Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Código: 2012-36986
TACNA - PERÚ
2015
INTRODUCCIÓN
2
ANÁLISIS ESPACIAL Y USO DEL SURFER
3
significar y predecir cuantitativamente estos fenómenos. Todas
estas operaciones realizadas pueden producirnos resultados como:
Tablas de datos:
Vectores o escalares:
4
1.1 Minería de Datos Espaciales:
5
Basados en el reconocimiento de patrones: son utilizados en la
clasificación de información que pueden ser imágenes de satélites,
fotografías, textos o cualquier fuente de datos:
6
SISTEMAS INFORMÁTICOS CON SOPORTE PARA LA MINERÍA DE
DATOS ESPACIALES:
7
3) evaluar valores umbrales alcanzados por agrupaciones espaciales
de la variable.
Análisis Topológico: Los datos espaciales pueden tener relación con otros
elementos dentro de la misma capa. ¿Cómo llegar desde el punto A al
punto B por esta red viaria? ¿Qué comunidades limitan con Madrid?
8
Estadística descriptiva: Elementos de de estadística clásica tienen
equivalentes en la estadística espacial. Tenemos descriptores de
centralidad y dispersión, dependencia espacial, y un largo etc… Pueden
usarse para el contraste de hipótesis que contenga una cierta
componente espacial.
LA ESCALA
9
raster están condicionados por el tamaño de celda, por ello no podemos recoger
detalles más pequeños que el tamaño de la misma.
Diferencias de escalas. A una escala con más detalle podemos ver las
variaciones locales, mientras que a escalas más grandes perdemos toda esa
variabilidad.
Estos efectos que hemos visto con anterioridad están muy relacionados. En
líneas generales, el uso de unidades pequeñas equivale a un número de
elementos menor, con lo que conlleva menor fiabilidad estadística. Así pues el
uso de unidades más grandes equivale a que sean estadísticamente más fiables,
pero pierde todas las variaciones locales.
AUTOCORRELACIÓN ESPACIAL
10
tierra. Si muestreamos un terreno veremos cómo allá donde se halle más
concentrado el tóxico los valores serán más parecidos.
Los conceptos que estamos viendo no son independientes entre si, por ejemplo
si hacemos un análisis de autocorrelación a una escala concreta, nos saldrá
distinto si lo hacemos a una escala distinta.
Los dos principales concepto estadísticos que definen la estructura espacial son
la estacionaridad y la isotropía:
11
EXISTENCIA DE TENDENCIA ESPACIAL.
Decimos que existe tendencia espacial, cuando los valores de la variable están
relacionadas con las coordenadas geográficas, por ejemplo la temperatura,
cuanto más alto, más frío.
EFECTOS DE BORDE.
Toda zona estudiada en un análisis tiene unos límites establecidos, bien sean
artificiales, o bien sean naturales, por ejemplo un bosque, la densidad de
árboles será mayor dentro del mismo que en los bordes, ya que en los bordes se
contabilizarán menos. Este efecto no es independiente de otras variables como
la escala. Es importante considerar el efecto borde para saber si los valores
calculados dentro de cualquier análisis estadístico son válidos o no.
LOCALIZACIÓN REPRESENTADA.
Los elementos de las diferentes capas geográficas se relacionan entre sí. Estas
son debidas a diferentes criterios y son la base de un gran número de
procedimientos, puede haber relaciones topológicas, métricas, etc…
12
Las relaciones pueden darse entre todas las combinaciones posibles de
entidades geográficas.
Punto
Línea
Polígono
13
RELACIONES TOPOLÓGICAS
Predicadores espaciales: Son operaciones de tipo lógico que indican si entre dos
objetos geográficos existe o no una relación dada. Cabe destacar que estos
objetos se consideran planos en todo momento.
Índices métricos
14
REGIÓN-LÍNEA:
15
3. SURFER
Virtualmente todos los aspectos de sus mapas pueden ser personalizados para
que produzcan exactamente la presentación que usted desea. Producir mapas
de calidad de publicación jamás ha sido tan fácil y eficiente.
