METODOS DE INTERPOLACION
INTEGRANTES:
JIMMY ALEJANDRO ROMERO RODRIGUEZ
DOCENTE:
ANGEL MANUEL BENAVIDES GONZÁLEZ
INGENIERÍA CIVIL, FACULTAD DE INGENIERÍAS
UNIVERSIDAD LA GRAN COLOMBIA
BOGOTÁ D. C.
2021
Abrimos el programa ArcGIS pro y creamos un nuevo mapa o archivo.
Realizamos la conexión con el archivo estaciones_IDEAM.
Agregamos la etiqueta PRECIPITAC para poder visualizarla en el mapa
Empezamos ejecutando el primer método de interpolación (IDW)
interpolación mediante distancia inversa ponderada determina los valores de celda a través
de una combinación ponderada linealmente de un conjunto de puntos de muestra.
Seguimos ejecutando el segundo método de interpolación (Kriging)
Presupone que la distancia o la dirección entre los puntos de muestra reflejan una correlación
espacial que puede utilizarse para explicar la variación en la superficie. Este método es más
adecuado cuando se sabe que hay una influencia direccional correlacionada espacialmente en los
datos
Seguimos ejecutando el tercer método de interpolación (spline)
estima valores usando una función matemática que minimiza la curvatura general de la
superficie, lo que resulta en una superficie suave que pasa exactamente por los puntos de
entrada.
Seguimos ejecutando el cuarto método de interpolación (Natural Neighbor)
halla el subconjunto de muestras de entrada más cercano a un punto de consulta y aplica
ponderaciones sobre ellas basándose en áreas proporcionales para interpolar un valor
Seguimos, ejecutando el quinto método de interpolación (créate Thiessen polygons)
Podemos observar en la parte izquierda de la pantalla las capas de todos los métodos
que hemos ejecutado con sus características.
Las herramientas de interpolación IDW (distancia inversa ponderada) y Spline se conocen
como métodos determinísticos de interpolación porque están basados directamente en los
valores medidos o en fórmulas matemáticas específicas que determinan la suavidad de la
superficie resultante. Hay una segunda familia de métodos de interpolación que consta de
métodos geoestadísticos, como kriging, que está basado en modelos estadísticos que
incluyen la autocorrelación, es decir, las relaciones estadísticas entre los puntos medidos.
Gracias a esto, las técnicas de estadística geográfica no sólo tienen la capacidad de producir
una superficie de predicción, sino que también proporcionan alguna medida de certeza o
precisión de las predicciones.