102972 by UNIGIS América Latina

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

DETERMINACIÓN DE RUTA ÓPTIMA APLICANDO TÉCNICAS DE ANÁLISIS MULTICRITERIO CASO DE ESTUDIO: LÍNEA DE TRANSMISIÓN ELÉCTRICA EN LA ZONA CENTRAL DE COLOMBIA DETERMINATION OF OPTIMAL ROUTE APPLYING MULTICRITERIA ANALYSIS TECHNIQUES STUDY CASE: ELECTRICAL TRANSMISSION LINE IN THE CENTRAL ZONE OF COLOMBIA by/por

Jorge Alberto Cano Álvarez 01123902

A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS)

Medellín – Colombia, Agosto de 2018

Compromiso de Ciencia

Por medio del presente documento, incluyendo mi firma personal, certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

MedellĂn (Colombia), Agosto de 2018

RESUMEN Este trabajo describe el proceso de análisis, desde un punto de vista metodológico, para la optimización de una línea de transmisión eléctrica entre dos subestaciones de energía ubicadas en la zona central del departamento de Antioquia (Colombia). Un trazado óptimo se define como aquella línea que, siendo tan corta como sea posible, genere la menor afectación sobre los ecosistemas naturales y la menor intervención sobre los ecosistemas construidos; además, en la fase constructiva, se debe garantizar que se minimicen los costos. Desde el punto de vista operativo, se utilizaron herramientas geo-informáticas, las cuales permitieron procesar información tanto en formato vectorial como en formato raster, además se realizaron operaciones de álgebra de mapas y de análisis espacial requeridas para la obtención de los resultados. El proceso metodológico inició con la conversión de la información cartográfica existente en formato vectorial a formato raster, y estando en este formato, se realizaron procesos de reclasificación con el fin de asignar valores desde 1 hasta 10; siendo 1 las áreas con mayores posibilidades de paso y 10, las áreas más restrictivas. Después de este proceso, se procedió a asignar ponderaciones a las distintas superficies con la pretensión de dar importancia a ellas, pues en la práctica y desde la normatividad, algunas zonas son más sensibles de ser afectadas que otras. Una vez definido el trazado óptimo de la línea de transmisión, se procedió a encontrar los sitios óptimos para la ubicación de las torres que soportan la línea. En este proceso, nuevamente se hizo uso del software para evaluar las condiciones del terreno; pero, esta vez, desde el punto de vista de riesgos y amenazas que lo pudieran afectar. Los resultados mostraron que la línea óptima cruza por unas áreas sensibles desde el punto de vista ambiental, pero realiza la menor afectación que es posible realizar con ese trazado. También se brinda información sobre algunos detalles del proceso de implementación del proyecto, como, por ejemplo, el número de torres que se deben construir; como valor agregado, se puede decir que estos resultados cumplen con la normatividad existente para Colombia; pues, aplicando la metodología propuesta, se conseguirá minimizar los costos asociados a la construcción de este tipo de infraestructuras. Palabras claves: Ruta óptima, análisis multicriterio, geoprocesamiento.

ABSTRACT This paper describes the process of analysis for optimization of an electrical transmission line between two substations in the Colombian department of Antioquia, from a methodological point of view. The optimal trace is defined as being as short as possible while having the lowest impact on the natural ecosystem and the manmade environment. In addition, in the construction phase, it must be ensured that costs are minimized. From the operational point of view, geospatial tools were used, which allowed processing both vector and raster format. It also performs algebraic mapping operations and spatial analysis that are required for obtaining the desired results. The methodological process began with the conversion of the existing cartographic information from vector to raster. Subsequently, a reclassification processes were carried out to assign values from 1 to 10; where 1 represents the most accessible areas and 10 the most restricted ones. After this initial step comes the weights to different surfaces depending on their importance, since in practice and from the normativity, some areas are more sensitive to be affected than others. Once the optimal tracing had been defined, next step was to find the best tower station locations for guiding the transmission line. In this process, the software was again used to evaluate the terrain conditions; but this time, from the point of view of risks and threats that could affect it. Results showed that the optimum line crosses sensitive areas from the environmental point of view, but performs the least damage possible with this route. It also provides information on some details of the project implementation process, such as the number of towers to be built. As added value, it can be said that these results comply with the existing regulations for Colombia; therefore, applying the proposed methodology, will be managed to minimize the costs associated with the construction of this type of infrastructure. Key words: Optimal route, multi-criteria analysis, geoprocessing.

TABLA DE CONTENIDO

LISTA DE FIGURAS .............................................................................................. 6 LISTA DE TABLAS ................................................................................................. 7 ABREVIATURAS Y ACRÓNIMOS ......................................................................... 8 1.

INTRODUCCIÓN ....................................................................................... 9

1.1.

Antecedentes del problema ........................................................................ 9

1.2.

Objetivos y Preguntas de investigación .................................................... 10

1.3.

Justificación .............................................................................................. 10

1.4.

Alcance ..................................................................................................... 11

REVISIÓN DE LITERATURA .................................................................. 13

2.1.

Diferentes enfoques para el análisis ......................................................... 13

2.2.

Uso de herramientas clásicas ................................................................... 14

2.3.

Estudios de caso ...................................................................................... 17

2.4.

Desarrollo de herramientas y aplicativos .................................................. 25

METODOLOGÍA ...................................................................................... 27

3.1.

Área de Estudio ........................................................................................ 27

3.2.

Justificación .............................................................................................. 29

3.2.1

Descripción del Proceso. ......................................................................... 29

3.3.

Información utilizada ................................................................................. 30

3.4.

Condiciones de Diseño ............................................................................. 34

3.5.

Operativización de la Información en el Software ArcGIS ........................ 35

3.5.1

Definición del Área de Influencia Indirecta. .............................................. 35

3.5.2

Consolidación de la base de datos en formato Geodatabase ................. 35

3.5.3

Generación de superficies de fricción ...................................................... 35

RESULTADOS Y DISCUSIÓN ................................................................ 58

4.1.

Resultados ................................................................................................ 58

4.2.

Análisis de Resultados ............................................................................. 61

CONCLUSIONES .................................................................................... 66

REFERENCIAS ....................................................................................... 67

ANEXO 1 .............................................................................................................. 70 ANEXO 2 .............................................................................................................. 74

LISTA DE FIGURAS

Figura 1. Método para la determinación de la menor impedancia ........................ 15 Figura 2. Representación de superficie resultado ................................................ 16 Figura 3. Representación de la ruta más corta con menor susceptibilidad .......... 17 Figura 4. Metodología para hallar la ruta más corta en Malasia ........................... 18 Figura 5. Metodología para hallar la ruta más corta ............................................. 18 Figura 6. Pesos asignados a componente y a criterios ........................................ 21 Figura 7. Pesos aplicados a los criterios de acuerdo a 4 perspectivas de análisis ............................................................................................................................. 22 Figura 8. Visualización de las 4 alternativas arrojadas por el estudio .................. 22 Figura 9. Modelación de rutas de menor costo en el proyecto de la península del Sinaí ..................................................................................................................... 24 Figura 10. Ubicación del área de estudio en el contexto regional ........................ 28 Figura 11. Flujograma de operaciones para la determinación de la ruta óptima .. 30 Figura 12. Estructura de la Geodatabase del proyecto ........................................ 35 Figura 13. Dirección en la que se mueve un recurso .......................................... 45 Figura 14. Ruta óptima entre el punto Inicio y el Destino .................................... 59 Figura 15. Visualización del trazado óptimo y mejor ubicación de torres ............. 60

LISTA DE TABLAS

Tabla 1. Información utilizada en el proyecto ....................................................... 31 Tabla 2. Asignación de valores del criterio pendiente .......................................... 38 Tabla 3. Asignación de valores al raster [ZonAreProt]. ........................................ 39 Tabla 4. Asignación de valores al raster [SueProtF] ............................................ 40 Tabla 5. Asignación de valores al raster [AIntAmb] .............................................. 41 Tabla 6. Asignación de valores al raster [CobTie] ................................................ 41 Tabla 7. Asignación de valores al raster [UsoSue] ............................................... 42 Tabla 8. Asignación de valores al raster [asnm] ................................................... 43 Tabla 9. Asignación de pesos a las variables para el trazado de la línea ............ 44 Tabla 10. Parámetros de resistencia de suelos.................................................... 51 Tabla 11. Asignación de parámetros de resistencia a las unidades de suelo ...... 51 Tabla 12. Asignación de nuevos valores a los valores anteriores de FS ............. 52 Tabla 13. Asignación de valores al raster [Ame_InuAveT] ................................... 53 Tabla 14. Asignación de valores al raster [ZonRie] .............................................. 54 Tabla 15. Asignación de valores al raster [AID_RutaOpt] .................................... 55 Tabla 16. Asignación de valores al raster [Amenaza_s] ....................................... 55 Tabla 17. Asignación de valores al raster [Ame_InuAveT_r] ................................ 56 Tabla 18. Asignación de valores al raster [ZonRie_r] ........................................... 56 Tabla 19. Coberturas afectadas por el paso de la línea. ...................................... 62 Tabla 20. Porcentaje de paso por los rangos de pendiente ................................. 63

ABREVIATURAS Y ACRÓNIMOS

CMTC

Costo de Tránsito Mínimo Condicional

DEM

Modelo de Elevación Digital

Perspectiva Económica

Factor de Seguridad

Perspectiva de Salud Humana

IIT Roorkee

Indian Institute of Technology Roorkee

LCPA

Least Cost Path Analysis

MCE

Evaluación Multicriterio

Perspectiva Neutral

PAJ

Proceso Analítico Jerárquico

SIGOT

Sistema de Información Geográfica para la Planeación y el Ordenamiento Territorial

TIN

Red Irregular de Triángulos

TITIM

Transport Infrastructure Territorial Impact Measurement

1. INTRODUCCIÓN 1.1.

Antecedentes del problema

En los países como Colombia, el tema de la conectividad se convierte en un tema álgido para la satisfacción de necesidades a poblaciones humanas.

En este

contexto, cobra fuerza que los proyectos de desarrollo de infraestructura, tales como puertos, vías y líneas de transmisión eléctrica, puedan ser diseñados logrando la optimización de los recursos existentes, pero a la vez, minimizando las afectaciones sobre el medio natural. La necesidad de abordar este tipo de soluciones nace de la dificultad expresa que tienen los inversionistas, directores de proyectos y diseñadores al tratar de aplicar técnicas de análisis multicriterio para la selección de los mejores sitios para el establecimiento de los proyectos. Actualmente, no existen en el medio académico o de consultoría, descripciones detalladas de cómo encarar este tipo de retos, ni de cuáles son los procedimientos más eficientes para el diseño de rutas óptimas ni la determinación de sitios óptimos para la construcción de infraestructura. En Colombia se han realizado varios trabajos académicos y de consultoría que involucran el manejo de archivos en formato raster con software de sistemas de información geográfica, pero estos estudios no detallan los parámetros utilizados en la caracterización de suelos, ni las ponderaciones aplicadas a las capas de información, lo cual se convierte en una carencia grande, pues se presentan resultados sin que los lectores puedan inferir que técnicas y procedimientos se aplicaron. En el departamento de Antioquia, específicamente, los retos han sido aún mayores que en la generalidad del país, pues la topografía existente, marcada por grandes montañas con altas y largas pendientes, han dificultado enormemente la construcción de proyectos, debiendo éstos considerar un buen número de alternativas previas, antes de decidirse por una opción.

1.2.

Objetivos y Preguntas de investigación

Objetivo General Determinar la ruta y sitios óptimos para la construcción de una línea de transmisión eléctrica en la zona central del Departamento de Antioquia (Colombia), aplicando técnicas de análisis multicriterio. Objetivos Específicos 

Ofrecer una solución a un proyecto local de infraestructura energética, utilizando técnicas de análisis multicriterio.



Identificar la ruta óptima para la construcción de una línea de transmisión eléctrica en zonas con restricciones físico-ambientales.



Determinar los sitios óptimos para la ubicación de torres de energía como infraestructura anexa a las líneas de transmisión eléctrica.

Preguntas de investigación 

¿Cuáles son los procedimientos más apropiados para la obtención de una ruta óptima para la construcción de una línea de transmisión eléctrica?



¿Cuáles son las herramientas geoinformáticas más eficientes para la estructuración de información geográfica en formato vectorial y formato raster?



¿Cuáles son las técnicas de análisis multicriterio más apropiadas para la identificación de restricciones físico-ambientales?



¿Cuál es la ruta óptima para la construcción de una línea de transmisión eléctrica en la zona central del Departamento de Antioquia?

 1.3.

¿Cuáles son los mejores sitios para el establecimiento de torres de energía? Justificación

En el departamento de Antioquia, los ejercicios de planeación tradicionalmente se han realizado considerando la experiencia y el conocimiento de las personas cercanas al proyecto, sin que pueda decirse que tales procedimientos puedan ser replicados para otros proyectos o para otras partes de país, pues éstos no son documentados. En términos generales, puede decirse que las compañías de consultoría todavía no cuentan con los profesionales idóneos para el manejo y administración de la

información geográfica de soporte a sus proyectos, situación que puede evidenciarse por la falta de estándares para la operación de herramientas computacionales y la falta de protocolos para el manejo de la información. Estas situaciones se subsanarían con la implementación de procesos permanentes de capacitación al interior de las organizaciones, obviamente, estas capacitaciones deberían estar acompañadas de procesos de investigación para logar la conversión y adaptación de las técnicas existentes a nivel internacional al medio local. Justifica la realización de este trabajo, el hecho que algunas empresas encargadas de la construcción de proyectos de desarrollo, por ejemplo vías, embalses, proyectos urbanísticos y poliductos, vienen utilizando herramientas tecnológicas en las etapas de prefactibilidad y diseño de proyectos. En estas empresas, se vienen consolidando grupos interdisciplinarios conformados por ingenieros forestales y ambientales, ingenieros civiles y geólogos, sociólogos y trabajadores sociales, economistas y antropólogos, todos ellos con la tarea de analizar las condiciones del área del proyecto de acuerdo a su experiencia, y todos ellos como resultado de los análisis, generan mapas, diagramas, esquemas, tablas y estadísticas que pueden ser espacializadas para luego realizar cruces de variables mediante la técnica del análisis multicriterio. El tema también se hace relevante en las universidades, que hoy día tienen un papel decisivo en la conservación del medio ambiente, pues mediante estas técnicas de sistemas de información geográfica, se convierten en interlocutores válidos para recomendar los sitios y los trazados más eficientes para la construcción de proyectos de infraestructura, procurando la reducción de los impactos ambientales generados en el proceso constructivo de las obras. Con la realización de este estudio, se traza la pauta para determinar la forma en que deben encararse este tipo de proyecto, pues además de conceptualizar en los pasos que deben seguirse, muestra algunas funciones y ecuaciones que pueden utilizarse, independientemente del software que se utilice. 1.4.

