Machine Translated by Google

Geodesia y Cartografía
ISSN 2029-6991 / eISSN 2029-7009
2021 Volumen 47 Número 4: 191–199

https://doi.org/10.3846/gac.2021.13208

CDU 528.422

ANÁLISIS COMPARATIVO DE MÉTODOS DE CONSTRUCCIÓN DIGITAL

MODELOS DE ELEVACIÓN A PARTIR DE MAPAS TOPOGRÁFICOS UTILIZANDO
TECNOLOGÍAS DE GEOINFORMACIÓN

Vadim BELENOK 1*, Yuriy VELIKODSKY 1, Oleksandr NIKOLAIENKO 1,

Nataliia RUL1, Sergiy KRYACHOK 2, Tetiana MALIK 3

1Departamento de Geodesia Aeroespacial y Gestión de Tierras, Universidad Nacional de Aviación, Kyiv, Ucrania
2 Instituto Científico-Educativo de la Construcción Universidad Nacional Tecnológica de Chernihiv, Chernihiv, Ucrania
3Geodesia, Departamento de Gestión de Tierras y Ecología, Universidad de Tecnologías Emergentes, Kyiv, Ucrania

Recibido el 19 de julio de 2019; aceptado el 29 de octubre de 2021

Resumen. El artículo considera la cuestión de estimar la precisión de los métodos de interpolación para construir modelos digitales de elevación usando mapas
topográficos soviéticos. El territorio de la región de Kursk de la Federación Rusa se utilizó como área de estudio, ya que se encuentra en las tierras altas de Rusia
central y se caracteriza por la estructura compleja de la disección vertical y horizontal del relieve. Las curvas de nivel obtenidas automáticamente mediante un
algoritmo de Python se utilizaron como datos de elevación iniciales para construir un modelo de elevación digital. Se construyeron y analizaron modelos digitales de
elevación obtenidos por trece métodos de interpolación diferentes en el software ArcGIS y Surfer. Se presta especial atención al método ANUDEM, que permite
obtener modelos digitales de elevación hidrológicamente correctos. Se dan recomendaciones para el uso de uno u otro método de interpolación. Los resultados
pueden ser útiles para los profesionales que utilizan mapas topográficos en su trabajo y se ocupan del diseño utilizando modelos digitales de elevación.

Palabras clave: modelo de elevación digital, métodos de interpolación, ANUDEM, mapas topográficos soviéticos, curvas de nivel, vectorización automática de
curvas de nivel.

Introducción la forma de una matriz rectangular, que es una expresión digital

Una de las formas de representar el terreno utilizando tecnologías
modernas de geoinformación (GIT) es construir un modelo de
elevación digital (DEM). DEM es un tipo especial de modelos
matemáticos tridimensionales, que es un reflejo del "relieve" de los
geocampos (superficies) tanto reales como abstractos.
DEM es la base de representación de datos en cartografía
automatizada. De acuerdo con la definición dada en el sitio web del
Servicio Geológico de EE. UU., los DEM son conjuntos de valores
de elevación espaciados regularmente referenciados horizontalmente
a una proyección Universal Transverse Mercator (UTM) o a un
sistema de coordenadas geográficas. Las celdas de la cuadrícula
están espaciadas a intervalos regulares a lo largo de los perfiles de
sur a norte que están ordenados de oeste a este (Servicio Geológico
de los Estados Unidos, sin fecha). En la literatura, DEM también se
define a menudo como una serie regular de alturas contadas desde
cualquier superficie de referencia (Wood, 1996). Según Pivniak et
al. (2014) DEM es un archivo de valores de elevación adjuntos a
los nodos de una red regular bastante pequeña y organizados en
de las características de elevación en el mapa topográfico.
Los DEM juegan un papel fundamental en las ciencias y
tecnologías de la Tierra y tienen muchas aplicaciones. Se pueden
usar para calcular valores derivados como volumen, pendiente,
curvatura, sombreado de colinas, contornos, visibilidad desde áreas
específicas, drenaje y gravedad.
Ejemplos de aplicaciones DEM incluyen su uso como capa
base en sistemas de información geográfica (SIG), por ejemplo,
para la planificación de estructuras de ingeniería (carreteras, vías
férreas, canales), hidrología (análisis de drenaje y áreas de
captación), costa (inundaciones) , movimientos de masas en zonas
montañosas, visualización y mapas topográficos.
GIS utiliza varios métodos de interpolación para construir un
DEM a partir de los conjuntos de datos originales. Además, todos
los métodos de interpolación se pueden dividir en dos categorías:
deterministas y geoestadísticos. Las técnicas de interpolación
determinista se pueden dividir en dos grupos: globales y locales.
Las técnicas globales calculan predicciones utilizando todo el conjunto de datos.
Las técnicas locales calculan predicciones a partir de lo medido.

