Novedades en ArcGIS Geostatistical Analyst 10

La extensión Geostatistical Analyst de ArcGIS proporciona una amplia gama de recursos importantes dedicados al análisis y modelado espacial. Con la versión 10, Geostatistical Analyst ofrece mejoras en el rendimiento además de nuevas herramientas.

Nuevas herramientas de geoprocesamiento

ArcGIS 10 cuenta con 11 nuevas herramientas de geoprocesamiento para Geostatistical Analyst.

De estas herramientas, 4 son nuevas funcionalidades, y las 7 restantes sólo estaban disponibles anteriormente a través del Asistente de estadísticas geográficas o en la barra de herramientas de Geostatistical Analyst.

Interpolación de difusión con barreras

Interpolación de difusión con barreras utiliza un kernel que se basa en la ecuación de calor y permite utilizar una combinación de datasets ráster y de entidades para que actúen como barreras.

Interpolación kernel con barreras

La Interpolación kernel con barreras es un indicador de ventana móvil que utiliza la distancia más corta entre dos puntos. La siguiente ilustración muestra las rutas desde las ubicaciones de datos (círculos negros) hasta la ubicación donde se requiere una predicción (cuadrado rojo).

Interpolación polinómica global

La Interpolación polinómica global es como tomar un trozo de papel y ajustarlo entre los puntos elevados (a la altura de valor). A veces se le suele denominar "Análisis de superficie de tendencia".

Interpolación polinómica local

La Interpolación polinómica local ajusta varios polinomios, cada uno dentro de determinadas vecindades superpuestas. La nueva funcionalidad de esta herramienta incluye la posibilidad de crear una superficie de error estándar de la predicción, además de incluir rutinas de optimización y diagnóstico.

IDW

La interpolación IDW implementa explícitamente el supuesto de que las cosas que están cerca entre sí son más parecidas que las que están más alejadas. Pondera los puntos más cercanos a la ubicación de predicción superior a los más alejados, de ahí el nombre de distancia inversa ponderada.

Funciones de base radial

Los métodos de funciones de base radial son una serie de técnicas de interpolación exacta, es decir, que la superficie debe pasar por cada valor de muestra medido.

Crear puntos equilibrados espacialmente

Crear puntos equilibrados espacialmente genera un conjunto de puntos de muestra basados en probabilidades de inclusión a priori. El diseño de la muestra resultante está espacialmente equilibrado, lo que significa que la independencia espacial entre las muestras se maximiza, lo que hace que el diseño resulte más eficiente que el muestreo aleatorio del área de estudio.

Densificar la red de muestras

Densificar la red de muestras se basa en una capa de kriging de estadísticas geográficas predefinida. Utiliza, entre otras cosas, la superficie de error estándar de la predicción para determinar dónde se requieren nuevas ubicaciones o cuáles se pueden eliminar.

Extraer valores a tabla

Extraer valores a tabla extrae a una tabla los valores de celda de un conjunto de rásteres basándose en una clase de entidad de puntos o poligonal. Si se utiliza una clase de entidad de puntos, la tabla de salida tendrá un registro para cada punto y cada ráster que tenga datos. Los datos poligonales se tratan como datos de puntos; el centro de la celda del ráster de entrada determina el número de puntos y se utiliza para decidir si la celda se encuentra o no dentro del polígono. Esta herramienta se puede utilizar para analizar más a fondo los resultados de la herramienta Simulaciones de estadísticas geográficas gaussianas.

Validación cruzada

La Validación cruzada utiliza la idea de eliminar una ubicación de datos y predecir los datos asociados utilizando los datos del resto de las ubicaciones para, a continuación, repetir este proceso con el resto de las ubicaciones. Así, puede comparar el valor previsto para el valor observado y obtener información útil acerca de algunas de sus decisiones sobre el modelo.

Subdeterminar entidades

Subdeterminar entidades emplea uno de los métodos más rigurosos para evaluar la calidad de una superficie de salida comparando los valores previstos con los medidos en el campo. Una solución es dividir el dataset original en dos partes. Una parte se puede utilizar para modelar la estructura espacial y generar una superficie, y la otra para comparar y validar la superficie de salida.

Mejoras en el asistente

El asistente de estadísticas geográficas es un conjunto dinámico de páginas diseñadas para guiarle en el proceso de construcción y evaluación del rendimiento de un modelo de interpolación.

Ventanas de tamaño ajustable

• Es posible ajustar el tamaño de toda la ventana.
• Es posible ajustar el tamaño de paneles individuales.

Nuevo diseño de cuadro de diálogo y funcionalidad

• Muchos de los parámetros del modelo se pueden optimizar mediante validación cruzada.
• Si necesita ayuda adicional, puede consultar la ayuda para los parámetros en el cuadro de diálogo y en la ayuda compilada.

Asistente de Geostatistical Analyst

Visualización del semivariograma

• Las vistas incluyen los valores binned originales, un valor promedio por bin y una línea uniforme que muestra la correlación de datos en diferentes direcciones.

Vista previa de superficie

• La vista previa de superficie ha cambiado de modo que la vista previa del dataset y la de la superficie se puedan activar y desactivar.

Nuevos métodos de interpolación

• La Interpolación de difusión con barreras e Interpolación kernel con barreras son dos nuevos métodos de interpolación disponibles en el asistente además de herramientas de geoprocesamiento individuales. La siguiente ilustración es un fondo de sedimentos en un lago, y el límite del lago restringe el vecindario de búsqueda.

Ejemplo de métodos de interpolación en el asistente

La interpolación polinómica local se ha mejorado para incluir, entre otras cosas:

• Errores estándar de la predicción, que indican la incertidumbre asociada al valor previsto de cada ubicación.
• Números de condición, que muestra la variación en la estabilidad del modelo numérico y proporciona información adicional sobre la incertidumbre de la predicción, puesto que como la superficie del error estándar de la predicción se crea dando por supuesto que el modelo es correcto, no hay razón para la inestabilidad del modelo.
• Optimizar modelo, que modifica el ancho de banda, el número de condición espacial y los valores de vecindad; después, se utilizan las estadísticas de validación cruzada para optimizar el modelo.

Mejoras adicionales

Un nuevo campo de error de medición condicionante

Se ha agregado un nuevo campo de error de medición condicionante a la herramienta Simulaciones de estadísticas geográficas gaussianas. Se utiliza cuando se puede especificar un error de medición constante de todos los datos de entrada en el modelo de semivariograma de entrada. Sin embargo, si los valores de error de medición no son los mismos en cada ubicación de muestreo, se pueden especificar utilizando este campo.

Manejar datasets voluminosos

• Algunos de los métodos de interpolación pueden ahora administrar datasets de entrada muy voluminosos.
• IDW con aproximadamente 2 mil millones de puntos de entrada (contenidos en más de 400.000 multipuntos) tardó unas 20 horas en generar un ráster de salida de 250 por 250 columnas y filas.

Ayuda nueva y actualizada

Por ejemplo, se ha agregado Un recorrido rápido por Geostatistical Analyst.

Nuevos tutoriales

Se ha actualizado la introducción al tutorial de Geostatistical Analyst para ArcGIS.