Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cartografia
Geobases
Postgis
Migrar
Conceptos – definiciones
SOA
Cloud
¿Qué es un SIG?
Un Sistema de Información Geográfica (SIG o GIS, en su acrónimo inglés
[Geographic Information System]) es una integración organizada de hardware, software
y datos geográficos diseñada para capturar, almacenar, manipular, analizar y desplegar
en todas sus formas la información geográficamente referenciada con el fin de resolver
problemas complejos de planificación y de gestión.
FUNCIONAMIENTO DE UN SIG
El SIG funciona como una base de datos con información geográfica (datos
alfanuméricos) que se encuentra asociada por un identificador común a los objetos
gráficos de un mapa digital. De esta forma, señalando un objeto se conocen sus atributos
e, inversamente, preguntando por un registro de la base de datos se puede saber su
localización en la cartografía.
LA CREACIÓN DE DATOS
Las modernas tecnologías SIG trabajan con información digital, para la cual existen
varios métodos utilizados en la creación de datos digitales. El método más utilizado es
la digitalización, donde a partir de un mapa impreso o con información tomada en
campo se transfiere a un medio digital por el empleo de un programa de Diseño Asistido
por Ordenador (DAO o CAD) con capacidades de georreferenciación.
Los datos SIG representan los objetos del mundo real (carreteras, el uso del suelo,
altitudes). Los objetos del mundo real se pueden dividir en dos abstracciones: objetos
discretos (una casa) y continuos (cantidad de lluvia caída, una elevación). Existen dos
formas de almacenar los datos en un SIG: raster y vectorial.
Los SIG que se centran en el manejo de datos en formato vectorial son más populares en
el mercado. No obstante, los SIG raster son muy utilizados en estudios que requieran la
generación de capas continuas, necesarias en fenómenos no discretos; también en
estudios medioambientales donde no se requiere una excesiva precisión espacial
(contaminación atmosférica, distribución de temperaturas, localización de especies
marinas, análisis geológicos, etc.).
Índice
1 Historia de su desarrollo
2 Técnicas utilizadas en los sistemas de información geográfica
o 2.1 La creación de datos
o 2.2 La representación de los datos
2.2.1 Raster
2.2.2 Vectorial
o 2.3 Ventajas y desventajas de los modelos raster y vectorial
2.3.1 Ventajas
2.3.2 Desventajas
o 2.4 Datos no espaciales
o 2.5 La captura de los datos
o 2.6 Conversión de datos raster-vectorial
o 2.7 Proyecciones, sistemas de coordenadas y reproyección
o 2.8 Análisis espacial mediante SIG
2.8.1 Modelo topológico
o 2.9 Redes
o 2.10 Superposición de mapas
o 2.11 Cartografía automatizada
o 2.12 Geoestadística
o 2.13 Geocodificación
3 Software SIG
o 3.1 Comparativa de software SIG
4 El futuro de los SIG
o 4.1 Cartografía en entornos web
o 4.2 La tercera dimensión
o 4.3 Semántica y SIG
o 4.4 Los SIG temporales
5 Véase también
6 Notas y referencias
7 Bibliografía
8 Enlaces externos
Historia de su desarrollo
Hace unos 15.000 años1 en las paredes de las cuevas de Lascaux (Francia) los hombres
de Cro-Magnon pintaban en las paredes los animales que cazaban, asociando estos
dibujos con trazas lineales que, se cree, cuadraban con las rutas de migración de esas
especies.2 Si bien este ejemplo es simplista en comparación con las tecnologías
modernas, estos antecedentes tempranos imitan a dos elementos de los sistemas de
información geográfica modernos: una imagen asociada con un atributo de
información.3
Mapa original del Dr. John Snow. Los puntos son casos de cólera durante la epidemia
en Londres de 1854. Las cruces representan los pozos de agua de los que bebían los
enfermos.
El comienzo del siglo XX vio el desarrollo de la "foto litografía" donde los mapas eran
separados en capas. El avance del hardware impulsado por la investigación en
armamento nuclear daría lugar, a comienzos de los años 60, al desarrollo de
aplicaciones cartográficas para computadores de propósito general.6
El año 1962 vio la primera utilización real de los SIG en el mundo, concretamente en
Ottawa (Ontario, Canadá) y a cargo del Departamento Federal de Silvicultura y
Desarrollo Rural. Desarrollado por Roger Tomlinson, el llamado Sistema de
información geográfica de Canadá (Canadian Geographic Information System, CGIS)
fue utilizado para almacenar, analizar y manipular datos recogidos para el Inventario de
Tierras Canadá (Canada Land Inventory, CLI) - una iniciativa orientada a la gestión de
los vastos recursos naturales del país con información cartográfica relativa a tipos y
usos del suelo, agricultura, espacios de recreo, vida silvestre, aves acuáticas y
silvicultura, todo ello a una escala de 1:50.000. Se añadió, así mismo, un factor de
clasificación para permitir el análisis de la información.
Los 80 y 90 fueron años de fuerte aumento de las empresas que comercializaban estos
sistemas, debido el crecimiento de los SIG en estaciones de trabajo UNIX y ordenadores
personales. Es el periodo en el que se ha venido a conocer en los SIG como la fase
comercial. El interés de las distintas grandes industrias relacionadas directa o
indirectamente con los SIG crece en sobremanera debido a la gran avalancha de
productos en el mercado informático internacional que hicieron generalizarse a esta
tecnología.
En la década de los noventa se inicia una etapa comercial para profesionales, donde los
sistemas de información geográfica empezaron a difundirse al nivel del usuario
doméstico debido a la generalización de los ordenadores personales o
microordenadores.
A finales del siglo XX principio del XXI el rápido crecimiento en los diferentes
sistemas se ha consolidado, restringiéndose a un número relativamente reducido de
plataformas. Los usuarios están comenzando a exportar el concepto de visualización de
datos SIG a Internet, lo que requiere una estandarización de formato de los datos y de
normas de transferencia. Más recientemente, ha habido una expansión en el número de
desarrollos de software SIG de código libre, los cuales, a diferencia del software
comercial, suelen abarcar una gama más amplia de sistemas operativos, permitiendo ser
modificados para llevar a cabo tareas específicas.
La teledetección es una de las principales fuentes de datos para los SIG. En la imagen
artística una representación de la constelación de satélites RapidEye.
Las modernas tecnologías SIG trabajan con información digital, para la cual existen
varios métodos utilizados en la creación de datos digitales. El método más utilizado es
la digitalización, donde a partir de un mapa impreso o con información tomada en
campo se transfiere a un medio digital por el empleo de un programa de Diseño Asistido
por Ordenador (DAO o CAD) con capacidades de georreferenciación.
Los SIG que se centran en el manejo de datos en formato vectorial son más populares en
el mercado. No obstante, los SIG raster son muy utilizados en estudios que requieran la
generación de capas continuas, necesarias en fenómenos no discretos; también en
estudios medioambientales donde no se requiere una excesiva precisión espacial
(contaminación atmosférica, distribución de temperaturas, localización de especies
marinas, análisis geológicos, etc.).
Raster
Un tipo de datos raster es, en esencia, cualquier tipo de imagen digital representada en
mallas. El modelo de SIG raster o de retícula se centra en las propiedades del espacio
más que en la precisión de la localización. Divide el espacio en celdas regulares donde
cada una de ellas representa un único valor. Se trata de un modelo de datos muy
adecuado para la representación de variables continuas en el espacio.
Cualquiera que esté familiarizado con la fotografía digital reconoce el píxel como la
unidad menor de información de una imagen. Una combinación de estos píxeles creará
una imagen, a distinción del uso común de gráficos vectoriales escalables que son la
base del modelo vectorial. Si bien una imagen digital se refiere a la salida como una
representación de la realidad, en una fotografía o el arte transferidos a la computadora,
el tipo de datos raster reflejará una abstracción de la realidad. Las fotografías aéreas son
una forma de datos raster utilizada comúnmente con un sólo propósito: mostrar una
imagen detallada de un mapa base sobre la que se realizarán labores de digitalización.
Otros conjuntos de datos raster podrán contener información referente a las elevaciones
del terreno (un Modelo Digital del Terreno), o de la reflexión de la luz de una particular
longitud de onda (por ejemplo las obtenidas por el satélite LandSat), entre otros.
Los datos raster se compone de filas y columnas de celdas, cada celda almacena un
valor único. Los datos raster pueden ser imágenes (imágenes raster), con un valor de
color en cada celda (o píxel). Otros valores registrados para cada celda puede ser un
valor discreto, como el uso del suelo, valores continuos, como temperaturas, o un valor
nulo si no se dispone de datos. Si bien una trama de celdas almacena un valor único,
estas pueden ampliarse mediante el uso de las bandas del raster para representar los
colores RGB (rojo, verde, azul), o una tabla extendida de atributos con una fila para
cada valor único de células. La resolución del conjunto de datos raster es el ancho de la
celda en unidades sobre el terreno.
Los datos raster se almacenan en diferentes formatos, desde un archivo estándar basado
en la estructura de TIFF, JPEG, etc. a grandes objetos binarios (BLOB), los datos
almacenados directamente en Sistema de gestión de base de datos. El almacenamiento
en bases de datos, cuando se indexan, por lo general permiten una rápida recuperación
de los datos raster, pero a costa de requerir el almacenamiento de millones registros con
un importante tamaño de memoria. En un modelo raster cuanto mayores sean las
dimensiones de las celdas menor es la precisión o detalle (resolución) de la
representación del espacio geográfico.
Vectorial
Representación de curvas de nivel sobre una superficie tridimensional generada por una
malla TIN.
Los elementos vectoriales pueden crearse respetando una integridad territorial a través
de la aplicación de unas normas topológicas tales como que "los polígonos no deben
superponerse". Los datos vectoriales se pueden utilizar para representar variaciones
continuas de fenómenos. Las líneas de contorno y las redes irregulares de triángulos
(TIN) se utilizan para representar la altitud u otros valores en continua evolución. Los
TIN son registros de valores en un punto localizado, que están conectados por líneas
para formar una malla irregular de triángulos. La cara de los triángulos representan, por
ejemplo, la superficie del terreno.
