Análisis de la precisión de interpolacion en la

generación de MDT, caso de estudio zona

arqueológica de ingapirca
Bryan I. Galarza Prado
Facultad de Ingenieria
Universidad de Cuenca
Dirección Postal.
bryan.galarzap@ucuenca.ec
Resumen- Este documento superficie que representan es
presenta un análisis de los necesario que se construyan
diferentes métodos de estableciendo una relación
interpolacion disponibles en simétrica, es decir una
Surfer13 para la generación
de modelos digitales de
relación de correspondencia
superficie, se presenta una entre la superficie real y la
comparación y coincidencia predicha por el modelo, de
de los MDT generados con los modo que la utilidad de los
datos reales del terreno. Se MDS se condiciona
realizo un análisis con los principalmente por la buena
valores estadísticos y de selección de los factores
validación cruzada que relevantes para el problema
brinda Surfer13, así como y la adecuada descripción de
cuales de estos pueden ser los
sus relaciones funcionales.
más importantes al momento
de valorar de la exactitud del En la actualidad los Modelos
MDT con el programa, se Digitales De Terreno (MDT)
presenta los parámetros constituyen una herramienta
usados en cada método y su fundamental sobre todo en el
influencia en los errores. Se estudio de rasgos
concluye con un análisis de topográficos, tales como:
que métodos de interpolacion curvas de nivel, mapa de
son los más óptimos para la pendientes, trazado de
modelación de terrenos perfiles y la creación de
comparando los errores
residuales generados por
animaciones en 3D,
cada modelo permiten también la
representación del relieve de
Palabras Clave- modelo una forma más fácil y
digital de terreno, superficie. rápida.
La información altitudinal
Los Modelos Digitales de que conforma un MDT es
Superficie (MDS) obtenida a través de sistemas
pasivos o activos, o bien por
Son definidos como una mediciones directas. Los
estructura numérica de datos métodos pasivos como la
que representan la interpretación de pares
distribución espacial de la estereoscópicos de
altitud en la superficie fotografías áreas fueron los
terrestre, almacenados en pioneros en la construcción
una base de datos digital y de la información
georreferenciada en un topográfica. Esta
sistema de proyección información fue
cartográfica, es decir, un posteriormente digitalizada y
mapa que se obtiene a partir es la más frecuente en
de observaciones puntuales muchas partes del mundo, ya
discretas localizada en algún que puede fácilmente ser
punto o lugar, los MDS incorporada en un sistema de
representan todos los información geográfica
elementos existentes o (SIG).
presentes en la superficie Los sistemas activos como el
terrestre (vegetación, Radar (Radio Detection and
edificaciones, infraestructura Ranking) y el Lidar (Laser
y el terreno propiamente. Es Imaging Detection and
llamado modelo porque, a Ranging) permiten adquirir
través de algoritmos información topográfica y
matemáticos, los datos de generar MDT muy
altitud pueden ser detallados con una buena
modelados automáticamente precisión. Finalmente, la
en una computadora y así obtención directa de datos
lograr analizar la superficie altitudinales en el terreno a
terrestre en un modelo 3D. través de equipos
(Maune, 2001). topográficos como estaciones
totales o GPS (Global
Para que los MDS sean Positioning System) es
aplicables a la realidad de la laboriosa y costosa, por lo
cual no es práctica para
generar MDT sobre grandes
extensiones.
Las curvas de nivel son
considerados como MDT y
será el modelo utilizado para
la representación continua
de la superficie para el caso
de estudio de la Zona
Arqueológica De Ingapirca.
Interpoladores
Las muestras de elevación o
puntos sobre el terreno no
representan la superficie
terrestre de manera continua
por sí mismas, sin importar
si su distribución espacial es
regular o irregular (Kumler,
1994), en consecuencia, es
necesario utilizar un método
de interpolación que permita
modelar el terreno como una
superficie continua.
