Documentos de Académico
Documentos de Profesional
Documentos de Cultura
10 - Interpolaciones PDF
10 - Interpolaciones PDF
Interpolaciones
9.1 Interpolaciones
En el capitulo anterior, se mostró como se genera el modelo digital de elevaciones, primero en
forma vectorial, mostrando la red de triángulos y luego el proceso de rasterización, que
consistía en generar una matriz de celdas a partir de los puntos cargados en la base de datos.
El problema que se genera en la formación del modelo raster, a partir de datos vectoriales, es
la presencia de vacios de información en las celdas que se encontraran dentro de los
triángulos, es decir las celdas que no contengan datos, tendrán asignado un valor lineal, que se
calcula a partir de los dos puntos más cercanos, sin tener en cuenta las distancias a estos, ni
tampoco la presencia de otros puntos en su entorno. Existen métodos de cálculo que simulan
mejor la superficie, conocidos como Interpolaciones.
Las interpolaciones son estimaciones de los valores de cada punto, a partir de los datos
existentes que se encuentran en su entorno. Suponiendo un conjunto de puntos con
coordenadas X,Y,Z, que se encuentran distribuidos en forma irregular, luego de la
interpolación se obtendrá un nuevo conjunto de puntos, que puede ser más denso, distribuido
en forma regular.
Como se ve en la imagen anterior, la grilla izquierda muestra una nube de puntos rojos
distribuidos en forma irregular, que serian puntos levantados del terreno, y a la derecha la
misma grilla luego de la interpolación, con los puntos en verde ordenados, los valores de cada
punto en este caso son calculados a partir de los puntos rojos.
66
Interpolaciones
1
“1 - Fijar la posición del punto problema, P, por medio de sus coordenadas.
3 – Extraer el subconjunto de datos V del MDE vectorial que está incluido en el entorno C.
Existen diferentes métodos de interpolación, siendo los más conocidos el de Inverse Distance
Weighted, Superficies de Tendencia y Kriging.
Inverse Distance Weighted: Este método de interpolación asigna pesos a los datos en función
de la inversa de la distancia que los separa del punto a calcular, utilizando la siguiente formula.
Siendo:
1
“Modelos Digitales del Terreno” (Ángel M. Felicísimo), Pagina 25
67
Interpolaciones
Siendo:
Donde:
, es una matriz con los valores de la semivarianza para las distancias entre puntos dato
y
, es un vector con los valores de la semivarianza de las distancias entre los puntos dato y
el punto a calcular.
Los valores de , primero son estimados a través de un variograma empírico, que estima la
correlación de los datos, y luego se ajusta el modelo a través de una función, que puede ser
lineal, circular, esférica, exponencial y Gaussiana. En el caso que el variograma tenga validez
general en todo el modelo, el método es el más óptimo.
Splines: Es una función que ajusta una curva suave al conjunto de puntos, con la condición de
que esa curva pase por dichos puntos. El algoritmo que utiliza se basa en la siguiente fórmula
para la interpolación de la superficie:
Donde:
= 1, 2, ..., N
68
Interpolaciones
, es la cantidad de puntos.
son coeficientes determinados por la solución de un sistema de ecuaciones lineales.
, es la distancia del punto al punto .
y se definen de forma diferente, según la opción seleccionada.
Opción Regulariced:
Donde:
, son coeficientes determinados por la solución de un sistema de ecuaciones lineales.
Donde:
, es la distancia entre el punto y la muestra.
, es el parámetro de Peso.
, es la función de Bessel modificada.
, es una constante igual a 0,577215.
Opción Tensión:
Donde:
, es un coeficiente determinado por la solución de un sistema de ecuaciones lineales.
Donde:
Natural Neighbors: Es un tipo de interpolación que tiene un algoritmo similar al IDW, que
calcula el valor del punto, dependiendo de la posición de los puntos vecinos.
69
Interpolaciones
2
“La metodología que utiliza consiste en primer lugar en generar un diagrama de Voronoi de
los puntos a interpolar (puntos negros) grafiado como los polígonos de color verde. En segundo
lugar se genera un segundo diagrama de Voronoi (en naranja) incluyendo el punto a interpolar
(estrella roja) y asigna los pesos en función del área de superposición con el diagrama
anterior” (Sibson, 1981).
