HERRAMIENTAS DE VISUALIZACIÓN PARA AYUDAR EN LA COMPRENSIÓN DE

LA GEOESTADÍSTICA

William V. Harper
Otterbein College, United States
Isobel Clark
Geostokos (Ecosse) Limited, United Kingdom
wharper@otterbein.edu

Geoestadística es a veces un avance difícil, incluso para aquellas personas expertas en este
estadística clásica. El impacto de la ubicación de los datos en las estadísticas espaciales puede
entenderse sólo vagamente inicialmente. Las herramientas de visualización que permiten al
estudiante o practicante para ver el impacto de la mudanza datos , añadiendo datos adicionales
, eliminación de datos , añadiendo líneas de falla , cambiantes radios de búsqueda, y por lo
ayudar adelante el aprendizaje de conceptos geoestadísticos .

Debido a las limitaciones de páginas sólo algunos artículos son se ilustra brevemente. Este
software de visualización llamado el Juego Kriging está disponible gratis en
http://geoecosse.bizland.com/softwares/.

( la pagina redirige a http://www.kriging.com/softwares/)

Este sitio también tiene otro software geoestadístico libre y tutoriales.

PESOS DISTANCIA INVERSA VERSUS PESOS KRIGING

Ponderación de distancia inversa es una técnica de interpolación común ya menudo el valor

por defecto en Paquetes SIG. Es fácil de programar, fácil de entender, y útil para obtener una
sensación inicial para los datos de uno. Sin embargo, puede proporcionar estimaciones pobres.
Se hace caso omiso de la estructura espacial de la los datos reales, así como no utilizar la
información completa disponible sobre las ubicaciones relativas de los datos reales utilizados
para estimar el verdadero valor desconocido T en un punto donde no existe ninguna muestra.

La técnica conocida como geoestadística kriging si se utiliza adecuadamente resulta en

mejores estimaciones (óptima en un sentido de mínima varianza si el modelado es correcta),
basado en el desarrollo de pesos espaciales que reflejan la variabilidad espacial observada en
los datos reales de interés.

Modelización de la variabilidad espacial se hace generalmente por el desarrollo de un modelo

semi-variograma que refleja la distanciarse frente a la variabilidad encontrada en los datos
reales, y también teniendo en cuenta si la estructura es isotrópico (variabilidad de la misma en
todas las direcciones) o anisótropa (variabilidad frente a la relación la distancia es una función
de la dirección). Este modelo está fuera del contexto de este documento, pero Clark y Harper
(2000), así como tutoriales en la página web antes mencionada será de ayuda.

El tema sencillo examinado aquí es cómo la colocación de los impactos de datos a distancia
inversa estimación frente a una estimación kriging en cuanto a los pesos asignados a los
valores seleccionados para interpolar en una localización espacial dada. Tome el ejemplo
simple ilustra en la Figura 1 a continuación.

El pequeño conjunto de datos en la Figura 1 tiene seis valores de los datos, aunque sólo cuatro
de éstos se utilizarán para estimar un valor desconocido en el lugar marcado con una camiseta
basada en el radio de búsqueda seleccionado. T se utiliza a menudo en la geoestadística para
representar el verdadero valor desconocido en un lugar espacial dada. T * es el valor estimado.
La obtención de T * depende de muchas opciones de modelado entre otros, los espaciales
modelo de la dependencia supone, el radio de búsqueda utilizada para decidir qué valores
reales a incluir en el estimación, y si una tendencia global se tiene en cuenta.

La Figura 1 muestra cuatro valores de los datos etiquetados 1, 2, 3, y 4 que están a interpolar
en este simple caso de dos dimensiones en el que se modela ninguna tendencia global y la
dependencia espacial es se supone que es isotrópico. T * = Σwigi donde los wi dependen del
método utilizado y el gi representar los valores en los lugares espaciales observados. Para este
sencillo sistema 1.0 i Σw =. Los punto en (1, 1) visto con una T en la Figura 1 es equidistante de
los cuatro valores de datos. Cada valor de datos ha X y localizaciones Y y un valor de muestra
correspondiente como se indica en la Tabla 1 a continuación.

