Vous êtes sur la page 1sur 8

INTERPOLACION

VANESSA SALAZAR CASTILLO

Javier Contreras Ingeniero Catastral

UNIVERSIDAD SANTO TOMAS FACULTAD DE INGENIERIA CIVIL BOGOT 2013

INTRODUCCIN

En el proceso de remuestreo de las imgenes raster al aplicar una transformacin requiere la aplicacin de algn mtodo de interpolacin. Existen multitud de mtodos de interpolacin, pero en el tratamiento de la imagen digital o de datos raster no se suelen aplicar ms que tres, como es la interpolacin por el vecino ms prximo. En algunos casos se aplican mtodos ms refinados segn la aplicacin, en este caso se hace referencia al Kriging. En este trabajo se va hacer referencia a lo referente de interpolacin por el vecino ms prximo y kriging, que aunque tengan un efecto igual que es el de suavizado de los datos originales, pero el mtodo es distinto, y es aqu donde se quiere hacer nfasis. OBJETIVOS General Investigar lo referente a vecinos cercanos y Kriging Especificos Definir el concepto Definir el mtodo que cada uno de estos maneja

1. KRIGING

Kriging es un procedimiento geoestadstico avanzado que genera una superficie estimada a partir de un conjunto de puntos dispersados con valores z. A diferencia de otros mtodos de interpolacin en el conjunto de herramientas de Interpolacin, utilizar la herramienta Kriging en forma efectiva implica una investigacin interactiva del comportamiento espacial del fenmeno representado por los valores z antes de seleccionar el mejor mtodo de estimacin para generar la superficie de salida. Las herramientas de interpolacin IDW (Distancia inversa ponderada) y Spline son consideradas mtodos de interpolacin determinsticos porque estn basados directamente en los valores medidos circundantes o en frmulas matemticas especificadas que determinan la suavidad de la superficie resultante. Hay una segunda familia de mtodos de interpolacin que consta de mtodos geoestadsticos, como kriging, que est basado en modelos estadsticos que incluyen la autocorrelacin, es decir, las relaciones estadsticas entre los puntos medidos. Gracias a esto, las tcnicas de estadstica geogrfica no solo tienen la capacidad de producir una superficie de prediccin sino que tambin proporcionan alguna medida de certeza o precisin de las predicciones. Kriging presupone que la distancia o la direccin entre los puntos de muestra reflejan una correlacin espacial que puede utilizarse para explicar la variacin en la superficie. La herramienta Kriging ajusta una funcin matemtica a una cantidad especificada de puntos o a todos los puntos dentro de un radio especfico para determinar el valor de salida para cada ubicacin. Kriging es un proceso que tiene varios pasos, entre los que se incluyen, el anlisis estadstico exploratorio de los datos, el modelado de variogramas, la creacin de la superficie y (opcionalmente) la exploracin de la superficie de varianza. Este mtodo es ms adecuado cuando se sabe que hay una influencia direccional o de la distancia correlacionada espacialmente en los datos. Se utiliza a menudo en la ciencia del suelo y la geologa.

1.1 ECUACION El mtodo kriging es similar al de IDW en que pondera los valores medidos circundantes para calcular una prediccin de una ubicacin sin mediciones. La frmula general para ambos interpoladores se forma como una suma ponderada de los datos:

donde: Z(si) = el valor medido en la ubicacin i i = una ponderacin desconocida para el valor medido en la ubicacin i s0 = la ubicacin de la prediccin N = la cantidad de valores medidos

En IDW, la ponderacin, i, depende exclusivamente de la distancia a la ubicacin de la prediccin. Sin embargo, con el mtodo kriging, las ponderaciones estn basadas no solo en la distancia entre los puntos medidos y la ubicacin de la prediccin, sino tambin en la disposicin espacial general de los puntos medidos. Para utilizar la disposicin espacial en las ponderaciones, la correlacin espacial debe estar cuantificada. Por lo tanto, en un kriging ordinario, la ponderacin, i, depende de un modelo ajustado a los puntos medidos, la distancia a la ubicacin de la prediccin y las relaciones espaciales entre los valores medidos alrededor de la ubicacin de la prediccin. En las siguientes secciones se describe cmo se utiliza la frmula general de kriging para crear un mapa de la superficie de prediccin y un mapa de la precisin de las predicciones.

1.2

CREACIN DE UN MAPA CON EL MTODO KRIPING

Para llevar a cabo una prediccin con el mtodo de interpolacin de kriging, es necesario realizar dos tareas: Descubrir las reglas de dependencia. Realizar las predicciones.

A fin de completar estas dos tareas, kriging atraviesa un proceso de dos pasos: 1. Crea los variogramas y las funciones de covarianza para calcular los valores de dependencia estadstica (denominada autocorrelacin espacial) que dependen del modelo de autocorrelacin (ajustar un modelo). 2. Prev los valores desconocidos (hacer una prediccin). Se dice que en este mtodo los datos se utilizan dos veces, debido a estas dos tareas bien distintivas: la primera vez, para calcular la autocorrelacin espacial de los datos, y la segunda, para hacer las predicciones.

1.3

TIPOS DE KRIGING Puntual o ordinario: es un interpolador exacto en el sentido de que las ecuaciones calculadas las utiliza para interpolar los valores y habra una coincidencia exacta entre los valores interpolados y los puntos de datos originales. Por bloques: es util cuando se desea estimar los valores de z de un area dada en mallas de celdas de un tamao especifico para modelizacion cuantitativa, su estimacion de varianzas normalmente es sutantivamente menor que la del Kriging puntual. Simple: es la prediccion por la regresion lineal generalizada bajo la suposicion de funcion estacionaria de segundo orden con una media conocida. No lineal o lognormal: es la interpolacion de una distribucion lognormal, en lugar de unos datos distribuidos normalmente. Ordinario con anisotropia o variogramas anidados: la incorporacion de la anisotropia en los procedimientos es simplemente una manera de modificar la conversin de la matriz de distancia en la de semivarianzas.

2. VECINOS CERCANOS

Asigna a cada nodo el valor de la observacion mas cercana a este. Para datos desigualmente distribuidos, lo que se obtiene es una mlla que seria el diagrama de Voronoi. Si los datos estan desigualmente espaciados, pero tiene una alta densidad, lo que se tiene ess un terreno escalonado o terrazado o del tipo de un mapa de coropletas. Este etodo es especialmente ultil cuando los datos estan en forma de malla para cambiar la resolucion o la proyeccion, de forma que no varian demasiado los valores originales. El problema que tiene, es que no hace ninguna suposicion acerca de la cualidad de los datos , y tampoco tiene en cuenta las reaciones espaciales entre ellos. Para el caso de datos raster, supongamos que hemos aplicado la funcion inversade la transformacion, y hemos obtenido que las coordenadas de la imagen original en la que debemos calcular el valor del pixel son (xr, yr). Si la inversa de la transformada nos ha devuelto un valor no entero para las coordenadas, deberemos calcular las coordenadas del pixel ms prximo a (xr, yr) de los cuatro posibles. La distancia se calculara utilizando ( ) ( )

donde (xr, yr). Son las coordenadas pixel. Uno de los problemas de este tipo de interpolacin es que produce una prdida de informacin, especialmente en elementos lineales como carreteras, caminos, etc.

BIBLIOGRAFA

SANCHEZ MENEDEZ. Fernando. Georrefernciacion de Cartografia: Datos Raster y Vectoriales. EOS GIS. 2004. 287 p. PENA LLOPIS, Juan. Sistemas de informacin geogrfica aplicados a la gestin del territorio, 2 ed. Club universitario. 2006. 310 p.