Operaciones Con El Modulo de Spatial Analyst de ArcGis Parte 1

8/15/2019 Operaciones Con El Modulo de Spatial Analyst de ArcGis Parte 1

1/66

Comparar métodos de interpolaciónEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de

herramientas de Spatial Analyst » Conjunto de herramientas de Interpolación

La interpolación predice valores para las celdas de un ráster a partir de una cantidadlimitada de puntos de datos de muestra. Puede utilizarse para predecir valores desconocidosde cualquier dato de un punto geográfico, tales como: elevación, precipitaciones,concentraciones químicas, niveles de ruido, etc.

Los métodos de interpolación disponibles se enumeran a continuación.

IDW

La herramienta !" #Ponderación de distancia inversa$ utiliza un método de interpolación

que estima los valores de las celdas calculando promedios de los valores de los puntos dedatos de muestra en la vecindad de cada celda de procesamiento. %uanto más cerca está un punto del centro de la celda que se está estimando, más influencia o peso tendrá en el proceso de cálculo del promedio.

Kriging

&riging es un procedimiento de estadísticas geográficas avanzado que genera unasuperficie estimada a partir de un con'unto de puntos dispersados con valores z. (un másque con otros métodos de interpolación, se debe realizar una investigación profunda delcomportamiento espacial del fenómeno representado por los valores z antes de seleccionar

el me'or método de estimación para generar la superficie de salida.

Vecino natural

La interpolación de )ecino natural halla el subcon'unto de muestras de entrada más cercanoa un punto de consulta * aplica ponderaciones sobre ellas basándose en áreas proporcionales para interpolar un valor #+ibson, -$. /ambién se conoce comointerpolación de +ibson o de 0robo de área0.

Spline

La herramienta +pline utiliza un método de interpolación que estima valores usando unafunción matemática que minimiza la curvatura general de la superficie, lo que resulta enuna superficie suave que pasa e1actamente por los puntos de entrada.

http://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006m000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006n000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006p000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006q000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006m000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006n000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006p000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006q000000.htm


2/66

Spline con barreras

La herramienta +pline con barreras utiliza un método similar a la técnica usada en laherramienta +pline, pero la principal diferencia es que esta herramienta distingue lasdiscontinuidades codificadas tanto en las barreras de entrada * como en los datos del punto

de entrada.

Topo a ráster

Las herramientas !e topo a ráster * !e topo a ráster por un archivo utilizan una técnica deinterpolación dise2ada específicamente para crear una superficie que representa con ma*or precisión una superficie de drena'e natural * preserva me'or los cordones monta2osos * lasredes de transmisión de los datos de curvas de nivel de entrada.

3l algoritmo que se utiliza está basado en el de (45!36, desarrollado por 7utchinson *otros en la 5niversidad 4acional de (ustralia.

Tendencia

/endencia es una interpolación polinómica global que a'usta una superficie suave definida por una función matemática #polinómica$ a los puntos de muestra de entrada. La superficiede tendencia cambia gradualmente * captura patrones de escala sin detallar en los datos.

Temas relacionados

Comprender el análisis de interpolaciónEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de


La interpolación predice valores para las celdas de un ráster a partir de una cantidadlimitada de puntos de datos de muestra. Puede utilizarse para prever valores desconocidosde cualquier dato de un punto geográfico, tales como: elevación, precipitaciones,concentraciones químicas * niveles de ruido.

¿Por qué debo interpolar a ráster?

La suposición que hace que la interpolación sea una opción viable es que los ob'etosdistribuidos espacialmente están correlacionados espacialmente8 es decir, las cosas queestán cerca tienden a tener características similares. Por e'emplo, si llueve de un lado de la

http://resources.arcgis.com/es/help/main/10.1/009z/009z0000006r000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006s000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006t000000.htmhttp://www.anu.edu.au/http://resources.arcgis.com/es/help/main/10.1/009z/009z0000006v000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006v000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006r000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006s000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006t000000.htmhttp://www.anu.edu.au/http://resources.arcgis.com/es/help/main/10.1/009z/009z0000006v000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htm


3/66

calle, se puede prever con un alto nivel de confianza que está lloviendo del otro lado de lacalle. /endría menos certeza sobre si está lloviendo en todo el pueblo, * menos a9n acercadel estado del tiempo en el condado vecino.

%on esta analogía, resulta sencillo ver que los valores de los puntos cercanos a los puntos

de muestra tienen más posibilidades de ser similares que los que están más ale'ados. 3sta esla base de la interpolación. 5n uso com9n de la interpolación de punto es crear unasuperficie de elevación a partir de un con'unto de mediciones de muestra. eostatistical(nal*st también proporciona un con'unto completo de métodos de interpolación.

Eemplos de aplicaciones de interpolaci!n

(lgunos e'emplos comunes de aplicaciones de las herramientas de interpolación son lossiguientes. 3n las ilustraciones que los acompa2an se muestra la distribución * los valoresde los puntos de muestra, * el ráster que se genera a partir de ellos.

Interpolar una superficie de precipitaciones

La entrada aquí es el dataset de puntos de valores de niveles de precipitaciones conocidos,como puede observarse en la ilustración a la izquierda. 3n la ilustración a la derecha semuestra un ráster interpolado a partir de estos puntos. Los valores desconocidos se prevéncon una fórmula matemática que utiliza los valores de los puntos conocidos cercanos.

Datos de punto de precipitaciones de

entrada

Supercie de precipitaciones

interpolada

Interpolar una superficie de elevación

5n uso com9n de la interpolación de punto es crear una superficie de elevación a partir deun con'unto de mediciones de muestra.

3n el siguiente gráfico, cada símbolo de la capa de punto representa una ubicación donde semidió la elevación. (l interpolar, se prevén los valores de cada celda entre estos puntos deentrada.

http://resources.arcgis.com/es/help/main/10.1/0031/003100000008000000.htmhttp://resources.arcgis.com/es/help/main/10.1/0031/003100000008000000.htmhttp://resources.arcgis.com/es/help/main/10.1/0031/003100000008000000.htm


4/66

Datos de punto de elevación de

entrada

Supercie de elevación

interpolada

Interpolar una superficie de concentración

3n el siguiente e'emplo, se utilizaron herramientas de interpolación para estudiar lacorrelación de la concentración de ozono en las enfermedades pulmonares en %alifornia. 3nla imagen a la izquierda, se muestran las ubicaciones de las estaciones de monitoreo deozono. 3n la imagen a la derecha, se observa la superficie interpolada, que suministra predicciones para cada ubicación de %alifornia. La superficie se calculó mediante elmétodo ;riging.

!icaciones de punto de estaciones de

monitoreo de o"onoSupercie de predicción

interpolada


5/66

Temas relacionados


6/66


7/66

comienzan a acercarse al valor del punto de muestra más cercano. (l especificar un valormás ba'o de potencia, los puntos circundantes adquirirán más influencia que los que estánmás le'os, lo que resulta en una superficie más suave.

!ebido a que la fórmula de !" no está relacionada con ning9n proceso físico real, no ha*

forma de determinar que un valor de potencia en particular es demasiado grande. %omoguía general, una potencia de => se considera e1tremadamente grande * su uso seríacuestionable. /ambién tenga en cuenta que si las distancias o el valor de potencia songrandes, los resultados pueden ser incorrectos.

Podría decirse que el valor óptimo para la potencia es donde el error absoluto mediomínimo se encuentra en su punto más ba'o. La 31tensión (rc+ eostatistical (nal*st proporciona una forma de investigar esto.

$imitar los puntos utili%ados para la interpolaci!n

Las características de la superficie interpolada también pueden controlarse limitando los puntos de entrada que se utilizan en el cálculo de cada valor de celda de salida. Limitar lacantidad de puntos de entrada considerados puede me'orar la velocidad de procesamiento./ambién tenga en cuenta que los puntos de entrada que están le'os de la ubicación de lacelda donde se realiza la predicción pueden tener escasa o ninguna correlación espacial,esto puede ser una razón para eliminarlos del cálculo.

Puede especificar la cantidad de puntos a utilizar directamente o especificar un radio fi'odentro del cual se incluirán los puntos en la interpolación.

Radio de búsqueda variable

%on un radio de b9squeda variable, se especifica la cantidad de puntos utilizados paracalcular el valor de la celda interpolada, lo que hace que la distancia del radio varíe paracada celda interpolada, seg9n qué tan le'os deba buscar alrededor de cada celda interpolada para alcanzar la cantidad especificada de puntos de entrada. 3ntonces, algunas vecindadesserán peque2as * otras grandes, seg9n la densidad de los puntos medidos cerca de la celdainterpolada. /ambién puede especificar una distancia má1ima #en unidades de mapa$ que elradio de b9squeda no debe sobrepasar. +i el radio de una vecindad determinada alcanza ladistancia má1ima antes de obtener la cantidad especificada de puntos, la predicción de esaubicación se realizará basada en la cantidad de puntos medidos dentro de la distanciamá1ima. Por lo general, utilizará vecindades más peque2as o una cantidad mínima de

puntos cuando el fenómeno tiene una gran cantidad de variación.

