Anlisis comparativo

de calidad de Modelos
Digitales de Elevacin
Topogrficos
Julin Garzn Barrero.
Gonzalo Jimnez Cleves.
Jos Joaqun Vila Ortega.

1. Introduccin
Model
o

Representacin simplificada de la realidad en la

que aparecen algunas de sus propiedades
Repetibilidad

Digital
Analgico

No ambigedad

Codificacin de
informacin

Fsico (plano impreso)

Verificabilidad

de Terreno

Representacin
virtual
estructura numrica,
distribucin espacial
variable medible

de Elevaciones
Formas de la
superficie

2. Planteamiento del problema

Este trabajo intenta esclarecer un problema que
no parece estar totalmente resuelto: la relacin
entre la geometra de la superficie a
modelar y su algoritmo de interpolacin.
TIN

Interpolacin
espacial

Kriging

Punto muestral (valor real)

Punto no muestral
(valor estimado)

Informacin Altimtrica
Variable tipo simple

?
Variable tipo CONTINUO

3. Justificacin
Eliminar la subjetividad que se da al momento de elegir el modelo de interpolacin solo por una apariencia visual
agradable en trminos de suavidad de las curvas de nivel, descuidando su posicin absoluta y causando desviaciones
altimtricas.

Kriging

IDW

Vecinos naturales

Funcin de base
radial

4. Objetivos
General

Determinar la calidad altimtrica de Modelos

Digitales de Elevacin topogrficos (DEM) en
funcin de su Error Medio Cuadrtico (EMC), y su
algoritmo de interpolacin.

4. Objetivos
Especficos

Realizar un anlisis comparativo entre diferentes algoritmos de

interpolacin para la elaboracin de Modelos Digitales de Elevacin.

Calcular la desviacin estndar de distintos Modelos Digitales de

Elevacin que permitan evaluar su calidad altimtrica.

Utilizar los mtodos de interpolacin (Kriging, IDW, Shepard

modificado, vecinos naturales, funcin de base radial) para determinar
los rangos de pendiente en los que pueden ser utilizados, sin
comprometer la calidad altimtrica de la representacin de la
superficie de los MDE.

5. Metodologa

9. ANOVA

1. Obtencin datos
8. Matriz de errores
Muestreo 80 superficies

2. Clasificacin superficies

7. Clculo EMC
Pares aleatrios
Distribucin Normal

Planas, onduladas,
escarpadas, motaosas

3. Interpolacin TIN

Pares aleatrios Distribucin Normal

6. Box Muller

4. Interpolacin

5. Determinacin puntos muestra

Clasificacin de las
superficies
Tipo de terreno
Plano
Ondulado
Escarpado
Montaoso

T01
Number of triangles: 104
Mean elevation: 0.32
Minimum triangle area: 15.97
Maximum triangle area: 175.72
2D surface area: 9676.12
3D surface area: 9676.65
Minimum grade: 0.00%
Maximum grade: 3.47%
Average grade: 0.80%

Pendiente ()
<2
2-6
6-25
> 25

T21
Number of triangles: 269
Mean elevation: 4.94
Minimum triangle area: 0.11
Maximum triangle area: 268.18
2D surface area: 9980.94
3D surface area: 10097.36
Minimum grade: 0.57%
Maximum grade: 105.35%
Average grade: 12.37%

Pendiente (%)
<4,4
4,4 13,3
13,3 55,6
>55,6

Relieve (rango de alturas)

< 80
80-300
300-600
> 600

T58
Number of triangles: 269
Mean elevation: 22.98
Minimum triangle area: 5.86
Maximum triangle area: 67.39
2D surface area: 9127.39
3D surface area: 10152.88
Minimum grade: 16.22%
Maximum grade: 101.80%
Average grade: 48.20%

T80
Number of triangles: 309
Mean elevation: 24.99
Minimum triangle area: 3.42
Maximum triangle area: 88.71
2D surface area: 9159.77
3D surface area: 12504.68
Minimum grade: 14.61%
Maximum grade: 262.16%
Average grade: 95.28%

Interpolacin de las
superficies TIN

Segn Thomas K. Poiker, TIN es el

algoritmo
ms
apropiado
para
representar las irregularidades del
terreno y para derivar mtricas del
paisaje tales como pendiente, aspecto y
sombreado del terreno. Desde 1968 se
ha aceptado al modelo TIN como la
forma estndar de representar la
Topografa en un SIG y en otros
programas de cmputo.