Desafortunadamente,
diferentes métodos de
interpolación calculan
diferentes valores para un
mismo punto de control aun
utilizando las mismas
muestras de elevación como
entrada (Lloyd y Atkinson,
2002), por lo que la
selección del algoritmo de
interpolación puede ser
considerada como un factor
que introduce errores en los
modelos. En 2004, Belete-
Fuentes demostró que el
MDT en terrenos
montañosos con pendientes
abruptas pierde precisión
debido a la proximidad de
las curvas de nivel.
Los diferentes métodos de
interpolación espacial se
clasifican en dos grandes
categorías: determinísticos y
probabilísticos (Maune et
al., 2001). También se puede
clasificar como exactos y
aproximados, en los exactos
los valores de la superficie
generada coincide con los
datos muéstrales mientras
que en los aproximados no
suelen coincidir.
Los métodos de
interpolación determinísticos
calculan un valor para cada
punto usando únicamente las
propiedades físicas de las
muestras de elevación, como
la extensión de la similitud
(Goovaerts, 1997). Las
técnicas de interpolación
determinísticas se pueden
dividir en dos grupos:
globales y locales. Las
técnicas globales calculan las
predicciones usando todo el
dataset. Las técnicas locales
calculan las predicciones a
partir de los puntos medidos
incluidos en las vecindades,
que son áreas espaciales más
pequeñas dentro del área de
estudio global. Los métodos
de interpolación
determinísticos representan
la gran mayoría de técnicas
de interpolación y los
utilizados para este estudio
son: Ponderación de
Distancia inversa (IDW),
Red de Triángulos
Irregulares (TIN), Polinomio
Local y Mínima Curvatura.
Los métodos de
interpolación probabilísticos,
en contraste con los métodos
determinísticos, infieren una
gran cantidad de
información utilizando las
muestras disponibles
(Maune et al., 2001). Los
métodos de interpolación
probabilísticos realizan
previamente un análisis
exploratorio de los datos
para conocer el carácter de la
autocorrelación espacial de
la variable. Esto permite el
diseño de una función de
interpolación más ajustada.
El método de interpolación
estadístico Kriging será el
utilizado para nuestro caso
de estudio.
Precisión y Errores
Por su parte, la precisión del
modelo dependerá de la
precisión del levantamiento
o set de datos y de la
precisión del proceso de
interpolación, lo cual está
estrechamente ligado a la
selección apropiada del
método a emplear y sus
respectivos parámetros
Estudios previos han
sugerido que los principales
factores que influyen en la
naturaleza y magnitud de los
errores introducidos en los
MDT por el método de
interpolación son:
1 La cantidad de
información
empleada por el
método de
interpolación para
generar el modelo.
Ej.: Número de
muestras,
correlación
espacial
2 Los rasgos
topográficos del
área geográfica
representada por el
MDT. (Fisher y
Tate, 2006).
Las características de la
muestra de datos, así como
el tipo de superficie a
modelizar, orientan acerca
de la técnica de
interpolación a emplear. De
los datos importa su
variedad, tipo, precisión y
distribución espacial. De la
superficie es relevante su
carácter temporal (estable o
dinámico), su distribución
espacial (homogénea
heterogénea), el coste del
muestreo, la dependencia de
otras variables o la
existencia de datos auxiliares
que guíen la interpolación
(como las líneas de
estructura en el relieve,
características orográficas de
la zona). Para algunos
autores, si los datos poseen
suficiente calidad y cantidad,
es generalmente considerado
satisfactorio un método de
interpolación local y exacto.
Finalmente, el modelo
generado difiere de la
superficie original en mayor
o menor medida pues, como
ya planteaba (Imhof, 1972).
¿Cómo podemos comparar
una superficie
incompletamente definida
con otra que no puede ser
exactamente determinada?
