Mapeando el Coronavirus Responsablemente Traducción y Adaptación para Ecuador

Artículo basado en lo redactado por Kenneth Field para ESRI el 25 de febrero de 2020

Ken es un profesional 'cartonerd' con una licenciatura en cartografía y un doctorado en SIG y geografía de salud. Es un ex académico del Reino Unido, pero, desde 2011, habla y escribe sobre cartografía, enseña y ocasionalmente hace mapas, con Esri. Ha presentado y publicado en Blogs (cartonerd.com), tweets (@kennethfield), anterior editor de The Cartographic Journal (2005-2014) y actual presidente de la Comisión de Diseño de Mapas de ICA (mapdesign.icaci.org). Ha ganado algunos premios por mapas, y pedagogía. Es autor del libro CARTOGRAPHY y recientemente enseñó un MOOC sobre cartografía a más de 110.000 personas interesadas en hacer mejores mapas.

Traducido y acoplado a Ecuador por Santiago Rojas y Diego Villafuerte, ambos pertenecientes a la carrera de Ingeniería Geográfica y del Medio Ambiente, Santiago es docente de la Universidad de las Fuerzas Armadas ESPE, Máster en Ingeniería Geodésica y Cartografía, doctorando en Geomática, Gerente General de ECOSERV S.A, y miembro del Colegio de Ingenieros Geógrafos de Pichincha, y Diego está terminando su maestría en Gestión de Proyectos, Gerente de Proyectos de ECOSERV S.A y miembro de la Asociación de Geografía del Ecuador.

Vivimos en un momento increíble en lo que a cartografía se refiere. La tecnología permite, y apoya activamente el mapeo rápido y democratizado. Los datos, compilados y publicados casi en tiempo real (si no en tiempo real) animan a las personas a “ensuciarse las manos” para ver qué pueden hacer. Los medios de comunicación se apresuran a proporcionar a sus audiencias contenido rápido y visible. Las redes sociales impulsan el intercambio de estos mapas a un ritmo impresionante.

Cuando en el desarrollo de la salud humana se produce un impacto en la historia como el actual brote de coronavirus, los mapas toman el centro de atención. Echemos un vistazo a cómo los mapas pueden ayudar y dar forma a la narrativa, sin embargo, a medida que crece la preocupación (¿miedo?), esta cartografía se debe mapear de forma responsable.

Hasta la fecha (21 de abril del 2020), el coronavirus (Covid-19) ha infectado a más de 83.000 ciudadanos chinos, en su mayoría en la provincia de Hubei, desde que se identificó por primera vez en diciembre de 2019. Hasta ahora, se ha extendido a más de 180 países. Se ha cobrado más de 4.600 vidas solo en China, y a nivel mundial más de 2´500.000 casos infectados y más de 170.000 decesos. Por su alcance a varios países fue siendo declarada una pandemia mundial por la Organización Mundial de la Salud (OMS).

A continuación, se hará hace un análisis de los mapas generados de tanto en China como en Ecuador. Están diseñados para parecerse a pequeños mapas que se puede encontrar en algún sitio web de noticias. Relativamente simple, y con tan sólo los señalando hechos básicos.

Muchos de los problemas que se analizan son igualmente aplicables si se hace un pequeño mapa estático o un mapa web interactivo.

El primer trabajo al crear cualquier mapa es determinar la proyección que se va a usar. Para que cualquier mapa temático, en cualquier región, funcione, debe utilizar una proyección de área igual. Por ejemplo, para el caso de China, una buena opción es la proyección de Albers que mantiene un área igual, la proyección Web Mercator por su parte no admite el propósito del mapa debido a que las distorsiones conducen a que las personas sobredimensionen o sub dimensionen el tamaño real de la información que se presenta y relación entre sí que los datos pueden tener, este problema tiene el efecto de propagar una exageración hacia arriba o hacia abajo en las impresiones de las personas que visualizan el mapa debido simplemente a la proyección. Para los usuarios de SIG y quienes están generando cartografía el “Asistente de proyección” es una gran herramienta para ayudar en la elaboración de una buena proyección para sus datos.

Generar mapas con una proyección adecuada es algo bastante sencillo, con el uso de SIG (Sistemas de Información Geográfica) de escritorio. Así mismo es bastante fácil si se hace un mapa web utilizando herramientas adecuadas de Mapeo Web, a continuación, se hace una comparación entre dos mapas a una misma escala (1:30 millones) en dos distintas proyecciones Albers y Web Mercator, donde podemos ver que son totalmente diferentes, en línea roja se aprecia una proyección Web Mercator y con relleno azul una proyección de Albers.

