Ejercicio 3.1. Herramientas Básicas de Geoprocesamiento en QGIS

Ejercicio

Objetivo. Aplicar lo aprendido de las herramientas básicas de geoprocesamiento en el análisis de

información geográfica mediante QGIS 3.16.

Introducción

Las herramientas de geoprocesamiento pueden realizar pequeñas operaciones, pero fundamentales en

los datos geográficos, tales como extraer o superponer datos, reproyectar o cortar una capa, añadir campos

a una tabla y calcular sus valores, establecer rutas óptimas, entre otras. Esto permite modificar tanto su

geometría como la base de datos de los archivos vectoriales que se trabajan. Es fundamental revisar que

las capas con las cuales se estén trabajando compartan el mismo sistema de coordenadas.

Herramientas de Geoprocesamiento

Buffer, o también conocida como área de influencia permite generar un nuevo polígono alrededor de una

entidad gráfica, ya sea punto, línea o polígono a una distancia específica o de intervalos definidos.

Figura 1. Ejemplo buffer.

Disolver simplifica la información contenida en una capa a través de un valor o campo en común, dando

como resultado una nueva entidad vectorial con los valores disueltos.

Figura 2. Ejemplo Disolver.

Clip, permite recortar puntos líneas o polígonos mediante una capa de referencia sobrepuesta, esta nueva

entidad vectorial conserva los mismos atributos de la capa de insumo.

Figura 3. Ejemplo Clip.

Merge Combina múltiples conjuntos de datos de entrada del mismo tipo de datos en un único conjunto de

datos de salida nuevos. Esta herramienta puede combinar distintas clases de entidad como son los puntos,

líneas o polígonos.

Figura 4. Ejemplo Merge.

Intersect Calcula la intersección geométrica de dos coberturas. Solo las entidades del área común a ambas

coberturas se conservarán en la cobertura de salida.

Figura 5. Ejemplo Intersección.

Ejercicio 3.1

De acuerdo con la base de delitos de la CDMX, seleccionamos alguna categoría de delito:

• Delito de bajo impacto

• Feminicidio

• Hecho no delictivo

• Homicidio doloso

• Lesiones dolosas por disparo de arma de fuego

• Plagio o secuestro

• Robo a casa habitación con violencia

• Robo a cuentahabiente saliendo del cajero con violencia

• Robo a negocio con violencia

• Robo a pasajero a bordo de microbus con y sin violencia

• Robo a pasajero a bordo de taxi con violencia

• Robo a pasajero a bordo del metro con y sin violencia

• Robo a repartidor con y sin violencia

• Robo a transeunte en vía pública con y sin violencia

• Robo a transportista con y sin violencia

• Robo de vehículo con y sin violencia

• Violación

• Secuestro

Posteriormente seleccionamos un año. En este ejercicio, seleccionamos Robo de vehículo con y sin

violencia y el año de 2020.

Lo que a continuación haremos será crear distintas capas de delitos de acuerdo con año, esto se realiza

mediante la herramienta Split vector layer:

Esta herramienta permitirá crear diversos shapefiles de acuerdo con un tipo de campo. Ya que tenemos

seleccionados dichos delitos, en el Input Layer seleccionamos los delitos y en Unique Field serán los

meses, así como el formato será en shapefile.

En Out directory le damos clic en los tres puntos y en Save to Directory.

Creamos una carpeta, en este caso se llamará Robo a Vehículo y la seleccionamos.

Quedando los parámetros de la siguiente manera, y damos clic en Run:

De esta manera, habrá creado un shapefile para cada mes de los delitos a Robo de Vehículo.

Agregamos las capas de los meses, y nos vamos a la caja de Interpolation y seleccionamos la

herramienta de Heatmap:

Allí se desplegará la siguiente ventana. En point layer será el mes que uno quiera trabajar (Aquí

ejemplificamos marzo).

El radio establecido será de 5 kilometros, y el tamaño de celda de 50 x 50

Los demás parámetros los podemos dejar y en Heatmap le damos una ruta y nombre de salida:

Para dicho ejemplo le nombramos RoboVehiculo_Marzo. Al ser un raster, se creará un formato de tipo

TIF.

