SISTEMAS DE INFORMACIÓN
GEOGRÁFICA CON ARCGIS
INTERPOLACIÓN Generando Ingeniería
Sostenible
ESPACIAL
Ing. Ronald Rupay Yauri
Cel: +51 954089721
INTERPOLACIÓN ESPACIAL
La interpolación espacial es el
proceso de utilizar puntos con
valores conocidos para estimar
valores desconocidos en otros
puntos.
Los valores de las celdas en el
tema de salida deben ser los
mejor estimados o interpolados.
Ciertos supuestos se hacen para
realizar dichas estimaciones.
Error. Cuando se estiman los
valores, el error incrementa con
la distancia de los muestreos o
valores conocidos.
INTERPOLACIÓN SUPERFICIAL
La interpolación superficial usa un conjunto definido o seleccionado de todos los puntos de
muestreo para estimar cada uno de los valores de los puntos no muestreados.
Vamos a conocer 3 métodos de Interpolación Superficial con ArcGIS:
Valores Muestreados
• IDW (Ponderación de distancia inversa)
• Spline
• Kriging
Valor Desconocido
IDW – PONDERACIÓN DE
DISTANCIA INVERSA
Utiliza un método de
interpolación que estima los
valores de las celdas calculando
promedios de los valores de los
puntos de datos de muestra en la
vecindad de cada celda de
procesamiento. Cuanto más
cerca está un punto del centro de
la celda que se está estimando,
más influencia o peso tendrá en
el proceso de cálculo del
promedio
SPLINE
Ajusta una función matemática a
una cantidad especificada de
puntos de entrada más cercanos
mientras pasa a través de los
puntos de muestra. Este método
es mejor para generar superficies
que varían levemente.
Dada algunos puntos de
muestreo, se pueden crear
isolíneas (Isoyetas – Isotermas –
Isofonoas) que conectan los
puntos con valores iguales.
KRIGING
Es un procedimiento geoestadístico
avanzado que genera una superficie
estimada a partir de un conjunto de
puntos dispersados con valores “Z”.
A diferencia de otros métodos de
interpolación utilizar la herramienta
Kriging en forma efectiva implica una
investigación interactiva del
comportamiento espacial del
fenómeno representado por los
valores “Z” antes de seleccionar el
mejor método de estimación para
generar la superficie de salida..
Proporciona medida de Certeza o Precisión de las predicciones
¿QUÉ ES EL SEMIVARIOGRAMA?
Es una función matemática que nos permite estudiar las diferencias entre
muestras y la direccionalidad (anisotropía) de los valores.
Es decir, el cálculo del semivariograma experimental es la herramienta
geoestadística más importante en la determinación de las características
de variabilidad y correlación espacial del fenómeno estudiado, esto es,
tener conocimiento de cómo la variable cambia de una localización a otra.
Np ( h )
Z ( xi ) Z ( x i h)
1
( h)
2
2 Np ( h) i 1
LOS PARÁMETROS DEL SEMIVARIOGRAMA
CARACTERIZAN TRES ELEMENTOS
El efecto pepita (nugget): fluctuaciones aleatorias de la variable o a errores en el
muestreo (sí inicia en el origen varianza 0).
La meseta (sill): valor de para el cual el aumento de h su valor permanece
constante.
El alcance (range): Es la distancia h para la cual los valores de la variable dejan de
estar correlacionadas.
¿ PERO CÓMO SE CONSTRUYE UN SEMIVARIOGRAMA
EXPERIMENTAL ?
Imaginemos una malla cuadrada donde se han tomado una serie de
muestras con determinados valores y las distancias entre muestras es de
100 m.
(h)
El primer punto de nuestra función por
vendrá dado
(100).
Y así continuaríamos con γ(300), γ(400),
γ(500).
En este caso estamos realizando
un semivariograma experimental.
Modelos teóricos de semivariogramas más
utilizados en la práctica.
MODELAR EL Efecto de Pepita Esférico
SEMIVARIOGRAMA
El semivariograma experimental se Gaussiano Función potencia
ajusta a un modelo teórico. El
ajuste a una función permite
extraer una serie de parámetros
que son los que van a ser usados Exponencial Lineal
para la interpolación
geoestadística (kriging) y que
definen el grado y escala de
variación espacial.