UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

INGENIERÍA EN ESTADÍSTICA

INTEGRANTES:

Elizabeth Aguilar

Melanny Anchundia

Jose Baño

Ariel Bastidas

Jessica Chugcho

Celyn Sasig

CATEDRATICO:

Ing.Hernan Rengel

CURSO:

ES4-001

FECHA DE PUBLICACIÓN:

2024-07-03

Antecedente

El estudio de los datos geográficos tiene una larga historia que se remonta a los primeros intentos del ser humano por representar su entorno espacial. Sin embargo, el campo ha experimentado una transformación radical en las últimas décadas, impulsada por avances tecnológicos y cambios en la forma en que utilizamos la información espacial (Goodchild, 2018).

Un hito crucial fue el desarrollo del primer Sistema de Información Geográfica (SIG) en la década de 1960 por Roger Tomlinson en Canadá. Este sistema, diseñado para el Inventario de Tierras de Canadá, sentó las bases para la revolución digital en la gestión de datos geográficos (Tomlinson, 1998).

En las décadas siguientes, el rápido desarrollo de la tecnología informática permitió el procesamiento de conjuntos de datos cada vez más grandes y complejos. La introducción de los sistemas de posicionamiento global (GPS) en la década de 1980 añadió una nueva dimensión a la recopilación de datos geográficos, permitiendo una precisión y cobertura sin precedentes (Hofmann-Wellenhof et al., 2008).

El advenimiento de Internet en la década de 1990 transformó nuevamente el campo, facilitando el intercambio de datos geográficos a escala global. Esto llevó al desarrollo de estándares internacionales para datos geoespaciales y a la creación de infraestructuras de datos espaciales a nivel nacional e internacional (Craglia y Annoni, 2007).

En el siglo XXI, la proliferación de dispositivos móviles con capacidades de geolocalización ha democratizado la recopilación y el uso de datos geográficos. Fenómenos como la información geográfica voluntaria (VGI) y el big data geoespacial han surgido, planteando nuevos desafíos y oportunidades en el manejo y análisis de datos geográficos (Goodchild, 2007; Li et al., 2016).

Paralelamente a estos desarrollos tecnológicos, la comprensión teórica de los datos geográficos ha evolucionado. Conceptos como la distinción entre campos y entidades, la naturaleza de la escala en los datos geográficos, y los modelos de representación espacial han sido refinados y formalizados (Couclelis, 1992; Goodchild et al., 2007).

Hoy en día, los datos geográficos son fundamentales en una amplia gama de aplicaciones, desde la planificación urbana y la gestión de recursos naturales hasta la logística y el marketing. La integración de la inteligencia artificial y el aprendizaje automático en el análisis de datos geográficos está abriendo nuevas fronteras en la comprensión y utilización de la información espacial (Li et al., 2020).

Objetivo general

Analizar la naturaleza y características de los datos geográficos, sus modelos de representación y su transformación en información geográfica, ejemplificando en aplicaciones.

Objetivos específicos

• Examinar la naturaleza específica de los datos geográficos.

• Diferenciar entre datos e información geográfica, mostrando los procesos de transformación.

• Comparar las características y aplicaciones de los datos analógicos y digitales en el contexto geográfico.

• Evaluar los diferentes modelos utilizados para representar la información geográfica, en aplicaciones como QGIS y RStudio.

• Analizar los conceptos de campos y entidades y como son aplicadas con datos geográficos.

Desarrollo

4.1.Naturaleza especifica de los datos geográficos

Realizar un mapa de Coropletas de Ecuador

• 1. Cargamos nuestro archivo csv que contiene la población de cada Provincia

• 2. Realizamos la unión de los dos archivos tomando en cuenta el campo que sea común

• 3. Una vez juntas las tablas

• 4. Nos ubicamos en propiedades de capa y escogemos la opción graduado para realizar el mapa de coropletas y la variable de población y en clasificar

• 5. Finalmente tenemos nuestro mapa de coroblates densidad poblaional

R STUDIO

• 1. Instalamos los paquetes necesarios para realizar el mapa de coropletas y cargamos las librerías

