Evaluaciónde Modelos de Elevación Digital de Acceso Libre para Estimar Áreas de Inundación Por Ascenso de Nivel Del Mar en Cartagena de Indias
Evaluaciónde Modelos de Elevación Digital de Acceso Libre para Estimar Áreas de Inundación Por Ascenso de Nivel Del Mar en Cartagena de Indias
Evaluaciónde Modelos de Elevación Digital de Acceso Libre para Estimar Áreas de Inundación Por Ascenso de Nivel Del Mar en Cartagena de Indias
Tesis o trabajo de investigación presentada(o) como requisito parcial para optar al título de:
Geólogo
Director (a):
Rafael R. Torres Parra Ph.D.
Línea de Investigación:
Cambio Climático – Grupo GEO4
Resumen
El actual aumento en el nivel medio del mar coloca en riesgo a más de 600 millones de personas en
el planeta. Una herramienta fundamental en el análisis de la vulnerabilidad frente a este factor es la
información espacial en forma de modelos digitales de elevación, que funcionan como la base en la
representación de escenarios de inundación que ponen en riesgo a las comunidades costeras. Debido
a esto, la calidad de los resultados al analizar los efectos del aumento en el nivel del mar dependerá
en gran medida de la calidad de la información espacial utilizada. Actualmente, existen diversas
fuentes de información espacial que generan productos para este fin a nivel global; cada uno con
características diferentes. En este trabajo se comparan las características de los modelos digitales de
elevación ALOS WORLD 3D, SRTM DEM V3 y ASTER GDEM V3, a fin de establecer si estos
modelos permiten generar zonas inundables derivadas de escenarios futuros de aumento en el nivel
del mar en la ciudad de Cartagena de Indias. Los resultados indican que el modelo ALOS WORLD
3D presenta el menor error vertical en el área de estudio. A pesar de lo anterior, la magnitud en el
error vertical de los 3 modelos utilizados supera la recomendada para la generación de zonas
inundables en un futuro cercano (2100), por lo que se recomienda el uso de esta información en la
delimitación general de zonas vulnerables solamente cuando no existan fuentes de mayor resolución
espacial disponibles.
Palabras clave: Vulnerabilidad, Modelos de elevación, SIG, Ascenso del nivel del mar, Escenario
radiativo
VI Evaluación de modelos de elevación digital de acceso libre para estimar áreas de inundación
por ascenso de nivel del mar en Cartagena de Indias
Abstract
Current mean sea-level rise puts at risk more than 600 million people on the planet. A fundamental
tool in the vulnerability analysis related to this factor is spatial information obtained from digital
elevation models, which serves as the basis for flood scenarios assessment that put coastal
communities at risk. Because of this, the quality of the results when analyzing the sea-level rise
effects will largely depend on the quality of the spatial information used. Currently, there are several
global sources of spatial information, which generate products for this purpose; each with different
characteristics. This work compares the ALOS WORLD 3D, SRTM DEM V3, and ASTER GDEM
V3 global digital elevation models, in order to establish if these models allow the assessment of
flooded zones derived from future mean sea-level rise scenarios in the city of Cartagena de Indias.
Results indicate that ALOS WORLD 3D model presents the smallest vertical error in the study area.
Despite the above, the vertical error of the three models exceeds the recommended threshold for the
generation of flood zones in the near future (2100), therefore the use of this information is
recommended only in the general delimitation of vulnerable areas, when other sources with higher
spatial resolution are not available.
Keywords: Vulnerability, Digital Elevation Models, GIS, Sea-level Rise, Radiative scenario
Contenido VII
Contenido
Pág.
Resumen ........................................................................................................................................... V
Introducción ..................................................................................................................................... 1
2. Zona de estudio....................................................................................................................... 10
Bibliografía ..................................................................................................................................... 34
Contenido VIII
Lista de figuras
Pág.
Lista de tablas
Pág.
Tabla 3-1: Comparativa de las características generales de los MDE ALOS WORLD 3D, SRTM
DEM V3 y ASTER GDEM V3........................................................................................................ 14
Tabla 4-1: Parámetros SLRM68 y SLRM95 para los modelos ALOS WORLD 3D, SRTM DEM
V3 y ASTER GDEM V3 ................................................................................................................. 27
Tabla 4-2: Tabla comparativa para los valores de área cubierta por los escenarios de aumento RCP
4.5 y 8.5 en el modelo ALOS WORLD 3D. .................................... ¡Error! Marcador no definido.
Contenido X
Lista de Símbolos
Símbolos con letras latinas
Símbolo Término Unidad SI
H Altura ortométrica en un punto m
h Altura elipsoidal en un punto m
LE Error lineal
N Altura geoidal en un punto m
RMSE Raíz del error medio cuadrático
SLRM Incremento mínimo en el nivel del mar m
Subíndices
Subíndice Término
68 Confiabilidad del 68%
95 Confiabilidad del 95%
z Vertical
M Modelo
PCT Punto de Control en el Terreno
Introducción
El aumento relativo del nivel del mar hace referencia al cambio vertical que sufre el nivel medio del
mar respecto a un nivel de referencia dado ubicado en la costa. Dicho cambio puede ser ocasionado
por distintos factores, algunos que aumentan el nivel del mar y otros relacionados con el hundimiento
de la corteza terrestre (Church & Gregory, 2019; Restrepo-Ángel et al., 2021) En particular, el
aumento del nivel medio del mar en lo que resta del siglo se encuentra asociado al calentamiento
global que en la actualidad viene afectando a nuestro planeta (Church & Gregory, 2019).
Independientemente del forzante, este efecto constituye una amenaza a la población vulnerable de la
zona costera.
En todo el planeta, alrededor de 620 millones de habitantes se asientan en zonas costeras, y se estima
que este número, en el peor de los casos, se duplique en 50 años (Neumann et al., 2015). Solamente
en Colombia, en el año 1993, el número de personas ubicadas en la zona costera ascendía a más de
3.7 millones (Steer Ruiz et al., 1997). Todos estos habitantes en alguna medida serán afectados por
el aumento en el nivel de los mares aledaños a sus poblaciones. El impacto de este aumento varía en
gran medida dependiendo de factores como el desarrollo económico de la zona costera, la educación
en prevención de la población, los planes de mitigación y contingencia puestos en práctica por el
gobierno local o nacional, y la respuesta ante emergencias de las autoridades pertinentes. Es por esto
que los países subdesarrollados o en vía de desarrollo a menudo presentan problemas con el manejo
de este fenómeno, y se encuentran especialmente expuestos a él (Cardoso & Benhin, 2011).
En todos los casos, para estudiar el aumento relativo del nivel del mar a escala local, se requiere
conocimiento de las diferentes frecuencias en que cambia este, las variaciones verticales de la corteza
terrestre y su topografía, así como del marco de referencia vertical y horizontal en el que se estudian
estos cambios, el cual varía dependiendo de la zona de estudio. Es por esto que, el estudio de este
fenómeno se debe realizar teniendo en cuenta estos tres aspectos, con el fin de conocer mejor el
riesgo que pueden tener algunas ciudades del litoral Caribe colombiano ante esta amenaza. Este
2 Introducción
trabajo busca profundizar en las fuentes de información topográfica (modelos de elevación digital)
disponibles para la ciudad de Cartagena de Indias, y la metodología que se usa para trabajar con
ellas, para identificar zonas de inundación por aumento del nivel del mar, así como posibles
limitaciones en estas bases de datos.
