Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SISTEMA DE INFORMACIÓN
GEOGRÁFICA
DOCENTE:
CARLOS EDUARDO GUTIÉRREZ M.
CEL: 3108922903
CORREO: carlose.gutierrez@udea.edu.co
¿PARA LOS SIG, QUE ES UN DATO?
Para la Geomática, un dato (geoespacial) es una entidad
espacio – temporal que evalúa la distribución, el estado
y los vínculos de los fenómenos, objetos naturales,
sociales y demás.
Para poder emplear esta información, es necesario que
el dato a usar posea estas características:
• Posición (¿Dónde?): Localización absoluta o relativa
respecto a su entorno.
• Tiempo (¿Cuándo?): Momento en el cual sucedió el
dato.
• Atributo (¿Qué?): Características de la información.
FUENTE: N/A
CONTINUIDAD DE LOS DATOS GEOGRÁFICOS
Una característica de
Puede tener un valor Solo puede tomar Una característica de
este tipo de variables
fijo dentro de un algunos valores este tipo de variables
que es nunca
intervalo dentro de un mínimo que pueden tomar
pueden ser medidas
determinado conjunto numerable valores exactos
con exactitud
CONTINUIDAD DE LOS DATOS GEOGRÁFICOS
Variables
Aleatorias
FUENTE: http://html.rincondelvago.com/000647485.png
CONTINUIDAD DE LOS DATOS GEOGRÁFICOS
ESCALAS DE MEDIDA
FUENTE: http://www.geosoluciones.cl/wp-content/uploads/2012/02/Topografia-
Satelital.jpg
CALIDAD DE LOS DATOS
“Todo dato espacial contiene algún tipo de error, en
mayor o menor medida. Conocer las razones por las
cuales aparecen esos errores es importante para poder
evaluar correctamente la validez del trabajo que
realizamos con los datos y los resultados que
obtenemos a partir de ellos.” (Olaya, 2014).
En Geomática, la calidad de los datos hace referencia a
su accesibilidad, integridad, precisión, actualidad y
consistencia, así como las fuentes de información y los
procesos de producción.
La calidad de la información es de suma importancia ya
que, emplear datos erróneos o sin los requerimientos
mínimos, pueden causar el uso de un modelo
equivocado. Además de lo anterior, de la calidad de la
información base, dependerá el grado de confianza de
los productos finales
FUENTE: http://volaya.github.io/libro-sig/chapters/Calidad_datos.html
CALIDAD DE LOS DATOS
Antes de continuar, es importante aclarar la diferencia
entre:
• EXACTITUD
• PRECISIÓN
• RESOLUCIÓN
• COMPATIBILIDAD
• APLICABILIDAD
FUENTE: http://www.fogonazos.es/2014/05/precision-no-es-lo-mismo-que-exactitud.html
CALIDAD DE LOS DATOS
Antes de continuar, es importante aclarar la diferencia
entre:
• EXACTITUD
• PRECISIÓN
• RESOLUCIÓN
• COMPATIBILIDAD
• APLICABILIDAD
FUENTE: http://www.fogonazos.es/2014/05/precision-no-es-lo-mismo-que-exactitud.html
CALIDAD DE LOS DATOS
Antes de continuar, es importante aclarar la diferencia
entre:
• EXACTITUD
• PRECISIÓN
• RESOLUCIÓN
• COMPATIBILIDAD
• APLICABILIDAD
FUENTE: http://www.revistasbolivianas.org.bo/img/revistas/rvr/v7n1/a05_figura_02.jpg
CALIDAD DE LOS DATOS
Antes de continuar, es importante aclarar la diferencia
entre:
• EXACTITUD
• PRECISIÓN
• RESOLUCIÓN
• COMPATIBILIDAD
• APLICABILIDAD
FUENTE: GoogleEarth
CALIDAD DE LOS DATOS
Antes de continuar, es importante aclarar la diferencia
entre:
• EXACTITUD
• PRECISIÓN
• RESOLUCIÓN
• COMPATIBILIDAD
• APLICABILIDAD
FUENTE: GoogleEarth
CALIDAD DE LOS DATOS