Una proyección apropiada permite la comparación dentro de cada mapa y también entre mapas.

El caso de Ecuador es diferente, por ser un territorio significativamente más pequeño que China, y por estar atravesado por la línea equinoccial. Para la representación de nuestro país la proyección (UTM) Universal Trasversa de Mercator está definida como un estándar y pese a que todo el territorio se encuentra en cuatro zonas diferentes se ha definido la Zona 17 Sur para la representación cartográfica del territorio continental, por abarcar la mayor parte de este.

La técnica de mapeo temático por defecto con la que la mayoría de la gente está familiarizada es el mapa de coropletas (color graduado). Es una gran técnica cuando se usa correctamente. Pero cuando se usa mal tiene la capacidad de realmente desviar a la gente. Aquí hay un mapa razonable de coropletas "mirando" los datos del coronavirus al 24 de febrero de 2020 en China. Esta es la fecha que usaremos para todos los mapas correspondientes a China, en el caso de Ecuador, usaremos como referencia los mapas presentados por el Comité de Operaciones de Emergencias (COE) Nacional y por el COE de la provincia de Pichincha.

Alerta Spolier “así es como NO debe hacer el mapa”.

Mapeo de coronavirus en China al 24 de febrero de 2020

Mapeo de coronavirus en Ecuador al 20 de abril de 2020

Las apariencias pueden ser engañosas. El hecho de que se vea “bien” está ocultando un oscuro secreto que, si no eres consciente del hecho, ni siquiera se notará. El mapa utiliza valores absolutos como sus datos sin procesar. Hay muy pocas reglas de oro en la cartografía, pero esta es una de ellas: no se pueden mapear valores absolutos o datos totales utilizando una técnica de mapeo temático de coropletas. La razón es simple. Cada una de las áreas en el mapa son de un tamaño diferente, y tienen una densidad poblacional distinta en cada polígono. Son inherentemente desiguales en carácter, así que primero tenemos que lidiar con eso antes de que podamos dar sentido a cualquier otro dato. Estas características innatas de todos los mapas temáticos significan que simplemente no se puede comparar a través de un mapa de coropletas.

La etiqueta nos dice que la región de Hubei tiene más de 65.000 casos de coronavirus. Suena mucho. Pero ¿tiene Hubei 100.000 personas, o posiblemente 100.000.000 de personas viviendo allí? ¿Y qué hay de sus vecinos? ¿Tienen un número similar de personas que viven allí? ¿O mucho más o menos? Debido a que no tenemos forma de saber, la comparación del tema del mapa a través del mapa es imposible. Simplemente no sabemos dónde hay realmente menos o más porque no hay una línea de base consistente para la comparación. Todo lo que obtenemos es un número total, y también podemos usar una simple tabla en excel para eso.

Algo similar con las etiquetas de las provincias de Guayas y Pichincha, donde presenta para la provincia de Guayas un total de 6921 casos de infectados y 841 casos infectados para la provincia de Pichincha, para las dos provincias utilizan el mismo color en el mapa de coropletas, sin embargo, el número de habitantes son distintos para cada polígono, por ejemplo, Guayas es la provincia que mayor número de habitantes tiene el país, según proyecciones poblacionales del INEC con 4’387.434 personas, seguida de Pichincha con 3’228.233, lo que significa que en guayas los casos de personas infectadas representan el 0,16% y para Pichincha apenas el 0,03% en relación a su número de habitantes, es decir que para Guayas se tiene una tasa de 158 casos por cada 100.000 habitantes y para Pichincha 26 casos infectados por cada 100.000 habitantes, datos considerados únicamente dentro de los límites provinciales y su datos de población, cuestión que cambia totalmente si estos datos se relacionan con la población total del país, es decir una tasa de 40 casos por 100.000 habitantes en Guayas y 5 casos por cada 100.000 en Pichincha, recordando que esto se analiza en función de los registros oficiales presentados por el COE Nacional.

Regresando al Análisis hecho por Kenneth Field… ¿Y qué pasa con el esquema de clasificación utilizado en el mapa? Parece que se están utilizando 1.000 casos como punto de corte clave. Hay 5 Provincias en la categoría más alta por lo que la suposición debe ser que tienen números igualmente altos, ¿verdad? La única manera de ver lo que realmente está pasando es mirar la distribución de datos. Aquí hay un gráfico de barras del número de casos por provincia china.

