104687

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

Análisis multitemporal de la cartografía predial base del Distrito Metropolitano de Catastro de Quito - Ecuador.

Multitemporal analysis of the predial base cartography of the Metropolitan District of Cadastre of Quito- Ecuador. by/por

Fausto Kleber Gualacata Cuatucuamba 01633547 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor:

Carlos Mena PhD

Quito - Ecuador, julio 2020

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.

Firma

Quito, 6 de julio del 2020.

AGRADECIMIENTOS

A Dios.

Por haberme dado la vida y la sabiduría para entender las nuevas tecnologías espaciales.

Por ser mi fortaleza en las buenas y malas de este proceso de aprendizaje, tan anhelado de mi existencia.

A mi Esposa e Hijos Blanca Fabiola, Carlos Esteban y Kleber Adrián quienes con su comprensión y ternura me brindaron en todo momento el apoyo y amor para seguir adelante, en un nuevo reto profesional, quienes saben son el pilar fundamental en mi vida.

A mis Familiares.

A mis Padres, Hermano, Hermanas y todas aquellas personas que con un consejo de vida guían mi camino día a día, en ser una persona de bien. ¡Gracias a ustedes!

1

RESUMEN El Distrito Metropolitano de Quito (DMQ) es el territorio donde se encuentra la capital política - administrativa del Ecuador. Su área de influencia y de representación es de alcance Nacional y además su patrimonio físico es considerado Patrimonio Cultural de la Humanidad desde 1978. El DMQ ocupa el territorio del antiguo Cantón Quito, que en el año 1993 fue reconocido por el Estado como territorio especial (Distrito Metropolitano) por su particular condición demográfica y política.

El territorio correspondiente al Distrito Metropolitano de Quito, conformado por 32 parroquias urbanas y 33 parroquias rurales, en la última década ha denotado una gran transformación, especialmente en el sector urbano norte y sur de la ciudad. Mediante la recopilación de los datos catastrales de suelo y construcción de los años 2012 al 2016 y el análisis multitemporal vectorial aplicado, el presente estudio permite identificar las zonas donde han ocurrido los cambios más importantes, cuyo conocimiento apoye y ayude a la planificación y ordenamiento del territorio.

La metodología utilizada se basa en el análisis multitemporal de capas vectoriales y los procesos de análisis espacial de los datos catastrales de suelo y construcción de los años 2012 al 2016, registrados por la Dirección Metropolitana de Catastro del territorio del Distrito Metropolitano de Quito.

La obtención de esta información conjuntamente con la intersección gráfica de Zonas Metropolitanas y los datos de servicios e infraestructura permitió identificar los cambios más significativos, instauradas en el sector norte de Quito en la zona de la Delicia y en el sector sur en la zona de Quitumbe.

El Análisis multitemporal realizado en el Distrito Metropolitano de Quito determinó un incremento neto en el número de lotes de 30,303 y de unidades constructivas de 91,736 desde el año 2012 al 2016. Estas variaciones fueron ubicadas espacialmente mediante la presentación de mapas temáticos y cuadros estadísticos, que permiten al lector apreciar fácilmente los resultados expuestos del estudio general del Análisis Multitemporal.

Palabras Claves: Distrito Metropolitano de Quito, análisis multitemporal, datos catastrales, Zonas metropolitanas.

2

ABSTRACT The Metropolitan District of Quito (DMQ) is the territory where the political and administrative capital of Ecuador is located. Its area of influence and representation is of national scope and in addition its physical heritage is considered Cultural Heritage of Humanity since 1978. The DMQ occupies the territory of the ancient Quito Canton, which in 1993 was recognized by the State as a special territory (Metropolitan District) due to its particular demographic and political condition.

The territory corresponding to the Quito Metropolitan District, made up of 32 urban parishes and 33 rural parishes, has undergone a great transformation in the last decade, especially in the urban north and south of the city. Through the collection of land and construction cadastral data from 2012 to 2016 and the applied multi-temporal vector analysis, this study allows the identification of the areas where the most important changes have occurred, whose knowledge supports and helps in the planning and management of the territory.

The methodology used is based on the multi-temporal analysis of vectorial layers and the processes of spatial analysis of the cadastral data of land and construction for the years 2012 to 2016, registered by the Metropolitan Directorate of Cadastre of the territory of the Quito Metropolitan District.

Obtaining this information together with the graphic intersection of Metropolitan Areas and the data on services and infrastructure allowed the identification of the most significant changes, established in the northern sector of Quito in the La Delicia area and in the southern sector in the Quitumbe area.

The multi-temporal analysis carried out in the Quito Metropolitan District determined a net increase in the number of lots of 30,303 and of construction units of 91,736 from 2012 to 2016. These variations were spatially located through the presentation of thematic maps and statistical tables, which allow the reader to easily appreciate the results of the general study of the Multitemporal Analysis.

Keywords: Quito Metropolitan District, multi-temporal analysis, cadastral data, metropolitan areas.

3

RESUMEN ............................................................................................................................... 1 ABSTRACT .............................................................................................................................. 2 1.

2.

INTRODUCCION .............................................................................................................. 8 1.1.

ANTECEDENTES ....................................................................................................... 8

1.2.

OBJETIVO Y PREGUNTAS DE INVESTIGACION ....................................................... 10

1.2.1.

Objetivo General ............................................................................................... 10

1.2.2.

Objetivos Específicos ......................................................................................... 10

1.2.3.

Preguntas de Investigación ............................................................................... 10

1.3.

HIPOTESIS .............................................................................................................. 10

1.4.

JUSTIFICACION ...................................................................................................... 10

1.5.

ALCANCE ............................................................................................................... 11

MARCO TEORICO .......................................................................................................... 13 2.1.

2.1.1.

Análisis Multitemporal Vectorial ....................................................................... 14

2.1.2.

Procesamiento Digital de Imágenes .................................................................. 15

2.2.

ESTUDIOS CATASTRALES ....................................................................................... 16

2.2.1.

Objetivos del catastro ....................................................................................... 16

2.2.2.

Componentes .................................................................................................... 16

2.2.3.

Definiciones Catastrales .................................................................................... 17

2.3.

HERRAMIENTAS de Extracción, Transformación y Carga ..................................... 19

2.4.

MARCO METODOLÓGICO ..................................................................................... 21

2.4.1.

3.

ANALISIS MULTITEMPORAL .................................................................................. 13

Cuadro comparativo de tareas en metodologías .............................................. 35

METODOLOGÍA ............................................................................................................ 37 3.1.

AREA DE ESTUDIO ................................................................................................. 37

3.2.

ZONAS METROPOLITANAS .................................................................................... 40

3.3.

METODOLOGIA APLICADA .................................................................................... 41

3.3.1.

Adquisición y Recolección de Datos .................................................................. 44

3.3.2.

Clasificación y Estandarización De Datos .......................................................... 45

3.3.3.

Transformación y Corrección de Datos ............................................................. 50

3.3.4.

Carga de Datos .................................................................................................. 52

4

3.3.5.

4.

RESULTADOS Y DISCUSIÓN........................................................................................... 55 4.1.

Mapas de lotes y construcciones ...................................................................... 55

4.1.2.

Mapas Comparativos de lotes entre años ........................................................ 60

4.1.3.

Mapa por Zonas Metropolitanas ...................................................................... 62 ANALISIS DE RESULTADOS .................................................................................... 64

4.2.1.

Variación de lotes y construcciones .................................................................. 64

4.2.2.

De los datos por Zonas Metropolitanas ............................................................ 68

4.2.3.

De la Metodología Propuesta ........................................................................... 71

CONCLUSION ................................................................................................................ 72 5.1.

6.

RESULTADOS OBTENIDOS ..................................................................................... 55

4.1.1.

4.2.

5.

Analisis Multitemporal ...................................................................................... 53

RECOMENDACIONES ............................................................................................. 73

CAPITULO VI: REFERENCIAS Y BIBLIOGRAFIA ............................................................... 74

ANEXO A.

CONFIGURACIÓN DE LA GEODATABASE ....................................................... 77

ANEXO B.

PROCEDIMIENTO CORRECCIÓN DE DATOS ................................................... 79

ANEXO C.

ANÁLISIS ESPACIAL ........................................................................................ 82

5

ÍNDICE DE FIGURAS FIGURA 1: CRECIMIENTO URBANO DE LA CIUDAD DE QUITO. ........................................................................ 9 FIGURA 2: TIPOS DE TIEMPO........................................................................................................................ 15 FIGURA 3: INTEGRACIÓN CON FME. ............................................................................................................ 19 FIGURA 4: METODOLOGÍA DESARROLLO DE SISTEMA DE INFORMACIÓN GEOGRÁFICA. .............................. 23 FIGURA 5: METODOLOGÍA DE INCENDIOS FORESTALES DMQ. ..................................................................... 25 FIGURA 6: CLASIFICACIÓN DE ALERTAS TEMPRANAS DEL DMQ. .................................................................. 27 FIGURA 7: METODOLOGÍA DE ANÁLISIS MULTITEMPORAL DEL CRECIMIENTO ............................................. 29 FIGURA 8: METODOLOGÍA PARA ANÁLISIS MULTITEMPORAL DE LA EXPANSIÓN URBANA EN LAS COMUNAS DEL MUNICIPIO DE FUSAGASUGÁ. ..................................................................................................... 32 FIGURA 9: POLÍGONOS DE CONSTRUCCIONES DE LOS AÑOS 1977, 1988, 1996 Y 2009. ............................... 34 FIGURA 10: ÁREA DE ESTUDIO DEL DISTRITO METROPOLITANO DE QUITO. ................................................. 37 FIGURA 11: POBLACIÓN DEL DMQ DE ACUERDO AL CENSO 2001-2010. ...................................................... 38 FIGURA 12: ZONAS METROPOLITANAS DEL DMQ. ....................................................................................... 40 FIGURA 13: METODOLOGÍA DE ANÁLISIS MULTITEMPORAL VECTORIAL. ..................................................... 43 FIGURA 14: FEATURE DATASET DE GEODATABASE....................................................................................... 46 FIGURA 15: ORGANIZACIÓN DE FEATURE DATASET. .................................................................................... 47 FIGURA 16: REGLAS TOPOLÓGICAS. ............................................................................................................. 51 FIGURA 17: EJEMPLO DE SELF INTERSECT. ................................................................................................... 52 FIGURA 18: ESQUEMA DE CARGA DE DATOS ALFANUMÉRICOS. .................................................................. 52 FIGURA 19: LOTES AÑO 2016. ...................................................................................................................... 56 FIGURA 20: LOTES AÑOS 2012, 2013, 2014 Y 2015. ..................................................................................... 57 FIGURA 21: CONSTRUCCIONES AÑO 2016. .................................................................................................. 58 FIGURA 22: CONSTRUCCIONES AÑOS 2012, 2013, 2014 Y 2015. .................................................................. 59 FIGURA 23: DIFERENCIA DE LOTES 2012 – 2016. .......................................................................................... 60 FIGURA 24: IMAGEN DE LOTES COMPARATIVOS POR AÑOS. ....................................................................... 61 FIGURA 25: LOTES POR ZONAS METROPOLITANAS. ..................................................................................... 62 FIGURA 26: NÚMERO DE LOTES POR AÑOS. ................................................................................................ 65 FIGURA 27: SUPERFICIE DE LOTES POR AÑOS. ............................................................................................. 65 FIGURA 28: NÚMERO DE CONSTRUCCIONES POR AÑOS. ............................................................................. 66 FIGURA 29: SUPERFICIE DE CONSTRUCCIONES POR AÑOS. .......................................................................... 67 FIGURA 30: INCREMENTO DE LOTES POR ZONAS METROPOLITANAS 2012 A 2016. ..................................... 69 FIGURA 31: INCREMENTO DE CONSTRUCCIONES POR ZONAS METROPOLITANAS 2012 A 2016. .................. 70 FIGURA 32: NÚMERO DE CONSTRUCCIONES POR ZONAS. ........................................................................... 70 FIGURA 33: PANTALLA DE CONEXIÓN A BASE DE DATOS. ............................................................................ 77 FIGURA 34: CONSOLA DE ADMINISTRACIÓN DE SQL. ................................................................................... 78 FIGURA 35: ÍNDICE EN LOTES. ...................................................................................................................... 78 FIGURA 36: ÍNDICE EN CONSTRUCCIONES. .................................................................................................. 78 FIGURA 37: SELECCIÓN DE CAPAS PARA INTERSECCIÓN............................................................................... 82 FIGURA 38: HERRAMIENTA DIFERENCIA SIMÉTRICA. ................................................................................... 83 FIGURA 39: HERRAMIENTA SPATIAL JOIN. ................................................................................................... 83

6

ÍNDICE DE TABLAS TABLA 1: VERSIONES DE FME. ...................................................................................................................... 20 TABLA 2: CAPACIDADES DATA INTEROPERABILITY. ...................................................................................... 21 TABLA 3: CUADRO COMPARATIVO DE METODOLOGÍAS. ............................................................................. 35 TABLA 4: PARÁMETROS DEL SISTEMA DE REFERENCIA. ............................................................................... 41 TABLA 5: CUADRO DE ETAPAS DE METODOLOGÍAS. .................................................................................... 42 TABLA 6: NÚMERO TOTAL DE LOTES POR AÑOS. ......................................................................................... 44 TABLA 7: NÚMERO DE CONSTRUCCIONES POR AÑOS. ................................................................................. 45 TABLA 8: ESTRUCTURA GRÁFICA LOTES. ...................................................................................................... 47 TABLA 9: ESTRUCTURA GRÁFICA BLOQUES. ................................................................................................. 48 TABLA 10: ESTRUCTURA GRÁFICA DE CONSTRUCCIONES. ............................................................................ 48 TABLA 11: ESTRUCTURA ALFANUMÉRICA DE LOTES..................................................................................... 49 TABLA 12: ESTRUCTURA ALFANUMÉRICA DE CONSTRUCCIONES. ................................................................ 49 TABLA 13: TIPOS DE INCONSISTENCIAS. ....................................................................................................... 50 TABLA 14: LOTES POR ZONAS Y AÑOS. ......................................................................................................... 63 TABLA 15: CONSTRUCCIONES POR ZONAS POR AÑOS.................................................................................. 63

