Está en la página 1de 78

UNIVERSIDAD NACIONAL DE UCAYALI

FACULTAD DE CIENCIAS FORESTALES Y


AMBIENTALES
DEPARTAMENTO ACADÉMICO DE CONSERVACIÓN FORESTAL Y MEDIO
AMBIENTE

(GUÍA DE ESTUDIOS – TEMA 4)

Dr. ROLY BALDOCEDA ASTETE

PUCALLPA - 2010
Modelos de representación del mundo real

Los datos son, como ya sabemos, una parte imprescindible del SIG, ya que, sin ellos, las
aplicaciones SIG y los restantes procesos de análisis que se encuentran en torno a estas
no tienen utilidad alguna. Necesitamos conocer el área geográfica que estudiamos en un
SIG (es decir, tener datos sobre ella), para así poder proceder a dicho estudio y tomar las
decisiones adecuadas.
No obstante, convertir esa área geográfica y la información acerca de ella en un dato
susceptible de ser incorporado a un SIG no resulta una tarea sencilla. Desde los orígenes
de los SIG, una de las preocupaciones principales ha sido la de representar de la mejor
manera posible toda la información que podemos extraer de una zona geográfica dada,
de tal modo que pueda almacenarse y analizarse en el entorno de un SIG. Este proceso
de representación, que ya desde el inicio planteaba problemas a los creadores de los
primeros SIG, ha sido el responsable en gran medida de la arquitectura y forma de los SIG
actuales, y a él se debe en buena parte el desarrollo que han experimentado tanto los SIG
en sí como las disciplinas afines.
El problema principal reside en el hecho de que, la gran cantidad de objetos u elementos
y sus correspondientes cualidades o características que encontramos en la en el mundo
real es prácticamente infinito, mientras que la representación y almacenamiento de esa
realidad es finita. Se hace necesario extraer la mayor cantidad de objetos o elementos y
los valores de sus características o cualidades, los cuales en última instancia se recogerán
como valores numéricos y nominales dentro del SIG.
En este proceso, el siguiente gran dilema en un SIG es desarrollar un marco conceptual
que permita definir cómo se va representar una realidad geográfica (a este proceso
algunos autores definen como el desarrollo del modelo conceptual) que permita
establecer una concepción particular del espacio geográfico fundamentado

2
principalmente en dos componentes: las entidades geográficas1 y sus atributos2 (o
cualidades del objeto).
En base a ellos, el siguiente paso es reducir las propiedades de dichos modelos a un
conjunto finito de elementos, de tal modo que el registro de dichos elementos sirva para
almacenar la realidad que los modelos geográficos describen. Para ello, empleamos los
modelos de representación, también denominados modelos de datos.
Existen diversas alternativas en cuanto a la forma de materializar la realidad y plasmar el
modelo geográfico concreto. Estas formas las podemos clasificar en dos grupos
principales: modelo de representación raster y modelo de representación vectorial.

Los principales modelos y estructuras de datos


espaciales
La base de datos espacial de un SIG no es sino la representación digital del mundo real
en base a objetos discretos. La información sobre estos objetos, de naturaleza doble,
temática y espacial, expresada de forma numérica, origina una colección de datos
georreferenciados que actúa como modelo de la realidad. Las directrices y normas
necesarias para la obtención de la información, en este formato, constituye lo que se
denomina modelo de datos. Dos son los modelos básicos sobre los que se basa toda la
arquitectura de los sistemas de información geográfica: el modelo raster y el modelo
vectorial; veámoslos de forma separada.

1
Fenómeno, ente del mundo real que no puede ser descompuesto en otros de la misma clase.
2
Característica o propiedad asignada a una entidad. Información no espacial acerca de una entidad
geográfica en un SIG, normalmente almacenado en una tabla y vinculado a la entidad mediante un
identificador único. Por ejemplo, los atributos de un río podrían incluir su nombre, longitud y carga de
sedimentos en una estación de medición.

3
3.- los modelos Vectoriales
3.1. Vista general
Los modelos “vectoriales” proporcionan una forma de representar las entidades “del
mundo real” dentro del entorno SIG. Una entidad es cualquier objeto o elemento que
pueda ver en el paisaje. Imagina que estás parado en la cima de una colina. Mirando hacia
abajo puede ver casas, carreteras, árboles, ríos, etc. (ver figura 3.1). Cada una de estos
objetos sería una entidad cuando las representemos en una aplicación SIG. Las entidades
vectoriales tienen “atributos”, que consisten en texto o información numérica que
“describe” las entidades.

Figura 3.1 Observando un paisaje, se pueden apreciar objetos tales como carreteras,
casas y árboles.
Con este modelo se persigue la representación vectorial de los componentes de un
espacio geográfico mediante una serie de primitivas geométricas que contienen los
elementos más destacados de dicho espacio. Estas primitivas son de tres tipos: puntos,
líneas y polígonos (figura 3.5).
Este modelo se fundamenta en el concepto de vector como segmento definido por dos
puntos, uno inicial y otro final que definen su tamaño, su dirección y su sentido. Así,
podemos aproximarnos a la estructura vectorial pensando que cada punto de la realidad
queda definido por unas coordenadas X e Y y pertenece siempre a un elemento
geográfico (punto, línea o polígono).
Los objetos quedan definidos de la siguiente manera:
 Punto: vector con el mismo punto inicial y final, sin distancia y con dimensión 0.
 Línea: sucesión de vectores en donde el punto final de cada uno corresponde
exactamente con el punto inicial del siguiente, y con dimensión 1.

4
 Polígono: sucesión de vectores con la misma relación que una línea, pero donde
el punto inicial del primer vector coincide con el punto final del último vector,
definiendo un área interior y con dimensión 2.

Figura 3.5 Los objetos del paisaje como nos gustaría presentarlos en un SIG. Ríos (azul) y
carreteras (verde) pueden ser representados como líneas, árboles como puntos (rojo) y
casas como polígonos (blanco).
Por lo tanto, los datos vectoriales constan de puntos, líneas o arcos y polígonos, definidos
por sus puntos de inicio y fin, y los nodos (puntos donde se cruzan varios arcos). La
localización de los puntos, líneas o nodos y la estructura topológica se almacena de forma
explícita. Las entidades quedan definidas por sus límites solamente y los segmentos
curvos se representan como una serie de arcos conectados. El almacenamiento de los
vectores implica el almacenamiento explícito de la topología, sin embargo, solo almacena
aquellos puntos que definen las entidades y todo el espacio fuera de éstas no está
considerado.
Un SIG vectorial se define por la representación vectorial de sus datos geográficos. De
acuerdo a las peculiaridades de este modelo de datos, los objetos geográficos se
representan explícitamente y, junto a sus características espaciales, se asocian sus
valores temáticos.
Hay dos formas de organizar esta base de datos doble (espacial y temática).
Normalmente, los sistemas vectoriales tienen dos componentes: uno que almacena los
datos espaciales y otro los datos temáticos. A éste se le denomina sistema de
organización híbrido, por unir una base de datos relacional, para los aspectos temáticos,
con una base de datos topológica, para los geográficos. Un elemento clave en este tipo
de sistemas es el identificador de cada objeto. Éste es único y diferente para cada objeto
y permite la conexión entre ambas bases de datos.

5
3.2. Los objetos de tipo punto
Lo primero que tenemos que darnos cuenta cuando hablamos de objetos espaciales
puntuales es que lo que describimos como un punto en el SIG es una cuestión de opinión,
y a menudo depende de la escala. veamos a las ciudades, por ejemplo. Si usted tiene un
mapa a escala pequeña (que cubre un área grande), puede tener sentido representar una
ciudad utilizando un objeto puntual. Sin embargo, como el zum en el mapa, avanzar hacia
una mayor escala, tiene más sentido mostrar los límites de la ciudad como un polígono.
Cuando elija utilizar los puntos para representar un objeto espacial es sobre todo una
cuestión de escala (a qué distancia se encuentran del objeto), comodidad (se tarda menos
tiempo y esfuerzo para crear entidades de puntos que las entidades poligonales), y el tipo
de objeto espacial (algunas cosas como postes de teléfono simplemente no tienen
sentido almacenarlas como polígonos).
Como mostramos en la ilustración figura 3.2 un punto tiene un valor X, Y y opcionalmente
Z (valor de altitud). Los valores X y Y dependerán del Sistema de Referencia de
Coordenadas (SRC) que se utiliza. Un SRC es una manera de describir con precisión dónde
está un lugar en particular sobre la superficie de la tierra. Uno de los sistemas de
referencia más comunes es el sistema de coordenadas Longitud y Latitud. Líneas de
Longitud van del Polo norte al Polo sur. Líneas de Latitud van de Este a Oeste. Se puede
describir con precisión dónde se encuentra algún lugar de la tierra, dando su Longitud (X)
y Latitud (Y). Si realiza una medición similar para un árbol o un poste de teléfono y lo
marca en un mapa, habrá creado una entidad de punto.
Ya que sabemos que la tierra no es plana, a menudo es útil añadir un valor de Z a una
entidad puntual. Esto describe qué tan alto sobre el nivel del mar se encuentra.

Figura 3.2 Un objeto de tipo punto se describe por sus coordenadas X, Y y opcionalmente
Z. El punto es descrito mediante atributos como por ejemplo si se trata de un árbol o un
poste de luz.

6
3.3. Los objetos polilínea
Cuando un elemento punto es un sólo vértice, una polilínea tiene dos o más vértices. La
polilínea es una ruta continúa trazada a través de cada vértice, como muestra en figura
3.3. Cuando dos vértices están unidos, una línea es creada. Cuando más de dos están
unidos, forman una “línea de líneas” o polilínea.

Figura 3.3 Una polilínea es una secuencia de vértices unidos. Cada vértice posee unas
coordenadas X e Y (y opcionalmente Z). Los atributos describen la polilínea.
Una polilínea se utiliza para mostrar la geometría de las entidades lineales como las
carreteras, los ríos, las curvas de nivel, senderos, rutas de vuelo y así sucesivamente. A
veces tenemos reglas especiales para polilíneas, además de su geometría básica. Por
ejemplo, las curvas de nivel pueden tocar (por ejemplo, en un acantilado), pero nunca
deben cruzar entre sí. Del mismo modo, polilíneas utilizados para almacenar una red de
carreteras deben conectarse en las intersecciones. En algunas aplicaciones SIG se pueden
establecer estas reglas especiales para un tipo de entidad (por ejemplo, carreteras) y el
SIG se asegurará de que estas polilíneas siempre cumplan con estas normas.
Si una polilínea curva tiene distancias muy grandes entre vértices, puede
parecer angular o irregular, dependiendo de la escala a la que se vea (ver figura 3.6).
Debido a esto, es importante que las polilíneas se digitalicen (capturado en la
computadora) con distancias entre vértices que sean lo suficientemente pequeña para la
escala en la que desea utilizar los datos.
Los atributos de una polilínea describen sus propiedades o características. Por ejemplo,
una polilínea de carretera puede tener atributos que describen si está afirmada de grava
o asfalto, cuántos carriles tiene, si es una calle de sentido único, etc. El SIG puede usar
estos atributos para simbolizar la función de polilínea con un color o estilo de línea
adecuado.

7
Figura 3.6 Polilíneas vistos a una escala menor (1:20 000 a la izquierda) pueden
aparecer lisa y curvada. Cuando el zum a una mayor escala (1: 500 a la derecha) las
polilíneas pueden parecer muy angular.

3.4. Objetos de tipo polígono


Las entidades poligonales son zonas cerradas como presas, islas, límites del país, etc.
Como las entidades de polilínea, los polígonos se crean de una serie de vértices que se
conectan con una línea continua. Sin embargo, debido a que un polígono siempre
describe un área cerrada, el primer y último vértice deberán siempre estar en el mismo
lugar o tengan igual coordenadas. Los polígonos regularmente tienen geometría
compartida, limites que tienen en común con un polígono vecino. Muchas aplicaciones
SIG tienen la capacidad para asegurar que los límites de los polígonos vecinos coinciden
exactamente.

Figura 3.4 Un polígono, al igual que una polilínea, es una secuencia de vértices. Sin
embargo, en un polígono el primer y último vértices se localizan siempre en la misma
posición.

8
Como con los puntos y las polilíneas, los polígonos poseen atributos. Los atributos
describen cada polígono. Por ejemplo, una presa podría tener atributos de profundidad
y calidad del agua.
3.5. Representación vectorial de los datos
En el modelo de datos vectorial (figura 3.5), los datos geográficos se representan en
forma de coordenadas. Las unidades básicas de información geográfica en los datos
vectoriales son puntos, líneas (arcos) y polígonos. Cada una de éstas se compone de uno
o más pares de coordenadas, por ejemplo, una línea es una colección de puntos
interconectados, y un polígono es un conjunto de líneas interconectadas.

Figura 3.5. Representación vectorial


Unidades básicas de representación del modelo vectorial
Coordenada
Pares de números que expresan las distancias horizontales a lo largo de ejes ortogonales,
o tríos de números que miden distancias horizontales y verticales, o n-números a lo largo
de n-ejes que expresan una localización concreta en el espacio n-dimensional. Las
coordenadas generalmente representan localizaciones de la superficie terrestre relativas
a otras localizaciones.
Punto
Abstracción de un objeto de cero dimensiones representado por un par de coordenadas
X,Y. Normalmente un punto representa una entidad geográfica demasiado pequeña para
ser representada como una línea o como una superficie; por ejemplo, la localización de
un edificio en una escala de mapa pequeña, o la localización de un área a la que una
instalación da servicio en una escala de mapa media.
Nodo
En el sistema ARC/INFO, es el vértice donde se juntan tres o más arcos o punto donde
empieza o termina un arco.
Línea
Conjunto de pares de coordenadas ordenados que representan la forma de entidades
geográficas demasiado finas para ser visualizadas como superficies a la escala dada

9
(curvas de nivel, ejes de calles, o ríos), o entidades lineales sin área (límites
administrativos). Una línea es sinónimo de arco.
Arco
Término específico de ARC/INFO que se utiliza como sinónimo de línea.
Polígono
Entidad utilizada para representar superficies. Un polígono se define por las líneas que
forman su contorno y por un punto interno que lo identifica. Los polígonos tienen
atributos que describen al elemento geográfico que representan.
3.6. Estructura de Datos en los Modelos vectoriales
Existen diferentes estructuras de datos que se ajustan al modelo vectorial definido
anteriormente. Se puede diferenciar entre estructuras que no recogen la topología:
espagueti, diccionario de vértices y las que permiten conocer la relación topológica de
los elementos geométricos: ficheros DIME, modelo cadena/nodo, modelo en red.
Las más importantes son: la lista de coordenadas o estructura espagueti, diccionarios de
vértices, la organización DIME y la estructura arco/nodo.
Estructura espagueti: Lista de coordenadas
Esta estructura almacena únicamente las coordenadas que definen la entidad. De cada
elemento geográfico existente se registra su nombre, el número de vértices que definen
su frontera y las coordenadas (X,Y) de cada vértice. Los elementos puntuales están
formados por un único vértice. En los elementos superficiales el primer y el último vértice
son exactamente el mismo punto, indicando que se trata de una figura poligonal cerrada.
Esta estructura es la manera más sencilla y directa de estructurar datos geográficos en
formato vectorial, pero presenta serias desventajas, registra la geometría espacial del
objeto, pero no su topología, despreciando la relación del elemento con los objetos que
le rodean.
Otra de las desventajas es la duplicidad innecesaria de datos (vértices) con el riesgo de
que el mismo vértice sea registrado de forma diferente en cada segmento recto al que
pertenezca, provocando problemas en la representación gráfica y visual de los datos
espaciales.