Le damos simbología y podremos observar los puntos calientes del Robo a Vehículo con y sin violencia

para el año del 2020 en Marzo:

Ahora, crearemos las isolíneas para la delimitación de acuerdo con intervalo. Esto lo hacemos desde la

pestaña de Raster < Extraction < Contour.

Nos arrojará la siguiente ventana, en donde el Heatmap será nuestra entrada y especificamos el intervalo

de 5, es decir, de acuerdo con las unidades, cada 5 km creará una isolínea.

En el apartado de Contours, damos clic en los tres puntitos < Save to File.

Le damos una ruta y nombre de salida. En este caso le nombramos Contour_marzo.

Y ejecutamos la herramienta.

De esta manera, si generamos nuestra simbología, podremos visualizar de menor manera los delitos a

vehículos:

Ahora realizaremos un análisis a nivel polígono de Thiessen. Para ello necesitamos ir al Portal de Datos

Abiertos de la Ciudad de México.

Allí, buscaremos Policía, esto con el objeto de obtener los cuadrantes de la policía de la Ciudad de

México.

Encontraremos un CSV para descargar:

En el veremos que hay unas coordenadas de X y Y.

A continuación, agregaremos mediante texto delimitado por comas el archivo csv que descargamos:

Mediante File name, le damos clic en los tres puntitos y seleccionamos nuestro archivo que

descargamos. De manera automática se llenará todo:

Quedando de la siguiente manera:

Mediante la selección manual, lo que haremos será únicamente seleccionar los que quedan en la Ciudad

de México:

Quedando de la siguiente manera:

En la caja de herramientas de Vector Geometry< Voronoi Polygons:

Saldrá la siguiente ventana, en donde el Input layer serán las zonas de patrullaje, y seleccionamos la

casilla de Selected features only y damos una ruta y nombre de salida:

Para este ejemplo le llamaremos Sectores_thiessen:

Quedando de la siguiente manera:

En nuestra capa de delitos seleccionaremos, nuevamente, los robos a vehículos para el año 2020:

Y lo que a continuación haremos será contar el número de incidentes reportados de acuerdo con el sector

policial. Esto lo hacemos mediante la herramienta Count points in polygon:

Se desplegará la siguiente ventana, en donde los polígonos serán los Thiessen, y los puntos serán los

delitos seleccionados, recuerden que se debe marcar la casilla de Selected features only. Le damos una

ruta y nombre de salida:

Le llamaremos Thiessen_RoboAuto_2020:

Damos clic en ejecutar:

Siendo el resultado siguiente, y le damos simbología desde las propiedades de la capa:

Podremos observar que a pesar de que en el análisis de hot spots pasado tenía una acumulación en la

parte del centro y poniente, la distribución cambia de acuerdo con el sector policial. De esta manera, se

muestra que hay un mayor número de robos a/en vehículos en la zona de Iztapalapa.

Isocronas (Ejercicio para siguiente clase)

Lo primero que haremos será descargar el Directorio Estadístico Nacional de Unidades Económicas en

INEGI. Accedemos a la página, y en las pestañas principales damos clic en Servicios, allí buscamos en

Herramientas en línea < Descarga masiva , seleccionamos a Ciudad de México y descargamos el

archivo shapefile del 2021:

Descomprimimos nuestro archivo y veremos que hay, al igual que en el Marco

Geoestadístico, una serie de subcarpetas.

Encontraremos en la carpeta de conjunto_de_datos el shapefile del DENUE.

Lo agregamos a un proyecto nuevo:

Lo que haremos será extraer todos los minisupers (Comercio al por menor en minisupers) mediante la

selección por expresión:

Los exportamos mediante clic derecho en la capa < Export < Save selected features as…

Le damos ruta y nombre de salida en nuestra carpeta de la práctica 5 y modificamos el SRC a UTM

Z14N

Autocorrelación Espacial.

Geoda es un software libre que permite realizar exploración y modelación de patrones espaciales.

Esta disponible para distintas plataformas, es por ello que descargaremos dicho software a partir de su

página: https://geodacenter.github.io/

Esta es la interfaz principal, en donde uno puede encontrar desde descarga, documentación, soporte,

entre otras opciones.

Nos vamos al apartado de Download, y allí seleccionamos la opción de acuerdo a nuestra computadora:

Seleccionamos una opción, descargamos e instalamos. La instalación es muy sencilla.