Interpolacin Espacial

Para incorporar variables cuantitativas continuas a un SIG en forma de Modelos Digitales del Terreno (mapas de elevaciones o de otras variables continuas como temperatura, precipitaciones, cantidad de plomo en el suelo, etc.), en muchos casos es necesaria una interpolacin espacial de la distribuci n de la variable en todo el mapa a partir de los valores conocidos para determinados puntos (observaciones puntuales del valor de la variable) o isol!neas (curvas de nivel en los mapas topogr"ficos o isobaras en los mapas clim"ticos). #a interpolacin se puede definir como un procedimiento que permite calcular el valor de una variable en una posicin del espacio (punto no muestral, al $ue se le otorga un valor estimado) , conociendo los valores de esa variable en otras posiciones del espacio (puntos muestrales, con valores reales, o l!neas de altitud o valor conocidos). Se trata de una t%cnica de gran utilidad & de aplicaci n a una amplia variedad de cuestiones diferentes. Muchas veces reali'aremos la interpolaci n a partir de una serie de puntos muestrales o isol!neas para reali'ar la interpolaci n. Sin embargo, otras veces puede interesarnos obtener superficies tridimensionales continuas a partir de valores referidos a "reas, como por e(emplo n)mero de especies por cuadr!cula en una malla regular, o n)mero de cabe'as de gamo por coto de ca'a. *n este caso, es necesario primero identificar el centroide del pol!gono definido por cada "rea, asign"ndosele el valor correspondiente al p!+el en el $ue se locali'ar" en la superficie interpolada. *n el caso de mapas de densidad de atributos (por e(emplo, n)mero de especies), el valor de la variable en el centroide ser" el correspondiente al pol!gono (,- especies). *n mapas de densidad de un atributo determinado (n)mero de gamos), en cambio, este valor debe ser la cantidad de unidades de este presentes en la unidad de "rea definida por el tama.o del p!+el $ue vamos a utili'ar en la interpolaci n (,/00 gamos12m3 4 ,/ gamos por p!+el de ,00 m3). #os procedimientos de interpolaci n son mu& distintos seg)n el tipo de organi'aci n de la informaci n de partida5 puntos o l!neas. Interpolacin a partir de puntos Tras obtener una serie de datos distribuidos en el espacio (regular o irregularmente), poseemos un fichero inform"tico de puntos muestrales, definidos por tres variables5 X, Y, & Z. 6 continuaci n, se reali'a un proceso de interpolaci n para generar los valores de Z en el resto de puntos (no muestrales7 puntos estimados) $ue van a integrar el Modelo Digital del Terreno, &a $ue, habitualmente, los datos muestrales no son suficientes para representar adecuadamente la topograf!a de la variable. #os m%todos de interpolaci n partiendo de puntos son mu& numerosos & variados, & se pueden clasificar de diferentes maneras5 Mtodos globales frente a procedimientos locales. Se diferencian en el n)mero de datos muestrales $ue se usan para calcular el valor de la altura en los puntos no muestrales de la re(illa r"ster. #os globales tienen en cuenta todos los puntos muestrales en el c"lculo del valor estimado, mientras $ue los locales emplean s lo puntos muestrales situados en la vecindad del mismo. Mtodos exactos o aproximados. #os primeros reproducen e+actamente los valores de los puntos muestrales, mientras $ue los segundos proporcionan apro+imaciones en los puntos de partida, &a $ue si altura se recalcula en el mismo proceso. Suele ser m"s aceptable un m%todo $ue consiga un valor e+acto en estos puntos $ue uno $ue no lo haga.
Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)

