Interpolarea spațială

Curs 8
Dr. Constantin Nistor
• Metodele de interpolare a datelor, reprezintă algoritmi matematici bine definiţi,
care în funcţie de distribuţia valorilor folosesc o anumită funcţie, pentru un
rezultat optim şi o mai bună interpretare.

• Interpolarea spaţială reprezintă un mod de aproximare a distribuţiei spaţiale a

fenomenelor pe baza unei funcţii dependentă de locaţia în spaţiul
multidimensional şi la o scară multivariată. (Mitas şi Mitasova, 2005). Metodele
de interpolare spaţială au rolul de a aproxima valori în noile locaţii. În GIS, aceste
metode au şi rolul de a transforma datele dintr-un format vectorial, cu distribuţie
neuniformă într-un format raster cu distribuţie continuă.
• Integrarea datelor în ecuaţie a fost explicată de Mitas şi Mitasova, 2005: Se
porneşte de la un număr N de observaţii ale unui fenomen zj, j=1,……,N
măsurători ale unor puncte discrete rj= (𝑥𝑗[1], 𝑥𝑗[2], … 𝑥𝑗[𝑑], j=1,…,N, pentru o
regiune dintr-un spaţiu d-dimensional. Funcţia de interpolare F(r), trebuie să
treacă prin toate punctele date şi să îndeplinească condiţiile F(rj)= zj, j=1,…N.
• Deoarece există o infinitate de condiţii care satisfac această condiţie, trebuie
impuse alte condiţii suplimentare care dau particularitate diferitelor tehnici de
interpolare, care ţin cont de localizare, concept geostatistic, mod de
aproximare, etc.

• Modelarea terenului este adesea foarte complexă, datorită distribuţiei

heterogene şi discontinui a datelor, motiv pentru care metoda de interpolare
trebuie să îndeplinească câteva atribuții: acuratețe şi putere de predicţie,
robusteţe şi flexibilitate, aplicabilitate pentru o mare varietate de date şi
uşurinţă de folosire. Folosirea unei metode inadecvate, conduce la realizarea
unui model distorsionat al realității, care poate avea implicații şi mai puternice
atunci când este folosit ca date de intrare, iar o simplă eroare conduce la un
fals model al distribuţiei spaţiale (Mitas şi Mitasova, 2005).
• Metoda Kriging

• Denumită și Procesul de regresie Gaussiană este o metodă de interpolare

dirijată de covarianța datelor și asigură cea mai bună predicție liniară
pentru valorile intermediare.
• Bazele teoretice ale metodei au fost dezvoltate de matematicianul francez
Georges Matherhon în 1960 bazat pe teza de master a lui Danie Krige.
• Danie Krige a fost un statistician, inginer minier și profesor universitar din
Africa de Sud. Tehnica kiriging este denumită după numele său și a fost
utilizată pentru evaluarea resurselor minerale.
Example of one-dimensional data interpolation by kriging, with confidence intervals. Squares indicate the location
of the data. The kriging interpolation, shown in red, runs along the means of the normally distributed confidence
intervals shown in gray. The dashed curve shows a spline that is smooth, but departs significantly from the
expected intermediate values given by those means.
• Metoda kriging este larg utilizată în analiza spațială și experimentele
pe computer.
• Krige a folosit metoda pentru estimarea resurselor de aur pe baza
doar a câtorva foraje.
• Ideea de bază a krigingului este prezicerea de valorlor unei funcții
într-un punct dat pe baza mediei influenței vecinătăților punctului.
• Metoda este matematic strâns legată de regresia analitică.
• Ambele teorii generează cea mai bună predicție liniară bazat pe
supoziția covarianței Gauss-Markov
• Această metodă produce hărţi cu un efect vizual atrăgător plecând de la date spaţiale
iregulate. Metoda încearcă şă scoate în evidenţă tendinţa sugerată de către date.
Reprezintă o metodă foarte flexibilă, care poate fi folosită implicit sau personalizată să se
potrivească datelor prin specificarea celui mai apropiat model de variogramă. Ea poate fi
folosită ca un interpolator exact sau de uniformizare a valorilor în funcţie de parametrii
specificaţi.
• Metode kriging:
• Krigingul ordinar, asumă media necunoscutelor constantă numai pentru vecinătatea
de căutare.
• Krigingul simplu, asumă stabilitatea momentului inițial pentru întregul domeniu cu o
medie cunoscută
• Krigingul universal, asumă un model polinomial pentru prezicerea valorilor
CURBURA MINIMĂ
• Metoda a fost descoperită și implementată de Smith and Wessel în 1990
• Este o metodă de interpolare larg răspândită în ştiinţele pământului. Suprafața
generată de interpolare prin această metodă, este analoagă cu o farfurie
subţire, liniară, care trece prin fiecare valoare a datelor, asigurând o suprafață
cu o curbură minimă.
• Această metodă generează cea mai „netezită” posibil suprafaţă. Curbura
minimă, nu este întotdeauna un interpolator exact, ceea ce înseamnă că datele
nu sunt întotdeuna foarte exacte.
• Curbura minimă produce gridul prin repetarea aplicării unei ecuaţii peste
model cu intenţia “netezirii” valorilor acestuia. Fiecare trecere peste model
este considerată o iteraţie. Valorile nodurilor gridului sunt recalculate până
când schimbările succesive ale valorilor devin mai mici decât valoarea reziduală
maximă, sau până când numărul maxim de repetiţii este atins. Implementarea
algoritmului curburii minime face apel la noţiunea de tensiune, care solicită în
primul rând stabilirea unui model plat folosind ecuaţia regresiei pătrate.
• Pentru generarea gridului final prin această metodă este necesară
parcurgerea a patru etape:

