Un mapa de distribución de puntos (o un mapa de densidad de puntos o simplemente un mapa de puntos ) es un tipo de mapa temático que utiliza un símbolo de puntos para visualizar la distribución geográfica de una gran cantidad de fenómenos relacionados. Los mapas de puntos son un tipo de visualizaciones unitarias que se basan en una dispersión visual para mostrar patrones espaciales, especialmente variaciones en la densidad. [1] [2] Los puntos pueden representar las ubicaciones reales de fenómenos individuales o colocarse aleatoriamente en distritos de agregación para representar una cantidad de individuos. Aunque estos dos procedimientos y sus modelos subyacentes son muy diferentes, el efecto general es el mismo.
La idea de utilizar puntos para mostrar la densidad relativa surgió durante la era industrial de Inglaterra y Francia en las décadas de 1830 y 1840, una época en la que la mayoría de los tipos modernos de mapas temáticos se desarrollaron hasta alcanzar una forma relativamente moderna. [3] Fueron posibles gracias a la creciente disponibilidad de datos estadísticos y al creciente reconocimiento de su valor para la comprensión científica. Al igual que con otros tipos, los primeros inventos de la técnica a menudo pasaron desapercibidos, y las publicaciones posteriores obtuvieron mucha más fama.
Se ha afirmado que el primer mapa de distribución de puntos fue creado por Valentine Seaman en un artículo de 1797 que analizaba un brote reciente de fiebre amarilla en la ciudad de Nueva York . Aunque el número relativamente pequeño de ubicaciones de casos no concuerda con el uso típico de esta técnica para visualizar la distribución general de un gran número de individuos, sigue siendo digno de mención como posiblemente el primer caso en el que se utiliza un mapa como herramienta analítica y de comunicación. para las ciencias sociales, del análisis espacial y de la epidemiología (aunque sus conclusiones resultaron incorrectas). [4]
El mapa de densidad de puntos basado en distritos más antiguo conocido fue creado en 1830 por Armand Joseph Frère de Montizon (1788–????), un fraile franciscano , maestro de escuela e impresor. [5] Es un mapa relativamente simple de población por departamento (distrito administrativo) en Francia , en el que cada punto representa 10.000 individuos. [6] El mapa parece haber sido dibujado utilizando la misma técnica practicada durante los dos siglos siguientes y todavía realizada por computadora en la actualidad: una cantidad de puntos, calculados a partir de la población total de cada departamento, se distribuyen aleatoriamente en cada departamento. El resultado es una visualización visual intuitiva de la densidad de población , ya que los niveles de población más altos dentro de una frontera administrativa exhiben un patrón de puntos más cercano y denso. Dado que los puntos están espaciados uniformemente, es evidente que no representan las ubicaciones reales donde vive la gente dentro de un departamento. Este es un ejemplo de falacia ecológica , donde un valor para un área generaliza todo dentro de esa área para exhibir ese valor. [7]
Aunque el mapa de Montizon fue el primer mapa de puntos publicado de este tipo, su innovación no tuvo efecto en la práctica durante casi 30 años hasta que el mapa de densidad de puntos basado en distritos fue reinventado en 1859 en un mapa de la distribución de la población de Suecia y Noruega por Thure Alexander. von Mentzer, un oficial del ejército sueco . [8] Los puntos en su mapa (cada uno representa 200 residentes) parecen haberse basado en el censo de 1855, pero muestran claramente ajustes basados en conocimientos adicionales sobre la distribución de la población. [9]
El mapa de características puntuales también se reinventó a mediados del siglo XIX, siendo la epidemiología nuevamente un impulsor principal, especialmente la búsqueda de la causa del cólera, que se reconoció que ocurría en patrones geográficos claros. [10] Entre la variedad de mapas creados entre 1820 y 1850 se encuentran algunos que muestran la ubicación de cada caso en una región. Un ejemplo notable fue un mapa de 1849 de Thomas Shapter en su historia del brote de cólera de 1832-1834 en Exeter . [11] El mapa es innovador al utilizar diferentes símbolos de puntos para representar los casos en cada uno de los tres años. Shapter no llegó tan lejos como para identificar la causa de los grupos de enfermedades que observó; su mapa fue influyente; John Snow lo citó más tarde como inspiración para su propio trabajo.
Cuando se produjo un gran brote en Londres en 1854, el Dr. John Snow recopiló datos sobre los casos individuales, especialmente su ubicación en Soho (Londres) , utilizando métodos incipientes de análisis espacial y rastreo de contactos para concluir que el agua contaminada era el vector de la enfermedad , y apagó con éxito la fuente. [12] El mapa que acompañaba su informe de 1855 mostraba cajas individuales, apiladas en la ubicación de cada casa, mostrando claramente una concentración alrededor de Broad Street Pump, así como espacios vacíos en lugares que tenían otras fuentes de agua. [13] El mapa ahora es aclamado como revolucionario; Aunque a menudo se exagera su papel en la investigación misma y su efecto en la resolución del debate sobre la causa de la enfermedad, [14] merece reconocimiento por la idea de Snow de que un mapa era la herramienta más eficaz para comunicar los patrones espaciales de la enfermedad. .