Radio de búsqueda fijo

Para un radio de b9squeda fi'o se requiere una distancia de vecindad * una cantidad mínimade puntos. La distancia indica el radio del círculo de la vecindad #en unidades de mapa$. Ladistancia del radio es constante, por lo que para cada celda interpolada, el radio del círculoutilizado para hallar los puntos de entrada es el mismo. La cantidad mínima de puntos


8/66

indica la cantidad mínima de puntos medidos a usar dentro de la vecindad. /odos los puntosmedidos que caen dentro del radio se utilizarán en el cálculo de cada celda interpolada.%uando ha* menos puntos medidos en la vecindad que el mínimo especificado, el radio de b9squeda aumentará hasta que pueda abarcar la cantidad mínima de puntos. 3l radio de b9squeda fi'o especificado se utiliza para cada celda interpolada #celda central$ en el área

de estudio8 por lo tanto, si sus puntos medidos no están distribuidos de forma pare'a #raravez lo están$, es posible que ha*a diferentes cantidades de puntos medidos utilizados en lasdiferentes vecindades para las diversas predicciones.

&sar las barreras

5na barrera es un dataset de polilínea utilizado como línea de corte que limita la b9squedade los puntos de muestra de entrada. 5na polilínea puede representar un acantilado, unacresta u otra interrupción en un paisa'e. +olo se considerarán los puntos de muestra deentrada que estén del mismo lado de la barrera que la celda de procesamiento actual.

'e(erencias

Philip, . 6. * !. ?. "atson. 0( Precise 6ethod for !etermining %ontoured +urfaces0.(ustralian Petroleum 31ploration (ssociation @ournal


9/66

Cómo funciona KrigingEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de


&riging es un procedimiento geoestadístico avanzado que genera una superficie estimada a partir de un con'unto de puntos dispersados con valores z. ( diferencia de otros métodos deinterpolación en el con'unto de herramientas de nterpolación, utilizar la herramienta&riging en forma efectiva implica una investigación interactiva del comportamientoespacial del fenómeno representado por los valores z antes de seleccionar el me'or métodode estimación para generar la superficie de salida.

¿)ué es *riging?

Las herramientas de interpolación !" #!istancia inversa ponderada$ * +pline son

consideradas métodos de interpolación determinísticos porque están basados directamenteen los valores medidos circundantes o en fórmulas matemáticas especificadas quedeterminan la suavidad de la superficie resultante. 7a* una segunda familia de métodos deinterpolación que consta de métodos geoestadísticos, como ;riging, que está basado enmodelos estadísticos que inclu*en la autocorrelación, es decir, las relaciones estadísticasentre los puntos medidos. racias a esto, las técnicas de estadística geográfica no solotienen la capacidad de producir una superficie de predicción sino que también proporcionanalguna medida de certeza o precisión de las predicciones.

&riging presupone que la distancia o la dirección entre los puntos de muestra refle'an unacorrelación espacial que puede utilizarse para e1plicar la variación en la superficie. La

herramienta &riging a'usta una función matemática a una cantidad especificada de puntos oa todos los puntos dentro de un radio específico para determinar el valor de salida para cadaubicación. &riging es un proceso que tiene varios pasos, entre los que se inclu*en, elanálisis estadístico e1ploratorio de los datos, el modelado de variogramas, la creación de lasuperficie * #opcionalmente$ la e1ploración de la superficie de varianza. 3ste método esmás adecuado cuando se sabe que ha* una influencia direccional o de la distanciacorrelacionada espacialmente en los datos. +e utiliza a menudo en la ciencia del suelo * lageología.

$a (!rmula de *riging

3l método ;riging es similar al de !" en que pondera los valores medidos circundantes para calcular una predicción de una ubicación sin mediciones. La fórmula general paraambos interpoladores se forma como una suma ponderada de los datos:

http://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006n000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006n000000.htm


10/66

• donde%

Z(si ) E el valor medido en la ubicación i

λi E una ponderación desconocida para el valor medido en la ubicación i

s0 E la ubicación de la predicción

N E la cantidad de valores medidos

3n !", la ponderación, λi , depende e1clusivamente de la distancia a la ubicación de la predicción. +in embargo, con el método ;riging, las ponderaciones están basadas no solo enla distancia entre los puntos medidos * la ubicación de la predicción, sino también en ladisposición espacial general de los puntos medidos. Para utilizar la disposición espacial enlas ponderaciones, la correlación espacial debe estar cuantificada. Por lo tanto, en un;riging ordinario, la ponderación, λi , depende de un modelo a'ustado a los puntos medidos,

la distancia a la ubicación de la predicción * las relaciones espaciales entre los valoresmedidos alrededor de la ubicación de la predicción. 3n las siguientes secciones se describecómo se utiliza la fórmula general de ;riging para crear un mapa de la superficie de predicción * un mapa de la precisión de las predicciones.

"rear un mapa de la super+cie de predicci!n con el

método *riging

Para llevar a cabo una predicción con el método de interpolación de ;riging, es necesariorealizar dos tareas:

• Descu!rir las re&las de dependencia'• Reali"ar las predicciones'

( fin de completar estas dos tareas, ;riging atraviesa un proceso de dos pasos:

(' Crea los vario&ramas y las funciones de covarian"a para calcular losvalores de dependencia estad)stica *denominada autocorrelaciónespacial+ ,ue dependen del modelo de autocorrelación *ajustar unmodelo+'

-' .rev/ los valores desconocidos *hacer una predicción+'

+e dice que en este método los datos se utilizan dos veces, debido a estas dos tareas biendistintivas: la primera vez, para calcular la autocorrelación espacial de los datos, * lasegunda, para hacer las predicciones.

Variogra(,a

3l a'uste de un modelo, o modelado espacial, también se conoce como análisis estructural ovariografía. 3n el modelado espacial de la estructura de los puntos medidos, se comienza


11/66

con un gráfico del semivariograma empírico, calculado con la siguiente ecuación para todoslos pares de ubicaciones separados por la distancia h:

Semivariogram(distanceh) = 0.5 * average((valuei – valuej)2)

La fórmula implica calcular la diferencia cuadrada entre los valores de las ubicacionesasociadas.

3n la imagen a continuación se muestra la asociación de un punto #en color ro'o$ con todaslas demás ubicaciones medidas. 3ste proceso contin9a con cada punto medido.

C0lculo de la diferencia cuadrada entre las

u!icaciones asociadas

( menudo, cada par de ubicaciones tiene una distancia 9nica * suele haber varios pares de puntos. La diagramación de todos los pares rápidamente se vuelve imposible deadministrar. 3n lugar de diagramar cada par, los pares se agrupan en bins de intervalo. Pore'emplo, calcule la semivarianza promedio de todos los pares de puntos que están a más de

F> metros de distancia pero a menos de A> metros. 3l semivariograma empírico es ungráfico de los valores de semivariograma promediados en el e'e G, * la distancia #ointervalo$ en el e'e H #consulte el diagrama a continuación$.


12/66

Ejemplo de &r0co de semivario&rama

emp)rico

La autocorrelación espacial cuantifica un principio básico de geografía: es más probableque las cosas que están más cerca sean más parecidas que las que están más ale'adas.3ntonces, los pares de ubicaciones que están más cerca #e1tremo izquierdo del e'e H de lanube de semivariograma$ deberían tener valores más similares #parte inferior en el e'e G dela nube de semivariograma$. ( medida que los pares de ubicaciones estén más separadosentre sí #hacia la derecha en el e'e H de la nube de semivariograma$, deberían ser másdistintos * tener una diferencia cuadrada más grande #hacia arriba en el e'e G de la nube desemivariograma$.

-ustar un modelo al semi.ariograma emp,rico

3l siguiente paso es a'ustar un modelo a los puntos que forman el semivariograma

empírico. 3l moldeado del semivariograma es un paso clave entre la descripción espacial *la predicción espacial. La aplicación principal de ;riging es la predicción de los valores deatributo en las ubicaciones que no fueron muestreadas. 3l semivariograma empírico proporciona información sobre la autocorrelación espacial de los datasets. +in embargo, nosuministra información para todas las direcciones * distancias posibles. Por esta razón, * para asegurar que las predicciones de ;riging tengan varianzas de ;riging positivas, esnecesario a'ustar un modelo #es decir, una función o curva continua$ al semivariogramaempírico. 3n resumen, esto es similar al análisis de regresión, en el que se a'usta una línea ocurva continua a los puntos de datos.

Para a'ustar un modelo al semivariograma empírico, seleccione una función que sirva como

modelo, por e'emplo, un tipo esférico que se eleve * nivele las distancias más grandes quesobrepasan un determinado rango #vea el e'emplo del modelo esférico más aba'o$. 31istendesviaciones de los puntos en el semivariograma empírico con respecto al modelo8 algunosestán por encima de la curva del modelo * algunos están por deba'o. +in embargo, si sumala distancia de cada punto por encima de la línea * la distancia de cada punto por deba'o,los dos valores deberían ser similares. 31isten varios modelos de semivariograma paraelegir.


13/66

/odelos de semi.ariograma

La herramienta &riging proporciona las siguientes funciones para elegir el modelado delsemivariograma empírico:

• Circular• Esf/rica

• E1ponencial

• Gaussiana

• 2ineal

3l modelo seleccionado influ*e en la predicción de los valores desconocidos, en particularcuando la forma de la curva cercana al origen difiere significativamente. %uanto más pronunciada sea la curva cercana al origen, más influirán los vecinos más cercanos en la

predicción. %omo resultado, la superficie de salida será menos suave. %ada modelo estádise2ado para a'ustarse a diferentes tipos de fenómenos de forma más precisa.

