La interpolación espacial es el procedimiento de estimar el valor de las propiedades en los sitios no muestreados dentro del área cubierta por las observaciones existentes en casi todos los casos, la propiedad debe ser intervalo o proporción Escalado puede ser pensado como el inverso del proceso utilizado para seleccionar los pocos puntos de un DEM que representan con precisión la superficie de apoyo detrás de la interpolación espacial es la observación de que los puntos cercanos juntos en el espacio tienen más probabilidades de tener valores similares a los puntos distantes (Toblers La interpolación espacial es una característica muy importante de muchos SIG. La interpolación espacial puede utilizarse en SIG: proporcionar contornos para mostrar gráficamente datos para calcular alguna propiedad de la superficie en un punto dado para cambiar la unidad de comparación cuando se utilizan datos diferentes Estructuras en diferentes capas con frecuencia se utiliza como una ayuda en el proceso de toma de decisiones espaciales tanto en la geografía física y humana y en disciplinas relacionadas como la prospección de minerales y la exploración de hidrocarburos muchas de las técnicas de interpolación espacial son desarrollos bidimensionales de los métodos unidimensionales Desarrollada originalmente para el análisis de series de tiempo, esta unidad introduce la interpolación espacial y examina la interpolación basada en puntos, mientras que la siguiente considera los procedimientos areales y algunas aplicaciones hay varias formas diferentes de clasificar los procedimientos de interpolación espacial: dado un número de puntos cuyas localizaciones y valores son conocidos, Los valores de otros puntos en puntos predeterminados de interpolación de puntos se usan para datos que se pueden recoger en ubicaciones de puntos por ejemplo Las lecturas de la estación meteorológica, las alturas de los puntos, las lecturas de pozos de petróleo, las mediciones de porosidad, los puntos de rejilla interpolados se utilizan a menudo como entrada de datos en los algoritmos de contorneado informático una vez que se ha determinado la rejilla de puntos, En la línea recta entre cada par de puntos de la rejilla, la interpolación punto a punto es el tipo de interpolación espacial más frecuentemente realizado en las líneas GIS hasta los puntos por ejemplo Contornos a la elevación gridsareal interpolación dado un conjunto de datos asignados en un conjunto de zonas fuente de determinar los valores de los datos para un conjunto diferente de las zonas de destino, p. Dado el recuento de población para las secciones censales, estimar poblaciones para los distritos electorales, los interpoladores globales determinan una sola función que está mapeada en toda la región un cambio en un valor de entrada afecta a todo el mapa los interpoladores locales aplican un algoritmo repetidamente a una pequeña porción del conjunto total de puntos Un cambio en un valor de entrada sólo afecta al resultado dentro de los algoritmos windowglobal tienden a producir superficies más lisas con cambios menos abruptos se utilizan cuando hay una hipótesis sobre la forma de la superficie, por ejemplo Un interpoladores locales de tendencia puede ser extendido para incluir una gran proporción de los puntos de datos en el conjunto, por lo que en un sentido global la distinción entre interpoladores globales y locales es, por tanto, un continuo y no una dicotomía esto ha dado lugar a cierta confusión y controversia en la Los interpoladores exactos de la literatura honran los puntos de datos sobre los cuales se basa la interpolación la superficie pasa a través de todos los puntos cuyos valores se conocen honrando puntos de datos se considera como una característica importante en muchas aplicaciones por ejemplo Los interpoladores proximales de la industria petrolera, los B-splines y los métodos de Kriging cumplen todos los puntos de datos dados Kriging, como se discute a continuación, puede incorporar un efecto pepita y si este es el caso el concepto de un interpolador exacto deja de ser apropiado Existe cierta incertidumbre sobre los valores de superficie dados, esto utiliza la creencia de que en muchos conjuntos de datos hay tendencias globales, que varían lentamente, superadas por fluctuaciones locales, que varían rápidamente y producen incertidumbre (error) en los valores registrados