Para modelar digitalmente las entidades del mundo real se utilizan tres elementos
geométricos: el punto, la línea y el polígono.9
Puntos
Los puntos se utilizan para las entidades geográficas que mejor pueden ser
expresadas por un único punto de referencia. En otras palabras: la simple
ubicación. Por ejemplo, las localizaciones de los pozos, picos de elevaciones o
puntos de interés. Los puntos transmiten la menor cantidad de información de
estos tipos de archivo y no son posibles las mediciones. También se pueden
utilizar para representar zonas a una escala pequeña. Por ejemplo, las ciudades
en un mapa del mundo estarán representadas por puntos en lugar de polígonos.
Líneas o polilíneas
Las líneas unidimensionales o polilíneas10 son usadas para rasgos lineales como
ríos, caminos, ferrocarriles, rastros, líneas topográficas o curvas de nivel. De
igual forma que en las entidades puntuales, en pequeñas escalas pueden ser
utilizados para representar polígonos. En los elementos lineales puede medirse la
distancia.
Polígonos
Ventajas
Vectorial Raster
La estructura de los datos es compacta. Almacena los datos sólo de los
La estructura de los datos es
elementos digitalizados por lo que requiere menos memoria para su
muy simple.
almacenamiento y tratamiento.
Las operaciones de
Codificación eficiente de la topología y las operaciones espaciales. superposición son muy
sencillas.
Buena salida gráfica. Los elementos son representados como gráficos Formato óptimo para
Vectorial Raster
vectoriales que no pierden definición si se amplía la escala de
variaciones altas de datos.
visualización.
Tienen una mayor compatibilidad con entornos de bases de datos Buen almacenamiento de
relacionales. imágenes digitales
Las operaciones de re-escalado, reproyección son más fáciles de ejecutar.
Los datos son más fáciles de mantener y actualizar.
En algunos aspectos permite una mayor capacidad de análisis, sobre todo
en redes.
Desventajas
Vectorial Raster
Mayor requerimiento de memoria de almacenamiento. Todas
La estructura de los datos es más compleja.
las celdas contienen datos.
Las operaciones de superposición son más
Las reglas topológicas son más difíciles de generar.
difíciles de implementar y representar.
Las salidas gráficas son menos vistosas y estéticas.
Eficacia reducida cuando la variación de Dependiendo de la resolución del archivo raster, los
datos es alta. elementos pueden tener sus límites originales más o menos
definidos.
Es un formato más laborioso de mantener
actualizado.
Datos no espaciales
Los datos no espaciales también pueden ser almacenados junto con los datos espaciales,
aquellos representados por las coordenadas de la geometría de un vector o por la
posición de una celda raster. En los datos vectoriales, los datos adicionales contiene
atributos de la entidad geográfica. Por ejemplo, un polígono de un inventario forestal
también puede tener un valor que funcione como identificador e información sobre
especies de árboles. En los datos raster el valor de la celda puede almacenar la
información de atributo, pero también puede ser utilizado como un identificador
referido a los registros de una tabla.
Con un par de fotografías aéreas tomadas en dos puntos desplazados, como las de la
imagen, se consigue realizar la estereoscopía. Mediante este paralaje se crea una ilusión
de profundidad que permite al observador reconocer información visual tridimensional
como las elevaciones y pendientes del área fotografiada.
La captura de datos, y la introducción de información en el sistema consume la mayor
parte del tiempo de los profesionales de los SIG. Hay una amplia variedad de métodos
utilizados para introducir datos en un SIG almacenados en un formato digital.
Los datos impresos en papel o mapas en película PET pueden ser digitalizados o
escaneados para producir datos digitales.
Cuando se capturan los datos, el usuario debe considerar si estos deben ser tomados con
una exactitud relativa o con una absoluta precisión. Esta decisión es importante ya que
no solo influye en la interpretación de la información, sino también en el costo de su
captura.
Los SIG pueden llevar a cabo una reestructuración de los datos para transformarlos en
diferentes formatos. Por ejemplo, es posible convertir una imagen de satélite a un mapa
de elementos vectoriales mediante la generación de líneas en torno a celdas con una
misma clasificación determinando la relación espacial de estas, tales como proximidad o
inclusión.
Dado que los datos digitales se recogen y se almacenan en ambas formas, vectorial y
raster, un SIG debe ser capaz de convertir los datos geográficos de una estructura de
almacenamiento a otra.
Dada la amplia gama de técnicas de análisis espacial que se han desarrollado durante el
último medio siglo, cualquier resumen o revisión sólo puede cubrir el tema a una
profundidad limitada. Este es un campo que cambia rápidamente y los paquetes de
software SIG incluyen cada vez más herramientas de análisis, ya sea en las versiones
estándar o como extensiones opcionales de este. En muchos casos tales herramientas
son proporcionadas por los proveedores del software original, mientras que en otros
casos las implementaciones de estas nuevas funcionalidades se han desarrollado y son
proporcionados por terceros. Además, muchos productos ofrecen kits de desarrollo de
software (SDK), lenguajes de programación, lenguajes de scripting, etc. para el
desarrollo de herramientas propias de análisis u otras funciones.
Modelo topológico
Desde la elaboración del mapa del Metro de Londres estos se han convertido en el
paradigma de los mapas topológicos para ilustrar una red. En la imagen el plano de
metro de la red de Madrid.
Para llevar a cabo análisis en los que es necesario que exista consistencia topológica de
los elementos de la base de datos suele ser necesario realizar previamente una
validación y corrección topológica de la información gráfica. Para ello existen
herramientas en los SIG que facilitan la rectificación de errores comunes de manera
automática o semiautomática.
Redes
Cálculo de una ruta óptima para vehículos entre un punto de origen (en verde) y un
punto de destino (en rojo) a partir de datos del proyecto OpenStreetMap.
Un sistema de información geográfica puede simular flujos a lo largo de una red lineal.
Valores como la pendiente, el límite de velocidad, niveles de servicio, etc. pueden ser
incorporados al modelo con el fin de obtener una mayor precisión. El uso de SIG para el
modelado de redes suele ser comúnmente empleado en la planificación del transporte,
hidrológica o la gestión de infraestructura lineales.
Superposición de mapas
Cartografía automatizada
Precisión y generalización de un mapa en función de su escala.
El producto cartográfico final resultante puede estar tanto en formato digital como
impreso. El uso conjunto que en determinados SIG se da de potentes técnicas de análisis
espacial junto con una representación cartográfica profesional de los datos, hace que se
puedan crear mapas de alta calidad en un corto período. La principal dificultad en
cartografía automatizada es el utilizar un único conjunto de datos para producir varios
productos según diferentes tipos de escalas, una técnica conocida como generalización.
Geoestadística
Geocodificación
Geocodificación mediante SIG. Por un lado existen unos números de policía conocidos
y por otro líneas discontinuas entre esos números de portal presupuestos, las cuales
representan los tramos en los cuales se aplica el método de interpolación.
La geocodificación puede realizarse también con datos reales más precisos (por
ejemplo, cartografía catastral). En este caso el resultado de la codificación geográfica se
ajustará en mayor medida a la realizada, prevaleciendo sobre el método de
interpolación.
Software SIG
Editando una capa vectorial de polígonos con el sistema de información geográfica de
código libre gvSIG.
El manejo de este tipo de sistemas son llevados a cabo generalmente por profesionales
de diversos campos del conocimiento con experiencia en sistemas de información
geográfica (cartografía, geografía, topografía, etc.), ya que el uso de estas herramientas
requiere una aprendizaje previo que necesita de conocer las bases metodológicas sobre
las que se fundamentan. Aunque existen herramientas gratuitas para ver información
geográfica, el acceso del público en general a los geodatos está dominado por los
recursos en línea, como Google Earth y otros basados en tecnología web mapping.
Originalmente hasta finales de los 90, cuando los datos del SIG se localizaban
principalmente en grandes ordenadores y se utilizan para mantener registros internos, el
software era un producto independiente. Sin embargo con el cada vez mayor acceso a
Internet/Intranet y a la demanda de datos geográficos distribuidos, el software SIG ha
cambiado gradualmente su perspectiva hacia la distribución de datos a través de redes.
Los SIG que en la actualidad se comercializan son combinaciones de varias aplicaciones
interoperables y APIs.
Hoy por hoy dentro del software SIG se distingue a menudo seis grandes tipos de
programas informáticos:
SIG de escritorio. Son aquellos que se utilizan para crear, editar, administrar,
analizar y visualizar los datos geográficos. A veces se clasifican en tres
subcategorías según su funcionalidad:
o Visor SIG. Suelen ser software sencillos que permiten desplegar
información geográfica a través de una ventana que funciona como visor
y donde se pueden agregar varias capas de información.
o Editor SIG. Es aquel software SIG orientado principalmente al
tratamiento previo de la información geográfica para su posterior
análisis. Antes de introducir datos a un SIG es necesario prepararlos para
su uso en este tipo de sistemas. Se requiere transformar datos en bruto o
heredados de otros sistemas en un formato utilizable por el software SIG.
Por ejemplo, puede que una fotografía aérea necesite ser ortorrectificada
mediante fotogrametría de modo tal que todos sus píxeles sean
corregidos digitalmente para que la imagen represente una proyección
ortogonal sin efectos de perspectiva y en una misma escala. Este tipo de
transformaciones se pueden distinguir de las que puede llevar a cabo un
SIG por el hecho de que, en este último caso, la labor suele ser más
compleja y con un mayor consumo de tiempo. Por lo tanto es común que
para estos casos se suela utilizar un tipo de software especializado en
estas tareas.
o SIG de análisis. Disponen de funcionalidades de análisis espacial y
modelización cartográfica de procesos.