Es importante estudiar los impactos en la costa por el ascenso en el nivel medio del mar debido a sus
implicaciones ambientales, sociales, económicas o hidrogeológicas, por mencionar algunas. Los
efectos de este fenómeno pueden afectar gravemente a las poblaciones costeras, trayendo consigo
problemas como la pérdida de zona habitable, desequilibrio y desaparición de ecosistemas costeros,
pérdida de especies animales y vegetales, y contaminación de acuíferos subterráneos como
consecuencia de la intrusión de agua salada, por mencionar algunos (Ataie-Ashtiani et al., 2013; Day
et al., 1995; Ketabchi et al., 2016). Colombia cuenta con 1642 km de línea de costa continental en el
Mar Caribe (Alonso et al., 2003), con diferentes características, incluyendo playas y otras geoformas
de baja elevación, que serán afectadas por el ascenso relativo del nivel medio del mar, dado su
aumento constante desde el siglo pasado por efecto del calentamiento global (Church & Gregory,
2019).
Todo estudio que busque estimar áreas de inundación por ascenso de nivel del mar requiere de
información geográfica espacial de la topografía costera. Este tipo de información está disponible al
público de forma gratuita a baja resolución, sin embargo, sus costos son bastante elevados si se desea
contar con información de alta resolución. Un claro ejemplo de esto es la información Light
Detection And Ranging (LiDAR), la cual ofrece alta resolución, pero a altos costos. Esto limita el
alcance de investigaciones a escala local, y obliga a los investigadores a recurrir a fuentes de acceso
libre como único recurso. En todo el planeta, diversos autores utilizan estos modelos de acceso libre
de manera efectiva en la gestión del riesgo costero y áreas asociadas (Demirkesen et al., 2008; Gesch,
2018; Hasan et al., 2015; Kulp & Strauss, 2018, 2019; Santillan & Makinano-Santillan, 2017), y en
el Caribe Colombiano, ya existen algunos estudios de este tipo empleando datos LiDAR (Afanador
et al., 2007, 2008), pero a la fecha no se tiene conocimiento de estudios para determinar áreas
inundables por el aumento relativo del nivel medio del mar, empleando modelos de elevación digital
de acceso libre. La evaluación del uso de estos modelos es necesaria para determinar su utilidad en
este tipo de estudios de riesgo, ya que ofrecen una alternativa sin costo que puede ser utilizada por
cualquier investigador, a costa de la resolución de la información.
Introducción 3
Sin importar la fuente de la información que se utilice, es necesario definir una metodología
adecuada para trabajar con esta, ya que realizar estudios sin seguir directrices para el correcto manejo
de esta información geográfica puede generar estimaciones erróneas como resultados finales (West
et al., 2018), que, en lugar de aportar conocimiento general, pueden distorsionar y desinformar a la
población.
Ambos factores adquieren especial peso en países en vía de desarrollo como Colombia, en los que
hay poca documentación referente al manejo de la información geográfica para desarrollar este tipo
de estudios. Adicionalmente, son pocos los estudios recientes con respecto al tema, a pesar de la
amplia zona costera colombiana. De otro lado, la solicitud de información de ultra alta resolución
puede presentar dificultades dada su relación con aspectos de seguridad, retrasando el avance de la
investigación en los casos en los que se pueda acceder a estos datos (Mennecke & West, 2014).
Se espera que los resultados de este trabajo sean de utilidad a las comunidades costeras y entes
gubernamentales locales, para mejorar su respuesta ante posibles impactos negativos por la
inundación de zonas costeras asociadas al cambio climático. Esta información es indispensable para
determinar planes de mitigación, dentro de los cuales se incluye una actualización del Plan de
Ordenamiento Territorial (POT) de la ciudad.
1. Marco Teórico
A nivel global, el aumento en el nivel está dominado en su mayor parte debido a la expansión térmica
del agua y la transferencia de masa del hielo continental hacia el océano. La distribución geográfica
de este aumento varía a causa de factores como la temperatura y densidad del océano, los patrones
de vientos en superficie, entre otros (Church & Gregory, 2019, 2019). Las escalas de tiempo en las
que actúan ambos fenómenos y los efectos regionales que producen en el nivel del mar, es un campo
que se encuentra en permanente estudio y desarrollo.
las mediciones del aumento del nivel del mar pueden variar significativamente de lugar a lugar,
incluso en la misma región.
Algunos factores que aportan variabilidad regional con respecto al aumento global del nivel del mar
incluyen la subsidencia costera. Este fenómeno es considerado como el principal causante de
cambios frente a las tasas de aumento globales (Restrepo-Ángel et al., 2021), y se genera por causas
como la compactación del terreno como respuesta a la carga que se encuentra sobre este, siendo
especialmente notorio en ciudades costeras, islas y deltas a lo largo del mundo. La variabilidad
climática natural en el planeta también influye en la variabilidad regional en el nivel del mar.
Principalmente atribuida a fenómenos cuya presencia afecta los patrones de viento superficial,
corrientes oceánicas, temperatura y salinidad de manera irregular (e.g. El Niño Oscilación del Sur
(ENOS) y la Oscilación Decadal del pacífico (ODP)) (Church & Gregory, 2019; Mantua & Hare,
2002). En algunas ocasiones la intervención humana influencia la variabilidad local del nivel del
mar. Esto ocurre si procesos antrópicos en el continente generan cambios en las tasas de escorrentía
o evapotranspiración. Algunos de estos procesos incluyen la construcción de represas, agricultura
intensiva o la extracción desmesurada de aguas subterráneas (Church & Gregory, 2019; Restrepo-
Ángel et al., 2021). Por lo anterior, en las costas se estudia el aumento relativo del nivel del mar.
El aumento relativo del nivel medio del mar hace referencia al aumento medido directamente desde
un lugar en tierra, apoyado en las mediciones de mareógrafos. Estos instrumentos registran cambios
en el nivel del mar, pero también, cambios verticales de la corteza terrestre en la cual están ubicados,
por tanto, indican el aumento del nivel del mar en un lugar, “relativo” a los movimientos verticales
de la corteza. Las mediciones automatizadas proporcionadas por estos instrumentos se remontan a
inicios del siglo XIX (Woppelmann G. & Pirazzoli P. A., 2005), y su acción, adaptada a los
estándares actuales, es muy importante en la investigación oceanográfica. Estos dispositivos realizan
mediciones de manera diferente a como lo hacen los satélites de altimetría, usados para medir
cambios en los niveles globales respecto al centro de la Tierra, es decir, no considera los
movimientos verticales de la corteza. Adicionalmente, un mareógrafo mide el nivel el mar en un
punto particular, a diferencia de los altímetros con coberturas globales.
6 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
La alta frecuencia de medición convierte a los mareógrafos en una pieza indispensable para entender
fenómenos que afectan el nivel del mar localmente, como marejadas ciclónicas o eventos extremos
como tsunamis. El principal problema de este instrumento yace en la limitada representación espacial
de los datos. Es por esto que, a lo largo de todas las costas del planeta, múltiples mareógrafos se
instalan para realizar un monitoreo conjunto en el nivel del mar cerca al continente, siendo la mejor
herramienta para estudiar aumentos relativos del mismo cuando se cuentan con series de tiempo lo
suficientemente largas.
En el Caribe, existen estudios que utilizan información conjunta de altimetría y mareógrafos para
entender las tendencias de aumento del nivel del mar en la región. Los resultados oscilan entre 1 y 3
mm.yr-1 para la mayoría de estaciones a excepción de una, la ciudad de Cartagena de Indias. Esta
ciudad presenta tendencias de aumento que oscilan entre 5.3 ± 0.3 mm.yr-1 y 5.6 ± 0.2 mm.yr-1, y
difiere en gran medida del resto de estaciones en la región (Palanisamy et al., 2012; Torres &
Tsimplis, 2013). Esta divergencia del promedio general en la ciudad de Cartagena de Indias se
atribuye principalmente a la subsidencia del terreno bajo ella, debido a la carga excesiva sobre la
zona (Restrepo-Ángel et al., 2021).