Alcance

La zona del proyecto se sitúa en la ladera occidental del Municipio de Medellín, zona central del departamento de Antioquia, en los límites con los Municipios de

Ebéjico y Heliconia, y el tema central consiste en generar una solución a un problema surgido desde una empresa de consultoría de la región con la posibilidad de replicar el proceso metodológico en otros estudios o en otras zonas del país. El reto consistió en la determinación de la ruta óptima y sitios apropiados para la construcción de proyectos de infraestructura, pudieran ser éstos lineales tales como vías, líneas férreas y líneas de transmisión eléctrica, o areales, tales como embalses o equipamiento educativo. El proceso metodológico debe servir de marco procedimental para todas aquellas personas interesadas en realizar diseños preliminares en la construcción de proyectos de infraestructura mediante la utilización de software geoinformático. Para operativizar esta idea, se usaron herramientas de geoprocesamiento del software ArcGIS en versión 10.3, así mismo, se manejó información en formato vectorial y formato raster, la cual representaba las condiciones y las variables que normalmente intervienen en este tipo de análisis, entre otras, vale la pena mencionar: grado de inclinación de la pendiente, los distintos tipos de suelos, las coberturas vegetales, los usos del suelo y la altura sobre el nivel del mar. Esta información es estructurada para ser incorporada en el software y proceder con los cruces de variables mediante técnicas de álgebra de mapas, además, en la parte final del análisis, se aplican funciones de distancia para determinar el trazado de menor costo de la línea de transmisión eléctrica. El trazado resultante, además de ser el óptimo, desde el punto de vista de longitud, también debe ser el que menos afecte las condiciones bióticas, físicas y sociales de la zona de influencia del proyecto. Este estudio se constituye en una fuente de consulta a comunidades de académicos y empresas constructoras en general, interesadas en optimizar el proceso constructivo de proyectos de infraestructura con la menor afectación de los ecosistemas naturales y sociales existentes en el área de influencia de los proyectos.

2. REVISIÓN DE LITERATURA 2.1.

Diferentes enfoques para el análisis

Con el auge de los sistemas de información geográfica en el mundo y el aumento de la cantidad de software con funcionalidades para realizar análisis espaciales, es ya muy común encontrar en la literatura diferentes reportes sobre el desarrollo de aplicaciones y procedimientos para determinar rutas de menor costo (Berling-Wolff y Wu, 2004; ESRI, 2016a; Collischonn y Pilar, 2000; entre otros). El número de técnicas y métodos varía de país a país e incluso entre grupos de investigadores, pero en términos generales, es posible identificar dos enfoques para la determinación de rutas de menor costo. El primero, usa un algoritmo jerárquico el cual estima la ruta con los menores costos entre dos nodos (inicio y fin), seleccionando la ruta de más alta jerarquía entre dos o más opciones, independientemente de los costos de gestión involucrados; con este método normalmente se obtiene la ruta más corta o la más rápida. Este algoritmo es heurístico y no necesariamente calcula la ruta óptima (DuranFernandez y Santos, 2014). El segundo método, usa el algoritmo de la ruta óptima, el cual calcula el mínimo costo entre dos nodos considerando la teoría de la percolación (Berling-Wolff y Wu, 2004), también conocida como teoría de la impedancia (ESRI, 2016a), la cual consiste en determinar la cantidad de resistencia (o costo) requerido para llevar un insumo (agua, energía, bienes, servicios, etc.) de un punto de origen a un punto de destino.

Este algoritmo, por tanto, calcula el mínimo costo entre dos nodos,

tomando como impedancia el tiempo de viaje por las distintas secciones de una red (Stachelek, 2016). Desde el punto de vista computacional en un ambiente SIG, es necesario crear una superficie de costo de viaje, en la cual los valores asociados a las celdas son usados como ponderación para calcular la ruta de menor costo. Estos pesos representan la fricción o dificultad para atravesar las celdas, y éstas pueden representar costo, tiempo, distancia o riesgo (Collischonn y Pilar, 2000). En este sentido, una alta impedancia indica mayor resistencia al movimiento, y una impedancia igual a cero indica que no hay resistencia, y por tanto el costo es cero.

2.2.

Uso de herramientas clásicas

El clásico algoritmo Dijkstra (Dijkstra, 1959), es llamado así en honor al científico alemán Edsger Dijkstra, quien dio las primeras pautas para obtener la ruta más corta entre dos puntos. Este algoritmo ha sido usado por numerosos estudios en los que se ha requerido implementar la técnica de Least Cost Path Analysis (LCPA, por sus siglas en inglés) con archivos raster para identificar la ruta de menor costo entre un punto de inicio y un punto destino, y ha sido funcional, pues ha sido escrito especialmente para redes basadas en nodos, por eso, desde la década del 60 se ha asumido que el punto central de cada pixel es el nodo en la red (Chandio et al., 2012a). La estrategia de este algoritmo es examinar todos los nodos, o sea, todos los pixeles adyacentes al último pixel evaluado sobre la ruta. Aquellos más cercanos al pixel inicial son evaluados en primero, y los nodos más distantes son evaluados al final (Yu, Lee, y Munro-Stasiuk, 2003). Con la técnica descrita en el párrafo anterior, se han llevado a cabo numerosos estudios cuyo propósito ha sido hallar la ruta de menor costo sobre una superficie particionada en regiones (Choi, Park, Sunwoo y Clarke, 2008; Goncalvez, 2010), cada una con diferentes resistencias al movimiento; pero en unos y otros, es común encontrar los siguientes pasos básicos (Atkinson, Deadman, Dudycha y Traynor, 2005): - Creación de una superficie de fricción para cada criterio de evaluación, donde a cada celda en la superficie se le asigna un valor que representa el costo de atravesar por la celda. - Ponderación y combinación de las distintas superficies de fricción para crear una única superficie de costo de paso, la cual representa el costo total asociado a atravesar cada celda. - Creación de una función de dispersión la cual combina dos superficies independientes, el punto de inicio y el punto final, con la superficie de fricción para obtener una superficie de costo acumulada. - Trazado de la línea de más bajo costo, la cual representa el costo acumulado desde el punto de inicio al punto de llegada.

El software ArcGIS no es ajeno a los avances de la teoría y en las últimas versiones ha incorporado funciones y algoritmos que operan con archivos raster para obtener distintos resultados, y entre ellos, el corredor de menor costo, para lo cual este software cuenta con herramientas y funciones tales como: Corridor, Euclidean Distance, Cost Distance y, por supuesto, Cost Path (ESRI, 2016b). La función Cost Path es la que determina la ruta más corta entre dos puntos considerando las restricciones y posibilidades existentes en la superficie objeto de análisis. El software por tanto, realiza una evaluación del valor asignado a cada pixel y lo relaciona con el valor de los pixeles vecinos, de esta manera determina cual camino se debe seguir (Herzog, 2014). En este tipo de estudios, el objetivo siempre es: maximizar la eficiencia del recorrido, minimizando el impacto sobre los ecosistemas existentes en la zona de estudio. La Figura 1 muestra el esquema de operación el software.

Figura 1. Método para la determinación de la menor impedancia

De la figura se puede inferir que, un recurso, teniendo la posibilidad de moverse hacia las celdas vecinas, siempre se moverá hacia la celda con menor resistencia. La literatura también reporta los trabajos realizados por Pinto and Keitt (2009), quienes proponen una metodología llamada Costo de Tránsito Mínimo Condicional (CMTC, por sus siglas en inglés). Esta metodología define un corredor que conecta un par de nodos por múltiples rutas con un valor de costo-distancia acumulado. El primer paso para encarar un estudio mediante esta metodología es calcular la superficie de costo-distancia acumulada para un par de nodos ij (Coij), la cual se obtiene por la combinación de la distancia del coste acumulado (también conocida como la distancia efectiva) del nodo i (Ci) al nodo j (Cj). El segundo paso es

reclasificar los Coij en dos grupos: los incluidos y los excluidos de acuerdo al umbral definido por el usuario para todos los nodos Coij. Esta metodología incorpora tres nuevos retos al problema de resolver la ruta óptima. - Reto 1. ¿Cuál es el mejor valor del umbral desde el punto de vista estadístico y ecológico? - Reto 2. ¿Cómo pueden las rutas con embotellamientos (altas resistencias) ser masivamente excluidas? - Reto 3. ¿Cuál es el valor del umbral en el cual se consigue la ruta de menor costo sin restricciones entre el nodo de inicio y el nodo final? Ahora bien, independientemente de la metodología elegida para determinar la ruta de menor costo, en este tipo de estudios se recomienda realizar análisis que involucren el mayor número de variables existentes en el territorio, y un buen método a utilizar, es el Modelo de Análisis por Dimensiones (Ángel, Carmona y Villegas, 1998), el cual considera que para la ejecución de un proyecto de desarrollo deben considerarse el componente biótico, el físico, el económico, el cultural y el político, y con estas dimensiones realizar operaciones de álgebra de mapas para obtener una superficie final (Ver Figura 2).

Figura 2. Representación de superficie resultado

Desde el punto de vista operacional, se trata entonces de generar superficies de susceptibilidad para las distintas dimensiones que componen en análisis. Con estas superficies se procede a obtener una superficie de costos final que representa la ruta óptima para llegar desde una ubicación A hasta una ubicación B, con la menor afectación de las distintas dimensiones involucradas.

En la situación

mostrada en la Figura 3, se presenta un punto de origen (celda de color verde), y

unas celdas (coloreadas de amarillo) que representan el flujo que debería seguir un recurso, para llegar al punto de destino (celda de color rojo). El flujo en este tipo de modelos se dará por aquellas celdas que, siendo contiguas con la anterior, tienen el valor más bajo.

Figura 3. Representación de la ruta más corta con menor susceptibilidad

2.3.

Estudios de caso

La técnica de trabajo descrita en el numeral anterior se ha aplicado a nivel internacional en distintos estudios con el fin de determinar la ruta más corta entre dos sitios utilizando herramientas de sistemas de información geográfica. Entre ellos vale la pena mencionar un estudio en Malasia (Chandio et al., 2012a) en el que se determina la ruta más corta en sitios de alta pendiente. En este estudio se siguieron los siguientes pasos: -

Paso 1: se crean los layer que representan el inicio y el final del trazado

Paso 2: se crea la superficie de costo ponderado

Paso 3: ejecución de la función Shortest Path

En la Figura 4 se muestra el esquema como se operó en este estudio.

Figura 4. Metodología para hallar la ruta más corta en Malasia Fuente: Chandio et al., 2012a

Para la determinación de la superficie de costo ponderado se ingresaron dos raster, a saber: el de pendientes, el cual se le asignó un peso del 80% y el uso del suelo, al cual se le asignó un peso del 20%. La Figura 5 muestra los procedimientos aplicados a los conjuntos de datos para la obtención de la ruta más corta.

Figura 5. Metodología para hallar la ruta más corta Fuente: Chandio et al., 2012a

Frente al tema de asignación de pesos, existen varias técnicas que se han utilizado para la obtención de ellos, una de las más conocidas es la llamada matriz de Saaty (Saaty, 2008). Esta técnica utiliza el Proceso Analítico Jerárquico – PAJ (AHP, por sus siglas en inglés), el cual considera juicios y valoraciones que, basados en escalas de razón, permiten combinar lo científico y racional con lo intangible para ayudar a tomar decisiones en torno a proyectos de afectan a diferentes comunidades. El método fundamentalmente identifica las variables que intervienen en una decisión y las jerarquiza de acuerdo a las valoraciones que dan de los actores que participan en el proyecto, cuando la jerarquía se ha construido, los decisores sistemáticamente evalúan sus elementos para compararlos unos con otros (únicamente se comparan dos elementos a la vez). Cuando se hacen las comparaciones, los decisores pueden usar datos concretos sobre los variables, o pueden usar juicios de valor sobre la importancia y el significado relativo de esas variables. En todos los casos, es esencial para el PAJ que los juicios humanos, y no sólo la información subyacente, puedan ser usados para realizar las evaluaciones. Para efectos de incorporar las evaluaciones realizadas mediante el PAJ a lenguaje de máquina, éstas se convierten a valores numéricos o prioridades. Un peso numérico o una prioridad es derivada de cada variable de una jerarquía, permitiendo que elementos diversos y frecuentemente inconmensurables sean comparados unos con otros de forma racional y consistente (Moreno, 2005). Al final del proceso, se identifican las variables que más peso tienen en el problema propuesto y, por supuesto, las más débiles y cuyo cambio o eliminación no representa cambios importantes en el modelo. Este peso se representa en función de porcentaje y este valor es posteriormente ingresado al computador para asignar el peso a las variables. Otro estudio muy completo se llevó a cabo en Italia, liderado por el doctor Stefano Bagli de la compañía GECOsistema (Bagli, Geneletti y Orsi, 2010). En este trabajo se desarrolló un análisis de menor costo, en el cual se diseñó un trazado óptimo de una línea de transmisión eléctrica entre dos poblaciones a través de una superficie de costos, aplicando una MCE (Evaluación Multicriterio) que consideró los costos

asociados al proceso constructivo de la línea, visibilidad, densidad de población y condiciones ambientales. Las anteriores variables fueron agrupadas en tres componentes, los cuales eventualmente podrían ser afectados por la línea de transmisión eléctrica, estos son: el componente humano, el paisaje y el medio natural.