Figura 5. Lista de coordenadas "espagueti


10
Diccionario de Vértices
Esta estructura mejora la lista de vértices registrando una sola vez las coordenadas de
cada vértice, cada uno de los cuales ha sido previamente identificado con un nombre o
etiqueta. En primer lugar se crea un listado de coordenadas de vértices en el que figuran
el nombre o etiqueta del vértice y las coordenadas (X,Y) de su localización. A
continuación, se crea el diccionario de vértices que constituyen cada objeto espacial
identificable en el mapa.
Esta estructura elimina los problemas causados por la duplicidad de los vértices, pero la
topología sigue sin estar suficientemente detallada.

Figura 6. Diccionario de vértices


Ficheros DIME (Dual Independent Map Encoding)
La estructura vectorial de ficheros DIME recoge completamente la topología de los datos.
Su utilidad principal es la de representar polígono. Se crea un listado de coordenadas de
vértices con el nombre de cada vértice y sus coordenadas (X,Y) exactamente igual que en
el Diccionario de Vértices.
Seguidamente se define la descripción de los segmentos rectos donde se codifican los
segmentos lineales indicando el nombre del segmento, el vértice origen, el vértice final,
el polígono que tiene a la izquierda y el polígono que tiene a la derecha.
Por último, se genera la descripción de los polígonos codificando los polígonos mediante
su nombre y los segmentos rectos que los componen. Esta estructura recoge todos los
elementos topológicos. Es posible averiguar con facilidad qué líneas conectadas, qué
segmentos delimitan un polígono, qué polígonos son contiguos, etc.

11
Figura 7. Ficheros DIME

Modelo cadena/nodo
La estructura de ficheros DIME se adapta perfectamente al registro de entidades
espaciales geográficas de carácter artificial (límites administrativos, parcelas, etc.) cuya
forma original se puede descomponer en un conjunto de segmentos rectos sin perder el
aspecto del elemento geográfico.
La complejidad aumenta al codificar los fenómenos naturales (ríos, suelos, vegetación,
etc.). El aspecto físico de estos fenómenos requiere una enorme cantidad de segmentos
que dificultan la descripción topológica completa. Este problema se resuelve empleando
la estructura cadena/nodo, en la cual el elemento base ya no es el segmento recto, si no
la “cadena/nodo” o “arco/nodo” formado por la sucesión de todos aquellos segmentos
rectos que tienen la misma topología. Un segundo elemento fundamental es el “nodo”,
vértice en el que se cruzan tres o más arcos o punto terminal de una línea o arco.
La estructura cadena/nodo está compuesta del listado de coordenadas de los puntos,
tanto nodos como vértices de cada arco. En este listado figura el nombre del arco, las
coordenadas del nodo origen, de los vértices intermedios, si los hubiera, y del nodo final.
A continuación, tres ficheros definen la topología de los elementos geográficos. Un
fichero de topología de arcos donde se codifican los arcos mediante su nombre, el
nombre del nodo origen, el del nodo final, el polígono que se encuentra a su izquierda y
el polígono que se encuentra a su derecha. Otro fichero recoge la topología de polígonos
que codifica los polígonos mediante su nombre y los arcos que lo componen. Por último,
la topología de los nodos codifica los nodos mediante el nombre del nodo y los arcos que
en él confluyen.
12
Fichero 1. Coordenadas de los nodos y vértices de cada arco
ARCO Nodo origen Vértices intermedios Nodo final
1 3.2, 5.2 1, 5.2 1,3
2 1,3 1.8,2.6 2.8,3 3.3,4 3.2, 5.2
3 1,2 3.5,2 4.2,2.7 5.2,2.7

Fichero 2. Topología de arcos

ARCO Nodo origen Nodo final Polígono derecha Polígono


izquierda
1 1 2 Externo A

2 2 1 A Externo

3 3 4 Externo Externo

Fichero 3. Topología de polígonos


Polígono Arcos
A 1, 2

Fichero 4. Topología de los nodos


Nodo Arcos

1 1,2

2 1,2

3 3

4 3

5 5

Figura 8. ARCO / NODO o POLYVRT

Topología. Conceptos.
Una de las ventajas de los modelos vectoriales es la capacidad de almacenar, además de la
información geométrica de las entidades, la topología y sus relaciones entre dichas entidades.
Algunas estructuras de almacenamiento de información vectorial no son capaces de

13
conservar la información topológica. Mientras que otros incluyen la información geométrica
de tal manera que añaden detalles topológicos de los elementos.
La topología es una rama de las Matemáticas, quizá la más reciente datada en el S. XVII, que
analiza la posición de objetos, ocupándose de aquellas propiedades de las figuras que
permanecen invariantes, cuando dichas figuras son plegadas, dilatadas, contraídas o
deformadas, de modo que no aparezcan nuevos puntos, o se hagan coincidir puntos
diferentes. Si la rama de la geometría se fija en distancias, ángulos, volúmenes; la topología
se centra en proximidad, agujeros, intersecciones, etc. En términos topológicos, una elipse
es igual a una circunferencia, un cubo a una esfera y una taza de café a un toro.
Un ejemplo muy claro de topología es el plano de una red de metro en el que hay elementos
puntuales (estaciones) y elementos lineales (líneas de metro) que unen las estaciones. Pero
esa representación no es geométricamente exacta, no conserva la forma real de las líneas
con sus curvas, su longitud a escala ni tan siquiera la posición relativa de las estaciones. En
cambio, el plano resulta muy útil y ofrece con exactitud la información que solicitada: la
información topológica que mantiene intactos las estaciones y las líneas. Este ejemplo
topológico está relacionado con la teoría de grafos y los modelos en red, constituidos por
nodos, bordes y caras.

3.5. Datos vectoriales en capas


Ahora que hemos descrito qué son los datos vectoriales, veamos cómo se administran y
usan los datos vectoriales en un entorno SIG. La mayoría de las aplicaciones GIS agrupan
entidades vectoriales en “capas”. Las entidades en una capa tienen el mismo tipo de
geometría (por ejemplo, todas serán puntos) y los mismos tipos de atributos (por
ejemplo, información sobre qué especie es un árbol para una capa de árboles). Por
ejemplo, si ha registrado las posiciones de todos los senderos en su escuela,
generalmente se almacenarán juntos en el disco duro de la computadora y se mostrarán
en el SIG como una sola capa. Esto es conveniente porque le permite ocultar o mostrar
todas las entidades de esa capa en su aplicación SIG con un solo clic del mouse.
3.6. Análisis espacial
Todos los elementos que rodean a los hombres, ya sean de carácter físico o humano,
generan en él una serie de interrogantes acerca de la existencia de los mismos, su
composición, su funcionalidad, su distribución, su organización espacial, la relación que
establecen entre ellos y, claro está, la relación entre éstos y el propio individuo. En la
búsqueda de respuestas el hombre es conducido a una serie de procesos sensoriales que
luego conecta a unas estructuras mentales llamadas ideas, que se originan en un
conjunto de fases tales como: observar, percibir, comparar, concernir, agrupar, inferir,
cada una de las cuales hace parte de un proceso mayor que es analizar. Dicho proceso
puede intervenir en la solución de problemas y la toma de decisiones. Según Gamir, et al
(1995), citando a la Real Academia de la Lengua, el análisis se define como la “distinción
y la separación de las partes de un todo hasta llegar a conocer sus principios o
elementos”. En Geografía “el todo se debe asimilar al espacio geográfico en su conjunto
y sus partes”. Estas últimas incluyen las “variables territoriales (abióticas, bióticas,
socioeconómicas, etc.) u objetos geográficos que sobre él confluyen”. A partir de ello
podemos afirmar que el análisis espacial, se centra en el estudio, de manera separada,
de los componentes del espacio, definiendo sus elementos constitutivos y la manera
como éstos se comportan bajo ciertas condiciones. Para esto, el análisis espacial se vale

14
de un conjunto de herramientas técnicas que, de acuerdo con lo anterior, sólo pueden
dar respuesta a una parte de la dinámica del espacio, mas no a su totalidad.
La importancia de los SIG radica en la facilidad que ofrece al investigador para procesar
información espacial y representarla mediante un modelo análogo de la realidad que
presenta las entidades espaciales a partir del punto, la línea y el polígono e información
temática.
Goodhild, et al. (1992), citado por Gamir, et al. (1995) define el análisis espacial dentro
del SIG como “un conjunto de técnicas basadas en la localización de los objetos o hechos
geográficos que analizan, requiriendo el acceso simultáneo al componente locacional y
temático de la información”. Esta posibilidad y sobre todo la amplia capacidad de
tratamiento de los datos geográficos ofrecen una gran ventaja en su utilización ya que
conducen de forma más rápida a la consecución de resultados para la toma de decisiones.
Sin embargo, como aseguran Alzate, et al (1999) “herramientas de análisis como el SIG
son eso, solo “herramientas” a través de las cuales podemos realizar operaciones entre
capas, cuyo verdadero análisis e interpretación fueron realizados por los temáticos
quienes se valieron de los resultados para tomar finalmente las decisiones. En otras
palabras, el SIG no pensó por el temático. Fue el temático quien pensó ayudado por la
herramienta”.
En relación con lo anterior, Gamir, et al. (1995), argumentan que la mayor dificultad en
la utilización de los métodos de análisis espacial está en creer que el análisis espacial tiene
un fin en sí mismo. Para salvar esta dificultad los autores sugieren entender el análisis
espacial “como un soporte técnico a la toma de decisiones”. Lo que significa que el
análisis espacial será parte de un proceso encaminado a dar respuesta a un problema sin
ser éste el componente esencial para tal decisión. De igual manera el usuario será quien
llenará de contenido el proceso analítico y aportará su conocimiento en el diseño o
planeación durante la implementación de la herramienta y la posterior interpretación de
resultados.
Se podría decir que los Sistemas de Información Geográfica cumplen a cabalidad con los
dos objetivos del análisis espacial puesto que este último viene a ser el resultado del
modelamiento basado a su vez en los procesos de captación de información, abstracción
de la misma y discretización del mundo real, estableciendo las relaciones entre los
componentes del espacio. Permite, además, construir un modelo con patrones futuros
de comportamiento. Debemos reconocer que “buena parte del análisis espacial se ha
desarrollado mediante la importación de la metodología estadística y su adaptación al
estudio de los datos espaciales. No obstante, se incluyen en él ciertos procedimientos
que analizan exclusivamente las características geométricas de los hechos geográficos”
(Bosque, 1992). Esto quiere decir que combina los métodos cuantitativos con las
representaciones gráficas.
Los Sistemas de Información Geográfica desarrollan un conjunto de funciones que
constituyen el principal aporte al análisis espacial, éstas se clasifican en cuatro grandes
grupos o subsistemas: el de captación de información o entrada de datos, el de
almacenamiento y recuperación de la información, el de manipulación y análisis, y el de
representación de datos.
El tercer subsistema “comprende el conjunto de técnicas de análisis espacial, modelos de
superposición, procesamiento, estadística espacial y demás procedimientos para la

15
manipulación de la información geográfica (Query map oriented, query database
oriented, reclassificaciton, overlay, proximity, network)” (Ruiz, 1995). Es precisamente
aquí en donde los datos geográficos dejan de ser simplemente inventarios para mostrar
otros aspectos de la realidad subyacentes a la mirada desprevenida del paisaje.
A pesar de la gran facilidad que ofrecen los Sistemas de Información Geográfica al análisis
espacial, podría decirse que es una herramienta subutilizada, ya que en gran medida es
empleada para la recolección de información ordenada a manera de inventarios y/o
consulta, esto debido a que son pocas las personas que manejan verdaderamente las
funciones de análisis las cuales son en apariencia complejas, justamente por la falta de
conocimiento sobre lo que es el análisis espacial y los procedimientos técnicos que lleva
implícitos el SIG para llegar a éste.
3.7. Funciones de análisis de los SIG
Si alguna herramienta o potencialidad es intrínseca a la definición de un SIG ésta es el
análisis espacial. Ésta está determinada por la existencia de relaciones topológicas entre
los elementos y permite realizar cálculos entre variables y obtener así nuevos datos. Las
herramientas de análisis espacial en un SIG (superposición, la determinación de áreas de
influencia, los análisis de vecindad, el análisis de redes y los modelos del terreno, etc.)
dan a estos sistemas una enorme capacidad de modelización y prospectiva.
Consultas
En una consulta por posición (Query by location), se interroga acerca de una posición o
lugar concreto en el área estudiada. Por ejemplo, el tipo de vegetación de una zona
concreta, su altitud o el tipo de uso al que ha sido asignada en un PORN. En una consulta
por atributo (Query by Attribute), interrogamos acerca de un atributo en concreto. Es
decir, qué zonas están cubiertas por bosques de coníferas o qué áreas presentan una
altitud mayor de 1200 metros. En ocasiones las preguntas pueden ser así de simples, pero
también pueden ser más complejas, como por ejemplo qué zonas húmedas de más de 1
ha son adyacentes a áreas con aprovechamiento industrial.

16
3.8. Herramientas de Geoprocesamiento.
El geoprocesamiento en GIS se trata de una serie de análisis basados en el procesamiento
de la información geográfica, en inglés Geoprocessing. Este módulo pone a nuestra
disposición un conjunto de herramientas y un mecanismo que permite la combinación
de las mismas en una secuencia de operaciones mediante modelos.
El conjunto de procedimientos que aglutinamos en geoprocesamiento están destinados
a establecer relaciones y análisis entre dos o más capas (shapefile comúnmente
conocidas) independientemente de su naturaleza. Por lo general, estos procesos, se
realizan mediante el análisis de dos capas, aunque en algún caso es posible operar con
una sola o con más de dos a la vez.
Las herramientas de geoprocesamiento pueden realizar pequeñas operaciones, pero
fundamentales en los datos geográficos, tales como extraer o superponer datos,
reproyectar una capa, añadir campos a una tabla y calcular sus valores, establecer rutas
óptimas, entre otras.
a.- Buffer (Zona de influencia)
Se trata de una herramienta sencilla que se enmarca dentro del grupo de herramientas
que establecen análisis de proximidad (junto con Near y Point Distance, por ejemplo).
También es conocida como Zona de Influencia y es una de las herramientas más comunes
y utilizadas en los SIG, ya que permiten obtener nueva información para determinar, por
ejemplo, qué elementos geográficos se encuentran dentro de un área de
influencia determinada.
Por ejemplo, ésta herramienta nos permitiría establecer un perímetro de protección en
el cauce de un río.

A partir de un elemento vectorial se crea una nueva capa que recubre este en una zona
de influencia cuyo radio es el indicado en la herramienta de análisis.
Un buffer puede realizarse sobre cualquier tipo de capa vectorial
(puntos, líneas o polígonos).

17
Además, podemos generar buffer independiente para cada elemento de dicha capa o
bien combinarlos de forma que todos ellos generen un único polígono.
b.- Clip (Cortar)
Esta herramienta se utiliza para conocer los elementos geográficos (ya sean de tipo
puntual, lineal o poligonal) que se encuentran dentro de unos límites que establecemos
mediante una capa poligonal de corte.
Emplearemos esta herramienta, por ejemplo, si deseamos trabajar con la información
relativa a los usos del suelo dentro de un límite municipal, despreciando toda aquella
información que quede fuera de dicho límite.

c.- Dissolve (Disolver)


Nos permite agregar los elementos de una capa que comparten el mismo valor en un
campo determinado de su tabla de atributos, dando lugar a una nueva capa resultado de
dicha agregación. Esta operación permite simplificar los elementos geográficos de la capa
de entrada, así como los registros de su tabla de atributos, unificando elementos que
presentan la misma propiedad.
Puede aplicarse tanto en elementos de tipo puntual, lineal o poligonal.
Se trata de una herramienta muy útil cuando deseamos, por ejemplo, extraer de una capa
de municipios una capa con la extensión de las provincias a las que pertenecen, a través
de la agregación de los diferentes polígonos que conforman los municipios.