InversoEstimación de la distancia calcula el di distancia desde la ubicación de estimación

deseada a cada muestra punto utilizado en la interpolación. Estos son invertidos para dar la
distancia inversa y normalizaron por lo que la suma es de 1.0 como se ve en la columna "pesos
Inverse Distance" en la Tabla 1.

Kriging utiliza el valores semi-variograma que son funciones de la di para establecer un sistema
de ecuaciones que kriging se resuelven para encontrar los pesos óptimos kriging. Para todos
los pesos kriging que se muestran en este trabajo un semi-variograma lineal fue elegido con
una pepita de 0,0 y una pendiente de 1,0 sólo por simplicidad.

Mientras que en las tablas distintas de la Tabla 1 los pesos kriging pueden variar para otros
semi-variograma modelos, los conceptos básicos para ser ilustrados serían los mismos.

Tenga en cuenta que tanto la distancia inversa y kriging enfoques resultado en los mismos
pesos en este ejemplo inicial y por lo tanto cada valor de datos recibe 0,25 peso. El T * = 5,725
resultante por ambos métodos.

El software Kriging juego se ilustra en la Figura 1 permite a los estudiantes para evaluar
rápidamente el kriging pesos de cada valor de datos utilizado en la estimación, así como
muchos otros no características discutido en este artículo. Por ejemplo los estudiantes pueden
moverse fácilmente de un punto de datos y ver cómo tanto su cambios de peso, así como el
estimado T * y su error estándar. Los puntos pueden ser removidos por el estudiante y el
impacto resultante en los pesos de los otros puntos y la estimación visto.

Tal vez uno de los artículos más interesantes para los datos geológico es el impacto de las
fallas que muestran discontinuidades en el medio geológico. Fallos se pueden extraer
fácilmente dentro y el impacto ilustrados directamente en la pantalla.
Figura 1: primer set con cuatro puntos equidistantes de datos utilizados para estimar T

Tabla 1: Pesos de datos en la Figura 1

Figura 2 añade un quinto punto de datos de tal manera que está detrás de punto 4 muestra
desde la perspectiva de la ubicación de la muestra desconocida en T. Examinar los pesos en la
Tabla 2 ahora asignados por tanto distancia inversa y kriging a los valores 5 ahora se utilizan
en la estimación de T *.
Dado que los pesos son diferentes las correspondientes estimaciones varían. Mientras que el
juego kriging mostrará el kriging T * en una de sus pantallas, las tablas incluye aquí muestran
cómo T * varía entre la distancia inversa y kriging se acerca. Los pesos kriging proporcionan los
pesos óptimos en términos de minimizando el error estándar de T * para el modelo asumido
variabilidad espacial contenida en el semi-variograma.

La parte interesante de este análisis simple de la geoestadística de aprendizaje suele ser de

dos tipos.

Preocupaciones primeros y tal vez más importantes los pesos asignados a los cinco puntos
que se utiliza ahora para estimar T por los dos métodos. Los pesos de distancia inversa son
únicamente una función de la distancia entre el punto observado y la ubicación del punto a
estimar. El quinto punto añadido en la segunda muestra visto en la Figura 2 tiene un peso de
0,1818 que es casi igual al peso de 0,2045 para el cuarto punto cercano. Así, la esquina
noreste de los datos es la contabilidad de aproximadamente 39% del peso de las previstas por
el método inverso de la distancia datos completos. A la inversa las 4 esquinas para el enfoque
kriging destinan aproximadamente el 25% a cada esquina. ¿Por qué es esto? Menciona
brevemente Primero nos dejó la 2ª recién llegados elemento Buscar sorprendente. A diferencia
de distancia inversa ponderación, los pesos kriging puede ser negativo. El concepto de un peso
negativo es difícil de tragar para algunos. Pero las herramientas de visualización proporcionan
una puerta de entrada para comenzar ese debate.

