3D Analyst. Arctoolbox: Guía Rápida de herramientas

Transcripción

1 3D Analyst Arctoolbox: Guía Rápida de herramientas

2 P á g i n a 2 A Continuación, se explican las principales funciones y características de las Herramientas contenidas en la Toolbox de la extensión 3D Analyst de ArcGIS 9.2 Los textos aquí detallados, corresponden a traducciones literales de la ayuda original en inglés del Software ArcGIS 9. Sin embargo, algunas imágenes y comentarios personales han sido añadidos para facilitar la comprensión sobre ciertas materias y funcionalidades. Este documento a pesar de ser una guía rápida de referencia y de no contar con ejercicios. Entrega en las secciones más complejas, conceptos teóricos claves y definiciones que ayudarán a comprender de mejor manera las bases del funcionamiento de la caja de herramientas, corazón de todos los procesos al interior del programa. Sin otro particular se despide Atte. Miguel Barrientos M. Geógrafo, especialista SIG PUCV

3 P á g i n a 3 Índice de Contenidos 3d Analyst Tools Conversion From Feature Class From File From Raster From Terrain From TIN To KML Layer 3D to Feature Class Fuctional Surface Interpolate Shape Line of Sight Surface Length Surface Spot Surface Volume Raster Interpolation IDW Kriging Natural Neighbor Spline Spline With barriers Topo to Raster Topo to Raster by File Trend Raster Math Divide Float Int Minus Plus Times Raster Reclass Lookup Reclass by ASCII File Reclass by Table Reclassify Slice... 26

4 P á g i n a Raster Surface Aspect Contour Contour List Curvature Cut/Fill Hillshade Observer Points Slope Viewshed Terrain Qué es un terrain dataset? Add Feature Class to Terrain Add Terrain Points Add Terrain pyramid Levels Build Terrain Change Terrain Reference Scale Create Terrain Remove Feature Class From Terrain Remove Terrain Points Remove Terrain pyramid Levels TIN Creation Create TIN Delineate TIN Data Area Edit TIN TIN Surface Decimate TIN nodes Extrude Between Interpolate Polygon to Multipatch TIN Aspect TIN Contour TIN Difference Polygon Volume TIN Slope... 55

5 P á g i n a 5

6 P á g i n a 6 3d Analyst Tools 1. - Conversion From Feature Class Feature Class Z to ASCII Exporta puntos 3d, multipoints, polilíneas o polígonos a archivos de texto ASCII 1 en formato ZYZ o GENERATE. El resultado es uno (GENERATE) o tantos archivos de texto como entidades existan o hayan sido seleccionadas (XYZ). En caso de ser una polilínea Cada vértice de ésta, aparecerá con sus coordenadas. Multipatch Footprint Convierte Multipatches en polígonos, los polígonos resultantes representan el área 2D cubierta por estas al ser observadas directamente desde arriba From File ASCII 3D to Feature Class Importa entidades 3D desde uno o más archivos de texto ASCII y las convierte en un nuevo feature class. Import 3D Files Importa uno o más modelos 3D a un Feature Class. Los modelos soportados son: 3D Studio (*.3ds), VRML and GeoVRML 2.0 (*.wrl), Sketchup 5.0 (*.skp), y OpenFlight 15.8 (*.flt). LAS to Multipoint Importa uno o más archivos de formato LAS (el formato estándar de los datos LIDAR), en un nuevo Feature class de tipo Multipoint. Las versiones soportadas de LAS son 1.0 y ASCII: American Standard Code for Information Interchange (Código americano estándar para el intercambio de información)

7 P á g i n a From Raster Raster Domain Almacena la zona de interpolación de un Raster de Superficie (DEM) en un nuevo Feature Class (polilínea o polígono 3D) Raster To TIN Convierte un Raster de elevación (DEM) en un TIN From Terrain 2 Terrain to Raster Convierte un terrain dataset en un Raster de elevación (DEM). Terrain to TIN Convierte un terrain dataset en un TIN 2 Ver Pagina 41.

8 P á g i n a From TIN TIN Domain Almacena la zona de interpolación de un TIN en un nuevo Feature Class (polilínea o polígono 3D) TIN Edge Extrae los ejes de los triángulos de un TIN a un Feature Class 3D. Pueden extraerse diferentes tipos de ejes del triangulo. TIN Line Genera un Feature Class 3D a partir de las líneas de quiebre (SOFT y HARD) de un TIN

9 P á g i n a 9 TIN Node Genera puntos (2D y 3D) a partir de los vértices de los triángulos que componen el TIN ingresado. TIN Polygon TAG Produce un Feature Class (polígono) desde un TIN que posea polígonos con TAG. De no existir identificador, el feature class creado corresponderá a la superficie total abarcada por el TIN To KML Layer to KML Convierte cualquier layer (Raster o Feature class) en un archivo KML (Keyhole Markup Language), estén almacenados temporal o permanentemente en el disco. Este KML almacena en su interior, una traducción de las geometrías y simbologías de ESRI. El formato de salida es un archivo KMZ (versión comprimida de un KML) y puede ser leído por cualquier cliente KML incluidos ArcGIS Explorer, ArcGlobe, y Google Earth Map to KML Convierte cualquier Mapa o documento MXD en un archivo KML, estén almacenados temporal o permanentemente en el disco. Este KML almacena en su interior, una traducción de las geometrías y simbologías de ESRI. El formato de salida es un archivo KMZ (versión comprimida de un KML) y puede ser leído por cualquier cliente KML incluidos ArcGIS Explorer, ArcGlobe, y Google Earth Layer 3D to Feature Class Aplica propiedades 3D asociadas a un Feature Layer y las almacena en un nuevo feature class de tipo Multipatch.

10 P á g i n a Fuctional Surface Interpolate Shape Genera un Feature Class 3D a partir de un Feature Class 2D y TIN o DEM. Toda sección de un Feature Class que se ubique fuera de la superficie de interpolación no será parte del resultado final Line of Sight Utiliza un Feature class (2D o 3D) a través de una Superficie DEM o TIN para determinar la visibilidad entre el origen y destino de la polilínea (sentido de la digitalización). El resultado es una polilínea 3D que almacena la información de visibilidad. (visible y no visible). Opcionalmente puede generarse un feature class de puntos que indican la primera obstrucción encontrada para aquellos segmentos cuyos destinos no visibles

11 P á g i n a Surface Length Calcula la distancia real o topográfica para cada segmento de un feature class a partir de una superficie TIN o DEM. El resultado se almacena en la tabla de atributos del feature class seleccionado Surface Spot Calcula la altitud para cada punto de un feature class determinado a partir de una superficie de tipo TIN o DEM. La información se almacena en la tabla de atributos del feature class seleccionado Surface Volume Calcula en la ventana de progreso de la herramienta, el área y el volumen (2D y 3D) para una superficie TIN o DEM. Considerando un plano de referencia (en altitud) e indicando si el resultado a entregar será calculado por sobre o debajo de este mismo plano. Opcionalmente puede generarse un archivo de texto con los resultados obtenidos.

