2. Modelos Digitales de Elevaciones
|
|
- Susana Espinoza Guzmán
- hace 7 años
- Vistas:
Transcripción
1 2. Modelos Digitales de Elevaciones Sistemas de Información Geográfica (SIG) aplicados a la gestión de recursos hídricos TAyGA Curso Índice 1 Introducción 1 2 Generación de MDE y capas derivadas 1 3 Análisis de los diferentes MDE Inspección visual Análisis estadístico Consistencia hidrológica Comparación por pares de los modelos Filtrado del MDE proporcionado por LIDAR para eliminar ruido Eliminación de sombreados mediante integración de MDE-LIDAR y MDE-splines Introducción En esta práctica se va a comparar un MDE obtenido con tecnología LIDAR con los obtenidos a partir de curvas de nivel (interpolación lineal y de splines). Para ello lo primero, tras cargar el fichero de funciones, es utilizar una región de trabajo ya almacenada y que coincide aproximadamente con la Rambla de Valdelentisco para visualizar el MDE obtenido con LIDAR: source("/usr/local/etc/saga_grass.r") g.region("valdelentisco") d.mon("x0") d.rast("mde_lidar") 2 Generación de MDE y capas derivadas Aunque los resultados de este paso ya están en PERMANENT, puesto que sería lento hacerlo en clase, vamos a asumir que tenemos que generar un MDE con un modelo lineal a partir de curvas de nivel. Para ello es necesario rasterizar las curvas de nivel v.to.rast, puesto que el módulo que se va a utilizar para interpolar (r.surf.contour) sólo maneja números enteros, se hace necesario multiplicar por cien las curvas de nivel rasterizadas para permitir obtener un MDE con decimales y que las pendientes que se obtengan en zonas llanas sean razonables. v.to.rast(" --o BCN25curvas use=attr column=color output=curvas") r.mapcalc("curvas_cm=if(curvas==0,1,100*curvas)") r.surf.contour(" --o curvas_cm output=temp") r.mapcalc("mde_lineal=temp/100.0") En segundo lugar obtenemos capas de pendiente y orientación con r.slope.aspect, este módulo puede además generar capas de otras variables como curvaturas, etc. que se verán con más detalle en la siguiente práctica. r.slope.aspect(" --o elev=mde_lineal slope=slo_lineal aspect=asp_lineal") lo que nos permite visualizar el relieve con un sombreado: d.his("i_map=asp_lineal h_map=mde_lineal") 1
2 A continuación se interpola mediante splines otro MDE de la misma zona utilizando 40 como parámetro de tensión y sin suavizado: ATENCION: Esta orden tardaría bastante tiempo en ejecutarse, por lo que ya tienes las capas creadas en el mapset PERMANENT. v.surf.rst(" --o input=bcn25curvas elev=mde_splines slope=slo_splines aspect=asp_splines zcolumn=color tension=40") Como puedes ver, el mismo módulo que realiza la interpolación por splines se encarga de calcular pendientes y orientaciones, sólo queda calcular pendientes y orientaciones para el MDE del LIDAR y ya tenemos las tres capas básicas para cada uno de los modelos: r.slope.aspect(" --o elev=mde_lidar slope=slo_lidar aspect=asp_lidar") 3 Análisis de los diferentes MDE 3.1 Inspección visual Para comparar adecuadamente los modelos de elevaciones conviene que las paletas sean las mismas: r.colors("mde_lidar color=elevation") r.colors("mde_lineal rast=mde_lidar") r.colors("mde_splines rast=mde_lidar") Si hacemos para MDE_lidar y MDE_splines la misma combinación de color que hemos hecho antes podremos tener una primera evaluación cualitativa de los diferentes modelos: d.mon("x1") d.his("i_map=asp_splines h_map=mde_splines") d.mon("x2") d.his("i_map=asp_lidar h_map=mde_lidar") Un análisis visual de las capas derivadas puede ofrecer información acerca de como se reproducen las formas de relieve en los diferentes MDE. Ejercicio: 1. Visualiza elevaciones, pendientes y orientaciones y saca conclusiones acerca de los diferentes modelos. (a) Cuál te parece más preciso? A qué crees que se debe? (b) Qué tipos de artefactos pueden apreciarse a partir de las diferentes capas de información? 3.2 Análisis estadístico Puesto que no disponemos de valores reales con los que comparar los resultados, vamos a visualizar los histogramas de los MDE en búsqueda de anomalías. : mde=readrast6(c("mde_lidar","mde_lineal","mde_splines")) par(mfrow=c(3,1)) hist(mde$mde_lidar,breaks=1000) hist(mde$mde_splines,breaks=1000) hist(mde$mde_lineal,breaks=1000) par(mfrow=c(1,1)) summary(mde) 2
3 Ejercicio: 2. Son los comportamientos estadísticos de los tres modelos semejantes? 3. Cómo pueden comparse la variables considerando la componente espacial? 4. Hay algún otro mapa, estadístico o representación de datos que pudiese ayudar? 5. A qué conclusiones sobre los diferentes modelos podemos llegar? 