*Autor correspondiente. Correo electrónico: belenok.vadim@gmail.com

Copyright © 2021 El(los) autor(es). Publicado por la Universidad Técnica de Vilnius Gediminas

Este es un artículo de acceso abierto distribuido bajo los términos de la licencia de atribución de Creative Commons (http://creativecommons.org/licenses/by/4.0/), que permite el uso, la
distribución y la reproducción sin restricciones en cualquier medio, siempre que el original se acreditan el autor y la fuente.
Machine Translated by Google
192 V. Belenok et al. Análisis comparativo de métodos de construcción de modelos digitales de elevación a partir de mapas topográficos...
puntos dentro de vecindarios específicos, que son áreas espaciales
más pequeñas dentro del área de estudio más grande (Tagelsir, 2010).
1. Los métodos deterministas de interpolación de superficies usan
funciones matemáticas para la interpolación y no tienen un componente
aleatorio. Los métodos deterministas incluyen: – interpolación polinomial
global;
– interpolación de polinomios locales;
– ponderación inversa de la distancia (IDW);
– funciones de base radial;
– interpolación kernel con barreras;
– interpolación de difusión con barreras.
2. Métodos geoestadísticos de interpolación, que se basan en
modelos matemáticos y estadísticos que tienen en cuenta la
autocorrelación espacial entre puntos de referencia. Los métodos
Kriging son comunes en GIS: son adecuados para diferentes tipos de
datos y tienen diferentes supuestos básicos. Existen:
– Kriging ordinario;
– Kriging simple;
– Kriging universal; –
indicador Kriging;
– probabilidad Kriging;
– Kriging disyuntivo; –
interpolación de áreas; –
Kriging bayesiano empírico.
Hay muchos trabajos sobre métodos de interpolación DEM,
particularmente en GIS.
El documento (Hutsul & Smirnov, 2017) consideró la posibilidad de
construir DEM utilizando mapas topográficos soviéticos de diferentes
escalas para estimar la practicidad de usar dichos DEM para la
planificación vial. Los DEM resultantes se comparan con los modelos
ASTER y SRTM existentes mediante la sustracción de ráster. La
ventaja del trabajo es usar el método ANUDEM para construir DEM, y
las desventajas del trabajo incluyen el hecho de que los DEM se
construyeron usando un conjunto limitado de datos de elevación: solo
usando contornos y puntos de elevación.
El artículo Ajvazi y Czimber (2019) realizó un análisis comparativo
de DEM construidos por diferentes métodos de interpolación en SIG.
También se describen en detalle algunos métodos de interpolación. Los
autores consideran tres escenarios. El primero incluye el 10% de los
puntos de control seleccionados al azar, el segundo incluye el 20% y el
tercero incluye el 30%. Se calculan el error absoluto medio (MAE) y el
error cuadrático medio (RMSE).
Los autores concluyen que los resultados obtenidos no hacen mucha
diferencia, pero los resultados más precisos se obtienen a partir de los
métodos de interpolación “spline” y “kriging”. Las desventajas incluyen
el uso de un pequeño conjunto de datos de elevación, la falta del
método ANUDEM y la consideración de una pequeña cantidad de
métodos de interpolación.
El artículo Arun (2013) también realizó un análisis comparativo de
DEM construidos por varios métodos de interpolación en SIG, incluido
el método ANUDEM.
La matriz de elevación para la construcción de DEM por varios métodos
de interpolación y los puntos de control se obtuvieron utilizando métodos
de levantamiento en tierra. Los DEM obtenidos
también se compararon con el modelo SRTM para India. El autor
concluye que el método kriging funciona mejor que otros métodos
modernos en la mayoría de los casos.
El artículo de Salekin et al. (2018) estudia tres enfoques
deterministas diferentes para construir DEM: Vecino natural, Topo a
ráster (ANUDEM) y Ponderación de distancia inversa (IDW). Los datos
GNSS se utilizan como matriz de elevación. Los DEM se interpolaron
con una resolución espacial en el rango de 0,5 ma 10 m. Se encontró
que la resolución más alta (0,5 m) da como resultado los errores más
pequeños en los DEM obtenidos (RMSE = 0,428 m, MAE = 0,274 m).
El método ANUDEM proporcionó la mayor precisión en la construcción
de DEM. Las desventajas del trabajo incluyen el estudio de la precisión
de un pequeño número de métodos de interpolación y la falta de
consideración de los métodos geoestadísticos en absoluto.
1. Método ANUDEM
El algoritmo ANUDEM es un enfoque de interpolación adaptable
localmente propuesto por Michael Hutchinson en la Universidad
