Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TIPOS DE INTERPOLADORES
Este interpolador asume que cada punto o valor de entrada tiene un su propia influencia
local que disminuye con la distancia. Pesa los puntos más cerca de la celda de
procesamiento más grandes que los que están más lejos. Un numero especifico de puntos
o todos ellos con una radio especifico pueden ser usados para determinar el valor de salida
o resultante de cada locación. Este proceso a su vez asume que la variable mapeada
disminuye en influencia con la distancia desde su ubicación muestreada.
La interpolación IDW implementa explícitamente la suposición de que las cosas que están
cerca unas de otras son más parecidas que las que están más alejadas. Para predecir un
valor para cualquier ubicación no medida, IDW utilizará los valores medidos que rodean
la ubicación de predicción. Los valores medidos más cercanos a la ubicación de
predicción tendrán más influencia en el valor predicho que los que están más lejos. Por
lo tanto, IDW asume que cada punto medido tiene una influencia local que disminuye con
la distancia. La función IDW se debe utilizar cuando el conjunto de puntos es lo
suficientemente denso para capturar el grado de variación de la superficie local necesaria
para el análisis. IDW determina los valores de celda utilizando un conjunto de puntos de
muestra de combinación ponderada lineal. Pesa los puntos más cerca de la ubicación de
predicción más que los que están más lejos, de ahí el nombre de distancia inversa
ponderada.
SPLINE
Este interpolador estima los valores mediante una función matemática que minimiza la
curvatura de la superficie general, lo que resulta en una superficie lisa que pasa
exactamente a través de los puntos de entrada.
Conceptualmente, es análogo a doblar una lámina de caucho para que pase a través de
puntos conocidos mientras minimiza la curvatura total de la superficie. Ajusta una
función matemática a un número específico de puntos de entrada más cercanos mientras
pasa por los puntos de muestra. Este método es el mejor para superficies que varían
suavemente, como la elevación, la altura de los niveles freáticos o las concentraciones de
contaminación.
KRIGGING
TENDENCIA (TREND)
Este interpolador es un método estadístico que encuentra la superficie que se ajusta a los
puntos de muestra utilizando un ajuste de regresión de mínimos cuadrados. Se ajusta una
ecuación polinomial a toda la superficie. Esto da como resultado una superficie que
minimiza la varianza de la superficie en relación con los valores de entrada. La superficie
se construye de manera que para cada punto de entrada, el total de las diferencias entre
los valores reales y los valores estimados (es decir, la varianza) será lo más pequeño
posible.
TOPO TO RASTER
Al interpolar los valores de elevación para un ráster, el método Topo a raster impone
restricciones que aseguran un modelo de elevación digital hidrológicamente correcto que
contiene una estructura de drenaje conectada y representa correctamente las crestas y
corrientes de los datos de contorno de entrada. Utiliza una técnica de interpolación de
diferencias finitas iterativas que optimiza la eficiencia computacional de la interpolación
local sin perder la continuidad superficial de la interpolación global. Fue diseñado
específicamente para trabajar inteligentemente con entradas de contorno.
TRIANGULACION
Este algoritmo crea triángulos dibujando líneas entre puntos de datos. Los puntos
originales están conectados de tal manera que ningún otro triángulo interseca los bordes
de los triángulos. El resultado es un mosaico de caras triangulares sobre la extensión de
la cuadrícula. Este método es un interpolador exacto. Cada triángulo define un plano
sobre los nodos de la cuadrícula que se encuentran dentro del triángulo, con la inclinación
y la elevación del triángulo determinadas por los tres puntos de datos originales que
definen el triángulo. Todos los nodos de la cuadrícula dentro de un triángulo dado están
definidos por la superficie triangular.
Ilustración 6 Tiangulación
La triangulación con interpolación lineal funciona mejor cuando sus datos se distribuyen
uniformemente en el área de la cuadrícula. Los conjuntos de datos que contienen áreas
dispersas dan como resultado facetas triangulares distintos en el mapa.
REGRESIÓN POLINOMIAL
La Regresión polinomial se utiliza para definir tendencias y patrones a gran escala en sus
datos. La regresión polinomial no es realmente un interpolador porque no intenta predecir
valores de Z desconocidos. Hay varias opciones que puede utilizar para definir el tipo de
superficie de tendencia.
VECINOS NATURALES
El método Vecino más cercano asigna el valor del punto más cercano a cada nodo de la
cuadrícula. Este método es útil cuando los datos ya están espaciados uniformemente.
BIBLIOGRAFIA
[1]. Manual Online Surface. Página web Singular, extraído de: https://www.singular.uni-
kl.de/Manual/4-1-1/sing_1786.htm en enero 2019.