el efecto de suavizado Por lo tanto, para reducir los efectos del error en las superficies resultantes los métodos estocásticos incorporan el concepto de aleatoriedad la superficie interpolada se conceptualiza como uno de los muchos que podrían haber sido observados, todo lo cual podría haber producido los puntos de datos conocidos interpoladores estocásticos incluyen análisis de superficie de tendencia, El análisis de Fourier y los procedimientos de Kriging tales como el análisis superficial de tendencias permiten calcular la significación estadística de la superficie y la incertidumbre de los valores predichos; los métodos determinísticos no utilizan la teoría de probabilidades (por ejemplo, Proximal), un ejemplo típico de un interpolador gradual es que el promedio móvil ponderado a distancia suele producir una superficie interpolada con cambios graduales, sin embargo, si el número de puntos utilizados en el promedio móvil se reduce a un número pequeño, o incluso uno, se produciría una brusca Cambios en la superficie puede ser necesario incluir las barreras en el proceso de interpolación semipermeable, por ejemplo Los frentes meteorológicos producirán barreras impermeables de valores cambiantes rápidos, pero continuas, p. LAM (1983) y Burrough (1986) describen una variedad de métodos de interpolación cuantitativos adecuados para algoritmos de contorneado computarizado en esta y en las siguientes secciones, estos se dividen en métodos exactos y aproximados en esta sección trata con métodos exactos todos los valores son Se supone que es igual al punto más cercano conocido es una carga de computación de interpolador local es relativamente ligero la estructura de datos de salida es Thiessen polígonos con cambios abruptos en los límites tiene aplicaciones ecológicas como territorios y zonas de influenciabest para los datos nominales aunque originalmente utilizado por Thiessen para calcular las estimaciones areal Desde la lluvia datales absolutamente robusto, siempre produce un resultado, pero no tiene inteligencia sobre el sistema que se analiza disponible en muy pocos paquetes de mapeo, SYMAP es una excepción notable utiliza un polinomio por piezas para proporcionar una serie de parches resultando en una superficie que tiene la primera continua Y segundas derivadas asegura la continuidad en: elevación (continuidad de orden cero) - superficie no tiene pendiente de acantilados (continuidad de primer orden) - las pendientes no cambian abruptamente, no hay curvas en contornos curvatura (continuidad de segundo orden) - se alcanza una curvatura mínima Produce una superficie continua con una estructura de datos de salida de curvatura mínima es puntos en una nota raster que los máximos y mínimos no necesariamente ocurren en los puntos de datos es un interpolador local puede ser exacto o utilizado para suavizar superficies calculando la carga es moderada mejor para superficies muy suaves o para superficies que muestran Las fluctuaciones marcadas, que pueden causar oscilaciones salvajes en la spline, son populares en paquetes de interpolación de superficie general, pero no son comunes en GISs, pueden ser aproximados por los contornos de suavizado dibujados a través de un modelo TIN (ver Burrough, 1986), Davis (1986) 1983) y Hearn y Baker (1986) también se describe en la teoría de la aproximación numérica desarrollada por Georges Matheron, como la teoría de las variables regionalizadas, y DG Krige como un método óptimo de interpolación para su uso en la industria minera la base de esta técnica es la tasa a la cual la varianza entre puntos cambia en el espacio esto se expresa en el variograma que muestra cómo la diferencia promedio entre los valores en los puntos cambia con la distancia entre (Eje horizontal) es E (zi - zj) 2, es decir, expectativa de la diferencia, es decir, la diferencia media en la elevación de cualquier distancia de dos puntos d (eje horizontal) es la distancia entre i y la mayoría de los variogramas muestran comportamiento como el diagrama El límite superior (asíntota) de De se llama el umbral la distancia a la que se alcanza este límite se llama el rango que la intersección con el eje y se llama pepita una pepita distinta de cero indica que las mediciones repetidas en el mismo punto producen diferentes valores en Desarrollando el variograma es necesario hacer algunas suposiciones sobre