Beruflich Dokumente
Kultur Dokumente
Una buena parte de los análisis geográficos se realizan sobre capas en formato
ráster. Estas, por sus propias características, se prestan mejor a cierto tipo de
análisis, y la implementación de estos resulta más sencilla, por lo que lo
habitual es encontrarlos implementados para ser empleados con capas ráster.
La información de la que disponemos no siempre se encuentra en este
formato, pero ello no significa necesariamente que no podamos utilizarla. A
partir de información en otros formatos podemos generar capas ráster (este
proceso lo denominaremos rasterización) que reúnan las características para
ser analizadas mediante dichos algoritmos. El problema es en todos los casos
la creación de una estructura regular a partir de información que no es regular,
tal como la contenida en un TIN, una capa de polígonos, una de líneas, o una
capa de valores puntuales.
Interpolación
Kriging
Los puntos cercanos deben tener pesos mayores que los lejanos.
Puntos muy cercanos con valores muy similares deben «agruparse», de tal
forma que no aparezca sesgo por sobremuestreo.
Junto a los métodos de interpolación que hemos visto, que son los más
comunes y los implementados habitualmente, existen otros muchos que
aparecen en determinados SIG tales como los de vecino
natural [Sibson1981Wiley], interpolación picnofiláctica [Tobler1979JASA], u
otros. Además de esto, cada uno de dichos métodos presenta a su vez diversas
variantes, con lo cual el conjunto global de metodologías es realmente
extenso. A partir de un juego de datos distribuidos irregularmente, la creación
de una malla ráster regular es, pues, una tarea compleja que requiere para
empezar la elección de un método concreto. Este proceso de elección no es en
absoluto sencillo.
La calidad de los datos de partida. Cuando los datos de partida son de gran
precisión, los métodos exactos pueden tener más interés, de cara a preservar
la información original. Si, por el contrario, sabemos que los datos de partida
contienen mucho ruido, aquellos métodos que suavizan el resultado tal como el
kriging son preferibles, de cara a atenuar el efecto de dicho ruido.
Los métodos que hemos visto en este capítulo no imponen restricciones sobre
la distribución o el número puntos de entrada (si bien el kriging, por ejemplo,
exige un cierto número de puntos para un ajuste fiable del variograma
teórico), ni tampoco sobre las características de la capa ráster resultante. No
obstante, resulta claro que existe una relación directa entre ambas, y que la
capacidad de un conjunto de valores puntuales para generar una capa ráster
es limitada.
Algunos métodos como el kriging dan una estimación del error además de la
capa de valores interpolados.
n los métodos exactos, por propia definición, este valor es cero, lo cual no
quiere decir, lógicamente, que la capa interpolada sea «perfecta» (lo es, pero
solo en los puntos de partida), ni que no pueda llevarse a cabo una validación.
Densidad
Las funciones son el elemento principal del álgebra de mapas. Cuatro son los
tipos principales de funciones que podemos definir, agrupadas según la forma
en que toman la información necesaria para su cálculo de entre la contenida en
todas las celdas de las capas de origen.
Local. El valor en cada celda de la capa resultante es función únicamente de
los valores en esa misma celda en las capas de partida.
Las funciones locales asignan valores a una celda en base a los valores que esa
misma celda presenta para cada una de las capas de entrada, operando con
estos de una forma u otra. Es decir, el valor resultante para una localización
dada es función exclusivamente de lo que se encuentra en dicha localización,
no dependiendo en modo alguno de otras localizaciones (otras celdas)
Cuando las funciones locales se aplican a varias capas, la forma de combinar
estas es muy variable. Junto a las operaciones que ya hemos visto, podemos
utilizar algunas otras, y de modos igualmente variados. El conjunto de ellas lo
dividimos en los siguientes grupos:
Operadores aritméticos. Para formar expresiones con las distintas capas
tales como la ecuación USLE que ya conocemos.
Operadores lógicos. Pueden tomarse los valores de las capas como valores
booleanos (1 o 0, verdadero o falso), o aplicar expresiones lógicas de
tipo pertenece al conjunto u operadores de comparación, entre otros.
Parámetros estadísticos. Por ejemplo, el valor mayor de entre las todas las
capas. También pueden recogerse otros como el orden del valor de una capa
dentro de la serie ordenada de valores en todas las capas, el código de la capa
donde aparece ese valor mayor, o el numero de capas con valores iguales a
uno dado.