Licencia
GNU/
Software SIG Windows Mac OS X BSD Unix Entorno Web de
Linux
software
Software
ABACO DbMAP Sí Sí Sí Sí Sí Java
no libre
Software
ArcGIS Sí No Sí No Sí Sí
no libre
Software
Autodesk Map Sí No No No No Sí
no libre
Software
Bentley Map Sí No No No No Sí
no libre
Licencia
GNU/
Software SIG Windows Mac OS X BSD Unix Entorno Web de
Linux
software
Libre:
Capaware Sí (C++) No Sí No No No GNU
GPL
Software
Caris Sí No No No No Sí
no libre
Software
CartaLinx Sí No No No No No
no libre
Libre:
El Suri Java Java Java Java Java No
GNU
Software
Geomedia Sí No No No Sí Sí
no libre
Libre:
GeoPista Java Java Java Java Java Sí
GNU
GestorProject - Software
Sí No No No No Java
PDAProject no libre
Libre:
GeoServer Sí Sí Sí Sí Sí Java
GNU
Mediante Libre:
GRASS Sí Sí Sí Sí Sí
pyWPS GNU
Libre:
gvSIG Java Java Java Java Java No
GNU
Software
IDRISI Sí No No No No No
no libre
Libre:
ILWIS Sí No No No No No
GNU
Generic Mapping Libre:
Sí Sí Sí Sí Sí Sí
Tools GNU
Libre:
JUMP Java Java Java Java Java No
GNU
Libre:
Kosmo Java Java Java Java Java En desarrollo
GNU
Libre:
LocalGIS Java Java Java Java Java Sí
GNU
Software
LatinoGis Sí No No No No Sí
no libre
Software
Manifold Sí No No No No Sí
no libre
MapGuide Open LAMP/ Libre:
Sí Sí Sí Sí Sí
Source WAMP LGNU
Software
MapInfo Sí No Sí No Sí Sí
no libre
LAMP/ Libre:
MapServer Sí Sí Sí Sí Sí
WAMP BSD
Software
Maptitude Sí No No No No Sí
no libre
Sí Libre:
MapWindow GIS No No No No No
(ActiveX) MPL
Software
MiraMon Sí (C) No No No No Sí
no libre
Software
ortoSky Sí (C++) No No No No No
no libre
Libre:
Quantum GIS Sí Sí Sí Sí Sí Sí
GNU
Licencia
GNU/
Software SIG Windows Mac OS X BSD Unix Entorno Web de
Linux
software
Libre:
SAGA GIS Sí Sí Sí Sí Sí No
GNU
Software
GE Smallworld Sí ? Sí ? Sí Sí
no libre
Software
Integración
no libre:
SavGIS Sí No No No No con Google
Freewar
Maps
e
Libre:
SEXTANTE Java Java Java Java Java No
GNU
Integración
Software
SITAL Sí No No No No con Google
no libre
Maps
Software
no libre:
SPRING Sí No Sí No Solaris No
Freewar
e
Software
SuperGIS Sí No No No No Sí
no libre
Software
TatukGIS Sí No No No No ?
no libre
Software
TNTMips Sí No No No Sí Sí
no libre
Software
TransCAD Sí No No No No Sí
no libre
Libre:
uDIG Sí Sí Sí No No No
LGNU
Sí Sí Sí Sí
Sí Software
GeoStratum (Flex/Java (Flex/Java (Flex/Java (Flex/Java Sí (Flex/Java)
(Flex/Java) no libre
) ) ) )
Software
ASINELSA SIDAC Java Java Java Java Java Sí
no libre
En la actualidad los SIG están teniendo una fuerte implantación en los llamados
Servicios Basados en la Localización (LBS) debido al abaratamiento y masificación de
la tecnología GPS integrada en dispositivos móviles de consumo (teléfonos móviles,
PDAs, ordenadores portátiles). Los LBS permiten a los dispositivos móviles con GPS
mostrar su ubicación respecto a puntos de interés fijos (restaurantes, gasolineras,
cajeros, hidrantes, etc. más cercanos), móviles (amigos, hijos, autobuses, coches de
policía) o para transmitir su posición a un servidor central para su visualización u otro
tipo de tratamiento.
Por otro lado el mundo de los SIG ha asistido en los últimos años a una explosión de
aplicaciones destinadas a mostrar y editar cartografía en entornos web como Google
Maps, Bing Maps u OpenStreetMap entre otros. Estos sitios web dan al público acceso
a enormes cantidades de datos geográficos. Algunos de ellos utilizan software que, a
través de una API, permiten a los usuarios crear aplicaciones personalizadas. Estos
servicios ofrecen por lo general callejeros, imágenes aéreas o de satélite,
geocodificación, búsquedas en nomenclátores o funcionalidades de enrutamiento.
La tercera dimensión
No obstante hoy en día cada vez más se requieren aplicaciones avanzadas con
funcionalidades capaces de gestionar conjuntos de datos complejos tal y como se
perciben en el mundo real por el usuario, es decir, en tres dimensiones. Este entorno
proporciona un conocimiento mucho mejor de los fenómenos y patrones geoespaciales,
ya sea a pequeña o gran escala, por ejemplo en la planificación urbana, la geología, la
minería, la gestión de redes de abastecimiento, etc.12
Las dificultades con que se enfrenta un SIG completamente 3D son grandes y van desde
las gestión de geometrías 3D y su topología hasta su visualización de una manera
sencilla, pasando por el análisis y geoprocesado de la información.
Semántica y SIG
Las herramientas y tecnologías emergentes desde la W3C Semantic Web Activity están
resultando útiles para los problemas de integración de datos en los sistemas de
información. De igual forma, esas tecnologías se han propuesto como un medio para
facilitar la interoperabilidad y la reutilización de datos entre aplicaciones SIG14 15 y
también para permitir nuevos mecanismos de análisis.16 En suma la incorporación de
cierta inteligencia artificial que dote a estos sistemas de nuevas funcionalidades tales
como la recuperación selectiva de información, el análisis estadístico, la generalización
automática de mapas o la interpretación automática de imágenes geoespaciales.17
Las ontologías son un componente clave de este enfoque semántico, ya que facilitan una
legibilidad por parte de las máquinas de conceptos y relaciones en un dominio dado.
Esto a su vez permite al SIG centrarse en el significado de los datos en lugar de su
sintaxis o estructura. Por ejemplo, podemos razonar que un tipo de cobertura del suelo
clasificada como bosques de frondosas caducifolias son un conjunto de datos detallados
de una capa sobre cubiertas vegetales de tipo forestal con una clasificación menos
minuciosa, lo que podría ayudar a un SIG a fusionar automáticamente ambos conjuntos
de datos en una capa más general de clasificación de la cubierta vegetal terrestre.
Una de las principales fronteras a las que se enfrenta los sistemas de información
geográfica es la de agregar el elemento tiempo a los datos geoespaciales. Los SIG
temporales incorporan las tres dimensiones espaciales (X, Y y Z) añadiendo además el
tiempo en una representación 4D que se asemeja más a la realidad. La temporalidad en
los SIG recoge los procesos dinámicos de los elementos representados. Por ejemplo,
imaginémonos las posibilidades que ofrecería un sistema de información geográfica que
permita ralentizar y acelerar el tiempo de los procesos geomorfológicos que en él se
modelizan y analizar las diferentes secuencias morfogenéticas de un determinado
relieve terrestre; o modelizar el desarrollo urbano de una área determinada a lo largo de
un período dado.13
Véase también
Ciencias de la Tierra
Geomática
Neogeografía
Servicio basado en localización
Notas y referencias
1. «Lascaux Cave». Ministerio de Cultura francés. Consultado el 13 de febrero de
2008.
2. Curtis, Gregory. The Cave Painters: Probing the Mysteries of the World's First
Artists. NY, USA: Knopf. ISBN 1-4000-4348-4.
3. Dr David Whitehouse. «Ice Age star map discovered». BBC. Consultado el 9 de
junio de 2007.
4. Cerda Lorca, Jaime; Gonzalo Valdivia C. (13 de julio de 2007). «John Snow, la
epidemia de cólera y el nacimiento de la epidemiología moderna» (pdf).
Consultado el 20 de septiembre de 2013.
5. «John Snow's Cholera Map». York University. Consultado el 9 de junio de
2007.
6. Joseph H. Fitzgerald. «Map Printing Methods». Consultado el 9 de junio de
2007.
7. «GIS Hall of Fame - Roger Tomlinson». URISA. Consultado el 9 de junio de
2007.
8. Lucia Lovison-Golob. «Howard T. Fisher». Harvard University. Consultado el 9
de junio de 2007.
9. Es común en el ámbito de los sistemas de información geográfica referirse a
estos elementos gráficos que representan elementos del mapa con su
denominación inglesa feature. Su traducción oficial y normalizada en España es
la de «objeto geográfico».[1]
10. Líneas de múltiples nodos, también denominadas multilíneas.
11. Nótese que aquellos productos en los que existen versiones para Unix y/o Linux,
la disponibilidad para MacOS X y BSD es también muy factible dado que el
sobrecoste de su compilación es escaso para el desarrollador, especialmente
cuando el código fuente es público. Las aplicaciones Java funciona en todas las
plataformas en cuyas versiones existen una Máquina Virtual de Java o un
compilador de Java (en estos momentos Windows, MacOS X, Linux y Solaris).
12. 3D and Beyond. «Alias Abdul Rahman» (en inglés). Consultado el 19 de abril
de 2011.
13. Matt Ball (2009). «What are some of the technological frontiers for GIS
advancement?» (en inglés). Consultado el 2 de febrero de 2009.
14. Federico Fonseca y Amit Sheth (2002). «The Geospatial Semantic Web» (en
inglés). Consultado el 18 de octubre de 2008.
15. Federico Fonseca y Max Egenhofer (1999). «Ontology-Driven Geographic
Information Systems» (en inglés). Consultado el 18 de octubre de 2008.
16. Perry, Matthew; Hakimpour, Farshad; Sheth, Amit (2006), «Analyzing Theme,
Space and Time: an Ontology-based Approach» (PDF), Proc. ACM
International Symposium on Geographic Information Systems, pp. 147-154
17. Mónica Medina (2011). «Cambio de paradigma: Sistemas de Información
Geográfica gobernados por ontologías» (en español). Consultado el 20 de
noviembre de 2011.
18. Rafael Oliva-Santos, Leonid Mendoza-Robaina, Cynthia Costales-Llerandi3,
Eduardo Garea- Llano y Francisco Maciá Pérez (2009). «Modelo de anotación
semántica para Sistemas de Información Geogŕafica» (en español). Consultado
el 6 de octubre de 2012. A. Beltran Fonollosa, C. Granell Canut y J. Huerta
Guijarro (2011). «Descripción de recursos multimedia georreferenciados» (en
español). Consultado el 6 de octubre de 2012.
19. http://www.fao.org/countryprofiles/geoinfo.asp?lang=es
Bibliografía
Berry, J.K. (1993) Beyond Mapping: Concepts, Algorithms and Issues in GIS.
