PRACTICA SIG.

ANÁLISIS DE DATOS VECTORIALES___ _________

Estudiante: Dany Escudero Rivera
Código: 1016098562

Profesor: Servio Javier Contreras Guerrero

Introducción
Los sistemas de información geográfica no solo nos ayudan a entender mejor nuestro alrededor,
esto mediante la realización de mapas y en general el manejo de casi cualquier tipo de información,
de ahí sale la expresión de que “aproximadamente un 80% de la información dispone de un
componente geográfico” Don Boyes, Universidad de Toronto.

Como ayuda a un mejor entendimiento de la información los sig nos permiten solucionar problemas
de ingeniería y en general la vida real, donde se necesite responder casi cualquier tipo de pregunta
como ¿dónde esta ?, ¿cuántas personas hay?, ¿Quiénes están en x lugar? Entre muchas más. Esto
se hace mediante el empleo de diversas herramientas de análisis presentes en los diversos
softwares de información geográfica.

Objetivos

• General
1. Emplear las herramientas de análisis vectorial presentes en un software de
información geográfica para dar solución a diversas situaciones en cualquier tipo de
proyecto

• Específicos
1. Emplear las herramientas clip (cortar), split (dividir capa vectorial), diferencia,
diferencia simétrica e intersección a fin de administrar los datos y facilitar su análisis.
2. Emplear las herramientas selección por atributos, seleccionar por expresión, unir por
localización y buffer a fin de dar solución a problemas del tipo pregunta (cuantos,
donde, quienes, entre otros.)

Marco teórico
Un modelo de datos vectorial se encarga de almacenar información geográfica mediante unas
entidades llamadas feature classes de tipo líneas, puntos y polígonos, y la información que describe
cada una de estas entidades (los atributos). La forma en que estas geometrías se recogen es, no
obstante, única, y en función del enfoque adoptado, lo cual nos permitirá el almacenamiento o no de
propiedades topológicas relativas a dichas geometrías.

El análisis de esta información nos permite obtener una mejor comprensión de la información,
además de establecer relaciones entre las variables. Para datos tipo ráster también podemos evaluar
y predecir nuevos escenarios como en el caso de zonas de inundación, precipitación, etc.

Dichos procesos se pueden realizar empleando softwares de información geográfica como ArcGis,
Qgis, Saga entre muchos otros, sin embargo, este análisis también puede ser realizado de forma
manual en casos donde no se disponga de información digital.
Procedimientos
La presente practica se realizó empleando el software de información geográfica Qgis además de
las herramientas para el análisis de datos vectoriales respectivamente.

Como paso inicial se realizó el cargue de la información suministrada previamente (Circulo, Sedes
Universidad, Barrios Catastrales, Localidades)

Una vez cargada la informacion se emplearon diversas herramientas para analisis vectorial
presentes en Qgis.

La primera herramienta empleada es CLIP (Cortar), esta consiste en sobreponer un feature class
vectorial tipo poligono sobre cualquier otro feature class vectorial, este proceso tiene como objetivo
que la capa superpuesta adquiera las caracteristicas y atributos de la capa de entrada. Para la
practica se selecciónó la capa Localidades como la capa de entrada y la capa de superposicion es
Circulo, como resultado de la operación podemos notar como las caracteriscas de Localidades se
encuentran al interior del poligono Circulo y como en las zonas donde no se dispone de informacion
en el layer Localidades en el circulo aparecen cortadas.
El procedimiento anterior se repitió pero esta vez se seleccionó la capa Barrios Catastrales como
la capa de entrada y la capa de superposición continuo siendo Circulo, como resultado de la
operación podemos notar como las caracteriscas de Barrios Catastrales se encuentran al interior
del poligono Circulo.
La segunda herramienta empleada es split (dividir capa vectorial), esta consiste en dividir un feature
class tipo vectorial en un número independiente de feature classes donde cada uno representa un
campo en la tabla de atributos, dicha división se hace con base en una característica de la tabla de
atributos. Para la practica se seleccionó el layer localidades como layer de entrada y la característica
seleccionada de la tabla de atributos fue nombre de la localidad, como resultado de la operación
podemos notar como se crearon diferentes geodatapackage files donde cada uno contiene un feature
class de una determinada localidad.
El procedimiento anterior se repitio seleccionando localidades como layer de entrada y la
característica seleccionada de la tabla de atributos fue codigo de la localidad, como resultado de
la operación podemos notar como se crearon diferentes geodatapackage files donde cada uno
contiene un feature class de un determinado codigo de localidad.
La tercera herramienta es selección por atributos, a través de esta herramienta se obtiene un layer
con información específica de un atributo obtenido de un layer base. Para la práctica se seleccionó
el layer estudiantes sig. 2014 como la capa de entrada y el criterio de selección corresponde a si el
estudiante se encuentra matriculado o no en la universidad, para ello se seleccionó el operador lógico
“=” y el valor “Si” como criterio de búsqueda, el resultado obtenido es un layer donde se diferencian
los estudiantes matriculados simbolizados con puntos amarillos de los estudiantes no matriculados
simbolizados con puntos azules.
El procedimiento anterior solo puede ser aplicado a una característica de la tabla de atributos, en
caso de ser necesario seleccionar más de un criterio se debe emplear la función seleccionar por
expresión, para este caso se empleó nuevamente el layer “estudiantes sig 2014” y los criterios de
selección corresponden a si el estudiante está matriculado y si el género es femenino, para realizar
dicha clasificación Qgis dispone de una opción para escribir en lenguaje SQL, para empezar
seleccionamos el botón marcado con la letra Є, luego seleccionamos “campos y valores”
especificamos el primer criterio de si el estudiante se encuentra matriculado haciendo uso de
operadores lógicos como son “=” y “AND”, luego seleccionamos el segundo criterio que corresponde
al género femenino, finalizamos oprimiendo en aceptar y verificamos que efectivamente se
encuentren seleccionados los parámetros anteriormente mencionados.
Realizamos de nuevo el procedimiento anterior, pero para esta vez fueron seleccionados tres
criterios, estos son si el estudiante está matriculado, si el género es masculino y que además el
promedio académico sea mayor o igual a 3.

