{"id":310,"date":"2021-07-10T11:50:00","date_gmt":"2021-07-10T09:50:00","guid":{"rendered":"http:\/\/www.educagis.com\/wpcarlos\/?p=310"},"modified":"2021-07-10T20:38:53","modified_gmt":"2021-07-10T18:38:53","slug":"algoritmos-de-seleccion-de-puntos-en-qgis","status":"publish","type":"post","link":"https:\/\/www.educagis.com\/wpcarlos\/2021\/07\/10\/algoritmos-de-seleccion-de-puntos-en-qgis\/","title":{"rendered":"Algoritmos de selecci\u00f3n de puntos en QGIS"},"content":{"rendered":"

Introducci\u00f3n<\/h3>\n\n\n

Una de las principales funciones de los Sistemas de Informaci\u00f3n Geogr\u00e1fica (SIG) es la posibilidad de realizar an\u00e1lisis espacial. En esta oportunidad, con el \u00e1nimo de introducirnos al campo del an\u00e1lisis de datos empleando capas de tipo vectorial, vamos a mostrar el uso del plugin de QGIS denominado Point selection algorithms<\/em><\/a>. En resumen, vemos que es posible realizar diversos procesos de selecci\u00f3n sobre una capa de puntos, empleando para ello un grupo de algoritmos que iremos explorando. Tal como lo mencionan en [3], dentro del contexto de la elaboraci\u00f3n de mapas web, un desaf\u00edo es la implementaci\u00f3n de una regla que seleccione geometr\u00edas de puntos, por ejemplo, ciudades y picos con un atributo num\u00e9rico claramente definido, por ejemplo, poblaci\u00f3n y elevaci\u00f3n, para ser empleados en dicha selecci\u00f3n.<\/p>\n\n\n

Detalles del Plugin<\/h3>\n\n\n

El plugin contiene herramientas para el c\u00e1lculo de medidas para seleccionar puntos<\/strong> en el proceso de generalizaci\u00f3n cartogr\u00e1fica. Generalmente, ayuda a encontrar el m\u00e1ximo o m\u00ednimo local. Esta funci\u00f3n tambi\u00e9n se puede utilizar con fines anal\u00edticos [1]. Cuando instalamos el plugin apreciamos en la caja de herramientas de procesos cuatro opciones, pero que en esencia digamos que son tres algoritmos que nos permite realizar distintos tipos de selecci\u00f3n de puntos. <\/p>\n\n\n\n

\"\"
Figura 1:<\/strong> Plugin dentro de la caja de herramientas de procesos de QGIS.<\/figcaption><\/figure><\/div>\n\n\n\n

Discrete Isolation<\/strong>: <\/p>\n\n\n\n

Calcula la distancia de aislamiento discreta (discrete isolation distance<\/em>) para puntos con atributos num\u00e9ricos. El concepto es similar al aislamiento topogr\u00e1fico<\/em><\/strong> (topographic isolation<\/em>), el cual, para el caso de cumbres, corresponde a la distancia desde un pico hasta el punto m\u00e1s cercano con mayor elevaci\u00f3n. Se puede tener una mejor comprensi\u00f3n si vemos la siguiente figura. <\/p>\n\n\n\n

\"\"<\/a>
Figura 2:<\/strong> Aislamiento topogr\u00e1fico y prominencia de una cumbre<\/em>
Fuente: Wikipedia <\/a><\/figcaption><\/figure>\n\n\n\n

En general, cuando ejecutamos la opci\u00f3n en QGIS, debemos tener claro que el aislamiento es la distancia desde un punto al punto m\u00e1s cercano con un valor de atributo m\u00e1s alto (opci\u00f3n M\u00e1x.) O m\u00e1s bajo (opci\u00f3n M\u00ednimo). Como valor de atributo se puede utilizar cada atributo num\u00e9rico, por ejemplo, la elevaci\u00f3n (para picos) o la poblaci\u00f3n (para lugares poblados). La distancia de aislamiento se puede calcular en metros seg\u00fan el elipsoide por defecto o cartesiano en las unidades CRS. En la siguiente imagen por ejemplo, podemos ver que se ha seleccionado en base a datos de picos de monta\u00f1as como puntos, los valores de elevaci\u00f3n como atributo num\u00e9rico y el valor de \u00abm\u00e1ximo aislamiento<\/strong><\/em>\u00bb el valor de 50 km, es decir que nos calcular\u00e1 las distancias entre puntos que tengan este valor como el m\u00e1ximo encontrado.<\/p>\n\n\n\n