▪ Amenaza: Peligro latente de que un evento físico de origen natural, o causado, o inducido
por la acción humana de manera accidental, se presente con una severidad suficiente para
causar pérdida de vidas, lesiones u otros impactos en la salud, así como también daños y
pérdidas en los bienes, la infraestructura, los medios de sustento, la prestación de servicios
y los recursos ambientales (Ley 1523 de 2012).
▪ Vulnerabilidad: Susceptibilidad o fragilidad física, económica, social, ambiental o
institucional que tiene una comunidad de ser afectada o de sufrir efectos adversos en caso
Marco teórico 7
Las anteriores son definiciones generales. Sin embargo, para estudiar en particular el riesgo de
inundación por aumento relativo del nivel medio del mar en un lugar particular, es necesario, aparte
de las bases conceptuales, utilizar información geográfica en forma de modelos digitales de
elevación, Puntos de Control Terrestres (PCT), y datos de aumento en el nivel relativo del mar
derivados de estaciones en tierra (e.g. Mareógrafos), o de la recolección de datos por parte de
sensores remotos (e.g. Satélites) (Orejarena-Rondón et al., 2019).
En el manejo de información geográfica, es común encontrar los términos Digital Surface Model
(DSM) (Modelo de superficie digital (MSD) en español) y Digital Terrain Model (DTM) (Modelo
de terreno digital “MTD” en español). Estos hacen referencia a dos de los productos de información
más comunes, los cuales es necesario diferenciar, debido a su naturaleza.
La diferencia básica entre estos dos modelos es la representación de los objetos por encima del nivel
del mar. El MSD tiene en cuenta objetos como vegetación, edificaciones y otras estructuras por
8 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
encima del terreno y las incorpora a la altura de su modelo, mientras que el MTD solo tiene en cuenta
la elevación del terreno, y no de lo que se encuentra encima de él. Las fuentes que proporcionan este
tipo de modelos al público generalmente requieren un pago para proveerla al consumidor final. Las
alternativas gratuitas de este tipo de información suelen tener menos resolución espacial, y su
aplicabilidad es más limitada.
Estos modelos de elevación se construyen a partir de la toma de datos por parte de sensores remotos
como satélites, aeronaves, o directamente desde el terreno. La utilización de uno u otro método
depende de la extensión de la zona de estudio, y de los recursos disponibles para el mismo. Al trabajar
con este tipo de información, es inevitable la aparición de errores horizontales causados
generalmente por irregularidades atmosféricas y la posición del receptor de datos en el instrumento
de medición (Guan et al., 2020), o de errores verticales causados por la incapacidad de algunos
modelos de detallar características particulares del terreno, que se manifiestan por debajo de su
resolución espacial. La existencia de estos errores requiere la utilización de puntos de control
otorgados por sistemas geodésicos basados en superficies de referencia como geoides y elipsoides.
Actualmente, existe un estándar para el trabajo geodésico, de navegación y cartográfico, que data
del año 1984. El World Geodetic System 84 (WGS84) es el sistema geodésico producto del consenso
en la comunidad científica, utilizado como referencia para el sistema de posicionamiento global
“GPS”, y que define un elipsoide cuyo origen coincide con el centro de masa del planeta, con un
error de 2 cm aproximadamente (Lemoine et al., 1998). La exactitud de los modelos gravitacionales
de la Tierra ha mejorado sustancialmente, en gran parte como resultado de la misión Gravity
Recovery and Climate Experiment (GRACE) Tellus, a cargo de la National Aeronautics and Space
Administration (NASA) que inició en el 2002. Esta misión revolucionó el proceso de medición del
campo gravitacional terrestre al medir pequeñas variaciones gravitatorias desde dos satélites
idénticos en órbita simultánea. Estas variaciones gravitacionales son causadas por cambios en la
distribución de masa en la superficie terrestre (Bettadpur, 2018). La misión GRACE permite realizar
un monitoreo de las masas de hielo del planeta y brinda información sobre el almacenamiento global
de aguas subterráneas. Los aportes de la misión GRACE se utilizan como base para el mantenimiento
de la serie de modelos geopotenciales conocidos como Earth Gravitational Model (EGM) en sus
versiones posteriores al año 2002.
2. Zona de estudio
La ciudad de Cartagena de Indias se ubica en el litoral Caribe colombiano entre latitud 10°10’ N y
10°30’ N y entre longitud 75°20’ W y 75°40’ W (Figura 2-1). Su ubicación en el litoral la convierte
en un eje comercial, industrial y turístico importante en la región. Algunos de los elementos
geográficos más importantes asociados al área incluyen la Ciénaga de Tesca, bahías como la de
Cartagena o Barbacoas, y numerosas formaciones insulares como Barú o Tierra Bomba (Durango,
2009). El rasgo geográfico terrestre que más destaca en la ciudad es el Cerro La Popa, perteneciente
a la Formación (Fm.) la Popa de edad Pleistoceno superior, compuesta principalmente por arrecifes
de plataforma submarina de baja pendiente, que suprayace de manera discordante a la Fm. Bayunca
de edad pliocena.(Furrier et al., 2017).
Modelos de elevación
En este estudio se esperan utilizar 3 modelos digitales de elevación de libre acceso: ALOS WORLD
3D, SRTM DEM V3 y ASTER GDEM V3. Estos modelos fueron seleccionados preliminarmente
sobre todas las opciones disponibles debido a la facilidad para acceder a los datos, a la información
disponible y a las resoluciones horizontales disponibles.
▪ Los datos de elevación en el producto son datos que fueron convertidos de alturas
elipsoidales (International Terrestrial Reference Frame (ITRF97) - Geodesic Reference
System (GRS80)) a alturas ortométricas (referenciadas al geoide) usando el modelo EGM96.
▪ Las celdas en las imágenes GeoTIFF contienen valores enteros.
Tabla 3-1: Comparativa de las características generales de los MDE ALOS WORLD 3D, SRTM
DEM V3 y ASTER GDEM V3
Modelo ALOS WORLD 3D SRTM DEM V3 ASTER GDEM V3
Formatos de
información GeoTIFF, MSK, STK, HDR, BIL , DTED,
TIF
disponibles en su QAI, LST GeoTIFF
descarga
Altura ortométrica Altura ortométrica
Altura medida en Altura ortométrica sobre el
sobre el geoide sobre el geoide
metros geoide EGM96
EGM96 EGM96
Tamaños de raster
1° X 1°, 5° X 5° 1° X 1° 1° X 1°
disponibles
83° N - 83° S Aprox.
Cobertura Global Global
(Latitud)
Resolución
Celdas de 30m x
horizontal Celdas de 30m x 30m Celdas de 30m x 30m
30m
(Producto)
Resolución
10 m (C-Band)
horizontal 2.5 m 15 m (VNIR)
6 m (X-Band)
(Instrumento)
RMSE esperado 5m 3.8 m (Suramérica) 10-11 m
Proyección Equirrectangular Equirrectangular Equirrectangular
Valor de píxeles
0 0 0
oceánicos
Elipsoide (s) base IRTF97, GRS80 WGS84 WGS84
Modelo geoidal
EGM96 EGM96 EGM96
base
Libre (Registro Libre (Registro
Acceso Libre (Registro requerido)
requerido) requerido)
Chaieb et al., 2016;
Caglar et al., 2018; Kilinç &
Referencias Mukul et al., 2017 Jacobsen & Passini,
Alazaiza, 2019
2010
Datos y metodología 15
Puntos de control
En Colombia, la información geográfica se encuentra bajo la administración del Instituto Geográfico
Agustín Codazzi (IGAC). Esta entidad es la encargada de producir la cartografía colombiana y de
regular y organizar la infraestructura colombiana de datos espaciales (ICDE).