la naturaleza de la variación observada en la superficie: Kriging simple supone que la superficie tiene una media constante, ninguna tendencia subyacente y que toda la variación es estadística universal Kriging asume que hay una tendencia determinista en La superficie que subyace a la variación estadística en ambos casos, una vez que se han tenido en cuenta las tendencias (o se supone que no existen), toda otra variación se supone que es una función de distanciamiento de los datos de entrada para Kriging es generalmente una muestra irregularmente espaciada de puntos para calcular Un variograma que necesitamos para determinar cómo la varianza aumenta con la distancia comienzan dividiendo el rango de distancia en un conjunto de intervalos discretos, por ejemplo 10 intervalos entre la distancia 0 y la distancia máxima en el área de estudio para cada par de puntos, la distancia de cálculo y la diferencia cuadrada en valores z asignan cada par a uno de los rangos de distancia y acumulan la varianza total en cada intervalo después de cada par (O una muestra de pares en un conjunto de datos grande) calcular la varianza media en cada rango de distancia trazar este valor a la distancia media de cada rango una vez que el variograma se ha desarrollado, se utiliza para estimar los pesos de distancia para la interpolación Suma de los valores ponderados de un cierto número de puntos conocidos donde los pesos dependen de la distancia entre los pesos de los puntos interpolados y conocidos se seleccionan de manera que las estimaciones sean: imparcial (si se usa repetidamente, Kriging daría el resultado correcto en promedio) La variación entre estimaciones repetidas es un problema mínimo con este método: cuando el número de puntos de datos es grande esta técnica es muy intensiva desde el punto de vista computacional la estimación del variograma no es simple, ninguna técnica es la mejor ya que hay varios supuestos cruciales que deben hacerse sobre el Las pautas de Kriging están disponibles en el paquete Surface II (Kansas Geological Survey) y Surfer (Golden Software), y en el paquete GEOEAS para el PC desarrollado por la Agencia de Protección Ambiental de los Estados Unidos Dutton-Marion (1988) ha demostrado que entre los geólogos este es un procedimiento muy importante y que la mayoría de los geólogos desconfían de los algoritmos matemáticos más sofisticados que sienten que pueden usar su conocimiento experto, Las capacidades de modelado y la experiencia y generar una interpolación más realista mediante la integración de este conocimiento en la construcción de la superficie geológica se están haciendo intentos de utilizar técnicas de ingeniería del conocimiento para extraer este conocimiento de expertos y construirlo en un sistema experto para la interpolación. Más sobre este tema características de este método incluyen: los procedimientos son locales como los diferentes métodos pueden ser utilizados por el experto en diferentes partes del mapa tienden a honrar los puntos de datos cambios abruptos tales como las fallas son más fáciles de modelar utilizando estos métodos las superficies son subjetivas y varían de La estructura de datos de experto a experto se suele presentar en la forma de una superficie de contorno es aproximada por una estructura de datos de salida polinomial es una función polinomial que puede usarse para estimar valores de puntos de rejilla en una trama o el valor en cualquier ubicación la elevación z en cualquier El punto (x, y) en la superficie viene dado por una ecuación en las potencias de x e y eg Una ecuación lineal (grado 1) describe una superficie plana inclinada; Una ecuación cuadrática (grado 2) describe una simple colina o valle: z a bx cy dx2 exy fy2 en general, cualquier sección transversal de una superficie de grado n puede tener como máximo n-1 máximos y mínimos alternos, p. Una superficie cúbica puede tener un máximo y un mínimo en cualquier ecuación de la sección transversal para la superficie cúbica: una superficie de tendencia es un interpolador global asume que la tendencia general de la superficie es independiente de errores aleatorios Que se encuentra en cada carga de computación puntual muestreada es relativamente ligero los supuestos estadísticos del modelo rara vez se cumplen en la práctica los efectos de borde pueden ser graves un modelo polinomial produce una superficie