Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/3569
Título : Comparación estadística de métodos interpolación deterministicos y estocásticos para la generación de modelos digitales del terreno a partir de datos LIDAR, en la parroquia de Tumbabiro, cantón San Miguel de Urcuquí, provincia de Imbabura
Autor : Resl, Richard (dir)
Duque Matínez, José Sebastian
Descriptores / Subjects : Sistemas de Información Geográfica
Metodología
Estadística
Fecha de Publicación : 2015
Ciudad: Editorial : Quito: USFQ, 2015
Cita Sugerida : Tesis (Magíster en Sistemas de Información Geográfica), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2014
Resumen / Abstract: El presente estudio describe el análisis estadístico de Modelos Digitales del Terreno (MDT) generados en la parroquia de Tumbabiro, provincia de Imbabura, a partir de métodos de interpolación determinísticos y estocásticos utilizando datos LIDAR para evaluar la calidad geométrico / temática de los productos cartográficos obtenidos y determinar su interrelación y semejanzas. Objetivamente, de acuerdo a la metodología aplicada se filtró al terreno y clasificó información LIDAR mediante el uso de herramientas SIG libres, entonces se generaron Modelos Digitales del Terreno a partir de métodos determinísticos como: Triangulación, Inversa Distancia, Spline (mínima curvatura); y mediante métodos estocásticos como Kriging Ordinario Lineal, Kriging Ordinario Esférico y Kriging Ordinario Exponencial, que básicamente son variantes de modelos de variogramas teóricos. Finalmente, se aplicaron técnicas estandarizadas para la selección de muestras de puntos de chequeo que sirvieron como testigo para evaluar la calidad del ajuste e interrelación de los Modelos Digitales del Terreno a través de los parámetros estadísticos como el Error Típico de Estimación y el Coeficiente de Correlación, los cuales concluyeron que los MDT con mejor ajuste fueron los obtenidos a partir de las variantes de Kriging Ordinario (métodos estocásticos) y principalmente el producto proporcionado a través del método determinístico Spline (mínima curvatura).
Descripción : This document presents information about a collection of quality control statistical analysis done over Digital Terrain Model (DTM) data. The analyzed data has been constructed from LIDAR observations from parish of Tumbabiro located at Imbabura’s province in Ecuador by means of stochastic and deterministic interpolation methods. The purpose of this analysis is to assess the geometric and thematic quality of the interpolated data and to determine its similarities and interrelations between them. For the purpose of this research LIDAR data was filtered and classified to ground observations with the help of open source GIS tools. As a next step, collections of different DTM were generated by interpolation using deterministic methods such as Triangulation, Inverse Distance Weighted and Spline (minimum curvature); and stochastic methods such as Ordinary Kriging with Linear, Spherical and Exponential models that are basically variations of the theoretical variogram models. Standardized sampling methods were applied to select a collection of check points used to assess the goodness of fitting of the modeled data to obtain a Digital Terrain Model (DTM). On these locations some statistic parameters were calculated by means of Root Mean Square Error (RMSE) and Correlation Coefficients. In conclusion, the results of the comparison determined that the best adjustment was obtained by the application of Ordinary Kriging DTM (stochastic methods) and with the deterministic method Spline (minimum curvature) over all the other methods used in this research.
URI : http://repositorio.usfq.edu.ec/handle/23000/3569
Aparece en las colecciones: Tesis - Maestría en Sistemas de Información Geográfica

Archivos en este ítem:
Archivo Descripción Tamaño Formato  
112296.pdfTESIS A TEXTO COMPLETO6,51 MBAdobe PDFThumbnail
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons