Datos Espaciales

DIPLOMADO EN HIDROLOGIA ESPACIAL
SEGUNDA VERSION – 2012
Universidad Mayor de
San Simón
Cochabamba-Bolivia
Tema:
INFORMACION GEOGRAFICA Y TIPOS DE DATOS ESPACIALES
Traducido por: Lic. J. Stephan Dalence Martinic. MSc.

(Texto original: de By, et.al. 2004)
Agosto, 2012
Introducción a los Sistemas de Información Geográfica 1

Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los Recursos
Naturales – CLAS (UMSS)
INDICE DE CONTENIDO
1. Introducción. ............................................................................................................. 4
2. Fenómenos geográficos. ............................................................................................ 5
2.1. Fenómeno geográfico definido. ........................................................................... 5
2.2. Diferentes tipos de fenómenos geográficos. ........................................................ 6
2.3. Campos geográficos. ............................................................................................ 7
2.4. Tipos de valores de datos. .................................................................................... 8
2.5 Objetos geográficos. ............................................................................................. 9
2.6. Límites. .............................................................................................................. 11
2.7 Representaciones computarizadas de la información geográfica. ...................... 12
2.8. Teselaciones regulares. ...................................................................................... 13
2.9. Teselaciones irregulares. .................................................................................... 15
2.10. Representaciones vector................................................................................... 16
2.11. Redes trianguladas irregulares. ........................................................................ 17
2.12. Representaciones puntuales. ............................................................................ 18
2.13. Representaciones de líneas. ............................................................................. 19
2.14. Representaciones de área. ................................................................................ 20
2.15. Topología y relaciones espaciales. ................................................................... 22
2.15.1. Topología espacial general. ...................................................................... 22
2.15.2. La topología de dos dimensiones. ............................................................. 24
2.15.2. El caso tridimensional. .............................................................................. 26
2.16. Escala y resolución. ......................................................................................... 27
2.17. Representaciones de los campos geográficos. ................................................. 27
2.17.1. Tessellation para representar un campo. ................................................... 28
2.17.2. Representación vector de un campo. ....................................................... 28
2.18. Representación de objetos geográficos. ........................................................... 29
2.18.1. Teselaciones para representar objetos geográficos. .................................. 29
2.18.2. Representaciones vector para objetos geográficos. .................................. 31
2.19. Organizando los datos espaciales..................................................................... 32
3. La dimensión temporal. .......................................................................................... 33
3.1. Datos espacio temporales. .................................................................................. 33
3.2. Modelos espacio temporales de datos. ............................................................... 35
3.2.1. El modelo retrato (snapshot). ...................................................................... 36
3.2.2. El modelo de cubo de espacio-tiempo. ....................................................... 36
3.2.3. El modelo compuesto de espacio-tiempo. .................................................. 37
3.2.3. Modelo basado en el evento. ....................................................................... 37
4. Resumen ................................................................................................................... 38
5. Referencia bibliográfica. ........................................................................................ 39

INDICE DE FIGURAS
Figura 1. Ejemplo de campo continuo ................................................................................ 7

Figura 2. Un campo discreto que indica unidades geológicas. ......................................... 8
Figura 3. Un número de fallas geológicas en Falset........................................................ 10
Figura 4. Tipos de teselaciones más comunes, celdas cuadradas, hexagonales y
triangulares. ...................................................................................................................... 13
Figura 5. Representación de un quadtree......................................................................... 16
Figura 6. Localizaciones de ingreso y sus valores de elevación para la construcción de
un TIN, la posición P es arbitraria y tiene fines explicativos. .......................................... 17
Figura 7. Dos triangulaciones basadas en las localizaciones de ingreso de la figura 6,
(a) triángulos estirados; (b) Triángulos equiláteros. ....................................................... 17
Figura 8. Línea definida por dos nodos (inicial y terminal), representa tres vértices y
cuatro líneas de segmento. ................................................................................................ 19
Figura 9. Áreas que representan sus propios límites. ...................................................... 21
Figura 10. Un simple modelo de límite para los polígonos A, B y C. W simboliza la parte
de afuera del polígono. ..................................................................................................... 22
Figura 11. Transformación de una hoja de goma (no se rompe o raja), muchas
relaciones de los constituyentes se mantienen. ................................................................. 22
Figura 12. Simplices y simplicies complex. Las características son aproximadas por un
conjunto de puntos, líneas, segmentos, triángulos y tetrahedros. .................................... 23
Figura 13. Relaciones espaciales entre dos regiones derivadas de las intersecciones
topológicas invariantes del límite e interior. .................................................................... 25
Figura 14. Las cinco reglas de la consistencia topológica en espacios bidimensionales.26
Figura 15. Representación raster de elevación. ............................................................... 28
Figura 16. Representación de un campo de elevación discretizado para Falset. ............ 29
Figura 17. (a) Imagen digital no procesada; (b) Raster clasificado para un área de
agricultura. ....................................................................................................................... 30
Figura 18. (a) Imagen digital no procesada; (b) Raster clasificado para un área urbana.
........................................................................................................................................... 30
Figura 19. Una línea recta actual y su representación en raster. .................................... 31
Figura 20. Varios objetos (edificios, garaje de bicicletas y vías) representados como
objetos de área en una representación vector. ................................................................. 31
Figura 21.Diferentes raster pueden ser superpuestos para observar correlaciones
espaciales. ......................................................................................................................... 32
Figura 22. Dos diferentes capas de objetos pueden ser superpuestas para observar
correlaciones espaciales y el resultado puede ser usado como una capa separada. ....... 32
Figura 23. Cambio temporal en la cobertura cerca de San José de Guaviare en
Colombia. .......................................................................................................................... 33

Estructura de datos espaciales en SIG
1. Introducción.
Los fenómenos geográficos existen en el mundo real: para obtener
verdaderos ejemplos, solamente hay que mirar fuera de la ventana. Al
usar el software de SIG, primero obtenemos algunas representaciones de
la computadora sobre éstos fenómenos –almacenados en memoria, en
bits y bytes– tan fielmente como sea posible. Aquí es cuando nos
referimos a datos espaciales. Continuamos manipulando los datos con
técnicas usualmente específicas al dominio aplicado, por ejemplo, en
geología, para obtener una clasificación geológica. Esto puede resultar
en representaciones de la computadora adicionales, nuevamente
almacenadas en bits y bytes. Para ejemplos reales de estas
representaciones se debería ver en los archivos en los cuales ellos están
siendo almacenados; entonces se verían bits y bytes, pero esto no sería
de ninguna manera excepcional. Por lo tanto, podemos usar el SIG para
crear visualizaciones desde la representación de la computadora, ya sea
en pantalla, impreso en papel ó de otra forma.
Es crucial entender las diferencias fundamentales entre estas tres

nociones. El mundo real, después de todo, es un dominio completamente
diferente al del mundo de SIG/computadora, en el cual simulamos este
mundo real. Sabemos que nuestras simulaciones nunca serán perfectas,
por ende, muchos hechos no serán encontrados.
Al cruzar la barrera entre el mundo real y una representación

computarizada nos damos cuenta que es un dominio experto por si
mismo. Mayormente, es hecho por observaciones directas usando
sensores y digitando la salida del sensor para la utilización de la
computadora. Este es el dominio del sensor remoto. Otras técnicas para
obtener representaciones computarizadas son más indirectas: podemos
tomar un resultado de visualización de un proyecto previo, por ejemplo,
un mapa en papel y redigitalizarlo.
Este capítulo estudia los tipos de fenómenos geográficos de manera más

profunda y mira en los diferentes tipos de representaciones
computarizadas para ellos. Cualquier fenómeno geográfico puede ser
representado de varias maneras; la opción la cual es la mejor
representación depende mayormente de dos factores:
Qué datos crudos originales (de los sensores ó de otra fuente) están
disponibles.
Qué clase de manipulación de datos quiere realizar la aplicación.
Finalmente, mencionamos que las ilustraciones en éste capítulo –por

naturaleza– son visualizaciones ellas mismas, aunque algunas de ellos
proponen ilustrar un fenómeno geográfico ó una representación
computarizada. Esto podría, pero no debiese confundir al lector. Este
capítulo no tiene nada que ver con visualizaciones.
2. Fenómenos geográficos.
Existen, por supuesto, un amplio rango de fenómenos geográficos tal
como se demuestra al recorrer el pasillo del CLAS, donde se encuentran
diferentes usos de SIG. Todos ellos están basados en uno ó más nociones
de fenómenos geográficos.
2.1. Fenómeno geográfico definido.

Podemos definir un fenómeno geográfico como algo de interés que
Puede ser nombrado ó descrito.
Puede ser georreferenciado.
Puede ser asignado a un tiempo (intérvalo) en el cual está/estaba
presente.
La relevancia de fenómenos de un uso actual de SIG depende

enteramente de los objetivos que se tiene.
Por ejemplo, en el manejo de los recursos hídricos, los objetos de estudio

pueden ser cuencas de ríos, unidades agroecológicas, medidas de
evapotranspiración actual, datos metereológicos, niveles de agua
subterránea, niveles de irrigación, balances hídricos y medidas del uso
total de agua. Observe que todos éstos pueden ser nombrados/descritos,
georreferenciados y provistos con un intérvalo de tiempo en el cual cada
uno existe.
En la administración catastral multipropósito, los objetos de estudio son

diferentes: casas, establos, parcelas, calles de varios tipos, formas de uso
del suelo, canales de alcantarilla y otras formas de infraestructura urbana
donde todas ellas juegan un rol determinado. Nuevamente, estos
pueden ser nombrados ó descritos, georreferenciados y asignados a un
intérvalo de tiempo de existencia.
Observe que no exigimos que todos los fenómenos relevantes vengan

como tripletes (descripción, georreferencia, intérvalo de tiempo), aunque
muchos así lo hacen. Si la georreferencia se pierde, parece que tenemos
algo de interés que no está posicionado en el espacio, un ejemplo es un
documento legal en un sistema catastral. Está obviamente en algún lado,
pero su posición en el espacio es considerada irrelevante.