Fort Collins, CO: GIS World Books.
Bolstad, P. (2005) GIS Fundamentals: A first text on Geographic Information
Systems, Second Edition. White Bear Lake, MN: Eider Press, 543 pp.
Bosque Sendra, J. (1992) Sistemas de Información Geográfica. Rialp. Madrid.
Burrough, P.A. and McDonnell, R.A. (1998) Principles of geographical
information systems. Oxford University Press, Oxford, 327 pp.
Busai, G.D.; Baxendale, C.A. (2011) Análisis Socioespacial con Sistemas de
Información Geográfica. Tomo 1: Perspectiva Científica / temáticas de base
raster. Buenos Aires, Lugar Editorial, 302 pp.
Buzai, G.D.; Baxendale, C.A. (2012) Análisis Socioespacial con Sistemas de
Información Geográfica. Tomo 2: Ordenamiento territorial / temáticas de base
vectorial. Buenos Aires, Lugar Editorial, 315 pp.
Calvo, M. (1992) Sistemas de Información Geográfica Digitales: Sistemas
geomáticos. IVAP-EUSKOIKER, Oñati, 616 pp.
Calvo, M. (2012) "Geo-conceptualización y modelado del espacio geográfico".
EAE. Saarbrücken, 492 pp.
Chang, K. (2007) Introduction to Geographic Information System, 4th Edition.
McGraw Hill.
Coulman, Ross (2001 - present) Numerous GIS White Papers
de Smith M J, Goodchild M F, Longley P A (2007) Geospatial analysis: A
comprehensive guide to principles, techniques and software tools", 2nd edition,
Troubador, UK available free online at: [2]
Elangovan, K (2006)"GIS: Fundamentals, Applications and Implementations",
New India Publishing Agency, New Delhi"208 pp.
Harvey, Francis(2008) A Primer of GIS, Fundamental geographic and
cartographic concepts. The Guilford Press, 31 pp.
Heywood, I., Cornelius, S., and Carver, S. (2006) An Introduction to
Geographical Information Systems. Prentice Hall. 3rd edition.
Longley, P.A., Goodchild, M.F., Maguire, D.J. and Rhind, D.W. (2005)
Geographic Information Systems and Science. Chichester: Wiley. 2nd edition.
Maguire, D.J., Goodchild M.F., Rhind D.W. (1997) "Geographic Information
Systems: principles, and applications" Longman Scientific and Technical,
Harlow.
Moreno Jiménez, A. (coord.); Gómez García, N., Vidal Domínguez, M. J.,
Rodríguez Esteban, J. A., Martínez Suárez, P., Prieto Flores, M. E., Cervera
Cruañes, B. y Fernández García, F. (2008): Sistemas y análisis de la
información geográfica: manual de auto-aprendizaje con ArcGIS, Madrid, Ra-
Ma, 2.ª ed., 940 pp.
Ott, T. and Swiaczny, F. (2001) Time-integrative GIS. Management and analysis
of spatio-temporal data, Berlin / Heidelberg / New York: Springer.
Olaya, V., (2012) Sistemas de Información Geográfica. Víctor Olaya. 877 pp.
(Creative Common Atribución).
Thurston, J., Poiker, T.K. and J. Patrick Moore. (2003) Integrated Geospatial
Technologies: A Guide to GPS, GIS, and Data Logging. Hoboken, New Jersey:
Wiley.
Tomlin, C.Dana (1991) Geographic Information Systems and Cartographic
Modelling. Prentice Hall. New Jersey.
Tomlinson, R.F., (2005) Thinking About GIS: Geographic Information System
Planning for Managers. ESRI Press. 328 pp.
Wise, S. (2002) GIS Basics. London: Taylor & Francis.
Worboys, Michael, and Matt Duckham. (2004) GIS: a computing perspective.
Boca Ratón: CRC Press.
Wheatley, David and Gillings, Mark (2002) Spatial Technology and
Archaeology. The Archaeological Application of GIS. London, New York,
Taylor & Francis.
Enlaces externos
Wikimedia Commons alberga contenido multimedia sobre sistemas de
información geográfica.
Categorías:
Aplicaciones informáticas
Sistemas de Información Geográfica
Logística
Menú de navegación
Crear una cuenta
Acceder
Artículo
Discusión
Leer
Editar
Ver historial
Portada
Portal de la comunidad
Actualidad
Cambios recientes
Páginas nuevas
Página aleatoria
Ayuda
Donaciones
Notificar un error
Imprimir/exportar
Crear un libro
Descargar como PDF
Versión para imprimir
Herramientas
Otros proyectos
Commons
En otros idiomas
العربية
Azərbaycanca
Беларуская
Български
भोजपुरी
Bosanski
Català
کوردی
Čeština
Dansk
Deutsch
Ελληνικά
English
Esperanto
Eesti
Euskara
فارسی
Suomi
Français
Galego
עברית
हिन्दी
Hrvatski
Magyar
Հայերեն
Bahasa Indonesia
Íslenska
Italiano
日本語
ქართული
한국어
Lietuvių
Latviešu
Македонски
മലയാളം
मराठी
Bahasa Melayu
Nederlands
Norsk nynorsk
Norsk bokmål
Polski
Português
Română
Русский
Srpskohrvatski / српскохрватски
සිංහල
Simple English
Slovenčina
Slovenščina
Shqip
Српски / srpski
Svenska
தமிழ்
ไทย
Türkçe
Українська
Oʻzbekcha
Tiếng Việt
中文
Esta página fue modificada por última vez el 11 nov 2014 a las 21:10.
El texto está disponible bajo la Licencia Creative Commons Atribución
Compartir Igual 3.0; podrían ser aplicables cláusulas adicionales. Léanse los
términos de uso para más información.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una
organización sin ánimo de lucro.
Contacto
Política de privacidad
Acerca de Wikipedia
Limitación de responsabilidad
Desarrolladores
Versión para móviles
¿Qué es un SIG?
Así pues, un SIG es un software específico que permite a los usuarios crear consultas
interactivas, integrar, analizar y representar de una forma eficiente cualquier tipo de
información geográfica referenciada asociada a un territorio, conectando mapas con
bases de datos.
es un SIG?
Un sistema de información geográfica es un sistema para la gestión, análisis y
visualización de conocimiento geográfico que se estructura en diferentes conjuntos de
información:
Mapas interactivos.
Datos Geográficos.
Modelos de Geoprocesamiento.
Son flujos de procesos que permiten automatizar tareas que se repiten con frecuencia,
pudiendo enlazar unos modelos con otros.
Modelos de datos.
Metadatos.
Son los datos que describen la información geográfica, facilitando información como
propietario, formato, sistema de coordenadas, extensión, etc... de la información
geográfica.
Pero realmente ¿cuál es el parecido entre un caso y otro de ambos mapas? ¿Realmente
similares o sólo un poco similares? y... ¿cómo es la similaridad en el resto de las partes
de los mapas? Mientras que un análisis visual y subjetivo puede identificar relaciones
generales, necesitamos de una aproximación cartográfica cuantitativa para realizar un
escrutinio detallado y riguroso que nos permita extraer toda la información contenida en
las series de datos de ambos mapas.
La parte superior izquierda de la Figura 2, donde vemos las tres 'tartas' de datos
superpuestas, muestra el proceso de captura de las tramas de datos para la comparación
de dos posiciones. Imaginemos un pincho que atraviesa las tres 'tartas' de datos por la
localización 18, 45 (fila 18, columna 45): obtendríamos un valor de P de 11.0 ppm,
niveles de K de 177.0 y 32.9 de N. Este paso realizado con un análisis a ojo nos
permitiría observar tramas de colores rojo intenso, naranja oscuro y verde claro,
respectivamente. La otra posición que analizamos para comparación (fila 62, columna
32) tiene una trama de datos de P= 53.2, K= 412.0 y N=27.9; si procedemos a simple
vista vemos una trama de colores con verde oscuro, verde oscuro y amarillo,
respectivamente.
Las coordenadas que localizan de esta forma tridimensional la posición de las bolas
tienen los valores 11.0, 177.0 y 32.9 para el punto de comparación y valores bastantes
más altos para el otro punto (53.9, 412.0 y 27.9). En consecuencia, la posición de ambas
bolas difiere notablemente en el espacio de datos.
Figura 3. Mapa de Similaridad representando la relación existente entre cada celda del
mapa y un punto concreto del mismo tomado como base de la comparación.
Un mapa de similaridad como este que hemos mostrado puede ser una herramienta de
un valor incalculable cuando tratamos de averiguar las relaciones espaciales existentes
en un conjunto complejo de datos cartográficos. Mientras el ser humano no puede
conceptualizar más de tres variables a la vez (recordemos el espacio de datos que
imaginábamos como un cubo de cristal), con ordenadores podemos crear índices de
similaridad que pueden trabajar con cualquier cantidad de mapas como variables de
entrada. Además, las diferentes capas de estos índices pueden ser ponderadas
debidamente para reflejar la importancia relativa en el proceso general de determinación
de la similaridad, dando lugar a modelos más o menos complejos.
En efecto, los Mapas de Similaridad son una aproximación mucho más depurada que el
puntero láser del conferenciante que veíamos al principio recorriendo a toda velocidad
varios mapas similares para apuntar apreciaciones subjetivas acerca de la similaridad o
diferencia entre zonas. Aportamos de esta forma mediciones objetivas y cuantitativas
para cada punto de nuestro espacio de análisis, llevando el análisis cartográfico al
terreno del método científico de donde no debe salir.
IDENTIFICACIÓN DE ZONAS DE DATOS
Bien, ahora vamos a realizar la unión entre el espacio geográfico y el espacio de datos.
La parte sombreada en verde de los histogramas denota mediciones inusualmente altas.
Hemos empleado para ello el estadístico de la desviación típica sobre la media, con lo
que hemos realizado un corte que nos permite aislar las mediciones inusualmente altas
de acuerdo con el desarrollo de la serie de datos (esta cuestión ya la hemos visto en este
artículo anterior). Con dicha delimitación hemos trazado los mapas 2D y superficies 3D
que están en la parte derecha de la Figura 4, repetidos tanto para los valores de fósforo
como de potasio.
