PRACTICA N°3 METODOS DE INTERPOLACIÓN Y MANEJO DE

HERRAMIENTAS DE GEOPROCEMIENTO (CALCULADORA RASTER)

Carolina Vera Díaz- 315530
01/10/2019

RESUMEN
La siguiente práctica tiene como propósito analizar la congruencia de los respectivos
métodos de interpolación en la generación de mapas de superficies continuas y el manejo
de herramientas de geo-procesamiento, a partir de variables físico-químicas tales como:
Materia orgánica, PH y Sodio (Na), para estudiar suelos aptos de producción de cultivos de
tubérculos, como la Papa. Para esto se determinó la importancia de los diferentes métodos
de interpolación, puesto que permiten utilizar puntos con valores conocidos para estimar
valores desconocidos en otros puntos dentro de un mismo entorno. Se utilizaron los
métodos de IDW, Spline y Kriging, a partir del manejo de las herramientas de geo-
procesamiento que son “Spatial Analyst” y “Geostatistical Analyst”, con el cual se realizó
un análisis comparativo para determinar qué modelo presentaba valores más precisos. Por
otro lado, se llevó a cabo el uso de la calculadora raster para realizar las diversas
operaciones que se realizan en el álgebra de mapas y obtener una sobre posición de estos;
además, se ejecutó una conversión de formatos para determinar valores geométrico, en este
caso de estudio, el área que representaría las zonas aptas donde se puede producir este tipo
de cultivos.
INTRODUCCIÓN
Los mapas se han convertido en las últimas décadas en un instrumento esencial para la
caracterización de un lugar tanto en su ubicación como distribución, además permiten
identificar diferentes aspectos puntuales en él; como por ejemplo, la distribución
geográfica de los recursos naturales, con el fin de cuantificarlos e interpretar su potencial,
y proporcionar información que los caracteriza química y físicamente, cumpliendo con un
objetivo en particular, pueden ser comparaciones, identificación de zonas especiales, entre
otras. Para sus estudios y realización se ha utilizado un sinfín de herramientas, entre ellos
software especial denominado ArcMap.
ArcMap cuenta con herramientas que contribuyen a su desarrollo como los métodos de
interpolación. La interpolación según [ CITATION Arc16 \l 9226 ], predice valores para las
celdas de un ráster a partir de una cantidad limitada de puntos de datos de muestra. Puede
utilizarse para prever valores desconocidos de cualquier dato de un punto geográfico, tales
como: elevación, precipitaciones, concentraciones químicas y niveles de ruido. Además,
también puede definirse como, 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.[ CITATION Int \l 9226 ]

Como se ve en la imagen, la grilla izquierda muestra una nube de puntos rojos distribuidos
en forma irregular, 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. [ CITATION Int \l 9226 ]

Imagen 1: file:///C:/Users/c-ver_000/Downloads/10%20-%20Interpolaciones.pdf
En cuanto a los métodos de interpolación, los más usados son Kriging e IDW (Inverse
Distance Weighting) que se basan en la auto-correlación espacial de los puntos para la
predicción y generación de superficies continuas[ CITATION Mur12 \l 9226 ]. Sin
embargo, [ CITATION Arc16 \l 9226 ] menciona que existen otros métodos, como Spline
que interpola una superficie de ráster a partir de puntos, utilizando una técnica de spline de
curvatura mínima bidimensional. La superficie de alisada resultante pasa exactamente a
través de los puntos de entrada.
En cuanto a la parte de geo-procesamiento presenta dos elementos importantes: “Spatial
Analyst” y “Geostatistical Analyst”, donde se integran los diferentes métodos de
interpolación ya mencionados, y por los cuales se pueden realizar otras funciones como, el
cálculo con formatos raster. El álgebra de mapas permite tener acceso a herramientas,
operadores, funciones y clases de Análisis espacial a través del álgebra. En su forma más
básica, se especifica un ráster de salida a la izquierda de un signo igual (=) y las
herramientas, operadores y sus parámetros a la derecha, además puede ejecutar
declaraciones simples, pero la potencia del lenguaje es evidente al crear declaraciones y
modelos complejos. Existen tres maneras de utilizar el Álgebra de mapas:

 La herramienta Calculadora ráster

 La ventana de Python
  Su entorno de desarrollo integrado Python (IDE, por sus siglas en inglés) 

Además, se llevó a cabo el uso de la herramienta de calculadora raster que permite crear y
ejecutar una expresión de Álgebra de mapas que generará como salida un ráster a partir de
capas las cuales siempre serán con valores binarios, Sin embargo no permite determinar
valores geométricos por lo tanto si se necesitan determinar áreas, perímetros o longitudes
debe realizarse una conversión de formatos por medio de la creación de una nueva capa.
[ CITATION Arc16 \l 9226 ]
Finalmente, el objetivo de la práctica es que por medio del uso de los métodos de
interpolación y manejo de herramientas de geo- procesamiento ya mencionados, obtener un
mapa que represente la actitud del suelo dependiendo de variables físico-químicas tales
como: Materia Orgánica, PH y Sodio, que a su vez se logren determinar las áreas aptas para
su producción.