18
d.- Merge (fusión)
Nos permite la yuxtaposición de dos capas por contigüidad generando una nueva capa
que comprende los elementos geográficos de ambas capas de entrada.
Se trata de una herramienta que hemos de emplear con especial cuidado ya que si la
empleamos combinando capas cuyos elementos geográficos se superponen
obtendremos solapamientos de entidades.

19
3.- Intersect (Intersección)
A partir de la operación de intersección de dos capas, los elementos de entrada son
cortados a partir de otra capa superpuesta (capa de intersección) a la primera. El
resultado es una nueva capa que recoge la combinación espacial de los distintos
elementos que conforman ambas capas.
Esta herramienta es útil, por ejemplo, cuando deseamos obtener la información sobre las
unidades geomorfológicas de una determinada zona de estudio.

f.- Unión (Unión)


La unión de dos capas combina los elementos de una capa poligonal de entrada con los
polígonos de una capa superpuesta a la primera (capa de unión). El resultado es una capa
que presenta una información procedente de la combinación de las entidades
geográficas en ambas capas.
Hay que destacar que con esta herramienta no se generan registros duplicados por
solapamiento sino límites vectoriales que muestran la combinación de atributos de las
capas después de la superposición sufrida una respecto de la otra.
Es útil emplear esta herramienta, por ejemplo, cuando deseamos conocer las diferentes
combinaciones entre usos del suelo y unidades geomorfológicas que se dan en una zona
de estudio.

20
g.- Erase (Borrar)
Se trata de una operación que permite borrar aquellas porciones de elementos de
entrada que son comunes con la capa de borrado. Solo aquellas zonas de los elementos
de entrada que caigan fuera de las fronteras de los polígonos de borrado estarán
presentes en la capa de salida.
Por ejemplo, esta herramienta es útil si deseamos crear una capa con nuestra zona de
estudio y debemos ir eliminando esas porciones de espacio que no nos interesan.

21
h.- Symmetrical Difference (Diferencia simétrica)
Se trata de una operación similar a Erase, con la diferencia de que serán borradas
aquellas porciones de los elementos de entrada que sean comunes a las del polígono de
borrado, manteniéndose en la salida aquellos elementos que no sean comunes a ambos.

i.- Spatial Join (Unión espacial)


Consiste en una unión de tablas en función de la localización compartida de los elementos
de dos capas. Los elementos de la capa de entrada sobre la que se realiza el join
espacial son los que reciben los campos que constituyen la tabla de atributos de los
elementos de la capa de superposición (overlapping features).
Por ejemplo, podemos emplear esta herramienta para conocer los diferentes usos de
suelo que nos encontramos dentro de unos determinados espacios naturales.

22
j.- Model Builder/ Constructor de modelos/ Modelizador
Un constructor de modelos no es propiamente una herramienta de geoprocesamiento,
pero es una herramienta muy práctica para automatizar y encadenar las herramientas de
geoprocesamiento vistas anteriormente.
Un modelo es aquella secuencia de operaciones analíticas que conduce a la obtención de
un resultado, y cuya complejidad suele requerir la generación de un esquema previo que
indique el flujo de datos: cuáles son los datos de entrada, las operaciones implicadas,
los datos de salida, y como el output de una operación pasa a ser el input de otra.
Tanto ArcGIS, como QGIS y gvSIG nos ofrecen esta herramienta que facilita la
automatización de las labores de geoprocesamiento como conjunto, en lugar de su
ejecución individual, ahorrando tiempo, evitando errores y facilitando la gestión de los
mismos. Además, los modelos generados pueden ser reutilizados posteriormente
simplemente modificando sus parámetros.

3.6. Edición de datos vectoriales


La aplicación SIG le permitirá crear y modificar los datos de la geometría en una capa —
un proceso llamado digitalización — que vamos a ver más de cerca en un tutorial más
tarde. Si una capa contiene polígonos (por ejemplo, presas agrícolas), la aplicación SIG
sólo le permitirá crear nuevos polígonos en esa capa. Del mismo modo, si usted desea
cambiar la forma de un objeto espacial, la aplicación sólo le permitirá hacerlo si la forma
cambiada es correcta. Por ejemplo, no le permitirá editar una línea de tal manera que
sólo tenga un vértice — recuerde en nuestra discusión de las líneas anteriores que todas
las líneas deben tener al menos dos vértices.
Creación y edición de datos vectoriales es una función importante de un SIG, ya que es
una de las principales formas en que se pueden crear datos de carácter personal por las
cosas que le interesan. Digamos por ejemplo que está supervisando la contaminación en
un río. Se podría utilizar el SIG para digitalizar todos los emisarios de desagüe de aguas
pluviales (como una entidad de puntos). También puede digitalizar el río en sí (como una
entidad de polilínea). Por último, se puede tomar lecturas de los niveles de pH a lo largo

23
del curso del río y digitalizar los lugares en que haya realizado estas lecturas (como una
capa de puntos).
Así como la creación de sus propios datos, hay una gran cantidad de datos vectoriales
gratis que se puede obtener y utilizar. Por ejemplo, se pueden obtener datos vectoriales
que aparece en las hojas 1:50 000 de mapas de la Dirección Principal: Topografía y
Cartografía.
3.7. Escala y datos vectoriales
Escala de mapa es un importante punto a considerar cuando se trabaja con datos
vectoriales en un SIG. Cuando se capturan datos, por lo general digitalización de mapas
existentes, o tomando información de los registros topográficos y dispositivos de
sistemas de posicionamiento global. Los mapas tienen diferentes escalas, así que si
importa datos vectoriales de un mapa a un entorno SIG (por ejemplo, al digitalizar mapas
en papel), los datos vectoriales digitales tendrán los mismos problemas de escala que el
original. Este efecto se puede ver en las lustraciones figura 3.7 y figura 3.8. Muchos
problemas pueden surgir de hacer una mala elección de la escala de mapa. Por ejemplo,
el uso de los datos vectoriales en la ilustración figura 3.7 para planificar un área de
conservación de humedales podría resultar ¡que partes importantes del humedal quedan
fuera de la reserva! Por otro lado, si está tratando de crear un mapa regional, utilizar
datos capturados a escala 1:1000 000 podría estar bien esto va a ahorrar mucho tiempo
y esfuerzo de captura de datos.

Figura 3.7 Datos vectoriales (líneas rojas) que fueron digitalizados desde una escala
pequeña de mapa (1:1000 000).

24
Figura 3.8 Datos vectoriales (líneas verdes) que fueron digitalizadas de una escala grande
de mapa (1:50 000).
3.9. ¿Qué se puede lograr con los datos vectoriales en SIG?
Al nivel más simple podemos utilizar datos vectoriales en una aplicación SIG de la misma
manera que utilizaría un mapa topográfico normal. El verdadero poder de los SIG
comienza a manifestarse cuando se empieza a hacer preguntas como “¿qué casas están
dentro del nivel de inundación de 100 años de un río?”; “¿dónde está el mejor lugar para
poner un hospital para que sea fácilmente accesible a la mayor cantidad de gente
posible?”; “¿qué alumnos viven en un suburbio particular?”. Un SIG es una gran
herramienta para responder a este tipo de preguntas con la ayuda de los datos
vectoriales. Generalmente nos referimos al proceso de responder a este tipo de
preguntas como análisis espacial. En temas posteriores de este tutorial vamos a ver el
análisis espacial con más detalle.
3.10. Problemas usuales con datos vectoriales
Trabajar con datos vectoriales tiene algunos problemas. Ya hemos mencionado los
problemas que pueden surgir con los vectores capturados en diferentes escalas. Los
datos vectoriales también necesitan mucho trabajo y de mantenimiento para asegurar
que sea exacta y fiable. Los datos vectoriales incorrectos pueden tener lugar cuando los
instrumentos utilizados para capturar los datos no están debidamente establecidos,
cuando las personas que capturan los datos no están siendo cuidadosos, cuando el
tiempo o el dinero no permiten suficiente detalle en el proceso de recolección, etc.
Si se tienen datos vectoriales de mala calidad, a menudo se puede detectar este al ver los
datos en un SIG. Por ejemplo, slivers pueden ocurrir cuando los bordes de dos áreas de
polígonos no se unen correctamente (ver figura 3.12).

25
Figura 3.12 Los slivers ocurren cuando los vértices de dos polígonos no coinciden en sus
fronteras. A una pequeña escala (por ejemplo 1 a la izquierda) es posible que no sea capaz
de ver estos errores. A una gran escala, son visibles como tiras finas entre dos polígonos
(2 a la derecha).
Los sobreimpulsos pueden ocurrir cuando una entidad de línea como una carretera no se
encuentra con otra carretera exactamente en una intersección. Los subimpulsos pueden
ocurrir cuando una entidad de línea (por ejemplo, un río) no cumple exactamente con
otra entidad a la que debería conectarse. La figura figura 3.13 muestra cómo se ven los
subimpulsos y los sobreimpulsos.

Figura 3.13 Undershoots (1) ocurre cuando las líneas vectoriales digitalizadas que deben
conectarse con otras no hacen contacto del todo. Overshoots (2) ocurren si una línea
termina más allá de la línea a la que debe conectarse.
Debido a este tipo de errores, es muy importante digitalizar los datos cuidadosamente y
con precisión.

26
3.11. Fortalezas y debilidades del modelo vectorial
Fortalezas
 Genera una estructura de datos más compacta que el modelo raster.
 Genera una codificación eficiente de la topología y, consecuentemente, una
implementación más eficiente de las operaciones que requieren información
topológica, como el análisis de redes.
 El modelo vectorial es más adecuado para generar salidas gráficas que se
aproximan mucho a los mapas dibujados a mano.
Debilidades
 Es una estructura de datos más compleja que el modelo raster.
 Las operaciones de superposición de mapas son más difíciles de implementar.
 Resulta poco eficiente cuando la variación espacial de los datos es muy alta.
 El tratamiento y realce de las imágenes digitales no puede ser realizado de
manera eficiente en el formato vectorial.

4. Datos de atributo de vector


4.1. Descripción general
Si todas las líneas de un mapa fueran del mismo color, anchura, grosor y tuvieran la misma
etiqueta, sería muy difícil de entender lo que vemos. Además, el mapa nos daría muy
poca información. Un vistazo a la figura 4.1. servirá de ejemplo.

Figura 4.1 Los mapas cobran vida cuando se usan diferentes colores y símbolos para
ayudar a distinguir un tipo de entidad de la contigua. ¿Se podría saber la diferencia entre
ríos, carreteras y curvas de nivel en el mapa de la izquierda? En el mapa de la derecha se
pueden ver mucho más fácilmente las diferentes entidades.
En este tópico se verá cómo los datos de atributo pueden ayudar a confeccionar mapas
interesantes e informativos. En el tópico previo sobre datos vectoriales se explicaba
brevemente que los datos de atributo attribute data se utilizan para describir
características de vector describe vector features. Dé un vistazo a los dibujos de la figura
4.2.

27
Figura 4.2 Cada entidad tiene rasgos que pueden describirse. Pueden ser cosas visibles, o
cosas que sabemos acerca de esa entidad (ej. año de construcción).
La geometría de estas características de la casa es la de un polígono (basado en el plano
de planta de la casa), los atributos que hemos grabado son color del tejado, si existe o no
balcón y el año en que se construyó la casa. Nótese que los atributos no tienen por qué
ser cosas visibles -pueden describir cosas que sabemos acerca del elemento u objeto
espacial, como el año de construcción. En una Aplicación SIG se puede representar este
tipo de elemento en la capa de polígonos de una casa, y los atributos en una tabla de
atributos (ver figura 4.3).

28
Figura 4.3 Capa de casas. Las entidades de House tienen atributos que describen el color
del tejado y otras propiedades. La tabla de atributos (imagen inferior) lista los atributos
para las áreas de la casa que se muestran en el mapa. Cuando se resalta una entidad en
la tabla, aparece como un polígono amarillo en el mapa.
El hecho de que las entidades tengan atributos, así como geometría en una aplicación SIG
ofrece muchas posibilidades. Por ejemplo, se pueden usar los valores de atributo para
indicar al SIG qué colores y estilo utilizar cuando se dibujan las entidades (ver figura 4.4).
El proceso de ajustar los colores y dibujar estilos siempre viene indicado como ajuste
de simbología de entidad.

29
Figura 4.4 En una aplicación SIG podemos trazar entidades de manera diferente, según
los atributos. A la izquierda se encuentran dibujados polígonos de la casa con el mismo
color que el atributo del tejado. A la derecha se colorean las casas con un código, según
tengan balcón o no.

Los datos de atributos también pueden ser útiles a la hora de crear etiquetas de mapa. La
mayoría de las aplicaciones SIG incorporan la facultad de seleccionar un atributo que
permite etiquetar cada entidad.
Si alguna vez ha buscado en un mapa searched a map el nombre de un lugar o una entidad
específica, sabrá cuánto tiempo puede requerir. Disponer de datos de atributo puede
hacer rápida y fácil la búsqueda de una entidad dada. En la figura 4.5, se puede ver un
ejemplo de una búsqueda de atributo en un SIG.

Figura 4.5 En una aplicación SIG, podemos también realizar búsquedas de entidades
basándonos en sus atributos. Aquí se muestra una búsqueda de casas con tejado negro.
Los resultados aparecen en amarillo en el mapa y en turquesa en la tabla.
30
Finalmente, los datos de atributos pueden ser muy útiles para realizar análisis espacial. El
análisis espacial combina la información espacial almacenada en la geometría de las
entidades, con la información de sus atributos. Esto permite estudiar las entidades y el
modo en que se relacionan entre sí Existen muchos tipos de análisis espacial que pueden
realizarse; por ejemplo, se puede utilizar SIG para averiguar cuántas casas con tejado rojo
hay en un área en particular. Si tenemos tres entidades, se puede utilizar el SIG para
intentar averiguar qué especies podrían verse afectadas si se urbaniza una determinada
zona de terreno. Podemos utilizar los atributos almacenados para muestras de agua a lo
largo del curso de un río para entender dónde penetra la contaminación en la corriente.
Las posibilidades son ilimitadas. En un tópico posterior se explorará el análisis espacial
con mayor detalle.
Antes de pasar a ver los datos de atributo con mayor detalle, hagamos una pequeña
recapitulación.
Las entidades son elementos reales, como carreteras, límites de propiedades,
emplazamiento de subestaciones eléctricas, etc. Una característica tiene
una geometría (que determina si se trata de un punto, polilínea**o **polígono)
y atributos (que describen la entidad). Esto se muestra en la figura 4.6.

Figura 4.6 Características vectoriales de un vistazo.


4.2. Atributos en detalle.
Los atributos para una característica vectorial se almacenan en una tabla. Una tabla es
como una hoja de cálculo. Cada columna de la tabla se llama campo. Cada línea de la tabla
es un registro. La tabla de atributos adjunto, muestra un ejemplo sencillo de cómo
aparece una tabla en un SIG. Cada registro de la tabla de atributos de un SIG corresponde
a una característica. Normalmente, la información de la tabla de atributos se almacena
en una especie de base de datos. La aplicación SIG enlaza los registros de atributo con la

31
geometría de la característica, de modo que podemos localizar registros de la tabla
seleccionando características en el mapa y encontrar características en el mapa
seleccionando características en la tabla.