Si el intérvalo de tiempo está perdido, parece que tenemos un fenómeno

de interés que es considerado que siempre está ahí, por tanto el intérvalo
(probablemente a ser considerado), es infinito. Si la descripción está
perdida, tenemos “algo” que existe en el tiempo y en el espacio, pero
que no puede ser descrito (no creemos que cosas así puedan ser
interesantes para usarse en SIG)
2.2. Diferentes tipos de fenómenos geográficos.

Nuestra discusión sobre los fenómenos geográficos fue necesariamente
abstracta, y por lo tanto, quizás de alguna forma dificultosa de entender.
La razón principal para esto es que los fenómenos geográficos vienen en
diferentes “sabores”.
Hasta aquí, primero se ha hecho la observación que la representación de

un fenómeno en un SIG requiere establecer el qué es, y dónde está.
Debemos indicar una descripción –ó por lo menos un nombre– por un
lado, y una georreferencia por otro. Saltaremos la parte del tiempo por
ahora, la razón del por qué ignoramos las características temporales se
debe a que el actual SIG no provee mucho respaldo automático para
datos dependientes del tiempo. Una segunda observación fundamental
es que algunos fenómenos se manifiestan esencialmente donde sea en el
área de estudio, mientras que otros ocurren solamente en ciertas
localidades. Si definimos nuestra área de estudio el océano Pacífico
ecuatorial, por ejemplo, podemos decir que la temperatura superficial
del mar puede ser medida en cualquier parte del área de estudio. Por lo
tanto, es un ejemplo típico de un campo (geográfico).
Un campo geográfico es un fenómeno geográfico mediante el cual, por

cada punto del área de estudio, puede ser determinado un valor.
Los ejemplos usuales de campos geográficos son la temperatura, presión

barométrica y elevación. Estos campos se encuentran de manera
continua en la naturaleza. Ejemplos de campos discretos son el uso del
suelo y las clasificaciones de los suelos.
Muchos otros fenómenos no se manifiestan ellos mismos en cualquier

parte del área de estudio, pero si en ciertas localizaciones. La formación
de boyas es un buen ejemplo de objetos (geográficos), donde existen un
número conocido de ellas con una posición también conocida.
Los objetos geográficos pueblan el área de estudio y son usualmente

muy distinguibles, discretos, entidades limitadas. El espacio entre ellos es
potencialmente vacio.

2.3. Campos geográficos.

Un campo geográfico es un fenómeno que tiene un valor “donde sea”
en el estudio espacial. Podemos pensar entonces en un campo f como
una posición de cualquier posición en el espacio de estudio al dominio
de valores del campo. Si (x,y) es una posición en el área de estudio,
entonces f(x,y) equivale al valor del campo f en una localización (x,y).
Los campos pueden ser discretos ó continuos, y si ellos son continuos,

todavía pueden ser diferenciables.
En un campo continuo, la función subyacente se asume sea continua, tal

como es el caso de la temperatura, presión barométrica ó elevación. La
continuidad significa que todos los cambios en los valores de los campos
son graduales. Un campo continuo puede ser incluso diferenciable. En un
campo diferenciable podemos determinar una medida de cambio (en el
valor de campo) por unidad de distancia en cualquier parte en cualquier
dirección. Si el campo es elevación, ésta medida puede ser pendiente,
por ejemplo, el cambio de elevación por distancia métrica; si el campo
es la salinidad del suelo, por ejemplo, sería el gradiente de salinidad, el
cambio de salinidad por distancia métrica.
La figura 1 ilustra la variación en la elevación en un área de estudio en

España. Un esquema de color ha sido elegido para resaltar esa variación.
Este es un ejemplo típico de campo continuo.
Figura 1. Ejemplo de campo continuo

Figura 2. Un campo discreto que indica unidades geológicas.
Existen muchas variaciones de campos no-continuos, el ejemplo más

simple es el de la elevación en un área de estudio con riscos
perfectamente verticales. En los riscos existe un súbito cambio en los
valores de elevación. Una clase importante de cambios no continuos son
los campos discretos. Los campos discretos cortan el espacio de estudio
en mutuamente exclusivo, en partes limitantes, con todas las
localizaciones en una parte que tienen el mismo valor de campo.
Ejemplos típicos son las clasificaciones de suelos, por ejemplo, usando ya
sea clases geológicas, tipos de suelo, tipos de uso de suelo, tipo de
cultivo ó tipo de vegetación natural (figura 2). Observe que las
localizaciones en los límites entre dos partes pueden ser asignados por el
valor del campo de la parte “izquierda” ó “derecha” de ese límite.
Uno puede notar que los campos discretos son un paso de campos
continuos hacia objetos geográficos: los campos discretos como los
objetos usan características “limitadas”. Observe, sin embargo, que un
campo discreto todavía asigna un valor a cada localización en el área
de estudio, algo que no es típico de los objetos geográficos.
Un modelo basado en campo consiste de una colección finita de

campos geográficos: podemos estar interesados en la elevación, presión
barométrica, lluvia anual promedio y evapotranspiración máxima diaria,
y así usar cuatro diferentes campos.
2.4. Tipos de valores de datos.

Ya que hemos discriminado la diferencia entre campos continuos y
discretos, debemos ver los diferentes tipos de valores de datos. Valores
de datos nominales son valores que proveen un nombre ó identificador
que podemos discriminar entre diferentes valores, pero eso es todo lo que
podemos hacer. Específicamente, no podemos realizar verdaderas

operaciones computacionales con éstos valores. Un ejemplo son los
nombres de las unidades geológicas. Este tipo de valores de datos es
algunas veces también llamado datos categóricos.
Valores de datos ordinales son los valores de datos que pueden ser
puestos sobre una secuencia natural, pero que no permite algún otro tipo
de operación computacional. El ingreso del hogar, por ejemplo, puede
ser clasificado ya sea por “bajo”, “promedio” ó “alto”. Claramente ésta
es su secuencia natural, pero esto es todo lo que podemos decir, no
podemos decir que un ingreso alto es dos veces mayor que un ingreso
promedio.
Los valores de datos de intérvalo y la tasa de valores de datos permiten

hacer operaciones computacionales. El primero difiere del segundo en
que no reconoce el valor de cero aritmético y no admite operaciones de
multiplicación ó división. Por ejemplo, una temperatura de 20°C no es dos
veces más caliente que una de 10°C, por ende, la temperatura en
grados centígrados son valores de datos de intérvalo, y no tasa de
valores de datos. Los datos racionales tienen un valor natural de cero, y
las operaciones de multiplicación y división de los valores son operadores
sensibles: las distancias medidas en metros son un ejemplo.
2.5 Objetos geográficos.

Cuando un fenómeno geográfico no está presente en cualquier parte en
el área de estudio, pero de alguna manera se encuentra esparcido, lo
vemos en términos de objetos geográficos. Dichos objetos son
usualmente distinguibles y nombrados. Su posición en el espacio está
determinada por una combinación de uno ó más de los siguientes
parámetros:
Localización (¿Dónde está?)
Forma (¿Qué forma tiene?)
Tamaño (¿Cuán grande es?)
Orientación (¿Qué dirección enfrenta?)
Muchos intentos han sido hechos para definir la taxonomía de los tipos de
objetos geográficos. La dimensión es un aspecto importante del
parámetro. Responde a la pregunta del hecho que si un objeto es
percibido como una característica puntual, linear, área ó volumen.
Como queremos usar la información acerca de los objetos geográficos

determina cual de los cuatro parámetros referidos con antelación es
requerido para representarla. Por ejemplo, en un sistema de navegación
de un automóvil, todo lo que importa sobre los objetos geográficos como
las estaciones de gasolina es saber exactamente su localización que es

más que suficiente. La forma, el tamaño y la orientación parece ser
irrelevante. En el mismo sistema, sin embargo, los caminos son objetos
importantes y por estas mismas nociones de localización (¿dónde se
inicia y termina?), la forma (¿cuántos carriles tiene?), el tamaño (¿a qué
distancia puede uno viajar en el?) y la orientación (¿en qué dirección
puede uno viajar?), pareciera ser una información de componentes
relevante.
La forma es usualmente importante debido a que uno de sus factores es

la dimensión: ¿son éstos objetos inherentemente considerados que tienen
cero, una, dos ó tres dimensiones? Las estaciones gasolineras
anteriormente mencionadas aparentemente tienen cero dimensiones, si
se las considera como puntos en el espacio, los caminos tienen una
dimensión si se los considera como líneas en el espacio. En otro uso de la
información de los caminos –por ejemplo, en sistemas de catastro
multipropósito donde se precisa la localización de alcantarillas y bocas
de inspección– se los pueden considerar como entidades bi-
dimensionales, áreas dentro de las cuales una boca de inspección
puede encontrarse.
A continuación en la figura 3 se ilustran fallas geológicas en el área de

estudio de Falset, este es un ejemplo típico de un fenómeno geográfico
que existe en objetos y que no es un campo. Cada una de las fallas tiene
una localización, y aparentemente para éste estudio es mejor observar la
forma de la falla como un objeto uni-dimensional. Se indica también, el
tamaño, el cual es la longitud para el caso de objetos uni-dimensionales,.
La orientación no juega un rol en éste caso.
Figura 3. Un número de fallas geológicas en Falset.

