Comparativa de Métodos de Interpolación
Cargado por
AlcantaraSusyComparativa de Métodos de Interpolación
Cargado por
AlcantaraSusyTEMA: Comparación de dos métodos
de interpolación para la
estimación de la temperatura
del aire aplicando técnicas geo-
estadísticas
Analista SIG y Teledetección: Ing. Kevin Sánchez
Índice.
Introducción.
Objetivo.
Antecedentes.
Metodología.
Procedimiento.
Resultados.
Conclusiones.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Introducción.
Los métodos de interpolación de las variables climáticas han sido ampliamente
estudiados, sin embargo en los últimos años se han ido desarrollando nuevas
metodologías, aún mas específicas para cada zona (Área de estudio) dependiendo de la
variable de interés a analizar. Con el avance de la tecnología, las herramientas
computacionales y el conocimiento de geoprocesos en sistemas de información
geográfica, así como de técnicas geoestadísticas, se ha logrado mejorar esta
representación espacial, consiguiendo en ocasiones representar el comportamiento físico
de la variable, como es el caso de la temperatura, cuyo comportamiento esta relacionado
en forma directa al aumento de la altura topográfica, sin embargo éste debe ser calculado
con los datos de campo debido a que es influenciado por otros factores como son la
vegetación, presencia de obstáculos, entre otros.
Otra gran ventaja del método propuesto es que la interpolación es corregida mediante un
mapa de errores, obtenido de la regresión lineal, y que luego es utilizado para ajustar el
mapa resultante de la fórmula encontrada, con el fin de reproducir en el mapa aquel
porcentaje del comportamiento de la variable que no es explicada mediante la fórmula.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Antecedentes.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Antecedentes.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Objetivo.
El trabajo tiene por objetivo comparar el método de
interpolación Kriging, normalmente utilizado para
representar la variable temperatura, con el método de
regresión lineal múltiple, y demostrar la ventaja
comparativa de este último método para zonas de
montaña.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Metodología.
El Perú se encuentra ubicado entre las latitudes 0º01´48” S y 18º21´03” S, y entre las longitudes
68º39´27” O y 81º20´11 O. Tiene una extensión aproximada de 1’285,215 km2. Su topografía es
bastante accidentada debido a la presencia de la cadena montañosa “Los Andes”, que atraviesa todo
el país generando diversos microclimas. Su altitud varía desde los 0 hasta los 6768 msnm.
Para el desarrollo del trabajo se utilizaron los datos de las estaciones meteorológicas
pertenecientes a la red de estaciones del Servicio Nacional de Meteorología (SENAMHI-
Perú), con un periodo de registro común desde 1971 al 2000. Los datos de temperatura
mínima y máxima debían de tener un registro no menor de 20 años.
A la data se le realizaron pruebas de control de calidad, como la corrección de los datos
no coincidentes de acuerdo a la tendencia diaria normal en el periodo de análisis, la
identificación de probables errores por medios estadísticos en los datos observados; la
comprobación de saltos (en los valores registrados) a través de la observación visual de
la serie histórica de las estaciones. Asimismo fue de utilidad comparar los
comportamientos temporales de las variables con las series de estaciones cercanas,
obteniéndose coeficientes de correlación (R) y determinación (R2). De esta manera se
obtuvieron las series homogéneas de 108 estaciones a nivel nacional.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Metodología.
El análisis de los datos de las variables de Temperatura Máxima y Temperatura Mínima
(Para el control de calidad de datos), se realizó con los datos obtenidos del promedio de
la media aritmética mensual – anual; de manera que se trabajó con datos representativos
de estas dos variables para cada mes del año, a lo largo del periodo de 20 años de
análisis. * Es por ello el término de mapa climatológico.
Además, se requirió para la interpolación con el método de Regresión Lineal Múltiple el
Modelo de elevación Digital (DEM), el cual se obtuvo del Global Land Cover Facility (glcf)
de la NASA, el cual se encuentra a una resolución espacial de 90 metros; sin embargo
por razones operacionales tuvo que ser remuestreado a un 1 km de resolución. Luego del
DEM se extrajo la altura de estación que se utilizó en todo el proceso de interpolación,
esto se realiza debido a que al remuestrear se origina un nuevo valor por pixel, resultado
del promedio de las alturas encontradas dentro del km; esto es un factor que hay que
tomar en cuenta en los resultados finales del modelo de regresión.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Metodología.