3n los siguientes diagramas se muestran dos modelos comunes * se identifican lasdiferencias de las funciones:

Un ejemplo del modelo esférico

3n este modelo se muestra una disminución progresiva de la autocorrelación espacial #asícomo un aumento en la semivarianza$ hasta cierta distancia, después de la cual laautocorrelación es cero. 3l modelo esférico es uno de los que más se utilizan.

Ejemplo de modelo esf/rico

Un ejemplo del modelo exponencial

3ste modelo se aplica cuando la autocorrelación espacial disminu*e e1ponencialmentecuando aumenta la distancia. 3n este caso, la autocorrelación desaparece por completo solo


14/66

a una distancia infinita. 3l modelo e1ponencial también es un modelo com9nmenteutilizado. La elección de qué modelo se va a utilizar está basada en la autocorrelaciónespacial de los datos * en el conocimiento previo del fenómeno.

Ejemplo de modelo e1ponencial

( continuación se ilustran más modelos matemáticos.

"omprender un semi.ariograma0 rango1 meseta 2

nugget

%omo se indicó previamente, el semivariograma muestra la autocorrelación espacial de los puntos de muestra medidos. /al como lo e1presa un principio básico de la geografía #lascosas más cercanas son más parecidas$, los puntos medidos que están cerca por lo generaltendrán una diferencia cuadrada menor que la de aquellos que están más distanciados. 5na

vez diagramados todos los pares de ubicaciones después de haber sido colocados en un bin,se a'usta un modelo para estas ubicaciones. 3l rango, la meseta * el nugget se utilizan,generalmente, para describir estos modelos.

Rango y meseta

(l observar el modelo de un semivariograma, notará que a una determinada distancia, elmodelo se nivela. La distancia a la que el modelo comienza a aplanarse se denomina rango.Las ubicaciones de muestra separadas por distancias más cortas que el rango estánautocorrelacionadas espacialmente, mientras que las ubicaciones que están más ale'adasque el rango, no lo están.

http://resources.arcgis.com/es/help/main/10.1/009z/009z00000076000000.htm#GUID-94A34A70-DBCF-4B23-A198-BB50FB955DC0http://resources.arcgis.com/es/help/main/10.1/009z/009z00000076000000.htm#GUID-94A34A70-DBCF-4B23-A198-BB50FB955DC0


15/66

Ilustración de componentes de ran&o3

meseta y nu&&et

3l valor en el cual el modelo de semivariograma alcanza el rango #el valor en el e'e G$ sedenomina meseta. 5na meseta parcial es la meseta menos el nugget. 3l nugget se describeen la siguiente sección.

Nugget

3n teoría, a una distancia de separación cero #por e'. intervalo E >$, el valor delsemivariograma es >. 4o obstante, a una distancia de separación infinitamente inferior, elsemivariograma a menudo muestra un efecto nugget, que es un valor ma*or que >. +i elmodelo de semivariograma intercepta el e'e G en


16/66

(hora puede utilizar los datos para realizar predicciones. (l igual que la interpolación de!", ;riging forma ponderaciones a partir de los valores medidos circundantes para preverubicaciones sin mediciones. (simismo, los valores medidos que estén más cerca de lasubicaciones sin mediciones tienen la ma*or influencia. +in embargo, las ponderaciones de;riging para los puntos medidos circundantes son más sofisticadas que las del método !".

3ste 9ltimo utiliza un algoritmo simple basado en la distancia, mientras que las ponderaciones de ;riging provienen de un semivariograma que se desarrolló observando lanaturaleza espacial de los datos. Para crear una superficie continua del fenómeno, serealizan predicciones para cada ubicación, o centro de celda, en el área de estudio basadasen el semivariograma * la disposición espacial de los valores medidos que son cercanos.

$os métodos *riging

31isten dos métodos ;riging: ordinario * universal.

3l ;riging ordinario es el más general * más utilizado de los métodos ;riging * es el

predeterminado. Presupone que el valor medio constante es desconocido. 3sa es una presuposición razonable a menos que ha*a una razón científica para rechazarla.

3l ;riging universal presupone que ha* una tendencia de invalidación en los datos, pore'emplo, un viento prevaleciente, * puede modelarse a través de la función determinística polinómica. 3sta función polinómica se resta de los puntos medidos originalmente * laautocorrelación se modela a partir de los errores aleatorios. 5na vez que el modelo se a'ustaa los errores aleatorios * antes de realizar una predicción, se vuelve a sumar la función polinómica a las predicciones para obtener resultados significativos. 3l ;riging universalsolo se debe utilizar si se conoce una tendencia en los datos * se puede dar una 'ustificacióncientífica para describirla.

3rá+cos de semi.ariograma

&riging es un procedimiento comple'o que requiere de un ma*or conocimiento sobre lasestadísticas espaciales que lo que se puede abarcar en este tema. (ntes de utilizar estemétodo, debe comprender profundamente sus principios básicos * evaluar la adecuación desus datos para realizar un modelo con esta técnica. +i no comprende bien este procedimiento, se recomienda que repase algunas de las referencias enumeradas al pie deeste tema.

&riging se basa en una teoría de variables regionalizadas que presupone que la variación

espacial en el fenómeno representado por los valores z es estadísticamente homogénea a lolargo de toda la superficie #por e'., se puede observar el mismo patrón de variación en todaslas ubicaciones sobre la superficie$. 3sta hipótesis de homogeneidad espacial esfundamental para la teoría de variables regionalizadas.


17/66

/odelos matemáticos

( continuación se presentan las formas generales * las ecuaciones de los modelosmatemáticos utilizados para describir la semivarianza.

Ilustración de modelo de semivarian"a esf/rica

Ilustración de modelo de semivarian"a circular


18/66

Ilustración de modelo de semivarian"a e1ponencial

Ilustración de modelo de semivarian"a &aussiana

Ilustración de modelo de semivarian"a lineal

'e(erencias

Iurrough, P. (. Principles of eographical nformation +*stems for Land Cesources(ssessment. 4eJ Gor;: K1ford 5niversit* Press. -.

7eine, . ". 0( %ontrolled +tud* of +ome /JoM!imensional nterpolation 6ethods0.%K+ %omputer %ontributions = #n.N BD


19/66

Press, ". 7., +. (. /eu;ols;*, ". /. )etterling * I. P. ?lanner*. 4umerical Cecipes in %:/he (rt of +cientific %omputing. 4eJ Gor;: %ambridge 5niversit* Press. -.

Co*le, (. ., ?. L. %lausen * P. ?rederi;sen. 0Practical 5niversal &riging and (utomatic%ontouring0. eoprocessing : =DDB=-F. -.


20/66

Cómo funciona Vecino naturalEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de


3l algoritmo utilizado por la herramienta de interpolación de )ecino natural halla elsubcon'unto de muestras de entrada más cercano a un punto de consulta * aplica ponderaciones sobre éstas basándose en áreas proporcionales para interpolar un valor#+ibson, -$. /ambién se conoce como interpolación de +ibson o de 0robo de área0. +us propiedades básicas son que es local, utiliza solo un subcon'unto de muestras que circundana un punto de consulta * asegura que las alturas interpoladas estarán dentro del rango de lasmuestras utilizadas. 4o infiere tendencias ni produce picos, depresiones, crestas o vallesque no estén *a representados por las muestras de entrada. La superficie pasa por lasmuestras de entrada * es suave en todas partes, e1cepto en las ubicaciones de las muestrasde entrada.

Su&erencia%

+i tiene la 31tensión =! (nal*st de (rc+, puede utilizar la herramienta !e /4 a ráster para incorporar líneas de corte a la interpolación. Ostas pueden aumentar los resultados dela interpolación * crear discontinuidades lineales donde sea adecuado, como a lo largo delos bordes de las carreteras * los cuerpos hídricos. +e adapta localmente a la estructura delos datos de entrada, sin requerir entrada del usuario relativa al radio de b9squeda, el conteode las muestras o a la forma. ?unciona bien tanto con los datos distribuidos regularmentecomo irregularmente #"atson --


21/66

Ejemplo de pol)&ono de #oronoi creado alrededor del punto de

interpolación

Por comparación, una herramienta de interpolación basada en la distancia como !"#!istancia inversa ponderada$ asignaría ponderaciones similares al punto que se encuentramás al norte * al que se encuentra más al noreste, basándose en su distancia similar desde el punto de interpolación. La interpolación de vecino natural, no obstante, asigna ponderaciones de -,,=, respectivamente, que están basadas en el porcenta'e desuperposición.

'e(erencias

+ibson, C. 0( Irief !escription of 4atural 4eighbor nterpolation0, capítulo < denterpolating 6ultivariate !ata. 4eJ Gor;: @ohn "ile* Q +ons, -.


22/66


23/66

Cómo funciona SplineEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de


La herramienta +pline utiliza un método de interpolación que estima valores usando unafunción matemática que minimiza la curvatura general de la superficie, lo que resulta enuna superficie suave que pasa e1actamente por los puntos de entrada.

