Академический Документы
Профессиональный Документы
Культура Документы
This paper describes the creation of the tool to approach to models of dispersion of
pollutants, framed under a methodology of software development, which identified the
sequence to follow in the life cycle extension development, through an incremental
model in which the stages of the project were identified. At each stage a series of
activities that helped define inputs and outputs in each was made. According the above
in the first stage the functional requirements defined and nonfunctional, then in stage
two architecture and graphical interface, followed by the coding stage extension and
finally the stage of performance testing and user, in order to improve or correct the
functionality of the extension.
Received . . .
Análisis, diseño e implementación de una extensión para un 4.1.2. Método de interpolación IDW (distancia inversa
cliente SIG de escritorio que realizar un modelo básico de la ponderada)
dispersión de contaminantes por fuente fijas.
Por medio de la función v.surf.idw igualmente de GRASS, se
3.2. Objetivos Especı́ficos realiza la interpolación de superficies desde datos puntuales
vectoriales mediante la técnica de distancia inversa ponderada.
(i) Identificar los requerimientos funcionales y no funcionales Este comando llena una matriz raster con valores interpolados
a considerar para la implementación de la extensión. generados desde un conjunto de datos puntuales mediante
(ii) Establecer la metodologı́a de desarrollo a emplear durante una técnica de aproximación numérica (Arce,2014). El valor
la implementación de la extensión. interpolado de una celda es determinado por los valores de los
(iii) Definir la arquitectura de la extensión que permitan cumplir datos puntuales cercanos y la distancia de la celda desde los puntos
con los requerimientos funcionales y no funcionales. de entrada. En comparación con otros métodos, la aproximación
(iv) Diseñar la interfaz gráfica para la extensión acorde a los numérica permite representaciones de superficies más complejas,
requerimientos planteados. restringe la influencia espacial de cualquier error, y genera la
(v) Realizar pruebas de funcionalidad y de usuario con base en superficie interpolada desde datos puntuales (Arce,2014).
la norma de calidad de software ISO 9126-3
4. Marco Teórico
5. Metodologı́a
Figure 1. Datos mı́nimos requeridos para el modelo de dispersión. Fuente: Autoras. Se escogió este modelo de desarrollo ya que permitió identificar
el ciclo de vida de una forma incremental, donde estos
incrementos están definidos por una serie de subproyectos que
Para la fuente los datos necesarios son: Tipo y concentración permitieron minimizar el riesgo. El desarrollo se descompone
de contaminante (NOx, SO2 o Partı́culas). El cálculo se realizó en pequeñas partes de trabajo, basados en riesgos, arquitectura
a través de dos métodos de interpolación que se explican más y requerimientos. En el modelo de desarrollo incremental, los
adelante. requerimientos son conocidos desde el comienzo del desarrollo.
Modelo basico de la dispersion de los contaminantes 3
Ofrece una serie de entregas o lanzamientos que proveen digital de Elevación) de la zona donde están ubicadas, esto con
progresivamente más funcionalidad para el cliente a medida que el fin de definir un área de influencia y la interpolación de las
cada incremento es entregado (TECHNOTRICE, 2013, p. 1). variables del modelo de dispersión sobre esta.
6.2. Diseño
6.3. Implementación
6.4.1. Funcionalidad
Columna Descripción
Puntos Identificación de la fuente fija
X Coordenada X
Y Coordenada Y
altura fuente Altura de la fuente en metros
diame ducto Diámetro del ducto de la chimenea en metros
veloc flujo Velocidad del flujo de los gases en m/s
Figure 17. Interfaz con ejemplo para una fuente de emisión. a) RST y b) IDW.
temperat K Temperatura promedio de los gases en Kelvin
caudal gas Caudal del gas en la chimenea en m3/min
mp Material Particulado en mg/m3
SO2 Dióxido de azufre SO2 en mg/m3
NOx Óxido de nitrógeno NOx en mg/m3 Para el caso en que se tengan dos o más fuentes o chimeneas,
el resultado se presentará como se muestra en las Figuras 18 y 19,
Table 1. Variables capas vectoriales en las cuales las pruebas de funcionalidad de la extensión con los
parámetros de Dióxido de azufre SO2 y oxido de nitrogeno NOx
rspectivamente arroja los resultados del cálculo de interpolación
sin tener en cuenta el DEM con el nombre de InterpolaciónIDW
Adicionalmente una capa raster que corresponde al DEM
(modelo digital de elevación) del municipio de Caucasia ubicado y InterpolaciónRST, de acuerdo a lo que decida el usuario sobre
al nororiente del departamento de Antioquia (Figura 16). qué función usar y FinalModel el nombre con el cual se presenta
el resultado de la extensión para cualquiera de las dos funciones
teniendo en cuenta el DEM. En el caso de la interpolación por RST
el DEM se utiliza como una máscara dentro de los parámetros de
entrada a la función.