En años posteriores, los mapas de puntos no parecen haber sido tan prolíficos como otro tipo de mapas temáticos , posiblemente debido al tiempo necesario para crearlos. Muchos fueron vistos como un logro digno de una publicación académica por sí solo. [15] Una técnica híbrida surgió en los mapas de densidad de población de principios del siglo XX, utilizando puntos representativos en áreas rurales con círculos proporcionales para representar las principales ciudades. El método de densidad de puntos se estandarizó durante este período y se desarrollaron pautas de diseño [16] de modo que la técnica podría enseñarse en los libros de texto de cartografía de mediados del siglo XX. [17] [18]
Los sistemas de información geográfica han hecho que la generación de mapas de densidad de puntos sea relativamente fácil al automatizar la ubicación de los puntos individuales, aunque los resultados suelen ser menos satisfactorios que los que se elaboraron manualmente. Un avance tecnológico significativo ha sido la disponibilidad de conjuntos de datos muy grandes, como millones de publicaciones geocodificadas en redes sociales, e innovaciones en cómo visualizarlas. Los mapas resultantes pueden mostrar patrones detallados de distribuciones geográficas.
Los avances recientes en mapas de puntos incluyen el uso de técnicas de mapeo dasimétrico para colocar puntos con mayor precisión dentro de las zonas, [19] escalar mapas de puntos para mostrar diferentes tasas de puntos por persona en diferentes niveles de zoom, [20] y usar interpolación temporal para animar mapas de puntos a lo largo del tiempo. [2]
Se han desarrollado dos tipos muy diferentes de mapas de puntos, lo que a menudo genera cierta confusión en la terminología. De hecho, muchos cartógrafos han sugerido que no se agrupen en un único tipo de mapa temático . Aunque utilizan técnicas muy diferentes, basadas en fuentes de datos muy diferentes, con una semántica diferente en el resultado, el propósito general es el mismo: visualizar la distribución geográfica de un fenómeno grupal (es decir, un gran número de individuos).
Un mapa de puntos uno a uno muestra una gran cantidad de símbolos de puntos que representan las ubicaciones donde ocurre cada fenómeno. Muchos tipos de mapas muestran características geográficas como símbolos de puntos, como ciudades; esta categoría sólo se aplica a aquellos que muestran un gran número de casos, cada uno retratado de forma anónima (por ejemplo, sin etiqueta), de modo que la atención se centra en la distribución general y no en los individuos. Durante muchos años, este enfoque ha sido una parte central del campo del mapeo del crimen , además de su uso original en epidemiología . Se ha vuelto especialmente popular en la era reciente del big data , como el mapeo de millones de publicaciones de redes sociales o ubicaciones de teléfonos celulares geoetiquetadas, aunque estos mapas han generado preocupaciones sobre la privacidad. [21] [22] [23]
Se han propuesto varios términos para esta técnica para distinguirla del otro enfoque, como mapa de puntos nominales , mapa de características de puntos y mapa de pines . [24] [25] : 135 Otra sugerencia es utilizar el término mapa de distribución de puntos exclusivamente para este tipo (con densidad de puntos reservada para el otro tipo), aunque esto no aclara la confusión, ya que ambos mapas pretenden mostrar distribución y densidad. .
En un mapa de puntos de uno a muchos , cada punto en el mapa no representa una instancia individual, sino que tipifica la presencia de uno o más individuos derivados de datos agregados. Los datos se basan en distritos geográficos predefinidos (p. ej., condados, provincias, países, sectores censales), en los que se han agregado datos sobre los individuos como variables de resumen estadístico, como la población total. Es decir, es el mismo tipo de conjunto de datos utilizado para mapas de coropletas y muchos mapas de símbolos proporcionales . A diferencia de un mapa de coropletas, la única variable válida utilizada para un mapa de densidad de puntos es el recuento total de individuos. [24] Una vez que se elige un valor de punto (el número de individuos representados por cada punto), se puede calcular el número de puntos necesarios en cada distrito y los puntos se distribuyen aleatoriamente en todo el distrito. Esta distribución de un área total da la impresión visual de la densidad de población . [18]
La mayoría de los libros de texto de cartografía prefieren utilizar el término mapa de densidad de puntos o mapa de puntos sólo para mapas de uno a muchos puntos. [24] [26] [18] El término uno a muchos se ha vuelto problemático a medida que se han desarrollado mapas interactivos que utilizan este método pero con cada punto representando a una sola persona, [27] aunque esto a menudo es criticado por crear la ilusión. de conocer la ubicación de cada individuo. Otros términos que se han sugerido para distinguir esta técnica incluyen mapa de puntos representativo , mapa de puntos basado en distritos , mapa de puntos coropléticos y mapa de dispersión de puntos . [28]
