formato de archivo SIG

Un formato de archivo SIG o formato de archivo geoespacial es un estándar para codificar información geográfica en un archivo informático . Se trata de un tipo de formato de archivo especializado para su uso en sistemas de información geográfica (SIG), herramientas de procesamiento de imágenes de teledetección y otras aplicaciones geoespaciales. Desde la década de 1970, se han creado decenas de formatos basados ​​en diversos modelos de datos para diferentes propósitos. Estos formatos han sido creados por agencias cartográficas gubernamentales (como el USGS o la Agencia Nacional de Inteligencia Geoespacial ), proveedores de software SIG, organismos de normalización como el Open Geospatial Consortium , comunidades de usuarios informales e incluso desarrolladores individuales.

Las primeras instalaciones de SIG de la década de 1960, como el Sistema de Información Geográfica de Canadá, se basaban en software a medida y almacenaban datos en estructuras de archivos personalizadas diseñadas para las necesidades del proyecto en particular. A medida que aparecieron más de estas, se pudieron comparar para encontrar mejores prácticas y estructuras comunes. ^{[ 1 ]} Cuando se desarrolló software SIG de propósito general en las décadas de 1970 y principios de 1980, incluidos programas de laboratorios académicos como el Laboratorio de Gráficos por Computadora y Análisis Espacial de Harvard , agencias gubernamentales (por ejemplo, el Sistema de Superposición de Mapas y Estadísticas (MOSS) desarrollado por el Servicio de Pesca y Vida Silvestre de EE. UU. y la Oficina de Administración de Tierras ), y nuevas empresas de software SIG como Esri e Intergraph , cada programa se construyó en torno a su propio formato de archivo propietario (y a menudo secreto). ^{[ 2 ]} Dado que cada instalación SIG estaba efectivamente aislada de todas las demás, el intercambio entre ellas no era una consideración importante.

A principios de la década de 1990, la proliferación de los SIG en todo el mundo y la creciente necesidad de compartir datos, acelerada pronto por la aparición de la World Wide Web y las infraestructuras de datos espaciales , dieron lugar a la necesidad de datos interoperables y formatos estándar. Un primer intento de estandarización fue el Estándar de Transferencia de Datos Espaciales de EE. UU. , publicado en 1994 y diseñado para codificar la amplia variedad de datos del gobierno federal. ^{[ 3 ]} Aunque este formato en particular no logró un apoyo generalizado, dio lugar a otros esfuerzos de estandarización, especialmente al Consorcio Geoespacial Abierto (OGC), que ha desarrollado o adoptado varios estándares independientes de proveedores, algunos de los cuales han sido adoptados por la Organización Internacional de Normalización (ISO). ^{[ 4 ]}

Otro avance en la década de 1990 fue la publicación de formatos de archivo propietarios por parte de los proveedores de software SIG, lo que permitió su uso por otros programas. El ejemplo más notable fue la publicación del formato Shapefile de Esri, ^{[ 5 ]} que a finales de la década de 1990 se había convertido en el estándar de facto más popular para el intercambio de datos en toda la industria geoespacial. ^{[ 6 ]} Cuando los formatos propietarios no se compartían (por ejemplo, la cobertura ARC/INFO de ESRI), los desarrolladores de software frecuentemente los descomponían para permitir su importación y exportación en otros programas, facilitando aún más el intercambio de datos. Un resultado de esto fue la aparición de bibliotecas de software libre y de código abierto , como la Biblioteca de Abstracción de Datos Geoespaciales (GDAL) , que han facilitado enormemente la integración de datos espaciales en cualquier formato en una variedad de software. ^{[ 7 ]}

Durante la década de 2000, la necesidad de archivos espaciales especializados se redujo en cierta medida gracias a la aparición de bases de datos espaciales , que incorporaban datos espaciales a bases de datos relacionales de propósito general. Sin embargo, han seguido surgiendo nuevos formatos de archivo, especialmente con la proliferación de la cartografía web; formatos como el Keyhole Markup Language (KML) y GeoJSON se integran más fácilmente en los lenguajes de desarrollo web que los archivos SIG tradicionales.