16
17
18
PRÁCTICA DE GEO ESTADÍSTICA CON SURFER
Estas prácticas tienen como objeto mostrar los pasos necesarios para estudiar
geoestadísticamente las variables geoquímicas georeferenciadas, que
previamente han sido estudiadas estadísticamente con R o SPSS.
Por lo tanto, en estas prácticas nos vamos a centrar solo en los métodos de
interpolación para la obtención de los mapas de isolíneas (isoconcentración de
elementos). Extrapolar el valor en un punto y/o zona depende de la distancia
entre puntos y orientación, número de zonas muestreadas, geometría del
muestreo en el terreno, comportamiento normal del elemento a interpolar,
tendencia del fenómeno físico, etc.
Esta guía está desarrollada para estudiantes que utilizan por primera vez
SURFER. Se muestra cómo se crea un mapa de puntos y de clasificación,
aprenderemos a generar mapas de isolíneas y en 3D, y seleccionar (digitalizar)
un área de estudio a partir de un bln.
19
Pasos Para Elaborar un Mapa en Surfer:
MUESTRA X Y Cu % Ag %
12 40 0 0.03 1.25
13 39 4 0.03 1.64
14 32 16 0.70 1.98
15 31 21 0.73 0.60
16 34 40 0.92 0.84
17 38 51 0.86 1.52
18 37 92 0.72 1.42
23 49 0 0.03 1.99
20
24 50 10 0.10 1.87
25 44 27 0.20 0.65
26 49 36 0.98 0.90
27 48 47 0.93 1.56
28 42 59 1.00 0.85
29 41 77 0.85 0.64
30 47 87 0.61 1.23
31 46 98 0.50 1.20
36 60 0 0.03 0.65
37 60 12 0.10 1.57
38 53 22 0.40 1.24
39 59 44 0.77 1.25
40 52 58 0.54 0.66
41 52 72 0.44 0.24
42 57 83 0.47 0.25
43 58 91 0.27 1.36
48 70 1 0.03 0.21
49 69 16 0.10 0.35
21
50 63 31 0.80 0.94
51 68 39 1.51 0.98
52 69 53 0.73 0.57
53 62 68 0.47 0.65
58 80 0 0.10 0.35
59 78 11 0.10 1.24
60 74 29 0.83 0.57
61 78 68 0.52 1.68
62 75 85 0.45 1.69
63 71 99 0.38 1.97
69 87 20 0.48 0.25
70 88 37 0.29 1.65
71 83 47 0.23 1.32
72 87 63 0.54 1.36
73 87 77 0.69 1.35
74 82 94 0.38 1.36
22
76 87 121 0.19 1.36
79 95 10 0.27 0.36
80 98 34 0.17 0.40
81 92 47 0.33 0.98
82 96 82 0.90 0.87
83 93 92 0.55 0.54
23
102 119 59 0.65 1.64
24
128 149 30 0.60 2.03
25
154 168 91 0.91 3.35
26
180 195 2 0.68 2.73
27
Luego se guarda el archivo en Texto Delimitado por tabulaciones:
28
Se elabora el Plano en Surfer:
29
Se elabora el Mapa en 3D: con sus respectivas Plot Map:
30
Se ubica el Plot Map en el 3D:
160
140
120
100
80
60
40
20
0
20 40 60 80 100 120 140 160 180 200 220
31
Se tiene los Plot Map: Con los ejes X, Y
32
Tenemos elaborado nuestro Mapa en 3D.
33
BIBLIOGRAFÍA:
Ng RT, Han J. Clarans: a method for clustering objects for spatial data
mining. Knowledge and Data Engineering. IEEE Transactions on. 2002.
Ester M, Kriegel HP, Sander J. Algorithms and applications for spatial data
mining. Geographic Data Mining and Knowledge Discovery. 2001.
34