12 P á g i n a Raster Interpolation IDW Este método de interpolación asume que cada punto posee una influencia local que disminuye con la distancia. De esta manera, el método pondera con mayor fuerza a los puntos cercanos a la celda proceso y con menor intensidad sobre aquellos ubicados a mayor distancia. Para definir el valor de cada celda, el programa puede realizar una búsqueda en base a una serie definida de puntos o puede buscar a todos aquellos puntos que se encuentren al interior de un radio de búsqueda determinado. Este método es apropiado cuando la variable analizada disminuye conforme aumenta la distancia desde cada punto analizado. Por ejemplo cuando se intenta interpolar una superficie que representa el poder adquisitivo de los consumidores respecto de una tienda. Mientras más lejos se encuentren los consumidores de la tienda, menor será la influencia ejercida por las entidades para atraer a los potenciales clientes y viceversa. Considerando que el IDW es un método de interpolación que utiliza los promedios de los valores de entrada (de allí su nombre Inversed Distance Weighted o de la distancia inversa ponderada) el resultado de los valores de las celdas, jamás superarán los límites máximos y mínimos establecidos en los puntos de entrada del análisis. IDW estima los valores de las celdas promediando los datos obtenidos desde los puntos de entrada ingresados que están más cercanos a ella. Sin embargo existen algunos parámetros que pueden ser configurados para modificar o ajustar los resultados entregados Power (potencia): Mediante IDW es posible controlar - basándose en la distancia - la importancia de los puntos conocidos sobre los valores interpolados. Al definir una potencia alta, mayor será el énfasis sobre los puntos más cercanos y el resultado de la superficie será más detallado (pero menos suavizado). Especificando una potencia menor, se le dará una mayor importancia a los puntos más distantes y por tanto la superficie resultante será más suave. La imagen de la izquierda corresponde a una interpolación IDW con un valor de potencia 3 (el máximo permitido por la herramienta). Mientras que la imagen de la derecha posee un valor de potencia de 0.5 (el mínimo permitido por la herramienta)

13 P á g i n a 13 Las características de la superficie interpolada pueden ser controladas también al limitar el número de puntos utilizados en los cálculos. Radius Type: Fixed Utilizando un radio de búsqueda definido (Fixed), para cada punto interpolado, todos los puntos que se encuentren al interior del radio de búsqueda (circular o también definido como isotrópico) serán utilizados. Especificando un mínimo de puntos en la búsqueda asegura que de no encontrarse puntos dentro del radio, este aumentará hasta encontrar la cantidad de puntos definida con anterioridad por el usuario. Radius Type: Variable Utilizando un radio de búsqueda variable, el número de puntos utilizados en la interpolación es fijo y por lo tanto el radio de búsqueda variara dependiendo de cuán lejos se encuentren los puntos definidos con anterioridad. Esta modalidad de búsqueda puede producir mejores resultados cuando la densidad de los puntos varía de una zona a otra. Si se tienen áreas con pocos datos quizá sea necesario restringir el área de búsqueda aunque disminuya el número de puntos participes de la interpolación. Barrier: Una línea o polígono puede ser utilizado como barrera o quiebre que limita la búsqueda de puntos. Una línea puede representar un risco, acantilado o cualquier otra interrupción sobre el paisaje. Solo aquellos puntos ubicados en el mismo lado de la celda proceso serán utilizados.

14 P á g i n a Kriging IDW y Spline hacen referencia a métodos determinísticos de interpolación, esto porque ellos están directamente relacionados con los valores medidos en su alrededor o en formulas matemáticas determinadas que definen la suavidad de la superficie interpolada resultante. Un segundo grupo de métodos de interpolación consiste en los métodos geoestadísticos (Geostatistical Methods) como es el caso de Kriging. Los cuales están basados en modelos estadísticos que incluyen por ejemplo la autocorrelación (relación estadística entre los valores medidos). Debido a esto, no sólo estas técnicas poseen la capacidad de producir una superficie de predicción, sino que además, proveen algunas herramientas para medir la certeza o precisión de estas predicciones. Kriging es similar al método IDW en cuanto a ponderar los valores medidos aledaños que servirán para derivar la predicción de las locaciones no medidas en el análisis. La formula general para ambos interpoladores es la siguiente: Donde = Es el Valor Medido en la i locación. = Es la ponderación desconocida para el valor medido en la i locación. = Es la predicción para la locación. = Es el número de valores medidos. En IDW, la ponderación depende solamente de la distancia hacia la locación a predecir. Sin embargo, en el Kriging, las ponderaciones están basadas no solo en la distancia entre las locaciones medidas y la predicción realizada sino que además se considera la forma en cómo se organiza espacialmente la totalidad de los puntos localizados sobre una superficie. Para utilizar la organización de los datos en la ponderación, es necesario cuantificar la correlación espacial de las mismas. De esta manera, en el Ordinary Kriging, la ponderación depende del modelo de ajuste de los datos medidos, la distancia hacia las locaciones de predicción y la relación espacial entre valores medidos alrededor de las locaciones de predicción.

15 P á g i n a 15 Para realizar predicciones mediante Kriging, dos tareas deben ser realizadas: descubrir las reglas de dependencia y realizar las predicciones. Para realizar estas dos tareas será necesario seguir un proceso de dos pasos: 1.- Generar las funciones de Variograma y covarianza para estimar la dependencia estadística de los valores (denominada también Correlación espacial) que dependerán del modelo de autocorrelación, que previamente ajustado, se va utilizar. 2.- realizar las predicciones. Es debido a estas dos distintas tareas que el interpolado mediante Kriging, utiliza los datos dos veces. La primera para estimar la correlación espacial de los datos y la segunda para generar las predicciones. Variografía El ajuste de un modelo o el modelado espacial es conocido también como Análisis estructural o Variografía. En el modelamiento espacial de los datos o puntos medidos, se comenzará con un grafico semivariograma empírico definido como: Semivariograma (distancia h) = 0.5 * promedio[(valor en la locación i valor en la locación j) 2 ] Para todos los pares de locaciones separadas por la distancia h la formula involucra el cálculo de la diferencia al cuadrado entre los valores de las locaciones pareadas. La imagen de abajo muestra los pares de un punto (Al centro en color rojo) junto a las demás locaciones medidas. Este proceso se realiza de manera repetitiva para cada locación a evaluar.

