La generalización cartográfica , o generalización de mapas , incluye todos los cambios que se realizan en un mapa cuando se deriva un mapa de menor escala a partir de un mapa de mayor escala o de datos cartográficos. Es una parte fundamental del diseño cartográfico . Ya sea que se realice manualmente por un cartógrafo o mediante una computadora o un conjunto de algoritmos , la generalización busca abstraer la información espacial con un alto nivel de detalle a información que se pueda representar en un mapa con un nivel de detalle más bajo.
El cartógrafo tiene la libertad de ajustar el contenido de sus mapas para crear un mapa adecuado y útil que transmita información espacial, logrando al mismo tiempo el equilibrio adecuado entre el propósito del mapa y el detalle preciso del tema que se representa. Los mapas bien generalizados son aquellos que enfatizan los elementos más importantes del mapa y al mismo tiempo representan el mundo de la manera más fiel y reconocible.
Durante la primera mitad del siglo XX, los cartógrafos comenzaron a pensar seriamente en cómo las características que dibujaban dependían de la escala. Eduard Imhof , uno de los cartógrafos académicos y profesionales más destacados de la época, publicó un estudio de los planos de ciudades en mapas a distintas escalas en 1937, en el que detallaba varias formas de generalización que se producían, incluidas las que más tarde se denominarían simbolización, fusión, simplificación, mejora y desplazamiento. [1] A medida que surgieron los enfoques analíticos de la geografía en las décadas de 1950 y 1960, la generalización, especialmente la simplificación de líneas y el suavizado de tramas, fue un objetivo de estudio. [2] [3] [4]
La generalización fue probablemente el aspecto más estudiado de la cartografía desde la década de 1970 hasta la de 1990. Esto se debe probablemente a que encajaba en las dos principales tendencias de investigación de la época: la comunicación cartográfica (especialmente los algoritmos de procesamiento de señales basados en la teoría de la información ) y las oportunidades que brindaba el avance tecnológico (debido a su potencial para la automatización). Las primeras investigaciones se centraron principalmente en algoritmos para automatizar operaciones de generalización individuales. [5] A fines de la década de 1980, los cartógrafos académicos estaban pensando en grande, desarrollando una teoría general de generalización y explorando el uso de sistemas expertos y otras tecnologías nacientes de inteligencia artificial para automatizar todo el proceso, incluidas las decisiones sobre qué herramientas usar y cuándo. [6] [7] Estas vías naufragaron un poco a fines de la década de 1990, coincidiendo con una pérdida general de fe en la promesa de la IA y el surgimiento de críticas posmodernas sobre los impactos de la automatización del diseño.
En los últimos años, la comunidad de generalización ha experimentado un resurgimiento, impulsado en parte por las oportunidades renovadas de la IA. Otra tendencia reciente ha sido el enfoque en la cartografía multiescala , integrando bases de datos SIG desarrolladas para varias escalas objetivo, reduciendo el alcance de la necesidad de generalización a las "brechas" de escala entre ellas, un nivel más manejable para la automatización. [8]
La generalización se define a menudo simplemente como la eliminación de detalles, pero se basa en la noción, originalmente adoptada de la teoría de la información , del volumen de información o detalle que se encuentra en el mapa, y cómo ese volumen está controlado por la escala del mapa, el propósito del mapa y la audiencia a la que se dirige. Si existe una cantidad óptima de información para un proyecto cartográfico determinado, entonces la generalización es el proceso de tomar los datos existentes disponibles, a menudo llamados (especialmente en Europa) el modelo digital del paisaje (DLM), que por lo general, pero no siempre, tiene una cantidad de información mayor que la necesaria, y procesarlos para crear un nuevo conjunto de datos, a menudo llamado el modelo cartográfico digital (DCM), con la cantidad deseada. [6]
Se han propuesto muchos modelos conceptuales generales para comprender este proceso, que a menudo intentan capturar el proceso de decisión del cartógrafo maestro humano. Uno de los modelos más populares, desarrollado por McMaster y Shea en 1988, divide estas decisiones en tres fases: objetivos filosóficos , las razones generales por las que la generalización es deseable o necesaria y los criterios para evaluar su éxito; evaluación cartométrica , las características de un mapa determinado (o entidad dentro de ese mapa) que exigen generalización; y transformaciones espaciales y de atributos , el conjunto de operadores de generalización disponibles para usar en una entidad, capa o mapa determinados. [7] En la primera fase, la más conceptual, McMaster y Shea muestran cómo la generalización juega un papel central en la resolución de los objetivos a menudo conflictivos del diseño cartográfico en su conjunto: funcionalidad versus estética, riqueza de información versus claridad y el deseo de hacer más versus las limitaciones de la tecnología y el medio. Estos conflictos se pueden reducir a un conflicto básico entre la necesidad de más datos en el mapa y la necesidad de menos, con la generalización como herramienta para equilibrarlos.