La Red Geodésica Nacional, está conformada por puntos que funcionan como referencia para
establecer la posición horizontal y elevaciones de manera precisa, en todo el territorio nacional.
Localmente, cada lugar cuenta con una serie de estaciones geodésicas en tierra, certificadas por el
IGAC. Los certificados del IGAC incluyen la siguiente información: latitud y longitud decimales
referidas al sistema de coordenadas geográficas MAGNA-SIRGAS, estado actual del punto,
ubicación dentro de la división político-administrativa, tipo de coordenadas (calculadas,
aproximadas, sin datos) y la altura del punto con respecto al elipsoide GRS80, un elipsoide
virtualmente similar al WGS84.
La red pasiva de PCT del IGAC posee alrededor de 25000 puntos de monitoreo dispersos por todo
el país disponibles para ser utilizados como fuente de información para su procesamiento en diversos
software de información geográfica (SIG). De esta manera es posible seleccionar sólo los puntos
cuya ubicación se interseca con la superficie del polígono de interés, en nuestro caso, del casco
urbano de la ciudad de Cartagena de Indias por ser el área de estudio. Esta información puede ser
consultada y está disponible para su descarga en el portal de datos abiertos del instituto.
El casco urbano de Cartagena de Indias cuenta con unos 20 puntos de control aproximadamente
(Figura 3-1). Algunos de estos puntos no se encuentran activos, por lo que esta red debe ser
verificada cuidadosamente y se deben excluir del análisis las estaciones obsoletas. La posición
horizontal y vertical de estos puntos geodésicos se puede emplear como referencia para el análisis
de calidad de los modelos de elevación digital globales. El error vertical de estos puntos, de acuerdo
con el material suplementario, es inferior a 0.61 m (Sánchez Rodríguez, 2003).
16 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Figura 3-1: Disposición de puntos geodésicos materializados dentro del casco urbano de
Cartagena de Indias.
Metodología
La metodología a desarrollar en este trabajo se basa en la propuesta presentada por (Gesch, 2018;
Santillan & Makinano-Santillan, 2017), y presenta modificaciones que permiten adaptarla a la zona
de estudio debido a la naturaleza de las variaciones en la calidad de la información geográfica. La
mayor parte del procesamiento de los datos se realiza desde el SIG ArcGIS, y los pasos a seguir son
los siguientes:
Selección del área de interés (Cartagena de Indias): Con el fin de llevar todas las imágenes
descargadas de diferentes fuentes a un marco de referencia similar, se realiza la delimitación
georeferenciada de la zona de estudio. La zona se obtiene usando el polígono correspondiente a la
ciudad de Cartagena de Indias obtenido en el portal de datos abiertos en línea del Departamento
Administrativo Nacional de Estadística (DANE, 2018). Como procesamiento adicional, utilizando
la información cartográfica a escala 1:100.000, se extraen las áreas que presentan cuerpos de agua y
drenajes significativos en la zona (Figura 3-2)
Red Geodésica Nacional (RGN) y filtrado de puntos de control: Utilizando los datos abiertos de
la RGN proporcionados por el IGAC desde su portal en línea es posible obtener las alturas
elipsoidales (GRS80) de sus puntos de control. La red se descarga como un archivo con cobertura
nacional (Figura 3-3), así que es necesario filtrarla a la extensión de los modelos del estudio usando
sistemas de información geográfica (SIG). A fin de reducir el sesgo producido por la falta de datos
en el cálculo posterior de los errores, el área que cobija los PCT del IGAC corresponde a la extensión
original de 1°x1° en los archivos iniciales de los MDE, en la que se encuentran materializados 117
PCT (Figura 3-4).
18 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Figura 3-3: Distribución inicial de los datos de la Red Geodésica Nacional en el Sistema de
Información Geográfica ArcGIS.
Figura 3-4: Disposición geográfica de los 117 Puntos de Control Terrestre (PCT) del Instituto
Geográfico Agustín Codazzi utilizados en el estudio.
Estadística: El primer parámetro a analizar es el error absoluto de los datos. Este se calcula restando
las alturas ortométricas obtenidas en el paso anterior, con las alturas de los modelos para cada PCT
usando la ecuación:
Donde 𝑒𝑟𝑟𝑜𝑟𝑧 es el error para cada punto, 𝐻𝑀𝑜𝑑𝑒𝑙𝑜 es la altura ortométrica del centro de celda más
cercano al PCT en el modelo, y 𝐻𝑃𝐶𝑇 la altura elipsoidal calculada para ese punto. El resultado de la
ecuación se utiliza para calcular cantidades estadísticas estándar (Media, mínimos y máximos) y es
usado en ecuaciones posteriores.
20 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
La información espacial utiliza de manera frecuente la raíz del error cuadrático medio (RMSE por
su sigla en inglés) como un parámetro que define la precisión general en la misma. Es por esto que
los entes que distribuyen esta información agregan un RMSE esperado a sus modelos. En este trabajo
se calcula el RMSE para los 3 modelos con la siguiente ecuación:
∑𝑛
𝑖=1(𝑒𝑟𝑟𝑜𝑟𝑧 )
2
𝑅𝑀𝑆𝐸 = √ 𝑛
(3.2)
Donde n es el número total de puntos de control usados en el estudio. El resultado de esta operación
se utiliza en el cálculo de parámetros como el error lineal a 95% de confianza (LE95):
De acuerdo con Gesch (2018), el parámetro LE95 se interpreta como un intervalo en el que una cota
de inundación real, derivada de un MDE tiene un 95% de probabilidad de presentarse. Esta
aproximación asume que los errores en el MDE se encuentran uniformemente distribuidos en toda
su extensión. El resultado de la ecuación anterior es usado junto al RMSE para calcular los
parámetros 𝑆𝐿𝑅𝑀68 y 𝑆𝐿𝑅𝑀95, que establecen el aumento en el nivel del mar mínimo requerido
para que un MDE obtenga áreas inundables con un 68 y 95% de confiabilidad respectivamente.
Los resultados de ambas ecuaciones son usados en conjunto con la tasa promedio de aumento del
nivel del mar (𝑆𝐿𝑅𝑅 ) para obtener los parámetros 𝑇𝐿𝑀68 y 𝑇𝐿𝑀95, que se traducen en la cantidad
de años necesarios para alcanzar un aumento acumulado en el nivel del mar que permitiera a un
MDE objetivo obtener zonas inundadas con un 68 y 95% de confiabilidad. Para obtener la tasa
promedio de aumento se divide la magnitud total del escenario entre la cantidad de años faltantes
para llegar a él. Es importante notar que el parámetro 𝑆𝐿𝑅𝑅 puede variar en escalas regionales y
locales (Torres & Tsimplis, 2013).
𝑆𝐿𝑅𝑀68
𝑇𝐿𝑀68 = 𝑆𝐿𝑅𝑅
(3.7)
𝑆𝐿𝑅𝑀95
𝑇𝐿𝑀95 = (3.8)
𝑆𝐿𝑅𝑅
Se busca realizar este proceso para todos los modelos de elevación en el estudio, con el fin de
compararlos y ordenarlos de acuerdo con la magnitud de sus errores asociados.
Generación de mapas de zonas inundables: Los productos de cada uno de los MDE usados en este
trabajo contienen valores de altura ortométrica en metros en sus celdas, con formato de números
enteros. Esto quiere decir que la resolución vertical de los MDE está en el orden de los metros, por
lo tanto, en las celdas los datos decimales se omiten y se redondean hacia el entero más cercano.
Para generar datos continuos en los MDE es necesario remuestrear la información espacial original.
