UNIVERSIDAD DE EL SALVADOR

FACULTAD DE CIENCIAS AGRONOMICAS

ESCUELA DE POSGRADO Y EDUCACIÓN CONTINUA

DIPLOMADO EN SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y TELEDETECCIÓN

MODULO I
INTRODUCCIÓN A LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA

Darío Chávez
dario.chavez@ues.edu.sv
Mayo de 2022
Introducción

Un mapa es una representación del mundo real. Las personas usan mapas para comunicar
información sobre el mundo, como las características de la tierra, a una audiencia. Las
funciones se generalizan y se muestran mediante símbolos, que representan las funciones
de una manera que los lectores pueden interpretar. Por lo tanto, los símbolos del mapa
son importantes independientemente del lector, el medio del mapa o la escala del mapa.

Objetivos
Comprender los principios básicos de la simbología de mapas.
Aplicar los principios de la simbología del mapa a las características del mapa.
¿Cómo se simbolizan los datos del mapa?
Datos cualitativos versus datos cuantitativos

La creación de símbolos para representar los datos de su mapa es importante

porque los símbolos ayudan a sus lectores a interpretar el mapa.

Después de decidir el público objetivo y previsto de su mapa, identificará los

datos que visualizará. Primero, debe determinar si necesitará datos cualitativos o
cuantitativos. Cualquiera de los dos tipos se puede mostrar con símbolos
vectoriales (punto, línea, polígono) o de trama (ráster); sin embargo, cada tipo de
datos tiene diferentes reglas, clasificaciones y convenciones.
Datos cualitativos

Los datos cualitativos explican la

categoría o el tipo de características
o fenómenos. No se puede medir;
proporciona información sobre las
cualidades de esa categoría o tipo.
Los ejemplos de datos cualitativos
incluyen tipos de cultivos (maíz,
trigo, etc.) y categorías de
zonificación (comercial, agrícola,
etc.).

Los tipos de escuelas son un ejemplo de datos cualitativos.

Datos cuantitativos

Si desea mostrar cuánto existe de algo,

utilizará datos cuantitativos. Los datos
cuantitativos se pueden medir; puede
mostrar una cantidad, una magnitud o
una tasa. Los ejemplos de datos
cuantitativos incluyen temperaturas,
datos de ventas y tasas de
participación electoral.

La población es un ejemplo de datos cuantitativos.

Niveles de medición para datos cartográficos
Puede categorizar todos los datos, ya sean cualitativos o cuantitativos, en uno de los cuatro
niveles de medición: nominal, ordinal, de intervalo y de razón. Luego, las categorías se utilizan
para crear una simbolización que mostrará las diferencias entre las características.

Los niveles nominal y ordinal están asociados con datos cualitativos, y los niveles de intervalo
y razón están asociados con datos cuantitativos. Después de categorizar su capa de datos,
comprenderá mejor cómo simbolizarla en su mapa.
 Niveles de medida
Nombre Descripción Intervalo de datos Ejemplos
Nominal Los datos nominales contienen nombres o categorías simples. Muestra la frecuencia de Nombres
(categórico) Puede proporcionar la moda pero no la mediana o la media. distribución Códigos postales
Tiene categorías nombradas Códigos de uso de la
tierra
Categorías de
zonificación
Ordinal Los datos ordinales se pueden ordenar, como valores bajos a valores Muestra la frecuencia de Bajo, mediano, alto
altos. Puede proporcionar la moda y la mediana, pero no la media. distribución Bueno, regular, pobre
Tiene intervalos nombrados y
ordenados.
Intervalo Los datos de intervalo tienen intervalos consistentes, como valores Muestra la frecuencia de Tiempo
numéricos en una escala de magnitud. Puede cuantificar las distribución Elevación
diferencias entre cada valor y sumar o restar valores. No hay un Tiene intervalos nombrados, Temperatura
cero verdadero. Los datos de intervalo pueden proporcionar la ordenados y consistentes.
moda, la mediana y la media.
Relación Los datos de razón tienen todas las propiedades anteriores, pero, a Muestra la frecuencia de Densidad de población
diferencia de los datos de intervalo, tienen un cero absoluto real. distribución Precipitación anual
Por lo tanto, puede cuantificar las diferencias entre valores y puede Tiene intervalos nombrados, Tasa de criminalidad
sumar, restar, multiplicar o dividir valores. Los datos de razón ordenados y consistentes. Alturas de los árboles
pueden proporcionar la moda, la mediana y la media. Limites de velocidad
Métodos de clasificación para datos
cuantitativos
La clasificación de datos cuantitativos significa asignar intervalos de clase a distribuciones
numéricas. En otras palabras, para simplificar las características, agrupa características similares en
clases. Las clases ayudan a su lector de mapas a comprender grupos complejos de características,
destilar información y detectar patrones más fácilmente en los datos. Puede clasificar datos tanto
rasterizados como vectoriales.
El número de clases e intervalos de clases que elija afectará la apariencia de la información en su
mapa. Con diferentes métodos de clasificación, puede cambiar la interpretación y el significado que
el lector obtiene de su mapa. También debe equilibrar la cantidad de información que proporciona
al lector con lo fácil o difícil que sería para el lector interpretar esa información.