3.3 Consistencia hidrológica Independientemente de la exactitud absoluta en la codificación de la elevación, para las aplicaciones hidrológicas es más importante que las relaciones de flujo entre las diferentes partes del terreno queden bien reflejadas en el MDE, es decir la escorrentía superficial debe dirigirse en el el modelo en las mismas direcciones que se dirigiría en la realidad. Para evaluar esta consistencia hidrológica vamos a aplicar el algoritmo D8 que dirige el flujo hacia aquella de las 8 celdillas vecinas que se sitúa en una cota inferior y con mayor pendiente. EL módulo r.watershed de GRASS aplica este algoritmo pudiendo generar diversas capas de información hidrológica. En este momento la que más nos va a interesar es la de drenaje acumulado en la que se asigna a cada celdilla el número de celdillas situadas aguas arriba: r.watershed(" --o MDE_lidar accum=mde_lidar_acc") r.watershed(" --o MDE_splines accum=mde_splines_acc") r.watershed(" --o MDE_lineal accum=mde_lineal_acc") Estas capas no son muy adecuadas para su visualización con una paleta de colores lineal y suele visualizarse su logaritmo: r.mapcalc("mde_lidar_lacc=log(abs(mde_lidar_acc))") r.mapcalc("mde_splines_lacc=log(abs(mde_splines_acc))") r.mapcalc("mde_lineal_lacc=log(abs(mde_lineal_acc))") Para evitar tener que repetir varias veces un conjunto de órdenes de visualización vamos a crear una función: d.mostrar=function(monitor,raster){ d.mon(monitor) d.erase() d.rast(raster) d.legend(paste(raster,"at=40,90,1,5")) } A continuación basta con escribir: d.mostrar("x1","mde_lidar_lacc") d.mostrar("x2","mde_lineal_lacc") d.mostrar("x3","mde_splines_lacc") Al visualizar el logaritmo del drenaje acumulado tenemos una primera estimación e la ubicación de la red de drenaje, esta será lógicamente, diferente para diferentes modelos. En zonas con pendiente alta (barrancos, arroyos) no habrá demasiada diferencia entre los diferentes métodos y con la realidad, pero en zonas bajas las diferencias pueden ser importantes. Visualizar esta capa junto a las curvas de nivel permite detectar donde pueden estar los problemas. A partir del drenaje acumulado podemos obtener estimaciones de la red de drenaje estableciendo un valor umbral. Vamos a generar una red de drenaje para cada uno de los modelos y comparar los resultados: r.mapcalc("red_lidar=if(abs(mde_lidar_acc)>500,1,null())") r.mapcalc("red_splines=if(abs(mde_splines_acc)>500,1,null())") r.mapcalc("red_lineal=if(abs(mde_lineal_acc)>500,1,null())") A continuación visualiza las diferentes redes de drenaje: d.mon("select=x0"); d.rast("red_lidar") d.mon("select=x1"); d.rast("red_lineal") d.mon("select=x2"); d.rast("red_splines") 3
4 Ejercicio: 6. Visualiza las diferentes redes de drenaje y anota tus impresiones. Utiliza la función d.zoom() para ver mejor zonas concretas. Si has hecho zoom en el monitor x0 por ejemplo, para utilizar el mismo zoom en los otros utiliza las órdenes: d.mon("select=x1");d.redraw() Dónde se producen las principales diferencias? Qué conclusiones acerca de la consistencia hidrológica de los diferentes modelos podemos extraer? Para volver a la región original ejecuta g.region("valdelentisco") d.mon("select=x0");d.redraw() d.mon("select=x1");d.redraw() d.mon("select=x2");d.redraw() 3.4 Comparación por pares de los modelos Hasta ahora todas las pruebas realizadas parecen indicar que el MDE extraído del LIDAR es el mejor posible, vamos a hacer una comprobación más generando capas con la diferencia entre pares de modelos y representándolas con la ayuda de las curvas de nivel para poder extraer conclusiones: 1. En primer lugar calculamos capas con las diferencias: r.mapcalc("dif_lidar_lineal=mde_lidar-mde_lineal") r.mapcalc("dif_lidar_splines=mde_lidar-mde_splines") r.mapcalc("dif_lineal_splines=mde_lineal-mde_splines") 2. Les asignamos a todas la misma paleta. Los valores 0 se visualizarán en blanco, los valores positivos en azul y los negativos en rojo: pon_paleta("dif_lidar_lineal",val=c(-50,0,30),red=c(255,255,0), blue=c(0,255,255),green=c(0,255,0)) pon_paleta("dif_lidar_splines",val=c(-50,0,30),red=c(255,255,0), blue=c(0,255,255),green=c(0,255,0)) pon_paleta("dif_lineal_splines",val=c(-50,0,30),red=c(255,255,0), blue=c(0,255,255),green=c(0,255,0)) 3. Visualizamos los mapas: d.mostrar("x1","dif_lidar_lineal") d.mostrar("x2","dif_lidar_splines") d.mostrar("x3","dif_lineal_splines") 4. Los cargamos en R: dif.mde = readrast6(c("dif_lidar_lineal", "dif_lidar_splines","dif_lineal_splines")) 5. Finalmente los visualizamos y obtenemos un resumen: summary(dif.mde) par(mfrow=c(3,1)) hist(dif.mde$dif_lidar_lineal,breaks=200) hist(dif.mde$dif_lidar_splines,breaks=200) hist(dif.mde$dif_lineal_splines,breaks=200) 4
5 Como era de esperar las diferencias entre los dos MDE extraídos de curvas de nivel son menores que las diferencias respecto al MDE del lidar. Llama la atención como los mapas de la diferencia entre el MDE LIDAR y los extraídos de curvas de nivel presentan una distribución de diferencias no aleatoria de manera que se distribuyen los valores positivos a un lado y los negativos al otro de algunas elevaciones. Se trata del conocido problema del efecto de sombra que presenta cualquier dispositivo de teledetección. Si consultas los valores que alcanzan estas diferencias verás que son importantes: d.what.rast("dif_lidar_lineal") Puesto que la equidistancia en las curvas de nivel es de 10 m, cabe esperar que los errores absolutos de un MDE obtenido a partir de estas no sea superior a los 10 m y en raras ocasiones superior a los 5 metros. Esto significa que si aparecen diferencias superiores a 10 metros se trata de errores atribuibles al LIDAR y específicamente al efecto del sombreado. En definitiva nos encontramos con el siguiente dilema: El MDE derivado de curvas de nivel es más exacto que el del LIDAR en zonas de relieve debido al efecto de sombreado de este El MDE LIDAR parece tener menos artefactos que los extraídos de curvas de nivel especialmente en zonas llanas El MDE LIDAR es más preciso en la reconstrucción de las formas El MDE LIDAR es más consistente desde un punto de vista hidrológico La solución podría ser intentar fusionar los dos MDE para obtener uno que tuviera las ventajas de ambos. 