Al terminar 2017 había 68,5 millones de personas desplazadas en el mundo. Es decir, una de cada 110 personas en el mundo se halla en situación de desplazamiento.

En este artículo, Aranzazú Cruz nos presenta siete  proyectos de visualización de datos, elaborados en los últimos tres años, que combinan diferentes narrativas digitales para visibilizar tanto las poblaciones desplazadas y refugiadas en el mundo como sus historias.

Migration trail

Migration trail es un proyecto de Alison Killing y Sarah Saey que utiliza mapas, datos y audio para unir los puntos de una historia que transcurre en las huidas hacia a Europa.

A través de una visualización de datos mapeados, migration trail sigue el viaje en tiempo real de dos personajes, un hombre nigeriano y una mujer siria, que viajan a Europa, durante diez días.

Las voces de los personajes están escritas como un mensaje de mensajería instantánea y aparecen tanto en el sitio web como a través de Facebook Messenger. La historia llega a los usuarios y las usuarias a través de su teléfono, estén donde estén. Además, hay un podcast diario que explora los problemas a los que se enfrentan las personas migrantes en sus huidas.

Este proyecto de visualización y vivencias personales tiene como objetivo retratar las historias individuales de las personas que han llegado a las costas del Mediterráneo en los últimos años, la historia política de las rutas que realizan, y la historia social que llevan a cabo.

Las autoras buscan con esta iniciativa mostrar el poder de los mapas y los datos para contar este tipo de historias.

The New Arrivals

Durante 18 meses, el periódico inglés The Guardian, el periódico francés Le Monde, el periódico español El País y el periódico alemán Spiegel Online han seguido las historias de las comunidades de personas refugiadas recién llegadas a Europa.

Cada uno de los periódicos ha seguido durante 500 días a los protagonistas que ha escogido para elaborar los seis capítulos en los que se narra cómo viven, a qué aspiran, qué les motiva, qué les preocupa, cómo se relacionan con sus conciudadanos, con las autoridades o con las ONG, etc.

Este relato multimedia, The New Arrivals, sobre cómo un grupo de personas migrantes y refugiadas se adapta a una nueva vida en Europa es un proyecto financiado por el European Journalism Center a través de una subvención de la Fundación Bill & Melinda Gates.

Aquellas personas que no cruzaron

El geógrafo Levi Westerveld ha elaborado un mapa que muestra las personas que fallecieron en el mar Mediterráneo intentando llegar a las costas europeas.

Los datos que se han utilizado para elaborar este proyecto son de The Migrants ‘Files, United y Fortress Europe. El autor ha usado información de más de 3.000 viajes que finalizaron con la muerte de uno o más individuos mientras intentaban llegar a Europa. El mapa incluye la causa de la muerte, la fecha y el lugar del evento, el número de muertos o desaparecidos, y una breve descripción de lo sucedido.

Mapeo de los movimientos mundiales de refugiados

¿Cómo se han desarrollado los movimientos globales de refugiados desde el final de la Guerra Fría? ¿De dónde salen y hacia dónde van las personas refugiadas?

Este proyecto, realizado por Departamento de Ciencias Políticas de la Universidad de Zurich, ofrece una visualización interactiva espacial y temporal de datos recopilados por la Agencia de las Naciones Unidas para los Refugiado (ACNUR)

Al desplazarse hacia abajo en la página web, el usuario puede explorar los datos sobre los desplazamientos mundiales de refugiados y seguir la narración de historias sobre los movimientos de personas refugiadas hacia y desde la región del Cuerno de África.

The Refugee Project

Este proyecto de visualización interactivo permite a los usuarios explotar todos los flujos de personas refugiadas desde 1975.

A medida que el mapa interactivo avanza a lo largo de los años, revela la frecuencia de las crisis migratorias, el país de origen y la escala del éxodo de cada país. Al seleccionar cada país se muestran los datos exactos de las solicitudes de asilo por año.

Este proyecto combina los datos de ACNUR con 100 relatos narrativos contextuales que detallan los acontecimientos que desencadenaron las principales crisis de refugiados de las últimas cuatro décadas.

Movimientos, necesidades y ayuda en situaciones de crisis migratorias

ONE Campaign ha creado una herramienta que reúne los datos sobre los movimientos de las personas refugiadas y desplazadas, las necesidades y los niveles de financiación necesarias para apoyar a las poblaciones vulnerables.

Este proyecto permite al lector hacerse una imagen completa de las necesidades que existen y el apoyo necesario para acabar con las crisis humanitarias.

El flujo de refugiados en el mundo

Mientras las visualizaciones de datos se vuelven más populares y se van creando nuevas herramientas para crearlas, menos personas están pensando de manera crítica acerca de la política y la ética de las dinámicas de representación. Esto, combinado a un público general asustado por los datos y las gráficas, conlleva que las visualizaciones de datos ejerzan una gran cantidad de poder retórico. A pesar de que de manera racional sabemos que las visualizaciones de datos no representan “el universo completo”, nos olvidamos de ello y aceptamos cualquier gráfico como un hecho porque es generalizado, científico y parece presentar un punto de vista experto y neutral.