redondeada esto rara vez es el caso en muchas aplicaciones físicas y humanas disponibles en un gran número de paquetes de mapas Mather (1976) para polinomios ortogonales aproxima la superficie superponiendo una serie de ondas de seno y coseno una carga de cálculo interpolador global es moderada estructura de datos de salida es la serie de Fourier que se puede utilizar Para estimar los valores de la rejilla para una trama o en cualquier punto para los conjuntos de datos que exhiben una periodicidad marcada, tales como las olas oceánicas raramente incorporadas en los paquetes informáticos, el programa simple y la discusión en Davis (1973) son promedios de los valores en n puntos conocidos: Es una función de la distancia, tales como: una variedad casi infinita de algoritmos pueden ser utilizados, las variaciones incluyen: la naturaleza de la función de distancia que varía el número de puntos utilizados la dirección desde la que se seleccionan es el método más ampliamente utilizadoobjecciones a este método surgir del hecho de que el rango de valores interpolados, está limitada por el alcance de los datos sin valor interpolado estará fuera del rango observado de valores de z otros problemas incluyen: la cantidad de puntos que debe incluirse en el cálculo del promedio qué hacer puntos irregularmente espaciados Cómo tratar con los efectos de borde Burrough, PA 1986. Principios de Sistemas de Información Geográfica para la Evaluación de Recursos Terrestres, Clarendon, Oxford. Véase el capítulo 8. Davis, J. C. 1986. Statistics and Data Analysis in Geology, 2a edición, Wiley, New York. (Véase también la primera edición de 1973 de las listas de programas). Dutton-Marion, K. E. 1988. Principios de los Procedimientos de Interpolación en la Visualización y Análisis de Datos Espaciales: Un Análisis Comparativo de Contorno Conceptual y Computacional, inédito Ph. D. Tesis, Departamento de Geografía, Universidad de Calgary, Calgary, Alberta. Hearn, D. y Baker, M. P. 1986. Computación Gráfica, Prentice-Hall Inc, Englewood Cliffs, N. J. Jones, T. A. Hamilton, D. E. y Johnson, C. R. 1986. Contorno superficies geológicas con el ordenador, Van Nostrand Reinhold, Nueva York Lam, N. 1983. Métodos de interpolación espacial: una revisión, el cartógrafo estadounidense 10 (2): 129-149. Mather, P. M. 1976. Métodos Computacionales de Análisis Multivariable en Geografía Física, Wigley, Nueva York. Sampson, R. J. 1978. Superficie II, edición revisada, Kansas Geological Survey, Lawrence, Kansas. Waters, N. M. 1988. Sistemas Expertos y Sistemas de Expertos, Capítulo 12 en W. J. Coffey, ed. Sistemas Geográficos y Sistemas de Geografía: Ensayos en Honor de William Warntz, Departamento de Geografía, Universidad de Western Ontario, London, Ontario. Una clase importante de métodos de interpolación falta aquí - denominadas funciones de base radial, como multicuádrica, delgada spline placa, delgada spline placa con tensión, spline regularizado con la tensión y un gran número de otros sabores de este enfoque (también referido a veces como Enfoque variacional). Estos métodos están disponibles en casi todos los SIG, desde ArcINFO, GRASS, SURFER a paquetes de visualización especializados. La descripción se puede encontrar en Mitas, L. Mitasova, H. 1999, Interpolación espacial. En: P. Longley, M. F. Goodchild, D. J. Maguire, D. W.Rhind (Eds.), Sistemas de Información Geográfica: Principios, Técnicas, Gestión y Aplicaciones, GeoInformation International, Wiley, 481-492. 1. ¿Existen otras técnicas para la generación de superficies? ¿Cuántos de los procedimientos anteriores se utilizan comúnmente? ¿Cómo se clasificarían en términos de popularidad? Dar ejemplos de la literatura de dónde se han utilizado. 2. ¿Cómo se compara el contorno mano como alternativa ¿Qué pienso de ella y tienen ha cambiado de opinión ¿Cuáles son las principales características y procesos que intervienen en la mano de contorneado 3. Explicar las ventajas y desventajas de la interpolación manual de como se usa en el contorno del lado de la computadora Como se utiliza en un paquete de contorno de ordenador. 