3
-“Una estructura de drenaje conectado”
-“La correcta representación de crestas y arroyos a partir de los datos de curvas de nivel de
entrada”
2
“Metodología para la Evaluación de Rutas Optimas en Entornos Urbanos a partir de Datos LTS” (Francesc Valls
Dalmau), Pagina 35
3
”Como funciona de Topo a Raster” (Esri)
70
Interpolaciones
para hacerlo, una vez que se observe el comportamiento de las diferentes superficies
obtenidas, se elegirá la que mejor represente el relieve del terreno real, y finalmente se
realizara la interpolación completa.
Para realizar las pruebas de interpolaciones, se transformaron las curvas de nivel en una nube
de puntos que se agrego a la capa de puntos altimétricos, que sumados son de más de
860.000.
Una vez que se interpola la superficie se obtiene un archivo en formato raster, que mostrara
una imagen de la zona interpolada que asignara diferentes colores a las alturas, luego cada
archivo raster se lo transforma en una nueva nube de puntos, en la que cada punto
corresponderá a cada celda, y finalmente con los puntos obtenidos se generara un modelo en
formato Tin, que podrá ser visualizado en tres dimensiones, de una mejor manera que con un
archivo raster, con la aplicación ArcScene, de ArcGis.
Lo primero que se realiza es grabar un archivo con una parte de la base de datos para realizar
las pruebas. La primera zona de observación es la del Estadio Chateau Carreras, ya que
contiene pendientes pronunciadas, tiene una parte del Rio Suquía, y los datos de ese sector
son la combinación de curvas de nivel y puntos acotados.
71
Interpolaciones
Una vez que se obtiene la nube de puntos de la zona, se prueban los diferentes métodos.
Para poder interpretar mejor se exageran las alturas del relieve, y lo que se observa en las
imágenes, es que este método de interpolación obtiene una superficie escalonada, sobre todo
en las curvas de nivel. Lo cual no es el resultado deseado, ya que el terreno es continuo y la
interpolación en este caso, tiende a representarlo en forma discreta.
72
Interpolaciones
Kriging:
Al igual que el método anterior, se carga el comando, desde la barra de herramientas, se elige
el archivo de entrada, los puntos de influencia y el tamaño de la celda. Este método de
interpolación tiene la posibilidad de utilizar diferentes semivariogramas, Spherical, Circular,
Exponential, Gaussian y Linear, que serian las correlaciones estadísticas entre los puntos del
modelo.
73
Interpolaciones
También se exageraron las alturas para mejor interpretación. Lo que se observa en las
imágenes, es un resultado similar al método de interpolación anterior, escalonado con
terrazas, pero un poco mas suavizado.
Luego de las pruebas con los distintos semivariogramas, se observaron resultados casi
idénticos, por lo tanto solo se mostrara una sola imagen para representar las diferentes
predicciones del método Kriging, lo único que cambia son los resultados de las varianzas de
predicción.
Splines:
Volvemos a cargar desde la barra de herramientas, y se eligen los mismos pasos que los
métodos anteriores.
74
Interpolaciones
Natural Neighbors:
Se selecciona de la misma forma de la anterior, pero la diferencia de esta interpolación de las
anteriores, es que no se elige la cantidad de puntos del entorno que se utilizaran en el cálculo.
75
Interpolaciones
sin interpolar, podemos ver que son casi iguales, aunque el modelo interpolado suaviza la
superficie.
Topo to Raster:
Finalmente el último método de interpolación utilizado, no se encuentra en la barra de
herramientas de interpolación, sino que lo encontramos en ArcToolbox, donde abriendo los
directorios, lo ubicamos dentro de Raster Interpolation, en 3D Analyst Tools.
76
Interpolaciones
Este tipo de interpolación, realiza una superficie que esta forzada para representar una red de
drenaje continuo. Es una especie de Spline, que elimina los escalones de las terrazas, y a la vez
trata de eliminar los sumideros donde se podría acumular agua.
Viendo la imagen anterior, y las vistas similares de las interpolaciones anteriores, se puede ver
como este método, elimina una barrera que obstruía el paso del rio (circulo en rojo), causada
por los datos originales.
77
Interpolaciones
Observando a primera vista la imagen raster, se nota la presencia de los puntos datos, que en
la visualización en tres dimensiones, en la que se exajeran las alturas se manifiesta como
pequeñas lomas.
