Professional Documents
Culture Documents
Prefaci
El prop`
osit daquest document es estudiar les equacions del m`etode de Kriging
i familiaritzar-nos amb la seva aplicacio en lentorn R. Concretament representarem la distribuci
o de temperatures dEspanya al seu mapa.
Index
Prefaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 Introducci
o
2 El m`
etode de Kriging
2.1 Conceptes previs . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Definici
o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
5
7
3 Representaci
o de la distribuci
o de temperatures a Espanya
Bibliografia
11
Captol 1
Introducci
o
El principi b`
asic de la geoestadstica es modelitzar la variacio espacial contnua
duna variable com un proces aleatori. Concretament, considera el valor de la
variable estudiada en les posicions desconegudes com el resultat dun conjunt
de variables aleat`
ories correlacionades.
Aquest plantejament de la geoestadstica parteix de la crtica dels m`etodes
convencionals dinterpolaci
o mitjancant pesos assignat-s en funcio de la dist`ancia
o de la posici
o. Entre els defectes dels m`etodes basats en la ponderacio per la
dist`
ancia o la posici
o, la geoestadstica assenyala la dificultat per establir el
criteri per a escollir els factors de ponderacio, la manca de criteri per a escollir la dist`
ancia fins a la qual considerar els efectes dels valors coneguts sobre
el valor a estimar, la manca de mesures de la fiabilitat de les estimacions obtingudes, i la dificultat que un mateix m`etode destimacio sigui v`alid en tot
tipus de situacions. Contr`
ariament a la ponderacio basada en la dist`ancia o la
posici
o, pr`
opia de lestadstica espacial, la geoestadstica proposa ponderar els
valors dels punts de mostra per mitj`a dalguna mesura de similaritat amb el
valor a estimar. Similaritat que, en aquest cas, es pot mesurar estadsticament
mitjancant la covari`
ancia o la correlacio entre els valors dels punts de mostra
(Clark, 1979).
Per estimar el valor de la variable dinter`es Z en una posicio x de valor desconegut, la geoestadstica considera que el valor de Z a la posicio x, Z(x), es un
valor aleatori, pel fet que no ha estat mesurat, per`o nomes parcialment aleatori, ja que el valor Z(x) desconegut es definit per una funcio de distribucio de
probabilitat acumulada que dep`en dinformacio coneguda respecte al valor Z(x):
Captol 2
El m`
etode de Kriging
El m`etode de Kriging, tambe conegut com Krigatgees un conjunt de m`etodes
dinterpolaci
o espacial emprats en geoestadstica per a estimar els valors duna
variable de superfcie en posicions desconegudes a partir dels valors coneguts
dobservacions en punts de mostreig propers. Els diferents m`etodes de krigatge
s
on m`etodes estoc`
astics dinterpolacio perqu`e tracten la variable de superfcie
com una variable aleat`
oria o proces estoc`astic. El krigatge es basa en la teoria
de variables regionalitzades per a incorporar informacio sobre els aspectes estoc`
astics de la variaci
o espacial en el c`alcul de les funcions de ponderacio per a
la interpolaci
o.
La interpolaci
o per krigatge es basa en un algorisme generalitzat de millor
estimaci
o lineal no esbiaixada, que utilitza semivariogrames per a establir les
funcions de ponderaci
o i que fa servir la vari`ancia mnima dels errors dinterpolaci
o com a criteri de millor estimacio lineal no esbiaixada. El krigatge te
lavantatge de ser l
unic m`etode dinterpolacio que proporciona una manera de
caracteritzar la vari`
ancia de lerror de les estimacions.[5]
2.1
Conceptes previs
Anem a recordar uns conceptes que ens seran de vital import`ancia per a entendre
les equacions del m`etode:
Vari`
ancia: V ar(X) = E(X 2 ) 2x .Six = 0 V ar(X) = E(X 2 ).
Covari`
ancia: Cov(X, Y ) = E(X Y ) (X ) (Y ).
Si X = 0 o Y = 0 Cov(X, Y ) = E(X Y )
Tambe introduirem el concepte de variograma:
Variograma: eina que permet analitzar el comportament espacial duna variable sobre un `
area definida, que reflexa la distancia m`axima i la forma en que un
5
(2.1)
3h
))
a
(h) = C0 + C1 (1 Exp(
h2
))
a2
Model Gaussi`
a:
2.2
Definici
o
f(x ) =
n
X
i (x ) f (xi )
(2.2)
i=1
On i (x ) sanomenen pesos i son les solucions dun sistema dequacions lineals que sobte assumint que f es una de les possibles realitzacions dun proces
aleatori F(x) que minimitza lerror destimacio.
(x ) = F (x )
n
X
i (x) f (xi )
(2.3)
i=1
n
X
wi (x0 ) Z(xi )
(2.4)
i=1
on:
Z(xi ) s
on els valors veritables de Z a les posicions x1 , ...., xn , iguals als
valors observats zi
wi (x) s
on els pesos a aplicar a cada observacio i per al c`alcul de Z en cada
posici
o x (es a dir, diferents per a cada observacio i i per a cada posicio x
objecte de c`
alcul)
i=1 j=1
n
X
(2.5)
i=1
E[Z(x)
Z(x)] =
n
X
i=1
(2.6)
Captol 3
Representaci
o de la
distribuci
o de temperatures
a Espanya
Les dades amb les quals hem treballat han sigut arreplegades per AEMET i
descarregades de [7], a mes, cal dir que les illes Can`aries no han sigut tingudes
en conter degut a la seua llunyania respecte de la Pennsula, amb lobjectiu
dobtenir una aproximaci
o mes fidedigna.
Com hem vist al captol 2, amb el m`etode de Kriging, a partir duna mostra
de punts en els quals coneixem el valor de la funcio, podem aproximar el valor
a punts propers als coneguts. A causa de la gran quantitat de dades que te la
nostra mostra, les aproximacions que fem seran de molta qualitat.
Aix, aplicant el m`etode de Kriging sobre les dades anteriors, obtenim:
10
Bibliografia
[1] Krige, D.G., A statistical approach to some mine valuations and allied
problems at the Witwatersrand,, Masters thesis of the University of Witwatersrand, 1951
[2] George Matheron, Traite de geostatistique appliquee, Tome 1. Pars,
Editions Technip
[3] George Matheron, Traite de geostatistique appliquee, Tome 2. Pars,
Editions Technip
[4] Fernando Garca Bastante, Fundamentos de Geoestadstica, Universidad de Vigo.
[5] Dr. Joan Nunes, En qu`e consisteix el krigatge?, Institut Cartogr`afic de
Catalunya, 2013
[6] https://ca.wikipedia.org/wiki/Geoestadstica
[7] http://datosclima.es/
11