3.5 Filtrado del MDE proporcionado por LIDAR para eliminar ruido Para ello empezaremos por detectar en el MDE LIDAR celdillas sospechosas de contener ruido aleatorio, para ello haremos una estimación del valor en las celdillas a partir de un filtrado con las celdillas de alrededor aplicando la siguiente matriz de filtrado: este filtro está preprogramado en una función de SAGA_GRASS por lo que basta con escribir: filtro_lidar("mde_lidar","mde_lidar_est") posteriormente utilizaremos la ecuación: t = z ẑ z sd (1) para obtener un estadístico que, en caso de que las diferencias sean las esperables al azar, es decir no sean erróneas, y se distribuiría como una distribución t de Student con 23 grados de libertad (los 24 valores utilizados para la estimación menos 1). Para el cálculo de t necesitamos primero calcular la desviación típica en un entorno de la celdilla central. En este caso utilizaremos un entorno de 5x5. r.neighbors("--o MDE_lidar output=mde_lidar_sd method=stddev size=5") r.mapcalc("mde_lidar_t=abs((mde_lidar-mde_lidar_est)/mde_lidar_sd)") Si obtenemos valores altamente improbables en alguna celdilla podemos considerar que se trata de una celdilla errónea. Puesto que en la región de trabajo que se está utilizando hay celdillas, debemos considerar un valor de probabilidad muy bajo, del orden de 1/ : p = 1/ u1 = qt(1-p,df=23) Otra forma de determinar el valor crítico es es cálculo empírico. Podemos asumir, por ejemplo, que el 1 % más elevado de los valores son celdillas erróneas: 5
6 mde.lt = readrast6("mde_lidar_t") p=0.01 u2 = quantile(abs(mde.lt$mde_lidar_t),1-p,na.rm=t) Obviamente los valores obtenidos por los dos métodos no coincidirán, la elección debe hacerse mediante el criterio de exigencia: cuanto mayor sea el valor crítico considerado, menos celdillas serán consideradas erróneas. Haremos a continuación una nueva capa para ver que celdillas superan el umbral ( u=u1 o u=u2?): orden=paste("mde_lidar_tu=if(mde_lidar_t>",u2,",1,null())",sep="") r.mapcalc(orden) d.rast("mde_lidar_tu") Ejercicio: 9. En que tipo de topografía aparecen los valores anómalos? 10. A que crees que puede deberse y finalmente se crea un mapa filtrado en el que estos valores extremos se sustituyen por la estimación realizada a partir de los valores situados en el entorno: r.mapcalc("mde_lidar_f=if(isnull(mde_lidar_tu),mde_lidar,mde_lidar_est)") d.rast("mde_lidar_f") 3.6 Eliminación de sombreados mediante integración de MDE-LIDAR y MDE-splines Un simple análisis visual de la capa dif_lidar_plines pone en evidencia que los sombreados empiezan a aparecer cuando la pendiente es mayor de 5 grados una solución rápida podría ser utilizar MDE LIDAR cuando la pendiente fuese inferior y splines cuando sea superior. Aparte de la posibilidad de tener efectos de frontera entre ambas zonas, hay que recordar que MDE LIDAR representa mejor las formas y tiene mayor consistencia hidrológica a todas las pendientes, por tanto lo que se va a hacer es aproximar el valor de elevación al de MDE_splines pero preservando las diferencias entre celdillas vecinas que aparecen en MDE_lidar. Para ello se comienza con un filtrado de media de las diferencias entre ambos MDE con tamaño de ventana de 11 metros: r.mapcalc( dif_lidar_splines=mde_lidar_f-mde_lineal ) r.neighbors("--o input=dif_lidar_lineal output=filtro method=average size=11") generando a continuación una capa con las diferencias entre el MDE_lidar y esta capa suavizada, de este modo se le resta a cada celdilla del MDE_lidar su diferencia respecto al valor medio de MDE_lineal, consiguiéndose ajustar ambas capas pero preservando las relaciones entre celdillas contiguas de MDE_lidar r.mapcalc("mde_lidar_f1=mde_lidar_f-filtro") Finalmente utilizamos este nuevo modelo sólo en los casos en que la pendiente sea mayor que 10 grados ya que el efecto de sombreado aparece sólo en las zonas de pendiente elevada: r.mapcalc("mde_lidar_ff=if(slo_lidar<10,mde_lidar_f,mde_lidar_f1)") Conclusión Un simple análisis visual muestra como se ha mejorado la exactitud en la elevación (la diferencia entre el MDE_lidar doblemente filtrado y el MDE de splines es mucho menor y los errores aparecen distribuidos al azar) preservando al consistencia hidrológica a costa de introducir pequeños artefactos, visibles en los mapas de orientación y pendientes. 6
8.1. FITROS DE PASO BAJO 81. Figura 8.1: Tipos de filtro y mecanismo de aplicación
8.1. FITROS DE PASO BAJO 81 Figura 8.1: Tipos de filtro y mecanismo de aplicación 82 TEMA 8. TÉCNICAS DE FILTRADO -2-1 0 1 2-2 -1 0 1 2-2 -1 0 1 2-2 -1 0 1 2-2 -1 0 1 2-2 -2-2 -2-2 -1-1 -1-1 -1 0 0 0 0
Más detallesTALLER 3. Los modelos digitales de terreno.
