El blog de franz
  • Cursos SIG
  • ¿Preguntar?
  • Secciones
    • SIG
    • Info
    • Geek
    • Forestal
  • Más
    • Obtener certificado SIG
    • Mapa de Profesionales SIG
    • Convertir UTM Geográficas
    • Calculadora de distancias
    • Localizador de IPs
    • Frases
    • Foro
    • Reglas
    • Donar
  • Acerca
  • Contacto
No Result
View All Result
  • Cursos SIG
  • ¿Preguntar?
  • Secciones
    • SIG
    • Info
    • Geek
    • Forestal
  • Más
    • Obtener certificado SIG
    • Mapa de Profesionales SIG
    • Convertir UTM Geográficas
    • Calculadora de distancias
    • Localizador de IPs
    • Frases
    • Foro
    • Reglas
    • Donar
  • Acerca
  • Contacto
No Result
View All Result
El blog de franz
No Result
View All Result

Los datos rasterizados

by gabri
abril 15, 2019
Reading Time: 3 mins read
0

Para refrescar la memoria, el modelo de datos ráster describe el mundo como un campo sobre el que varía la distribución espacial de algunos fenómenos.

En esta parte, examinaremos los datos rasterizados con más detalle y pensaremos en cómo las diferentes estructuras pueden tener un impacto en su trabajo como cartógrafo.

El primitivo geográfico que utilizamos con este modelo de datos es un píxel. Los píxeles suelen ser de forma rectangular o cuadrada y pueden anidarse unos dentro de otros para representar el fenómeno de interés en diferentes niveles de detalle (es decir, resoluciones).

RELATED STORIES

Bases de Datos Gratuitas para Análisis Climáticos

Bases de Datos Gratuitas para Análisis Climáticos

mayo 15, 2025
Esri se integra con Google Maps en ArcGIS para visualización urbana realista

Esri se integra con Google Maps en ArcGIS para visualización urbana realista

marzo 27, 2025

El modelo de datos ráster también se diferencia del modelo de datos vectoriales en que sólo una esquina del conjunto de datos necesita tener una georeferenciación absoluta (es decir, coordenada en latitud y longitud u otro sistema de coordenadas); la ubicación de todos los demás píxeles puede calcularse según sea necesario a partir de su posición relativa desde el punto georeferenciado y la resolución de los píxeles.

Los datos rasterizados se utilizan comúnmente para tres tipos principales de aplicaciones cartográficas: las distribuciones cartográficas de fenómenos naturales tales como el tipo de vegetación (por ejemplo, a partir de una imagen satelital clasificada), como telón de fondo para mapas de referencia (por ejemplo, cuadrángulos ortofotográficos digitales creados a partir de fotografías aéreas), o también se pueden utilizar para generar otros tipos de representaciones de superficies que se muestran en los mapas (por ejemplo, relieves sombreados).

El factor principal que tendrá un impacto en su trabajo como cartógrafo con datos rasterizados es la resolución de los conjuntos de datos con los que está trabajando. Como describimos brevemente en la Lección 1, el tamaño de los archivos de datos raster aumenta con el aumento de la resolución. Típicamente, un aumento de 2 veces la resolución (por ejemplo, pasando de 60m píxeles a 30m píxeles; vea la Figura 1, abajo) aumentará el tamaño del archivo por un factor de cuatro.

Ráster
Figura 1. En una estructura de archivo raster simple, cada píxel ocupa una cantidad fija de espacio en el disco. El aumento de la resolución de un conjunto de datos aumenta el número de píxeles y, por lo tanto, la cantidad de espacio en disco necesario para almacenar el archivo. En el ejemplo anterior, el conjunto de datos de la derecha resultará en un archivo cuatro veces más grande que el conjunto de datos de la izquierda. Crédito: Adrienne Gruver

Gracias a las computadoras de escritorio relativamente rápidas de hoy en día, el tamaño del archivo es mucho menos problemático que antes; sin embargo, los tamaños de archivo muy grandes de imágenes de alta resolución (con píxeles que representan áreas de menos de 1m2 en el suelo) pueden tener un impacto sustancial en el rendimiento de su computadora.

