2.

2 Representaciones informáticas de la información geográfica

Hasta ahora, no hemos discutido en absoluto cómo la geoinformación, los
campos y objetos, se representa en un ordenador. Es necesario entender al
menos un poco sobre las representaciones informáticas para entender mejor lo
que el sistema hace con los datos, y también lo que no puede hacer con ellos.
En lo anterior, hemos visto que varios fenómenos geográficos tienen las
características de funciones continuas sobre dominios del espacio
geométricamente infinitos del espacio. La elevación, por ejemplo, puede
medirse en un número arbitrario de lugares, incluso en el patio de casa, y cada
lugar puede dar un valor diferente.
Si queremos representar fielmente un fenómeno de este tipo en la memoria del
ordenador, podríamos tratar de almacenar el mayor número posible de pares
(ubicación, elevación), o intentar encontrar una representación simbólica de la
función de elevación, como una fórmula en forma de x e y (3,0678x
2 + 20,08x - 7,34y) o así, que tras su evaluación
nos dará el valor de elevación en un determinado (x, y).
Ambos enfoques tienen sus inconvenientes. El primero adolece del hecho de
que nunca podremos almacenar todos los valores de elevación de todas las
ubicaciones; después de todo, hay infinitas localizaciones. El segundo enfoque
se ve afectado por el hecho de que no tenemos ni idea de cuál debería ser esa
función, ni de cómo derivarla, y es probable que para zonas más grandes sea
una función extremadamente complicada.
En los SIG, se suele adoptar una combinación de ambos enfoques.
Almacenamos un conjunto finito, pero inteligentemente elegido, de
localizaciones con su elevación. Esto nos da la elevación de esos lugares
almacenados, pero no de otros. Por lo tanto, los valores almacenados se
combinan con una función de interpolación que permite inferir un valor de
elevación razonable para las ubicaciones que no están almacenadas. El
principio subyacente se llama autocorrelación espacial: los lugares cercanos
tienen más probabilidades de tener valores similares que las localizaciones que
están lejos.
La función de interpolación más sencilla -y de uso común- simplemente toma el
valor de elevación del lugar más cercano que esté almacenado. Pero también
se pueden utilizar funciones de interpolación más inteligentes, que implican
más de un único valor almacenado, como puede entenderse a partir de las
interpolaciones de la TSM de la Figura 1.1. como se desprende de las
interpolaciones de la TSM de la figura 1.1.
Los objetos de línea, ya sea por sí mismos o en su papel de límites de objetos
de región, son otro ejemplo común de fenómenos continuos que deben ser
finitamente representados. En la vida real, estos objetos no suelen ser rectos, y
a menudo se curvan de forma errática. Una famosa pregunta paradójica es si
se puede medir realmente la longitud de la costa de Gran Bretaña... ¿se puede
medir alrededor de rocas, guijarros o incluso granos de arena?
En un ordenador, estos rasgos aleatorios y curvilíneos nunca pueden
representarse completamente.
Hay que observar, pues, que los fenómenos con características intrínsecas
continuas y/o infinitas tienen que representarse con medios finitos (memoria de
ordenador) para su manipulación informática, y que cualquier esquema de
representación finita que obliga a una mirada discreta sobre el continuo que
representa está abierto a errores de interpretación...
En los SIG, los campos suelen implementarse con un enfoque de teselación, y
los objetos con un enfoque vectorial (topológico). Sin embargo, esto no es una
regla rígida, ya que la práctica a veces exige lo contrario.
En las siguientes secciones se analizan las teselaciones, las representaciones
basadas en vectores y cómo pueden aplicarse para representar campos y
objetos geográficos.
2.2.1 Teselaciones regulares
Una teselación (o mosaico) es una partición del espacio en celdas mutuamente
excluyentes que componen el espacio de estudio completo. A cada celda se le
asocia algún valor (temático) para caracterizar esa parte del espacio. En la
figura 2.1 se ilustran tres tipos de teselación regular, se ilustran en la figura 2.5.
En una teselación regular, las celdas tienen la misma forma y tamaño. El
ejemplo más sencillo es una trama rectangular de cuadrados unitarios,
representado en un ordenador en el caso 2D como una matriz de n × m
elementos (véase la Figura 2.5-izquierda).
Todas las teselaciones regulares tienen en común que las celdas tienen la
misma forma y tamaño, y que el valor del atributo de campo asignado a una
celda está asociado a toda el área ocupada por la celda.
La teselación de celdas cuadradas es, con mucho, la más utilizada,
principalmente porque la georreferenciación de una celda es muy sencilla. Las
teselaciones cuadradas y regulares se conocen con varios nombres en
diferentes paquetes SIG: raster o mapa raster.
El tamaño del área que representa una celda ráster se denomina resolución del
ráster.
A veces, también se utiliza la palabra cuadrícula, pero estrictamente hablando,
una cuadrícula es una colección de puntos una colección de puntos igualmente
espaciados, a los que se les ha asignado algún valor de atributo, suelen
utilizarse para mediciones discretas que se producen a intervalos regulares.
Los puntos de rejilla suelen considerarse sinónimos de las celdas ráster.
(Véanse también las páginas 475 y 478.) Nuestra aproximación finita del
espacio de estudio conduce a algunas formas de interpolación que deben ser
tratadas. El valor del campo de una celda puede interpretarse como uno para
de la celda completa de la teselación, en cuyo caso el campo es discreto, no
continuo o incluso diferenciable. Se necesita alguna convención para
establecer qué valor prevalece en los límites de la celda; con celdas cuadradas,
esta convención suele decir que los límites inferior e izquierda pertenecen a la
celda. Para mejorar esta cuestión de continuidad, podemos hacer dos cosas:
 hacer que el tamaño de la celda sea más pequeño, para que los "huecos
de continuidad" entre las celdas sean menores, y/o
 asumir que un valor de celda sólo representa la elevación para una
ubicación específica en la celda, y proporcionar una buena función de
interpolación para todas las demás ubicaciones que tenga la
característica de continuidad.