Número de clasificaciones Ventajas Desventajas

Menos clases Más fácil de interpretar Menos información
Más clases Más difíciles de interpretar Más información
Métodos de clasificación comunes
Hay muchos métodos estándar para
clasificar datos. Estos métodos pueden
basarse en la distribución de los datos, el
lector, lo que desea resaltar en los datos,
etc. Estos son algunos métodos de
clasificación comunes, visualizados usando
la densidad de población (número de
personas por milla cuadrada).
Intervalos iguales
Con la clasificación de intervalos iguales, los intervalos
entre las rupturas de clase son iguales, pero el número
de observaciones dentro de cada clase es desigual.
El rango de valores de datos se divide en subrangos de
igual tamaño
Intuitivamente significativo y fácil de entender.
Bueno para cuando los valores de los datos se
distribuyen por igual (aproximadamente la misma
cantidad de valores bajos, medios y altos)
Los valores atípicos son fáciles de ver
Bueno para mostrar diferencias en los valores entre
áreas. En este mapa, la población por milla cuadrada se divide en
subrangos iguales de 15.860 personas. Debido a que el mapa
Lo mejor para rangos de datos familiares, como representa un área con una población general baja, los valores
de los datos no se distribuyen por igual. Por lo tanto, los datos
porcentajes y temperaturas se muestran principalmente como una clase de datos.

Menos ideal cuando los valores de los datos no se

distribuyen por igual (por ejemplo, muchos más valores
bajos que altos)
Rupturas naturales (Jenks)
Con rupturas naturales, tanto los intervalos entre rupturas de
clase como el número de observaciones en cada clase son
desiguales.
Las clases siguen cortes naturales en los datos, por lo que hay
distinciones claras entre clases
Minimiza la variación dentro de las clases, agrupando valores
similares y maximiza la variación entre clases para mostrar las
diferencias
Bueno para mapear valores de datos que no se distribuyen
normalmente
Bueno para mostrar la mayor variación en los valores de datos
en todo el mapa En este mapa, se utiliza el método de cortes naturales (Jenks) para
mostrar una clara variación en la población.
 Cuantil
Con la clasificación por cuantiles, los intervalos entre las rupturas de
clase son desiguales, pero el número de observaciones dentro de
cada clase es igual.
Igual frecuencia (en el número de observaciones en cada clase)
Da la mejor representación de los datos cuando el rango de valores
para cada clase es aproximadamente el mismo
Los valores atípicos no son tan obvios porque se agrupan con otros
valores altos o bajos
Bueno para datos ordinales
La mejor manera de comparar mapas que tienen diferentes rangos
de datos; siempre compara valores altos con valores altos y valores
bajos con valores bajos
Fijar el número de observaciones por clase puede resultar en un En este mapa, cada clase tiene el mismo número de
observaciones, pero los intervalos entre las rupturas de clase
mapa engañoso porque las características similares pueden son significativamente desiguales. Por lo tanto, el mapa puede
colocarse en diferentes clases o valores muy diferentes colocados en resultar engañoso para algunos lectores.

la misma clase
La distorsión se puede minimizar parcialmente aumentando el
número de clases
 Desviación Estándar
Con la desviación estándar, tiene intervalos iguales entre
ruptura de clase y un número desigual de observaciones.
Para datos normalmente distribuidos, puede usar las
desviaciones estándar de la media para derivar saltos de clase
Cada clase es igual a una fracción o múltiplo de una desviación
estándar
Muestra cuánto difieren los datos del valor de datos promedio
(media)
Bueno para datos distribuidos normalmente, pero puede
requerir aclaraciones adicionales o metadatos para el lector de
mapas
Este mapa usa la desviación estándar para mostrar la población. Tenga
en cuenta que el mejor esquema de color para este método es el
divergente, pero, para compararlo con los otros métodos de
clasificación, se muestra el esquema secuencial.
Otros métodos de clasificación
Hay métodos de clasificación adicionales disponibles
en ArcGIS Pro:

Intervalo manual
Dependiendo de la información que se visualice, le
permite decidir dónde deben estar los descansos de
clase; se utiliza para valores específicos de la industria,
como la cantidad mínima de agua requerida por los
cultivos
Es probable que los intervalos entre las roturas de
clase sean desiguales; es probable que el número de
observaciones sea desigual
También conocido como el método del Valor Crítico
Intervalo definido
Le permite especificar el tamaño del intervalo utilizado para
definir una serie de clases con el mismo rango de valores
Por ejemplo, si cada intervalo debe abarcar 100 unidades,
ArcGIS Pro determinará la cantidad de clases según el tamaño
del intervalo y el rango de todos los valores de campo.