7

ACRÓNIMOS AIVA GDB CAD CLIRSEN DBMS DGN DMC DMI DMQ DTS EPMAPS ERDAS ESRI ETL FME IDE IEE INDA NBI PEA PUOS SICMA SIG SQL TIC TIFF

Área de Intervención valorativa Geodatabase Computer Aided Manufacturing Centro de Levantamientos Integrados de Recursos Naturales por Sensores Remotos Data Base Management System Design Dirección Metropolitana de Catastro Dirección Metropolitana de Informática Distrito Metropolitano de Quito Data Transformation Services Empresa Pública Metropolitana de Agua Potable y Saneamiento Earth Resource Digital Analysis System Environmental Systems Research Institute Extraction Transformation Load Feature Manipulation Engine Infraestructura de Datos Espaciales Institute of Electrical and Electronic Engineers Instituto Nacional de Desarrollo Agrario Necesidades Básicas Insatisfechas Población económicamente activa Plan de Uso y Ocupación de Suelo Sistema de Información Catastral Multifinalitario Automatizado de Quito Sistema de Información Geográfica Structured Query Language Tecnologías de la información y Comunicación Tagged Image File Format

8

1. INTRODUCCION 1.1.

ANTECEDENTES

El Distrito Metropolitano de Quito (DMQ) alberga una población aproximada de 2´239,191 habitantes que constituyen el 15,5 % de la población nacional según datos de la Secretaria de Territorio, Habitat y Vivienda (2014). En su territorio, se encuentran las sedes de los principales organismos públicos: ejecutivo, judicial y legislativo y las más importantes empresas particulares que brindan el soporte económico a nivel local y regional (Secretaria de Territorio, Habitat y Vivienda, 2014).

El Territorio del DMQ según la Secretaria General de Planificación (2011), se establece como un territorio biodiverso en recursos naturales, pisos climáticos y ecosistemas. Con dos estaciones bien diferenciadas la seca de junio a septiembre y la lluviosa de octubre a mayo con variaciones de temperatura de 4°C a 22°C generando al menos 15 tipos de climas con una temperatura promedio de 17°, estas estaciones inciden en las actividades agrícolas ubicadas en la periferia del territorio (Secretaria General de Planificación, 2011).

Las condiciones anteriormente indicadas, así como el proceso de migración externa (desde Colombia y Venezuela en los últimos años) determinan un acelerado crecimiento urbano que pone en evidencia la descoordinación entre la localización de la vivienda, la del empleo y los servicios. Es así que mientras los hogares se ubican en lugares cada vez más alejados de la ciudad, el empleo y los servicios siguen concentrados principalmente (54%) en la zona del hipercentro1 (8 de las 65 parroquias del DMQ), de acuerdo con el Instituto de la Ciudad Quito (2015).

Este fenómeno ha generado un crecimiento poblacional disfuncional, considerando que las zonas en las que vive el mayor porcentaje de la Población Económicamente Activa (PEA) se encuentran más alejadas del hipercentro como lo son las parroquias: El Condado, Calderón, Quitumbe, Turubamba, etc. como se puede apreciar en la Figura 1 desde el año 1983, generando importantes problemas de movilidad y accesibilidad especialmente de las 1 Su delimitación referencial se estima entre los ejes Av. Tomás de Berlanga al Norte; Av. Alonso de Angulo al Sur;

Av. América, Av. Universitaria y Av. Mariscal Sucre al Oeste; y, Av. 6 de Diciembre, Av. Gran Colombia y Av. Maldonado al Oriente

9

personas que necesitan trasladarse desde el Sur hacia el Norte de la ciudad donde se concentran las principales fuentes de trabajo.

Figura 1: Crecimiento urbano de la Ciudad de Quito.

Fuente: Secretaria de Territorio, Habitat y Vivienda (2014)

El almacenamiento de la información geográfica en distintos formatos y en múltiples fuentes de almacenamiento por la Dirección Metropolitana de Catastro, de los años 2012 al 2016 no permite visualizar en forma rápida y sencilla las variaciones ocurridas a nivel de terreno (capa de lotes) o a nivel de construcciones (capa de unidades constructivas) en el territorio del DMQ. Tampoco ha permitido realizar los análisis y estudios espaciales que identifiquen la correlación de los factores que influyen en las tendencias de crecimiento del Distrito Metropolitano de Quito a través del tiempo y el espacio.

10

1.2.

OBJETIVO Y PREGUNTAS DE INVESTIGACION

1.2.1. Objetivo General Analizar la dinámica multitemporal en número y área de lotes y unidades constructivas, de los años 2012 al 2016 en el Distrito Metropolitano de Quito (Ecuador).

1.2.2. Objetivos Específicos 

Determinar la variación cuantitativa de lotes y unidades constructivas para los años del 2012 al 2016 en el DMQ.



Determinar la variación gráfica del área de lotes y unidades constructivas del año 2012 al 2016 en el DMQ.



Explicar las tendencias de cambios por zonas metropolitanas del periodo 2012 al 2016 del Distrito Metropolitano de Quito.

1.2.3. Preguntas de Investigación 

¿Cómo varía el número de lotes y unidades constructivas entre los años 2012 y 2016 en el Distrito Metropolitano de Quito (Ecuador)?



¿Cómo varía la superficie de lotes y unidades constructivas entre los años 2012 y 2016 en el Distrito Metropolitano de Quito (Ecuador)?



¿Cuáles de las zonas metropolitanas presentan los mayores cambios en el periodo 2012 a 2016 en el DMQ?

1.3.

HIPOTESIS

El análisis multitemporal permite identificar la variación en número y superficie de lotes y unidades constructivas entre los años 2012 a 2016 en el Distrito Metropolitano de Quito.

1.4.

JUSTIFICACION

Esta investigación nace como un requerimiento especial por parte de la Dirección Metropolitana de Catastro, en la necesidad de elaborar los mapas gráficos e informes

11

cuantitativos de la variación del registro de nuevos lotes y construcciones desde los años 2007 al 2016, solicitado por los Señores Concejales del DMQ. Mediante el análisis multitemporal de las capas vectoriales concernientes a la cartografía de lotes y construcciones manejada por la Dirección Metropolitana Catastral (DMC) se constituye en una herramienta valiosa de visualización y análisis para la Dirección Metropolitana de Catastro, Dirección Metropolitana Tributaria y la Unidad de Valoración, por cuanto identifica gráficamente las zonas de mayor crecimiento, variaciones de áreas de nuevos lotes y superficies de construcción desde el año 2012 al 2016.

La estandarización y la estructuración correcta de esta información en un único repositorio de geodatabase corporativa de Microsoft Sql Server 2008 R2, Lenguaje Estructurado de Consulta (SQL). Según Aitchison (2009), permite optimizar el espacio de almacenamiento y mejorar los tiempos de respuesta para la presentación de reportes y mapas temáticos con información gráfica y alfanumérica, información útil para el nivel gerencial y ejecutivo de la Dirección Metropolitana de Catastro del Municipio de Quito.

La importancia de esta investigación ratifica los conceptos de diseño de bases de datos aplicados a la presentación de los datos espaciales de gran tamaño, impedimento superado y expuesto con gran versatilidad en el desarrollo de este trabajo. Finalmente, los resultados obtenidos apoyan y argumentan con datos fehacientes la Ordenanza de Zonificación 0171, que contiene el Plan Parcial de Ordenamiento Territorial, emitida por el Concejo Metropolitano de Quito el 14 de diciembre del 2011. El cual tiene como objetivo establecer las disposiciones y normas de uso, ocupación e intervención en el territorio que lo conviertan en un espacio funcional y ambientalmente sostenible requeridos por la Secretaria de Territorio Hábitat y Vivienda .

1.5.

ALCANCE

Este estudio establece como área de estudio al considerado en una superficie de 4,230 Km2, perteneciente al Distrito Metropolitano de Quito, repartido en el sector urbano con 423.12 Km2 y en el sector rural con un área de 3,807.62 Km2, conformando así las 32 parroquias urbanas y 33 parroquias rurales.

12

El estudio exploratorio de la cartografía a gran escala presenta nueva información multitemporal producto de la expansión no planificada en algunos casos en la urbe a escala 1:1,000 y laderas de Quito zona rural a escala 1:5000, que permitan argumentar la correlación con factores socio – económicos.

Como resultado de esta investigación se obtendrán los siguientes productos: 

Cartografía del año 2012.



Cartografía del año 2013.



Cartografía del año 2014.



Cartografía del año 2015.



Cartografía del año 2016.



Cambios de cobertura de suelo y construcción del año 2012 y 2013.



Cambios de cobertura de suelo y construcción del año 2013 y 2014.



Cambios de cobertura de suelo y construcción del año 2014 y 2015.



Cambios de cobertura de suelo y construcción del año 2015 y 2016.



Cobertura de suelo y construcción por zonas metropolitanas de los años 2012 al 2016.

Los resultados se presentan en 2 formatos, la primera mediante la presentación de mapas temáticos para representar especialmente la superficie y localización de lotes y construcciones en escala 1:500,000. La segunda es representar los datos alfanuméricos como gráficos de barras, grafica de pastel o líneas de tendencias, que permitan apreciar visualmente la variación cuantitativa entre años.

Las Unidades de Catastro e Informática del Ilustre Municipio de Quito, así como la Secretaria de Territorio Hábitat y Vivienda son las entidades directamente beneficiadas de esta investigación. En forma indirecta se benefician además las entidades colaboradoras con el Municipio de Quito como la Empresa Pública Metropolitana de Agua Potable y Saneamiento (EPMAPS) y la Secretaria de Territorio Hábitat y Vivienda.

13

2. MARCO TEORICO 2.1. ANALISIS MULTITEMPORAL De acuerdo con Jordan (2016), el análisis multitemporal consiste en evaluar comparativamente dos o más imágenes de la misma zona, pero de fecha diferentes. La observación cíclica o periódica permite el seguimiento de diferentes procesos que influyen en la cobertura de un territorio.

Según Mehi y Peinado (1997), la metodología de análisis multitemporal es una técnica de análisis que permite obtener conclusiones diferenciadas relacionadas con las transformaciones espaciales de una región. El procesamiento multitemporal implica que las series de datos provenientes de diferentes fechas tienen que convertirse en un conjunto único de datos.

El análisis multitemporal de tipo espacial compara dos o más imágenes o capas vectoriales del mismo lugar, pero en diferentes fechas o periodos. Esto implica un análisis de las características del paisaje en relación con los cambios de tipo antropogénicos o naturales que han ocurrido sobre dicho paisaje (Consultores Geomáticos, 2016).

Considerando que el análisis multitemporal raster sirve de guía y base para este estudio, el cual parte desde la obtención de capas de tipo vectorial, entonces se da una breve introducción del análisis multitemporal raster, que permita comprender las principales fases de este proceso.

Actualmente existen varias técnicas utilizadas para realizar análisis multitemporal raster, las principales son: 

Composiciones multitemporales.



Diferencia entre imágenes.



Cocientes multitemporales.



Componentes principales.



Regresión.



Vectores multitemporales.

14

2.1.1. Análisis Multitemporal Vectorial Una de las principales actividades del análisis multitemporal raster consiste en la digitalización y vectorización de las imágenes procesadas para obtener áreas o polígonos de información, que permiten mediante operaciones básicas de contenencia o intersección establecer las relaciones y variaciones de áreas de crecimiento, según Franco (2016).

El análisis multitemporal vectorial es una parte del proceso de análisis multitemporal de imágenes, en el cual los insumos principales son capas vectoriales tipo: shapefile o geodatabase de polígonos, líneas o puntos. El análisis multitemporal vectorial consiste principalmente en las tareas de intersección de capas gráficas de información en diferentes periodos de tiempo, que permitan reconocer los cambios en los datos espaciales vectoriales de un territorio mediante una herramienta SIG, de acuerdo a Franco (2016).

Datos a través del tiempo Es importante en el estudio del Análisis Multitemporal, comprender correctamente la información presentada en una serie de imágenes que a su vez permitan reconocer patrones de comportamiento de las variables contenidas. En forma paralela al crecimiento de la capacidad computacional y los Sistemas de Información Geográfica (SIG), permiten desarrollar nuevas aplicaciones basadas en el tiempo (Jordan, 2016).

Según Jordan (2016, pág. 116; ver figura 2): El tiempo se puede ver como una magnitud lineal o cíclica. El tiempo lineal tiene un inicio y un final definidos y se puede expresar por medio de medidas de tiempo discretas, continuas o cíclicas. El vídeo es un ejemplo de imágenes capturadas con tiempo continuo. El tiempo cíclico captura los eventos que se producen en una secuencia una y otra vez. El tiempo meteorológico que se observa a diario es un ejemplo de tiempo cíclico.

15

Figura 2: Tipos de tiempo.

Fuente: Jordan (2016)

Los datos obtenidos en el tiempo permiten obtener variaciones, transformaciones en el futuro de manera aproximada. Los sistemas SIG de tiempo real pretenden analizar las condiciones actuales y predecir el comportamiento de lo que va a suceder en el futuro (Jordan, 2016).

2.1.2. Procesamiento Digital de Imágenes Una de las tareas a realizar al obtener las imágenes satelitales es exportar los datos que se encuentran en tipo raster a tipo vector. La identificación correcta de las características de estos elementos permite la creación de nuevas capas vectoriales que finalmente pueden ser incorporadas a un sistema SIG (Olaya, 2016).