Usualmente, no estudiamos objetos geográficos por sí solos, pero sí a la

colección de objetos vistos como una sola unidad. Esta colección de
objetos puede tener características geográficas específicas.
La mayoría de las colecciones interesantes de los objetos geográficos

obedecen ciertas leyes naturales. Las más comunes (y obvias) de éstas es
que los objetos diferentes no ocupan la misma localización. Esto, por
ejemplo se aplica a:
La colección de estaciones gasolineras en el sistema de

navegación del automóvil.
La colección de caminos en ese sistema.
La colección de parcelas en el sistema catastral.
Y así, en muchos otros casos más. Note que las colecciones de objetos
geográficos pueden ser fenómenos interesantes en un nivel superior de
agregación: puntos forestales de bosques, parcelas de suburbios, arroyos,
manantiales y ríos que forman el sistema de drenaje, los caminos forman
la red caminera, etc. A veces, es útil ver los fenómenos geográficos
también en éste nivel agregado y observar a las características como
cobertura, conectividad, capacidad y otros. Las típicas preguntas son:
¿Qué parte del camino de la red caminera está en un radio de 5

Km de la estación caminera? (pregunta de cobertura)
¿Cuál es la ruta más corta entre dos ciudades a través de la red
caminera? (pregunta de conectividad)
¿Cuántos automóviles pueden viajar óptimamente de una ciudad
a otra en una hora? (pregunta de capacidad)
Las aproximaciones multiescalares observan al problema de cómo

mantener y operar en representaciones múltiples del mismo fenómeno
geográfico.
Otras relaciones espaciales entre los miembros de la colección de

objetos geográficos pueden existir y ser relevantes en el uso del SIG.
2.6. Límites.
La noción de límite juega un papel importante en todo lo que tiene
importancia, ya sea la forma y/o tamaño de áreas contiguas. Esto es
verdad para objetos geográficos pero también para los constituyentes
de campos geográficos discretos.
La localización, forma y/o tamaño están completamente determinados si

nosotros conocemos los límites del área de estudio. Esto es especialmente
verdadero en áreas de bordes regulares; mientras que los bordes

irregulares son diferentes a los anteriores debido a que éstos son más
propios de eventos naturales y los primeros son propios de actividades
humanas.
2.7 Representaciones computarizadas de la información geográfica.

Se necesita entender, por lo menos un poco, a las representaciones
computarizadas (qué es lo que el sistema hace con los datos y lo que no
puede hacer con los datos).
Anteriormente ya hemos visto que los fenómenos geográficos tienen

características de funciones continuas sobre aquellos con límites
geométricos. La elevación, por ejemplo, puede ser medida en varias
localizaciones tomadas arbitrariamente y cada una de ellas dará un
valor diferente.
Cuando queremos representar dicho fenómeno de la manera más real

en la memoria de la computadora, podemos ya sea:
Tratar de almacenar la mayor cantidad posible de pares

(localización, elevación).
Tratar de encontrar una representación simbólica de la función de
elevación, como una fórmula de x y y (como por ejemplo:
3.0678x2 + 20.08x – 7y) luego de la evaluación nos dará el valor de
la elevación en una posición (x,y).
Ambas aproximaciones tienen sus inconvenientes. En la primera, nunca

será posible almacenar todos los valores de las elevaciones; después de
todo existen localizaciones infinitas. En la segunda aproximación, no se
tiene una pista del tipo de función que podría ser, ó como derivarla, y
además que será una función mucho más complicada para áreas
grandes.
En el SIG se toma, típicamente, una combinación de ambas

aproximaciones. Almacenamos un conjunto de localizaciones finito pero
correctamente escogido con su elevación. Esto nos da la elevación para
aquellas localizaciones almacenadas, pero no para otras. Por lo tanto, los
valores almacenados están apareados con una función de interpolación
que permite inferir valores de elevación razonables para aquellas
localizaciones que están almacenadas. Este principio es llamado
autocorrelación espacial: las localizaciones que están cerca tienen
valores más similares que aquellos que se encuentran más alejados.

La función más simple de interpolación (y que es de uso común)

simplemente toma los valores de elevación de la localización más
cercana que está almacenada. Pero funciones de interpolación “más
inteligentes” que involucran más que un simple valor almacenado,
puede ser usado también.
Los objetos lineares, ya sea por ellos mismos ó por el rol que cumplen
como objetos limitantes de región, son otro ejemplo común de
fenómenos continuos que pueden ser finitamente representados. En la
vida real, estos objetos no son rectos sino erráticamente curveados.
Se debe observar que los fenómenos con características continuas

intrínsecas y/o infinitas tienen que ser representadas con medias finitas
(en la memoria de la computadora) para su manipulación
computarizada, y que cualquier esquema de representación finita que
fuerza una mirada discreta en el continuo que lo representa está abierto
a errores de interpretación.
En el SIG, los campos son usualmente implementados con una

aproximación de tessellation (ó teselación que transforma en grilla ó
celdas no siempre de forma rectangular ó cuadrada) y objetos con una
aproximación (topológica) de vector. Esto, sin embargo, no es una regla
estricta y rápida.
2.8. Teselaciones regulares.

La teselación es una partición del espacio en celdas mutualmente
exclusivas que juntas hacen el espacio de estudio completo. Con cada
celda, algún valor (temático) se asocia para caracterizar aquella parte
del espacio. Tres tipos regulares de teselación se ilustran en la figura 4. En
una teselación regular tienen la misma forma y tamaño. El ejemplo más
simple es una unidad de cuadrados raster rectangulares, representados
en una computadora en 2 dimensiones en una orden de elementos n x
m.
Figura 4. Tipos de teselaciones más comunes, celdas cuadradas, hexagonales y

triangulares.
Todas las teselaciones regulares tienen en común que las celdas tienen el
mismo tamaño y forma, y que el valor de atributo de campo asignado a
una celda está asociado con el área entera ocupada por la celda.

La teselación de la celda cuadrada es la más usada comúnmente,

principalmente debido a que para la georreferenciación es lo ideal.
Teselaciones cuadradas, regulares son conocidas por diferentes nombres
en diferentes paquetes de SIG; raster ó mapa raster. El tamaño del área
que una celda de raster representa se denomina resolución del raster.
Algunas veces, la rejilla del mundo (grid) se usa, pero estrictamente
hablando, la rejilla ó grid (ó grilla) es una colección de puntos
equitativamente espaciados, que cada uno de ellos tiene un valor de
atributo asignado. Ellos a menudo, se utilizan para medidas discretas que
ocurren en intérvalos regulares. Los puntos de la grilla, generalmente, se
consideran sinónimos con las celdas raster.
Nuestra aproximación finita del espacio de estudio conduce a algunas

formas de interpolación que se debe confrontar. El valor de campo de
una celda puede ser interpretado como uno para la celda completa
teselada, en tal caso el campo es discreto, no continuo e incluso
diferenciable. Alguna convención se necesita para establecer que valor
prevalece en los límites de las celdas; con celdas cuadradas, ésta
convención indica que muchas veces los límites inferior izquierdos
pertenecen a la celda. Para mejorar en éste problema continuo,
podemos hacer dos cosas:
Hacer el tamaño de la celda más pequeño, para hacer los “vacíos

de continuidad” más pequeños entre las celdas.
Asumir que el valor de la celda solamente representa la elevación
de una localización específica en la celda, y proveer una buena
función de interpolación que tiene una característica de
continuidad.
Usualmente, si uno quiere usar rasters para una representación de campo

continuo, uno hace el primero pero no el segundo (anteriormente
mencionados). La segunda técnica se considera muy elevada en costo
en términos computacionales para grandes rasters.
La localización asociada con una celda de tipo raster está fijada por
convención, y puede ser el centroide de la misma (punto medio), ó, por
ejemplo, la esquina inferior izquierda. Los valores para otras posiciones
deben ser calculados a través de algún tipo de función de interpolación,
la cual usará uno ó más valores cercanos para calcular el valor restante.
Esto permite representar funciones continuas incluso diferenciables.
Una ventaja importante de las teselaciones es que conocemos a priori

como ellas particionan (dividen), el espacio, y podemos hacer nuestros
cálculos específicos para estas particiones. Esto lleva a algoritmos
veloces. Una desventaja obvia es que ellas no son adaptativas a los

fenómenos espaciales que queremos representar. Los límites de las
celdas son tanto artificiales como fijos, puede ser que ellos coincidan ó
no con los límites del fenómeno en interés.
La adaptividad al fenómeno a representar puede ser de gran ayuda.

Supongamos que usamos cualquiera de las teselaciones regulares ya
explicadas anteriormente para representar elevación en un área
perfectamente plana. Luego, claramente necesitamos la mayor
cantidad de celdas posibles en un terreno fuertemente ondulado; la
estructura de los datos no se adaptan a la carencia de relieve.
Podríamos todavía usar las celdas m x n para el raster, auque la
elevación podría ser de 1500 msnm en cualquier parte.
2.9. Teselaciones irregulares.

