Interpolación aplicada a la predicción de niveles digitales

Presentado por: Kyle Escobedo Baca

Índice

1. Definiciones previas2. Tema de aplicación3. Métodos de interpolación aplicados

i. Kriging Ordinarioii. IDW (Distancia Inversa Ponderada)

4. Comparación de los dos mas eficientes

• La Geoestadística es la rama de la estadística que se encarga del análisis de fenómenos espaciales que exhiben un comportamiento estructural.

• La geostadística es una manera de describir la continuidad espacial de cualquier fenómeno natural.

• La geostadística utiliza funciones para modelar esta variación espacial, y estas funciones son utilizadas posteriormente para interpolar en el espacio el valor de la variable en sitios no muestreados.

• La exploración de la superficie terrestre a partir de plataformas satelitales tiene como principios la cobertura de información de las diferentes coberturas terrestres en formato de imágenes, gracias al procesamiento de la luz en sensores fotosensibles.

• En ocasiones los detectores de los sensores se saturan temporalmente. El resultado es un segmento de línea parcialmente con niveles digitales mas altos o mas bajos.

• Un mal funcionamiento del sensor lleva a que aparezca una serie de pixeles aislados de aspecto no contrastado con sus vecinos, efecto conocido como sal y pimienta. Es aquí donde se aplico los métodos de interpolación geo estadísticos exactos para predecir los valores de los pixeles con niveles digitales erróneos.

• Tiene en cuenta la vecindad y la mínima variabilidad local(auto-correlacion espacial)

• Es considerada una estima muy robusta ya que se basa en la función continua que explica el comportamiento de la variable en las distintas direcciones del espacio.

• Tiene conocimiento del comportamiento de la variable, en el espacio.

• Asume que cada punto medido tiene una influencia local que disminuye con la distancia.

• Les asigna una ponderación mayor a los puntos mas cercanos a la posición por predecir.

• Calculo en función de sus vecinos.

Kriging ordinario

• Muy buen método para la restauración de líneas perdidas y eliminación de efecto sal y pimienta (por su mínima varianza)

• Efecto de difuminado mas marcado en estas líneas

• Genera imágenes restauradas muy buenas

• Se completa mejor para extracción temática (información de coberturas del suelo).

Distancia inversa ponderada

• En el caso de puntos sal y pimienta la predicción se acerco mucho, para las líneas diagonales se presenta corte brusco

• Realiza predicciones muy buena de los niveles digitales en las zonas de interés

• Se comporta mejor como imágenes de localización