El uso de la computación en diferentes dominios ha permitido sofisticar la naturaleza del procesamiento de las imágenes, con el propósito de extraer al máximo cualquier información que pueda ser de utilidad para el procesamiento digital de imágenes, de acuerdo al Instituto Geográfico Agustín Codazzi (2014).

16

2.2. ESTUDIOS CATASTRALES De acuerdo a Jácome y Salgado (2011), la actualización catastral es el conjunto de actividades encaminadas al mantenimiento de los datos catastrales, es decir los datos de terreno y construcción relativos a lotes o predios registrados.

Los estudios catastrales apoyan enormemente el tema tributario, que determina el valor de impuestos prediales en relación directa al avalúo catastral y a factores como: la existencia de servicios e infraestructuras que influyen en el estatus de vida de las personas y mejoran la calidad de vida de la comunidad (Allauca Sangucho, 2014).

2.2.1. Objetivos del catastro El catastro es definido como una herramienta que administra, ordena y actualiza los bienes inmuebles de espacio geográfico nacional, con fines de planificación y desarrollo ordenado del territorio a través del conocimiento de los componentes más relevantes de la propiedad inmobiliaria (Concejo Metropolitano de Quito, 2007). 

Elaborar y administrar el inventario nacional de bienes inmuebles mediante los procesos de creación y mantenimiento catastral, que permitan la correcta identificación física, jurídica y económica de los predios.



Establecer un Sistema de Información catastral único que integre las bases de datos de las diferentes entidades catastrales.



Apoyar las acciones de planificación municipal mediante la entrega de información actualizada que permitan un desarrollo ordenado del territorio



Entregar a las entidades competentes la información básica para el cálculo del impuesto tributario y demás gravámenes

2.2.2. Componentes El catastro inmobiliario, según Allauca Sangucho (2014), es el registro e inventario técnico, actualizado y clasificado de la propiedad inmobiliaria, en la que se establece la correcta identificación de los siguientes aspectos:

17



Aspectos Físicos Geométricos



Jurídicos



Económicos

Aspectos Físicos Geométricos Las características físicas de los bienes inmuebles están sujetas a la información de los linderos y dimensiones que consten en las escrituras debidamente inscritas en el registro de la propiedad, y a los planos del levantamiento aprobados. Las características físicas abarcaran los aspectos internos y externos de construcción de los predios (Allauca Sangucho, 2014).

Aspectos Jurídicos Los aspectos jurídicos comprenden lo relacionado a la titularidad de dominio, derecho de propiedad o posesión del inmueble. Esta información, de acuerdo a Allauca Sangucho (2014), podrá obtenerse de acuerdo a la documentación protocolizada y registrada, presentada por el interesado, así como del registro de la propiedad, notarias, juzgados e instituto nacional de desarrollo agrario (INDA).

Aspecto Económico Son los estudios y metodologías que permiten determinar el avaluó catastral a precio de mercado, aplicable a todos y a cada uno de los bienes inmuebles ubicados en el área de estudio, establecidos en función de las ordenanzas urbana y rural vigentes, los avalúos de los inmuebles servirán como base imponible para la determinación y cálculo de los tributos que las leyes y ordenanzas determinen en los Municipios a nivel Nacional, según Allauca Sangucho (2014).

2.2.3. Definiciones Catastrales Las siguientes definiciones permiten dar a conocer los términos técnicos relacionados a lotes y construcciones, establecidos según Jácome y Salgado (2011).

18

Cartografía catastral.- La cartografía catastral corresponde al polígono que representa la realidad física de los bienes inmuebles ubicados en un determinado sector político administrativo.

Catastro predial.- Es el inventario y registro de bienes inmuebles públicos y privados dentro de un territorio, considerando sus componentes físico, jurídico-legal y económico.

Clave catastral. - Es el código numérico o alfanumérico convencional que identifica en forma única un lote en el catastro. Generalmente este es un dato compuesto por la unión de código de provincia, cantón, parroquia, número de lote, bloque, piso y unidad.

Lote.- Es la unidad territorial mínima que conforma el polígono manzanero, se encuentra delimitado por otros lotes o por vías públicas, en el área urbana y delimitado por caminos vecinales, ríos o quebradas en el área rural.

Bloque constructivo. - Es la edificación que tiene características similares en cuanto a uso y elementos físicos constructivos implantada dentro de un lote de terreno, se consideran como elementos o características principales el año de construcción y el tipo de estructura de la construcción; por ejemplo una edificación separada la una de la otra con uso constructivo exclusivo o una torre de departamentos que comparten un mismo terreno.

Unidad constructiva. - La unidad constructiva es la edificación que tiene características físicas y condiciones de construcción propias. Las unidades constructivas o construcciones mantienen una relación alfanumérica y espacial, una unidad principal puede o no tener unidades secundarias. Área del lote: Se establece como la superficie comprendida dentro del perímetro de un espacio de terreno. Generalmente establecida en metros cuadrados. Área de construcción: Corresponde a la superficie de la construcción permanente ejecutada y ubicada en un terreno o en un determinado piso o planta. Esta edificación puede o no estar delimitada por paredes exteriores o perimetrales.

Predio: Es el bien inmueble determinado por una superficie poligonal cerrada, o de superficie continua, con ubicación geográfica definida y georreferenciada.

19

2.3. HERRAMIENTAS de Extracción, Transformación y Carga Las herramientas de Extracción, Transformación y Carga (ETL) son los instrumentos y las actividades que permiten obtener fuentes de información de datos, adaptar los formatos y homologar los campos de valores a ser transferidos a en un origen de datos estándar.

Estas herramientas facilitan la automatización de tareas de obtención de datos mediante configuraciones iniciales o programación.

Feature Manipulation Engine (FME) Desktop FME Desktop es la herramienta de Extracción, Transformación y Carga (ETL) espacial más usada y flexible para la integración, procesamiento y control de calidad de información geoespacial (Desktop FME, 2017) (Figura 3).

Figura 3: Integración con FME. Fuente: Desktop FME (2017)

La herramienta permite integrar las más variadas fuentes de datos de una manera rápida y eficiente dentro de un proceso FME, reestructurándolas a la necesidad de transformación de datos específicos del usuario SIG, tipos de datos como el diseño asistido por computadora (CAD), tipos raster, servicios web y los tipos de datos de distintas geodatabases. La herramienta FME, se presenta en varias ediciones como se indica en la Tabla 1.

20

Tabla 1: Versiones de FME. Fuente: Desktop FME (2017)

Versión

Descripción

Professional

FME Professional Edition es un producto muy potente para empezar a editar, manipular y convertir datos geoespaciales. Esta versión ya ofrece toda la gama de funciones y muchos de los formatos de datos más habituales.

Edition

Esri Edition

Intergraph Edition Database Edition

FME Environmental Systems Research Institute (ESRI) Edition es especialmente útil para los usuarios de la tecnología Esri ya que soporta todos los formatos de ESRI. Esta versión se distribuye junto con la extensión FME para ArcGIS, de forma que la funcionalidad FME está disponible para ser usada inmediatamente con los productos ArcGIS. FME Intergraph Edition va dirigida principalmente a usuarios de productos Intergraph, ya que soporta formatos especiales de Intergraph como Geomedia SQL Server. FME Intergraph Edition se distribuye con la extensión para GeoMedia incluida, con lo que las funcionalidades de FME se pueden utilizar directamente en GeoMedia.

FME Database Edition incluye funcionalidades específicas para bases de datos Oracle, Microsoft SQL Server y DB2 de IBM. Esta versión también soporta la escritura de datos espaciales en la base de datos, además de en los formatos de las versiones arriba mencionadas.

Data Interoperability La ArcGIS Data Interoperability extensión for Desktop es otro conjunto de herramientas versátiles ETL (extraer, transformar y cargar) espaciales integradas que se ejecuta en el marco de geoprocesamiento mediante la tecnología FME de Safe Software. Permite integrar datos de diferentes fuentes y formatos, usar esos datos con las herramientas de geoprocesamiento y publicarlos con ArcGIS Server (ESRI Arcgis Server, 2017).

Arcgis Data Interoperability permite convertir datos entre diferentes formatos de datos dentro del ambiente de Arcgis para mapear, visualizar y analizar datos geográficos. Se presenta a continuación las capacidades de la herramienta, indicados en la Tabla 2.

21

Tabla 2: Capacidades Data Interoperability.

Fuente: ESRI Arcgis (2017).

Capacidad

Descripción

No requiere

Arcgis Data Interoperability provee cero códigos en el ambiente de lectura, transformación y escritura de sistema SIG, contiene los formatos más comunes de datos en archivos o geodatabases y la web. Este contiene una interface visual para autorizar y ejecutar la conexión y transformación de datos.

Arcgis Data Interoperability provee estados de acceso directo a los datos, herramientas de transformación y de carga y construcción de un dato complejo espacial calculado.

Arcgis Data Interoperability soporta varios formatos propietarios y protocolos como formatos estandarizados desde OGC, ISO; ay otros estándares SIG. el GML y WFS núcleo estándar son usados como extensión , sin requerir licencia

código

Extraer, Transformar y Cargar Soporte para estándares abiertos Compartir su trabajo

Se puede obtener Data Interoperability extensión para Arcgis for server y desarrollar completamente vía red o la web , distintas fuentes de datos , o si usted es desarrollador puede obtener el Arcgis Engine

2.4. MARCO METODOLÓGICO La Universidad Autónoma Chapingo, Coordinación de Revistas Institucionales (2011) presentan los métodos espaciales más utilizados para la detección de los cambios de uso del suelo que constituyen la base para el análisis multitemporal vectorial, mediante 3 criterios de clasificación: El primero se fundamenta en el cambio de reflectividad en las texturas de las imágenes, las cuales son afectadas por limitaciones espaciales, espectrales, temáticas y temporales que incluyen los siguientes métodos: 

Algebra de mapas.



Transformaciones matemáticas.



Post-clasificación.



Modelación.

El segundo criterio se basa en el análisis de la temporalidad de la información 

Análisis bitemporal: Análisis de tipo cualitativo o cuantitativo que emplean objetos en 2 fechas distintas que emplea el análisis de cambios de vectores.

22



Análisis multitemporal: Análisis cualitativo o cuantitativo de los objetos de más de 2 fechas que emplea la diferencia de vectores entre dos series.

El tercer criterio está basado en el tipo de dato empleado 

Datos continuos: Incluye las metodología numéricas como el Algebra de mapas, transformaciones matemáticas y modelación.



Datos categorizados: Basados en la post-clasificación con matrices de cambios a través de cadenas de Markov.

De esta manera se puede apreciar que no existe un método único de solución de encontrar las variaciones de suelo y más bien que el estudio de las metodologías existentes en diversos estudios de análisis multitemporal, permiten obtener las mejores experiencias y conocimientos en el tratamiento de la información, siendo importante también la lectura e interpretación de otros trabajos de investigación similares o relacionados con la determinación del crecimiento urbano.

Es importante indicar que las metodologías de análisis multitemporal propuestas al menos deben incluir las etapas básicas del desarrollo de Sistemas de información geográfica expuestas por Pressman (2002) en la Figura 4, que permitan establecer la guía base de procedimientos, técnicas y herramientas SIG estándar para obtener aplicaciones de software de calidad.

23

Figura 4: Metodología desarrollo de Sistema de Información Geográfica.

Fuente: Pressman (2002)

1. Análisis de requisitos Esta fase consiste en listar los requerimientos de software SIG, relacionados con la funcionalidad y características de comportamiento del sistema.

2. Diseño de sistema Se elaboran los diseños lógicos de la base de datos e interfaces del sistema, diseño de reportes y formularios de entrada y salida. En los sistemas SIG se pondrá especial interés en el estándar de presentación de los mapas temáticos a través de los visores geográficos.

3. Generación de código Esta etapa denominada también de construcción del sistema, en el cual se elabora todo el código fuente de programación. En esta etapa es fundamental el seleccionar la tecnología

24

de software adecuada para el desarrollo de un sistema SIG, por cuanto existen un sinnúmero de herramientas de software libre y privado que permiten manipular los datos geográficos con gran versatilidad.

4. Implantación Esta etapa corresponde a la instalación y configuración de todas las aplicaciones y módulos desarrollados en la generación de código. Se configuran los servidores de mapas y conexiones a las geodatabases.

5. Evaluación Se realizan las pruebas funcionales que verifiquen el comportamiento deseado y establecido por el cliente. Las pruebas de estrés y concurrencia son frecuentes en esta etapa, en el caso de reportar errores se los corregirá de forma inmediata.

Se presenta a continuación el detalle de las metodologías empleadas en el análisis multitemporal, que servirán de base para establecer una metodología apropiada y ajustada a la realidad de este estudio.

1. Metodología para el análisis multitemporal de Incendios Forestales en el Distrito Metropolitano de Quito Objetivo: Determinar la cantidad, calidad y desarrollo de la cobertura vegetal del DMQ. Este estudio, presentado por Montoya Bastidas (2015), exhibe el análisis multitemporal para pronosticar las alertas tempranas de zonas susceptibles a incendios forestales en el DMQ mostrado en la Figura 5. El estudio parte del monitoreo de las principales condiciones meteorológicas de precipitación, temperatura atmosférica y evapotranspiración que determinan la variación de la cobertura vegetal del territorio, consideradas como variables alfanuméricas para posteriormente relacionarlas con la información gráfica y realizar el análisis multitemporal obtenida en primer lugar de la digitalización de imágenes satelitales desde una óptica espacio – tiempo y después validadas con el muestreo de propagación obtenido en campo. Con el fin de obtener los siguientes productos:

25



Mapa de Vegetación húmeda considerada de bajo riesgo para incendios.



Mapa de Vegetación seca considerada de alto riesgo para incendios.

