Upload
pablo-melo
View
222
Download
0
Embed Size (px)
Citation preview
8/18/2019 Intro Geostat Traduccion
1/35
Geoestadística
Pablo Melo
Sept - 2015
8/18/2019 Intro Geostat Traduccion
2/35
Día 1 Introducción
Intro Geoestadistica – Manejo R – Gráficos -Geoestadistica aplicada
Ejercicios - Interpolacion datos suelos –
Interpolacion datos lluviasTRMM estaciones
Día 2 Parte aplicada
Manejo de Modulo Geoestadística ArcGIS – SAGA GIS – Ejercicios
aplicados Interpolacion clorofila NDVI - papa
Esquema del Curso
8/18/2019 Intro Geostat Traduccion
3/35
Es lo suficientemente extensa- El conjunto de datos debe ser lo suficientemente grande para
permitir analisis estadisticos.
Es representativa – El conjunto de datos debe representar el area de interes, considerando
tanto la cobertura geografica como la diversidad de factores anbientales.
Es independiente- Las muestras deben ser tomadas usando un muestreo no preferencial, es
decir usando un diseno de muestreo.
Conceptos Básicos
Consideraciones Iniciales
8/18/2019 Intro Geostat Traduccion
4/35
• (1.) Ubicacion geografica ( longitud y latitud)
• (2.) Altura sobre la superficie ( elevacion) ;
•
(3.) Fecha de las mediciones ( anio, mes, dia,hora, etc) ;
• (4.) spatio-temporal support (size of the blocks
of material associated with measurements
Conceptos Básicos
8/18/2019 Intro Geostat Traduccion
5/35
Conceptos Básicos
8/18/2019 Intro Geostat Traduccion
6/35
Conceptos Básicos
8/18/2019 Intro Geostat Traduccion
7/35
• Como cambia una variable en el espacio y tiempo?
• Que controla su variacion en el espacio y tiempo?
• En donde tomar muestras para describir su variabilidad espacial?
• Cuantas muestras son necesarias para representar su variabilidad
espacial?
• Cual es el valor de la variable en un nuevo punto/ tiempo?
• Cual es la incertidumbre de los valores estimados?
Conceptos Básicos
8/18/2019 Intro Geostat Traduccion
8/35
• Modelo estimado, inferencia de los parametros del modelo
• Prediccion, inferencia de los valores no observados de una variable
• Prueba de hipotesis
Pasos previos de Análisis
8/18/2019 Intro Geostat Traduccion
9/35
• Predicciones fuera del rango (el error de
prediccion exede la varianza global) se
refieren a extrapolacion. En otras palabras,
una extrapolacion es la prediccion en lugares
donde no se tiene suficiente evidencia
estadistica para hacer predicciones
significativas.
Prediccion espacial o interpolacion espacial
8/18/2019 Intro Geostat Traduccion
10/35
8/18/2019 Intro Geostat Traduccion
11/35
• Una variable ambiental es la medida cuantitativa o descriptiva
de diferentes elementos ambientales.
• Las variables ambientales pueden pertenecer a distintos dominios,
desde la biologia ( distribucion de especies y medidas debiodiversidad), ciencias del suelo ( propiedades y tipos de suelo),
vegetacion ( especies y comunidades de plantas, tipos de cobertura
vegetal), climatologia (variables climatica) hasta la hidrologia
(cantidad y calidad del agua). Estos datos son comunmente
recojidos a traves de muestreos en el campo ( con apoyo de
sensores remotos)
Variables ambientales
8/18/2019 Intro Geostat Traduccion
12/35
• La variabilidad espacial de las variables ambientales escomúnmente un resultado de procesos complejos quetrabajan al mismo tiempo y durante largos períodos detiempo
• Explicar la variación de las variables ambientales nunca hasido una tarea fácil. Muchas variables ambientales varíanno sólo horizontal, sino también con la profundidad, nosólo de forma continua sino también abruptamente.
• Las observaciones de campo son, por el contrario, muycaras sin embargo a menudo nos vemos obligados aconstruir mapas completos mediante el uso de unamuestra de
8/18/2019 Intro Geostat Traduccion
13/35
Variables ambientales - Ejm. Contenido de Zn
8/18/2019 Intro Geostat Traduccion
14/35
• Al observar detenidamente este mapa, se puede notar varias cosas:
(1) parece haber un patrón espacial de cómo cambian los valores;
(2) Los valores que están más cerca son más similares;
(3) a nivel local, los valores pueden variar sin ninguna regla sistemática
(al azar);
(4) en algunas partes de la zona, los valores parecen ser, en general,
más altos es decir, hay un salto discreto en los valores.