 Mtodos directos o analticos. *sta clasificaci n deriva del mecanismo matem"tico de la interpolaci n. 8nos formulan suposiciones generales, habitualmente no contrastadas, sobre el car"cter de la superficie a interpolar, & establecen a partir de ellas la funci n matem"tica de interpolaci n ( mtodos directos). Por el contrario, los otros estudian el car"cter de la autocorrelaci n espacial de la variable a interpolar a partir de los puntos muestrales en una fase inicial de reconocimiento. Posteriormente, en la fase de c"lculo generan una funci n de interpolaci n $ue tiene en cuenta el grado & tipo de autocorrelaci n espacial de la variable (mtodos analticos). - Mtodos directos Generacin de polgonos de Thiessen.- *s el m%todo m"s simple. *n este caso, la suposici n empleada en la funci n de interpolaci n consiste en admitir $ue cada punto no muestral se parece, m"s $ue a ning)n otro, al punto muestral m"s pr +imo. Durante la interpolaci n simplemente se asigna a cada punto el valor de la variable dependiente del punto muestral m"s pr +imo. *s un procedimiento local (s lo se usa un punto muestral en el c"lculo de la variable para cada lugar) & e+acto (los valores en los puntos muestrales se reproducen e+actamente despu%s del proceso de interpolaci n, &a $ue, evidentemente, el punto muestral m"s cercano a uno del mismo car"cter es %l mismo. 9ue ideado por Thiessen para el an"lisis de datos meteorol gicos, pero puede ser empleado, igualmente, con otras variables. *l Modelo Digital del Terreno as! obtenido no es demasiado v"lido, pues presenta un aspecto de patio enlosado desnivelado & con cambios bruscos de altura entre puntos vecinos. Medias mviles con ponderacin por la distancia.- *n este segundo m%todo directo se supone $ue los puntos muestrales m"s pr +imos tienen las alturas m"s similares al punto estimado, &, adem"s, $ue esta seme(an'a disminu&e con la distancia entre el punto calculado & el punto muestral. Se selecciona en torno a cada punto una serie muestral, & se reali'a la media aritm%tica de sus alturas, ponderando sus valores por un factor inversamente proporcional a la distancia entre cada punto muestral considerado & el punto no muestral del cual se est" hallando la altura. De este modo5
Zi =

(Z W ) W
j j ij j ij

donde Zi es la altura estimada en el punto no muestral i, Zj es la altitud real en el punto muestral j, ij es un factor de ponderaci n en funci n de la inversa de la distancia entre el punto i & el j $ue act)a sobre el valor de la altura en cada punto muestral j. *l sumatorio se efect)a para todos los m puntos integrados en la vecindad de i. *+isten muchas posibilidades para establecer en concreto el factor de ponderaci n, como5
Wij =

1 1 Wij = a , , o bien Dij Dij

siendo !ij la distancia eucl!dea entre i (el punto calculado) & j, el punto muestral. *l e+ponente a, $ue afecta a la distancia, tiene el efecto de disminuir, al hacerse m"s 3
Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)

grande, la influencia $ue en el c"lculo de la altura interpolada e(ercen los puntos muestrales m"s ale(ados de i. *l valor utili'ado usualmente es 3. *ste procedimiento es e+acto si se pondera usando la inversa de la distancia con e+ponente ,, & apro+imado si se emplea un e+ponente distinto de , para la distancia. Por otra parte, es global o local dependiendo del n)mero de puntos muestrales $ue intervengan en el c"lculo. *s usual no emplear todos, sino )nicamente los vecinos m"s pr +imos a cada punto calculado. #a decisi n de la cantidad e+acta es elecci n del usuario, pero de ella dependen los resultados de la interpolaci n. :ormalmente se escogen los seis u ocho puntos muestrales m"s pr +imos al punto estimado. 8n problema derivado de este m%todo es un efecto de cluster, o agrupamiento, de los valores. *n %l, el valor calculado para un punto a depende mucho de un grupo de puntos mu& cercanos entre s!, & por ello seguramente con alturas mu& parecidas, pero no necesariamente similares a la del punto estimado. Para evitar este problema, una soluci n es interpolar considerando los cuadrantes5 se divide el espacio en torno a cada punto en cuadrantes (a veces se usan octantes) & se selecciona uno o m"s puntos vecinos en cada uno de ellos. De este modo, la influencia sobre el punto calculado est" me(or repartida en todo el espacio circundante lo $ue, en ocasiones, produce me(ores resultados. ;tro de sus problemas es su tendencia a suavi'ar los valores de la variable dependiente, eliminando tanto los m"s elevados como los m"s ba(os, por lo $ue produce fallos en superficies abruptas. 6 pesar de estos defectos, este m%todo es mu& empleado & suele estar disponible en los programas comerciales de SIG & MDT basados en r"ster, como el pionero S<M6P, *=D6S o ID=ISI, o en los m dulos de an"lisis r"ster de 6rc>ie? & 6rcGIS. - Mtodos analticos 6ctualmente los SIG est"n en proceso de incorporar nuevos procedimientos estad!sticos comple(os, procedentes del desarrollo de la "eoestadstica, o @estad!stica geogr"ficaA. Por eso, muchas veces es necesario e+traer la informaci n a un formato mane(able por programas de estad!stica tradicional, como SPSS, S6S, ST6TISTIB6 o S<ST6T, o pe$ue.os programas baratos o gratuitos disponibles en la ?eb. *n ellos se genera el modelo o se reali'an las operaciones necesarias, inclu&endo de nuevo los resultados en el SIG. 6fortunadamente, en la actualidad las nuevas versiones de varios sistemas, como Idrisi o 6rcGIS incorporan estos procesos, $ue inclu&en herramientas para elaborar funciones de regresi n entre dos mapas, e incluso tener en consideraci n la estructura de los datos en el espacio. #os m%todos desarrollados directamente en los SIG & programas de geoestad!stica me(oran sustancialmente las interpolaciones de variables con estructuras espaciales comple(as. Sin embargo, aun$ue ofrecen me(ores resultados $ue los m%todos directos, los m%todos anal!ticos son generalmente m"s comple(os & dif!ciles de usar. Anlisis de regresin.- 6dem"s de para e+plorar posibles relaciones causales o la variaci n con(unta entre diferentes variables, anali'ando, determinando & cuantificando dichas relaciones, los an"lisis de regresi n pueden ser utili'ados para
Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)