El proceso de remuestreo implica refinar la resolución espacial gracias a la interpolación de valores
de altura entre las celdas de un MDE. Es importante tener en cuenta que el remuestreo no debe
superar la resolución espacial original del MDE, para evitar producir resultados alejados de la
realidad. El SIG ArcGIS cuenta con una herramienta de remuestreo incorporada que permite
interpolar valores con base en 4 métodos diferentes: Más cercano, Mayoría, Bilineal y Cúbico. La
escogencia del método depende del objetivo al usar la información.
Usando los MDE procesados con datos continuos y los parámetros obtenidos en la estadística se
espera generar mapas en los que se grafiquen alturas de inundación, a partir de información obtenida
de investigaciones del ascenso del nivel del mar a escala regional. Una de estas fuentes de datos
corresponde al análisis de modelos climáticos del Proyecto de Inter-comparación de Modelos
Acoplados – CMIP5 bajo diferentes escenarios. En este caso, los resultados indican tendencias de
aumento en el nivel estereodinámico (expansión térmica y circulación regional) del mar entre 2005
y 2100 de 37.86 cm/siglo en bajo un escenario de emisiones equivalentes de CO2 similares a las
presentes en la actualidad (RCP 4.5), y 52.28 cm/siglo en un escenario en el que las emisiones
aumentan de manera constante (RCP 8.5) (Bustos Usta et al., 2021). Es importante aclarar que las
variaciones estereodinámicas no incluyen todos los componentes del aumento en el nivel medio del
22 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
mar, y que no se tiene en cuenta el aporte baristático (transferencia de volumen de agua desde masas
continentales) y variaciones verticales del continente como el causado por la subsidencia del terreno.
A la hora de evaluar las tendencias del aumento del nivel medio del mar en la zona de estudio,
también se encuentran resultados de mediciones in-situ durante ciertos periodos de tiempo, como los
resultados publicados por Palanisamy et al. (2012) y Torres & Tsimplis (2013) para Cartagena,
evaluados en los periodos de 1950 a 1992 (56 cm/siglo), y 1950 a 2009 (54 cm/siglo)
respectivamente. En este caso, las tendencias de aumento de nivel relativo del mar corresponden a
las observadas durante el periodo de estudio, por lo cual incluyen las variaciones esterodinámicas,
las baristáticas y cambios verticales del continente, siendo este último significativo para Cartagena.
Sin embargo, estas tendencias no muestran los cambios futuros en la tendencia de aumento del nivel
del mar como consecuencia de la intensificación del calentamiento global, lo que si hacen los
modelos del CMIP5 bajo diferentes escenarios radiativos. Para el presente trabajo se decidió evaluar
las zonas de inundación en el área de estudio, a partir de los resultados de los modelos climáticos
proporcionados por Bustos Usta et al. (2021).
En la Figura 3-5 se muestra un esquema del flujo de pasos a seguir en la metodología hasta la
generación de mapas de zonas inundables. Para considerarse como “inundado”, un pixel debe
cumplir 2 requisitos: Su altura debe ser menor a la altura de inundación y debe estar conectado
espacialmente con la costa. Adicional a la altura, se espera incluir la altura del parámetro LE95 de
cada modelo como un polígono, con el fin de representar la incertidumbre en los datos.
Datos y metodología 23
Figura 4-1: Distribución comparativa de errores en las alturas ortométricas de los modelos ALOS
WORLD 3D, SRTM DEM V3 y ASTER GDEM V3.
20
Diferencia con punto de control (m)
10
-10
-20
-30
En el modelo ALOS WORLD 3D, las diferencias entre los PCT se agrupan en el rango que va de
-5.2 a 10.58 m, y la dispersión de los datos sigue un comportamiento en el que la magnitud del error
aumenta ligeramente con la magnitud de la altura ortométrica. En promedio, los datos en los 117
PCT muestran que el modelo sobreestima las alturas en el terreno en una magnitud cercana a 1.5
metros; sin embargo, para los 16 PCT ubicados entre 0 y 5 m de elevación, el valor se reduce a una
sobreestimación de 1.082 m, lo que indica un mejor ajuste en los terrenos bajos más propensos a ser
inundados por aumento del nivel medio del mar. La tendencia para este modelo corresponde a 0.0058
m por cada metro de elevación en el terreno.
Para el modelo SRTM DEM V3, en el 98.3% de los PCT, la magnitud de la diferencia de alturas con
respecto a los PCT se mantiene en un rango que va de 6.1 a -6 m, con la aparición de datos atípicos
que se observan aproximadamente a 70 y 110 metros de elevación con una diferencia de -20.1 y -13
metros respectivamente. El modelo SRTM DEM V3 sobreestima las alturas del terreno, tomando en
cuenta todos los PCT, con una magnitud promedio de 0.82 m. Sin embargo, al analizar los puntos
entre 0 y 5 m de elevación, la sobreestimación aumenta a 2.02 m. Al igual que en el modelo ALOS
WORLD 3D, los errores presentan un leve aumento en la medida que aumenta la altura ortométrica
(tendencia de 0.0004 m por cada metro de elevación de terreno).
La magnitud de las diferencias en el modelo ASTER GDEM V3 es la mayor entre los tres modelos,
con valores que van de 25.7 a -23.9 m. En la totalidad de los PCT, el modelo presenta un error medio
de 1.81 m, que aumenta hasta 8.77 m en la zona de elevaciones entre 0 y 5 m. El comportamiento de
la tendencia en el modelo ASTER GDEM V3 difiere de los modelos anteriores. A medida que
aumenta la elevación del terreno, el modelo tiende a subestimar las alturas en lugar de
sobreestimarlas (tendencia de -0.07 m por cada metro de elevación del terreno) A diferencia de los
dos MDE anteriores, la dispersión de los datos es visiblemente mayor en todas las alturas.
Al comparar la magnitud de los errores para los modelos del estudio con su distribución espacial, se
pueden determinar las zonas en las que los errores presentan su mayor magnitud (Figura 4-2).
26 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Figura 4-2: Distribución espacial de error vertical en la zona de estudio con los modelos ALOS
WORLD 3D (A), SRTM DEM V3 (B) y ASTER GDEM V3 (C)
Los resultados muestran que las magnitudes de error más altas corresponden al modelo ASTER
GDEM V3, con un RMSE (error cuadrático medio) de 9.97 m. Los RMSE de los modelos ALOS
WORLD 3D y SRTM DEM V3 presentan valores de 2.66 y 3.52 m respectivamente (Tabla 4-1). A
pesar de este comportamiento en los RMSE, el promedio de los errores es considerablemente menor
en el modelo SRTM DEM V3, lo que indica una simetría mayor entre la subestimación y
sobreestimación de sus alturas. Los parámetros 𝑆𝐿𝑅𝑀68, 𝑆𝐿𝑅𝑀95, que establecen el aumento en el
nivel del mar requerido para que la confiabilidad de inundación en el DEM sea del 68 y 95%, así
como el error lineal 𝐿𝐸95, son proporcionales a la magnitud del RMSE de cada modelo.
