Clasificación de datos geoespaciales

Clasificación de datos geoespaciales#

La clasificación de datos geoespaciales en los SIG consiste en categorizar la información geográfica en distintos grupos o clases en función de características o atributos compartidos. A cada clase se le puede asignar un símbolo o color distinto. Este proceso mejora la organización e interpretación de los datos espaciales.

Los atributos de los datos geoespaciales se almacenan en una columna específica dentro de la tabla de atributos. Esencialmente, elegimos una columna que contenga las características específicas de interés, lo que permite a QGIS agrupar los datos según estos atributos seleccionados (classification_basic).

../../../_images/classification_basic.drawio.png — Clasificación básica (fuente: HeiGIT).#

Escalas nominal, ordinal y métrica#

En la clasificación de datos geoespaciales, se utilizan las escalas nominal, ordinal y métrica para categorizar y medir las entidades espaciales según distintos niveles de precisión y jerarquía:

La escala nominal (datos categóricos) es la forma más sencilla de medición en la que las entidades se agrupan en categorías distintas basadas en atributos cualitativos. Estas categorías no tienen ningún orden ni clasificación inherentes. No tienen ningún significado numérico: los valores o etiquetas son solo nombres o identificadores (en algunos casos, las clases de cubierta terrestre pueden identificarse con números).
- Ejemplos: Clases de cubiertas terrestres, tipos de vegetación, tipos de suelo, tipo de equipamiento (hospital, iglesia, escuela, etc.).
Ejemplos de datos nominales y su representación (fuente: Dickmann [2018] Kartographie, Westermann).#
La escala ordinal (datos clasificados) implica categorizar los datos, pero, en este caso, las categorías tienen un orden o rango significativo. Sin embargo, los intervalos entre los rangos no son necesariamente iguales ni conocidos. El orden de clasificación es importante: las entidades pueden clasificarse u ordenarse de menor a mayor, pero la diferencia real entre las clasificaciones no se mide. Es posible comparar y clasificar los datos (es decir, qué entidad está clasificada en un nivel superior o inferior).
- Ejemplos: Adecuación del terreno, red vial jerárquica, clases de tamaño de la población, clases de vulnerabilidad (p. ej., para unidades administrativas).
Ejemplos de datos ordinales y su representación (fuente: Dickmann [2018] Kartographie, Westermann)#
La escala métrica (datos cuantitativos) se ocupa de datos que tienen tanto orden como diferencias exactas entre los valores. Estos datos se representan con valores numéricos precisos y las diferencias entre los valores son constantes en toda la escala. Los datos métricos pueden dividirse a su vez en:
- Escala de intervalos. Datos numéricos en los que la diferencia entre valores es significativa, pero no existe un verdadero punto cero (p. ej., la temperatura en grados Celsius).
- Escala de proporciones. Datos numéricos en los que tanto las diferencias como los coeficientes son significativos y existe un verdadero punto cero (p. ej., distancia, área).
- Ejemplos: Datos de elevación, distancia, área y población.
Ejemplos de datos métricos y su representación (fuente: Dickmann [2018] Kartographie, Westermann).#

Según el tipo de escala, utilizará distintos métodos de clasificación. A continuación, repasaremos los distintos tipos de clasificación disponibles en QGIS y cuándo utilizarlos para cada dato. También repasaremos algunos escenarios con los que se puede encontrar en su trabajo con los SIG.

Clasificación por símbolo único#

Por defecto, QGIS genera una visualización de todas las capas en la configuración Single symbol. Esto significa que todas las entidades de una capa se visualizan igual. En esta configuración, puede cambiar muchos parámetros como el color o la opacidad, pero no puede clasificar los datos en varios grupos.

La clasificación por símbolo único es útil cuando se dispone de un conjunto de datos sencillo. Cuando se carga, por ejemplo, una capa de polígonos con los límites administrativos de una región y una capa de puntos con las principales ciudades. En este caso, puede elegir una clasificación por símbolo único y ajustar el símbolo para cada capa.

Clasificación por categorías#

La clasificación por categorías en QGIS agrupa los datos espaciales en categorías distintas basadas en atributos específicos.

Esta clasificación organiza las entidades en categorías basadas en valores específicos de la tabla de atributos. Al asignar un símbolo a cada categoría, puede facilitar la interpretación de la información geoespacial en el mapa para obtener una visión más clara.

