Ejemplo gráfico

Para mostrar el resultado de los análisis de forma gráfica hemos escogido la escala zonal compilada en poster tamaño A0 (archivos situados a la izquierda). En ellos, mediante mapas de coropletas,  podemos ver la distribución espacial de cada indicador y cómo se relacionan visualmente entre ellos. El proceso para llegar aquí es: 1) aplicar un análisis RASTER-VECTOR; 2) unir el archivo *.csv de salida y el shapefile equivalente de la UAE analizada mediante el script join_layers.py (puede hacerse en un SIG); 3) generar mapas en *.jpg mediante el script pintamap.py; y 4) colocar los mapas en un archivo Latex que servirá de base para la compilación del documento en tamaño de página A0.

Los indicadores se han agrupado también en función de la temática descrita en datos utilizados, para que sea más fácil su seguimiento, dando un total de tres posters para el análisis RASTER-VECTOR y uno para el RASTER-RASTER (a nivel de poster se han separado ambos análisis para facilitar la automatización del proceso). Como ya indicamos anteriormente, la ausencia de datos no indica necesariamente que no exista un servicio, sino que la capa utilizada puede cubrir solo parcialmente el DMQ. Es por ello que también se complementa esta información con una tabla de atributos que caracteriza, a modo de metadato, los datos utilizados (versión *.ods de Libre Office Calc o versión MS Office Excel) y donde, entre otros, se señala el nivel de cobertura del datos de entrada.

Una de las cuestiones es que los archivos de salida, que aquí los vemos gráficamente en formato poster, están también disponibles en estructuras organizadas que pueden ser utilizadas para otros procesos, bien con una selección específica de indicadores, bien con la combinación con nuevos datos. En realidad no existen límites para aquellos que entienden y comprenden el potencial de la información.