; se necesitan más estudios para decidir si esto es un artefacto del método o una predicción realista.

Es interesante notar que el diseño de uso de la tierra obtenido por este procedimiento computacional bastante simple, usando solo los datos de elevación, tenía varias características comunes con el diseño de uso sostenible de la tierra propuesto e implementado en 1993 en la finca, basado en un extenso trabajo experimental ( Auerswald et al., 1996). En la Figura 9B se presenta una versión simplificada de ese diseño de uso del suelo, junto con la predicción de los flujos de agua y sedimentos y la erosión / deposición neta. Utiliza una proporción significativamente mayor de cobertura de césped permanente y barbecho y aumenta la rugosidad en el campo de lúpulo. Los resultados muestran que este diseño mantiene mucha humedad y, a un costo más alto, reduce aún más la erosión.

Figura 8 . Evaluación de 3 alternativas diferentes de uso de la tierra: profundidad de agua simulada, caudal de sedimentos y erosión / deposición neta para la tierra original (A 21% de pasto), nueva sustentable (B: 40% de pasto) y diseñada por computadora (C: 19% de pasto) uso, para la época del año en que la tierra agrícola (marrón) está desnuda y la cubierta de hierba (verde) está bien desarrollada.

2.2.4 Impacto de la variabilidad temporal en la cobertura del suelo

El crecimiento de la vegetación durante el año cambia las propiedades de la superficie del suelo, incluida su rugosidad, con un impacto profundo en el flujo de agua y sedimentos y el patrón de erosión y deposición. El mismo uso de la tierra puede conducir a diferentes patrones de erosión / deposición y cargas de sedimentos dependiendo de la época del año en que ocurre la tormenta. La siguiente imagen muestra que la diferencia entre la rugosidad de dos cubiertas diferentes (escenario B, Figura 8) tiene un impacto significativo en el patrón de erosión / deposición y las áreas que experimentaron erosión pueden convertirse en áreas de deposición durante una época diferente del año.

Figura 9. Impacto de la diferencia en rugosidad para cobertura espacialmente variable (escenario B) donde K t = K d = 0.03 / 0.0003 para ambos casos y la rugosidad de la superficie aumenta en el área de suelo desnudo mientras permanece constante para pasto a) n = 0.01 /0,1, b) n = 0,05 / 0,1

Este hecho se puede ilustrar aún mejor con el siguiente ejemplo donde hemos simulado un impacto de a) un evento extremadamente grande (140 mm / h) y suelo desnudo en campos agrícolas (n = 0.01, K t = 0.03, K d = 0.003, b ) evento pequeño (18 mm / h) con cobertura densa (n = 0,1, K t = K d = 0,0003). La simulación está de acuerdo con la hipótesis sugerida por Auerswald (comunicación personal) de que el material se deposita en el valle durante pequeños eventos repetidos y luego parte del material acumulado se erosiona durante eventos extremos con condiciones que conducen al desprendimiento predominante en caso limitado de erosión cuando Hay una gran capacidad de transporte de flujo.

Figura 10. Flujo de sedimentos a), c) y erosión / deposición neta b), d) para un evento grande a), b) y un evento pequeño c), d) para el escenario A

2.2.5 Simulación de impacto de estructuras del terreno

Hemos probado las capacidades del modelo SIMWE para simular el flujo de agua y los procesos de erosión para terrenos con estructuras como terrazas y estanques, cuando el terreno no es liso y existen discontinuidades y depresiones significativas. Hemos modificado la superficie del terreno utilizando herramientas GIS estándar (r.digit, r.mapcalc, ver el capítulo siguiente para más detalles) dando como resultado una superficie con un estanque simplificado (depresión) y una terraza (discontinuidad-falla y una pequeña área plana con pendiente cero). Para las corridas de prueba, hemos utilizado un caso hipotético de suelo y cobertura uniformes, incluso en estructuras. El algoritmo SIMWE fue lo suficientemente robusto como para simular el flujo de agua y sedimentos incluso para esta situación compleja, como se ilustra en la Figura 11, que muestra la acumulación de agua y sedimentos dentro del estanque y una terraza. Si no se aplica la pared de la terraza, como en nuestro ejemplo, se erosionará rápidamente. Los resultados son alentadores y nos permiten apuntar a la simulación de estructuras más complejas y realistas en el futuro (ver también la simulación de un impacto vial en el informe anterior de Mitasova et al. 1996c).

Figura 11 Impacto de las estructuras del terreno sobre el flujo de agua y la erosión / deposición neta en condiciones uniformes

3. Herramientas SIG

La simulación de los procesos del paisaje es más sensible al ruido y los artefactos en los datos de caracterización del paisaje que los usos más tradicionales de SIG, como la producción automática de mapas o el análisis espacial. La eficiencia de las simulaciones depende de la representación de datos digitales, donde la representación tradicional por polígonos, comúnmente utilizada para el mapeo, no siempre es el mejor enfoque para las simulaciones. Además, los modelos a menudo incluyen relaciones espaciales y espacio-temporales complejas y su comprensión requiere representaciones gráficas más sofisticadas que los mapas 2D estándar. Por lo tanto, existe un esfuerzo continuo para ampliar las capacidades de SIG para apoyar el modelado y simulación de procesos (tanto dentro de productos comerciales como de herramientas de investigación) mediante la implementación de estructuras de datos y métodos nuevos y avanzados. Nuestro esfuerzo se ha centrado en mejorar los métodos para la interpolación espacial multivariada, el análisis topográfico y la visualización y ampliar las estructuras de datos para admitir el formato de punto y ráster multivariante. Algunas de estas capacidades mejoradas estarán disponibles dentro de los nuevos lanzamientos de GRASS en cooperación con el Grupo de Investigación GRASS de la Universidad de Baylor (http://www.baylor.edu/

Mitasova y Mitas (1993), Mitasova et al. Describen la interpolación basada en spline regularizado con tensión que se ha mejorado y utilizado para este proyecto. (1995a, b), Mitasova et al. (1996). Para cumplir gradualmente con los requisitos de interpolación espacial para aplicaciones y simulaciones GIS, estamos mejorando periódicamente la implementación del método RST con las mejoras más recientes, incluido el soporte para suavizado espacialmente variable, que permite a los usuarios establecer un parámetro de suavizado diferente para cada punto dado, dependiendo de la precisión de la medición. Esta capacidad admite la combinación de datos de varias fuentes con diferentes precisiones, con las superficies resultantes pasando las más cercanas a los datos más precisos y permitiendo desviarse más de los datos que se miden con menor precisión. También probamos las herramientas de interpolación en ArcView Spatial Analyst y encontramos una falla grave en la implementación y aplicación de splines en una granja (rendimiento de cultivos, contenido orgánico, pH, etc.) que se utilizan en el tutorial de Spatial Analyst (ESRI 1997). Hemos proporcionado el resultado del análisis a ESRI con sugerencias para corregir la implementación defectuosa de la interpolación (Mitasova y Mitas 1997). El problema se está solucionando actualmente.