¿Cuál es el problema de esto? La teoría feminista nos diría que el problema es que todo conocimiento es situado socialmente, y que las perspectivas de los grupos oprimidos, incluyendo a las mujeres, a las minorías y a otros grupos son excluidas sistemáticamente del conocimiento “general”.

La corriente de la cartografía crítica nos diría que los mapas son espacios de poder y que producen mundos que están íntimamente ligados a ese poder. Como Denis Wood y John Krygier explican, la elección sobre qué poner en un mapa “…trae a la superficie el problema del conocimiento, de una manera ineludible así como pasa con el simbolismo, la generalización y la clasificación”. Hasta que reconozcamos ese poder de inclusión y exclusión, y desarrollemos un lenguaje visual para ello, debemos reconocer que la visualización de datos puede ser otra herramienta poderosa y defectuosa para la opresión.

¿Puedo decir esto más claro? Donna Haraway —en su influyente ensayo sobre Conocimientos situados— ofrece una brillante crítica no sólo a la representación visual, sino al privilegio extremo y perverso de los ojos sobre los cuerpos que han dominado el pensamiento occidental. Es evidente al leer esta cita en voz alta, que funciona también como una pieza de performance:

Los ojos han sido utilizados para significar una perversa capacidad, refinada hasta la perfección en la historia de la ciencia —relacionada con el militarismo, el capitalismo, el colonialismo y la supremacía masculina— para distanciar al sujeto conocedor de todos y de todo, en interés del poder sin trabas. Los instrumentos de visualización… han compuesto estos significados de descorporalización.  Las tecnologías de visualización parecen no tener límites… La vista en esta fiesta tecnológica se ha convertido en glotonería incontenible. .. Y como truco divino, este ojo viola al mundo para egendrar monstruos tecnológicos.

— Donna Haraway en “Conocimientos situados: La cuestión científica en el feminismo y el privilegio de la perspectiva parcial” (1995)

Ver el mundo por completo es una fantasía que Michel DeCerteau llama “el ojo totalizante” y a la que Donna Haraway llamó “el truco divino”. ¿Acaso no es ésta la premisa retórica y promesa seductora de la visualización de datos? ¿Ver desde la perspectiva de ninguna persona o cuerpo? Nuestro apetito por dichas perspectivas es feroz y glotón, como dice Haraway.

Existen maneras de representar el mundo de una manera más responsable. Existen maneras de “situar” la visualización de datos y localizarla en cuerpos y geografías concretas. Los cartógrafos críticos, los indígenas mapeadores y otras comunidades han experimentado por años con estos métodos y podemos aprender de ellos.

Tip 1  Inventa formas de representar los datos faltantes, la incertidumbre y los métodos que fallan.

Mientras que las visualizaciones —sobre todo las populares y públicas— son una gran manera de presentar mundos completamente contenidos, no son tan buenas para presentar sus limitaciones.¿Cuáles son los lugares que la visualización no incluye o a los que no pudo llegar? ¿Podemos incluirlos en la visualización?  ¿Cómo presentamos los datos que nos hacen falta? Andy Kirk tiene una muy buena charla sobre el diseño de la nada, en la cual explica cómo los diseñadores toman decisiones a la hora de representar la incertidumbre, incluir valores ceros, nulos y en blanco. ¿Podemos empujar a qué más diseñadores tomen estos métodos en consideración? ¿Podemos pedir que nuestros conjuntos de datos señalen también aquello que dejaron fuera?

Mapa para no indicar, 1967 por el colectivo de artistas Art&Language. El mapa enseña solo a Iowa y Kentucky y luego procede a listar todo aquello que no está representado en él. Forma parte de la Tate Collection.

Más allá de escribir “datos no disponibles”, ¿Cómo profundizamos en la procedencia de los datos como un nuevo campo de la visualización, similar al trabajo de verificación de datos? ¿Podemos recolectar y representar los datos que no se han recopilado antes?  ¿Podemos encontrar a la población que fue excluida de la recolección de datos? ¿Podemos localizar las fallas en el instrumento de recolección de datos que todos asumían que funcionaba a la perfección? ¿Podemos examinar críticamente los métodos de un estudio en lugar de aceptar que el CSV, JSON ola API están como están y ya? Todas estas parecen tareas que van más allá del trabajo del visualizador de datos. Alguien más antes de ellos en el proceso de datos, el DataPipeline, debería hacer ese trabajo de investigación nada sexy de la antropología de datos. Pero si los visualizadores no asumen esta responsabilidad ¿Quién la asume?

Tip 2 Haz referencia a la ‘economía de los materiales’ detrás de los datos

Aparte de la procedencia de los datos, también necesitamos preguntar sobre la economía de los materiales detrás de este proceso de recolección de datos ¿Cuáles eran las condiciones que hicieron una visualización de datos posible? ¿Quién pagó por esta visualización? ¿Quién recolectó los datos? ¿Cuál es el trabajo detrás de escenas y bajo qué condiciones se produjo esta visualización?

Por ejemplo, en el Laboratorio Público de Tecnología y Ciencia Abierta tenemos esta técnica de mapeo en la que cuelgas una cámara a un barrilete o globo para obtener imágenes espaciales. Uno de los efectos secundarios de este método que algunas comunidades han adoptado es que la cámara también captura la imagen de las personas que participan en el mapeo. Estos son los cuerpos de los recolectores de datos, frecuentemente ausentes de las representaciones finales.