1. Pătratul ultimului model de regresi se potriveşte datelor

2. Valorile modelului regresiei plane al locaţiilor sunt scăzute din valorile datelor.
Aceasta produce un sed de date cu valori reziduale.
3. Algoritmul curburii minime este folosit pentru interpolarea valorilor reziduale ale
nodurilor gridului
4. Valorile modelului regresiei plane pentru nodurile gridului au fost aduse în
interpolarea finală. Rezultatul este în final suprafaţa de interpolare.

• Nodurile fixe sunt definite ca medii ale valorilor din vecinătate observate.
Dacă considerăm forma celulei pătrată, vecinătatea nodurilor gridului este
definită ca acest poligon centrat pe nodurile gridului. Dacă există alte date
observabile în vecinătatea nodurilor gridului, valoarea nodurilor gridului
este egală cu media aritmetică a datelor conţinute.
• Metoda oferă, pentru avansaţi, posibilitatea setării a o serie de opţiuni spre
înbunătăţirea calităţii gridului.
INFLUENȚA DISTANŢEI INVERSE (IDW)
• Influența distanţei inverse, este o metodă de interpolare, unde în timpul interpolării
influenţa unui punct asupra altuia este înlocuită cu distanţa dintre nodurile gridului.
• Este o metodă deterministică pentru interpolări multivariate pentru un set de puncte
dispersate
• Esenţa algoritmului constă în folosirea unei funcţii de putere care controlează ponderea
factorului de scădere odată cu mărirea distanţei faţă de nod.
• La valoarea cea mai e mare a puterii funcţiei efectul asupra punctelor situate departe de
nodurile gridului este cel mai mic.
• Pentru valoarea cea mai mică a puterii, efectul este mult mai uniform distribuit printre
punctele din vecinătate.
• Pătratul distanţei inverse se comportă ca un interpolator exact.
• Atunci când calculează un nod al gridului, valoarea desemnată pentru datele punct este o
fracţie, iar suma tuturor valorilor este egală cu unu.
• Când o observaţie particulară coincide cu un nod al gridului, distanţa dintre
această observaţie (punct), şi nodul gridului este egală cu zero. Astfel nodul
gridului, va avea o valoare care coincide cu cea a observaţiei.
• Pentru amortizarea acestui neajuns se foloseşte un mecanism de diminuare
a acestei comportări care constă în “netezirea” valorilor. Pentru aceasta se
foloseşte o valoare a “coeficientului de netezire” mai mare decât zero.
• Una dintre caracteristicile algoritmului pătratul distanţei inverse, este
generarea efectului “ochilor de taur” împrejurul poziţiilor de observaţie
dintr-o arie a gridului.
• Coeficientul de netezire poate fi controlat în timpul interpolării pentru
reducerea efectului “ochi de taur”, prin mărirea valorii sale.
Reducerea efectului “ochi de taur” prin mărirea coeficientului de netezire: a). pentru un coeficient de netezire egal cu 1 şi b).
Pentru un coeficient de netezire egal cu 9. Surfer Software, Licenţă Universitatea din Bucureşti