La generalización cartográfica , o generalización de mapas , incluye todos los cambios en un mapa que se realizan cuando uno deriva un mapa de menor escala a partir de un mapa de mayor escala o de datos de mapas. Es una parte central del diseño cartográfico . Ya sea que la realice manualmente un cartógrafo o una computadora o un conjunto de algoritmos , la generalización busca abstraer información espacial con un alto nivel de detalle en información que se puede representar en un mapa con un nivel de detalle más bajo.
El cartógrafo tiene licencia para ajustar el contenido de sus mapas para crear un mapa adecuado y útil que transmita información espacial, al tiempo que logra el equilibrio adecuado entre el propósito del mapa y el detalle preciso del tema que se está mapeando. 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 los rasgos que dibujaban dependían de la escala. Eduard Imhof , uno de los cartógrafos académicos y profesionales más destacados de la época, publicó en 1937 un estudio de planos de ciudades en mapas a diversas escalas, detallando varias formas de generalización que se produjeron, incluidas las que más tarde se denominaron simbolización, fusión, simplificación, realce 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 de la cartografía más estudiado desde los años setenta hasta los noventa. Probablemente esto se deba a que encaja dentro de 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 ofrece el avance tecnológico (debido a su potencial de automatización). Las primeras investigaciones se centraron principalmente en algoritmos para automatizar operaciones de generalización individuales. [5] A finales 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 incipientes de inteligencia artificial para automatizar todo el proceso, incluidas las decisiones sobre qué herramientas usar y cuándo. [6] [7] Estas vías fracasaron un poco a finales de la década de 1990, coincidiendo con una pérdida general de fe en la promesa de la IA y el aumento de las críticas posmodernas a los impactos de la automatización del diseño.
En los últimos años, la comunidad de generalización ha experimentado un resurgimiento, impulsado en parte por las renovadas oportunidades de la IA. Otra tendencia reciente ha sido centrarse en el mapeo 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 a menudo se define simplemente como eliminar 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 es controlado por la escala del mapa, el propósito del mapa y la intención. audiencia. Si existe una cantidad óptima de información para un proyecto cartográfico determinado, entonces la generalización es el proceso de tomar los datos disponibles existentes, a menudo llamado (especialmente en Europa) modelo de paisaje digital (DLM), que generalmente, aunque no siempre, tiene una mayor cantidad de información. información de la necesaria y procesarla para crear un nuevo conjunto de datos, a menudo llamado modelo cartográfico digital (DCM), con la cantidad deseada. [6]
Se han propuesto muchos modelos conceptuales generales para comprender este proceso, a menudo intentando capturar el proceso de decisión del maestro cartógrafo 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 criterios para evaluar su éxito; Evaluación cartométrica , las características de un mapa determinado (o característica dentro de ese mapa) que exige generalización; y Transformaciones espaciales y de atributos , el conjunto de operadores de generalización disponibles para usar en una característica, capa o mapa determinado. [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 frente a las limitaciones de la tecnología y el medio. Estos conflictos pueden reducirse 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 medir la cantidad de información en el mapa, antes y después de los procedimientos de generalización. [9] Se podría concebir un mapa cuantificado 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 o resolución de la información terrestre , las mismas medidas por unidad de área en la Tierra. La escala sería entonces proporcional a la relación entre ellos, y un cambio de escala requeriría el ajuste de uno o ambos mediante generalización.
Pero, ¿qué se considera un "bit" de información cartográfica? En casos específicos, eso no es difícil, como contar el número total de entidades en el mapa o el número de vértices en una sola línea (posiblemente reducido al número de vértices salientes ); Tal sencillez explica por qué estos fueron los primeros objetivos de la investigación sobre generalización. [4] Sin embargo, es un desafío para el mapa en general, en el que surgen interrogantes como "cuánta información gráfica hay en una etiqueta de mapa: un bit (la palabra completa), un bit por cada carácter, o bits por ¿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 la información . Un mapa con una fuerte jerarquía visual (es decir, con capas menos importantes atenuadas pero aún presentes) conlleva una estética de ser "claro" porque a primera vista parece 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] Diseñar un mapa para lograr la estética gestalt deseada implica, por lo tanto, gestionar la densidad de información aparente más que la densidad de información real. En palabras de Edward Tufte , [11]
La confusión y el desorden son fallas de diseño, no atributos de información. Por eso, la cuestión es encontrar estrategias de diseño que revelen detalle y complejidad, en lugar de criticar los datos por un exceso de complicación.