Resultados y discusión 27
Tabla 4-1: Parámetros SLRM68 y SLRM95 para los modelos ALOS WORLD 3D, SRTM DEM V3
y ASTER GDEM V3
MDE Tipo de Número de Error RMSE (m) SLRM68 (m) SLRM95 (m)
MDE PCT utilizados medio (m)
ALOS MDS 117 1.48 2.66 5.32 10.43
WORLD
3D
SRTM MDS 117 0.82 3.53 7.05 13.82
DEM
V3
ASTER MDS 117 1.82 9.97 19.94 39.08
GDEM
V3
Los niveles de aumento en el nivel del mar mínimos con un nivel de confiabilidad del 68% superan
en gran medida cualquier escenario de aumento en el nivel medio del mar proyectado en el Mar
Caribe para finales de siglo (Bustos Usta et al., 2021; Church & Gregory, 2019; Fox-Kemper et al.,
2021), con el mínimo siendo 5.32 m para el modelo ALOS WORLD 3D, 7.05 m para el modelo
SRTM DEM V3, y 19.93 m para el modelo ASTER GDEM V3. Lo anterior indica que, en el
escenario de mayor aumento (52.28 cm/siglo - RCP 8.5) y con una confiabilidad del 68%, el modelo
con menor incertidumbre en la zona de estudio (ALOS) requiere una ventana de tiempo (TLM68) de
967 años para representar planicies estadísticamente confiables. Para obtener una confiabilidad del
95%, este modelo necesitaría una ventana de tiempo (TLM 95) de 1895 años.
A pesar de que los MDE analizados en el área de estudio no tienen las características necesarias para
representar escenarios de aumento del nivel del mar en un futuro cercano, similares a los que se
pueden obtener empelando alturas ortométricas de ultra alta resolución (e.g. LiDAR), la información
evaluada puede ser usada en la delimitación de las zonas de baja elevación costera, más propensas a
inundación (Gesch, 2018). Adicionalmente, estos mapas proporcionan una visión general de
escenarios de inundación, teniendo en cuenta la inclusión de una planicie derivada del RMSE de
cada modelo, conocida como planicie de incertidumbre (Santillan & Makinano-Santillan, 2017). En
la siguiente sección, se ejemplifican estos usos, aplicándolos en el área de estudio.
28 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Figura 4-3: Comparativa entre las LECZ generadas por los modelos digitales de elevación ALOS
WORLD 3D (A), SRTM DEM V3 (B) y ASTER GDEM V3 (C).
Si bien un escenario de aumento del nivel medio del mar de 10 metros no es una posibilidad a corto
plazo, la creación de mapas que delimiten la LECZ permite identificar las áreas más propensas a ser
afectadas por este fenómeno. El área terrestre mostrada en la Figura 4-3 tiene una extensión de 22.35
Resultados y discusión 29
km2, de los cuales un 67.1% se encuentra entre 0 y 10 metros de elevación, y un 37.1% bajo los 5
metros de elevación de acuerdo con el modelo ALOS WORD 3D. Los resultados obtenidos por el
modelo SRTM DEM V3 indican un valor de 65.3% entre 0 y 10 m, y 30% de la zona de estudio
entre 0 y 5 m. Estos porcentajes muestran la gran vulnerabilidad de las zonas pobladas en el área de
estudio, debido al alto porcentaje de zonas de baja y muy baja elevación.
El MDE ALOS WORLD 3D presenta la menor magnitud de error entre los modelos usados en este
estudio, por lo que es seleccionado como la base de los mapas de inundación bajo los escenarios
RCP 4.5 y RCP 8.5. La estructura de cada mapa de inundación comprende un área inundada,
correspondiente al aumento calculado a partir de las tendencias obtenidas de la revisión bibliográfica,
y un área de incertidumbre conformada por la altura del nivel del mar del escenario, sumada a la
magnitud del parámetro 𝐿𝐸95, que varía de modelo a modelo ¡Error! No se encuentra el origen
de la referencia.Figura 4-4 ). Basado en la definición estadística, es 95% seguro que el valor real
de aumento del nivel del mar en el año 2100 se encuentre dentro del área de incertidumbre.
Al comparar las áreas inundadas de la Figura 4-4 con las planicies de inundación obtenidas por la
DIMAR utilizando datos LiDAR de alta resolución (DIMAR, 2020), los resultados no muestran
similitud. El porcentaje de área inundada se subestima en todos los MDE comparada con los
resultados LiDAR, ya que en los MDE el área inundada se restringe a los bordes costeros. Al analizar
el área de incertidumbre, la distribución espacial de las zonas potencialmente inundadas para el
escenario comienza a adquirir similitud con la distribución derivada de la información de alta
resolución.
30 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Figura 4-4: Mapas de inundación para la ciudad de Cartagena de Indias con base en el modelo
ALOS WORLD 3D.
Los mapas fueron generados para un escenario de 37.86 cm/siglo (RCP 4.5) (Izq.) y 52.28 cm/siglo
(RCP 8.5) (Der.) relativos a 2005. Ambos escenarios utilizan 2100 como su año objetivo e incluyen
sus respectivas áreas de incertidumbre. Añadir un área de incertidumbre a los escenarios aumenta el
área potencialmente afectada por la inundación costera en 10 veces su tamaño original
aproximadamente. El área afectada cambiará dependiendo del escenario, la ventana tiempo y el MDE
que se utilice, como se indica en la Figura 4-2.
Resultados y discusión 31
Tabla 4-2: Tabla comparativa para los valores de área inundada y área de incertidumbre de acuerdo
con los escenarios de aumento RCP 4.5 y 8.5 en el modelo ALOS WORLD 3D.
Escenario RCP 4.5 8.5
Aumento del nivel estereodinámico del 0.3786 0.5225
mar (2100) (m)
Área del polígono usado para delimitar a 558.11 558.11
Cartagena (km2)
Área inundada por el escenario (km2) 10.81 12.01
La distribución de los resultados coincide con el comportamiento evidenciado en estudios por fuera
de la ciudad de Cartagena de Indias, en países como Filipinas o Egipto (Santillan & Makinano-
Santillan, 2017). La capacidad de los modelos ALOS WORLD 3D Y SRTM DEM V3 para delinear
la LECZ de manera confiable coincide con los resultados hallados por Gesch (2018), dentro de su
análisis a estos y otros modelos adicionales. El comportamiento del modelo ASTER GDEM V3
obtenido en este estudio coincide con el desempeño del modelo en la literatura, sobreestimando la
alturas del terreno en magnitudes altas con relación a otras fuentes de información de acceso libre
como SRTM (Bove et al., 2020; Hasan et al., 2015).
El siguiente paso, sería utilizar información de alta resolución a fin de validar las áreas obtenidas por
la información de acceso libre (Van de Sande et al., 2012); sin embargo, diversos autores sin acceso
a datos medidos con menor error, publican los resultados a partir de modelos como los usados en
este trabajo, teniendo en cuenta la incertidumbre, y advirtiendo a los lectores sobre las limitaciones
de los resultados (Demirkesen et al., 2008; Kulp & Strauss, 2019).
5. Conclusiones y recomendaciones
Conclusiones
Los resultados obtenidos muestran que es posible generar mapas de riesgo por aumento en el nivel
medio del mar empleando MDE de acceso libre como una opción cuando el acceso a fuentes de
información de mayor resolución no se encuentre disponible. Sin embargo, la información que se
obtiene es útil para la interpretación general de riesgos esperados, más no para tomar acciones
puntuales de adaptación al cambio climático en las costas.
De los 3 MDE de acceso libre utilizados en este estudio, el MDE ALOS WORLD otorga los mejores
resultados en la generación de planicies de inundación, con una menor magnitud de error y una
representación del terreno más homogénea. Sin embargo, ninguno de los 3 modelos es adecuado si
se requiere calcular planicies para periodos de tiempo cercanos, debido a que los valores de ascenso
del nivel del mar se encuentran fuera de la confiabilidad calculada para la información espacial. La
inclusión de planicies de incertidumbre junto al uso de escenarios puede funcionar como una medida
que añade relevancia al uso de la información espacial de los MDE, en temáticas como la gestión
del riesgo, que a menudo requiere tomar decisiones teniendo en cuenta la posibilidad de un fenómeno
de superar las predicciones esperadas.