Realizamos de nuevo el procedimiento anterior, pero para esta vez fueron seleccionados dos
criterios, estos son si el estudiante vive en la localidad de suba y si el promedio académico es menor
a 3. En este caso tuvimos un problema y es que en la tabla de atributos del layer estudiantes sig
2014 no existía una columna de localidad, como solución propusimos el uso de la herramienta unir
atributos por localización, para este caso seleccionamos como layer base a estudiantes sig 2014
y como unión la capa localidades, como resultado obtuvimos un layer donde se encontraban unidos
dichos parámetros, como evidencia se encuentra la respectiva tabla de atributos.
Una vez tenemos unidos los layers de localidades y estudiantes podemos emplear nuevamente la
herramienta seleccionar por expresión para obtener un layer donde se hayan seleccionado los
criterios de si el estudiante vive en la localidad de suba y si el promedio académico es menor a 3.
Otra posible solución cuando en la tabla de atributos de un layer no se dispone de la información
completa y en otro layer esta dicha información consiste en utilizar la herramienta seleccionar
objetos espaciales, para el ejercicio seleccionamos la localidad de Engativá y luego empleamos la
herramienta seleccionar por localización para realizar la intersección entre los objetos de dos
layers distintos, también es de aclarar que durante el uso de la herramienta “seleccionar por
localización” debemos oprimir en la casilla de realizar la intersección solamente entre los objetos
seleccionados con anterioridad (Localidad de Engativá).

Una vez se realiza la intersección de los layers podemos emplear la herramienta “seleccionar por
atributos” y establecer como criterio de selección los estudiantes con promedio académico menor a
3, como resultado se nota que no existen estudiantes que vivan en la localidad de suba y tengan el
peromedio menor a 3.
La cuarta herramienta es la diferencia, en esta se selecciona un layer base y una capa de
superposición, como resultado obtenemos layer de corte donde se ha sustraído la información de la
capa de superposición de la capa base. Para el ejercicio seleccionamos como layer base a
“Localidades” y como layer de superposición “Circulo”, al ejecutar la herramienta notamos como se
sustrajo la información de “circulo” del layer “localidades”.
Realizamos de nuevo el procedimiento anterior pero esta vez fue seleccionado como layer base el
circulo y como layer de superposición la localidad de Engativá, el resultado obtenido es una
sustracción de la información de la localidad de Engativá del layer circulo.
La quinta herramienta es la diferencia simétrica, en esta se selecciona un layer base y una capa
de superposición, como resultado obtenemos un layer de corte donde se ha sustraído la información
que es igual entre ambos layer. Para el ejercicio seleccionamos como layer base a “localidades” y
como layer de superposición “circulo”, al ejecutar la herramienta notamos como se sustrajo la
información que es común a ambos layers, para el ejercicio notamos como el layer obtenido contiene
información en la parte superior, esta no es común al círculo y a localidades.
La sexta herramienta es la intersección, en esta se selecciona un layer base y una capa de
superposición, como resultado obtenemos un layer de corte donde se ha sustraído la información
que no es común en ambos layers. Para el ejercicio seleccionamos como layer base a “localidades”
y como layer de superposición “circulo”, al ejecutar la herramienta notamos como se sustrajo la
información que no es común a ambos layers, para el ejercicio notamos como el layer obtenido no
contiene información en la parte superior izquierda que además se encuentra demarcado en color
morado, esta información no es común al círculo y a localidades.
La séptima herramienta es joint o unir atributos por localización, esta herramienta fue explicada
anteriormente en el desarrollo de la herramienta seleccionar por expresión, para el ejercicio se
seleccionó como capa base “Barrios Catastrales” y la capa a unir “Localidades”, como resultado los
atributos del layer “barrios catastrales” se agregaron al layer “localidades”.