Existen varios tipos diferentes de estructuras de datos rasterizados que están diseñadas para reducir el tamaño de los archivos (por ejemplo, codificación de longitud de ejecución y cuadriláteros; ver Figura 2, abajo), estos métodos de compresión son más útiles para datos rasterizados que no contienen una gran cantidad de variación de píxel a píxel (como lo hacen la mayoría de las fotos aéreas o imágenes de satélite).]

Imágenes con formato raster simple
Figura 2. En un formato ráster simple, como en la imagen superior, la computadora almacena una pieza de información por píxel (256 piezas en este ejemplo). La codificación de longitud de ejecución puede reducir el número de piezas de información necesarias si hay cadenas de píxeles con valores idénticos. Este método almacena el valor del píxel y luego la posición del píxel donde termina el “run”. En la imagen central (con su correspondiente codificación de longitud de ejecución a la derecha), se necesitan 188 piezas de información para almacenar los datos del ejemplo. Los cuadriláteros (imagen inferior) reducen la cantidad de almacenamiento de datos necesarios para almacenar un conjunto de datos concreto dividiendo el espacio en cuartos hasta que todos los píxeles de un cuarto determinado tengan el mismo valor. En este ejemplo, el formato de cuatro árboles requiere 160 piezas de información. Mirando las imágenes de arriba, debería ser capaz de imaginar que en superficies de trama que varían continuamente, ni la codificación de longitud de ejecución ni los cuadriláteros serían particularmente buenos para reducir el tamaño del archivo de datos de trama. Crédito: Adrienne Gruver

Si está utilizando datos rasterizados como imagen de fondo para su mapa, la resolución también tendrá un impacto en la apariencia visual de los objetos dentro de la imagen.

A resoluciones más bajas, muchos objetos pueden adoptar una apariencia de «escalón de escalera» que puede distraer al lector de mapas y, en el peor de los casos, puede incluso impedir que el lector de mapas sea capaz de identificar la característica (véase la Figura 3, más adelante).

Imágenes satelitales de Ikonos
Figura 3. Las imágenes satelitales de Ikonos (Space Imaging, Inc.) con una resolución de 1 metro (arriba) podrían utilizarse como telón de fondo para la cartografía a esta escala particular. Sin embargo, las imágenes de la misma área con una resolución de 5 metros, resultan en características bloqueadas que son difíciles de identificar y que podrían desmerecer la interpretación que un lector de mapas hace de otras características si se combinan con la imagen en un mapa. Crédito: Space Imaging Inc.

La resolución de los datos del terreno rasterizado también puede afectar la apariencia del relieve sombreado: si los datos de la fuente no están a una escala apropiada para el producto cartográfico final, el relieve sombreado puede parecer bloqueado (ver Figura 4, abajo).

Imagen en relieve sombreada
Figura 4. Aquí, hemos creado una imagen en relieve sombreada a la misma escala del mapa que las imágenes en relieve sombreadas que se muestran en Shaded Relief. Sin embargo, en este ejemplo, hemos utilizado datos con una resolución de 60m en lugar de la resolución de 30m utilizada en los ejemplos anteriores. Observe la apariencia bloqueada del relieve sombreado aquí; estos datos de resolución más gruesa serían más apropiados para crear relieve sombreado para mapas de menor escala. Crédito: Adrienne Gruver

Cuando se necesita volver a proyectar datos rasterizados en una proyección diferente, también es importante ser consciente de los impactos potenciales de los diferentes métodos de remuestreo sobre los datos.

Por ejemplo, si tiene un conjunto de datos raster temáticos (por ejemplo, uso de la tierra o tipo de suelo), debe elegir el método de interpolación del vecino más cercano en lugar de un método de convolución bilineal o cúbica (ver Figura 5, abajo).

En los casos en los que se necesite utilizar una proyección de área igual para el mapa que se está creando, también hay que tener en cuenta que la reproyección de datos ráster puede introducir errores en el conjunto de datos, siendo este problema más pronunciado en resoluciones inferiores (Usery et al. 2003).