Se han creado más de cien formatos distintos para el almacenamiento de datos espaciales, de los cuales entre 20 y 30 se utilizan actualmente de forma común para diferentes propósitos. Estos se pueden distinguir de varias maneras:

• Los formatos abiertos son desarrollados colectivamente por una comunidad y están disponibles para que cualquiera los implemente y contribuya con mejoras, mientras que los formatos propietarios han sido desarrollados por una empresa de software para su uso exclusivo en su propio software y generalmente se mantienen como secreto comercial (aunque a menudo son objeto de ingeniería inversa por parte de terceros). Una tercera categoría intermedia incluiría formatos que son propiedad exclusiva de una empresa u organización, pero que se publican y están disponibles para su implementación por cualquier persona, como el Shapefile de Esri . ^{[ 5 ]}
• Algunos formatos de archivo son archivos de texto que pueden ser leídos por humanos (como los basados ​​en XML o JSON ), especialmente aquellos destinados al intercambio de datos, mientras que otros son archivos binarios , generalmente aquellos diseñados para su uso nativo en software SIG.
• Los formatos inherentemente espaciales fueron diseñados específicamente para almacenar datos geográficos, mientras que otros son extensiones espaciales de formatos diseñados para un uso más general (por ejemplo, GeoTIFF , bases de datos espaciales ).
• Muchos formatos de datos incorporan algún tipo de compresión de datos , especialmente los archivos ráster. Generalmente, los métodos de compresión sin pérdida son preferibles a los métodos con pérdida , porque es necesario recuperar los valores de datos originales. ^{[ 8 ]}

Al igual que cualquier imagen digital, los datos SIG ráster se basan en una teselación regular del espacio en una cuadrícula rectangular de filas y columnas de celdas (también conocidas como píxeles ), donde cada celda almacena un valor medido. La principal diferencia con una fotografía es que la cuadrícula está registrada en el espacio geográfico en lugar de en un campo de visión. La resolución del conjunto de datos ráster es el ancho de su celda en unidades de terreno.

Dado que una cuadrícula es una muestra de un espacio continuo, los datos ráster se utilizan comúnmente para representar campos geográficos , en los que una propiedad varía de forma continua o discreta en el espacio. Algunos ejemplos comunes incluyen imágenes de teledetección , relieve/elevación , densidad de población , tiempo y clima , propiedades del suelo y muchos otros. Los datos ráster pueden ser imágenes donde cada píxel (o celda) contiene un valor de color. El valor registrado para cada celda puede ser de cualquier nivel de medición , incluyendo un valor cualitativo discreto, como el tipo de uso del suelo, o un valor cuantitativo continuo, como la temperatura, o un valor nulo si no hay datos disponibles. Si bien una celda ráster almacena un solo valor, se puede ampliar utilizando bandas ráster para representar colores RGB (rojo, verde, azul), mapas de color (una correspondencia entre un código temático y un valor RGB) o una tabla de atributos extendida con una fila para cada valor único de la celda. También se puede utilizar para representar características geográficas discretas , pero generalmente solo en circunstancias excepcionales.

Los datos ráster se almacenan en diversos formatos; desde una estructura de archivo estándar como TIFF, JPEG, etc., hasta datos binarios de objetos grandes (BLOB) almacenados directamente en un sistema de gestión de bases de datos relacionales (RDBMS), similar a otras clases de entidades basadas en vectores. El almacenamiento en bases de datos, cuando está correctamente indexado, permite una recuperación más rápida de los datos ráster, pero puede requerir el almacenamiento de millones de registros de gran tamaño.