En el componente

humano se prestó especial atención a los daños a la salud humana, los cuales pueden ser expresados en términos de la contaminación electromagnética, la cual es más fuerte en la cercanía a las líneas de transmisión eléctrica. En cuanto al paisaje, este se valoró en tanto las calidades de éste pueden ser deterioradas significativamente por la presencia de las líneas, especialmente si éstas cruzan áreas de alta visibilidad o están cerca de infraestructura dedicada a la cultura o la recreación. Finalmente, se consideró que las líneas de transmisión pueden afectar al medio natural, al ser potencialmente dañinas para la avifauna de la zona, pues ésta puede colisionar con los cables. Los anteriores componentes fueron tenidos en cuenta por Bagli et al., quienes además, agregaron a los componentes, los siguientes criterios:  Salud Humana -

Densidad de construcciones

Distancia a las construcciones

Distancia a construcciones relevantes (hospitales y centros educativos)

Promedio de altura de las construcciones

 Paisaje -

Distancia a los sitios con importancia cultural y/o recreacional

Visibilidad desde los sitios de importancia cultural y/o recreacional

Visibilidad desde las viviendas

 Medio Natural -

Aspecto. Las pendientes del costado sur-oriental fueron consideradas críticas debido a la alta presencia de aves y la presencia de corrientes de viento ascendentes.

Distancia a los corredores de infraestructura. Con el fin de minimizar la fragmentación de hábitats, la línea de transmisión debería ser construida cerca a otros corredores de infraestructura ya existente. Para este criterio se

propuso que la distancia máxima a las autopistas existentes fuera de 500 m., a las carreteras estatales fuera de 300 m. y a las carreteras de las provincias de 100 m. -

Cobertura de la tierra. Para calificar esta variable se usó una valoración que varió de cero (0) a uno (1), donde los valores de 1 correspondieron a vegetación natural (bosque natural, bosque intervenido y rastrojo). Valores intermedios correspondieron a coberturas seminaturales (por ejemplo, pastos), y valores bajos para superficies artificiales (por ejemplo, asentamientos humanos).

Cumbres. El riesgo de colisión de las aves es más alta en las cumbres. Para minimizar esta probabilidad, se crearon buffers alrededor de las cumbres considerando que el ancho de éstas está dado por L=hmax/2, donde hmax es la máxima elevación de la cumbre

Al final de este proceso de generaron 11 archivos raster, uno para cada criterio, y a éstos se les asignó un peso que correspondió a criterio de experto.

Esta

ponderación de muestra en la Figura 6.

Figura 6. Pesos asignados a componente y a criterios Fuente: Bagli et al., 2010

Como el propósito del estudio fue generar posibles alternativas para el trazado óptimo, se asignaron ponderaciones de acuerdo a 4 distintas perspectivas, a saber: -

Perspectiva Neutral (NP): Peso igual para todos los criterios

Perspectiva Económica (EP): Alto peso al criterio económico

Perspectiva de Salud Humana (HP): Alto peso al criterio de salud humana

Perspectiva Socio-Económica (SP): Altos pesos a los criterios económicos y de salud humana

La Figura 7 muestra los pesos asignados a los criterios de acuerdo a las 4 perspectivas evaluadas. En esta figura, el indicador del componente económico se consideró la longitud de la línea (length), al criterio de salud humana se llamó People, al criterio de paisaje se le llamó Visibility y al criterio del medio natural se le llamó Fragmentation.

Figura 7. Pesos aplicados a los criterios de acuerdo a 4 perspectivas de análisis Fuente: Bagli et al., 2010

Al final de este proceso se obtuvieron 4 rutas distintas (Lcp_11, Lcp_12, Lcp_21 y Lcp_22) las cuales difirieron especialmente en la primera y última sección. La longitud general de la línea fue de aproximadamente 12 Km, de los cuales 6.7 Km fueron comunes en las 4 alternativas. La Figura 8 muestra el recorrido de estas alternativas.

Figura 8. Visualización de las 4 alternativas arrojadas por el estudio Fuente: Bagli et al., 2010

Otro estudio de análisis multicriterio acompañado de un proceso LCPA fue llevado a cabo en el desierto de la península del Sinaí (Effat y Hassan, 2013). En éste, el propósito fue diseñar una vía para el transporte de recursos minerales y a la vez, facilitar el transporte entre los habitantes de la región. De nuevo, la premisa con la que se trabajó en este proyecto fue: diseñar el trazado con los menores costos de construcción, mientras se minimizaban los impactos negativos sobre los ecosistemas naturales existentes en la zona.

Desde el inicio del proyecto se propuso hacer la evaluación del trazado óptimo bajo tres visiones; una visión ingenieril, una visión ambiental y una visión híbrida, y en cada una de estas visiones se consideraron factores económicos y ambientales, los cuales fueron integrados a través de un modelo de análisis multicriterio usando el Proceso Analítico Jerárquico. Los factores considerados, contenían a su vez variables, las cuales fueron incorporadas a un software de sistemas de información geográfica en formato raster, asignándole a cada pixel valores desde 1 hasta 10, donde 1 representaba los menores costos y 10 los mayores costos. Una vez consolidados todos los archivos raster se procedió a generar tres superficies de costos. La primera superficie consistió en combinar las variables consideradas para el factor económico, éstas fueron: -

Pendiente

Tipo de suelo

Fallas geológicas

Las ponderaciones de estas tres variables se muestran a continuación: Sup_Costos_FEcon = [Falla_Geol] * 0.5 + [Tipo_Suelo] * 0.20 + [Pendiente] * 0.30 La segunda superficie de costos se generó a partir de las variables consideradas para el factor ambiental, estas fueron: -

Cobertura vegetal

Valores arqueológicos

Áreas de interés ambiental

Las ponderaciones para estas variables se muestran a continuación: Sup_Costos_FAmb = [Arqueol] * 0.5 + [Area_Int_Amb] * 0.30 + [Cob_Vegetal] * 0.20 La tercera superficie de costos se generó a partir de una combinación de las dos superficies anteriores (factor económico y factor ambiental), asignando una ponderación igual para cada una de ellas. Cada una de las superficies de costo (superficie de fricción) fue ingresada en un algoritmo de ruta de menor costo usando software geoinformático, para obtener la

ruta óptima de acuerdo a la asignación de pesos. Este proceso se repitió tres veces para producir tres rutas alternativas de acuerdo a las tres visiones de análisis, visión ingenieril (gráfico a), visión ambiental (gráfico b) y visión híbrida (gráfico c) (Ver Figura 9).

Figura 9. Modelación de rutas de menor costo en el proyecto de la península del Sinaí Fuente: Effat y Hassan, 2013

Otro ejemplo de utilización de herramientas geoinformáticas para la determinación de la ruta más corta entre dos sitios se llevó a cabo en la India, específicamente en el Indian Institute of Technology Roorkee (IIT Roorkee).

Allí un grupo de

investigadores utilizaron herramientas del software ArcGIS para determinar la ruta óptima para la construcción de un poliducto el cual debería cumplir con ciertas condiciones, a saber (Kumar et al, 2012): - Seguridad de la población civil y el personal de trabajo en y cerca del poliducto - Garantizar la protección del medio ambiente - Garantizar la seguridad de la infraestructura localizada en las inmediaciones del poliducto, incluyendo las líneas eléctricas - Evaluar las condiciones geotécnicas e hidrológicas de la zona - Considerar los requerimientos constructivos para futuros desarrollos - Considerar la existencia de valores culturales (patrimonio arqueológico y monumentos históricos y parques) Para avanzar en el diseño del poliducto, la información cartográfica existente fue digitalizada y estructurada en una Geodatabase, y posteriormente rasterizada para

proceder con la utilización de las herramientas GIS. Al final del proceso, los investigadores obtuvieron un trazado óptimo que cumplía con los requerimientos iniciales. 2.4.

Desarrollo de herramientas y aplicativos

Además de las funciones dispuestas en los distintos software de sistemas de información geográfica para la determinación de rutas de menor costo, un grupo de investigadores españoles diseñaron una herramienta, la cual puede ser instalada sobre una plataforma GIS para resolver problemas de diseño de rutas óptimas. El aplicativo tiene por nombre TITIM (Transport Infrastructure Territorial Impact Measurement) y fue diseñado en el Centro de Investigación en Transporte de la Universidad Politécnica de Madrid (Ortega, Otero y Mancebo, 2014). La herramienta en cuestión es útil en las primeras etapas de la toma de decisiones en la construcción de proyectos de infraestructura, pues ayuda a determinar la combinación más adecuada de alternativas (mayor beneficio socio-económico y menor impacto ambiental). La metodología para la evaluación de los efectos causados por la construcción de infraestructuras de transporte lineal se basa en la evaluación de la mejora en la accesibilidad, disminución en la pérdida de conectividad del paisaje y el impacto sobre otras variables territoriales locales, tales como la calidad de los ecosistemas, biodiversidad y uso de la tierra. La herramienta TITIM evalúa estas variables automáticamente, simplemente introduciendo las entradas necesarias, evitando así la necesidad de ejecutar manualmente el gran número de procesos requeridos. Además de la herramienta que se acaba de mencionar, existen otras creadas por grupos de investigadores las cuales son articuladas con distintos software del mercado para consolidar herramientas capaces de procesar datos con la posibilidad de incorporar restricciones y controlar las salidas gráficas, lo anterior para permitir acomodarlas a los requerimientos de los usuarios finales. Una de ellas es conocida como PATHMATRIX (Ray, 2005), la cual es una herramienta para calcular matrices de distancias geográficas efectivas entre puntos, usando un algoritmo de ruta de menor costo.

Las ubicaciones puntuales (puntos) o zonas que embarque (polígonos) se utilizan junto con un mapa de fricción específico que representa el costo de movimiento de una especie animal a través del paisaje. Con esta herramienta se han podido calcular tres tipos de distancia. 1) la distancia de menor costo, 2) la longitud de la ruta de menor costo, y 3) la distancia euclidiana entre los sitios de inicio y fin. El uso del concepto de distancia efectiva permite investigar el papel del medio ambiente en la distribución espacial de las poblaciones, pues las distancias efectivas entre ellas pueden dar una medida más realista de aislamiento espacial, o su inverso, la conectividad. En este mismo orden de ideas, un grupo de investigadores en Estocolmo (Suecia), liderados por el doctor Zetterberg (2009), ha creado una herramienta, a la que han llamado Matrix Green, la cual ayuda a determinar el nivel de fragmentación de los ecosistemas naturales. La herramienta en cuestión trabaja bajo el concepto de redes (o gráfico teórico) y actualmente está siendo utilizada por planeadores urbanos y ecologistas.

3. METODOLOGÍA 3.1.

Área de Estudio

El área de estudio comprende la ladera oriental de un sistema colinado en la zona centro-occidental del Valle de Aburrá, en la zona central del departamento de Antioquia. Su posición geográfica está circunscrita en las siguientes coordenadas: Xmin=75,698170 W; Xmax=75,615945 W; Ymin=6,168036 N y Ymax = 6,300360 N, ocupando un área de 7809.8 ha. Se encuentra ubicada en el Corredor Estratégico Metropolitano y Regional, sobre la vía que conecta a Medellín con puertos y centros de recibo y envío de productos, lo que facilita su incorporación a la dinámica económica de la región. La zona cuenta con una gran riqueza hídrica, lo que ha permitido el desarrollo de la producción de la agricultura, cuyos sistemas de riego son fundamentales para la sostenibilidad de la actividad. La cuenca hidrográfica más importante es La Iguaná; además cuenta con varias cuencas destacadas entre las que se encuentran: La San Francisca, La Tenche, La Seca, El Limo, La Corcovada, La Potrera, La Bermejala. En términos de división político administrativa, la zona está compuesta por los corregimientos de San Cristobal y San Antonio de Prado, en estos dos corregimientos se cuentan 16 veredas las cuales tienen una tradición rural en un 97% (Municipio de Medellín, 2005). Las pendientes en la zona van desde medias hasta muy escarpadas, lo cual genera procesos permanentes de remoción en masa (Aristizábal y Yokota, 2008). La Figura 10 muestra el contexto de ubicación de la zona de estudio en el contexto regional, nacional e internacional.

Figura 10. Ubicaciรณn del รกrea de estudio en el contexto regional

3.2.

Justificación

La metodología empleada en esta investigación para la definición de la ruta óptima y la ubicación de sitios óptimos para el establecimiento de infraestructura, recoge diversas metodologías empleadas (Collischonn y Pilar, 2000; ESRI, 2016a; Stachelek, 2016; entre otras) y utiliza algunos elementos de ellas para consolidar un paquete metodológico que puede ser utilizado en otros contextos o en otras zonas geográficas. De manera específica, en esta investigación se plantea que siempre será necesario emprender procesos de estructuración y estandarización de la información, lo anterior con el fin de que se puedan desarrollar los pasos sin mayores tropiezos. En este sentido, se recomienda, siempre que se tenga información vectorial, realizar procesos de: 1) validación topológica, es decir, ajuste en las relaciones entre los objetos espaciales, y 2) validación temática, es decir, consistencia en los atributos. En este estudio se muestran, entre otras tareas, los procedimientos para aplicar reglas topológicas a las capas de información, pues, por ejemplo, las líneas que representan las curvas de nivel no deben tener espacios vacíos entre ellas y los polígonos que representan las coberturas vegetales no deben estar sobrepuestos. Una vez consolidada y estructurada la información se procede a aplicar las técnicas recomendadas a fin de obtener los resultados en el menor tiempo posible. 3.2.1 Descripción del Proceso. En tanto se verificó que la información que sirvió de insumo estaba estructurada correctamente, se procedió a generar archivos raster de todas las capas de información, ahora bien, la forma de generar estos archivos varió dependiendo del tipo de dato. Por ejemplo, para algunas capas de puntos se utilizó la función Euclidean Distance, mientras que otros raster fueron generados mediante la técnica de TIN To Raster y, otros más, mediante la función Polygon To Raster. Con los archivos raster estructurados, se procede a realizar agrupamientos en 5 dimensiones, a saber: dimensión física, biótica, económica, socio-cultural y política. Con cada uno de los raster al interior de cada dimensión, se hacen cruces de mapas (que pueden hacerse mediante la calculadora raster), para finalmente obtener una

superficie única por dimensión y, con las 5 superficies resultantes (5 dimensiones), se aplican técnicas de análisis multicriterio, para obtener una superficie final cuyos pixeles almacenan un valor de susceptibilidad general. En la parte final del trabajo, se aplican técnicas de reclasificación y de asignación de valores a celdas específicas, de tal manera que los resultados puedan ser interpretados por público no experto. La Figura 11 muestra el esquema general de operaciones para obtener la ruta de menor costo.