Normalmente, si se quiere utilizar rásteres para la representación de

campos continuos, se hace la primera, pero no la segunda. La segunda
técnica suele considerarse demasiado costosa desde el punto de vista
informático para los grandes rastreos.

La ubicación asociada a una celda ráster se fija por convención, y puede

ser el centroide de la celda (punto medio) o, por ejemplo, su esquina
inferior izquierda. Los valores para otras posiciones deben calcularse
mediante algún tipo de función de interpolación, que utilizará uno o más
valores de campo cercanos para calcular el valor en la posición
solicitada. Esto permite representar funciones continuas, incluso
diferentes funciones.

Una ventaja importante de los teselados regulares es que sabemos a

priori cómo dividir el espacio y podemos hacer nuestros cálculos
específicos para esta división. Esto da lugar a algoritmos rápidos. Una
desventaja evidente es que no se adaptan al fenómeno espacial que
queremos representar. Los límites de las celdas son artificiales y fijos:
pueden coincidir o no con los límites del fenómeno de interés.

La adaptabilidad al fenómeno a representar puede ser rentable.

Supongamos que utilizamos cualquiera de las teselaciones regulares
anteriores para representar la elevación en una zona perfectamente
plana.
Entonces, es evidente que necesitamos tantas celdas como en un
terreno fuertemente ondulado: la estructura de datos La estructura de los
datos no se adapta a la falta de relieve. Por ejemplo, seguiríamos
utilizando las m ×n celdas para el raster, aunque la elevación podría ser
de 1500 m sobre el nivel del mar en todas partes.

2.2.2 Teselaciones irregulares

Más arriba hemos comentado que las teselaciones regulares

proporcionan estructuras simples con algoritmos sencillos, que sin
embargo no se adaptan a los fenómenos que representan. Por ello,
también se ha hecho un gran esfuerzo en las teselaciones irregulares.
De nuevo, se trata de particiones del espacio en celdas mutuamente
disjuntas, pero ahora las celdas pueden variar en tamaño y forma, lo que
les permite adaptarse a los fenómenos espaciales que representan.