Un desafío con el enfoque de la teoría de la información para la generalización es su base en la medición de la cantidad de información en el mapa, antes y después de los procedimientos de generalización. [9] Se podría concebir un mapa como cuantificable por su densidad de información del mapa , el número promedio de "bits" de información por unidad de área en el mapa (o su corolario, la resolución de la información , la distancia promedio entre bits), y por su densidad de información terrestre o resolución , las mismas medidas por unidad de área en la Tierra. La escala sería entonces proporcional a la relación entre ellas, y un cambio en la escala requeriría el ajuste de una o ambas por medio de la generalización.
Pero, ¿qué se considera un "bit" de información de un mapa? En casos específicos, esto no es difícil, como por ejemplo contar el número total de características del mapa o el número de vértices de una sola línea (posiblemente reducido al número de vértices salientes ); esta sencillez explica por qué estos fueron los primeros objetivos de la investigación de generalización. [4] Sin embargo, es un desafío para el mapa en general, en el que surgen preguntas como "¿cuánta información gráfica hay en una etiqueta de mapa: un bit (la palabra entera), un bit para cada carácter o bits para cada vértice o curva en cada carácter, como si fueran características de cada área?" Cada opción puede ser relevante en diferentes momentos.
Esta medición se complica aún más por el papel de la simbología del mapa , que puede afectar la densidad aparente de información . Un mapa con una fuerte jerarquía visual (es decir, con capas menos importantes atenuadas pero aún presentes) tiene una estética de ser "claro" porque parece a primera vista contener menos datos de los que realmente contiene; por el contrario, un mapa sin jerarquía visual, en el que todas las capas parecen igualmente importantes, podría resumirse como "desordenado" porque la primera impresión es que contiene más datos de los que realmente contiene. [10] Por lo tanto, diseñar un mapa para lograr la estética gestalt deseada tiene que ver con gestionar la densidad aparente de información más que la densidad real de información. En palabras de Edward Tufte , [11]
La confusión y el desorden son fallas del diseño, no atributos de la información. Por eso, lo importante es encontrar estrategias de diseño que revelen detalles y complejidad, en lugar de culpar a los datos por un exceso de complejidad.
Hay trabajos recientes que reconocen el papel de los símbolos de mapas, incluida la tipología de Roth-Brewer de operadores de generalización, [12] aunque aclaran que la simbología no es una forma de generalización, solo un compañero de la generalización para lograr una densidad de información aparente deseada. [13]
Existen muchas técnicas cartográficas que se utilizan para ajustar la cantidad de datos geográficos en el mapa. A lo largo de las décadas de investigación sobre generalización, se han publicado más de una docena de listas únicas de dichos operadores de generalización , con diferencias significativas. De hecho, existen múltiples revisiones que comparan las listas [5] [12] [14] e incluso ellas omiten algunas de las más importantes, como la que se encuentra en el primer libro de texto de John Keates (1973), que aparentemente se adelantó a su tiempo [15] . Algunas de estas operaciones se han automatizado mediante múltiples algoritmos, con herramientas disponibles en sistemas de información geográfica y otro software; otras han demostrado ser mucho más difíciles, y la mayoría de los cartógrafos aún las realizan manualmente.
También llamado filtro, omisión.