4. Describir las diferentes formas en que los algoritmos de interpolación espacial pueden ser clasificados. Volver a la página inicial de 470 Geografía Por favor enviar sus comentarios con respecto al contenido: Brian Klinkenberg Por favor enviar sus comentarios con respecto a los problemas del sitio Web a: La Techmaster Última actualización: 30 de agosto de filtrado 1997.Spatial utilizando un sistema de información geográfica de la trama: métodos para escalar la salud y el medio ambiente Datos Mohammad Ali a. do. . , Michael Emch b, Jean-Paul Donnay ca ICDDR, B, Mohakhali, Dacca, Bangladesh b Departamento de Geografía de la Universidad Estatal de Portland, Portland, Oregón, EE. UU. Departamento de Geomática c, Universidad de Lieja, Bélgica Aceptado el 3 de octubre de 2001, disponible en línea 8 de noviembre de 2001Resumen A pesar del uso de los sistemas de información geográfica (SIG) en la investigación académica, todavía es poco común que los funcionarios de salud pública utilicen tales herramientas para abordar cuestiones de salud y medio ambiente. Las complejidades en las cuestiones metodológicas para abordar las relaciones entre la salud y el medio ambiente, investigar la variación espacial de la enfermedad y atender la demanda espacial y la oferta de servicios de salud, dificultan el uso del SIG en el sector de la salud. Este documento demuestra sencillos métodos de filtrado espacial para analizar la salud y los datos ambientales utilizando un SIG raster. La calculación de las tasas medias móviles espaciales reduce los efectos individuales y crea una superficie continua de fenómenos. Otro método analítico espacial discutido es el cálculo de las superficies del estado de exposición, incluyendo las influencias de los vecinos, ponderadas por la decadencia de la distancia. Estos métodos describen cómo se pueden escalar los datos de salud y medioambientales para poder abordar mejor los problemas de salud. Los métodos de filtrado espacial se demuestran utilizando datos de vigilancia de la salud y la población dentro de un SIG que se recogieron para aproximadamente 210.000 personas en Matlab, Bangladesh. Palabras clave Corresponding author. Instituto Internacional de Vacunas, Kwanak P. O. Box 14, Seoul, 151-600, Corea del Sur Copyright copy 2002 Publicado por Elsevier Ltd. Las cookies son utilizadas por este sitio. Para obtener más información, visite la página de cookies. Copyright 2016 Elsevier B. V. o sus licenciantes o contribuyentes. ScienceDirect es una marca registrada de Elsevier B. V.Crime Analysis con ArcGIS Muchas agencias de aplicación de la ley están utilizando mapas y otros análisis espaciales para ayudar a impulsar la toma de decisiones. El taller de Análisis de Delitos con ArcGIS se basa en las habilidades introductorias que un usuario ya tiene usando el software ArcGIS.160 El taller se enseñará utilizando datos de justicia penal de código abierto para permitir a los participantes la capacidad de analizar y explorar datos y patrones del mundo real.160 Mientras Este taller será más aplicable a los analistas que trabajan en la aplicación de la ley, el empleo actual de una agencia de aplicación de la ley no es necesario. 160 Fechas: August 21st-22 de Coste: Esquema 600 del curso: 160160 Gestión 160Data Organización amp 160.160 160Field Calculadora 160.160 160Advanced de atributos y espaciales Selecciones 160.160 160Geocoding usando centro de calles, puntos de dirección y X, Y datos 160160 160Basics de edición de datos en ArcGIS (atributos de actualización , los atributos de la adición, la geometría de ajuste) 160 160 160Spatial analista amp espacial estadística Herramientas o160160 160Kernel análisis de la densidad o160160 160Hot de análisis de puntos o160160 detección 160Change o160160 160Directional Distribuciones o160160 160Spatial temporal media Móvil 160 160 160Basic El uso de un generador de modelos 160160 160Analysis Presentación instructor: Andrew Wright Bio: Andrew Wright Es Gerente de Proyectos de SIG en el Programa de Análisis y Análisis de Delitos de la Universidad de Washington (CMAP). Andrew ha sido parte de CMAP desde 2009 y ha trabajado estrechamente con muchas agencias policiales y de justicia criminal en Maryland proporcionando apoyo técnico, instrucción y divulgación. Andrew también administra el Sistema de Manejo de Delincuentes de Maryland (MOMS, por sus siglas en inglés), que permite a las fuerzas del orden utilizar la tecnología geoespacial para realizar búsquedas geográficas y tabulares federadas contra bases de datos de múltiples infractores. Andrew también está ayudando en el enlace CMAP i2. En esta sección
No comments:
Post a Comment