Interpolación de volumen y visualización de datos de suelos. Para probar las posibilidades de crear modelos 3D de propiedades del suelo dentro de un SIG, hemos calculado una serie de modelos espaciales a partir de datos completos de estudios de suelos para una granja experimental en Scheyern, Alemania. Las propiedades del suelo (datos cortesía del Dr. Auerswald) se midieron en un espacio 3D hasta 1,2 m de profundidad e incluyeron resultados de análisis químicos (pH, nitratos, fosfatos, potasio, materia orgánica, etc.), análisis de textura del suelo e información cualitativa. para cada muestra. Con estos datos, fue posible derivar información y parámetros adicionales como la profundidad de los depósitos coluviales y la conductividad hidráulica, necesarios para las simulaciones de erosión. Desde el punto de vista del modelado espacial, un desafío especial para la representación y visualización de datos del suelo plantea el hecho de que la variabilidad espacial vertical requiere resoluciones mucho más altas que las resoluciones utilizadas para la representación de fenómenos en un plano horizontal. Hemos investigado varios enfoques para crear un modelo 3D de las propiedades medidas del suelo (Brown et al 1997), en particular: a) clasificando los datos por horizontes, interpolando un mapa ráster 2D para cada horizonte con una resolución de 2 my creando múltiples superficies modelo (Mitasova et al. 1996b) b) interpolar los datos 3D a un mapa ráster 3D con resolución horizontal de 2 m y vertical de 0,1 m utilizando la implementación trivariada del método RST (Figura 12). Para visualizar las relaciones verticales con suficiente detalle, hemos utilizado una exageración relativa de las profundidades 100 veces tanto para múltiples superficies que representan los horizontes del suelo (profundidades exageradas en relación con la superficie del terreno) como para la serie de datos volumétricos. Los resultados se ilustran en este informe mediante modelos de volumen de carbono orgánico, conductividad hidráulica y reacción del suelo (pH) combinados con contornos (Figura 12). Hemos encontrado que si se dispone de las herramientas adecuadas, el modelo 3D completo es más apropiado que la representación basada en múltiples superficies, ya que incorpora las relaciones verticales en la interpolación y permite un análisis visual más eficiente. El modelo espacial 3D de carbono orgánico muestra que sus concentraciones más altas se encuentran en el área con cobertura de pasto a largo plazo. Sin embargo, como se esperaba, la cantidad de carbono orgánico disminuye rápidamente con la profundidad (Figura 12a). El modelo de pH muestra una mayor variabilidad espacial en la dirección vertical ya que la acidez más alta en la superficie del terreno, ubicada en el área de pasto, se extiende sobre un área más grande en horizontes más profundos (Figura 12c). Los valores de conductividad hidráulica se derivaron de la información sobre la distribución del tamaño de partícula para cada muestra. El ráster 3D interpolado (Figura 12b) junto con un DEM se puede utilizar como entrada para el modelo de infiltración 3D, mejorando el realismo de las simulaciones hidrológicas. Un ejemplo de visualización de análisis de fracción de tamaño para puntos y un modelo de volumen del contenido de arcilla se presenta en Brown et al. (1997), incluidos los resultados para nitratos, fosfatos y otras sustancias químicas.

Figura 12. Análisis químico y textura del suelo.

Diseño de estructura simplificado utilizando herramientas GIS estándar. Las herramientas estándar de SIG, como r.digit y r.mapcalc, se pueden utilizar para modificar el terreno para incluir varias estructuras artificiales, como carreteras, estanques o terrazas con el fin de simular el impacto de las características antropogénicas en los procesos de erosión a escala del paisaje. El siguiente procedimiento se puede utilizar para agregar un estanque simplificado:

- mostrar información de fondo (terreno, flujo de agua, arroyos, etc.),
- use r.digit para delinear la estructura (pond2.mask) con depresión como categoría 1, presa como categoría 2,
- use r.mapcalc para crear una depresión y una presa para un estanque simplificado con fondo horizontal:
pond2.el = if (estanque2.mask, pel.2m)
pond2.dig = 1.5 + pond2.el-461.3 (estanque con profundidad mínima 1.5m)
- ejecute r.support para cambiar sin datos a 0 (pond2.mask)
- use r.mapcalc para agregar la estructura a la superficie del terreno
pel.pond2a = pel.2m-pond2.dig


Se puede utilizar un procedimiento simple similar para crear una terraza. Ambas estructuras se pueden agregar al terreno con el resultado ilustrado en la Figura 13. Es posible realizar estructuras más complejas desarrollando las operaciones geométricas apropiadas usando r.mapcalc o diseñando herramientas de diseño de superficies interactivas que operan con datos ráster. Las estructuras también pueden importarse desde herramientas CAD u otro software, transformarse en representación raster y usarse para modificar el terreno; sin embargo, es necesario desarrollar una interfaz apropiada o herramientas de importación / exportación.

Figura 13. Terreno original, máscara que ubica la terraza y la superficie del terreno resultante

4. Aplicaciones

Además de aumentar nuestro conocimiento sobre los procesos de erosión en paisajes, el objetivo de este proyecto es desarrollar métodos y herramientas para la evaluación del riesgo de erosión y el apoyo a la prevención de la erosión para instalaciones militares. Esta tarea plantea un desafío especial, porque las instalaciones militares ocupan grandes áreas con terrenos mucho más complejos que las regiones agrícolas típicas para las que se desarrollaron la mayoría de las herramientas tradicionales de modelado de erosión. Además, el uso del suelo en las instalaciones a menudo combina áreas naturales relativamente bien conservadas con paisajes expuestos a perturbaciones de alta intensidad, mucho más allá del impacto de la agricultura. Por lo tanto, los principios del modelado de erosión basado en procesos desarrollados para la agricultura deben mejorarse significativamente y deben diseñarse nuevos enfoques para enfrentar este desafío. Ya hemos probado algunos de nuestros enfoques para áreas en instalaciones militares (Yakima, extensión Camp Shelby) como lo describen Mitasova et al. (1996bc, 1995b). En este informe, demostramos aún más la metodología desarrollada para instalaciones militares en Ft. Irwin y Ft. McCoy.

4.1 pies Irwin

Para ilustrar los problemas asociados con las simulaciones para grandes áreas, usamos un ejemplo de una región montañosa en California. El DEM estándar de 30 m disponible para toda el área de estudio (3000 km cuadrados) representa 4 millones de celdas de cuadrícula, un conjunto de datos desafiante para las estaciones de trabajo y herramientas de simulación basadas en procesos actuales, con una resolución apenas suficiente para la identificación aproximada de áreas de alto riesgo de erosión. El DEM a una resolución de 5 m, necesario p. Ej. para capturar al menos aproximadamente los efectos de las carreteras o pastizales, sería necesario utilizar conjuntos de datos con 121 millones de celdas de cuadrícula y ejecutar simulaciones que serían prohibitivamente costosas, si no imposibles, con los recursos computacionales actuales. Está claro que para un área tan grande, se necesita modelar a diferentes escalas y resoluciones, dependiendo de la importancia y complejidad de las cuencas hidrográficas del área. Es importante señalar que nuestro objetivo en esta aplicación es ilustrar las posibilidades de utilizar datos de elevación estándar para simulaciones de erosión en un área grande. No estamos teniendo en cuenta el clima, el suelo y las propiedades de la cubierta que ciertamente tienen un impacto profundo en el flujo de agua en esta área. A pesar de que este es solo un ejemplo hipotético, esta prueba nos permite evaluar las capacidades de nuestras herramientas y preparar el entorno para aplicaciones más realistas (por ejemplo, la instalación de Hohenfels).

