Resumen de Aquifer vulnerability mapping and GIS: a proposal to monitor uncertainty associated with spatial data processing
Valèrie Murat, Alfonso Rivera, Jacynthe Pouliot, Marcelo Miranda-Salas, Martine M. Savard
El Servicio Geológico de Canadá llevó a cabo una evaluación acuífera para estimar la sustentabilidad y la vulnerabilidad acuífera en St. Lawrence Lowlands al suroeste de Québec. El modelo DRASTIC y un SIG fueron usados para calcular y producir los mapas de vulnerabilidad. Paralelamente se realizó un detallado monitoreo del procesamiento de los datos para controlar la exactitud de los mapas de vulnerabilidad. Una estimación global incluyó errores identificados e incertidumbres asociadas con datos espaciales y descriptivos usados en el modelo. Los datos analizados se relacionaron con los pozos, perforaciones, mapas temáticos, y también con los procesos múltiples de los datos incluyendo a los errores e incertidumbre atribuidas a los cálculos de la conductibilidad hidráulica, las interpolaciones de los datos, las intersecciones de capas de los datos espaciales etc. Se propone un sistema de categorización usando el lenguaje UML, para categorizar datos espaciales con respecto al grado y fuente de incertidumbre. Este trabajo presenta este sistema, un ejemplo de aplicación en un área estudiada y una discusión sobre su utilidad en el control del procesamiento de datos. También muestra que la incertidumbre asociada con el procesamiento de datos espaciales y la integración de los datos a un sistema numérico puede ser muy significante; la principal ambigüedad ocurre cuando se limpian datos, se interpolan, se clasifican y se sobreponen. La caracterización de la incertidumbre en los procesos de los datos fue una valiosa fuente de información tan crucial como la misma calidad de los datos. Monitorear la incertidumbre asociada con el procesamiento de datos espaciales es casi tan importante como el modelo mismo. Sin embargo, el monitoreo de la incertidumbre puede ser complejo y subjetivo y de hecho es raramente efectuado sobre bases regulares principalmente porque requiere mucho más esfuerzo comparado con simplemente correr el modelo.