TALLER 3. Los modelos digitales de terreno. Este taller describe como... v Cargar, visualizar y recortar archivos de tipo raster. v Utilizar el módulo Sextante para el análisis raster. v Generar cartografías
Más detallesM.D.T. y TOPOCAL. Técnicas de Representación Gráfica. Curso DIGTEG 2010
M.D.T. y TOPOCAL Técnicas de Representación Gráfica Curso 2010-2011 Superficies Topográficas Superficies Topográficas No es geométrica La superficie terrestre No se puede representar con exactitud matemática
Más detallesPrograma de Postgrado en Tecnología, Administración y Ges
Programa de Postgrado en Tecnología, Administración y Gestión del Agua Universidad de Murcia Máster en Consultoría hidrológica y manejo de ecosistemas acuáticos: Sistemas de Información Geográfica Introducción
Más detallesUso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística.
USO DE LA SIMULACIÓN EN HOJA DE CÁLCULO COMO HERRAMIENTA PEDAGÓGICA PARA LA INFERENCIA ESTADÍSTICA: APLICACIÓN A LAS PROPIEDADES CLÁSICAS DE LOS ESTIMADORES Carlos Martínez de Ibarreta Zorita Departamento
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesFacultad de Ingeniería Civil y Ambiental Análisis Espacial.
Análisis Espacial. Contenido. - Introducción. - Revisión de estadística básica. - Precisión y exactitud. - Interpolación. - Métodos. - Aplicaciones. - Modelación y SIG. Interpoladores Locales: - Polígonos
Más detalles1. ACCESO A LA WEB DE LOCALIZACIÓN DE ANIMALES POR GPS
1. ACCESO A LA WEB DE LOCALIZACIÓN DE ANIMALES POR GPS Para acceder al sistema es necesario introducir un nombre de usuario y una contraseña (figura 1). En este caso escriba como Usuario : itg ganadero
Más detallesDelimitación y Codificación de Unidades Hidrográficas de Bolivia
Viceministerio de Recursos Hídricos y Riego 1 1. INTRODUCCION MINISTERIO DEL MEDIO AMBIENTE Y AGUA VICEMINISTERIO DE RECURSOS HIDRICOS Y RIEGO (VRHR) DELIMITACION Y CODIFICACION DE UNIDADES HIDROGRAFICAS
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesSuperficies en AutoCAD Civil 3D
Superficies en AutoCAD Civil 3D Una superficie es una representación geométrica tridimensional de un área de terreno, constituyendo un modelo digital del mismo. Las superficies están compuestas por triángulos
Más detallesTécnicas de filtrado. Tema 6
Tema 6 Técnicas de filtrado Se trata de métodos para resaltar o suprimir, de forma selectiva, información contenida en una imagen a diferentes escalas espaciales, para destacar algunos elementos de la
Más detallesPráctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD
Práctica 5.Métodos descriptivos para determinar la normalidad 1 Práctica 5 MÉTODOS DESCRIPTIVOS PARA DETERMINAR LA NORMALIDAD Objetivos: En esta práctica utilizaremos el paquete SPSS para determinar si
Más detallesSIG y teledetección. Tema Visión histórica
Tema 4 SIG y teledetección 4.1 Visión histórica La teledetección y los SIG surgen en principio como tecnologías independientes. Sin embargo uno de los objetivos del primer SIG, el Sistema de Información
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesTomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba.
4.3 PARÁMETRO DE ESCALADO Para el caso del parámetro de escalado se va a proceder de la siguiente forma. Partimos de una imagen de referencia (imagen A), a la cual se le aplican cambios de translación
Más detallesPRÁCTICAS DE ESTADÍSTICA CON R
PRÁCTICAS DE ESTADÍSTICA CON R PRÁCTICA 3: DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 3.1 Distribuciones discretas Las principales ideas que vamos a ir desarrollando a lo largo de la primera
Más detalles5.1. Eliminar filas duplicadas
- Borrar Hipervínculos: Si seleccionas ésta opción se borrará el enlace pero el formato que excel aplica (color azul y subrayado) se mantendrá. Para eliminar también el formato deberás pulsar el icono
Más detallesEn el diagrama (Figura 4.1) se describe la metodología utilizada para estudiar la erosión natural en la Cuenca media y alta del Río Sonora.