7. Conclusiones
cuantificar los aspectos de calidad en cuanto a usabilidad para • Hofierka J., Parajka J., Mitasova H., Mitas L., 2002,
la extensión AirQud, donde la carga de datos en la extensión Multivariate Interpolation of Precipitation Using
presenta mensajes en cada uno de los campos establecidos, Regularized Spline with Tension. Transactions in GIS
con un adecuado nivel de aprendizaje y que permite una fácil 6(2), pp. 135-150.
operación de sus funciones con una organización que evita
posibles confusiones durante su uso. • H. Mitasova, L. Mitas, B.M. Brown, D.P. Gerdes, I.
Kosinovsky, 1995, Modeling spatially and temporally
distributed phenomena: New methods and tools for
8. Recomendaciones GRASS GIS. International Journal of GIS, 9 (4), special
issue on Integrating GIS and Environmental modeling,
Para futuros trabajos se recomienda incluir a la extensión 433-446.
variables como caracterı́sticas del terreno, caracterı́sticas de la
fuente de emisión, presencia de edificios cercanos a la fuente • Mitasova, H. and Mitas, L., 1993: Interpolation by
de emisión, coeficiente de dispersión de acuerdo a la zona Regularized Spline with Tension: I. Theory and
predominante alrededor de la fuente (rural o urbana), entre otros Implementation, Mathematical Geology ,25, 641-655.
sugeridos por la EPA. Los modelos presentados permiten de
manera básica la simulación de dispersión de contaminantes, por • Mitasova, H. and Hofierka, J., 1993: Interpolation by
lo cual se recomienda para futuros trabajos complementar la Regularized Spline with Tension: II. Application to Terrain
extensión con un método como el gaussiano que es más completo. Modeling and Surface Geometry Analysis, Mathematical
Complementar la función RST con el fin de que genera una Geology 25, 657-667.
aproximación más cercana de la dispersión de los contaminantes.
• Mitas, L., and Mitasova H., 1988, General variational
8.1. Bibliografı́a approach to the approximation problem, Computers and
Mathematics with Applications, v.16, p. 983-992.
• Technotrice. (2013). What Is Incremental Model In
• Neteler, M. and Mitasova, H., 2008, Open Source GIS: A
Software Engineering Its Advantages and Disadvantages.
Estados Unidos. Recuperado de GRASS GIS Approach, 3rd Edition, Springer, New York,
406 pages.
http://aprendiendo-grass.readthedocs.
io/es/latest/index.html
• Talmi, A. and Gilat, G., 1977 : Method for Smooth
Approximation of Data, Journal of Computational Physics,
• Ruiz, José. (2002). Simulación de la contaminación
23, p.93-123.
atmosférica generada por fuentes móviles en Bogotá.
Bogotá D.C. Facultad de Ciencias. Universidad Nacional
• Wahba, G., 1990, : Spline Models for Observational
de Colombia.
Data, CNMS-NSF Regional Conference series in applied
mathematics, 59, SIAM, Philadelphia, Pennsylvania.
• Arce, Armando. (2014).Aprendiendo GRASS. Recuperado
de http://aprendiendo-grass.readthedocs.
• Shapiro, Michael , U.S. Army Construction Engineering
io/es/latest/index.html
Research Laboratory Improved algorithm (indexes points
according to cell and ignores points outside current region)
• Hofierka,Jaroslav, Blazek,Radim (s.f). v.surf.rst. University by Paul Kelly.
of Presov. Recuperado de
https://grass.osgeo.org/grass64/ • Koerper,Greg . Global Climate Research Project. U.S. EPA
manuals/v.surf.rst.html. Environmental Research Laboratory.
• Mitasova, H., Mitas, L. and Harmon, R.S., 2005, • Armstrong and Marciano, (1994).Inverse distance weighted
Simultaneous spline approximation and topographic spatial interpolation using a parallel supercomputer
analysis for lidar elevation data in open source GIS, IEEE Photogrammetric Engineering and Remote Sensing pp.
GRSL 2 (4), 375- 379. 1097–1103.
