Interpolaciones

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

9.1.1 Métodos de Interpolación

Los métodos de interpolación pueden ser globales o locales, los primeros forman una
superficie ajustable a los puntos, pero no son factibles, ya que el relieve muy complejo para
representarlo. Los métodos locales, calculan el valor de un punto, en relación a los puntos que
se encuentran en un entorno limitado, utilizando los siguientes pasos:

1
“1 - Fijar la posición del punto problema, P, por medio de sus coordenadas.

2 - Definir un entorno geométrico C del punto problema.

3 – Extraer el subconjunto de datos V del MDE vectorial que está incluido en el entorno C.

4 – Realizar una interpolación a partir del subconjunto de datos V.

5 – Asignar al altitud resultante al punto P.”

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:

, la altitud estimada en el punto.

, los puntos del entorno que sirven de datos.
, es el tipo de ponderación, ejemplo: si la interpolación se realiza en función del
cuadrado de la distancia.

Superficies de Tendencia: Realiza el cálculo mediante el ajuste de mínimos cuadrados, que se

basa en una función tal que, para todo que pertenezca el entono , y siendo
. La función será una función polinomica, que se puede representar de la
siguiente manera:

1
“Modelos Digitales del Terreno” (Ángel M. Felicísimo), Pagina 25

67
 Interpolaciones

Para una superficie de orden , la expresión se reduce a:

Kriging: Es un método de interpolación que se basa en la utilización de modelos estadísticos,

que relacionan los puntos medidos, lo que ayuda además de predecir los valores de los puntos
incógnita, poder saber con qué precisión se realizo la predicción. La fórmula utilizada es:

Siendo:

, los datos que se encuentran en el entorno

, los la función de ponderación de cada dato, que se obtiene mediante la siguiente ecuación.

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:

, 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.

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).

Esquema de asignación de valores del algoritmo Natural Neighbors (Fuente: ESRI)

Interpolación Topo to Raster: Es un tipo de interpolación que genera un modelo de elevaciones

hidrológicamente correcto. Basado en el programa ANUDEM desarrollado por Michael
Hutchinson, interpola los valores imponiendo las siguientes restricciones:

3
-“Una estructura de drenaje conectado”

-“La correcta representación de crestas y arroyos a partir de los datos de curvas de nivel de
entrada”

-“Como tal, es el único interpolador de ArcGIS diseñado específicamente para trabajar de

forma inteligente con entradas de curvas de nivel.”(Esri)
El programa lee el archivo de entrada de puntos y cada celda de la cuadricula obtiene su valor,
a partir del uso de hasta 100 datos de elevación. Las líneas son generalizadas, eliminando
pliegues innecesarios, y toma los valores de altura de los vértices de cada curva como si fuera
un punto independiente, reduciendo al mínimo la rugosidad.

9.1.2 Pruebas de Interpolaciones

Debido a que se utilizo el software ArcGis en la generación del modelo, también se utilizaron
las técnicas de interpolaciones que tenia disponible. Lo que se realizo fue interpolar diferentes
partes de la base de datos para observar el comportamiento de la superficie calculada. No se
hizo el cálculo de la totalidad de la superficie debido a la cantidad de horas que se requerían

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.

ArcGis tiene en su barra de herramientas, dentro de Spacial Analyst o 3D Analyst, el comando

Interpolate to Raster, donde se pueden elegir los métodos Inverse Distance Weighted, Kriging,
Spline y Natural Neighbors.

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.

Inverse Distance Weighted:

El primer método de interpolación es el Inverse Distance Weighted, se carga desde la barra de
interpolaciones, en el que se elige el archivo de puntos para calcular, también se eligen la
cantidad de puntos del entorno para el cálculo y el tamaño de la celda. En este caso se han
dejado los valores por defecto, pero se eligió que la grilla tenga celdas de 5 x 5 metros.

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

El resultado de la interpolación Spline, es el menos deseado, suaviza aun más lo escalonado

por las terrazas; pero en diferentes lugares, genera picos, que pueden ser resultado de algún
cálculo erróneo o algún parámetro mal ejecutado. Y se puede observar en la siguiente imagen
que el paisaje obtenido, es totalmente diferente al real.

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.

En la siguiente imagen se puede observar que la superficie obtenida, no se encuentra

escalonada, lo cual es un buen resultado, pero comparando el modelo obtenido, con el modelo

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.

La segunda zona donde se hicieron observaciones de las interpolaciones, es la céntrica, debido

a que la mayoría de los datos cargados en esta, provienen de los puntos acotados en las
intersecciones de calles, y no de curvas de nivel, que solo encontramos en los bordes. Los
métodos de interpolación, serán los mismos que los observados en la zona del Chateau.

77
 Interpolaciones

Inverse Distance Weighted:

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.

Acercando el modelo en tres dimensiones, se observan además de las lomas mencionadas, la

presencia de bloques irregulares y escalonados.

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.

Viendo la imagen en tres dimensiones, podemos observar sin necesidad de acercarlos al

modelo, que en la zona de puntos, se generan figuras rectangulares; y la zona de curvas de
nivel, podemos encontrar gran cantidad de errores, lo que hace que no tenga sentido
acercarnos más para observar los detalles.

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.

La tercera y última zona de observaciones, es al sur-este, donde se origina el arroyo de la

Cañada, donde los datos de entrada son solamente curvas de nivel. En este caso, se
descartaran del informe las interpolaciones IDW y Spline, ya que sus resultados son similares y
más desfavorables, que los de las observaciones anteriores. Solo se mostraran los resultados
de los métodos Kriging, Natural Neighbors y Topo to Raster.

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.

Finalmente podemos llegar a la conclusión de que los métodos de interpolaciones, kriging e

IDW, no obtienen los mejores resultados, cuando los datos usados en el cálculo son curvas de
nivel.

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:

El resultado mejora al Kriging notablemente, la vista del modelo en vector da la sensación de

presencia de terrazas, aunque si se observa más de cerca el modelo, en realidad son las líneas
de las curvas de nivel, que a pesar de quedar marcadas, la superficie obtenida es mejor que la
obtenida sin realizar interpolaciones.

83
 Interpolaciones

Topo to Raster:

A primera vista, en ambos tipos de archivos, se observa también la sensación de presencia de

las terrazas, similar al método Natural Neighbors, aunque un poco más marcado. En la vista
desde cerca, se puede observar una superficie muy suave, donde se ven marcados los vértices
de las curvas.

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