Foto tomada de un artículo de Eymund Diegal del Laboratorio Público sobre mapeo de aguas residuales en el Canal Gowanus. Noten a las personas en botes haciendo el mapeo y el cordón del globo que une la cámara y la imagen de regreso a quienes recolectan los datos.

Comúnmente, las visualizaciones de datos citan a las fuentes en una pequeña leyenda, pero se podría hacer más. ¿Qué tal si problematizamos visualmente la procedencia de los datos? ¿Los intereses detrás de la producción de un conjunto de datos particular? ¿Los tomadores de decisiones de estos datos? Un archivo CSV usualmente no tiene referencia a ninguno de estos elementos materiales más humanos que también son esenciales para que entendamos el dónde, por qué y cómo de los datos.

Tal vez una manera de resolver este problema sería tener metadatos mucho más robustos y de manera intencional priorizar el despliegue visual de esos metadatos. La meta de dicha visualización sería mostrar no sólo lo que los datos “dicen” sino cómo los datos se conectan con personas, sistemas y estructuras de poder y producción en el mundo más amplio.

Tip 3 Haz que la disidencia sea posible

A pesar de que hay suficientes visualizaciones de datos “interactivas”, lo que en realidad significa interactividad es la capacidad de seleccionar algunos filtros y mover algunas barras o sliders para ver cómo la imagen se adapta y cambia. Estos pueden ser métodos poderosos para moverse dentro de un mundo contenido y restringido de imágenes y hechos estables. Pero como sabemos por ejemplos como las guerras de edición en Wikipedia, o las controversias de GoogleMaps, el mundo no está encuadrado de una manera tan conveniente en la que los “hechos” no se disputan o son siempre lo que parecen ser.

Una manera de resituar la visualización de datos es desestabilizarla al hacer posible el disenso.  ¿Como podemos idear formas en las que una audiencia pueda “responderle”a los datos?… ¿Para cuestionar los hechos que presenta? ¿Para presentar visiones y realidades alternativas? ¿Para combatir y socavar principios básicos de la existencia y recolección de esos datos?

¿Cómo hacer esto? A pesar de que la mayoría de personas que trabajan con datos son hombres blancos, podría ser tan simple como incluir a personas de diferentes contextos, con diferentes perspectivas, en la producción de la visualización.  Por ejemplo, el Insituto de Expediciones Geográficas de Detroit era un proyecto realizado en conjunto entre geógrafos académicos (liderados por hombres blancos privilegiados) y la juventud de diferentes sectores de la ciudad (liderados por Gwendolyn Warren, un activista negro de 19 años) a finales de 1960.

Tomado de  Notas de Campo III: Geografía de los niños de Detroit. por el Instrituto de Expediciones Geográficas, 1971. Warren y sus colegas usaban este mapa y los reportes generales para argumentar a favor de un programa de “planificación de negros”, que empoderaba a los ciudadanos de color para tomar decisiones sobre sus comunidades.

Para su tiempo, este mapa era avanzado tecnológicamente y un poco convencional (a nuestros ojos) en su uso de estrategias visuales. Lo que le da a este mapa disidencia es el titulo, formulado por la juventud negra haciendo el mapeo: “Donde los automovilistas atropellan a niños negros”; este no es un título neutral. El mapa pudo haberse llamado “Donde pasan los accidentes en el centro de Detroit” (y de esta manera, habría sido si la ciudad hubiera contratado a un consultor en cartografía para mapear esos mismos datos), pero desde el punto de vista de las familias negras cuyos hijos habían sido atropellados, era significativo que los niños eran negros, los automovilistas en su mayoría blancos y que los eventos se describían como “muertes” en vez de “accidentes”.

Uno puede construir disenso en el proceso de visualizar si incluye voces diversas en la creación, pero ¿Y en el producto final?

El proyecto ToxicSites.us crea un reporte sobre cada lugar contaminado en Estados Unidos e invita a que diferentes colaboradores añadan historias locales, imágenes y videos que documentan el sitio (y posiblemente contradigan los datos oficiales). El sitio también permite que campañas de activismo y programas ecológicos se organicen para limpiar estos lugares. Esta es una manera de “responder” a los datos, así como de pasar la conversación pública sobre lo que los datos dicen a la acción.

El sitio ToxicSites.us  presenta mapas, visualizaciones de datos e historias sobre los proyectos del programa Superfund, responsable por limpiar los lugares más contaminados de Estados Unidos. El proyecto busca responder a emergencias ambientales, fugas de petróleo y desastres naturales.   

Una visualización a menudo se produce con un enfoque desde arriba: un diseñador experto o un equipo con conocimientos especializados encuentra algunos datos, hace algo de su magia y presenta al mundo un artefacto con algunas maneras altamente recomendadas para verlo.

¿Podemos imaginar una forma alternativa de incluir más voces en la conversación? ¿Podríamos realizar la visualización de forma colectiva, inclusiva, con disidencia y contestación, a escala?

¿Qué más?