En este artículo sólo tratamos un tipo, el árbol cuadrado de regiones,

pero señalamos que se han propuesto muchas más estructuras en la
literatura y también se han implementado.

Las teselaciones irregulares son más complejas que las regulares, pero
son más adaptables, lo que suele conducir a una reducción de la
cantidad de memoria utilizada para almacenar los datos.

Una estructura de datos muy conocida de esta familia -en la que se han
basado muchas otras variaciones- es el cuadríptico de regiones. Se
basa en una teselación regular de celdas cuadradas, pero aprovecha los
casos en los que las celdas vecinas tienen el mismo valor de campo, de
modo que pueden representarse juntas como una celda más grande. En
la figura 2.6 se ofrece una ilustración sencilla. Muestra una pequeña
trama de 8 × 8 con tres posibles valores de campo: blanco, verde y azul.
El quadtree que representa esta trama se construye dividiendo
repetidamente el área en cuatro cuadrantes, que se denominan NW, NE,
SE y SW por razones obvias. Este procedimiento se detiene cuando
todas las celdas de un cuadrante tienen el mismo valor de campo. El
procedimiento produce una estructura arbórea invertida, conocida como
quadtree. En la memoria principal, los nodos de un quadtree (tanto los
círculos como los cuadrados en la figura siguiente) se representan como
registros. Los enlaces entre ellos son punteros, una técnica de
programación para direccionar (es decir, apuntar a) otros registros.

Los Quadtrees son adaptativos porque aplican el principio de

autocorrelación espacial:

los lugares que están cerca en el espacio probablemente tengan valores

de campo similares. Cuando un conglomerado de celdas tiene el mismo
valor, se representan juntas en el quadtree, siempre que los límites
coincidan con los límites predefinidos del cuadrante. Por eso también
podemos afirmar que un quadtree proporciona una teselación anidada:
los cuadrantes sólo se dividen si tienen dos o más valores (colores).

Los cuatros árboles tienen varias características interesantes. Una de

ellas es que los nodos cuadrados del mismo nivel representan tamaños
de área iguales. Esto permite calcular rápidamente el área cubierta por
algún valor de campo. El nodo superior del árbol representa la trama
completa.
 2.2.3 Representaciones vectoriales

Resumiendo lo anterior, podemos decir que las teselaciones cortan el

espacio de estudio en celdas, y asignan un valor a cada celda. Una
trama es una teselación regular con celdas cuadradas, y es, con mucho,
la más utilizada. La forma en que se divide el espacio de estudio es
(hasta cierto punto) arbitraria, lo que significa que los límites de las
celdas no suelen tener relación con los fenómenos del mundo real.

En las representaciones vectoriales, se intenta asociar las

georreferencias con los fenómenos geográficos de forma explícita. Una
georreferencia es un par de coordenadas de algún espacio geográfico, y
también se conoce como vector. Esto explica el nombre. A continuación,
veremos una serie de ejemplos.

Obsérvese que las teselaciones no almacenan explícitamente las

georreferencias de los fenómenos que representan. En su lugar, pueden
proporcionar una georreferencia de la esquina inferior izquierda del
ráster, por ejemplo, más un indicador de la resolución del ráster, de este
modo, proporcionan implícitamente georreferencias para todas las
celdas del ráster.