Nacional de Australia (Hutchinson, 1988). Este algoritmo utiliza un
método de interpolación diseñado específicamente para crear una
superficie que represente con mayor precisión la superficie de drenaje
natural y conserve tanto las líneas de la cresta como las redes de
corrientes.
El enfoque utiliza un método iterativo de interpolación de
diferencias finitas que optimiza las eficiencias computacionales de la
interpolación local sin perder la continuidad de la superficie de
interpolación global. Este modelo de relieve se puede utilizar para
determinar las características hidrográficas de los ríos y sus cuencas,
así como para la modelización hidrológica.
ANUDEM tiene en cuenta la naturaleza especial de las superficies
en relieve, así como los puntos específicos de la superficie que se
pueden utilizar para describir el relieve. Muchos estudios consideran el
modelo Topo to Raster para obtener DEM hidrológicamente correctos,
por ejemplo, Curebal et al. (2015), Salari et al. (2014).
DEM se considera hidrológicamente correcto si cumple dos
requisitos principales (Yakovchenko, 2007):
– no debe haber puntos de sumidero ficticios (depresiones ficticias)
en el DEM;
– las líneas de corriente (thalwegs) en el DEM deben coincidir con
los tramos de entrada de la red fluvial.
Para crear un DEM por el método ANUDEM se puede utilizar un
conjunto completo de datos del terreno obtenidos de mapas topográficos.
Aquí hay imágenes de datos de terreno en mapas topográficos
soviéticos, que se usaron para construir el DEM en este documento.
1. Datos de elevación del punto (Figura 1). Objetos de punto que
tienen valores de elevación en la tabla de atributos: marcas de
elevación, bordes de agua, puntos de control de la red geodésica. Cada
archivo en un formato común contiene las coordenadas X, Y, Z, que
indican la posición y elevación de cada punto de datos. No hay límite
para la cantidad de elevaciones de entrada leídas de los archivos de
datos proporcionados por el usuario.
Machine Translated by Google
Geodesia y cartografía, 2021, 47(4): 191–199
2. Datos del punto de sumidero (Figura 2). Una clase de objetos de
punto que muestra mínimos de elevación locales conocidos. La elevación
del punto se puede dejar sin determinar configurando el valor de Z, que se
encuentra fuera de los límites definidos por el usuario (por ejemplo, –999,0).
3. Optimice los datos (Figura 3). Objetos lineales que representan
una red de cursos de agua (ríos, arroyos, cursos de agua secantes).
Todos los arcos deben estar orientados aguas abajo. Los pares de
coordenadas en cada flujo deben ordenarse desde el punto más alto al
más bajo.
4. Datos de la costa (Figura 4). Clase de objetos espaciales poligonales
que contienen los contornos de la línea de costa. A los píxeles en el ráster
de salida final, ubicados fuera de estos polígonos, se les asigna un valor
menor que el límite de elevación mínimo especificado por el usuario.
5. Datos de la línea de contorno (Figura 5). Objetos lineales (curvas
de nivel principales y adicionales) que contienen valores de elevación en
la tabla de atributos. La tabla debe contener las coordenadas y la elevación
del contorno. Las isolíneas que se conectan a isolíneas con diferentes
elevaciones se marcan en el archivo de errores.
6. Datos de los límites del lago (Figura 6). Una clase de objetos
espaciales poligonales que determinan la ubicación de los lagos. Todos los
píxeles del ráster de salida que se encuentra dentro del lago son
Figura 1. Datos de elevación del punto
Figura 2. Datos del punto de sumidero
Figura 3. Optimice los datos
Figura 4. Datos de la línea de costa
193
asignó el valor mínimo de elevación de todos los píxeles ubicados a lo
largo de la línea de costa.
7. Datos de la línea del acantilado (Figura 7). Objetos lineales que
representan acantilados. Los objetos del acantilado deben tener una
dirección, de modo que el lado izquierdo de la línea corresponda al lado
inferior del acantilado.
8. Excepciones (Figura 8). Objetos poligonales que son áreas
excluidas del proceso de interpolación. Se utiliza con mayor frecuencia
para excluir datos relacionados con presas y puentes.
El artículo Tan y Xu (2014) estimaron la precisión de DEM construido
por el método ANUDEM. Como resultado se obtuvieron los siguientes
valores:
– para terreno montañoso: MAE = 2,704 m, RMSE = 5,864 m:
– para terreno montañoso: MAE = 5.918 m, RMSE =
7.083m:
Los errores obtenidos son los más pequeños entre los métodos de