4ondo conceptual

%onceptualmente, los puntos de muestra se e1truden a la altura de su magnitud8 splinecurva una ho'a de goma que pasa a través de los puntos de entrada mientras minimiza lacurvatura total de la superficie. ('usta una función matemática a una cantidad especificadade puntos de entrada más cercanos mientras pasa a través de los puntos de muestra. 3ste

método es me'or para generar superficies que varían levemente, como la elevación, la alturade las tablas de agua o las concentraciones de contaminación.

La forma básica de la curvatura mínima de interpolación por spline impone las siguientesdos condiciones en el interpolante:

• 2a supercie de!e pasar e1actamente por los puntos de datos'• 2a supercie de!e tener una curvatura m)nima *la suma acumulativa de

los cuadrados de los t/rminos de la derivada se&unda de la supercietomada so!re cada punto de la supercie de!e ser m)nima+'

La técnica de curvatura mínima básica también se conoce como interpolación por láminadelgada. (segura una superficie suave #continua * diferenciable$, 'unto con superficiescontinuas de derivada primera. 3n las inmediaciones de los puntos de datos pueden ocurrircambios rápidos en la gradiente o pendiente #derivada primera$, por lo que este modelo noes adecuado para estimar la derivada segunda #curvatura$.

La técnica de interpolación básica se puede aplicar utilizando un valor de cero para elargumento de Peso en la herramienta +pline.

Tipos de spline

31isten dos métodos de spline: regularizado * de tensión. 3l método regularizado crea unasuperficie suave que cambia gradualmente con los valores que pueden estar afuera delrango de datos de muestra. 3l método de tensión controla la rigidez de la superficie deacuerdo al carácter del fenómeno modelado. %rea una superficie menos suave con valoresque están más restringidos por el rango de datos de la muestra.

Tipo de spline regulariado

http://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006q000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006q000000.htm


24/66

La opción C35L(CR3! modifica el criterio de minimización para que los términos dela derivada tercera se incorporen a los criterios de minimización. 3l parámetro de Pesoespecifica el peso ad'unto a los términos de la derivada tercera durante la minimización,que se denomina τ #tau$ en la documentación. Los valores más altos de este término producen superficies más suaves. Los valores entre > * >,A son adecuados. (l utilizar la

opción C35L(CR3! se asegura una superficie suave 'unto con superficies suaves dederivada primera. 3sta técnica es 9til si es necesario calcular la derivada segunda de lasuperficie interpolada.

Tipo de spline de tensión

La opción /34+K4 modifica el criterio de minimización para que los términos de laderivada primera se incorporen a los criterios de minimización. 3l parámetro de Pesoespecifica el peso ad'unto a los términos de la derivada primera durante la minimización,que se denomina S #phi$ en la documentación. 5n peso de cero resulta en la interpolación por spline por lámina delgada básica. (l utilizar un valor de peso más grande, se reduce la

rigidez de la lámina *, a medida que phi se acerca al infinito en el límite, la superficie seapro1ima a la forma de una membrana, u ho'a de goma, que pasa por los puntos. Lasuperficie interpolada es suave. Las derivadas primeras son continuas pero no suaves.

Parámetros adicionales de spline

3s posible lograr un ma*or control de la superficie de salida mediante dos parámetrosadicionales: el peso * la cantidad de puntos.

!ar"metro de peso

Para el método de spline regularizado, el parámetro de Peso define el peso de las derivadasterceras de la superficie en la e1presión de la minimización de la curvatura. %uanto másalto es el peso, más suave es la superficie de salida. Los valores introducidos para este parámetro deben ser iguales o ma*ores que cero. Los valores comunes que pueden usarseson >8 >,>>8 >,>8 >, * >,A.

Para el método de spline de tensión, el parámetro de Peso define el peso de la tensión.%uanto más alto es el peso, más gruesa es la superficie de salida. Los valores introducidosdeben ser iguales o ma*ores que cero. Los valores comunes son >, , A * >.

!ar"metro de cantidad de puntos

La %antidad de puntos identifica el n9mero de puntos que se utilizan en el cálculo de cadacelda interpolada. %uantos más puntos de entrada especifique, ma*or será la influencia delos puntos distantes sobre cada celda * más suave será la superficie de salida. %uanto másgrande sea la cantidad de puntos, más tiempo llevará procesar el ráster de salida.


25/66

$a ecuaci!n de spline

3l algoritmo que utiliza la herramienta +pline se basa en la siguiente fórmula para lainterpolación de la superficie:

• donde%

' E ,


26/66

es el parámetro de Peso.

& o es la función de Iessel modificada.

c es una constante igual a >,ADD


27/66

6itas, L. * 7. 6itasova. -. eneral )ariational (pproach to the nterpolation Problem.Computer and Mathematics with Applications. )ol. . 4.V


28/66


29/66

Cómo funciona De topo a rásterEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de


La herramienta !e topo a ráster es un método de interpolación dise2ado específicamente para crear modelos digitales de elevación #!36$ hidrológicamente correctos. 3stá basadoen el programa (45!36 desarrollado por 6ichael 7utchinson #-, --, --, >>,$. )ea 7utchinson and !oJling #--$, (45 ?enner +chool of 3nvironment and+ociet* * eoscience (ustralia #>$ para obtener aplicaciones de (45!36 para producción de !36 en todo el continente. Las aplicaciones de !36 para modeladoambiental se tratan en 7utchinson and allant #>>$ * 7utchinson #>$. Ktrosdesarrollos de (45!36 se tratan en 7utchinson et al. #>-, $. La versión actual de(45!36 utilizada en (rc+ es A.=.

!e topo a ráster interpola los valores de elevación para un ráster mientras se imponenrestricciones que aseguran:

• na estructura de drenaje conectado• 2a correcta representación de crestas y arroyos a partir de los datos de

curvas de nivel de entrada

%omo tal, es el 9nico interpolador de (rc+ dise2ado específicamente para traba'ar deforma inteligente con entradas de curvas de nivel.

La herramienta !e topo a ráster por archivo es 9til para e'ecutar la herramienta !e topo aráster varias veces, *a que es a menudo más fácil cambiar una entrada 9nica en el archivo

de parámetros * volver a e'ecutar la herramienta que volver a completar el cuadro dediálogo de la herramienta todas las veces.

El proceso de interpolaci!n

3l procedimiento de interpolación se dise2ó para aprovechar los tipos de datos de entradacom9nmente disponibles * las características conocidas de las superficies de elevación.3ste método utiliza una técnica de interpolación de diferencia finita iterativa. +e optimiza para tener la eficacia computacional de los métodos de interpolación local, como lainterpolación de distancia inversa ponderada #!"$, sin perder la continuidad de lasuperficie de los métodos de interpolación global, como &riging * +pline. 3s,esencialmente, una técnica de spline de lámina delgada discretizada #"ahba, -->$ a la cualse le modificó la penalización por rugosidad para permitir que el !36 a'ustado siga loscambios abruptos en el terreno, como arro*os, crestas * acantilados.

3l agua es la principal fuerza erosiva que determina la forma general de la ma*oría de los paisa'es. 3s por esto que la ma*oría de los paisa'es tienen varias cumbres #má1imoslocales$ * pocos sumideros #mínimos locales$, lo que resulta en un patrón de drena'econectado. !e topo a ráster utiliza este conocimiento de las superficies e impone

http://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006s000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006s000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006t000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006t000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006s000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006t000000.htm


30/66

restricciones al proceso de interpolación que resulta en una estructura de drena'e conectado* la correcta representación de crestas * arro*os. 3sta condición de drena'e impuesto produce superficies con ma*or e1actitud * menos datos de entrada. La cantidad de datos deentrada puede ser de hasta un orden de magnitud menor que lo que se requierenormalmente para describir de manera adecuada una superficie con curvas de nivel

digitalizadas, lo que minimiza a9n más las e1pensas de obtener !36 confiables. Lacondición de drena'e global también elimina prácticamente cualquier necesidad de edicióno postproceso para quitar los sumideros espurios de la superficie generada.

3l programa act9a de manera conservadora en la eliminación de sumideros * no imponecondiciones de drena'e en las ubicaciones que podrían contradecir los datos de elevación deentrada. 3stas ubicaciones suelen aparecer en el archivo de diagnóstico como sumideros.5tilice esta información para corregir los errores en los datos, en particular cuando procesadatasets de gran tama2o.

#l proceso de aplicación de drenaje

3l propósito del proceso de aplicación de drena'e es quitar todos los puntos de sumiderosen el !36 de salida que no se identificaron como sumideros en el dataset de entidades desumidero de entrada. 3l programa presupone que todos los sumideros no identificados sonerrores, *a que, por lo general, es poco com9n encontrarlos en paisa'es naturales#oodchild * 6ar;, -D$.

3l algoritmo de aplicación de drena'e intenta eliminar los sumideros espurios modificandoel !36, infiriendo las líneas de drena'e a través del punto de collado más ba'o en el área dedrena'e que circunda cada sumidero espurio. 4o intenta eliminar los sumideros realessuministrados por la función +umidero. %omo la eliminación de sumideros está su'eta a la

tolerancia de elevación, el programa es conservador al intentar eliminar los sumiderosespurios. 3s decir, no elimina los sumideros espurios que puedan contradecir los datos deelevación de entrada por más del valor de /olerancia .