Modelo digital de elevación y análisis topográfico. Para ilustrar los problemas de resolución, ruido y errores sistemáticos en los datos de elevación estándar, analizamos el DEM de 30 m disponible para Ft. Irwin (Figura 14) con un análisis más detallado realizado para las subáreas A, B, C, D (Figura 15).

Figura 14. Sobrevuelo sobre un DEM en Ft. Irwin

Figura 15. Potencial topográfico de desprendimiento de suelo por flujo de agua para todo Ft. Irwin con las subáreas resaltadas utilizadas para un análisis más detallado.

GRASS GIS nos permite calcular varios parámetros topográficos importantes que describen varias propiedades geométricas del terreno, como se ilustra para un área C para el DEM original de 30 m:

Figura 16. Parámetros topográficos

Los parámetros topográficos sirven como entradas para los modelos de erosión, pero también son útiles para evaluar la calidad de un DEM e identificar posibles ruidos y errores sistemáticos, como se ilustra en el siguiente ejemplo de terreno con curvatura tangencial drapeada. La curvatura tangencial para 30 m DEM muestra una estructura aceptable en el área montañosa, mientras que en las tierras bajas hay ruido significativo y errores sistemáticos (franjas) (Figura 17a). Después de suavizar y volver a muestrear a una resolución de 10 m utilizando el método de interpolación RST, el ruido se reduce y las principales características topográficas se vuelven más visibles (Figura 17b):

Figura 17. Terreno con curvatura tangencial drapeada a) 30m DEM y K_t originales, b) DEM a 10m y K_t con suavizado 1.0, diez = 60

Estas imágenes demuestran claramente que la necesidad de precisión y exactitud es espacialmente variable, con áreas más planas mucho más sensibles que las montañas. Observe cómo la estructura artificial en áreas planas se transforma continuamente en la estructura real del terreno en las montañas. Este es un fenómeno especialmente "peligroso" si se va a utilizar un DEM para simulaciones, ya que la estructura artificial puede confundirse con la característica topográfica real.

El seguimiento del flujo es una parte importante del modelado hidrológico y de erosión. Los resultados están significativamente influenciados por el algoritmo de seguimiento de flujo y la resolución, así como por la calidad del DEM, como se ilustra en el siguiente ejemplo, que compara los mapas de flujo de agua en estado estacionario basados ​​en el DEM original de 30 m y los DEM suavizados y remuestreados (Figura 18).

Figura 18. Área de contribución de pendiente ascendente calculada a partir de a) DEM original de 30 m para el área B, b) DEM reinterpolado y suavizado de 10 m con suavizado 1., diez = 60, área C.

Suavizar y volver a muestrear los datos originales con el RST redujo los pozos artificiales en el DEM original y permitió que el flujo de agua creara corrientes continuas.

Potencial topográfico de erosión y deposición estimado por el modelo USPED. Para ilustrar el impacto del suavizado y el remuestreo en el modelado de erosión, hemos calculado la capacidad de transporte de sedimentos del flujo de agua (Figura 19) y la erosión / deposición neta (Figura 20) en tres resoluciones: a) reducido a 90 m para toda la región, b) original 30 m para una subregión de 500 km cuadrados, c) suavizado y muestreado nuevamente a 10 m para una subregión de 150 km cuadrados. Para demostrar las diferencias en detalle que se pueden lograr en varias resoluciones, hemos visualizado los resultados como mapas de color desplegados sobre el DEM de resolución de 10 m para una pequeña subregión (36 km cuadrados). Si bien la resolución de 10 m no mejora la precisión del modelo de elevación original, el suavizado reduce el ruido y la alta resolución permite una mejor descripción de la geometría del terreno, lo que eventualmente conduce a resultados más realistas del modelo de erosión. El impacto del ruido y la resolución es aún más sorprendente para el modelado de la erosión / deposición neta (Figura 20) que es muy sensible a los artefactos en un DEM ya que es una función de las derivadas de segundo orden (curvaturas) de la superficie de elevación (Mitas y Mitasova 1997).

Figura 19. Potencial topográfico para desprendimiento de suelo calculado a diferentes resoluciones a) 90 m, área A, b) 90 m ampliada en el área D, c) 30 m DEM original, área B, d) 30 m área D, e) reinterpolada y suavizada a 10 m, área C, f) 10m área D.

Figura 20. Potencial topográfico de erosión neta y deposición calculado a diferentes resoluciones a) 90 m, área A, b) 90 m ampliada en el área D, c) DEM original de 30 m, área B, d) área D de 30 m, e) reinterpolada y suavizada en 10 m, área C, f) 10 m área D.

Simulación de flujo de agua y sedimentos por SIMWE. Para probar la aplicabilidad de SIMWE a áreas significativamente más grandes que los datos de prueba de Alemania, hemos calculado la distribución espacial del flujo de agua en estado estacionario, el flujo de sedimentos y la erosión / deposición neta para una subregión D de 36 km cuadrados (Figuras 21, 23). Esta aplicación demuestra que el procesamiento de los datos de elevación originales mediante herramientas adecuadas, como en nuestro caso el método RST y la aplicación de un modelo robusto basado en procesos, puede conducir a una mejora significativa en el patrón de erosión / deposición pronosticado.

También es posible simular aproximadamente la dinámica del flujo de agua durante una tormenta: la animación muestra el desarrollo de la profundidad del agua durante y después de una tormenta estacionaria uniforme que duró aprox. 5 horas (Figura 22).

Figura 22. Modelo dinámico de la profundidad del flujo de agua durante y después de una tormenta estacionaria uniforme.

Las tasas de flujo de sedimentos se estiman mediante la solución de la ecuación de continuidad de masa usando SIMWE que muestra altas tasas de flujo de sedimentos en centros de valles con dispersión de flujo de sedimentos en algunas áreas (Figura 23a). Las tasas netas de erosión / deposición se estiman para un caso en el que prevalece el régimen de limitación de la capacidad de transporte (Figura 23b). Observe la desaparición y / o los barrancos divididos a medida que el terreno se aplana y se forman conos aluviales.

Figura 23. Distribución espacial de a) flujo de sedimentos b) tasas netas de erosión / deposición para suelos y coberturas uniformes

El DEM remuestreado y suavizado y los resultados de la simulación por el modelo SIMWE se proporcionaron para un desarrollo y demostración de herramientas de realidad virtual para simulaciones hidrológicas para CAVE en NCSA (Johnston y Reez, 1997) como se ilustra en la Figura 24. VRTools.

4.2 pies McCoy

Ilustramos la estimación del potencial topográfico de erosión y deposición basada en el modelo USPED utilizando los datos de elevación proporcionados a una resolución horizontal de 30 m y una resolución vertical de 1 m, para la siguiente subárea de Ft. McCoy (Figura 25).