interpolación estudiados: Kriging, Ponderación de Distancia Inversa,
Interpolación Spline, Vecino Natural, TIN.
ANUDEM se utilizó para desarrollar DEM de 9 segundos de arco de
Australia (ANU Fenner School of Environment and Society and Geoscience
Australia, 2008), que a su vez se utilizó para producir el mapa de cuencas
de drenaje y aguas subterráneas para el continente australiano (Stein,
2006).
Figura 5. Datos de la línea de contorno
Figura 6. Datos de los límites del lago
Figura 7. Datos de la línea del acantilado
Figura 8. Excepciones
Machine Translated by Google
194 V. Belenok et al. Análisis comparativo de métodos de construcción de modelos digitales de elevación a partir de mapas topográficos...
Ventajas de utilizar el método ANUDEM:
– procesa rápidamente varios tipos de datos en forma de puntos,
líneas;
– la posibilidad de utilizar para determinar las características
hidrográficas de los ríos y sus cuencas;
– la cantidad de datos de entrada puede ser un orden de magnitud
menor de lo que normalmente se requiere para una descripción
adecuada de la superficie con curvas de nivel digitalizadas;
– los DEM obtenidos tienen pequeños errores en relación con otros
métodos.
Consideremos el algoritmo utilizado en el método ANUDEM. El
método permite crear un DEM interpolando los valores de las elevaciones
al imponer restricciones que proporcionan una estructura de drenaje
conectada y una representación correcta de las crestas y los flujos en
función de los datos de entrada de las curvas de nivel (Shihov et al.,
2017). Durante la interpolación, en cada iteración del algoritmo, las áreas
de terreno deprimido se encuentran en cuencas hidrográficas, collados,
barrancos y se asignan a líneas de hundimiento de superficie. El método
se basa en calcular los valores de la función interpolada mediante la
siguiente expresión:
(i Z= fxy,
yo ) +ÿ ii , (1)
donde f es una función bivariada desconocida adecuadamente uniforme
de ubicación horizontal representada como una cuadrícula de
n = i(1;
diferencias finitas; ), n es
término deel número
error mediode puntos
cero ÿ yo
es un
de datos;estándar
con desviación
wi . Para datos de elevación levantados con precisión, la desviación
estándar está dominada por el error de discretización natural de la
representación de diferencia finita de f (Hutchinson et al., 2009).
Cada punto de referencia se ubica, por regla general, aleatoriamente,
y la desviación estándar del error de discretización para cada píxel del
modelo ráster se calcula mediante la fórmula
hv
w= i ,
yo
12
Figura 9. La ubicación del área de estudio en los trapecios de los mapas topográficos soviéticos
donde v es el ángulo de pendiente local en el píxel, h es el tamaño del
i
píxel.
Luego, la función f se estima resolviendo la aproximación de
diferencia finita de cuadrícula regular a la función bivariada f que
minimiza:
2
ÿ yo,
ÿ
norte
ÿ ÿ( i ÿz ÿfxy ÿ)
, (3)
ÿ + ÿJ f
()
wi
i=1 ÿÿ
donde J f ( ) es una medida de la rugosidad de la función f en términos
de primera y segunda derivada (Hutchinson, 1989), ÿ es un número
positivo llamado parámetro de suavizado. El parámetro de suavizado ÿ
generalmente se elige de modo que la suma residual ponderada de
cuadrados en sea igual a n. Esto se puede lograr utilizando el método
aproximado de Newton-Rhapson en combinación con una solución
iterativa. Los pesos que varían espacialmente en la suma residual de
los cuadrados son una indicación localmente adaptativa que solo se
puede lograr utilizando el método de interpolación iterativa, para el cual
las pendientes en las celdas de la cuadrícula están disponibles a medida
que se ejecuta la solución iterativa. (Hutchinson et al., 2009).
Las iteraciones finalizan cuando se alcanza el número máximo de
iteraciones especificado por el usuario (generalmente 20).
Una vez completadas las iteraciones, el programa calcula todos los
puntos de sumidero que quedan en la cuadrícula y guarda el informe
detallado en el archivo de registro de salida. Los puntos de sumidero
restantes se escriben en el archivo de salida para trazar para detectar y
corregir errores de entrada. Los datos actuales incluidos en la cuadrícula
y otros diagnósticos también se escriben en los archivos de diagnóstico
de salida de puntos y filas para estimar más la precisión del proceso de
creación de la cuadrícula.
2. Metodología
Para construir el DEM, se utilizaron tres mapas topográficos soviéticos
(2)
de la región de Kursk de la Federación Rusa. los
Machine Translated by Google