La provincia de Hubei se presenta como un caso masivo atípico, todas las demás regiones están muy por debajo de ese nivel, por lo que usan un punto de corte de 1,000 casos, lo que es una mala elección, ya que combina a la región de Hubei con sus cuatro vecinos más cercanos en términos de valores de datos, a pesar de que no están ni cerca. Una cosa que podría hacer en este punto es considerar en realidad el uso de un gráfico de barras en lugar de un mapa porque muestra claramente las dimensiones empíricas y geográficas sin ocultarlas detrás de un mapa que necesita una interpretación cuidadosa. De cualquier manera, se debe llevar este conocimiento al mapa. Aquí hay una versión mucho mejor utilizando los mismos datos.

Mapeo de coronavirus en China al 24 de febrero de 2020

Para el mapa de la provincia de Hubei en China se ha cambiado de un esquema de color rojo a un esquema de color azul ¿por qué? A la gente le gustan los mapas rojos. Bueno, eso puede ser cierto, y ciertamente llaman la atención, pero considere el conjunto de datos. Estamos mapeando una tragedia de salud humana que puede empeorar mucho antes de que desaparezca. ¿Realmente queremos que el mapa grite de rojo brillante? El rojo es un color muy emotivo. Tiene sentido. Puede fácilmente anotar peligro, y la muerte, es estadísticamente bajo para el coronavirus. Todavía podemos hacer que el mapa revele el mismo mensaje, pero sin opciones de color sensacionalistas. Un simple esquema de color claro-oscuro hace el trabajo para que la gente pueda evaluar menos a más.

La otra gran diferencia con el mapa de la provincia de Hubei es que se ha corregido el uso de valores absolutos (totales) para usar las tasas en su lugar. El mapa ahora está normalizado para admitir una comparación visual precisa porque 10 casos en una ciudad de 100.000 es una situación fundamentalmente diferente a 10 en una ciudad de 100. Hubei tiene 111 casos por cada 100.000. Cada otra región tiene menos de 3 casos por cada 100.000. Significativamente menos. La clasificación de los datos, el mapa en sí y la leyenda de apoyo ahora reflejan esa disparidad muy grande y debido a que hemos usado tasas tenemos una línea de base coherente y podemos comparar lo que vemos de un lugar a otro en todo el mapa. Los colores se silencian para todas las clases excepto para permitir que destaque un poco más, y hacer evidente que es un atípico. La etiqueta adicional es compatible con la historia y ayuda a guiar al lector al aspecto crucial del mapa.

Para el mapa de la provincia de Pichincha en Ecuador se ha cambiado de un esquema de color rojo a un esquema de color azul , sin embargo, se sigue cometiendo el mismo error de utilizar datos absolutos y no la tasa que representaría un resultado sincero y transparente en la cartografía.

Mapeo de coronavirus en la Provincia de Pichincha al 20 de abril de 2020

La coropleta no es la única técnica que es útil, ¿qué otras opciones simples podríamos hacer (o no) para mostrar los datos? En primer lugar, un mapa de densidad de puntos.

Mapeo de coronavirus en China al 24 de febrero de 2020

Aquí podemos usar valores absolutos (totales) en lugar de tasas porque la técnica en sí representa automáticamente los datos como una densidad visual de puntos del mismo tamaño que ayuda a la comparación. En este mapa, un punto es igual a 10 casos. Los puntos se colocan aleatoriamente y enfatiza el gran atípico en Hubei. La desventaja es que algunos podrían inferir un punto localiza un caso individual. Siempre es útil incluir una nota para aclarar cualquier confusión potencial en cómo leer los símbolos del mapa. Debido al gran rango de datos, es casi imposible obtener el valor de punto para acomodar los recuentos bajos al mismo tiempo que el recuento más alto. Hubei parece estar completamente abrumado, pero eso puede ser lo que el mapa debería mostrar en comparación con las áreas circundantes.

Otro tipo de mapa temático muy útil es el mapa de símbolos proporcional. Una vez más, este tipo de mapa puede tomar valores absolutos (totales) como datos de entrada y utiliza los valores de datos para calcular el área de un símbolo, aquí un círculo, que luego son proporcionales y comparables entre sí.

