Antes de empezar hablar sobre tipo de datos, hay que entender que los datos en los SIG son el pilar fundamental para que los otros subsistemas funcionen, ya que está interrelacionado con todos los otros subsistemas.

TIPOS DE DATOS

Andrew Jaramillo Jaramillo C.C 1037325656

Antes de empezar hablar sobre tipo de datos, hay que entender que los datos en los SIG son el pilar fundamental para que los otros subsistemas funcionen, ya que está interrelacionado con todos los otros subsistemas.

Es muy común que datos e información se confundan entre sí, ya que son dos conceptos que van íntimamente ligados, pero son dos cosas totalmente diferentes. Los datos vienen siendo un conjunto de valores o elementos que se necesitan para representar algo, pero estos datos por si solos no tienen ningún sentido, es cuando se someten a una interpretación que nos pueden informar el significado que tiene, y ahora si podemos utilizar el dato y hacer operaciones sobre él dependiendo de la interpretación que se le haya dado. Un dato puede tener diversas interpretaciones llegando a tener más de una información, en muchas ocasiones se busca obtener de un dato la mayor información posible y que estos datos sean de códigos sencillos para que ocupen un volumen de almacenamiento menor. La manera en la que concebimos la información condiciona la forma de los datos.

Dependiendo del tipo de información que obtengamos de los datos, habrá una forma adecuada de entender, interpretar y manejar esta. Es por ello que necesitamos representar de la mejor manera una información extraída de una zona geográfica dada. Esto implica la construcción de un modelo (el dato geográfico), que representa la realidad, en el que podemos estudiar a fondo esta realidad, pero desde el modelo.  La cantidad de detalles de la realidad es infinita mientras el almacenamiento en un SIG es finito, lo que se busca es buscar valores numéricos y elementos característicos para representar dicha realidad.

Hay diversas maneras para un mismo tipo de información de representar la realidad y plasmar un modelo geográfico concreto, estas maneras se clasifican en dos grupos principales, que son el modelo raster y el modelo vectorial. El modelo raster se basa en una división sistemática del espacio, caracterizándolo como un conjunto de unidades elementales, mientras el modelo vectorial define el espacio mediante una serie de elementos geográficos con valores asociados, guardando relación geométrica con los objetos de la zona de estudio.

El modelo raster, determina una zona de manera sistemática, dividiendo está en una serie de unidades mínimas, que las llamaremos celdas. Estas celdas guardan la información, una celda puede tener más de una variable de información, aunque lo más común es que solo tenga un valor. Lo que más caracteriza al modelo raster es su sistematicidad, esto aparte de brindar los valores de las celdas nos muestra una relación entre ellas y esto es un aporte adicional. La coordenada de cada celda no es necesaria, únicamente su valor, ya que luego de definir una malla de celdas con sus valores esta se emplaza para poder luego definir las coordenadas de cada celda. La orientación de las capas raster es habitualmente Norte-Sur, cuando tenemos información que no es igual o perpendicular a este sentido, se generan espacios sin información, entonces hay que generar un valor arbitrario que identifique la falta de datos. Otra cosa importante en el modelo raster es la resolución, esta nos indica el tamaño de las celdas, a mayor resolución menor tamaño de las celdas. La representación raster es más adecuada para variables de tipo continuo, ya que una capa raster cubre todo el espacio y simplifica por su estructura sistemática la implementación de algoritmos y por ultimo las imágenes se cargan en modelos raster ya que son casi equivalentes, pixeles en las imágenes digitales y celdas en las capas raster.

Por otro lado, está el modelo vectorial, que representa las zonas recogiendo información de esta mediante entidades geométrica, es decir, modeliza el espacio geográfico mediante primitivas geométricas: el punto, líneas y polígonos.  Cada una de estas primitivas constituyen una única entidad, aunque también un grupo de polígonos asociados son una única entidad, un ejemplo sería el mapa de Canadá siendo un grupo de polígonos disjuntos. En el caso de polígonos con huecos se registran igual que polígonos disjuntos, se recogen los huecos como polígonos independientes y se restan. No se debe pensar que el modelo vectorial únicamente sirve para recoger elementos que coinciden con las primitivas geométricas, porque también se pueden representar campos y recoger variables como la elevación.

Mientras que, en el modelo vectorial, se pueden representar una capa de puntos, similar a lo que sería una malla de celdas en el modelo roster, la capa de puntos tendría espacios vacíos en las que no sabríamos el valor de la variable, mientras que en el modelo roster, las celdas tienen una superficie y cubren todo el espacio. Otra cosa sería que en el modelo vectorial a cada punto se le tiene que agregar su respectiva coordenada mientras que en un modelo roster, las celdas obtienen su coordenada de acuerdo a una coordenada inicial que se le indique.  Entre sus principales diferencias están: que el modelo roster hace más énfasis en la característica del espacio que analizamos (qué y cómo) mientras el modelo vectorial nos lleva a darle la priorización a la ubicación de la característica (dónde); el modelo roster está limitado a ángulos rectos lo cual nos da una capacidad limitada para representar las formas geográficas y a su vez las celdas podrían contener información de una vía que pasa por la mitad pero esta información se pierde, definiéndola como celda de vía sin saber si ahí llegan más vías o como se entrelazan. Los modelos raster tienen que cargar con más volumen de almacenamiento pues se tienen que definir incluso espacios vacíos y todos los datos de cada celda, pero a cambio de eso los modelos raster son más sencillos en cuanto a operar entre distintas capas o hacer algoritmos entre ellas, pues las operaciones matemáticas son mucho más sencillas y menos costosas.

...