16 P á g i n a 16 A menudo cada par de locaciones posee un valor único de distancia, y además, existen muchísimos pares de locaciones. Graficar esta situación de manera rápida seria prácticamente inmanejable. Por este motivo los pares son agrupados en cuadrados que representan distancias (en inglés lag bins ) para facilitar su análisis y visualización. Así, los gráficos muestran sólo, una parte de las distancias totales, y en cualquier grafico desplegado en pantalla, el número de lag bins o cubos variara de acuerdo a la cantidad de puntos, distancias o nivel de correlación dependiendo del tipo o naturaleza del proyecto. Por lo general el numero de cuadrados del grafico representan solo donde es posible visualizar una correlación adecuada al semivariograma utilizado en cada caso. Por ejemplo, al mostrar un gráfico en donde se observen sólo, las distancias entre pares de puntos que vayan desde el valor 0 hasta no más allá de los 40 metros entre ellos. De esta manera todos los pares de puntos que se encuentren a una distancia mayor, quedarían automáticamente fuera de la correlación. Al no demostrar una relación estrecha entre sus distancias y los valores de medición contenidos en ellos. La cercanía, un principio básico La correlación espacial cuantifica un principio básico de la geografía. Las cosas que están más cercanas entre sí, poseen una similitud mayor que aquellas ubicadas a una distancia mayor. De esta manera, los pares de locaciones ubicados más cerca entre sí, se ubicarán abajo y a la izquierda del grafico. Mientras que los pares ubicados a una distancia mayor se ubicarán más dispersos y heterogéneamente distribuidos a medida que los datos se acercan hacia el lado derecho del grafico. Es decir, que a medida que la distancia entre los pares de puntos aumenta, los valores contenidos en ella (elevación, contenido de hidrogeno o cualquier variable en estudio) también manifestarán una diferencia. Ajustando un modelo al semivariograma empírico El próximo paso es ajustar un modelo para los puntos que conforman el semivariograma empírico. El modelado del semivariograma en un paso clave entre la descripción y la predicción espacial. La principal aplicación del Kriging es la predicción de los valores en las locaciones no medidas. Se ha visto como el semivariograma empírico proporciona información sobre la autocorrelación de los datos. Sin embargo, no provee información para todas las posibles direcciones y distancias. Por esta razón, y para asegurar que las predicciones en Kriging tengan varianzas positivas es necesario ajustar un modelo (por ejemplo de una función lineal o curva) al semivariograma empírico.

17 P á g i n a 17 Diferentes tipos de Modelos de semivariograma 3D Analyst provee las siguientes funciones para elegir la forma en cómo se modela el semivariograma empírico: Circular, Spherical, Exponential, Gaussian, y Linear. El modelo seleccionado influenciará la predicción de los valores desconocidos. Cada modelo está diseñado para ajustarse con precisión a diferentes tipos de fenómenos. Por ejemplo, si la altura de la curva es baja (cercana al origen) mayor será la influencia ejercida por los valores cercanos o aledaños sobre la predicción, y por lo tanto, la superficie resultante será menos suave. Los siguientes diagramas ejemplifican las diferencias que representan dos modelos frente a los mismos valores El Modelo Esférico (Espherical model) Este modelo muestra una progresiva disminución en la autocorrelación espacial (equivalente con el aumento de la semivarianza) hasta que alcanzada cierta distancia, ésta se vuelve cero (representada como una línea recta en el grafico a partir del la distancia 16,24-20,3). Este modelo es uno de los más utilizados El Modelo Exponencial (Exponential Model) Este modelo se aplica cuando la correlación espacial disminuye exponencialmente a medida que la distancia entre los puntos aumenta. La autocorrelación desaparece sólo a una distancia infinita. Este modelo es también uno de los más utilizados

18 P á g i n a 18 Comprendiendo el semivariograma: Range, Sill, y Nugget Para entender a cabalidad el semivariograma es necesario detenerse en algunos conceptos que forman parte de la estructura de todo grafico de predicción. Range y Sill Al observar un modelo de semivariograma, se notara que a ciertas distancias el modelo se vuelve totalmente plano. Esta distancia adquiere el nombre de Range o rango. De esta manera, las locaciones ubicadas al interior del rango se consideran como espacialmente correlacionadas. Fuera de ellas, las locaciones no se consideran en la correlación. Los valores comprendidos al interior del rango a través del eje Y se denomina Sill. El Partial Sill equivale a la resta del Nugget menos el valor total del Sill. El Nugget Teóricamente, a una distancia de separación igual a Cero (que es lo mismo que un Lag 3 = 0) el valor del semivariograma debería ser también de valor Cero. Sin embargo, a una distancia de separación infinitesimalmente pequeña, el modelo a menudo exhibe un efecto Nugget o pepita. El cual es cualquier valor existente que sea mayor a Cero. El punto en donde la curva del semivariograma toca el eje Y se le denomina Nugget. Si el punto posee un valor de 2. El nugget tendrá entonces un valor de 2. El efecto pepita o Nugget puede ser atribuido tanto a errores de medición como a la variación de las distancias medidas que son más pequeñas que el intervalo de muestra, o inclusive a ambas situaciones. Los errores de medición ocurren generalmente a fallas inherentes de los equipos encargados de capturar los datos. Mientras que la variación de las distancias medidas, ocurre generalmente cuando ocurren variaciones de un nivel más pequeño que la escala de trabajo. Ya sea al trabajar a una micro o macro escala, estos errores son incorporados al modelo como parte del efecto pepita o Nugget 3 Lag: Es la distancia existente entre dos puntos observados. Contiene una distancia Planimétrica y una dirección.