Uno de los primeros operadores que se reconoció y analizó, que apareció por primera vez en la lista Keates de 1973, [4] [15], es la selección, el proceso de simplemente eliminar entidades geográficas enteras del mapa. Hay dos tipos de selección, que se combinan en algunos modelos y se separan en otros:
En la selección de características, la elección de qué características mantener o excluir es más difícil de lo que parece. El uso de un atributo simple de tamaño real (población de la ciudad, ancho de la carretera o volumen de tráfico, volumen del caudal del río), aunque a menudo está fácilmente disponible en los datos SIG existentes, a menudo produce una selección que está excesivamente concentrada en algunas áreas y dispersa en otras. Por lo tanto, los cartógrafos a menudo los filtran utilizando su grado de importancia regional , su prominencia en su área local en lugar del mapa en su conjunto, lo que produce un mapa más equilibrado, pero es más difícil de automatizar. Se han desarrollado muchas fórmulas para clasificar automáticamente la importancia regional de las características, por ejemplo, equilibrando el tamaño bruto con la distancia a la característica más cercana de tamaño significativamente mayor, similar a las medidas de prominencia topográfica , pero esto es mucho más difícil para las características de línea que para los puntos, y a veces produce resultados no deseados (como el "problema de Baltimore", en el que las ciudades que parecen importantes quedan fuera).
Otro enfoque consiste en codificar manualmente un juicio subjetivo de importancia regional en los datos SIG, que posteriormente puede utilizarse para filtrar características; este fue el enfoque adoptado para el conjunto de datos Natural Earth creado por los cartógrafos.
Otro de los primeros enfoques de la investigación de generalización, [4] [15] la simplificación es la eliminación de vértices en líneas y límites de área. Se han desarrollado diversos algoritmos, pero la mayoría implican la búsqueda a través de los vértices de la línea, eliminando aquellos que contribuyen menos a la forma general de la línea. El algoritmo Ramer-Douglas-Peucker (1972/1973) es una de las primeras y aún más comunes técnicas para la simplificación de líneas. [16] La mayoría de estos algoritmos, especialmente los primeros, dieron mayor prioridad a la reducción del tamaño de los conjuntos de datos en los días del almacenamiento digital limitado, que a la apariencia de calidad en los mapas, y a menudo producen líneas que parecen excesivamente angulares, especialmente en curvas como los ríos. Otros algoritmos incluyen el algoritmo Wang-Müller (1998), que busca curvas críticas y suele ser más preciso a costa del tiempo de procesamiento, y el algoritmo Zhou-Jones (2005) y el algoritmo Visvalingam-Whyatt (1992), que utilizan las propiedades de los triángulos dentro del polígono para determinar qué vértices eliminar. [17]
En el caso de las características de línea (y los límites de área), el suavizado parece similar a la simplificación y, en el pasado, a veces se combinaba con la simplificación. La diferencia es que el suavizado está diseñado para hacer que la forma general de la línea parezca más simple al eliminar pequeños detalles; lo que en realidad puede requerir más vértices que el original. La simplificación tiende a hacer que una línea curva parezca angular, mientras que el suavizado tiende a hacer lo contrario.
El principio de suavizado también se utiliza a menudo para generalizar representaciones rasterizadas de campos , a menudo utilizando un enfoque de suavizado Kernel . Este fue en realidad uno de los primeros algoritmos de generalización publicados, por Waldo Tobler en 1966. [3]
También llamado disolver, amalgamación, aglomeración o combinar.
Esta operación, identificada por Imhof en 1937, [1] implica la combinación de características vecinas en una única característica del mismo tipo, en escalas donde la distinción entre ellas no es importante. Por ejemplo, una cadena montañosa puede constar de varias crestas aisladas en el entorno natural, pero se muestra como una cadena continua en una escala pequeña del mapa. O bien, los edificios adyacentes en un complejo podrían combinarse en un único "edificio". Para una interpretación adecuada, el lector del mapa debe tener en cuenta que, debido a las limitaciones de escala, los elementos combinados no son representaciones perfectas de características naturales o artificiales. [18] Disolver es una herramienta SIG común que se utiliza para esta operación de generalización, [19] pero se han desarrollado herramientas SIG adicionales para situaciones específicas, como encontrar polígonos muy pequeños y fusionarlos en polígonos vecinos más grandes. Este operador es diferente de la agregación porque no hay cambio en la dimensionalidad (es decir, las líneas se disuelven en líneas y los polígonos en polígonos), y los objetos originales y finales son del mismo tipo conceptual (por ejemplo, el edificio se convierte en edificio).