Intervalo geométrico
Los intervalos de clase se definen matemáticamente en base a
una serie geométrica, diseñada para datos continuos
Los intervalos entre las pausas de clases y el número de
observaciones son aproximadamente iguales.
En ArcGIS Pro, puede dejar que la clasificación se elija
automáticamente o puede controlarla usted mismo. Puede
experimentar con diferentes métodos para encontrar el mejor
para el objetivo y el lector de su mapa.
 Elegir el método de clasificación apropiado
Puede clasificar sus datos de muchas maneras; cada método es mejor para algunas situaciones que para
otras. Para cada uno de los siguientes escenarios, identifique qué método de clasificación se describe.

Escenario 1: Análisis del crimen

Usted es un analista del departamento de policía que estudia la

distribución de delitos en su área metropolitana. Desea mapear
las tasas de criminalidad de una manera que muestre
claramente la variación entre las clases, encontrando
efectivamente agrupaciones naturales de valores de datos.

¿Qué es este método de clasificación?

Cuantil
Desviación Estándar
Roturas naturales (Jenks)CORRECTO
Intervalo igual
Escenario 2: Demografía

Como estadístico, desea clasificar los estados de EE. UU. para

visualizar los cinco estados más grandes y más pequeños por
población. No le preocupan los valores atípicos, los estados con
poblaciones muy grandes o muy pequeñas, siempre que cada
clase reciba la misma cantidad de estados, como cinco clases
de 10 estados cada una.

¿Qué es este método de clasificación?

Desviación Estándar
Cuantil
Roturas naturales (Jenks)
Intervalo igual
Escenario 3: Minorista

Usted es consultor comercial y necesita mostrar qué tiendas

pertenecen al grupo de tiendas que conforman el tercio
superior de todas las ventas de una gran empresa minorista.

¿Qué es este método de clasificación?

Roturas naturales (Jenks)
Desviación Estándar
Intervalo igual
cuantil
Escenario 4: Bienes inmuebles

Trabaja en bienes raíces y desea comparar las tasas de

ejecución hipotecaria en todo el país. Desea comprender la
variación en los datos en comparación con la tasa media.

¿Qué es este método de clasificación?

Desviación Estándar
Roturas naturales (Jenks)
Intervalo igual
cuantil
Ejercicio
Clasificar y mapear una capa cuantitativa
Usted es analista de la administración escolar de la Región Oriental. La
administración quiere planificar para el futuro y asegurarse de que las
escuelas estén ubicadas estratégicamente. Se le ha encomendado la tarea
de mapear la población para demostrar dónde viven los residentes.
Utilizará ArcGIS Pro para mapear, clasificar y simbolizar una capa
cuantitativa para la población.

Tiempo estimado de finalización: 00 minutos

Para completar los ejercicios, necesita lo siguiente:
ArcGIS Pro 2.9 (Básico, Estándar o Avanzado)
Paso 1.
Descarga los datos
Para completar el ejercicio, debe descargar los datos. Si ya descargó
e instaló los datos, continúe con el próximo paso.

Paso 2.
Prepara tu mapa
a. Inicie ArcGIS Pro
b. Crea un nuevo proyecto

c. Vaya a C:\EsriTraining\Symbolizing Map Layers y abra el proyecto

Symbolizing Map Layers.
d. Si es necesario, abra el panel Catálogo.
e. En el panel Catálogo, expanda Mapas y luego abra el mapa
LocationAnalysis.
f. En el panel Catálogo, expanda Carpetas y luego expanda
Simbolizar capas de mapas.
g. Expanda 13052022_ejercicio.gdb. (Esta geodatabase contiene todos los
datos que necesitará para este ejercicio.)
h. Arrastre la capa de polígono Bloque_oriente al mapa (Esta capa
representa las áreas de los municipios de la zona oriente. La capa se simboliza
automáticamente con un solo símbolo en un color aleatorio.).

A continuación, cambiará esta simbología por algo más significativo.