Para describir cuantitativamente la calidad de un
conjunto de datos se emplean con frecuencia los
siguientes parámetros:
• TOTALIDAD
• CONSISTENCIA LÓGICA
• EXACTITUD DE POSICIÓN
• EXACTITUD TEMPORAL
• EXACTITUD TEMÁTICA
FUENTE: https://www.researchgate.net/profile/Javier_Fernandez-Lozano/publication/308173344/figure/fig1/AS:407033019944960
@1474055642066/FIGURA-1-Nube-de-puntos-densificada-y-localizacion-de-las-imagenes-realizadas-durante-el_W640.jpg
CALIDAD DE LOS DATOS
Para describir cuantitativamente la calidad de un
conjunto de datos se emplean con frecuencia los
siguientes parámetros:
• TOTALIDAD
• CONSISTENCIA LÓGICA
• EXACTITUD DE POSICIÓN
• EXACTITUD TEMPORAL
• EXACTITUD TEMÁTICA
FUENTE: https://www.researchgate.net/profile/Javier_Fernandez-Lozano/publication/308173344/figure/fig1/AS:407033019944960
@1474055642066/FIGURA-1-Nube-de-puntos-densificada-y-localizacion-de-las-imagenes-realizadas-durante-el_W640.jpg
CALIDAD DE LOS DATOS
Para describir cuantitativamente la calidad de un
conjunto de datos se emplean con frecuencia los
siguientes parámetros:
• TOTALIDAD
• CONSISTENCIA LÓGICA
• EXACTITUD DE POSICIÓN
• EXACTITUD TEMPORAL
• EXACTITUD TEMÁTICA
FUENTE: https://www.researchgate.net/profile/Javier_Fernandez-Lozano/publication/308173344/figure/fig1/AS:407033019944960
@1474055642066/FIGURA-1-Nube-de-puntos-densificada-y-localizacion-de-las-imagenes-realizadas-durante-el_W640.jpg
CALIDAD DE LOS DATOS
Para describir cuantitativamente la calidad de un
conjunto de datos se emplean con frecuencia los
siguientes parámetros:
• TOTALIDAD
• CONSISTENCIA LÓGICA
• EXACTITUD DE POSICIÓN
• EXACTITUD TEMPORAL
• EXACTITUD TEMÁTICA
FUENTE: https://www.researchgate.net/profile/Javier_Fernandez-Lozano/publication/308173344/figure/fig1/AS:407033019944960
@1474055642066/FIGURA-1-Nube-de-puntos-densificada-y-localizacion-de-las-imagenes-realizadas-durante-el_W640.jpg
CALIDAD DE LOS DATOS
Para describir cuantitativamente la calidad de un
conjunto de datos se emplean con frecuencia los
siguientes parámetros:
• TOTALIDAD
• CONSISTENCIA LÓGICA
• EXACTITUD DE POSICIÓN
• EXACTITUD TEMPORAL
• EXACTITUD TEMÁTICA
FUENTE: https://www.researchgate.net/profile/Javier_Fernandez-Lozano/publication/308173344/figure/fig1/AS:407033019944960
@1474055642066/FIGURA-1-Nube-de-puntos-densificada-y-localizacion-de-las-imagenes-realizadas-durante-el_W640.jpg
CALIDAD DE LOS DATOS
Para describir cuantitativamente la calidad de un
conjunto de datos se emplean con frecuencia los
siguientes parámetros:
• TOTALIDAD
• CONSISTENCIA LÓGICA
• EXACTITUD DE POSICIÓN
• EXACTITUD TEMPORAL
• EXACTITUD TEMÁTICA
FUENTE: https://www.researchgate.net/profile/Javier_Fernandez-Lozano/publication/308173344/figure/fig1/AS:407033019944960
@1474055642066/FIGURA-1-Nube-de-puntos-densificada-y-localizacion-de-las-imagenes-realizadas-durante-el_W640.jpg
CALIDAD DE LOS DATOS
Las fuentes de error en un conjunto de datos pueden
ser múltiples y con muchos orígenes y, aunque la
mayoría de los SIG están en capacidad de determinar
algunos de estos errores, es menester de los
operadores revisar la información y hacer un proceso
de depuración de la misma para reducir los efectos que
estos errores puedan tener en los resultados a entregar.