Las ventanas de tiempo mínimo para la obtención de resultados confiables con los modelos utilizados
en este estudio fueron basadas en la asunción de una tasa de aumento constante del nivel del mar, a
lo largo de todo el periodo de tiempo. Este comportamiento en una variable como el aumento del
Conclusiones 33
nivel medio del mar es altamente improbable, ya que, de acuerdo con literatura reciente, se espera
que las tasas de aumento aumenten progresivamente con el tiempo. Esto indica que, a medida que el
fenómeno se acelera, el tiempo mínimo requerido para el uso de los resultados obtenidos con MDE
de acceso libre se reduce. La magnitud de esta reducción dependerá por completo del
comportamiento de la aceleración del fenómeno, así como de la mejora en la resolución vertical y el
error en los MDE. Por último, la alta urbanización en zonas de estudio es un factor importante a
considerar cuando se trabaja con Modelos Digitales de Superficie (MDS – Sección 1.4); debido a
que las alturas de edificaciones se integran al terreno. La relación entre la densidad de edificaciones
en la zona de estudio y la elevación presentada en los MDS propone un tema de investigación futuro
que puede ser estudiado para mejorar el desempeño de los MDS en la delimitación de zonas
inundables.
Recomendaciones
El comportamiento del nivel del mar varía dependiendo de una amplia gama de forzantes globales y
locales. La rápida evolución en las tasas requiere aumentar el esfuerzo en la obtención de áreas de
inundación locales a partir de datos de alta resolución. Adicionalmente, se requiere de la adquisición
y publicación periódica de los resultados, a fin de mantener un seguimiento detallado del fenómeno
de inundación costera. Lo anterior adquiere importancia debido a que la toma de decisiones
relacionadas con el manejo y la gestión del riesgo se basa en la disponibilidad de información,
llevando a decisiones más acertadas cuando esta es mayor. Se recomienda entonces a los entes
gubernamentales, la inversión en obtención de información espacial de acceso libre de alta calidad,
que permita a investigadores independientes complementar y refinar los esfuerzos realizados por
entidades como la Dirección General Marítima en la evaluación puntual de los efectos del mar en la
costa.
Los escenarios de forzamiento radiativo (RCP) utilizados en el quinto informe del IPCC toman en
cuenta las emisiones de gases de efecto invernadero son combinados con factores socioeconómicos
en el reciente sexto informe para formar los escenarios SSP (Shared Concentration Pathways). La
magnitud de los escenarios, y los componentes que en ellos actúan pueden variar con respecto al
quinto informe, por lo que además de recomendaciones anteriores, se recomienda también la
inspección de los escenarios más recientes propuestos
Bibliografía
Afanador, F., Martínez, Á., Tejada, C., & Otero, L. (2007). Lidar technology appplied to the
definition of public use goods in colombian coastlines. 1–10.
Afanador, F., Orozco, F. J., Gómez, J. C., & Carvajal, A. F. (2008). Digital orthophotography and
LIDAR data to control and management of Tierra Bomba island littoral, Colombian
Caribbean. Boletín Científico CIOH, 26(26), 86–103.
Ataie-Ashtiani, B., Werner, A. D., Simmons, C. T., Morgan, L. K., & Lu, C. (2013). Quelle est
l’importance de l’impact de l’inondation des terres sur l’intrusion marine causée par
l’élévation du niveau de la mer? Hydrogeology Journal, 21(7), 1673–1677.
https://doi.org/10.1007/s10040-013-1021-0
Bettadpur, S. (2018). GRACE 327-734 (CSR-GR-03-01) Gravity Recovery and Climate Experiment
Level-2 Gravity Field Product User Handbook.
Bove, G., Becker, A., Sweeney, B., Vousdoukas, M., & Kulp, S. (2020). A method for regional
estimation of climate change exposure of coastal infrastructure: Case of USVI and the
influence of digital elevation models on assessments. Science of the Total Environment, 710,
136162.
Bustos Usta, D. F., Ricardo, R., & Parra, T. (2021). Ocean and atmosphere changes in the Caribbean
Sea during the twenty-first century using CMIP5 models. https://doi.org/10.1007/s10236-
021-01462-z/Published
Caglar, B., Becek, K., Mekik, C., & Ozendi, M. (2018). On the vertical accuracy of the ALOS world
3D-30m digital elevation model. Remote Sensing Letters, 9(6), 607–615.
https://doi.org/10.1080/2150704X.2018.1453174
Cardoso, A., & Benhin, J. (2011). Assesing the viability of protecting colombian caribbean coast
from sea level rise: An economic valuation approach. Semestre económico, 14(29), 13–30.
https://doi.org/10.22395/seec.v14n29a1
Chaieb, A., Rebai, N., & Bouaziz, S. (2016). Vertical Accuracy Assessment of SRTM Ver 4.1 and
ASTER GDEM Ver 2 Using GPS Measurements in Central West of Tunisia. Journal of
Geographic Information System, 08(01), 57–64. https://doi.org/10.4236/jgis.2016.81006
Church, J. A., & Gregory, J. M. (2019). Sea level change. Encyclopedia of Ocean Sciences, 493–
499. https://doi.org/10.1016/B978-0-12-409548-9.10820-6
Bibliografía 35
Condie, K. C. (2016). The Mantle. En Earth as an Evolving Planetary System (pp. 89–133). Elsevier.
https://doi.org/10.1016/b978-0-12-803689-1.00004-3
DANE. (2018). Manual De Uso Del Marco Geoestadístico Nacional En El Proceso Estadístico. 40–
40.
Day, J. W., Post, D., Hensel, P. F., & Ibanez, C. (1995). Impacts of sea-level rise on Deltas in the
Gulf of México and Mediterranean. Estuaries, 18(4), 636–647.
Demirkesen, A. C., Evrendilek, F., & Berberoglu, S. (2008). Quantifying coastal inundation
vulnerability of Turkey to sea-level rise. Environmental Monitoring and Assessment, 138(1),
101–106.
DIMAR. (2020). Zonas Inundadas por Ascenso del Nivel Medio del Mar, Cartagena—Bolívar
(Versión 1.0). https://arcg.is/1qePju.
Durango, L. C. (2009). Climatología de los principales puertos del Caribe Colombiano. Centro de
Investigaciones Oceanográficas e Hidrográficas. Cartagena de Indias. DT Boletín Científico
CIOH, 4–10.
Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., Kobrick, M., Paller, M.,
Rodriguez, E., & Roth, L. (2007). The shuttle radar topography mission. Reviews of
geophysics, 45(2).
Felicísimo, A. (1994). Modelos digitales del terreno: Introducción y aplicaciones a las ciencias
ambientales. Oviedo: Universidad de Oviedo, 118–118.
Fox-Kemper, B., Hewitt, H. T., Xiao, C., Aðalgeirsdóttir, G., Drijfhout, S. S., Edwards, T. L.,
Golledge, N. R., Hemer, M., Kopp, R. E., Krinner, G., Mix, A., Notz, D., Nowicki, S.,
Nurhati, I. S., Ruiz, L., Sallée, J.-B., Slangen, A. B. A., & Yu, Y. (2021). Ocean, Cryosphere
and Sea Level Change. In Climate Change 2021: The Physical Science Basis. Contribution
of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on
Climate Change (V. MassonDelmotte, P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger,
N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J. B. R.
Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, & B. Zhou, Eds.). Cambridge
University Press. In Press.
Furrier, M., Vargas-Cuervo, G., & Moncada, C. C. (2017). Caracterización y mapeo geomorfológico
de Cartagena de Indias y adyacencias. Boletín de Ciencias de la Tierra, 41, 5–15.