• Hofierka, J., 2005, Interpolation of Radioactivity Data • Armstrong and Marciano,(1996).Local interpolation
Using Regularized Spline with Tension. Applied GIS, Vol. using a distributed parallel supercomputer International
1, No. 2, pp. 16-01 to 16-13. DOI: 10.2104/ag050016 Journal of Geographical Information Systems pp. 713–729.
Modelo basico de la dispersion de los contaminantes 9
• Bartier and Keller,(1996). Multivariate interpolation to • Ramirez, Salomón.(2016). Ingenierı́a De Software Para
incorporate thematic surface data using inverse distance SIG . Ingenierı́a de Requerimientos.
weighting (IDW) Computers and Geosciences pp.
795–799. • Ramirez, Salomón.(2016). Ingenierı́a De Software Para
SIG . Diseño de software y arquitectura.
• Chang et al.,(2006). The parameter optimization in
the inverse distance method by genetic algorithm for • Alan J. Cimorellia, Steven G. Perryb, Akula Venkatramc,
estimating precipitation Environmental Monitoring and Jeffrey C. Weild, Robert J. Painee, Robert B. Wilsonf,
Assessment pp. 145–155. Russell F. Leeg, Warren D. Petersh, and Roger W.
Brodei.AERMOD: A Dispersion Model for Industrial
• GDF Hannover,(2005).GDF Hannover, 2005. An Source Applications. Part I: General Model Formulation
Introduction to the Practical Use of the Free Geographical and Boundary Layer Characterization.
Information System GRASS 6.0 (Version 1.2), 156pp.
http://www.gdf-hannover.de/lit_html/ • Levya,Jonathan.Spenglera,John.Hlinkab, Dennis David
grass60_v1.2_en/index.html Sullivanb.Moonc,Dennis (2002). Using CALPUFF to
evaluate the impacts of power plant emissions in Illinois:
• Guan and Wu,(2008).Parallel optimization of IDW model sensitivity and implications.
interpolation algorithm on multicore platform. In:
Proceedings of Geoinformatics 2008 and Joint Conference • Fonseca,Mariam.Mayor,Yandy.Fernández,Ana y
on GIS and Built Environment: Advanced Spatial Data Cuesta,Osvaldo.(2015).Análisis de sensibilidad del
Models and Analyses, Guangzhou, China, pp. 7146Y- campo de viento producido por el modelo de diagnóstico
1–7146Y-9. CALMET.
• Summerfield, Mark. (2007). Rapid GUI Programming with • Vergara, E.P.Corral, M. Pernı́a, A. González, A. Estudio
Python and Qt. De Dispersión De Contaminantes En La Atmósfera: Una
Propuesta Metodológica.
• Dobias, Martin. (2010).PyQGIS Documentation.
• Carrari, Carolina L.Aparicio, Lucrecia V.Bandoni†, José
• Hinz, Matthias. Nüst,Daniel. Proß, Benjamin. A.Tonelli, Stella M. (2004).Utilizacion De Modelos De
Pebesma,Edzer.(2013).Spatial Statistics on the Geospatial Dispersion Atmosferica Para La Estimacion De Dosis
Web. De ExposicionUtilizacion De Modelos De Dispersion
Atmosferica Para La Estimacion De Dosis De Exposicion.
• Quantum GIS Development Team. (2013) Quantum
GIS. Geographic Information System. http: • Mitasova,H. Mitas,L.(1993). Interpolation by regularized
//qgis.osgeo.org/. spline with tension: I theory and implementation.
Mathematical Geology, 25 , pp. 641–655.
• GDAL Development Team. (2013) GDAL -
Geospatial. Data Abstraction Library, Version 1.9.2. • Mitasova,H. Mitas,L.(1993). Interpolation by regularized
http://www.gdal.org. spline with tension: II theory and implementation.
Mathematical Geology, 25 , pp. 641–655.
• Cataldi, Lage. Pessacq, y Garcı́a Martı́nez. Ingenieria De
Software Educativo.. • López-Grao, Juan Pablo
http://www.iidia.com. L.Mersegue,José.Campos,Javier.(2004). From UML
ar/rgm/comunicaciones/ activity diagrams to Stochastic Petri nets: application to
c-icie99-ingenieriasoftwareeducativo. software performance engineering.
pdf.
• Schmller,Joseph.Aprendiendo UML en 24 horas.
• Anaya, Raquel.(2006). Una visión de la enseñanza de la
Ingenierı́a de Software como apoyo al mejoramiento de las
empresas de software.