interpolar una variable a partir de su relaci n con otras de distribuci n espacial conocida. Tradicionalmente se ha usado la conocida correlaci n entre la altitud & variables clim"ticas como temperatura & precipitaci n para derivar mapas clim"ticos & pron sticos meteorol gicos. Mediante una mera regresi n simple entre los valores de estas variables en las estaciones climatol gicas & la altitud de las mismas, es posible interpolar un mapa de las mismas a partir de uno de elevaciones. *n muchos casos, especialmente en regiones homog%neas o con gradientes altitudinales simples & mu& marcados, este sistema tan simple funciona relativamente bien, &a $ue se consiguen unos porcenta(es de variaci n e+plicada superiores al D0, e incluso al D/E. Sin embargo, para otras variables o en territorios m"s comple(os resulta insuficiente. Si se posee una buena hip tesis funcional, se puede optar por reali'ar an"lisis de regresi n m)ltiple, o incluso m"s comple(os, en los $ue se relaciona a la ve' m"s de una variable predictiva con la variable a interpolar. *n este caso es necesario e+traer & anali'ar los datos en un programa estad!stico, e intentar obtener la funci n m"s e+plicativa posible. Posteriormente, mediante t%cnicas de "lgebra de mapas la variable es predicha en todo el territorio anali'ado aplicando la funci n. Sin embargo, en ausencia de hip tesis funcionales previas, resulta m"s fiable el uso de funciones basadas en la estructura espacial detectada en los datos $ue suponer $ue la correlaci n no causal encontrada se e+tiende a lo largo de un territorio, especialmente si nuestras observaciones de la variable a interpolar no cubren todo el espectro ambiental. #os SIG actualmente ofrecen buenas herramientas tanto para anali'ar la relaci n de la variable con el espacio, como para interpolar sus valores e+tendiendo este conocimiento al resto del territorio. Mtodos que anali an la autocorrelacin espacial de la varia!le.- *l m"s importante & de estos procedimientos es el denominado kriging. *n %l, el an"lisis de la autocorrelaci n se basa en la representaci n de la variabilidad espacial obtenido por un variograma, $ue consiste b"sicamente en anali'ar la similitud entre los valores de la variable seg)n aumenta la distancia entre ellos (ver m"s adelante). 6 partir del mismo, se obtiene una funci n $ue represente lo m"s fielmente posible esta relaci n espacial, & esa funci n es la utili'ada para interpolar la variable a partir de los puntos &a conocidos.

Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)

#a interpolaci n espacial reali'ada con el #riging es ptima en sentido estad!stico, &a $ue la media aritm%tica de una muestra de interpolaciones reali'adas con este m%todo en un "rea es cero, & su varian'a es m!nima. *n cierto modo, es una variante del m%todo de las medias m viles ponderadas. #os valores interpolados se obtienen mediante una combinaci n lineal ponderada de los valores de la altura $Z% en los puntos muestrales, pero en este caso las ponderaciones ij se obtienen a partir de una funci n comple(a $ue describe la relaci n de la variable con el espacio. Desgraciadamente, el proceso de obtenci n de la funci n del espacio a partir del variograma es mu& comple(o & tedioso, por lo $ue reali'ar bien una interpolaci n mediante 2riging es mu& costoso. 6dem"s, las ponderaciones obtenidas son diferentes para cada punto &, por lo tanto, supone una carga mu& elevada de operaciones & c"lculos. Se trata de un m%todo apro+imado, &a $ue el valor de la variable se recalcula en todos los puntos, incluidos los muestrales. 6l igual $ue en el caso de las medias m viles, se puede restringir el n)mero de puntos empleados, convirti%ndolo en un m%todo local. *sta opci n es mu& )til para casos en los $ue no ha&amos podido obtener una funci n $ue se a(uste bien a las clases de distancia m"s ale(adas en el variograma, aun$ue empobrece la calidad de la interpolaci n. #os m%todos de #riging proporcionan buenos resultados no s lo en la generaci n de un MDT, sino tambi%n con el estudio de la variaci n geogr"fica de variables clim"ticas, de los riesgos de erosi n, el paro entre la poblaci n activa, los precios del suelo, etc., as! como en el "rea tem"tica donde se desarroll , la miner!a. *n la actualidad, se est"n desarrollando procedimientos para incluir relaciones no estacionarias entre la variable & el espacio, en las $ue se asume $ue no e+iste un )nico variograma para todo el "rea estudiada, sino $ue este es diferente para cada punto, seg)n la posici n la posici n en la $ue se encuentre (9uentes 3000). 8n segundo procedimiento de interpolaci n $ue tiene en cuenta la autocorrelaci n de la variable es el uso del Anlisis de la Superficie de Tendencia (&rend 'urface (nal)sis). *n este caso, se a(usta la variable Z a una ecuaci n de regresi n cu&as variables e+plicativas son las X e Y de los puntos muestrales. *sta ecuaci n puede ser lineal, cuadr"tica, c)bica, etc., & no s lo proporciona una descripci n sint%tica de la superficie ondulada $ue se est" tratando & de la variaci n espacial de la variable tem"tica7 al mismo tiempo, facilita un m%todo para estimar el valor de Z en un punto no muestral cu&as coordenadas X e Y sean conocidas. *ste procedimiento describe la tendencia global, por lo $ue produce resultados mu& suavi'ados &, normalmente, poco adecuados. =esulta m"s apropiado en los casos en $ue e+ista con claridad una variaci n espacial sistem"tica en la variable, la cual puede ser captada adecuadamente por una superficie relativamente simple. Interpolacin a partir de lneas Si partimos de una informaci n de base organi'ada en forma de l!neas (curvas de nivel o isobaras), el procedimiento de interpolaci n es diferente & m"s sencillo desde el punto de vista matem"tico. :ormalmente la interpolaci n entre dos puntos
Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)

pertenecientes a curvas diferentes pero contiguas proporciona resultados bastante buenos. Interpolacin lineal.- Bonsiste en otorgar a cada punto una altura intermedia en funci n de su distancia a dos puntos pertenecientes a cada una de las dos curvas de nivel contiguas al mismo. *stos dos puntos identifican una direcci n concreta del plano, por e(emplo la :orteGSur. Seg)n se emplee una direcci n u otra, la altura interpolada ser" ligeramente diferente. *l problema es decidir $u% direcci n, de las muchas posibles, es la m"s adecuada para seleccionar dichos puntos. #a soluci n $ue produce me(ores resultados es emplear la direcci n de m"+ima pendiente, &a $ue es la forma m"s correcta de reproducir, en el proceso de interpolaci n, la lectura habitual de un mapa de curvas de nivel. Interpolaci n no lineal Tambi%n es posible reali'ar una interpolaci n no lineal, usando un polinomio de segundo o tercer grado a(ustado a los puntos pertenecientes a varias curvas de nivel situadas en una direcci n. De nuevo el problema es determinar cu"l es la direcci n concreta a emplear. Bomo en el caso anterior, la me(or soluci n la proporciona la direcci n de m"+ima pendiente. *ste m%todo no me(ora sustancialmente los resultados obtenidos por el lineal, por lo $ue se suele utili'ar esta )ltima.
"#u mtodo escoger$

