A interpolación espacial é un proceso crucial en varios campos de traballo e investigación. Ao traballar con SIG e ter que avaliar as variables con compoñente espacial, o feito de realizar calquera tipo de interpolación espacial é correctamente crítica para a calidade do estudo.
Este artigo céntrase en definir que interpolación espacial é, que métodos existen, como se clasifican e cales son os máis adecuados. Do mesmo xeito, proponse diferentes métodos dispoñibles de interpolación espacial para comparar os resultados, utilizando como exemplo un conxunto de datos climáticos.
Que é a interpolación espacial?
adoita considerarse a interpolación espacial como parte integrante do campo de geoestatística. A interpolación espacial baséase no cálculo ou a estimación de valores descoñecidos dunha variable espacial doutros valores cuxo valor é coñecido.
Os procesos de interpolación espacial”>
son válidos para calquera variable ambiental continua nun territorio específico. Como exemplos podemos atopar variables de temperatura, humidade, precipitación, presión, contaminación acústica, contaminación lixeira …
As variables climáticas son as que máis frecuentemente requiren este tipo de análise. Nestes casos, a interpolación espacial é crucial xa que non hai estacións meteorolóxicas infinitas que permiten coñecer o valor exacto da temperatura, a humidade ou a precipitación en todos e cada un dos puntos dun territorio.
para estimar a Os valores intermedios entre os puntos de medida realízanse, realízanse procesos de interpolación espacial. Os valores de medición da rede de tempadas úsanse e realízase un cálculo do valor para o resto do territorio.
O resultado obtido a través do proceso de interpolación adoita denominarse a superficie estatística. É, entón, dunha superficie continua con valores interpolados doutros anteriormente coñecidos.
Clasificación de métodos de interpolación
Aínda que todos os métodos de interpolación espacial teñen o mesmo principio básico , non todos os métodos funcionan igual ou aceptan as mesmas instalacións, podendo devolver resultados moi dispares segundo as súas propias características.
A clasificación dos métodos de interpolación pode realizarse en función de varios criterios. Deste xeito, poderiamos falar sobre os métodos de interpolación:
- global ou local ou local, dependendo de se utilizan todos os valores da área avaliada ou só parte dela (subconxunto).
- gradual ou brusco, de acordo coa continuidade e suavidade da superficie resultante. Exacto ou aproximado, dependendo de se respectan os valores das medidas de entrada exactas para a interpolación ou se, por outra banda, poden ser alterados ou suavizados Para axustalos ao modelo definido.
Univariate ou multivariates, dependendo de se valores de variables de entrada múltiples para xerar o modelo e a superficie de interpolación. En SIX, normalmente a distancia é a variable admitida para os métodos de interpolación univarios. determinativos ou estocásticos, dependendo de se incorporan variacións aleatorias (incerteza) na superficie interpolada. Os métodos de deterxente son aplicables cando hai medidas suficientes para describilo matemáticamente, mentres que os estocásticos incorporan o concepto de aleatoriedade por insuficiente deles.
Métodos para a interpolación espacial en QGIS
As posibilidades en termos de métodos de interpolación en QGIS son bastante amplos, aínda que a maioría pertencen ao grupo de métodos deterministas definidos anteriormente.
Así mesmo, en QGIS podemos adaptar cada un dos métodos e axustar os seus parámetros de acordo coas necesidades ao realizar a xeoprocesar para xerar as capas de interpolación en función dos nosos puntos con valores de medición.
Os principais métodos de interpolación posibles recollidos nas diferentes bibliotecas das que se nutre este escritorio SIG é o seguinte.
O veciño máis próximo (veciño máis próximo)
A interpolación a través do método do veciño máis próximo está baseado na xeración de polígonos Voronoi. Os polígonos de Voronoi son o método máis básico e sinxelo de interpolación vectorial. O método está baseado exclusivamente na distancia euclidiana, obviando calquera tipo de valor asignado aos puntos de mostraxe.
Este método de interpolación permítelle dividir o espazo en dominio equivalente ou áreas de influencia para cada un dos puntos de medición de entrada. Os polígonos de Voronoi ou Thiessen están definidos por liñas que delimitan a rexión pertencente ao punto máis próximo. O perímetro de cada unha das rexións xeradas é equidistante a todos os puntos veciños
Finalmente, o método asigna cada polígono o valor do punto que contén e desde o que se xerou. Sendo un método baseado únicamente na distancia, as variables interpoladas poden ser tanto cualitativas como cuantitativas.
Este método é útil, por exemplo, en estudos de geomarketing para coñecer as posibles áreas de influencia, ou facer normas territoriais ou divisións proporcionales.
rede tiangulada)
Este método de interpolación devolve unha superficie de triángulo formada a partir da ubicación dunha serie de vértices cuxos valores son coñecidos. Os vértices están conectados por bordos para xerar a devandita rede triangular.
