Diplomado en Geomtica UC: Curso Modelamiento de

superficies
Modelamiento de superficies con procesos
geoestadsticos

Gua de trabajo nmero G5: Determinacin de informacin

probabilstica

En ejercicios anteriores se ha visto cmo es posible obtener mapas

interpolados usando Kriging ajustado segn el anlisis geoestadstico
efectuado sobre los datos. Tambin es posible obtener mapas
probabilsticos que permitan predecir lugares donde se exceda cierto
umbral de medida del fenmeno en estudio. Para entender la
situacin examine el mapa correctamente interpolado que obtuvimos
antes:

Este mapa es tambin probabilstico; es el

que con mayor probabilidad modela
correctamente la distribucin de
ozono en California. Si eso es as,
entonces determinar dnde el
ozono puede exceder cierto
umbral es tambin una cuestin
de probabilidades. Si, por ejemplo,
fijamos un umbral de
concentracin de ozono de 0,12,
es claro que mayor probabilidad de
que se exceda ese umbral existir
donde los valores medidos de ozono sean iguales o superiores a
0,12 y, tericamente, mientras ms alto sea el valor de ozono medido
o interpolado, mayor ser la probabilidad de que se supere el umbral.
El problema est en las zonas cercanas a ese umbral qu tan
probable es que all se supere ese valor? Se puede establecer una
superficie continua de probabilidades de superacin de un umbral? No
solo esto, sino es posible ajustar tambin los sesgos locales
introducidos en estas probabilidades por autocorrelacin y
anisotropa? Se puede. Esto se llama Indicator Kriging.

1
Indicator Kriging opera sobre valores observados de 1 y 0, donde 1
sern aquellos puntos donde se exceda el umbral previsto y 0
aquellos donde ello no ocurra. El procedimiento, entonces, utiliza un
semivariograma construido sobre este conjunto transformado de
datos 1 y 0.

Generacin de un mapa de probabilidades a travs de

Indicator Kriging

1. Haga click sobre Geostatistical Analyst y luego en Geostatistical

Wizard.
2. Seleccione como capa de trabajo ca_ozone_pts y como
atributo de estudio (Data Field) ozone.
3. En Geostatistical Methods escoja Kriging/Cokriging y presione
Next.
4. En el paso 2 escoja Indicator y Output Surface Type en
Probability e indique el umbral requerido en Primary threshold;
0,12 en este caso. Asegrese de seleccionar la opcin Exceed,
ya que lo que deseamos es conocer la probabilidad de que en
algunos lugares el ozono llegue a exceder este valor. Debera
tener lo siguiente tras este paso:

2
 5. Presione Next.
6. En el cuadro de dilogos Semivariogram/Covariance modelling
marque Anisotropy como True para considerar el sesgo local y
deje el lag size en 25.000 y number of lags en 10.

Este grosor
simplement
e muestra la
diferencia
en el
variograma
considerand
o
anisotropa

7. Presione Next en el cuadro de dilogos Searching

Neighborhood. Aceptaremos la oferta del sistema.
8. Obtendr el cuadro resumen de las probabilidades asignadas a
cada punto de muestra. Observe en la tabla inferior (Figura 8)
como en general las mayores probabilidades (eje Y) de
sobrepasar el lmite de 0,12 (la lnea azul) son asignadas a los
puntos con los mayores valores medidos de ozono (eje X),
mientras ms altos, mayor probabilidad. Puede seleccionar
cualquier punto del registro (la tabla) y ver como se identifica
el punto en el diagrama Indicator Prediction. La idea entonces
es tener ahora un mapa donde se identifiquen las zonas donde
estas probabilidades excedan este rango.

3
8

Punto
crtico de
probabilida
d buscado
(0,12)

9. Presione Finish y luego OK en el resumen del proceso a

continuacin.
10. Se desplegar el mapa de probabilidades de los lugares
en que podran producirse altas concentraciones de ozono en el
rea de estudio, es decir, sobre 0,12. Debera obtener algo
semejante a la figura siguiente. Note la existencia de
artefactos o valores incoherentes que se pueden formar en
reas no interpolables por falta de puntos de observacin.
Como norma general, slo son confiables los resultados
obtenidos al interior del rea que cubren los puntos de muestra,
de modo que es una buena idea tener la referencia de stos
sobre las superficies interpoladas, tal como se aprecia en la
figura 10.

4
 1

Este rango (rojo) indica

los puntos del rea de
estudio donde hay entre
un 56,8% a un 94,0% de
probabilidades de
superar una
concentracin de ozono
de 0,12 ppm
Para resumir lo realizado puede decirse que, simplemente, se han
aplicado tcnicas geoestadsticas para modelar, esta vez,
probabilidades de que se supere cierto umbral de un fenmeno
especfico de acuerdo a su medida original y a su relacin de cercana
con los otros puntos de medicin, lo que implica sesgos que tambin
pueden corregirse para obtener una superficie probabilstica ms
certera.