19 P á g i n a 19 Elaborando una predicción Una vez que la primera tarea de descubrir la dependencia o autocorrelación de los datos ha sido descubierta, es necesario realizar la predicción Para esta segunda tarea, se usaran nuevamente los datos para realizar las predicciones. Al igual que la interpolación IDW, el modelo Kriging genera ponderaciones desde los valores medidos aledaños para predecir las locaciones no medidas. De esta manera, los valores medidos más cercanos a las locaciones no medidas ejercen una mayor influencia durante el cálculo. Sin embargo la ponderación del Kriging es más sofisticada puesto que en vez de utilizar un algoritmo basado en la distancia (como ocurre en IDW), utiliza una ponderación basada en el semivariograma seleccionado durante la etapa anterior. El cual refleja de manera más realista la organización y naturaleza de los datos analizados. Radio de Búsqueda o Search Radius Se puede asumir que a medida que nos alejamos de las locaciones de predicción, los valores medidos tendrán una menor correlación espacial con los valores que intentamos predecir. De esta manera, y para evitar complicaciones, es necesario eliminar a todas aquellas locaciones que se encuentren a una distancia que ejerza poca, nula o inclusive negativa influencia sobre el modelo de predicción analizado. Otra razón se encuentra basada en la velocidad de cómputo. Mientras más pequeño es el radio de búsqueda, menor es el tiempo utilizado para realizar las operaciones de cálculo. De esta manera, una práctica común para reducir el número de puntos utilizados en la predicción es mediante la utilización de un radio de búsqueda. La forma de este radio, definirá la forma y hacia donde se realizara la búsqueda de locaciones a utilizar durante la predicción. Otros parámetros de cercanía (definido en el programa como neighborhood ) restringen las locaciones a utilizar dentro del radio de búsqueda. Por ejemplo se puede definir un número de locaciones mínimas y máximas al interior de un radio de búsqueda determinado. Utilizando la configuración de los puntos ubicados al interior de un radio de búsqueda en conjunto con un semivariograma - previamente ajustado - de predicción. Los valores para los puntos no localizados pueden ser asignados. 3D Analyst posee dos tipos de búsqueda de cercanía o Neighborhoods Fixed y Variable. Radio de búsqueda ajustado (Fixed Search Radius) Un radio de búsqueda ajustado requiere de una distancia y un número mínimo de puntos. Las distancias definen el radio del círculo de búsqueda (en unidades del mapa). La distancia del radio es constante para cada celda bajo análisis de interpolación. El número mínimo de puntos definen el valor mínimo de medidas que se utilizaran al interior del radio de búsqueda, de esta manera todos los puntos que estén presentes al interior de ella serán utilizados para la interpolación. Cuando existen pocos puntos al interior del radio de búsqueda (menos del mínimo definido) este aumentará hasta encontrar el número de puntos previamente definido. Este radio definido de búsqueda será utilizado para interpolar cada celda en el área de estudio.

20 P á g i n a 20 Radio de búsqueda variable (Variable search Radius) Al utilizar un radio de búsqueda variable, el número de puntos utilizados en el cálculo de la interpolación es especifico, lo que obliga a que el radio de búsqueda varíe, dependiendo de qué tan lejos se encuentren éstos puntos, sobre la superficie de interpolación. De esta manera, los radios de búsqueda fluctuarán dependiendo principalmente de la densidad o concentración espacial de las locaciones. Opcionalmente puede definirse una distancia máxima de búsqueda, la cual limitará el radio de acción utilizado. De no alcanzar el mínimo de puntos en el radio máximo permitido, serán utilizados todos los puntos que se encuentren disponibles en el interior de éste. Métodos de Kriging 3D Analyst posee dos metodologías de Kriging: Ordinary y Universal. 1.- Ordinary Kriging Ordinary Kriging es el más generalizado y utilizado. Asume que el promedio constante de los valores es desconocido. Esta presunción es razonable de utilizar a menos que existan bases científicas que indiquen lo contrario. 2- Universal Kriging Universal Kriging asume la existencia de una tendencia al interior los datos (por ejemplo la dirección del viento) que puede ser modelada mediante una función determinística, la polinomial. Esta polinomial es extraída desde los puntos de interpolación medidos y la autocorrelación es modelada a partir de los errores aleatorios. Una vez que se ha ajustado el modelo a estos errores y se ha realizado la predicción, la polinomial es añadida a la predicción para entregar un resultado final más coherente. Universal Kriging solo debe ser usado cuando se conocen las tendencias contenidas al interior de los datos y estas pueden ser científicamente justificadas.

21 P á g i n a Natural Neighbor Al igual que IDW, este tipo de interpolación utiliza un método de ponderación promediada. Sin embargo, en vez de generar un valor de interpolación basado en el promedio ponderado de sus distancias, la interpolación de tipo Natural Neighbor ( cercanía o proximidad natural ) genera una triangulación de Delauney a partir de las locaciones medidas y selecciona los nodos más cercanos para crear polígonos o escudos convexos alrededor de las locaciones que los conforman. Luego, pondera sus valores en base a un área proporcionada. Este método es el más adecuado cuando los valores se encuentran distribuidos de manera desigual. Es una técnica de interpolación muy adecuada para propósitos genéricos y posee la ventaja de no tener parámetros específicos y complejos como radio, cercanía, lag, sill u otros.

22 P á g i n a Spline Este método de interpolación de uso genérico ajusta una superficie de curvatura mínima a través de los puntos ingresados. Es adecuado para mostrar variaciones graduales de superficies como por ejemplo elevaciones o concentraciones de polución. Sin embargo puede no ser útil cuando existen una gran cantidad de variaciones en una distancia horizontal relativamente pequeña Spline With barriers Este método es similar al anterior, pero en esta ocasión sus parámetros no pueden ser modificados y además permite la incorporación de barreras (como por ejemplo riscos, cavidades, u otros objetos que interrumpen la continuidad de los valores analizados) las cuales pueden ser líneas o polígonos Topo to Raster Interpola un DEM hidrológicamente correcto a partir de puntos líneas y polígonos. Puede generar opcionalmente un feature class de cursos de agua y un archivo resumen con los parámetros utilizados para la creación del DEM Topo to Raster by File Interpola un DEM hidrológicamente correcto a partir de un archivo de parámetros creado mediante la herramienta Topo to Raster Trend Este método de interpolación ajusta una función matemática (Polinomial de un orden especificado por el usuario) a todos los puntos ingresados. Trend utiliza un ajuste de regresión del menor cuadrado que da como resultado un Raster que minimiza la varianza de la superficie en relación a los puntos ingresados. Esta superficie está construida de manera tal que para cada locación de interpolación, el total de las diferencias entre los valores actuales y los valores estimados (la varianza) será siempre lo más pequeño posible. De esta manera el resultado final será un Raster que contiene la tendencia generalizada de los valores contenidos en los puntos ingresados.

23 P á g i n a Raster Math Divide Divide los valores de dos Raster ingresados. Admite además operaciones con números constantes (1/[ingrid2], [ingrid1]/4 o 4/6). De ser ambos números constantes, los parámetros del Raster de salida serán definidos por el entorno o Environment Float Convierte los valores enteros de celda de un Raster a valores decimales

24 P á g i n a Int Convierte cada valor de celda de un Raster en un entero mediante Truncado Minus Resta el valor del segundo Raster ingresado al valor del primer Raster ingresado. Admite además operaciones con números constantes (1 - [ingrid2], [ingrid1] - 4 o 4-6). De ser ambos números constantes, los parámetros del Raster de salida serán definidos por el entorno o Environment.