Mapeo de coronavirus en China al 24 de febrero de 2020

¿Alguien se había dado cuenta de que en los mapas de densidad de puntos y coropletas es imposible ver Hong Kong o Macao? A escala nacional, y para un país tan grande, es inevitable que las pequeñas áreas sean pasadas por alto. Puede utilizar un recuadro o confiar en las características multiescala de un mapa web, pero un mapa de símbolos proporcional le permite ver áreas más pequeñas en virtud del propio símbolo. Excepto que tenemos ese gran valor atípico, así que si escalamos nuestros símbolos linealmente todas las regiones excepto Hubei tendrían el mismo tamaño del símbolo pequeño.

Alternativamente, podríamos usar símbolos graduados donde un rango de valores se ajusta a un conjunto de símbolos de un tamaño específico (símbolos graduados). O podríamos modificar la forma en que se escalan los símbolos proporcionales, como usar una escala logarítmica en lugar de una escala lineal como en el mapa de abajo.

Mapeo de coronavirus en China al 24 de febrero de 2020

La leyenda es muy importante cada vez que se hace algo fuera de lo común en el procesamiento de los datos para dar cabida a algún aspecto de la distribución de datos. Ciertamente obtenemos mucha más variación en el tamaño de los símbolos en todo el mapa con este enfoque, aunque visualmente corremos el riesgo de enfatizar en exceso los valores pequeños en comparación con el gran valor atípico. Al igual que con cualquier mapa de símbolos proporcionales, es importante evitar la superposición de símbolos. Reposicionarlos puede ayudar, al igual que un mapa web multiescala donde los símbolos se desagregan o desagrupan a medida que se acercan. Otro enfoque sería hacer un mapa híbrido, tal vez usando densidad de puntos para todas las áreas, excepto Hubei, que obtiene un símbolo proporcional.

Terminemos con un par de ejemplos de mapas que son fáciles de hacer, pero sólo porque puedas no significa que debas hacerlo. En primer lugar, el llamado “Mapa de calor”.

Mapeo de coronavirus en China al 24 de febrero de 2020

Este tipo de mapa es realmente sólo una superficie interpolada utilizando los valores de datos en puntos que representan las áreas en el mapa. Hay algunos inconvenientes. Las provincias chinas son bastante grandes. El centro geométrico no es necesariamente el mejor lugar para anclar el valor de datos. Podríamos posicionar los puntos utilizando una técnica ponderada por la población, pero, aun así, con los datos del coronavirus siendo muy específicos de la ubicación, utilizar un interpolador para asumir algún tipo de variación gradual entre los puntos de datos adyacentes que están muy separados y representan una geografía altamente generalizada no es útil.

Presenta una imagen de la distribución de datos que ni los datos ni la geografía admiten realmente. Además de eso, el mapa en realidad no muestra a Hubei como el epicentro. Está sobre-generalizado. ¿Y los colores? Una muy mala elección que se adentra en territorio sensacionalista mientras China parece consumida por el virus ectoplasmático. Eso simplemente no es el caso, así que no hagamos mapas como este.

Vale, ¿pero ¿qué hay del 3D? A la gente le encanta el 3D.

3D tiene un tiempo y un lugar. Puede ser una forma muy útil de codificar datos temáticos en el eje z y hacer algo útil. Pero comprimir a Hubei en comparación con el resto de las áreas simplemente no funciona para estos datos. Es gratuito y no añade nada. Es realmente difícil entender las cantidades relativas. Pero hablar brevemente sobre escenas 3D trae de vuelta a la idea de la interacción y de vuelta al mapa web.

Los mapas web son formas fantásticas de mapear y compartir rápidamente. Son un componente vital en la forma en que las personas comparten datos. Ofrecen muchas capacidades útiles sobre mapas estáticos, como eventos de panorámica, zoom y clic que impulsan ventanas emergentes. Todos muy útiles, pero que vienen con su propio conjunto de problemas potenciales. Por ejemplo, un mapa de símbolos proporcional con símbolos de tamaño fijo cuando se aleja combina los símbolos en una misma descripción gráfica. Cuando se acerca demasiado, es fácil para las personas asumir que el símbolo a la vista representa una ubicación precisa en lugar de un centro geométrico del área mucho más grande que representa abstractamente. Aplicar demasiado la herramienta de zoom para ampliar un mapa de coropletas llenará la pantalla con un solo color que implica una totalidad y elimina los datos del contexto circundante. Ampliar demasiado en un mapa de densidad de puntos provocará que la gente termine pensando que un solo punto que resulta haber sido colocado al azar cerca de una casa es donde alguien realmente vive.