Algunas de las fuentes más comunes de error están:
• Antigüedad de los datos
• Área de cobertura
• Escala del mapa
• Densidad de Observaciones
• Formato
• Accesibilidad
FUENTE: https://www.researchgate.net/publication/228365781_MODELOS_DIGITALES_DE_ELEVACION_PARA_SIMULACION_
COMPUTACIONAL_DE_I NUNDACIONES_INTERFEROMETRIA_VS_CARTOGRAFIA/figures?lo=1
CALIDAD DE LOS DATOS
Al momento de colectar la información se pueden
generar dos tipos de errores:
• POSICIONAL
• CONTENIDO
FUENTE: https://www.researchgate.net/publication/228365781_MODELOS_DIGITALES_DE_ELEVACION_PARA_SIMULACION_
COMPUTACIONAL_DE_I NUNDACIONES_INTERFEROMETRIA_VS_CARTOGRAFIA/figures?lo=1
CALIDAD DE LOS DATOS
Al momento de colectar la información se pueden
generar dos tipos de errores:
• POSICIONAL
• CONTENIDO
FUENTE: http://www.gisandbeers.com/topologia-principales-errores-en-un-sig/
¿COMO DETECTAMOS ERRORES EN LOS DATOS?
Dado que los errores que existen en los datos son
aleatorios, existen dos posibilidades, que la interacción
entre errores se maximice o por el contrario que en su
interacción se minimicen y afecten de forma
despreciable al resultado final.
Para reducir el riesgo de maximización, es importante
hacer un análisis (preferiblemente exhaustivo) de la
información bruta para poder eliminar aquellos datos
que están induciendo los errores.
Para tal fin, existen varias metodologías:
• INSPECCIÓN VISUAL:
Son datos que a simple vista o con procesos básicos
pueden ser detectados, generalmente están asociados a
la posición, el valor o la forma del dato o a topología
(por ejemplo, conexiones entre nodos).
FUENTE: http://volaya.github.io/libro-sig/img/Sinergias_errores.png
¿COMO DETECTAMOS ERRORES EN LOS DATOS?
Dado que los errores que existen en los datos son
aleatorios, existen dos posibilidades, que la interacción
entre errores se maximice o por el contrario que en su
interacción se minimicen y afecten de forma
despreciable al resultado final.
Para reducir el riesgo de maximización, es importante
hacer un análisis (preferiblemente exhaustivo) de la
información bruta para poder eliminar aquellos datos
que están induciendo los errores.
Para tal fin, existen varias metodologías:
• FILTRADO Y LIMPIEZA:
En ocasiones los errores están asociados a las
estructuras de datos lo cual hace que sea imposible
encontrar los errores de forma “manual”, es por esto
que es necesario correr rutinas de filtrado y limpieza
para poder realizar las correcciones necesarias.
FUENTE: http://volaya.github.io/libro-sig/img/Sinergias_errores.png
¿COMO DETECTAMOS ERRORES EN LOS DATOS?
Dado que los errores que existen en los datos son
aleatorios, existen dos posibilidades, que la interacción
entre errores se maximice o por el contrario que en su
interacción se minimicen y afecten de forma
despreciable al resultado final.
Para reducir el riesgo de maximización, es importante
hacer un análisis (preferiblemente exhaustivo) de la
información bruta para poder eliminar aquellos datos
que están induciendo los errores.
Para tal fin, existen varias metodologías:
• ANÁLISIS ESTADÍSTICO:
Al analizar los atributos (y siempre y cuando la variable
lo permita), la detección de outliers (valores
improbables) puede realizarse con métodos estadísticos
tradicionales.
Si estos análisis se mezclan con un análisis espacial es
posible encontrar outliers espaciales, esto sucede
cuando, el valor que toma un dato es discordante con
sus vecinos.
FUENTE: http://volaya.github.io/libro-sig/img/Sinergias_errores.png
¿COMO DETECTAMOS ERRORES EN LOS DATOS?
Dado que los errores que existen en los datos son
aleatorios, existen dos posibilidades, que la interacción
entre errores se maximice o por el contrario que en su
interacción se minimicen y afecten de forma
despreciable al resultado final.
Para reducir el riesgo de maximización, es importante
hacer un análisis (preferiblemente exhaustivo) de la
información bruta para poder eliminar aquellos datos
que están induciendo los errores.
