Situación actual de los medios. Digital Vs Convencional
Touch Points - José Antonio Miranda - Jefe de Proyectos Zenith from ebes on Vimeo.
jueves, 17 de septiembre de 2009
José Antonio Miranda - Jefe de Proyectos Zenith
Excelente conferencia del buen amigo y compañero de la etapa Aegis Media Jose Antonio Miranda.
Situación actual de los medios. Digital Vs Convencional
Situación actual de los medios. Digital Vs Convencional
martes, 9 de junio de 2009
PrisMap 10
Tras bastantes meses de I+D finalmente presento la primera version de un gvSIG orientado al análisis comercial y de publicidad exterior. PrisMap 1.0.
Inicialmente comencé a desarrollarlo sobre Kosmo, pero los impresionantes avances realizados por el equipo de desarrollo, el soporte completo de Sextante y la ayuda y la información de los foros de desarrollo me hicieron cambiar de plataforma. Como pequeño avance, una pantalla de un sencillo proyecto/mitad tutorial sobre La Rioja, mostrando el flujo de Transito Peatonal semanal de la ciudad.
Sobre esta plataforma, tengo preparados ya todos los soportes, circuitos, análisis y variables desagredadas de Planificación de Campañas de Exterior, y en mente un display o ficha mucho más potente que pueda, si es posible, incluir información multimedia a nivel de soporte.
Otra pantalla mostrando los datos desagregados de audiencias a nivel de cara y circuito, GRPs, OTS, Coberturas, Impactos, Areas Metropolitanas, Sociodemográfico, etc etc... Pensando en voz alta... la verdad es que viendo estas fichas me estan dando ganas de levantar el patrimonio en 3D, ya hice algunos pinitos en Google Earth y la verdad es que estaría muy bien.
Seguiremos informando...
sábado, 6 de junio de 2009
Publicidad Exterior: Cálculo de visibilidad
Vídeo explicativo del cálculo de visibilidad de un soporte, parte fundamental del cálculo de audiencias de publicidad en medio exterior.
Recordemos que la audiencia se basa en la relación entre el Soporte o Cara y el trayecto de cada individuo. Asignación de los segmentos de calle (eje) por donde ha pasado un individuo y puede ver la cara del soporte.
Luego se realiza una probabilización por frecuencia del trayecto. Llamamos Impacto al Individuo que en un trayecto pasa por uno o más ejes asignados a la cara orientada en el sentido del desplazamiento.
Publi: compañias seguros medicos
compra de empresas en crisis
diseño pagina web
ofertas de trabajo
Recordemos que la audiencia se basa en la relación entre el Soporte o Cara y el trayecto de cada individuo. Asignación de los segmentos de calle (eje) por donde ha pasado un individuo y puede ver la cara del soporte.
Luego se realiza una probabilización por frecuencia del trayecto. Llamamos Impacto al Individuo que en un trayecto pasa por uno o más ejes asignados a la cara orientada en el sentido del desplazamiento.
Publi: compañias seguros medicos
compra de empresas en crisis
diseño pagina web
ofertas de trabajo
viernes, 5 de junio de 2009
Servidores WMS
Los servicios WMS pueden cargarse desde clientes ligeros (visor de la IDEE: Visualizador de mapas de la IDEE) o pesados (ArcMap, uDig, gvSIG).
Cargar la URL del Servicio WMS
Para la carga de un WMS, se añade nueva capa seleccionando la pestaña “WMS”, y a continuación se pone la url del servicio. En el momento que el cliente conecte con el servicio, aparecerá el resumen (metadatos) del mismo.
Selección de las capas a cargar
Seleccionar las capas a cargar
El siguiente paso es seleccionar las capas que se quieren cargar. En su mayoría están agrupadas, por lo que se deben desplegar las carpetas y elegir una por una las capas deseadas. Es importante activar la opción de “conservar estructura de capas”, ya que sino no aparecerán las agrupaciones del servicio y no nos devolverá la petición del GetFeatureInfo.
Asignar formato y sistema de coordenadas
Seleccionar el tipo de formato de las capas a cargar
Finalmente es recomendable cargar el servicio en formato png ya que este tipo de formato permite la transparencia y evita la superposición de capas que impiden visualizar toda la información cartográfica del servicio. Por el contrario, para las capas de tipo raster se recomienda cargarlas como jpeg o tiff o en su defecto en png 24 bits ya que la calidad de la imagen en png disminuye mucho. Las capas vectoriales restantes se colocarían delante del raster para poder visualizarlas.
En cuanto a la opción "Seleccionar SRS" (sistemas de referencia soportados), a continuación se muestra una tabla informativa de los códigos EPSG (European Petroleum Survey Group). Se recomienda el uso del sistema de referencia EPSG:23030.
Códigos EPSG Descripción EPSG (European Petroleum Survey Group)
epsg:3034 ETRS89/ETRS-LCC Para la cartografía pan-Europeo a escalas menores o iguales a 1:500.000 IDEE
epsg:3035 ETRS89/ETRS-LAEA Para representación y análisis estadístico pan-Europeos IDEE
epsg:4230 Coordenadas Geográficas ED50
epsg:4258 Coordenadas Elipsoidales ETRS89 IDEE
epsg:4267 Coordenadas Geográficas North American Datum 1927 (NAD 27)
epsg:4269 Coordenadas Geográficas North American Datum 1983 (NAD 83)
epsg:4324 Coordenadas Geográficas WGS 72BE Transit Broadcast Ephemeris
epsg:4326 Coordenadas Geográficas WGS84
epsg:23028 Proyección UTM ED50 Huso 28 N
epsg:23029 Proyección UTM ED50 Huso 29 N
epsg:23030 Proyección UTM ED50 Huso 30 N
epsg:23031 Proyección UTM ED50 Huso 31 N
epsg:25828 Proyección UTM ETRS89 Huso 28 N
epsg:25829 Proyección UTM ETRS89 Huso 29 N
epsg:25830 Proyección UTM ETRS89 Huso 30 N
epsg:25831 Proyección UTM ETRS89 Huso 31 N
epsg:32628 Proyección UTM WGS84 Huso 28 N
epsg:32629 Proyección UTM WGS84 Huso 29 N
epsg:32630 Proyección UTM WGS84 Huso 30 N
epsg:32631 Proyección UTM WGS84 Huso 31 N
Carga de un servicio WMS desde gvSig PrisMap
GvSig es en la actualidad uno de los mejores Sistemas de Información Geográfica desarrollado en software libre. Desde diferentes organismos y entidades públicas se pretende que tanto clientes como servidores de la red utilicen esta tecnología. El coste gratuito de este tipo de software, la fiabilidad y seguridad pareja al desarrollo de las aplicaciones generadas hacen de la implantación de estas herramientas un objetivo a cumplir por todos los productores y usuarios de la información espacial.
Para la carga de un WMS, se añade nueva capa seleccionando la pestaña “WMS”, y a continuación se pone la url del servicio. En el momento que el cliente conecte con el servicio, aparecerá el resumen (metadatos) del mismo.
Selección de las capas a cargar
Seleccionar las capas a cargar
El siguiente paso es seleccionar las capas que se quieren cargar. En su mayoría están agrupadas, por lo que se deben desplegar las carpetas y elegir una por una las capas deseadas. Es importante activar la opción de “conservar estructura de capas”, ya que sino no aparecerán las agrupaciones del servicio y no nos devolverá la petición del GetFeatureInfo.
Asignar formato y sistema de coordenadas
Seleccionar el tipo de formato de las capas a cargar
Finalmente es recomendable cargar el servicio en formato png ya que este tipo de formato permite la transparencia y evita la superposición de capas que impiden visualizar toda la información cartográfica del servicio. Por el contrario, para las capas de tipo raster se recomienda cargarlas como jpeg o tiff o en su defecto en png 24 bits ya que la calidad de la imagen en png disminuye mucho. Las capas vectoriales restantes se colocarían delante del raster para poder visualizarlas.
En cuanto a la opción "Seleccionar SRS" (sistemas de referencia soportados), a continuación se muestra una tabla informativa de los códigos EPSG (European Petroleum Survey Group). Se recomienda el uso del sistema de referencia EPSG:23030.
Códigos EPSG Descripción EPSG (European Petroleum Survey Group)
epsg:3034 ETRS89/ETRS-LCC Para la cartografía pan-Europeo a escalas menores o iguales a 1:500.000 IDEE
epsg:3035 ETRS89/ETRS-LAEA Para representación y análisis estadístico pan-Europeos IDEE
epsg:4230 Coordenadas Geográficas ED50
epsg:4258 Coordenadas Elipsoidales ETRS89 IDEE
epsg:4267 Coordenadas Geográficas North American Datum 1927 (NAD 27)
epsg:4269 Coordenadas Geográficas North American Datum 1983 (NAD 83)
epsg:4324 Coordenadas Geográficas WGS 72BE Transit Broadcast Ephemeris
epsg:4326 Coordenadas Geográficas WGS84
epsg:23028 Proyección UTM ED50 Huso 28 N
epsg:23029 Proyección UTM ED50 Huso 29 N
epsg:23030 Proyección UTM ED50 Huso 30 N
epsg:23031 Proyección UTM ED50 Huso 31 N
epsg:25828 Proyección UTM ETRS89 Huso 28 N
epsg:25829 Proyección UTM ETRS89 Huso 29 N
epsg:25830 Proyección UTM ETRS89 Huso 30 N
epsg:25831 Proyección UTM ETRS89 Huso 31 N
epsg:32628 Proyección UTM WGS84 Huso 28 N
epsg:32629 Proyección UTM WGS84 Huso 29 N
epsg:32630 Proyección UTM WGS84 Huso 30 N
epsg:32631 Proyección UTM WGS84 Huso 31 N
Servidor de la Conselleria de Medio Ambiente, Agua, Urbanismo y Vivienda. Generalitat Valenciana: 
Servidor de la Oficina Virtual del Catastro:Análisis Espacial en el Geomarketing: GeoDA
Uno de los principales problemas que se plantean a la hora de analizar los resultados de un proyecto de geomarketing es la falta de software para hacer este tratamiento. Si bien con el geomarketing podemos representar nuestros clientes, competencia, cuotas, etc, se debe buscar un por qué a esta situación.