Figura 11. Flujograma de operaciones para la determinación de la ruta óptima

3.3.

Información utilizada

Para la ejecución de los procesos y la obtención de los resultados, se utilizó información de distintas fuentes y en diversos formatos, las cuales pueden ser consultadas en la Tabla 1.

Tabla 1. Información utilizada en el proyecto

Nombre del Dato CurvaNivel América

Colombia

DepartamentoColombia

Descripción

Formato

Curvas de nivel División Político Administrativa del continente Americano Perímetro de la República de Colombia

Fuente

Año

Vectorial (Líneas)

Instituto Geográfico Agustín Coddazi

2004

Vectorial (Polígonos)

www.esri.com.co

2009

Sistema de Información Geográfica para la Vectorial (Polígonos)

Planeación y el Ordenamiento Territorial – 2016 SIGOT (www.sigot.gov.co)

División político administrativa de la república de Colombia

Sistema de Información Geográfica para la Vectorial (Polígonos)

Planeación y el Ordenamiento Territorial – 2016 SIGOT (www.sigot.gov.co) Subdirección de Sistemas de Información y

Medellín

Perímetro del municipio de Medellín Vectorial (Polígonos)

Catastro de la Gobernación de Antioquia

2014

(catastro.antioquia.gov.co/web/guest/inicio) MunicipioAntioquia

PaisSuramerica

Suramerica

División político administrativa del departamento de Antioquia División Político Administrativa del continente Suramericano Perímetro Suramericano

del

continente

Vectorial (Polígonos)

Sistema

Información

Colombia (www.siac.gov.co)

Ambiental

2015

Vectorial (Polígonos)

www.esri.com.co

2009

Vectorial (Polígonos)

www.esri.com.co

2009

Nombre del Dato

Vereda

Descripción

Formato

Subdirección de Sistemas de Información y

nivel vereda en el área de influencia Vectorial (Polígonos)

Catastro de la Gobernación de Antioquia 2013

indirecta

(catastro.antioquia.gov.co/web/guest/inicio)

Puntos de inicio y fin de proyecto

Vectorial (Puntos)

Subestacion

Ubicación de las subestaciones

Vectorial (Polígonos)

AreaInfluenciaIndirecta

AreaInteresAmbiental

ClasificacionSuelo

Año

División Político administrativa a

PtoInicioFin

AreaAmenaza

Fuente

Categorización de amenazas en el AII Perímetro del área de influencia indirecta Áreas de interés ambiental Categorías

clasificación

suelo

Vectorial (Polígonos)

Vectorial (Polígonos) del

Vectorial (Polígonos)

CoberturaTierra

Coberturas vegetales

Vectorial (Polígonos)

FormacionSuperficial

Formaciones superficiales

Vectorial (Polígonos)

Coordenadas

suministradas

por

propietario del proyecto Propietario del proyecto Plan

Ordenamiento

2015 Territorial

del

Municipio de Medellín Construcción propia Plan

Ordenamiento

Territorial

del

Territorial

del

Territorial

del

Municipio de Medellín Plan

Ordenamiento

2014

2016

Municipio de Medellín Plan

2015

Municipio de Medellín Empresas Públicas de Medellín

2014

2014 2015

Nombre del Dato

Descripción

Formato

Geología

Unidades geológicas

Vectorial (Polígonos)

Geología

Unidades geológicas

Vectorial (Polígonos)

SueloProteccion

Suelos de protección

Vectorial (Polígonos)

UsoSuelo

Usos del suelo

Vectorial (Polígonos)

ZonaRiesgo

Zonificación de riesgos

Vectorial (Polígonos)

ZonificacionAreaProt

Zonificación de áreas de protección Vectorial (Polígonos)

Fuente Plan

Ordenamiento

Año Territorial

del

Territorial

del

Territorial

del

Territorial

del

Territorial

del

Territorial

del

Municipio de Medellín Plan

Ordenamiento

Municipio de Medellín Plan

Ordenamiento

Municipio de Medellín Plan

Ordenamiento

Municipio de Medellín Plan

Ordenamiento

Municipio de Medellín Plan

Ordenamiento

Municipio de Medellín

2014

3.4.

Condiciones de Diseño

A continuación se presentan las variables tenidas en cuenta para el diseño de la ruta óptima y una breve descripción de las razones por las cuales se consideraron importantes:  Zonificación de Áreas protegidas: debido a que en la zona de estudio existen áreas con alguna categoría de protección, se buscaba que estas áreas no fueran afectadas por el proyecto.  Suelo de Protección: el proyecto no debe atravesar suelos con alguna categoría de protección  Áreas de Interés Ambiental: el proyecto debe evitar pasar por áreas de interés ambiental (parques, áreas verdes, etc.)  Cobertura de la tierra: algunas coberturas vegetales son muy sensibles a las perturbaciones antrópicas y estas afectaciones suelen desembocar en inconformidades de las comunidades hacia el proyecto, por lo que se buscará la menor afectación a las coberturas vegetales más sensibles.  Uso Actual del suelo: los usos del suelo son determinantes para definir la ruta óptima pues afectar algunos de estos usos puede significar un aumento desmedido en los costos del proyecto, por ejemplo, por compra de predios y de servidumbres.  Altura sobre el nivel del mar: las líneas de transmisión eléctrica sufren pérdida de potencia con el aumento de la altura sobre el nivel del mar, razón por la cual, se debe buscar que la línea no atraviese ciertos valores de altura. Para la ubicación de las torres se consideraron las siguientes variables:  Áreas de amenaza por movimientos en masa: Debido a que la ubicación de torres en sitios con alta probabilidad de movimientos en masa, puede resultar en pérdidas para el proyecto, por cortes en el sistema, estas áreas deberán evitarse.  Áreas de amenaza por inundaciones o avenidas torrenciales: estas áreas deberán evitarse pues la probabilidad de caída de torres aumenta, y con ello los cortes en el sistema.  Zonas de riesgo: las zonas de riesgo también aumentan la fragilidad del sistema, por lo cual deberán evitarse.

3.5.

Operativización de la Información en el Software ArcGIS

3.5.1 Definición del Área de Influencia Indirecta. Como área de influencia indirecta del proyecto, se definieron las 16 veredas que conforman la vertiente occidental del rio Aburrá en el Municipio de Medellín. 3.5.2 Consolidación de la base de datos en formato Geodatabase Para ejecutar el proyecto se consolidó una base de datos en formato Geodatabase para ser operada con el Software ArcGIS en versión 10.3. En esta base de datos, se han creado 5 Feature Dataset, los cuales almacenan los Feature Class requeridos por el proyecto. La Figura 12 muestra la estructura de la Geodatabase estructurada.

Figura 12. Estructura de la Geodatabase del proyecto

3.5.3 Generación de superficies de fricción Las capas temáticas existentes en formato vectorial fueron convertidas a formato raster con el fin de generar las superficies de fricción que sirvieron para determinar la ruta óptima en el proceso de construcción de la línea de transmisión eléctrica. Las celdas al interior de los raster generados se valoraron de 1 a 10, siendo 1 las celdas que requieren menor costo de gestión, es decir, las áreas más aptas para el trazado, y las celdas con valores de 10, son aquellas que tienen incorporado mayor costo de gestión, es decir, la zona más restrictiva. Los valores de cero o No Data,

corresponden a áreas restrictivas, es decir, en ningún caso un proyecto lineal puede cruzar por estas áreas. A continuación, se hace una breve descripción de los principales procesos y procedimientos acometidos a las principales capas temáticas con el fin de obtener un diseño eficiente de la ruta. 3.5.1.1. Obtención del Mapa de Pendientes de la Zona de Estudio El primer paso para la obtención del mapa de pendientes consistió en el ajuste de las curvas de nivel para que cubrieran toda el área de influencia indirecta. Una vez verificada esta situación se procedió a convertir el Feature de Área de Influencia Indirecta en un Feature 3D, utilizando para ello un Modelo de Elevación Digital (DEM, por sus siglas en inglés) del departamento de Antioquia, suministrado por la Subdirección de sistemas de Información de la Gobernación de Antioquia. La función para realizar esta conversión se conoce como Interpolate Shape. a) Creación del TIN Una Red Irregular de Triángulos (TIN, por sus siglas en inglés) es una forma de datos geográficos digitales basados en vectores y se construyen mediante la triangulación de un conjunto de vértices (puntos), los cuales al unirse constituyen una serie de aristas, que finalmente forman una red de triángulos. La forma de conectar tales vértices varía de acuerdo a la casa matriz del software utilizado, entre otros vale la pena mencionar la triangulación de Delaunay o el orden de distancias. En cuanto al primer método, llamado así en honor al matemático ruso Borís Nikolaevich Delone (Sárkozy, 1999), se basa en la teoría de éste, quien afirma que la circunferencia circunscrita de cada triángulo de la red no debe contener ningún vértice de otro triángulo. Si se cumple el criterio de Delaunay en todo el TIN, se maximizará el ángulo interior mínimo de todos los triángulos. El resultado obtenido con este método evita que se formen triángulos finos y largos. Las aristas de los TIN forman facetas triangulares contiguas y no superpuestas que se pueden utilizar para capturar la posición de entidades lineales que juegan un papel importante en una superficie, como cadenas montañosas o arroyos.

b) Generación del DEM Los Modelos de Elevación Digital son una categoría de modelos simbólicos que ha nacido y se ha desarrollado al amparo de las tecnologías geoinformáticas. En este contexto se definen como un conjunto de datos numéricos que describen la distribución espacial de una variable cuantitativa y continúa del territorio. La continuidad de éstos está dada por la secuencia de pixeles que tienen un valor numérico en el centro de éstos. La gran virtud de los modelos de elevación digital es que convierten datos discretos (puntos o líneas con valores de alturas) en una superficie continua. Para la creación del modelo de elevación digital, se utiliza la herramienta TIN to Raster. Ver Anexo 1, numeral A1-1. c) Corrección del DEM Los errores puntuales en los modelos de elevación pueden generarse por causas diversas, entre las que vale la pena mencionar: errores en la toma de datos, errores en la transcripción de datos, errores en la transformación de archivos vectoriales previos, errores preexistentes o fallas en el comportamiento de los algoritmos de interpolación utilizados en zonas de alta montaña (Perez y Mas, 2009). Por estas, y otra razones, es importante realizar una corrección del DEM, aun cuando visualmente no se identifiquen fallas. Para la corrección del DEM se usó la función Fill del software ArcGIS. Ver Anexo 1, numeral A1-2. d) Obtención del mapa de pendientes La pendiente representa el cambio en elevación con respecto al cambio en distancia, y puede expresarse tanto en grados como en porcentaje. A partir de un DEM el usuario puede determinar la pendiente máxima del terreno, lo cual es útil para determinar las restricciones físicas y/o ambientales existentes en un área particular. El cálculo de las pendientes en este estudio se hizo en porcentajes, mediante la función Slope. Los argumentos ingresados para la ejecución de la función pueden consultarse en el Anexo 1, numeral A1-3 y el producto obtenido puede verse en el Anexo 2, Figura A2-1 e) Reclasificación del mapa de pendientes El objetivo en este paso es asignar valores numéricos a los rangos de pendientes, valores que, si bien son numéricos, no dan cuenta de la restricción existente. Para

aplicar esta restricción, el mapa de pendientes se reclasificó en 10 clases, así que las áreas con pendientes más bajas (zonas planas) estarán representadas por celdas con valor de 1, y las áreas con pendientes altas estarán representadas con celdas con valor 10 (es más costoso construir en zonas de alta pendiente). La Tabla 2 muestra los valores asignados a las categorías. Tabla 2. Asignación de valores del criterio pendiente

Nivel de pendiente

Valor

0-1

1 -3

3-7

7 - 12

12 - 20

20 - 35

35 – 50

50 -75

75 - 100

100 – 4.158

NoData

Esta operación arroja un producto que puede visualizarse en Anexo 2, Figura A22. 3.5.1.2. Zonificación de Áreas Protegidas Para hacer la delimitación de las áreas protegidas de acuerdo al área de influencia indirecta, se utilizó de la función Clip (Ver Anexo 1, numeral A1-4). Debido a que después de esta operación resultan muchos polígonos con el mismo atributo, conviene realización una operación Dissolve al archivo resultante. a) Conversión a formato Raster Con el fin de poder hacer operaciones de álgebra de mapas sobre las capas de datos, es necesario hacer la respectiva conversión a formato raster. En el Anexo 1, numeral A1-5, pueden consultarse los parámetros que deben ingresarse.

b) Reclasificación del raster de Zonificación de áreas protegidas Este archivo raster es necesario reclasificarlo con el fin de asignarle las valoraciones correspondientes. En este estudio se procedió a hacer consultas entre los profesionales para determinar las valoraciones más apropiadas para las distintas categorías de áreas protegidas. En la Tabla 3 se muestran los valores asignados. Tabla 3. Asignación de valores al raster [ZonAreProt].

Tipo de área

Valor

Preservación

Restauración

Uso Sostenible

NoData

Esta conversión arroja una nueva capa de datos que puede verse en el Anexo 2, Figura A2-3. En este aparte es necesario completar datos en el área de influencia indirecta, para ello se usó de la herramienta de la calculadora raster (Raster Calculator), lo cual arrojó una nueva capa de datos que puede consultarse en el Anexo 2, Figura A24. 3.5.1.3. Suelo de Protección La capa de suelo de protección incluye aquellas áreas que han sido categorizados por la autoridad ambiental como áreas de interés ambiental, económico y social; de manera específica, incluye: -

Áreas para la producción agroforestal

Áreas para la producción agropecuaria

Áreas para la producción agrícola

Áreas para la producción forestal

Áreas mineras en transición

Áreas de interés estratégico

Luego de hacer los ajustes correspondientes a esta capa (corrección topológica y conversión a formato raster), se procedió a realizar la reclasificación del raster.