Para tal fin, existen varias metodologías:
• ANÁLISIS ESTADÍSTICO:
Estos métodos pueden clasificarse como
unidimensionales o multidimensionales; para este
último caso, cuando son dimensiones heterogéneas, se
pretende la búsqueda de outlier espaciales para lo cual
se pueden recurrir a métodos gráficos o cuantitativos.
FUENTE: http://volaya.github.io/libro-sig/img/Deteccion_outliers.png
¿COMO ALMACENAMOS LOS DATOS?
Al trabajar en un SIG, se tiene la capacidad de
almacenar información bajo dos modalidades, los datos
tipo RASTER y los datos tipo VECTOR.
FUENTE: https://sites.google.com/site/sisdeinfgeograficaunjfsc/_/rsrc/1323962621280/que-es-
un-sig/tipos-de-formatos/RASTER.JPG
¿COMO ALMACENAMOS LOS DATOS? (DATOS TIPO RASTER)
En este formato, el espacio está dividido en celdas
(pixeles) con un tamaño fijo en donde cada una de estas
representa un único valor asociado a una característica
de la realidad.
Internamente se puede asimilar como una matriz MxN
con 1 coordenada conocida, una dirección y el tamaño
de celda (o las 2 coordenadas de las esquinas opuestas
y el tamaño de celda).
Dadas sus características, en este formato se prima la
información “principal” de una celda sacrificando la
posición del elemento.
El nivel de detalle estará directamente relacionado con
el tamaño de la celda (resolución).
https://ingenieriaambiental.net/wp-content/uploads/sig-raster.jpg
¿COMO ALMACENAMOS LOS DATOS? (DATOS TIPO VECTOR)
Dado que, estas entidades se basan en puntos, es
necesario definir los elementos respecto a sus
coordenadas (¿Dónde?).
En el caso de las líneas es necesario definir al menos
dos puntos.
Para las áreas se deberán establecer al menos 3 puntos
(donde el primero y el último deberán tener la misma
posición).
Es este formato de datos, es importante diferenciar
entre:
• Estructura cartográfica
• Estructura topológica
FUENTE: https://volaya.github.io/libro-sig/img/Primitivas_vectoriales.png
¿COMO ALMACENAMOS LOS DATOS? (DATOS TIPO VECTOR)
Dado que, estas entidades se basan en puntos, es
necesario definir los elementos respecto a sus
coordenadas (¿Dónde?).
En el caso de las líneas es necesario definir al menos
dos puntos.
Para las áreas se deberán establecer al menos 3 puntos
(donde el primero y el último deberán tener la misma
posición).
Es este formato de datos, es importante diferenciar
entre:
• Estructura cartográfica
• Estructura topológica
FUENTE: https://volaya.github.io/libro-sig/img/Primitivas_vectoriales.png
¿COMO ALMACENAMOS LOS DATOS? (DATOS TIPO VECTOR)
Un fichero SHP (vector) se compone de diferentes
archivos imprescindibles:
• *.shp: Entidades geométricas de los objetos.
• *.shx: Índice de los elementos geométricos.
• *.dbf: Tabla dBASE donde se almacenan los atributos
de los elementos geométricos.
FUENTE: https://volaya.github.io/libro-sig/img/Primitivas_vectoriales.png
¿COMO ALMACENAMOS LOS DATOS? (COMPARACIÓN)
¿Qué es mejor, el modelo VECTOR o el modelo RASTER?
VECTOR RASTER
Da prioridad la localización Da prioridad a la característica
PLANTEAMIENTO
(DÓNDE?) (QUE?)
Esta depende directamente Esta depende directamente del valor
de la representación gráfica y del dato más no de su representación
PRECISIÓN
no está asociada al dato que gráfica (el valor se le asigna a toda la
contiene. celda).
Suele ser mucho mayor pues´, al ser
VOLUMEN DE Es menor pues no se un modelo continuo, los espacios
ALMACENAMIENTO almacenan espacios vacios. vacios tienen un valor asociado y es
necesario almacenarlo.