Interpolacin Kriging

la variacin esperada de un dato debe ser funcin

exclusiva de la distancia entre las localizaciones.
La representacin grfica de esta propiedad es el
variograma que refleja la tasa de variacin en
funcin de la distancia

Cantidad de puntos de la
muestra
El tamao que debe poseer una muestra mnima para obtener
una determinada variacin de la media, est dado por la siguiente
ecuacin de muestreo aleatorio simple:

Algoritmo de Box Mller

*****************************************************************
cdigo:
T-001
Nombre:
AleatorioDistribucionNormal
Fecha:
Abril 2010
Programador:
JGB
Lenguaje:
MatLab
Descripcin:
Genera nmeros aleatorios en un rango definido
[0 - 100] bajo parmetros de distribucin normal,
media = 0.5 y sigma = 0.155, grafica los vectores
de los nmeros producidos, y el histograma donde se
puede comprobar que la frecuencia obedece a la
distribucin Normal o de Gauss.
******************************************************************

clc();
n = input('Ingrese el numero de pares generados
aleatoriamente : ');
a = 0; b = 100; % define el rango [a,b]de los numeros
aleatorios
%PASO 1 GENERACION DE ALEATORIOS:
u1=a+(b-a)*(random('norm',0.5,0.155,1,n));
u2=a+(b-a)*(random('norm',0.5,0.155,1,n));
disp(u1); %Vector que almacena el primer
disp(u2);
%PASO 2 GRAFICOS DISTRIBUCION PLANIMETRICA:
figure
plot(u1, u2,'*') % grafica el primer vector fila de la
matriz x
title('COORDENADAS DISTRIBUIDAS NORMALMENTE')
ylabel('Eje Y')
xlabel('Eje X')
pause
%PASO 3 HISTOGRAMAS:
figure
hist(u1);
pause
hist(u2);

El mtodo de Box-Mller
permite la generacin de pares
de
nmeros
aleatorios
independientes con distribucin
normal "estndar" (esperanza
cero y varianza unitaria), a
partir de una fuente de nmeros
aleatorios
uniformemente
distribuidos.

Clculo EMC
KRIGING

TIN

31,744

31,744

31,714

31,579

31,683

31,415

31,651

31,250

31,617

31,086

31,582

30,922

31,543

30,757

31,502

30,593

31,457

30,428

31,408

30,264

31,354

30,099

31,294

29,935

31,230

29,770

31,160

29,606

RESIDUO RESIDUO
0,000
0,000
0,135
0,018
0,268
0,072
0,401
0,161
0,531
0,282
0,660
0,436
0,786
0,618
0,909
0,827
1,029
1,058
1,144
1,308
1,254
1,573
1,360
1,849
1,460
2,131
1,555
2,417
15856,236
EMC=

1,247

El Error Medio Cuadrtico es el modelo matemtico ms

exigente para calcular el error de un MDE, por lo que su
uso facilita la comparacin de los valores obtenidos; lo
que se pretende es establecer y cuantificar las
diferencias ms significativas encontradas entre la
aplicacin de estos dos algoritmos usados para la
construccin de superficies.

Matriz de errores

Anlisis estadstico de
Varianza
ANOVA es una tcnica estadstica normalmente utilizada para analizar
resultados en procesos investigativos con diseos experimentales, con ella
se puede comparar si los valores que toma un conjunto de datos que
corresponden a variaciones de una misma variable dependiente, se ven
afectados por una o ms variables de tipo independiente.

Zona de no rechazo
de Ho

Zona de rechazo
De Ho

Medida de la dispersin de los

valores de un conjunto alrededor
de una magnitud promedio.

Anlisis No 1
Variable dependiente:
Variable independiente:

Error Medio Cuadrtico

Tipo de superficie (plana, ondulada, escarpada, montaosa)

Anlisis No 2
Variable dependiente:
Variable independiente:

Porcentaje de error en el clculo del volumen

Tipo de superficie (plana, ondulada, escarpada, montaosa)

6. Resultados
Anlisis No 1

Variable dependiente:
Variable independiente:

Error Medio Cuadrtico

Tipo de superficie (plana, ondulada, escarpada, montaosa)

ANLISIS DE
VARIANZA
Origen de las
variaciones

Suma de
cuadrados

Grados de
libertad

Promedio de los
cuadrados

Probabilidad

Valor crtico
para F

Entre grupos

35,08684294

11,69561431

63,89561

9,93E-21

2,724943949

Dentro de los grupos

13,91123095

76

0,183042513

Total

48,99807389

79

Prob.Var.Gru < 5%
Si dif.