Kriging:
Al igual que la zona anterior, este método de interpolación obtiene resultados similares, para
los distintos semivariogramas utilizados.
La interpolación Kriging, a primera vista mejora los resultados del IDW, ya que no hay
presencia de las manchas generadas por los puntos. La visualización en tres dimensiones, nos
muestra una mejoría en la representación, comparado con la interpolación anterior, aunque
también se nota la presencia de las lomas, en algunos puntos.
78
Interpolaciones
Acercándonos al modelo con el zoom, podernos ver que siguen marcándose los bloques
irregulares, pero suavizados respecto a la interpolación IDW.
Splines:
Observando la imagen raster, podemos notar que la superficie calculada con el método
splines, no encontramos ninguna anomalía en la zona de puntos, pero podernos ver que
aparecen errores en la zona de curvas de nivel.
Natural Neighbors:
79
Interpolaciones
El resultado tanto en raster como en vectorial, es el mismo que en la zona del Chateau,
podemos observar un suavizado del modelo original sin interpolar. También se pueden
observar las lomas generadas por algunos puntos, al igual que con las otras interpolaciones.
Viendo más de cerca, como se dijo anteriormente, las lomas siguen apareciendo, aunque más
suaves; y los bloques de terrazas no aparecen en este método de interpolación.
Topo to Raster:
En la imagen se puede observar como la interpolación trata de definir una red de drenaje,
marcada con los círculos en rojo, que en algunas partes coincide con el Rio Suquía.
Viendo en forma vectorial, notamos que las lomas de los puntos siguen presentes, y podemos
llegar a la conclusión de que son comunes en todas las interpolaciones, cuando el dato de
entrada es una nube de puntos.
80
Interpolaciones
Con la imagen acercada, vemos un resultado similar al método Natural Neighbors, con una
superficie suave y continua.
Una ventaja que tiene el método Topo to Raster, es la posibilidad de agregar datos existentes
de la red de drenaje, por medio de una capa vectorial, en caso de ríos y arroyos, definida por
líneas. Así, el cálculo tendera a forzar la superficie, para que se manifieste dicha red en ésta,
como se puede ver en la siguiente imagen.
En la imagen, notamos que el Rio Suquía queda bien definido, pero se observan puntos, que se
pueden notar más fácilmente en la vista en tres dimensiones, en algunos casos se deben a
puntos acotados, que fueron medidos sobre los puentes.
81
Interpolaciones
Kriging:
El resultado, tanto en formato raster como vectorial, que muestra el método Kriging, cuando
los datos de entrada son solamente curvas de nivel, es el menos favorable de las tres zonas
observadas, ya que realiza una superficie escalonada, similar al IDW.
82
Interpolaciones
Lo que sucede es que cuando el cálculo del punto incógnita, se realiza en función a los puntos
más cercanos en el entorno, en el caso de vértices de curvas de nivel, casi siempre se obtendrá
el mismo valor de los vértices, que es igual en todos, entonces se forma una terraza que tiene
como eje a la curva de nivel. Cuando el punto a calcular esté, a una distancia media entre dos
curvas de nivel, se generara una zona de transición entre terrazas, que se verá inclinada,
donde en el cálculo estarán involucrados los valores de altura de ambas.
Natural Neighbors:
83
Interpolaciones
Topo to Raster:
Una vez observadas todas las superficies, de diferentes lugares, obtenidas con los distintos
métodos de interpolación. Se generara el modelo completo de la ciudad de Córdoba, con los
métodos Natural Neighbors y Topo to Raster, ya que son los que representan en forma más
real la superficie del terreno con los datos existentes cargados en el sistema. En el caso de la
interpolación Topo to Raster, se cargaran los datos del Río Suquía y Arroyo La Cañada,
mediante un archivo de líneas, para obtener un mejor resultado.
84
Interpolaciones
El tamaño de celda mínimo, que se puede calcular con la base de datos utilizada, es de 3x3
metros, ya que con dimensiones menores, se generaría un archivo muy grande, que producirá
un error al ejecutarlo.
Otro factor que influye en la elección de las dimensiones de celda, es la escala de la cartografía
utilizada, en el presente trabajo se eligió el tamaño de 10x10 metros, siguiendo razonamiento
que propone Ackermann, mencionado en el capitulo siguiente.
85