sistemas de informação geográfica ii interpolação interpolação sistemas de informação...
TRANSCRIPT
1
Interpolação
Sistemas de Informação Geográfica II
1. Interpolação
• Autocorrelação
• Padrões de amostragem
• Métodos de interpolação
• Validação de resultados
Interpolação
• Predição do valor de atributos em pontos não-amostrados– Tempo– €– Outras impossibilidades físicas, legais, etc.– Mudança de resolução especial– Falta de dados
Autocorrelação
• Positiva – quando proximidade implica semelhança de atributos. • Zero – quando os atributos são independentes da proximidade• Negativa – quando proximidade implica dissemelhança de
atributos.
Padrões de amostragem
• Padrão regular / sistemático– fácil– todos com igual ponderação– necessária precisão do
posicionamento na recolha
Padrões de amostragem
• Padrão aleatório– provável menos
enviesamento
Padrões de amostragem
• Clusters– escolhem-se os centros dos
clusters– recolha mais rápida
2
Padrões de amostragem
• Amostragem adaptada– mais leituras onde há mais
variação• necessita conhecimento
prévio da distribuição da grandeza a amostrar
Métodos de interpolação
• Há muitos métodos– diferenças na ponderação, no número de
observações, na incorporação das distâncias e direcções, etc.
– nenhum método é “melhor” que outro em todas as situações
– a precisão pode medir-se em pontos amostrados não considerados
– resultado: matriz, ou conjunto de pontos, ou isolinhas, etc.
Métodos de interpolação
• Diagrama de Voronoi (políg. Thiessen)
Métodos de interpolação
• Raio fixo– média local– raio muito grande suaviza– pode haver círculos sem pontos da amostra
Métodos de interpolação
• Raio fixo
Métodos de interpolação
• IDW (inverso da potência das distâncias)– inverso da distância ponderada– controlado por
• número de pontos a considerar como vizinhos
• expoente (quanto maior, mais significativa é a proximidade)
3
Métodos de interpolação
• IDW
Métodos de interpolação
• Superf. tendência– geralmente
polinómios de grau pré-determinado
– ai são os coeficientes que resultam de algum modelo de regressão
– superfícies demasiado suavizadas e pouco sensíveis a variações locais
Métodos de interpolação
• Splines– forçam uma curva a
passar pelos pontos– normalmente conjunto
(soma) de polinómios– sensível às variações
locais– as ondulações podem
não ter origem nos dados, mas no modo de ajustamento dos polinómios
Métodos de interpolação
• Krigagem– assenta na
autocorrelação espacial (quanto maior, mais próximos estão os valores de pontos pouco distantes)
Métodos de interpolação
• Princípios gerais da krigagem
)()()( sssZ εµ +=
)()(ˆ1
i
n
ii sZsZ ∑
=
= λ
))()(ˆ()(min 2 sZsZVarsk −=σ 0))()(ˆ( =− sZsZE
Há vários tipos de krigagem que dependem das hipóteses assumidas para µ(s).• µ(s) é constante e conhecido krigagem simples• µ(s) varia mas é estacionária numa vizinhança do local onde se pretende
estimar o valor da variável krigagem ordinária
Métodos de interpolação
• Krigagem simples– Parte do princípio que se conhece a média
da grandeza, e assenta na covariância (o que nem sempre acontece na realidade). A média da população é utilizada para cada estimação local, tal como os pontos próximos.
4
Métodos de interpolação
• Krigagem ordinária– Não se conhece a média da grandeza
E[Z(x)] = µ é constante mas desconhecida– Admite-se estacionaridade (há um patamar
para a variância em função da distância entre pontos)
– Assenta sobre as características do variograma γ(x,y) = E[(Z(x) − Z(y))2]
γ(h) = ½ E[{Z(x) – Z(x+h)}2]
Krigagem
• Krigagem – construção do semivariograma– para todos pares de pontos
• distância• diferença de valor
– cálculo da semivariância (γ), dada em função da distância
– γ é uma medida do grau de dependência espacial entre as amostras
n=nº de pares de pontos que distam h entre si
Krigagem
• O peso de cada ponto é estimado depois de estabelecido o semivariograma
• O semivariograma indica a variação da correlação espacial em função da distância
γ = variânciah = distâncias
variância realvariância teórica
γ
distância (h)
Krigagem
• Variograma experimental– todos os pares de pontos
(agrupados em intervalos porque o nº de pontos cresce quadraticamente)
– efeito de pepita (semivariância entre pares de pontos muito próximos)
– a partir de uma certa distância a semivariância estabiliza num patamar (variância da amostra)
Krigagem Krigagem
5
Krigagem Krigagem
• Variograma direccional– Se existir dependência espacial da direcção,
a variável é anisotrópica.
Krigagem
• Ex.
Métodos de interpolação
• Krigagem
Métodos de interpolação
Raio fixoSuperf. tendênciaKrigagem
Diagr. VoronoiIDWSpline
Não exactosExactos
Métodos de interpolação
Superf. tendênciaKrigagem
Diagr. VoronoiIDWSplineRaio fixo
EscocásticosDeterminísticos
• Métodos determinísticos: não permitem avaliar o erro nos pontos da amostra• Métodos estocásticos: permitem avaliar o erro com base na variância estimada
'')(')()( εε ++= xxmxZ)(xm
)(' xε
''ε
valor médio da variação espacial
resíduo da VA cuja autocorrelação é quantificada através de variograma experimental
é um ruído aleatório não correlacionado
6
Validação de resultados
• Usam-se pontos de teste– Matriz de validação– Cálculo de erros para cada ponto, erro
médio, etc.– Permitem escolher qual o melhor método
para cada caso: o melhor para um caso não é necessariamente o melhor para outros
Validação de resultados
• Validação cruzada– usa todos os dados para estimar o modelo
de autocorrelação; depois remove cada localização, à vez, e prediz o valor associado; compara-se o valor predito com o valor medido
• Validação– remove parte dos dados (test dataset) e usa
o resto dos dados (training dataset) para criar o modelo de autocorrelação; depois faz-se a comparação
Resumo