Figura 25. DEM para Ft.McCoy con el área de prueba resaltada.

El potencial topográfico de desprendimiento de suelo y de erosión neta y deposición se estima mediante el modelo USPED (Mitasova et al. 1996).Incluso con datos de elevación bastante crudos, es posible identificar las áreas con alto riesgo topográfico de desprendimiento de suelo y erosión / deposición, como se ilustra en la siguiente secuencia de mapas que muestran el DEM de entrada de 30 m (Figura 26a), pasos intermedios (pendiente, pendiente ascendente área de contribución, Figuras 26b, 26c) y resultados de los cálculos (Figuras 27a, 27b). Observe el impacto de las mesetas en áreas de baja elevación en el patrón de pendiente (pendientes artificiales más pronunciadas a lo largo de contornos de 1 m), resaltadas por flechas rojas. Estas mesetas se deben a la insuficiente resolución vertical de 1 m. El área de contribución de la pendiente ascendente como una medida del flujo de agua en estado estable calculado a partir del DEM original de 30 m (Figura 26c) por r.flow está fuertemente subestimado. Los pozos y mesetas en el DEM causan problemas en el trazado de flujo con casi ningún flujo generado en áreas de menor elevación y flujo interrumpido en valles.

Figura 26. Entradas y resultados intermedios para el cálculo de erosión / deposición por USPED utilizando DEM original de 30 m.

Figura 27. Potencial topográfico para desprendimiento de suelo y erosión / deposición neta calculado por USPED utilizando el DEM original de 30 m.

El factor LS modificado predice bien algunas áreas de alto potencial de desprendimiento de suelo, especialmente en partes montañosas de la región. Sin embargo, no predice la ubicación de áreas con flujo concentrado con alto potencial de formación de riachuelos y barrancos. Además, en áreas de menor elevación se predice el patrón artificial de mayor erosión a lo largo de contornos de 1 m. El mapa de erosión / deposición neta calculado por el modelo USPED predice una alta erosión neta en regiones montañosas y en pendientes a lo largo de los arroyos. También muestra que una parte significativa del material erosionado de las laderas se deposita antes de que pueda llegar a los arroyos principales. Sin embargo, este mapa carece de la predicción de una alta erosión debido al flujo concentrado en los valles y muestra ondas artificiales de erosión y deposición a lo largo de los contornos de 1 m en áreas más planas.

Para reducir el impacto negativo de una resolución más baja de los datos de elevación disponibles, el DEM dado se reinterpoló a una resolución horizontal de 10 m y una resolución vertical de 0,01 m utilizando el método RST. Simultáneamente con la interpolación, se generaron mapas de pendiente, aspecto, perfil y curvaturas tangenciales (Figura 28).

F igura 28. MDE reinterpolado a una resolución de 10 m con análisis topográfico simultáneo a) elevaciones, b) pendiente, c) aspecto, d) curvatura del perfil, e) curvatura tangencial.

Tenga en cuenta que en el mapa de pendientes desapareció el patrón artificial de pendientes más pronunciadas a lo largo de curvas de nivel de 1 m.

Figura 29. Flujo de agua en estado estacionario.

El flujo de agua en estado estacionario calculado por r.flow del DEM suavizado de 10 m muestra el potencial para la formación de canales en los valles y predice el flujo de agua también en la región de baja elevación. El flujo en las dos corrientes principales no se describe adecuadamente debido a la falta de datos, pero se puede incorporar si hay datos disponibles.

Figura 30. Factor LS modificado o distribución de potencial topográfico para desprendimiento de suelo por flujo superficial.

Los factores LS modificados se calcularon a partir del DEM de 10 m utilizando diferentes exponentes para el término de flujo de agua (p = 0,6 yp = 1,5). El valor de este exponente es todavía un tema de investigación y discusión en la comunidad de investigación de la erosión. El primer resultado pone más peso en la influencia de la pendiente, mientras que el segundo resultado pone más peso en la influencia del flujo de agua. Debido a que el exponente depende de las condiciones del flujo de agua en un área en particular, debe calibrarse para reflejar el tipo de flujo típico para el área modelada y el momento durante el año.

Figura 31. Potencial topográfico de erosión / deposición neta calculado por USPED

El potencial topográfico de erosión / deposición neta se calculó a partir del DEM de 10 m utilizando el modelo USPED. De manera similar, en el resultado de 30 m DEM, el modelo muestra una alta erosión en áreas montañosas y a lo largo de los arroyos principales y deposición en áreas cóncavas. También indica alta erosión en áreas con flujo concentrado que podría llegar a los arroyos principales. El patrón artificial de erosión / deposición a lo largo de los contornos no está presente.

El impacto del suelo y la cobertura se incorporará cuando se disponga de las categorías de uso / cobertura / suelo de la tierra o al menos una estimación aproximada del factor C. Además, la estimación del flujo de sedimentos y la erosión / deposición neta mediante el modelo distribuido basado en procesos SIMWE se puede realizar después de obtener datos sobre la cobertura del suelo.

5. Conclusiones y direcciones futuras

El enfoque y los ejemplos presentados ilustran varios aspectos de la aplicación avanzada de SIG para la caracterización del paisaje y las simulaciones de procesos. Hemos demostrado la importancia de una elección adecuada del método de interpolación al preparar los datos de entrada para las simulaciones y la utilidad del suavizado y remuestreo de un DEM estándar de 30 m a una resolución más alta para modelar la erosión y la deposición. Reemplazar los algoritmos basados ​​en geometría por modelos basados ​​en la física mejora el análisis topográfico relacionado con el flujo. La extensión de SIG a 3D nos permite crear modelos espaciales que capturan la distribución de fenómenos en el espacio 3D, sin embargo, se necesita escala y resolución anisotrópica para crear modelos significativos. La implementación del concepto de campos multivariados para los datos de caracterización del paisaje en SIG y el desarrollo de herramientas de apoyo apropiadas aumenta la eficiencia de la preparación de datos y del análisis y presentación de los resultados de la simulación. Este enfoque respalda aún más el cambio de modelos basados ​​en perfiles y / o polígonos a simulaciones dinámicas en 3D completas basadas en campos multivariados.

El método estocástico de resolver las ecuaciones de los primeros principios utilizando la técnica de Monte Carlo de función de Green nos proporcionó una valiosa herramienta de investigación de una robustez y flexibilidad muy necesarias. Nos permitió investigar varios temas importantes como los regímenes de erosión / deposición, formas de capacidad de transporte de sedimentos y diferentes escenarios de uso de la tierra en un paisaje realista complejo. Usando la formulación bivariada, teóricamente hemos dilucidado la relación observada entre el patrón de erosión / deposición y la forma del terreno en el régimen de capacidad de transporte limitada. En particular, hemos mostrado la relación del perfil del terreno y las curvaturas tangenciales con los patrones observados y hemos demostrado que el impacto de ambas curvaturas es igualmente importante para una descripción y comprensión adecuadas de la erosión en el espacio 3D.