La aplicación de drena'e también se puede complementar con la incorporación de los datosde línea de arro*os. 3sto es 9til cuando se requiere una ubicación más precisa de losarro*os. !istributarios de arro*os se modelan permitiendo a cada celda tener hasta dosdirecciones aguas aba'o.

3s posible desactivar la aplicación de drena'e, en cu*o caso, se ignora el proceso deeliminación de sumideros. 3sto puede ser 9til si tiene datos de curvas de nivel de algo

diferente a la elevación #por e'emplo, la temperatura$ para los que desea crear unasuperficie.

Uso de los datos de curvas de nivel

Las curvas de nivel eran originalmente el método más com9n para el almacenamiento * la presentación de la información de elevación. Lamentablemente, este método también es elmás difícil de utilizar de manera adecuada con las técnicas de interpolación general. La


31/66

desventa'a radica en el submuestreo de la información entre las curvas de nivel, en especialen las áreas de relieve ba'o.

(l comienzo del proceso de interpolación, !e topo a ráster emplea información inherente alas curvas de nivel para construir un modelo inicial de drena'e generalizado. 3sto se realiza

mediante la identificación de puntos de curvatura local má1ima en cada curva de nivel. 5nared de arro*os * crestas curvilíneas que interseca esos puntos se deriva utilizando lacuadrícula de elevación inicial #7utchinson, -$. Las ubicaciones de esas líneas seactualizan iterativamente a medida que las elevaciones de !36 se actualizaniterativamente. 3sta información se utiliza para garantizar propiedadeshidrogeomorfológicas adecuadas del !36 de salida * también se pueden utilizar paraverificar la precisión del !36 de salida.

Los puntos de datos de curvas de nivel también se utilizan en la interpolación de valores deelevación en cada celda. /odos los datos de curvas de nivel se leen * generalizan. 5nmá1imo de >> puntos de datos se leen desde las curvas de nivel dentro de cada celda, con

el valor de la elevación promedio que se utiliza como el 9nico punto de datos de elevación para cada celda que interseca los datos de línea de curvas de nivel. 3n cada resolución!36, se utiliza solo un punto crítico para cada celda. Por esta razón, es redundante teneruna densidad de curvas de nivel con varias curvas de nivel que cruzan las celdas de salida.

5na vez que se determina la morfología general de la superficie, los datos de curvas denivel también se utilizan en la interpolación de valores de elevación en cada celda.

%uando estos datos se usan para interpolar información de elevación, se leen * generalizantodos los datos de curvas de nivel. +e lee un má1imo de A> puntos de datos de estas curvasde nivel dentro de cada celda. !espués de la resolución final, se utiliza solo un punto crítico para cada celda. Por esta razón, es redundante tener una densidad de curvas de nivel convarias curvas de nivel que cruzan las celdas de salida.

Uso de datos de lago

Los polígonos de lago en versiones anteriores de !e topo a ráster eran simples máscarasque establecían la elevación de cada superficie de lago a la elevación mínima de todos losvalores del !36 vecinos del lago. +e actualizó el algoritmo de los límites del lago parahabilitar la determinación automática de las alturas del lago que son totalmente compatiblescon la cone1ión de líneas de arro*os * los valores de elevación vecinos.

3l método revisado de los límites del lago también trata cada límite del lago como unacurva de nivel con elevación desconocida * calcula iterativamente la elevación de estacurva de nivel desde los valores de celda en el límite del lago. (l mismo tiempo, laelevación de cada límite del lago se establece para a'ustarse a las elevaciones de cualquierlago aguas arriba o aguas aba'o. La elevación de cada límite del lago también se establece para que sea coherente con los valores de !36 vecinos. Los valores de celdainmediatamente fuera del lago se establecen para estar sobre la elevación del límite del lago


32/66

* los valores de celda en el interior del lago se establecen para estar por deba'o de laelevación del límite del lago.

Los límites del lago pueden incluir islas dentro de lagos * lagos dentro de islas. /odos losvalores de !36 que se encuentran dentro de los lagos, seg9n lo determinan los polígonos

del límite del lago, se establecen a la altura estimada del !36 en el límite del lago.

Uso de datos de acantilados

Las líneas de acantilado permiten un corte completo continuo entre los valores de celdavecinos en cada lado de las líneas de datos de acantilados, seg9n están codificados en elráster de salida. Las líneas de acantilados se deben proporcionar como líneas dirigidas, conel lado ba'o de cada línea de acantilado a la izquierda * el lado alto de la línea deacantilados a la derecha. 3sto permite la eliminación de puntos de datos de elevación que seencuentran en el lado equivocado de los acantilados, seg9n están codificados en el ráster,así como una me'or ubicación de los acantilados en relación a los arro*os.

/ambién se ha descubierto que los peque2os cambios en la posición de los arro*os * losacantilados a medida que se incorporan en el ráster pueden dar lugar a falsas interaccionesentre estos datos. Por lo tanto, se ha desarrollado un método automatizado para realizar peque2os a'ustes en la ubicación de las líneas de arro*os * acantilados en el ráster paraminimizar estas falsas interacciones.

Uso de datos de l+neas de costa

Las celdas en el !36 de salida final que se encuentran fuera de los polígonosespecificados por esta clase de entidad poligonal se establecen en un valor especial

determinado internamente * que es menor que el límite de altura mínima especificado porel usuario. 3l resultado de esto es que un polígono costero completo se puede utilizar comoentrada * automáticamente se recorta a la e1tensión del procesamiento.

Interpolación de varias resoluciones

3l programa utiliza un método de interpolación de varias resoluciones, que comienza conun ráster grueso * sigue con la resolución más fina especificada por el usuario. 3n cadaresolución, se aplican las condiciones de drena'e, se lleva a cabo la interpolación * seregistra la cantidad de sumideros restantes en el archivo de diagnóstico de salida.

Procesar datos de arro2os

La herramienta !e topo a ráster requiere que los datos de la red de arro*os tengan todos losarcos apuntando hacia aba'o * que no ha*a polígonos #lagos$ en la red.

Los datos de arro*os deben estar compuestos por arcos individuales en un patróndendrítico, con los bancos de arro*os paralelos, polígonos de lago, etc. que se limpian através de la edición interactiva. (l editar polígonos de lago fuera de la red, se debe ubicar


33/66

un arco individual desde el principio al final del área contenida. 3l arco debe seguir la rutade un lecho fluvial histórico si se conoce o e1iste uno. +i se conoce la elevación del lago, el polígono del lago * su elevación se pueden utilizar como entrada %K4/K5C.

Para visualizar la dirección de las secciones de línea, cambie la +imbología a la opción

?lecha en el e1tremo. %on esta opción se dibu'arán las secciones de línea con un símbolode flecha que muestra las direcciones de las líneas.

40s información so!re invertir l)neas

"rear rásteres ad2acentes 2 reali%ar mosaicos con ellos

( veces es necesario crear !36 a partir de teselas ad*acentes de datos de entrada.eneralmente, esto ocurre cuando las entidades de entrada se derivan de una serie de ho'asde mapa o cuando, debido a limitaciones de memoria, los datos de entrada deben procesarseen varias partes.

3l proceso de interpolación utiliza datos de entrada de las áreas circundantes para definir lamorfología * el drena'e de la superficie, e interpolar los valores de salida. +in embargo, losvalores de celda de los bordes de cualquier !36 de salida no son tan confiables como losdel área central *a que están interpolados con la mitad de la información.

Para realizar las predicciones más precisas en los bordes del área de interés, la e1tensión delos datasets de entrada debe ser ma*or que el área de interés. 3l parámetro 6argen enceldas proporciona un método para acortar los bordes de los !36 de salida seg9n unadistancia especificada por el usuario. Los bordes de las áreas superpuestas deben tener almenos celdas de ancho.

!ebe haber un poco de superposición de los datos de entrada en las áreas ad*acentescuando se combinan varios !36 de salida en un ráster 9nico. +in esta superposición, es posible que los bordes de los !36 fusionados no sean suaves. Las e1tensiones de losdatasets de entrada de cada una de las interpolaciones deben tener un área a9n más grandeque si solo se fuera a hacer una interpolación para una interpolación simple, de forma deasegurar que los bordes se puedan prever de manera tan precisa como sea posible.

!espués de crear los !36, se pueden combinar me'or utilizando la herramienta degeoprocesamiento 6osaico con las opciones %ombinar o )alor medio. 3sta función proporciona opciones para administrar áreas superpuestas a fin de suavizar la transición

entre los datasets.

E.aluar la salida

%ada superficie creada se debe evaluar para asegurar que los datos * parámetrossuministrados al programa resulten en una representación realista de la superficie. 7a*varias formas de evaluar la calidad de una superficie de salida, seg9n el tipo de entradadisponible para crear la superficie.

http://resources.arcgis.com/es/help/main/10.1/01m6/01m60000000r000000.htmhttp://resources.arcgis.com/es/help/main/10.1/0017/001700000097000000.htmhttp://resources.arcgis.com/es/help/main/10.1/0017/001700000097000000.htmhttp://resources.arcgis.com/es/help/main/10.1/01m6/01m60000000r000000.htmhttp://resources.arcgis.com/es/help/main/10.1/0017/001700000097000000.htm


34/66

La evaluación más com9n es crear curvas de nivel a partir de la superficie nueva con laherramienta %urva de nivel * compararlas con los datos de curvas de nivel de entrada. 3sme'or crear estas curvas de nivel nuevas a la mitad del intervalo de la curva de niveloriginal para e1aminar los resultados entre éstas. !ibu'ar las curvas de nivel originales * lasnuevas una sobre la otra puede a*udar a identificar los errores de interpolación.