La séptima y última herramienta es el buffer, el fin de esta herramienta es establecer un área de

influencia para un layer de entrada, dicha área puede estar demarcada por diferentes tipos de
polígonos además de un radio determinado, para el ejercicio se seleccionó como layer de entrada a
“estudiantes Sig 2014”, el radio de influencia corresponde a 1000 m el tipo de polígono para la
demarcación es el circulo.
Solución a problemas planteados en la guía
1. Cuantos barrios no tienen código de localidad 05, 06 y 07 (Qgis)

Solución: al intentar aplicar la herramienta “seleccionar por expresión” varias veces note
como no se podía aplicar el algoritmo, por esta razón opte por realizar la extracción por
atributo de cada una de las localidades 05,06 y 07.
Luego apliqué la herramienta de diferencia simétrica entre los layers localidades y
extracción localidad 05,06 y finalmente 07. Como resultado obtuve un layer llamado
“Diferencia simétrica localidad (Loc 05)”.

Al aplicar de nuevo la diferencia simétrica sobre el layer anterior obtuve un nuevo layer
llamado “diferencia simétrica (Loc 06)”.

Al aplicar de nuevo la diferencia simétrica entre el layer anterior obtuve un nuevo layer
llamado diferencia simétrica (Localidades), en este layer se encuentran sustraídas las
localidades 05,06 y 07, de esta forma al revisar la tabla de atributos del presente layer
podemos establecer el numero de barrios con códigos de localidad distintos de 05,06 y 07
que para el ejercicio corresponde a 785 barrios.
2. La universidad distrital teniendo la ubicación de sus estudiantes, le interesa saber cuál es el
promedio de tiempo que los estudiantes gastan en llegar a la sede de la universidad más
cercana, dichos estudiantes pertenecen a la localidad de SUBA. (QGIS)

Solución: con base en la información suministrada se pudo determinar que la sede de la

universidad distrital más cercana a los estudiantes que viven en la localidad de suba es la
del sabio Caldas, para la solución del ejercicio el primer paso que realizamos fue emplear la
herramienta intersección entre los layers estudiantes sig 2014 y la selección del código de
localidad 11 (Suba) perteneciente al layer barrios catastrales.

Una vez realizado el proceso de intersección y seleccionado la sede de la universidad más

cercana a los estudiantes realizamos el trazado de las rutas que cada estudiante podría
tomar para llegar a la sede sabio Caldas de la universidad distrital.

Para la digitalización de las rutas que cada estudiante podría tomar creamos un feature class
de geometría tipo línea y luego empleando la herramienta conmutar edición realizamos el
trazado de cada ruta, adicional a esto para el feature class de distancias estudiantes se creó
una tabla de atributos dónde se puede encontrar la distancia de cada ruta obtenida en
metros.

El análisis para este ejercicio se basó en la distancia obtenida de cada ruta y la velocidad
media de cada medio de transporte es así cómo concluimos que transportarse hacia la
universidad en carro nos brinda un tiempo medio de desplazamiento de 18 minutos por otro
lado un desplazamiento en bus en promedio nos toma 23 minutos y para finalizar un
desplazamiento en bicicleta nos toma en promedio 46 minutos, dichos tiempos de
desplazamiento son considerados ideales ya que no se toma en cuenta parámetros como
estado del tráfico o de las vías.
 Velocidad media (km/h) x Tiempo
Ruta
Distancia (km) medio de transporte de llegada (minutos)
estudiante #
Bus Carro Bicicleta Bus Carro Bicicleta
1 18.506 28 22 56
2 17.597 26 21 53
3 10.223 15 12 31
4 9.377 14 11 28
40 50 20
5 19.142 29 23 57
6 17.740 27 21 53
7 17.263 26 21 52
8 13.264 20 16 40
Promedio 23 18 46

3. Con los datos de las sedes de la universidad nos interesa saber cuántos y cuáles son los
estudiantes que viven en un radio de 250 metros de la universidad, además de cuáles son
los barrios en los que ellos viven, y separarlos capa por barrio (pantallazo).(Q-gis)
Solución: con base en la información suministrada pudimos notar que no había estudiantes
ubicados en un radio de 250 metros de ninguna de las sedes la Universidad sin embargo se
optó por aumentar el radio a 2000 metros para poder realizar satisfactoriamente el ejercicio.

