TAREA DE TOPOGRAFÍA

Ronald Asanza Quezada

Tema:
INTERPOLADORES
MÉTODO GENERAL: IDW (PONDERACIÓN POR DISTANCIA)
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 este más contribuyen los
puntos próximos. La fórmula general es:

donde es el valor estimado para el punto j; n es el número de puntos usados en la

interpolación; zi el valor en el punto i-ésimo y kij el peso asociado al dato i en el cálculo del
nodo j. Los pesos k varían entre 0 y 1 para cada dato y la suma total de ellos es la unidad.
Para establecer una función de proporcionalidad entre el peso y la distancia, la fórmula
general queda como sigue:

donde y b es un exponente de ponderación que controla la forma en la que el

peso disminuye con la distancia.
Esta familia de métodos permite la generación del MDE de una forma rápida y simple. Sin
embargo, se trata esencialmente de una media ponderada y, por tanto, el resultado se
encuentra siempre incluido dentro del rango de variación de los datos. Por este motivo, el
correcto tratamiento de las formas cóncavas y convexas depende estrechamente de la
distribución de los puntos originales y la presencia de datos auxiliares se hace muy
conveniente.
LA HIPÓTESIS DE LA VARIABLE REGIONALIZADA (KRIGING)
El kriging es un método de interpolación con una expresión general similar a la anterior.
La diferencia básica es que asume que la altitud puede definirse como una variable
regionalizada.
Esta hipótesis supone que la variación espacial de la variable a representar puede ser
explicada al menos parcialmente mediante funciones de correlación espacial: la variación
espacial de los valores de z puede deducirse de los valores circundantes de acuerdo con unas
funciones homogéneas en toda el área.
Las funciones pueden deducirse analizando la correlación espacial entre los datos en función
de la distancia entre ellos midiendo la semi varianza entre datos separados por distancias
diferentes (Oliver y Webster, 1990:315, Royle et al., 1981).

Ilustración 1 Ejemplo de semivariograma donde la varianza real se ajusta a una distribución teórica; ésta es la que se aplica para
la estimación de los pesos en la interpolación

Aunque el kriging es un método de estimación óptimo desde el punto de vista estadístico,

presenta algunas dificultades a la hora de ser utilizado como método de construcción de los
MDE:
- el semivariograma debe ser de validez general para todo el MDE: la interdependencia
entre los datos debe ser función exclusivamente de la distancia entre ellos -de su
posición relativa- y no de su localización espacial absoluta.
- no permite el tratamiento de discontinuidades topográficas que supongan cambios
bruscos, como rupturas de pendiente.
Por los motivos anteriores el kriging no suele dar buen resultado en la construcción de MDE,
generándose modelos muy suavizados donde la rugosidad del terreno se infravalora
fuertemente.
INTERPOLACIÓN POLINÓMICA
Método de las diferencias divididas de Newton
Partiendo de n puntos (x, y), podemos obtener un polinomio de grado n − 1. El método que
se utilizará es el de las diferencias divididas para obtener los coeficientes, el cual facilita la
tarea de resolver un sistema de ecuaciones usando el cociente de sumas y restas. Dada una
colección de n puntos de x y sus imágenes f(x), se pueden calcular los coeficientes del
polinomio interpolante utilizando las siguientes expresiones:

Finalmente, a partir de los valores obtenidos, se pueden obtener dos formas de representar el
polinomio:
- Progresivo (desde 0 hasta n − 1):

- Regresivo (desde n hasta 1):

Interpolación de Lagrange
Un polinomio de interpolación de Lagrange, p, se define en la forma:

En donde 𝑙0 , 𝑙1 , 𝑙2 , … , 𝑙𝑛 son polinomios que dependen solo de los nodos tabulados 𝑥0 ,

𝑥1 , 𝑥2 , … , 𝑥𝑛 , pero no de las ordenadas 𝑦0 , 𝑦1 , 𝑦2 , … , 𝑦𝑛 . La fórmula general del polinomio
𝑙𝑖 es:

Para el conjunto de nodos 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 , estos polinomios son conocidos con funciones

cardinales. Utilizando estos polinomios en la primera ecuación se obtiene la forma exacta del
polinomio de interpolación de Lagrange.