La parte derecha de la Figura 5 muestra tres mapas alineados con lo que sería la
solución geográfica para la localización de zonas con ambos elementos químicos altos
(P y K); primero la delimitación de las zonas altas en P, luego las zonas altas en K y por
fin abajo del todo las zonas altas en P y K a la vez. Una forma bastante sencilla de
conseguir estas delimitaciones consiste en asignar un valor 1 a todas las celdas con
mediciones altas de P y K, en cada una de sus dos capas independientes (pintadas de
verde); al resto de celdas las daríamos un valor 0 (gris). Luego multiplicamos una capa
por la otra y al estar compuestas de 0 y 1 sólo nos dará valores verdes (1) en aquellas
zonas donde ambas capas P y K tengan 1, mientras que nos dará valores grises (0) en el
resto de combinaciones, debido a que multiplican por algún 0. Como podemos ver, este
tipo de técnicas de 'cortes por niveles' nos permiten cartografiar selectivamente
cualquier tipo de trama de datos que queramos... sólo hay que asignar valores 1 a los
intervalos de datos que nos interesan dentro de cada variable o capa cartográfica, y
valores 0 al resto para luego realizar una extracción selectiva.
Para conseguir esto hemos empleado un pequeño truco cartográfico que nos ha
permitido conseguir la solución mostrada en la figura anterior. En cada mapa individual
(o capa cartográfica), hemos otorgado a las áreas que llamamos inusualmente altas los
valores de P=1, K=2 y N=4, antes de cruzar entre sí los mapas. El resultado tras este
cruce es un rango de coincidencia que va de cero (0+0+0=0, que serían las zonas grises
que carecen de interés por no tener alto ningún elemento), hasta siete (1+2+4=7, que
serían las zonas de altos niveles a la vez de P, de K y de N). Los valores que quedan
entre el 0 y el 7 nos identifican capas con otras combinaciones de elementos. Por
ejemplo, las zonas pintadas de amarillo tienen un valor de 3 lo que significa niveles
altos de P y K, pero no de N (1+2+0=3). El lector probáblemente se esté preguntando
qué pasaría si tuvieramos más capas cartográficas que 3... en ese caso, garantizaríamos
la identificación unívoca de casos utilizando valores en progresión binaria creciente
(...8, 16, 32, etc.) para garantizar que las combinaciones de resultados sean únicas y
poder de este modo identificar qué categorías o valores dieron lugar en cada caso al
resultado.
La otra técnica que hemos visto ha sido la denominada 'Corte por niveles' (Level-
slicing) que nos permitía especificar un rango de datos de interés para cada uno de los
mapas apilados, y luego generar mapas que cumplieran todas las combinaciones de
criterios: desde sólo un criterio hasta todos los criterios cumplidos a la vez, así como las
posibles combinaciones correctamente identificadas que quedan en medio.
Ambas técnicas son muy útiles a la hora de examinar las relaciones espaciales
subyacentes en los datos, pero exigen al usuario tener que especificar los parámetros
que desea para el análisis. Pero... ¿qué pasa si uno no sabe qué intervalos de corte usar
para el análisis, o qué ubicaciones elegir como base de comparación para analizar la
similaridad cartográfica? ¿Podríamos plantearnos con ciertas garantías que fuera el
ordenador por sí mismo quien identificara los grupos de datos similares? ¿Qué clase de
resultados daría este tipo de clasificaciones automáticas? ¿Funcionarían?
Figura 7. Ejemplos de
Agrupamiento Cartográfico (Map
Clustering).
El mapa que vemos en la parte central del gráfico anterior muestra el resultado de
reclasificar los mapas P, K y N en dos cúmulos de datos (clusters) tras el agrupamiento.
La trama de datos para cada ubicación cartográfica es usada para zonificar la
explotación de maíz en dos grupos o clusters separados que cumplan las siguientes
condiciones:
1/. Que los grupos sean tan diferentes como sea posible entre sí (diferencia entre
grupos).
2/. Que estos grupos internamente estén formados por celdas con tramas
cartográficas lo más similares posibles entre sí (similitud en el seno de cada
grupo).
Los dos mapas que están a la derecha de la Figura 7 contienen los mismos datos pero
grafiados en tres y cuatro cúmulos respectivamente. En los tres mapas de agrupamiento
que vemos (el grande central y los dos de la derecha), se ha asignado el color rojo a los
datos con respuestas relativamente bajas, mientras que el verde equivale a respuestas
relativamente altas. Fijémonos en cómo a medida que vamos pasando de dos a tres
clusters y luego a cuatro, las áreas de los dos cúmulos iniciales van siendo invadidas
paulatinamente por los nuevos grupos creados, de bordes hacia adentro.
Bien, volviendo a la Figura 8, la bola que aparenta estar más cercana a nosotros (la más
grande que está cerca de la arista derecha del cubo) se corresponde con valores altos en
todos los niveles de P, K y N. Por contra, la bola más pequeña que aparece en el
extremo opuesto del cubo (cerca del origen de los ejes), se corresponde con valores
bajos. Parece evidente, pues, que ambas bolas con respuestas tan opuestas pertenecen a
grupos de datos distintos.
Sin embargo, identificar estos grupos de datos cercanos entre sí en el espacio de datos
puede ser una tarea árdua. Lo ideal sería encontrarnos con una estructura de 'nubes' de
bolas en el espacio de datos para facilitar la tarea de identificación de los clusters, pero
eso raramente ocurre, así que no queda otro remedio que aplicar ciertas reglas de
decisión que nos permitan partir los datos por contornos que se tienen que corresponder
con respuestas similares en los datos. Se pueden aplicar técnicas más o menos
sofisticadas que ponderen criterios en función de las tendencias de las series de datos y
otros recursos estadísticos expertos como la consideración de la autocorrelación
espacial, el tratamiento categórico de los datos, etc.
La Figura 9 muestra una tabla con estadísticas básicas y tres gráficos de apertura: uno
por cada capa cartográfica (P, K y N) y cada uno con los resultados de los dos cúmulos
realizados (cluster 1 y cluster 2). En la tabla de estadísticas básicas se han incluido la
media, la desviación típica y los valores máximos y mínimos de cada cúmulo. Lo ideal
sería que las medias entre los grupos fueran radicalmente diferentes y que las
desviaciones típicas dentro de cada grupo fueran muy pequeñas, lo que implicaría que
existen grandes diferencias entre los grupos pero pequeñas diferencias en el seno de
cada grupo.
Los gráficos de apertura nos permiten visualizar estas diferencias. Dentro de estos
gráficos las cajas están centradas en la media (posición) y se extienden hacia arriba y
abajo una desviación típica (ancho); los hilos de apertura que las acompañan se
extienden de los valores máximos a los mínimos, dándonos una idea del rango de
apertura que tiene la serie. Cuando los diagramas de dos clusters se solapan, como
ocurre en el caso de las respuestas del fósforo, quiere decir que dichos cúmulos no son
muy distintos en lo que respecta a ese parámetro (o lo que es lo mismo, a ese eje en el
espacio de datos). Sin embargo, la separación que existe en las cajas de los gráficos de
K y N sugieren un mayor éxito en la distinción de los clusters (especialmente en el caso
del potasio).
Dados estos resultados del ejemplo, un analista GIS daría por aceptable la
clasificación... y yo espero que los expertos en estadística acepten mis disculpas por
tratar un tema tan complejo de una forma tan breve y simplificada.
MAPAS DE PREDICCIÓN
Hablar del futuro de los Sistemas de Información Geográfica es hablar de mapas que
puedan describir cosas que aún no han sucecido... Suena un poco a ciencia ficción pero
lo cierto es que las técnicas de Data Mining espacial no paran de progresar e
inexorablemente nos llevan en esa dirección. Durante décadas, la estadística
convencional (no espacial) ha estado prediciendo cosas mediante el análisis exhaustivo
de muestras de datos en busca de relaciones numéricas (ecuaciones) que luego pueden
ser aplicadas a otros conjuntos de datos. Claro que cuando se realiza una aproximación
basada en la estadística tradicional sobre datos con una componente espacial, estamos
pasando por alto las relaciones geográficas y el resultado al final es sólo una tabla de
números, precisamente por no tener en cuenta dicha componente espacial.
La primera vez que yo usé cartografía predictiva fue en 1992 para extender los
resultados de un estudio de mercado de una compañía de telefonía. La dirección del
cliente fue utilizada para geocodificar las ventas de un nuevo producto que permitía
asignar a un mismo aparato de teléfono disponer de dos líneas con números distintos y
sonido de llamada también distinto: uno para los más jóvenes de la casa y otro para los
mayores. Poco a poco emergió de la pantalla del ordenador un mapa de toda la ciudad
con el patrón de ventas, como si fuera uno de aquellos viejos mapas plagado de
chinchetas. Pudimos ver que algunas áreas estaban respondiendo bastante bien, mientras
que en otras las ventas iban bastante peor.
Los datos demográficos de la ciudad fueron analizados para calcular una ecuación de
predicción entre las ventas del producto y los datos censales. Es decir, escribimos la
ecuación de predicción viendo la relación existente entre los datos del estudio de
mercado (sobre todo ventas) y los datos demográficos, todo ello de una sola ciudad.
Luego esta ecuación fue aplicada en otra ciudad utilizando sus propios datos censales
como elemento para 'resolver la ecuación' y en consecuencia generar un nuevo mapa
predictivo de ventas. Con posterioridad dicho mapa predictivo de ventas fue cruzado
con la información de cableado e instalaciones de la compañía para identificar
elementos de la red que deberían ser reforzados o actualizados previamente al
lanzamiento del producto.
Las 'variables cartográficas independientes' son las que figuran en la parte de abajo del
gráfico, las cuales nos permitirán poner al descubierto las relaciones espaciales
existentes (ecuación de predicción). En el ejemplo que estamos viendo, utilizamos como
variables cartográficas independientes dos imágenes aéreas; la imagen de la parte de
abajo a la izquierda indica la reflectancia relativa de luz roja que reflejan las copas de
las plantas en la explotación; la imagen de abajo a la derecha presenta la respuesta en el
infrarrojo cercano de la misma explotación (luz con una longitud de onda ligeramente
inferior al umbral mínimo que puede percibir el ojo humano).