• 2. Cargar el shp. De ecuador y cargar los datos de población

• 3. Realizamos la unión de población con shp. Provincias

• 4. Realizamos la gráfica para el mapa de coropletas de Ecuador

RESULTADO

4.2.Diferencia entre datos e información geográfica

Visualizamos nuestro archivo shp en este caso utilizaremos el mapa de provincias

Abrimos la tabla de atributos aqui se puede observar los datos alfa numéricos

Creamos puntos para obtener información geográfica como las coordenadas, áreas, perímetro y distancia

En la barra donde dice procesos aplastamos y ponemos en la opción caja de herramientas al momento de aplastar ahi buscaremos la opcion que diga Matriz de distancia esta nos ayudara a calcular la distancia que puede haber entre el punto 1,2,3,4 y 5.

Debemos llenar y tal como se muestra aqui:

Listo se nos a generado la distancia que puede existir entre todos los puntos

Mediante polígonos podemos calcular el área, el perimetro y sus coordenadas

De igual manera abriremos la tabla de atributos ya que trabajaremos con la calculadora de campos para poder tener la información geográfica que queremos tener

Como observamos en la calculadora de campos utilizaremos las funciones \(area,\)perimetro/1000, $x y $y para obetener la información geográfica pedida

Coordenadas X y Y

Área y perimétro

Para la información geográfica crearemos un mapa temático lo cual iremos a web para activar el siguiente mapa

Para el mapa didactico utilizaremos los archivos shp de provincias y cantones y realizaremos lo que ya hemos visto en el transcurso de las clases.

Iremos a la opción nueva composición de impresión

Podemos aplastar control+p o irnos a la composición de impresión lo cual lo guardaremos con cualquier nombre en este caso yo lo llamare morona santiago mapa podemos activar el google maps para ver que hay alrededor y damos un refresh a nuestra composición y se actualizara.

Agregaremos un norte a nuestro mapa lo cual aplastaremos en la flecha de añadir un norte de ahi añadiremos nuestra simbologia tambien se agregara los campos los cuales hemos trabajo y para hacer nuestro mapa tematico iremos a añadir capa luego a propiedades de elementos y aplastaremos en la opción Interactively Edit Map Extent

Vamos a añadir imagen para poder poner objetos relacionados con nuestra imagen ya sea que se encuentren hospitales, hoteles,gasolinerias etc.

Y listo asi quedaria nuestro mapa temático podemos importarlo como imagen o como archivo svg como ustedes gusten:

4.3.Datos analógicos y datos digitales

Suponiendo que se tiene el siguiente mapa de forma física, y que ya se ha escaneado para tenerlo digitalmente en forma de imagen:

Cargar mapas en QGIS Procedemos a cargarlo en el software de QGIS para extrapolarlo a un mapa digital.

• 1. Abrir el programa QGIS y dirigirnos a la barra de herramientas en el apartado de Capa > Añadir Capa > Añadir capa ráster.

• 2. Se abrirá una ventana en la que pide el tipo de fuente y escogeremos “Archivo”, y la fuente (o ubicación) del archivo a cargar, donde se hace click en el botón con 3 puntos.

• 3. En la nueva ventana, ubicaremos el archivo que se desea cargar y hacemos click en aceptar.

• 4. Finalmente damos click en Añadir en la ventana del QGIS y el mapa se habrá cargado.

Nota: Recordar los tipos de archivo que son compatibles con las capas de tipo ráster (.png, .tiff, .jpeg, etc.)

• • Cargar mapas en RStudio

Código para cargar el mapa:

# Carga de mapa digital

# 1. Instalar y cargar las librerías necesarias

library(raster)

## Warning: package 'raster' was built under R version 4.3.3

## Loading required package: sp

## Warning: package 'sp' was built under R version 4.3.3

# 2. Ubicar el archivo a cargar
file.choose()

## [1] "C:\\Users\\user\\Downloads\\WhatsApp Image 2024-06-30 at 7.14.59 PM.jpeg"

# 3. Almacenar el mapa en una variable
mapa <- raster("C:\\Users\\user\\Downloads\\WhatsApp Image 2024-06-30 at 7.14.59 PM.jpeg")