8/18/2019 Intro Geostat Traduccion
15/35
• Variacion espacial (2D)
Los resultados de predicción espacial se visualizan ya sea como mapas 2D o secciones transversales.Algunas variables ambientales, como el espesor de los horizontes del suelo, la presencia de especies devegetación o tipos de suelo, no tienen una tercera dimensión, es decir, que se refieren a la superficie dela Tierra solamente. Otros, como la temperatura, la concentración de monóxido de carbono, etc.pueden ser medidos a distintas alturas, incluso por debajo de la superficie terrestre. Incluso de lavariación puede ser modelado utilizando un modelo continuo, discreto o mixto de variación espacial
• Variacion vertical (3D)
Muchas variables ambientales también varían con la profundidad o la altitud por encima de la superficiedel suelo. En muchos casos, la diferencia medida entre los valores es mayor a una profundidad quedifieren en unos pocos centímetros que en distancia geográfica de pocos metros. Considere variablescomo la densidad de la temperatura o de aves
• Variacion temporal
Como se mencionó anteriormente, las variables ambientales relacionadas con la distribución de lasespecies de animales y plantas varían no sólo dentro de una temporada, pero también dentro de unosmomentos. Incluso las variables del suelo como pH, nutrientes, los niveles de saturación de agua ycontenido de agua, pueden variar a lo largo de algunos años, dentro de una misma temporada o inclusoen unos pocos días (Heuvelink y Webster, 2001). La variabilidad temporal hace que la cartografíageoestadística especialmente complejo y costoso.
Variables ambientales - variacion
8/18/2019 Intro Geostat Traduccion
16/35
Variables ambientales
8/18/2019 Intro Geostat Traduccion
17/35
Variables ambientales
8/18/2019 Intro Geostat Traduccion
18/35
Variables ambientales
8/18/2019 Intro Geostat Traduccion
19/35
Muchas posibilidades de Interpolacion
• Al parecer hay muchas posibilidades para interpolar muestraspuntuales.
• En un ejercicio de interpolación espacial de Comparación en 2004,se usaron 31 algoritmos en la predicción de los valores de las tasasde dosis gamma en ciertas ubicaciones mediante el uso de 200
puntos de formación (Dubois y Galmarini, 2004; Dubois, 2005). Losalgoritmos utilizados variaron desde splines, a las redesneuronales, a diversos algoritmos kriging.
• El paquete de software R ofrece muchas de las técnicas deinterpolación empleadas en este estudio: Inverse Distance, Kriging,curvatura mínimo, polinomio de regresión, la triangulación, el
vecino más cercano, Método de Shepard, funciones de base radial,Vecino Natural, Moving Average, polinómica local, etc.
• La lista de interpoladores disponible en R a través de sus paquetesde interpolación (gstat, sp, mapa, Geor) es aún más largo.
Multiples opciones Interpolacion
8/18/2019 Intro Geostat Traduccion
20/35
8/18/2019 Intro Geostat Traduccion
21/35
Supuestos y consideraciones
• Modelos de predicción espacial estadísticos
• Como se mencionó anteriormente, en el caso de los modelosestadísticos, los parámetros del modelo (coeficientes) utilizadospara obtener las salidas se estiman de manera objetiva siguiendo la
teoría de la probabilidad.
• A diferencia de los modelos mecánicos, en el caso de los modelosestadísticos, tenemos que seguir varios pasos de análisis de datosestadísticos antes de que podamos generar mapas. Esto hace quetodo el proceso de mapeo más complicado pero con el tiempo nosayuda a: (a) producir mapas más fiables / objetivos, (b) entender lasfuentes de errores en los datos y (c) representan áreasproblemáticas / puntos que necesitan ser revisados.
Metodos Geoestadisticos
8/18/2019 Intro Geostat Traduccion
22/35
A revisar
• Lecturas adicionales:
• Cressie, N.A.C., 1993. Statistics for Spatial Data, revised edition. JohnWiley & Sons, New York, 416 p.
• Goovaerts, P., 1997. Geostatistics for Natural Resources Evaluation(Applied Geostatistics). Oxford University Press, New York, 496 p.
•
Isaaks, E.H. and Srivastava, R.M. 1989. An Introduction to AppliedGeostatistics. Oxford UniversityPress, New York, 542 p.
• Webster, R. and Oliver, M.A., 2001. Geostatistics for EnvironmentalScientists. Statistics in Practice.John Wiley & Sons, Chichester, 265 p.
• www.wiley.co.uk/eoenv— The Encyclopedia of Environmetrics.
• www.geoenvia.org— A research association that promotes use of
geostatistical methods for environmental applications.• www.iamg.org— International Association of Mathematical Geosciences.