A continuación, discutiremos varias representaciones vectoriales. Comenzamos

nuestra discusión con el TIN, una representación para campos geográficos que
puede considerarse un híbrido entre las teselaciones y las representaciones
vectoriales.
Redes irregulares trianguladas
Una estructura de datos comúnmente utilizada en el software SIG es la red
irregular triangulada, o TIN. Es una de las técnicas de implementación estándar
para los modelos digitales de los modelos digitales del terreno, pero puede
utilizarse para representar cualquier campo continuo.
Los principios en los que se basa un TIN son sencillos. Se construye a partir de
un conjunto de ubicaciones para las que tenemos una medida, por ejemplo una
elevación. Las ubicaciones pueden estar dispersas de forma arbitraria en el
espacio y, por lo general, no se encuentran en una bonita cuadrícula regular.
Cualquier ubicación, junto con su valor de elevación, puede considerarse un
punto en un espacio tridimensional. Esto se ilustra en la figura 2.7. A partir de
estos puntos tridimensionales, podemos construir una teselación irregular
hecha de triángulos. En la figura 2.8 se muestran dos teselaciones de este tipo
se ilustran en la figura 2.8.
Obsérvese que en el espacio tridimensional, tres puntos determinan de forma
única un plano, siempre que no sean colineales, es decir, que no estén
situados en la misma línea. Un plano ajustado a través de estos puntos tiene
un aspecto y un gradiente fijos, y puede utilizarse para calcular una
aproximación de la elevación de otros lugares.3
Dado que podemos elegir muchos triples de puntos, podemos construir muchos
de estos planos, y por lo tanto podemos tener muchas aproximaciones de
elevación para un solo lugar, como P. Por lo tanto, es prudente restringir el uso
de un plano a la zona triangular "entre" los tres puntos.
Si restringimos el uso de un plano a la zona comprendida entre sus tres puntos
de anclaje, obtenemos una teselación triangular del espacio de estudio
completo.
Desgraciadamente hay muchas teselaciones diferentes para un conjunto dado
de puntos de anclaje, como La figura 2.8 muestra dos de ellas. Algunas
teselaciones son mejores que otras, en el sentido de que cometen menores
errores de aproximación de la elevación.
Por ejemplo, si basamos nuestro cálculo de elevación para la ubicación P en el
triángulo sombreado de la izquierda, obtendremos otro valor que el del
triángulo sombreado de la derecha.El segundo proporcionará una mejor
aproximación porque la distancia media distancia de P a los tres triángulos de
anclaje es menor.
La triangulación de la figura 2.8(b) resulta ser una triangulación de Delaunay,
que en cierto sentido es una triangulación óptima. Existen múltiples formas de
definir lo que es una triangulación de este tipo [53], pero aquí basta con indicar
dos propiedades importantes. La primera es que los triángulos son tan
equiláteros ("de lados iguales") como pueden ser, dado el conjunto de puntos
de anclaje. La segunda propiedad es que para cada triángulo, la circunferencia
que pasa por sus tres puntos de anclaje no contiene ningún otro punto de
anclaje.

A la derecha se muestra una de estas circunferencias.