Hoy en día es normal el uso de técnicas de data minning para conocer la tipología de nuestros clientes, por ejemplo, su Índice de Capacidad Ecónomica, Edad, Sexo, etc, pero se pueden estudiar las variables espaciales, también conocido por Análisis Exploratorio de Datos Espaciales (AEDE), que explican su distribución en el espacio.
Para ello existen diferentes softwares y módulos para programas comerciales, como el caso de GeoStatical Analyst de ESRI, el PDM de GeoConcept o el caso del programa que me gustaría presentar, GeoDA, desarrollado por Luc Anselin (Universidad de Illinois). El programa se presentó en 2002 y se puede descargar de manera gratuita desde aquí.
El programa se puede dividir en:
Para más información se pueden consultar los siguientes artículos y manuales:
* Fuente: Blog de GeoMarketing de Jesus Lagos
* Análisis Estadístico de datos geográficos en GeoMarketing: el programa GeoDa. Coro Chasco Irigoyen.
* GeoDa: An Introduction to Spatial Data Analysis. Luc Anselin.
* Manual de GeoDa.
* Web de GeoDa.
Hoy en día es normal el uso de técnicas de data minning para conocer la tipología de nuestros clientes, por ejemplo, su Índice de Capacidad Ecónomica, Edad, Sexo, etc, pero se pueden estudiar las variables espaciales, también conocido por Análisis Exploratorio de Datos Espaciales (AEDE), que explican su distribución en el espacio.
Para ello existen diferentes softwares y módulos para programas comerciales, como el caso de GeoStatical Analyst de ESRI, el PDM de GeoConcept o el caso del programa que me gustaría presentar, GeoDA, desarrollado por Luc Anselin (Universidad de Illinois). El programa se presentó en 2002 y se puede descargar de manera gratuita desde aquí.
El programa se puede dividir en:
- 1. Entrada de datos y edición. Trabaja con puntos y polígonos, y permite la edición de los mismos, la creación de grids, centroides y polígonos de Thiessen. Compatible con el formato shp de ESRI.
- 2. Transformación de variables y creación de nuevas variables a paritr de funciones log, exp. Permite la creación de consultas (joins) y cálculos algebráicos
- 3. Mapeo. Mapas temáticos, cartogramas y animaciones. Cuartiles, Desviaciones, percentiles, "box map", cartograma circular...
- 4. Gráficos estadísticos. Histogramas, "box plot", "scatter plot", ·D "scatter plot".
- 5. Autocorrelación espacial o dependencia. Coincidencia de valores altos/bajos de una variable en el espacio. La técnica usada es la dispersión de Moran, que representa en el eje X la variable previamente estandarizada y en el Y la variable espacialmente retardada de dicha varaible estandarizada. También permite estudiar las concentraciones espaciales, también denominadas zonas frias/calientes. La técnica usada es LISA (Local Indicator of Spatial Asociation) basado en la dispersión local de Moran.
- 6. Regresión Espacial.
Para más información se pueden consultar los siguientes artículos y manuales:
* Fuente: Blog de GeoMarketing de Jesus Lagos
* Análisis Estadístico de datos geográficos en GeoMarketing: el programa GeoDa. Coro Chasco Irigoyen.
* GeoDa: An Introduction to Spatial Data Analysis. Luc Anselin.
* Manual de GeoDa.
* Web de GeoDa.
jueves, 4 de junio de 2009
Modelos de Gravitación Comercial
El conocimiento de las áreas de mercado de un centro comercial, banco, etc. constituye una información importante no sólo para la planificación de la expansión de nuevas sucursales o establecimientos, sino que -en el caso de puntos de venta ya existentes- sirve de ayuda importante para sus políticas comerciales y de marketing; por ejemplo, la cobertura de las acciones publicitarias y promocionales de un establecimiento debería centrarse en los límites territoriales del área de mercado o zona de influencia
La utilización de Modelos de Gravitación Comercial, como los expuestos de Reilly y Huff, son en muchos casos, de gran utilidad para la determinación del área de mercado o zona de influencia de centros comerciales: bien del conjunto de establecimientos comerciales de un municipio (los cuales constituyen el núcleo central de atracción comercial sobre otros municipios, conformándose las denominadas áreas y subáreas comerciales), o bien para la determinación del área de mercado de un gran Centro Comercial ("shopping center"), o incluso de un solo establecimiento comercial (hipermercado, gran almacén, supermercado, tienda especializada, etc).Estos modelos pueden utilizarse también para la determinación de áreas de mercado de otro tipo de establecimientos, además de los comerciales, como bancos, hospitales, agencias de viaje, estaciones de gasolina, etc. En algunos de estos casos, podría ser conveniente el empleo de otras variables masa y de fricción distintas de las señaladas en este trabajo (población o superficie de venta como variables masa, y distancia o tiempo de viaje como variables de frenado), tales como número de empleados, imagen, costes de transporte, etc.
Se puede definir el área comercial como "un espacio geográfico cuya población se dirige, con fuerte preponderancia, a una localidad importante en el citado espacio para la compra de artículos de uso no corriente" (Atlas Comercial de España, 1963). Los habitantes de la zona comprendida dentro del área comercial acuden a un municipio de la misma, la cabecera, a hacer compras de bienes de un cierto valor, que no se adquieren todos los días y que requieren una cuidadosa elección. Los consumidores de un área concreta se desplazan preferentemente a su cabecera y no a otro núcleo, en razón a diversas causas, como son el tiempo de viaje o calidad de las comunicaciones y el equipamiento comercial. La localidad sobre la cual gravita la población del área comercial para hacer compras se llama cabecera de área o núcleo central. Un área comercial es una especie de "provincia comercial". Siguiendo con el símil, la cabecera de área jugaría el papel de "capital" de esa provincia comercial. Las áreas comerciales pueden tener o no una o varias subáreas comerciales. Estas son zonas geográficas cuya población acude para hacer ciertas compras a un determinado núcleo urbano -cabecera de subárea-, mientras que a su vez, toda la subárea es atraída por la cabecera de área, que tiene un grado mayor de intensidad y especialización comercial
La utilización de Modelos de Gravitación Comercial, como los expuestos de Reilly y Huff, son en muchos casos, de gran utilidad para la determinación del área de mercado o zona de influencia de centros comerciales: bien del conjunto de establecimientos comerciales de un municipio (los cuales constituyen el núcleo central de atracción comercial sobre otros municipios, conformándose las denominadas áreas y subáreas comerciales), o bien para la determinación del área de mercado de un gran Centro Comercial ("shopping center"), o incluso de un solo establecimiento comercial (hipermercado, gran almacén, supermercado, tienda especializada, etc).
Estos modelos pueden utilizarse también para la determinación de áreas de mercado de otro tipo de establecimientos, además de los comerciales, como bancos, hospitales, agencias de viaje, estaciones de gasolina, etc. En algunos de estos casos, podría ser conveniente el empleo de otras variables masa y de fricción distintas de las señaladas en este trabajo (población o superficie de venta como variables masa, y distancia o tiempo de viaje como variables de frenado), tales como número de empleados, imagen, costes de transporte, etc.
El conocimiento de las áreas de mercado de un centro comercial, banco, etc. constituye una información importante no sólo para la planificación de la expansión de nuevas sucursales o establecimientos, sino que -en el caso de puntos de venta ya existentes- sirve de ayuda importante para sus políticas comerciales y de marketing; por ejemplo, la cobertura de las acciones publicitarias y promocionales de un establecimiento debería centrarse en los límites territoriales del área de mercado o zona de influencia.
El modelo de Reilly expresa que las ventas que dos localidades ("a" y "b") atraen de una localidad intermedia, son directamente proporcionales a sus poblaciones e inversamente proporcionales al cuadrado de las distancias entre la localidad intermedia y las dos localidades consideradas. En este modelo se suele sustituir la variable "distancia en Kms." por la variable "tiempo de viaje" cuando una localidad o municipio situado entre "a" y "b" está comunicado por carreteras de distinta categoría (por ejemplo, una carretera normal y una autovía) con una y otra cabecera de área o subárea.
Explicaré algo más detalladamente el modelo de Huff, muy extendido:
El Modelo de Huff expresa la atracción que ejerce el equipamiento comercial de una
determinada localidad "cabecera de área" o "subárea" sobre el consumidor medio de una localidad o
municipio "i" en los siguientes términos de probabilidades. Para ello se relacionan los municipios considerados como centros de atracción comercial, las posibilidades de que un consumidor se desplace a otro municipio, el equipamiento comercial en m2 de origen y destino, el tiempo empleado en el desplazamiento y la sensibilidad del cliente al tamaño del equipamiento comercial existente y al desplazamiento.