../../../_images/fr_simple_classification_example_map.png — Niger - Régions de Tillabéri et de Tahoua Éducation: infrastructures scolaires fermées ou endommagées pour cause d’insécurité entre 2019 et 2022 (fuente: REACH).#

En el mapa anterior, a las carreteras principales se les asignó un símbolo único. Las escuelas se clasificaron en dos categorías: escuela primaria (école primaire en francés) y escuela secundaria (école secondaire en francés).

La clasificación por categorías suele utilizarse para los datos de escala nominal y ordinal.

Escala de datos	Definición	Ejemplo	Formato de datos típico
Escala nominal	Categorías sin orden ni clasificación inherentes	Tipos de cubiertas terrestres, distritos, zonas de subsistencia	Texto (“Desierto”) o número entero (5)
Escala ordinal	Categorías con un orden o clasificación significativos	Rangos (p. ej., bajo, medio)	Texto (“alto”) o número entero (5)

../../../_images/Categorized_district_map_SierraLeone.png — Ejemplo de mapa con una clasificación por categorías.#

Clasificación graduada#

La clasificación graduada en los SIG consiste en categorizar los datos espaciales en clases o rangos basados en una progresión de valores. Este método es especialmente útil para visualizar datos cuantitativos, ya que permite diferenciar la intensidad, la densidad o la magnitud a lo largo de un espectro, lo que facilita una representación matizada de los fenómenos geográficos.

../../../_images/example_classification_hexagons.png — REACH, Ucrania, Mapa de seguimiento de los emplazamientos colectivos de desplazados internos, Actives, julio de 2024 (fuente: Reach).#

En example_classification_hexagons, cada celda hexagonal contiene un valor de “número de emplazamientos por cada 150 km²” que oscila entre 1 y 91. Las celdas están organizadas en 5 categorías, lo que facilita la distinción entre los distintos valores de cada celda. Al reducir al mínimo la cantidad de clases, el lector puede leer y comprender el mapa más rápido.

La clasificación graduada se suele utilizar para datos cuantitativos medidos con una escala de intervalo o proporción.

Escala de datos	Definición	Ejemplo	Formato de datos típico
Escala de intervalos	Intervalos equitativos entre valores, sin punto cero verdadero	Temperatura (Celsius)	Flotante (44,5 grados)
Escala de proporciones	Intervalos equitativos con un punto cero verdadero	Población, longitud, número de árboles	Entero (5 árboles) o flotante (12,5 km de carretera)

Para clasificar los datos cuantitativos existen muchos métodos sobre cómo establecer las clases. No existe una única forma de seleccionar un método o de decidir cuántas clases utilizar. Todo depende de lo que quiera mostrar.

Tip

Un buen intervalo para el número de clases es de 3 a 7. No utilice más de 9 clases, ya que se hace difícil distinguirlas y ello dificulta la comprensión del mapa.

En el ejemplo que figura más abajo se ve un histograma de la población de distrito. Eso significa que tenemos un conjunto de datos con distritos y con la cantidad de personas que viven en cada uno de ellos. Solo basándonos en el histograma podemos hacer algunas afirmaciones generales.

No hay distritos con población nula o cero.
Solo hay unos pocos distritos con muy poca población.
Parece que hay tres grupos generales de distritos.

../../../_images/Histogramm_example.drawio.svg — Histograma de datos de población. Fuente: Axis Maps.#

Sin embargo, si queremos mostrar en un mapa qué distritos tienen más población que otros, tenemos que clasificar los distritos.

Existen siete maneras en QGIS de dividir datos cuantitativos en clases. Las cuatro más importantes son: intervalos equitativo, cuantil, cortes naturales y manual. Veamos cómo quedarían las clases de la población de distrito si dividiéramos los datos en tres clases utilizando estos métodos.

../../../_images/classification_method_map.drawio.svg — Diferentes clasificaciones. Fuente: HeiGIT (adaptado de Axis Maps)#

Intervalo equitativo

La clasificación por intervalos equitativos divide los datos en clases de tamaño uniforme, como 0-10, 10-20, 20-30, etc. Es eficaz para datos distribuidos uniformemente en toda la serie. Sin embargo, se recomienda tener precaución cuando los datos están sesgados o tienen valores atípicos significativos, ya que esto puede dar lugar a clases vacías. Los datos de población utilizados aquí, al carecer de grandes valores atípicos, son adecuados para la clasificación por intervalos equitativos.