Ya discutimos que las teselaciones regulares proveen estructuras simples
con algoritmos sencillos, los cuales sin embargo no son adaptativos a los
fenómenos que representan. Este es el motivo de por que el esfuerzo
substancial también ha sido puesto en las teselaciones irregulares.
Nuevamente estas son particiones de espacio entre celdas mutuamente
separadas, pero ahora las celdas pueden variar en tamaño y forma,
permitiéndoles adaptarse a los fenómenos que ellos representan. Aquí
solamente discutimos un tipo, denominado la región quadtree, pero
resaltamos que muchas otras estructuras han sido propuestas en la
literatura y también han sido implementadas.
Las teselaciones irregulares son más complejas que las regulares, pero
ellas son más adaptativas, lo cual conlleva una reducción en la cantidad
de memoria usada para almacenar los datos.
Una estructura de datos muy bien conocida en esta familia –aunque

encima de esta muchas más variaciones han sido basadas– es la región
de quadtree. Esta basado en una teselación regular de celdas
cuadradas, pero tiene la ventaja que las celdas vecinas tienen el mismo
valor de campo, entonces ellas pueden en su conjunto ser representadas
como una celda más grande. Una simple ilustración se observa en la
figura 5 que muestra pequeños raster de 8 x 8 con tres posibles valores de
campo, blanco, verde y azul. El quadtree que representa a este raster
está construído por divisiones repetidas del área en cuatro cuadrantes,
los cuales son llamados NO, NE, SE, SO por razones obvias. Este
procedimiento se detiene cuando todas las celdas en un cuadrante
tienen el mismo valor de campo. El procedimiento produce una
estructura de árbol volcado conocido como quadtree. En la memoria
principal los nodos de un quadtree (círculos y cuadrados en la figura 5) se
representan como archivos. Los enlaces entre ellos son punteros (pointers)
una técnica de programación para direccionar los otros archivos.
Figura 5. Representación de un quadtree.
Los quadtrees son adaptativos debido a que ellos aplican el principio de

autocorrelación espacial, las localizaciones que se encuentran cerca
entre sí en el espacio tienen probablemente valores de campo similares.
Cuando un conglomerado de celdas tiene el mismo valor, ellos están
representados conjuntamente en el quadtree. Esta es la explicación por
la cual el quadtree provee una teselación anidada; los cuadrantes
solamente se dividen si ellos tienen dos ó más valores.
Los quadtrees tienen varias características interesantes. Una de ellas es

que los nodos cuadrados al mismo nivel representan tamaños de área
iguales. Esto permite calcular rápidamente el área cubierta por algunos
valores de campo. El nodo superior del árbol representa el raster
completo.
2.10. Representaciones vector.

En resumen a lo anteriormente mencionado, podemos decir que las
teselaciones transforman el espacio de estudio en celdas y a su vez,
asignan un valor a cada celda. Un raster es una teselación regular con
celdas cuadradas, y este es el que se usa más comúnmente. La forma en
que el espacio en estudio es transformado es (en algún grado) arbitrario,
y esto significa que los límites de las celdas usualmente no tienen
relevancia en los fenómenos del mundo real que ellos representan.
En las representaciones de vectores, se hace un intento para asociar las

georreferencias explícitamente con los fenómenos geográficos. Una
georreferencia es una coordenada par de algún espacio geográfico, y
también se lo conoce como vector. Esto explica el nombre. A
continuación se explican algunos ejemplos.

Observe que las teselaciones no almacenan georreferencias

explícitamente de los fenómenos que representan. En lugar de ello,
pueden proveer una georreferencia del extremo inferior izquierdo del
raster.
Figura 6. Localizaciones de ingreso y sus valores de elevación para la

construcción de un TIN, la posición P es arbitraria y tiene fines explicativos.
A continuación discutimos varias representaciones de vectores.

Empezamos la discusión con el TIN, que es una representación de los
campos geográficos que puede ser considerado como un híbrido entre
las representaciones de teselaciones y vectores.
2.11. Redes trianguladas irregulares.

Una estructura de datos comúnmente usada en los softwares de SIG es el
de redes trianguladas irregulares ó TIN (triangulated irregular network). Es
una de las técnicas de implementación estándar para los modelos
digitales de terreno, pero pueden ser usados para representar cualquier
campo continuo.
Los principios detrás de un TIN son simples. Se construye desde un

conjunto de localizaciones de las cuales tenemos una medición, por
ejemplo, una elevación. Las elevaciones pueden estar arbitrariamente
dispersas en el espacio, y no están usualmente en una grilla regular.
Cualquier localización conjuntamente con su valor de elevación puede
ser vista como un punto en un espacio tridimensional (figura 6). En la
figura 7 se observa que de estos puntos 3D se pueden construir una
teselación irregular hecha de triángulos.
Figura 7. Dos triangulaciones basadas en las localizaciones de ingreso de la

figura 6, (a) triángulos estirados; (b) Triángulos equiláteros.

Observe que en un espacio tridimensional, únicamente tres puntos

determinan un plano, siempre y cuando no sean colineares; ellos no
deben estar posicionados en la misma línea. Un plano que encaja a
través de estos puntos tiene un aspecto fijo y un gradiente (por ejemplo
la pendiente que tiene un ángulo y una dirección), y puede ser utilizado
para calcular para una aproximación de elevación de otras localidades
ó posiciones. Ya que podemos elegir la cantidad de tripletes de puntos
que queramos, podemos construir muchos planos, y por ende, podemos
tener muchas aproximaciones de elevación para una simple localización,
como P. Por lo tanto, es inteligente restringir el uso de un plano a un área
triangular “entre” estos tres puntos.
Si restringimos el uso de un plano a un área entre sus tres puntos

sujetados, obtenemos una teselación regular de espacio de estudio
completo. Desafortunadamente, existen diferentes teselaciones para un
conjunto de puntos sujetos dados, como se demuestra en la figura 7 con
dos de ellos. Algunas teselaciones son mejores que otras, en el sentido
que ellas disminuyen los errores de las aproximaciones de elevación. Por
ejemplo, si basamos nuestra elevación calculada para una localización P
en la parte triangular sombreada izquierda, obtendremos otro valor que
en la parte triangular sombreada derecha. La segunda proveerá una
mejor aproximación debido a que es pequeña la distancia promedio
desde P a los tres triángulos sujetos.
Un TIN es claramente una representación vector, cada punto sujeto tiene

una georreferencia almacenada. Aún así debiéramos llamarlo una
teselación irregular, mientras la triangulación elegida provea un
“empapelamiento” de todo el espacio en estudio. Las celdas de este
“empapelamiento”, sin embargo, no tienen un valor asociado
almacenado como una teselación típica, pero si una simple función de
interpolación que usa los valores de elevación de los tres puntos sujetos.
2.12. Representaciones puntuales.

Los puntos se definen como par de coordenadas (x, y) cuando
trabajamos en dos dimensiones ó triple de coordenadas (x, y, z) cuando
trabajamos en tres dimensiones. La opción del sistema de coordenadas
es otra cuestión que se verá en clases posteriores.
Los puntos son utilizados para representar objetos que son mejor descritos
como características de forma y tamaño de una localización simple. Si
este es el caso ó no depende ciertamente de los propósitos de la
aplicación espacial y también de la extensión espacial de los objetos
comparados a la escala que se aplica en la aplicación dada. Para un
mapa turístico de la ciudad, los parques no se considerarán usualmente
como rasgos de puntos, pero quizás los museos si, y las cabinas
distribuidas en la misma ciudad.
Aparte de la georreferencia, usualmente datos extras se almacenan para

cada objeto puntual. A esto se le llama datos temáticos ó administrativos,
y pueden capturar cualquier cosa que se considere relevante acerca del
objeto. Para las cabinas telefónicas, se puede incluir la empresa
telefónica, el número de teléfono, etc.
2.13. Representaciones de líneas.

Los datos de líneas son usados para representar objetos unidimensionales
como carreteras, vías del ferrocarril, canales, ríos, tendidos eléctricos.
Nuevamente, hay una situación de relevancia para la aplicación y la
escala que la aplicación requiere. Para el ejemplo de aplicación de la
información turística, las rutas de los buses, trenes y carros parecieran ser
características de líneas similarmente relevantes. Algunos sistemas de
catastro, por otro lado, pueden considerarse como caminos que tienen
dos rasgos, es decir, bi-dimensionales, poseyendo, además un ancho.
Características continuas curvilíneas son igualmente difíciles de

representar como campos continuos. El SIG por lo tanto aproxima dichas
características (finitamente) como una lista de nodos. Los dos nodos
finales y el cero ó más nodos internos definen una línea. Otro mundo es el
vertex para los nodos internos (vértice), otra palabra para línea que es
usada en algunos SIG es el de polilínea, arco. Un nodo ó vertex es como
un punto que solamente sirve para definir a la línea; no tiene especial
significancia para otra aplicación diferente.
Los vértices de una línea ayudan a darle forma para la obtención de una
mejor aproximación del rasgo actual. Las partes rectas de una línea entre
dos vértices consecutivos ó nodos terminales se los llaman segmentos de
línea. Muchos SIG almacenan una línea como una simple secuencia de
coordenadas de sus nodos terminales y vértices, asumiendo que todos los
segmentos son rectos. Esto es suficientemente bueno en casos en los
cuales una simple línea de segmento recta es considerada una
representación insatisfactoria donde es mejor utilizar múltiples (más
pequeñas) segmentos de línea en lugar de una sola (figura 8).
Figura 8. Línea definida por dos nodos (inicial y terminal), representa tres
vértices y cuatro líneas de segmento.

Aún, existen casos en los cuales nos gustaría tener la oportunidad de usar
rasgos curvilíneos arbitrarios como una representación de los fenómenos
del mundo real. Piense en un jardín diseñado con pastos perfectamente
circulares ó elípticos, ó de mapas topográficos detallados que
representan cruces de vías y las aceras anexas. Todo esto puede ser
tenido en el SIG en principio, pero muchos sistemas no se acomodan a
tales formas en la actualidad. Si un SIG puede manejar algunos de estos
rasgos curvilíneos, lo hace utilizando descripciones matemáticas
parametrizadas.
Las colecciones de líneas (conectadas) pueden representar fenómenos

que son mejor entendidos y vistos como redes. Con ellas vienen
preguntas interesantes de tipo específico, que se relacionan con
conectividad y capacidad de redes. Ejemplos se tienen en monitoreo de
tráfico, manejo de cuencas y otros dominios de aplicación. Con
elementos de redes (como las líneas que constituyen a las redes) los
valores extras se asocian comúnmente como la distancia, calidad del
enlace, ó la capacidad de carga.
2.14. Representaciones de área.

Cuando los objetos de área son almacenados utilizando una
aproximación de vector, la técnica usual es la aplicación a un modelo
de límite. Esto significa que cada característica de área se representa por
alguna estructura de nodo que determina un polígono como el límite de
área. El sentido común dicta que los rasgos de área del mismo tipo se
almacenan mejor en una capa de datos simple, representado por
polígonos que no están superpuestos mutuamente. En esencia, lo que
obtenemos es una aplicación determinada (adaptativa) de la partición
del espacio similar, pero no igual a una teselación irregular de la
aproximación raster.
Observe que una representación de polígono para un objeto de área es

otro ejemplo de una aproximación finita de un fenómeno que
inherentemente puede tener un límite curvilíneo.
El ejemplo se tiene en la figura 9 que ilustra un simple estudio con tres

objetos de área, representados por límites de polígono. Claramente,
esperamos datos adicionales para acompañar a los datos de área. Esta
información puede ser almacenada en tablas de base de datos.

Figura 9. Áreas que representan sus propios límites.
Una simple pero ingenua representación de los rasgos de área puede ser
listar las líneas que describen su límite para cada polígono. Cada línea en
la lista debería ser una secuencia que empieza en un nodo y termina en
otro, posiblemente con vértices entre ellos. Pero esto esta lejos de lo
óptimo.
Para entender este caso, observe la figura 9. La línea que define el límite
entre ellos es el mismo, lo que significa que debajo de la representación
antes mencionada se debería almacenar dos veces, nombrada una vez
para cada polígono. Esta es una forma de duplicación de datos
(conocido como redundancia de datos) lo que conlleva a una
incomodidad en el mantenimiento de los datos.
Existe otra desventaja para tales representaciones de polígono a

polígono. Si queremos encontrar cuales polígonos bordean el polígono
inferior izquierdo, tendremos que hacer un análisis complicado de mucho
tiempo comparando la lista de vértices de todos los límites de las líneas
con la del polígono inferior izquierdo. En el caso de la figura 9 con sólo
tres polígonos, esto esta bien, pero cuando nuestros datos tienen cinco
mil polígonos, con total probable de veinticinco mil líneas de límite,
incluso las computadoras más veloces se tomarán su tiempo en
encontrar polígonos vecinos.
El modelo de límite es una representación no probada que trata con

estas desventajas. Almacena partes de un límite de polígono como
nodos no enlazados e indica cual polígono está a la izquierda y cual a la
derecha del nodo. Un ejemplo simple se observa en la figura 10 que
ilustra que información adicional se almacena acerca de las relaciones
espaciales entre las líneas y polígonos, por ejemplo. Obviamente, las
coordenadas reales entre los nodos (y vértices) también serán
almacenados aunque en otra tabla.
El modelo de límite es algunas veces llamado también como el modelo

topológico de datos ya que captura alguna información topológica,
como los polígonos vecinos. Observe que es una simple búsqueda para

encontrar todos los polígonos que están en la vecindad de algunos

polígonos dados, a diferencia del caso anteriormente discutido.
Figura 10. Un simple modelo de límite para los polígonos A, B y C. W simboliza

la parte de afuera del polígono.
2.15. Topología y relaciones espaciales.

2.15.1. Topología espacial general.
La topología trata de las propiedades espaciales que no cambian bajo
ciertas transformaciones. Un simple ejemplo ilustrará lo que queremos
decir.
Asuma que se tienen algunas características que están dibujadas en una

hoja de goma (como se muestra en la figura 11); ahora, tome la hoja y
jálela de los bordes, pero no la rompa ó corte. Las características
cambiarán en forma y tamaño. Algunas propiedades, sin embargo, no
cambian:
¾ El área E se encuentra todavía dentro del área D.
¾ Las relaciones vecinales entre A, B, C, D y E se mantienen intactas,
y sus límites tienen los mismos nodos iniciales y finales.
¾ Las áreas están todavía demarcadas por los mismos límites,
solamente las formas y largos de sus perímetros han cambiado.
Figura 11. Transformación de una hoja de goma (no se rompe o raja), muchas
relaciones de los constituyentes se mantienen.
Estas relaciones son invariables bajo una transformación continua. Tales

propiedades son llamadas propiedades topológicas, y la transformación
es llamada cartografía topológica.

¾ El espacio es euclideano tridimensional donde por cada punto

podemos determinar sus coordenadas tridimensionales como un
triple (x,y,z) de números reales. En este espacio, podemos definir
rasgos como puntos, líneas, polígonos y volúmenes como originales
geométricos de una dimensión respectiva. Un punto es
adimensional, una línea es unidimensional, un polígono es
bidimensional y un volumen es tridimensional.
¾ El espacio es un espacio métrico, el cual significa que siempre

podemos calcular la distancia entre dos puntos de acuerdo a una
función de distancia dada. Dicha función es también conocida
como métrica.
¾ El espacio es un espacio topológico, del cual la definición es un

poco más complicada. En esencia, por cada punto en el espacio
podemos encontrar un vecindario alrededor que pertenece
completamente a aquel espacio también.
¾ El límite y el interior son propiedades de los rasgos espaciales que

permanecen invariables bajo mapeo topológico. Esto significa que
bajo cualquier mapeo topológico, el interior y el límite de un rasgo
ó característica se mantiene intacto e irrompible.
Figura 12. Simplices y simplicies complex. Las características son aproximadas

por un conjunto de puntos, líneas, segmentos, triángulos y tetrahedros.
Existen un número de desventajas cuando nuestras representaciones de

la computadora de los fenómenos geográficos han sido construidas
sensiblemente de problemas topológicos. Las preguntas relacionadas a
la vecindad de un área son un punto aparte. Para obtener algunas
“sensibilidades topológicas” simplemente se ha propuesto construir
bloques con los cuales se pueden construir representaciones más

complicadas.
¾ Podemos definir dentro de los rasgos espaciales topológicos que

son más fáciles de manejar y que pueden ser usados como
representaciones de objetos geográficos. Estos rasgos son
llamados simplices y ellos son las formas geométricas más
simples de alguna dimensión: punto (0 simple), segmento de
línea (1-simple), triángulo (2-simple), y tetrahedro (3 simple).
¾ Cuando combinamos varios simplices en una simple

característica, obtenemos un complejo simplicial. En la figura 12
se observan ejemplos.
Ya que las características topológicas son bien conocidas, podemos

inferir las características topológicas de un complejo simplicial de la
forma en la que fue construida.
2.15.2. La topología de dos dimensiones.

Podemos usar las propiedades topológicas interior y límite para definir las
relaciones entre las características espaciales. Ya que estas propiedades
no cambian bajo mapas topológicos, podemos investigar sus posibles
relaciones entre las características espaciales. Podemos definir el interior
de una región R como un conjunto máximo de puntos en R para los
cuales podemos construir un ambiente en forma de disco alrededor (sin
importar cuan pequeño sea) que también caiga completamente dentro
de R. El límite de R es el conjunto de aquellos puntos que pertenecen a R
pero que no pertenecen al interior R, uno no puede construir un
ambiente en forma de disco alrededor de dichos puntos que todavía
pertenecen completamente a R.
Suponga que consideramos una región espacial A que tiene un límite y

un interior, ambos vistos como un conjunto de puntos (infinitos), y los
cuales están denominados límite (A) e interior (A), respectivamente.
Consideramos todas las posibles combinaciones de intersecciones entre
el límite y el interior de A con aquellos de otra región B y comprobamos si
ellos son el conjunto vacío ó no. De estos patrones de intersección,
podemos derivar ocho relaciones espaciales (mutualmente exclusivas)
entre las dos regiones. Si, por ejemplo, los interiores de A y B no se
intersectan, pero sus límites si, (aunque un límite de uno no intersecte al
interior del otro), decimos que A y B son adyacentes. Matemáticamente
hablando, podemos definir la relación de adyacencia como:
A se encuentra con B
En la fórmula de arriba el símbolo expresa la conectividad lógica “y”.

Así, se establecen cuatro propiedades que deben ser “encontradas”.
En la figura 13 se observa que las ocho relaciones espaciales: no

adyacentes, adyacentes, igual, inclusión, cubierto por, contiene, cubre e
intersección. Estas relaciones pueden ser usadas, por ejemplo, en
búsquedas dentro de una base de datos espacial.
Parece que las reglas de cómo los complejos simpliciales y los simplices
pueden estar embebidos en el espacio son más diferentes de los
espacios bidimensionales que de los tridimensionales. Dicho conjunto de
reglas define la consistencia topológica de ese espacio. Se puede probar
que si las reglas (citadas a continuación) son satisfechas para todos los
rasgos en un espacio bidimensional, las características definen una
configuración bidimensional topológicamente consistente. Las reglas se
ilustran en la figura 14.
Figura 13. Relaciones espaciales entre dos regiones derivadas de las

intersecciones topológicas invariantes del límite e interior.
1. Cada arco 1-simplex debe ser limitado por 0-simplices.

2. Cada 1-simplex bordea dos 2-simplices.
3. Cada 2-simplex tiene un límite cerrado consistente de una
secuencia alternativa (y cíclica) de 0 y 1 simplices.
4. Alrededor de cada 0-simplex existe una alternativa secuencia (y
ciclica) de 1- y 2-simplices.
5. 1-simplices solamente se intersecta a sus nodos (demarcados).
Figura 14. Las cinco reglas de la consistencia topológica en espacios

bidimensionales.
2.15.2. El caso tridimensional.