Una sugerencia de Nearing et al (1997) de que las cargas de sedimentos de los arroyos pueden estar más fuertemente influenciadas por un límite de transporte de sedimentos que por el desprendimiento del suelo, en general, concuerda con nuestros resultados. Esto parece ser cierto especialmente en condiciones de terreno complejas donde la capacidad de transporte cambia significativamente debido a variaciones en la forma y cobertura del terreno que afectan significativamente la distribución y amplitudes del campo de flujo de agua. Nuestros cálculos y análisis también sugieren que la capacidad de transporte de sedimentos juega un papel más importante que lo anticipado por la investigación anterior que se centró en la erosionabilidad como la cantidad de control clave. Obviamente, una interacción sutil y espacialmente variable entre la erosionabilidad y la capacidad de transporte puede influir en los procesos de manera profunda. Creemos que esta complejidad apunta claramente hacia la importancia de las simulaciones 2D de alta precisión y alta resolución como una de las áreas de investigación más prometedoras.

6. Referencias

Arnold, J. G., P. M. Allen y G. Bernhardt, 1993, Un modelo integral de flujo de agua superficial-subterránea. Revista de hidrología, 142, 47-69.

Auerswald, K., A. Eicher, J. Filser, A. Kammerer, M. Kainz, R. Rackwitz, J. Schulein, H. Wommer, S. Weigland y K. Weinfurtner, 1996, Desarrollo e implementación de estrategias de conservación del suelo para el uso sostenible de la tierra: el proyecto Scheyern de la FAM, inDOPLN Land Use, editado por H. Stanjek, Int. Congreso de ESSC, Tour Guide, II, pp. 25-68, Technische Universitat Munchen, Freising-Weihenstephan, Alemania.

Bennet, J. P., 1974, Conceptos de modelado matemático del rendimiento de sedimentos, Investigación de recursos hídricos, 10, 485-496.

Bjorneberg, D. L., Aase, J.K., Trout, T.J., 1997, Evaluación de la erosión del modelo WEPP bajo riego por surcos. Papel no. 972115, 1997 ASAE Ann. En t. Reunión, Minneapolis, MI.

Brown, W. M., Mitasova, H. y Mitas, L., 1997, Diseño, desarrollo y mejora de herramientas multidimensionales dinámicas de una manera totalmente integrada con GRASS GIS. Informe para el CERL de EE. UU. Universidad de Illinois, Urbana-Champaign, IL. http://www2.gis.uiuc.edu/erosion/gsoils/vizrep2.html

Busacca, A. J., C. A. Cook y D. J. Mulla, 1993, Comparando la estimación a escala de paisaje de la erosión del suelo en Palouse usando Cs-137 y RUSLE, Journal of Soil and Water Conservation, 48, 361-67.

Desmet, P. J. J. y G. Govers, 1995, simulación basada en SIG de patrones de erosión y deposición en un paisaje agrícola: una comparación de los resultados del modelo con la información del mapa del suelo, Catena, 25, 389-401.

Engel, B., Modelos de hidrología en GRASS, 1995, http://soils.ecn.purdue.edu:80/

ESRI, 1997, ArcView Spatial Analyst p 22-24, 59-60, 52-55

Flacke, W., K. Auerswald y L. Neufang, 1990, Combinando un USLE modificado con un modelo de terreno digital para calcular mapas de alta resolución de la pérdida de suelo resultante de la lluvia, Catena, 17, 383-397.

Flanagan, D. C. y M. A. Nearing (eds.), 1995, USDA-Water Erosion Prediction Project, NSERL, informe no. 10, págs. 1.1- A.1, Laboratorio Nacional de Erosión de Suelos, USDA ARS, Laffayette, IN.

Foster, G. R. y L. D. Meyer, 1972, Una ecuación de erosión de forma cerrada para áreas de tierras altas, en Sedimentación: Simposio en honor al Prof. H.A. Einstein, editado por H. W. Shen, págs. 12.1-12.19, Colorado State University, Ft. Collins, CO.

Foster, GR, 1990, Modelado basado en procesos de la erosión del suelo por el agua en tierras agrícolas, en Soil Erosion on Agricultural Land>, editado por J. Boardman, IDL Foster y JA Dearing, John Wiley & amp Sons Ltd, págs. 429-445 .

Foster, GR, DC Flanagan, MA Nearing, LJ Lane, LM Risse y SC Finkner, 1995, Componente de erosión de laderas, WEPP: Proyecto de predicción de la erosión del agua del USDA, editado por DC Flanagan y MA Nearing, NSERL report No. 10, pp . 11.1-11.12, Laboratorio Nacional de Erosión de Suelos, USDA ARS, Laffayette, IN.

Garrote, L. y R. L. Bras, 1993, Modelado en tiempo real de la respuesta de la cuenca fluvial utilizando mapas de lluvia generados por radar y una base de datos hidrológica distribuida, Informe No. 337, pp. 15-180, MIT, Cambridge ,.

Govers, G., 1991, Erosión de riachuelos en tierras cultivables en Bélgica central: tasas, controles y previsibilidad, Catena, 18, 133-155.

Guy, BT, Rudra, RP Rudra y WT Dickinson, 1991, Investigación orientada a procesos sobre erosión del suelo y flujo superficial, Overland Flow Hydraulics and Mechanics, editado por AJ Parsons y AD Abrahams, Chapman y Hall, Nueva York, págs. 225-242.

Haan, C. T., B. J. Barfield y J. C. Hayes, 1994, Design Hydrology and Sedimentology for Small Catchments, págs. 242-243, Academic Press.

Hong, S. y S. Mostaghimi, 1995, Evaluación de prácticas de gestión seleccionadas para el control de la contaminación de fuentes difusas utilizando un modelo de simulación bidimensional, ASAE, documento no. 952700. Reunión de verano de la ASAE, Chicago, IL.

Howard, A. D., 1994, Un modelo de evolución de cuencas de drenaje de separación limitada, Water Resources Research, 30 (7), 2261-2285.

Johnston D. y Reez, W., 1997, Visualización 3D de datos geográficos utilizando CAVE. http://www.gis.uiuc.edu/hpgis/visualization.htm.

Julien, P. Y. y D. B. Simons, 1985, Capacidad de transporte de sedimentos del flujo terrestre, Transactions of the ASAE>, 28, 755-762.

Julien, P. Y., B. Saghafian y F. L. Ogden, 1995, Modelado hidrológico basado en raster de escorrentía superficial variada espacialmente, Water Resources Bulletin, 31 (3), 523-536.

Kirkby, M. J., 1987, Modelado de algunas influencias de la erosión del suelo, deslizamientos de tierra y gradiente del valle en la densidad del drenaje y el desarrollo de huecos. Suplemento de Catena, 10, 1-14.

Kramer, S. y M. Marder, 1992, Evolution of River Networks, Physical Review Letters, 68, 205-208.

Krcho, J., 1991, Georelief como subsistema del paisaje y la influencia de los parámetros morfométricos del georelief en la diferenciación espacial de los procesos ecológicos del paisaje, Ecología (CSFR), 10, 115-57.