Los parámetros de sensibilidad α y β se calculan en base a datos empíricos. Estos parámetros suelen coincidir con los de la Ley de Reilly: α = 1 y β = -2
Por ejemplo si realizamos un estudio sobre la gravitación comercial del municipio de Villagómez la Nueva (Valladolid), situado entre tres importantes cabeceras de área: Valladolid, Palencia y León, el cálculo sería:
Municipio de Valladolid: 679.765 m2
Municipio de Palencia: 181.215 m2
Municipio de León: 338.498 m2
Tiempo de viaje entre el municipio de Villagómez la Nueva y el de Valladolid: 62 minutos
Tiempo de viaje entre el municipio de Villagómez la Nueva y el de Palencia: 46 minutos
Tiempo de viaje entre el municipio de Villagómez la Nueva y el de León:51 minutos
Pvv:Probabilidad de que el consumidor medio del municipio de Villagómez la Nueva
realice sus compras más importantes en Valladolid
Pvp:Probabilidad de que el consumidor medio del municipio de Villagómez la Nueva
realice sus compras más importantes en Palencia
Pvl:Probabilidad de que el consumidor medio del municipio de Villagómez la Nueva
realice sus compras más importantes en León
De donde se deduce que por cada 100 desplazamientos efectuados por los consumidores del municipio de Villagómez la Nueva a otros municipios para realizar sus compras importantes, 45 los realizan al municipio de Valladolid y 55 a los dos municipios restantes (Palencia y León).
Aplicando la misma fórmula se obtiene
Pvp = 0,22 y Pvl= 0,33. Por lo que, en definitiva, los consumidores de Villagómez la Nueva gravitan comercialmente un 45 % de las veces a Valladolid,
un 22 % a Palencia y un 33 % a León. Este modelo puede aplicarse también para un centro comercial concreto en concurrencia con otros varios centros comerciales, no sólo para municipios, donde Pij sería la probabilidad de que un consumidor "i" se desplace a un centro comercial "j". Realmente, en el modelo original de Huff, "Pij" es la probabilidad de que un consumidor individual "i" (no un consumidor medio de un municipio) se desplace a un establecimiento comercial "j" (no al equipamiento comercial total de un municipio), siendo, por tanto, "n" igual al número de establecimientos comerciales considerados por el consumidor como otros posibles centros comerciales de atracción, además del centro comercial "j" (en vez de número de municipios considerados)
Fuente: MODELOS DE GRAVITACIÓN COMERCIAL: UNA APLICACIÓN AL ANUARIO COMERCIAL DE ESPAÑA
Pedro Chasco Lafuente
Responsable Área Economía Microterritorial.
Instituto L. R. Klein - Universidad Autónoma de Madrid - Junio 2000
La utilización de Modelos de Gravitación Comercial, como los expuestos de Reilly y Huff, son en muchos casos, de gran utilidad para la determinación del área de mercado o zona de influencia de centros comerciales: bien del conjunto de establecimientos comerciales de un municipio (los cuales constituyen el núcleo central de atracción comercial sobre otros municipios, conformándose las denominadas áreas y subáreas comerciales), o bien para la determinación del área de mercado de un gran Centro Comercial ("shopping center"), o incluso de un solo establecimiento comercial (hipermercado, gran almacén, supermercado, tienda especializada, etc).Estos modelos pueden utilizarse también para la determinación de áreas de mercado de otro tipo de establecimientos, además de los comerciales, como bancos, hospitales, agencias de viaje, estaciones de gasolina, etc. En algunos de estos casos, podría ser conveniente el empleo de otras variables masa y de fricción distintas de las señaladas en este trabajo (población o superficie de venta como variables masa, y distancia o tiempo de viaje como variables de frenado), tales como número de empleados, imagen, costes de transporte, etc.Se puede definir el área comercial como "un espacio geográfico cuya población se dirige, con fuerte preponderancia, a una localidad importante en el citado espacio para la compra de artículos de uso no corriente" (Atlas Comercial de España, 1963). Los habitantes de la zona comprendida dentro del área comercial acuden a un municipio de la misma, la cabecera, a hacer compras de bienes de un cierto valor, que no se adquieren todos los días y que requieren una cuidadosa elección. Los consumidores de un área concreta se desplazan preferentemente a su cabecera y no a otro núcleo, en razón a diversas causas, como son el tiempo de viaje o calidad de las comunicaciones y el equipamiento comercial. La localidad sobre la cual gravita la población del área comercial para hacer compras se llama cabecera de área o núcleo central. Un área comercial es una especie de "provincia comercial". Siguiendo con el símil, la cabecera de área jugaría el papel de "capital" de esa provincia comercial. Las áreas comerciales pueden tener o no una o varias subáreas comerciales. Estas son zonas geográficas cuya población acude para hacer ciertas compras a un determinado núcleo urbano -cabecera de subárea-, mientras que a su vez, toda la subárea es atraída por la cabecera de área, que tiene un grado mayor de intensidad y especialización comercial
La utilización de Modelos de Gravitación Comercial, como los expuestos de Reilly y Huff, son en muchos casos, de gran utilidad para la determinación del área de mercado o zona de influencia de centros comerciales: bien del conjunto de establecimientos comerciales de un municipio (los cuales constituyen el núcleo central de atracción comercial sobre otros municipios, conformándose las denominadas áreas y subáreas comerciales), o bien para la determinación del área de mercado de un gran Centro Comercial ("shopping center"), o incluso de un solo establecimiento comercial (hipermercado, gran almacén, supermercado, tienda especializada, etc).
Estos modelos pueden utilizarse también para la determinación de áreas de mercado de otro tipo de establecimientos, además de los comerciales, como bancos, hospitales, agencias de viaje, estaciones de gasolina, etc. En algunos de estos casos, podría ser conveniente el empleo de otras variables masa y de fricción distintas de las señaladas en este trabajo (población o superficie de venta como variables masa, y distancia o tiempo de viaje como variables de frenado), tales como número de empleados, imagen, costes de transporte, etc.
El conocimiento de las áreas de mercado de un centro comercial, banco, etc. constituye una información importante no sólo para la planificación de la expansión de nuevas sucursales o establecimientos, sino que -en el caso de puntos de venta ya existentes- sirve de ayuda importante para sus políticas comerciales y de marketing; por ejemplo, la cobertura de las acciones publicitarias y promocionales de un establecimiento debería centrarse en los límites territoriales del área de mercado o zona de influencia.
El modelo de Reilly expresa que las ventas que dos localidades ("a" y "b") atraen de una localidad intermedia, son directamente proporcionales a sus poblaciones e inversamente proporcionales al cuadrado de las distancias entre la localidad intermedia y las dos localidades consideradas. En este modelo se suele sustituir la variable "distancia en Kms." por la variable "tiempo de viaje" cuando una localidad o municipio situado entre "a" y "b" está comunicado por carreteras de distinta categoría (por ejemplo, una carretera normal y una autovía) con una y otra cabecera de área o subárea.
Explicaré algo más detalladamente el modelo de Huff, muy extendido:
El Modelo de Huff expresa la atracción que ejerce el equipamiento comercial de una
determinada localidad "cabecera de área" o "subárea" sobre el consumidor medio de una localidad o
municipio "i" en los siguientes términos de probabilidades. Para ello se relacionan los municipios considerados como centros de atracción comercial, las posibilidades de que un consumidor se desplace a otro municipio, el equipamiento comercial en m2 de origen y destino, el tiempo empleado en el desplazamiento y la sensibilidad del cliente al tamaño del equipamiento comercial existente y al desplazamiento.
Los parámetros de sensibilidad α y β se calculan en base a datos empíricos. Estos parámetros suelen coincidir con los de la Ley de Reilly: α = 1 y β = -2
Por ejemplo si realizamos un estudio sobre la gravitación comercial del municipio de Villagómez la Nueva (Valladolid), situado entre tres importantes cabeceras de área: Valladolid, Palencia y León, el cálculo sería:Municipio de Valladolid: 679.765 m2
Municipio de Palencia: 181.215 m2
Municipio de León: 338.498 m2
Tiempo de viaje entre el municipio de Villagómez la Nueva y el de Valladolid: 62 minutos
Tiempo de viaje entre el municipio de Villagómez la Nueva y el de Palencia: 46 minutos
Tiempo de viaje entre el municipio de Villagómez la Nueva y el de León:51 minutos
Pvv:Probabilidad de que el consumidor medio del municipio de Villagómez la Nueva
realice sus compras más importantes en Valladolid
Pvp:Probabilidad de que el consumidor medio del municipio de Villagómez la Nueva
realice sus compras más importantes en Palencia
Pvl:Probabilidad de que el consumidor medio del municipio de Villagómez la Nueva
realice sus compras más importantes en León
De donde se deduce que por cada 100 desplazamientos efectuados por los consumidores del municipio de Villagómez la Nueva a otros municipios para realizar sus compras importantes, 45 los realizan al municipio de Valladolid y 55 a los dos municipios restantes (Palencia y León).Aplicando la misma fórmula se obtiene
Pvp = 0,22 y Pvl= 0,33. Por lo que, en definitiva, los consumidores de Villagómez la Nueva gravitan comercialmente un 45 % de las veces a Valladolid,
un 22 % a Palencia y un 33 % a León. Este modelo puede aplicarse también para un centro comercial concreto en concurrencia con otros varios centros comerciales, no sólo para municipios, donde Pij sería la probabilidad de que un consumidor "i" se desplace a un centro comercial "j". Realmente, en el modelo original de Huff, "Pij" es la probabilidad de que un consumidor individual "i" (no un consumidor medio de un municipio) se desplace a un establecimiento comercial "j" (no al equipamiento comercial total de un municipio), siendo, por tanto, "n" igual al número de establecimientos comerciales considerados por el consumidor como otros posibles centros comerciales de atracción, además del centro comercial "j" (en vez de número de municipios considerados)
Fuente: MODELOS DE GRAVITACIÓN COMERCIAL: UNA APLICACIÓN AL ANUARIO COMERCIAL DE ESPAÑA
Pedro Chasco Lafuente
Responsable Área Economía Microterritorial.
