En ocasiones una nube de puntos puede impedirnos leer con claridad un mapa, especialmente cuando trabajamos a escalas pequeñas en las que una gran extensión puede mostrar una gran cantidad de elementos que se representan muy próximos sin dejarnos ver los elementos subyacentes.

point_cluster

Para facilitar la lectura bajo esta nube de puntos, QGIS 3 dispone de un modo de representación “Point Clúster” (Agrupación de Puntos), desarrollado por la empresa North Road a través de una campaña de “crowdfunding”. Este modo de renderizado permite la agrupación de varios puntos próximos en un solo marcador.

Para representar una capa de puntos de este modo, debemos acceder a la pestaña simbología en la ventana de propiedades de la capa. Seleccionamos el renderizador “Agrupación de Puntos”.

point_cluster1

Este modo de representación nos permite controlar:

1. Simbología del “Clúster”: Podemos elegir la simbología del clúster o punto de agrupación. Por defecto, vendrá representado mediante un símbolo complejo constituido por un símbolo de marcador sencillo y un símbolo de Carácter (letra, numero o símbolo). El símbolo de carácter permite informar del número de elementos agregados bajo dicho clúster.

point_cluster2

2. Distancia de tolerancia: Podemos especificar la distancia dentro de la cual los puntos se agrupa bajo un mismo punto de agrupación. El resto de puntos que se encuentren a una distancia superior se representaran de acuerdo a lo establecido en el parámetro “Renderizador” de esta misma ventana. Esta distancia puede ser expresada en distintas unidades (milímetros, puntos, pixeles, unidades de mapa o pulgadas). Debemos tener claro que si la distancia es expresada en unidades de mapa, el numero de clúster no va a cambiar, aunque cambiemos la escala del mapa.

point_cluster3

3. Renderizador: Permite establecer la simbología de aquellos puntos aislados que no se encuentre dentro del radio definido para el clúster. Estos puntos pueden ser representados como siempre, mediante “Símbolos sencillos”, por “Categorías”, mediante simbología “Graduada” o “Basada en reglas”.

A la hora de definir la simbología del “Clúster” o punto de agrupación, observaras que gran parte de los parámetros pueden ser controlados mediante “Suplantación definida por datos”, esto implica que el valor que define dicho parámetro puede ser establecido mediante la selección de un campo de la tabla de atributos, una variable de expresión o la construcción de una expresión compleja (editar).

point_cluster4

Por este motivo, resulta de gran utilidad el empleo de las variables de expresión “@cluster_size” y “@cluster_color”.

La variable “@cluster_size” nos devuelve la cantidad de puntos que han sido agrupados bajo un determinado clúster. Esta variable puede ser útil para definir el tamaño del símbolo Clúster. También se emplea cuando en la composición del símbolo empleamos un “Marcador de tipos de letra”, de modo que el carácter numérico que se representa indica el número de puntos agrupados.

En el siguiente ejemplo podemos ver como el tamaño del símbolo clúster puede ser proporcional al número de puntos agrupados, empleando la función Scale_linear().

point_cluster5

Para ello podemos emplear las funciones scale_linear() y scale_exp().

scale_linear(): Permite obtener la transformación de un valor de entrada (en este caso la función @cluster_size) dentro de un dominio de valores determinado, a un valor de salida mediante una transformación lineal, que estará dentro de un determinado rango de valores de salida definidos.

scale_exp(): Análoga a la función scale_linear(), obtenemos la transformación de un valor de entrada (@cluster_size), pero en este caso mediante una transformación exponencial. La forma de la curva exponencial vendrá definida por el valor del exponente que debe ser positivo. Valores de exponente altos producen transformaciones leves mientras los valores de entrada se localizan en las zonas baja del dominio y produce transformaciones más intensas para los valores de entrada que se localizan en las zonas más alta del dominio (forma de la curva “ease in”). En cambio, valores de exponente menores de 1, producen transformaciones intensas para valores de entrada que se localizan en las zonas bajas del dominio y la intensidad de la transformación se atenúa cuando los valores de entrada se localizan en las zonas altas del dominio (forma de la curva “ease out”).

point_cluster6

La variable “@cluster_color”, en el caso de que todos los puntos agrupados bajo un mismo clúster pertenezcan a la misma categoría o clase, y por tanto compartan la misma simbología, la variable @cluster_color tomará el color de dicha categoría o clase, con el fin de que el símbolo clúster pueda ser representado con este mismo color. En el caso de que los puntos agrupados pertenezcan a distintas clases o categorías esta variable será nula.

En el siguiente ejemplo podemos comprobar como mediante el empleo de la variable @cluster_color los puntos de agrupación que están constituidos por una misma clase o categoría heredan el color distintivo de la misma.

point_cluster7

Finalmente vamos a ver cómo podemos establecer el color del clúster en base al número de puntos que agrupa, de modo que a mayor número de puntos el clúster se represente mediante un aumento en la intensidad del color dentro de una gama cromática.

point_cluster8

Para ello solo tenemos que acceder a las propiedades del símbolo del clúster y definir el parámetro “color” mediante una expresión.

Existen diversas funciones que pueden ser empleadas para la definición del color, dos de ellas son color_hsva() y ramp_color().

  • color_hsva(): Nos devuelve una coordenada de color expresa en el mapa de color HSV, al cual podemos dotar de cierta transparencia al poder incluir la coordenada Alpha. Definimos las coordenadas Hue (tono), Value (valor) y Alpha (transparencia) como valores fijos, mientras que la coordenada Saturación va ir variando de un modo exponencial con la variable @cluster_size.
  • ramp_color(): Nos devuelve una coordenada de color dentro de una rampa de color definida y a la cual identificamos por su nombre (en este caso la rampa de color es ‘Plasma’). El valor que identifica la coordenada de color dentro de la rampa ira variando de un modo exponencial con la variable @cluster_size.

point_cluster9

 

Si quieres empezar a formarte en el manejo de Quantum GIS tienes un amplia oferta de cursos en nuestro apartado de cursos de QGIS.

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (1 votos, promedio: 5,00 de 5)

Cargando…

Formación de calidad impartida por profesionales

Curso-Online-QGIS-Nivel-usuario  Curso-Online-QGIS-Nivel-Avanzado-min  Curso Online QGIS Nivel Especialista 

Curso-online-QGIS-Geología  Curso Online qgis aplicado al medio ambiente  QGIS_Medio-Marino 

Curso-online-hecras-qgis  Curso Online qgis aplicado a rutas de tranporte  Curso Online QGIS Datos Satelite drone lidar