4. METODOLOGÍA En el diagrama (Figura 4.1) se describe la metodología utilizada para estudiar la erosión natural en la Cuenca media y alta del Río Sonora. 4.1. Modelos cuantitativos para el cálculo de
Más detallesSESIÓN PRÁCTICA 3: TRANSFORMACIONES DE DATOS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 3: TRANSFORMACIONES DE DATOS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesFICHERO DE AYUDA DEL PROGRAMA MULTIREDLOTO
FICHERO DE AYUDA DEL PROGRAMA MULTIREDLOTO Versión : 1.2 Fecha : 30/11/2009 1. INTRODUCCION El programa MULTIREDLOTO es un MULTIREDUCTOR de LOTO (genera, reduce y filtra apuestas de 4 hasta 12 números
Más detalles1. Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido:
. Los pesos (en Kgs.) de los niños recién nacidos en una clínica maternal durante el último año han sido: Peso [.5,.75) [.75,3) [3,3.5) [3.5,3.5) [3.5,3.75) [3.75,4) [4,4.5) [4.5,4.5] N o de niños 7 36
Más detallesHistogramas. Para crear un histograma. Para crear un histograma podemos utilizar el procedimiento Generador de gráficos en el Menú: o Gráficos:
SPSS: GRÁFICOS HISTOGRAMAS Histogramas Los histogramas son útiles para mostrar la distribución de una única variable de escala. Los datos se agrupan y se resumen utilizando el estadístico de porcentaje
Más detallesNota Técnica (MDTPointCloud_es_v1_ext01_Photoscan) Explotación de Resultados de Agisoft Photoscan con MDT Point Cloud
Sumatra, 9 E-29190 Málaga (España) www.aplitop.com Tlf: +34 95 2439771 Fax: +34 95 2431371 Fecha Actualización 07/03/2016 Requisitos Nota Técnica (MDTPointCloud_es_v1_ext01_Photoscan) Explotación de Resultados
Más detallesSelección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
Más detallesUNIDAD 4. MODIFICAR TABLAS DE DATOS
UNIDAD 4. MODIFICAR TABLAS DE DATOS Aquí veremos las técnicas de edición de registros para modificar tanto la definición de una tabla como los datos introducidos en ella. Esta unidad está dedicada, principalmente,
Más detallesSistema de Información Geográfica (SIG)
INSTITUTO DE NUTRICIÓN N DE CENTRO AMERICA Y PANAMÁ SEGURIDAD ALIMENTARIA NUTRICIONAL Sistema de Información Geográfica (SIG) UNIDAD DE VIGILANCIA MONITOREO Y EVALUACIÓN Guatemala 2012 Definición Es un
Más detallesUNIDAD 10: ECUACIONES DE SEGUNDO GRADO.
UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. 10.1 Estudio elemental de la ecuación de segundo grado. Expresión general. 10.2 Resolución de ecuaciones de segundo grado completas e incompletas. 10.3 Planteamiento
Más detallesUNIVERSIDAD NACIONAL SAN CRISTÓBAL DE HUAMANGA FACULTAD DE CIENCIAS AGRARIAS ESCUELA DE FORMACIÓN PROFESIONAL DE INGENERIA AGRICOLA
UNIVERSIDAD NACIONAL SAN CRISTÓBAL DE HUAMANGA FACULTAD DE CIENCIAS AGRARIAS ESCUELA DE FORMACIÓN PROFESIONAL DE INGENERIA AGRICOLA TESIS GENERACION DE DESCARGAS MENSUALES EN LA MICROCUENCA PALLCCA UTILIZANDO
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesLaboratorio de Visión para Robots. Práctica 2
1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar
Más detallesPráctica 5 Cálculo integral y sus aplicaciones
Práctica 5 Cálculo integral y sus aplicaciones 5.1.- Integración con Mathematica o Integrales indefinidas e integrales definidas Mathematica nos permite calcular integrales mediante la instrucciones: Integrate[expresión
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesM.D.T. y TOPOCAL. Técnicas de Representación Gráfica. Curso 2010-2011 DIGTEG 2010
M.D.T. y TOPOCAL Técnicas de Representación Gráfica Curso 2010-2011 TopoCal Programa gratuito Genera de MDT s a partir de ficheros DXF o XYZ. Principales funcionalidades: Generación de triangulaciones
Más detallesGuía docente: Cómo crear un test y los tipos de preguntas
Guía docente: Cómo crear un test y los tipos de preguntas Índice 01 02 03 04 05 06 07 08 09 Crear un test Ordenable Arrastrar Rellenar espacio Texto libre Respuesta múltiple Opciones Gestión del test Ayuda
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesSIG aplicados al análisis y cartografía de riesgos climáticos
SIG aplicados al análisis y cartografía de riesgos climáticos Dpto. Geografía Física, Humana y Análisis Geográfico Regional Universidad de Murcia URL: http://www.um.es/~geograf/sigmur CORREO-E: alonsarp@um.es
Más detallesMÓDULO 4. GEOPROCESAMIENTO CON SEXTANTE GVSIG
MÓDULO 4. GEOPROCESAMIENTO CON SEXTANTE GVSIG - Descarga y visualización MDE Arrancamos gvsig y renombramos la vista como Geoprocesamiento. Vamos a descargarnos el MDT perteneciente al Municipio de Alcalá
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesEstadística Convocatoria de Junio Facultad de Ciencias del Mar. Curso 2009/10 28/06/10
1. El Indice Climático Turístico (ICT), definido por Mieczkowski en 1985 es un índice que toma valores en una escala de 0 a 100 y tiene como objetivo valorar la calidad que ofrece el clima de una región
Más detallesMANUAL MAPAS WEB SITMA
MANUAL MAPAS WEB SITMA I- Antecedentes El presente manual fue elaborado para facilitar a los usuarios el uso de la plataforma WEB del SITMA. El sitio web municipal cuenta con un visualizador del SITMA,
Más detallesPrograma de Postgrado en Tecnología, Administración y Ges
Programa de Postgrado en Tecnología, Administración y Gestión del Agua Universidad de Murcia Máster en Consultoría hidrológica y manejo de ecosistemas acuáticos: Sistemas de Información Geográfica Estimación
Más detallesCurva de Lorenz e Indice de Gini Curva de Lorenz
Curva de Lorenz e Indice de Gini Curva de Lorenz La curva de Lorenz es útil para demostrar la diferencia entre dos distribuciones: por ejemplo quantiles de población contra quantiles de ingresos. También
Más detallesCapítulo 5 Determinación de caudales en los puntos de análisis
Capítulo 5 Determinación de caudales en los puntos de análisis Al no existir información sobre los caudales en los puntos que definen las subcuencas en estudio (Vilcazán, Sta. Rosa, San Lázaro, Chulucanitas
Más detallesTECNOLOGÍA E INFORMÁTICA
TECNOLOGÍA E INFORMÁTICA GRADO: SÉPTIMO 01 02 TEMA: INSERTAR O CREAR TABLAS INDICADOR DE DESEMPEÑO: Utiliza la opción de crear tablas en Microsoft Word para agregar, editar y presentar la información tabulada.