\"\"<\/a>
Figura 3<\/strong>: Opciones para calcular el aislamiento discreto<\/figcaption><\/figure>\n\n\n\n

Functional Importance<\/strong>: <\/p>\n\n\n\n

Calcula la importancia funcional seg\u00fan Hormann, almacenando la mayor diferencia de valores de la funci\u00f3n. Si revisamos la referencia [3<\/a>] se puede apreciar la funci\u00f3n mencionada.<\/p>\n\n\n\n

  <\/span>   <\/span>\"\[f(x) = p * e^\frac {-x^2}{\beta}\]\"<\/p>\n<\/div><\/div>\n\n\n\n

x = distancia existente entre nuestra geometr\u00eda de puntos<\/em><\/p>\n\n\n\n

p = valor del atributo num\u00e9rico (por ejemplo, la poblaci\u00f3n)<\/em><\/p>\n\n\n\n

\u03b2 = variable para ajustar la rapidez para reducir el valor de la distancia y mantener la distancia entre los puntos cercanos.<\/em><\/p>\n\n\n\n

En la misma referencia, se muestra de manera visual el m\u00e9todo de distancia funcional, empleando como ejemplo valores num\u00e9ricos de poblaci\u00f3n (par\u00e1metro p<\/em>) y al realizar ajustes a la variable \u03b2<\/em>, logra ajustar la carga de informaci\u00f3n y la distancia m\u00ednima entre puntos que se mostrar\u00e1n en el mapa. La poblaci\u00f3n da como resultado la selecci\u00f3n o no del punto, siempre que exista la condici\u00f3n que la diferencia entre los valores de la funci\u00f3n debe ser mayor que cero.<\/p>\n\n\n\n

Para emplear el plugin, el campo con valores num\u00e9ricos debe ser en caso de un lugar poblado el n\u00famero de habitantes (population<\/em>). El valor de Beta (\u03b2)<\/em> es el di\u00e1metro del c\u00edrculo alrededor del punto en metros; considerar que tiende el valor de la funci\u00f3n hacia cero. Utilice este par\u00e1metro para asegurar una distancia m\u00ednima entre lugares, que debe seleccionarse.<\/p>\n\n\n\n

\"\"<\/a>
Figura 4<\/strong>: Opciones para calcular la importancia funcional.<\/figcaption><\/figure>\n\n\n\n

Label Grid<\/strong>:<\/p>\n\n\n\n

Crea una cuadr\u00edcula y comprueba cual de los puntos est\u00e1 contenida en alguna celda de la misma (un valor de -1 representa que el punto no se encuentra en la celda). Seg\u00fan la opci\u00f3n que elegimos, es decir, si optamos por el valor m\u00e1ximo, se establece un orden o ranking empezando con el n\u00famero 1 correspondiente al valor m\u00e1s alto y se ir\u00e1 incrementando por cada punto que est\u00e9 presente en la celda. En QGIS debemos considerar generar dos columnas para almacenar los resultados, en una se establece una clasificaci\u00f3n realizada, con la finalidad de establecer un agrupamiento de valores, mientras que en la otra columna se incorpora el orden mencionado para cada celda. En la siguiente figura podemos apreciar la definici\u00f3n de los requisitos, entre ellos se seleccion\u00f3 los valores m\u00e1ximos, el tama\u00f1o y forma de la celda. Tambi\u00e9n debemos indicar las columnas para almacenar los resultados y finalmente indicar los nombres de los archivos, uno con una capa vectorial (pol\u00edgono) que corresponde a la cuadr\u00edcula y el otro de puntos con los valores resultantes.<\/p>\n\n\n\n

\"\"<\/a>
Figura 5<\/strong>: Opciones para la creaci\u00f3n de la cuadr\u00edcula etiquetada. <\/figcaption><\/figure>\n\n\n\n