Estas son solo tres sugerencias de diseño que apuntan hacia la ética feminista y la conciencia sobre las políticas detrás de la visualización de datos. Me gustaría escuchar sobre otros aspectos de la visualización de datos que podamos repensar para hacerla más situada, más feminista, y sobretodo, más responsable. Haz tus comentarios o escríbeme en Twitter a @kanarinka para continuar la conversación.

 Desde Escuela de Datos, Sebastián Oliva, fellow 2017, enseña cómo usar Python para generar mapas a partir de datos georreferenciados.

Mapas y Python

Es obvia la importancia de los mapas, para la visualizacion de datos. Las coordenadas, latitud y longitud, pueden describir un punto sobre la tierra. Utilizamos estandares como WGS-84 para atar esas coordenadas a un punto real.

Utilizando MatPlotlib, podemos aprovechar Basemap, una libreria que provee funcionalidad básica de mapa, con la cual podemos construir y componer. Agregar poligonos, puntos, areas, barras, colores, etc; se hace mediante estas librerias.

Librerias

La libreria mas utilizada en el ecosistema Jupyter-Matplotlib es Basemap. Tambien existen otras, entre ellas, Plotly, que son muy poderosas y convenientes pero tienen dependencias externas.

• Basemap: el «industry standard». Un poco complicado para el setup, bastante poderoso e integrado con matplotlib.
• Plotly: Una libreria que permite desplegar datos mediante Javascript en la Web
• QGis: Una aplicación completa para el manejo de datos GIS, tiene bindings en Python y es posible utilizar como libreria para aplicaciónes tanto GUI como en notebooks o para analizar en scripts y exportar.
• OSMnx: Basada en Open Street Map, Permite tanto analisis como visualización de mapas a nivel de calle, region, ciudad y más.

Para este webinar, vamos a indagar mas en Basemap, que es el mas accesible.

Basemap

Basemap es una extensión de la funcionalidad disponible

Existen varias formas de instalarlo, así que puede ser un poco confuso. Dependiendo de el método en el cual tengas instalado matplotlib hace variar la forma apropiada de instalarlo.

Ambiente de Trabajo

$ #ESTE_ENV = midevenviroment
$ source ~/miniconda3/envs/$ESTE_ENV/bin/activate

$ conda install jupyter-notebook
$ conda install gdal -c conda-forge
$ conda install basemap -c conda-forge
$ conda install pandas seaborn

## En caso hayan instalado basemap en algun directorio no standard: utiliza un link para la carpeta data.
$ ln -s /home/tian/miniconda3/pkgs/basemap-1.1.0-py36_2/lib/python3.6/site-packages/mpl_toolkits/basemap/data/ /usr/share/basemap

In [16]:

# Importamos lo ya usual.
import matplotlib.pyplot as plt
import matplotlib.cm
import pandas as pd
import numpy as np
import seaborn

# Algunas librerias extra que usaremos
from matplotlib.colors import Normalize
import matplotlib.colors as colors
from numpy import array
from numpy import max

# Aqui cargamos Basemap
from mpl_toolkits.basemap import Basemap
from matplotlib.patches import Polygon
from matplotlib.collections import PatchCollection


sns.set(style="white", color_codes=True)

%matplotlib inline

Mapeando los terremotos globales de la ultima semana

Vamos a usar la feed de datos del US Geological, ellas tienen disponibles datos referenciados de actividad geologica a nivel mundial, regional y de EEUU.

In [17]:

quakes = pd.read_csv("http://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/1.0_week.csv")

# Creamos la lista de latitudes y longitudes.
lats, lons = list(quakes['latitude']), list(quakes['longitude'])

In [60]:

mags = list(quakes['mag'])
quakes.head()

Out[60]:

5 rows × 22 columns

Iniciemos con el mapa

In [25]:

eq_map = Basemap(projection='robin', resolution = 'l', area_thresh = 1000.0,
              lat_0=0, lon_0=-130)
eq_map.drawcoastlines()
eq_map.drawcountries()
eq_map.fillcontinents(color = 'gray')
eq_map.drawmapboundary()
plt.show()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:1631: MatplotlibDeprecationWarning: The get_axis_bgcolor function was deprecated in version 2.0. Use get_facecolor instead.
  fill_color = ax.get_axis_bgcolor()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:1775: MatplotlibDeprecationWarning: The get_axis_bgcolor function was deprecated in version 2.0. Use get_facecolor instead.
  axisbgc = ax.get_axis_bgcolor()
 

In [64]:

figu, ax = plt.subplots(figsize=(20,10))
eq_map = Basemap(projection='robin', resolution = 'l', area_thresh = 1000.0,
              lat_0=0, lon_0=-130)
eq_map.drawcoastlines()
eq_map.drawcountries()
eq_map.fillcontinents(color = 'gray')
eq_map.drawmapboundary()
eq_map.drawmeridians(np.arange(0, 360, 30))
eq_map.drawparallels(np.arange(-90, 90, 30))

## Coordenadas a posiciones
x,y = eq_map(lons, lats)
eq_map.plot(x, y, '^', markersize=6)
 
plt.show()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:1631: MatplotlibDeprecationWarning: The get_axis_bgcolor function was deprecated in version 2.0. Use get_facecolor instead.
  fill_color = ax.get_axis_bgcolor()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:1775: MatplotlibDeprecationWarning: The get_axis_bgcolor function was deprecated in version 2.0. Use get_facecolor instead.
  axisbgc = ax.get_axis_bgcolor()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:3298: MatplotlibDeprecationWarning: The ishold function was deprecated in version 2.0.
  b = ax.ishold()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:3307: MatplotlibDeprecationWarning: axes.hold is deprecated.
    See the API Changes document (http://matplotlib.org/api/api_changes.html)
    for more details.
  ax.hold(b)

In [33]:

x[0]

Out[33]:

17740352.000926033

Veamos esto mas a detalle.