Nuevamente aquí se hicieron consultas a los especialistas en los distintos componentes con el fin de hallar consensos sobre los valores más apropiados para las distintas categorías. Los valores acordados pueden observarse en la Tabla 4. Tabla 4. Asignación de valores al raster [SueProtF]

Categoría de uso

Valor

Áreas de interés

Áreas Mineras en

Producción agrícola

Producción agroforestal

Producción agropecuaria

Producción forestal

NoData

Esta operación arrojó una nueva capa de datos, la cual, como en el paso anterior, fue necesario completar para ajustarla al Área de Influencia Indirecta. Esta nueva capa puede ser consultada en el Anexo 2, Figura A2-5. 3.5.1.4. Áreas de Interés Ambiental Este layer está compuesto de polígonos con información de áreas de interés estratégico y las áreas de interés recreativo y paisajístico. Este layer como los anteriores, es necesario ajustar al área de estudio, corregir topológicamente y convertir a formato raster. Una vez hechas estas tareas, se procede a asignar los valores acordados con los profesionales del proyecto para los distintos tipos de áreas existentes. A continuación, se muestran los valores de reclasificación (Ver Tabla 5).

Tabla 5. Asignación de valores al raster [AIntAmb]

Tipo de área

Valor

Áreas de interés recreativo y

Áreas de interés estratégico

Otras áreas

NoData

En este proceso se genera una nueva de capa de datos la cual contiene los valores asignados a cada categoría de área. Ver Anexo 2, Figura A2-6. 3.5.1.5. Cobertura de la Tierra La capa geográfica de cobertura de la tierra, también llamada Cobertura Vegetal, igual que en los pasos anteriores, debe ser sometida a procesos de ajuste para proceder con la conversión a formato raster y su posterior reclasificación. En este paso también se lograron consensos con los profesionales del proyecto para la determinación de los valores más apropiados para la reclasificación. La Tabla 6 muestra los valores incorporados. Tabla 6. Asignación de valores al raster [CobTie]

Cobertura vegetal

Valor

Construcciones

Suelo desnudo

Rastrojo alto

Rastrojo bajo

Pasto manejado

Bosque plantado

Cultivo transitorio

Pasto natural

Cultivo permanente

Bosque natural

NoData

Esta operación arrojó una nueva capa datos la cual puede ser consultada en Anexo 2, Figura A2-7.

3.5.1.6. Uso Actual del Suelo La capa de uso actual del suelo fue ajustada y procesada para permitir su conversión a formato raster y su posterior reclasificación. Los valores acordados con los profesionales del proyecto pueden observarse en la Tabla 7. Tabla 7. Asignación de valores al raster [UsoSue]

Categoría de uso

Valor

Agrícola

Agroforestal

Agropecuario

Dotacional y servicios

Forestal productor

Forestal protector

Minería en transición

Mixto urbano rural

Servicio e industria

NoData

Esta operación arrojó una nueva capa de datos que puede visualizarse en el Anexo 2, Figura A2-8. 3.5.1.7. Altura Sobre el Nivel del Mar Antes de obtener los mapas requeridos, es importante hacer claridad sobre la importancia de incorporar esta información al análisis. De acuerdo con las normas internacionales, las líneas de transmisión sufren pérdida de potencia con el aumento de la altura sobre el nivel del mar, este es llamado el efecto Joule. Para este estudio se considera que la línea en diseño no podrá sobrepasar los 3000 m.s.n.m. (Sáenz, 2012). Para generar este archivo raster con los valores de altura sobre el nivel del mar [asnm], se toma el modelo de elevación digital obtenido en una fase previa de este estudio. Este DEM se reclasifica para obtener 10 clases, pero las áreas con alturas por encima de los 3000 m.s.n.m. no podrán hacer parte del análisis. La Tabla 8 muestra los valores incorporados para las diferentes categorías de altura.

Tabla 8. Asignación de valores al raster [asnm]

Altura sobre el nivel del mar

Valor

1540,268555 - 1682,516868

1682,516868 - 1824,765181

1824,765181 - 1967,013494

1967,013494 - 2109,261808

2109,261808 - 2251,510121

2251,510121 - 2393,758434

2393,758434 - 2536,006747

2536,006747 - 2678,25506

2678,25506 - 2820,503374

2820,503374 - 3000

NoData

El raster resultante reclasificado se llamó [asnm_r] y puede ser visualizado en el Anexo 2, Figura A2-9. 3.5.1.8. Determinación de Zonas para el Trazado de la Línea Debido a que las variables consideradas tienen distintos pesos dentro del análisis, se procedió a realizar paneles de expertos para determinar la ponderación que se aplicará a cada una de las variables.

En estos paneles se convocó a los

especialistas en cada uno de los componentes del proyecto y se sometieron a discusión la importancia y/o relevancia de las capas temáticas para la determinación de la ruta óptima. Al final de este proceso se determinaron los siguientes pesos para las variables: Zonificación de Áreas Protegidas (zonareprot), Suelo de Protección (sueprot), Áreas de Interés Ambiental (aintamb), Cobertura de la Tierra (cobtie), Uso Actual del Suelo (usosue) y Altura sobre el nivel mar (dem)1. (Ver Tabla 9).

Las variables: [Pendientes], [tipo de suelo], [Zonas de Riesgo] y [Áreas de Amenaza], serán utilizadas para la determinación de los mejores sitios para la ubicación de torres.

Tabla 9. Asignación de pesos a las variables para el trazado de la línea

Variable

Nombre_Raster

Peso (%)

zonareprot_r

Suelo de Protección

sueprot_r

Áreas de Interés Ambiental

aintamb_r

Cobertura de la tierra

cobtie_r

Uso Actual del suelo

usosue_r

dem_r

Zonificación de Áreas

Altura sobre el nivel mar

Para realizar el cruce de variables, se utilizó la herramienta Raster Calculator. La Sentencia ingresada puede ser consultada en el Anexo 1, numeral A1-6. El producto de esta operación es un grid, pues representa los costos de gestión en los que deberá incurrir la dirección del proyecto para minimizar los impactos sobre los ecosistemas naturales y la población asentada en la zona, pero a la vez, minimizar los costos financieros asociados al proceso constructivo y de operación de la línea. Ver Anexo 2, Figura A2-10. 3.5.1.9. Determinación del Trazado Óptimo Para la determinación de este trazado se toma el raster resultante de la combinación de los 6 raster insumo [Gr_Costos], el cual representa el costo de desplazamiento desde cualquier lugar de la zona de estudio, hasta un sitio específico

(Subestación

San

Cristóbal),

atravesando

las

restricciones

posibilidades impuestas. A continuación, se describen los pasos para obtener el trazado óptimo. a) Generación del grid de distancia ponderada. El grid de distancia ponderada es un grid que contiene celdas cuyo valor corresponde a la distancia a la que se encuentran, desde su propia posición X e Y, hasta un punto definido como inicio, pero considerando las impedancias incorporadas y el empinamiento del terreno. Este grid se creó mediante la función Path Distance y como layer de inicio, se usó un archivo tipo punto, el cual representa los sitios de inicio y fin del trazado. Para la obtención de estos puntos se usó la función Feature To Point aplicada a layer de polígonos que representa la ubicación de las subestaciones de energía.

Después de obtener los puntos de inicio y fin de trazado, se procede a aplicar la función Path Distance, los parámetros ingresados pueden ser consultados en el Anexo 1, numeral A1-7. Es importante aclarar que, para aplicar esta función, siempre es necesario contar con una capa de datos que represente el punto de inicio. El producto de esta operación puede verse en el Anexo 2, Figura A2-11. De esta operación, se obtiene el grid de distancia óptima, es decir, el grid que representa la distancia a la que está cualquier celda de la zona de estudio, desde su ubicación X e Y hasta el punto definido como Inicio, pero considerando el grid de costos, es decir, teniendo en cuenta la condición de impedancia del terreno, para este caso; la zonificación de áreas protegidas, los suelos de protección, las áreas de interés ambiental, la cobertura de la tierra, el uso actual del suelo y altura sobre el nivel del mar. Pero además del grid anterior, de la función Path Distance también genera un grid que será muy importante más adelante en este proceso, se trata del Backlink, que es un grid de dirección de retorno, es decir, la ruta que deberá seguir un recurso para volver a la celda de inicio, con la menor resistencia (menor costo). La figura 13 muestra los valores que pueden asumir las celdas de este tipo de raster, los cuales varían desde 0 hasta 8, así, si el valor es 0, el recurso podrá permanecer inmóvil; si es 1, el recurso se moverá hacia el este, si es 2 hacia el Sureste y así sucesivamente, en sentido de las manecillas del reloj, hasta un valor de 8, en el que el recurso se moverá hacia el noreste. Los valores y las respectivas direcciones se muestran en la Figura 13.

Figura 13. Dirección en la que se mueve un recurso

La visualización del grid de retorno puede verse en el Anexo 2, Figura A2-12. b) Generación de la ruta de menor costo Como se definió desde el inicio de este trabajo, el reto es generar la ruta de menor costo desde el sitio definido como Inicio, hasta el sitio definido como Fin. Para esto se usó la función Cost Path. Ver Anexo 1, numeral A1-8.

Después de realizada la operación, se obtiene una línea que atraviesa la zona de estudio conectando los puntos de inicio y fin.

Este trazado para efectos de

visualización y posterior manejo se convirtió a formato vectorial. (Ver Anexo 1, numeral A1-9. 3.5.1.10. Determinación de Áreas para el Establecimiento de Torres De acuerdo a las condiciones particulares de este proyecto, las cuales han sido analizadas por el propietario del mismo y recurriendo a la experiencia de los profesionales que intervienen en las fases de diseño y construcción de este tipo de infraestructura, se han establecido los siguientes criterios para la ubicación de las torres de conducción de energía: - La distancia máxima entre ellas debe ser de 400 m. Este criterio obedece a la necesidad de no tener vanos más largos de 400 m, pues la catenaria formada genera acercamientos a la infraestructura existente. - No deben estar ubicadas en sitios con amenaza por alta por movimientos en masa. Este criterio evita que es establezcan torres en sitios donde a futuro se puedan presentar movimientos en masa que afecten la estabilidad de las torres y por tanto, ponga en riesgo la continuidad del sistema. - No deben estar ubicadas en sitios con amenaza alta por inundaciones o avenidas torrenciales. Este criterio evita que se establezcan torres en sitios, donde la estabilidad del terreno pueda generar inestabilidades para las torres y con ellos afectar la continuidad del sistema de transmisión de energía. - No deben estar ubicadas en zonas en condiciones de riesgo. Los riesgos de toda índole han de evitarse para garantizar la continuidad en el servicio de energía eléctrica - Deben estar ubicadas en los sitios de cambio de dirección de la línea. La aplicación de este criterio optimiza la longitud de la línea y minimiza el número de torres que deben establecerse. a) Definición de Sitios Puntuales Para el Establecimiento de Torres Ya que uno de los criterios para la ubicación de las torres, es que la distancia máxima entre ellas no debe ser mayor de 400 metros, se procedió a aplicar una función que divida la línea considerando este criterio. La función que se utilizó fue Split, la cual se aplicó sobre el layer de Ruta Óptima [Ruta_Opt], ingresando un

nuevo layer de puntos que representan la ubicación específica de cada torre. El producto generado con esta operación se muestra en el Anexo 2, Figura A2-13. b) Determinación de las áreas con amenaza alta por movimientos en masa Los movimientos en masa se definen como los movimientos de material litológico, suelo, roca o cobertura vegetal hacia abajo por acción de la fuerza de la gravedad. De otro lado, la amenaza se define como el peligro latente asociado con un fenómeno físico de origen natural que puede presentarse en un lugar y tiempo determinado, produciendo efectos adversos en las personas, los bienes y el medio ambiente, matemáticamente se expresa como la probabilidad de exceder un nivel de ocurrencia de un evento con una cierta intensidad en un cierto sitio y en un cierto tiempo (UNDRO, 1979). Dadas las anteriores definiciones, se consideró que este criterio debía ser tenido en cuenta para este estudio, pues justamente las condiciones de alta pendiente en la zona y los tipos materiales existentes propiciaban las condiciones para que se presentaran movimientos en masa, poniendo en riesgo la infraestructura y, eventualmente, la vida de las personas. Se inició, por tanto, con la búsqueda de información geológica de la zona de estudios, encontrándose información en escala 1:25.000.

Así mismo, se tuvo

acceso a la información levantada por distintas comisiones de geotecnistas contratadas por la empresa propietaria del proyecto, estos profesionales levantaron información sobre las formaciones superficiales en la zona occidental de la ciudad. El producto generado por estas comisiones son tablas de MS-Excel que dan cuenta de la profundidad de los materiales existentes. En total se obtuvieron los datos de perforaciones en 5 tipos de suelo distintos, a saber: -

Fel: Flujos de escombros y/o lodos PRaM: Anfibolitas de Medellín Qat: Depósitos aluviotorrenciales Qd: Depósitos de deslizamiento Qll: Llenos antrópicos

Paso 1. Obtención de una capa de puntos a partir de los archivos MS-Excel En este paso, se tomaron las tablas con los datos de las perforaciones, las cuales contienen la ubicación X e Y de la perforación, el tipo de suelo encontrado y altura sobre el nivel del mar del límite inferior de las unidades de suelo, dicho de otra manera, esta altura representa la profundidad a la que está la base de la unidad de suelo. El proceso de generación de la capa de puntos se hizo mediante la función Display X Y Data…. Este paso se aplicó para los 6 archivos suministrados. Paso 2. Generación de modelos de elevación digital para las unidades de suelo Este paso consiste en generar DEM para cada una de las unidades de suelos. El propósito de esta operación fue determinar el espesor de cada unidad de suelo para cada posición particular X, Y. Para la generación de estos DEM, se generaron previamente archivos TIN, en los cuales se ingresaron la capa de puntos y los polígonos que delimitan de manera superficial cada unidad de suelo, es decir, los polígonos de [Geología]. El producto generado para la unidad <Flujos de escombros> puede verse en el Anexo 2, Figura A2-13. Con los TIN generados, se procede a generar el DEM para esta cada de suelo. El archivo obtenido para la unidad <Flujos de Escombros> puede verse en el Anexo 2, Figura A2-14. De igual manera, y como una manera de representar mejor el resultado obtenido, se procedió a generar un modelo de sombras (Hillshade) para la unidad de suelo Flujos de escombros y/o lodos y visualizarlo en la aplicación ArcScene de la casa ESRI. Ver Anexo 2, Figura A2-15. De manera análoga se obtuvieron los otros modelos de elevación digital para las 4 unidades de suelo a considerar para este estudio. Paso 3. Sustraer el DEM de cada unidad de suelo del DEM del área de estudio Este paso consistió en tomar el DEM del área de influencia indirecta [DEM_AII], y restarle el DEM de cada unidad de suelo, para generar un modelo de profundidad de estas unidades. El resultado de esta operación se llamó [Prof_suelo].