Point in Polygon<\/strong>:<\/p>\n\n\n\n

Tiene el mismo concepto del algoritmo previo, con la diferencia que ahora tenemos la oportunidad de emplear un pol\u00edgono o una cuadr\u00edcula predefinida, siendo muy \u00fatil si queremos analizar por ejemplo \u00e1mbitos conocidos. En nuestro caso lo hicimos empleando pol\u00edgonos que representan los limites de distrito de una Regi\u00f3n en Per\u00fa, tal como se aprecia en la siguiente figura.<\/p>\n\n\n\n

\"\"<\/a>
Figura 6<\/strong>: Vista de las opciones y resultados empleando un pol\u00edgono predefinido<\/figcaption><\/figure>\n\n\n

Metodolog\u00eda<\/h3>\n\n\n

Como escenario o \u00e1mbito que usamos para explorar el plugin se ha elegido zonas de Per\u00fa, para los datos de poblaci\u00f3n nos enfocados sobre la Regi\u00f3n de Hu\u00e1nuco<\/a>, mientras que los datos extra\u00eddos de picos (peaks<\/em>), est\u00e1n en su mayor\u00eda sobre la Regi\u00f3n de Ancash<\/a>, este \u00faltimo muy conocida por sus nevados<\/a>.<\/p>\n\n\n\n

Colecci\u00f3n de Datos<\/strong><\/p>\n\n\n\n

Para esta demostraci\u00f3n en relaci\u00f3n a los datos de poblaci\u00f3n se emplearon los que est\u00e1n disponibles en https:\/\/data.humdata.org\/<\/a>, al filtrar para este tipo de datos seleccionamos la mencionada en la referencia [5<\/a>]. Estos datos a nivel mundial nos permite tener un geopackage con celdas de hex\u00e1gonos que contienen valores de poblaci\u00f3n. De toda esa informaci\u00f3n, se trabaj\u00f3 solo las que se encontraban solo la zona de trabajo, seg\u00fan se puede apreciar en la siguiente figura.<\/p>\n\n\n\n

\"\"<\/a>
Figura 7<\/strong>: Datos de poblaci\u00f3n en celdas de hex\u00e1gonos sobre la Regi\u00f3n de Hu\u00e1nuco<\/figcaption><\/figure>\n\n\n\n

Como se estuvo mencionando, requerimos datos de puntos, por lo tanto, se hizo la transformaci\u00f3n a puntos empleando herramientas como el Centroide<\/em> o Punto en superficie<\/em>. Ahora solo nos queda ajustar mejor nuestros datos a una superficie m\u00e1s definida, es decir, consideramos solo los puntos que est\u00e9n dentro de la Regi\u00f3n Hu\u00e1nuco. Al realizar las primeras pruebas, se comprob\u00f3 que debido al volumen de datos los algoritmos demoraban en terminar de procesar, ante ello, se trabaj\u00f3 tambi\u00e9n con otros datos de poblaci\u00f3n en funci\u00f3n a centros poblados. <\/p>\n\n\n\n

Para los datos de picos nos apoyamos con la extracci\u00f3n de datos del OpenStreetMap, pero desde QGIS se us\u00f3 el plugin QuickOSM para contar con una capa en formato GeoJSON, luego se hizo un preprocesamiento para ajustar mejor el \u00e1mbito seleccionado y tambi\u00e9n algunos ajustes a la tabla de atributos.<\/p>\n\n\n\n

En caso quieran probar el plugin, pueden descargar los datos empleados desde aqu\u00ed<\/a>.<\/p>\n\n\n

Resultados Obtenidos<\/h3>\n\n\n

Como producto final de ejecutar los algoritmos descritos, mostramos a continuaci\u00f3n una galer\u00eda de im\u00e1genes, pero en resumen, se aprecia que el plugin nos permiti\u00f3 mostrar resultados esperados y un an\u00e1lisis profundo de todos ellos es necesario, tambi\u00e9n es importante mencionar que se emplearon una simbolog\u00eda de tipo graduado para mostrar mejor los resultados.<\/p>\n\n\n\n