¿Cuál es la Importancia de la Geoestadística?
La geoestadística es el estudio de las estadísticas con un enfoque en la información espacial y temporal. El objetivo es modelar y encontrar patrones de fenómenos geográficos.
El campo de la geoestadística cubre una amplia gama de temas estadísticos espaciales, tales como:
- Semivariogramas para caracterizar el patrón espacial en los datos
- Kriging para predicción espacial
- Error estándar para medir la incertidumbre sobre valores no muestreados
La geoestadística es un campo de estudio en crecimiento que utilizamos en minería, estudios climáticos, ciencia del suelo y la mayoría de los campos ambientales.
¿Por qué utilizar la geoestadística?
Las tres principales herramientas que proporciona la geoestadística son:
- Semivariogramas para modelar la relación entre todos los pares de puntos.
- Modelado kriging para predecir valores en ubicaciones no muestreadas.
- Error estándar para medir la confianza en valores no muestreados.
Por ejemplo, si tiene muestras de suelo en ubicaciones específicas, la geoestadística puede responder a este tipo de preguntas:
- ¿Cuál es la cantidad pronosticada de humedad del suelo en lugares no muestreados?
- ¿Cuán confiable es la predicción espacial de la cantidad de humedad del suelo?
Esto es diferente de las técnicas de interpolación deterministas como la ponderación de distancia inversa (IDW), donde solo estima ubicaciones desconocidas.
En general, IDW utiliza una función de potencia predefinida. Entonces, el resultado es el que es. Pero no te dice qué tan seguro estás.
LEER MÁS: Interpolación Kriging La predicción es fuerte en este
Herramientas y temas de geoestadística
Semivariogramas
La geoestadística proporciona herramientas descriptivas como semivariogramas para identificar tendencias subyacentes en fenómenos espaciales. Según la primera ley de la geografía de Tobler, las cosas más cercanas están más relacionadas que las cosas más lejanas. Esta es también la idea principal del concepto de autocorrelación espacial.
El semivariograma grafica todos los pares de datos según la distancia. Las observaciones más cercanas entre sí tienen una correlación más alta. Pero a cierta distancia (rango), ya no existe una relación entre puntos que están próximos entre sí.
El semivariograma representa la relación hasta que llega al umbral donde ya no se correlacionan más muestras. El propósito es ajustar una función matemática que modele la tendencia en su semivariograma.
Por ejemplo, puede seleccionar un semivariograma que sea:
- Esférico
- Circular
- Exponencial
- gaussiano
- Lineal
interpolación kriging
Kriging es una técnica de interpolación que aprovecha la correlación espacial entre muestras para predecir valores en ubicaciones no muestreadas. Pero la principal diferencia es que puedes construirlo usando la función matemática obtenida del semivariograma.
Estos son los diferentes tipos de kriging disponibles en geoestadística:
Co-Kriging agrega una segunda variable relacionada para que pueda mejorar la predicción con información secundaria. Por ejemplo, para predecir el cambio de precipitación en áreas montañosas, puede agregar datos de elevación como una covariable a las cantidades de lluvia.
Empirical Bayesian Kriging (EBK) puede ayudar al tratar la varianza local por separado. En lugar de tener una variación similar en toda su extensión, EBK realiza kriging como un proceso subyacente separado en diferentes áreas. Todavía realiza kriging, pero se hace localmente.
Universal Kriging agrega análisis de superficie de tendencia (o deriva) con kriging ordinario al tener en cuenta las tendencias.
Indicador Kriging realiza kriging ordinario con datos binarios (0 y 1) como celdas urbanas y no urbanas.
El kriging de probabilidad utiliza datos binarios (similares al kriging de indicadores) y estima puntos desconocidos para una serie de puntos de corte.
Este ejemplo muestra el modelo de predicción espacial de kriging.
Error estándar
La geoestadística es ventajosa porque evalúa la incertidumbre de los valores no muestreados con un mapa de superficie de error estándar. Un mapa de error estándar representa una medida de confianza de la probabilidad de que esa predicción sea cierta.
El error estándar evalúa la solidez de su modelo kriging. Al comparar los valores reales con los predichos, evalúa la incertidumbre al construir una superficie de residuos.
En general, obtiene un estándar de error más alto cuando tiene una cantidad escasa de observaciones. Cuando el error supera un umbral crítico, el conocimiento experto puede contribuir al proceso del variograma.
Aplicaciones y usos
La geoestadística se desarrolló originalmente para la industria minera a fin de estimar y gestionar los recursos minerales y minerales.
Pero la geoestadística se aplica a varios tipos de fenómenos espaciales con variación local. Por ejemplo, lo usamos para:
- Predecir el tiempo, el clima, la contaminación y otros fenómenos atmosféricos.
- Evalúe los atributos y la química del suelo que varían en todas las escalas.
- Medir la abundancia de peces para una población sostenible en la pesca.
La geoestadística es un campo de estudio emergente en ingeniería, geofísica y la mayoría de los fenómenos naturales.
Recursos de software de geoestadística
- Geoestadística de Stanford (SGeMS)
- GeoDa
- ArcGIS Pro
- SIG SAGA
Por qué son importantes las geoestadísticas SIG
La geoestadística es ventajosa porque evalúa la incertidumbre de los valores no muestreados con un mapa de superficie de error estándar. Un mapa de error estándar representa una medida de confianza de la probabilidad de que esa predicción sea cierta.
¿En qué se diferencia la geoestadística de las estadísticas?
La principal diferencia entre la estadística clásica y la geoestadística es la suposición de dependencia espacial. Es decir, la ubicación de los elementos de datos entre sí juega un papel importante en los procedimientos de análisis, modelado y estimación.
¿Qué es el modelado geoestadístico?
La geoestadística es un conjunto de modelos y herramientas desarrollados para el análisis estadístico de datos continuos. Estos datos se pueden medir en cualquier lugar del espacio, pero están disponibles en un número limitado de puntos de muestra.
¿Qué son las herramientas geoestadísticas?
Se muestra que la herramienta geoestadística tradicional, el variograma, una herramienta que está comenzando a usarse en ecología, brinda un resumen incompleto y engañoso del patrón espacial cuando cambian las medias locales y las varianzas.