Maidment, D. R., 1996, Environmental model within GIS, en GIS and Environmental Modeling: Progress and Research Issues, editado por M. F Goodchild, L. T. Steyaert y B. O. Parks, GIS World, Inc., págs. 315-324.

Martz, L. W. y E. de Jong, 1987, Uso de cesio-137 para evaluar la variabilidad de la erosión neta del suelo y su asociación con la topografía en un paisaje de pradera canadiense, Catena, 14, 439-451.

Martz, L.W. y E. de Jong, 1991, Uso de cesio-137 y clasificación de accidentes geográficos para desarrollar un presupuesto neto de erosión del suelo para una pequeña cuenca hidrográfica de una pradera canadiense, Catena, 18, 289-308.

Meyer, L.D. y Wischmeier, W.H., 1969, Simulación matemática del proceso de erosión del suelo por el agua. Transacciones de la ASAE, 12, 754-758.

Mitas, L. y Mitasova, H., 1998, Simulación distribuida de la erosión del suelo para una prevención eficaz de la erosión. Water Resources Research, en prensa.

Mitas, L., Mitasova, H., 1997, Interpolación espacial. En: P. Longley, M.F. Goodchild, D.J. Maguire, D.W.Rhind (Eds.), Sistemas de información geográfica: principios, técnicas, gestión y aplicaciones (en prensa).

Mitas, L., Mitasova, H., 1997, Enfoque de Monte Carlo de la función de Green para el modelado de la erosión en terrenos complejos. Documento núm. 973066, 1997 Reunión internacional anual de la ASAE, Minneapolis, Minnesota.

Mitas L., Brown W. M., Mitasova H., 1997, Papel de la cartografía dinámica en simulaciones de procesos de paisaje basados ​​en campos multivariados. Computers and Geosciences, Vol.23, No. 4, pp. 437-446 (incluye CDROM y WWW: www.elsevier.nl/locate/cgvis).

Mitasova, H., Mitas, L., Brown, W.M. y Warren, S. 1997, Entorno GIS multidimensional para simulación y análisis de procesos de paisaje, Documento No. 973034, Reunión internacional anual de ASAE 1997, Minneapolis, Minnesota.

Mitasova, H., Mitas, L., 1997, Interpolación Spline de ArcView Spatial Analyst. http: http: //www2.gis.uiuc.edu/erosion/esri/splinearc.html

Mitasova, H., Mitas, L., Brown, W. M., Johnston, D., 1996c, Modelado multidimensional de erosión / deposición del suelo. PARTE III: Simulación de erosión basada en procesos. Informe para el CERL de EE. UU. Universidad de Illinois, Urbana-Champaign, IL, págs. 28.

Mitasova, H., W.M. Brown, D. Johnston, L. Mitas, 1996b, herramientas GIS para modelado de erosión / deposición y visualización multidimensional. PARTE II: Modelado de erosión / deposición basada en energía de flujo unitario y visualización dinámica mejorada. Informe para el CERL de EE. UU., Universidad de Illinois, Urbana-Champaign, IL, págs. 38.

Mitasova, H., J. Hofierka, M. Zlocha y R. L. Iverson, 1996a, Modelado del potencial topográfico de erosión y deposición utilizando GIS, Int. Revista de ciencia de la información geográfica, 10 (5), 629-641.
(La respuesta a un comentario a este documento aparece en 1997 en Int. Journal of Geographical Information Science, Vol. 11, No. 6)

Mitasova, H., Mitas, L., Brown, W.M., Gerdes, D.P., Kosinovsky, I., 1995, Modelado de fenómenos distribuidos espacial y temporalmente: nuevos métodos y herramientas para GRASS GIS. International Journal of GIS, 9 (4), número especial sobre integración de modelos ambientales y GIS, p. 443-446.

Mitasova, W.M. Brown, D. Johnston, B. Saghafian, L. Mitas, M. Astley, 1995, Herramientas SIG para modelado de erosión / deposición y visualización multidimensional. Parte I: Interpolación, lluvia-escorrentía, Visualización. Informe para el CERL de EE. UU. Universidad de Illinois, Urbana-Champaign, IL, págs.45.

Mitasova, H. y L. Mitas, 1993, Interpolación por spline regularizado con tensión: I. Teoría e implementación, Geología matemática, 25, 641-55.

Mitasova, H., J. Hofierka, 1993, Interpolación por spline regularizado con tensión: II. Aplicación al modelado de terrenos y análisis de geometría de superficies. Geología matemática 25, pág. 657-669.

Moore, I. D. y J. P. Wilson, 1992, Factores de longitud-pendiente para la ecuación de pérdida de suelo universal revisada: método simplificado de estimación, Journal of Soil and Water Conservation, 47, 423-428.

Moore, ID, AK Turner, JP Wilson, SK Jensen y LE Band, 1993, GIS y modelado de procesos de superficie-subsuelo de la tierra, en Geographic Information Systems and Environmental Modeling>, editado por M. F Goodchild, LT Steyaert y BO Parks , págs. 196-230, Oxford University Press, Nueva York.

Cerca de M.A., Norton L.D., Bulgakov D.A., Larionov G.A., West L.T., Dontsova K.M., 1997, Hydraulics and Erosion in erosion rills. Investigación de recursos hídricos, 33, 865-876.

Quine, TA, PJJ Desmet, G. Govers, K. Vandaele y DE Walling, 1994, Una comparación de las funciones de la labranza y la erosión hídrica en el desarrollo de accidentes geográficos y la exportación de sedimentos en tierras agrícolas cerca de Lovaina, Bélgica, en Variabilidad en la erosión de arroyos y transporte de sedimentos, editado por LJ Olive, RJ Loughran y JA Kesby, Publicación IAHS, no. 224, Proc. de un Int. Simposio Canberra, Australia, págs. 77-86.

Rewerts, C. C. y B. A. Engel, 1991, RESPUESTAS sobre GRASS: Integración de una simulación de cuencas hidrográficas con un SIG. Documento ASAE n.o 91-2621. Sociedad Estadounidense de Ingenieros Agrícolas, San José, Misuri, 1-8.

Saghafian, B., Implementation of a Distributed Hydrologic Model within GRASS, en < sl GIS and Environmental Modeling: Progress and Research Issues>, editado por M. F Goodchild, LT Steyaert y BO Parks, GIS World, Inc., págs. 205-208, 1996.

Srinivasan, R. y J. G. Arnold, 1994, Integración de un modelo de calidad del agua a escala de cuenca con GIS, Water Resources Bulletin, 30 (3), 453-462.

Sutherland, R. A., 1991, Cesio-137 y presupuestación de sedimentos dentro de una cuenca de drenaje parcialmente cerrada, Zeitschrift Fur Geomorphologie N.F. Bd., 35, Heft 1, 47-63.

Vieux, BE, NS Farajalla y N. Gaur, GIS integrado y modelado de escorrentía de aguas pluviales distribuidas, en < sl GIS and Environmental Modeling: Progress and Research Issues>, editado por MF Goodchild, LT Steyaert y BO Parks, GIS World , Inc., págs. 199-205, 1996.