In [28]:

df = pd.read_csv('hiv_cr_data.csv')
df.columns
df.shape # (71, 8)
df.describe()
df.columns
df.loc[df.coordenadas == df.coordenadas]
subset = df.loc[df.coordenadas == df.coordenadas] 
coordenadas = subset[['sitio','latitud', 'longitud', 'coordenadas']]
coordenadas.head()

Out[28]:

In [66]:

coordenadas.count()

Out[66]:

sitio          67
latitud        67
longitud       67
coordenadas    67
dtype: int64

In [67]:

coordenadas.coordenadas.head()

Out[67]:

0      (10.01801 , -84.21648)
1    (10.016787 , -84.213914)
2    (10.020168 , -84.214064)
3      (10.00602 , -84.21274)
4       (9.98512 , -84.19554)
Name: coordenadas, dtype: object

In [35]:

 (10.01801 , -84.21648)

Out[35]:

(10.01801, -84.21648)

In [30]:

fig, ax = plt.subplots(figsize=(10,20))

mapa = Basemap(projection='merc', 
    lat_0 = 9.74, lon_0 = -83.5,
    resolution = 'i',
    llcrnrlon=-88.1, llcrnrlat=5.5,
    urcrnrlon=-80.1, urcrnrlat=11.8)

mapa.drawmapboundary(fill_color='#479EE0')
mapa.drawcoastlines()


from ast import literal_eval as make_tuple
def unpac(t):
    # haciendo trampa en la vida
    return pd.Series(make_tuple(t))

def plot_area(pos):
    ps = unpac(pos)
    x, y = mapa(ps[1], ps[0])
    mapa.plot(x, y, 'o', markersize=7, color='#444444', alpha=0.8)
    
    
coordenadas.coordenadas.apply(plot_area)


plt.show()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:3298: MatplotlibDeprecationWarning: The ishold function was deprecated in version 2.0.
  b = ax.ishold()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:3307: MatplotlibDeprecationWarning: axes.hold is deprecated.
    See the API Changes document (http://matplotlib.org/api/api_changes.html)
    for more details.
  ax.hold(b)

In [12]:

clox = array(coordenadas['longitud'])
clay = array(coordenadas['latitud'])
clo = list(clox)
cla = list(clay)

In [51]:

clay.mean()
clay

Out[51]:

array([ 10.01801 ,  10.016787,  10.020168,  10.00602 ,   9.98512 ,
        10.001528,   9.998438,   9.99943 ,   9.998952,   9.996179,
         9.98495 ,   9.99961 ,   9.935734,   9.93335 ,   9.93284 ,
         9.93355 ,   9.9356  ,   9.9359  ,   9.93454 ,   9.927243,
         9.93387 ,   9.93191 ,   9.93378 ,   9.937275,   9.937206,
         9.93281 ,   9.868255,   9.864336,   9.864255,   9.86715 ,
         9.97685 ,   9.99725 ,   9.974695,   9.61626 ,   9.39646 ,
         9.42387 ,   9.43062 ,   9.930423,   9.930036,   9.934636,
         9.929361,   9.937733,   9.930169,   9.927714,   9.934579,
         9.927496,   9.93141 ,   9.938098,   9.927755,   9.933922,
         9.936659,   9.932065,   9.927739,   9.930635,   9.932147,
         9.93535 ,   9.93286 ,   9.927324,  10.018506,  10.018993,
        10.002973,   9.408455,   9.39838 ,   9.403425,   9.40677 ,
         9.866258,   9.865848])

In [58]:

plt.figure(2)
#fig.add_subplot(223)
fig2, ax2 = plt.subplots(figsize=(20,10))

mapa2 = Basemap(projection='merc', 
    lat_0 = 9.74, lon_0 = -83.5,
    resolution = 'i',
    llcrnrlon=-88.1, llcrnrlat=7.5,
    urcrnrlon=-80.1, urcrnrlat=11.8)
pos_x, pos_y = mapa2(clox, clay)
mapa2.drawmapboundary(fill_color='#A6CAE0', linewidth=0)
mapa2.fillcontinents(color='darkgrey', alpha=0.3)
mapa2.drawcoastlines(linewidth=0.1, color="white")

paleta = seaborn.diverging_palette(10, 220, sep=80, as_cmap=True)