Figura 5: Metodología de Incendios Forestales DMQ. Fuente: Montoya Bastidas (2015)

Los principales insumos utilizados en esta investigación de acuerdo a Montoya Bastidas (2015) son: 

Cartografía base a escala 1:25,000 (centros poblados, vías, ríos, límites cantonales y parroquiales) Fuente: Institute of Electrical and Electronic Engineers (IEE).



Mosaico de Orto fotografía del Distrito Metropolitano de Quito, generada por el Instituto Espacial Ecuatoriano, institución denominada anteriormente Centro de Levantamientos Integrados de Recursos Naturales por Sensores Remotos (CLIRSEN)



Descarga de imágenes satelitales Landsat.

1.1. Cartografía base En esta fase se recopila la cartografía base actualizada en formato digital, a escala 1:25,000 ajustados al sistema WGS84 y al sistema de representación plana UTM.

26

1.2. Mosaico de Ortofotos La fuente obtenida, corresponde al Instituto Espacial Ecuatoriano del año 2011, en Datum WGS 84 y proyección UTM, en la cual se realizó el siguiente tratamiento: 

Proceso de tratamiento de ortorectificación.



Proceso de georreferenciación mediante la toma de puntos de control tomados con GPS de doble frecuencia enlazados a la red fija que posee el Instituto Geográfico Militar.

1.3. Imágenes Satelitales Para La obtención de imágenes satelitales, el procedimiento de descarga se lo realizó desde el portal del Servicio Geológico de los Estados Unidos “glovis.usgs.gov” correspondiente a la información gráfica de los satélites Landsat 7 y Landsat 8.

El análisis de las bandas en las imágenes satelitales relativo a las diferentes gamas de frecuencias a lo largo del espectro electromagnético, permiten obtener datos importantes como el índice de vegetación Banda 5 o datos de la tierra húmeda o tierra seca proporcionados por las bandas 6 y 7.

27

Figura 6: Clasificaciรณn de alertas tempranas del DMQ. Fuente: Montoya Bastidas (2015)

Finalmente se obtiene como resultado del anรกlisis multitemporal de los Incendios forestales del DMQ y anรกlisis espacial SIG, la clasificaciรณn de las coberturas de alertas tempranas: Amenaza nula (color blanco), Amenaza baja (color verde), Amenaza media (color amarillo) y Amenaza alta (color rojo) indicadas en la Figura 6. Permitiendo a las entidades encargadas de control tomar las medidas de prevenciรณn necesarias.

28

2. Metodología de análisis multitemporal del crecimiento poblacional de la ciudad de Machachi con la utilización de Ortofotos Objetivo: Ejecutar un análisis multitemporal de crecimiento poblacional de la ciudad de Machachi.

Dávila Arias (2014) determina el crecimiento poblacional de la ciudad de Machachi analizando los factores de población y empleo que contribuyen en mayor grado al crecimiento y desarrollo de un área geográfica (Carlino y Mills, 1987). La metodología empleada considera el análisis y combinación de las distintas variables obtenidas en los censos de población y vivienda de los años 2001 y 2010.

Además se determina el análisis espacial de las variables geográficas como: vialidad, clima, pendientes y uso del suelo acompañado del análisis multitemporal de Ortofotos.

El establecimiento del porcentaje de crecimiento de la población y empleo en el área de estudio, permite identificar las áreas de crecimiento de la ciudad de Machachi y ser un elemento valioso para la planificación de la ciudad.

El estudio demuestra la utilidad de los Sistemas de Información Geográfica como componente de integración de la información. 

Estudio de la cartografía digital del área de estudio Machachi.



Datos demográficos de población y empleo.

La metodología considera como insumos principales la cartografía censal del año 2001 y año 2010, así como la Cartografía base a escala 1:50,000 (ríos, quebradas, sitios de interés etc..) de la Ciudad de Machachi (Ver Figura 7).

Esta metodología empieza con el análisis de las variables socio - económico de los censos de población y vivienda de los años 2001 y 2010, para encontrar las interrelaciones entre las variables de crecimiento de la población y del empleo.

Continúa con el diseño y construcción de la geodatabase para almacenar la información alfanumérica de los censos del año 2001 y 2010, y almacenar la información de coberturas del año 2010 ajustadas a la cartografía base.

29

El estudio se beneficia del uso del concepto de "algebra de mapas" para vincular la información alfanumérica con el componente gráfico no dependiente de información censal como: vías de acceso, accidentes geográficos, pendientes y otros.

Figura 7: Metodología de análisis multitemporal del crecimiento Poblacional de la ciudad de Machachi.

Fuente: Dávila Arias (2014)

A continuación, se describen las principales fases de esta metodología:

30

2.1. Recopilación y estandarización de la información En este estudio se utiliza la cartografía de los censos del 2001, generada a partir de la digitación de los planos del 2001 al 2010 de la ciudad de Machachi, que comprende los siguientes puntos: 1) Recopilación de los planos censales de la Ciudad de Machachi de los censos de población y Vivienda de los años 2001 a 2010.

2) Reestructuración de las coberturas geográficas censales utilizando Ortofotografía.

3) Recopilación de coberturas adicionales requeridas para el estudio.

2.2. Estructuración de las coberturas geográficas censales utilizando Ortofotografía A través del programa del proyecto generado por la Secretaría Nacional de Planificación y Desarrollo se gestiona la obtención de la fotografía aérea y la construcción de la ortofotografía a escala 1: 5,000 para levantar el catastro rural de todo el país.

2.3. Recopilación de coberturas adicionales Con el fin de obtener las estimaciones del incremento de población y empleo en el área de estudio, se requiere la estructuración de la información adicional siguiente: 

Cartografía Censal o Límites del área amanzanada. o Áreas amanzanadas cercanas al área de estudio. o Ejes viales del área amanzanada. o Zonas censales. o Edificios de referencia.



Cartografía base o Ríos. o Quebradas. o Curvas de nivel. o Cotas. o Sitios de interés. o Toponimia.

31

o Vialidad. 

Cartografía temática o Áreas protegidas. o Uso del suelo.

2.4. Construcción de escenarios de crecimiento poblacional Conforme a Dávila Arias (2014), las principales actividades que se han desarrollado para realizar el análisis multitemporal en este estudio son: 1) Espacialización de los datos alfanuméricos.

2) Elaboración del modelo de análisis, en base a modelos de regresión lineal.

3) Elaboración de escenarios correspondientes a los modelos de análisis para los años 2020 y 2030.

4) Análisis espacial de las variables determinadas de acuerdo a los distintos escenarios establecidos.

Finalmente con los datos alfanuméricos de variables de Censos de población y vivienda, se diseña un modelo de regresión lineal para obtener los escenarios de crecimiento de población para los años 2020 y 2030. En los 3 escenarios: tendencista, pesimista y optimista se observan patrones de comportamiento diferentes, en los cuales la dispersión de las áreas de concentración poblacional hace difícil la planificación urbana a no ser que se consideren áreas más pequeñas ya conformadas únicamente, como lo afirma el estudio de Dávila Arias (2014).

3. Metodología para análisis multitemporal de la expansión urbana en las comunas del Municipio de Fusagasugá Objetivo: Realizar un análisis multitemporal de la expansión urbana, en las comunas del Norte, Centro, Oriental y Occidental y Sur Oriental del Municipio de Fusagasugá.

32

Esta investigación, de acuerdo a Moreno Farfán y Muñoz Rojas (2015), analiza la dinámica de transformación de la expansión urbana en el municipio de Fusagasugá, mediante la recopilación de documentación para los años 1977, 1988, 1996 y 2009.

Dentro de los principales objetivos de esta investigación están el realizar el análisis multitemporal y espacial de los cambios presentados en el área urbana, realizar el análisis espacial de la expansión urbana y de zonas de riegos.

Los insumos principales ocupados en el análisis multitemporal de la expansión urbana son: 

Digitalización de mapas del Programa de Ordenamiento territorial.



Fotografía aérea de los cuatro años diferentes, dando aproximadamente un lapso de 10 años.

Figura 8: Metodología para análisis multitemporal de la expansión urbana en las comunas del Municipio de Fusagasugá.

Fuente: Moreno Farfán Y Muñoz Rojas (2015)

3.1. Recolección de información primaria La metodología indicada en la Figura 8, inicia con la recopilación de la información primaria de fotografías aéreas en formato Tagged Image File Format (TIFF) y la Georreferenciación a través de 30 puntos de control.

33

3.2. Puntos de control Se recolectaron 30 puntos de control que permitan la correspondencia entre la fotografía aérea y las coordenada geográfica distribuidos en la zona urbana de municipio ubicados especialmente en el cruce de carreteras de vías principales del año 1977 tomados con un GPS Garmin ETREX Vista (Moreno Farfán y Muñoz Rojas, 2015).

3.3. Preparación y georreferenciación de las fotografías aéreas La georreferenciación de las fotografías aéreas se realizó utilizando el programa Arcgis versión 10.2 con la herramienta georeferencing.

3.4. Generación de Ortofoto Para la generación del mosaico se utiliza el programa Earth Resource Digital Analysis System (ERDAS) Imagine 9.3 con un traslape de las fotografías de 20 metros (2 centímetros), de las 8 fotografías georreferenciadas utilizando la herramienta Mosaic Tool.

3.5. Digitalización Para la digitalización de polígonos se utilizó Arcgis 10.2 y se ocupó las herramientas de edición del programa, Arcgis permite generar los feature class para agrupar y organizar las capas por temas y crear feature dataset con varios tipos de datos.

Se digitalizaron las zonas de riesgo indicadas en el POT del 2001 y 2014 que se encontraban en formato PDF. Generando finalmente la geodatabase denominada ExpansionUrbana_1977-2009.

Para realizar el análisis multitemporal vectorial de la expansión urbana del Municipio de Fusagasugá, se usó la digitalización en forma vectorial de los polígonos construidos a partir de las fotografías de los años 197,1988 y 1996 y la fotografía del 2009 (Moreno Farfán Y Muñoz Rojas, 2015).

34

3.6. Análisis espacial Para el proceso de análisis espacial se consideraron las herramientas de intersección de Arcgis 2.0 para construcciones y lotes en el año 2001 y 2014 para determinar las diferencias e incrementos de zonas en las comunas.

De igual manera se realiza la intersección con la zona de riesgo del mismo año, obteniéndose un contorno delimitante de zonas de riesgos por deslizamientos e inundaciones.

3.7. Salida gráfica Arcgis 2.0 permite generar un archivo de proyecto MXD que contiene todos los recursos utilizados para la presentación de los mapas temáticos e impresión en diferentes formatos de salida, como se puede apreciar en la Figura 9.

Figura 9: Polígonos de construcciones de los años 1977, 1988, 1996 y 2009.

Fuente: Moreno Farfán Y Muñoz Rojas (2015)

35

2.4.1. Cuadro comparativo de tareas en metodologías Es importante indicar que en las metodologías presentadas se establecen algunas tareas comunes en todas las metodologías como: Extracción, Transformación y Carga de datos y otras actividades son exclusivas de solo algunas metodologías (generación de la geodatabase). A continuación se presenta en la Tabla 3 un cuadro comparativo de las características de cada una de las metodologías presentadas.

Tabla 3: Cuadro comparativo de metodologías.

Metodología 1: Incendios Forestales en el DMQ

Metodología 2: Crecimiento poblacional de la ciudad de Machachi

Imágenes Satelitales Variables meteorológicas Si

Cartografía

Metodología 3: Expansión urbana en las comunas del Municipio de Fusagasugá Fotografía aérea

Variables socioeconómica No

Variables de Ocupación suelo Si

Validación datos

Si

No

No

Geodatabase corporativa Análisis espacial

Si

No

Si

Si

Sí

Sí

Integración gráfica Validación en campo Extracción

Sí

Si

No

Sí

No

No

Sí

Sí

Sí

Transformación

Sí

Sí

Sí

Carga de datos

Sí

Sí

Sí

Cartografía base Variables Alfanuméricas Digitalizar

La Metodología 1: Incendios Forestales en el DMQ, esta metodología presenta la importancia de relacionar las variables meteorológicas (información alfanumérica) a la

36

información gráfica obtenida del procesamiento de las imágenes satelitales y de su transformación a datos vectoriales.

La parte relevante de esta metodología es la de considerar 2 tipos de validación de la información: la primera validación permite confirmar los resultados obtenidos en oficina con los valores obtenidos en campo y la segunda validación certifica la calidad de los resultados obtenidos del análisis espacial realizado sobre las capas base.

A pesar que esta metodología no incluye directamente las tareas del análisis multitemporal vectorial, establece en forma práctica el tratamiento del análisis espacial a situaciones prácticas de riesgo de un territorio.

La Metodología 2: Crecimiento poblacional de la ciudad de Machachi, hace una presentación interesante referente a la integración de datos demográficos censales socio económico a los datos geográficos de ordenamiento territorial. Además considera otras variables geográficas como: vialidad, clima, pendientes y uso del suelo que puedan incidir en la preferencia de zonas de expansión urbana.

Esta metodología enfatiza la importancia de la espacialización de los datos alfanuméricos, dándole un valor agregado a los datos iniciales que además se convierten en otro insumo espacial de análisis, convirtiéndose en una actividad muy importante a considerar dentro del análisis multitemporal vectorial.

La Metodología 3: Expansión urbana en las comunas del Municipio de Fusagasugá, indica adecuadamente el tratamiento de la fotografía aérea, la manera correcta de georreferenciarla mediante el uso de los puntos de control e indica apropiadamente las herramientas utilizadas en cada una de las fases comprendidas.

El aporte de esta metodología a la comprensión del análisis multitemporal vectorial se encuentra especialmente en la explicación apropiada de las tareas de digitalización y análisis espacial de la información, y la manera de obtener mapas temáticos de variación de suelo por años y zonas geográficas para determinar variaciones entre periodos de tiempos.