Ktro método de comparación visual es comparar la cubierta opcional de drena'e de salidacon arro*os * crestas conocidos. La clase de entidad de drena'e contiene los arro*os * lascrestas que se generaron mediante el programa durante el proceso de aplicación de drena'e.3stos arro*os * crestas deben coincidir con los arro*os * las crestas conocidos del área. +ise utilizó una clase de entidad de arro*o como entrada, los arro*os de salida debensuperponerse casi perfectamente con los arro*os de entrada, aunque pueden ser levementemás generalizados.

5n método com9n para evaluar la calidad de una superficie generada es retener un porcenta'e de los datos de entrada del proceso de interpolación. !espués de generar la

superficie, la altura de estos puntos conocidos se puede sustraer de la superficie generada para e1aminar con qué precisión la superficie nueva representa la superficie real. 3stasdiferencias se pueden usar para calcular una medida de error para la superficie, como elerror cuadrático medio #C6+$.

!e topo a ráster tiene un con'unto completo de procedimientos para evaluar la calidad del!36 a'ustado, optimizar la resolución del !36 * detectar errores en los datos de entrada.

• 3l archivo de diagnóstico de salida opcional se puede utilizar para evaluar con quéefectividad los a'ustes de tolerancia eliminan los sumideros de los datos de entrada.!isminuir los valores de las tolerancias puede hacer que el programa se comportede forma más conservadora al eliminar los sumideros.

• La clase de entidad de puntos de sumideros restantes de salida contiene lasubicaciones de todos los sumideros espurios restantes. 3sto se debe inspeccionar 'unto con las entidades de polilínea de arro*o de salida para verificar errores entodos los datos topográficos de entrada.

• La clase de entidad de puntos residuales de salida contiene las ubicaciones de todoslos valores residuales grandes de los datos de elevación seg9n las escalas que proporciona el error de discretización local. Los valores residuales de gran escalaindican conflictos entre los datos de elevación de entrada * los datos de línea dearro*os. 3sos valores también pueden estar asociados con aplicaciones automáticasde drena'e deficientes. 3stos conflictos se pueden resolver proporcionando datosadicionales de elevación del punto o de la línea de arro*os después de la primeraverificación * corrección de errores en los datos de entrada e1istentes. Los valoresresiduales sin escala generalmente indican errores de elevación de entrada.

• La clase de entidad de puntos de error de curvas de nivel de salida contiene lasubicaciones de los puntos en las curvas de nivel de entrada con residualesconsiderablemente influenciados desde el !36 a'ustado. 5n )alor de error de

http://resources.arcgis.com/es/help/main/10.1/009z/009z000000ts000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z000000ts000000.htm


35/66

con frecuencia indica la ubicación de puntos donde las curvas de nivel con distintaselevaciones están conectadas, un indicador seguro de un error de etiqueta de curvade nivel.

• La clase de entidad de puntos de error de acantilado * de arro*o de salida es un

indicador importante de la calidad de los datos de la línea de acantilados * línea dearro*os, particularmente de los errores de dirección de arro*os * acantilados, *siempre se debe inspeccionar.

La clase de entidad tiene los siguientes códigos:

(' Circuito real en la red de l)nea de transmisión de datos'-' El circuito en la red de corriente se&5n se codica en el r0ster de

salida'

6' El circuito en la red de corrientes a trav/s de la cone1ión de losla&os'

7' .unto de !ifurcaciones de r)os'

8' 9ransmisión en un acantilado *cataratas+'

:' .untos ,ue indica varios ;ujos de salida de corrientes de los la&os'

' Códi&o no utili"ado'

(?'@ifurcaciones de r)os circulares eliminadas'

(('@ifurcaciones de r)os sin corriente ,ue ;uye hacia adentro'

(-'@ifurcaciones de r)os rasteri"adas en celda de salida diferentes allu&ar en donde ocurren las !ifurcaciones de r)os de la l)nea detransmisión de datos'

(6'Error al procesar las condiciones laterales% un indicador de datosde l)nea de transmisión muy complejos'

• La clase de entidad de polilínea de arro*o de salida contiene todas las restricciones

de drena'e impuestas por !e topo a ráster seg9n lo determinan los datos de línea dearro*o de entrada, las líneas de arro*o * las líneas de cordillera que se deducen delos datos de curva de nivel * las líneas de arro*o que se obtienen a través de laaplicación automática de drena'e. 3stos se pueden inspeccionar para comprobar loserrores de ubicación en las líneas de arro*os de entrada * verificar la concordanciaadecuada con las restricciones asociadas con las líneas de arro*os de entrada * lasaplicaciones automatizadas de drena'e. ( cada tipo de línea de arro*os derivado sele asigna un código diferente. Las líneas de arro*os que cruzan líneas de acantilados


36/66

se indican con líneas de longitud de arro*os cortas8 una celda con un códigoindividual. La clase de entidad también inclu*e líneas que indican grandes márgenesde los datos de elevación de origen a través de la cone1ión de las líneas de arro*os *lagos que superan la segunda tolerancia de elevación. 3stos pueden ser un indicador 9til de los errores en los datos de elevación de origen.

Las entidades de polilínea se codifican de la siguiente forma:

(' 2)nea de transmisión de entrada no est0 so!re un acantilado'-' 2)nea de transmisión de entrada so!re un acantilado *cascada+'

6' Aplicación de drenaje despejando un sumidero espurio'

7' 2)nea de transmisión determinada desde la es,uina de curvas denivel'

8' 2)nea de cresta determinada desde la es,uina de curvas de nivel'

:' Códi&o no utili"ado'

' 2)nea ,ue indica &randes m0r&enes en datos de elevación'

Influencia de las curvas de nivel

31iste una influencia menor en el algoritmo de interpolación que hace que las curvas denivel de entrada tengan un efecto más fuerte en la superficie de salida en la curva de nivel.

3sta influencia puede resultar en un aplanamiento leve de la superficie de salida cuandocruza la curva de nivel. 3sto puede generar resultados confusos al calcular la curvatura del perfil de la superficie de salida pero no es notable de otro modo.

"ausas posibles de problemas con De topo a ráster

+i encuentra alg9n problema al e'ecutar !e topo a ráster, revise los siguientes puntos paraobtener e1plicaciones * soluciones para los problemas más comunes.

• o hay recursos de sistemas sucientes disponi!les' 2os al&oritmosutili"ados en la herramienta De topo a r0ster contienen tanta

información como es posi!le en la memoria durante el procesamiento'Esto permite acceder simult0neamente a los datos de punto3 de curvasde nivel3 de sumidero3 de arroyo y de la&o' .ara facilitar elprocesamiento de datasets &randes3 se recomienda cerrar lasaplicaciones innecesarias antes de ejecutar la herramienta pera li!erarmemoria RA4 f)sica' 9am!i/n es importante tener cantidades sucientesde espacio de intercam!io del sistema en el disco'


37/66

• 2a curva de nivel o el punto de entrada puede ser demasiado denso parael tamaBo de la celda de salida especicado' Si una celda de salidacu!re varias curvas de nivel o puntos de entrada3 el al&oritmo podr)a nopoder determinar el valor de esa celda' .ara resolver esto3 intente unade las si&uientes opciones%

o Disminuya el tamaBo de la celda3 lue&o3 realice un remuestreo altamaBo m0s &rande de celda despu/s de De topo a r0ster'

o Rasterice las secciones m0s pe,ueBas de los datos de entradautili"ando la E1tensión de salida y el 4ar&en en celdas' Ensam!lelos r0steres de componentes resultantes con la herramienta4osaico'

o Recorte los datos de entrada en secciones superpuestas y ejecuteDe topo a r0ster en cada sección por separado' Ensam!le losr0steres de componentes resultantes con la herramienta 4osaico'

• 2a aplicación de un interpolador de supercie puede no ser consistentecon el dataset de entrada' .or ejemplo3 la herramienta fallar0 si hay unaentrada de sumideros con m0s puntos ,ue las celdas ,ue ha!r0 en elr0ster de salida' 2as fuentes de datos muestreados densamente3 talescomo los datos 2IDAR3 pueden tener pro!lemas similares' sar la opciónERCE puede ayudar en este caso3 pero es importantecomprender adecuadamente cómo funciona el interpolador para evitaruna aplicación incorrecta'

'e(erencias

(45 ?enner +chool of 3nvironment and +ociet* and eoscience (ustralia, >.

3K!(/( - +econd !36 and ! !igital 3levation 6odel and ?loJ !irection rid, 5ser uide. eoscience (ustralia, F= pp. %onsulte:http:WWJJJ.ga.gov.auWimageXcacheW(FF.pdf.

oodchild, 6. ?., and !. 6. 6ar;. -D. /he fractal nature of geographic phenomena.(nnals of (ssociation of (merican eographers. DD #


38/66

7utchinson, 6. ?. --=. !evelopment of a continentMJide !36 Jith applications toterrain and climate anal*sis. 3n 3nvironmental 6odeling Jith +, ed. 6. ?. oodchild etal., =->. Kptimising the degree of data smoothing for locall* adaptive finiteelement bivariate smoothing splines. (4R(6 @ournal F>. !igital elevation models and representation ofterrain shape. 3n: @.P. "ilson and @.%. allant #eds$ /errain (nal*sis. "ile*, 4eJ Gor;, pp..