Es por una razón que nos hemos concentrado tanto en objetos de
espacio bidimensionales de las representaciones de vector y la topología
espacial. La historia del tratamiento de los datos espaciales esta basado
casi puramente en 2D, y esto es real para la mayoría de las aplicaciones
SIG del presente. Pero aún así, algunos dominios de aplicación requieren
datos de elevación también, pero estos se acomodan en las estructuras
de datos llamados 2½D.
Estas estructuras de datos 2½D son similares a las estructuras de datos 2D

usando puntos, líneas y áreas (ya discutidos con antelación). Ellos
también aplican las reglas de la topología bidimensional, como se ilustró
en la figura 14. Esto significa que las diferentes líneas no pueden cruzarse
sin los nodos de intersección, y que esas áreas no pueden ser
sobrepuestas.
Existe, por otro lado, un aspecto importante en el cual los datos 2½D
difieren de datos estándar 2D, y eso es en su asociación de un valor z
adicional con cada 0-simplex (“nodo”). Así, los nodos también tienen un
valor de elevación asociado con ellos. Esencialmente, esto permite que
el usuario de SIG represente 1- y 2-simplices que no son horizontales, y por
lo tanto, una superficie arrugada puede ser construida muy parecida a
un TIN. Note, no obstante, que uno no puede tener dos nodos diferentes
con coordenadas x, y idénticas, pero diferente valor de z.
Consecuentemente, objetos sólidos reales no pueden ser representados
en un SIG 2½D.
La representación sólida es un rasgo importante para algunos dominios

de aplicación SIG; dos de ellos merecen ser mencionados, la exploración
donde los sólidos son usados para representar cuerpos de minerales, y el
modelamiento urbano, donde los sólidos pueden representar varias
construcciones humanas como edificios y canales de alcantarillado. Las
características tridimensionales de tales objetos son fundamentales así
como su profundidad y volumen, ó su visibilidad en la vida real debe ser
representada de la manera más real posible.

Un sólido puede ser definido como un verdadero objeto tridimensional.

Una clase importante de sólido en 3D SIG se forma del polihedro, los
cuales son sólidos limitados por facetas planares. Una faceta es una cara
de forma de polígono, plano que es parte del límite de un polihedro.
Cualquier polihedro tiene al menos cuatro facetas; este es el caso de un
3-simplex. La mayoría de los polihedros tienen más facetas; el cubo tiene
seis.
2.16. Escala y resolución.

En el manejo de los datos espaciales en la práctica, uno a menudo, se
pregunta “¿cuál es la resolución de los datos?” ó “¿a qué escala de
trabajo están trabajados tus datos?”. Ahora que nos encontramos
firmemente en la era digital, estas preguntas desafían, a veces, una
respuesta sencilla.
La escala de mapa puede ser definida como la relación entre la

distancia de un mapa en papel con la distancia real en el terreno. Una
escala de mapa de 1:50000 significa que 1 cm en el mapa representa
50000 cm, es decir, 500 metros en el terreno. Las escalas grandes,
significan que la tasa es grande, entonces, típicamente, significa que
existe mucho detalle, mientras que escalas pequeñas en contraste
significan una relación pequeña, por ende, menor detalle. Cuando se
aplica a los datos espaciales, el término de resolución es comúnmente
asociado con el ancho de la celda de la teselación aplicada.
Los datos espaciales digitales, como se almacenan en un SIG, son

esencialmente sin escala: la escala es una noción de tasa ó relación
asociada con la producción ó salida visual, como un mapa, no con los
datos que fueron usados para producir el mapa.
2.17. Representaciones de los campos geográficos.

Ya se vieron varias técnicas de representación. Ahora, podemos estudiar
cual de ellas pueden ser usadas para representar los campos
geográficos.
Un campo geográfico puede ser representado a través de una

tessellation, a través de un TIN, ó a través de una representación vector.
La alternativa entre ellos está determinada por los requerimientos de la
aplicación a mano. Es más común usar teselaciones, notablemente
rasters, para representaciones de campo, pero las representaciones
vector se usan también. Ya vimos el TIN, a continuación se proveen
ejemplos de los otros dos.

2.17.1. Tessellation para representar un campo.

En la figura 15 se ilustra como un raster representa un campo continuo
como la elevación. Las diferentes sombras de azul indican diferentes
valores de elevación, los azules oscuros indican elevaciones más altas. La
elección del espectro de color azul es solamente para hacer que la
ilustración sea estéticamente agradable, los valores reales de elevación
están almacenados en el raster, por lo tanto en lugar de imprimir valores
por cada celda se la hace de esta manera en colores.
Figura 15. Representación raster de elevación.
Un raster puede ser concebido como una lista larga de valores de

campo: actualmente, habría m x n de tales valores. La lista está
precedida con alguna información extra, como una simple
georreferencia como el origen de todo el raster, un indicador del tamaño
de la celda, los valores enteros para m y n y los indicadores de los tipos
de dato que informa (la lista) acerca de cómo interpretar los valores de
la celda. Los rasters y los quadtrees no almacenan la georreferencia de
cada celda, pero infieren en la información ya mencionada acerca del
raster.
Un TIN es una estructura de datos más pobre: la cantidad de datos

almacenados es menor si tratamos de obtener una estructura con un
error de interpolación aproximadamente igual comparado a un raster
regular. La calidad del TIN depende de la alternativa de los puntos
sujetos, así como en la triangulación construida del mismo. Es, por
ejemplo, conveniente realizar el seguimiento de las cumbres durante el
proceso de adquisición de información para un TIN. Los puntos sujetos en
las cumbres de elevación son una cierta garantía para los picos correctos
y las facetas de pendiente de las montañas.
2.17.2. Representación vector de un campo.

Hemos mencionado una representación final para campos como la
elevación, pero con un sabor de vector. Esta técnica usa isolíneas del
campo. Una isolínea es una característica linear que conecta los puntos
con un valor igual de campo. Cuando el campo es la elevación,

también nos referimos a las líneas de curvas de nivel. La elevación del

estudio de Falset está representada con las líneas de curvas de nivel en la
figura 16; ambas representaciones TIN e isolíneas usan vectores.
Figura 16. Representación de un campo de elevación discretizado para Falset.
Las isolíneas como un mecanismo de representación no son muy

comunes. Ellas están en uso como una técnica de visualización de
geoinformación, pero el uso del TIN en este tipo de campo es la mejor
alternativa. Muchos paquetes de SIG permiten generar una visualización
de isolínea desde un TIN.
2.18. Representación de objetos geográficos.

La representación de objetos geográficos es mejor mantenida con los
vectores. Después de todo, los objetos son identificados por los
parámetros de localización, forma, tamaño y orientación; muchos de
estos parámetros pueden ser expresados en términos de vectores.
Las teselaciones no están completamente fuera del cuadro, aunque son

utilizados comúnmente para representar objetos geográficos también.
2.18.1. Teselaciones para representar objetos geográficos.

Las imágenes de sensores remotos son una fuente de datos muy
importantes para las aplicaciones de SIG. Imágenes digitales no
procesadas contienen pixeles, con cada pixel conteniendo un valor de
reflectancia. Existen varias técnicas para procesar imágenes digitales en
imágenes clasificadas que pueden estar almacenadas en un SIG como
un raster. La clasificación de imagen intenta caracterizar a cada pixel en
una lista finita de clases, obteniendo una interpretación de los contenidos
de la imagen. Las clases reconocidas pueden ser tipos de cultivos como

el caso de la figura 17 ó clases de uso urbano como en el caso de la

figura 18. Ellas ilustran las imágenes no procesadas (a) así como una
versión clasificada de la imagen (b).
Figura 17. (a) Imagen digital no procesada; (b) Raster clasificado para un área
de agricultura.
La aplicación puede ser interesante solamente en objetos geográficos

como campos de papas (figura 17 en amarillo) ó complejos industriales
(figura 17 en rojo). Esto significaría que todas las otras clases son
consideradas sin importancia, y están probablemente desechadas de
cualquier análisis posterior. Si ese análisis posterior puede ser llevado a
cabo con datos en formato de raster, entonces no hay necesidad de
considerar representaciones de vector.
Figura 18. (a) Imagen digital no procesada; (b) Raster clasificado para un área
urbana.
Sin embargo, debemos hacer unas pocas observaciones en relación a la

representación de los objetos geográficos en los rasters. Los objetos de
área son convenientemente representados en raster, mientras que los
límites de área pueden aparecer cortados. Este es un típico producto de
resolución de raster versus el tamaño de área y los límites artificiales de
celdas. Uno debe estar conciente de de las consecuencias de los
cálculos del tamaño del área: ¿cuál es la precisión con la cual el raster
define el tamaño del objeto?
Línea y objetos de punto son más incómodos de representar usando
rasters. Después de todo, podríamos decir que los rasters están basados
en el área y los objetos geográficos que son percibidos como líneas ó

puntos se distinguen de tener un tamaño de área de cero. Las técnicas
de clasificación estándar, pueden fallar en reconocer a éstos objetos
como puntos ó líneas.
Muchos SIG soportan las representaciones de línea en raster y las

operaciones en ellos. Las líneas pueden ser representadas como string
(valores de letras ó palabras) de celdas de raster vecinas con igual valor,
como se ilustra en la figura 19. Operaciones de respaldo son las
operaciones de conectividad y cálculos de distancias. Nuevamente,
existe el problema de la precisión del tipo de computadora.
Figura 19. Una línea recta actual y su representación en raster.
2.18.2. Representaciones vector para objetos geográficos.