37

3. METODOLOGÍA 3.1. AREA DE ESTUDIO El área de estudio considerada es el Distrito Metropolitano de Quito con una superficie de 4,230 Km2, distribuido en el sector urbano con un área de 423.12 Km2 y el sector rural con un área de 3,807.62 Km2 correspondiente a 65 parroquias en total y las 8 zonas metropolitanas (Figura 10).

Figura 10: Área de Estudio del Distrito Metropolitano de Quito.

38

El crecimiento poblacional en Quito tiene matices distintos en relación a si el área es urbana en la cual se nota un crecimiento de casi ocho veces desde el periodo del 2001 al 2010, mientras que en el área rural el crecimiento poblacional se cuadriplico, según la Secretaria General de Planificación (2011).

Según el censo de población del año 2010, existen 400,000 habitantes más que en el año 2001, estimándose para el año 2022 una población de 2.8 millones de habitantes en el Distrito Metropolitano, de los cuales el 68.7% vivirá en el área urbana.

De acuerdo a la Secretaria General de Planificación (2011), las Zonas Metropolitanas preferidas por los quiteños para residir, son aquellas zonas consideradas como consolidadas: Eloy Alfaro (Sur), Manuela Sáenz (Centro), Eugenio Espejo (Norte) con menos de la mitad de su población. La zona Manuela Sáenz ha perdido población residente, mientras que las zonales Eloy Alfaro y Eugenio Espejo han notado incrementos mínimos, en cambio se produce un mayor incremento de población en las áreas consolidadas: Quitumbe, La Delicia, Calderón, Tumbaco y los Chillos (Figura 11).

Figura 11: Población del DMQ de acuerdo al censo 2001-2010.

Fuente: Instituto Nacional de Estadísticas y Censos (2016)

De acuerdo al factor de Necesidades Básicas Insatisfechas (NBI) del DMQ, las parroquias con el mayor índice de pobreza (48% al 76%) se encuentran al occidente del territorio: Pacto, Gualea, Nanegal, Nono y Lloa, otras ubicadas en la parte Norcentral: San José de Minas, Atahualpa y Puelláro y las ubicadas alrededor del nuevo Aeropuerto Internacional

39

de Quito además de las parroquias de: La Merced, Píntag, Guangopolo y Amaguaña con un NBI del 24% al 48% (Secretaria de Territorio, Habitat y Vivienda, 2014).

Factores que inciden en el desarrollo del Distrito.

La cobertura de los servicios públicos en el DMQ inciden directamente en el desarrollo de las zonas metropolitanas como se indica en Secretaria General de Planificación (2011), así el DMQ tiene la cobertura de servicios de agua potable del 95% y de alcantarillado en 89.9%, siendo los sistemas de Papallacta, Puengasí, La Mica-Quito Sur y el Placer los que abastecen a más del 70% de la población de Quito, complementado con otros sistemas de abastecimiento rudimentarios en los sectores rurales.

Según la Secretaria General de Planificación (2011), el equipamiento de salud y educación en el DMQ está distribuido en forma desigual e ilógica. El 23% de la oferta educativa se encuentra en el 5% de territorio urbano de Quito, así los centros educativos se concentran en el hipercentro de la ciudad ocasionando grandes desplazamientos de la población especialmente de la periferia. En la zona Manuela Sáenz se ubican el 35% de hospitales, mientras que Calderón, Los Chillos y Tumbaco tienen únicamente el 11%.

El déficit de vivienda se calcula en 132,461 unidades, de las cuales el 11.51% de viviendas tienen una situación precaria y se ubican principalmente en el área urbana (65.7%). Por tanto, en la siguiente década es necesario proveer proyectos de vivienda y equipamiento en los sectores comunitarios, mediante la gestión económica de los recursos (Secretaria General de Planificación, 2011).

En forma usual los servicios básicos se encuentran concentrados en las áreas consolidadas y en el sector urbano del Distrito Metropolitano de Quito, es importante entonces la Planificación de obras con argumentos técnicos suficientes que permitan atender a las zonas que carecen de estos servicios.

40

3.2. ZONAS METROPOLITANAS Las Zonas Metropolitanas son las unidades territoriales, producto de la divisiรณn administrativa del Distrito Metropolitano de Quito con fines de planificaciรณn, gobierno y gestiรณn (Jรกcome y Salgado, 2011). Son las grandes รกreas en las cuales se encuentran distribuidas las agencias de servicio al usuario a lo largo del Distrito Metropolitano de Quito (Figura 12).

Figura 12: Zonas Metropolitanas del DMQ.

41

Sistema de Coordenadas SIRES-DMQ SIRES-DMQ es el sistema de coordenadas utilizado por el DMQ. Este sistema de coordenadas se encuentra sustentado físicamente por la red Geodésica Básica del Sistema de Posicionamiento Global establecida por el Instituto Geográfico Militar en el Distrito Metropolitano de Quito, definido por los siguientes parámetros (Allauca Sangucho, 2014) (Tabla 4).

Tabla 4: Parámetros del Sistema de Referencia.

Parámetros Sistema de Referencia

Espacial-SIRES-DMQ

Datum:

WGS84

Elipsoide:

Elipsoide: WGS84

Semieje mayor a:

6,378,137.00 m.

Achatamiento:

1/298.257223563

Semieje menor b:

6 ,356 ,52.314 m

Proyección Cartográfica

Transversa de Mercator Modificada (TMQ-WGS84)

Descripción

Valor

Meridiano Central:

W 78° 30' 00"

Origen de Latitudes:

N 00° 00' 00"

Factor de Escala Central: Falso Este: Falso Norte: Zona:

1.0004584 500,000 metros 10,000,000 metros 17 Sur Modificada (w 77° - w 80°)

3.3. METODOLOGIA APLICADA Las dos metodologías de análisis multitemporal presentadas en este estudio, la primera que parte de insumos de capas de tipo raster la cual permite una comparación de datos a nivel de pixel y la segunda que inicia el estudio con capas de tipo vectorial en diferentes años, permiten en ambos casos y mediante el uso de técnicas básicas de análisis espacial propias de cada insumo reconocer los cambios en los datos espaciales de un territorio.

42

Además el análisis multitemporal vectorial permite automatizar la secuenciación de las tareas de cálculo con herramientas de Arcgis como Model Builder que permiten reconstruir, ejecutar y guardar los flujos de operaciones. Los usuarios más expertos inclusive pueden programar y personalizar el proceso con instrucciones en Python o Arcobjects (Franco, 2016).

Es importante mencionar que las metodologías de desarrollo de los sistemas SIG, se encuentran enmarcados en los proyectos de desarrollo de sistemas Informáticos, por tanto es importante mantenerse dentro del proceso general (ver Tabla 5). Estos subprocesos deben ser flexibles y deben permitir a las organizaciones lograr una efectiva transferencia del conocimiento SIG mediante la aplicación de directrices estándar que logren los objetivos con éxito (Guevara, 2014).

Tabla 5: Cuadro de etapas de metodologías.

Metodología Propuesta

Etapas de diseño de un SIG

Desarrollo de Sistema Informático

Conceptualización

Análisis de los requisitos

Diseño

Diseño de sistema

Implementación

Generación de código

Implantación

Implantación y Evaluación

1. Adquisición de datos 2. Clasificación de datos 3. Estandarización de datos 4. Corrección de datos 5. Carga de datos 6. Análisis Multitemporal 7. Análisis de resultados

El Análisis Multitemporal Vectorial considera el uso de varios geoprocesos de análisis espaciales como: intersección, merge, diferencia simétrica, clip y de conteo espacial, como lo presenta Franco (2016) cuyo objetivo es reconocer los principales cambios de datos espaciales en un área de estudio en el tiempo y de las tareas propias de los proyectos SIG como: extracción, transformación y carga de los datos geográficos y alfanuméricos, indicados en la Figura 13.

43

Flujo grama de la Metodología

Figura 13: Metodología de análisis multitemporal vectorial.

Para el desarrollo de este trabajo se estableció inicialmente que toda la información adquirida se almacene en una sola base de datos geográfica (Geodatabase) que permita el almacenamiento, manipulación y organización de los datos extraídos de las distintas fuentes de datos (ESRI, Arcgis Help 10.6, 2017).

Los insumos proporcionados de las capas vectoriales de los años 2012 al 2016 de lotes, bloques y unidades constructivas se encuentran en escala 1:1,000 para el área urbana y en escala 1:5,000 para el área rural en el sistema de referencia SIRES-DMQ contenidas en las bases geográficas de la DMC.

44

El desarrollo metodológico aplicado para el análisis multitemporal vectorial se estableció en los siguientes pasos:

3.3.1. Adquisición y Recolección de Datos El proceso de convertir el área geográfica y la información relacionada con ella en un dato susceptible de ser incorporado a un SIG, llevo a la ejecución de los subprocesos básicos de extracción, transformación y carga de datos.

En esta parte se indican las distintas fuentes de los datos, las características de su origen y su forma de relación gráfica - alfanumérica.

Fuente de Información Para el estudio, se consideró la información gráfica de las capas vectoriales de Lotes, Bloques y Unidades constructivas.

La información gráfica vectorial de lotes y unidades del 2014, 2015 y 2016 con corte al 31 de diciembre de cada año se encontraron en formato de geodatabase (.gdb), por lo tanto, se cargaron directamente a la base de datos de Producción, mediante la herramienta Load de Arcgis. Mientras que la información gráfica vectorial de los años 2012 y 2013 de lotes y unidades se encontraban en formato Micro estación (.dgn) y se obtuvo de los respaldos contenidos en el Sistema de Información Catastral Multifinalitario Automatizado de Quito denominado SICMA. Estos datos necesitaron de un proceso previo de transformación para su carga final en la base de datos de producción (ver Tabla 6 y Tabla 7).

Tabla 6: Número total de Lotes por años.

Número

2012

2013

2014

2015

2016

307459

303260

322419

324666

329908

Formato de Datos

Archivo Microestación

Archivo Microestación

Geodatabase Catastral

Geodatabase Catastral

Geodatabase Catastral

Origen de Datos

Dirección Metropolitana de Informática

Dirección Metropolitana de Informática

Dirección Metropolitana de Catastro

Dirección Metropolitana de Catastro

Dirección Metropolitana de Catastro

Ambiente

SICMA

SICMA

SQL Server 2012 SQL Server 2012 SQL Server 2012 GDB GDB GDB

45

Las fuentes de información alfanumérica tanto de lotes y construcciones se relacionan con la información gráfica mediante la columna CAT_LOTE_ID, la relación uno a uno de datos se la realizó mediante la opción ‘Join’ de tablas.

Tabla 7: Número de construcciones por años.

Número

2012

2013

2014

2015

2016

739449

746404

753842

761824

831203

Fuente de Archivo Texto Datos

Archivo Microestación

Dirección

Dirección Fuente de Metropolitana Metropolitana de de Datos Informática Informática

Ambiente

SICMA

SICMA

Geodatabase Catastral

Geodatabase Catastral

Geodatabase Catastral

Dirección Metropolitana de Catastro

Dirección Metropolitana de Catastro

Dirección Metropolitana de Catastro

SQL Server 2012 GDB

SQL Server 2012 GDB

SQL Server 2012 GDB

Es importante indicar el error encontrado en los datos de lotes del año 2013 2, debido al cambio de sistema informático realizado entre los años 2013 y 2014.

3.3.2. Clasificación y Estandarización De Datos Creación de Geodatabase mimae La estandarización de los datos espaciales comenzó con el diseño del repositorio de datos gráfico y alfanumérico, por tal motivo se generó la geodatabase mimae mediante la instalación y configuración del servicio SDE de ArcSDE. La instalación de ArcSDE (ESRI, ArcGis 9, 2008) permitió obtener una geodatabase corporativa que mejora la interfaz y administración del Sistemas de gestión de bases de datos (DBMS) de Microsoft SQL Server con las herramientas ArcMap y ArcCatalog de Arcgis.

Esta decisión se tomó por la gran cantidad de datos que contiene este repositorio,

2

El sistema catastral inicial denominado SICMA maneja las fuentes de entrada en formato .dgn (microestación) hasta el año 2013. En el año 2014 se procede a migrar esta información al SIG catastral actual SIREC-Q, encontrando errores de topología, duplicación y de relación alfanumérica y gráfica en los datos migrados.

46

aproximadamente 1´000,000 de registros en unidades constructivas y 600,000 lotes por año.

Posterior a la creación de la geodatabase, se generaron los 2 Feature dataset (ver Figura 14) que contendrán el grupo de capas operativas y el grupo de capas de referencia con el sistema de coordenadas SIRES-DMQ y estableciendo los valores por default en su creación y configuración.

Figura 14: Feature dataset de geodatabase.

Feature dataset Archivo: Contiene las capas estáticas de zonificación del territorio, sirven de referencia de ubicación o selección espacial y contiene las siguientes estructuras de Zonificación del Distrito Metropolitano de Quito.

1. PUOS_UR: Contiene la sectorización urbana y rural del DMQ, obtenida del departamento de Planificación de Obras, concerniente al Plan de uso y ocupación del suelo (PUOS).

2. Zona: Contiene los polígonos de Zonas Metropolitanas del DMQ, la cual se encuentra zonificada para brindar una mejor atención de trámites catastrales a lo largo de todo el territorio de Quito.

3. Parroquia: Contiene los polígonos de distribución geográfica de las parroquias del DMQ, estas además se clasifican en parroquias urbanas y parroquias rurales.

4. Área de Intervención valorativa (AIVA): Contiene los polígonos de la distribución de las Áreas de Intervención Valorativa, esta zonificación es la que permite determinar los valores de terreno de acuerdo al estudio de mercado del territorio y se lo realiza cada bienio.

Creación de Feature dataset KATASTRO: Este feature dataset contiene las capas históricas operativas de lotes y unidades constructivas de los años 2012, 2013, 2014, 2015 y 2016,

47

además contiene la capa sde.KATASTRO_Topology que permitió pasar topología a las capas que están dentro de este contenedor (ver Figura 15).