La operación de sustracción de archivos raster se realizó con la herramienta Raster Calculator. La sentencia usada puede consultarse en el Anexo 1, numeral A1-10. Paso 4. Generar un slide para cada unidad de suelo a 4 m Este paso consiste en determinar qué tipo de suelo se encuentra a 4 metros de profundidad, pues más adelante en este estudio, se hará uso de una ecuación para la determinación del factor de seguridad en cada posición X e Y2. La sentencia que debe ingresarse en el cuadro de diálogo Raster Calculator para generar estos slides puede ser consultada en el Anexo 1, numeral A1-11. Paso 5. Calculo del Factor de Seguridad Se le llama factor de seguridad (en términos de suelos) a la relación que existe entre la resistencia real de un talud y la resistencia requerida para que ese talud no falle (Sassa, Fukuoka, Wang, y Wang, 2005). Si se tiene que evitar una falla estructural, las cargas que una superficie de suelo es capaz de soportar deben ser mayores que las cargas a las que se va a someter cuando el proyecto entre en operación. En términos generales, la resistencia real de una superficie de suelo debe ser mayor que la resistencia requerida (Gálvez, López, Llopis y Rubio, 1998). A continuación, se hace una breve disertación sobre lo representan los valores de factor de seguridad que arroja este análisis (Kumar, Rana, Pant y Chandra Patel, 2016):  Valor < 1: la superficie en esa ubicación fallará inevitablemente pues es una superficie inestable.  Valor = 1: la superficie en esa ubicación está en equilibrio, pero fallará ante la imposición de cualquier carga.  Valor > 1: la superficie en esa ubicación es un área segura, por lo tanto, soportará cargas.

La ecuación de factor de seguridad realmente requiere información del tipo de suelo a distintos niveles de profundidad, pero para este ejercicio se consideró que la profundidad límite es de 4 metros, esto es que, si a menos de 4 metros se encuentra un tipo de suelo no apto para el establecimiento de construcciones, ese sitio tendrá un factor de seguridad bajo (cercano a 1.0).

La ecuación para calcular el factor de seguridad considera el concepto de pendiente infinita (Chowdhury, Flentje y Bhattacharya, 2013), la cual se presenta a continuación.

c  (z cos 2   u ) tan  FS  z sin  cos  Donde: FS:

Factor de seguridad

z: :

índice de cohesión del suelo peso específico del suelo profundidad a la cual se hace el análisis pendiente del terreno

presión del agua

:

ángulo de fricción interna del suelo

:

Ahora bien, para la zona de estudio se sabe que el nivel freático está muy por debajo de los 4 metros, que es la profundidad a la cual se evalúa el factor de seguridad (en este proyecto), así que se hace uso de la teoría de Montrasio, Valentino y Losi (2009), la cual propone que si se conoce el comportamiento de la tabla de agua, el factor de seguridad puede ser calculado directamente sin necesidad de cálculo de presiones de poro en la superficie de deslizamiento; situación en la cual se asume que la presión del agua en los poros es 0 (cero). Retomando lo anterior, la ecuación anterior se modifica y queda así:

c  z cos 2  tan  FS  z sin  cos  Los parámetros de resistencia de las unidades de suelo que fueron evaluados en este estudio se muestran en la Tabla 10, y fueron obtenidos a partir de la confrontación de las carteras de campo de las comisiones de geotecnistas con estudios generales de suelos existentes para la zona de estudio.

Tabla 10. Parámetros de resistencia de suelos

 (°)

Var Tan

C (kPa)

Var_C

 (kN/m3)

PRaM

27,00

0,01

21,00

96,43

16,80

Qat

27,21

0,01

7,87

98,56

18,21

24,43

0,02

16,23

101,10

17,67

Fel

24,10

0,01

19,73

154,52

17,44

Qll

27,90

0,01

13,05

61,86

17,50

KdA

35,00

0,01

40,00

400,00

20,00

Unidad

Paso 5.1. Asignación de atributos de parámetros de resistencia a las unidades de suelo Este procedimiento consiste en asignar los respectivos parámetros a cada uno de los polígonos que componen las unidades de suelo. Este procedimiento puede hacerse mediante la función Join. La Tabla 11 muestra el resultado al final de este paso. Tabla 11. Asignación de parámetros de resistencia a las unidades de suelo DESCRIP Fel: Flujos de escombros y/o lodos

PHI

GAMMA

VAR_C

VAR_TPHI

19,728265 24,102118 17,438704 154,520341

0,006493

KdA: Stock de Altavista

400

0,0064

PRaM: Anfibolitas de Medellín

16,8

96,4324

0,0064

7,871325 27,210588

18,2125

98,563055

0,007206

16,230855 24,431596 17,670123 101,098476

0,024708

Qat: Depósitos aluviotorrenciales Qd: Depósitos de deslizamiento Qll: Llenos antrópicos

13,04597

27,89894

17,5

61,864838

0,009994

Fuente: Levantamiento de información en campo por la empresa propietaria del proyecto

Paso 5.2. Generación de insumos complementarios para calcular el FS Para la completa ejecución de la ecuación, es necesario obtener otros archivos raster que servirán de insumo. En primera instancia, es necesario obtener las superficies para las seis (6) unidades de suelos y para los cinco (5) parámetros requeridos, lo cual, arroja como resultado 30 archivos raster. Adicionalmente, deben generarse archivos raster con los valores de:  Pendiente  Seno de la pendiente

 Coseno de la pendiente  Coseno2 de la pendiente  Tangente de  . Paso 5.3. Ingreso de archivos raster para el cálculo del FS Los valores de Factor de seguridad definitivos, se obtienen al ingresar los raster obtenidos en el paso 5.1 y 5.2 en el cuadro de diálogo de la función Raster Calculator, tal como puede verse en el Anexo 1, numeral A1-12. Es importante aclarar que este proceso tarda varios minutos en ejecutarse, pues el software aplica la regla de decisión 78’070.163 veces, que es el número de celdas existente en la zona de estudio menos 13. El producto generado al ejecutar la sentencia se puede observar en el Anexo 2, Figura A2-16. Con la información obtenida en el paso anterior, se procede a obtener las áreas de amenaza alta por movimientos en masa, las cuales se definen como aquellas en las que el valor de factor de seguridad es igual o inferior a 1.5. Para operativizar esta idea, se propone una reclasificación en las que las celdas menores de 1.5 tienen un valor de 2, y las restantes, un valor de 1. Esto para efectos de, en un paso posterior, hacer una generalización y agrupación de las celdas más críticas. Los valores asignados en el proceso de reclasificación de este raster se observa en la Tabla 12. Tabla 12. Asignación de nuevos valores a los valores anteriores de FS

Factor de Seguridad

Valor

0.518573 – 1,5

1,5 – 56.618,8

NoData

El producto generado en esta reclasificación se llamó [Amenaza] y consiste en un raster que tiene 1’106.970 celdas con valores críticos, distribuidos irregularmente

Para efectos de esta investigación, se plantea como valor límite de factor de seguridad 1.5, y como valor por encima del cual la superficie es completamente segura, un valor de 3.

por toda la zona de estudio. Con el fin de obtener áreas críticas medianamente agrupadas, se recurrió a aplicar una función estadística focal llamada Focal Statistics, para este caso obteniendo el promedio en análisis rectangular de 5 x 5 celdas. Es importante aclarar que esta función se aplicó 10 veces sobre los datos, es decir, al raster inicial se le aplicó la función, al resultado obtenido, también se le aplica la función, y a este último resultado, se le aplica nuevamente, y así hasta obtener una superficie suavizada, que permita agrupar zonas. Al final del proceso se obtuvo un raster al que se llamó [Amenaza_s] y puede ser observado en el Anexo 2, Figura A2-17. 3.5.1.11. Áreas de Amenaza por Inundación y Avenidas Torrenciales De acuerdo al proceso metodológico descrito en este estudio, la capa de datos de áreas de amenaza por inundación y avenidas torrenciales, también debe ser ajustada, corregirla topológicamente, convertida a formato raster y reclasificada. Para la reclasificación, se consideraron dos clases, tomando un valor de 1 aquellas áreas sin amenaza y, valor 2 aquellas áreas con amenaza alta por inundaciones y avenidas torrenciales. La Tabla 13 muestra los valores asignados. Tabla 13. Asignación de valores al raster [Ame_InuAveT]

Tipo de área

Valor

Amenaza alta por inundación y avenida torrencial

Otras áreas

NoData

Al producto generado en esta operación se llamó [Ame_InuAvet_r] y puede verse en el Anexo 2, Figura A2-18. 3.5.1.12. Zonas de Riesgo Las áreas de riesgo están compuestas de:  Zonas con condiciones de riesgo  Zonas de riesgo no mitigable Al igual que en los procesos anteriores, estas capas también debieron ser ajustadas, corregidas topológicamente y convertidas a formato raster.

a) Reclasificación del raster de Zonas de Riesgo [ZonRie] En este proceso de reclasificación, se agrupan en una sola categoría las celdas con valor [Zona de riesgo no mitigables] y [Zonas con condiciones de riesgo], lo cual indica que ambas zonas son restrictivas. Los valores asignados a estas categorías pueden verse en la Tabla 14. Tabla 14. Asignación de valores al raster [ZonRie]

Tipo de área

Valor

Zona de riesgo no mitigable

Zona con condiciones de riesgo

Otras áreas

NoData

Como producto del proceso anterior, se obtuvo un raster al que se llamó [ZonRie_r] y que puede ser visto en el Anexo 2, Figura A2-19. b) Operaciones de álgebra de mapas En este aparte, lo primero es hacer una operación de álgebra de mapas que involucre, en principio, tres (3) raster, a saber: -

Áreas de amenaza por movimientos en masa

Áreas de amenaza por inundación y avenidas torrenciales

Zonas de riesgo

Con el propósito de cercar un poco las áreas potenciales donde se establecerían las torres de transmisión, se aplicó una función de proximidad al layer de ruta óptima [Ruta_Opt], con la pretensión de eliminar del análisis aquellas áreas alejadas del trazado propuesto, pues no tiene sentido determinar áreas de amenaza y/o riesgo en zonas por donde no cruzaría la línea de transmisión. c) Generación del raster de distancia a la línea de transmisión eléctrica La generación de este raster inicia con la creación de una superficie en la que cada celda contiene el valor de distancia a la cual se encuentra de la línea de transmisión eléctrica (en línea recta y perpendicular a ella), es decir, a una distancia euclidiana, es por esto que se usó la función Euclidean Distance. Los parámetros ingresados

pueden consultarse en el Anexo 1, numeral A1-13 y la salida gráfica puede verse en el Anexo 2, Figura A2-20. Sobre el archivo obtenido se procede a hacer una reclasificación con los valores que se observan en la Tabla 15. Tabla 15. Asignación de valores al raster [AID_RutaOpt]

Distancia a la línea

Valor

0 - 100

100 – 6697,9

NoData

Al archivo generado en esta operación se llamó [Aid_RutaOpt_r] y puede verse en el Anexo 2, Figura A2-21. Los siguientes pasos consisten en hacer reclasificaciones a los raster de amenaza y riesgo con el fin de eliminar del análisis aquellas áreas que representan restricción, así, al final de este proceso se obtuvieron raster con celdas conteniendo valores válidos (para este caso, valor 1), que indican celdas por las cuales puede cruzar la línea de transmisión eléctrica; y celdas marcadas con NoData, lo cual indica celdas por las que no es viable el paso de la línea. d) Reclasificación del raster de Amenaza por Movimientos en Masa En este aparte, la tarea es reclasificar este raster a fin de asignar valores de NoData a aquellas celdas marcadas inicialmente con valor 2, es decir, áreas de amenaza por movimientos en masa. La Tabla 16 muestra los valores asignados a este raster. Tabla 16. Asignación de valores al raster [Amenaza_s]

Tipo de área

Valor

NoData

e) Reclasificación del raster de Amenaza por Inundación y Avenida Torrencial En este proceso se asignan valores de NoData a las celdas cuyo valor inicial es dos (2), es decir, aquellas áreas con amenaza alta por inundación y avenida torrencial. La Tabla 17 muestra los valores asignados a este raster.

Tabla 17. Asignación de valores al raster [Ame_InuAveT_r]

Tipo de área

Valor

NoData

f) Reclasificación del raster de Riesgo A este raster, el cual contiene áreas mitigables y no mitigables, se le asignan valores de NoData a todas aquellas celdas que representan las áreas en las que existe algún tipo de riesgo, es decir, las áreas tipo 2. La Tabla 18 muestra los valores asignados a las categorías de riesgo Tabla 18. Asignación de valores al raster [ZonRie_r]

Tipo de área

Valor

NoData

Con estos cuatro (4) archivos raster generados en los pasos anteriores, se procede a aplicar una operación de álgebra de mapas, con la que se pretende obtener las áreas aptas, de acuerdo a los criterios de amenaza, riesgo y cercanía a la línea de transmisión eléctrica. La función y los parámetros utilizados en ésta, pueden ser consultados en el Anexo 1, numeral A1-14. El resultado de este proceso se llamó [Area_AptaTorr], el cual puede ser visualizado en el Anexo 2, Figura A2-22. g) Verificación de puntos de sitios de torre con áreas aptas Ya en un paso previo de este estudio se habían determinado los sitios más apropiados, desde el punto de vista técnico, para la ubicación de las torres de energía, así que el siguiente paso consistió en verificar si en los sitios demarcados por el software hay áreas aptas para el establecimiento de torres. Para realizar esta verificación fue necesario convertir el raster de áreas aptas para torres [Area_Apta_Torr] a formato vectorial, lo cual se hizo mediante la función Raster to Polygon.