Por lo tanto, es muy importante restringir los niveles de zoom para evitar situaciones extremas a escalas pequeñas o grandes, y si utiliza símbolos proporcionales o densidad de puntos, haga que sus símbolos se redimensionen en diferentes niveles de zoom para superar los problemas asociados con la simbología a escala fija. Recuerde que datos como la Provincia y las agregaciones de países para coronavirus son un promedio para toda una región. Es imposible obtener información sobre las circunstancias locales, los brotes y los grupos. Los datos no admiten ese análisis, por lo que restringen el mapa de implicarlo a través de opciones de diseño significativas y no ofuscan la realidad de los límites de los datos.

También es fundamental ser muy crítico cuando se lee este tipo de mapas. Ser más inteligente sobre lo que ves en el mapa ayuda a identificar cuándo ves patrones que son tanto, si no más, un producto del mapa que media del mensaje, como lo son de los datos en sí. “Caveat emptor” se aplica tanto a la lectura de un mapa como a la compra de una casa. El mapa puede parecer impresionante y atractivo, pero una vez que entras puedes encontrar todo tipo de defectos estructurales que limitan su uso práctico. Y no comprarías una casa que sufra de una fundación colapsada y paredes infestadas de termitas, a pesar de la pintura fresca que puedes oler mientras caminas. Ser capaz de identificar algunos de los defectos en lo que estás viendo, independientemente de lo autoritativo o definitivo que pienses, o te están dicho que el mapa es te ayudará a ser un consumidor más inteligente de información.

Eso es una rápida vertiente de algunas ideas para ayudarle a mapear datos como este brote de coronavirus de forma responsable, y también cómo detectar cuando el mapa tal vez no está siendo tan responsable como podría ser en la comunicación. A menudo, las técnicas más simples, bien hechas, proporcionan un enfoque cartográfico sólido. La clave para informar es trabajar con los datos y no impregnarlos de procesamiento de datos o simbología de datos erróneos o sensacionalistas, y de tratar con algunos de los problemas cartográficos por lo que se conoce diferentes técnicas. ¿Y cuáles son los puntos clave? A partir del 24 de febrero:

Hubei tiene 111 casos por cada 100.000 personas (0,1% de la población);
En otras partes de China es menos de 2,5 casos por cada 100.000 personas;
Para otros países que informan de casos, la tasa es aún menor; Y
Los mapas median el mensaje en mayor o menor medida, y algunos que parecen bien intencionados a menudo no son útiles.

¿Quizás las palabras son todo lo que se necesita? Pero si vas a hacer un mapa, piensa en estos aspectos clave, elige una técnica que admita la narración de esa historia, procese los datos y elija símbolos que sean adecuados, y evite hacer un mapa que desvíe o desinforme o que tenga el potencial de volverse viral como ejemplo de un #cartofail.

¿Qué mapa haría? Para estos datos... símbolo proporcional, log escalado, con un esquema de color claro a oscuro para acentuar los símbolos. Alternativamente, podría simplemente poner etiquetas proporcionales en un mapa, o simplemente usar una tabla o un gráfico en lugar de un mapa.

Lo que es claro que se debe generar una buena práctica al realizar mapas, y más aún cuando se maneja información delicada ante la sociedad, se debe ser transparentes y no por el hecho de conocer una técnica o el manejo de una tecnología pretender que se puede hacer todo sin el debido respeto a normas y manejo ético de los datos, este documento que es traducción de lo escrito por Kenneth Field y con ciertos comentarios para Ecuador pretende ser únicamente el antecedente para generar un manual de buenas prácticas de cartografía que se establezca afín de generar mapas que representen la realidad en el manejo de información espacial en relación al Coronavirus.

A continuación se presenta la forma correcta de presentar la cartografía en relación a los casos de COVID-19 confirmados por cantones en el Ecuador por cada 10.000 habitantes en los casos que aplica el uso de datos no absolutos y en los que si se utiliza datos absolutos: el primero caso utiliza símbolos graduados con datos no absolutos, el segundo con densidad de puntos utilizando valores absolutos y , el tercer caso utiliza corpletas o colores graduados utilizando valores no absolutos.