## Warning: [rast] unknown extent

# 4. Información acerca del archivo
print(mapa)

## class      : RasterLayer 
## band       : 1  (of  3  bands)
## dimensions : 761, 1547, 1177267  (nrow, ncol, ncell)
## resolution : 1, 1  (x, y)
## extent     : 0, 1547, 0, 761  (xmin, xmax, ymin, ymax)
## crs        : NA 
## source     : WhatsApp Image 2024-06-30 at 7.14.59 PM.jpeg 
## names      : WhatsApp.Image.2024.06.30.at.7.14.59.PM_1

El mapa puede visulizarse de diferentes formas, si se desea, utilizando la librería “ggplot2” Resultado:

# 5. Visualizar el mapa cargado
plot(mapa)

## Warning: [rast] unknown extent

4.4.Modelos para la información geográfica

PASO 1: En Google Earth se crea un polígono

Paso 2: Dentro del polígono creado vamos a crear una rutas de puntos.

Paso 3: Guardamos la el archivo creado de puntos de curvas ( Archivo a guardar debe ser de tipo .kmz)

Paso 4: Abrimos nuestro navegador para poder ingresar en un aplicativo el cual nos generara la elevación de nuestra ruta de puntos creados.

https://www.gpsvisualizer.com/elevation

Paso 5: Cargamos el archivo que con anterior guardamos (.kmz)

Paso 6: Damos clic en convertir y agregar elevación

Paso 7: Descargamos el nuevo archivo generado y lo guardamos en la carpeta en la que este trabajando

Paso 8: En QGIS ingresamos al apartado de administrado de fuente de datos y cargamos el archivo que el aplicativo descargado de Google

Paso 9: Al añadir la fuente aparece una nueva ventana la cual escogeremos la opción PointZ(1231) y damos clic en añadir. Nota el numero entre paréntesis indica la cantidad de puntos generados

Paso 10: Como se observa la nueva capa de puntos se ha cargado, ahora en el panel de cajas de herramienta de proceso buscaremos la opción de Interpolación TIN

Paso 11: Aquí se deberá escoger la capa con los puntos, además del atributo de interpolación en este caso será por elevación , adicional se deberá de seleccionar los puntos a interpolarse y por ultimo damos clic en ejecutar

Paso 12 : Aquí observaremos que nuestros puntos fueron interpolados.

Paso 13: Ahora en esta interpolación añadiremos las curvas de nivel como se muestra en la ilustración.

Paso 14: De la misma manera se deberá de ubicar la capa de interpolación, luego en el apartado de intervalo entre nivel de curvas indicaremos distancia que tomara cada curva y por último damos clic en ejecutar.

Paso 15: Se presenta nuestra capa vectorial que luego paso a ráster, con el fin de presentar las curvas de nivel

5.1.Definición de campos y entidades

• 1.- Establecer el SRC en 32717

Configuración >> Opciones >> Manejo de SRC >> SRC para proyectos seleccionar Usar un SRC predeterminado y en un icono como un mundo que se llama “Seleccionar SRC” buscar el EPSG:32717

Y para confirmar que esta seleccionado, en la parte inferior derecha de igual manera existe la opción EPSG, debe estar el código 32717.

• Abrir el StreetMap.

Primero visualizar en la opción de complementos que este descargado y aplicado el QuickMap Services. Para esto en la barra de herramientas escoger Complementos >> Administrar e instalar complementos. En el apartado de ‘Instalados’ ver si esta con un visto el complemento QuickMap Services.

Ahora para añadir la capa StreetMap en la parte izquierda en Navegador, buscamos XYZ Tiles, damos clic y dentro de esa está la capa StreetMap, la arrastramos a ‘Capas’.

Al igual que la capa de StreetMap debemos estar seguros que esté dentro del SRC. Para esto damos clic derecho en la capa. SRC de la capa >> Establecer SRC de la capa. Debe estar con EPSG:3857. No debe cargar con las coordenadas de la capa Provincias.