OBJETIVOS
Objetivo general:
Obtener un mapa debidamente configurado sobre la actitud del suelo para la producción de
cultivos de papa, evaluando variables fisco- Químicas tales como: Materia orgánica, PH y
Sodio (Na), a partir de los diferentes métodos de interpolación de datos y herramientas de
geo- procesamiento.

Objetivos específicos:
1. Afianzar conceptos básicos sobre la interpolación y geo procesamiento de
datos.
2. Conocer los diferentes métodos de interpolación de datos.
3. Crear mapas de superficies continuas para el caso de estudio por medio de
los diferentes métodos de interpolación.
4. Realizar comparaciones de los diferentes métodos de interpolación y elegir
el más preciso.
5. Conocer el funcionamiento de la càlculadora raster.
6. Determinar las áreas aptas para el caso de estudio a partir de un converso de
formatos, para el cálculo de variables geométricas.

PROCEDIMIENTO
Para el buen desarrollo de la práctica se realizó lo siguiente:
1. Se identificaron las variables a estudiar para determinar la actitud adecuada del
suelo para la producción de cultivos de papa, teniendo en cuenta la base de datos
 proporcionada por la profesora a cargo del curso: Materia Orgánica, PH y Sodio
(Na).
Algunos datos se obtuvieron de la siguiente imagen 2, siendo el sodio (Na) uno de
los principales elementos a evaluar con un rango óptimo para suelos de cultivos de
papa de 0,10%-7%, la Materia orgánica > 3,5% y el PH se puede encontrar entre 5-
7, con un rango optimo entre 5,5-6

Imagen 2: http://www.centa.gob.sv/docs/guias/hortalizas/Guia%20Papa.pdf
2. Posterior a ello, se analizaron los diferentes métodos de interpolación por medio de
herramientas de geo-procesamiento; primero, “Spatial Analyst”, el cual contaba con
diferentes métodos como: IDW, Kriging y spline; segundo, Geostatistical Analyst
que obtenía los mismo métodos, pero por medio de este podemos determinar
comparaciones y escoger el mejor modelo de estos desde la extensión de
“Geostadistical wizard” comparando IDW y Kriging.
3. A partir de lo expuesto anteriormente, se crearon diferentes superficies por variable
a estudiar, en el método que contaba con valores más precisos de distribución.
4. Una vez realizadas las capas, se procede a convertir esa capa en un formato raster
por medio de la opción “Data >Export Data”, con el fin de utilizar la calculadora
raster y realizar operaciones en el álgebra de mapas, en el cual se analizó la
expresión MO>3.5, (PH>=5) & (PH<=7) y (Na>=0,10) & (Na<=7) para evaluar la
sobre posición de mapas.
5. Por medio de la opción de “Conversión Tools” del software, se realiza una
conversión de formatos raster a “value”, para con ello obtener el área que será apta
para las zonas de producción de cultivos de papa, según la base de datos
proporcionado por la profesora a cargo del curso y los rangos definidos al inicio de
la práctica.
6. Finalmente se realizó un mapa debidamente configurado donde se registren los
datos obtenidos a partir de la comparación de áreas en la zona de estudio.

CÁLCULOS Y RESULTADOS
1. Se eligió el método más preciso en cuanto a la distribución de datos teniendo en
cuenta el RMS, comparando los modelos de IDW y Kriging:

 Materia Orgánica (MO):

Para la variable de materia orgánica (MO), se logró obtener que el método más preciso en
cuanto a la distribución de sus datos a través de la media aritmética fue Kriging, que
aunque tuvo una variabilidad no muy pronunciada su RMS fue de 0,48913, a diferencia del
IDW con un RMS 0,52449.

 Comparación del Sodio (Na)

Para la variable de Sodio (Na), se logró obtener que el método más preciso en cuanto a la
distribución de sus datos fue Kriging con un RMS de 0,46205, a diferencia del IDW con un
RMS 0,5305.

 Comparación del PH:

A partir de la comparación se puede establecer que el método más preciso en la distribución
de datos fue el Kriging, ya que presenta menor RMS de 0,20323 a diferencia del IDW con
un RMS de 0,2155.
2. Algebra de mapas:
En el cual se realiza una conversión de formato raster para utilizar la calculadora raster,
en el cual se obtuvo que:

 Variable Materia Orgánica (MO):

Las condiciones ideales para la producción del cultivo de la papa, en cuanto a su contenido
de materia orgánica son altos, ya que deben ser mayores al 3,5 %. Por medio de la
calculadora raster, se obtiene una capa en el cual se registran los valores que no se
encuentran dentro del rango expuesto representados con el valor cero (0) y los que si se
presentan con el valor (1), es decir a partir de la base de datos que se obtiene de la zona a
estudiar sobre la MO propuesta por el profesor a cargo del curso, que zonas cumplen con la
condición de producción de papa en cuanto a esta variable (1).
Por tanto, todas las zonas verdes cumplen con el rango óptimo de MO para cultivos de
papa.

