Autor: M.Sc. Edwin Calle Condori
Fecha: 23 de julio de 2025

✅ Introducción

Las bases de datos catastrales en entornos municipales, regionales o nacionales frecuentemente presentan inconsistencias topológicas como solapamientos, duplicados y huecos en las geometrías. Estas inconsistencias pueden generar errores en análisis posteriores, como la asignación de impuestos, procesos legales de delimitación, y conflictos en sistemas de gestión territorial.

En este blog, se presenta un flujo de trabajo automatizado y reproducible para realizar una auditoría técnica y corrección topológica de lotes catastrales utilizando Python y Google Colab. Todo el proceso es gratuito, ejecutable en la nube y sin necesidad de licencias privativas.

🛠️ Herramientas utilizadas

  • Google Colab: entorno gratuito para ejecutar notebooks en la nube.

  • GeoPandas: manipulación espacial de datos vectoriales.

  • Shapely: operaciones geométricas.

  • PyGEOS: operaciones espaciales eficientes.

  • Fiona: lectura y escritura de archivos geoespaciales.

🧪 Fase 1: Auditoría Técnica de la Base de Datos Catastral

Repositorio:
🔗 Auditoría Técnica de Bases de Datos Catastrales Existentes (Google Colab)

Pasos ejecutados:

  1. Carga de archivos ZIP con shapefiles directamente en Colab.

  2. Descompresión automática y detección del archivo .shp.

  3. Lectura del shapefile con GeoPandas.

  4. Revisión estructural:

    • Cantidad de registros

    • Columnas existentes

    • Tipos de geometrías

    • Proyección espacial (EPSG)

Este paso permite asegurar que la base cumple con criterios básicos antes de aplicar control topológico.

🔍 Fase 2: Auditoría Topológica

Repositorio:
🔗 Auditoría Técnica Topológica (Google Colab)

Errores detectados automáticamente:

  • Geometrías inválidas: 0

  • Geometrías duplicadas: 5,456

  • Intersecciones entre polígonos: más de 1 millón de pares

  • Polígonos con huecos: 51

🔧 Fase 3: Corrección topológica automatizada

Estrategia aplicada:

  1. Eliminación de duplicados exactos, preservando el primero (para mantener atributos).

  2. Corrección de geometrías con buffer(0) como reparación general preventiva.

  3. Eliminación de huecos interiores respetando los exteriores de cada polígono.

  4. Corrección de intersecciones mediante diferencia geométrica, sin alterar la cantidad de lotes ni sus atributos.

  5. Exportación de shapefile corregido y creación de un archivo .zip listo para descarga.

🔧 Fase 4: BD_metadatos

Estrategia aplicada:

Resultado final:

  • Se conservaron los 2164 lotes originales

  • Todos los atributos se mantuvieron

  • geopakage

📦 Descarga de resultados

Al finalizar el proceso, se genera un archivo lotes_limpios.zip que contiene:

  • lotes_limpios.shp

  • lotes_limpios.shx

  • lotes_limpios.dbf

  • lotes_limpios.prj

Todo comprimido y listo para ser reutilizado en QGIS, ArcGIS u otros sistemas SIG.

💡 Conclusiones

Esta auditoría y corrección automatizada demuestra que es posible realizar controles técnicos de calidad de información geoespacial desde herramientas abiertas, reproducibles y sin costo.

La integración de Python, GeoPandas y Google Colab permite a profesionales del catastro, planificación y gestión territorial, realizar revisiones masivas de calidad sin depender de software privativo.

📘 Recursos y próximos pasos

  • Si deseas adaptar este flujo para capas de infraestructura, uso de suelo o zonificación, el código puede modificarse fácilmente.

  • Próxima entrega: validación de consistencia lógica, como predios dentro de manzanos o restricciones por zonas urbanas.

✉️ Contacto

M.Sc. Edwin Calle Condori
Especialista en Geomática y Sistemas de Información Geográfica📍 Bolivia