Modelamiento de la superficie terrestre a través de métodos geoestadisticos del archipiélago de providencia

Solo disponible en BuenasTareas
  • Páginas : 15 (3705 palabras )
  • Descarga(s) : 0
  • Publicado : 18 de mayo de 2011
Leer documento completo
Vista previa del texto
PROYECTO FINAL

-Tercera entrega-
MODELAMIENTO DE LA SUPERFICIE TERRESTRE A TRAVÉS DE MÉTODOS GEOESTADISTICOS DEL ARCHIPIÉLAGO DE PROVIDENCIA

Presentado Por:
Denisse S. Alvarez O
Angie Paola Ruiz

Presentado a:
Carlos Melo
Ing. Catastral y Geodesta

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

FACULTAD DE INGENIERÍA

PROYECTO CURRICULAR INGENIERÍA CATASTRAL Y GEODESIA
JUNIO2007

PROYECTO FINAL

- Tercera Entrega-
MODELAMIENTO DE LA SUPERFICIE TERRESTRE A TRAVÉS DE MÉTODOS GEOESTADISTICOS DEL ARCHIPIÉLAGO DE PROVIDENCIA

DESCRIPCIÓN DE LA BASE DE DATOS

Los datos tomados para hacer la predicción de la superficie terrestre del archipiélago de Providencia parten de sus coordenadas X, Y y de cotas tomadas a partir de curvas de nivel ya establecidas. De maneraque en el presente trabajo se busca determinar o predecir aquellos puntos donde su cota es desconocida, considerando esta como la Variable Regionalizada a determinar utilizando los diferentes métodos de interpolación como son los deterministícos y Kriging. Los datos de entrada son 611 los cuales se encuentran descritos en la -Tabla 1-, los cuáles se encuentran distribuidos tal como se observa enla siguiente imagen.

Archipiélago de Providencia –Colombia-

DATOS (Tabla 1)

ANÁLISIS ESTRUCTURAL

El análisis estructural, es uno de los criterios de estudio más importante en la geoestadística, pues determina las características de variabilidad y correlación espacial de un determinado fenómeno, con el fin de conocer la manera como la variable cambia de una localización a otra, esdecir como es su distribución en el espacio.

1. HISTOGRAMA

[pic]

En el criterio de Normalidad de los Datos, se utiliza el Histograma para evaluar la distribución de los mismos, teniendo en cuenta el criterio de Kurtosis y la simetría de la distribución; de esta manera podemos observar que la Kurtosis tiene un valor de 2.2781, un poco distante a 3, -valor óptimo considerado para determinarel grado de normalidad de los datos- y su simetría un valor de 0.91649, lo que indica que el comportamiento de los datos, no son muy óptimos para una distribución normal. Esto se debe, de cierta manera a la naturaleza de los datos, por ello no es relevante realizarles algún tipo de transformación, ya sea Log o Box-Cox, además que tal situación podría generar errores en las predicciones, pues elnúmero de datos –611-influye negativamente, en que este criterio no sea importante a tenerlo en cuenta en el análisis estructural.

2. NORMAL QQ PLOT

[pic]

Teniendo en cuenta que el criterio de Normal QQ Plot provee un indicador de la normalidad univariada por medio de un gráfico en el cual los cuantiles de dos distribuciones son graficadas una respecto a otra, en este caso los cuantiles dela distribución estándar son graficados en el eje X, mientras que los cuantiles del conjunto de datos son graficados en el eje Y. Observándose, que los datos aunque tienden a seguir la distribución normal, no se encuentran distribuidos uniformemente, dado que para los diferentes puntos distribuidos en la zona los valores de cota son iguales, como es el caso de los puntos 1 hasta el 130 donde sucota corresponde a 25, para los siguientes 140 su cota corresponde a 50 y así sucesivamente.

Es así, que valores como los mostrados por las flechas representarían los datos que no ayudarían a mejorar la normalidad de los datos.

3. ANISOTROPIA

Dentro del análisis estructural de un fenómeno, uno de los procedimientos más importantes dentro del estudio, es evaluar las características devariabilidad y correlación espacial mediante semivariogramas experimentales en diferentes direcciones, que permitan establecer la mínima y la máxima variabilidad de los datos, denominándose análisis de Isotropía y Anisotropía.

Así al evaluar la correlación de los datos de altimetría, se encontró que al variar el ángulo del semivariograma, el comportamiento de los datos tiende a variar -no...
tracking img