Más detallesAdquirir los conocimientos básicos para la determinación de distancias euclidianas y realización de análisis de proximidad.
TEMA 41: OPERACIONES DE VECINDAD EXTENDIDA OBJETO DEL TEMA: Conocer y comprender el modo de utilización de las diferentes operaciones de vecindad extendida para la realización de análisis geográficos en
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.2 Determinación aproximada de extremos: Método de Newton-Raphson
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.2 Determinación aproximada de extremos: Método de Newton-Raphson Francisco Palacios Escuela Politécnica Superior de Ingeniería
Más detallesMAPAS GEOLOGICOS MAPAS GEOLOGICOS
MAPAS GEOLOGICOS Mapa que muestra: la ubicación y orientación de las unidades geológicas sus características y rasgos estructurales. normalmente no es posible ver todos los detalles de las unidades rocosas
Más detallesImpresión en formato PDF con
Impresión en formato PDF con Ya conocemos los recursos que nos ofrece Draftsight para el dibujo 2D y 3D, además de la posibilidad de que incorporemos imágenes externas a nuestro trabajo, con el objetivo
Más detallesGRÁFICOS DE CONTROL. Datos tipo atributo
GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL Total GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Por unidad Los gráficos p, 100p y u difieren de los gráficos
Más detallesGUIA Nº 3 MASCARAS GRAFICOS
GUIA Nº 3 OBJETIVOS: Diseñar mascaras utilizando gráficos o fotos. Identificar la importancia de las máscaras. MASCARAS GRAFICOS Dicho efecto consiste en ocultar objetos que se encuentren en el escenario
Más detallesManual Power Point Trabajar con formas
Manual Power Point 2010 Trabajar con formas CONTENIDO Insertar una forma Barra de herramientas de dibujo WordArt Estilos rápidos TRABAJAR CON FORMAS Comenzaremos por aprender a dibujar formas básicas y
Más detallesCONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED. PRIMARIA
CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED. PRIMARIA El cálculo y los problemas se irán trabajando y evaluando a lo largo de todo el año. 1ª EVALUACIÓN CONTENIDOS El Sistema de numeración decimal
Más detallesContenido. Introducción Usando di Monitoring como un usuario normal Uso de di Monitoring como un operador de entrada de datos...
1 Contenido Introducción... 3 Características principales... 3 Los niveles de usuario... 4 El aprendizaje de di Monitoring... 4 Usando di Monitoring como un usuario normal... 5 Acceso a di Monitoring...
Más detallesOpen Office Calc. Elaboración de una tabla de valores de las áreas de la distribución normal
Open Office Calc. Elaboración de una tabla de valores de las áreas de la distribución normal Objetivo: Conocer y calcular los valores de las áreas de la distribución normal mediante OpenOffice Calc. Conocimiento
Más detallesContenido. Por favor, antes de usar el software, lea atentamente las instrucciones y conservelas para su eventual consulta.
Contenido Por favor, antes de usar el software, lea atentamente las instrucciones y conservelas para su eventual consulta. 01. MENÚ PRINCIPAL 02. CONFIGURACIÓN Navegación Interfaz Mapa Satélites 03. BUSCAR
Más detallesManual para el proceso de datos de Magnetometría Terrestre mediante software OASIS.
Manual para el proceso de datos de Magnetometría Terrestre mediante software OASIS. Este manual se enfoca en el proceso de datos de Magnetometría Terrestre. Los datos proporcionados están en formato gdb
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesPHOTOSHOP CS. 6 Crear selecciones 6.1 Vídeo real - Concepto de selección 6.2 Herramienta Marco rectangular
PHOTOSHOP CS 1 Conocer Photoshop 1.1 Conceptos 1.2 Requerimientos mínimos del sistema para Photoshop 1.3 Entrar en Photoshop 1.4 Área de trabajo 1.5 Salir del programa 1.6 Simulación - Entrar y Salir de
Más detallesAprender a realizar filtrados de información en capas de SIG raster.