Instituto L. R. Klein - Universidad Autónoma de Madrid - Junio 2000
miércoles, 3 de junio de 2009
Geodemographics Knowledge Base
Geodemographics Knowledge Base es una página web en la que puede encontrarse una completísima lista de recursos sobre geodemografía. De lo mejor que hay en la web sobre el tema.
http://www.geodemographics.org.uk/index.html
martes, 2 de junio de 2009
Kosmo OpenGIS
Usando Kosmo para Analisis de TránsitoEl proyecto Kosmo es la primera Plataforma SIG Libre Corporativa, distribuida bajo licencia GNU/GPL. Fue mi primera opción a la hora de desarrollar sobre este tipo de plataformas una solución orientada al análisis de audiencias, actualmente utilizo gvSIG ya que he encontrado un mayor desarrollo y soporte a la hora de programar sobre ésta plataforma, aunque Kosmo sigue siendo un referente y una solución a tener en cuenta.
En él se hace uso intensivo y se desarrollan o integran las herramientas necesarias para satisfacer las necesidades de la mayoría de los usuarios, y para ello se implementa:
- Kosmo Server: Servidor de Cartografía raster y vectorial
- Kosmo Desktop: SIG de escritorio con potente capacidad de consulta, edición y análisis
- Kosmo Cliente Ligero: Navegador cartográfico para conexión con Servicios basados en estándares OGC
- Kosmo Móvil: Software SIG para dispositivos móviles.
Su diseño y arquitectura esta basado en la gestión y análisis de la información territorial a través de Bases de Datos Espaciales, dotándolo así de carácter Corporativo.
El proyecto está en pleno desarrollo, y con el primero de sus componentes -Kosmo-Desktop- en continua en evolución, y ya disponible para aquellos que requieren de avanzada funcionalidad en un SIG de escritorio potente.
Hay que destacar que al día de hoy ya se encuentra implementado en numerosos sistemas de producción altamente exigentes en sus requisitos, tanto de estabilidad como de funcionalidad.
Mas información en http://www.opengis.es/
lunes, 1 de junio de 2009
Informe de estado de gvSIG
Informe presentado por Jorge Gaspar Sanz y Gabriel Carrión sobre la evolución de gvSIG
Informe de estado de gvSIG
View more Keynote presentations from Jorge Sanz.
sábado, 30 de mayo de 2009
Análisis de Autocorrelación Espacial
Space-Time Analysis of Regional Systems (STARS) es un programa de código abierto diseñado para el análisis de datos por isocronas (áreas asociadas a tiempos medidos). STARS reúne una serie de métodos desarrollados recientemente del espacio-tiempo en un entorno gráfico ofreciendo una gran variedad de puntos de vista gráfico vinculados dinámicamente. Está destinado a ser utilizado como una herramienta de análisis exploratorio de datos. Escrito totalmente en Python, STARS es multiplataforma y fácil de instalar (y ampliar).
Links del producto STARS
Links del producto STARS
Los sistemas GIS y su relación con Business Intelligence
Los Sistemas de Información Geográfica (SIG) en su parte de aplicaciones para GeoMarketing tienen planteamientos parecidos a los de Business Intelligence. Tanto es así que es frecuente la aparición de ambos ámbitos en un mismo proyecto. La discusión sobre si el geomarketing es o no un tipo de BI nos parece poco productiva; en cambio si son realmente interesantes los valores añadidos que pueden aportar a las empresas tanto los procesos como las tecnologías involucradas. Ya hemos comentado en alguna ocasión los espectaculares resultados que estaban produciendo la integración de BI y SIG.
Una definición sencilla de SIG sería un sistema de información que gestiona datos con localizaciones exactas en una representación del mundo físico, lo que llamamos datos espaciales, y atributos temáticos referidos a objetos referenciados con los datos espaciales.
En un SIG se captura, recolecta, almacena, analiza, comparte, gestiona y visualiza información georeferenciada. Cuando tenemos que construir un GIS lo primero que hacemos es analizar la información que se desea integrar. Frecuentemente nos encontraremos con diferentes formatos (CAD, otros formatos digitales, PDF, papel…).
El objetivo de este análisis será normalizar y unificar esa información, construyendo un tipo de base de datos que se denomina base de datos geográfica. Tras este diseño pasamos a un proceso que casi siempre está en los proyectos de BI: el ETL. Dentro de la BD geográfica se integra información cartográfica junto con información proveniente de otros sistemas, como puedan ser CRM, ERPs, callejeros o herramientas de diseño. Desde un punto de vista técnico pueden ser cualquier cosa integrable: datawarehouses, datamarts, bases de datos, imágenes escaneadas…
En una BD geográfica queda modelizado el mundo real en términos de objetos con su representación gráfica en términos de tamaño y dimensión relativa a la superficie de la tierra. Estos datos, que llamamos cartográficos, quedan integrados a su vez con lo que se denominan atributos temáticos. Ejemplos típicos de atributos temáticos son los datos sociológicos, económicos y demográficos.
Los objetos geográficos están organizados en capas de información. Objetos que físicamente tendrían la misma ubicación quedan organizados en distintas capas, pudiendo ser visualizados o no según las necesidades.
Por ejemplo, si una empresa desea representar la ubicación física de sus clientes actuales y potenciales para hacer una campaña de marketing, tendríamos en un GIS el mapa cartográfico de la ciudad en cuestión por un lado y por ejemplo representaríamos los atributos temáticos disponibles sobre tipo de compra que efectúan los clientes actuales y la capacidad adquisitiva de los potenciales. El análisis de esta información puede por ejemplo delimitarnos zonas geográficas con denominadores comunes interesantes entre clientes potenciales y actuales. Con este conocimiento podríamos crear una campaña muy localizada a coste bajo y por tanto muy productiva.
Para ello el SIG provee de capacidad analítica para gestionar datos georeferenciados teniendo en cuenta que lo que nos interesa es que se están referenciando objetos con una componente espacial sobre los que se tiene información asociada.
Se suele clasificar los SIG en tipo Vectorial o de tipo Raster aunque actualmente se maneja la información con ambos tipos. Por otro lado también están los más recientes SIG Orientados a Objetos.
Los SIG Vectoriales utilizan puntos y vectores definidos en términos de pares de coordenadas y altitudes respecto a un sistema cartográfico... Por otra parte los SIG Raster están especialmente indicados en aquellos casos en los que los objetos a representar son difusos o difíciles de delimitar como puede ser una mancha de petróleo o una nube. Delimitan la base de datos mediante mallas de píxeles. En caso de que sea necesaria una resolución muy alta y por tanto subir el número de píxeles el rendimiento del sistema se ve penalizado.
Los SIG orientados a objetos organizan la información geográfica a partir de los objetos geográficos y sus relaciones con otros. Incorporan además la dinamicidad de los objetos en términos espaciotemporales.
La interfaz de visualización principal de un SIG es por supuesto el mapa que hace el papel de dashboard sobre el que interaccionamos tanto para acceder, visualizar y analizar la información como para generar informes y mejorar la toma de decisiones. Los análisis geográficos son especialmente potentes al poder superponer en el mapa las características de los elementos de una misma categoría y poder hacer operaciones en las que se tenga en cuenta la conectividad, la coincidencia y la contigüidad de objetos.
Tras construir el SIG los usuarios disponen de un sistema fiable que les permite acceder de forma rápida, homogénea y organizada a conjuntos de información que han sido integrados según las necesidades de la empresa y a la que antes no tenían acceso, tenían una visión limitada y parcial o que el proceso de conseguirla era lento, costoso en cantidad de horas-hombre invertidas, proclive a errores o muy difícil de conseguir de forma integrada, por ejemplo por diferencias de formatos (CAD, papel, formatos digitales, PDF, etc).
Como mayores valores añadidos de un SIG destaca su capacidad, al igual que en Business Intelligence, de realizar análisis complejos aunque sobre entornos geográficos y la mejora de la toma de decisiones asociada, el acceso fácil y rápido a información exacta, completa, relacionada y actualizada y la generación de mapas e informes de gran calidad. En general, al implantar un GIS, se reducen los costes operativos, se incrementa la productividad y se ahorra mucho tiempo en la gestión de mapas.
Una definición sencilla de SIG sería un sistema de información que gestiona datos con localizaciones exactas en una representación del mundo físico, lo que llamamos datos espaciales, y atributos temáticos referidos a objetos referenciados con los datos espaciales.
En un SIG se captura, recolecta, almacena, analiza, comparte, gestiona y visualiza información georeferenciada. Cuando tenemos que construir un GIS lo primero que hacemos es analizar la información que se desea integrar. Frecuentemente nos encontraremos con diferentes formatos (CAD, otros formatos digitales, PDF, papel…).
El objetivo de este análisis será normalizar y unificar esa información, construyendo un tipo de base de datos que se denomina base de datos geográfica. Tras este diseño pasamos a un proceso que casi siempre está en los proyectos de BI: el ETL. Dentro de la BD geográfica se integra información cartográfica junto con información proveniente de otros sistemas, como puedan ser CRM, ERPs, callejeros o herramientas de diseño. Desde un punto de vista técnico pueden ser cualquier cosa integrable: datawarehouses, datamarts, bases de datos, imágenes escaneadas…
En una BD geográfica queda modelizado el mundo real en términos de objetos con su representación gráfica en términos de tamaño y dimensión relativa a la superficie de la tierra. Estos datos, que llamamos cartográficos, quedan integrados a su vez con lo que se denominan atributos temáticos. Ejemplos típicos de atributos temáticos son los datos sociológicos, económicos y demográficos.
