Análisis clúster con datos satelitales y sociodemográficos para clasificar el territorio salvadoreño

• Carranza, Felipe A. ^[1] ; Aguilar Munguía, Metzi Rutilia ^[1]
  1. [1] Universidad Centroamericana José Simeón Cañas

     Universidad Centroamericana José Simeón Cañas

     El Salvador

     
• Localización: Investigaciones Latinoamericanas en Ingeniería y Arquitectura, ISSN 3078-2740, ISSN-e 3078-2759, Nº. 2, 2025, págs. 45-52
• Idioma: español
• Títulos paralelos:
  • Cluster Analysis with Satellite and Sociodemographic Data to Classify the Territory of El Salvador
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    Este estudio explora la posibilidad de subdividir el área rural de El Salvador en grupos de municipios, donde cada uno tenga sus propias características en cuanto a las variables PIB per cápita, consumo eléctrico per cápita, densidad poblacional, tasa de pobreza y luz nocturna. El estudio se hizo de manera horizontal considerando la distribución espacial de la luz. La luz se obtuvo con el procesamiento de imágenes satelitales en software de Sistemas de Información Geográfica (SIG). Con base en la naturaleza de los datos se optó por la aplicación de técnicas estadísticas avanzadas de clustering que apoyadas en las ventajas de la computación permitieran comparar 1000 posibilidades de clusters cambiando los parámetros de clasificación como el método y la distancia utilizados. El estudio concluye que, a nivel exploratorio, la subdivisión con técnica de cluster jerárquico es posible solo al incorporar la luz nocturna y técnicas avanzadas con t-SNE. Se encontró que el mejor modelo de subterritorios se agrupa en nueve categorías donde dos grupos son principalmente municipios con predominancia urbana y el resto con predominancia rural.

  • English

    This study explores whether the rural area of El Salvador can be subdivided into groups of municipalities where each group has its own characteristics in terms of variables GDP per capita, electricity consumption per capita, population density, poverty rate and night light. The study was performed horizontally considering the spatial distribution of light. The light was obtained by processing satellite images with Geographic Information Systems (GIS) software. Based on the nature of the data, it was decided to apply advanced statistical clustering techniques that, supported by the advantages of computing, would allow comparing 1000 cluster possibilities by changing the classification parameters such as the method and the distance used. The study concludes that at the exploratory level, subdivision with hierarchical cluster technique is possible only by incorporating night light and advanced techniques with t-SNE. It was found that the best model of subterritories is grouped into nine categories where two groups are mainly municipalities with urban predominance and the rest with rural predominance.