Una vez convertido el archivo raster a formato vectorial, se aplicó la función Select By Location, esto, con la pretensión de encontrar los sitios de torre que estarían por fuera de la zona demarcada como apta para el establecimiento de torres. En este caso se trató del punto demarcado con el ID 28. Con el fin de que los sitios de torre cumplieran con los requerimientos, se procedió a crear nuevas ubicaciones para el establecimiento de torres en los puntos de cambio de dirección de la línea de transmisión, y también se procedió a cambiar la ubicación de aquellas que no estuvieron apropiadamente ubicadas. Al final de este proceso, quedaron sitios de torre [SitioTorre_Modif], los cuales sirvieron de parámetro para la definición del trazado definitivo de la línea de transmisión eléctrica [RutaOptima_Modif]. La capa de ruta óptima modificada, se generó con la herramienta Points To Line (Ver Anexo 1, numeral A1-15). El producto generado con operación se muestra en la Figura 15.

4. RESULTADOS Y DISCUSIÓN 4.1.

Resultados

En la parte final del estudio se obtuvieron dos importantes resultados, el primero, la determinación del trazado óptimo de la línea de transmisión eléctrica, y el segundo, la ubicación apropiada de las torres de transmisión. La espacialización del primer resultado puede verse en la Figura 14. En esta figura puede visualizarse una línea que va desde el punto de origen hasta el destino, atravesando zonas con distintos niveles de pendientes y con restricciones ambientales, económicas y culturales. El trazado conseguido midió 12907 m y, aunque efectivamente era un buen trazado pues evitaba cruzar por áreas con gran criticidad ambiental, social y física, también se consideró bueno pues tenía la tendencia a cruzar por áreas de menor susceptibilidad, o sea, las áreas de menores costos de gestión. Este trazado fue cambiado en una etapa posterior del estudio, al realizar la corroboración de las áreas apropiadas para el establecimiento de torres, obteniendo finalmente un trazado que cumple con todos los requerimientos. En cuanto al segundo resultado, se obtuvo la ubicación óptima de 50 torres de transmisión, las cuales son el soporte a la línea de transmisión eléctrica y en su proceso constructivo generan el menor impacto posible sobre el medio físico, natural y social. En la parte final del estudio se procedió a hacer un cruce de información entre los sitios más apropiados para el establecimiento de torres (de acuerdo al trazado de la línea), y las áreas más apropiadas para el establecimiento de las mismas (de acuerdo a criterios físico-ambientales), esta comparación arrojó como resultado una línea que mide 12591,8 m. y cumple con todos los criterios establecido al comienzo del proyecto. Ver Figura 15.

Figura 14. Ruta รณptima entre el punto Inicio y el Destino

Figura 15. Visualizaciรณn del trazado รณptimo y mejor ubicaciรณn de torres

4.2.

Análisis de Resultados

Los procedimientos aplicados a los datos dieron como resultado una alternativa viable para el trazado de la línea de transmisión eléctrica entre la subestación San Cristobal y la subestación San Antonio de Prado. La Figura 14 muestra la superficie de costos [Gr_Costos], del cual se pueden hacer las siguientes inferencias: a).

Existen áreas cuyo costo de gestión (social, física y ambiental) es bajo, valor

de 1.45, es decir, son áreas aptas para el paso de la línea de transmisión eléctrica (áreas con tonalidades verdes). b).

Existen áreas con costos de gestión altos (9.15) las cuales son indeseables

para el trazado de la línea (áreas con tonalidades rojizas). En cuanto a la afectación del medio natural por el proceso de constructivo y de operación de la línea, se presentan a continuación los tipos de coberturas afectadas y la cantidad de área intervenida. El área afectada se calculó considerando la instalación de torres autosoportantes tipo 2R1, las cuales tienen brazos de 3,5 m. a lado y lado del eje, lo cual genera un área de afectación en un corredor de 7 m. de ancho. El área total de este corredor es de 8,8 ha, y si se considera que el área de influencia indirecta del proyecto es de 7804,4 ha, esto arroja que el área afectada es de 0,01%. En el área de influencia indirecta del proyecto se identificaron 10 tipos de coberturas, resultando afectadas 7 de ellas. En la Tabla 19 se presentan las coberturas afectas y el porcentaje de afectación.

Tabla 19. Coberturas afectadas por el paso de la línea. IDENTIFICADOR

1 2 3 4 5 6 7 8 9 10

TIPO DE COBERTURA

Construcciones Suelo desnudo Rastrojo bajo Pasto natural Rastrojo alto Pasto manejado Cultivo transitorio Bosque plantado Bosque natural intervenido Cultivo permanente

ÁREA DE INFLUENCIA INDIRECTA

ÁREA DEL CORREDOR

PORCENTAJE DE AFECTACIÓN

485,5 155,3 828,3 1268,2 2388,1 1314,5

1,6 0,5 2,1 2,5 1,6 0,4

0,33 % 0,32 % 0,25 % 0,20 % 0,07 % 0,03 %

321,7

0,1

0,03 %

992,7

Sin Afectación

---

38,4

Sin Afectación

---

11,6

Sin Afectación

---

En cuanto a las pendientes, en el área de influencia indirecta del proyecto se encontraron áreas con pendientes que variaron entre 0 y más del 100%; siendo los rangos de pendientes entre 25%-35%, 35%-50% y 50%-75%, los que predominaron. Ahora bien, la línea en cuestión evitó atravesar por estas áreas, y mayoritariamente atravesó áreas con pendientes entre 0% y 12%. La Tabla 20 muestra la distribución de rangos de pendiente en el área de influencia indirecta del proyecto y los rangos de pendiente por donde atravesó la línea de transmisión.

Tabla 20. Porcentaje de paso por los rangos de pendiente INCLINACIÓN DE LA PENDIENTE

AREA DE INFLUENCIA INDIRECTA

AREA CORREDOR

% PASO

0% - 1%

305,1

0,5

0,18%

1% - 3%

23,0

0,0

0,17%

3% - 7%

42,3

0,1

0,25%

7% - 12%

117,7

0,2

0,15%

12% - 25%

458,0

0,7

0,16%

25% - 35%

1273,8

2,2

0,17%

35% - 50%

1564,0

2,1

0,14%

50% - 75%

2531,0

2,2

0,08%

75% - 100%

1082,8

0,5

0,05%

> 100%

411,9

0,2

0,04%

Otra variable del componente físico que requiere especial análisis, es la probabilidad de falla de las superficies, pues según los resultados obtenidos al evaluar la resistencia de las unidades de suelo, se puede inferir que en la zona existen unas celdas en donde la probabilidad de falla es muy alta, valores menores de 1.5, y una gran mayoría de celdas con valores de factor de seguridad muy alto (mayores de 3.0). Al final del proceso se determinó la ubicación de 50 torres, las cuales cumplen desde el punto de vista técnico como soporte para la línea de transmisión eléctrica, pero además, en su proceso constructivo y operativo, se genera poca intervención y afectación sobre el ambiente físico y natural. Las técnicas de análisis multicriterio utilizadas para la determinación de la ruta de menor costo y los sitios más apropiados para la construcción de torres de energía resultaron acertadas para este proyecto y demostraron que pueden ser aplicadas en otros espacios geográficos o con otro tipo de datos, pues la metodología empleada es clara y replicable. Las ponderaciones aplicadas a los conjuntos de datos, arrojaron como resultado un trazado acorde a los requerimientos de los dueños del proyecto, en tanto es económicamente viable y ecológicamente sustentable, toda vez que posibilita el cumplimiento de la normatividad ambiental, ya que las áreas afectadas son

fácilmente compensables. Comparado con estudios realizados en otras latitudes, se evidencia que se encuentran similaridades en las ponderaciones, tal es el caso de los estudios reportados por Ángel et al. (1998), así como el de Chandio et al. (2012b), en éstos se usaron capas con los mismos contenidos temáticos que los usados en este, incluso las condiciones de terreno se muestran similares a las condiciones encontradas en la actual área de estudio. Los procedimientos aquí utilizados difieren de los otros estudios, en tanto en éste se detallan los pasos y las técnicas utilizadas para la obtención de los productos, mientras que en los estudios disponibles en la literatura, los procedimientos son simplemente esbozados y comentados. Ahora bien, en éste estudio no se utiliza el Proceso Analítico Jerárquico, estudiado por Saaty et al (2008) para la determinación de los pesos de las componentes, pues en este estudio se usó la metodología de panel de expertos. Este tipo de ejercicios de planeación podrían resultar mucho más eficaces si se contara con información geológica de mayor detalle, pues los polígonos de las unidades geológicas marcaban la misma unidad para dos zonas geográficamente distintas. En este mismo sentido, cobra importancia la calidad de la información de curvas de nivel, pues en la medida en que se obtenga información de detalle, mucho más precisos son los resultados obtenidos. Igual ocurre con el nivel de detalle de la información de red de drenaje, pues con la información geográfica disponible, seguramente algunas pequeñas corrientes que no aparecen en la cartografía pueden ser afectadas por la construcción de las torres de energía. El software ArcGIS cumple con los requerimientos como herramienta para el trabajo con información geográfica, pues además de facilitar los análisis y procesos con la información existente, permite la generación de productos cartográficos para satisfacer las necesidades de las partes interesadas (dueños del proyecto, autoridades de control y autoridades ambientales). De manera particular, con este software fue posible generar los productos que permitieron visualizar los sitios por donde debía atravesar la línea y los sitios para el establecimiento de torres, pues se trabajó con información georreferenciada y en formato raster, lo cual permitió la superposición con otra información de la zona como curvas de nivel, red de drenaje, usos del suelo y zonas de riesgo, entre otras.

Los resultados aquí obtenidos deben someterse a un proceso de corroboración en campo, y los dueños del proyecto deberán estar preparados para realizar cambios en los diseños, ya que se pueden encontrar situaciones particulares en la zona de estudio (cruces de corrientes de agua, patrimonio cultural o equipamiento social) que hagan que atravesar la línea por esos sectores no sea viable, o que el pasar la línea por esos lugares represente un riesgo para las comunidades humanas allí asentadas o incluso que desde las comunidades mismas se pueda ejercer una presión que pueda poner en riesgo la seguridad y estabilidad del proyecto.

5. CONCLUSIONES El uso de las funciones incorporadas en el software ArcGIS tendientes a la determinación de la ruta de menor costo es una forma acertada para diseñar trazados eficientes en proyectos de desarrollo, incluso la metodología seleccionada y utilizada en este estudio puede ser replicada para la selección de sitios adecuados para el establecimiento de proyecto, sean éstos puntuales o de grandes áreas. Los pasos y procedimientos utilizados para la determinación de la ruta más corta resultaron ser eficientes y permiten sentar las bases de lo que a futuro puede ser un manual de usuario que servirá como material de consulta para los profesionales interesados en emprender este tipo de ejercicios. Es importante notar que los pasos aquí descritos pueden ser replicados para otras zonas y con otros tipos de datos, pues no hay lugar a confusión frente la forma de estandarizar los datos y a las herramientas que deben utilizarse en cada situación. La ruta generada, es la ruta más corta entre la subestación San Cristóbal y la subestación San Antonio de Prado, y minimiza la afectación de los ecosistemas naturales y antrópicos existentes en la zona de estudio. El número y la ubicación de torres de transmisión que arroja el software, es adecuado si se considera que se deben minimizar los costos del proceso constructivo y de mantenimiento, y se deben optimizar los beneficios de su ubicación. Todo lo anterior, enmarcado dentro de los requerimientos técnicos de este tipo de proyectos. La calidad de los datos que sirven de insumos para los análisis es fundamental para la consecución de resultados eficientes. Aspectos tales como la escala de trabajo, marcan de manera definitiva la eficiencia de este tipo de análisis, así que los usuarios que deseen aplicar estas técnicas deberán prestar especial atención a este aspecto.

6. REFERENCIAS -

Ángel, E., Carmona, S. y Villegas L., (1998) Modelo Analítico por Dimensiones en la Evaluación de Impactos Ambientales. Ed. Universidad Nacional. 138 p.

Aristizábal, E. y Yokota, S., (2008) Evolución Geomorfológica del Valle de Aburrá y sus Implicaciones en la Ocurrencia de Movimientos en Masa. Boletín Ciencias de la Tierra. 24, 5-18.

Atkinson, D., Deadman, P., Dudycha D. y Traynor, S., (2005) Multicriteria Evaluation and Least Cost Path Analysis for an Arctic All-weather Road. Applied Geography. 25: 287–307.

Bagli, S., Geneletti, D. y Orsi F., (2010) Routeing of power lines through leastcost path analysis and multicriteria evaluation to minimise environmental impacts. Environmental Impact Assessment Review. No 31. p. 234-239.

Berling-Wolff, S. y Wu J., (2004) Modeling Urban Landscape Dynamics: A Review. Ecological Research. 19, pp.119–129.

Chandio, I.,Matori, A., WanYusof, K., Talpur, M., Khahro H y Mokhtar, S., (2012a) Computer Application in Routing of Road using Least-Cost Path Analysis in Hillside Development. Research Journal of Environmental and Earth Sciences 4(10): 907-911.

Chandio, I., Matori, A. y WanYusof, K., Talpur, M., Lawal, U., Balogun, A., (2012b) Routing of road using Least-cost path analysis and Multi-criteria decision analysis in an uphill site Development. Conference Paper. Accedido en Agosto 2016 en https://www.researchgate.net/publication/263582134.

Choi Y., Park H., Sunwoo C. y Clarke K., (2008). International Journal of Geographical Information Science. 23(12), 1541-1567.

Chowdhury R., Flentje P. y Bhattacharya G., (2009) Geotechnical Slope Analysis. CRC Press Book. 738 p.

Collischonn, W y Pilar, J. (2000) A Direction Dependent Least Cost Path Algorithm for Roads and Canals. International Journal of Geographical Information Science. 14(4): 397-406.

Dijkstra, E., (1959). A note on two problems in connexion with graphs. Numerische Mathematic 1: 269-271.

Duran-Fernandez, R. y Santos, G., (2014) A GIS Model of the National Road Network in Mexico. Research in Transportation Economics. 46: 36-54.

Effat, H. y Hassan, O., (2013) Designing and evaluation of three alternatives highway routes using the Analytical Hierarchy Process and the least-cost path

analysis, application in Sinai Peninsula, Egypt. The Egyptian Journal of Remote Sensing and Space Sciences. No 16. 2013, 141-151. -

ESRI (ENVIRONMENTAL SYSTEM RESEARCH INSTITUTE), (2016a) Support, Gis Dictionary. Redland (CA), Accedido en octubre de 2016 en http://support.esri.com/other-resources/gis-dictionary/term/impedance.