Warren, S., K. Auerswald, L. Mitas y H. Mitasova, 1996, Herramientas avanzadas para predecir la erosión y la deposición del suelo, artículo presentado en II. Congreso Internacional de la Sociedad Europea para la Conservación del Suelo, Technische Universitaet Muenchen, Freisig-Weihenstephan, Alemania, septiembre.

Willgoose, G. R., R. L. Bras e I. Rodríguez-Iturbe, Modelo 1 de evolución de laderas y crecimiento de redes acopladas físicamente, Teoría, < sl Water Resour. Res.>, 27 (7), 1671-1684, 1991.

Willgoose, G. R., R. L. Bras e I. Rodríguez-Iturbe, Una red de canales con base física y un modelo de evolución de captación, informe técnico no. 322, Ralph Parsons Lab., MIT, Cambridge, Mass., EE.UU., 1989.


Problema con la interpolación de un perfil vertical en 3D Analyst (ArcMap 10.1) - Sistemas de información geográfica

1 Instituto de Investigación de Mecánica Aplicada (RIAM), Universidad de Kyushu, Fukuoka, Japón

2 Environmental GIS Laboratory Co.Ltd, Fukuoka, Japón

Copyright y copia 2019 por autor (es) y Scientific Research Publishing Inc.

Este trabajo tiene la licencia Creative Commons Attribution International License (CC BY 4.0).

Recibido: 11 de septiembre de 2019 Aceptado: 27 de octubre de 2019 Publicado: 30 de octubre de 2019

En este estudio, desarrollamos un nuevo modelo de dinámica de fluidos computacional (CFD) llamado Airflow Analyst que profundiza la afinidad entre CFD y el sistema de información geográfica (GIS). Primero, se realizó una simulación precisa del cubo montado en la superficie. Las pruebas de validación basadas en los datos obtenidos confirmaron la precisión predictiva de Airflow Analyst. En segundo lugar, el Nuevo Estadio Nacional de Japón (Estadio Olímpico de Tokio) se reprodujo con precisión en una computadora, capturando los últimos datos detallados del área urbana para la base. Para el objetivo de los modelos 3D construidos, se realizaron simulaciones con un gran número de puntos / celdas de cuadrícula (CFD). Estas simulaciones reprodujeron los complejos campos de flujo turbulento tanto dentro como fuera del estadio. El experimento reprodujo con éxito la simulación CFD utilizando una gran cantidad de puntos / celdas de cuadrícula, donde las condiciones de ventilación del flujo de viento desde el cielo eran similares a las del diseño previsto del estadio.

CFD, LES, GIS, cubo de superficie, nuevo estadio nacional de Japón

Los entornos urbanos de nuestra sociedad se ven afectados por los diversos impactos del viento, como el fuerte viento y la ventilación. Por lo tanto, el entorno construido en el diseño urbano y la planificación regional debe evaluarse y optimizarse. Cada paso durante el proceso de examen de los planes requiere la participación de ciudadanos, administradores y desarrolladores. Nuestro equipo de investigación se dedicó al desarrollo de software para la planificación urbana y el diseño de arquitectura, centrándose en la nueva dinámica de fluidos computacional (CFD) [1] con una alta afinidad por los sistemas de información geográfica (GIS) [2]. Los resultados de investigaciones recientes en los campos que nos interesan han sido revisados ​​en la literatura [1]. Hemos estado desarrollando Airflow Analyst [3] [4] [5] [6], que es un software de extensión para ArcGIS, que es un software GIS versátil. La mayor ventaja de Airflow Analyst es que los usuarios pueden analizar las características del campo de flujo o el transporte escalar pasivo y la difusión en regiones con objetos de formas arbitrarias sin tener en cuenta las características del relieve o los grupos de edificios.

Airflow Analyst, que se ejecuta en el sistema GIS, tiene las siguientes ventajas:

1) Grandes ahorros de mano de obra en la preparación de datos tridimensionales (3D) para áreas urbanas debido a su uso de recursos de información geoespacial, que se distribuyen gratuitamente o se venden

2) Reducciones a gran escala en la planificación de la construcción de datos 3D debido a la integración del diseño asistido por computadora (CAD) y el modelado de información de construcción (BIM)

3) Simulación instantánea con operación intuitiva debido a la confirmación visual de escalas en mapas para direcciones computacionales del viento, dominios y generación de cuadrículas.

4) Visualizar los resultados computacionales de datos 3D en un mapa y almacenar información geográfica-referencias espaciales por coordenadas, permitiendo así superposiciones de análisis espacial con otra información espacial y

5) La disponibilidad para distribuir y compartir mediante superposiciones con servicios de cartografía web.

Las simulaciones de flujo de viento convencionales para áreas urbanas requieren conocimientos y habilidades especializados, así como una enorme cantidad de tiempo y trabajo para crear modelos 3D y generar cuadrículas que integran el terreno local], las formas de los edificios y los planos de diseño. Sin embargo, para reflejar simulaciones de flujo de viento en un plan o diseño, se requiere un sistema con una operación simple e intuitiva para examinar los datos inmediatamente después de ser obtenidos. Este sistema debería reducir el trabajo involucrado en el análisis CFD anterior, y los planificadores deberían poder realizar simulaciones numéricas de manera apropiada.

Los gobiernos y las comunidades de datos abiertos, tanto dentro como fuera de Japón, están proporcionando de forma rápida y creciente gestión de datos 3D gratuita. Por tanto, se han establecido infraestructuras de información geoespacial con datos urbanos en 3D. Específicamente, se emplean BIM y Construction Information Modeling (CIM), con una compatibilidad de datos mejorada con GIS. BIM y CIM también han permitido el uso de datos 3D en la planificación del diseño. Junto con esto, se han desarrollado técnicas avanzadas para extraer datos de fotografías aéreas y satelitales, así como datos de imágenes fotogramétricas adquiridas por vehículos aéreos no tripulados (UAV). Se ha propuesto un nuevo método de creación de datos: los datos de nubes de puntos obtenidos a través de un levantamiento láser pueden generar datos tridimensionales diminutos, y todos estos datos pueden analizarse mediante la integración con el SIG.

Airflow Analyst es el primer programa de software del mundo que completa el proceso desde la generación de la red hasta la visualización de los resultados del cálculo de datos. El presente informe demuestra la primera prueba de validación de la precisión predictiva de Airflow Analyst para un cubo montado en superficie. En segundo lugar, este artículo presenta una reproducción del Nuevo Estadio Nacional de Japón (Estadio Olímpico de Tokio) utilizando datos de topografía 3D Advanced World 3D Map (AW3D) [7], que se crearon a partir de una combinación de imágenes de alta resolución tomadas por fotografías satelitales. Luego, informamos casos de simulación numérica a gran escala para el flujo del viento. Otros análisis desarrollados con Airflow Analyst se describen en el Apéndice.