Tabla de Campo 1: Campo 2:


Campo 3: Balcón
atributos Año Construcción Color Tejado

Registro 1 1998 Rojo Sí

Registro 2 2000 Negro No

Registro 3 2001 Plata Sí

Atributos de la tabla Casa: una tabla de atributos tiene campos (columnas) y registros
(filas)
Cada campo de la tabla de atributos contiene un tipo específico de datos -texto, numérico
o fecha. Decidir qué atributos usar para una característica requiere de cierto ejercicio de
planificación y reflexión. En nuestro ejemplo de la casa de éste tópico escogimos el color
del tejado, la existencia de balcón y el mes de construcción como atributos de interés.
Podríamos de modo igualmente fácil haber seleccionado otros aspectos de una casa,
como:
 número de plantas
 número de habitaciones
 número de ocupantes
 tipo de vivienda (vivienda social, bloque de pisos, chabola, casa de ladrillo, etc.)
 año de construcción
 superficie útil de la casa
 etc. …
Con tantas opciones, ¿cómo hacemos una buena elección de qué atributos son
necesarios para una característica? Generalmente, depende de lo que se pretenda hacer
con los datos. Si deseamos producir un mapa en código de colores que muestre las casas
por su edad, tendrá sentido disponer de un atributo “Año_Construcción” para la
característica. Si estamos seguros de que nunca vamos a utilizar este tipo de mapa, es
mejor no almacenar esa información. Acumular y almacenar información innecesaria es
una mala idea, debido al coste y tiempo requeridos para reunir y capturar toda esa
información. A menudo obtenemos datos vectoriales de empresas, de amigos o del
gobierno. En estos casos, normalmente no es posible solicitar atributos específicos y
tendremos que trabajar con lo que se nos proporciona.
4.3. Símbolos únicos
Si se va a simbolizar una característica sin utilizar ninguna tabla de datos de atributo, sólo
puede dibujarse de una manera simple. Por ejemplo, con características de punto,
podemos ajustar el color y el marcador) círculo, cuadrado, estrella, etc.), pero nada más.
No podemos indicarle al SIG que dibuje las características basadas en alguna de sus
propiedades en la tabla de atributos. Para hacerlo necesitaremos utilizar un símbolo

32
graduado, continuo o un valor único. Todos ellos se describen detalladamente en las
secciones siguientes.
Normalmente, una aplicación SIG le permitirá ajustar la simbología de una capa utilizando
una ventana de diálogo como la que se muestra en la figura 4.7. En esta ventana de
diálogo podemos elegir colores y estilos para los símbolos. Dependiendo del tipo de
geometría de una capa, pueden mostrarse diferentes opciones. Por ejemplo, con capas
de puntos puede elegir un “estilo de marcador”. Con las capas de líneas o polígonos no
existe la opción de estilo de marcador, pero en su lugar podemos seleccionar un estilo de
línea y color, por ejemplo, trazos discontinuos de color naranja para los caminos de
gravilla, naranja sólido para caminos vecinales, entre otros (como se muestra en la figura
4.8). Con capas de polígonos también existe la opción de ajustar un estilo de relleno y el
color.

Figura 4.7 Cuando se usan símbolos simples, la característica se dibuja utilizando un


atributo para controlar su aspecto. Este es diálogo para características de punto.

33
Figura 4.8 Existen diferentes opciones para definir símbolos simples para características
de polilínea y polígono.
4.4. Símbolos graduados
A veces, las características vectoriales representan cosas de valor numérico variable. Las
curvas de nivel son un buen ejemplo de ello. Normalmente, cada curva tiene un valor de
atributo llamado “altura” que contiene la información acerca de la altura que la curva
representa. Antes, en este mismo tópico, se han mostrado curvas de nivel dibujadas
todas con el mismo color. Añadir color a las curvas puede ayudar a interpretar loso
significados de las mismas. Por ejemplo, podemos dibujar las áreas de cotas bajas con un
color, las de media altura con otro y las más altas con un tercero.

Figura 4.9 El atributo de altura de las curvas de nivel puede utilizarse para separar las
líneas de cota en 3 clases. Las líneas entre los 980 y los 1120 m se dibujarán en marrón.
las de entre 1120 y 1240 m en verde y las de entre 1240 y 1500m en púrpura.

34
Figura 4.10 Nuestro mapa tras ajustar colores graduados para las curvas de nivel.
El ajuste de colores basado en grupos discretos de valores de atributo es llamado
Simbología Graduada, en QGIS. El proceso se muestra en las ilustraciones la figura 4.9 y
la figura 4.10. Los Símbolos graduados son más útiles cuando se desea mostrar diferencias
claras entre características que tienen valores de atributo en diferentes rangos de
valores. La aplicación SIG analizará los datos de atributo (por ejemplo, altura) y, en base
al número de clases que se solicite, creará grupos para usted. Este proceso se ilustra en
la siguiente tabla.

Valor de Atributo Clase y Color

1 Clase 1

2 Clase 1

3 Clase 1

4 Clase 2

5 Clase 2

6 Clase 2

7 Clase 3

8 Clase 3

9 Clase 3

Tabla graduada: el color graduado divide los rangos de valores de los atributos en el
número de clases que selecciona. Cada clase está representada por un color diferente.

35
4.5. Símbolos de Color Continuo
En la sección anterior sobre los símbolos de Color Graduado vimos que podemos dibujar
características en grupos discretos o clases. Algunas veces resulta útil dibujar las
características en un rango de color desde un color a otro. La aplicación SIG usará un
atributo numérico de una característica (por ejemplo, curvas de nivel o niveles de
contaminación en una corriente de agua) para decidir qué color usar. La tabla
adjunta muestra cómo se usa el valor de atributo para definir un rango continuo de
colores.

Valor de Atributo Color (sin clases o agrupamiento)

Tabla Continuo: La simbología de color continuo utiliza un color de partida (por ejemplo,
el naranja claro mostrado aquí) y un color final (por ejemplo, el marrón oscuro mostrado
aquí) y crea una serie de sombras entre los dos colores.
Usando el mismo ejemplo de curvas que utilizamos en la sección anterior, veamos cómo
un mapa con simbología de color continua se define y se ve. El proceso comienza
ajustando las propiedades de capas a un color continuo, usando un diálogo como el que
se muestra en figura 4.11.

36
Figura 4.11 Ajuste de la simbología de color continuo. El atributo altura de las curvas de
nivel se usa para determinar los valores de los colores. Los colores se definen por sus
valores mínimos y máximos, La aplicación SIG creará después un gradiente de colores para
dibujar las características en base a sus alturas.
Después de definir los colores mínimo y máximo en el rango de colores, las características
de color que se dibujan dependerán de dónde recae el atributo dentro del rango entre el
mínimo y el máximo. Por ejemplo, si tiene características de curvas de nivel con valores
que empiezan en los 1000 m y terminan en 1400 m, el rango de valores es 1000 a 1400.
Si el conjunto de colores está ajustado al color naranja como el mínimo y al color negro
como el máximo, las curvas de nivel que tengan un valor próximo a los 1400 m se dibujará
en un color cercano al negro. En cambio, las curvas con un valor cercano a los 1000 m se
dibujarán con un color próximo al naranja (ver figura 4.12).

37
Figura 4.12 Mapa de curvas de nivel utilizando simbología de color continuo
4.6. Símbolos de Valor Único
Algunas veces, los atributos de las características no son numéricos, sino que se
utilizan cadenas. Una “cadena” es un término informático que significa un grupo de
letras, números y otros símbolos de escritura. Los atributos de cadena se utilizan a
menudo para clasificar las cosas por nombre. Podemos indicar a la aplicación SIG que
asigne a cada cadena única o a cada número su propio color y símbolo. Las características
de las carreteras pueden tener diferentes clases (por ejemplo, “calle”, “carretera
secundaria””, “carretera principal”), cada una dibujada en la vista de mapa del SIG con
diferentes colores o símbolos. El concepto se ilustra en la tabla adjunta.

Valor de Atributo Clase de color y símbolo

Vía arterial

Carretera principal

Carretera secundaria

Calle

Tabla Única: Los valores de atributo únicos para un tipo de característica (por ejemplo,
carreteras) pueden tener cada uno su propio símbolo.
Dentro de la aplicación SIG podemos abrir/seleccionar para emplear la simbología de
Valor Único para una capa. El SIG buscará entre todos los valores de cadena diferentes
en el campo de atributos y construirá una lista de cadenas únicas o números. Entonces,
cada valor único puede ser asignado un color y estilo. Esto se muestra en figura 4.13.

38
Figura 4.13 Definir simbología de valor único para las carreteras, en base al tipo de
carretera.
Cuando el SIG dibuja la capa, consultará los atributos de cada característica antes de
dibujarla en la pantalla. En función del valor del campo seleccionado de la tabla de
atributos, la línea de la carretera se dibujará con un color y estilo de línea apropiados (y
estilo de relleno, si se trata de una característica de polígono). Esto se muestra en la figura
4.14.

Figura 4.14 Una capa vectorial de carreteras simbolizado por un valor único por tipo de
carretera.

39
4.7. Cosas que advertir
Decidir qué atributos y simbología utilizar requiere cierto planeamiento. Antes de
empezar a recoger ningún dato Geoespacial, deberíamos asegurarnos de que sabemos
qué atributos necesitamos y cómo se simbolizarán. Es muy difícil volver de nuevo a reunir
datos si la primera vez se planeó de manera inapropiada. Recordemos también que la
finalidad de reunir datos de atributos es la de permitirnos analizar e interpretar
información espacial. El modo en que lo hagamos depende de las preguntas que estemos
intentando responder. La simbología es un lenguaje visual que permite a los demás ver y
entender nuestros datos de atributo basados en los colores y símbolos que utilizamos.
Debido a eso, deberíamos poner mucho cuidado en cómo simbolizamos nuestros mapas,
de modo que los hagamos fáciles de entender.

5. Captura de datos
5.1. Descripción general
En los dos tópicos previos abordamos los datos vectoriales. Vimos que hay dos conceptos
clave sobre los datos vectoriales, éstos son: geometría y atributos. La geometría de un
elemento vectorial describe su forma y posición, mientras que los atributos de un
elemento vectorial describen sus propiedades (color, tamaño, edad, etc.).
En esta sección veremos más en detalle el proceso de crear y editar datos vectoriales –
tanto la geometría como los atributos de los elementos vectoriales.
5.2. ¿Cómo se almacenan los datos SIG digitales?
Procesadores de texto, hojas de cálculo y paquetes de gráficos son todos programas que
le permiten crear y editar datos digitales. Cada tipo de aplicación guarda sus datos en un
formato de archivo particular. Por ejemplo, un programa de gráficos le permitirá guardar
sus dibujos como un :archivo:`.jpg` de imagen JPG, los procesadores de texto le
permitirán guardar sus documentos como un :archivo:`.odt` Open Documento
:archivo:`.doc` Documento de Word, etcétera.
Al igual que estas otras aplicaciones, Las aplicaciones SIG pueden almacenar sus datos en
archivos en el disco duro de la computadora. Hay un número de diferentes formatos de
archivo para los datos de SIG, pero el más común es probablemente el “shapefile”. El
nombre es un poco extraño en el que a pesar de que lo llamamos un shape file (singular),
en realidad se compone de al menos tres archivos diferentes que trabajan juntos para
almacenar sus datos vectoriales digitales, como se muestra en la tabla adjunta.

Extensión Descripción

:archivo:`.shp` La geometría de un elemento vectorial se almacena en este archivo

:archivo:`.dbf` Los atributos de un elemento vectorial se almacenan en este archivo

Este archivo es un índice que le ayuda a la aplicación SIG a encontrar


:archivo:`.shx`
elementos de una manera más rápida

Tabla Shapefile 1: Los archivos básicos que juntos conforman un “shapefile”.

40
Cuándo observa los archivos que conforman un shapefile en el disco duro del
computador, verá algo como figura_shapefile. Si desea compartir a otra persona los
datos vectoriales almacenados en shapefiles, es importante darle todos los archivos para
esa capa. Así que en el caso de la capa de árboles mostrada en figura_shapefile_.
necesitará entregar a la persona los siguientes
archivos :archivo:`trees.shp`, :archivo:`trees.shx`, :archivo:`trees.dbf`, :archivo:`trees.prj
` y :archivo:`trees.qml`.

Figura 5.5 Los archivos que conforman el shapefile ’árboles’, a como se ven en el
administrador de archivos del computador.
Muchas aplicaciones SIG son capaces también de almacenar datos digitales dentro de
una base de datos. En general, almacenar datos SIG en una base de datos es una buena
solución porque la base de datos puede almacenar grandes cantidades de
datos eficientemente y puede proveer dichos datos a la aplicación SIG de una forma
rápida. Usar una base de datos permite además a muchas personas el trabajar con las
mismas capas de datos vectoriales al mismo tiempo. Establecer una base de datos para
almacenar datos SIG es más complicado que usar shapefiles, de tal forma que, para éste
tópico, nos enfocaremos en la creación y edición de shapefiles.
5.3. Planifique antes de comenzar
Antes de crear una nueva capa vectorial (que se almacene en un shapefile), necesita
conocer qué geometría tendrá la capa (punto, polilínea o polígono), y conocer también
cuáles serán los atributos de dicha capa. Veamos algunos ejemplos y será más claro cómo
ir haciendo esto.
5.3.1. Ejemplo 1: Creando un mapa de turismo
Imagine que desea crear un bonito mapa de turismo para su área local. Su visión del mapa
final es una topohoja de 1:50,000 con marcadores que se sobreponen sobe los sitios de

41
interés para los turistas. Primero, pensemos en la geometría. Sabemos que podemos
representar los elementos de una capa vectorial usando puntos, polilíneas o polígonos.
¿Cuál de éstos tiene más sentido para nuestro mapa de turismo? Podríamos usar puntos
si queremos marcar localidades específicas tales como los miradores, memoriales, sitios
de batalla y así sucesivamente. Si queremos llevar a los turistas por una determinada ruta,
como por ejemplo una ruta escénica atravesando una montaña, entonces tiene sentido
utilizar polilíneas. Si tenemos áreas completas que son de interés turístico, tales como
una reserva natural o una villa cultural, los polígonos serán una buena elección.
Como puede observar, no es tan fácil conocer qué tipo de geometría necesitará. Un
enfoque común a este problema es crear una capa para cada tipo de geometría que
necesite. Así, por ejemplo, si ve los datos digitales provistos por la Oficina de Dirección:
Encuestas y Mapeo, SurAfrica, proveen una capa de áreas de ríos (polígonos) y una capa
de polilíneas de ríos. Ellos utilizan áreas de ríos (polígonos) para representar tramos
fluviales que son anchos, y ellos usan polilíneas de ríos para representar tramos estrechos
del río. En la figura 5.6, puedes ver cómo nuestras capas de turismo podrían verse en el
mapa si usamos los tres tipos de geometría.

Figura 5.6 Un mapa con capas de turismo. Hemos usado tres tipos de geometría
diferentes para datos de turismo de forma tal que podemos representar los diferentes
tipos de elementos necesarios para nuestros visitantes, dándoles la información que
necesitan.

5.3.2. Ejemplo 2: Creando un mapa de niveles de contaminación a lo largo de un río.


Si desea medir los niveles de contaminación a lo largo del curso de un río, usualmente
usted viajaría a lo largo del río en bote o caminaría a lo largo de sus orillas. A intervalos

42
regulares se detendría y tomaría varias medidas como los niveles de Oxígeno Disuelto
(OD), conteo de Bacterias Coliformes (CB), niveles de Turbidez y pH. Podría además
necesitar hacer un mapa de lecturas de su posición u obtener su posición utilizando un
receptor GPS.
Para almacenar los datos adquiridos de un ejercicio como este en una aplicación SIG,
usted probablemente crearía una capa SIG con una geometría de tipo punto. Usar la
geometría de punto hace sentido aquí porque cada muestra tomada representa las
condiciones en un lugar muy específico.
Para los atributos, queremos un field para cada cosa que describa el sitio muestreado. De
tal manera que terminaríamos con una tabla de atributos que se vería más o menos como
esta tabla adjunta.