Un TIN es claramente una representación vectorial: cada punto de anclaje tiene
una georreferencia almacenada. Sin embargo, también podríamos llamarlo un
teselado irregular, ya que la triangulación elegida proporciona un mosaico de
todo el espacio de estudio. Las celdas de este mosaico no tienen un valor
almacenado asociado, como es típico de los teselados, sino una simple función
de interpolación que utiliza los valores de elevación de los tres puntos de
anclaje.
Representaciones de puntos
Los puntos se definen como pares de coordenadas simples (x, y) cuando
trabajamos en 2D o como tripletas de coordenadas (x, y, z) cuando trabajamos
en 3D. La elección del sistema de coordenadas es otra cuestión, a la que
volveremos en el capítulo 4.
Los puntos se utilizan para representar objetos que se describen mejor como
características de forma y sin tamaño y de una sola localidad. El que esto sea
así depende realmente de los de la aplicación espacial y también de la
extensión espacial de los objetos en comparación con la escala aplicada en la
aplicación. En el caso de un mapa de una ciudad turística, los parques no
suelen considerarse como elementos puntuales, pero sí los museos, y,
ciertamente, las cabinas telefónicas públicas podrían representarse como
elementos puntuales.
Además de la georreferencia, normalmente se almacenan datos adicionales
para cada objeto puntual. Estos datos, denominados administrativos o
temáticos, pueden capturar cualquier cosa que se considere relevante sobre el
objeto. En el caso de los objetos de las cabinas telefónicas, pueden incluir la
compañía telefónica propietaria, el número de teléfono, los datos del último
servicio, etc.
Representaciones de líneas
Los datos lineales se utilizan para representar objetos unidimensionales como
carreteras, ferrocarriles, canales, ríos y líneas eléctricas. Una vez más, hay que
tener en cuenta la relevancia de la aplicación y la escala que ésta requiere.
Para la aplicación de ejemplo de información turística, es probable que las
rutas de los autobuses, el metro y los tranvías sean características de línea
relevantes. Por otro lado, algunos sistemas catastrales pueden considerar que
las carreteras son elementos bidimensionales, es decir, que también tienen una
anchura.
Al principio de la sección 2.2, vimos que las características curvilíneas
continuas y arbitrarias son igualmente difíciles de representar como campos
continuos. Por lo tanto, los SIG aproximan tales características (¡finitamente!)
como listas de nodos. Los dos nodos finales y cero o más nodos internos
definen una línea. Otra palabra para el nodo interno es verte (plural: vértices);
otra frase para la línea que se utiliza en algunos SIG es polilínea, arco o arista.
Un nodo o vértice es como un punto (como se ha comentado anteriormente)
pero sólo sirve para definir la línea; no tiene ningún significado especial para la
aplicación más que.
Los vértices de una línea ayudan a darle forma y a obtener una mejor
aproximación a la característica real. Las partes rectas de una línea entre dos
vértices consecutivos o nodos finales se denominan segmentos de línea.
Muchos SIG almacenan una línea como una simple secuencia de coordenadas
de sus nodos finales y vértices, asumiendo que todos sus segmentos son
rectos. Esto suele ser suficiente, ya que los casos en los que un único
segmento de línea recta se considera una representación insatisfactoria
pueden tratarse utilizando múltiples segmentos de línea (más pequeños) en
lugar de uno solo.
Aun así, hay casos en los que nos gustaría tener la oportunidad de utilizar
rasgos curvilíneos arbitrarios como representación de fenómenos del mundo
real. Pensemos en el diseño de jardines con céspedes circulares o elípticos
perfectos, o en los mapas topográficos detallados que representan rotondas y
las aceras anexas. En principio, todo esto se puede tener en los SIG, pero
actualmente muchos sistemas no dan cabida a esas formas.
Si un SIG admite algunas de estas características curvilíneas, lo hace con
descripciones matemáticas parametrizadas. Pero una discusión de estas
técnicas más avanzadas va más allá del propósito de este libro de texto.
Las colecciones de líneas (conectadas) pueden representar fenómenos que se
ven mejor como redes. Con las redes, surgen un tipo específico de preguntas
interesantes, que tienen que ver con la conectividad y la capacidad de la red.
Estas cuestiones se plantean en la monitorización del tráfico, la gestión de
cuencas y otros ámbitos de aplicación. En elementos de la red -es decir, las
líneas que la componen- se suelen asociar valores comúnmente asociados
como la distancia, la calidad del enlace o la capacidad de carga.
Representaciones de la zona
Cuando los objetos de área se almacenan utilizando un enfoque vectorial, la
técnica habitual es aplicar un modelo de límites. Esto significa que cada
característica de área está representada por alguna estructura de arco/nodo
que determina un polígono como límite del área. El sentido común dicta que las
características de área del mismo tipo se almacenan mejor en una sola capa de
datos, representada por polígonos que no se superponen entre sí. En esencia,
lo que obtenemos es una partición del espacio determinada por la aplicación
(es decir, adaptativa), similar, pero no exactamente, a una teselación irregular
del enfoque raster.
Obsérvese que una representación poligonal para un objeto de área es otro
ejemplo de aproximación finita de un fenómeno que inherentemente puede
tener un límite curvilíneo. En el caso de que el objeto pueda percibirse con un
límite difuso, un polígono es una aproximación aún peor, aunque
potencialmente la única posible.
En la figura 2.10 se ofrece un ejemplo. Ilustra un estudio sencillo con tres
objetos de área, representados por límites poligonales. Evidentemente,
esperamos que los datos adicionales que acompañen a los datos de área. Esta
información podría almacenarse en tablas de la base de datos.
Una representación simple, pero na ̈ıve de las características del área sería
enumerar para cada polígono simplemente la lista de líneas que describe su
límite. Cada línea de la lista sería, como antes, una secuencia que comienza
con un nodo y termina con uno posiblemente con vértices en medio. Pero esto
está lejos de ser óptimo.
Para entender por qué es así, fíjese en el límite compartido entre los polígonos
inferior izquierdo y derecho de la figura 2.10. La línea que constituye el límite
entre ellos es la misma, lo que significa que en la representación se
almacenaría dos veces, una por cada polígono. Se trata de una forma de
duplicación de datos conocida como redundancia de datos que resulta
incómoda en el mantenimiento de los mismos.