Un conjunto de datos vectoriales (a veces llamado conjunto de datos de características ) almacena información sobre objetos discretos, utilizando una codificación del modelo lógico de datos vectoriales para representar la ubicación o geometría de cada objeto, y una codificación de sus otras propiedades que generalmente se basa en tecnología de bases de datos relacionales . Normalmente, un único conjunto de datos recopila información sobre un conjunto de objetos estrechamente relacionados o similares, como todas las carreteras de una ciudad.

El modelo de datos Vector utiliza geometría de coordenadas para representar cada forma como una de varias primitivas geométricas , generalmente puntos (una única coordenada de dimensión cero ), líneas (una lista ordenada unidimensional de coordenadas conectadas por líneas rectas) y polígonos (una línea de contorno que se cierra automáticamente y que encierra una región bidimensional). Se han desarrollado muchas estructuras de datos para codificar estas primitivas como datos digitales, pero la mayoría de los formatos de archivo vectorial modernos se basan en la especificación Simple Features del Open Geospatial Consortium (OGC) , incorporando a menudo directamente sus codificaciones Well-known text (WKT) o Well-known binary (WKB).

Además de la geometría de cada objeto, un conjunto de datos vectoriales también debe poder almacenar sus atributos . Por ejemplo, una base de datos que describe lagos puede contener la profundidad, la calidad del agua y el nivel de contaminación de cada lago. Desde la década de 1970, casi todos los formatos de archivos vectoriales han adoptado el modelo de base de datos relacional , ya sea en principio o incorporando directamente software RDBMS . De este modo, todo el conjunto de datos se almacena en una tabla , donde cada fila representa un único objeto que contiene columnas para cada atributo. ^{[ 12 ] : 256}

Se han utilizado dos estrategias para integrar la geometría y los atributos en una única estructura de formato de archivo vectorial: ^{[ 13 ]}

• Un formato georreferencial los almacena como dos archivos separados, donde la geometría y los atributos de cada objeto se vinculan mediante el orden de los archivos o una clave primaria . Esto fue lo más común desde la década de 1970 hasta principios de la de 1990, ya que los desarrolladores de software SIG tuvieron que crear sus propias estructuras de datos geométricos, pero incorporaron formatos de archivos de bases de datos relacionales existentes para los atributos. Por ejemplo, el formato Shapefile de Esri incluye el archivo .dbf del software dBase de DOS .
• El modelo basado en objetos almacena la información en una única estructura, basada, de forma indirecta o directa, en los objetos de los lenguajes de programación orientados a objetos . Esta es la base de la mayoría de los formatos de archivo modernos, incluidas las bases de datos espaciales que incorporan una columna de geometría junto con los demás atributos en una única tabla relacional. Otros formatos, como GeoJSON , utilizan estructuras diferentes para la geometría y los atributos, pero los combinan para cada objeto en el mismo archivo.

La topología geoespacial suele ser una parte importante de los datos vectoriales, ya que representa las relaciones espaciales inherentes (especialmente la adyacencia) entre objetos. La topología se ha gestionado en formatos de archivos vectoriales de cuatro maneras. En una estructura de datos topológica , sobre todo en POLYVRT de Harvard y su sucesor, la cobertura ARC/INFO , las conexiones topológicas entre puntos, líneas y polígonos son una parte inherente de la codificación de esas características. ^{[ 8 ] : 46–49} Por el contrario, los datos no topológicos o espaguetis (como el Shapefile de Esri y la mayoría de las bases de datos espaciales ) no incluyen información topológica, siendo cada geometría completamente independiente de todas las demás. Un conjunto de datos topológicos (que se utiliza a menudo en el análisis de redes ) aumenta los datos espaguetis con un archivo separado que codifica las conexiones topológicas. ^{[ 12 ] : 218} Una base de reglas topológicas es una lista de reglas topológicas deseadas que se utilizan para garantizar la integridad espacial en los datos espaguetis, como «los polígonos de condado no deben superponerse» y «los polígonos estatales deben compartir límites con los polígonos de condado». ^{[ 13 ]}

Los conjuntos de datos vectoriales suelen representar características geográficas discretas , como edificios, árboles y condados. Sin embargo, también pueden utilizarse para representar campos geográficos almacenando ubicaciones donde se ha muestreado el campo espacialmente continuo. Los puntos de muestreo (por ejemplo, estaciones meteorológicas y redes de sensores ), las curvas de nivel y las redes irregulares trianguladas (TIN) se utilizan para representar la elevación u otros valores que cambian continuamente en el espacio. Las TIN registran valores en ubicaciones puntuales, que se conectan mediante líneas para formar una malla irregular de triángulos. La cara de los triángulos representa la superficie del terreno.