Recuento equitativo (cuantil)

La clasificación por cuantiles garantiza un número igual de observaciones en cada clase, lo que crea mapas visualmente atractivos. Sin embargo, puede dar lugar a clases con rangos numéricos significativamente diferentes y, en algunos casos, se separan tasas similares y se agrupan tasas diferentes. Es aconsejable utilizar un histograma para evaluar posibles problemas. En el ejemplo de la población de distrito, la clasificación por cuantil produjo un corte cuestionable, al combinar una parte del tercer grupo con la clase 2 a pesar de su mayor proximidad numérica a otras observaciones de la clase 3.

Cortes naturales

Los cortes naturales constituyen un método de clasificación óptimo cuyo objetivo es minimizar la diferencia dentro de una clase y maximizar las diferencias entre clases para un número determinado de clases. Sin embargo, produce una solución de clasificación única para cada conjunto de datos, lo que puede ser un inconveniente a la hora de hacer comparaciones entre mapas, como en una serie o atlas. En tales casos, sería preferible aplicar el mismo sistema de clasificación en todos los mapas.

Manual

La clasificación manual permite a los usuarios establecer uno o todos los cortes de clase según necesidades específicas. Este enfoque resulta útil cuando es necesario predeterminar ciertos puntos de corte, como la alineación con la media o el mantenimiento de la uniformidad en una serie de mapas. La clasificación manual se recomienda cuando otros métodos proporcionan una buena solución, pero pueden beneficiarse de ligeros ajustes para adaptarse mejor a necesidades o a métodos de visualización específicos.

Escala logarítmica

La clasificación en escala logarítmica se emplea cuando los datos abarcan varios órdenes de magnitud y una escala lineal no representa eficazmente las variaciones. Esta escala aplica una transformación logarítmica a los datos, al comprimir los valores más grandes y expandir los más pequeños. Es útil para visualizar datos con crecimiento o decrecimiento exponencial. Sin embargo, la interpretación de los valores en una escala logarítmica puede requerir una comprensión profunda. Considere la posibilidad de utilizar una escala logarítmica cuando exista una serie amplia de valores y una escala lineal pueda ocultar patrones o tendencias importantes.

Cortes redondeados

Cortes redondeados es un método de clasificación diseñado para crear mapas visualmente atractivos y fáciles de interpretar. Este enfoque busca generar cortes de clase que se alineen con números “redondos”, lo que hace el mapa más intuitivo para los lectores. Cortes redondeados es especialmente útil cuando se comunican datos espaciales complejos a un público amplio, ya que mejora la claridad y comprensibilidad del mapa. Tenga en cuenta que la elección de cortes redondeados puede depender del contexto específico y de las preferencias del público destinatario.

Desviación estándar

La clasificación por desviación estándar es un método que determina los cortes de clase según la desviación estándar de los valores de los datos. Este enfoque organiza los datos en clases teniendo en cuenta la distribución de los valores en torno a la media. Cada clase representa un determinado número de desviaciones estándar de la media, lo que proporciona una base estadística para categorizar los datos. Esta clasificación es eficaz cuando se desea resaltar la variabilidad dentro del conjunto de datos. Sin embargo, es importante considerar la naturaleza de la distribución de los datos y si este método se ajusta a los objetivos analíticos del mapa.

Preguntas de autoevaluación#

Compruebe lo que aprendió

¿Qué es la clasificación de datos geoespaciales y por qué es útil en los SIG?

¿Cuáles son los tres métodos de clasificación más comunes disponibles en QGIS? Explique sus diferencias.

Respuesta

QGIS admite estos tres modos de clasificación habituales:

Método	Caso de uso y tipo de datos	Funcionamiento y diferencias
Símbolo único	Para conjuntos de datos sencillos o cuando se desea que todas las entidades tengan el mismo aspecto.	Todas las entidades reciben el mismo símbolo (color, tamaño). No hay diferenciación por atributos.
Categorizado	Para datos nominales u ordinales (categóricos).	Las entidades se agrupan por valores de atributo únicos (categorías). Cada categoría tiene su propio símbolo.
Graduado	Para datos cuantitativos/métricos.	Los valores numéricos se dividen en clases numéricas (rangos). Cada clase se simboliza de forma diferente (a menudo mediante una rampa). Puede elegir varias clases y métodos de clasificación (p. ej., intervalo equitativo, cuantil o cortes naturales).

Nombre tres métodos diferentes para dividir los datos cuantitativos en clases. ¿Cuáles son sus diferencias?