Paso 3. Clasificar los datos

a. Si es necesario, en el panel Contenido, haga clic en la capa

Bloque_oriente para seleccionarla.
b. En la cinta, haga clic en la pestaña contextual Apariencia.
c. En el grupo Dibujo, haga clic en Simbología.
d. En el panel Simbología, haga clic en la flecha hacia abajo
Simbología principal.
Puede simbolizar la capa de diferentes maneras: con un símbolo tal como está ahora, o por
categoría, cantidades o atributos de símbolo. Para este ejercicio, simbolizará por cantidad,
usando colores graduados.

e. En la lista desplegable, elija Colores graduados.

f. Para Campo, elija POPTOTAL (la capa de población).
La simbolización se actualiza automáticamente. POPTOTAL contiene las poblaciones de 2010 de
estos grupos de bloques censales. Ahora las áreas del grupo de bloques están simbolizadas con
colores más oscuros para poblaciones más altas y colores más claros para poblaciones más
bajas. A menudo, es más útil mapear los datos cuantitativos como una proporción que como
números sin procesar. Las áreas más grandes suelen tener cantidades más altas, por lo que
puede obtener más información calculando una proporción y luego mapeando la densidad,
que, en este caso, es de personas por milla cuadrada. Este paso extra se llama normalización.

g. Para Normalización, elija AREA_KM2.

Ahora la densidad de población se clasifica con el método predeterminado de cortes naturales
(Jenks). La población se concentra en el centro, que es donde se encuentra el centro de San
Miguel.
h. En el panel Simbología, debajo de Combinación de colores, haga clic
en la pestaña Histograma.
Puede ver los intervalos de datos y los valores de datos en los que se produce cada
interrupción. La densidad de población más baja es de aproximadamente 69,64 personas
por kilometro cuadrado y la más alta es de 652.71. Estos números muestran la densidad
relativa de cada bloque censal y no la cantidad real de personas.
i. Comparar otros métodos de clasificación

Paso 4. Comparar otros métodos de clasificación

a. En el panel Simbología, cambie el Método a Intervalo igual para ver
cómo afecta al histograma.
El mapa ahora es casi todo de un color. Este color representa la población más baja por
kilometro cuadrado porque la mayoría de los Grupos de Bloques del Censo tienen
poblaciones bajas y caen dentro de la primera clase.
b. En Método, elija Cuantil para ver cómo afecta al mapa.
El mapa ahora tiene más áreas simbolizadas con colores más oscuros. Parece como si más
grupos de bloques tuvieran poblaciones más altas a pesar de que los valores de datos en
esos grupos de bloques no han cambiado de un mapa a otro. Con el método del cuantil, hay
un número fijo de observaciones en cada clase, por lo que parece que los grupos de bloques
con poblaciones más altas son más comunes.
c. Cambiar el método de clasificación de nuevo a Natural Breaks (Jenks)
Ha mapeado y clasificado una capa de población del censo de El Salvador. y ha aprendido
más sobre la población en la región oriental, para su proyecto de administración escolar.
Si continúa con el siguiente ejercicio, deje ArcGIS Pro abierto;
de lo contrario, salga de ArcGIS Pro.
 Elegir las variables visuales apropiadas para la
simbolización
Para representar datos vectoriales en un mapa, las variables
visuales son forma, tamaño y color. Estas variables visuales
primarias se utilizan para datos cualitativos y cuantitativos.

Escenario 1: incendios forestales

Una agencia gubernamental ha creado el siguiente mapa para
mostrar el área afectada por un incendio forestal en California.

¿Cómo podría mejorarse la simbología del área de incendios forestales?

No se puede mejorar; la capa está bien simbolizada.
El símbolo debe ser más grande.
El símbolo debe ser rojo o naranja porque esos colores se asocian comúnmente
con el fuego.
Los símbolos de polígono deben usar un esquema de color cualitativo para
mostrar el tipo de terreno afectado.
 Escenario 2: Poblaciones de la ciudad

Los siguientes mapas de la India están

destinados a mostrar la población de la ciudad.

¿Qué propiedad de símbolo representa mejor

las diferentes poblaciones de la ciudad?

a. Tamaño
b. Color
C. Transparencia
d. Un solo símbolo único
 Escenario 3: Visitas a la sala de emergencias
Este mapa fue elaborado para un comité que estudia la
cantidad de visitas a la sala de emergencias por región en el
sureste de los EE. UU.

El número de visitas a la sala de emergencias es información

cuantitativa.
Falso
Verdadero

¿Qué variable visual representaría mejor estos datos?

Forma
Eclosión o patrones
Color (luminosidad)
Tamaño
Elección de esquemas de color para simbolizar datos

Los esquemas de color son combinaciones de colores que se pueden usar para simbolizar un conjunto de datos y
mostrar cómo está organizado. Esta actividad lo ayudará a demostrar relaciones al elegir el mejor esquema de
color para diferentes situaciones.

Capa de entidades Esquema de colores

Uso del suelo:
Comercial
Agrícola
Industrial
Espacio abierto
Administrativo
Residencial
Cambio de población, porcentaje (2015 a
2018)
Aumentó
Ningún cambio
Disminuido