No de Muestra pH DO CB Turbidez Colector Fecha

1 7 6 N Bajo Paciencia 12/01/2009

2 6.8 5 Y Medio Thabo 12/01/2009

3 6.9 6 Y Alto Victor 12/01/2009

Atributos 1 de la tabla Ríos: Dibujar una tabla como está antes de crear su capa vectorial
le permitirá decidir que atributos(columnas) necesitará. Tenga en cuenta que la geometría
(posiciones donde se tomaron muestras) no se muestra en la tabla de atributos la
aplicación SIG lo almacena separadamente.
5.4. Creando un shapefile vacío
Una vez que ha planeado que entidades quiere capturar en el SIG, el tipo de geometría y
los atributos que cada entidad debería tener, puede pasar al siguiente paso, que es crear
un shapefile vacío.
El proceso normalmente inicia al elegir la opción “nueva capa vector” en su aplicación
SIG y después seleccionar un tipo de geometría (ver figura 5.7). Como hemos cubierto en
un tema anterior, eso significa que elegimos bien el punto, polilínea o polígono de la
geometría.

43
Figura 5.7 Crear una nueva capa vector es sencillo como llenar un formulario. Primero se
elige el tipo de geometría, y después agregar los campos de atributos.
A continuación, deberá agregar campos a la tabla de atributos. Normalmente damos
nombres de campos, que sean cortos, que no tengan espacios e indiquen que tipo de
información se estará almacenando en ese campo. Ejemplo de nombres de campo
pueden ser “pH”, “Color_Techo”, “Tipo_Carretera”, etc. Además de elegir un nombre
para cada campo, hay que indicar ¿cómo debe ser almacenada la información en ese
campo — ej. si es un número, una palabra o una oración, o una fecha?
Los programas de computadora se suelen pedir información que se componen de
palabras o frases “textos”, por lo que, si necesita almacenar algo como el nombre de una
calle o el nombre de un río, debe usar “Texto” para el tipo de campo.
El formato shapefile permite almacenar la información del campo numérico, ya sea como
un número entero (número entero) o un número decimal (coma flotante) — por lo que
hay que pensar de ante mano si los datos numéricos que se van a capturar tendrán
decimales o no.
El paso final (como se muestra en la figura 5.8) para crear un shapefile es darle un nombre
y un lugar en el disco de la computadora, donde deberá ser creado. Una vez más, es una
buena idea darle un nombre corto y un nombre significativo. Buenos ejemplos son “ríos”,
“muestras_agua”, etc.

44
Figura 5.8 Después de definir la geometría y atributos de nuestra nueva capa,
necesitamos guardar en disco. Es importante asignarle un nombre corto y significativo al
shapefile.

Recapitulemos el proceso de nuevo rápidamente. Para crear un shapefile primero, decir


qué tipo de geometría mantendrá, a continuación, crear uno o más campos para la tabla
de atributos, y después guardar el shapefile en el disco duro usando un nombre fácil de
reconocer.
5.5. Agregar datos a su shapefile
Hasta aquí, solo hemos creado un shapefile vacío. Ahora necesitamos habilitar la edición
en el shapefile, usando la opción del menú “habilitar edición” o el icono de la barra de
herramienta en la aplicación SIG. Los shapefiles no estan habilitados para la edición de
forma predeterminada, para evitar el cambio o la eliminación accidental de los datos que
contiene. Lo siguiente que necesitamos para comenzar a agregar datos. Hay dos pasos
que necesitamos completar para cada registro que agregamos al shapefile.
1. Capturar geometría
2. Introducir atributos
El proceso de captura de geometría es diferente para puntos, polilíneas y polígonos.
Para capturar un punto, primero utilice las herramientas del mapa, zum y mover para
llegar a la zona geográfica correcta donde va a registrar los datos. A continuación, tendrá
que habilitar la herramienta de captura de punto. Una vez hecho esto, lo siguiente es dar

45
clic botón izquierdo del ratón en la vista del mapa, si es donde quiere que su nuevo
punto geometría aparezca. Después del clic sobre el mapa, aparecerá una ventana y
podrá escribir todos los datos de los atributos para ese punto (ver figura 5.9). Si no está
seguro de los datos de un campo dado, normalmente puede dejarlo en blanco, pero
tenga en cuenta que, si deja muchos campos en blanco, ¡Será difícil hacer un mapa útil
de sus datos!

Figura 5.9 Después de haber capturado la geometría de punto, se le pedirá que describa
sus atributos. El formulario de atributos se basa en los campos que especifico cuando se
creó la capa vectorial.

Para capturar una polilínea, el proceso es similar a la de un punto, en el que es necesario


utilizar primero las herramientas zum y mover para mover el mapa en la vista del mapa
para la zona geográfica correcta. Debe estar enfocado lo suficiente para que su nueva
entidad de línea vectorial tenga una escala apropiada (ver Datos Vectoriales para más
detalles sobre cuestiones de escala). Cuando esté listo, puede hacer clic en el icono de
captura de línea en la barra de herramientas y luego empezar a dibujar su línea haciendo
clic en el mapa. Después de realizar su primer clic, se dará cuenta que la línea se estira
como una banda elástica para seguir el cursor del ratón por donde se mueve. Cada vez
que haga clic con el botón izquierdo del ratón, añadirá un nuevo vértice al mapa. Este
proceso se muestra en figura 5.10.

46
Figura 5.10 La captura de líneas de un mapa turístico. Al editar una capa de líneas, los
vértices se muestran con marcadores circulares que puede moverse con el ratón para
ajustar la geometría de la línea. Al añadir una nueva línea (en rojo), cada clic del ratón
añadirá un nuevo vértice.

Cuando haya terminado de definir su línea, utilice el botón derecho del ratón para decirle
a la aplicación SIG que ha completado sus ediciones. Al igual que en el procedimiento
para la captura de una entidad puntual, se le pedirá entonces que introduzca los datos
de los atributos para la nueva entidad de polilínea.
El proceso para la captura de polígono es casi el mismo que la captura de polilínea,
excepto que necesita usar la herramienta de captura de polígono en la barra de
herramienta. Además, se dará cuenta que, al dibujar su geometría en pantalla, la
aplicación SIG siempre creará un área cerrada.
Para agregar nuevas entidades después de haber creado el primero, puede simplemente
hacer clic de nuevo sobre el mapa con la herramienta activa de captura de punto,
polilínea o polígono y empezar a dibujar la siguiente entidad.
Cuando no tenga más entidades que agregar, siempre asegurarse de hacer clic en el icono
“permitir edición” para desactivarla. Entonces, la aplicación SIG guardará su capa recién
creada en el disco duro.
5.6. Digitalización manual
Como probablemente ha descubierto por ahora, si ha seguido los pasos anteriores, es
bastante difícil dibujar las entidades para que sean espacialmente correcta si no tiene
otros rasgos que pueda utilizar como punto de referencia. Una solución común a este
problema es utilizar una capa raster (como una fotografía aérea o una imagen de un
47
satélite) como una capa de fondo. A continuación, puede utilizar esta capa como mapa
de referencia, o incluso trazar los rasgos de la capa raster en su capa vectorial si son
visibles. Este proceso se conoce como «digitalización manual» y se muestra en la figura
5.11.

Figura 5.11 Digitalización manual utiliza una imagen de satélite como fondo. La imagen
es utilizada como una referencia para capturar entidades de polilíneas al trazar por
encima de ellos.
5.7. Digitalización mediante una tabla digitalizadora
Otro método de captura de datos vectoriales, es utilizar una tabla digitalizadora. Este
enfoque se utiliza con menos frecuencia, excepto por profesionales en SIG, y requiere
equipo especializado. El proceso para usar una tabla digitalizadora, es sobre la tabla
colocar un mapa de papel. El mapa de papel se mantiene asegurado usando clips.
Entonces, con un dispositivo especial llamado un “punk” que se utiliza para trazar rasgos
del mapa. Los diminutos puntos de mira en el punk son usados para garantizar que las
líneas y puntos sean dibujados con exactitud. El punk está conectado a una computadora
y cada rasgo que es capturado con el punk se almacena en la memoria de la computadora.
Puede ver que un punk de digitalización se ve como en figura 5.12.

48
Figura 5.12 Una tabla digitalizadora y un disco son usados por los profesionales en SIG
cuando quieren digitalizar rasgos de mapas existentes.
5.8. Después de que sus rasgos son digitalizados…
Una vez que sus rasgos estén digitalizados, puede utilizar las técnicas aprendidas en
temas anteriores para establecer la simbología a su capa. Seleccionando una apropiada
le permitirá comprender mejor los datos que ha capturado cuando mire el mapa.
5.9. problemas/cosas comunes a tener en cuenta
Si está digitalizando, usando una capa raster de fondo como una foto aérea o imagen de
satélite, es muy importante que la capa raster este correctamente georeferenciada. Una
capa que está bien georreferenciada se visualiza en la posición correcta en la vista del
mapa basado en el modelo interno de la aplicación SIG de la tierra. podemos ver el efecto
de una imagen mal georreferenciada en la figura 5.13.

Figura 5.13 La importancia de usar apropiadamente imágenes raster georreferenciadas


para la digitalización manual. A la izquierda podemos ver la imagen que esta
apropiadamente georreferenciada y los rasgos de carreteras (en color naranja)
perfectamente colocados. Si la imagen esta pobremente georreferenciada (como se
49
muestra a la derecha) los rasgos no estarán bien alineados. Peor aún, si la imagen de la
derecha se utiliza como referencia cuando se capturan nuevos rasgos, los datos serán
nuevamente inexactos.
Recuerde también que es importante hacer un acercamiento a una escala apropiada a fin
de que los rasgos vectoriales que usted crea sean útiles. Cuando vimos el tema anterior
sobre geometría vectorial, es mala idea digitalizar sus datos cuando tenemos una vista
reducida a una escala de 1:1000 000, si tiene la intención de usar los datos que capturo
a una escala de 1:50 000 más adelante.

6. Formatos GIS vectoriales más populares


Los datos vectoriales se componen de vértices y rutas. Los tres tipos de símbolos básicos
para datos vectoriales son puntos, líneas y polígonos. En esta entrada vamos dar un
repaso a los formatos GIS vectoriales más populares y extendidos con los que trabajar en
un proyecto GIS para almacenar datos espaciales.
6.1. Shapefile
El shapefile es el formato más extendido y popular entre la comunidad GIS, pese
al elevado número de desventajas e inconvenientes que tiene.
Es un formato propiedad de ESRI, pero es difícil encontrar un SIG que no lea este sistema
de archivos. No es un único archivo, un shapefile se compone de varios archivos que un
cliente SIG lee como uno único. El mínimo requerido es de tres: el .shp almacena las
entidades geométricas, el .shx almacena el índice de las entidades geométricas y el .dbf
es la base de datos, en formato dBASE. Opcionalmente puede tener un .prj, .sbn,
.sbx, .fbn, .fbx .ain, .aih, .shp.xml.
Hace unos años, con la aparición de las bases de datos espaciales y nuevos formatos
como el KML, parecía que su desaparición o uso residual era más que probable, sin
embargo, esto no ha ocurrido. Es un formato que se ha convertido en oficial para muchas
instituciones, debido principalmente a que es fácil convertirlo a otros tipos de formatos
con relativa facilidad.
6.2. CSV / GeoCSV
Un CSV (Comma-separated values) representa datos en forma de tabla. Sirve para
almacenar información alfanumérica con la posibilidad de almacenar las coordenadas y
posteriormente podemos crear una capa, como vimos en este artículo.
Cada vez más los servicios para publicar mapas en la nube admiten un CSV para crear
información espacial y representar su geometría.
La ventaja es que estos ficheros ocupan poco espacio y es fácil compartirlos.
GeoCSV es una especificación del formato de archivo tabular CSV con una extensión
opcional de geometría.
Tiene dos variantes: la opción Punto X/Y o la opción WKT.
La opción WKT es la preferida, ya que se almacena en una única columna de tipo String el
constructor, por ejemplo «POINT (-4.5454 45.2211)», lo que significa -4.5454 oeste y
45.2211 norte (longitud/latitud). Esta opción soporta los tipos de geometría Point,

50
LineString, Polygon, MultiPoint, MultiLineString, MultiPolygon e incluso
GeometryCollection y ARCos.
La opción Punto X/Y solo puede almacenar puntos.
En cualquier caso, el sistema de coordenadas por defecto es WGS84 (EPSG:4326) y la
codificación de caracteres UTF8.
Al igual que el shapefile puede tener archivos auxiliares, como CSVT, PRJ, CSVZ. Lo que
puede ser una desventaja para este nuevo formato, así como que solo almacene una capa
por archivo o que no sea apto para grandes conjuntos de datos.
Es posible abrir un GeoCSV con QGIS o con OGR, así como con aplicaciones como
LibreOffice, Excel, Kettle o Python.
Para cargar, editar o guardar GeoCSV en QGIS, es necesario utilizar el plugin Editable
GeoCSV.
6.3. DWG/DXF/DGN
El DWG es el formato de CAD (utilizado principalmente por el programa AutoCAD), para
facilitar la lectura de este tipo de archivos por parte de otros programas se utilizó un
archivo de intercambio: el DXF (Drawing eXchange File),
DGN es la competencia del formato DWG de Autodesk. DGN es el nombre que se utiliza
para formatos de archivos CAD compatibles con MicroStation de Bentley Systems.
Basta con convertir estoas archivos CAD a otro formato, como a shapefile y
georreferenciarlo para tener nuestra cartografía lista.
6.4. GML / XML
GML (Geography Markup Language) es el estándar XML de la OGC para representar
información de elementos espaciales. Su importancia radica en que a nivel informático
se constituye como una lengua franca para el manejo y trasvase de información entre los
diferentes Sistemas de Información Geográfica.
El formato de intercambio de los metadatos es XML (eXtensible Markup Language)
– lenguaje de marcas extensible.
La Resolución conjunta de la Dirección General de los Registros y del Notariado y de
la Dirección General del Catastro reguló que el intercambio de información entre el
catastro y los registros de la propiedad debe utilizar el formato GML para el intercambio
de parcelas gráficas entre ambos organismos.
Aprende a importar archivos DXF y exportarlos a a GML en nuestro curso online de QGIS.
Uno de los principales problemas de este lenguaje de marcas, es que existe la
imposibilidad de descargar un documento GML desde un servicio web (servidor) distinto
del que la aplicación web fue descargada. Este problema se denomina Cross-Domain.
6.5. GPX
GPX o GPS eXchange Format (Formato de Intercambio GPS) es un esquema XML pensado
para transferir datos GPS entre aplicaciones. Se puede usar para describir puntos
(waypoints), recorridos (tracks), y rutas (routes). Más info
6.6. GeoPackage

51
GeoPackage es un formato de archivo universal para datos espaciales vectoriales y raster.
Es abierto, basado en estándares, e independiente de plataformas o aplicaciones. Se ha
construido sobre la base de SQLite, por lo que necesitarás saber SQL para utilizar
GeoPackage en cualquier sistema operativo de escritorio o móvil.
GeoPackage se ha convertido en la alternativa al shapefile, en QGIS ya es el formato de
salida por defecto.
QGIS, ArcGIS y ArcGIS Pro soportan la lectura y escritura de GeoPackages vectoriales.
Otros programas que soportan GeoPackages son: GDAL, GeoServer, GeoTools u
OpenJUMP PLUS.
En esta entrada comparamos GeoCSV, GeoPackage y GeoJSON.
6.7. GeoJSON / TopoJSON
GeoJSON (Javascript Object Notation), es uno de los formatos GIS vectoriales basado en
JSON que es muy rápido de analizar en máquinas virtuales Javascript.
Es un formato de intercambio de datos geoespaciales basado en JSON. GeoJSON define
la gramática basada en un estándar del OGC (WKT).
Este formato apareció en 2008 y puede representar una geometría, un fenómeno o una
colección de fenómenos.
Es un formato muy popular en las aplicaciones web mapping que hace que nos
ahorremos la parte de la base de datos y el servidor. Como veíamos en la entrada cómo
crear una aplicación webmapping en cuestión de minutos sin montar una infraestructura
compleja.
Los navegadores web no impiden el intercambio de datos en formato JSON, por lo que
estos formatos son una alternativa al formato GML, y además es más ligero.
TopoJSON es una extensión de GeoJSON. Se trata de un formato muy complejo, poco
legible para el usuario, pero perfecto el trabajo con coberturas de tipo polígono puesto
que soporta topología. Mucho más ligero aun que un GeoJSON, se utiliza sobre todo en
visores web mapping construidos con d3.js. No tiene un soporte generalizado por lo que
muy pocas aplicaciones lo admiten.
6.8. GeoRSS
GeoRSS es un conjunto de estándares para representar información geográfica mediante
el uso de capas. En las GeoRSS, el contenido consiste en puntos de interés
georreferenciados y otras anotaciones y las fuentes se diseñan para generar mapas.
6.9. KML / KMZ
Aunque desarrollado para Google Earth, desde el año 2008 KML es estándar de
la OGC (Open Geospatial Consortium) también es muy popular y ha hecho que se ha
democratizado mucho. KML significa Keyhole Markup Language, y es un lenguaje de
marcado basado en XML para representar datos geográficos en tres dimensiones.
Un fichero KML especifica una característica (marcas de lugares, imágenes, polígonos,
modelos 3D, descripciones textuales, etc.) para Google Earth o cualquier otro software
que implemente KML

52
Los ficheros KML suelen distribuirse comprimidos como ficheros KMZ, que además
pueden guardar archivos de imágenes y otra información asociada.
6.10. MapBox Vector Tiles (MVT)
Es un formato binario ampliamente soportado por casi todas las aplicaciones Vector Tiles.
La especificación Mapbox Vector Tile sirve para codificar datos vectoriales teselados. Qué
son las teselas vectoriales (vector tiles) y cómo generarlos con PostGIS / GeoServer.