25 P á g i n a Plus Suma los valores de dos Raster ingresados. Admite además operaciones con números constantes (1 + [ingrid2], [ingrid1] + 4 o 4 + 6). De ser ambos números constantes, los parámetros del Raster de salida serán definidos por el entorno o Environment Times Multiplica los valores de dos Raster ingresados. Admite además operaciones con números constantes (1 * [ingrid2], [ingrid1] * 4 o 4 * 6). De ser ambos números constantes, los parámetros del Raster de salida serán definidos por el entorno o Environment.

26 P á g i n a Raster Reclass Lookup Genera un nuevo Raster a partir de los valores de la tabla de un Raster ingresado. Admite valores numéricos y alfanuméricos Reclass by ASCII File Reclasifica o cambia los valores de un Raster ingresado utilizando un archivo de remapeo ASCII Reclass by Table Reclasifica o cambia los valores de un Raster ingresado utilizando una tabla Reclassify Reclasifica o cambia los valores de un Raster ingresado Slice Genera un nuevo Raster categorizado (zonas de igual intervalo, igual área o por quiebres naturales) a partir de un Raster ingresado.

27 P á g i n a Raster Surface Aspect Esta función obtiene la orientación de las laderas a partir de un Raster de superficie. Identifica la dirección basándose en un algoritmo que analiza los valores de elevación de las 8 celdas contiguas a la celda de análisis. La orientación de laderas también puede ser equivalente al concepto de dirección de la pendiente. Los valores resultantes de celda representan el ángulo en el sentido de las manecillas del reloj. De existir celdas que representen sectores planos el valor asignado para éstas será de -1. Cómo funciona la orientación de laderas o Dirección de la pendiente Conceptualmente la función Aspect ajusta a un plano los valores Z de un conjunto de celdas aledañas de 3 por 3 que rodean a la celda proceso del centro. La dirección del plano a calcular representa la orientación de la ladera de la celda. El Algoritmo de Cálculo Una ventana de 3 x 3 visita cada celda en el Raster de Superficie y para cada celda en el centro de esta ventana se realiza un cálculo mediante un algoritmo que analiza los valores existentes en el interior de las 8 celdas circundantes. Estas celdas son identificadas con letras que van desde la a hasta la letra i. Donde e representa la celda sobre la cual el análisis de orientación de ladera o Aspect está siendo realizado. El ritmo de cambio en la dirección X para la celda e es calculado mediante el siguiente algoritmo: El ritmo de cambio en la dirección Y para la celda e es calculado mediante el siguiente algoritmo:

28 P á g i n a 28 Considerando los ritmos de cambio en las direcciones X e Y para la celda e, la orientación de ladera o aspecto se calcula mediante la siguiente fórmula: El valor de la orientación es luego convertido a una dirección angular (0 a 360 ) de acuerdo con la siguiente regla: if aspect < 0 cell = aspect else if aspect > 90.0 cell = aspect else cell = aspect Un Ejemplo de Cálculo de orientación de ladera A modo de ejemplo, será calculado el valor de orientación a la celda de valor 92 ubicada al centro de la ventana de análisis. El ritmo de cambio en la dirección X para la celda e es el siguiente: El ritmo de cambio en la dirección Y para la celda e es el siguiente:

29 P á g i n a 29 De esta manera, La orientación es la siguiente: Considerando que el valor calculado es menor a Cero, la regla final a aplicar es la siguiente: Cell = aspect Cell = 90 - (-2.64) Cell = Cell = El valor de 92,64 indica que la orientación de la celda es en la dirección Este

30 P á g i n a Contour Crea isolíneas o contornos a partir de una superficie Raster Contour List Crea isolíneas o contornos a partir de una superficie Raster, en este caso sobre la base de una lista de intervalos asignados manualmente Curvature Calcula la curvatura de una superficie Raster. Opcionalmente puede incluir una curvatura de perfil y una curvatura planiforme Desde un punto de vista aplicado, el Raster de curvatura puede ser utilizado para describir las características físicas de una cuenca de drenaje en un esfuerzo por entender los procesos de erosión y deposición. Mientras que la pendiente afecta la intensidad y flujo de todos los movimientos hacia abajo, La orientación de laderas define la dirección del flujo.

31 P á g i n a 31 En el caso especifico de la curvatura de perfil (Profile Curvature) esta suele afectar la aceleración y desaceleración del flujo y por lo tanto ejerce influencia sobre la erosión y deposición (ver imagen abajo). En el caso de la curvatura planiforme (Planar Curvature) esta influenciará la convergencia y divergencia del flujo (Ver imagen abajo). Tanto en el Raster de perfil como en el Raster planiforme los valores mas altos - representados con colores rojos y amarillos - reflejan la desaceleración y divergencia respectivamente. Por el contrario, los valores más bajos - representados con colores azules - reflejan la aceleración y convergencia respectivamente.

32 P á g i n a Cut/Fill La operación cut/fill o corte y relleno, es un procedimiento sobre el cual un Raster es modificado mediante la remoción o adición de material de superficie. Esta herramienta permite contabilizar los cambios de áreas y volúmenes mediante una operación de corte y relleno. Tomando dos Rasters de superficie de una misma localidad pero de diferentes periodos de tiempo. Es capaz de identificar las regiones donde se han producido remociones, rellenos y aquellas áreas sobre las cuales no se han producido alteraciones Hillshade La función de sombreado de laderas o Hillshade obtiene la iluminación hipotética de una superficie mediante los valores de elevación de cada celda. Al definir una posición de iluminación determinada (tanto en posición horizontal como vertical) se obtiene un Raster de salida que permite mejorar ostensiblemente la calidad visual de las cartografías. Sobre todo, al utilizar las transparencias de layers. En la imagen de la izquierda un Hillshade. A la derecha, el mismo Hillshade pero con una imagen Landsat ETM+ superpuesta y 75% de transparencia. Por lo general el Hillshade se configura para representar la posición del sol a una hora y día del año determinada. Por ejemplo para el mediodía del 21 de diciembre en ciudad de Valparaíso, Chile. La posición del sol se ubicaría según estos parámetros en el azimut = 0 y ángulo de elevación = 57. Otros parámetros pueden utilizarse dependiendo de la latitud y la fecha y hora de cada lugar.

