Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1< 1
Index Terms— multiple linear regression, mathematical model, Donde, para este caso, 𝑎, 𝑏1 , 𝑏2 – son coeficientes a
geographical information systems, Hydrology, rainfall encontrar; 𝑧 – precipitaciones medias anuales P, mm; 𝑥 –
longitud Este, m; 𝑧 – latitud Norte, m.
Para obtener los coeficientes 𝑎, 𝑏1 y 𝑏2 de la ecuación de
I. INTRODUCCIÓN regresión lineal múltiple (1), mediante el método de los
mínimos cuadrados, se precisa resolver las siguientes 3
P or un modelo matemático se refiere a una descripción, en
lenguaje matemático, de un objeto que existe en un
universo no matemático y que emplea algún tipo de simbolismo
ecuaciones:
la relación de lineal tiende a desaparecer. Dicho coeficiente se representados por figuras geométricas, tales como puntos,
lo calcula con la fórmula [3, 5]: líneas y polígonos, es decir, vectores, o en forma de mallas con
información (RASTERS). El vector y el raster (Fig. 1) son
2 + 𝑟 2 − 2𝑟 𝑟 𝑟 formas para representar al espacio, mismas que ayudan a
𝑟𝑧𝑥 𝑧𝑦 𝑧𝑥 𝑧𝑦 𝑥𝑦
𝑅=√ 2
(5) interpretar a los elementos investigados en dependencia de su
1 − 𝑟𝑥𝑦 naturaleza.
Los principales elementos de los cuales están formados los
Donde 𝑟𝑧𝑥 – coeficiente de correlación para las series 𝑧 y 𝑥, SIG son de vectores y de rasters, mismos que se elaboran
𝑟𝑧𝑦 – coeficiente de correlación para las series 𝑧 y 𝑦, 𝑟𝑥𝑦 – teniendo en cuenta ciertos principios y leyes de la
coeficiente de correlación para las series 𝑥 y 𝑦. geoinformática y de los métodos que se emplean en esta ciencia
Otro parámetro estadístico que mide la correlación de [6].
datos es el error estándar, Mientras menor sea su valor, existe
mejor ajuste de datos. Se lo estima con la fórmula:
Modelo SIG Raster Modelo SIG Vector
2 LINEAS
∑(𝑍 − 𝑍̌) (6)
𝑠=√
𝑛−𝑚−1
PUNTOS
Donde 𝑠 - error estándar, 𝑍– datos observados, 𝑍̌– datos
calculados con la fórmula obtenida, n - número de datos, 𝑚 – POLIGONOS
número de variables independientes. MALLA DE PIXELES
Para resolver el sistema de ecuaciones (2), (3) y (4), se
debe calcular los siguientes determinantes: Fig. 1 — Raster y vector
𝐷𝑎 𝐷𝑏1 𝐷𝑏2
𝑎= 𝐷
, 𝑏1 = 𝐷
, 𝑏2 = 𝐷
( 11 )
15195
20 M448 541813 9872580 378.4
1900
15194
21 M449 545983 9860943 530.1
.000000
10000000.000000
15193
1400
M168,99415192
1700
1300
23 M451 551325 9836471 994.6
1500
900
15191
2500
M167,738
15181
24 M452 605084 9896272 1472.6
1800
2200
15179
2400
15183 15184
15178 15189
M456,351
15177 25 M453 534613 9883481 609.9
2300
15185
.000000
9950000.000000
15182
2100
M446,673 15187
26 M454 578716 9883443 891.3
15176
100
9950000
15186 15188
15175
2000
15173
15172
15174
M163,894 27 M455 540758 9847496 459.0
10
15171
00
15159 15161
15162
M162,1173
28 M456 582963 9969540 480.3
1515515156
1600
15151
15152 M296,788 15166
15167
.000000
9900000.000000
15141 M165,454
15165
30 M458 554628 9823913 1131.9
400
200
9900000
15142
M074,226
700
15143
300 15168 15169
M047,339 600 M452,1266
31 M459 545421 9825480 1671.5
0
M464,1149
50
M453,547 M454,79815144
500
32 M462 588084 9896706 1058.6
15139 M005,527
15145
M450,425 15149
M448,356 M298,671 MA29,1100
600
9850000.000000
M449,515 M447,908
00
M457,409 17
1500
9850000
0
120
15137
M166,1627
800
1100
15136
M451,965 Procesamiento de datos. Se precisa la obtención de una
14 17
00 00
1600
130
M171,1314
1200
15135
de cálculo: 1) Con los datos de las precipitaciones medias
15134
км
9800000.000000
15195
18 15153 -13352.34 0.0150 0.0005 0.999
SIMBOLOGÍA
Precipitación (mm) 15194 19 15154 47419.94 0.0093 -0.0053 0.996
.000000
10000000.000000
10 - 331.98 15193
331.99 - 809.24
809.25 - 1,286.49 15192
1,286.50 - 1,763.75
15191 21 15156 26278.35 0.0083 -0.0031 1.000
1,763.76 - 2,241.00
2,241.01 - 2,718.26
15179
15181
22 15158 -18859.25 0.0139 0.0012 0.908
2,718.27 - 3,195.52 15183 15184
15178 15189
3,195.53 - 3,672.77
3,672.78 - 4,150.03
15177
15185
23 15159 -12273.00 0.0122 0.0006 0.993
15182
.000000
9950000.000000
15176 15187
24 15161 -186150.62 0.0355 0.0167 0.997
9950000
15186 15188
15175
15159 15161
15162
26 15163 -71330.30 0.0278 0.0056 0.991
15155 15156
15158
15153 15154
27 15164 -75154.79 0.0310 0.0058 1.000
15164
15151 15163
15152 15166
15167
15141
.000000
9900000.000000
15165
28 15165 27703.66 0.0234 -0.0041 0.982
9900000
15142
15143 15168 15169
15144
29 15166 28108.33 0.0223 -0.0041 0.997
15139
15145
15149
30 15167 26903.27 0.0308 -0.0045 0.999
15138 15147
15148
31 15168 162597.75 0.0286 -0.0180 0.986
15146
.000000
9850000.000000
32 15169 65321.57 0.0181 -0.0076 0.975
9850000
15137
15135
34 15172 -58369.00 0.0303 0.0042 0.997
15134
0 10 20 40 60 80
Km 35 15173 52136.81 0.0305 -0.0069 0.998
.000000
9800000.000000