Espacialización de datos poblacionales de la provincia de Cádiz a escala de detalle

Abstract

La disponibilidad de datos socio-económicos espacializados resulta esencial para numerosos ámbitos de trabajo vinculados a la planificación, la gestión o la investigación sobre el territorio. Aunque la información original se recoge y registra a nivel de individuo u hogar, la espacialización se lleva a cabo por procesos de agregación que suelen tomar como referencia espacial el municipio, los núcleos de población o, en el mejor de los casos, las secciones censales, de varios kilómetros cuadrados y con graves problemas de homogeneidad en su representatividad de los ámbitos ocupados. En el presente trabajo se presentan los resultados de un proceso de geocodificación de los datos padronales del año 2011 de la provincia de Cádiz. En este proceso se utiliza como base de geocodificación el portalero incluido en el Callejero Digital de Andalucía (CDA), empleándose como aplicación las herramientas de geocodificación del SIG_Corporativo de la Junta de Andalucía. La espacialización resultante garantiza, en primera instancia, la localización de más de un 60% de la población provincial a nivel de portal, con la que se podrían realizar agregaciones posteriores sobre otras referencias espaciales como edificios, parcelas o manzanas urbanas, con fines de análisis geoestadístico y representación cartográfica.

Spatialization of socio-economic data constitutes a key factor in a wide range of applications dealing with planning, management and research. Although many statistical data is gathered at individual or home level, information is afterwards georeferred by area-based aggregation (census track, municipalities...). This paper shows some results derived from a geocoding process of population data for Cadiz province in 2011. This geocoding process uses the official digital street map of Andalucia as the spatial data reference, and the enterprice-GIS geocoding tools as software environment. Succesfully geocoded data at address level rises to 60%, although higher percentages are reach if lower confidence intervals are assumed. Obtained data allows different kind of geostatistical analysis and cartographic representations for demographic information diffusion.