Interpolación por Kriging
El método ordinario Kriging, como proceso de aplicación directa, es un método
geoestadístico de interpolación que ha probado ser útil y popular en muchos campos.
Dicho método provee, a partir de una muestra de puntos, ya sean regular o
irregularmente distribuidos, valores estimados de aquellos sitios donde no hay
información.
El método de interpolación de Kriging tiene dos formas para ser aplicado, como
“ORDINARY KRIGING” o “UNIVERSAL KRIGING”. El primero asume que la variación en
los valores de elevación está libre de cualquier componente estructural. El segundo
asume que dicha tendencia de variación espacial está presente en los datos.
El método de interpolación de Kriging calcula los pesos que se dan a cada punto de
referencia usados en dicha aplicación. Esta técnica de interpolación se basa en la
premisa de que la variación espacial continúa con el mismo patrón.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Metodología.
Interpolación por Regresión Lineal Múltiple
El método utilizado fue propuesto por Pons (1996) y Ninyerola et al. (2000), basado en
técnicas de regresión lineal múltiple para la interpolación espacial de los datos
provenientes de las estaciones meteorológicas. Lo resaltante de este método es que al
final los mapas resultantes son corregidos utilizando los residuales, producto de la
regresión lineal múltiple.
V = [(X.x) + (Y.y) + (Z.z)] +C
Representación de fórmula de Ecuación Lineal Múltiple
Donde:
X : Variable de coordenada X x: Coefciente de coordenada X
Y : Variable de coordenada Y y: Coefciente de coordenada Y
Z : Variable de coordenada Z z: Coefciente de coordenada Z
C: Constante de Regresión Lineal Múltiple
Analista SIG y Teledetección: Ing. Kevin Sánchez
Procedimiento.
Muestra de Estaciones seleccionadas
Analista SIG y Teledetección: Ing. Kevin Sánchez
Procedimiento.
Regresión Lineal Múltiple.
“Cálculo de Coeficientes.”
Analista SIG y Teledetección: Ing. Kevin Sánchez
Procedimiento.
Cálculo de Fórmula y Residual.
REGISTRO FÓRMULA RESIDUAL
Valor de la variable Resultado de la Ecuación ene – ene_f
Analista SIG y Teledetección: Ing. Kevin Sánchez
Procedimiento.
Componentes (Raster).
Raster “Y” Raster “X” Raster “Z” (Altitud)
Analista SIG y Teledetección: Ing. Kevin Sánchez
Procedimiento.
Álgebra de Mapas (Raster).
Raster “Fórmula” Raster “Residual”
Analista SIG y Teledetección: Ing. Kevin Sánchez
Resultados.
Muestra Resultante (Raster).
Resultado “Tmax” Resultado “Tmin”
Analista SIG y Teledetección: Ing. Kevin Sánchez
Resultados.
Resultados Comparativos.
Mapa Climático de Temperatura Máxima – Enero Mapa Climático de Temperatura Máxima – Enero
“Método de Kriging” “Método de Regresión Lineal Múltiple”
Analista SIG y Teledetección: Ing. Kevin Sánchez
Resultados.
Resultados Comparativos.
Mapa Climático de Temperatura Mínima – Enero Mapa Climático de Temperatura Mínima – Enero
“Método de Kriging” “Método de Regresión Lineal Múltiple”
Analista SIG y Teledetección: Ing. Kevin Sánchez
Conclusiones.
• El desarrollo de nuevas tendencias metodológicas generan en
cada aplicación, el mejor acondicionamiento de alternativas de
solución a los problemas de espacialización de agentes
meteorológicos.
• El uso de la metodología estadística, aplicado a la espacialización
de la variable temperatura; proporciona un óptimo resultado del
método de regresión lineal múltiple, frente al método de
interpolación directa de Kriging.
• El método de regresión lineal múltiple es aplicable a la variable
temperatura, integrando el uso del componente de topografía, ya
que el comportamiento de esta variable se encuentra relacionada a
la altitud.
• Al existir una mejor distribución espacial de la variable
temperatura, ésta se vuelve una fuente confiable de análisis e
interpretación para estudios diversos.
Analista SIG y Teledetección: Ing. Kevin Sánchez
Gracias….!!!