Material adicional
8/18/2019 Intro Geostat Traduccion
23/35
Aplicaciones Geoestadistica
• Geomorfometria
• Un modelo de elevación digital (DEM) es unarepresentación digital de la superficie de la tierra - elprincipal insumo para el análisis cuantitativo de latopografía, también conocido como Análisis Digital delTerreno o Geomorfometria (Wilson y Galán, 2000; Hengl yReuter, 2008).
• Típicamente, un DEM es un mapa raster (una imagen o unconjunto de elevación) que, al igual que muchas otrascaracterísticas espaciales, puede ser eficientementemodelado utilizando la geoestadística. Los conceptosgeoestadísticos se introdujeron en geomorfometria porFisher (1998)
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
24/35
Modelo constante de incertidumbre
Modelo de incertidumbre de ajuste espacial
Errores estimados del DEM a partir
Mediciones del terreno
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
25/35
Aplicaciones Geoestadistica
• Características del suelo
• En la cartografía digital de suelos, las variables delsuelo, tales como el pH, contenido de arcilla o
concentración de un metal pesado, se asignancada vez utilizando el marco de regresión-kriging:la parte determinista de variación es tratado conmapas de factores formadores de suelo
(climática, relieve y factores geológicos) y losresiduos se tratan a traves de kriging (McBratneyet al., 2.003)
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
26/35
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
27/35
Aplicaciones Geoestadistica
• Variables Meteorológicas
El uso de tecnicas geoestadisticas (Regresion Kriging) de variables climáticas,especialmente los derivados de los DEM, ahora se ven favorecidos en muchasaplicaciones climatológicas (Jarvis y Stuart, 2001; Lloyd, 2005). Actualmentelos DEMs son los más utilizados para ajustar las mediciones en las estacionesmeteorológicas a las condiciones topográficas locales. Otros predictoresauxiliares utilizados van desde la distancia al mar, imágenes meteorológicasde temperatura de la superficie de la tierra, el vapor de agua, de flujo deradiación de onda corta, albedo de la superficie, cubierta de nieve, fracciónde cobertura vegetal
La interpolación de datos climáticos y meteorológicos también es interesanteporque la explicativo (imágenes meteorológicas) los datos son recogidos hoycada vez más en intervalos de tiempo más cortos para que el tiempo de laserie de imágenes están disponibles y se puede utilizar para desarrollarmodelos de regresión-kriging espacio-temporales.
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
28/35
Aplicaciones Geoestadistica
Distribution de especies
• La Geoestadística es considerada como uno de las cuatro tecnicasmas adecuadas para el modelado de la distribución de especies - lasotras tres son: modelos autorregresivos, modelos de estimación deregresión y el parámetro geográficamente ponderado (Miller et al.,
2007). Tipo de técnica mas adecuado para el análisis de lasespecies (ocurrencia ) está determinada en gran medida por labiología de la especie.
• Hay una clara diferencia entre la observación campo de las especiesde animales y plantas y las mediciones de suelo o las variablesmeteorológicas. Especialmente las observaciones de las especies
animales pide altas densidades de muestreo abarcandodimensiones temporales amplias. Si las especies biológicas serepresentan con medidas cuantitativas (densidad, ocurrencia,biomasa, categoría hábitat), tales medidas son adecuadas para suuso con herramientas geoestadísticas estándar.
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
29/35
8/18/2019 Intro Geostat Traduccion
30/35
Aplicaciones Geoestadistica
Downscaling data
Aplicaciones Geoestadistica
8/18/2019 Intro Geostat Traduccion
31/35
Software
Existen múltiples opciones de software desde
acceso libre , open source, comercial con
distintos niveles de procesamiento y con
distintas curvas de aprendizaje.
Software
8/18/2019 Intro Geostat Traduccion
32/35
8/18/2019 Intro Geostat Traduccion
33/35
8/18/2019 Intro Geostat Traduccion
34/35
Por que empezar a usar R y programas
conexos• Es de alta calidad - Es un producto no propietario de colaboración
internacional entre los principales estadísticos.
• Te ayuda a pensar críticamente - Estimula el pensamiento crítico en vezde usar el esquema de “aplaste el botón”
• Se trata de un software de código abierto - se publica el código fuente,para que pueda ver los algoritmos exactos que se utilizan; los estadísticosexpertos pueden asegurarse de que el código es correcto.
• Permite la automatización - procedimientos repetitivos pueden serfácilmente automatizados por los scripts o funciones escritas por elusuario.
• Le ayuda a documentar su trabajo - por secuencias de comandos puedegrabar todos los paso que utilizo (metadatos del procesamiento).
• Puede manejar y generar mapas - ahora también proporciona paquetesenriquecidos para el análisis espacial que incluyen herramientas para lainterpolación y el análisis estadístico de los datos espaciales, incluyendo laimportación y exportación de datos SIG
Tendencia Usuarios
8/18/2019 Intro Geostat Traduccion
35/35
Tendencias futurasA futuro