Geodesia y cartografía, 2021, 47(4): 191–199 195

Figura 10. DEM de la región de Kursk obtenido como resultado de la misión SRTM

Figura 11. Hojas de mapas topográficos soviéticos para el área de estudio

La región de Kursk está situada entre los 50°54ÿ y los 52°26ÿ de se realiza la clasificación por valores de HSV. Para ello,
latitud norte y los 34°05ÿ y los 38°31ÿ de longitud este en la seleccionamos manualmente rangos para cada uno de los tres
frontera con Ucrania. El territorio de la región de Kursk se parámetros HSV, que corresponden al color de las curvas de nivel,
encuentra en las laderas suroccidentales de las tierras altas de mediante el análisis de un escaneo específico del mapa topográfico.
Rusia Central. La elevación de la superficie sobre el nivel del mar Se crea un mapa de líneas de contorno, en el que los valores de
es principalmente de 175 a 225 m. La parte central de la región es 1 se asignan a los píxeles que caen dentro de los rangos de todos
la más elevada. La pendiente general del terreno va de noreste a los parámetros de HSV, y a los píxeles restantes se les asigna el
suroeste. El DEM de la región de Kursk obtenido de la misión valor 0. Como resultado de los pasos anteriores, obtenemos
SRTM y descargado del recurso (EarthExplorer, sin fecha) se automáticamente el curvas de nivel que se muestran en la Figura
muestra en la Figura 10. 12, que también muestra el resto de la información de elevación, que se obtuvo
La Figura 9 y la Figura 10 se crearon usando tecnología de
información geográfica como se describe en Liashenko et al.
(2020).
Los datos de entrada para construir el DEM fueron tres hojas
de mapas topográficos soviéticos a una escala de 1: 50 000,
cubriendo el área de interés, la nomenclatura ÿ-36-12-ÿ, ÿ-36-12-ÿ
y ÿ- 36-12-ÿ (Figura 11). Los mapas utilizaron el datum vertical del
Mar Báltico de 1977, se dibujaron contornos cada 10 m.
Para construir un DEM, se escanearon los mapas y se realizó
la digitalización automatizada de las curvas de nivel de acuerdo
con el algoritmo descrito en Rul et al. (2018).
En el primer paso, el script de Python lee un fragmento del
mapa utilizando la biblioteca NumPy y crea tres matrices con
valores de brillo en los canales R, G, B. Luego, las imágenes se
convierten en un modelo de color HSV (Tono, Saturación, Valor) :
se crea una nueva matriz, que se rellena con los valores HSV
calculados. En la siguiente etapa del algoritmo, Figura 12. Capas escaneadas de datos de elevación
Machine Translated by Google
196 V. Belenok et al. Análisis comparativo de métodos de construcción de modelos digitales de elevación a partir de mapas topográficos...

digitalización de mapas topográficos soviéticos en el entorno de – Polinomio Local;

software ArcGIS. – Vecino Natural;
En el siguiente paso en la construcción de un DEM, seleccionamos - Vecino más cercano;
un tamaño de píxel, que generalmente se establece en aproximadamente - Funcion de base radial;
0,5 mm en la escala del mapa. Por lo tanto, el tamaño de píxel del DEM – Curvatura mínima;
se fijó en 25 m. Al usar valores más grandes, el DEM sería más suave – método de Shepard modificado;
y no reproduciría con precisión los datos de elevación originales. – Método de la media móvil;
– Método de regresión polinomial;
El algoritmo ANUDEM se implementa en el software ArcGIS como – Red Irregular Triangulada (TIN);
un método Topo to Raster, que se utilizó para construir el DEM. A modo – Triangulación con Interpolación Lineal.
de comparación, DEM se creó utilizando otros 12 métodos de
construcción, que se implementan en los productos de software ArcGIS 3. Resultados
y Surfer:
– IDW; Los resultados de construir con algunos de estos métodos se muestran
– Kriging; en la Figura 13.

a) ANUDEM b) Ponderación de distancia inversa

c) El método de Shepard modificado d) La función de base radial

Figura 13. DEM construidos usando diferentes métodos de interpolación

Machine Translated by Google

Geodesia y cartografía, 2021, 47(4): 191–199 197

Figura 15. Los resultados de estimar la precisión de los métodos de

interpolación DEM

mapa topográfico, n – número de puntos (n = 20).