Se han reali'ado numerosos estudios comparativos de la eficacia & precisi n de los distintos procedimientos de interpolaci n disponibles para generar un MDT r"ster. #a conclusi n m"s habitual es $ue la interpolaci n a partir de curvas de nivel ofrece me(ores resultados $ue el m%todo de medias m viles usando una muestra de puntos. 6dem"s, la comple(idad & el tiempo de proceso son menores utili'ando la primera. Sin embargo, los nuevos estudios coinciden en se.alar al #riging como m"s e+acto. :uestra elecci n ha de depender tanto del origen & e+actitud de los datos como de la precisi n final $ue va a tener nuestro mapa interpolado. Si poseemos un mapa de isol!neas los m%todos de interpolaci n lineal son mucho m"s sencillos, bastante e+actos & pr"cticamente autom"ticos. #a comple(idad de los c"lculos del #riging, as! como la dificultad, cada ve' menor, de encontrar programas $ue lo implementen, aconse(an su utili'aci n tan s lo cuando $ueramos obtener una gran precisi n. Si, en cambio, partimos de un mapa de puntos, el m%todo de medias m viles suele ser una opci n aceptable si no vanos a traba(ar a gran resoluci n. Si necesitamos un pi+elado m"s fino, o nos interesa estudiar de manera e+haustiva la relaci n de la variable con el espacio, optaremos por el #riging. De la misma manera, si &a poseemos una hip tesis funcional de la variable con otras para las $ue poseemos mapas, o bien $ueremos estudiar esta relaci n, es aconse(able e+traer la informaci n a un programa estad!stico & reali'ar una regresi n m)ltiple u otro m%todo similar.

Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)

E%ercicio de Interpolacin Espacial

;b(etivo5 *laborar un Modelo de *levaciones de la provincia de Toledo a partir de los datos de altitud obtenidos con GPS en una malla de puntos de muestreo. *ste nuevo modelo de elevaciones nos debe servir para corregir los embalses en el modelo de elevaciones de la provincia de Toledo (mdtItoledo) $ue tenemos previamente (los embalses tienen valores de altitud 4 0).

J 6brir en *+cel la tabla con los datos de altitud del GPS (datosinterpolacion.+ls) J *liminar la primera fila con los t!tulos de las columnas J Guardar la tabla como Te+to con formato delimitado por espacios (e+tensi n .prn). J Berrar *+cel J Importar en Idrisi (9ile 1 Import 1 General Bonversion Tools 1 K<LID=IS) Dar un nombre a la nueva capa vectorial de puntos (p.e(.5 datosinterpol.vec) Sistema de referencia5 utmGC0n J =asteri'ar la capa de puntos (=eformat 1 =aster>ector) Dar un nombre a la nueva capa raster (p.e(.5 datosinterpolraster.rst) 6l dar ;2 pregunta si debe crear la nueva imagen con Initial. Decimos s!. *n Initial copiamos los par"metros de la imagen mdtItoledo.rst. ;2. J Brear una superficie de Tendencia (Tren Surface 6nal&sis) GIS 6nal&sis 1 Surface 6nal&sis 1 Interpolation 1 Trend Dar un nombre a la nueva capa raster (p.e(.5 trendlineal.rst) Bomparar los resultados utili'ando una funci n lineal, cuadr"tica & c)bica. J Brear una superficie de Interpolaci n Dar un nombre a la nueva capa raster (p.e(.5 interpol.rst) *n la parte derecha (coords. m!n & m"+., num. filas & columnas) rellenar los datos copi"ndolos de las propiedades de mdtItoledo.rst (9ile 1 Metadata) Tarda un ratito. #eer mientras la a&uda (Melp 1 Interpol ;peration, :otes) J Borregir embalses en el modelo de elevaciones $ue tenemos previamente GIS 6nal&sis 1 Database Nuer& 1 ;verla& 9irst image5 mdtItoledo.rst Second image5 I:T*=P;#.rst ;utput image5 Por e(emplo, mdtItoledoIcorregido.rst Seleccionar la opci n 9irst covers Second e+cept ?here cero

Sistemas de Informaci n Geogr"fica (GIS)5 T%cnicas b"sicas para estudios de biodiversidad (30,0)