El diseño de cualquier tipo de mapa de puntos implica equilibrar el diseño del símbolo de punto individual (especialmente su tamaño) con el espacio entre los puntos. En el mapa de puntos uno a uno, este último está fijado por la distribución de los individuos y la escala del mapa, pero en el mapa de puntos representativo, también está influenciado por la elección del valor del punto por parte del cartógrafo , el número de individuos que cada uno el punto representa. Desde hace tiempo se reconoce que estas opciones son interdependientes, con varias consideraciones en competencia: [18] [24]
El equilibrio ideal de estos factores ocurre cuando los puntos comienzan a fusionarse en las áreas más densas, los puntos individuales son lo suficientemente grandes como para ser vistos individualmente y el valor del punto es lo suficientemente pequeño como para que incluso los distritos con los valores más bajos tengan más de uno. punto. En 1949, J. Ross Mackay desarrolló un conjunto de pautas para calcular este equilibrio entre el tamaño y el valor de los puntos, incluido un nomograma innovador , que se convirtió en el estándar de la profesión. [16] Desde entonces, la mejora de la tecnología en la generación de puntos y su impresión o visualización ha llevado a modificaciones en el cálculo del equilibrio, que se ha automatizado en la mayoría de los programas SIG. [29]
Sin embargo, este rango ideal de densidades aparentes impone algunas restricciones a los fenómenos que pueden cartografiarse. Si el rango de densidades es demasiado bajo (por ejemplo, una relación entre las más escasas y las más densas de menos de 1:10 aproximadamente), el mapa parecerá demasiado consistente para ser informativo. Si el rango de densidades es demasiado alto (una proporción de más de 1:1000), demasiados distritos serán sólidos a menos que el valor del punto se reduzca tanto que se vuelva invisible. [24] Las mejoras en la tecnología de diseño han ayudado a aliviar en cierta medida esta restricción, como el uso de puntos translúcidos , que pueden mostrar una distinción entre densidades donde los puntos simplemente se fusionan y densidades más altas donde muchas capas de puntos están una encima de la otra. [27] Sin embargo, esto tiene el efecto secundario de hacer que los puntos individuales sean muy débiles.
Otro desafío de diseño puede ocurrir con el tipo de mapa uno a uno cuando ocurren múltiples puntos en la misma ubicación, dando una falsa impresión de menor densidad (es decir, pareciendo un punto en lugar de muchos). Si bien muchos usuarios de software SIG no tienen en cuenta este problema, se han desarrollado varios algoritmos automatizados para mitigarlo, generalmente basados en la solución desarrollada en los primeros mapas de Shapter y Snow de separar ligeramente los puntos para que sean distintos, pero aun así aparecen densamente poblados. [30]
Una preocupación con la densidad de puntos que se ha estudiado en profundidad es la precisión con la que los lectores de mapas pueden interpretar la densidad aparente. Desde la década de 1930, repetidos estudios han demostrado una tendencia a subestimar la densidad de un área mostrada como puntos. [31]
Otra crítica es que los datos agregados de distrito tienen problemas inherentes que pueden llevar a las mismas interpretaciones erróneas que otros tipos de mapas temáticos basados en este tipo de datos, como los mapas coropletas , incluida la falacia ecológica y el problema de la unidad de área modificable . De hecho, la técnica de los puntos puede exacerbar el problema, porque el aspecto detallado de los puntos individuales da la ilusión de datos más detallados que el color sólido de una coropleta. Además, los lectores de mapas pueden interpretar fácilmente los puntos, especialmente en áreas dispersas, como ubicaciones de asentamientos reales. [24]
Al igual que con los mapas de coropletas, el problema de la unidad de área modificable puede mitigarse utilizando distritos que sean tan pequeños como sea posible, aunque esto puede conducir a un aumento en el problema de variación extrema de densidad discutido anteriormente. Otra solución en común con el mapeo coroplético es la técnica dasimétrica . En la aplicación de densidad de puntos, se incorpora conocimiento externo sobre la distribución del fenómeno para ajustar la ubicación de los puntos. El enfoque más simple es el método binario , que crea una capa de tierra que se sabe que no tiene individuos (en el caso de la población humana, esto podría incluir características como cuerpos de agua y tierras de propiedad gubernamental) y la utiliza como máscara para excluir puntos. de ser atraídos allí, obligándolos a colocarse más densamente en el área restante. [24] Tradicionalmente, se adoptaba un enfoque más sutil al colocar manualmente los puntos, concentrándolos en partes del distrito donde se sabía que la densidad era mayor, lo que hacía que la densidad pareciera variar gradualmente en lugar de cambiar abruptamente en los límites del distrito. [18] Se han desarrollado algoritmos automatizados que imitan esta técnica, utilizando información auxiliar, como la ubicación de los puntos de la ciudad, para alterar la distribución de puntos en cada distrito, aunque no se implementan ampliamente en el software SIG. [32]