Figura 14. Disposición de los puntos de control
Una descripción de los métodos implementados en Surfer
se puede encontrar, por ejemplo, en Yang et al. (2004).
Estimación de la precisión de los resultados. Para analizar la
precisión de los DEM construidos con cada uno de los 13
métodos de interpolación, se utilizaron puntos de control (Figura
14), los cuales se seleccionaron teniendo en cuenta las
peculiaridades del terreno y la red hidrográfica y se distribuyeron
uniformemente a lo largo del estudio. área. Las elevaciones de
los puntos de control se determinaron mediante mapas
topográficos. Los valores de elevación en los puntos de control
se aceptaron como verdaderos y el RMSE de la interpolación de
valores de
elevación en estos puntos se calculó mediante la fórmula de Gauss (Johnston
et al., 2ÿ se pueden obtener de tablas o
norte
Los resultados de los cálculos de RMSE se muestran en la Fig.
ura 15.
Para estimar la confiabilidad de los valores RMSE obtenidos,
se utilizó el método del intervalo de confianza. Como es sabido,
los límites de los intervalos de confianza para el valor real de la
cantidad medida y su RMSE se establecen según la probabilidad
de confianza dada y la ley de distribución de errores. El intervalo
de confianza para el error estándar en el caso de una muestra
normal es el siguiente (Voitenko, 2003):
ÿ ÿÿÿÿ
1
metro
2
metro , (5)
donde m es el RMSE, ÿ es el valor teórico de RMSE, y los
1ÿ y2001):
n-1 n-1 .

2 calculado por fórmulas: ÿ 1= , 2ÿ =

x 21 2
ÿ

( ÿ XX i³
ÿ

) x2
RMSE =
i=1 , (4) de 2 1 x y 22 ÿ se eligen de las tablas de 2 Valores
x
norte
distribución por el número de grados de libertad (n ÿ1)
donde Xi es el valor de elevación obtenido del DEM interpolado,
ÿ
= ÿ12 ,
para la probabilidad p2 = ÿÿ 0.5 1( ) , donde1 ÿp pags

X³ es el valor de elevación obtenido de la es la probabilidad de confianza.

Tabla 1. Límites del intervalo de confianza

El límite inferior El límite superior Estimación de El límite inferior El límite superior

