¿Elegir IDW vs Kriging Interpolation para la creación de DEM?

19

Estoy intentando crear un DEM usando datos de puntos espaciados muy regularmente, separados por 10 m. El área que estoy interpolando es una instalación educativa con muchos estacionamientos planos y campos de fútbol, pero todavía tiene algunas colinas bastante empinadas que a menudo se estancan en un estacionamiento. Debido a estas mesetas conocidas, he descartado el método de Splining; Sin embargo, todavía no estoy seguro entre usar los métodos de IDW y Kriging. No puedo ver mucha diferencia después de probarlos y todavía no he tomado una decisión después de una pequeña investigación.

¿Alguien tiene algunas palabras de sabiduría para aclararme esto?

    
pregunta Calavin 18.01.2014 - 18:17

1 respuesta

30

Ambas formas se basan en la primera ley de la geografía de Toblers: las cosas que están cerca están más relacionadas que las cosas que están más alejadas.

IDW es la más simple de las dos técnicas. Implica el uso de valores z conocidos y pesos determinados en función de las distancias entre los puntos desconocidos y conocidos. Como tal, en IDW, los puntos que están lejos tienen mucho menos influencia que los puntos cercanos. El efecto de los pesos de distancia inversa a menudo puede ser determinado por el usuario cambiando la potencia a la que se eleva la distancia inversa.

Comoseveenestediagrama,puededeterminarloslímitesdequépuntosdedatos(valoresz)IDWdebetenerencuentaalutilizarunradiodebúsqueda.

IDWsediferenciadeKrigingenquenoseutilizanmodelosestadísticos.Nosetieneencuentaladeterminacióndelaautocorrelaciónespacial(esdecir,nosedeterminaquévariablescorrelacionadasseencuentranadistanciasvariables).EnIDWsoloseutilizanvaloreszconocidosypesosdedistanciaparadeterminaráreasdesconocidas.

IDWtienelaventajadequeesfácildedefiniry,porlotanto,deentenderlosresultados.PuedequenosearecomendableutilizarKrigingsinoestásegurodecómoseobtuvieronlosresultados.Krigingtambiénsufrecuandohayvaloresatípicos(consulte aquí para una explicación.).

ESRI estados :

  

Kriging es más apropiado cuando se sabe que hay una distancia espacialmente correlacionada o un sesgo direccional en los datos. Se usa a menudo en la ciencia del suelo y la geología.

Kriging es un método estadístico que utiliza variogramas para calcular la autocorrelación espacial entre puntos a distancias graduadas (aquí se puede encontrar una buena introducción Statios Variogram Introduction y Introducción de Washington a los Variogramas ). Utiliza este cálculo de autocorrelación espacial para determinar los pesos que deben aplicarse a varias distancias. La autocorrelación espacial se determina tomando diferencias cuadradas entre puntos. Aclarar Kriging es similar a IDW en eso:

  

Al igual que la interpolación de IDW, kriging forma los pesos de los valores medidos circundantes para predecir ubicaciones no medidas. Al igual que con la interpolación de IDW, los valores medidos más cercanos a las ubicaciones no medidas tienen la mayor influencia. ( Source )

Pero difiere en que los pesos son ayudados determinados por el semi variograma.

“dondeneselnúmerodeparesdepuntosdemuestradeobservacionesdelosvaloresdelatributozseparadosfrentealadistanciah”(BurroughyMcDonnell,2004:134).

Hay varios tipos de nicho de Kriging .

Lectura adicional:

  1. Cómo funciona IDW .
  2. Cómo funciona Kringing :
  3. Cómo utilizar Kriging:
  4. Tipos de interpolación :
respondido por el James Milner 18.01.2014 - 18:49

Lea otras preguntas en las etiquetas