Dirigiéndose a la pregunta sin respuesta en el párrafo anterior, la estimación espacial de ningún

tipo tiene el supuesto subyacente de que los puntos cercanos en el espacio es probable que
tengan valores similares.

Así los dos puntos cerca (puntos de muestreo 4 y 5 en la figura 2) se supone que tienen
valores similares y por lo tanto se espera que el punto 5 de la muestra para proporcionar poca
información nueva sobre el punto de la muestra 4. Así cada una de las 4 esquinas en esta
aplicación particular son bastante igualmente ponderados por kriging. Los método de distancia
inversa no examina qué tan cerca de los valores observados son en el espacio a cada otra y
por lo tanto pierde la oportunidad para compensar en la estimación. La combinación del la
visualización y la posibilidad de añadir, mover y eliminar datos permite comprender más rápido
y una buena dando un paso punto de partida para la posterior aprendizaje que no puede ser
tan fácilmente dirigida contrario.
Figura 2 : la segunda serie con el quinto punto de datos añade muy cerca de otro punto

Tabla 2 : Pesos para la Figura 2

Figura 3 y la correspondiente tabla 3 proporciona otro ejemplo simple pero interesante.

El quinto punto de datos se ha movido a una ubicación justo a la derecha de T, pero a la misma
distancia distancia que era en la figura 2. ¿Qué pasa con nuestros pesos en los dos
procedimientos ? Absolutamente no se producen cambios con ponderación inversa distancia
para cualquiera de los puntos ; sin embargo, una dramática diferencia que se ve en el kriging
pesa - especialmente para el quinto punto que ha pasado de un peso negativo de -0,0708 a un
peso positivo de 0,0916 ! Tenga en cuenta que estos pesos son kriging calcula de forma
automática y se muestran por el software de juegos kriging gratuita

Figura 3 : tercer set con el quinto punto de datos se trasladaron a otro lugar exactamente como
lejos de T como en la figura 2

Tabla 3 : Pesos para la Figura 3

El último ejemplo para comparar ponderación de distancia inversa a los pesos kriging mueve
nuestra amada quinto punto móvil a su lugar de descanso final en esta demasiado corta papel.
Este quinto punto es movido más cerca de T que cualquiera de las cinco observaciones para
ser utilizado en el procedimiento de estimación , pero directamente en una dirección noreste en
línea con el cuarto de observación. ¿Qué sucede en este caso a nuestros pesos ? Ambos dan
el peso más grande ahora al quinto punto recién pasado que es el más cerca de T. El método
de distancia inversa sin embargo igualmente pesos la esquina cuatro originales observaciones ,
mientras que el método kriging no. Nota en particular el peso asignado a kriging la cuarta
observación.

Figura 4 : punto de datos Quinto se acercó más a T

Tabla 4 : Pesos para la Figura 4

Esta comparación relativamente sencillo de pesos inversas distancia frente kriging pesos se
puede hacer sin las herramientas visuales en el juego kriging , pero los estudiantes suelen
aprender más por explorar por su cuenta y ver visualmente lo que ocurre cuando se agregan
puntos , eliminar o emocionado. Todo esto se puede hacer de forma interactiva con este
software. Es una vergüenza que los límites espaciales la cobertura de este juego, ya que tiene
la capacidad para ilustrar muchas operaciones complejas tales como la impacto de la adición
de las luces de avería , los a menudo misteriosos multiplicadores de Lagrange y quizás miedo
ecuaciones kriging directamente. Se recomienda que los individuos descarga el juego y kriging
utilizar personalmente o por sus clases para tomar ventaja de las opciones de visualización
para mejorar la comprensión de las técnicas geoestadísticas .