 Variable Sodio (Na):

Las condiciones ideales para la producción del cultivo de la papa, en cuanto a su contenido
de Sodio varían entre 0,10 % a 7%. Por medio de la calculadora raster y la expresión
“(Na>=0,10) & (Na<=7)” se registran los valores que no se encuentran dentro del rango
expuesto representados con el valor cero (0) y los que si se presentan con el valor (1), es
decir las zonas que cumplen con la condición inicial expuesta.

Por tanto, todas las zonas azules cumplen con el rango óptimo de Na para cultivos de papa.

 Variable PH:

[ CITATION Wik199 \l 9226 ] Explica que, El pH del suelo es considerado como una de
las principales variables en los suelos, ya que controla muchos procesos químicos que en
este tienen lugar. Por ello las condiciones ideales de esta variable en el cultivo de papa se
da en un rango de 5.0 a 7.0, el cual se considerado adecuado para su desarrollo. Por medio
de la calculadora raster y la expresión “(PH>=5) & (PH<=7)” se registran los valores que
no se encuentran dentro del rango expuesto representados con el valor cero (0) y los que si
se presentan con el valor (1), es decir las zonas que cumplen con la condición inicial
expuesta.

Por tanto, todas las zonas azules cumplen con el rango óptimo de PH para cultivos de papa,
lo cual nos da entender que en PH no es óptimo el suelo pues la mayor zona se registra para
ausencia dentro del rango expuesto de esta variable.

 Unión de las tres variables por medio de la calculadora raster:

Para concluir se realiza una unión de las tres variables en la zona de estudio, con el fin de
conocer que tan apto es el suelo para la producción del cultivo de papa, el cual se realizó
por medo de la expresión “(MO==1) & (PH==1) & (Na==1)”, obteniendo:
Por lo anterior podemos decir, que la mayor zona no cumple con las condiciones para un
adecuado desarrollo del cultivo de papa.

 Finalmente se realizó un mapa debidamente configurado, en donde se registraron

sus áreas a partir de un conversor de formato raster a shapefile para calcular valores
geométricos:
1. Mapa con etiqutas de áreas (m 2):

2. Mapa sin etiquetas de áreas:

Analisis:
Según el mapa obtenido, se puede establecer que este tipo de suelo no es apto para cultivos
de papa, pues en cuanto a las variables estudiadas en el trabajo (Materia orgánica, PH, Na),
no cumplen con los parámetros establecidos al inicio de la práctica, ya que el área total NO
apta es mayor con casi 1065681,894 m 2 y las áreas consideradas aptas en total, tan solo con
19851,77914 m2.
CONCLUSIONES
• Al realizar la práctica en campo se logró obtener conocimientos teóricos
sobre los diferentes métodos de interpolación y herramientas de geo
procesamiento, además como es el adecuado uso e importancia de la
calculadora raster.
• Se aprendió a realizar conversiones de formato raster a “shapefile” para
cálculo de áreas, perímetro o longitudes.
• El método más preciso en la distribución de datos en las tres variables fue
Kriging, sin embargo en el caso de la variable MO no fue muy pronunciado
su cambio con respecto a IDW.
• La variable que presentaba menor presencia en el suelo del caso de estudio
fue el PH, ya que ese suelo no cumplía con los rangos establecidos en la
teoría para la producción de papa.
• Se logró sobreponer los mapas e identificar las zonas en las cuales era más
apto cultivar papa, esta área total fue de 19851,77914 m2, sin embargo no
cumplía con los parámetros expuestos al inicio de la práctica, por lo tanto no
es un suelo apto para la actividad de producción de papa.

REFERENCIAS

 ArcMap. (2016). Comprender el análisis de interpolación. Obtenido de

http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analyst-
toolbox/understanding-interpolation-analysis.htm
 Interpolaciones. (s.f.). Obtenido de file:///C:/Users/c-
ver_000/Downloads/10%20-%20Interpolaciones.pdf
 Murillo, D., Ortega, I., Carrillo, J. D., Pardo, A., & Rendon, J. (2012).
COMPARACIÓN DE MÉTODOS DE INTERPOLACIÓN PARA LA.
Obtenido de file:///C:/Users/c-ver_000/Downloads/Dialnet-
ComparacionDeMetodosDeInterpolacionParaLaGeneracio-4694125.pdf
 Libre, W. L. (31 de julio de 2019). PH del suelo. Obtenido de
https://es.wikipedia.org/wiki/PH_del_suelo