La forma más natural de representar los objetos geográficos es a través
de las representaciones vector.
Figura 20. Varios objetos (edificios, garaje de bicicletas y vías) representados

como objetos de área en una representación vector.
En la figura 20 un número de objetos geográficos en la vecinidad del

edificio del ITC han sido proyectados. Estos objetos son representados
como representaciones de área en un modelo de límite. Los nodos y
vértices de las polilíneas que hacen los límites del objeto no están
ilustrados, aunque ellos obviamente están almacenados.

2.19. Organizando los datos espaciales.

El principio más importante de la organización de datos aplicado a
sistemas de SIG es el de una capa de datos espaciales. Una capa de
datos espaciales es ya sea una representación de un campo continuo ó
discreto, ó una colección de objetos del mismo tipo. La intuición es que
los datos están organizados por tipo: todos los objetos puntuales de las
cabinas telefónicas deberían estar en una capa simple, mientras que los
objetos de los caminos en otra. Una capa de datos contiene datos
espaciales así como un atributo (ó temático) de los datos, el cual
describe más adelante el campo u objeto en el campo. Un ejemplo de
las dos capas de datos se observa en la figura 21.
Figura 21.Diferentes raster pueden ser superpuestos para observar

correlaciones espaciales.
Las capas de datos pueden estar superpuestas entre ellas dentro de un

paquete de SIG, para estudiar las combinaciones de los fenómenos
geográficos. Posteriormente en clases se verá como un SIG puede ser
usado para estudiar la correlación espacial entre fenómenos diferentes:
¿en qué forma eventos ocurren en la misma localización? Al final un
cálculo se lleva a cabo sobreponiendo una capa de datos con la otra.
Esto está esquemáticamente descrito en la figura 22 para dos capas de
objetos diferentes. Pero el software del SIG también permite sobreponer
las capas de campo ó incluso un campo con una capa de objeto.
Figura 22. Dos diferentes capas de objetos pueden ser superpuestas para
observar correlaciones espaciales y el resultado puede ser usado como una capa
separada.

3. La dimensión temporal.
3.1. Datos espacio temporales.

Aparte de tener propiedades geométricas, temáticas y topológicas, los
fenómenos geográficos cambian en función al tiempo; podemos decir
entonces, que tienen características temporales. Y para muchas
aplicaciones, este cambio en función al tiempo es el fenómeno más
interesante de estudio. Esta área de trabajo es comúnmente conocida
como detección de cambio. Por ejemplo, como cambiaron las parcelas
de un sitio dado desde 1980 hasta la actualidad. Para las detecciones de
cambio se deben hacer las siguientes preguntas:
a) ¿Dónde y cuando ocurrió el cambio?

b) ¿Qué tipo de cambio ocurrió?
c) ¿Con que velocidad ocurrió el cambio?
d) ¿Qué más se puede entender acerca del patrón de cambio?
El soporte que el SIG ofrece para una detección de cambio al presente

no es muy impresionante. Muchos estudios requieren esfuerzos
substanciales del usuario de SIG en la preparación y manipulación de
datos. Parte de un ejemplo de conjunto de datos de un proyecto se da
en la figura 23. El propósito de éste estudio era el de evaluar si las
imágenes radar son recursos confiables para detectar la desaparición de
un bosque primario.
Figura 23. Cambio temporal en la cobertura cerca de San José de Guaviare en

Colombia.
Las estructuras espacio temporales son representaciones de los

fenómenos geográficos que cambian en función al tiempo. Muchas
técnicas de representación han sido propuestas en la literatura. Las más
importantes se discutirán a continuación.
Observe que aparte del espacio 2D ó 3D, la dimensión del tiempo (extra)
es nuevamente inherente en la naturaleza continua, si queremos
representar esto en la computadora, debemos “discretizar” esta
dimensión.
Antes describimos las características mayores de varias técnicas,

necesitamos un esquema para describir la naturaleza del tiempo por si
mismo. La dimensión del tiempo puede ser caracteriza en base a las
siguientes propiedades:
Densidad del tiempo. El tiempo puede ser medido a lo largo de una

escala discreta ó continua. El tiempo discreto está compuesto de
elementos discretos (segundos, minutos, horas, días, meses ó años). En el
tiempo continuo no existen tales elementos discretos, y por cualquier par
de diferentes puntos en el tiempo, siempre existe otro punto entre ellos.
También podemos estructurar el tiempo en eventos (puntos en el tiempo)
ó períodos (intérvalos de tiempo). Cuando representamos períodos de
tiempo al inicio ó final de cualquier evento, podemos derivar relaciones
temporales entre eventos y períodos tales como “antes”, “después”,
“sobrepuesto”, etc.
Dimensiones del tiempo. Un tiempo válido (ó tiempo mundial) es el

tiempo cuando un evento realmente ocurre ó una cadena de eventos se
lleva a cabo. El tiempo de transacción (ó base de datos de tiempo) es el
tiempo cuando el evento fue almacenado en la base de datos ó SIG.
Observe que el tiempo en el cual almacenamos algo en la base de
datos / SIG típicamente está mucho más tarde que cuando el evento
relacionado ocurrió.
A menudo, lo que grabamos en un sistema de computadora es un

“retrato” que representa un punto simple en el tiempo de un proceso
natural hecho por el hombre. Podemos almacenar una cadena de
“retratos” pero debemos tener en cuenta que esto es todavía solamente
una representación endeble de ese proceso.
Orden de tiempo. El tiempo puede ser considerado linear, extendiéndose

del pasado al presente y al futuro. Para algunos tipos de análisis
temporal, las ramificaciones del tiempo (en la cual líneas de tiempo
diferentes de un cierto punto adelante en el tiempo son posibles) y
tiempo cíclico, en el cual ciclos repetidos como las estaciones ó días de

una semana son reconocidos, tienen más sentido y pueden ser útiles.
Medidas en el tiempo. Cuando medidos el tiempo, hablamos de chronon

como la unidad de tiempo más pequeña que no se puede
descomponer que soporta un SIG ó una base de datos (por ejemplo, este
puede ser un milisegundo). El tiempo de vida de un objeto es medido por
un número finito de chronos. La granularidad es la precisión de un valor
de tiempo en un SIG ó base de datos (por ejemplo, año, mes, día,
segundo, etc.). Diferentes aplicaciones requieren diferentes
granularidades. En aplicaciones catastrales, la granularidad del tiempo,
puede ser un día dependiendo de las leyes, en cambio en geología
puede ser miles de millones de años.
Referencia del tiempo. El tiempo puede ser representado como absoluto

(tiempo fijado) ó relativo (tiempo equivalente). El tiempo absoluto marca
un punto en la línea del tiempo donde los eventos ocurren. (Por ejemplo,
6 de Julio de 1999 a las 11:15 p.m.). La escala relativa es relativa a otros
puntos en el tiempo (por ejemplo, “ayer”, “el año pasado”, “mañana”,
los cuales son todos relativos para “ahora” ó “dos semanas más tarde”, el
cual puede ser relativo a un punto en el tiempo arbitrario).
3.2. Modelos espacio temporales de datos.

En estos modelos podemos considerar cambios espaciales y atributos
temáticos en función al tiempo. En el análisis de datos, podemos
mantener el dominio espacial fijado y mirar solamente a los cambios de
atributo en el tiempo para una localización dada en el espacio.
Estaríamos interesados, por ejemplo, en el cambio de una cobertura de
suelo en una parcela dada en el tiempo, implicando que su límite no
cambió.
Por otro lado, podemos mantener el dominio fijado de atributo y

considerar los cambios espaciales sobre el tiempo para un atributo
temático dado. En este caso nos interesaría ver que localizaciones fueron
cubiertas por bosques en un período dado de tiempo.
Finalmente, podemos asumir variable al dominio espacial y atributo y

además considerar como los objetos ó campos han cambiado en
función al tiempo. Esto podría llevar a nociones de movimiento de
objetos, por ejemplo, control de tráfico y telefonía móvil. Otros ejemplos
serían el movimiento animal, distribución de vectores de enfermedades y
predicción del tiempo, entre otros. Aquí el problema de identificación del
objeto se hace aparente. ¿Cuándo un cambio ó movimiento causa que
un objeto desaparezca y se convierta en uno nuevo? Con la vida salvaje
esto es obvio. Ya hemos visto que algunos fenómenos geográficos

pueden ser perfectamente bien descritos como objetos, mientras que
otros son mejor representados como campos.
3.2.1. El modelo retrato (snapshot).

En este modelo las capas de datos para el mismo tema de información
tiene el sello del tiempo. Una capa de datos representa ese estado de
asuntos para el tiempo válido con el cual está relacionado directamente
al tiempo. Este tiempo válido es un atributo específico extra asociado
con la capa de datos. No tenemos ninguna información acerca de los
eventos que causan cambios entre los diferentes estados representados
por capas. Este modelo se basa en un tiempo linear, absoluto y discreto.
Soporta solo un tiempo válido pero puede tener la granularidad del
tiempo variable. El dominio espacial está fijado (y está basado
típicamente en el campo) y el dominio de atributo es variable.
Ya que muchos SIG actuales no soportan muchos los datos temporales, el

modelo de retrato es el más comúnmente usado. Los usuarios entonces
deben construir sus propias capas de datos (en función del tiempo) ellos
mismos. Esto significa que el análisis de cambio manifestado en la
secuencia de estados es responsabilidad absoluta del usuario.
El modelo retrato es el más común en las ciencias de la Tierra, las

imágenes satelitales son una fuente de base de datos para ellos. Después
de la clasificación de imágenes de una misma área, esencialmente
tenemos que obtener una secuencia de retrato basada en campo que
pueda funcionar como una base para el estudio con preguntas
relacionadas al tiempo.
3.2.2. El modelo de cubo de espacio-tiempo.