53
6. El modelo Raster

6.1. Que son los datos raster


En los temas anteriores hemos dado un vistazo más de cerca a los datos vectoriales.
Mientras que las entidades vectoriales utilizan geometría (puntos, polilíneas y polígonos)
para representar el mundo real, los datos ráster toman un enfoque diferente. Los ráster
se componen de una matriz de píxeles (también llamadas celdas), cada uno con un valor
que representa las condiciones de la zona cubierta por dicha celda (ver figura 6.2). En
este tema vamos a ver más de cerca los datos ráster, cuando son útiles y cuando tiene
más sentido utilizar los datos vectoriales.
En su forma más simple, una representación ráster consta de una matriz de celdas (o
píxeles - también conocidos como celdas de la cuadrícula) organizadas en filas y
columnas (o una cuadrícula) en la que cada celda contiene un valor que representa
información, como la temperatura, tipo de vegetación. Las fuentes de los datos rásteres
son fotografías aéreas digitales, imágenes de satélite, imágenes digitales o incluso mapas
escaneados.

Figura 6.2 Un conjunto de datos ráster está compuesto de filas (corriendo de un lado a
otro) y columnas (corriendo hacia abajo) de píxeles (también conocidos como celdas).
Cada píxel representa una región geográfica, y el valor en ese píxel representa alguna
característica de dicha región.
6.2. Los datos raster en profundidad

54
Los datos ráster se utilizan en una aplicación SIG cuando se desea mostrar información
que es continua a través de un área y no puede ser dividido fácilmente en entidades
vectoriales. Cuando le presentamos un dato vectorial, le mostramos la imagen (figura
6.3). Las entidades de punto, polilínea y polígono funciona bien para representar algunos
objetos espaciales en este paisaje, como árboles, carreteras, huellas de edificios. Otros
objetos espaciales de un paisaje pueden ser más difícil representarlos utilizando
entidades vectoriales. Por ejemplo, las praderas que se muestran tienen muchas
variaciones en color y densidad de cobertura. Sería bastante fácil hacer un solo polígono
alrededor de cada pradera, pero mucha de la información se perderá en el proceso de
simplificación de los objetos espaciales a un solo polígono. Esto es porque cuando se da
un valor de atributo de entidad vectorial, se aplica a toda la entidad, por lo que los
vectores no son buenos representando entidades que no son homogéneas (lo mismo) en
todo. Otro enfoque puede tomar esto para digitalizar cada variación pequeña de color de
hierba y la cubierta como un polígono separado. El problema con este enfoque es que
tomará una enorme cantidad de trabajo con el fin de crear un buen conjunto de datos
vectoriales.

Figura 6.3 Algunos objetos espaciales en un paisaje son fácilmente representados como
puntos, polilíneas y polígonos (por ejemplo, árboles, carreteras, casas). En otros casos
puede ser difícil. Por ejemplo, ¿Cómo representaría los pastizales? ¿cómo polígonos? ¿Qué
pasa con las variaciones de color que se puede ver en la hierba? Cuando estas tratando
de representar áreas grandes con valores que cambian continuamente, los datos ráster
pueden ser la mejor opción.
Utilizar datos ráster es una solución a estos problemas. Mucha gente utiliza datos como
un fondo que se utiliza detrás de capas vectoriales para proporcionar mayor significado a
información vectorial. El ojo humano es muy bueno al interpretar imágenes y es por lo
que se utiliza una imagen detrás de capas vectoriales, esto resulta en mapas con mucho
más significado. Los datos ráster no solo son buenos en imágenes que representan la
superficie del mundo real (por ejemplo, imágenes de satélite y fotografías aéreas),
también son buenos en representar ideas más abstractas. Por ejemplo, los ráster se

55
pueden utilizar para mostrar tendencias de lluvia sobre un área, o para representar
riesgos de incendio en un paisaje. En estos tipos de aplicación, cada celda representa un
valor diferente en el ráster, por ejemplo, riesgo de incendio a una escala de uno a diez.
Un ejemplo que muestra la diferencia entre una imagen obtenida de un satélite y una
que muestra valores calculados se puede ver en la figura 6.4.

Figura 6.4 Imágenes ráster de color verdadero (izquierda) son útiles ya que proporcionan
una gran cantidad de detalles que es difícil de captar como objetos espaciales vectoriales,
pero fácilmente de ver al ver la imagen ráster. Los datos ráster también también pueden
ser no fotográficos, como la capa ráster mostrada a la derecha que muestra la
temperatura mínima promedio calculada en el Cabo Occidental para el mes de marzo.
6.3. Estructuras de datos en el modelo ráster
Como sucede con el modelo vectorial, el modelo ráster permite establecer varias
estructuras de datos. Las diferencias entre ellas estriban en la manera de almacenar la
información registrada en este modelo de datos.
Estructura sin compresión. Enumeración Exhaustiva
El valor de cada una de las unidades de la rejilla se registra individualmente. Esta
estructura redunda información de manera innecesaria almacenando una gran cantidad
de información. El mismo valor numérico aparece en píxeles contiguos.

56
Figura 9. Enumeración exhaustiva
Estructuras con compresión.
En un mapa ráster es habitual que la información digital de un pixel se repita en pixeles
contiguos. Esta situación permite compactar el almacenamiento de esa información
reduciendo considerablemente el tamaño de fichero original. A continuación, se exponen
estructuras de almacenamientos que haces uso de esta técnica de compactación.
Codificación Chain Code.
Método ideado para la codificación de elementos superficiales y regiones
compactas irregulares. Las fronteras de las diferentes regiones se codifican
partiendo de un origen y una secuencia de vectores unitarios en las direcciones
cardinales. Estas direcciones se numeran (Este=0, Norte=1, Oeste=2, Sur=3) y a
continuación se recorre la región partiendo del punto origen en el sentido de las
agujas del reloj. Cada dirección (0,1,2,3) va acompañada de un superíndice que
indica el número de pixeles frontera en esa dirección.
Codificación Run-Length.
Este sistema recoge en cada fila el valor temático existente en el pixel y el número
de columnas en las que se va repitiendo. Se parte del primer pixel (columna 1) y
se indica su valor y el número total de columnas en las que se repite recorriendo
la fila hacia la derecha. A continuación, se pasa al siguiente valor, y así
sucesivamente hasta completar la fila. La compactación del método run-lenght
mejora considerablemente el almacenamiento de la información ráster,
especialmente en aquellos casos en los que el volumen total de datos suponga
una limitación del sistema. Por otro lado, se precisan realizar procesos que
descompriman la información ralentizando el tratamiento de información
cartográfica.

57
Es un método idóneo para trabajos con áreas extensas y uniformes. En cambio,
no resulta útil para la codificación de fenómenos con variaciones continuas en las
que cada pixel contiene un valor único y diferente a sus contiguos.

Figura 10. Codificación "run-length"


Estructura lineal comprimida de sentido único
La codificación “Run-Length” requiere realizar un barrido de la imagen línea a línea para
comprimir/descomprimir la información del fichero ráster. La modificación que ofrece la
compresión lineal de sentido único permite empalmar los valores finales de una línea con
la
siguiente, todo ello representado en una única línea. Cuando se produce ese caso, se
reduce considerablemente el tamaño del fichero.
Estructura lineal comprimida de doble sentido o en greca
Similar a la codificación “Run-Length” pero en este caso la imagen se barre enlazando el
final de la primera línea con el final de la segunda y se avanza hacia el inicio de ésta.
Posteriormente se enlaza con el inicio de la tercera y se avanza hacia su final para enlazar
con el final de la cuarta, y así sucesivamente. Este método no provoca saltos temáticos al
pasar de una línea a la otra ampliando la capacidad de compactación.
Ordenación N de Morton.
Se realiza un barrido de la imagen mediante la secuencia de la figura 8 aumentando la
correlación espacial entre pequeñas áreas contiguas de la imagen y haciendo mínima el
tamaño de almacenamiento. La secuencia de exploración minimiza el número de saltos y
la dota de una estructura de ordenación jerárquica. Esta ordenación es aplicable
únicamente en imágenes ráster cuadradas de tamaño N, potencia de 2.
Estructura Hilbert
En este caso la imagen se barre mediante la curva de Hilbert, cuya numeración se muestra
en la siguiente figura.

58
Codificación por Bloques
El método run-length codifica los datos en una única dimensión a nivel de fila. Esta idea
se puede extender a las dos dimensiones del ráster, fila y columna, descomponiendo la
matriz original en bloques cuadrados. La estructura de datos consta de 3 números, el
origen del
cuadrado expresado a través del par de coordenadas de uno de sus píxeles (el central o
el inferior izquierdo) y el radio del bloque cuadrado.
Árboles binarios y Quadtrees
Los métodos de compactación más efectivos para ficheros ráster con información
geográfica están basados en la sucesiva división jerárquica del espacio en 2n x2n
regiones. Si la división se realiza dividiendo el área por la mitad, se denomina árbol
binario. Si la división se realiza en cuadrantes y se observa que cada cuadrante pertenece
a la misma región, se denomina quadtree, siendo el método más utilizado.

59
Un quadtree es una estructura en árbol en el que cada nodo interior puede tener hasta
cuatro hijos (hojas según la terminología de las estructuras de datos arbóreas). Las
regiones de subdivisión del quadtree pueden ser rectangulares, o pueden tener cualquier
otra forma.
La estructura quadtree presenta ventajas respecto a otras estructuras, agiliza cálculos
sobre las zonas, ofrecen una resolución variable representando únicamente aquellos
detalles característicos de dicha resolución y permite separar zonas e incluir agujeros.
Este método es variante en la traslación siendo un problema característico de estas
estructuras, es decir, dos áreas con la misma forma y el mismo tamaño pueden tener
árboles quadtree diferentes haciendo. Este inconveniente provoca que análisis de forma
y correlaciones de patrones sean
procesos irreversibles, especialmente en áreas que presentas continuos cambios en el
tiempo.

6.3. Georreferenciación
Georeferenciar es el proceso de definir exactamente dónde en la superficie de la tierra
fue creada una imagen o conjunto de datos ráster. Esta información de posición se
almacena con la versión digital de la foto aérea. Cuando la aplicación GIS abre la
fotografía, utiliza la información de posición para asegurar que aparezca en el lugar
correcto en el mapa. Normalmente esta información consiste de una coordenada del
píxel superior izquierdo de la imagen, el tamaño de cada píxel en la dirección X, el tamaño
de cada píxel en la dirección Y, y la cantidad (si hay alguno) para girar la imagen. Con esta
información, la aplicación SIG puede asegurar que estos datos ráster se mostraran en el
lugar correcto. La información georeferenciada de un ráster se proporciona a menudo en
un archivo de texto pequeño acompañando al ráster.
6.4. Fuentes de datos raster

60
Los datos ráster se pueden obtener de varias formas. Dos de las formas más comunes
son la fotografía aérea e imagen de satélite. En la fotografía aérea, un avión vuela sobre
el sobre el área con una cámara montada debajo de ella. Las fotografías son importadas
a una computadora y georeferenciadas. La imagen de satélite se crea cuando los satélites
que orbitan un punto de la tierra, cámaras digitales especiales dirigidos a la tierra toman
una imagen del área de la tierra por donde están pasando. Una vez que la imagen ha sido
tomada se envía de nuevo a la tierra utilizando señales de radio a las estaciones
receptoras especiales como el que se muestra en la figura 6.5. El proceso de captura de
datos un avión o un satélite se llama teledetección.

Figura 6.5 El CSIR Centro de Aplicaciones Satelitales en Hartebeeshoek cerca de


Johannesburgo. Satélites de pista de antenas especiales, ya que pasan por encima y
descargar imágenes utilizando ondas de radio.
En otros casos, los datos ráster pueden ser calculados. Por ejemplo, una compañía de
seguros puede tomar los informes de incidentes de crímenes de la policía y crear un mapa
ráster amplio del país mostrando que tan alto es la probabilidad de incidencia criminal en
el área. Los meteorólogos (gente que estudian los patrones del clima) podría generar un
ráster a nivel provincia que muestre el promedio de temperatura, lluvia y dirección del
viento utilizando datos recogidos de estaciones meteorológicas. En estos casos, a
menudo se utilizan técnicas de análisis ráster como interpolación (que describimos en el
tema Análisis Espacial (Interpolación)).
A veces los datos ráster se crean a partir de datos vectoriales, porque los propietarios de
los datos quieren compartir los datos en un formato fácil de usar. Por ejemplo, una
empresa con carretera, ferrocarril, datos catastrales y otros conjuntos de datos
vectoriales puede optar por generar una versión ráster de estos conjuntos de datos para
que los empleados puedan verlos en un navegador web. Esto normalmente sólo es útil si
los atributos, que los usuarios deben estar conscientes de, pueden ser representados en
el mapa con etiquetas o simbología. Si el usuario tiene que ver la tabla de atributos de los
datos, proporcionando en formato ráster podría ser una mala elección porque las capas
ráster no suelen tener ningún dato de atributos asociados a ellos.
6.5. Resolución Espacial
Toda capa ráster en un SIG tiene píxeles (celdas) de un tamaño fijo que determina su
resolución espacial. Esto se hace evidente cuando nos fijamos en una imagen a pequeña
escala (ver figura 6.6) y luego acercarse a una gran escala (ver figura 6.7).