#sns.cubehelix_palette(8, start=2, rot=0, dark=0, light=.95, reverse=True)

hb = plt.hexbin(pos_x, pos_y, gridsize=4, mincnt=1,
    edgecolor='none', cmap = paleta)

cb = fig2.colorbar(hb, ax=ax2)


plt.show()
/usr/lib64/python3.6/site-packages/mpl_toolkits/basemap/__init__.py:1775: MatplotlibDeprecationWarning: The get_axis_bgcolor function was deprecated in version 2.0. Use get_facecolor instead.
  axisbgc = ax.get_axis_bgcolor()
<matplotlib.figure.Figure at 0x7f8646f5d7f0>

Cool links

• http://beneathdata.com/how-to/visualizing-my-location-history/
• https://pypi.python.org/pypi/descartes *

Desde Bogotá D.C., Andrés Forero  , especialista en GIS y datos geográficos, nos envía este post como parte de una serie de tutoriales  sobre datos geográficos y cómo podemos aprovecharlos desde distintos software para su edición y publicación.

En estos últimos años he tenido la oportunidad de ejercer diferentes roles como consultor y asesor para el desarrollo territorial en Colombia, un rol que, dadas las deficiencias tecnológicas y gubernamentales existentes, ha sido un enorme reto profesional.

En Colombia existen 1.123 municipios, 900 de ellos requieren la actualización de su Plan de Ordenamiento Territorial, el cual es el reglamento oficial que regula y genera normas para el desarrollo adecuado del territorio y la utilización del suelo. Solo 100 de ellos, de acuerdo con el Departamento Nacional de Planeación – DNP, han apostado por modernizarse, concentrados en resolver grandes desafíos asociados a sistemas viales, transporte multimodal, gestión del riesgo de desastres, cambio climático y protección de recursos naturales, entre otros aspectos necesarios para el logro de una mejor calidad de vida y de ciudades sostenibles al servicio de sus habitantes.

Empoderar al ciudadano, al especialista y al tomador de decisiones implica encontrar herramientas que integren soluciones para dichos desafíos donde se garantice la participación conjunta. Partiendo de esta premisa, la construcción que hemos empezado a generar nace desde la cartografía social donde reunidos con líderes comunitarios y habitantes de un territorio se han empezado a identificar todos aquellos actores involucrados, desde la espacialización de los puntos de interés hasta la identificación de estrategias llevadas a cabo para mitigar riesgos.

Estas iniciativas han trascendido de lo análogo a lo digital, y es apenas lógico, es un salto necesario y obligatorio el cual facilita una toma de decisiones ideal. En Colombia, por ejemplo, la Organización Internacional para las Migraciones – OIM  ha realizado diferentes proyectos desde la cartografía social, a lo largo del territorio nacional enfocados en comunidades afectadas por el conflicto armado y la formulación de estrategias aplicadas al posconflicto. Desde septiembre del 2018, se ven reflejados en una biblioteca virtual georeferenciada conocida como BiblioDat, la biblioteca sobre construcción de paz y el conflicto en Colombia. México es otro gran ejemplo del empoderamiento de la tecnología y generación de información comunitaria en tiempo real a través de mapas colaborativos para la identificación con precisión de infraestructura, centros de acopio y capas de información posdesastre.

Mapas táctiles para personas con discapacidad visual. (Foto: Andrés Forero)

¡Empecemos!

Creando mapas utilizando ArcGIS Online

 ArcGIS Online es un sistema SIG en la web de colaboración online que permite usar, crear y compartir mapas, escenas, aplicaciones y datos listo para usar. Para poder acceder a sus funcionalidades es necesario entrar allí creando una cuenta, de tal manera, que puedas tener un portal SIG propio. Sí, para nadie es un secreto que Esri fabrica software licenciado y eso no lo pondremos en discusión, pero déjenme decirles que como desarrolladores podemos acceder a sus funcionalidades para poderlas utilizar con estos fines… ¡No tiene costo!

Al momento de seguir los pasos que te solicitan allí, como el llenado de datos como nombre, apellido, correo, etc., te pedirá que le asignes un nombre al portal SIG que acabas de crear, el cual tendrá como dominio el siguiente:

http://tuportal.maps.arcgis.com

Listo, tienes tu portal geográfico desde el cual accederás con un usuario y contraseña donde podrás crear los mapas, publicar información y disponer la información que elijas hacia la comunidad.

Primero, ¿qué queremos mostrar en el mapa?

ArcGIS for Developers brinda la facilidad de agregar contenido proveniente de diferentes fuentes de información, o crearla desde allí, lo cual puede ser mucho mejor. Aquí empieza el trabajo de ustedes, dateros, la información espacial también mantiene unas buenas prácticas…. ¡y vaya si son extensas! dan para todo un estudio universitario de pregrado y hasta posgrado, de esto depende poder tener una representación geográfica adecuada. Comencemos creando una capa geográfica definiendo algunos parámetros utilizando la opción «Create an Empty Layer».

La primera capa geográfica que crearemos corresponde a la identificación de (algunos) puntos de interés al interior de una zona de estudio. Villa de Leyva es un municipio colombiano ubicado en la provincia de Ricaurte del departamento de Boyacá, está ubicado a 40 km al occidente de Tunja, capital del departamento. Sobre este municipio agregaremos inicialmente tres puntos: la Plaza Mayor, el Museo Paleontológico y Pozos Azules. Para poder hacerlo, esta capa la denominaremos “puntos_de_interes” el cual será su título y nombre del servicio disponible para ser utilizado por otros desarrolladores. Agregamos algunas etiquetas para identificar con facilidad esta capa, en este caso: puntos de interés, Villa de Leyva, Escuela de Datos.

