ANÁLISIS ESPACIAL (III). Conceptos básicos.

El carácter especial del dato espacial deriva de la existencia de posición, tanto absoluta, con sus coordenadas, como relativa en relación con otras entidades. Son muchas las consecuencias derivables de la posición absoluta, veremos a continuación algunas de ellas.

La escala

La escala de análisis para estudiar la información geográfica lo hacemos a distintos niveles, dependiendo del nivel, los resultados serán de una u otra naturaleza. Esto se ve claramente en las estructuras espaciales. A diferentes escalas una misma distribución de puntos pueden ser de dos tipos distintos. Ésta debe ir relacionada con el elemento a estudiar, ya que le da sentido. Por ejemplo, si vamos a estudiar el relieve veremos montañas y zonas llanas, si nos vamos acercando veremos como esas zonas llanas también tienen orografía y accidentes. Debemos analizar los fenómenos desde su escala óptima, no podemos pretender estudiar fenómenos globales a una escala de máximo detalle.
Hacer un análisis a diferentes escalas nos proporciona más información que si lo hacemos con una escala simplemente, por ello es interesante, en ocasiones trabajar a distintas escalas.

La escala también influye en lo que es la representación y el almacenamiento de los datos. Por ejemplo, una ciudad a una escala determinada es un punto, sin embargo, a otra distinta el callejero está disponible. En cuanto al almacenamiento vemos que los con formatos vectoriales es imposible almacenar números decimales de la precisión deseada, (no obstante el límite que tienen está acorde con la precisión de los instrumentos de medición). Los formatos raster están condicionados por el tamaño de celda, por ello no podemos recoger detalles más pequeños que el tamaño de la misma.

El problema de la Unidad de área modificable.

Para un área dada muchas variables han de estudiarse, por ejemplo el porcentaje de un determinado rango de edad, para obtener una densidad media. Las áreas que se definen para poder trabajar con variables de esta índole son arbitrarias, no obstante la elección de una u otra unidad es problemática. Este problema se le conoce como: “Problema de la Unidad de Área Modificable” (PUAM). Este problema viene causado por la imposición de unidades artificiales de definición espacial en fenómenos geográficos continuos teniendo esto como consecuencia la generación de patrones artificiales.

Consecuencias del PUAM:

  • Efecto escala: Variación de los resultados obtenidos en relación con el número de zonas en que se divide el total de la zona de estudio.
Diferencias de escalas.  A una escala con más detalle podemos ver las variaciones locales, mientras que a escalas más grandes perdemos toda esa variabilidad.
Diferencias de escalas. A una escala con más detalle podemos ver las variaciones locales, mientras que a escalas más grandes perdemos toda esa variabilidad.
  • Efecto de zonificación: Diferencias que se producen cuando la información se agrega a una escala distinta, por ejemplo, medir la densidad de términos municipales y luego presentarla a nivel autonómico.

Buena parte de la información recogida en un SIG ha sido recogida originalmente a una escala determinada y a veces se agrupa en unidades mayores para su manejo.

Estos efectos que hemos visto con anterioridad están muy relacionados. En líneas generales, el uso de unidades pequeñas equivale a un número de elementos menor, con lo que conlleva menor fiabilidad estadística. Así pues el uso de unidades más grandes equivale a que sean estadísticamente más fiables, pero pierde todas las variaciones locales.

Autocorrelación espacial.

Esta característica es la aplicación directa de la primera ley de Tobler que dice que todo está relacionado con todo, pero las cosas más próximas entre sí están más relacionadas que las distantes.
La autocorrelación espacial es la constatación de que existe relación entre un elemento y aquello que se halla en sus aledaños. Por ejemplo, un tóxico en la tierra. Si muestreamos un terreno veremos cómo allá donde se halle más concentrado el tóxico los valores serán más parecidos.

Podemos encontrar autocorrelación de dos tipos:

  • Positiva: cuando los valores altos se rodean de valores altos y viceversa.
  • Negativa: si los valores altos se rodean de bajos y viceversa.
  • En caso de no haber autocorrelación se dice que los datos son independientes entre sí y no se afectan mutuamente,

Una autocorrelación positiva es útil para procesos como la interpolación, ya que podríamos estimar el valor de lugares en los que no tuviéramos datos.

Los conceptos que estamos viendo no son independientes entre si, por ejemplo si hacemos un análisis de autocorrelación a una escala  concreta, nos saldrá distinto si lo hacemos a una escala distinta.

Existencia de estructura.

La disposición de los datos como las propiedades de una variable estudiada muestran una estructura determinada.

En la imagen vemos dos conjuntos diferentes de puntos, unos están agrupados, mientras que los otros se hallan de manera regular distribuidos. Si existiera una autocorrelación positiva en los regulares, tendríamos como conclusión que los datos son poco significativos ya que muchos datos con correlación espacial ofrecen información redundante, y por ello el análisis estadístico será menos preciso, en la práctica es como si hubiéramos reducido el número de puntos.

Los dos principales concepto estadísticos que definen la estructura espacial son la estacionaridad y la isotropía:

  • Estacionaridad: Se refiere a que las propiedades de la variable a estudiar son constantes en el espacio. Por tanto no existen tendencia alguna.
  • Isotropía: Se refiere a que las propiedades de la variable tienen la misma covarianza en todas sus direcciones.

Existencia de tendencia espaciales.

Decimos que existe tendencia espacial, cuando los valores de la variable están relacionadas con las coordenadas geográficas, por ejemplo la temperatura, cuanto más alto, más frío.

Conocer las tendencias existentes ayuda a su correcta interpretación. Si podemos cuantificar esta tendencia, podemos o bien eliminarla del estudio, o bien considerarla de forma explícita en el análisis.
Al igual que la autocorrelación espacial, en caso de existir invalida el principio de independencia de los datos.

Efectos de borde.

Toda zona estudiada en un análisis tiene unos límites establecidos, bien sean artificiales, o bien sean naturales, por ejemplo un bosque, la densidad de árboles será mayor dentro del mismo que en los bordes, ya que en los bordes se contabilizarán menos. Este efecto no es independiente de otras variables como la escala. Es importante considerar el efecto borde para saber si los valores calculados dentro de cualquier análisis estadístico son válidos o no.

Localización representada.

Algunas variables requieren un área para ser recogidas y no pueden hacerse de forma puntual. En ocasiones recoger unidades no puntuales obedece a la forma de almacenar dicha variable. El modelo raster por ejemplo, se compone de unidades geométricas arbitrarias, (son cuadrados). Para cada unidad de este modelo hay un valor, el cual puede variar en función de cómo esté calculado, o bien por el valor que se halle en el centro de la celda o bien el valor medio de todos los valores contenidos en ella.

BIBLIOGRAFÍA:


  • OLAYA, Victor. Sistemas de información Geográfica. Versión 1.0. Descarga

Deja un comentario