7utchinson, 6.?. >. (dding the RMdimension. 3n: @.P. "ilson and (.+. ?otheringham#eds$, 7andboo; of eographic nformation +cience, Ilac;Jell, pp FFB.

7utchinson, 6.?., +tein, @.(., +tein, @.L. and Hu, /. >-. Locall* adaptive gridding ofnois* high resolution topographic data. n (nderssen, C.+., C.!. Iraddoc; and L./.7. 4eJham #eds$ th "orld 6(%+ %ongress. 6odelling and +imulation +ociet* of(ustralia and 4eJ Realand and nternational (ssociation for 6athematics and %omputersin +imulation, @ul* >-, pp. . +pline models for Kbservational data. !ocumento presentado en la +eriede conferencias regionales de %I6+M4+? sobre matemáticas aplicadas. Philadelphia: +oc.nd. (ppl. 6aths.

Cómo funciona TendenciaEscritorio » Geoprocesamiento » Referencia de la herramienta » Caja de


La herramienta /endencia utiliza una interpolación polinómica global que a'usta unasuperficie suave definida por una función matemática #polinómica$ a los puntos de muestrade entrada. La superficie de tendencia cambia gradualmente * captura patrones de escalasin detallar en los datos.

http://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006v000000.htmhttp://resources.arcgis.com/es/help/main/10.1/018q/018q00000004000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002s/002s00000001000000.htmhttp://resources.arcgis.com/es/help/main/10.1/002t/002t0000000z000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000003000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z00000069000000.htmhttp://resources.arcgis.com/es/help/main/10.1/009z/009z0000006v000000.htm


39/66

4ondo conceptual

%onceptualmente, la interpolación por tendencia es como tomar un trozo de papel *a'ustarlo entre puntos elevados #a la altura de valor$. 3sto se demuestra en el siguientediagrama con un con'unto de puntos de elevación de muestra tomados en una colina con

pendiente suave. 3l trozo de papel está en color magenta.

Ilustración de una supercie de tendencia plana

5n trozo de papel plano no capturará de manera precisa un paisa'e que contiene un valle.+in embargo, si dobla el trozo de papel una vez, obtendrá un a'uste mucho me'or. (gregarun término a la fórmula matemática produce un resultado similar, una curvatura en el plano.5n plano chato #sin doblez en el trozo de papel$ es una función polinómica de primer orden#lineal$. +i se agrega una curvatura es una función polinómica de segundo orden#cuadrática$, si se agregan dos curvaturas es de tercer orden #c9bica$, * así sucesivamente.%on esta herramienta se permite un má1imo de < curvas #orden décimo segundo$. 3n lasiguiente imagen se muestra conceptualmente una función polinómica de segundo ordena'ustada a un valle.


40/66

Ilustración de una supercie de tendencia curvada

3l trozo de papel rara vez pasará por los puntos medidos reales, por lo que la interpolación por tendencia es un interpolador ine1acto. (lgunos puntos estarán por encima el trozo de papel * otros por deba'o. +in embargo, si suma a qué distancia está cada punto por encimadel trozo de papel * a qué distancia está cada punto por deba'o del trozo de papel, ambassumas deberían ser similares. La superficie, en color magenta, se obtiene utilizando una'uste de regresión por mínimos cuadrados. La superficie resultante minimiza las

diferencias cuadradas entre los valores elevados * el trozo de papel.

%uanto menor sea el error cuadrático medio #C6+$, más precisa será la representación delos puntos de entrada en la superficie interpolada. Las funciones polinómicas más comunesson las de primer a tercer orden. La interpolación de superficie de tendencia creasuperficies lisas.

"uándo utili%ar la interpolaci!n por tendencia

La interpolación por tendencia produce como resultado una superficie suave que representa

las tendencias graduales en la superficie sobre el área de interés. 3ste tipo de interpolaciónse puede usar para:

• Ajustar una supercie a los puntos de muestra cuando la supercie var)a&radualmente de una re&ión a otra so!re el 0rea de inter/s3 por ejemplo3contaminación so!re un 0rea industrial'

• E1aminar o ,uitar los efectos de las tendencias de lar&o alcance o&lo!ales' En estas circunstancias3 la t/cnica suele denominarse an0lisisde supercie de tendencia'


41/66

La interpolación por tendencia crea una superficie que varía en forma gradual utilizandofunciones polinómicas de ba'o orden que describen un proceso físico, por e'emplo,contaminación * dirección del viento. +in embargo, cuanto más comple'a sea la función polinómica, más difícil será atribuirle un significado físico. (demás, las superficiescalculadas son mu* susceptibles a los valores atípicos #valores e1tremadamente altos *

ba'os$, en especial en los bordes.

Tipos de interpolaci!n por tendencia

7a* dos tipos básicos de interpolación por tendencia: lineal * logística.

Tendencia lineal

3l interpolador de superficie de tendencia L43(L crea un ráster de punto flotante. 5tilizauna regresión polinómica para a'ustar una superficie de mínimos cuadrados a los puntos deentrada. La opción L43(C le permite controlar el orden de la función polinómica

utilizada para a'ustar la superficie. Para comprender la opción L43(C de la herramienta/endencia, piense en una función polinómica de primer orden. 5na interpolación desuperficie de tendencia lineal de primer orden realiza un a'uste por mínimos cuadrados deun plano al con'unto de puntos de entrada.

La interpolación de superficie de tendencia crea superficies lisas. La superficie generadarara vez pasará por los puntos de datos originales, porque realiza un me'or a'uste para lasuperficie completa. %uando se utiliza una función polinómica con un parámetro YorderZma*or que uno, el interpolador puede generar un ráster cu*o mínimo * má1imo superen elmínimo * má1imo del archivo de entrada de los datos de entidad de entrada.

Tendencia log+stica

La opción LK+/% para generar una superficie de tendencia es adecuada para la predicción de la presencia o ausencia de un determinado fenómeno #en la forma de probabilidad$ en un determinado con'unto de ubicaciones #1,*$ en el espacio. 3l valor z esuna variable aleatoria categorizada con sólo dos resultados posibles, por e'emplo, lae1istencia de una especie en peligro o la ine1istencia de esa especie. 3stos dos valores z secodifican como uno * cero, respectivamente. La opción LK+/% crea una cuadrícula de probabilidad continua con valores de celda entre uno * cero.

+e utiliza una estimación de posibilidades má1ima para calcular el modelo de superficie de

probabilidad no lineal sin tener que convertir primero el modelo a la forma lineal.

-rc5i.o '/S de salida

3n el archivo de error C6+ se guarda el error cuadrático medio de la interpolacióncomparando el valor de las ubicaciones en el dataset de entrada con el valor de esas mismasubicaciones en la superficie de ráster interpolada.


42/66

3l valor del error C6+ se puede usar para determinar el me'or valor para usar en el parámetro YorderZ de la interpolación al cambiar el valor del orden hasta que obtiene elerror C6+ más ba'o. /ambién se registra el valor de chi cuadrado.

#jemplo

5n e'emplo de archivo C6+ de salida de una e'ecución de la herramienta /écnica detendencias con Krden definido como = es:

coe$ % coe$

&&&&&& &&&&&&&&&&&&&&&&

0 &!!'20.#!

! &!.+'+'2555

2 &0.!'5'2!0#!5+

# &.022+'+#'0#e&!

+ &2.05#2255'e&!

5 .5!00#+#2#'e&!

&!.++202550'e&2

&5.#!5#'02+5!5+e&2 &2.5'2!0'+'0#!e

' '.!5!+5'!#!e&+

&&&&&& &&&&&&&&&&&&&&&&

-S rror = 2'.'5522!+5

/hi&Suare = !0!'50.0!0#'5

3l valor predicho en cualquier ubicación del ráster de salida para esta tendencia de tercerorden se puede determinar resumiendo los valores que resultan de una serie de ecuaciones.Para estas ecuaciones, 1 E la longitud de la ubicación, * E la latitud * el término cn es elvalor del coeficiente de la tabla precedente. Las ecuaciones de esta interpolación de tercerorden son:

1rediction(x,) = c0 "

xc! " c2 "

x2c# " xc+ " 2c5 "

x#c " x2c " x

2c " #c'

3sencialmente, el coeficiente > es siempre la interceptación. !esde aquí, iteramos lostérminos de primer orden empezando por la 1 más alta * terminando por los términos sin H.( continuación, pasamos a los términos de segundo orden e iteramos otra vez en las 1, *repetimos la operación para los términos de tercer orden.

ota%

3stas ecuaciones seguirán un patrón similar a medida que aumente el orden. Por e'emplo, sise ha especificado el cuarto orden, habrá cinco valores más especificados en la tabla C6+#coeficientes >, , < * =$ * un n9mero acorde de ecuaciones adicionales que los usen.