Vamos medir la Avenida Universitaria. Por lo que para esto vamos a crear una capa. Capa >> Crear capa >> Nueva capa de archivo Shape.

Al abrir la ventana, escogemos el directorio donde queremos guardar nuestra capa, así como la geometría. Como es una avenida, la seleccionaremos como ‘Cadena de líneas’. Y escoger de nuevo el SRC el cual es EPSG:32717. Y añadimos un campo el cual va a llevar el nombre. En nuevo campo añadimos como se va a llamar, el tipo lo dejamos en cadena ya que solo seleccionamos nombre y damos clic en ‘Añadir a la lista de campos’

Ahora para empezar a marcar las líneas, debemos habilitar la opción de editar. Para esto damos clic derecho en la capa creada. Y damos clic en la opción ‘Conmutar Edición’.

Ahora para empezar a añadir podemos dar el comando de CTRL + o simplemente en al barra escoger la opción ‘Añadir línea’.

Después de haber seleccionado la Av. Universitaria hasta el redondel de Miraflores dar clic derecho y poner el código de identificación de la línea. En este caso seria 1. Abrimos la tabla de atributos para darnos cuenta que esta capa se haya guardado correctamente. en este apartado vamos a medir la longitud de la Av. Universitaria. Por lo que abrimos la calculadora, añadimos un nuevo campo con el nombre de long_m, ya lo ponemos en decimal reales, con 15 de longitud y 2 de precisión. Y ocupamos la función $length que como lo dice QGIS. Devuelve la longitud de una cadena de líneas. Ademas de añadir el nombre de la calle seleccionada.

Vamos a añadir nuevos campos donde estará la longitud de cada calle. El operador $length muestra la longitud directamente en metros, por lo que para operar en km toca dividir el campo para 1000. Esto lo haremos en la calculadora de campos. Creando un nuevo campo, dividiendo el campo creado anteriormente para 1000.

La tabla quedaría de la siguiente forma:

Conclusiones

• La naturaleza específica de los datos geográficos, caracterizada por su localización espacial, representación dimensional, temporalidad, escala, proyección, atributos descriptivos y relaciones espaciales, hace que estos datos sean únicos y altamente valiosos para el análisis y la toma de decisiones en diversas disciplinas. Su correcta utilización permite obtener una comprensión profunda de fenómenos geográficos y facilita la planificación y gestión efectiva de recursos y territorios.

• La principal diferencia entre dato e información geográfica radica en que los datos geográficos son hechos sin procesar y descontextualizados, mientras que la información geográfica es el resultado del procesamiento y análisis de esos datos, proporcionando contexto y valor añadido para la toma de decisiones y el entendimiento del espacio geográfico.

• Los modelos de información geográfica son herramientas poderosas que permiten representar, analizar y comprender fenómenos espaciales de manera eficiente. Estos modelos han evolucionado significativamente en las últimas décadas, ofreciendo cada vez más funcionalidades y capacidades para abordar una amplia gama de aplicaciones, desde la planificación urbana hasta la gestión de recursos naturales.

• La correcta definición de campos y entidades es crucial para la organización y eficiencia de los sistemas de información. Permite una representación estructurada y coherente de los datos, facilitando su almacenamiento, recuperación y análisis.

• Promueve la integración de datos entre diferentes aplicaciones y sistemas, mejorando la capacidad de análisis de la información.

• Los datos analíticos y los datos digitales presentan sólo la diferencia en la manera en las que se poseen, como son en forma física para los analíticos y en forma virtual para los digitales. Aunque hoy en día se utilizan mayormente los datos digitales por las múltiples ventajas que tiene su uso, los datos analíticos fueron la pieza clave para que con ayuda de la tecnología, los procesos que antes eran complicados se puedan realizar de manera más sencilla.

Recomendaciones

• Para aprovechar al máximo el potencial de los datos geográficos, es esencial implementar y utilizar Sistemas de Información Geográfica (SIG). Además, se debe invertir en el uso de herramientas geoespaciales y técnicas de análisis, asegurando la precisión y efectividad en la recopilación, gestión y aplicación de estos datos en proyectos y estudios.