Hay trabajos recientes que reconocen el papel de los símbolos cartográficos, incluida la tipología Roth-Brewer de operadores de generalización, [12] aunque aclaran que la simbología no es una forma de generalización, sino simplemente 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 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, hay múltiples revisiones que comparan las listas, [5] [12] [14] e incluso pasan por alto algunas destacadas, 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 han sido automatizadas mediante múltiples algoritmos, con herramientas disponibles en sistemas de información geográfica y otros software; otros han resultado mucho más difíciles y la mayoría de los cartógrafos todavía los realizan manualmente.
También llamado filtro, omisión.
Uno de los primeros operadores en ser reconocido y analizado, que apareció por primera vez en la lista de Keates de 1973, [4] [15] la selección es el proceso de simplemente eliminar características geográficas completas del mapa. Existen dos tipos de selección, que en algunos modelos se combinan y en otros se separan:
En la selección de funciones, la elección de qué funciones conservar o excluir es más desafiante de lo que parece. El uso de un atributo simple del tamaño del mundo real (población de la ciudad, ancho de la carretera o volumen de tráfico, volumen del flujo 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 escasa 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 puntos, y a veces produce resultados indeseables (como el "Problema de Baltimore", en el que ciudades que parecen importantes quedan fuera).
Otro enfoque consiste en codificar manualmente un juicio subjetivo de importancia regional en los datos del SIG, que posteriormente se puede utilizar para filtrar características; este fue el enfoque adoptado para el conjunto de datos de Natural Earth creado por los cartógrafos.
Otro foco inicial de la investigación sobre la generalización, [4] [15], la simplificación es la eliminación de vértices en líneas y límites de áreas. Se han desarrollado una variedad de algoritmos, pero la mayoría implica buscar en los vértices de la línea, eliminando aquellos que contribuyen menos a la forma general de la línea. El algoritmo de Ramer-Douglas-Peucker (1972/1973) es una de las primeras y aún más comunes técnicas de simplificación de líneas. [16] La mayoría de estos algoritmos, especialmente los primeros, otorgaron mayor prioridad a la reducción del tamaño de los conjuntos de datos en los días de almacenamiento digital limitado, que a la apariencia de calidad en los mapas, y a menudo producen líneas que parecen excesivamente angulares, especialmente en las curvas. como los ríos. Algunos otros algoritmos incluyen el algoritmo de Wang-Müller (1998), que busca curvaturas críticas y suele ser más preciso a costa del tiempo de procesamiento, y el algoritmo de Zhou-Jones (2005) y el algoritmo de Visvalingam-Whyatt (1992), que utilizan propiedades de los triángulos dentro del polígono para determinar qué vértices eliminar. [17]
Para entidades de línea (y 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 eliminando pequeños detalles; 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 más suave de Kernel . En realidad, este fue uno de los primeros algoritmos de generalización publicados por Waldo Tobler en 1966. [3]
También se llama disolver, amalgamación, aglomeración o combinación.
Esta operación, identificada por Imhof en 1937, [1] implica combinar elementos vecinos en un único elemento del mismo tipo, a escalas donde la distinción entre ellos no es importante. Por ejemplo, una cadena montañosa puede consistir en varias crestas aisladas en el entorno natural, pero mostradas como una cadena continua en una escala pequeña en el mapa. O bien, los edificios adyacentes de un complejo podrían combinarse en un solo "edificio". Para una interpretación adecuada, el lector de mapas debe tener en cuenta que, debido a 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 llamado combinación o regionalización.
La agregación es la fusión de múltiples características en una nueva característica compuesta, a menudo de mayor dimensión (generalmente apunta a áreas). El nuevo rasgo es de tipo ontológico diferente a los individuos originales, porque conceptualiza al grupo. Por ejemplo, una multitud de "edificios" pueden convertirse en una sola región que represente un "área urbana" (no un "edificio"), o un grupo de "árboles" en un "bosque". [16] Algunos software SIG tienen herramientas de agregación que identifican grupos de características y las combinan. [20] La agregación se diferencia de la fusión en que puede operar en todas las dimensiones, como agregar 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 la distribución.