Viendo estas tres imágenes parece imposible dar con las relaciones que existen entre los
tres conjuntos de datos; sin embargo, el ordenador es capaz de 'percibir' dichas
relaciones cuantitativamente. Cada posición relativa en los tres mapas (celda
equivalente) tiene un valor en
cada una de los mapas. Y cada
capa cartográfica (cada mapa)
está compuesto de 3.287 celdas
que cubren la totalidad de la
superficie de la explotación.
Por ejemplo, en la parte de arriba de la Figura 11 vemos que la celda ubicada en la fila
13 y columna 46 tiene una condición 'común' de 14.7 en la imagen del rojo y 218 en los
datos de producción de cultivo. Las líneas rojas que aparecen en el gráfico de dispersión
inmediatamente a su derecha muestran la posición precisa del par de datos cartográficos
X=14.7 e Y=218. Lo mismo podemos ver en la parte de abajo de la figura pero con los
datos del Infrarrojo cercano cruzados con la producción de cultivo.
De hecho, las nubes de puntos azules que vemos en los gráficos de dispersión
representan pares de datos para cada una de las 3.287 celdas con las que trabajamos para
representar la explotación agrícola analizada. Una cosa más, las líneas azules de los
gráficos representan de forma gráfica las ecuaciones de predicción derivadas del análisis
de regresión. En realidad, el fundamento matemático detrás de este tipo de análisis es
algo más complejo, pero se podría decir que el objeto es conseguir la línea que 'mejor se
adapte a los datos', es decir, con el mismo número de puntos por encima que por debajo
de la línea.
En cierto modo, esta línea azul derivada del análisis de regresión identifica la
producción media de cultivo para cada punto dentro del eje X (respuestas en el rojo e
infrarrojo respectivamente). Piense un momento sobre ello... ¿No se podría utilizar este
tipo de análisis de regresión como un método para predecir la producción en otra lugar o
en otro momento del tiempo? Es decir, tomar el análisis de regresión como un modelo
predictivo en el cual introducimos un valor de respuesta en el infrarrojo (o rojo) para
otro momento del tiempo u otro lugar, y usar la ecuación que deriva la línea azul para
predecir la producción de cultivo bajo esas condiciones. Repetir el proceso en todas las
celdas del mapa de la explotación y de esa forma obtener un mapa predictivo de la
producción prevista en función de los datos proporcionados por la imágen aérea. Ojalá
fuera así de simple y de exacto...
La Figura 12 muestra precisamente ese proceso de cálculo del índice NDVI para un
ejemplo de celda:
Y otra cosa importante; el mapa de abajo a la derecha estima el error del cálculo
previsto, mediante una simple resta de los valores de producción obtenidos en el 2000
del nuevo mapa de previsión (procediendo celda por celda, como en todos los procesos
que estamos describiendo). Este mapa de error sugiere que las cábalas hechas no son del
todo malas: el error medio está en torno a 2.62 kg/ha (en sobreestimación) y el 67% de
la superficie de la explotación está dentro de los 20 kg/ha. También es importante
reseñar que la mayor parte de la sobreestimación ocurre a lo largo del eje de la
explotación, mientras que las subestimaciones están esparcidas a lo largo de dos
curiosas bandas que aparecen con orientación Noreste-Suroeste.
Algunos me podrán decir que evaluar una ecuación de predicción sobre los mismos
datos que se usaron para generarla no es un verdadero proceso de validación, y
ciertamente tendrían razón. No obstante, este procedimiento sí que proporciona al
menos una verificación empírica de la técnica descrita, y nos permite vislumbrar que
con algo más de refinamiento sobre el modelo predictivo, éste puede ser útil en el
pronóstico de producciones de cultivos antes de haber plantado nada.
Lo primero que hay que decir es que existen diversas alternativas para realizar la
estratificación de los datos. Nosotros realizaremos la aproximación conceptual al
procedimiento a partir de una subdivisión del mapa de error, que nos permitirá ver qué
hay detrás de esta técnica. En este sentido, si miramos el centro de la Figura 13 vemos
el histograma de frecuencias que hemos preparado del mapa de error. Las líneas verdes
que se pueden ver en el histograma indican puntos de ruptura de más/menos una
desviación típica, que nos dividen todo el conjunto de datos en tres estratos:
Si ahora pasamos estas tres zonas al mapa de error, obtenemos el mapa que se puede ver
en la parte derecha de la Figura 13.
Hablemos ahora de la
comparación y comprobación de
las predicciones entre sí. En la
Figura 15 (parte izquierda)
tenemos una comparación visual
entre los mapas de producción y
dos predicciones (general y
estratificada). La estratificada
muestra estimaciones detalladas
y de mayor precisión que la
predicción general. El mapa de error para la predicción estratificada (que le podemos
ver en grande) nos indica que el 80% de las estimaciones realizadas (celdas) están
dentro de un error de +/- 20 kg/ha, y que el error medio es de sólo 4 kg/ha. La horquilla
entre máximos y mínimos va de -81.2 a 113, así que no nos podemos quejar de las
predicciones realizadas usando un conjunto bastante limitado de datos (el índice NDVI
y el mapa de producción actual empíricamente medido); y lo más importante: todo esto
lo podemos saber antes de que los agricultores hayan movido un solo grano de tierra.
Antes de terminar, quisiera resaltar un par de cosas acerca de este ejemplo de Data
Mining Espacial que acabamos de ver. En primer lugar, es importante destacar que
existen muchísimos otros métodos de estratificación de datos cartográficos, por
ejemplo:
Los criterios de estratificación pueden ser muchos y la creatividad del analista SIG tiene
aquí campo para expandirse. De hecho, el proceso de identificar esquemas de
estratificación coherentes, consistentes y sobre todo útiles desde el punto de vista de su
aplicación y resultados es un campo emergente de investigación en las ciencias
espaciales de hoy en día.
En segundo lugar, quisiera resaltar también que los mapas de error son claves en el
proceso de evaluación y refinamiento de las ecuaciones de predicción. Este aspecto es
especialmente importante en los casos en los que pretendemos hacer una extrapolación
de los datos que vaya muy lejos en el tiempo y/o espacio. Es importante destacar que la
técnica de utilizar los mismos datos de partida para la evaluación de las predicciones no
siempre es oportuna (en los ejemplos que hemos visto en este artículo lo hemos hecho
por claridad en la exposición y porque basta para comprender el proceso, pero a efectos
de casos prácticos reales no es lo más adecuado).
Siempre que nos sea posible, deberemos contrastar las ecuaciones de predicción y los
mapas derivados de ellas con datos reales de otros lugares y/o momentos temporales
para tener una idea real del rendimiento del modelo. Este es un imperativo que no se
debe olvidar en ningún método sometido al método científico.
Finalmente, quisiera terminar diciendo que por supuesto el Data Mining Espacial no se
restringe en su aplicación a la gestión agrícola (lo que se ha dado en llamar Agricultura
de Precisión). Este tipo de métodos nos permiten una aplicación potencial en cualquier
campo en el que dispongamos de un conjunto de datos cartográficos interrelacionados
entre sí. Ya dimos algunas ideas a lo largo de este artículo de aplicaciones con modelos
predictivos para estudios de geomárketing.
Sobre el autor:
Junto con Dana Tomlin, fue uno de los desarrolladores del software MAP (Map
Analysis Package), con el que muchos de nosotros aprendimos los fundamentos de la
tecnología SIG hace ya mucho tiempo. Ahora es un honor para mí poder contar con su
colaboración en estas páginas.
SIG Libre
Este tipo de programas abiertos suelen ser gratuitos, pero no se debe asociar software
libre a software gratuito. Se trata de una cuestión de libertad de uso y manipulación, no
de precio.
El SIG libre constituye una solución altamente aceptable para el tratamiento de los datos
espaciales. Muchos de estos proyectos están respaldados por instituciones
gubernamentales o universidades a las que se han sumado miles de desarrolladores de
todo el mundo que contribuyen con sus mejoras a la constante y satisfactoria evolución
de las tecnologías geoespaciales libres.
Para saber más acerca de estas aplicaciones, haga clic sobre los botones del menú
inferior.
o
o
o
OpenJUMP
OpenJUMP es un SIG de código libre que permite realizar consultas, crear y editar
datos geográficos de formatos diferentes. Está programado en JAVA y es
multiplataforma, es decir, puede ejecutarse en entornos distintos como Windows, Linux
o Mac OS.
Descargas:
GvSIG
Descargas:
Descarga del software GvSIG de su página oficial
Descarga de Manual de Usuario de su página oficial
o
o
uDig
Este software también está basado en los parámetros del OGC (Open Geospatial
Consortium) que regula los estándares abiertos e interoperables de los Sistemas de
Información Geográfica. Está programado en JAVA mediante un entorno de desarrollo
llamado Eclipse.
De entre sus ventajas cabe destacar que permite la conexión a servidores WFS (Web
Feature Service) o acceso a través de Internet a objetos geográficos no sólo a efectos de
su visualización en un mapa (WMS) sino además para consulta y descarga, es decir, en
modo lectura y escritura. Eso le hace convertirse en un proyecto cada día más
prometedor, aunque actualmente aún esté en fase de desarrollo. Se caracteriza también
por su capacidad de impresión y productos gráficos en los más diversos formatos,
además de por su diseño modular que permite ser reutilizado también en diversos
proyectos o programas.
Descargas:
Redes Sociales
Cada vez es más usual encontrar en Internet redes sociales verticales o especializadas
en una temática concreta. Existen, a este respecto, redes sociales como ArcGis.com,
creada por la compañía ESRI con el objetivo de que profesionales y/o potenciales
profesionales del sector puedan trabajar y compartir conocimientos sobre herramientas y
aplicaciones SIG.
Por otra parte, existen en redes sociales generalistas como Twitter o Facebook, y
profesionales como Xing o Linkedin, multitud de perfiles y páginas de personas,
corporaciones o marcas relacionadas con los SIG, la cartografía o las nuevas tecnologías
aplicadas a la información espacial que utilizan la red para compartir sus experiencias,
conocimientos o descubrimientos.
No se trata de una red social como tal, pero la filosofía de crear, editar y compartir
información y recursos a través de la red, en este caso mapas, se encuentra tras el
conocidísimo Google Maps, servicio gratuito de Google y servidor de aplicaciones de
mapas en la red.