Detalles de la capa geográfica

Al hacer click sobre “Geometry” definimos cómo queremos representar la información, sea como punto, línea o polígono y bajo qué sistema de referencia estará dicha información. Aquí definimos “punto” y el valor por defecto “4326” el cual corresponde al sistema de referencia WGS 84.

Geometría de la capa geográfica

Luego definimos los campos que deseamos incluir sobre la capa; se incluirán el nombre del campo, el alias y el tipo de dato (string, integer, double, date). Agregaremos cuatro de ellos los cuales se nombrarán así:

Campos de la capa geográfica

Por último, se realizan las configuraciones necesarias para hacer de la capa un elemento editable, compartido y actualizado (offline y online) las cual se desplegarán por defecto. Para este caso, la capa será compartida para el público. Haz click en “Create layer” y ¡voilá!, se ha creado una capa geográfica.

La ventana que aparecerá por defecto corresponde a los metadatos de la capa geográfica la cual está sujeta a modificaciones como:

• Imagen miniatura
• Resumen
• Descripción
• Fecha de creación
• Fecha de modificación
• Etiquetas
• Capas incluidas
• Previsualización
• Créditos
• Detalles
• Acceso y restricciones de uso
• URL del servicio

Si te das cuenta, desde este momento ArcGIS establece como prioridad describir la capa que se está creando y es una buena práctica que nosotros debemos empezar a implementar en nuestro flujo de trabajo. Aclaro que es opcional, ya que este proceso puedes hacerlo luego de agregar los datos.

 Descripción de la capa geográfica

Representando datos sobre un mapa

Ya van 1110 palabras y agradezco que hayas llegado hasta esta sección. Aquí empezarás a agregar información en ArcGIS Online con la capa creada online, también puedes agregarla desde distintas fuentes de información.

 Descripción de la capa geográfica

Al hacer click sobre “Open in Map Viewer” verás el que será tu espacio de trabajo desde ahora, aquí desplegarás, procesarás y publicarás la información. Como ves, el espacio por defecto es realmente simple y facilita realizar algunas configuraciones.

1. Primero cambia el mapa base. Selecciona la pestaña “Basemap” y elige “Open StreetMap”
2. En la barra de búsqueda escribe “Plaza Mayor, Villa de Leyva”
3. Ahora haz click sobre la pestaña “Edit” y “New Feature” y agregarás la información pedida en los campos creados anteriormente

Agregando información al mapa

Los datos que se agregarán son los siguientes:

Visualización sobre el mapa

Puedes agregar los puntos que necesites de acuerdo a tus requerimientos, esta es la forma en que visualizar la información a través de ventanas emergentes. En este enlace encontrarás más información sobre cómo configurar el pop-up. Luego de editarla se desplegará así:

Ventana emergente sobre el mapa

Agregando información desde un archivo separado por comas (.csv)

 Como todos en todos los archivos, aquí se debe tener un trabajo de carpintería por debajo para desplegar correctamente la información; es esencial que contenga entre sus campos, datos geográficos los cuales estén relacionados con coordenadas (X, Y) o una dirección que pueda geocodificar. Para desplegarla únicamente tengo que arrastrar el archivo .CSV el cual contiene más puntos de interés hacia el mapa. Puedes descargarla haciendo click aquí.

Cargue de información desde un .CSV

Agregando información desde un shapefile (.shp)

El shapefile es el formato de datos vectorial más popular y extendido en el trabajo con un SIG, se trata de un formato vectorial que guarda la localización de elementos geográficos y atributos a ellos asociados, pero no es capaz de almacenar relaciones topológicas. Estos elementos geográficos se pueden representar a partir de una capa de tipo punto, línea o polígono (áreas).

Un shapefile se compone de varios archivos informáticos, sin los cuales no podríamos visualizarlo en un software SIG, siendo tres el número imprescindible:

• .shp – almacena las entidades geométricas de los objetos.
• .shx – almacena el índice de los elementos geométricos.
• .dbf – tabla dBASE donde se almacenan los atributos de los elementos geométricos.

Por otro lado y, opcionalmente, un shapefile puede estar compuesto por otros archivos que lo hacen más completo para la explotación de la información, fundamentalmente son:

• .prj – almacena la información relativa al Sistema de Coordenadas.
• .sbn y .sbx – almacena el índice espacial de las entidades.
• .shp.xml – almacena los metadatos de la capa.

Teniendo claro el concepto, lo que haremos ahora es agregar algunas vías que se encuentran allí, esto debe estar en un archivo comprimido .ZIP el cual será cargado en ArcGIS Online así:

1. Ve a la pestaña “Add” y selecciona “Add Layer from File”
2. Selecciona el archivo “vias.zip” el cual podrás descargar desde aquí

Carga de información como un archivo

Agregando información desde ArcGIS Online como un servicio

Miles de usuarios a diario publican información como un servicio, de tal manera que pueda ser consumido por otras personas. Esto facilita que no haya redundancia de información, que se pueda procesar datos actualizados y que pueda llegarse a utilizar información oficial.