2. Resumen del software Airflow Analyst

Para las simulaciones numéricas, utilizamos el paquete de software Airflow Analyst, para lo cual se adoptó una cuadrícula colocada en un sistema de coordenadas curvilíneas general. En esta cuadrícula colocada, los componentes de velocidad y la presión se definen en los centros de la celda de la cuadrícula, y las variables que resultan de multiplicar las componentes de velocidad contravariantes por el jacobiano se definen en las caras de la celda. Para la técnica numérica, se adoptó el método de diferencias finitas (FDM), y se utilizó un modelo de simulación de remolinos grandes (LES) para el modelo de turbulencia. En el modelo LES, se aplicó un filtro espacial al campo de flujo para separar los remolinos de varias escalas en los componentes de escala de cuadrícula (GS), que son más grandes que las celdas de cuadrícula computacional, y los componentes de escala de subcuadrícula (SGS), que son más pequeñas que las celdas de la cuadrícula computacional. Los remolinos a gran escala, es decir, los componentes GS de los remolinos de turbulencia, se simulan numéricamente directamente sin el uso de un modelo físicamente simplificado. Por el contrario, la disipación de energía, que es el efecto principal de los remolinos a pequeña escala, es decir, los componentes del SGS, se modela de acuerdo con un análisis basado en la física de la tensión del SGS.

Para las ecuaciones que gobiernan el flujo, se usa una ecuación de continuidad filtrada para fluido incompresible (Ecuación (1)) y una ecuación de Navier-Stokes filtrada (Ecuación (2)). Cuando se consideraron el transporte escalar pasivo y la difusión, la ecuación estándar de convección-difusión para un escalar pasivo se resolvió con la vinculación de las ecuaciones anteriores de las características del campo de flujo.

Dado que investigamos campos de viento con velocidades medias del viento de 5 a 10 m / s, los efectos de la estratificación térmica vertical de la atmósfera (estabilidad atmosférica) fueron insignificantes. Para el algoritmo computacional, se utilizó un método similar al método de paso fraccional (FS) [8], y se adoptó un método de marcha en el tiempo basado en el método explícito de Euler. La ecuación de Poisson para la presión se resolvió mediante el método de sobre-relajación sucesiva (SOR). Para discretizar todos los términos espaciales excepto el término convectivo en la Ecuación (2), se aplicó un esquema de diferencia central de segundo orden. Para el término convectivo, se aplicó un esquema de diferencia de ceñida de tercer orden. La técnica de interpolación de Kajishima [9] se utilizó para la diferenciación central de cuarto orden que aparece en la forma discretizada del término convectivo. Para la ponderación del término de difusión numérica en el término convectivo discretizado por diferenciación de ceñida de tercer orden, se utilizó α = 0.5 en lugar de α = 3.0 del esquema Kawamura-Kuwahara [10] para minimizar la influencia de la difusión numérica. Para el modelado LES SGS, se adoptó el modelo estándar de Smagorinsky [11] con un coeficiente de modelo de 0,1, junto con una función de amortiguación de la pared (ecuaciones (3) -ecuación (8)).

∂ u & macr i ∂ t + u & macr j ∂ u & macr i ∂ x j = - ∂ p & macr ∂ x i + 1 R e ∂ 2 u & macr i ∂ x j ∂ x j - ∂ τ i j ∂ x j (2)

τ yo j ≈ u ′ yo u ′ j & macr ≈ 1 3 u ′ k u ′ k & macr δ yo j - 2 ν S G S S & macr i j (3)

ν S G S = (C s f s Δ) 2 | S & macr | (4)

| S & macr | = (2 S & macr i j S & macr i j) 1/2 (5)

S & macr yo j = 1 2 (∂ u & macr yo ∂ x j + ∂ u & macr j ∂ x i) (6)

3. Prueba de validación de la precisión de la predicción del software Airflow Analyst

Aquí, los resultados de las pruebas de validación se informan para la precisión de la predicción del flujo de aire con un cubo montado en la superficie. Se realizaron evaluaciones cualitativas y cuantitativas utilizando visualización de flujo y medición de flujo turbulento con un anemómetro de película dividida. La Figura 1 muestra una vista de pájaro del túnel de viento estratificado térmicamente utilizado para el presente estudio. La Figura 2 muestra una vista lateral del estado de configuración del cubo montado en la superficie. La Figura 3 muestra una vista de cerca del cubo montado en la superficie en la sección de prueba del túnel de viento.

Como se muestra en la Figura 4, el vórtice de herradura en forma de U que rodea un cubo montado en la superficie es evidente [12]. En la presente simulación, se reprodujo un vórtice en herradura con una estructura 3D, como se muestra en la Figura 5. La Figura 5 visualiza el flujo usando la técnica de alambre de humo en el experimento del túnel de viento, que usó el campo de flujo en las proximidades de la superficie. -cubo montado. Observamos que se formó un campo de flujo muy complejo en las proximidades del cubo montado en la superficie. La Figura 6 proporciona los resultados de las simulaciones. Comparando ambas imágenes mostradas en la Figura 6 y la Figura 8, la Figura 6 muestra reproducciones de patrones de flujo similares al resultado experimental del túnel de viento en la Figura 7. La Figura 8 muestra la imagen de línea de corriente para el campo de flujo promedio en el tiempo de las simulaciones. Al observar este resultado, se formó un vórtice permanente detrás del cubo montado en la superficie en el campo de flujo promedio en el tiempo. En la estación de medición ubicada en el centro del vórtice (indicada por la línea negra en la figura), nos enfocamos en un gráfico que compara el perfil vertical de la velocidad U obtenido de la


Conclusiones

La riqueza de plantas vasculares de las montañas del Etna discutida en este artículo destacó el valor florístico de este volcán y su papel único en el contexto de Sicilia. Esta contribución quería dar un paso más al utilizar datos cuantitativos sobre la distribución espacial de las especies de plantas a lo largo del gradiente altitudinal y resaltar áreas con una alta concentración de especies endémicas estrechas. De esta manera, se ha podido resaltar las notables variaciones altitudinales en la distribución de las especies, lo cual es menos evidente de lo que se podría pensar en particular, se resaltó el peculiar ”pettern en forma de joroba” de riqueza florística en altitudes medias correspondientes donde ambos termofílicos y las especies más frías pueden encontrar condiciones ambientales favorables. En relación al área de cada cinturón altitudinal, el total de especies endémicas y angostas muestran una respuesta creciente correlacionada con la elevación. El alto grado de especies endémicas en los picos más altos del monte. El Etna está vinculado a su aislamiento geográfico, geológico y climático, todos factores importantes de la especiación que actúan sobre los flujos de genes de la población. El endemismo a pesar de tener especies tan peculiares y exclusivas del Etna, en conjunto muestra valores numéricos más bajos que otros distritos florísticos cercanos que no son volcánicos pero comparables en tamaño y altitud. Una explicación plausible es que la juventud del sustrato geológico y la frecuente destrucción de las comunidades vegetales tras los flujos de lava han contribuido a seleccionar un número restringido de especies bien adaptadas a estas peculiares condiciones. El Etna en su conjunto sigue siendo único en el Mediterráneo y por ello no ha sido posible realizar comparaciones con la flora de los volcanes activos de esta región, todos considerablemente más pequeños y de mucha menor altitud.


Ver el vídeo: ArcGis ArcScene Displaying terrain surfaces in 3D