Desde hace unos años los mapas bivariados se están generalizando en los ámbitos técnico y científico, y es gracias a que aportan unas visualizaciones con unos diseños muy atractivos, pero esto sí pueden ser difíciles de entender si no estás familiarizado con ellos. Por ello, en esta entrada voy a hacer una pequeña introducción sobre cómo interpretarlos y que ventajas ofrecen.
Antes que nada, hay que entender que son un tipo de mapas temático que utilizan un par de variables para representarlas en una determinada localización y, de esta manera, ver cómo se interrelacionan. Pueden ser diferentes tipos de variables, climáticas, medioambientales, sociales, económicas, etc. y es necesario que sean variables relacionadas para ver con más claridad su efecto, pero eso sí puedes utilizar variables de este tipo:
- Variables cuantitativas continuas: por ejemplo, la densidad de población.
- Variables cuantitativas discretas: por ejemplo, cantidad de especies por región.
- Porcentajes: por ejemplo el % población sin acceso agua potable.
Esto permitirá construir una matriz de color, pero para ello hay que trabajar antes con esos datos e indicar valores de tipo, por ejemplo: “alto-medio-bajo” para clasificarlos, es recomendable que a cada variable se le ajusten tres clases, aunque puedes trabajar con más pero esto puede provocar una mayor confusión a la hora de analizar la información.
Existen aplicaciones que permiten desplegar este tipo de matrices y visualizar diferentes paletas de colores que puedes utilizar en tus mapas como esta aplicación denominada “Bivariate Color Palette Builder”
Te nuestro un ejemplo de Joe Davies que muestra la correlación entre las dos variables climáticas: precipitación y temperatura. Puedes adaptar la visualización a diferentes zonas como España, Estados Unidos, etc.
Este tipo de mapas, puedes intentar interpretarlo sin dificultad si te incorpora dicha leyenda. Lógicamente los colores más oscuros de cada variable indican dónde hay una temperatura o precipitación más alta. Y viceversa con los valores más bajos.
Lo complicado viene cuando mezclamos las dos variables, por ejemplo, el color más oscuro, casi negro corresponde a temperatura alta y precipitación alta, es importante entender esto. Pero entonces, ¿cómo se relaciona esto con Galicia? También debes tener en cuenta el origen de los datos (en este caso temperatura media anual).
Otra ventaja de este tipo de mapas es que pueden realizarse con programas de Sistemas de Información Geográfica (SIG) como ArcGIS Pro o QGIS, o a través de lenguajes de programación como Python o R.
El siguiente mapa de R y su leyenda se entiende mejor, que la anterior leyenda girada (aunque se leen igual el giro sólo es estético), en este caso los valores más oscuros se entienden como valores altos en las dos variables en el norte con más motociclista y más atropellos en contraste con la zona sur.
Además, en QGIS puedes encontrar complementos como “Bivariate QGIS Plugin” que también te permite crear esa leyenda.
Te animo a que curiosees más sobre este tema, en una próxima entrada veremos cómo crear un mapa de este tipo.
Formación de calidad impartida por profesionales
Deja tu comentario