Figura 15: Organización de Feature dataset.

Creación de Feature class Para almacenar los datos históricos de lotes y unidades constructivas se utilizó la opción de Arcgis: New Feature class, la cual permite definir las estructuras de cada una de las capas espaciales y también tablas alfanuméricas.

A continuación, se presentan una breve explicación de los atributos y estructura de los principales feature class creados: Capa de Lotes: Estructura que almacena la capa gráfica de lotes (Tabla 8), contiene los atributos: Tabla 8: Estructura gráfica lotes.

Atributo OBJECTID

Descripción Código único de registro

CAT_LOTE_ID

Código del lote

TRA_SOLICITUD

No se usa

CLASE

Tipo de lote urbano, rural

SHAPE

Atributo de tipo geometry

SHAPE.STArea

Área del polígono

SHAPE.STLength Perímetro del polígono

48

Capa de Bloques: Estructura que almacena la capa gráfica de bloques constructivos (Tabla 9), contiene los siguientes atributos: Tabla 9: Estructura gráfica bloques.

Atributo OBJECTID

Descripción Código único de registro

CAT_BLOQUE_ID Código del bloque TRA_SOLICITUD

No se usa

SHAPE

Atributo de tipo geometry

SHAPE.STArea

Área del polígono

SHAPE.STLength

Perímetro del polígono

Capa de Unidades constructivas: Estructura que almacena la capa gráfica de Unidades (Tabla 10), contiene los atributos: Tabla 10: estructura gráfica de construcciones.

Atributo OBJECTID

Descripción Código único de registro

CAT_UC_ID

Código de la unidad

TRA_SOLICITUD

No se usa

CAT_BLOQUE_ID Código del bloque SHAPE

Atributo de tipo geometry

SHAPE.STArea

Área del polígono

SHAPE.STLength

Perímetro del polígono

Capa de Lotes alfanuméricos: Estructura que almacena los datos alfanuméricos de lotes (Tabla 11), contiene los atributos:

49

Tabla 11: Estructura alfanumérica de lotes.

Atributo

Descripción

OBJECTID

Código único de registro

CAT_T_ZONA_NOMBRE

Sector urbano o rural de

PROPIEDAD_NOMBRE

Tipo Unipropiedad o Propiedad Horizontal

AREA_TERRENO_CAMPO

Área de inspección del lote en campo

AREA_TERRENO_DECLARADO

Área de terreno declarado

AREA_TERRENO_ESCRITURA

Área de terreno según escrituras

NOMENCLATURA

Código vial

GEOCLAVE

Dato de geoclave

ESTADO

Estado del lote, estado egresado no se considera

CAT_LOTE_ID

Identificador único del lote

Capa de construcciones alfanuméricas: Estructura que almacena la capa alfanumérica de construcciones (Tabla 12), contiene los siguientes atributos: Tabla 12: Estructura alfanumérica de construcciones.

Atributo

Descripción

OBJECTID

Código único de registro

CAT_PREDIO_CONSTRUCCION_ID

Id único de relación con la parte gráfica

PRINCIPAL

Indica si es unidad principal o no

ESTADO NUMERO_PISOS

Estado de la construcción, no se considera estados egresados Número de pisos de construcción

ANIO_CONSTRUCCION

Año d la construcción

DESCRIPCION

Descripción de la construcción

AREA_PISO

Área del primer piso en planta

NUMERO_BLOQUE

Numero de bloque, piso y unidad

CAT_PREDIO_ID

Numero de predio al que pertenece

50

3.3.3. Transformación y Corrección de Datos Los datos necesitan adaptarse a la estructura final de feature class de la Geodatabase, para lo cual se ejecutaron las transformaciones y correcciones de los datos gráficos y alfanuméricos en Arcgis (Tabla 13).

En la data del año 2014, 2015 y 2016 se detectaron claves duplicadas y claves vacías (Null o cero), en el primer caso se establece una corrección automática realizando el cruce espacial con la capa más actual y obtener el ID respectivo.

En el segundo caso, cuando el ID es cero, se realiza el cruce espacial para determinar la clave más actual y obtener el código final.

Tabla 13: Tipos de inconsistencias.

N.

Inconsistencia

Descripción

Solución Validar el identificador con la ubicación gráfica del año más reciente y se ejecuta un dissolve de capas.

Encontrar el Id con la ubicación gráfica del año más reciente Se seleccionan lo polígonos con área menores a 1 metro y se borran Determinar datos base para verificar el año 2016 Se los mantiene , pero se deja la marca respectiva

1

Datos Duplicados

Existe más de un identificador único por registro

2

Datos Vacíos o cero

No existe el código gráfico

3

Datos gráficos con área cercana a cero

4

Datos gráficos vs Datos alfanuméricos Validación de Datos gráficos que no existen en la alfanumérica Validación de datos alfanuméricos que no existen en la gráfica

Existen errores de digitalización de polígonos con áreas pequeñas No coincide el dato alfanumérico con el dato gráfico Existe el dato alfanumérico, pero no existe el gráfico.

5

6

7

8

Identificación de errores de geometría: self intersection, incorrect ring ordering Identificación de errores topológicos

Existe el dato gráfico, pero no existe el dato alfanumérico.

Existe sobre posición de intersección de líneas en polígonos, la disposición de buffer o anillos en incorrecta Errores de Overlap

Se los mantiene, pero se deja una marca en la tabla alfanumérica.

La mayoría corresponden a datos de unidades egresadas.

Usar Check Geometry y Repair Geometry

Se corrigen ejecutando merge de capas.

el

Para la información alfanumérica obtenida desde la base de datos Oracle 11g, se generan los archivos en Excel de Lotes y Unidades y se las cargan en las tablas de Sql Server para mantener un formato y repositorio único que se adapten a las estructuras

51 respectivas en la geodatabase, no se ejecuta ningún proceso de validación es esta actividad.

Validación topológica Para establecer una relación espacial correcta entre lotes, bloques y unidades constructivas, se establecieron las siguientes 3 reglas topológicas (Figura 16):

Figura 16: Reglas topológicas.

Fuente: ESRI Arcgis Server (2017)

1. Must not overlap: No se deben solapar los polígonos entre sí de las capas de LOTES, BLOQUES Y UNIDADES CONSTRUCTIVAS. 2. Must be covered by: Una capa debe estar cubierta 100% por otra capa más grande, como en el caso de las UNIDADES debe estar cubierta por la capa de BLOQUES, y la capa de BLOQUES debe estar cubierta por la capa de LOTES. 3. Must not have gaps: No debe existir huecos entre los LOTES colindantes.

Se verificó la consistencia de los datos, comparándolo espacialmente con los datos gráficos del año más reciente 2016.

Reparar geometría.

Para encontrar y reparar los errores geométricos se utilizó la herramienta Repair Geometry de Arcgis 10.1. Esta herramienta permite verificar si existen problemas de geometría de polígonos: Unclosed ring, Empty parts y Self intersect, cuando existe un error de topología se aplica la solución propuesta y presenta un log en la ventana de resultados indicando el Id del objeto reparado.

52

Figura 17: Ejemplo de self intersect.

Los problemas de geometría más comunes corresponden a Self intersect como se indica en la Figura 17, que en la transformación de datos se suscitan por el mal dibujo del polígono o línea que son imperceptibles al ojo humano, sin embargo las configuraciones de tolerancia de Feature dataset permiten detectar estos errores fácilmente.

3.3.4. Carga de Datos La carga de datos como se indica en la Figura 18 se procedió en 2 etapas, la primera es utilizando la herramienta Data Transformation PL/SQL de Oracle para exportar los datos desde la base de datos de Oracle a un archivo texto, la segunda etapa consistió en llevar estos datos al destino de la geodatabase en Microsoft Sql server 2008.

A pesar que existen herramientas especializadas para llevar los datos directamente desde Oracle a Sql Server, se prefiere esta forma de carga de datos, por cuanto permite realizar la correcta homologación de campos o atributos y evitar la menor perdida de información y al mismo tiempo tener el control en la obtención de la información final.

Figura 18: Esquema de carga de datos alfanuméricos.

53 Carga de datos de Lotes y Unidades Para la carga de la información final a la geodatabase se utilizó la opción Load Data de Arcgis por ser una herramienta muy versátil para este tipo de operaciones.

Este proceso en forma común utiliza el Arcgis tanto para la carga de lotes como para unidades constructivas por cuanto se consideran como polígonos a las 2 entidades expuestas, las actividades de extracción de datos desde las fuentes iniciales, la transformación a los estándares de presentación y la carga en los repositorios finales constituyen la carga de lotes y unidades constructivas para la elaboración de mapas.

3.3.5. Analisis Multitemporal Para el proceso de análisis multitemporal de las capas vectoriales, se utilizan varias herramientas de análisis espacial que permitan encontrar las diferencias entre capas, la estrategia adoptada toma las capas por pares de años consecutivos, por cuanto los reportes solicitados por la Dirección Metropolitana de Informática DMI se lo realiza con cierres anuales de datos. Por ejemplo, se comparó el año 2012 con el año 2013, el año 2013 con el año 2014, el año 2014 con el año 2015 y el año 2015 con el año 2016, con lo cual se puede establecer las transformaciones de superficies en periodos de 1 año.

Intersección de lotes La herramienta intersecar permite calcular la intersección geométrica de polígonos de tres maneras: Superposición (áreas comunes), Límite en común (puntos del contorno) y solo un punto.

La intersección de las capas de lotes y unidades constructivas, permiten encontrar las áreas comunes entre 2 años consecutivos, de esta manera es posible identificar las zonas en las cuales se mantiene invariante el territorio.

Spatial Join El geoproceso Spatial Join permite establecer la pertenencia espacial de lotes y unidades constructivas a las zonas de estudio consideradas (zonas metropolitanas), para generar una mejor relación de pertenencia se utiliza el centroide de cada polígono (lote o unidad) para determinar la contenencia exacta a determinada zona.

54 El Spatial Join además es una herramienta versátil que permite que los datos de un lote o construcción de un año se agreguen y relacionen fácilmente a otro lote o construcción de otro año con fines comparativos.

Diferencia Simétrica Este geoproceso permite identificar las diferencias de áreas, de esta manera se representan e identifican los nuevos lotes y nuevas construcciones.

55

4. RESULTADOS Y DISCUSIÓN La variación de unidades constructivas en el Distrito Metropolitano de Quito de acuerdo a los resultados obtenidos es significativa, especialmente en el área urbana en el cual se aprecia por ejemplo un incremento en el año 2012 de 739,412 unidades al año 2016 de 831,151 unidades. De igual manera al revisar los datos de superficies de lotes en el año 2012 es de 1,657.80 km2 mientras que para el año 2016 se cuenta con un área de 2,103.44 km2 observando un aumento de 445.64 km2 en apenas 4 años.

La presentación de los resultados se organizó de la siguiente manera: 1.

Mapas de lotes y construcciones por años. 

Lotes años 2012 al 2016.



Construcciones 2012 al 2016.

2.

Mapas comparativos de diferencias entre años 2012 a 2016.

3.

Mapas por zonas metropolitanas.

4.1. RESULTADOS OBTENIDOS 4.1.1. Mapas de lotes y construcciones Lotes gráficos del año 2016 En la Figura 19, se puede visualizar la ubicación de los lotes dentro del DMQ del año 2016. Así se observan lotes grandes en el área urbana y lotes de área pequeña y mediana ubicados en la parte central o urbana del territorio concerniente a un número total de 409,371 que representan una superficie de 2,103 Km2.

Los lotes representados en color azul corresponden a lotes registrados en el sistema catastral y los espacios entre lotes en color plomo corresponden a áreas no definidas o no registradas como son: quebradas, lotes sin dueño, terrenos baldíos.

56

Figura 19: Lotes aĂąo 2016.

57 Lotes gráficos de los años: 2015, 2014, 2013 y 2012 En la Figura 20, se presenta en la parte principal los lotes gráficos del año 2015 y en la parte inferior los gráficos de lotes de los años 2014, 2013 y 2012 del DMQ.

Figura 20: Lotes años 2012, 2013, 2014 y 2015.

58 Construcciones gráficas del año 2016.

En la Figura 21, pueden observarse las construcciones gráficas pertenecientes al año 2016. El mapa de construcciones de esta año presenta un número total de 831,151 unidades y una superficie total de 58.57 Km2, el lector puede observar una gran concentración de las unidades constructivas en los sectores urbanos del DMQ.

Figura 21: Construcciones año 2016.

59 Construcciones gráficas de los años: 2015, 2014,2013 y 2012.

En la Figura 22, se muestra en la parte superior las construcciones gráficas pertenecientes al año 2015 y en la parte inferior las unidades constructivas gráficas de los años 2014, 2013 y 2012.

Figura 22: Construcciones años 2012, 2013, 2014 y 2015.

60

4.1.2. Mapas Comparativos de lotes entre años En esta investigación se presentan mapas comparativos de lotes entre pares de años consecutivos así se comparan: el año 2012 y 2013, el año 2014 y 2015, pero además se presenta un mapa comparativo entre el año 2012 y 2016 para poder visualizar los cambios totales en un periodo de 4 años.

Mapa comparativo de lotes año 2012 – 2016.

La Figura 23, muestra la diferencia de lotes entre el año 2012 y el año 2016. El estándar adoptado para este tipo de mapas es: en la parte superior se coloca la capa resultante de la diferencia de lotes (color naranja), luego la capa de lotes del año más antiguo (color plomo obscuro Ejm: 2012) y en la parte inferior los lotes del año más actual (color plomo claro Ejm: 2016) para una mejor apreciación.

Figura 23: Diferencia de Lotes 2012 – 2016.