Typify es un operador de simbología que reemplaza un gran conjunto de características similares con una cantidad 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 la ubicación real de las minas, solo la presencia general de minas en el área. A diferencia del operador de agregación que reemplaza muchas características relacionadas con una única característica de "grupo", los símbolos utilizados en el operador tipificar todavía representan individuos, solo individuos "típicos". Reduce la densidad de características manteniendo su ubicación y diseño relativos. Cuando se utiliza el operador tipificar, se crea un nuevo conjunto de símbolos, no cambia los datos espaciales. Este operador se puede utilizar en entidades de puntos, líneas y polígonos.
También llamado simbolizar
Este operador reduce la dimensión de una característica, como la práctica común de representar ciudades (bidimensionales) como puntos (0 dimensiones) 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 del punto para representar la población de la ciudad o el grosor de la línea para representar el número de carriles en una carretera. Imhof (1937) analiza detalladamente estas generalizaciones particulares. [1] Este operador frecuentemente imita una práctica de generalización cognitiva similar. Por ejemplo, discutir sin ambigüedades la distancia entre dos ciudades implica una conceptualización puntual de una ciudad, y usar frases como "carretera arriba" o "a lo largo de la carretera" o incluso direcciones de calles implica una conceptualización lineal 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 consiste en tomar una amplia gama de valores que es demasiado compleja para representarla en el mapa de una escala determinada y reducirla a unas pocas categorías que son mucho más simples de representar. representan, 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 haría 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 del suelo , 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 hacerlo más visible, reconocible o más alto en la jerarquía visual . Por ejemplo, un conjunto de curvas cerradas en una carretera se juntarían en un mapa de 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 carreteras como líneas gruesas en un mapa a pequeña escala que tendría kilómetros de ancho si se midiera 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. [dieciséis]
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 realmente son. 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 un poco más grande que otras ciudades. Dependiendo de la escala del mapa, los símbolos se superpondrían. Al desplazarlos a ambos lejos del río (y lejos de su verdadera ubicación), se puede evitar la superposición de símbolos. Otro caso común es cuando una carretera y un ferrocarril discurren paralelos entre sí. Keates (1973) fue uno de los primeros en utilizar los términos modernos para exageración y desplazamiento y discutir su estrecha relación, pero ya fueron reconocidos por Imhof (1937) [1] [15]
Se trata de la adición de símbolos u otros detalles en un mapa de menor escala 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 carreteras 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 sólo se piensa en la generalización como la eliminación de detalles. Este es uno de los operadores que cotizan con menor frecuencia. [12]
A medida que los SIG se desarrollaron aproximadamente a finales de la década de 1960, se hizo evidente la necesidad de técnicas de generalización algorítmica y automática. Idealmente, las agencias responsables de recopilar y mantener datos espaciales deberían intentar mantener solo una representación canónica de una característica determinada, con el mayor nivel de detalle posible. De esa manera, solo hay un registro para actualizar cuando esa característica cambia en el mundo real. [5] A partir de estos datos a gran escala, idealmente debería ser 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 una de las cuales requiere atención cuando algo cambia en el mundo real.
En esta época se desarrollaron varios enfoques amplios de generalización:
Hay muchos más accidentes geográficos pequeños que grandes en la superficie de la Tierra, o muchas más cosas pequeñas que grandes en los mapas. Esta noción de que hay muchas más cosas pequeñas que grandes también se denomina heterogeneidad espacial, que se ha formulado como ley de escala. [22] La generalización cartográfica o cualquier práctica cartográfica en general consiste esencialmente en conservar la escala subyacente de muchos más pequeños, unos pocos 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 la ley radical de Töpfer y se convierta en una ley universal para diversas prácticas cartográficas. Lo que subyace a la ley de escala es algo de cambio de paradigma de la geometría euclidiana a la fractal, del pensamiento no recursivo al pensamiento recursivo. [26]
El fenómeno Baltimore [ cita necesaria ] , o efecto Baltimore, es la tendencia de una ciudad (u otro objeto) a omitirse 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 del Atlántico Medio de los Estados Unidos, concretamente Washington DC , la capital de los Estados Unidos . A la inversa, a medida que aparecen en los mapas ciudades más grandes cerca de Baltimore, 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 necesaria ]
Aunque el fenómeno de Baltimore ocurre con mayor frecuencia en sitios de mapeo automatizado, 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.°, 6.°, 7.°, etc. [ cita necesaria ]