El uso de un modelo de datos ráster o vectorial para representar la realidad presenta algunas ventajas y desventajas importantes:

• Los conjuntos de datos ráster registran un valor para todos los puntos del área cubierta, lo que puede requerir más espacio de almacenamiento que la representación de datos en un formato vectorial, que puede almacenar datos solo donde sea necesario.
• Los datos rasterizados son computacionalmente menos costosos de renderizar que los gráficos vectoriales.
• Combinar valores y escribir fórmulas personalizadas para combinar valores de diferentes capas es mucho más fácil utilizando datos ráster.
• Se producen problemas de transparencia y aliasing al superponer varias imágenes rasterizadas apiladas.
• Los datos vectoriales permiten una implementación visualmente fluida y sencilla de las operaciones de superposición, especialmente en lo que respecta a gráficos e información basada en formas, como mapas, rutas y fuentes personalizadas, que resultan más difíciles con datos ráster.
• Los datos vectoriales se pueden visualizar como gráficos vectoriales utilizados en mapas tradicionales, mientras que los datos ráster aparecerán como una imagen que puede presentar un aspecto pixelado en los contornos de los objetos (dependiendo de la resolución del archivo ráster).
• Los datos vectoriales pueden ser más fáciles de registrar, escalar y reproyectar, lo que puede simplificar la combinación de capas vectoriales de diferentes fuentes.
• Los datos vectoriales son más compatibles con los entornos de bases de datos relacionales, donde pueden formar parte de una tabla relacional como una columna normal y procesarse utilizando multitud de operadores.
• El tamaño de los archivos vectoriales suele ser menor que el de los datos ráster, que pueden ser decenas, cientos o incluso más grandes que los datos vectoriales (dependiendo de la resolución).
• Los datos vectoriales son más fáciles de actualizar y mantener, mientras que una imagen ráster debe reproducirse por completo. (Ejemplo: se agrega una nueva carretera).
• Los datos vectoriales permiten un análisis mucho más profundo, especialmente de redes como carreteras, líneas eléctricas, ferrocarriles, telecomunicaciones, etc. (Ejemplos: Mejor ruta, puerto más grande, aeródromos conectados a carreteras de dos carriles). Los datos ráster no capturan todas las características de los elementos que representan.

Las bases de datos objeto-relacionales modernas ahora pueden almacenar una variedad de datos complejos utilizando el tipo de dato binario de objeto grande , incluyendo tanto cuadrículas ráster como geometrías vectoriales. Esto permite que algunos sistemas de bases de datos espaciales almacenen datos de ambos modelos en la misma base de datos.

• Geodatabase de archivos de Esri : un formato propietario para almacenar localmente datos de "características" (vectoriales) y ráster ^{[ 14 ].}
• Geodatabase empresarial de Esri : un modelo propietario para almacenar una estructura de geodatabase en una variedad de sistemas de gestión de bases de datos relacionales comerciales y de código abierto ^{[ 14 ].}
• GeoPackage (GPKG): un formato abierto basado en estándares, basado en el formato de base de datos SQLite para datos vectoriales y ráster, adoptado por el Open Geospatial Consortium ^{[ 15 ].}

• Datum geodésico
• GDAL/OGR , una biblioteca para leer y escribir muchos formatos.
• Feature Manipulation Engine (FME), un programa comercial para convertir datos entre una gran cantidad de formatos.