Debido a su estructura tipo malla, le
dan una regularidad y sistematicidad
Los algoritmos a implementar
que hacen que implementar un
suelen ser más complejos
algoritmo sea muy sencillo, más aún
pues son capas irregulares, lo
COMPLEJIDAD si se comparan capas con la misma
que implica mayor cantidad
estructura de malla. Sin embargo,
de operaciones matemáticas
puede ser costoso en tiempo pues se
más complejas.
requiere aplicar el algoritmo muchas
veces (a cada celda).
FUENTE: http://www.newdesignfile.com/postpic/2010/11/vector-and-raster-data-gis_131060.jpg
¿COMO ALMACENAMOS LOS DATOS? (COMPARACIÓN)
¿Qué es mejor, el modelo VECTOR o el modelo RASTER?
VECTOR RASTER
Es posible tener una
VARIABLE A distribución sesgada de la Idealmente los datos deben estar
ANALIZAR información (haciendo énfasis uniformemente distribuidos
donde más se necesita)
Suele emplearse para Suele emplearse para analizar
TIPO DE ANÁLISIS comparar con otras variables variables que generalmente derivan
no relacionadas entre si de la primera.
Puede ser flexible al Suele ser más fácil combinar con
momento de hacer análisis capas raster (por ejemplo, al trabajar
CONTEXTO
con otras capas vector o con solo con imágenes los análisis
capas raster pueden ser más sencillos.)
FUENTE: http://www.newdesignfile.com/postpic/2010/11/vector-and-raster-data-gis_131060.jpg
¿COMO ALMACENAMOS LOS DATOS? (COMPARACIÓN)
Al localizar puntos, líneas o áreas en el espacio, estamos
resolviendo la pregunta ¿DÓNDE? Que un dato busca
solucionar, sin embargo, aún no se ha resuelto el
¿QUÉ?.
Para resolver este cuestionamiento, debemos cargar los
atributos a cada una de las entidades de la capa, pero
para esto, se deberá seleccionar de forma adecuada el
tipo de variable que se le asignará a cada uno de los
atributos.
TAMAÑO
NOMBRE RANGO APLICACIONES
(BYTES)
Valores numéricos sin fracciones
SHORT -32.768
2 en un rango específico (valores
INTEGER 32.768
codificados)
LONG -2.147.483.648 Valores numéricos sin fracciones
4
INTEGER 2.147.483.647 en un rango específico
-3.4E38
FLOAT 4 Valores numéricos con valores
3.4E38
fraccionales en un rango
-2.2E08 específico
DOUBLE 8
2.2E28
FUENTE: https://i0.wp.com/acolita.com/wp-content/uploads/2017/10/Bases-de-datos-en-un-
SIG.jpg?fit=800%2C593&ssl=1
¿COMO ALMACENAMOS LOS DATOS?
Al localizar puntos, líneas o áreas en el espacio, estamos
resolviendo la pregunta ¿DÓNDE? Que un dato busca
solucionar, sin embargo, aún no se ha resuelto el
¿QUÉ?.
Para resolver este cuestionamiento, debemos cargar los
atributos a cada una de las entidades de la capa, pero
para esto, se deberá seleccionar de forma adecuada el
tipo de variable que se le asignará a cada uno de los
atributos.
TAMAÑO
NOMBRE RANGO APLICACIONES
(BYTES)
Descripción o variables
TEXT ALFANUMÉRICO N/A
discretas sin codificar
Se almacenan en formato:
DATE FECHAS/HORAS N/A mm/dd/aaaa hh:mm:ss
AM/PM
FUENTE: https://i0.wp.com/acolita.com/wp-content/uploads/2017/10/Bases-de-datos-en-un-
SIG.jpg?fit=800%2C593&ssl=1
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El manejo y análisis de datos espaciales, requiere que se
conozca a profundidad todas las características
relacionadas con el set de datos que se pretende
analizar, desde su forma, manejo y forma de
almacenamiento, hasta la forma como se debe realizar
el análisis para poder explotar al máximo la información
que contiene.
Estas características les brindan a los datos un gran
potencial de análisis, sin embargo, también condicionan
o limitan las operaciones que se pueden realizar sobre
estos.
Es así como, por ejemplo, generalmente, los datos
espaciales no son objeto de la estadística tradicional (se
debe hacer un análisis mediante estadística espacial).
