Una de las tareas más llamativas al trabajar con SIG es representar variables biofísicas en 2D/3D, integrarlas y analizarlas
Generalmente, se parte de datos puntuales recolectados utilizando un sensor, luego son espacializados mediante métodos de interpolación.
Seguramente han asistido a una conferencia donde el ponente enfoca con un apuntador sobre una serie de mapas y señala “noten que tan similar son los mapas”, pero, ¿Qué determina la similaridad entre ellos? (adaptado de Berry, 1999).
El problema
¿Que tan similar o diferente es un mapa de otro?,¿es confiable emitir conclusiones solo con el análisis visual de los mapas raster?
Caso de estudio:
Existen varios escenarios y los métodos aplicables pueden ser distintos:
En este caso veremos algunas estrategias para evaluar cualitativa y cuantitativamente variables de una zona, específicamente datos interpolados de un estudio de suelos.
La consideración de criterios agronómicos y edafológicos, escapan a los alcances del presente articulo.
Datos disponibles
Para este ejercicio utilizaremos un conjunto de puntos de un análisis de suelos de una zona de cultivo, denominada SoilSamp, los datos son tomados del tutorial del programa ArcView3.2 (descargar datos del ejercicio).
Ademas, se cuenta con el modelo digital de terreno del área de estudio
En total consisten en 74 puntos con análisis de los parámetros Potasio (K), Fosforo (P), Biomasa, pH, Materia orgánica y conductividad eléctrica
Generación de los Raster
Consulte el artículo cómo interpolar en QGIS 3.
Visualizando las variables interpoladas:
Cuando se interpola una variable se le otorga una «aparente» continuidad en el espacio, para representarlas se utilizan simbologías que dividen los valores en clases. Los criterios para crear las clases son muy variados
En la imagen se muestra la dificultad de la interpretación visual, se representa la Conductividad Eléctrica, con la misma paleta de colores, pero diferentes criterios de clasificación de datos
Estrategias para el análisis y comparación de las variables
Estadísticas y distribución de los datos:
El análisis estadístico es recomendable realizarlo sobre los datos originales (capa de puntos) y en programas especializados, como Hojas de Cálculo o paquetes estadísticos.
El Software SIG cumple la función de facilitar la extracción de forma aleatoria, sistemática o estratificada de muestras para su posterior análisis
Estadísticas
QGIS 3 cuenta con herramientas que permiten extraer estadísticas sencillas de las capas (ver el articulo estadísticas en QGIS 3).
Posteriormente, aprovechar el potencial de la visión geográfica para evaluar las estadísticas por zonas. Por ejemplo seleccionar los puntos ubicados a menor altura, extraer las estadísticas y compararlas con el resto del área.
La selección puede realizarse manualmente, para áreas pequeñas y homogéneas, en caso contrario se recomienda seguir el procedimiento de Reclasificación del MDE > Vectorización > Consulta espacial > Estadísticas de lo seleccionado.
Para realizar la comparación de variables en diferentes unidades, se recomienda calcular el Coeficiente de Variación (CV), se determina dividiendo la Desviación Estándar entre la Media.
El CV es también una medida de que tanto se aleja la desviación estándar de la media.
Distribución:
De forma similar puede graficar los datos originales.
Para graficar en QGIS 3 puede utilizar la opción Gráficos de la Caja de Herramientas de Procesos.
Sin embargo, se recomienda utilizar el PlugIn Data Ploty para esta tarea. Luego de instalado crea un menú en Complementos y un Panel.
Para utilizarlo, seleccione la capa de puntos, el tipo de gráfico y el campo que va a graficar.
Como en el caso anterior, también, puede graficar puntos seleccionados
El histograma permite ver como se distribuyen los datos y el gráfico de dispersión contrastar dos variables
En la imagen, el histograma bimodal del Fósforo (Soil_P) y en menor medida del Potasio (Soil_K) puede indicar la presencia de dos poblaciones, por ejemplo: dos tipos de suelo o tipos de manejo.
Por otro lado, el gráfico de dispersión Potasio/Materia Orgánica presenta la mejor correlación.
Analizando las variables interpoladas
Combinando y consultando variables
Los raster pueden ser combinados en una sola imagen para facilitar su estudio (asumiendo que son representativos de las variables analizadas).
Para ello menú Raster > Miscelánea > Construir Raster Virtual, en la caja de dialogo en capas de entrada seleccione las variables.
El orden en que son seleccionadas serán numeradas y organizadas en el ráster resultante.
En el ejemplo se asignaron los valores: 1 Biomasa, 2 Conductividad Eléctrica, 3 Fósforo, 4 Materia Orgánica, 5 Potasio, 6 ph
Luego, la composición a color (RGB), en la imagen se visualiza Fósforo en el cañón Rojo, Potasio en el cañón verde y Biomasa azul.
Puede realizar la consulta por datos o por grafo, para más detalle consulte el artículo análisis espectral y multitemporal.
Nota: las variables tienen distintas escalas de valores, es necesario normalizarlas para poder realizar comparaciones.
Perfil de los datos
El construir un perfil puede ayudar a entender como fluctúan las variables a lo largo de un trayecto. Para solventar las diferencias de escalas de valores en la imagen se realizaron las siguientes operaciones: MDE-1100 y pH*10
En próximos artículos se profundiza el análisis combinando los gráficos con las estadísticas y la representación espacial, determinando correlaciones, evaluando la precisión de la interpolación.
Autor: Luis Eduardo Pérez Graterol
Profesión: Ingeniero en Recursos Naturales
País: Venezuela
Web: www.mundocartogeo.blogspot.com