33 P á g i n a Observer Points Los puntos de observación tienen como principal función el análisis de la exposición visual de la superficie. A continuación algunos ejemplos de los tipos de interrogantes que pueden ser respondidas mediante el uso de ella: Interrogante Definido un conjunto de localizaciones como torres de vigilancia contra incendios, Cuál es el número mínimo de torres requeridas para visualizar la totalidad del área de estudio? Qué sectores de un Raster pueden ser los únicos en visualizar dos puntos determinados del mapa? De qué forma se puede determinar la o las localidades con mejor visibilidad? Opciones de observación Point data, OFFSETA Point data Point data Para usar datos lineales será necesario convertir estos elementos en puntos (mediante la herramienta Feature Vertices to Points, accesible desde Data Management Tools > Features en la Toolbox). El límite máximo a ingresar serán 16 puntos. Si el atributo SPOT (ver página 8. Ítem 2.4 Surface Spot) no está presente en la tabla de los puntos ingresados. La herramienta utilizará la interpolación bilinear para determinar la elevación de cada punto de observación. Si la celda más cercana al punto posee el valor NoData. El o los puntos no podrán participar del análisis de visibilidad. De existir valores NoData entre puntos de observación y las otras celdas en evaluación. Estos serán evaluados como invisibles y no obscurecerán el resultado final de visibilidad.

34 P á g i n a 34 Controlando el análisis de Visibilidad Es posible limitar la zona a evaluar, especificando alguno de los atributos opcionales que se encuentran disponibles. Por ejemplo los valores de elevación del punto, compensación vertical, ángulos verticales y horizontales de escaneo y alcance de éste. Nueve son los atributos opcionales que, de ser necesarios, deberían estar presentes en la tabla de atributos del feature class o shapefile de puntos. Estos son: SPOT, OFFSETA, OFFSETB, AZIMUTH1, AZIMUTH2, VERT1, VERT2, RADIUS1, y RADIUS2. De no existir valores en estos campos (o inclusive de no existir ninguno de éstos atributos) serán utilizados entonces los valores por defecto que utiliza el programa (ver mas adelante.) 1.- Spot Campo de la tabla que indica la altitud 2.- Offset OFFSETA OFFSETB El ítem OFFSETA indica la Distancia en unidades de superficie que serán añadidas al valor Z del punto de observación respectivo. Si OFFSETA está disponible. Sera añadido al valor SPOT, De otra manera será añadido a la altura indicada por el Raster de superficie. El valor OFFSETA debe ser positivo. De no estar disponible su valor por defecto será de 1 El ítem OFFSETB indica la distancia Vertical en unidades de superficie que serán añadidas a los valores Z de las celdas partícipes en el cálculo de visibilidad. Usado comúnmente para indicar la altura de la vegetación, El valor OFFSETB debe ser positivo. De no estar disponible su valor por defecto será igual a Azimuth Los ítems AZIMUTH1 y AZIMUTH2 especifican los ángulos horizontales de escaneo. El barrido se realiza en el sentido de las agujas del reloj. Desde AZIMUTH1 hacia AZIMUTH2 y los valores están en grados sexagesimales de 0º a 360º orientados hacia el Norte. Si estos valores no están especificados tomaran por defecto los valores 0 y 360 respectivamente.

35 P á g i n a Angulo Vertical Los ítems VERT1 y VERT2 especifican los angulos verticales de escaneo. El valor de VERT1 especifica el limite superior máximo, mientras que VERT2 especifica el límite inferior máximo del escaneo. Los ángulos están especificados en valores que van desde los 90 a -90 grados. Ángulos positivos indican la ubicación por sobre el plano del horizonte y los negativos bajo este mismo plano. Los valores por defecto para VERT1 y VERT2 corresponden a 90 y -90 grados respectivamente. 5.- Radius Los items RADIUS 1 y RADIUS2 limitan la distancia de búsqueda al identificar zonas de visibilidad. Las celdas ubicadas mas alla de la distancia definida en RADIUS2 son excluidas del análisis. Las celdas mas cercanas a la distancia definida por el ítem RADIUS1 tampoco serán analizadas. Los valores por defecto son 1 para RADIUS 1 e Infinity para RADIUS2. Por defecto, las distancias RADIUS1 y RADIUS2 son interpretadas como líneas de visión tridimensionales. Para asergurarse de que la distancia topográfica sea calculada correctamente, las unidades de la superficie y del DEM deberán ser del mismo tipo. Para procesar las distancias RADIUS1 y RADIUS2 como líneas de visión planimetricas o bidimensionales. Se deberán agregar a los valores de distancias de ambos items un signo negativo. Por ejemplo RADIUS1 = y RADIUS2 = Opciones de la tabla de puntos de visibilidad Configuración por defecto SPOT Estimada utilizando la interpolación BILINEAR OFFSETA 1 OFFSETB 0 AZIMUTH1 0 AZIMUTH2 360 VERT1 90 VERT2-90 RADIUS1 1 RADIUS2 Infinito Si se quiere añadir cualquiera de estas funciones a los puntos, solo deben agregarse a la tabla los campos de tipo numérico entero con los mismos nombres aquí definidos. El usuario puede cambiar estos valores de acuerdo a sus necesidades.

36 P á g i n a 36 Detalles de los puntos de observación. El Raster resultante almacena información binaria codificada acerca de los distintos valores de visibilidad para cada punto analizado. Para desplegar todas las celdas del Raster que pueden ser observadas desde el punto Numero 1, solo hay que seleccionar en la simbología (propiedades del layer) el valor único respectivo (por ejemplo Value Field: OBS1). Y desplegarlo en pantalla Vista desde ArcScene:

37 P á g i n a 37 Los ítems del Raster de Visibilidad Además de las clásicas columnas Value y Count. El Raster de visibilidad incorpora información sobre cada punto de observación analizado. Estas columnas se denominarán OBSn (donde n es el número de puntos de observación). Estas columnas almacenan la visibilidad de las celdas por cada uno de los puntos de observación sujeto al análisis de visibilidad. De esta manera, todas las celdas que puedan ser observadas por el punto 3. Almacenaran el valor 1 en la columna OBS3. Cada pixel puede ser visualizado por n puntos. En la imagen de abajo. Un pixel en pantalla que muestra la tabla de valores asociada a él. De esta manera, al utilizar las columnas OBS se pueden establecer relaciones entre localidades y diferentes puntos de observación. En la imagen de la izquierda la celda seleccionada puede ser visualizada tanto por el punto 4 como por el 6.

38 P á g i n a 38 Cuantificando la calidad Visual La información de los puntos de observación puede ser utilizada para realizar análisis de calidad visual o paisajística. Por ejemplo al determinar el potencial turístico de un conjunto de localidades, pueblos o sitios de interés. Al posicionar los puntos de observación sobre estos elementos, es posible obtener un Raster de visibilidad sobre el cual, pueden ser identificados los sitios de mayor visibilidad o con mayor número de elementos de interés turístico en sus alrededores. Evaluando impactos Sobre el paisaje En este tipo de analisis, pueden designarse puntos de observación sobre un oleoductos, líneas de transmisión electrica, carreteras o cualquier elemento que pueda afectar la calidad paisajistica y evaluar el impacto que podría tener sobre los territorios involucrados.