61
Figura 6.7. Cuando se ve en una escala grande, se pueden observar los píxeles individuales
de los que se compone la imagen.
Varios factores determinan la resolución espacial de una imagen. Para los datos de
teledetección, la resolución espacial es generalmente determinada por las capacidades
del sensor utilizado para tomar una imagen. Por ejemplo, los satélites SPOT5 pueden
tomar imágenes donde cada píxel es de 10 m x 10 m. Otros satélites, por ejemplo, MODIS
toma imágenes solo en 500 m x 500 m por píxel. En fotografía aérea, el tamaño del píxel
de 50 cm x 50 cm no son comunes. La imagen con un tamaño de píxel que cubre un área
pequeña se denominan imágenes de “alta resolución” ya que es posible distinguir un alto
grado de detalle en la imagen. Las imágenes con un tamaño de píxel que cubre una gran
área se denomina imágenes de “baja resolución” debido a que la cantidad de detalle que
muestra la imagen es baja.
En los datos ráster que se calculan por análisis espacial (como el mapa de precipitaciones
que mencionamos anteriormente), la densidad espacial de la información utilizada para
crear el ráster por lo general determinará la resolución espacial. Por ejemplo, si desea
crear un mapa de precipitación promedio de alta resolución, que idealmente necesitaría
muchas estaciones meteorológicas cercanas entre sí.
Una de las cosas principales que debe conocer con rásteres capturados en una alta
resolución espacial son los requisitos de almacenamiento. Piense en una ráster que es de
3 x 3 píxeles, cada uno de los cuales contiene un número que representa la precipitación
promedio. Para almacenar toda la información contenida en el ráster, tendrá que
almacenar 9 números en la memoria de la computadora. Ahora imagine que usted desea
tener una capa ráster para toda Sudáfrica con píxeles de 1 km x 1 km. Sudáfrica tiene
alrededor de 1.219.090 km 2. Lo que significa que el equipo tendría que almacenar más
de un millón de números en su disco duro con el fin de contener toda la información.
Hacer que el tamaño de píxel sea más pequeño aumentaría en gran medida la cantidad
de almacenamiento necesario.
A veces usar una resolución espacial baja es útil cuando se desea trabajar con un área
grande y no está interesado en ver cualquier área a un mayor detalle. Los mapas de nube
que vemos en el reporte de clima, son un ejemplo de esto. En útil para ver las nubes que
cruzar todo el país.

62
Por otra parte, utilizar datos raster de baja resolución puede resultar problemático si
estamos interesados en un área pequeña puesto que probablemente no podamos
discernir los objetos individuales en la imagen.
6.6. Resolución espectral
La resolución espectral indica el número y ancho de las bandas en las que el sensor puede
captar radiación electromagnética. En principio, cuantas más bandas incluya un sensor
mejor, ya que cada banda constituye una variable para caracterizar la superficie captada.
Por otro lado, es preferible que estas bandas sean estrechas para que su poder
discriminante se incremente. Si las bandas son muy anchas van a recoger valores
promediados que ocultarán elementos de diferenciación. Por ejemplo, resulta mucho
más valioso contar con 3 bandas (rojo, verde y azul) en el visible que con una sola banda.
El número de bandas y su localización en el espectro va a depender de los objetivos que
se pretendan cubrir con la puesta en funcionamiento del sensor.
Si toma una fotografía a color con una cámara digital o una de teléfono celular, la cámara
utiliza sensores electrónicos para detectar la luz roja, verde y azul. Al mostrar la imagen
en una pantalla o impresa. La información del el rojo, verde y azul (RGB) es combinada
para mostrarse en una imagen que los ojos pueden interpretar. Mientras la información
aun esta en formato digital, esta información RGB se almacena en bandas separadas de
color.
Mientras que nuestros ojos sólo pueden ver longitudes de onda RGB, los sensores
electrónicos en las cámaras son capaces de detectar longitudes de onda que nuestros
ojos no pueden. Por supuesto, en una cámara de mano que probablemente no tiene
sentido registrar la información de las partes no visibles del espectro ya que la mayoría
de la gente sólo quiere mirar fotos de su perro o lo que sea. Las imágenes ráster que
incluyen datos de las partes no visibles del espectro de la luz se hace referencia a menudo
a las imágenes como multiespectrales. En el registro GIS de las partes no visibles del
espectro puede ser muy útil. Por ejemplo, la medición de la luz infrarroja puede ser útil
en la identificación de los cuerpos de agua.
Debido a que se tienen imágenes que contienen múltiples bandas de luz es útil un SIG,
los datos ráster se proporcionan a menudo como imágenes multibanda. Cada banda en
la imagen es como una capa separada. El SIG combinará tres de las bandas y los mostrará
como rojo, verde y azul para que el ojo humano pueda verlos. El número de bandas en
una imagen ráster se conoce como resolución espectral.
Por ejemplo, SPOT tiene una resolución espectral de 3, Landsat de 7, Sentinel2 de 12,
Aster de 14 y MODIS de 36. Por lo tanto, MODIS tiene mejor resolución espectral que
Aster, Sentinel2, Landsat y spot. Los nuevos sensores, llamados también espectrómetros
o hiperespectrales llegan a tener hasta 256 canales con un ancho de banda muy estrecho
(unos pocos nm) para poder separar de forma precisa distintos objetos por su
comportamiento espectral.

63
Si una imagen consiste de una sola banda, que a menudo se llama una imagen escala de
grises. Con imágenes a escala de grises, puede aplicar falso color para hacer las
diferencias en valores en los píxeles más obvios. Las imágenes con falso color aplicado a
menudo se conocen como imágenes pseudocolor.
6.7. Resolución radiométrica
La resolución radiométrica indica la sensibilidad del sensor, es decir la capacidad de
discriminar entre pequeñas variaciones en la radiación que capta. Suele expresarse
mediante el número de bits necesarios que se precisan para almacenar cada píxel.
El número de niveles de digitales se expresa comúnmente en términos de dígitos binarios
(bits) necesarios para almacenar el valor en cada pixel.
Un bit es la unidad fundamental de un sistema binario pudiendo poseer sólo los valores
1y 0. Usando un arreglo de bits puede representarse un número cualquiera dentro de los
límites de “longitud de palabra” de la computadora. Para lograr una imagen de pantalla
con variaciones de brillo prácticamente continuas desde el punto de vista visual se
necesitan 5 o 6 bits por píxel.
El número de valores que pueden ser representados por una serie dígitos es xn , donde x
es el número de valores que cada dígito puede representar y n es el número de dígitos
usados. En una base binaria el número de valores será 2n . Por ejemplo, para 5 bits
tendremos 32 valores, para 8 bits 256 valores, para 11 bits 2048, etc. En el caso del
Landsat y el HRVI se tienen 8 bits, es decir, la escala de grises se extiende de 0 a 255,
totalizando 256 valores.

64
6.8. Resolución temporal
La resolución temporal indica el tiempo del paso del satélite sobre la vertical de un punto.
Con ello se determina la periodicidad de adquisición de imágenes de una misma zona,
por ejemplo, el Landsat 7 puede ver la misma área de la superficie terrestre cada 16 días,
El sensor Meteosat tiene una resolución de 30 minutos, por lo tanto, este tiene mejor
resolución temporal que Landsat 7. La resolución temporal está condicionada por el tipo
de órbita, el ángulo de barrido y la velocidad del satélite.

6.9. Conversión de raster a vectorial


En nuestra discusión de datos vectoriales, explicamos que a menudo los datos ráster se
utilizan como una imagen de fondo, que luego se utilizada como una base desde la cual
se pueden digitalizar objetos espaciales.
Otro enfoque es el uso de programas informáticos avanzados para extraer
automáticamente objetos espaciales vectoriales a partir de imágenes. Algunos objetos,
como carreteras muestran en una imagen como un repentino cambio de color en los
píxeles vecinos. El programa de ordenador busca tales cambios de color y crea objetos
vectoriales como resultado. Este tipo de funcionalidad está normalmente disponible sólo
en software SIG muy especializado (y muchas veces caro).

65
6.10. Conversión de vectorial a raster
Una de las maneras más usuales de obtener una imagen raster es mediante la operación
de rasterizar (convertir a formato raster) una información existente en formato vectorial.
La operación de digitalizar un mapa analógico en formato vectorial consiste en captar,
normalmente mediante una tableta digitalizadora, las coordenadas de los objetos
geográficos del mapa (puntos, líneas y polígonos), estableciendo un valor temático
diferenciado para cada uno de los elementos. Así, la digitalización de las curvas de nivel
de un mapa topográfico se realizaría al recoger, individualmente, la información de cada
una de las líneas de igual altitud, mediante un número de puntos lo suficientemente
elevado como para que la línea poligonal quebrada resultante se asemeje al de la curva
real, asignando, posteriormente, a este elemento cartográfico, el valor de la altitud.
De idéntica forma, digitalizaríamos un mapa de superficies, como el mapa litológico,
extrayendo, de cada uno de los polígonos homogéneos existentes en el territorio, su
forma (por las coordenadas de la superficie cerrada del polígono) y su valor temático
(categoría del tipo de sustrato litológico del mapa).
La operación de rasterización conlleva dos fases diferenciadas.
La primera fase, consiste en preparar una retícula vacía, donde pueda integrase el
territorio a representar, para poder recoger el resultado de la intersección de la
información en formato vectorial, georreferenciada por las coordenadas, y la
retícula raster. Para que esta operación pueda realizarse de manera correcta, se
debe, en primer lugar, organizar los ejes de coordenadas vectoriales y la rejilla
raster de manera semejante, de forma que el origen de coordenadas del sistema
vectorial coincida con el origen de coordenadas del sistema raster (arriba y a la
izquierda).
La segunda fase consistiría en verter la información vectorial sobre la rejilla,
transformando el resultado de un formato a otro. Así, los puntos se
transformarían en celdas individuales, las líneas abiertas en una sucesión de
píxeles, unidos por los lados o los vértices, y, finalmente, los polígonos en zonas o
sucesión de celdas contiguas, con el mismo valor temático en cada una de ellas.
La digitalización raster automática
el barredor óptico El barredor óptico o escaner permite obtener, fácilmente, una imagen
digital a partir de un mapa analógico. La operación se realiza mediante un dispositivo que
envía un haz de luz sobre el mapa a escanear, registrando sobre un sensor la intensidad
de la luz reflejada e, incluso, en algunos casos, su color. El formato de medida utilizado
permite, precisamente, recoger la información por celdillas, con objeto de deducir las
características del territorio relativo al mapa por las propiedades de la luz reflejada.
El barredor óptico o escáner puede trabajar con una elevada resolución. En cada caso, el
usuario del mismo debe seleccionar un tamaño de celda lo suficientemente pequeño,
como para reproducir los detalles del mapa, y lo suficientemente grande para no
almacenar la información en ficheros que consuman una memoria excesiva.
En general, la mayoría de los mapas originales no son excesivamente apropiados para la
lectura directa de la información que se desea, al mezclar variables de contenido muy
dispar con la propia toponimia. Esta circunstancia obliga, o aconseja, al menos, a

66
seleccionar la información de interés en un mapa derivado, con objeto de proceder, a su
escaneado específico.
6.11. Análisis raster
Los procedimientos de análisis, existentes en los SIG raster, aparecen condicionados por
la peculiar estructura de su modelo de organización de la información. La especial
conexión de las componentes temática y espacial es la causa de que, en las operaciones
a realizar en este tipo de modelos, se analicen los datos de acuerdo a su representación
espacial. Debemos tener muy presente que cada variable está constituida por una capa
individual, donde la expresión de su valor temático está ligada a la posición de cada celda
o píxel.
Hay un gran número de herramientas analíticas que se pueden ejecutar en los datos
ráster que no se pueden utilizar con datos vectoriales. Por ejemplo, rásters que pueden
utilizarse para modelar el flujo de agua sobre la superficie de la tierra. Esta información
puede ser usada para calcular donde existen cuencas y redes de transmisión, basado en
el terreno.
Los datos ráster también se utilizan a menudo en la agricultura y la silvicultura para
gestionar la producción de cultivos. Por ejemplo, con una imagen de satélite de las tierras
de un granjero, se puede identificar áreas donde las plantas están creciendo mal y luego
usar esa información para aplicar más fertilizante sólo en las zonas afectadas. Los
silvicultores utilizan datos ráster para estimar la cantidad de madera que puede ser
recolectada de una zona.
Los datos ráster también son muy importantes para la gestión de desastres. El análisis del
Modelo Digital de Elevación (un tipo de ráster donde cada píxel contiene la altura sobre
el nivel del mar) entonces se puede utilizar para identificar las áreas que son susceptibles
a inundación. Esto puede ser utilizado para dirigir esfuerzos de rescate y socorro a las
áreas donde más se necesita.
6.12. Tipos de funciones raster
Acorde a esta manera de funcionar, podemos diferenciar un conjunto de procedimientos
analíticos, agrupados por la similitud del método de examen y tratamiento de los datos.
Cuatro son los tipos principales de funciones que podemos definir, agrupadas según la
forma en que toman la información necesaria para su cálculo de entre la contenida en
todas las celdas de las capas de origen.
Local. El valor en cada celda de la capa resultante es función únicamente de los
valores en esa misma celda en las capas de partida.
Focal. El valor en cada celda de la capa resultante es función del valor en dicha
celda y en las situadas en un entorno definido alrededor de la misma.
Zonal o regional. El valor en cada celda de la capa resultante es función del valor
de todas las celdas conectadas a esta que presentan un mismo valor para una de
las capas de entrada (pertenecen a la misma clase que esta).
Global. El valor resultante de la función es obtenido a partir de todas las celdas de
la capa.
Funciones locales

67
Las operaciones locales son aquellas que se realizan, considerando, aisladamente, cada
píxel, sin tener en cuenta la posición espacial que ocupan unas celdas respecto de las
otras (Figura 44).
Desde este punto de vista, este tipo de operaciones no tienen en cuenta relaciones entre
unas posiciones y otras, por lo cual no tienen carácter espacial, salvo en lo que se refiere
a la distribución de los distintos valores de la variable temática.

Figura 44. Las funciones de análisis local analizan los valores de una celda concreta en
una serie de capas para obtener el valor resultante. En rojo, celdas de partida
analizadas. En verde, celda que recoge el resultado.
Se pueden diferenciar dos tipos de operaciones: las que se realizan a partir de una única
imagen para obtener otra nueva (reclasificación) y las que a partir de dos o más imágenes
se obtiene una tercera (superposición).
Una función de tipo local con una única capa de partida, por ejemplo, es el cambio de
unidades, ya que cada uno de los valores expresados en las unidades de destino solo
depende del valor expresado en las unidades de origen en cada propia celda. Si una capa
conteniendo elevaciones expresadas en metros la multiplicamos por 100, obtenemos una
nueva capa con valores de elevación en centímetros, habiendo aplicado una función local
para realizar la conversión.
Dentro de las funciones locales sobre una única capa, podemos considerar como un caso
particular la generación de nuevas capas por reclasificación (Santos s.f.).
Las operaciones de reclasificación, transforman los valores de una capa o fichero de
información en una nueva imagen:
 recodificando los valores o categorías existentes,

68
 concentrando las categorías presentes en un número más reducido (variables
cualitativas),

 agrupando los valores existentes en intervalos (variables cuantitativas),

 modificando los valores de las celdas por la operación algebraica de una constante
o la aplicación de una función determinada (trigonométrica, etc.).
Cuando las funciones locales se aplican a varias capas, la forma de combinar estas es muy
variable. Junto a las operaciones que ya hemos visto, podemos utilizar algunas otras, y de
modos igualmente variados. El conjunto de ellas lo dividimos en los siguientes grupos:
 Operadores aritméticos. Puede tratarse de operaciones sencillas como la
multiplicación por 100 de una capa de altitudes en metros para obtener una capa
de altitudes en centímetros o la suma de 12 capas de precipitación mensual para
obtener una capa de precipitación anual. También para formar expresiones con
las distintas capas con ecuaciones con tantas variables y capas se utilicen.

69
Combinación de dos capas categóricas para crear una nueva clasificación que une
ambas.

 Operadores lógicos. Pueden tomarse los valores de las capas como valores
booleanos (1 o 0, verdadero o falso), o aplicar expresiones lógicas de
tipo pertenece al conjunto u operadores de comparación, entre otros.

 Parámetros estadísticos. Calculan un estadístico (media, desviación típica,


mínimo, máximo, etc.) a partir de los valores de todas las celdillas que forman la
vecindad y lo adjudican a la celdilla central en la capa de salida. Por ejemplo, se
puede establecer un índice de diversidad del paisaje que sería el número de usos
del suelo diferentes en las 25 (5x5) celdillas más próximas a una celdilla dada.