Interpolación de hermite
Sean 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 puntos distintos. Conocido los valores de la función f y su derivada f¨
en 𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑛 se trata de encontrar un polinomio de grado menor posible que coincida
con f y son su derivada en los puntos señalados.
Se demuestra que dicho polinomio existe y es único. Además tiene grado 2n + 1 (se tiene de
2n+2 datos para construirlo). A dicho polinomio se le lama polinomio de interpolación de
Hermite de f en los puntos 𝑥𝑖 , 𝑖 = 0, … , 𝑛.
- Datos numéricos: 𝑓(𝑥), 𝑓´(𝑥𝑖 ), 𝑖 = 0, … , 𝑛 (2𝑛 + 2 𝑑𝑎𝑡𝑜𝑠)
- Espacio de funciones interpoladoras: 𝑃2𝑛+1
- Problemas interpolación polinomial de Hermite:

Observación: El problema de interpolación de Hermite se puede extender considerando

valores de derivadas de la función de orden mayor que uno.
TRAZADORES CUBICOS

Un trazador (spline) es una banda de hule delgada y flexible que se usa para dibujar curvas
suaves a través de un conjunto de puntos. Los trazadores cúbicos (cubic splines) naturales se
utilizan para crear una función que interpola un conjunto de puntos de datos. Esta función
consiste en una unión de polinomios cúbicos, uno para cada intervalo, y está construido para
ser una función con derivada primera y segunda continuas. El ’spline’ cúbico natural también
tiene su segunda derivada igual a cero en la coordenada x del primer punto y el último punto
de la tabla de datos.

Supongamos que tenemos n + 1 puntos (x0, y0),…, (xn, yn) con x0 < x1 < … < xn. En vez de
interpolar f con un solo polinomio que pase por todos estos puntos, interpolamos la función
f en cada subintervalo [ xk, xk+1] con un polinomio cúbico (en realidad de grado ≤ 3) Sk(x) de
tal manera que el polinomio cúbico (o trazador cúbico) Si(x)en [ xi, xi+1] y el trazador cúbico
Si+1(x) en [ xi+1, xi+2], coincidan en xi+1 y que también sus derivadas primera y segunda
coincidan en este punto. Cada trazador cúbico coincide con f en los extremos de cada
intervalo
Todos los interpoladores presentados tienen usos en diferentes, la mayoría de ello se emplean
para aproximar valores que no se pueden recrear experimentalmente.
Tomando como ejemplo el movimiento de un cuerpo en un fluido del cual se desconoce la
viscosidad de este a una cierta temperatura se puede aplicar un interpolador con la tabla de
datos conocidos para obtener este valor de viscosidad y realizar análisis experimentales.
Aplicando a la topografía, el uso de los interpoladores radica en la obtención de pendientes
para un terreno, esto resulta útil cuando se requiere hacer un mapa de curvas de nivel de una
zona y no se tiene puntos suficientes como para abarcar todo el terreno.
Para el caso topográfico los interpoladores IDW pueden presentar errores si es que no se
delimita los puntos que se requieren usar para la interpolación porque pude crear un
polinomio que abarque zonas que no se deseaban toma en cuenta. Esto pude pasar con todos
los polinomios, pero si se requiere de uno que presente mayor exactitud yo como elección
personal tomaría el polinomio de Lagrange por su uso sencillo y práctico.
Bibliografía
Chiu, R. (s.f.). academia.edu. Obtenido de academia.edu:
https://www.academia.edu/12591542/METODO_DE_INTERPOLACI%C3%93N_DE_KRIGIN
G

Diego, L. (octubre de 2007). UDEA. Obtenido de UDEA:

http://aprendeenlinea.udea.edu.co/lms/moodle/mod/resource/view.php?inpopup=true&
id=33583

Mora, W. (s.f.). Introducción a los metodos numericos. independiente.