Hay otra desventaja en estas representaciones polígono a polígono. Si

queremos averiguar qué polígonos bordean el polígono inferior izquierdo,
tenemos que hacer un análisis bastante complicado y que requiere mucho
tiempo, comparando las listas de vértices de todas las líneas limítrofes con la
del polígono inferior izquierdo. De todas las líneas limítrofes con la del polígono
inferior izquierdo. En el caso de la Figura 2.10, con sólo tres polígonos, esto
está bien, pero cuando nuestro conjunto de datos tiene 5.000 polígonos, con
quizás un total de 25.000 líneas límite, incluso los ordenadores más rápidos
tardarán en encontrar los polígonos vecinos.
El modelo de frontera es una representación mejorada que resuelve estas
desventajas. Almacena partes de los límites de un polígono como arcos no
curvos e indica qué polígono está a la izquierda y cuál a la derecha de cada
arco. A La figura 2.11 muestra un ejemplo sencillo del modelo de límites. Ilustra
que se almacena información adicional sobre las relaciones espaciales entre
líneas y polígonos, por ejemplo. Obviamente, las coordenadas reales de los
nodos (y vértices) también se almacenarán, aunque en otra tabla.
El modelo de límites también se denomina a veces modelo de datos
topológicos ya que captura cierta información topológica, como la vecindad de
los polígonos. Obsérvese que es una consulta sencilla encontrar todos los
polígonos que son vecinos de algún polígono dado, a diferencia del caso que
hemos tratado anteriormente. En la siguiente sección cuestiones topológicas en
la siguiente sección.
2.2.4 Topología y relaciones espaciales
Topología espacial general
La topología se ocupa de las propiedades espaciales que no cambian bajo
determinadas transformaciones. Un ejemplo sencillo ilustrará lo que queremos
decir.
Supongamos que tenemos unas características dibujadas en una hoja de goma
(como en la Figura 2.12). Ahora, tome la hoja y tire de sus bordes, pero no la
rompa. Las características cambiarán de forma y tamaño. Sin embargo,
algunas propiedades no cambian:
el área E sigue estando dentro del área D,

 las relaciones de vecindad entre A, B, C, D y E permanecen intactas y

sus límites tienen los mismos nodos iniciales y finales, y
  las áreas siguen estando delimitadas por los mismos límites, sólo han
cambiado las formas y longitudes de sus perímetros han cambiado.

Estas relaciones son invariables bajo una transformación continua. Estas

propiedades se llaman propiedades topológicas, y la transformación se
llama mapa topológico.