Mapas con algoritmo vecino más cercano e interpolación bilineal
Figura 5. En el mapa de la izquierda, usamos un algoritmo vecino más cercano para el remuestreo que ocurrió cuando los datos fueron reproyectados, mientras que usamos una interpolación bilineal para el mapa de la derecha. Observe la introducción de artefactos relacionados con el remuestreo en el conjunto de datos del mapa de la derecha (visible en la banda estrecha de píxeles multicolores). Aquí, el remuestreo bilineal está alterando los valores de estos píxeles de borde para crear valores que no estaban presentes en el conjunto de datos original, mientras que el algoritmo de remuestreo vecino más cercano utiliza sólo valores que estaban presentes en los datos originales. Crédito: Wikimedia Commons

Traducido desde: GEOG 486

Compartir:

  • Haz clic para compartir en WhatsApp (Se abre en una ventana nueva) WhatsApp
  • Tweet
  • Haz clic para compartir en Telegram (Se abre en una ventana nueva) Telegram
  • Más
  • Haz clic para imprimir (Se abre en una ventana nueva) Imprimir
  • Haz clic para compartir en Reddit (Se abre en una ventana nueva) Reddit

Me gusta esto:

Me gusta Cargando...
Next Post
Geo-localización

Información de Geo-privacidad y localización personal

Red mundial de satélites

La Gran lista Satelital. 50 satélites. En 30 palabras o menos

Top

  • Crear e imprimir un mapa directamente en línea con Google Maps
  • Generación automática de tablas de coordenadas UTM en AutoCAD y Civil 3D
  • ¿Qué es el movimiento de rotación y traslación de la Tierra?
  • Cuadriculas de latitud, longitud y sistema de coordenadas
  • Descargar datos de temperatura y precipitación de cualquier lugar de la Tierra usando Google Earth
  • Delimitar una cuenca hidrográfica en ArcGIS
  • Agregar capas de Google Maps en QGIS 3
  • Descargar Manual de ArcGIS Pro PDF
  • ¿Qué es la latitud y longitud?
  • Las fases de la luna

Últimas entradas

  • Conceptos Básicos de Proyecciones, Elipsoide, Geoide y Datum en los SIG
  • Modelos de Datos Vectorial y Ráster
  • Crear un efecto visual tipo araña en QGIS
  • Modelado de Inundaciones 2D con RAS 2025
  • Bases de Datos Gratuitas para Análisis Climáticos
  • Tutorial PDF HEC-HMS 4.10: Manual paso a paso en español
  • QGIS 4: Una versión renovada en camino
  • Generación automática de tablas de coordenadas UTM en AutoCAD y Civil 3D

Aplicaciones

  • Calculadora de distancias
  • Calculadora de pendientes
  • Calculadora del Índice de Masa Corporal
  • Conversor de coordenadas Geográficas – UTM
  • Conversor de grados a procentaje
  • Localizador de IPs

Suscríbete al blog

Introduce tu correo electrónico para recibir las últimas publicaciones.

Únete a otros 83K suscriptores

RSS ¿Preguntas?

  • ¿focus data frame en layout, en ArcGIS Pro algo similar?
  • Red de drenaje con Arcgeek Calculator
  • Franz, ¿tienes algún tutorial sobre el indice de antropización?
  • Respondido: ¿Cómo puedo citar Arcgeek calculator?
  • Respondido: Dividir un polígono según cobertura del suelo

Blogroll

  • Franz con Z
  • GeoGeek
  • Normas APA
el blog de franz logo

Estadísticas del sitio

  • 12.767.733 visitas
  • Partners
  • Publicidad
  • ¡Ganar dinero!
  • English

© 2024 El blog de franz - Un producto desarrollado por ArcGeek.

No Result
View All Result
  • Cursos SIG
  • ¿Preguntar?
  • Secciones
    • SIG
    • Info
    • Geek
    • Forestal
  • Más
    • Obtener certificado SIG
    • Mapa de Profesionales SIG
    • Convertir UTM Geográficas
    • Calculadora de distancias
    • Localizador de IPs
    • Frases
    • Foro
    • Reglas
    • Donar
  • Acerca
  • Contacto
%d