También con esta pretensión de crear comunidad en torno al mundo de los mapas, en el
año 2004 se lanzó Open Street Map, también conocido como “Wiki Mapamundi Libre”,
el más claro ejemplo de proyecto de trabajo cartográfico colaborativo. Open Street Map
es un mapa que permite ver, editar y usar libremente información geográfica de manera
colaborativa desde cualquier lugar del mundo.
BlogRoll
Existen en la red numerosos blogs destinados a aclarar conceptos e ideas en torno a los
Sistemas de Información Geográfica, la cartografía o la geografía en general,
normalmente enmarcada en entornos relacionados con las nuevas tecnologías. Algunas
de ellas se enumeran a continuación:
Technorati, Alianzo o Bitacoras.com son otros sites en los que poder encontrar listados
de blogs de cualquier temática.
El término Sistema de Información Geográfica (SIG) tiene tres acepciones: el SIG como
disciplina; el SIG como proyecto, cada una de las realizaciones prácticas, de las
implementaciones existentes; el SIG como software, es decir los programas y
aplicaciones de un proyecto SIG.
Sin embargo creemos que, tal y como sostienen Burrough y Bouillé, un SIG debe verse
también como un modelo del mundo real, por lo que se podría definir como:
SIGNA
SIGNA es un proyecto del Plan Estratégico del IGN-CNIG desde el año 2005 que tiene
como objetivo integrar las bases de datos geográficos digitales del IGN en un SIG,
especialmente las Bases Cartográficas y Topográficas, con la finalidad de utilizar sus
datos de forma conjunta y coherente, y dotarles de topología y continuidad más allá de
la unidad mínima de producción/actualización.
SIGNA es un geoportal* que actúa como la puerta de acceso al nodo IDE del IGN y que
además combina el mundo IDE con el mundo de los SIG. Como nodo IDE del IGN
tiene precargados la mayoría de servicios OGC que se producen en el IGN. En un futuro
próximo esperamos implementar todos y cada uno de los servicios OGC del IGN, tales
como el WPS y WCS para el cálculo de cotas, mapas de visibilidad, etc.
En el canal youtube del IGN están subidos algunos videos de cómo realizar consultas y
añadir servicios, para que los usuarios conozcan la capacidad del geoportal y lo puedan
explotar al máximo:
SIANE
El IGN tiene la satisfacción de poner a disposición del público a través del portal
SIANEWEB toda la información recopilada y ordenada en los contenidos del Atlas
Nacional de España.
Como novedad, a través de ese portal, el usuario puede acceder por medio de consultas
personalizadas a la información geográfica actualizada y a los contenidos digitales de
forma individual (un mapa, una imagen, un epígrafe, etc.), ya que se presenta en forma
de catálogo; o crear su propia selección de contenidos, sin necesidad de esperar a que un
determinado grupo temático esté completamente actualizado.
Objetivos:
Temario:
Créditos:
6
Público objetivo:
Profesionales interesados en profundizar en el área de sistemas de información, en
particular las aplicaciones de información geográfia en sistemas empresariales.
Conocimientos exigidos:
Bases de Datos y Programación
Conocimientos deseables:
Sistemas de Información Empresariales, nociones sobre Información Geográfica
Metodología de evaluación:
El curso se aprueba con el 60% de los puntos, teniendo un mínimo del 5% en cada
actividad.
RESUMEN
Un elemento efectivo para la planeación y toma de decisiones a nivel organizacional
es la información geoespacial, que día a día se ha ido incorporando en cada uno de
los procesos al interior de las organizaciones. Por lo tanto, existe la creciente
necesidad de compartir repositorios de datos espaciales para el manejo
eficientemente de los recursos y el adecuado engranaje institucional.
ABSTRACT
Geospatial Information is an effective element for planning and decision making at
the organizational level, particularly because it is incorporated in each of the
processes within an organization on a daily basis. Therefore, there is a growing
need to share spatial data repositories for efficient management of resources and
appropriate institutional machinery.
Basically, manipulation, organization and analysis of spatial data held in the various
departments of an organization require a Geographic Information System (GIS).
The problem lies in three main aspects, namely the proliferation of heterogeneous
spatial databases, the growing need to minimize efforts, and the creation of new
technological developments that facilitate access to resources.
Although there is a variety of contexts and application systems that have been
developed aiming at overcoming the complexity and inflexibility of local systems,
there is still a need for a seamless integration system that allows data complex-
access.
In this paper, a service-based architecture for integrating repositories of spatial
data bases is proposed. In this architecture, the use of the Service Oriented
Architecture SOA is analyzed, specifically with regard to the construction of a
middleware that allows customers to use a standard interface to query space
resources.
INTRODUCCIÓN
Las organizaciones invierten grandes cantidades de dinero en la adquisición de
aplicaciones que les permita el manejo de la lógica de sus negocios, así como
superar el reto de la interoperabilidad entre los diferentes sistemas de información
que poseen (Ross et al. 2006). Gran parte de la información que se maneja con los
SIG se trabaja por hilos de información o por una gran diversidad de proyecto que
no están interconectados y que hacen difícil aprovechar los procesos dinámicos del
negocio.
El artículo está dividido en tres secciones: la primera presenta una breve reseña de
los conceptos básicos relacionados con algunas tecnologías que se han diseñado
para el proceso de intercambio de información así como una reseña de la
importancia de los SIG y de los repositorios de bases de datos espaciales, la
segunda presenta la arquitectura propuesta como método de integración de las
bases de datos espaciales y finalmente se cierra con algunas conclusiones.
ANTECEDENTES
En el marco de lo que se refiere tanto a la planificación urbana y rural, así como la
planificación de los diversos proyectos corporativos, es necesario resaltar el acceso
a los sistemas de gestión basados en los servicios SIG, así como el extraordinario
desarrollo de las diferentes plataformas para los procesos de interoperabilidad de
información, específicamente lo relacionado con la información espacial.
En este sentido, son varias las organizaciones que han intentado desarrollar
soluciones integradas para compartir la información haciendo así frente a los
desafíos actuales y mejorando sus procesos y servicios.
Algunas de las técnicas adoptadas para la integración de datos espaciales son las
relacionadas con los datawarehouse (Pascuale 2008), sistema mediante el cual se
construye una bodega de datos central en donde se almacena la información de los
diversos repositorios de datos, y así generar un único mecanismo de consulta con
información debidamente actualizada. El problema consiste en diseñar una base
de datos con un esquema global que sería la solución para un conjunto de
aplicaciones.
Otro mecanismo consiste en utilizar los estándares abiertos propuestos por la OGC
para el dominio de datos espaciales; además se ha propuesto el desarrollo de una
arquitectura basada en wrapper para acceso directo a los servicios y una
arquitectura cliente/servidor, en donde haya una entidad que exponga los servicios
y otra que esté interesada en consumirlos. Sin embargo, las tecnologías antes
mencionadas carecen de robustez y flexibilidad para el descubrimiento de servicios.
El objetivo es seleccionar una arquitectura que permita manejar los sistemas de
forma desacoplada, de manera que se pueda diseñar un proceso de consulta de la
información más complejo.
Los SIG se han posicionado como una de las tecnologías más importantes para
capturar, almacenar, manipular, clasificar, analizar y representar los datos que
tienen un componente espacial. Cabe resaltar que los SIG no son programas para
producir cartografía, sino que gracias a su capacidad para de manejo de los datos
se convierten en una poderosa herramienta para la planificación, gestión y la toma
de decisiones.
De esta manera se puede afirmar, que los datos geoespaciales son inmensamente
heterogéneos y comienzan a estar disponibles en múltiples formatos, tales como
estructuras raster, vector o bases de datos relacionales entre otros, y además, son
almacenados en diferentes formas, Actualmente los estándares para el manejo de
los datos SIG están siendo desarrollados por la OGC, la cual propone el uso de esta
información mediante la construcción de bloques de sistemas basados en servicios.
1. Datos Intercambiables: incluye los datos que pueden ser compartidos por
algunas dependencias o entre diversas entidades, y la forma de acceso a la
información así como su distribución se realiza mediante una estructura
estándar de datos que gestione la solicitud e identifique los datos que
pueden ser compartidos.
La capa de aplicación: a esta capa se pueden conectar una serie de sistemas y
aplicaciones que son completamente independientes una de la otra pero que
satisfacen los requerimientos de las organizaciones y dependencias a las cuales
pertenecen y que hacen parte del sistema de intercambio; la conexión se realiza
teniendo como base los servicios web proporcionados por la capa de servicios. Los
usuarios se comunican a través de la interfaz de la plataforma de integración para
enviar o recibir servicios.
CONCLUSIONES
Este artículo presenta un prototipo de integración de información geoespacial
mediante SOA, que pretende a través del sistema las aplicaciones dentro de las
organizaciones lograr una integración exitosa entre bases de datos heterogéneas.
Uno de los usos m�s claros para las plataformas Cloud es la manipulaci�n de grandes
bases de datos, para lo cual resulta muy interesante contar con recursos de
procesamiento en gran escala. Si bien es posible usar estas posibilidades en algunos
proveedores de servicios Cloud, la forma de interactuar remotamente, no se tienen las
mismas facilidades que en las plataformas usadas com�nmente (centralizada o cliente-
servidor en una red local). En el mejor de los casos, la plataforma Cloud permite
interactuar con un DBMS relacionalmente completo (SQL completo) pero a trav�s de
Web Services u otros mecanismos que se deben programar. O sea que no existen
"herramientas front-end" o utilitarios que permitan operar el DBMS desde un puesto
cliente, lo cual resulta bastante inc�modo. El objetivo de este proyecto de TSI3 es
investigar las opciones de interacci�n con la plataforma Cloud de Microsoft para usar
Sql Server, y programar algunas funciones utilitarias seg�n las que se eval�en
interesantes y factibles. Por ejemplo, se podr�a tener un front-end interprete SQL que
interact�e con el DBMS en el Cloud a trav�s de un WS al cual se mandan las
sentencias. En el desarrollo de la tarea se contar� con apoyo de Microsoft Uruguay.