Funciones focales
Las funciones de análisis focal operan sobre una sola capa de datos, asignando
a cada celda un valor que deriva de su valor en la capa de partida, así como de
los valores de las situadas en un entorno inmediato de esta. La función focal
queda así definida por las dimensiones y forma del entorno a considerar, así
como por la función a aplicar sobre los valores recogidos en este.
Con los valores de las celdas contenidas en la ventana de análisis pueden
realizarse operaciones muy diversas, entre las que cabe citar las siguientes:
Cálculo de descriptores estadísticos. Los más habituales son la media, la
mediana, los valores extremos o el rango de valores. Para el caso de valores
discretos, son comunes parámetros como el número de clases (número de
celdas con distinto valor) dentro de la ventana de análisis.
y=∑ni=1ziki∑ni=1ki ; ki∈R
Funciones globales
Las variables que manejamos en el álgebra de mapas son, como hemos visto
en los ejemplos precedentes, capas en formato ráster y valores escalares que
podemos combinar con los anteriores. Para algunas de las funciones resulta
necesaria únicamente una capa, mientras que para otras son necesarias
varias.
Aunque en la práctica los conceptos definidos por Tomlin son la base para la
implementación genérica de algoritmos, diversos autores han intentado
extender estos conceptos y formalizarlos de una forma más general. Aunque
tratar estos sistemas escapa al alcance de este texto, resulta de interés
mencionar algunas de las propuestas.
Vectorización de entidades
La vectorización de entidades tiene como base una capa ráster con una
variable de tipo nominal u ordinal, en la cual se reflejan distintas categorías. El
objetivo es expresar mediante entidades vectoriales los conjuntos de celdas de
una misma categoría.
La necesidad de efectuar este tipo de operaciones va a aparecer en gran parte
de las ocasiones que encontremos en nuestro trabajo una capa ráster de este
tipo, pues ya sabemos que esta información resulta más adecuado en la
mayoría de casos almacenar su información según el modelo de datos
vectorial.
Capas tales pueden surgir en el trabajo con SIG en diversos momentos, pues
muchas operaciones de análisis sobre capas ráster van a generar este tipo de
resultados. La conversión de dichos resultados al modelo de datos vectorial va
a permitir darles un uso distinto y combinar ambos modelos de representación,
usando cada cual cuando más convenga
Vectorización de líneas
Volviendo a los algoritmos sobre capas discretas donde las entidades a definir
están claramente definidas, comencemos con los de vectorización de líneas.
Estos son similares en cierta medida a los de polígonos que veremos más
adelante, aunque entrañan en principio algo menos de dificultad técnica.
En líneas generales, y teniendo en cuenta los condicionantes anteriores, la
vectorización de curvas de nivel a partir de mapas topográficos se lleva a cabo
siguiendo una cadena de procesos que comporta los siguientes pasos.
Escaneado del mapa original
Segmentación
Operaciones morfológicas
Conversión ráster--vectorial
Analizar las celdas alrededor suyo para localizar la siguiente celda de la curva.
Vectorización de polígonos
Otro resultado vectorial que puede generarse a partir de una capa ráster son
las isolíneas o curvas de nivel. Aunque el caso más habitual es utilizarlas para
representar elevaciones (tal y como aparecen en un mapa topográfico
habitual), se emplean también para otro tipo de variables de tipo continuo
tales como la presión (isobaras), la precipitación(isoyetas) o el
tiempo(isocronas). La forma de obtenerlas a partir de una capa ráster es, no
obstante, la misma en todos los casos.
Creación de TIN
Selección de puntos
Triangulación
Simplificación
Zonas de influencia
Operaciones de solape
Diferencia
Intersección
Unión
Recorte
Una de las aplicaciones que veíamos de las funciones locales para capas ráster
era la combinación con objeto de restringir la extensión de una capa de
entrada. Utilizábamos una capa con la información de interés y otra con una
«máscara», la cual indicaba qué celdas resultaba de interés preservar en la
capa resultante.
Diferencia
Unión
Polígonos espúreos
Juntar capas
Contornos mínimos
Rectángulo mínimo
Círculo mínimo
Círculo mínimo
Métodos
Los algoritmos para la generalización de líneas son muy diversos y tienen cada
uno sus propias características de precisión y rendimiento. La forma más
simple de generalización consiste sencillamente en eliminar puntos sin
considerar la relevancia de estos dentro de la línea. Esta eliminación puede
realizarse de forma sistemática (eliminar un punto de cada nn), o bien
aleatoria. La magnitud del proceso de generalización se mide por el número
total de puntos eliminados.