Los objetos geográficos están organizados en capas de información. Objetos que físicamente tendrían la misma ubicación quedan organizados en distintas capas, pudiendo ser visualizados o no según las necesidades.
Por ejemplo, si una empresa desea representar la ubicación física de sus clientes actuales y potenciales para hacer una campaña de marketing, tendríamos en un GIS el mapa cartográfico de la ciudad en cuestión por un lado y por ejemplo representaríamos los atributos temáticos disponibles sobre tipo de compra que efectúan los clientes actuales y la capacidad adquisitiva de los potenciales. El análisis de esta información puede por ejemplo delimitarnos zonas geográficas con denominadores comunes interesantes entre clientes potenciales y actuales. Con este conocimiento podríamos crear una campaña muy localizada a coste bajo y por tanto muy productiva.
Para ello el SIG provee de capacidad analítica para gestionar datos georeferenciados teniendo en cuenta que lo que nos interesa es que se están referenciando objetos con una componente espacial sobre los que se tiene información asociada.
Se suele clasificar los SIG en tipo Vectorial o de tipo Raster aunque actualmente se maneja la información con ambos tipos. Por otro lado también están los más recientes SIG Orientados a Objetos.
Los SIG Vectoriales utilizan puntos y vectores definidos en términos de pares de coordenadas y altitudes respecto a un sistema cartográfico... Por otra parte los SIG Raster están especialmente indicados en aquellos casos en los que los objetos a representar son difusos o difíciles de delimitar como puede ser una mancha de petróleo o una nube. Delimitan la base de datos mediante mallas de píxeles. En caso de que sea necesaria una resolución muy alta y por tanto subir el número de píxeles el rendimiento del sistema se ve penalizado.
Los SIG orientados a objetos organizan la información geográfica a partir de los objetos geográficos y sus relaciones con otros. Incorporan además la dinamicidad de los objetos en términos espaciotemporales.
La interfaz de visualización principal de un SIG es por supuesto el mapa que hace el papel de dashboard sobre el que interaccionamos tanto para acceder, visualizar y analizar la información como para generar informes y mejorar la toma de decisiones. Los análisis geográficos son especialmente potentes al poder superponer en el mapa las características de los elementos de una misma categoría y poder hacer operaciones en las que se tenga en cuenta la conectividad, la coincidencia y la contigüidad de objetos.
Tras construir el SIG los usuarios disponen de un sistema fiable que les permite acceder de forma rápida, homogénea y organizada a conjuntos de información que han sido integrados según las necesidades de la empresa y a la que antes no tenían acceso, tenían una visión limitada y parcial o que el proceso de conseguirla era lento, costoso en cantidad de horas-hombre invertidas, proclive a errores o muy difícil de conseguir de forma integrada, por ejemplo por diferencias de formatos (CAD, papel, formatos digitales, PDF, etc).
Como mayores valores añadidos de un SIG destaca su capacidad, al igual que en Business Intelligence, de realizar análisis complejos aunque sobre entornos geográficos y la mejora de la toma de decisiones asociada, el acceso fácil y rápido a información exacta, completa, relacionada y actualizada y la generación de mapas e informes de gran calidad. En general, al implantar un GIS, se reducen los costes operativos, se incrementa la productividad y se ahorra mucho tiempo en la gestión de mapas.
viernes, 29 de mayo de 2009
Bases de Datos Geográficas - Generalidades
Antes de entrar en el ámbito geográfico, veamos en primer lugar que forma tienen las bases de datos tradicionales, es decir, las que contienen únicamente atributos alfanuméricos.
Bases de Datos Relacionales
Los Sistamas de Información Geográfica gestionan sus propias bases de datos, pero casi todos incluyen algún tipo de comunicación o enlace con las bases de datos existentes para unir atributos alfanuméricos a los datos geográficos. El modelo de base de datos de más éxito en general, y que es el utilizado por casi todos los SIG es el modelo relacional, y es el que describiremos aquí. Se debe notar sin embargo, el gran auge que las bases de datos orientadas a objetos están teniendo en estos sistemas SIG. Este es el caso de GeoThrough, que combina un motor relacional con una arquitectura orientada a Objetos.
Una base de datos relacional esta compuesta por tablas o relaciones. Una tabla tiene una serie de atributos o columnas y esta formada por filas que tienen un valor para cada uno de los atributos.
Una entidad de datos (como una entidad geográfica sin representación espacial) viene dada aquí por un conjunto de atributos que constituye una clave primaria, una identificación étnica de la entidad. Como ejemplo, los municipios son entidades de datos cuya clave primaria es su nombre o su código de municipio. Una tabla que contenga la clave primaria de una entidad y otras columnas, como por ejemplo Población, Hogares, Empresas, etc, proporciona atributos a las entidades.
Los componentes de la base de datos son, pues, muy simples, y las relaciones complejas se modelan a través de una serie de operaciones entre tablas. Estas operaciones pueden estar disponibles como algebra relacional o a través de un lenguaje del cálculo relacional. Para el usuario lo más habitual es esto último, y en concreto, el lenguaje más popular de este tipo es SQL (Structured Query Language).
Esta arquitectura es muy flexible y potente. Sin embargo esta limitada a la manipulación de valores numéricos y alfabéticos. No podemos por ejemplo determinar la longitud de carreteras que atraviesan un determinado municipio, o las empresas situadas a menos de 2 Km de un río, etc. Un lenguaje como el SQL es una buena base para un lenguaje de acceso en GIS, pero necesita operadores y funciones que actúen sobre la parte espacial de los datos, para determinar por ejemplo si una carretera atraviesa un municipio o cual es su longitud. A esto lo denominamos Operaciones Topológicas.
Bases de Datos de CAD/GIS-Elementos Geométricos
En un CAD cada archivo o diseño es una pequeña base de datos que consta fundamentalmente de elementos gráficos. Estos se pueden clasificar en puntuales, unidimensionales, y bidimensionales. Fundamentalmente puntos, líneas o polígonos además de etiquetas textuales. (No consideramos aquí los elementos tridimensionales disponibles en los sistemas actuales). A éste tipo de elementos que se encuentran en CAD los llamaremos geométricos, y también se denominan habitualmente vectoriales, por estar definidos por una serie de vectores. La información vectorial tiene la característica de conservar sus propiedades y calidad a cualquier escala de representación. Algunos sistemas de CAD permiten también incorporar en la base de datos imágenes digitales, llamados Raster o "mapas de bits", que son mosaicos de pequeños elementos de imagen rectangulares. La estructura de estas imágenes se denomina Raster ("rejilla"). En general son estructuras raster las que discretizan el espacio en una retícula regular y almacenan de alguna manera el contenido de cada rectángulo. La distinción entre estructuras vectoriales y raster es muy habitual en relación al tratamiento de datos espaciales o gráficos. Por ejemplo una foto aérea o de satélite son elementos raster, por estar compuestos de pequeños elementos o píxels.
Las bases de datos CAD están por lo general particionadas horizontal y verticalmente. Horizontalmente en el sentido de que cada archivo de CAD comprende un diseño o dibujo; una (pequeña) área rectangular u hoja. Verticalmente los elementos gráficos están compartimentadas en capas o niveles: cada elemento está en una única capa.
Estos elementos gráficos nos servirán para la descripción espacial de entidades geográficas pero no de variables espa¬ciales. La división en capas del CAD puede servir para di¬ferenciar los distintos tipos de entidades (municipios, ríos, espacios naturales en la ilustración). La separación en capas nos obligaría a duplicar una línea que, como en el ejemplo, sea a la vez límite de un municipio y curso de un río. La división en hojas nos obliga a delimitar claramente el área de estudio e incluir en el mismo archivo CAD todos los datos de interés.
Aunque no es fundamental en CAD, casi todos los sistemas avanzados permiten que estas entidades gráficas tengan algún atributo alfanumérico asociado. En particular pueden tener un identificador que sirva de enlace con tablas de datos. Sin embargo las bases de datos CAD no cuentan con posibilidades de acceso análogas a las de las bases de datos Relacionales. Habitualmente no permiten realizar una interrogación con criterios espaciales para determinar que objetos gráficos la cumplen, y mucho menos incluir condiciones sobre los datos alfanuméricos que puedan estar asociados a los gráficos. Las necesidades de un SIG se parecen conceptualmente mucho más a las de una base de datos que a las de un sistema CAD.
Elementos Geométricos con Atributos
La idea presentada antes de unir atributos alfanuméricos a elementos gráficos del tipo de los usados en CAD puede ser suficiente para diseñar una sencilla base de datos geográfica si se establece un sistema de archivo que gestione las particularidades de las coordenadas geográficas y no se estructura la información en hojas y capas, sino en conjuntos de datos superponibles.
En una estructura de este tipo cada entidad geográfica estará representada por un elemento geométrico y los atributos alfanuméricos asociados.
Los distintos tipos de entidades geográficas estarían representados por conjuntos de datos con atributos y geometría homogéneos. Así por ejemplo el conjunto de los términos municipales (un tipo de entidad geográfica) tendrán una serie de atributos comunes (nombre del municipio, población, etc) y una representación geométrica homogénea (polígonos que encierran el término).
Tablas de datos con objetos espaciales
Esta sencilla estructura de datos (atributos con geometría) puede servir de implementación para un modelo de base de datos geográfica que nace de manera natural de ella y resulta muy útil por su sencillez y flexibilidad.
El modelo que vamos a describir es una extensión natural de una base de datos relacional. La información estará estructurada en tablas al igual que en el modelo relacional. Las tablas correspondientes a los conjuntos de datos homogéneos descritos antes. A los tipos de atributos habituales -números y textos- que aparecen en las tablas se añade aquí uno nuevo: el objetivo espacial, de forma que cada tabla pueda tener como máximo una columna de este tipo, que representa el elemento geométrico asociado a los atributos, es decir la parte espacial de la entidad geográfica. De ésta manera una tabla puede contener elementos geográficos completos, incluyendo atributos y geometría.