También llamada combinación o regionalización
La agregación es la fusión de múltiples características en una nueva característica compuesta, a menudo de mayor dimensión (normalmente apunta a áreas). La nueva característica es de un tipo ontológico diferente de los individuos originales, porque conceptualiza al grupo. Por ejemplo, una multitud de "edificios" se puede convertir en una única región que representa un "área urbana" (no un "edificio"), o un grupo de "árboles" en un "bosque". [16] Algunos programas de SIG tienen herramientas de agregación que identifican grupos de características y los combinan. [20] La agregación se diferencia de la fusión en que puede operar en todas las dimensiones, como la agregación de puntos a líneas, puntos a polígonos, líneas a polígonos y polígonos a polígonos, y en que existe una diferencia conceptual entre la fuente y el producto.
También llamado refinamiento de distribución
Typify es un operador de simbología que reemplaza un gran conjunto de características similares con un número menor de símbolos representativos, lo que da como resultado un mapa más disperso y limpio. [21] Por ejemplo, un área con docenas de minas podría simbolizarse con solo 3 o 4 símbolos de minas que no representan ubicaciones reales de minas, solo la presencia general de minas en el área. A diferencia del operador de agregación que reemplaza muchas características relacionadas con una sola característica de "grupo", los símbolos utilizados en el operador typify aún representan individuos, solo individuos "típicos". Reduce la densidad de características mientras mantiene su ubicación y diseño relativos. Cuando se utiliza el operador typify, se crea un nuevo conjunto de símbolos, no cambia los datos espaciales. Este operador se puede utilizar en características de punto, línea y polígono.
También llamado Simbolizar
Este operador reduce la dimensión de una característica, como la práctica común de representar ciudades (bidimensionales) como puntos (dimensionales cero) y carreteras (bidimensionales) como líneas (unidimensionales). Con frecuencia, se aplica un símbolo de mapa a la geometría resultante para dar una indicación general de su extensión original, como el diámetro de un punto para representar la población de la ciudad o el grosor de una línea para representar el número de carriles de una carretera. Imhof (1937) analiza estas generalizaciones particulares en profundidad. [1] Este operador imita con frecuencia una práctica de generalización cognitiva similar. Por ejemplo, analizar de forma inequívoca la distancia entre dos ciudades implica una conceptualización de punto de una ciudad, y el uso de frases como "en la carretera" o "a lo largo de la carretera" o incluso direcciones de calles implica una conceptualización de línea de una carretera.
Este operador simplifica principalmente los atributos de las entidades, aunque también puede resultar en una simplificación geométrica. Si bien la categorización se utiliza para una amplia variedad de propósitos, en este caso la tarea es tomar un amplio rango de valores que es demasiado complejo para representarlo en el mapa de una escala dada y reducirlo a unas pocas categorías que son mucho más simples de representar, especialmente si los patrones geográficos dan como resultado grandes regiones de la misma categoría. Un ejemplo sería tomar una capa de cobertura terrestre con 120 categorías y agruparlas en 5 categorías (urbano, agricultura, bosque, agua, desierto), lo que generaría un mapa espacialmente más simple. Para campos discretos (también conocidos como coberturas categóricas o mapas de clase de área) representados como polígonos vectoriales , como cobertura terrestre , tipo de clima , tipo de suelo , zonificación de la ciudad o geología de la superficie , la reclasificación a menudo da como resultado polígonos adyacentes con la misma categoría, lo que requiere una operación de disolución posterior para fusionarlos.