Método RMSE, m
del intervalo del intervalo RMSE, m del intervalo del intervalo

IDW 2.46 1.85 3.59 0,55 0.41 0.8

kriging 1.09 0.83 1.6 0.24 0.18 0.36

Curvatura mínima 1.16 0.88 1.7 0.26 0.2 0.38

Shepard modificado 1.35 1.02 1.97 0.3 0.23 0.44

Método

vecino natural 0.96 0.72 1.4 0.21 0.16 0.31

Vecino más cercano 4 3.02 5.85 0.9 0,68 1.31

Regresión polinomial 21.72 16.4 31.75 4.86 3.67 7.1

Funcion de base radial 1.11 0.84 1.62 0.25 0.19 0.36

Triangulación con 0,93 0.7 1.36 0.21 0.16 0.3

Interpolación linear

Media móvil 14.15 10.69 20.69 3.16 2.39 4.63

Polinomio Local 1.93 1.46 2.83 0.43 0.33 0,63

ANUDEM 1.07 0.81 1.57 0.24 0.18 0.35
ESTAÑO 0.42 0.31 0,61 0.09 0.07 0.14
Machine Translated by Google
198 V. Belenok et al. Análisis comparativo de métodos de construcción de modelos digitales de elevación a partir de mapas topográficos...
Después de determinar un intervalo , es fácil obtener un
intervalo de confianza para el RMSE de una media aritmética simple
dividiendo todos los términos de la desigualdad por n :
METROÿ ÿÿ ÿÿ ,21M (6)
X
donde M es el RMSE de una media aritmética simple, ÿ es su valor
X
teórico.
Asumiendo el valor de la probabilidad de confianza ÿ = 0.95 con n
= 20, obtenemos: 1p = 0.025, 2p = 0.975,
2 2
1 ÿ = 33,32 2 ,ÿ = 8,89 , 1ÿ = 0,76 de los , 2ÿ =1,46 . Los resultados
cálculos se dan en la Tabla 1.
Analizando los intervalos de confianza, vemos que, para todos los
métodos de interpolación, los valores obtenidos de RMSE y sus
estimaciones están dentro de los intervalos de confianza.
Conclusiones
El documento considera la construcción de un DEM mediante trece
métodos de interpolación, tanto deterministas como geoestadísticos,
en los productos de software ArcGIS y Surfer. Como matriz de elevación
utilizamos curvas de nivel obtenidas de mapas topográficos soviéticos
a escala 1:50.000, los cuales fueron digitalizados automáticamente
mediante un programa escrito en el lenguaje de programación Python.
La precisión de la medición de los datos originales es uno de los
factores clave para construir un DEM, junto con la densidad de los
datos, su distribución, la resolución del DEM y los métodos de
interpolación utilizados. Los mapas topográficos soviéticos a escala
1:50.000 tienen el error absoluto medio en la posición vertical de las
curvas de nivel con respecto a los puntos más cercanos y los puntos de
la base geodésica, según normativa, que no supera los 3,0 m para
llanuras y terrenos accidentados con ángulos de hasta 6º, en cuanto al
territorio estudiado. Se excluyó el error en la digitalización de las curvas
de nivel debido al uso del método de
vectorización.
Al construir un DEM por el método ANUDEM, además de las
curvas de nivel, se utilizaron otros datos sobre el relieve del área de
estudio: datos de la red hidrográfica, lagos, elevaciones y datos de
puntos de hundimiento.
Para cada uno de los DEM construidos, se realizó una estimación
de su precisión mediante el cálculo del RMSE en los puntos de control.
Se determinó que los métodos TIN, Triangulación con interpolación
lineal, Vecino natural y ANUDEM tenían el RMSE más bajo con valores
de 0,42 m, 0,93 m, 0,96 m y 1,07 m, respectivamente. Se utilizaron
intervalos de confianza para estimar la fiabilidad de RMSE. Todos los
valores RMSE están en los intervalos calculados. Al mismo tiempo,
para determinar las peculiaridades de la red y el sumidero del río, así
como para la modelación hidrológica, se recomienda utilizar DEM
construidos por el método ANUDEM, ya que permite obtener DEM
hidrológicamente correctos.
Referencias
Ajvazi, B. y Czimber, K. (2019). Análisis comparativo de diferentes métodos
de interpolación DEM en SIG: Estudio de caso de Rahovec, Kosovo.
Geodesia y Cartografía, 45(1), 43–48. https://doi.org/10.3846/
gac.2019.7921
ANU Fenner School of Environment and Society and Geoscience Australia.
(2008). GEODATA 9 segundos DEM y modelo de elevación digital D8
y cuadrícula de dirección de flujo, guía del usuario. Geociencia Australia,
Canberra.
Arun, PV (2013). Un análisis comparativo de diferentes métodos de
interpolación DEM. The Egyptian Journal of Remote Sensing and
Space Sciences, 16, 133–139. https://doi.org/10.1016/
j.ejrs.2013.09.001
Curebal, I., Efe, R., Ozdemir, H., Soykan, A., & Sönmez, S. (2015).
Enfoque basado en SIG para el análisis de inundaciones: estudio de caso del
evento de inundación repentina keçidere (Turquía). Geocarto Internacional, 31(4), 355–
366. https://doi.org/10.1080/10106049.2015.1047411
Explorador de tierra. (Dakota del Norte). Hogar. https://earthexplorer.usgs.gov/
Hutchinson, MF (1988). Cálculo de modelos digitales de elevación
hidrológicamente sólidos. En Actas del 3er Simposio Internacional
sobre Manejo de Datos Espaciales (págs.
117–133). Sydney, Australia.
Hutchinson, MF (1989). Un nuevo método para cuadricular datos de
línea de corriente y elevación con eliminación automática de pozos.
Revista de hidrología, 106, 211–232. https://doi.org/
10.1016/0022-1694(89)90073-5
Hutchinson, MF, Stein, JA, Stein, JL y Xu, T. (2009, 13–17 de julio).
Cuadrícula adaptable localmente de datos topográficos ruidosos de
alta resolución [Actas de conferencias]. 18º Congreso Mundial IMACS /
MODSIM, Cairns, Australia.
Hutsul, T. y Smirnov, Y. (2017). Evaluación de precisión comparativa de
DTM global y DTM generado a partir de mapas topográficos soviéticos
con fines de planificación de carreteras. Geodesia y Cartografía, 43(4),
173–181. https://doi.org/10.3846/20296991.2017.1412638
Johnston, K., VerHoef, J., Krivoruchko, K. y Neil, L. (2001). Utilizando
ArcGIS™ Geostatistical Analyst. ESRI™, EE. UU.
Liashenko, D., Belenok, V., Spitsa, R., Pavlyuk, D. y Boiko, O.
(2020, del 10 al 13 de noviembre). Modelado GIS de derrumbes con el
software QGIS. En XIV Conferencia Científica Internacional sobre
Monitoreo de Procesos Geológicos y Condición Ecológica del Medio
Ambiente. Asociación Europea de Geocientíficos e Ingenieros, Kyiv.
https://doi.org/10.3997/2214-4609.202056069
Pivnyak, GG, Busyigin, BS, Korotenko, GM y Koroten ko, L. M. (2014).
Anglo-russko-ukrainskiy slovar po GIS i DZZ: ucheb. posobie Ministerstvo
obrazovaniya i nauki Ukrainyi, Natcionalnyi gornyi universitet (en ruso).
Rul, NV, Velikodsky, Yu. I. y Zatcerkovnyi, VI (2018, 14 a 17 de mayo).
El algoritmo de vectorización automática de contornos para la
construcción de modelos digitales de elevación [Actas de congresos].
XVII Congreso Internacional de Geoinformática: Aspectos Teóricos
y Aplicados. Instituto de Geología de la Universidad Nacional Taras
Shevchenko Kyiv, Kyiv. https://doi.org/10.3997/2214-4609.201801840
Salari, A., Zakaria, M., Nielsen, CC y Boyce, MS (2014).
Cuantificación de humedales tropicales mediante estudios de campo,
estadísticas espaciales y sensores remotos. Humedales, 34, 565–574.
https://doi.org/10.1007/s13157-014-0524-3
Salekin, S., Burgess, JH, Morgenroth, J., Mason, EG y Meason, DF (2018).
Un estudio comparativo de tres métodos no geoestadísticos para
optimizar la interpolación del modelo de elevación digital. ISPRS Revista
internacional de información geográfica, 7(8), 300. https://doi.org/
10.3390/ijgi7080300
Shihov, AN, Cherepanova, ES y Pyankov, SV (2017).
Geoinformatsionnyie sistemyi: metodyi prostranstvennogo analiza:
ucheb. posobie Permskii gosudarstvennyi natcionalnyi issledovatelskii
universitet (en ruso).
Machine Translated by Google