TEMA 40: OPERACIONES DE VECINDAD INMEDIATA OBJETO DEL TEMA: Conocer los diferentes tipos de operaciones de análisis de vecindad inmediata y su metodología de aplicación en los Sistemas de Información Geográfica
Más detallesEscala San Martín. InstruccIones para la aplicación InformátIca. Evaluación de la Calidad de Vida de Personas con Discapacidades Significativas
Escala San Martín Evaluación de la Calidad de Vida de Personas con Discapacidades Significativas InstruccIones para la aplicación InformátIca Guía rápida INICO - FOSM 2014 INFORMACIÓN GENERAL La presente
Más detallesVisualización de imágenes
Tema 5 Visualización de imágenes Tradicionalmente se ha dividido el análisis de imágenes de satélite en 2 fases, un análisis visual y un análisis digital. El primero es similar en muchos aspectos a la
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detallesPráctica de Control Estadístico de Procesos Control por Variables
Práctica de Control Estadístico de Procesos Control por Variables Fichero de datos: Sensorpresion.sf3 1. Los datos Un sensor de presión ha de trabajar en condiciones de alta temperatura. Para controlar
Más detallesMAPA OFICIAL DE CARRETERAS DE NAVARRA
MAPA OFICIAL DE CARRETERAS DE NAVARRA Instrucciones de uso con Acrobat Reader versión 6.0 o posterior GOBIERNO DE NAVARRA DEPARTAMENTO DE FOMENTO SECCIÓN DE CARTOGRAFÍA Introducción. El Mapa Oficial de
Más detallesCONTENIDOS EXÁMEN DE ADMISIÓN MATEMÁTICA SEGUNDO BÁSICO 2017
SEGUNDO BÁSICO 2017 DEPARTAMENTO ÁMBITO NUMÉRICO 0-50 - Escritura al dictado - Antecesor y sucesor - Orden (menor a mayor y viceversa) - Patrones de conteo ascendente (2 en 2, 5 en 5, 10 en 10) - Comparación
Más detallesRedacción de textos: Roberto Matellanes, Luís Quesada y Devora Muñoz Elaborado por: Proyecto Pandora y Asociación Geoinnova
Redacción de textos: Roberto Matellanes, Luís Quesada y Devora Muñoz Elaborado por: Proyecto Pandora y Asociación Geoinnova www proyectopandora.es. www.geoinnova.org Reconocimiento NoComercial CompartirIgual
Más detallesduv = udv + vdu udv = uv vdu
I. INTEGRACIÓN POR PARTES. Si la integración de una función no es posible encontrarla por alguna de las fórmulas conocidas, es posible que se pueda integrar utilizando el método conocido como integración
Más detallesPrácticas de Ecología Curso 3 Práctica 1: Muestreo
PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la
Más detallesCONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED.
. G r e d o s S a n D i e g o V a l l e c a s CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED. PRIMERA EVALUACIÓN El Sistema de numeración decimal El sistema de numeración decimal. Lectura y escritura
Más detallesContenidos Mínimos MATEMÁTICAS 3º ESO ENSEÑANZAS ACADÉMICAS. U 1 Fracciones y decimales. CRITERIOS DE EVALUACIÓN. ESTÁNDARES DE APRENDIZAJE EVALUABLES
Septiembre 2.016 Contenidos Mínimos MATEMÁTICAS 3º ESO ENSEÑANZAS ACADÉMICAS U 1 Fracciones y decimales. Números racionales. Expresión fraccionaria - Números enteros. - Fracciones. - Fracciones propias
Más detallesMICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.
MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos
Más detallesAYUDA SPSS RECOFICAR EN DISTINTAS VARIABLES 1
AYUDA SPSS RECOFICAR EN DISTINTAS VARIABLES 1 Ruta: Transformar > Recodificar > Recodificar en distintas variables Autor: Rubén José Rodríguez 22 de abril de 2009 En comando Recodificar (Recode) en distintas
Más detallesLa eficiencia de los programas
La eficiencia de los programas Jordi Linares Pellicer EPSA-DSIC Índice General 1 Introducción... 2 2 El coste temporal y espacial de los programas... 2 2.1 El coste temporal medido en función de tiempos
Más detallesUniversidad Nacional de Mar del Plata. Facultad de Ingeniería. Estadística Básica COMISIÓN 1. 1 Cuatrimestre 2016
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Básica COMISIÓN 1 1 Cuatrimestre 2016 s. La palabra Estadística procede del vocablo Estado, pues era función principal de los Gobiernos
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesMapas de Puntos. Cartografía a Temática Cuantitativa. Cartografía de superficie
Cartografía a Temática Cuantitativa Cartografía de superficie En la cartografía a temática tica cuantitativa existe el concepto de superficie estadística. stica. La superficie estadística stica es una
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesTutorial. HERRAMIENTA WEB / TERRA-i PERU
HERRAMIENTA WEB / TERRA-i PERU Citación sugerida: PAZ-GARCIA, P. & COCA-CASTRO, A. (2014) Herramienta Web / Terra-i Perú. del proyecto Terra-i-Perú. Versión 1 Resumen El siguiente tutorial contiene la
