Nombre: Guillermo Prado Salazar Fecha: 26/02/2016

TIPOS DE INTERPOLACIÓN UTILIZADOS EN ARGIS

Distancia Inversa Ponderada (IDW)Esta interpolación asigna pesos a los puntos de muestra, para los cuales la influencia de un punto sobre otro decrece proporcionalmente a la distancia del otro punto que se va a estimar.

El método de interpolación IDW lleva a los puntos de muestreo q que estos se ponderen durante la interpolación de tal manera que la influencia de un punto en relación con otros disminuye con la distancia desde el punto desconocido que se desea crear:

El modelo de interpolación IDW estima los valores de una propiedad, que se asume depende de su localización, con base en la asignación de pesos a los datos del entorno en función inversa a la distancia que los separa del punto en cuestión. De esta forma se acepta que los puntos más próximos al centroide “z” intervienen de manera más relevante en la construcción del valor definitivo de la propiedad para ese punto. Por otra parte, si las distancias están a su vez afectadas por un exponente de ponderación, cuanto mayor es éste más contribuyen los puntos próximos.

Splines.

Para valores que varían muy poco y lentamente este método es indicado, como las elevaciones. No obstante es un método de interpolación inexacto, ya que altera ligeramente el valor y la posición de los datos originales, generando un resultado muy suavizado. Este método es recomendable para cuando tenemos poco puntos de partida, ya que posibilita obtener nuevos datos.

KRIGING

Nombre: Guillermo Prado Salazar Fecha: 26/02/2016

Éste método de interpolación tiene parecidos con el IDW ya que pondera la distancia en su fórmula, no obstante, tanto el IDW y el Splines son métodos que no tienen por qué ser mejores si la correlación positiva es débil y la distribución de puntos es irregular. Es aquí donde el kriging mejora las deficiencias de los anteriores, puesto que estima mejor estas dos variables. Una de las particularidades de este método es el uso de la geoestadística, que es lo que le permite esta mejora de las estimaciones.

Existen distintas técnicas de kringing dependiendo de las diferentes formas de datos:

Kriging ordinario: Es útil en muestras sin valores atípicos, ni valores muy altos, ni muy bajos y sin estructura espacial.

Kriging por bloques: Al contrario que el anterior es más indicado para cuando tenemos valores atípicamente altos y/o bajos.

Kriging universal: Funciona bien con datos que tienen una tendencia bien definida.

Co-Kriging: Éste método es el más indicado para usar información de más de una variable.

Natural Neighbor,

A partir de puntos utilizando una técnica de vecinos naturales (útil cuando existen muchos puntos de entrada) Interpola una superficie de ráster.

El método de los Elementos Naturales (en adelante, el MEN) está basado, como se ha dicho, en la interpolación por vecinos naturales. Esta técnica hace uso de la triangulación de Delaunay y de su estructura dual, la teselación de Dirichlet o diagrama de Voronoi para construir la interpolación. Estos conceptos son de excepcional importancia en la Geometría Computacional para la caracterización de una nube de puntos y la relación espacial entre éstos.