Geodesia y cartografía, 2021, 47(4): 191–199 199

Stein, JL (2006). Un marco de paisaje continental para la planificación

sistemática de la conservación de ríos y arroyos australianos [Tesis de
doctorado]. Centro de Estudios Ambientales y de Recursos, Universidad
Nacional de Australia.
Tagelsir, MG (2010). Manual de investigación en hidroinformática:
Tecnologías, teorías y aplicaciones. IGI Global.
Tan, Q. y Xu, X. (2014). Análisis comparativo de métodos de interpolación
espacial: un estudio experimental. Sensores y transductores, 165(2).

Encuesta geológica de los Estados Unidos. (Dakota del Norte). ¿Qué son
los modelos digitales de elevación (DEM)? https://www.usgs.gov/faqs/
what-are-digital elevation-models-dems?qt-news_science_products=0#qt
news_science_products
Voitenko, SP (2003). Matematychna obrobka heodezychnykh vymiriv.
Teoriia pokhybok vymiriv: Navchalnyi posibnyk.
Kyivskyi natsionalnyi universytet budivnytstva i arkhitektury (en
ucraniano).
Madera, JD (1996). La caracterización geomorfológica de los Modelos
Digitales de Elevación [Tesis de Doctorado]. Universidad de Leicester,
Leicester, Inglaterra.
Yakovchenko, SG (2007). Sozdanie geoinformatsionnyih sistem v
inzhenernoy gidrologii [Tesis doctoral]. Barnaúl (en ruso).
Yang, CS, Kao S.-P., Lee, FB y Hung, P.-S. (2004). Doce métodos de
interpolación diferentes: un estudio de caso de Surfer 8.0. https://
www.isprs.org/proceedings/xxxv/congress/comm2/
papeles/231.pdf