ESRI (ENVIRONMENTAL SYSTEM RESEARCH INSTITUTE), (2016b) Distance toolset concepts. Redland (CA), Accedido en julio 2016 en http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#/How_the_path_ distance_tools_work/009z00000027000000/.

Gálvez, F.J., López, R. Llopis, A. y Rubio, C., (1998) Curso Teórico-Práctico de Fundamentos Físicos de la Ingeniería. Universidad Politécnica de Valencia. I.S.B.N.: 84-7360-187-4. 709 p.

Goncalves, A. (2010). An Extension of GIS-Based Least-Cost Path Modelling to the Location of Wide Paths. International Journal of Geographical Information Science. 24 (7), 983–996.

Herzog, I. (2014) A Review of Case Studies in Archaeological Least-Cost Analysis. Archeologia e Calcolatori. 25: 223-239.

Kumar, A., Ghosh, S.K., Ghosh, M., Kumar, K., Khare, S. y Chaudhry, P., (2012) GIS based planning for finding optimal gas pipeline route in IITR campus. India Geospatial fórum. 14th Annual International Conferencia and Exhibition on Geospatial Information Technology and Application. Accedido en diciembre de 2016 en http://indiageospatialforum.org/2012/proceedings/ppt/avinash%20paper%20po ster.pdf.

Kumar, M., Rana, S., Pant, PD. y Chandra Patel, R., (2016) Slope stability analysis of Balia Nala landslide, Kumaun Lesser Himalaya, Nainital, Uttarakhand, India, Journal of Rock Mechanics and Geotechnical Engineering. doi: 10.1016/j.jrmge.2016.05.009.

Montrasio, L., Valentino, R., y Losi, G. L. (2009) Rainfall-induced shallow landslides: a model for the triggering mechanism of some case studies in Northern Italy. Landslides, 6, 241-251.

Moreno, J. M., (2005) El Proceso Analítico Jerárquico (AHP). Fundamentos, Metodología y Aplicaciones. Red Temática de Decisiones Multicriterio. Universidad de Málaga. ISBN 84-608-0205-1

Municipio de Medellín. (2005). Estrategias Corregimentales para Medellín: ECO. Departamento Administrativo de Planeación. 109 p.

Ortega, E. Otero, I. y Mancebo, S., (2014) TITIM GIS-tool: A GIS-based decision support system for measuring the territorial impact of transport infrastructures. Expert Systems with Applications. 41: 7641–7652.

Pérez, A. y Mas, J. (2009) Evaluación de los errores de modelos digitales de elevación obtenidos por cuatro métodos de interpolación. Investigaciones Geográficas. No. 69, pp. 53-67.

Pinto, N. y Keitt, T., (2009) Beyond the least-cost path: Evaluating corridor redundancy using a graph theoretic approach. Landscape Ecology. Vol 24 (2): 253-266.

Ray, N. (2005) PATHMATRIX: A GIS tool to compute effective distances among samples. Accedido en diciembre de 2016 en http://cmpg.unibe.ch/software/pathmatrix/.

Saaty, T.L. (2008) Decision making with the analytic hierarchy process, Int. J. Services Sciences, Vol. 1, No. 1, pp. 83–98.

Sáenz, A. R., (2012) Capacidad de Sobrecarga en Líneas Aéreas de Alta Tensión. Proyecto Final de Carrera. Universidad Carlos III de Madrid. 85 p. Accedido en diciembre de 2016. También disponible online en: http://earchivo.uc3m.es/bitstream/handle/10016/14701/MemoriaPFC_Ruben_Saez_A yala.pdf?sequence=1.

Sárkozy, F., (1999) Gis Functions–Interpolation. Periodica Polytechnica Ser. Civ. Eng. Vol. 43, No. 1, pp. 63–86.

Sassa, K., Fukuoka, H., Wang, FW. y Wang, G., (2005) Dynamic properties of earthquake-induced large scale rapid landslides within past landslide masses. Landslides 2 (2). 125-134.

Stachelek, J., (2016) Least Cost Modelling on Irregular Landscape Graphs. The Rescience Journal, Vol 2. ISSN 2430-3658.

UNDRO, Office of the United Nations Disaster Relief Co-ordinador (1979). Natural Disasters and Vulnerability Analysis; Report of Expert Group Meeting (9-12 July 1979). 49 p.

Yu, C., Lee, Y. y Munro-Stasiuk, M., (2003) Extensions to Least-Cost Path Algorithms for Roadway Planning. Geographical Information Science. Vel 17 (4): 361-376.

Zetterberg, A., (2009) Network Based Tools and Indicators for Landscape Ecological Assessments, Planning, and Design. Royal Institute of Technology (KTH). Stockholm, Sweden. 47 p.

ANEXO 1 En este anexo se presentan las funciones utilizadas para la obtenciรณn de algunos productos, asรญ como los parรกmetros y argumentos utilizados en ellas. Tambiรฉn, se presentan las sentencias ingresadas en el cuadro de diรกlogo de la funciรณn Raster Calculator. A1-1. Creaciรณn de un Modelo de Elevaciรณn Digital Para generar este producto se usa la herramientas TIN to Raster. Los argumentos ingresados son: Input TIN: Output Raster: Output Data Type: Method: Sampling Distance:

TIN DEM FLOAT LINEAR CELLSIZE 1

A1-2. Correcciรณn de un Modelo de Elevaciรณn Digital Para realizar esta correcciรณn se usรณ la funciรณn Fill del software ArcGIS. Los parรกmetros ingresados en el cuadro de diรกlogo de esta funciรณn son: Input surface raster: Output surface raster:

dem dem_fill

A1-3. Obtenciรณn del mapa de pendientes Para el cรกlculo de las pendientes se usรณ la funciรณn Slope. A continuaciรณn se muestran los parรกmetros que deben ingresarse al cuadro de diรกlogo. Input raster: Output raster: Output measurement: Z factor:

dem_fill Pend PERCENT_RISE 1

A1-4. Recorte de la capa de datos Zonificaciรณn de ร reas Protegidas Con el fin de restringir la informaciรณn de รกreas protegidas al รกrea de influencia indirecta del proyecto, se usรณ la funciรณn Clip. A continuaciรณn se muestran los parรกmetros de esta funciรณn: Input Feature: Clip Features: Output Feature Class:

Zonificacion_AreaProtegida AreaInfluenciaIndirecta ZonificacionAreaProt

A1-5. Conversión a formato Raster Los parámetros para convertir una capa de datos vectorial a formato raster se describen a continuación (en este caso para la Zonificación de Áreas Protegidas). Input Features: Value field: Output Raster Dataset: Cell assignment type: Priority field: Cellsize:

ZonificacionAreaProt_D ZONIFICACION ZonAreProt MAXIMUM_COMBINED_AREA NONE 1

A1-6. Sentencia ingresada en la función Raster Calculator para determinación del trazado óptimo ("zonareprotf_r" * 0.3) + ("sueprotf_r" * 0.2) + ("aintamb_r" * 0.12) + ("cobtie_r" * 0.08) + ("usosue_r" * 0.15) + ("asnm_r" * 0.15) A1-7. Generación del grid de distancia ponderada Este archivo raster se genera con la función Path Distance. Los parámetros que deben ingresarse son los siguientes: Input raster o feature source data: Output distance raster: Input cost raster: Input surface raster: Output backlink raster:

PtoInicioFin DistPond Gr_Costos dem_fill Dir_Back

A1-8. Generación de la ruta de menor costo Este archivo raster se genera con la función Cost Path. Los parámetros ingresados al cuadro de diálogo correspondientes son: Input raster o feature destination data: Destination Field (optional): Input cost distance raster: Input cost backlink raster: Output Raster: Path type:

PtoInicioFin ORIG_FID DistPond Dir_Back Ruta_Optima EACH_CELL

A1-9. Conversión del archivo raster de ruta de menor costo a formato vectorial El proceso de conversión de un archivo raster a un archivo vectorial, para este caso, la ruta de menor costo, se realizó mediante la función Raster to Polyline. El cuadro de diálogo correspondiente requiere el ingreso de los siguientes parámetros.

Input raster: Field: Output polyline features: Background value: Minimum dangle lenght:

Ruta_Opt VALUE Ruta_Opt NODATA 0,5

A1-10. Sustracción del DEM de cada unidad de suelo del DEM del área de estudio Prof_suelo= Con (dem_aii – dem_suelo < 0, 0, dem_aii – dem_suelo)4 A1-11. Generación de un slide para cada unidad de suelo a 4 m xxx_4m = SetNull(prof_suelo < 4, prof_suelo)5 donde: xxx representa el nombre de la unidad de suelos6. A1-12. Ingreso de archivos raster para el cálculo del FS Para calcular el factor de seguridad se usó la función Raster Calculator y los parámetros ingresados son como se muestran a continuación: FS=

Con(IsNull("qll_4m"),

Con(IsNull("qd_4m"),

Con(IsNull("qat_4m"),

Con(IsNull("fel_4m"), Con(IsNull("pram_4m"), (("C_KdA" + ("Gam_KdA" * 4 * "Cos_Qua_Pen" * "Tan_Phi_KdA")) / ("Gam_KdA" * 4 * "Sen_Pend" * "Cos_Pend")),

(("C_PRaM"

("Gam_PRaM"

"Cos_Qua_Pen"

"Tan_Phi_PRaM")) / ("Gam_PRaM" * 4 * "Sen_Pend" * "Cos_Pend"))), (("C_Fel" + ("Gam_Fel" * 4 * "Cos_Qua_Pen" * "Tan_Phi_Fel")) / ("Gam_Fel" * 4 * "Sen_Pend" * "Cos_Pend"))), (("C_Qat" + ("Gam_Qat" * 4 * "Cos_Qua_Pen" * "Tan_Phi_Qat")) / ("Gam_Qat" * 4 * "Sen_Pend" * "Cos_Pend"))), (("C_Qd" + ("Gam_Qd" * 4 * "Cos_Qua_Pen" * "Tan_Phi_Qd")) / ("Gam_Qd" * 4 * "Sen_Pend" * "Cos_Pend"))),

Esta expresión se interpreta de la siguiente manera: Si el valor de la celda del dem_aii menos el valor de la celda del dem_suelo es menor que cero, asigne un valor de cero, de lo contrario, asigne el valor que corresponda a la sustracción del dem_aii y el dem_suelo. El resultado llámelo Prof_suelo. 5 Esta expresión se interpreta de la siguiente manera: Asigne un valor nulo (Null) a todas aquellas celdas cuya profundidad es menor de 4 metros, de lo contrario, conserve el valor del tipo de suelo. 6 Más adelante, al aplicar la ecuación de factor de seguridad, el objetivo será garantizar que en aquellos sitios en los que el valor de tipo de suelo sea Null, la ecuación deberá asumir que el tipo de suelo es Stok de Altavista (KdA), el cual tiene buenas propiedades para el establecimiento de construcciones. Una buena manera de interpretar los slides que se generan es imaginar que se traza una rasante a 4 metros de profundidad de la superficie, entonces la ecuación de factor de seguridad, estará evaluando en cada posición X e Y, qué tipo de suelo hay a 4 metros de profundidad.

(("C_Qll" + ("Gam_Qll" * 4 * "Cos_Qua_Pen" * "Tan_Phi_Qll")) / ("Gam_Qll" * 4 * "Sen_Pend" * "Cos_Pend"))). Esta sentencia se puede interpretar de la siguiente manera: Evalué para cada celda, a 4 metros de profundidad, el tipo de suelo existente y aplique la fórmula de factor de seguridad correspondiente; si en una celda específica no existe ninguna de las 5 unidades de suelos (Qll, Qd, Qat, Fel o PRaM), entonces aplique la fórmula para la unidad KdA. A1-13. Generación del raster de distancia a la línea de transmisión eléctrica Este archivo raster se generó con la función Euclidean Distance, a cual requiere de los siguientes parámetros: Input Raster or feature source data: Output distance raster: Output cell size: 1

Ruta_Opt AID_RutaOpt

A1-14. Reclasificación del raster de riesgo Para esta clasificación se usó la función Raster Calculator, cuyos argumentos son: "aid_rutaopt_r" + "amemovmasa_ok” + "ameinuavet_ok" + "Riesgo_ok" / 4 A1-15. Generación de la ruta óptima modificada Debido a que la primera solución a la ruta óptima tuvo que ser modificada por la aparición de sitios de torre por fuera del trazado inicial, se procedió a utilizar la herramienta Points To Line, herramienta que pide al usuario ingresar los siguientes parámetros: Input Feature: Output Feature Class: Sort Field:

SitioTorrre_Modif RutaOptima_Modf NUM_TORRE

ANEXO 2 A continuaciรณn se presentan las figuras obtenidas de los procesos de ajuste de datos y consolidaciรณn de productos intermedios. ID

A2-1

Descripciรณn

Mapa de pendientes

Figura

Mapa de A2-2

pendientes (reclasificado)

Zonificaciรณn A2-3

de รกreas protegidas (reclasificado)

Zonificaciรณn de รกreas A2-4

protegidas (reclasificado y completado)

Suelo de A2-5

protecciรณn (reclasificado)

Ă reas de A2-6

interĂŠs ambiental (reclasificado)

Cobertura de A2-7

la tierra (reclasificado)

A2-8

Uso del suelo (reclasificado)

Altura sobre el nivel del mar, A2-9

superpuesto sobre un modelo de sombras

A2-10

Superficie de costos

Superficie de A2-11 distancia ponderada

Grid de A2-12

direcciones de retorno (Backlink)

Sitios aptos A2-13

para la ubicaciรณn de torres

TIN para la A2-13

unidad “Flujos de escombros”

Modelo de elevación A2-14

digital para la unidad “Flujos de escombros”

Modelo de sombras (Hillshade), A2-15 visualizado con la aplicaciรณn ArcScene

Raster de A2-16 factor de seguridad

Raster de A2-17 Amenaza (reclasificado)

Raster de amenaza por A2-18 inundaciรณn y avenida torrencial

Raster de A2-19

zona de riesgo (reclasificado)

Raster de A2-20 Distancia Euclidiana

A2-21

Ruta รณptima (reclasificado)

Raster de รกrea A2-22

disponible para la ubicaciรณn de torres