Hacia métodos de análisis de datos espaciales raster en el nivel semántico
Towards Raster Spatial Analysis Methods at the Semantic Level
Eydel Jaime, Rainer Larín y Eduardo Garea
Centro de Aplicaciones de Tecnologías de Avanzada, La Habana, Cuba. E–mail: ejaime@cenatav.co.cu, rlarin@cenatav.co.cu, egarea@cenatav.co.cu
]]> Artículo recibido el 14 de febrero de 2011.
Resumen
Los Sistemas de Información Geográfica (SIG), debido a sus aplicaciones en el análisis y recuperación de la información geo–gráfica, se han convertido en una necesaria herramienta para la ayuda a la toma de decisiones.
Con el surgimiento de la Geosemántica, un nuevo enfoque en la recuperación y análisis de información espacial se impone, recuperar y analizar la información por su significado semántico. El presente trabajo pretende hacer una síntesis de las diferentes técnicas y métodos a través de los cuales los SIG han venido recuperando la información espacial, llegando hasta las nuevas pro–puestas que incluyen la semántica, enfocándose en el modelo de datos raster, específicamente en la técnica de superposición de mapas y la problemática de la naturaleza heterogénea de los datos geográficos. Por lo que se plantea la necesidad de encontrar métodos que tomen en cuenta esta limitante y permitan trabajar con los datos mezclados de manera simultánea.
Palabras clave: Recuperación y análisis, ontologías y datos raster.
Abstract
Geographic Information Systems (GIS), due to their applications in analysis and geographic information retrieval, have become a necessary tool to aid decision making.
]]> After the emergence of Geosemantic a new approach in the retrieval and analysis of spatial information is imposed, retrieve and analyze information by its semantic meaning. This paper aims to summarize the different techniques and methods by which GIS has been recovering spatial information reaching new proposals that include semantics, focusing on the raster data model specifically the map overlay technique and the problem of the heterogeneous nature of geographic data. As there is a need to find methods that takes into account this limitation and allows working with mixed data simultaneously.Keywords: Retrieval and analysis, ontologies and raster data.
DESCARGAR ARTÍCULO EN FORMATO PDF
Referencias
1. Bosque, J. (1994). Sistemas de Información Geográfica: prácticas con PC ARC/INFO e IDRISI. Madrid: RA–MA. [ Links ]
2. Dougherty, J., Kohavi R. & Sahami M. (1995). Supervised and unsupervised discretization of continuous features. 12th International Conference on Machine Learning, San Francisco, CA, USA, 194–202. [ Links ]
]]>3. Geographic information systems in sustainable development. (June, 2004,). Retrieved from http://www.fao.org/SD/eidirect/gis/eigis000.htm. [ Links ]
4. Graeff, B. (2001). Querying Raster Data Structures –Probabilistic and non–probabilistic approaches on knowledge based template matching methods. Vistas for Geodesy in the new Millennium, IAG 2001 Scientific Assembly, Budapest, Hungary. 371–376. [ Links ]
5. Graeff, B. & Carosio A. (2002). Automatic interpretation of raster–based topographic maps by means of queries. Spatial Information in Mapping and Cadastral Systems. FIG XXII International Congress, Washington D.C, USA, 1–12. [ Links ]
6. Larin, R. & Garea E. (2010). Automatic representation of semantic abstraction of geographical data by means of classification. Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. Lectures Notes in Computer Science, 6419, 557–568. [ Links ]
7. Lumijarvi, J., Laurikkala J. & Juhola (2004). A comparison of different heterogeneous proximity functions and Euclidean distance. In M. Fieschi, E. Coeira & Li, YC (Eds), Medinfo 2004: Proceedings of the 11th World Congress On Medical Informatics, (1362–1366). Amsterdam: IOS Press. [ Links ]
]]>8. Martínez, J. F. & Guzmán A. (2001). The logical combinatorial approach to Pattern Recognition, An overview through selected works. Pattern Recognition, 34 (4), 741–751. [ Links ]
9. Merz, C. J. & Murphy P. M. (1998). UCI Repository of Machine Learning Databases. Department of Information and Computer Science, University of California, Irvine, USA. [ Links ]
10. Oliva, R. (2009). Anotaciones Semánticas de Datos Geográficos. Tesis de Maestría, Universidad de La Habana, La Habana, Cuba. [ Links ]
11. Quintero, R., Torres M., Moreno M. & Guzmán G. (2009). Towards a semantic representation of raster spatial data. Geospatial Semantics. Lectures Notes in Computer Science, 5892, 63–82. [ Links ]
12. Ruiz, J., Guzmán A. & Martínez J. F. (1999). Enfoque Lógico–Combinatorio al Reconocimiento de Patrones, Selección de Variables y Clasificación Supervisada. México D.F: Editorial IPN. [ Links ]
]]>13. Wilson, R.D. & Martínez T. R. (1997). Improved Heterogeneous Distance Functions. Journal of Artificial Intelligence Research, 6, 1–34. [ Links ]
]]>