La exageración es el ajuste parcial de la geometría o la simbología para hacer que algún aspecto de una característica sea más grande de lo que realmente es, con el fin de hacerlas más visibles, reconocibles o más altas en la jerarquía visual . Por ejemplo, un conjunto de curvas cerradas en una carretera se unirían en un mapa a pequeña escala, por lo que la carretera se vuelve a dibujar con los bucles más grandes y más separados que en la realidad. Un ejemplo de simbología sería dibujar autopistas como líneas gruesas en un mapa a pequeña escala que tendrían kilómetros de ancho si se midieran según la escala. La exageración a menudo requiere una operación de desplazamiento posterior porque la característica exagerada se superpone a la ubicación real de las características cercanas, lo que requiere su ajuste. [16]
También llamado resolución de conflictos
El desplazamiento se puede emplear cuando dos objetos están tan cerca uno del otro que se superpondrían en escalas más pequeñas, especialmente cuando un operador exagerado ha hecho que los dos objetos sean más grandes de lo que son en realidad. Un lugar común donde esto ocurriría son las ciudades de Brazzaville y Kinshasa a ambos lados del río Congo en África. Ambas son la capital de su país y en los mapas generales se mostrarían con un símbolo ligeramente más grande que el de otras ciudades. Dependiendo de la escala del mapa, los símbolos se superpondrían. Al desplazarlos a ambos lejos del río (y lejos de su ubicación real) se puede evitar la superposición de símbolos. Otro caso común es cuando una carretera y un ferrocarril corren paralelos entre sí. Keates (1973) fue uno de los primeros en usar los términos modernos para exageración y desplazamiento y discutir su estrecha relación, pero fueron reconocidos ya por Imhof (1937) [1] [15]
Se trata de la adición de símbolos u otros detalles en un mapa de escala más pequeña para hacer que una característica particular tenga más sentido, especialmente cuando dicha comprensión es importante para el propósito del mapa. Un ejemplo común es la adición de un símbolo de puente para enfatizar que un cruce de camino no está a nivel, sino que es un paso elevado . A gran escala, tal símbolo puede no ser necesario debido a la simbología diferente y al mayor espacio para mostrar la relación real. Esta adición puede parecer contraintuitiva si uno solo piensa en la generalización como la eliminación de detalles. Este es uno de los operadores menos comúnmente enumerados. [12]
A medida que los SIG se fueron desarrollando desde finales de los años 1960 en adelante, se hizo evidente la necesidad de técnicas de generalización algorítmicas y automáticas. Lo ideal sería que los organismos responsables de la recopilación y el mantenimiento de datos espaciales intentaran mantener una única representación canónica de una característica dada, con el mayor nivel de detalle posible. De esa manera, sólo habría un registro que actualizar cuando esa característica cambiara en el mundo real. [5] A partir de estos datos a gran escala, lo ideal sería que fuera posible, mediante la generalización automatizada, producir mapas y otros productos de datos a cualquier escala requerida. La alternativa es mantener bases de datos separadas, cada una a la escala requerida para un conjunto determinado de proyectos cartográficos, cada uno de los cuales requiere atención cuando algo cambia en el mundo real.
En esta época se desarrollaron varios enfoques amplios de generalización:
En la superficie de la Tierra hay muchas más características geográficas pequeñas que grandes, o muchas más cosas pequeñas que grandes en los mapas. Esta noción de muchas más cosas pequeñas que grandes también se llama heterogeneidad espacial, que se ha formulado como ley de escala. [22] La generalización cartográfica o cualquier práctica de mapeo en general consiste esencialmente en retener la escala subyacente de numerosos elementos más pequeños, muy pocos de los más grandes y algunos entre los más pequeños y los más grandes. [23] Este proceso de mapeo se puede lograr de manera eficiente y efectiva mediante rupturas de cabeza/cola , [24] [25] un nuevo esquema de clasificación o herramienta de visualización para datos con una distribución de cola pesada. Es probable que la ley de escala reemplace a la ley radical de Töpfer para convertirse en una ley universal para varias prácticas de mapeo. Lo que subyace a la ley de escala es algo así como un cambio de paradigma de la geometría euclidiana a la fractal, del pensamiento no recursivo al pensamiento recursivo. [26]
El fenómeno de Baltimore [ cita requerida ] , o efecto Baltimore , es la tendencia a que una ciudad (u otro objeto) se omita de los mapas debido a limitaciones de espacio, mientras que las ciudades más pequeñas se incluyen en el mismo mapa simplemente porque hay espacio disponible para mostrarlas. Este fenómeno debe su nombre a la ciudad de Baltimore, Maryland , que tiende a omitirse en los mapas debido a la presencia de ciudades más grandes en las proximidades dentro de los Estados Unidos del Atlántico Medio, a saber, Washington DC , la capital de los Estados Unidos . Inversamente, mientras que las ciudades más grandes cerca de Baltimore aparecen en los mapas, ciudades más pequeñas y menos conocidas como Alice Springs y Yulara en Australia también pueden aparecer en la misma escala simplemente porque hay suficiente espacio para ellas en el mapa. [ cita requerida ]
Aunque el fenómeno de Baltimore se da con mayor frecuencia en los sitios de mapas automatizados, no ocurre en todas las escalas. Los sitios de mapas populares como Google Maps, Bing Maps, OpenStreetMap y Yahoo Maps solo comenzarán a mostrar Baltimore en ciertos niveles de zoom: 5.º, 6.º, 7.º, etc. [ cita requerida ]