En entregas anteriores de esta serie, presenté tres desafíos comunes que suelo encontrar en proyectos de integración geoespacial. En las dos publicaciones previas, exploré la importancia de conocer los datos y crear metadatos basados en estándares . En esta última publicación, me centro en los datos en sí, analizando la importancia de contar con datos estructurados y basados en estándares, si bien reconozco que esto no siempre es posible.
Cuando queremos integrar datos vectoriales (por ejemplo, puntos, polígonos o líneas) de un formato no estructurado como un PDF, un vídeo o una imagen, es necesario realizar un preprocesamiento. Esto complica el proceso de Extracción, Transformación y Carga (ETL) y puede provocar la pérdida de información durante el proceso.
Sin embargo, me he encontrado con casos en los que no existía otra alternativa, ya que los productores de datos solo podían proporcionar información en esos formatos. En tales casos, la Inteligencia Artificial (IA) puede desempeñar un papel valioso al ayudar a extraer elementos estructurados de información no estructurada, utilizando algoritmos como las Redes Neuronales Convolucionales (CNN) para la segmentación de imágenes.
Pero incluso cuando hablamos de formatos estructurados, no todos los formatos son iguales.
En la imagen a continuación, se muestra una clasificación de los formatos de datos según su potencial de interoperabilidad. Cabe destacar que estos son solo ejemplos ilustrativos y no una lista exhaustiva de todos los formatos de datos vectoriales existentes.
El formato CSV es el menos recomendable, a pesar de ser un estándar ( RFC 4180 ). El hecho de que no tenga un esquema fijo dificulta la validación de la información. Esto resulta especialmente problemático para las geometrías, que pueden codificarse de diversas maneras sin proporcionar información sobre los sistemas de referencia de coordenadas (SRC).
Shapefile es un formato abierto y estructurado; en 1998 se publicó un documento técnico que lo describe en detalle, lo que permite su implementación por parte de cualquier persona (y cuenta con el respaldo de la mayoría de las herramientas geoespaciales). Sin embargo, la especificación no es un estándar, ya que no está desarrollada ni mantenida por una organización de normalización independiente. Por consiguiente, no ofrece el mismo nivel de garantía que los estándares formales.
Los tres formatos restantes, situados en el extremo superior de la escala, son estándares y, por lo tanto, recomendables. GeoJSON y JSON-FG destacan por su interoperabilidad, ya que admiten la validación semántica mediante JSON Schema . JSON-FG, en particular, admite la definición de FeatureTypes, definidos por FeatureSchemas.
Al seleccionar estándares utilizando este diagrama, conviene tener en cuenta algunas consideraciones. JSON-FG es un estándar relativamente nuevo y puede que aún no esté ampliamente adoptado, mientras que GeoJSON siempre utiliza el sistema de coordenadas predeterminado (WGS84).
Si bien es valioso recomendar formatos más interoperables, reconozco que los usuarios a menudo llegarán con formatos diferentes. Lo bueno es que, si trabajamos con formatos estructurados, generalmente es sencillo convertirlos utilizando herramientas como GDAL.
Poniendo en práctica estas recomendaciones
Para obtener orientación práctica, consulte estas directrices sobre formatos de datos, nombres de archivo y nombres de campo. Esta guía ofrece un método paso a paso para transformar datos tabulares en un formato de datos geoespaciales.