Funciones focales
Las funciones de análisis focal operan sobre una sola capa de datos, asignando a cada
celda un valor que deriva de su valor en la capa de partida, así como de los valores de las
situadas en un entorno inmediato de esta (Figura19). La función focal queda así definida
por las dimensiones y forma del entorno a considerar, así como por la función a aplicar
sobre los valores recogidos en este.

70
Figura 19. Las funciones de análisis focal analizan los valores de una celda y las situadas
en un entorno de esta para obtener el valor resultante. En rojo, celdas de partida
analizadas. En verde, celda que recoge el resultado.
A diferencia de las funciones locales, las focales no se aplican sobre varias capas, ya que
la información necesaria se extrae de la vecindad de cada celda, dentro de la propia capa
de partida.
Las funciones focales más habituales emplean un entorno cuadrado 3×3 centrado en la
celda, que se va desplazando por la capa de tal modo que todas las celdas van siendo
designadas como celdas centrales, y un nuevo valor es calculado para ellas. Este entorno
de celdas a considerar se denomina frecuentemente ventana de análisis.
Con respecto al tamaño de la ventana de análisis, debe mencionarse que la utilización de
uno u otro tiene dos consecuencias directas: por un lado, el proceso es más costoso en
términos de tiempo a medida que aumentamos la ventana, ya que el número de celdas
a analizar es mayor. Por otro, el resultado puede diferir notablemente, y es necesario
tener en cuenta el significado del parámetro a calcular para establecer unas dimensiones
correctas, dimensiones en unidades reales, no en número de celdas, de la ventana. La
figura 23 muestra cómo el efecto de un filtro de media, el cual produce un desenfoque
de la imagen, se hace más patente a medida que empleamos ventanas de análisis
mayores.

71
Figura 23. Resultados de un filtro de mediana sobre una imagen para distintos tamaños
de ventana. a) 5×5, b) 10×10 c) 20×20
Funciones zonales o regionales
Las funciones de análisis zonal asocian a cada celda valores relativos no a dicha celda ni a
un entorno fijo de esta, sino a la clase a la que dicha celda pertenece (Figura 2525). Se
necesita, por tanto, una capa de apoyo que contenga la pertenencia de cada celda a una
u otra clase, ya que la utilización de una celda en el análisis no se establece por posición,
como en los casos anteriores, sino por valor. Esta capa es de tipo discreto y representa
una teselación del territorio en un número definido de clases.

Figura 25. Las funciones de análisis zonal analizan los valores de todas las celdas
asociadas a una misma clase cada para obtener el valor resultante. En rojo, celdas de
partida analizadas. En verde, celda que recoge el resultado.
Lo habitual es emplear esta capa de clases en conjunción con otra, ya sea de valores
continuos o discretos, y extraer de esta segunda los valores a utilizar para definir el valor
representativo de cada clase.
La definición del conjunto de celdas relacionadas con una dada puede realizarse de dos
formas distintas (Figura 26):

72
Todas las celdas con el mismo valor que la celda problema, conectadas por contigüidad
con esta.
Todas las celdas con el mismo valor que la celda problema presentes en la capa, con
independencia de su conexión.

Figura 26. Formas de definir las clases para el análisis zonal. En verde, celda de análisis.
En rojo, celdas a considerar en su misma clase para ser empleadas en el cálculo. a)
asignación por valor con contigüidad, b) asignación únicamente por valor.

En el caso de las pérdidas por subcuencas, calculábamos con los valores del conjunto de
celdas pertenecientes a cada clase su media aritmética, pero pueden aplicarse
igualmente diversos descriptores estadísticos o funciones más complejas, al igual que ya
vimos en los otros tipos de funciones.
Los valores a asignar a cada clase pueden extraerse también de la propia capa de clases,
no siendo necesaria otra capa. En este caso, estos valores resultantes suelen tener
relación no con un parámetro adicional, sino con la geometría de cada clase. Por ejemplo,
la superficie o el perímetro de cada tesela pueden recogerse como valores asociados a
esta.
Este es un tipo análisis muy frecuente en el estudio del paisaje, y el número de
parámetros que pueden obtenerse por análisis zonal a partir de una única capa de clases
es muy elevado. Junto a parámetros sencillos como la citada superficie o el perímetro,
otros parámetros más complejos pueden servir para recoger la configuración estructural
de las teselas, su riqueza y variabilidad, la fragmentación, etc.
Funciones globales
Las funciones globales son aquellas que utilizan la totalidad de valores de la capa para la
obtención del resultado. Por su forma de operar, no generan exclusivamente nuevas
capas como las anteriores funciones, sino tanto valores concretos como objetos
geográficos de diversa índole.

73
Las funciones de análisis global analizan el conjunto de valores de una capa para obtener
un valor resultante, que puede ser tanto un objeto geográfico (capa ráster o vectorial)
como un valor escalar sencillo, una tabla u otro tipo de resultado.
Este tipo de funciones se basan en el concepto de distancia.
 Operador distancia euclidiana, permite calcular para todas las celdillas su distancia
a una serie de entidades en una capa raster.
 Operador distancia ponderada, permite introducir el concepto de fricción que es
el coste de atravesar cada celdilla. Si por ejemplo tratamos de determinar el
camino más corto a pie hacia un yacimiento en mitad de una sierra, debería
tenerse en cuenta la mayor o menor facilidad para atravesar las diferentes
celdillas (debido a la pendiente, vegetación, presencia de caminos, etc.)
 Operador entidad más cercana, complementario de los anteriores ya que indica,
para cada celdilla, cual es la entidad más cercana. Resulta de utilidad para resolver
problemas de distribución de servicios (hospitales, colegios, etc.).
La utilización del operador extendido línea de flujo sobre capas que representen
distancias o distancias ponderadas permite determinar la distancia más corta entre dos
puntos teniendo en cuenta los diferentes factores que influyen en el coste de atravesar
una celdilla.
6.13. Fortalezas y debilidades del modelo raster
Fortalezas
 Estructura de datos simple: matriz de celdas con valores que representan una
coordenada y que, en ocasiones, se encuentra vinculada a una tabla de atributos
 Las operaciones de superposición de mapas se implementan de forma más rápida
y eficiente en un conjunto de datos complejos.
 Formato potente para análisis espacial y estadístico avanzado
 Capacidad de representar superficies continuas y llevar a cabo análisis de
superficie
 Capacidad de almacenar puntos, líneas, polígonos y superficies de manera
uniforme.
 Cuando la variación espacial de los datos es muy alta el formato raster es una
forma más eficiente de representación.

74
 El formato raster es requerido para un eficiente tratamiento y realce de las
imágenes digitales.

Debilidades
 La estructura de datos raster es menos compacta. Las técnicas de compresión de
datos pueden superar frecuentemente este problema.
 Ciertas relaciones topológicas son más difíciles de representar.
 podrían producirse imprecisiones espaciales debido a los límites impuestos por
las dimensiones de celda del ráster.
 Los archivos ráster son potencialmente de gran tamaño. La resolución aumenta a
medida que disminuye el tamaño de la celda. Sin embargo, el costo también
aumenta en el espacio en disco y en las velocidades de procesamiento. Para un
área determinada, el cambio de celdas a la mitad del tamaño actual requerirá
cuatro veces más espacio de almacenamiento, dependiendo del tipo de datos y
las técnicas de almacenamiento utilizadas.
 Además, se producirá una pérdida de precisión que ocasionará una
restructuración de datos a un límite de celda ráster con espacios regulares.
 La salida de gráficos resulta menos estética, ya que los límites entre zonas tienden
a presentar la apariencia de bloques en comparación con las líneas suavizadas de
los mapas dibujados a mano. Esto puede solucionarse utilizando un número muy
elevado de celdas más pequeñas, pero entonces pueden resultar ficheros
inaceptablemente grandes.

6.14. Los formatos GIS ráster más populares


a) Esri Grid
Un Esri grid es un formato GIS ráster de almacenamiento de datos raster nativo de ESRI.
Hay dos tipos de grids: enteros y puntos flotantes. Utilizamos grids de tipo entero para
representar datos discretos y grids de punto flotante para representar datos
continuos. Los datos de elevación son un ejemplo de un grid de punto flotante.
Los atributos para grid de tipo integer se almacenan en un valor de la tabla de atributos
(VAT). Un VAT tiene un registro por cada valor único en la malla. Los registros almacenan
un único valor y el número de celdas (COUNT) está representa por ese valor.
Un Esri grid a su vez tiene dos formatos:
 Un formato propietario binario, también conocido como ARC/INFO GRID, ARC
GRID y otras variaciones. Con extensión *.adf.
 Un formato ASCII no propietario, también conocido como ARC/INFO ASCII GRID.
Estos formatos fueron introducidos por ARC/INFO. El formato binario es ampliamente
utilizado dentro de los programas de Esri, como ArcGIS, mientras que el formato ASCII es
usado como un formato de intercambio y exportación, debido a lo sencillo y fácil de
compartir que es la estructura del archivo ASCII.

75
b) GeoTIFF
El GeoTIFF se ha convertido en un archivo de imagen estándar en la industria de los SIG
y en las aplicaciones de teledetección. Casi todos los SIG y programas de procesamiento
de imágenes tienen compatibilidad con GeoTIFF.
Un GeoTIFF puede ir acompañado de otros archivos:
 TFW es el archivo de mundo que es requerido para dar geolocalización al raster.
 XML contiene los metadatos. Es opcional.
 AUX en este archivo se almacenan las proyecciones y otra información.
En origen el formato GeoTIFF fue diseñado en el Jet Propulsion Laboratory (Laboratorio
de Propulsión a Reacción) de la NASA.
Cloud Optimized GeoTIFF
El formato GeoTIFF optimizado para la nube es un formato de imágenes para el
procesamiento geoespacial nativo en la nubeJ.
Un Cloud Optimized GeoTIFF (COG) es un archivo GeoTIFF regular, destinado a
hospedarse en un servidor de archivos HTTP, con una organización interna que permite
flujos de trabajo más eficientes en la nube. Para ello, aprovecha la capacidad de los
clientes que emiten solicitudes de alcance HTTP GET para solicitar solo las partes de un
archivo que necesitan.
c) JPEG 2000
JPEG 2000 es un estándar de compresión y codificación digital de imágenes. Fue creado
en el año 2000 con la intención de sustituir el formato original creado en 1992. JPEG 2000
puede trabajar con niveles de compresión mayores que los de JPEG sin incurrir en
generación de bloques uniformes y aspecto borroso.
La extensión de los archivos en formato JPEG 2000 es .jp2.
El Open Geospatial Consortium (OGC) ha definido unos meatadatos para la
georreferenciación de las imágenes JPEG 2000 que incorporan XML utilizando GML. El
archivo GML en formato JPEG 2000 para la codificación geográfica de imágenes es
GMLJP2. JP2 y JPX son archivos que contienen GMLJP2 por lo que se pueden localizar y
mostrar en la posición correcta de la superficie de la tierra con un SIG.
JPEG 2000 es una opción óptima para imágenes de fondo debido a la compresión sin
pérdida de calidad. JPEG 2000 puede alcanzar una relación de compresión de 20:1, similar
al formato MrSID.
Los formatos de archivos ráster de compresión de ondículas, como JPEG 2000, ECW y
MrSID, suelen tener pirámides de imágenes internas para mejorar su rendimiento y
acelerar su visualización.
d) MrSID
MrSID son las siglas de Multi-resolution Seamless Image Database. Patentando,
desarrollado y comercializado en la actualidad por la empresa LizardTech, el
formato MrSID es un estándar abierto de compresión de imágenes raster.

76
La ratio de compresión es aproximadamente 22:1, dependiendo del contenido de la
imagen y de la profundidad de color.
Es un formato ráster ampliamente utilizado al permitir el manejo de imágenes
masivas extremadamente grandes (imágenes de satélite, ortofotos, etc.) y permitir una
rápida visualización sin apenas redundar en su calidad.
Las imágenes MrSID tienen una extensión SID y son acompañados por un archivo de
mundo con la extensión SDW.
e) ECW
El formato ECW (Enhanced Compression Wavelet) es un formato de archivo propietario
para almacenar datos raster, que presenta unos ratios muy altos de compresión, desde
10:1 hasta de 50:1, mediante el uso de técnicas de ondículas.
Como consecuencia de esto se reduce considerablemente el tamaño de los archivos,
manteniendo una alta calidad gráfica y permitiendo un rápida compresión y
descompresión mediante un uso escaso de memoria RAM.
Este formato GIS ráster (*.ecw) es ampliamente utilizado en SIG y teledetección dado
que, además de sus ventajas de compresión y rapidez de carga, preserva la
georreferenciación de la imagen mediante un archivo de cabecera con extensión .ers.
El formato ECW fue desarrollado por ER Mapper, y ahora es propiedad de Intergraph,
parte de Hexagon Geospatial.
GDAL soporta la lectura y escritura de archivos ECW utilizando ERDAS ECW/JP2
SDK desarrollado por Hexagon Geospatial.
f) ASCII
ASCII utiliza un conjunto de números entre 0 y 255 para el almacenamiento y
procesamiento de la información.
En su forma nativa, los archivos de texto ASCII almacenan datos raster en un formato
delimitado: coma, espacio o formato delimitado por tabuladores. Para pasar de datos no
espaciales a datos espaciales, podemos ejecutar una herramienta de conversión como
ASCII to ráster.
g) ERDAS IMAGINE (IMG)
El formato GIS ráster ERDAS_IMG es un formato propietario para almacenar datos raster,
parcialmente documentado para multicapa imágenes raster georreferenciados
desarrollados originalmente para su uso con ERDAS IMAGINE software.
Este formato se utiliza ampliamente para el tratamiento de los datos de teledetección,
ya que proporciona un marco para la integración de datos de los sensores y las imágenes
de muchas fuentes.
La extensión de estos archivos es .img
h) GeoPackage
GeoPackage es un formato de archivo universal para almacenar datos espaciales
vectoriales y raster.

77
Es abierto, basado en estándares, e independiente de plataformas o aplicaciones. Se ha
construido sobre la base de SQLite, por lo que necesitarás saber SQL para utilizar
GeoPackage en cualquier sistema operativo de escritorio o móvil.
GeoPackage es la alternativa moderna a formatos como GeoTIFF.
QGIS, ArcGIS y ArcGIS Pro soportan la lectura de GeoPackages vectoriales.
i) MBTiles
Los mapas web basados en teselas se componen de millones de ellas. Imagina cargar
todas esas teselas, sería ineficiente y lento. Ahí es donde entra MBTiles. La
especificación MBTiles fue creada por MapBox y es un formato eficiente para almacenar
millones de teselas en una única base de datos SQLite.
SQLite es ideal para servir teselas en la web o para mostrar directamente en dispositivos
móviles porque se utiliza en muchas plataformas. Con SQLite, cada base de datos es
autónoma y representada como un único archivo .sqlite. No se requiere ninguna
configuración externa. Podemos copiar un archivo .sqlite desde el escritorio a un
dispositivo móvil y tener todas las filas, tablas e índices listas para su uso. Es una solución
portátil de un solo archivo para almacenar y servir mapas web.
MBTiles aprovecha las utilidades que se encuentran en SQLite para resolver problemas
como imágenes duplicadas. Los mapas que cubren grandes áreas de color sólido (como
océano o tierra vacía), pueden contener miles de azulejos duplicados y redundantes.
En lugar de cargar todas esas teselas iguales, MBTiles puede referenciar las coordenadas
del mosaico a imágenes sin procesar. Miles de coordenadas de teselas pueden
emparejarse a la misma imagen cruda reduciendo drásticamente el tamaño de archivo
requerido para servir un mapa de múltiples niveles de zoom.
Además de estos formatos que son los más utilizados hay una gran cantidad de otros
formatos que han desarrollados otras instituciones que se aplican en software más
específicos.

78

También podría gustarte