Las propiedades matemáticas del espacio geométrico utilizado para los

datos espaciales pueden describirse como sigue.
El espacio es un espacio euclidiano tridimensional donde para cada punto
podemos determinar sus coordenadas tridimensionales como un triple (x, y, z)
de números reales. En este espacio, podemos definir características como
puntos, líneas, polígonos y volúmenes como primitivas geométricas de la
dimensión respectiva. Un punto es de dimensión cero, una línea es
unidimensional, un polígono es bidimensional y un volumen es una primitiva
tridimensional.
El espacio es un espacio métrico, lo que significa que siempre podemos
calcular la distancia entre dos puntos según una función de distancia dada. Tal
función también se conoce como métrica.
El espacio es un espacio topológico, cuya definición es un poco complicada. En
esencia, para cada punto del espacio podemos encontrar una vecindad
alrededor de él que también pertenezca plenamente a ese espacio.
El interior y el límite son propiedades de las características espaciales que
permanecen invariantes bajo mapeos topológicos. Esto significa que, bajo
cualquier mapa topológico, el interior y el límite de un elemento permanecen
intactos.
Hay una serie de ventajas cuando nuestras representaciones informáticas de
los fenómenos geográficos tienen incorporada la sensibilidad de las cuestiones
topológicas. Las cuestiones relacionadas con la "vecindad" de una zona son un
punto en el caso. Para obtener cierta "sensibilidad topológica" se han
propuesto bloques de construcción sencillos con los que representaciones más
complicadas:
Podemos definir dentro del espacio topológico rasgos que sean fáciles de
manejar y que puedan utilizarse como representaciones de objetos
geográficos. Estas características se denominan símiles, ya que son las formas
geométricas más simples de alguna dimensión: punto (0-símbolo), segmento
de línea (1-símbolo), triángulo (2-símbolo) y tetraedro (3-simplex).
Como las características topológicas de los símiles son bien conocidas,
podemos inferir las características topológicas de un complejo simplicial a partir
de la forma en que fue con estructurado.

La topología de dos dimensiones

Podemos utilizar las propiedades topológicas del interior y el límite para definir
las relaciones entre las características espaciales. Dado que las propiedades
del interior y el límite no cambian bajo mapeos topológicos, podemos investigar
sus posibles relaciones entre características espaciales.4 Podemos definir el
interior de una región R como el conjunto máximo de puntos en R para los que
podemos construir un entorno similar a un disco a su alrededor (no importa lo
pequeño que sea) que también cae completamente dentro de R. El límite de R
es el conjunto de los puntos que pertenecen a R pero que no pertenecen al
interior de R, es decir, no se puede construir un entorno en forma de disco
alrededor de dichos puntos que todavía pertenece a R completamente.
Supongamos que consideramos una región espacial A. Ésta tiene un límite y
un interior, ambos vistos como conjuntos (infinitos) de puntos, y que se denotan
por límite(A) e interior (A), respectivamente. Consideramos todas las
combinaciones posibles de intersecciones (∩) entre el límite y el interior de A
con los de otra región B, y comprobamos si son el conjunto vacío (∅) o no. A
partir de estos patrones de intersección, podemos derivar ocho relaciones
espaciales (mutuamente excluyentes) entre dos regiones. Si, por ejemplo, los
interiores de A y B no se cruzan, pero el límite de una no se cruza con el
interior de la otra, decimos que A y B se encuentran. En matemáticas, podemos
definir la relación de encuentro como:

A meets B
def = interior (A) ∩ interior (B) = ∅ ∧
boundary(A) ∩ boundary(B) 6= ∅ ∧
interior (A) ∩ boundary(B) = ∅ ∧
boundary(A) ∩ interior (B) = ∅.

En la fórmula anterior, el símbolo ∧ expresa la conectiva lógica "y". Por lo tanto,

se indican cuatro propiedades que deben cumplirse todas.
La figura 2.14 muestra las ocho relaciones espaciales: disjunta, se encuentra,
es igual, dentro de cubierto por, contiene, cubre y solapa. Estas relaciones
pueden utilizarse, por ejemplo, en las consultas a una base de datos espacial.
Resulta que las reglas de cómo se pueden incrustar los símiles y los complejos
simpliciales en el espacio son bastante diferentes para el espacio bidimensional
que para el tridimensional. Este conjunto de reglas define la consistencia
topológica de ese espacio. Se puede demostrar que si las reglas que se indican
a continuación se cumplen para todos los rasgos de un espacio bidimensional,
los rasgos definen una configuración topológicamente consistente en el espacio
2D. Las reglas se ilustran en la figura 2.15.
1-Cada 1-simplex ('arco') debe estar limitado por dos 0-simples ('nodos' es
decir, su nodo inicial y final)
2. Todo 1-simplex limita con dos 2-simples ("polígonos", es decir, sus polígonos
"izquierdo" y "derecho")