Para este ejercicio llamaremos la división administrativa del municipio de Villa de Leyva únicamente buscando la capa que ya está creada.

1. Ve a la pestaña “Add” y selecciona “Search for Layers”
2. Busca “Veredas Villa de Leyva” en “ArcGIS Online” y verifica que la casilla “Within map area” esté deshabilitada

Carga la capa que aparece allí

Carga de información

Cambia el nombre de las capas

Viste algunas de las formas en que se agrega y se edita información a un conjunto de capas, ahora es necesario personalizar la visualización de tal manera que configurando una simbología adecuada llegue a ser mucho más amigable para el usuario final. Para ello es necesario modificar primero el nombre de las capas.

1. Dirígete a la pestaña “Details” y selecciona la capa “veredas villa de Leyva”.
2. En “More options” selecciona “Rename” y nómbralo ahora como “Veredas”.

Renombrando capas

Cambio de simbología sobre la capa “Vereda”

Personalizando simbología sobre la capa “Vereda”

De aquí para adelante eres tú quien decide cómo mostrarás estas capas, ¿cómo representarías adecuadamente los drenajes y los puntos de interés?

Guarda y comparte el mapa…

1. En la pestaña “Save” podrás asignarle un título, un resumen, etiquetas y guardar el mapa que has creado.
2. Una vez guardado, ve a la pestaña “Share” y elige la audiencia a quien mostrarás el mapa.

Edición final simbología

Hay más…

Puedes representar esta información de una manera mucho más amigable y te invito a que revises todos los storymaps que Esri ofrece donde existen diferentes plantillas de aplicaciones web responsive que pueden servirte para contrar más historias. Revisa https://storymaps.arcgis.com/en/ y escoge cómo quieres representar lo que quieres contar.

Dennys usa este material en sus cursos offline, y agradecemos que lo comparta con todos.

Sin más, el documento en Scribd:

Dennys Mejía – Introducción a CartoDB by Escuela de Datos

Incendios en Bolivia junto con un mapa de incendios en Sudamérica. Fuente: InfoAmazonia

En 2008, cuando el Museo Estadounidense Conmemorativo del Holocausto (USHMM por su nombre en inglés) utilizó imágenes satelitales para mostrar la situación en Darfur (Sudán), quedé sorprendido con el poder de dicha herramienta para transmitir información. A través de mapas interactivos, pudimos presenciar la situación de cada región. Posteriormente, nosotros hicimos nuestro primer intento de transmitir un suceso con imágenes satelitales cubriendo los incendios forestales en Brasil, además de combinarlos con reportajes de los periodistas que estaban en el área.

Desde ese primer experimento, el escenario alrededor del mapeo digital se ha potencializado, siendo el periodismo de datos el acontecimiento más sobresaliente. Mientras desarrollamos InfoAmazonia, se nos ocurrió el término “geoperiodismo”,  que se puede considerar una rama del periodismo de datos dedicado a la utilización de datos geográficos.

InfoAmazonia también intenta ser una plataforma donde puedas localizar datos físicos como cascadas, incendios forestales y excavaciones por minería, para contar una historia. Es muy parecido a lo que hace un cartógrafo: combinar información capa por capa.

InfoAmazonia visualiza datos gracias a imágenes satelitales, pero también compila historias sobre las regiones de las que se está hablando. Por ejemplo: una nota publicada por Washington Post sobre la deforestación en la amazonia peruana ahora es parte de nuestro acervo, que ya cuenta con 800 historias.

InfoAmazonia puede ser visto o entendido como un nuevo servicio. Estamos creando respaldos RSS y pronto esperamos lanzar una aplicación que permita visualizar historias geo-etiquetadas. Esta combinación de datos geográficos e historias le da al usuario la capacidad de entender de manera más amplia la problemática de la Amazonia.

Fue la capacidad de apilar esta gran cantidad de información junto con la visualización de los mapas interactivos lo que nos llevó a trabajar con MapBox. Con sede en Washington, D.C., la compañía trabaja solucionando problemas sobre visualización de datos, creando una herramienta donde las historias se abren en una ventana de lado izquierdo del mapa. La idea de esta nueva plataforma es que puedas juntar la información por capas como, ya antes mencionado, un cartero. Toda la información es esencial para construir una historia.

Noticia sobre la extracción ilegal de oro en una área natural protegida en Suriname, junto con un mapa de las concesiones mineras a lo largo de toda la Amazonía. Fuente: InfoAmazonia

Contar historias junto con mapas es una práctica que conocemos como Geoperiodismo, que consiste en transformar mapas en hojas blancas donde puedas escribir noticias. Recientemente, trabajamos con un estudio en Sao Paulo para lanzar una conferencia de prensa llamada MapPress, para informar e invitar a los periodistas a agregar esta nueva herramienta (mapas) a sus historias. Es muy sencillo, y nos encantaría que otras regiones del planeta sean georreferenciadas y notificadas.

Si quieres saber más sobre MapPress, haz click aquí.