Distribucin Fisher
Medias y 95,0% de Fisher LSD

Prob.rechazo Ho=0,05
2,2

Zona de no rechazo
de Ho

1,8

Zona de rechazo
De Ho

E.M.C.

1,4
1
0,6
0,2
-0,2
escarpada

montaosa
ondulada
categoria

plana

La variacin entre grupos es de 63,8956, para saber si los resultados de este anlisis son significativos (es decir que la
probabilidad tiene un valor menor a 0,05 nivel significancia) el valor de F necesita ser al menos 2,72 (o sea el valor crtico para
F). Entonces como el valor de F (63,8956) es mucho mayor que el valor crtico para F (2,72) con seguridad los resultados de la
prueba son significativos, dicho de otra forma: si existe una relacin significativa en cuanto que cada tipo de terreno posee
relacin directa con su Error Medio Cuadrtico

6. Resultados
Variable dependiente:
Variable independiente:

Anlisis No 1

Error Medio Cuadrtico

Tipo de superficie (plana, ondulada, escarpada, montaosa )

Como se obtuvo un valor significativo, se acepta que existen diferencias significativas entre las
varianzas, y surgen las siguientes preguntas:
cules son dichas diferencias?,
Son todos los grupos significativamente diferentes entre s o slo algunos de ellos
respecto de los dems?
categoria Casos Media
Medias y 95,0% de Fisher LSD

plana
ondulada
escarpada
montaosa

2,2
1,8

20
20
20
20

Grupos
Homogneos
0,02005 X
0,1377 X
X
0,5335
X
1,6954

E.M.C.

1,4
1
0,6
0,2
-0,2
escarpada

montaosa
ondulada
categoria

plana

Contraste
Sig. Diferencia
escarpada - montaosa *
-1,1619
escarpada - ondulada
*
0,3958
escarpada - plana
*
0,51345
montaosa - ondulada *
1,5577
montaosa - plana
*
1,67535
ondulada - plana
0,11765

+/- Lmites
0,26946
0,26946
0,26946
0,26946
0,26946
0,26946

6. Anlisis
Resultados
No 2
Variable independiente:
Variable dependiente:
Origen de
las
variaciones
Entre
grupos
Dentro de
los grupos
Total

Suma de
cuadrados

Tipo de superficie (plana, ondulada, escarpada, montaosa)

% error clculo volumen

Grados de
libertad

1,98319763

48,18073407
50,1639317

76
79

Promedio de
los
cuadrados
0,66106587
7
0,63395702
7

Valor
Probabilida crtico para
d
F

F
1,0427613 0,378613 2,7249439
78
3
4

Prob.Var.Gru > 5%
No dif.

Medias y 95,0% de Fisher LSD

1,5

Zona de no rechazo
de Ho
Zona de rechazo
De Ho

var. volumen

1,2
0,9
0,6
0,3
0
escarpada

montaosa
ondulada
categoria

plana

Pob.rechazo Ho=0,05

La tabla ANOVA descompone la varianza de var. volumen en dos componentes: un componente entre-grupos y un componente
dentro-de-grupos. La razn-F, que en este caso es igual a 1,0427, es el cociente entre el estimado entre-grupos y el estimado dentrode-grupos. Puesto que el valor-P de la razn-F es mayor o igual que 0,05 (nivel significancia), no existe una diferencia
estadsticamente significativa entre la media de var. volumen entre un nivel de categoria y otro, con un nivel del 95,0% de confianza.

7. Conclusiones

De acuerdo al Anlisis de Varianza no existen diferencias estadsticamente

significativas entre las varianzas de las superficies planas y onduladas, por lo
cual para este par de categoras se cumple la hiptesis nula:

De acuerdo al resultado de aceptacin de hiptesis nula

(ausencia de
diferencias entre las varianzas) en las superficies planas y onduladas, se puede
usar algoritmo de interpolacin de Kriging sin que est presente cambios
significativos en la geometra de las formas de la superficie terrestre.

No se debe utilizar el algoritmo de Kriging para representar formas de la

superficie terrestre mediante Modelos Digitales de Elevacin para territorios que
presenten formas topogrficas categorizadas como escarpadas y montaosas.

Estadsticamente no existen diferencias significativas entre el clculo de

volmenes de movimiento de tierra en relacin a los dos algoritmos evaluados
en este documento: TIN vs KRIGING, esto qued demostrado mediante el
anlisis No 2 donde la variable independiente fue cambiada al volumen