39 P á g i n a Slope La herramienta Slope o PENDIENTE, permite calcular la tasa máxima de cambio existente entre los valores de una celda y los valores de las celdas inmediatamente aledañas a ella. Esto significa que esta herramienta es capaz de identificar los valores de inclinación para cada una de las celdas analizadas, las cuales son tomadas a partir de un Raster de Superficie. Conceptualmente la función Slope ajusta a un plano, los valores Z de un conjunto de celdas aledañas de 3 por 3 que rodean a la celda proceso ubicada en su centro. La dirección del plano a calcular representa la orientación de la ladera de la celda y por lo tanto la inclinación o pendiente que esta tenga. A menor pendiente, más plano el terreno. Mientras que a mayor pendiente, mayor es la inclinación del terreno. El Raster de pendiente puede ser calculado para dos tipos de unidades. Grados Sexagesimales (0 a 360 ) y porcentaje (0 a 100%). La pendiente en porcentaje equivale a dividir la elevación por la distancia y multiplicar su resultado por 100. Considerando el triangulo B (imagen abajo). Cuando el ángulo es de 45 grados. la altitud y la distancia poseen el mismo valor y por lo tanto el porcentaje de pendiente es de 100 %. A medida que el ángulo de la pendiente aumenta hacia la vertical (90 ) como en el triangulo C. el porcentaje de pendiente comienza a aproximarse al valor infinito.

40 P á g i n a 40 El algoritmo de la pendiente El ritmo de cambio de la superficie (o delta) tanto en la dirección horizontal como en la vertical del centro de las celdas determinan la pendiente. El algoritmo básico utilizado para calcular la pendiente es el siguiente: Pendiente en radianes: Considerando que la pendiente es medida comúnmente en grados, se utiliza el siguiente algoritmo: Los valores de la celda centro y sus 8 celdas aledañas determinan los deltas horizontales y verticales. Las celdas aledañas son identificadas con letras que van desde la a hasta la i y donde e representa la celda sobre el cual se realiza el proceso de cálculo. El delta en la X dirección para la celda e se calcula mediante el siguiente Algoritmo: El delta en la Y dirección para la celda e se calcula mediante el siguiente Algoritmo:

41 P á g i n a 41 Un Ejemplo de cálculo para la pendiente A modo de ejemplo se calculará la pendiente para la celda central imagen El tamaño de celda es de 5 unidades. La pendiente será medida en grados sexagesimales. La tasa de cambio para la dirección X de la celda e es la siguiente: La tasa de cambio para la dirección Y de la celda e es la siguiente:

42 P á g i n a 42 Tomando los valores resultantes y aplicando la fórmula para el cálculo de la pendiente: Pendiente = De esta manera, la pendiente (en valores enteros) es la siguiente:

43 P á g i n a Viewshed La herramienta Viewshed tiene como principal función evaluar la exposición visual de una entidad (en este caso una polilínea) sobre una superficie de elevación determinada. Las características de esta herramienta son prácticamente las mismas que Observer Points (Pág. 30) con la única diferencia de que en vez de calcular puntos este realiza el análisis de visibilidad considerando una o más polilíneas. Sin embargo. Los tiempos de proceso de esta función son bastante más prolongados. Principalmente por que evalúa la visibilidad para cada vértice del feature class o shapefile. El numero de vértices y la resolución del Raster de elevación, definirán el tiempo de procesado final.

44 P á g i n a Terrain Qué es un terrain dataset? Un Terrain Dataset es un TIN Multi-resolución basado en un conjunto de datos que contienen elevación. Está constituido por mediciones y datos almacenados al interior de una feature dataset de una Geodatabase. Estos datos por lo general se obtienen desde fuentes Fotogramétricas o de orígenes LIDAR y SONAR. Aun cuando pueden provenir éstas, de fuentes más tradicionales como shapefiles o feature class. Algunos Feature classes que participan comúnmente como fuentes de información al interior de estos Terrain son: Multipoint feature classes de mass points 3D provenientes de Fuentes LIDAR o SONAR 3D Points y feature classes de líneas creadas utilizando imágenes en estaciones de trabajo fotogramétricas áreas de estudio utilizadas para definir los límites del análisis. Las reglas de los terrain dataset controlan la forma en cómo las entidades participan de la forma y el despliegue de la información. Por ejemplo, un feature class que contiene los bordes de calles participará del TIN dentro de la categoría Hard Breakline. Lo que permitirá al modelo definir adecuadamente a ésta entidad como una discontinuidad de la superficie modelada. Estas reglas que definen la naturaleza de los datos y la forma de comportamiento de la misma también pueden ser ajustadas para definir la escalabilidad de la información. Especialmente cuando existen una gran cantidad de datos o cuando la extensión de la misma involucra que algunas coberturas dejen de ser visibles cuando se alcancen ciertas escalas de trabajo. Esto favorece el funcionamiento grafico y el rendimiento general del programa en este tipo de condiciones. Un terrain dataset al interior de una Geodatabase establece referencias con las fuentes de información, pero no almacena una superficie en formato Raster o TIN. Sin embargo, la representación visual de este tipo de estructuras de información se representa en pantalla como una superficie de tipo TIN de tipo temporal. Este tipo de organización de despliegue rápido, involucra necesariamente el almacenaje de niveles piramidales o Pyramyd Levels los cuales almacenan información a determinados niveles o escalas. Las cuales permiten una mejor accesibilidad de la información al cambiar continuamente de nivel de despliegue

45 P á g i n a 45 Cuando un nivel de detalle (LOD por sus siglas en ingles) es requerido sobre una determinada área de interés (AOI), el nivel piramidal apropiado es utilizado para la construcción del Terreno. Los terrain dataset en conjunto con las herramientas entregadas para su administración facilitan el almacenamiento y mantenimiento de mediciones de superficie basados en información vectorial. Además por cierto de permitir la generación de nueva información a partir de ellas.

46 P á g i n a Add Feature Class to Terrain Añade uno o más feature classes a un terrain dataset. El feature class debe residir necesariamente dentro del mismo feature Dataset del Terrain Add Terrain Points Añade multipoints a un Feature class que participa de un Terrain mediante la incorporación directa (APPEND) o el remplazo (REPLACE) de multipuntos cuando estos se encuentren dentro de la misma extensión Add Terrain pyramid Levels Añade un Nuevo nivel piramidal a un terrain dataset existente Build Terrain Ejecuta los pasos necesarios para que un Terrain pueda ser utilizado luego de su creación o modificación Change Terrain Reference Scale Cambia la escala de referencia de un nivel piramidal Create Terrain Genera un nuevo terrain dataset dentro de un feature dataset específico. Para completar los parámetros se deberá utilizar las herramientas Add Terrain Pyramid Levels, Add Feature Classes To Terrain, seguido de Build Terrain para poder utilizarlo adecuadamente Remove Feature Class From Terrain Remueve las referencias de un feature class que participa en un terrain dataset Remove Terrain Points Remueve puntos ubicados dentro de una Area de interés determinada (AOI) desde uno o más feature class incorporados al interior de un terrain dataset Remove Terrain pyramid Levels Remueve un nivel piramidal a un terrain dataset asignado.