El primer procedimiento realizado fue una unión por localización entre los estudiantes y
los barrios catastrales esto ya que el layer estudiantes no contaba con la información de los
barrios en que habita cada estudiante.

Como segundo paso y con base en la información del layer sedes Universidad empleamos
la herramienta buffer y establecimos un radio de 2000 metros
Como tercer paso utilizamos la herramienta de intersección entre los layers “hecho buffer” y
“unión_loc_estud_barriosCat”, el resultado es un layer de intersección donde podemos
encontrar a los estudiantes ubicados en un radio de 2000 m de las sedes de la Universidad
distrital, la cantidad de estudiantes que cumplen con este criterio es igual a 9.

Por último, utilizamos la herramienta split o dividir capa vectorial para separar por nombre
de barrio el layer anteriormente obtenido de intersección, de esta forma encontramos que
los 9 estudiantes ubicados a máximo 2 km de las sedes de la universidad se encuentran
distribuidos en 5 barrios que son: Santa Fe, Palermo, Nuevo Musu, Marly y la Soledad.
4. Para terminar la universidad distrital necesita observar en una tabla en qué localidad esta
cada estudiante, a partir de ello la universidad necesita saber con una influencia de 10, 50,
100,1000,5000 y 10000 metros (sedes) cuantos estudiantes con sus respectivas localidades
son influenciados en cada uno de sus de los rangos. (mostrar pantallazo de las influencias
hechas.) (QGIS)

Solución: el procedimiento para realizar el ejercicio consistió en realizar una unión por
localización entre los layers de “estudiantes SIG 2014” y “barrios catastrales”, como se
puede observar en la tabla de atributos los estudiantes y el barrio en el que viven se
encuentran agrupados en la misma tabla de atributos.

Una vez agrupados los atributos de “estudiantes” y “barrios” procedimos a utilizar la

herramienta buffer seleccionando como radios de acción 10,50,100,1000,5000 y 10000
metros como se evidencia en las imágenes a continuación.
Analizando los diferentes radios de influencia encontramos:

A una distancia de 1000 m únicamente se encuentra un estudiante (señalado con un

triángulo amarillo).

A una distancia de 5000 m se encuentran un total de 50 estudiantes (señalados con un

triángulo amarillo).
 A una distancia de 10000 m se encuentran un total de 181 estudiantes (señalados con un
triángulo amarillo).

Como análisis del ejercicio anterior podemos establecer que la distancia mínima de influencia
de la universidad es cercana a los 500 m y el radio de influencia que abarca a la mayoría de
los estudiantes es de 10 km.

5. Cuadro comparativo
Union Interseccion
Se selecciona un layer base y una capa de superposición:
Todos los atributos de dos layers distintos se unen para
como resultado obtenemos un layer de corte donde se ha sustraído
formar un nuevo layer con atributos comunes
la información que no es común en ambos layers
Clip Split
consiste en sobreponer un feature class vectorial tipo
consiste en dividir un feature class tipo vectorial en un número
poligono sobre cualquier otro feature class vectorial,
independiente de feature classes donde cada uno representa un
este proceso tiene como objetivo que la capa superpuesta
campo en la tabla de atributos
adquiera las caracteristicas y atributos de la capa de entrada
Herramienta Union Union espacial
de analisis Todos los atributos de dos layers distintos se unen para Los atributos de localizacion de dos layers distintos se unen
vectorial formar un nuevo layer con atributos comunes siempre y cuando se correspondan mutuamente
Seleccionar por atributo Seleccionar por localizacion
A través de esta herramienta se obtiene un layer con A través de esta herramienta se obtiene un layer con
información específica de un atributo obtenido de un layer información específica del atributo de localizacion obtenido de un
base layer base
Diferencia Diferencia simetrica
Se selecciona un layer base y una capa de superposición,
Se selecciona un layer base y una capa de superposición, como
como resultado obtenemos layer de corte donde se ha
resultado obtenemos un layer de corte donde se ha sustraído la
sustraído lainformación de la capa de superposición
información que es igual entre ambos layer
de la capa base