61 Mapa comparativo de lotes: año 2015 – 2016; año 2014 – 2015; año 2013 - 2014 y año 2012 – 2013.

En la Figura 24, se muestra en la parte superior la diferencia de lotes del año 2015 y 2016 y en la parte inferior los mapas comparativos de los años: 2014 – 2015; 2013 – 2014 y 2012 – 2013, donde se muestra únicamente la capa resultante de diferencia de lotes entre años.

Figura 24: Imagen de Lotes comparativos por años.

62

4.1.3. Mapa por Zonas Metropolitanas Lotes aĂąo 2016 por Zonas metropolitanas La Figura 25, presenta la distribuciĂłn de los lotes del aĂąo 2016 por cada una de las zonas metropolitanas del DMQ.

Figura 25: Lotes por zonas metropolitanas.

63

La Tabla 14 muestra los datos tabulados de los mapas de lotes por zonas metropolitanas, se presentan en una tabla cruzada por años, en la cual se nota un incremento a través de los años de todas las zonales.

Tabla 14: Lotes por zonas y años.

2012

2013

2014

2015

2016

CALDERON

31,910

33,454

34,900

35,653

36,388

CENTRO

30,075

28,677

30,429

30,531

30,532

CHILLOS

39,697

38,033

40,213

41,898

43,070

ELOY ALFARO

57,118

56,476

58,611

58,832

58,994

LA DELICIA

58,738

60,257

62,816

63,445

64,783

NORTE

54,442

55,300

57,118

57,353

57,766

QUITUMBE

75,846

70,733

79,930

80,100

82,257

TUMBACO

31,240

31,817

33,515

34,405

35,576

En forma similar se presentan los datos tabulados, obtenidos de los mapas de unidades constructivas por zonas metropolitanas, en una tabla cruzada por años y por zonas metropolitanas, los datos más altos corresponden al año 2016 (Tabla 15).

Tabla 15: Construcciones por zonas por años.

2012

2013

2014

2015

2016

CALDERON

54,879

55,762

56,827

58,518

60,210

CENTRO

38,855

39,090

39,324

39,555

84,378

CHILLOS

63,747

63,964

64,186

67,378

69,591

ELOY ALFARO

143,495

145,373

147,320

147,214

160,347

LA DELICIA

118,797

119,804

120,906

121,917

123,838

NORTE

157,246

158,475

159,830

159,859

159,218

QUITUMBE

114,187

115,588

117,029

117,193

120,849

TUMBACO

48,243

48,348

48,420

50,190

52,772

64

4.2. ANALISIS DE RESULTADOS A partir de los resultados obtenidos en esta investigación, se ratificó la hipótesis general de que el Análisis Multitemporal Vectorial, junto con las herramientas de análisis espacial permite identificar la ubicación y variación de superficie de lotes y construcciones dentro del Distrito Metropolitano de Quito.

Estos resultados guardan relación con los estudios realizados por Dávila Arias (2014) para explicar la tendencia de la población en el área rural, la explicación de los factores que determinan la extensión de la población urbana de los municipios por Moreno Farfán y Muñoz Rojas (2015), y la relación directa con los factores de infraestructura vial y condiciones socioeconómicas que la Secretaria General de Planificación considera para la planificación urbanística del DMQ. Debido al alto porcentaje de error topológico encontrado en las fuentes de los datos, es necesario el conocimiento e investigación de los factores y circunstancias externas que puedan incidir en los resultados obtenidos, como lo advierten Consultores Geomáticos (2016).

4.2.1. Variación de lotes y construcciones Variación de número de Lotes.

Al evaluar los datos de números de lotes y su representación mediante el gráfico de barras mostrado en la Figura 26, del año 2012 al 2013 se nota un decremento de -4,319 lotes equivalente al -1.15% (dato atípico) y del año 2013 al 2014 un incremento de 22,416 lotes equivalente al 5.64%.

Así desde el año 2014 al 2015 se nota un incremento de 4,657 lotes equivalentes al 1.15% y del año 2015 al 2016 un incremento de 7,549 lotes equivalentes al 1.84%.

De los resultados obtenidos se puede indicar que en los periodos del 2014 al 2016 existe un incremento bajo de número de lotes, mientras que en el periodo del 2012 al 2013 se da un decremento atípico que produce un incremento del 5.64 en el periodo del 2012 al 2013.

65

Figura 26: Número de lotes por años.

Además, si se observa el comportamiento de 4 años, es decir del año 2012 al año 2016 en el cual existe una variación de 30,303 lotes que simbolizan un incremento del 7.40% en el número de lotes total.

Variación de superficie de Lotes.

En la Figura 27, se observa que en los datos del año 2012 al año 2013 existe un aumento de superficie de 31.61 Km2 que representan un incremento del 1.87%, del año 2013 al 2014 existe un aumento de 172.35 Km2 correspondiente al más alto incremento encontrado del 9.25%, del año 2014 al 2015 un aumento de 105.64 Km2 que corresponde al 5.36% y del año 2015 al 2016 un aumento de 136.04 Km2 que significa un incremento del 6.46%.

Figura 27: Superficie de lotes por años.

66

De igual manera analizando la variación de superficie en un periodo de 4 años, se observa la diferencia de superficies de los lotes del año 2012 al año 2016 presentan un incremento de 445.64 km2 correspondiente al incremento total del 26.88%.

Variación de número de Construcciones.

De igual forma al evaluar el comportamiento de las construcciones en número, el gráfico de barras de la Figura 28, muestra un incremento normal entre los años 2012 al 2015, sin embargo, en el año 2016 se puede apreciar un salto considerable.

Del año 2012 al año 2013 existe un aumento de 6,955 unidades que representan un incremento del 0.93, del año 2013 al 2014 un aumento de 7,438 unidades equivalentes al 0.98% de incremento, del año 2014 al 2015 un aumento de 7,985 unidades que corresponden al 1.04% y del año 2015 al 2016 un aumento importante de 69,361 unidades que significan un incremento alto del 8.34%.

Figura 28: Número de construcciones por años.

De igual manera al analizar el comportamiento del número de construcciones en un periodo de 4 años, del año 2012 al 2016 se tiene una variación neta de 91,739 construcciones que significan un incremento neto del 11.03%.

Los resultados de esta investigación muestran un crecimiento normal de la construcción desde el año 2012 al año 2015. Sin embargo, en comparación con los datos de Smart

67

Research de Chang Saltos (2017) referentes a proyectos constructivos que indica que en los años 2013, 2014 se mantienen constantes el número de construcciones y consideran una baja significativa para el año 2015. Al igual que los valores expuestos en los estudios del Instituto Nacional de Estadística y Censo (2016). No obstante, estos valores no coinciden con la tendencia de crecimiento mostrados en esta investigación debido a que el proceso de legalización de construcciones tiene un alto tiempo de aprobación, motivo por el cual por ejemplo los trámites que ingresan en el año 2014 se reflejaran como válidos recién en el año 2015 o 2016.

Variación de superficie de Construcción En relación a la construcción, el gráfico de barras mostrado en la Figura 29, indica un crecimiento mínimo en la superficie de las construcciones entre los años 2012 al 2014, en cambio en los años 2015 y 2016 se muestra un incremento considerable de superficie de construcción.

En el año 2012 al año 2013 existe un aumento de superficie de 0.02 Km2 que representan un incremento de apenas el 0.037%, del año 2013 al 2014 de igual manera un incremento bajo de 0.02 Km2 equivalente al 0.037%.

Del año 2014 al año 2015 existe un aumento de superficie de 3.26 Km2 que representan un incremento mediano del 5.75%, del año 2015 al 2016 un aumento de 1.94 Km2 equivalentes a un incremento del 3.31%.

Figura 29: Superficie de construcciones por años.

68

Del año 2012 al 2016, es decir en un periodo 4 años se tiene una variación neta de superficie de construcciones de 5.24 Km2 que dan un incremento de 8.94%.

Los sectores de Quito considerados de amenazas y riesgos, ubicados especialmente en las laderas del Pichincha, paulatinamente han sido ocupados por la construcción informal especialmente en la zona de la Delicia y en el Centro Histórico como lo muestra los mapas del año 2015 y 2016. Estos datos difieren totalmente de los estudios presentados por el Instituto de la Ciudad Quito (2015) y de la percepción exhibida por Chang Saltos (2017), los cuales indican un crecimiento importante más bien en el sector menos riesgoso concerniente al de los Valles, esta discrepancia posiblemente a la falta de registro de la construcción informal por parte del Municipio de Quito.

Las ubicaciones de las construcciones del año 2015 y 2016, coinciden con la ubicación de equipamiento y servicios de educación y centros de salud en el DMQ, estas coinciden con algunos proyectos constructivos importantes que se encuentran ubicados en la Zona Norte, Centro Norte de Quito y en las zonas del Valle de los Chillos como así lo expone Chang Saltos (2017). Además las proyecciones de construcciones de los años 2015 y 2016 especialmente, presentan un gran dinamismo respecto al acceso de vías tales como la vía Simón Bolívar, se puede notar un significativo crecimiento alrededor de este eje vial, se estima que el dinamismo siga hacia los años 2018 y 2019 (Secretaria General de Planificación, 2011).

4.2.2. De los datos por Zonas Metropolitanas Datos de Lotes Las Zonas de la Delicia y Quitumbe son las regiones que muestran un mayor crecimiento de registro de lotes desde el año 2012 al 2016 con 6,045 y 6,411 respectivamente. Estos datos mantienen una relación con el tamaño de la zonal de la Delicia y el dinamismo mostrado en la zona de Quitumbe en los últimos años, como lo indica el estudio presentado por la Dirección Provincial de Ordenamiento Urbano y Territorial.

69

Además en la Figura 30, se puede observar que la Zona Centro, concerniente al Centro Histórico de Quito es la zona con menos variación de registro de lotes desde el 2012 al 2016, esto coincide con la consolidación de la edificación o construcción en dicha ubicación con una variación de apenas 457 lotes. Esto además concuerda con el criterio de conformación urbana (sector rural de la ciudad que tienen una estructura ya definida) emitida por el Dirección Provincial de Ordenamiento Urbano y Territorial (2011).

Figura 30: Incremento de lotes por zonas metropolitanas 2012 a 2016.

Datos de Construcciones En relación a las unidades constructivas y de acuerdo a la Figura 31, se puede observar que la zonal Eloy Alfaro con un valor de 16,852 construcciones, muestra un importante incremento de hasta 3 veces más que las zonales de los Chillos y la Delicia desde el año 2012 a 2016.

En cambio, la zona del Centro Histórico tiene apenas un incremento de 700 unidades en este mismo rango de tiempo, siendo la zona que menor variación tiene también a nivel de construcciones.

70

Figura 31: Incremento de construcciones por zonas metropolitanas 2012 a 2016.

En relación a los datos constructivos de la Figura 32, se observa que la Zona NORTE muestra siempre una alta concentración constructiva en comparación a las zonas de mayor superficie como La Delicia y Quitumbe. El centro Histórico en el año 2016 muestra un crecimiento significativo en relación al comportamiento constructivo de los años 2012 al 2015.

Figura 32: Número de construcciones por zonas.

71

4.2.3. De la Metodología Propuesta Como lo exponen Bernabe Poveda y López Vasquez, (2012), las metodologías deben ser sencillas y funcionales. Deben permitir la obtención de los resultados finales sin complicaciones aun tratándose de tareas o procesos muy complejos y deben poder manejar una gran cantidad de datos, como se ha logrado al implementar con éxito la metodología propuesta en esta investigación (los sistemas actuales SIG manejan solo el año vigente).

Finalmente, cabe reiterar el éxito de la metodología aplicada, al considerar las actividades: Adquisición, Clasificación y Estandarización de la metodología propuesta acompañados del subproceso de control de calidad que garantizan la calidad de la información. El uso conveniente de los índices de atributos e índices espaciales permiten manejar la gran cantidad de datos procesada: aproximadamente 3 millones de registros por cada año en datos constructivos (aproximadamente un total de 18 millones de registros) y 1 millón de datos de lotes. Esto acompañado de un buen diseño de base de datos que ha permitido obtener los tiempos de respuestas apropiados para el gran número de datos almacenados

72

5. CONCLUSION El dinamismo denotado en la última década en el Distrito Metropolitano de Quito permite corroborar los datos urbanos obtenidos de crecimiento de terreno (actualización del registro de terreno) y muestra un crecimiento del 21.18% , además de un crecimiento significativo en la construcción, comparado con datos de la Cámara de la Construcción en la cual se establecen los proyectos particulares de construcción en parroquias urbanas de Quito y representan una variación promedio de 7.40% en el Distrito Metropolitano de Quito.

El crecimiento rural de terreno es mayor, con el 60.74 % de variación en los años 2012 al 2016 por encontrarse en constante dinamismo, sin embargo, el porcentaje de crecimiento de construcción es menor con 35.7% especialmente considerando los sectores alejados de las centralidades urbanas.

La Zona del Centro es la zona que establece un crecimiento mínimo del 1.50%, por las observaciones indicadas anteriormente, las Zonas Metropolitanas de los Valles de los Chillos y de Tumbaco mantienen un crecimiento promedio de 11.13% y 14.13% según los estudios, sin embargo, se puede concluir que estas zonas cuentan con proyecciones a futuro más favorables, en relación al crecimiento mayoritario notado en las administraciones de La Delicia y Quitumbe de 19.95% y 21.15% respectivamente.

En la actualidad, el sector de la construcción es uno de los principales factores de crecimiento del PIB del Ecuador. En los años 2013, 2014 inclusive encabezando la lista de sectores con mayor crecimiento en el país, manteniendo esta tendencia hasta el 2015.

Definitivamente los datos a nivel de parroquias indican un mayor crecimiento en las parroquias ubicadas al Norte de Quito especialmente en Nayón y Calderón por considerarse cercanos a proyectos de desarrollo vial importantes como la Ruta Viva e Intercambiador y la existencia de los servicios básicos de agua potable, energía eléctrica y alcantarillado.