36 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Gesch, D. B. (2018). Best practices for elevation-based assessments of sea-level rise and coastal
flooding exposure. Frontiers in Earth Science, 6(December).
https://doi.org/10.3389/feart.2018.00230
Guan, L., Pan, H., Zou, S., Hu, J., Zhu, X., & Zhou, P. (2020). The impact of horizontal errors on
the accuracy of freely available Digital Elevation Models (DEMs). International Journal of
Remote Sensing, 41(19), 7367–7383. https://doi.org/10.1080/01431161.2020.1759840
Hasan, E., Khan, S. I., & Hong, Y. (2015). Investigation of potential sea level rise impact on the Nile
Delta, Egypt using digital elevation models. Environmental monitoring and assessment,
187(10), 1–14.
Jacobsen, K., & Passini, R. (2010). ANALSYSIS OF ASTER GDEM ELEVATION MODELS.
JAXA EORC. (2020). ALOS Global Digital Surface Model (DSM) ALOS World 3D-30m
(AW3D30) Version 3.1: Product Description. Earth Observation Research Center Japan
Aerospace Exploration Agency (JAXA EORC), May, 13–13.
Ketabchi, H., Mahmoodzadeh, D., Ataie-Ashtiani, B., & Simmons, C. T. (2016). Sea-level rise
impacts on seawater intrusion in coastal aquifers: Review and integration. Journal of
Hydrology, 535, 235–255. https://doi.org/10.1016/j.jhydrol.2016.01.083
Kilinç, H. Ç., & Alazaiza, M. Y. D. (2019). Vertical Accuracy Assessment for Alos World 3D-30m
Digital Elevation Model: A Case Study of Gaziantep City, Turkey.
http://www.eorc.jaxa.jp/ALOS/en/aw3d30/.
Kulp, S. A., & Strauss, B. H. (2018). CoastalDEM: A global coastal digital elevation model
improved from SRTM using a neural network. Remote Sensing of Environment, 206, 231–
239.
Kulp, S. A., & Strauss, B. H. (2019). New elevation data triple estimates of global vulnerability to
sea-level rise and coastal flooding. Nature Communications, 10(1).
https://doi.org/10.1038/s41467-019-12808-z
Lemoine, F. G., Kenyon, S. C., Factor, J. K., Trimmer, R. G., Pavlis, N. K., Chinn, D. S., Cox, C.
M., Klosko, S. M., Luthcke, S. B., Torrence, M. H., Wang, Y. M., Williamson, R. G., Pavlis,
E. C., Rapp, R. H., & Olson, T. R. (1998). The Development of the Joint NASA GSFC and
the National Imagery and Mapping Agency (NIMA) Geopotential Model EGM96.
Mantua, N. J., & Hare, S. R. (2002). The Pacific Decadal Oscillation. Journal of Oceanography,
58(1), 35–44. https://doi.org/10.1023/A:1015820616384
Bibliografía 37
McGranahan, G., Balk, D., & Anderson, B. (2007). The rising tide: Assessing the risks of climate
change and human settlements in low elevation coastal zones. Environment and
urbanization, 19(1), 17–37.
Mennecke, B. E., & West, L. A. (2014). Geographic Information Systems in Developing Countries.
Journal of Global Information Management, 6(2), 14–25.
https://doi.org/10.4018/jgim.1998040102
Mukul, M., Srivastava, V., Jade, S., & Mukul, M. (2017). Uncertainties in the Shuttle Radar
Topography Mission (SRTM) Heights: Insights from the Indian Himalaya and Peninsula.
Scientific Reports, 7. https://doi.org/10.1038/srep41672
Neumann, B., Vafeidis, A. T., Zimmermann, J., & Nicholls, R. J. (2015). Future coastal population
growth and exposure to sea-level rise and coastal flooding—A global assessment. PLoS
ONE, 10(3). https://doi.org/10.1371/journal.pone.0118571
Odera, P. A., & Fukuda, Y. (2015). Recovery of orthometric heights from ellipsoidal heights using
offsets method over Japan. Earth, Planets and Space, 67(1). https://doi.org/10.1186/s40623-
015-0306-z
Oppenheimer, M., & Hinkel, J. (2018). Sea Level Rise and Implications for Low Lying Islands,
Coasts and Communities. Notes, 23.
Orejarena-Rondón, A. F., Sayol, J. M., Marcos, M., Otero, L., Restrepo, J. C., Hernández-Carrasco,
I., & Orfila, A. (2019). Coastal Impacts Driven by Sea-Level Rise in Cartagena de Indias.
Frontiers in Marine Science, 6(October). https://doi.org/10.3389/fmars.2019.00614
Palanisamy, H., Becker, M., Meyssignac, B., Henry, O., & Cazenave, A. (2012). Regional sea level
change and variability in the Caribbean sea since 1950. Journal of Geodetic Science, 2(2),
125–133. https://doi.org/10.2478/v10156-011-0029-4
Restrepo-Ángel, J. D., Mora-Páez, H., Díaz, F., Govorcin, M., Wdowinski, S., Giraldo-Londoño, L.,
Tosic, M., Fernández, I., Paniagua-Arroyave, J. F., & Duque-Trujillo, J. F. (2021). Coastal
subsidence increases vulnerability to sea level rise over twenty first century in Cartagena,
Caribbean Colombia. Scientific Reports, 11(1). https://doi.org/10.1038/s41598-021-98428-
4
38 Evaluación de modelos de elevación digital de acceso libre para estimar áreas de
inundación por ascenso de nivel del mar en Cartagena de Indias
Rouault, Even, Warmerdam, Frank, Schwehr, Kurt, Kiselev, Andrey, Butler, Howard, Łoskot,
Mateusz, Szekeres, Tamas, Tourigny, Etienne, Landa, Martin, Miara, Idan, Elliston, Ben,
Kumar, Chaitanya, Plesea, Lucian, Morissette, Daniel, Jolma, Ari, & Dawson, Nyall. (2022).
GDAL (v3.4.2) [Computer software]. Zenodo. https://doi.org/10.5281/ZENODO.5884351
Steer Ruiz, R., Arias Isaza, F. A., Ramos Mora, A., Sierra Correa, P. C., Alonso Carvajal, D. A., &
Ocampo Aguirre, P. (1997). Documento base para la elaboración de la Politica Nacional de
Ordenamiento Integrado de las Zonas Costeras Colombianas. Documento de Consultoría
para el Ministerio de Medio Ambiente, 6.
Tadono, T., Ishida, H., Oda, F., Naito, S., Minakawa, K., & Iwamoto, H. (2014). Precise Global
DEM Generation by ALOS PRISM. ISPRS Annals of the Photogrammetry, Remote Sensing
and Spatial Information Sciences, II–4, 71–76. https://doi.org/10.5194/isprsannals-ii-4-71-
2014
Torres, R. R., & Tsimplis, M. N. (2013). Sea-level trends and interannual variability in the Caribbean
Sea. Journal of Geophysical Research: Oceans, 118(6), 2934–2947.
https://doi.org/10.1002/jgrc.20229
Unidad Nacional para la Gestión del Riesgo de Desastres - UNGRD. (2017). Terminología sobre
Gestión del Riesgo de Desastres y Fenómenos Amenazantes (p. 23).
http://repositorio.gestiondelriesgo.gov.co/bitstream/handle/20.500.11762/20761/Terminolo
gia-GRD-2017.pdf;jsessionid=1ADDEE38CA0713C6B15CC4D150169677?sequence=2
Van de Sande, B., Lansen, J., & Hoyng, C. (2012). Sensitivity of Coastal Flood Risk Assessments
to Digital Elevation Models. Water, 4(3). https://doi.org/10.3390/w4030568
West, H., Horswell, M., & Quinn, N. (2018). Exploring the sensitivity of coastal inundation
modelling to DEM vertical error. International Journal of Geographical Information
Science, 32(6), 1172–1193. https://doi.org/10.1080/13658816.2018.1444165
Bibliografía 39