Para ser útil esta estructura se debe contar con un medio de acceso que combine los atributos y la geometría, teniendo en cuenta que los objetivos tienen como referencia común un espacio geométrico, y por tanto existen relaciones implícitas entre los objetos espaciales: una carretera atraviesa un municipio contiene un hospital, una carretera enlaza con otra, etc. La forma habitual y más versátil de proporcionar esta funcionalidad es mediante un lenguaje de acceso que proporcione operadores y funciones espaciales.
Habitualmente este lenguaje es una extensión del SQL visto antes.
Dado que se ha incorporado el objeto espacial como un nuevo tipo fundamental de datos bastaría extender de funciones y operadores disponibles en el lenguaje para operar sobre datos numéricos y textuales con otros operadores y funciones que operen sobre objetos espaciales. Las funciones pueden extraer atributos como la longitud de un objeto lineal o el área de uno extenso, o pueden construir un objeto que sea la unión o intersección de otros dos, etc. Se pueden definir operadores lógicos que determinen si dos objetos se intersectan, uno esta incluido en otro, etc.
Con esta estructura, el usuario que visualiza y analiza los datos trabaja sobre elementos de máxima sencillez. La abstracción de manipular la expresión espacial de los datos como objetos grafico -un tipo más de atributo- permite un modelo sumamente simple y útil. Independientemente de la estructura subyacente de los datos la visión de éstos como tablas es la forma ideal para un sistema de análisis y visualización como son los llamados Desktop Mapping.
Sin embargo la estructura que hemos descrito para dar soporte a estas "tablas con objetos" limita las posibilidades del sistema y en algunos casos afecta a su eficiencia. Para que las operaciones espaciales, esto es, la determinación de las relaciones geométricas de los objetos sean eficientes y rápidas, las tablas tienen que estar dotadas de un sofisticado mecanismo de indexación espacial.
Bases de Datos Relacionales
Los Sistamas de Información Geográfica gestionan sus propias bases de datos, pero casi todos incluyen algún tipo de comunicación o enlace con las bases de datos existentes para unir atributos alfanuméricos a los datos geográficos. El modelo de base de datos de más éxito en general, y que es el utilizado por casi todos los SIG es el modelo relacional, y es el que describiremos aquí. Se debe notar sin embargo, el gran auge que las bases de datos orientadas a objetos están teniendo en estos sistemas SIG. Este es el caso de GeoThrough, que combina un motor relacional con una arquitectura orientada a Objetos.
Una base de datos relacional esta compuesta por tablas o relaciones. Una tabla tiene una serie de atributos o columnas y esta formada por filas que tienen un valor para cada uno de los atributos.
Una entidad de datos (como una entidad geográfica sin representación espacial) viene dada aquí por un conjunto de atributos que constituye una clave primaria, una identificación étnica de la entidad. Como ejemplo, los municipios son entidades de datos cuya clave primaria es su nombre o su código de municipio. Una tabla que contenga la clave primaria de una entidad y otras columnas, como por ejemplo Población, Hogares, Empresas, etc, proporciona atributos a las entidades.
Los componentes de la base de datos son, pues, muy simples, y las relaciones complejas se modelan a través de una serie de operaciones entre tablas. Estas operaciones pueden estar disponibles como algebra relacional o a través de un lenguaje del cálculo relacional. Para el usuario lo más habitual es esto último, y en concreto, el lenguaje más popular de este tipo es SQL (Structured Query Language).
Esta arquitectura es muy flexible y potente. Sin embargo esta limitada a la manipulación de valores numéricos y alfabéticos. No podemos por ejemplo determinar la longitud de carreteras que atraviesan un determinado municipio, o las empresas situadas a menos de 2 Km de un río, etc. Un lenguaje como el SQL es una buena base para un lenguaje de acceso en GIS, pero necesita operadores y funciones que actúen sobre la parte espacial de los datos, para determinar por ejemplo si una carretera atraviesa un municipio o cual es su longitud. A esto lo denominamos Operaciones Topológicas.
Bases de Datos de CAD/GIS-Elementos Geométricos
En un CAD cada archivo o diseño es una pequeña base de datos que consta fundamentalmente de elementos gráficos. Estos se pueden clasificar en puntuales, unidimensionales, y bidimensionales. Fundamentalmente puntos, líneas o polígonos además de etiquetas textuales. (No consideramos aquí los elementos tridimensionales disponibles en los sistemas actuales). A éste tipo de elementos que se encuentran en CAD los llamaremos geométricos, y también se denominan habitualmente vectoriales, por estar definidos por una serie de vectores. La información vectorial tiene la característica de conservar sus propiedades y calidad a cualquier escala de representación. Algunos sistemas de CAD permiten también incorporar en la base de datos imágenes digitales, llamados Raster o "mapas de bits", que son mosaicos de pequeños elementos de imagen rectangulares. La estructura de estas imágenes se denomina Raster ("rejilla"). En general son estructuras raster las que discretizan el espacio en una retícula regular y almacenan de alguna manera el contenido de cada rectángulo. La distinción entre estructuras vectoriales y raster es muy habitual en relación al tratamiento de datos espaciales o gráficos. Por ejemplo una foto aérea o de satélite son elementos raster, por estar compuestos de pequeños elementos o píxels.
Las bases de datos CAD están por lo general particionadas horizontal y verticalmente. Horizontalmente en el sentido de que cada archivo de CAD comprende un diseño o dibujo; una (pequeña) área rectangular u hoja. Verticalmente los elementos gráficos están compartimentadas en capas o niveles: cada elemento está en una única capa.
Estos elementos gráficos nos servirán para la descripción espacial de entidades geográficas pero no de variables espa¬ciales. La división en capas del CAD puede servir para di¬ferenciar los distintos tipos de entidades (municipios, ríos, espacios naturales en la ilustración). La separación en capas nos obligaría a duplicar una línea que, como en el ejemplo, sea a la vez límite de un municipio y curso de un río. La división en hojas nos obliga a delimitar claramente el área de estudio e incluir en el mismo archivo CAD todos los datos de interés.
Aunque no es fundamental en CAD, casi todos los sistemas avanzados permiten que estas entidades gráficas tengan algún atributo alfanumérico asociado. En particular pueden tener un identificador que sirva de enlace con tablas de datos. Sin embargo las bases de datos CAD no cuentan con posibilidades de acceso análogas a las de las bases de datos Relacionales. Habitualmente no permiten realizar una interrogación con criterios espaciales para determinar que objetos gráficos la cumplen, y mucho menos incluir condiciones sobre los datos alfanuméricos que puedan estar asociados a los gráficos. Las necesidades de un SIG se parecen conceptualmente mucho más a las de una base de datos que a las de un sistema CAD.
Elementos Geométricos con Atributos
La idea presentada antes de unir atributos alfanuméricos a elementos gráficos del tipo de los usados en CAD puede ser suficiente para diseñar una sencilla base de datos geográfica si se establece un sistema de archivo que gestione las particularidades de las coordenadas geográficas y no se estructura la información en hojas y capas, sino en conjuntos de datos superponibles.
En una estructura de este tipo cada entidad geográfica estará representada por un elemento geométrico y los atributos alfanuméricos asociados.
Los distintos tipos de entidades geográficas estarían representados por conjuntos de datos con atributos y geometría homogéneos. Así por ejemplo el conjunto de los términos municipales (un tipo de entidad geográfica) tendrán una serie de atributos comunes (nombre del municipio, población, etc) y una representación geométrica homogénea (polígonos que encierran el término).
Tablas de datos con objetos espaciales
Esta sencilla estructura de datos (atributos con geometría) puede servir de implementación para un modelo de base de datos geográfica que nace de manera natural de ella y resulta muy útil por su sencillez y flexibilidad.
El modelo que vamos a describir es una extensión natural de una base de datos relacional. La información estará estructurada en tablas al igual que en el modelo relacional. Las tablas correspondientes a los conjuntos de datos homogéneos descritos antes. A los tipos de atributos habituales -números y textos- que aparecen en las tablas se añade aquí uno nuevo: el objetivo espacial, de forma que cada tabla pueda tener como máximo una columna de este tipo, que representa el elemento geométrico asociado a los atributos, es decir la parte espacial de la entidad geográfica. De ésta manera una tabla puede contener elementos geográficos completos, incluyendo atributos y geometría.
Para ser útil esta estructura se debe contar con un medio de acceso que combine los atributos y la geometría, teniendo en cuenta que los objetivos tienen como referencia común un espacio geométrico, y por tanto existen relaciones implícitas entre los objetos espaciales: una carretera atraviesa un municipio contiene un hospital, una carretera enlaza con otra, etc. La forma habitual y más versátil de proporcionar esta funcionalidad es mediante un lenguaje de acceso que proporcione operadores y funciones espaciales.
Habitualmente este lenguaje es una extensión del SQL visto antes.
Dado que se ha incorporado el objeto espacial como un nuevo tipo fundamental de datos bastaría extender de funciones y operadores disponibles en el lenguaje para operar sobre datos numéricos y textuales con otros operadores y funciones que operen sobre objetos espaciales. Las funciones pueden extraer atributos como la longitud de un objeto lineal o el área de uno extenso, o pueden construir un objeto que sea la unión o intersección de otros dos, etc. Se pueden definir operadores lógicos que determinen si dos objetos se intersectan, uno esta incluido en otro, etc.