Más detallesA/42/10 ANEXO IV TASAS DEL PCT Y MECANISMOS RELATIVOS AL TIPO DE CAMBIO
ANEXO IV TASAS DEL PCT Y MECANISMOS RELATIVOS AL TIPO DE CAMBIO Reseña 1. Las previsiones y los ingresos del PCT en la Oficina Internacional se expresan en francos suizos. Sin embargo, los solicitantes
Más detallesCURSO SUPERIOR DE GIS Y TELEDETECCIÓN APLICADO A ESTUDIOS AMBIENTALES
CURSO SUPERIOR DE GIS Y TELEDETECCIÓN APLICADO A ESTUDIOS AMBIENTALES 1.-CONCEPTO DE TELEDETECCIÓN Podemos definir La Teledetección, como La ciencia y Arte de obtener información acerca de la superficie
Más detallesMedidas de centralización
1 1. Medidas de centralización Medidas de centralización Hemos visto cómo el estudio del conjunto de los datos mediante la estadística permite realizar representaciones gráficas, que informan sobre ese
Más detallesPráctica 2 Digitalización y uso del Google Earth Profesora: M. en B. Alma Delia Toledo Guzmán
Práctica 2 Digitalización y uso del Google Earth Profesora: M. en B. Alma Delia Toledo Guzmán Objetivo: Que el alumno aprenda a digitalizar información vectorial en un SIG y en el Google Earth, así como
Más detallesBLOQUE I: HOJA DE CÁLCULO
4. Organización, secuenciación y temporización de contenidos BLOQUE I: HOJA DE CÁLCULO En este bloque se pretende conocer y utilizar tanto la hoja de cálculo Excel como sus gráficos. Se aplicará la hoja
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesINSTITUCION EDUCATIVA MANUEL ANGEL ANACHURY AREA: TECNOLOGIA E INFORMATICA
BASES DE DATOS (ACCES 2007) OBJETIVO: Conocer el concepto de bases de datos y su funcionalidad además de crear destrezas en su creación y manipulación. Elementos básicos de Access 2007 Vamos a ver cuáles
Más detallesCRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS
1º ESO CRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS 1. Utilizar numeros naturales, enteros, fracciones y decimales sencillos, sus operaciones y propiedades, para recoger, transformar e intercambiar
Más detallesEl formato raster. Fundamentos
Capítulo 4 El formato raster. Fundamentos El formato ráster se fundamenta en la división del área de estudio en una matriz de celdillas, generalmente cuadradas. Cada una de estas celdillas recibe un único
Más detallesTrekkapp. Manual de usuario Versión
Trekkapp Manual de usuario Versión 1.2.10 Tabla de contenidos 1. QUÉ ES TREKKAPP?... 3 2. CONFIGURAR LA PREFERENCIA DE IDIOMAS... 3 3. ACCEDER A LAS RUTAS E ITINERARIOS DISPONIBLES... 4 4. DESCARGAR UNA
Más detallesTECNOLOGIAS DE LA VOZ
DEPARTAMENTO DE INGENIERÍA ELECTRÓNICA Y COMUNICACIONES CENTRO POLITÉCNICO SUPERIOR UNIVERSIDAD DE ZARAGOZA TECNOLOGIAS DE LA VOZ 5000 0-5000 señal original 200 250 300 350 Señal sintetizada 10000 5000
Más detallesManual de GIMP. Capítulo 6. Los colores. Manual de GIMP. Capítulo 6: Los colores.
1 Manual de GIMP Capítulo 6: Los colores http://creativecommons.org/licenses/by-nc-sa/3.0/deed.es_pe Realizado por: José Sánchez Rodríguez (Universidad de Málaga) josesanchez@uma.es Julio Ruiz Palmero
Más detallesESCENARIO VIRTUAL 3D MANUAL DE USUARIO. Interfaz de navegación
Interfaz de navegación Controles de vuelo y navegación ESCENARIO VIRTUAL 3D Vuelo libre mediante la interfaz La brújula de vuelo permite conocer la orientación Por medio de controles de la interfaz se
Más detallesEcuaciones exponenciales y logaritmicas
Ecuaciones exponenciales y logaritmicas Cuando hacemos preguntas relacionadas a funciones exponenciales o logaritmicas generalmente obtendremos una ecuación logarimica o exponencial. Elevé el número 3
Más detallesGIMP, aplicaciones didácticas. Herramientas de GIMP
GIMP, aplicaciones didácticas. Herramientas de GIMP Ministerio de Educación. ITE GIMP, aplicaciones didácticas. GIMP, aplicaciones didácticas Herramientas Para ampliar: Transformación. Aerógrafo. Relleno.
Más detalles1. dejar a una lado de la igualdad la expresión que contenga una raíz.
1. Resuelve las siguientes ecuaciones reales: Solución x 1 + x = 0 ; 3 x = 3 ; ln(x 1) + 4 = ln 3 Ecuaciones con raíces: No todas las ecuaciones de este tipo son sencillas de resolver, pero podemos intentar
Más detallesDIAGRAMAS DE CAJAS Y BIGOTES Abel MARTÍN. Profesor de Matemáticas del IES de Llanera (Asturias)
Página nº 22 DIAGRAMAS DE CAJAS Y BIGOTES Abel MARTÍN. Profesor de Matemáticas del IES de Llanera (Asturias) El presente artículo toma como referencia el libro Enseñar ESTADÍSTICA con CALCULADORAS GRÁFICAS
Más detalles1.- CREACIÓN DE CONSULTAS.
1.- CREACIÓN DE CONSULTAS. Una consulta permite efectuar preguntas acerca de la información almacenada en las tablas. En una consulta se pueden obtener datos de una tabla e incluso de varias tablas, por
Más detalles