O resultado obtido, a superficie da estaño, é unha malla ou rede de triángulos interconectados, onde cada un deles representa a A área homoxénea en canto á variable estudada está preocupada. O método de estaño, polo tanto, xerará un conxunto de triángulos no espazo que maximice a relación área / perímetro.
É moi habitual o seu uso por riba de todos os modelos terrestres baseados en medidas de elevación coñecidas, aínda que pode aplicar a outras medidas cuantitativas de diferentes variables ambientais.
Interpolación IDW (ponderación de distancia inversa)
Usando o método de interpolación IDW Os puntos de mostraxe son reflexionados durante a interpolación. Deste xeito, a influencia dun punto en relación cos demais é reducida ou diminuíu a distancia entre eles aumenta.
No método de interpolación IDW, pódese configurar un valor de enerxía, chamado coeficiente P. Por defecto É 2. A maior valor de P, maior énfase ou peso asignado a puntos próximos para avaliar, obtendo unha área estatística máis abrupta. A un menor valor de P, maior énfase no conxunto da mostra de valores, obtendo superficies máis suaves.
xeralmente úsase nos procesos de interpolación onde o conxunto de datos dispoñibles para a interpolación é abundante, distribúese homoxéneamente por espazo e non hai grandes distancias entre as súas localizacións.
Interpolación a través de Spline
A ferramenta Spline usa un método de interpolación que estima que os valores utilizan unha función polinómica que minimiza o xeneral Curvatura da superficie, resultando nunha superficie suave que ocorre exactamente polos puntos de entrada.
Como dixemos antes na sección de clasificación, este método, xunto con Kriging, é un dos métodos exactos de Interpolación existente que non admite aproximacións ou alisado dos valores de entrada.
matematicamente, a ferramenta Splining usa diferentes funcións de polinómica máis acordes para cada sección, así adaptándose a unha superficie máis suave, menos brusca e uniforme.
Como realizar unha interpolación en QGIS desde a Capa de puntos
Todos os métodos de interpolación dispoñibles en QGIS pertencen ás distintas bibliotecas que trae instalado por defecto: GDAL, herba e saga.
Os geoprocesos de interpolación empregados neste elemento para cada un Dos métodos, xunto cos parámetros especificados nas imaxes, son as seguintes:
- Veciño Método máis próximo: Grid (veciño máis próximo) da biblioteca GDAL
- método IDW : Interpolación IDW da biblioteca de QGIS.
- Método de estaño: interpolación de estaño da biblioteca QGIS.
- Método de libros de libros de herba: v.surf.bspline Herba
Para executar calquera destas a interpolación de geoprocesas, podemos buscalos directamente na caixa de Herrami Os pergeoprocers.
Cada un dos métodos de interpolación QGIS ten a súa propia forma única de especificar as capas de entrada e saída, así como unha serie de parámetros que se configuran para adaptarse ao modelo.
Pode descargar aquí os datos climáticos utilizados neste artigo para realizar probas de interpolación coas diferentes variables almacenadas. No caso deste artigo, traballamos a interpolación coa variable de luz solar no Reino Unido.
É un conxunto de medios de precipitación, temperaturas e horas de sol nun mes específico rexistrado no principal meteorolóxico Estacións do Reino Unido. Os datos obtivéronse da Axencia Estatal de Meteoffice Meteoroloxía.
Como elixir o mellor método de interpolación en QGIS?
A elección do método de interpolación máis adecuado dependerá da propia natureza do conxunto de datos de mostraxe que queremos interpolar.
Entón, debemos saber previamente:
- Tipo de variable para interpolar: cuantitativo ou cualitativo ea lóxica ou aplicación de cada método para cada tipo de variable.
- As características de estatísticas de mostra: valores máximos, mínimos, medianos e medianos, estándar Desviación … Pode consultar o seguinte artigo para saber como realizar unha análise estatística exploratoria con QGIS.
- Distribución espacial das variables: Homogeneidade espacial da mostraxe, distancia media entre os puntos de mostraxe …
- existencia de valores anómalos, clusters e hotspots ou coldspots que poden inferir ou alterar o superficie de interpolación.
Avaliación do método e estimación de interpolación de DelError
Posteriormente, será moi útil realizar unha avaliación do método e do erro obtido en a interpolación.
podería realizarse por exemplo, a comparación de determinados valores reais restos a partir da mostraxe dos valores estimados obtidos pola interpolación naqueles mesmos.
Posteriormente, a laconfiguración dos parámetros do método debe ser reaxustada o modelo o máximo posible aos valores das medidas reais.