Como el anterior, este modelo está basado en una vista bidimensional
del espacio de estudio (prohibido por los ejes x, y), en el cual los
fenómenos geográficos están trazados en función al tiempo (a lo largo
del eje t) creando entonces un cubo espacio-tiempo tridimensional. El
cubo espacio-tiempo representa un proceso en el espacio bidimensional,
a través de una tercera dimensión del tiempo. El trazo de algún objeto a
través del tiempo crea una trayectoria de tipo gusano en el cubo
espacio-tiempo. Este modelo potencialmente permite un tiempo
absoluto, continuo, linear, con ramas y cíclico además. Soporta
solamente tiempo válido. El dominio de atributo se mantiene fijado y el
dominio espacial es el que típicamente varía.

Dado que los SIG actuales ya tienen un momento difícil asegurando la

integridad de los datos en un caso estándar, no temporal, es difícil,
entonces, predecir si ellos serán capaces de manejar la integridad de los
datos en los modelos cúbicos espacio-tiempo. La corrección topológica
puede ser conseguida para una capa de datos vector, pero para
asegurarla bajo un simple objeto el cambio requiere mucho esfuerzo.
Cambios de objetos múltiples, concurrentes son más difíciles de guardar
topológicamente, y las reglas de la consistencia topológica completa
bajo cambios continuos no son bien entendidas todavía.
EL modelo cúbico de espacio-tiempo puede ser visto como un modelo
retrato idealizado con una secuencia de retratos infinitamente densa.
3.2.3. El modelo compuesto de espacio-tiempo.

Este modelo también parte desde la vista bidimensional del espacio en
estudio es un tiempo de inicio. Cada cambio de un objeto que ocurre
posteriormente es proyectado en la capa inicial de datos y es
intersectado con las características existentes. Esto conduce a
intersecciones sucesivas creando una malla de polígono fina. Sobre el
tiempo, más y más polígonos serán almacenados con el. Este modelo se
basa en el tiempo linear, discreto y relativo. Soporta la transacción y el
tiempo válido y la granularidad múltiple. Mantiene el atributo de dominio
fijado y el dominio espacial variable.
Este modelo puede ser útil si la cantidad de cambios es limitada, y los

cambios son pasos discretos, como es el caso de las aplicaciones
catastrales donde las parcelas pueden ser divididas ó agrupadas. Incluso
aquí sería aconsejable considerar soluciones híbridas. Una técnica
comúnmente aplicada es empezar nuevamente regularmente con una
nueva capa de datos con los polígonos no separadas inicialmente.
3.2.3. Modelo basado en el evento.

En este modelo, empezamos con un estado inicial y guardamos los
eventos en la línea del tiempo. Cuando sea que ocurra un cambio, se
guarda una entrada. Los dominios espaciales y temáticos de atributo son
secundarios. El modelo se basa en el tiempo discreto, linear, relativo y
soporta solamente tiempo válido y granularidad múltiple.
Nuestro evento se guarda en este modelo de tal forma que podemos

reconstruir la historia completa espacial y no espacial de nuestra área de
estudio. La reconstrucción requerirá algo ó mucho cálculo en la
computadora. Esto, por lo tanto, es un modelo con un consumo de
almacenamiento muy bajo pero con altos costos en el cálculo.

4. Resumen
En este capítulo hemos echado un vistazo en mayor detalle de los

diferentes tipos de fenómenos geográficos y hemos visto también las
formas en las cuales se representan estos fenómenos en un sistema
computarizado, como ser un SIG. Los fenómenos geográficos están
presentes en el mundo real que estudiamos; mientras que las
representaciones solamente se encuentran dentro de los sistemas
computarizados.
Hemos encontrado que una distinción importante entre los fenómenos es

si estos son ó no omnipresentes, es decir, si ocurren en cualquier parte
dentro del área de estudio ó si sus constituyentes se encuentran
“esparcidos” en el área de estudio, al primer fenómeno le denominamos
campos, mientras que al segundo objetos.
Entre los campos identificamos fenómenos discretos y continuos, los

fenómenos continuos pueden ser incluso diferenciables, esto significa que
se pueden determinar factores en las localizaciones como ser el
gradiente y el aspecto.
Entre los objetos, los parámetros importantes de clasificación son la

localización, forma, tamaño y orientación. Hemos visto que una parte
fundamental del parámetro de la forma es la dimensión del objeto,
preguntándonos entonces, si es un punto, línea, área ó volumen; en
todos los casos se usa en el SIG la representación de límite crisp ó fuzzy,
según sea el caso.
En la segunda parte del capítulo se hizo énfasis en las técnicas en las

cuales se almacenan los fenómenos geográficos anteriormente
mencionados dentro de un sistema computarizado. El problema
fundamental al obtener representaciones realísticas es que estos se
encuentran usualmente de forma continua en la naturaleza, por tanto se
requeriría una colección de datos infinitos para representarlos
correctamente. Como consecuencia de la memoria finita que tenemos
disponible en los sistemas computadorizados, es que debemos aceptar
representaciones finitas. Esto lleva a las aproximaciones y por ende a los
errores dentro de los datos para nuestro SIG.

5. Referencia bibliográfica.
By de, A.; R. Knippers: Y. Sun; M. Ellis; M. Kraak; M. Weir; Y. Georgiadou; M.

Radwan; C. Westen van; W. Kainz; E. Sides. 2004. Principles of
Geographic Information Systems. Third Edition. ITC EDUCATIONAL
TEXTBOOK SERIES. International Institute for Aerospace Survey and
Earth Observation. Enschede, The Netherlands. P.p. 37-66


Datos Espaciales

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Datos Espaciales

Caricato da

Copyright:

Formati disponibili

DIPLOMADO EN HIDROLOGIA ESPACIAL

SEGUNDA VERSION – 2012

Traducido por: Lic. J. Stephan Dalence Martinic. MSc.

Introducción a los Sistemas de Información Geográfica 1

Introducción a los Sistemas de Información Geográfica 2

Figura 1. Ejemplo de campo continuo ................................................................................ 7

Introducción a los Sistemas de Información Geográfica 3

Estructura de datos espaciales en SIG

Es crucial entender las diferencias fundamentales entre estas tres

Al cruzar la barrera entre el mundo real y una representación

Este capítulo estudia los tipos de fenómenos geográficos de manera más

Finalmente, mencionamos que las ilustraciones en éste capítulo –por

2.1. Fenómeno geográfico definido.

La relevancia de fenómenos de un uso actual de SIG depende

Por ejemplo, en el manejo de los recursos hídricos, los objetos de estudio

En la administración catastral multipropósito, los objetos de estudio son

Observe que no exigimos que todos los fenómenos relevantes vengan

Introducción a los Sistemas de Información Geográfica 5

Si el intérvalo de tiempo está perdido, parece que tenemos un fenómeno

2.2. Diferentes tipos de fenómenos geográficos.

Hasta aquí, primero se ha hecho la observación que la representación de

Un campo geográfico es un fenómeno geográfico mediante el cual, por

Los ejemplos usuales de campos geográficos son la temperatura, presión

Muchos otros fenómenos no se manifiestan ellos mismos en cualquier

Los objetos geográficos pueblan el área de estudio y son usualmente

Introducción a los Sistemas de Información Geográfica 6

2.3. Campos geográficos.

Los campos pueden ser discretos ó continuos, y si ellos son continuos,

En un campo continuo, la función subyacente se asume sea continua, tal

La figura 1 ilustra la variación en la elevación en un área de estudio en

Figura 1. Ejemplo de campo continuo

Introducción a los Sistemas de Información Geográfica 7

Figura 2. Un campo discreto que indica unidades geológicas.

Existen muchas variaciones de campos no-continuos, el ejemplo más

Un modelo basado en campo consiste de una colección finita de

2.4. Tipos de valores de datos.

podemos hacer. Específicamente, no podemos realizar verdaderas

Los valores de datos de intérvalo y la tasa de valores de datos permiten

2.5 Objetos geográficos.

Como queremos usar la información acerca de los objetos geográficos

las estaciones de gasolina es saber exactamente su localización que es

La forma es usualmente importante debido a que uno de sus factores es

A continuación en la figura 3 se ilustran fallas geológicas en el área de

Figura 3. Un número de fallas geológicas en Falset.

Introducción a los Sistemas de Información Geográfica 10

Usualmente, no estudiamos objetos geográficos por sí solos, pero sí a la

La mayoría de las colecciones interesantes de los objetos geográficos

 La colección de estaciones gasolineras en el sistema de

 ¿Qué parte del camino de la red caminera está en un radio de 5

Las aproximaciones multiescalares observan al problema de cómo

Otras relaciones espaciales entre los miembros de la colección de

La localización, forma y/o tamaño están completamente determinados si

verdadero en áreas de bordes regulares; mientras que los bordes

2.7 Representaciones computarizadas de la información geográfica.

Anteriormente ya hemos visto que los fenómenos geográficos tienen

Cuando queremos representar dicho fenómeno de la manera más real

 Tratar de almacenar la mayor cantidad posible de pares

Ambas aproximaciones tienen sus inconvenientes. En la primera, nunca

En el SIG se toma, típicamente, una combinación de ambas

Introducción a los Sistemas de Información Geográfica 12

La función más simple de interpolación (y que es de uso común)

Se debe observar que los fenómenos con características continuas

En el SIG, los campos son usualmente implementados con una

La colección de estaciones gasolineras en el sistema de

¿Qué parte del camino de la red caminera está en un radio de 5

Tratar de almacenar la mayor cantidad posible de pares

Hacer el tamaño de la celda más pequeño, para hacer los “vacíos