Otras características de los datos espaciales, por
ejemplo, condicionan las formulaciones que se deben
aplicar sobre los mismos.
FUENTE: https://dds.cepal.org/infancia/guia-para-estimar-la-pobreza-infantil/img/lisa.jpg
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: https://dds.cepal.org/infancia/guia-para-estimar-la-pobreza-infantil/img/lisa.jpg
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: http://volaya.github.io/libro-sig/img/Escalas_formas_terreno.png
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: http://www.redalyc.org/jatsRepo/312/31245858003/31245858003_gf2.jpg
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: http://volaya.github.io/libro-sig/img/Autocorrelacion_espacial.png
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: http://volaya.github.io/libro-sig/img/Estructura_espacial.png
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE:
https://www.researchgate.net/profile/Jesus_Mercado/publication/28097231/figure/fig1/AS:394331534970
883@1471027372684/Figura-1-Situacion-de-las-estaciones-muestreadas-y-topografia-del-fondo-en-el-
noroeste_W640.jpg
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: http://volaya.github.io/libro-sig/img/Efecto_borde.png
CONCEPTOS BÁSICOS PARA ANÁLISIS ESPACIAL
El que cada pieza de información (dato) esté asociado a
una posición absoluta (posición en el espacio) y una
relativa (como se relaciona con otras entidades en
dicho espacio), hace que su análisis deba ser realizado
desde diferentes puntos de vista del análisis espacial.
Algunos de estos puntos de análisis son:
• ESCALA
• UNIDAD DE ÁREA MODIFICABLE
• AUTOCORRELACIÓN ESPACIAL
• EXISTENCIA DE ESTRUCTURA
• EXISTENCIA DE TENDENCIAS ESPACIALES
• EFECTOS DE BORDE
• LOCALIZACIÓN REPRESENTADA
FUENTE: http://volaya.github.io/libro-sig/img/Support_size.png
¿COMO ALMACENAMOS LOS DATOS?
En la actualidad, una de las formas más eficientes de
almacenar datos e información es a través de las BASES
DE DATOS, las cuales, aún siendo “viejas” (su uso
comercial y frecuente se remonta a 1979) en el ámbito
de la computación, para el caso de datos espaciales son
relativamente nuevas.
Una base de datos está definida como un conjunto de
datos que están estructurados y almacenados de forma
sistemática para que su acceso, análisis y empleo sean
mucho más sencillos.
FUENTE: https://www.cursosgis.com/wp-content/uploads/2017/05/como_crear_geodatabase_t%C3%ADtulo.png
¿COMO ALMACENAMOS LOS DATOS?
El tener un almacenamiento estructurado de los datos y
la información, afecta no solo a los datos en sí, sino
también al uso y manipulación de los mismo, dado
como resultado, algunas ventajas:
• Independencia
• Disponibilidad
• Seguridad
• Redundancia
• Coherencia
• Eficiencia
• Valor informativo
• Facilidad y sencillez de acceso
• Capacidad para la reutilización de datos
FUENTE: https://www.cursosgis.com/wp-content/uploads/2017/05/como_crear_geodatabase_t%C3%ADtulo.png
DATOS VS INFORMACIÓN
Es frecuente el uso indistinto entre los términos DATOS
e INFORMACIÓN, sin embargo, estos no son sinónimos.
FUENTE: https://caymansseo.com/wp-content/uploads/2018/05/diferencia-entre-datos-e-informacion.jpg
DATOS VS INFORMACIÓN
Es frecuente el uso indistinto entre los términos DATOS
e INFORMACIÓN, sin embargo, estos no son sinónimos.
FUENTE: https://caymansseo.com/wp-content/uploads/2018/05/diferencia-entre-datos-e-informacion.jpg
¿COMO CONVERTIMOS LOS DATOS EN
INFORMACIÓN?
Este camino varía considerablemente dependiendo del
tipo, la fuente, las características, las necesidades y los
objetivos de la información que se está buscando. En
general los pasos básicos pueden ser:
• Recepción / Generación de datos
• Pre - procesado de los datos
• Selección de datos útiles
• Procesado de los datos
• Análisis de la información
• Concluir a partir del análisis.
FUENTE: https://caymansseo.com/wp-content/uploads/2018/05/diferencia-entre-datos-e-informacion.jpg