47 P á g i n a TIN Creation Create TIN Crea un nuevo TIN vacío Delineate TIN Data Area Define el área de datos o la zona de interpolación de un TIN basado en la distancia del borde del triangulo. Los triángulos son evaluados basándose en una serie de reglas. Si un borde excede el largo definido en max_edge_length será definido como NODATA. Estos triángulos no serán renderizados ni utilizados para proceso alguno de análisis. La opción PERIMETER_ONLY y ALL determina cuales triángulos del TIN van a ser evaluados. La opción PERIMETER ONLY (Definida por defecto) trabaja en una progresión repetitiva de tipo dentro y fuera. Aquellos triángulos ubicados en el límite exterior del TIN y que excedan el valor máximo de borde permitido son enmascarados como NODATA. Los triángulos aledaños a estos son agrupados y vueltos a evaluar. El proceso continua hasta que ningún triangulo quede en estas condiciones. Por lo general el método evalúa a los triángulos ubicados en los límites del TIN, dejando sin modificación alguna a los triángulos ubicados en su interior. La opción ALL examina tanto los triángulos interiores como los exteriores del TIN

48 P á g i n a Edit TIN Añade feature classes a un TIN preexistente y genera superficies basándose en la información y características topológicas de los datos ingresados. Algunas características Múltiples entidades pueden ser añadidas al mismo tiempo. Antes de añadir datos, el TIN debe ser creado o estar disponible con anterioridad. Entidades pueden añadirse a nuevos o preexistente TIN Considerando que el valor máximo de un TIN bajo WIN32 se encuentra entre los 15 a 20 millones de nodos. Se recomienda que estos valores nunca superen unos cuantos millones. Más allá de este valor se recomienda trabajar con un Terrain Dataset. Feature classes compuestas de puntos líneas o polígonos pueden ser utilizados individual o colectivamente a la hora de generar un TIN. La geometría se incorpora a la triangulación mediante los Surface Feature Type o tipos de entidades de superficie. Las cuales son: Mass Point Mass points se añaden como nodos individuales a la triangulación del TIN. Breaklines Las Breaklines son ajustadas al interior del TIN como una serie de bordes de triángulos

49 P á g i n a 49 Clip Polygons Clip polygons delimita el área de estudio o la zona de interpolación del TIN. Sus límites son ajustados en la triangulación como Breaklines. Los triángulos que escapen de los límites del área de recorte serán omitidos. Erase polygons Erase polygons también delimita el área de estudio o la zona de interpolación del TIN. Con la diferencia es que esta suele ser utilizada para generar zonas de recorte al interior de una zona definida. Este recorte pude representar zonas de NODATA o áreas no relevantes para el trabajo. Al igual que en caso anterior, Sus límites son ajustados en la triangulación como Breaklines y los triángulos que escapen de los límites del área de recorte serán omitidos.

50 P á g i n a 50 Replace polygons Replace polygons es utilizado para definir áreas planas. Sus límites son ajustados al TIN como Breaklines utilizando para ello un valor de altitud constante. Todos los nodos al interior del área a planarizar conservarán el valor de altitud del polígono ingresado. Tag Value Fill polygons Esta función asigna valores numéricos enteros, los cuales son utilizados para definir atributos a los triángulos del TIN. Los límites de estos atributos son ajustados como Breaklines. Los triángulos que quedan dentro de estos límites se adjudican el valor de etiqueta o Tag respectivo. Estas etiquetas suelen representar fenómenos o atributos de la cobertura de suelos.

51 P á g i n a 51 Los puntos pueden ser añadidos sólo como MASS POINT. Las líneas pueden ser añadidas tanto como MASS POINT o BREAKLINES. Los polígonos pueden ser ingresados como CLIP, ERASE, REPLACE, VALUE FILL POLYGON o también MASS POINT y BREAK LINE. Cuando se triangulan valores como tipo MASS POINT, líneas y polígonos añaden solamente sus vértices. Dejando fuera de la triangulación a las líneas que los componen. Cualquier tipo de entidad de superficie (Surface Feature Type) diferente al tipo MASS POINTS puede ser especificada como HARD o SOFT. Esta distinción es importante para la suavidad de la interpolación. Líneas de tipo HARD y limites de polígonos suponen quiebres o desfases distintivos sobre la pendiente. Ríos, quebradas, curvas de nivel, ejes de calles, soleras, veredas, senderos, lagos y otros cuerpos de agua, etc. Y todo aquello ingresado al TIN que suponga una discontinuidad evidente sobre la superficie. Las entidades de superficie asociadas al atributo SOFT generalmente no representan cambios significativos sobre la formas del terreno. Pero sin embargo son consideradas para el cálculo de la triangulación. Un ejemplo el límite del polígono que se utiliza como área de estudio. Este tipo de polígonos es a menudo un área de estudio o un borde político administrativo que no tiene nada que ver con la topografía. Cuando las entidades son añadidas al TIN, es necesario definir la fuente u origen de la elevación. Si se está ingresando información con valores Z (valores con altitud incorporada al Shape). Estos serán tomados directamente desde la geometría de la entidad. si se está ingresando información con valores 2D. Será necesario entonces definir la columna de la tabla (numérica por cierto) que contiene la elevación o altitud. Por defecto, los valores Z de los shapefiles serán utilizados para realizar cálculos cuando éstos posean altitud incorporada en su geometría.

52 P á g i n a TIN Surface Decimate TIN nodes Genera un TIN que es una versión generalizada de otra versión anterior. Equivalente a un subgrupo de nodos, que pasan a formar parte del nuevo TIN Extrude Between Convierte polígonos en multipatches mediante la extrusión entre dos TIN ingresados. Los Multipatches de salida son escritos en un nuevo feature class.

53 P á g i n a Interpolate Polygon to Multipatch Crea entidades poligonales de tipo Multipatch ajustadas a una superficie TIN previamente señalada. Los atributos desde las entidades ingresadas son copiados al polígono resultante. Las áreas 2D y 3D son calculadas para cada entidad y añadidas como atributo en el resultado final. Polígono 2D o 3D Polígono Multipatch