Con esta estructura, el usuario que visualiza y analiza los datos trabaja sobre elementos de máxima sencillez. La abstracción de manipular la expresión espacial de los datos como objetos grafico -un tipo más de atributo- permite un modelo sumamente simple y útil. Independientemente de la estructura subyacente de los datos la visión de éstos como tablas es la forma ideal para un sistema de análisis y visualización como son los llamados Desktop Mapping.
Sin embargo la estructura que hemos descrito para dar soporte a estas "tablas con objetos" limita las posibilidades del sistema y en algunos casos afecta a su eficiencia. Para que las operaciones espaciales, esto es, la determinación de las relaciones geométricas de los objetos sean eficientes y rápidas, las tablas tienen que estar dotadas de un sofisticado mecanismo de indexación espacial.
jueves, 28 de mayo de 2009
3D en gvSIG
Tengo ganas de probar esto, aunque me ha dado algun problema de instalación y como estoy liado con las BBDD prefiero no experimentar demasiado, que me "Eclipso"... ;-D
Creo que sería interesante poner todo el Patrimonio de Exterior en 3d.... al menos las lonas y unos objetos genéricos para marquesinas, columnas y tal. Como un Counter Strike pero de GRPS :PPP
Creo que sería interesante poner todo el Patrimonio de Exterior en 3d.... al menos las lonas y unos objetos genéricos para marquesinas, columnas y tal. Como un Counter Strike pero de GRPS :PPP
miércoles, 27 de mayo de 2009
Infraestructura de Datos Espaciales Gobierno de La Rioja
Desde el año 1990, el Gobierno de La Rioja viene utilizando la tecnología SIG para la gestión de su territorio, aplicando nuevas técnicas como el uso del GPS en la recolección de los datos geográficos. Con el ánimo facilitar el acceso e todos los ciudadanos a la información geográfica de la CA de La Rioja y estimular la utilización de las nuevas tecnologías para el conocimiento y estudio de nuestro territorio, ponemos a su disposición en estas páginas la siguiente información:
* CARTOGRAFÍA TOPOGRÁFICA BÁSICA (formato gráfico y vectorial)
* ORTOFOTO AÉREA
* CARTOGRAFÍA TEMÁTICA
* FICHEROS GPS para corrección diferencial (Base Logroño)
Folleto informativo: http://www.iderioja.larioja.org/archivos/pdf/iderioja_es.pdf
Web del site Cartografía y Sistemas de Información Geográfica de La Rioja: http://www.iderioja.larioja.org/index.php?id=1&lang=es
* CARTOGRAFÍA TOPOGRÁFICA BÁSICA (formato gráfico y vectorial)
* ORTOFOTO AÉREA
* CARTOGRAFÍA TEMÁTICA
* FICHEROS GPS para corrección diferencial (Base Logroño)
Folleto informativo: http://www.iderioja.larioja.org/archivos/pdf/iderioja_es.pdf
Web del site Cartografía y Sistemas de Información Geográfica de La Rioja: http://www.iderioja.larioja.org/index.php?id=1&lang=es
martes, 26 de mayo de 2009
Servicios OGC de la Red de Información Ambiental de Andalucía
Se pone a disposición de los usuarios de la Red de Información Ambiental de Andalucía un apartado de servicios de acceso a grandes volúmenes de información georreferenciada, que cumplen los estándares aprobados por el Open Geospatial Consortium (OGC). Con ello se pretende fomentar el acceso del público en general a productos cartográficos de gran envergadura y a descargas de información geográfica producida por la Consejería de Medio Ambiente, de manera fácil y cumpliendo requisitos de interoperabilidad.
En una primera fase, se ofrecen varias series de servicios para visualización de mapas, ortofotos y ortoimágenes mediante Web Map Service (WMS).
El Web Map Service (WMS) abierto contiene
* Cartografía Ambiental
* Ortofotos
* Ortoimágenes
Acceso desde http://www.juntadeandalucia.es/medioambiente/site/web/menuitem.c9e8796b0432fb10e849d04650525ea0/?vgnextoid=bd95ee486a00a110VgnVCM1000000624e50aRCRD
En una primera fase, se ofrecen varias series de servicios para visualización de mapas, ortofotos y ortoimágenes mediante Web Map Service (WMS).
El Web Map Service (WMS) abierto contiene
* Cartografía Ambiental
* Ortofotos
* Ortoimágenes
Acceso desde http://www.juntadeandalucia.es/medioambiente/site/web/menuitem.c9e8796b0432fb10e849d04650525ea0/?vgnextoid=bd95ee486a00a110VgnVCM1000000624e50aRCRD
lunes, 25 de mayo de 2009
Capas del Instituto Cartográfico Valenciano
El Instituto Cartográfico Valenciano ha activado a disposición de los usuarios la siguiente dirección: http://icvmapas.icv.gva.es/wms. de donde podemos cargar las siguientes capas ráster: (y ortofotos 1996, 1997, 2000, 2002, 2003, 2004)
* [CV_global_800m] modelo_hipsometrico_800m
* [CV_global_500m] modelo_hipsometrico_500m
* [CV_global_100m] modelo_hipsometrico_100m
* [CV300_mdt] cv300_mdt
* [mdt_odcv05_10m] sombras_odcv05_10m_media
* [CV_global_800m] modelo_hipsometrico_800m
* [CV_global_500m] modelo_hipsometrico_500m
* [CV_global_100m] modelo_hipsometrico_100m
* [CV300_mdt] cv300_mdt
* [mdt_odcv05_10m] sombras_odcv05_10m_media
viernes, 22 de mayo de 2009
gvSig Extension Normalización de cadenas de texto
Dejo una referencia a esta extensión que realmente me ha simplificado mucho la vida a la hora de cargar datos en la aplicación. Se trata de la Extensión de Normalización.
La normalización de una cadena de texto consiste en sustraer de ésta un conjunto de subcadenas que poseen sentido por si solas. En el caso de una dirección postal, la normalización consiste en obtener de forma separada los distintos elementos que la forman, como puede ser el nombre de la calle, el código postal, el número de portal, el municipio, la provincia, etc. Este proceso de partición de la cadena original en distintas subcadenas con sentido propio se realiza gracias a la definición de los distintos caracteres que actúan como puntos de ruptura entre cadenas de texto.
Esta extensión permite realizar, por una parte, la normalización de cadenas que se encuentren en un fichero de texto plano (txt,*csv*, etc.), guardandolas posteriormente en los registros de una nueva tabla en formato dbf. Por otra parte, también se normalizan cadenas de texto que se encuentran en los registros de un campo de un tabla, almacenandose en la misma tabla en nuevos campos o en una tabla nueva, con la posibilidad de añadir camposcomunes con la original para poder realizar una posterior unión de tablas (Join).
Ejemplos de normalización:
Conde Salvatierra de Alava#34#10#46004#Valencia
Calle. Conde Salvatierra de Alava
Número. 34
Puerta. 10
CP. 46004
Ciudad. Valencia
533002.5;4757999.5;778.77
X UTM. 533002.5
Y UTM. 4757999.5
h. 778.77
Esta extensión añade a la interfaz de gvSIG dos botones en la barra de herramientas y dos nuevas funcionalidades en el menú Tabla.
Fuente Descarga
La normalización de una cadena de texto consiste en sustraer de ésta un conjunto de subcadenas que poseen sentido por si solas. En el caso de una dirección postal, la normalización consiste en obtener de forma separada los distintos elementos que la forman, como puede ser el nombre de la calle, el código postal, el número de portal, el municipio, la provincia, etc. Este proceso de partición de la cadena original en distintas subcadenas con sentido propio se realiza gracias a la definición de los distintos caracteres que actúan como puntos de ruptura entre cadenas de texto.
Esta extensión permite realizar, por una parte, la normalización de cadenas que se encuentren en un fichero de texto plano (txt,*csv*, etc.), guardandolas posteriormente en los registros de una nueva tabla en formato dbf. Por otra parte, también se normalizan cadenas de texto que se encuentran en los registros de un campo de un tabla, almacenandose en la misma tabla en nuevos campos o en una tabla nueva, con la posibilidad de añadir camposcomunes con la original para poder realizar una posterior unión de tablas (Join).
Ejemplos de normalización:
Conde Salvatierra de Alava#34#10#46004#Valencia
Calle. Conde Salvatierra de Alava
Número. 34
Puerta. 10
CP. 46004
Ciudad. Valencia
533002.5;4757999.5;778.77
X UTM. 533002.5
Y UTM. 4757999.5
h. 778.77
Esta extensión añade a la interfaz de gvSIG dos botones en la barra de herramientas y dos nuevas funcionalidades en el menú Tabla.
Fuente Descarga
miércoles, 20 de mayo de 2009
La importancia del estudio geográfico para el desarrollo empresarial
Conferencia del catedrático Diego Puga
El lugar geográfico en el que están ubicadas las empresas, dentro de las ciudades, supone un factor determinante para su posterior desarrollo empresarial. Es lo que se desprende de la última conferencia impartida en Madrid por el prestigioso economista Diego Puga.
Fuente: eldiarioexterior.com
Álvaro G. Carvajal 20 de mayo de 2009
En la primera parte de la conferencia, Diego Puga trató los factores que influyen en la productividad de una empresa. Para el profesor Puga, uno de esos factores fundamentales es la ubicación geográfica de la misma dentro del entramado de pequeñas y grandes urbes que conforman un país. Es, en un espacio que aglutine una mayor concentración de empresas, donde aumenta la productividad de cada una de ellas.