Grupo 1
Tutores: Laura González, Gustavo Vázquez
Estudiantes: Rodrigo Ordeix, Federico Parins
Control de Acceso en GIS
En un contexto de Arquitecturas de Sistemas de Informaci�n, que incluyen Informaci�n
Geogr�fica (cualquier tipo de informaci�n georreferenciada), se agrega un nuevo
componente que es el Servidor de Mapas. A su vez la OGC establece los protocolos
est�ndares para la interoperabilidad de los servidores de mapas y c�mo deber accederlos
sus clientes (Web Map Service WMS, Web Feature Service WFS, etc.). Estos protocolos
solamente establecen los tipos de mensaje de pedido y respuesta de informaci�n geogr�fica,
pero no tienen previstos componentes de seguridad. Recientemente la OGC estandariz� una
arquitectura propuesta para agregar el control de acceso a los Servidores de Mapas.
En este contexto y utilizando las herramientas JBoss y Map Server (Servidor de Mapas Open
Souce que implementa WMS y WFS), se plantea estudiar la propuesta de GeoXACML y la
arquitectura de referencia, e implementar un m�dulo que permita agregar el procesamiento
del control de acceso en MapServer.
http://www.geoxacml.org/
http://www.opengeospatial.org/standards/geoxacml
http://mapserver.gis.umn.edu/
Grupo 2
Tutores: Raquel Sosa, Marcelo Belén
Estudiantes: Julio Pintos, Mauricio Soto
Grupo 3
Tutores: Leonardo Rodríguez, Gabriel López
Estudiantes: Alejandro Lopez, Ignacio Monta�o
Edición 2008
WS-Trust en Ambiente Heterogéneo
La tecnología de Web Services es el principal mecanismo para lograr interoperabilidad en
ambientes tecnológicamente heterogéneos. Dadas las limitaciones de los primeros estándares
para Web Services, un conjunto de nuevas especificaciones, conocidas como WS-*, ha surgido
recientemente con el fin de abordar problemáticas comúnmente presentes en sistemas
empresariales. WS-Trust, en concreto, es un protocolo interoperable que soporta la emisión,
renovación e intercambio de tokens de seguridad, permitiendo establecer relaciones de
confianza entre servicios. El objetivo de este proyecto es evaluar, a nivel de uso y funcional,
implementaciones de WS-Trust en un ambiente tecnológicamente heterogéneo, apuntando a
lograr interoperabilidad entre las plataformas .NET y Java. Para cumplir con dicho objetivo se
deberán implementar prototipos de escenarios que resulten de interés para evaluar dicha
especificación.
Grupo 1
Tutores: Laura González, Leonardo Rodríguez
Estudiantes: Emiliano Martinez, Soledad Felix, Felipe Rodriguez, Andrea Coronado
Grupo 2
Tutor: Leonardo Rodríguez, Laura González
Estudiantes: Fernando Colman, Matias Rodriguez, Alejandro Zinemanas
Grupo 3
Tutor: Gustavo Vázquez
Estudiantes: Diego Salido, Marcos Techera, Gustavo Fava
Grupo 4
Tutor: Marcelo Belén
Estudiantes: Pablo Pazos, Samanta de Barros
Versión móvil
Twitter
Facebook
Linkedin
UTM Desarrollos
Inicio
Comunicación gráfica
Señalización & Interpretación
Consultoría & formación
Cartografía & GPS/SIG
Contacto
La convocatoria para el envío de resúmenes para las 9as Jornadas de SIG Libre de
Girona está abierta hasta el 28 de noviembre de 2014.
Bases de la convocatoria:
http://www.sigte.udg.edu/jornadassiglibre/comunicaciones/
Envío de propuestas:
http://www.sigte.udg.edu/jornadassiglibre/comunicaciones/comunicaciones-formulario/
http://www.sigte.udg.edu/jornadassiglibre/
Share this:
Facebook
Twitter
Correo electrónico
Publicado en SIG
Más detalles
GRASS GIS es, a día de hoy, el decano en el mundo del software libre geoespacial y
pasa por ser uno de los programas libres más potentes y versátiles.
Sus altas prestaciones y sus capacidades analíticas tanto en el trabajo con datos
vectoriales como en el trabajo con datos raster, hacen de GRASS una excelente
herramienta para desempeñar trabajos de análisis espacial o geográfico en muchos
campos de aplicación, desde el análisis ambiental hasta el análisis de redes, pasando por
la teledetección o la simulación de modelos.
Más detalles
Las bases de datos espaciales se han convertido en una alternativa a los software SIG
tradicionales y SQL es el lenguaje que utilizan los SGBD para gestionar sus bases de
datos tanto alfanuméricas como espaciales. Dentro del mundo del software libre
PostgreSQL y su extensión espacial PostGIS se han convertido en el sistema gestor de
bases de datos (SGDB) más extensamente utilizado a nivel mundial, siendo empleado
en multitud de proyectos y aplicaciones SIG tanto de escritorio como web.
Este curso pretende familiarizarnos con el uso del lenguaje SQL en general, así como
dar a conocer su potencia y funcionalidad y adentrarse especialmente en su componente
espacial y consecuentemente en las funciones para el tratamiento y manipulación de
entidades geográficas vectoriales y el análisis de las relaciones existentes entre ellas
dentro del entorno de PostGIS. El curso se centra exclusivamente en las funciones de
análisis de datos vectoriales no incluyéndose el análisis raster
Más detalles
Más detalles
Este curso pretende dar a conocer el flujo de trabajo OpenStreetMap: empezando por la
captura y adquisición de la información geográfica, hasta la edición y publicación de los
datos para finalmente, dar a conocer los usos que podemos dar a esta cartografía. Una
de las premisas principales del proyecto es que cualquier persona interesada puede
contribuir al mapeo de OpenStreetMap, a la vez que es libre de utilizar los datos
OpenStreetMap para múltiples proyectos y aplicaciones. El curso se centra básicamente
en la edición de los datos geográficos a través de los editores Potlatch y JOSM.
Más detalles
Share this:
Facebook6
Twitter7
Correo electrónico
Publicado en SIG
Etiquetado como formaSIG, GRASS, gvSIG, OpenStreetMap, osm, postgis, QGIS, SIG,
SIG Libre, SQL
oct09
Más detalles
Más detalles
Presenta los métodos para elaborar y definir proyectos SIG, así como herramientas para
la gestión y el desarrollo de proyectos.
Más detalles
Share this:
Facebook1
Twitter6
Correo electrónico
Publicado en SIG
oct02
¿Quieres convertirte en un profesional en
Gestión de SIG?
Posted by SIGTE
Matriculación:
Más detalles
Share this:
Facebook6
Twitter5
Correo electrónico
Publicado en SIG
Etiquetado como e-learning, formación SIG, Gestión de SIG, GIS, Máster GIS, Máster
SIG, Programa UNIGIS, SIG, UNIGIS
sep01
Las sesiones han sido amplias y variadas, exprimiendo el tiempo al máximo, para
dejarnos con una experiencia y una visión suficientes para enfrentarnos a todas las
herramientas que hoy por hoy configuran un proyecto real. No salimos como expertos
en ninguna de las tecnologías, pero conocemos suficientemente todos los ingredientes,
del primero al último, para elaborar un producto completo y moderno en el mercado
real.
A ello han contribuido unos tutores centrados en el producto final y la viabilidad de los
desarrollos. No han sido sesiones teóricas acerca de tecnologías experimentales, todo ha
estado centrado en los procesos y productos que se realizan hoy por hoy en empresas y
administraciones. Al menos para mi eso es algo muy importante.
Por último, las relaciones establecidas entre los asistentes han sido tanto más
enriquecedoras por la heterogeneidad del grupo. Hemos comentado y compartido
nuevas tecnologías, ejemplos y experiencias. Y no sólo en el tiempo de clase, sino que
hemos estrechado lazos en nuestro tiempo libre disfrutando de la ciudad, y
compartiendo experiencias y cervezas.
Share this:
Facebook5
Twitter7
Correo electrónico
Publicado en SIG
Etiquetado como FOSS, FOSS4G, GeoServer, Leaflet, nuevas tecnologías, Open Web
Services and Web Map Applications Summer School, OpenGeo, OpenLayers,
OpenSource, OpenStreetMap, osm, OWS, SIGTE, tilemill, Web Mapping Applications
jul21
En el siguiente artículo veremos un caso real de desarrollo de una aplicación SIG WEB
para dispositivos móviles tipo tableta.
El principal objetivo de la aplicación fue la gestión “in situ” de los datos geográficos y
alfanuméricos en dispositivos tipo “tablet”.
Consulta de datos.
Edición de cartografía.
Edición de datos alfanuméricos.
Adjuntar fotografías.
Otro objetivo primordial era que el “Mapa” fuera el punto central de la aplicación, y las
acciones se ejecutaran en la medida de lo posible en este contexto.
Funcionalidades de la aplicación
“Login”
La primera pantalla que encuentra el usuario al acceder a la aplicación es la pantalla de
autentificación.
Se ha implementado un sistema de usuarios ya que la aplicación gestiona datos remotos
y porque existen dos perfiles de usuarios. El perfil de “lectura” que sólo puede realizar
consultas y visualizar datos, y el perfil de “lectura/escritura” que además de la lectura
también puede gestionar altas/bajas y modificaciones.
“Mapa”
El mapa es el espacio principal de la aplicación, desde esta pantalla interactuamos con
las demás funcionalidades del aplicativo.
visibles.
en la base de datos.
Componentes
La aplicación móvil (cliente) para la gestión de los datos trabaja contra una API REST
mediante peticiones “Ajax”.
Las imágenes de los datos y de los mapas base se obtienen del servidor de mapas
mediante el servicio WMS o de un proveedor de cartografía externo.
Solución tecnológica
Librerías
Apache Cordova
Interfaz de usuario
JqueryMobile
Para la interfaz visual.
Openlayers 2.13.1
Renderizar los mapas
Servidor
PHP+Postgres+Postgis
La API y la base de datos.
Geoserver.
Servidor de mapas.
Valoraciones
La interacción de los SIG desde dispositivos móviles, para el trabajo “in situ” y en
tiempo real es una demanda creciente y con soluciones cada vez más asequibles y
ligeras desde recursos tecnológicos “Open Source”. Si bien hemos expuesto el caso de
la gestión de parques y jardines, la aplicación podría extrapolarse a otros muchos
ámbitos de la gestión municipal (inventario de mobiliario urbano, mantenimiento de
equipamientos municipales, etc).