• Fomentar la capacitación en técnicas de procesamiento y análisis de datos geográficos para convertirlos en información útil y aplicable en diversas áreas como la planificación urbana, la gestión ambiental y la investigación científica.

• Se recomienda entender bien estos modelos conceptuales y sus características para poder elegir el más apropiado según el tipo de datos y análisis a realizar. Además, destaca la importancia de conocer las fuentes de datos espaciales, su calidad y metadatos para trabajar con información geográfica de manera efectiva en un SIG.

• Continuar actualizando y revisando periódicamente la estructura de campos y entidades para adaptarse a cambios en avances tecnológicos.

• Implementar herramientas y tecnologías que faciliten la gestión eficiente de la estructura de campos y entidades.

• Profundizar en el uso y manejo de datos digitales, ya que son los más utilizados actualmente en el campo de los SIG. Para maximizar la eficiencia y precisión en trabajos, es fundamental familiarizarse con las herramientas y técnicas modernas que facilitan la manipulación y análisis de datos digitales. Esto incluye aprender a usar software especializado como QGIS y RStudio, comprender los formatos de archivo compatibles y mantenerse actualizado con las mejores prácticas en el manejo de datos geoespaciales.

Bibliografia

• Li, J., Wang, Y., & Zhang, X. (2020). Advances in Geospatial Data Analytics: Integrating AI and Machine Learning. Journal of Geographic Information Science, 14(2), 123-134.

• Goodchild, M. F. (2018). Reimagining the history of GIS. Annals of GIS, 24(1), 1-8.

• Tomlinson, R. F. (1998). The Canada Geographic Information System. In T. W. Foresman (Ed.), The History of Geographic Information Systems: Perspectives from the Pioneers (pp. 21-32). Prentice Hall.

• Hofmann-Wellenhof, B., Lichtenegger, H., & Wasle, E. (2008). GNSS–global navigation satellite systems: GPS, GLONASS, Galileo, and more. Springer Science & Business Media.

• Craglia, M., & Annoni, A. (2007). INSPIRE: An innovative approach to the development of spatial data infrastructures in Europe. In H. Onsrud (Ed.), Research and Theory in Advancing Spatial Data Infrastructure Concepts (pp. 93-105). ESRI Press.

• Goodchild, M. F. (2007). Citizens as sensors: the world of volunteered geography. GeoJournal, 69(4), 211-221.

• Li, S., Dragicevic, S., Castro, F. A., Sester, M., Winter, S., Coltekin, A., … & Cheng, T. (2016). Geospatial big data handling theory and methods: A review and research challenges. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 119-133.

• Couclelis, H. (1992). People manipulate objects (but cultivate fields): Beyond the raster-vector debate in GIS. In A. U. Frank, I. Campari, & U. Formentini (Eds.), Theories and Methods of Spatio-Temporal Reasoning in Geographic Space (pp. 65-77). Springer.

• Goodchild, M. F., Yuan, M., & Cova, T. J. (2007). Towards a general theory of geographic representation in GIS. International Journal of Geographical Information Science, 21(3), 239-260.

• Li, W., Batty, M., & Goodchild, M. F. (2020). Real-time GIS for smart cities. International Journal of Geographical Information Science, 34(2), 311-324.

• ArcGIS Pro (s.f.). Definir campos en tablas. https://pro.arcgis.com/es/pro-app/latest/help/data/geodatabases/overview/defining-fields-in-tables.htm

• IBM. (s.f.). Conceptos clave: entidad, atributo y tipo de entidad. https://www.ibm.com/docs/es/imdm/11.6?topic=concepts-key-entity-attribute-entity-type

• Burrough, P. A., & McDonnell, R. A. (1998). Principles of Geographical Information Systems. Oxford University Press.

• Chang, K. T. (2016). Introduction to Geographic Information Systems (8th ed.). McGraw-Hill Education.

• GADM. (2023). GADM Database of Global Administrative Areas. Recuperado de https://gadm.org/download_country_v3.html

• Olaya, V. (2014). Sistemas de Información Geográfica. https://www.icog.es/TyT/files/Libro_SIG.pdf