Esta concentración genera un aumento de la innovación de las empresas, por lo que las zonas o ciudades que presentan una mayor densidad son aquellas donde hay más diversidad y flexibilidad. Pero, una vez que las empresas se han desarrollado y encaminado hacia un producto en concreto, se desplazan a áreas más pequeñas y especializadas. Como ejemplo, Diego Puga destaca que en Francia, tres de cada cuatro empresas que cambian de ubicación lo hacen de metrópolis particularmente diversas, donde han desarrollado nuevos productos, hacia ciudades más especializadas.
Por otra parte, tras realizar un estudio sobre EEUU, el profesor Puga descubrió como hay una tendencia cada vez mayor a centralizar la gestión y administración de las empresas en las grandes urbes, mientras que la fabricación se desplaza cada vez más a ciudades más pequeñas y con menores costes.
En la segunda parte de la conferencia, el profesor Puga se centró en dos de sus estudios más recientes sobre concentración residencial realizados, uno de ellos en suelo americano y otro, más reciente, en África.
El primero de ellos, publicado en Quarterly Journal of Economics, estudia los patrones de construcción residencial dentro de cada ciudad de EEUU. Gracias a imágenes vía satélite tomadas de la superficie de EEUU, Diego Puga, estudia el crecimiento residencial de Norteamérica y destaca dos tipos de crecimiento de una ciudad: compacta o dispersa.
El segundo trabajo que ha comentado, más reciente y aún en estudio, trata sobre como las zonas agrestes de África son más ricas que las demás. Esto es debido, principalmente, a que fueron esas zonas las menos perseguidas durante la trata de esclavos en dicho continente.
El Catedrático de Investigación del IMDEA, Diego Puga, presentó el lunes en el Edificio Torre Espacio su conferencia "Geografía, productividad e innovación". Esta conferencia está incluida dentro del ciclo "Madrid, Comunidad del Conocimiento", organizada por el Instituto Madrileño de Desarrollo, IMADE, dirigido por el Catedrático Pedro Schwartz. La conferencia contó con la presencia de Aurelio García de Sola, gerente de IMADE.
Tras el pequeño coloquio posterior a la charla, donde pudieron tratar las dudas y demás apreciaciones al conferenciante, Pedro Schwartz y Aurelio García de Sola, cerraron el acto, agradeciendo a los asistentes su presencia a esta séptima conferencia del ciclo "Madrid, Comunidad del Conocimiento" organizada por IMADE.
El lugar geográfico en el que están ubicadas las empresas, dentro de las ciudades, supone un factor determinante para su posterior desarrollo empresarial. Es lo que se desprende de la última conferencia impartida en Madrid por el prestigioso economista Diego Puga.
Fuente: eldiarioexterior.com
Álvaro G. Carvajal 20 de mayo de 2009
En la primera parte de la conferencia, Diego Puga trató los factores que influyen en la productividad de una empresa. Para el profesor Puga, uno de esos factores fundamentales es la ubicación geográfica de la misma dentro del entramado de pequeñas y grandes urbes que conforman un país. Es, en un espacio que aglutine una mayor concentración de empresas, donde aumenta la productividad de cada una de ellas.
Esta concentración genera un aumento de la innovación de las empresas, por lo que las zonas o ciudades que presentan una mayor densidad son aquellas donde hay más diversidad y flexibilidad. Pero, una vez que las empresas se han desarrollado y encaminado hacia un producto en concreto, se desplazan a áreas más pequeñas y especializadas. Como ejemplo, Diego Puga destaca que en Francia, tres de cada cuatro empresas que cambian de ubicación lo hacen de metrópolis particularmente diversas, donde han desarrollado nuevos productos, hacia ciudades más especializadas.
Por otra parte, tras realizar un estudio sobre EEUU, el profesor Puga descubrió como hay una tendencia cada vez mayor a centralizar la gestión y administración de las empresas en las grandes urbes, mientras que la fabricación se desplaza cada vez más a ciudades más pequeñas y con menores costes.
En la segunda parte de la conferencia, el profesor Puga se centró en dos de sus estudios más recientes sobre concentración residencial realizados, uno de ellos en suelo americano y otro, más reciente, en África.
El primero de ellos, publicado en Quarterly Journal of Economics, estudia los patrones de construcción residencial dentro de cada ciudad de EEUU. Gracias a imágenes vía satélite tomadas de la superficie de EEUU, Diego Puga, estudia el crecimiento residencial de Norteamérica y destaca dos tipos de crecimiento de una ciudad: compacta o dispersa.
El segundo trabajo que ha comentado, más reciente y aún en estudio, trata sobre como las zonas agrestes de África son más ricas que las demás. Esto es debido, principalmente, a que fueron esas zonas las menos perseguidas durante la trata de esclavos en dicho continente.
El Catedrático de Investigación del IMDEA, Diego Puga, presentó el lunes en el Edificio Torre Espacio su conferencia "Geografía, productividad e innovación". Esta conferencia está incluida dentro del ciclo "Madrid, Comunidad del Conocimiento", organizada por el Instituto Madrileño de Desarrollo, IMADE, dirigido por el Catedrático Pedro Schwartz. La conferencia contó con la presencia de Aurelio García de Sola, gerente de IMADE.
Tras el pequeño coloquio posterior a la charla, donde pudieron tratar las dudas y demás apreciaciones al conferenciante, Pedro Schwartz y Aurelio García de Sola, cerraron el acto, agradeciendo a los asistentes su presencia a esta séptima conferencia del ciclo "Madrid, Comunidad del Conocimiento" organizada por IMADE.
martes, 19 de mayo de 2009
Manual de GeoMarketing
ESRI acaba de publicar un nuevo manual de Geomarketing sobre su plataforma.
http://gis.esri.com/esripress/display/index.cfm?fuseaction=display&websiteID=120&moduleID=1
Podemos echarle un vistazo online en: http://gis.esri.com/esripress/shared/images/120/ch03_TUTMKTG.pdf
viernes, 15 de mayo de 2009
martes, 12 de mayo de 2009
Trabajando con Capas o Layers
Funcionamiento básico de gvSIG, añadiendo Layers o Capas para trabajar:
domingo, 10 de mayo de 2009
sábado, 9 de mayo de 2009
viernes, 1 de mayo de 2009
gvSIG
gvSIG es una herramienta orientada al manejo de información geográfica. Se caracteriza por una interfaz amigable, siendo capaz de acceder a los formatos más usuales de forma ágil tanto ráster como vectoriales. Integra en una vista datos tanto locales como remotos a través de un origen WMS, WCS o WFS.
Está orientada a usuarios finales de información de naturaleza geográfica, sean profesionales o de administraciones públicas (ayuntamientos, diputaciones, consejerías o ministerios) de cualquier parte del mundo (actualmente dispone de interfaz en castellano, valenciano, inglés, alemán, checo, chino, euskera, gallego, francés, italiano, polaco, portugués y rumano ), siendo, además, gratuita.
Dada su naturaleza de software libre (open source) es de gran interés para la comunidad internacional de desarrolladores y, en concreto, para los ambientes universitarios por su componente I+D+I. De hecho se ha hecho un especial hincapié en la extensibilidad del proyecto de forma que los posibles desarrolladores puedan ampliar las funcionalidades de la aplicación fácilmente, así como desarrollar aplicaciones totalmente nuevas a partir de las librerías utilizadas en gvSIG (siempre y cuando cumplan la licencia GPL). La última versión es la 1.1.2 pero la verdad es que la 2.0.0 que se espera para Septiembre promete novedades interesantes.
Dentro de éste ámbito es de destacar la aplicación que ha desarrollado la Junta de Extremadura sobre GvSIG, denominada SEXTANTE, por la que ha dotado a gvSIG de capacidades de análisis geográfico tanto raster como vectorial con más de 150 extensiones, con geoestadística, índices de vegetación, perfiles y análisis hidrológico entre otras funcionalidades implementadas.
Blog de SEXTANTE
* Propósito: Cliente avanzado GIS de consulta, edición y creación de planos.
* Lenguaje de desarrollo:Java 100 % + algunas librerías externas para el acceso a formatos propietarios como ECW o MrSid.
* Multiplataforma: Funciona en sistemas Windows, Linux, Mac… etc. (Siempre y cuando esté instalada la máquina virtual java adecuada).
* Licencia GNU GPL
* Multilingüe. Soporta internacionalización de manera nativa, y es muy fácil crear nuevas traducciones del programa.
Mención aparte merecen las librerías utilizadas en el proyecto:
* Geotools2 => Magnífico proyecto. Hemos aprovechado todo lo relativo a proyecciones, y es probable que utilicemos más módulos.
* JTS (Java Topology Suite).=>Sin ella, todo lo referente a análisis espacial, consultas avanzadas y creación de topología, sería imposible.
* Log4java => Para que sepamos en todo momento qué está haciendo la aplicación y se cree un “log” o registro de los posibles fallos. Del proyecto Apache, un verdadero almacén de librerías útiles.
* Batik => También del proyecto Apache. En el futuro, la emplearemos para trabajar con SVG. Por ahora, la empleamos para etiquetar polilíneas.
* Castor=> Librería para manejar la persistencia de objetos. con ella se consigue guardar y recuperar los objetos del proyecto, y también la hemos empleado para realizar el cliente WMS, basándonos en los esquemas que suministra el Opengis Consortium.
* Ermapper=> Librería para trabajar con ECW libre. Solo Windows, pero gratuita. Muy rápida en la visualización, y consume poca memoria. Posibilita trabajar con ficheros raster enormes.
* GDAL=> La misma librería de acceso a raster que utiliza MapServer. También libre. La usamos tanto para leer como para escribir, y nos apoyamos en ella en el acceso a WMS y WCS.
* Lizardtech GeoDSDK => Librería cerrada para lectura de Mr SID.
Suscribirse a:
Entradas (Atom)