43/66

*peraciones con el modulo de )patial &nalyst de &rc$is parte ,- Interpolate

to Raster

Esta extensión permite realizar procesos como:

• Medición de distancias en línea recta y de costos (Distance).• Obtener mapas de densidad, basados en datos puntuales o lineales

(Density).• Obtención de raster a partir de la interpolación de datos puntuales,

utilizando métodos como !", #pline y $ri%%in% (nterpolate to !aster).• Obtención de datos mor&oló%icos a partir de Modelos di%itales del

terreno (#ur&ace 'nalysis).• 'l%ebra de mapas (!aster alculator)• !eclasi&icación de mapas obtenidos. (!eclassi&y)• onersión de datos raster a ector y iceersa (onert).• 'n*lisis +idroló%icos

El primero de estos tutoriales lo dedicaré a como interpolar datos araster, para ello construiremos un mapa de isopiezas o ariación delniel piezométrico a partir de datos puntuales de monitoreo de nielesde a%ua subterr*nea.

http://1.bp.blogspot.com/_ud4CAZQsXi4/TTe-B14qW-I/AAAAAAAAAP0/StumiFfJbA4/s1600/Spatial+analyst.jpg


44/66

'sumiré ue todos saben cómo crear un s+ape de puntos, de locontrario deben remitirse al tutorial de -omo crear un s+ape de puntosa partir de coordenadas %eo%r*&icas

Paso 1. ar%ar el mapa base, puede ser el mapa del *rea de estudio.

En este caso car%are un s+ape con nombre -%eoló%ico

Paso 2. ar%ar el s+ape de puntos o en su de&ecto crearlo a partir delos datos medidos. /ara construir el #+ape, por lo menos debemoscontar con el nombre del sitio monitoreado, coordenadas 0, 1, 2,pro&undidad del niel del a%ua medida desde la super&icie del terreno yel niel piezométrico ue se obtiene sumando al%ebraicamente la cota(2) y la pro&undidad del niel del a%ua en el pozo.

3/ 4 2 5 3iel del a%ua.

3ota: lo anterior simboliza la suma al%ebraica de las dos cantidades,cuando el niel es ne%atio (el niel est* por deba6o de la super&icie del

terreno), la operación es una resta7 pero cuando el pozo es saltante osur%ente, es decir cuando el niel del a%ua en el pozo sobrepasa lasuper&icie del terreno, la operación anterior se conierte en una suma.

/ara crear el s+ape, del men8 9ools, se selecciona 'dd 01 Data

http://aguaysig.blogspot.com/2010/12/como-crear-un-shape-de-puntos-partir-de.htmlhttp://aguaysig.blogspot.com/2010/12/como-crear-un-shape-de-puntos-partir-de.htmlhttp://3.bp.blogspot.com/_ud4CAZQsXi4/TTe9PVrqH4I/AAAAAAAAAOY/DSU5rvOrY88/s1600/Datos+niveles.jpghttp://aguaysig.blogspot.com/2010/12/como-crear-un-shape-de-puntos-partir-de.htmlhttp://aguaysig.blogspot.com/2010/12/como-crear-un-shape-de-puntos-partir-de.html


45/66

'parece la si%uiente entana donde buscamos el arc+io 0# (Excel)donde tenemos los datos, como se muestra en la &i%ura.

http://2.bp.blogspot.com/_ud4CAZQsXi4/TTe9Kd0SFEI/AAAAAAAAAN4/Fb_cOq2X-FU/s1600/Add+XY+Data2.jpghttp://1.bp.blogspot.com/_ud4CAZQsXi4/TTe9JdngurI/AAAAAAAAAN0/b5T_fKkmgcY/s1600/Add+XY+Data.jpg


46/66

De i%ual &orma se selecciona el sistema de coordenadas en ue setienen los datos, en mi caso es -olombia "est zone. /ara ello damosclic en Edit, se%uido de #elect;, lue%o /ro6ected oordinate #ystems yen 3ational


47/66

/ara conertirlo a un s+ape, se da clic derec+o sobre -=nielpiezometrico>= Eents y se selecciona la opción Data, se%uido deExportar data.

/ulsamos %uardar, nos sale una entana ue nos pre%unta si ueremosa%re%ar el #+ape exportado al mapa, pulsamos O?.

http://1.bp.blogspot.com/_ud4CAZQsXi4/TTe9OwHs5jI/AAAAAAAAAOU/iE3KXGH2eCE/s1600/convertir+events+a+shape2.jpghttp://2.bp.blogspot.com/_ud4CAZQsXi4/TTe9QAn-FdI/AAAAAAAAAOc/MJ9F0ECAz6Q/s1600/Events.jpg


48/66

@inalmente el resultado obtenido es el si%uiente.

'+ora si podemos interpolar los datos creados

!aso .- nterpolación utilizando !" #peso ponderado por el inverso de la distancia$. !e lae1tensión )patial &nalyst, se selecciona Interpolate to Raster, seguido de Inverse(istance /eig0ted-

http://2.bp.blogspot.com/_ud4CAZQsXi4/TTe9oAe0h3I/AAAAAAAAAPw/YdGwPJy_ukk/s1600/Shape+de+puntos.jpg


49/66

(parece una ventana en la que debemos rellenar la siguiente información asi:

Input points: se debe seleccionar el shape de puntos donde tenemos los datos a interpolar.3n este caso el shape es niv(gost.

' value field: seleccionamos el nombre del campo que queremos interpolar, en este caso es 4P #nivel piezométrico$.

!o/er: de'amos el valor por defecto, si tomamos valores altos, se pone énfasis en losvalores más cercanos al punto, con valores peque2os se le da más peso a los puntos másale'ados. < es un valor adecuado para el peso.

)earc0 radius type: seleccionamos un valor variable.

Number of points y 1aximum distance2 de'amos los valores por defecto que aparecen.

*uput cell sie #tama2o de la celda$: se debe elegir un tama2o de la celda acorde con laescala de traba'o en este caso elegiré


50/66

%ompletados todos los datos, damos clic en K;. +e obtiene el siguiente resultado.

http://3.bp.blogspot.com/_ud4CAZQsXi4/TTe9RBP6MZI/AAAAAAAAAOk/pY8U-_HMZgQ/s1600/IDW+2.jpg


51/66

%omo pueden ver, en la parte superior izquierda, el mapa interpolado sobresalesuperponiéndose con el mar #golfo de 5rabá$. 3sto lo podemos arreglar de dos formas, la primera, utilizando las propiedades del La*ers * la segunda, cortando la superficie deinterpolación con una máscara. )eamos el primer método.

!ando clic derecho sobre layers, seleccionamos !ropiedades

http://4.bp.blogspot.com/_ud4CAZQsXi4/TTe9R60-qVI/AAAAAAAAAOo/vJW9H5XAjlg/s1600/IDW+3.jpg


52/66

3n la ventana que aparece seleccionamos la pesta2a (ata 3rame, luego damos clic en laventana #nable, vemos que se habilita el botón )pecify )0ape-

http://4.bp.blogspot.com/_ud4CAZQsXi4/TTe9aMMEOcI/AAAAAAAAAO8/TGM2hShpC-M/s1600/Layers+propiedades2.jpghttp://3.bp.blogspot.com/_ud4CAZQsXi4/TTe9ZLTAqlI/AAAAAAAAAO4/-z6r_s0pipQ/s1600/Layers+propiedades.jpg


53/66

!amos clic en el botón )pecify )0ape * en la ventana que aparece damos clic en el botónde opción *uline of features, vemos que se habilita la pesta2a %ayer, tal como se muestraen la siguiente figura.

3n la pesta2a de layer seleccionamos el shape que condiciona los límites de lainterpolación, en mi caso se denomina 4geológico5 #que lo había agregado al principio dele'ercicio$.

http://4.bp.blogspot.com/_ud4CAZQsXi4/TTe9cR6dPwI/AAAAAAAAAPE/kTWkhOGgads/s1600/Layers+propiedades4.jpg


54/66

!amos clic en *6 , seguido de &ceptar, el resultado es el siguiente.

http://1.bp.blogspot.com/_ud4CAZQsXi4/TTe9eKjUB7I/AAAAAAAAAPI/eaMD1De8emA/s1600/Layers+propiedades5.jpg


55/66

!aso 7- %reado el raster, lo que queda es cambiar sus propiedades. Para ello procedemos dela siguiente forma.

!amos clic derecho sobre nivI(8 * seleccionamos !ropiedades, aparece la siguienteventana.

http://3.bp.blogspot.com/_ud4CAZQsXi4/TTe9eQ8pQaI/AAAAAAAAAPM/LeQQ6KKamcc/s1600/Layers+propiedades6.jpg


56/66

!amos clic en K; * esperamos un instante. (parece la siguiente ventana.

+eleccionamos la pesta2a )ymbology, en la que se muestran los símbolos * sus colores, elrango, classify #determinar los rangos$, %abel, el numero de intervalos #9lasses$, paleta decolores #9olor ramp$, entro otros.

http://4.bp.blogspot.com/_ud4CAZQsXi4/TTe9fkt2FUI/AAAAAAAAAPQ/6IHEgpdUgS4/s1600/Layers+propiedades+Classified.jpghttp://4.bp.blogspot.com/_ud4CAZQsXi4/TTe9lppEVdI/AAAAAAAAAPo/Iq5

Documents

Operaciones Con El Modulo de Spatial Analyst de ArcGis Parte 1