135050
135050
135050
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Rodolfo Bongiovanni / Evandro Mantovani / Stanley Best / Alvaro Roel<br />
CONDICIONES FUNDAMENTALES PARA EL ANÁLISIS DE MAPAS<br />
Tal como se señaló anteriormente, hay dos condiciones fundamentales para que cualquier paquete<br />
computacional sea capaz de realizar un análisis de los datos, las que corresponden a (i) una<br />
estructura consistente de datos; y (ii) a un ambiente de procesamiento iterativo, lo que involucra<br />
cuatro operaciones principales:<br />
• Recuperación de una o más capas de mapa desde una base de datos;<br />
• Procesamiento de los datos, según especificaciones del usuario;<br />
• Creación de un nuevo mapa conteniendo los resultados del proceso; y<br />
• Almacenaje del nuevo mapa en una base de datos para posteriores.<br />
Un ejemplo de lo anterior puede se aprecia en la Figura 8.15.<br />
Figura 8.15: Ejemplo de un medioambiente iterativo de procesamiento, usado para derivar nuevas variables de<br />
mapa: (a) Recuperación de capas de mapa desde una base de datos; (b) Procesamiento de los datos, en<br />
este caso se combinan celdas específicas, para obtener una diferencia; (c) Nuevo mapa creado, en donde<br />
la celda resultado se indica con una flecha; (d) Almacenaje del nuevo mapa en base de datos (Berry, 1999).<br />
VISUALIZACIÓN DE LAS VARIABLES ESPACIALES<br />
Una distribución multivariada puede ser expuesta en representaciones de dos y tres dimensiones<br />
que permiten describir, por ejemplo, la distancia entre los puntos en un gráfico de tres<br />
dimensiones, determinando la similitud relativa en los patrones de datos (Figura 8.16). En esta<br />
gráfica cada eje representa la cantidad de nitrógeno (N), fósforo (P) y potasio (K), presentes en un<br />
cultivo bajo riego por pivote central (Figura 8.16.a).<br />
Figura 8.16: Visualización de las variables espaciales para un suelo de cultivo en pivote central, (a) distribución espacial<br />
concentraciones de N, P y K donde se han elegido dos puntos de comparación; (b) diagrama 3D, de distribución<br />
numérica; (c) mapa de similitud para los puntos en estudio; (d) mapa de agrupamiento o “clustering” de los valores<br />
160