3. Todo 2-símbolo tiene una frontera cerrada que consiste en una secuencia
alterna (y cíclica) de 0 y 1-símbolos.
4. Alrededor de cada 0-símbolo existe una secuencia alterna (y cíclica) de 1 y
2-símbolos.
5. Las 1-simplicidades sólo se cruzan en sus nodos (delimitadores).
El caso tridimensional
No es gratuito que nuestro debate sobre las representaciones vectoriales y la
topología espacial se haya centrado principalmente en los objetos del espacio
bidimensional. La historia del tratamiento de los datos espaciales está marcada
casi exclusivamente por el 2D, y esto también es cierto para la mayoría de las
aplicaciones SIG actuales. Sin embargo, algunos dominios de aplicación
requieren también datos de elevación, pero éstos suelen ser acomodados por
los llamadas 2/1 estructuras de datos 2D.
Estas estructuras de datos 2 1/2 D son similares a las estructuras de datos 2D
(ya comentadas) que utilizan puntos, líneas y áreas. También aplican las reglas
de la topología bidimensional, como se ilustra en la figura 2.15. Esto significa
que diferentes líneas no pueden cruzarse sin intersectar nodos, y que
diferentes áreas no pueden superponerse.
Por otro lado, hay un aspecto importante en el que los datos de 2 1/2 D sí
difieren de los datos estándar de 2D, y es en su asociación de un valor z
adicional con cada símplex 0 ("nodo"). Así, los nodos también tienen un valor
de elevación asociado. En esencia, esto permite al usuario del SIG representar
1 y 2-símbolos que no son horizontales y, por lo tanto, también se puede
construir una "superficie arrugada" plana a trozos, muy parecida a un TIN. Sin
embargo, hay que tener en cuenta que no se pueden tener dos nodos
diferentes con idénticas coordenadas x e y, pero con distinto valor z. En
consecuencia, los verdaderos sólidos no pueden representarse en un SIG 2/1
2D.
La representación de sólidos es una característica importante para algunos
ámbitos de aplicación de los SIG. Cabe mencionar aquí dos de ellos: la
exploración de minerales, en la que los sólidos se utilizan para representar los
yacimientos, y la modelización urbana, en la que los sólidos pueden
representar diversas construcciones humanas como edificios y canales de
alcantarillado.
Las características tridimensionales de estos objetos son fundamentales, ya
que su profundidad y volumen pueden ser importantes, o su visibilidad en la
vida real debe representarse fielmente.
Un sólido puede definirse como un verdadero objeto 3D. Una clase importante
de sólidos en los SIG 3D es la formada por los poliedros, que son los sólidos
limitados por facetas planas. A faceta es un lado plano con forma de polígono
que forma parte de la frontera de un poliedro. Cualquier poliedro tiene al menos
cuatro facetas; este es el caso del 3- simplex. La mayoría de los poliedros
tienen muchas más facetas; el cubo tiene ya seis.

2.2.5 Escala y resolución

En la práctica del tratamiento de datos espaciales, uno se encuentra a menudo
con preguntas como "¿cuál es la resolución de los datos?" o "¿a qué escala
está su conjunto de datos?". Ahora que hemos entrado de lleno en la era
digital, estas preguntas a veces no tienen una respuesta fácil.
Los datos espaciales digitales, tal y como se almacenan en un SIG, carecen
esencialmente de escala: la escala es una noción de relación asociada a un
resultado visual, como un mapa, y no a los datos que se utilizaron para producir
el mapa. Más adelante veremos que los datos espaciales digitales pueden
obtenerse digitalizando un mapa en papel (apartado 4.1.2), y en este contexto
podríamos decir informalmente que los datos están a tal o cual escala,
indicando la escala del mapa del que se obtuvieron los datos.