La presente investigación ha logrado aportar datos históricos y comparativos de los años 2012 al 2016 de gran importancia para los técnicos catastrales y valorativos del

73 Municipio de Quito y las entidades colaboradoras de planificación del territorio, quienes pueden hacer uso de los valores obtenidos en el estudio del Análisis Multitemporal.

Mediante métodos geo estadísticos se pueden proyectar estos datos para los años 2018 y 2019 y prever problemas de planificación del territorio a futuro.

De igual manera se ha logrado demostrar el uso adecuado de la gran cantidad de información de aproximadamente 413,224 registros de lotes y de 1´000,000 registros de unidades constructivas por año de forma óptima y segura.

5.1. RECOMENDACIONES Las Unidades desconcentradas de la Dirección Metropolitana de Catastro deben registrar y finalizar completamente los trámites de registro o actualización catastral, de manera que se tengan datos confiables y completos de propietarios y de las características constructivas, que permitan realizar otro tipo de estudio más minucioso con dichas variables.

Debe existir un efectivo proceso de control de calidad en la digitalización de lotes, bloques y unidades constructivas. Se identificó un gran número de inconsistencias al pasar la topología de capas gráficas y en algunos casos se adoptaron soluciones temporales de relleno para obtener información confiable.

Se recomienda el uso y revisión de esta metodología propuesta para su aceptación y mejora para el desarrollo de proyectos SIG. Por cuanto se ha mostrado su efectividad en la consecución de los objetivos propuestos en el proyecto.

74

6. CAPITULO VI: REFERENCIAS Y BIBLIOGRAFIA

Aitchison, A. (2009). Beginning Spatial with SQL Server 2008. New York: Apress.

Allauca Sangucho, W. P. (2014). Levantamiento Topográfico y catastral del Barrio Bellavista, Parroquia la Merced. Quito, Ecuador.

Bernabe Poveda , M. A., Y López Vásquez, C. M. (2012). Fundamentos de las Infraestructuras de datos espaciales (IDE). Madrid: UPM Press.

Carlino , G., y Mills, E. (1987). The determinants of county growth. Journal of Regional Science.

Chan Saltos, G. E. (2017). Tendencia del Mercado de la Construcción en Quito-Ecuador.

Concejo Metropolitano de Quito. (31 de Agosto de 2007). Ordenanza Metropolitana del catastro Inmobiliario ubicados en el Distrito Metropolitano de Quito N.0222. Quito.

Consultores Geomáticos. (2016). Análisis Multitemporal. Geomáticos Consultores.

Recuperado el 06 de febrero de 2018, de http://geomaticosconsultores.com/analisis-multitemporal.html Dávila Arias, N. A. (2014). Análisis Multitemporal del Crecimiento Poblacional de la ciudad de Machachi . Quito.

Desktop FME. (2017). CONTERRA. Recuperado el 15 de marzo de 2017, de https://www.conterra.de/es-es/produkte/fme-spatial-etl/fmedesktop/produktdetails Dirección Provincial de Ordenamiento Urbano y Territorial. (2011). Sistemas de Información Geográfica para el ordenamiento territorial. Buenos Aires.

ESRI Arcgis Server. (2017). What is the Data Interoperability extension? Arcgis Desktop.

Recuperado el 15 de julio de 2017, de https://desktop.arcgis.com/es/arcmap/latest/extensions/datainteroperability/what-is-the-data-interoperability-extension-.htm ESRI Arcgis. (2017). Arcgis Data Interoperability in Arcgis Pro extension. Recuperado el 01 de noviembre de 2017, de http://www.esri.com/software/arcgis/extensions/datainteroperability ESRI, ArcGis 9. (2008). Guía de instalación: Arcsde para Microsoft SQL Server. Estados Unidos.

75 ESRI, Arcgis Help 10.6. (05 de junio de 2017). Información general sobre las geodatabases. Recuperado el 04 de junio de 2017, de http://desktop.arcgis.com/es/arcmap/10.3/manage-data/geodatabases/typesof-geodatabases.htm Franco, R. (2016). Análisis Multitemporal Vectorial en Arcgis. Colombia.

Grande Medina, J. D. (2015). Modelamiento morfométrico y análisis multitemporal del uso del suelo y cobertura vegetal de la subcuenca y cobertura vegetal del río Molino ubicada en el municipio de popayan. Popayan.

Guevara, A. J. (2014). Esquema metodológico para el diseño de un sistema de información geográfico. España.

Instituto de la Ciudad Quito. (2015). Dispersión urbana, centralidades y compacidad en el DMQ. Compacidad y Ordenamiento Territorial. Recuperado el 08 de abril de 2015, de http://institutodelaciudad.com.ec/investigaciones-encurso/compacidad-y-ordenamiento-territorial/35-dispersion-urbanacentralidades-y-compacidad-en-el-dmq.html Instituto Geográfico Agustín Codazzi. (2014). Interpretación visual de imágenes de Sensores Remotos y su Aplicación en Levantamientos de Cobertura. Sensores Remotos y su Aplicación.

Instituto Nacional de Estadísticas y Censos. (2016). Ecuador en Cifras (Encuesta Anual de Edificaciones 2014,2015, 2016).

Jácome, J., Y Salgado, G. (2011). Manual para el llenado de la ficha predial. Quito.

Jordan, L. (2016). The Arcgis Imagery Book. Redlands: Esri Press.

Mehi, H., Y Peinado, O. (1997). Fundamentos del Procesamiento de Imágenes En: Aplicación de la teledetección y de los SIG. Harald Mehel y Erick Miles Editores.

Montoya Bastidas, D. F. (2015). Análisis Multitemporal de Incendios Forestales en el DMQ, mediante SIG. Quito.

Moreno Farfán, A. M., Y Muñoz Rojas, L. A. (2015). Análisis Multitemporal de la Expansión Urbana en las comunas del Municipio de Fusagasugá, Cundinamarca.

Fusagasugá.

Olaya, V. (2016). Introducción a los Sistemas de Información Geográfica.

Pressman, R. (2002). Ingeniería de Software, un enfoque práctico. Madrid (España).

Secretaria de Territorio, Habitat y Vivienda. (2014). Plan Metropolitano de Ordenamiento Territorial 2012. Quito.

76 Secretaria General de Planificación. (2011). Plan de Desarrollo 2012 - 2022 del Municipio del Distrito Metropolitnao de Quito. Quito.

Universidad Autónoma Chapingo, Coordinación de Revistas Institucionales. (2011).

Comparación de métodos espaciales para detectar cambios en el uso del suelo urbano. Revista Chapingo serie ciencias forestales y del ambiente.

77 ANEXO A.

CONFIGURACIÓN DE LA GEODATABASE

Los parámetros de conexión a la geodatabase mimae permiten la administración y control de las fuentes de información de tablas y features class de lotes y construcciones, así como establecer la relación e integridad referencial de los datos.

La Database Connection muestra los valores que permiten realizar la conexión con Arcgis y el DBMS del Sql Server, esta opción se encuentra en ArcCatalog y ArcMap desde la cual se definen los valores indicados (ver Figura 33).

Plataforma: SQL Server Instancia: Home-10 Tipo de autenticación: Database Nombre base de datos: mimae

Figura 33: Pantalla de conexión a base de datos.

78 Administración mediante SQL Management Studio Otra forma de administrar y visualizar los datos espaciales, es a través de Microsoft SQL Server Management Studio.

Esta consola propia de Microsoft SQL Server, permite mostrar los resultados de consultas y análisis de datos espaciales en forma gráfica (Figura 34).

Figura 34: Consola de Administración de Sql. Adaptado de: Aitchison (2009)

Generación de índices en Lotes y Unidades constructivas Para mejorar el tiempo de respuesta de las consultas de datos espaciales y alfanuméricos, se crearon los índices de atributos, sobre el atributo cat_lote_id en la tabla de unidades y sobre el atributo cat_uc_id (Figura 35 y 36).

Figura 35: Índice en lotes.

Figura 36: Índice en construcciones.

79

ANEXO B.

PROCEDIMIENTO CORRECCIÓN DE DATOS

El proceso de corrección de datos permite depurar la información para tener datos de calidad que garanticen los resultados deseados, dentro de este proceso se detectaron las siguientes correcciones: 1. Corrección de registros duplicados.

2. Corrección de lotes sin código o lotes con código igual a cero.

3. Corrección de áreas igual a cero o menores a 1 metro.

4. Lotes gráficos que no existen en la alfanumérica.

5. Lotes alfanuméricos que no existen en la gráfica.

6. Corrección de errores de geometría.

7. Corrección de errores de Topología 1. Corrección de registros duplicados.

Es común que los registros duplicados aparezcan en el proceso de consolidación y migración de datos, esto debido a las falencias en el registro de datos de los sistemas.

Sin embargo es fácil identificarlos y obtener el listado de los registros duplicados mediante una consulta por campos en SQL Server.

La unicidad del lote se considera tanto a nivel espacial como atributo, mediante la herramienta Spatial Join se puede ubicar un polígono dentro de un mismo espacio y además heredar el número de lote con el código alfanumérico válido.

2. Corrección de lotes sin código o lotes con código igual a cero.

El proceso de recolección de datos genera también información basura o información no valida tanto de lotes como unidades constructivas, mediante filtros aplicados en ArcMap se identifican los lotes que no tienen el número de lote (Null) o número de lote igual a cero.

Se verifica la existencia del polígono espacialmente, caso contrario se elimina de la tabla.

80

3. Corrección de áreas igual a cero o menores a 1 metro.

El proceso de edición de polígonos de lotes y unidades constructivas, generan errores de digitalización no deseados. Mediante filtros en ArcMap es fácil detectar áreas iguales a cero o menores a 1 metro (valor establecido en la ficha catastral como no válido).

Los polígonos de área menor a 1 metro pasan por el proceso de verificación en campo, caso contrario se procede a eliminarlos.

4. Lotes gráficos que no existen en la alfanumérica La integridad referencial de datos, permite mantener la relación de los datos tanto espacial como alfanumérico. Un polígono puede existir espacialmente sin identificar el número de lote.

La herramienta Spatial Join de ArcMap permite posicionar gráficamente un polígono y obtener el número de lote, sin embargo si no interseca con ningún otro lote este se elimina.

5. Lotes alfanuméricos que no existen en la gráfica.

De igual manera que en el caso anterior la integridad referencial de datos se mantiene en de la parte alfanumérica con la parte espacial (se detectan 52,571 registros de estos casos).

El mecanismo de rescatar estos datos es revisar año a año la existencia del número de lote o número de unidad constructiva, caso de no encontrarlo este registro se elimina.

6. Corrección de errores de geometría.

Los errores de geometría permiten detectar fallas en forma, puntos intersecantes, cierre de polígonos con errores imperceptibles al ojo humano, lo cual hace necesario el uso de herramientas especiales que detecten y corrijan la geometría.

Los tipos de errores en geometría de polígonos más importantes son: Puntos intersecantes: Un polígono no debe intersecarse consigo mismo.

Polígonos no cerrados: El primer punto de dibujo de un polígono debe coincidir con el último punto del mismo polígono.

81

Vértices duplicados: El polígono no debe tener 2 vértices en la misma posición.

Partes discontinuas: El polígono es discontinuo en alguna de sus partes.

Identificado el error de geometría, se procede a repararlo manualmente mediante la edición del polígono o utilizando herramientas de reparación automática de la geometría.

7. Corrección de errores de Topología.

La detección y corrección de errores topológicos permite identificar errores de digitalización de la información geográfica.

Se establece la topología sobre la capa de lotes del 2016, por considerarse la capa base para la comparación con los años anteriores, se implementa la regla topológica Must Not Overlap, es decir que no exista sobre posición entre objetos de la capa lotes con lo cual se llegó a determinar que existen 11,752 casos de errores de este tipo.

Los pasos para establecer y corregir errores topológicos es la siguiente: 

Generación y configuración de topología.



Adición de reglas topológicas: Must Not Overlap.



Ejecución de topología y establecer las estrategias de corrección gráfica de cada uno de los errores topológicos detectados.



Corrección del error topológico.

82

ANEXO C.

ANÁLISIS ESPACIAL

Las herramientas de análisis espacial o geoprocesamiento permiten generar nueva información a partir de otras capas, identificar y resolver problemas que mejoren los datos utilizados en el análisis multitemporal.

A continuación se describen las herramientas utilizadas en el análisis multitemporal vectorial.

1. Intersección de Lotes Esta herramienta es una de las más utilizadas en el análisis espacial que permite encontrar la intersección geométrica entre polígonos, un ejemplo de uso indispensable de esta herramienta es en la pertenencia absoluta de unidades constructivas a lotes.

Su funcionamiento es sencillo y permite seleccionar todas las capas que se desea intersecar y obtener una nueva capa resultante con la intersección de estas capas. (Ver Figura 37).

Ingreso de capas a intersecar

Path y nombre de capa resultante

Figura 37: Selección de capas para intersección.

Adaptado de: ESRI Arcgis Server (2017)

83

2. Diferencia Simétrica Este geoproceso permite identificar las áreas de polígonos que no se superponen, esta herramienta por ejemplo es muy útil ya que permite identificar los nuevos lotes o sectores entre años en forma rápida y sencilla. (Figura 38).

Capa de entrada

Capa de actualización

Capa resultante

Figura 38: Herramienta Diferencia simétrica.

Adaptado de: ESRI Arcgis Server (2017)

3. Spatial Join El geoproceso Spatial Join permite identificar la pertenencia de lotes y unidades constructivas a las zonas metropolitanas, se utiliza el centroide de cada elemento (lote o unidad) para determinar la contenencia exacta. (Figura 39).

Capa de entrada Capa de intersección

Condición de intersección

Figura 39: Herramienta Spatial Join.

Adaptado de: ESRI Arcgis Server (2017)