La incertidumbre y los
errores, que son intrínsecos
al modelo, pueden ser
reducidos, pero no
eliminados y deben ser
considerados como una
fuente de información
adicional sobre la superficie
representada. Varios autores
han abordado el estudio de la
precisión de los métodos de
interpolación en la
generación de modelos
digitales de terrenos, pues se
considera que este es un
factor clave para garantizar
la calidad del modelo. La
precisión puede ser calculada
estadísticamente, a partir de
los errores residuales entre
las elevaciones de los puntos
de la data y sus homólogas
generadas en el proceso de
interpolación de la malla, tal
como lo hacen (Morillo-
Barragán et al. 2002).
Este estudio pretende
comparar los métodos de
interpolación disponible en
Surfer13 que permiten
generación de MDT como
las superficies de contorno
(curvas de nivel), generando
modelos con diferentes
parámetros para determinar
cuál de ellos obtiene una
mayor precisión. El proceso
antes mencionado es de
crucial importancia, ya que,
o a partir de la generación de
un MDE con alta calidad, es
posible producir mapas de
pendientes, curvatura,
exposición, etc., que
contengan información
confiable y por lo tanto útil,
para la correcta
interpretación del relieve.
MATERIALES Y MÉTODOS
Para el desarrollo de este
análisis se utilizó un mapa
digital cartográfico en
formato PDF (escala
1:10000) del área
perteneciente a la Zona
Arqueológica De Ingapirca
perteneciente a la Provincia
de Cañar-Ecuador, cuyo
relieve se caracteriza por la
presencia de pendientes
abruptas y construcciones
arqueológicas de origen Inca
y Cañarí. Como herramienta
para la generación de los
modelos se empleó el
software Surfer13. Los
métodos utilizados son los
cinco interpoladores
matemáticos descritos en la Construcción del mapa de
tabla que están disponibles curvas de nivel
en el software y algunos
elementos de estadística A través del escaneo de un
descriptiva para valorar los mapa cartográfico de la zona
resultados, como el Error arqueológica de Ingapirca se
Medio Cuadrático (EMC), el procedió a realizar una copia
Error Estándar (EE), y otros. digital del mapa, con la
ayuda del comando Spline de
La investigación se AutoCAD se fue insertando
desarrolló siguiendo la puntos en los vértices de las
siguiente secuencia: curvas de nivel con el fin de
obtener una copia exacta del
 Preparación de los Plano, también se dibujaron
datos las construcciones y detalles
 Construcción del de terreno. El mapa base fue
mapa realizado en el año 2008 con
 Generación de los una estación total y para los
modelos a partir de fines de este estudio los
5 interpoladores puntos digitalizados sobre
1. IDW las curvas de nivel del mapa
2. Kriging original se consideran como
3. TIN puntos reales del terreno con
4. Mínima el objetivo de analizar los
curvatura modelos digitales que se
5. Polinomio local realizaran. En la Fig. 1 se
 Construcción del muestra el mapa digital
MDT con curvas de obtenido de AutoCAD a
nivel (5 mapas) escala 1:1.
 Comparación y
aplicabilidad de los
mapas, análisis de
coincidencia,
validación cruzada
 Estadística y
obtención de
residuos
 Elementos de
estadística
descriptiva de cada
modelo
Preparación de la base de
datos
La data se confeccionó a
partir de una hoja
cartográfica digitalizada en
formato PDF de donde se
extrajeron los datos
espaciales a partir de las
curvas de nivel, Se digitalizo
un mapa en AutoCAD de la
región a escala 1:1
escaneando cuidadosamente
puntos representativos sobre
las curvas de nivel del mapa
Fig. 1. Mapa cartográfico
cartográfico. De esta manera escaneado con curvas de
se preparó el fichero (*.exe) nivel cada 1m.
que comprendió 3582 puntos
con coordenadas
Construcción del MDT con
georreferenciadas (X; Y; Z)
curvas de nivel (5 mapas)
tomados sobre los vértices de
las curvas de nivel.
 Haciendo uso del comando menores para este método de Fig. 4. Nube de puntos en 3D del
Modelo Digital TIN “M6”
data menú Grid se generaron interpolacion, por ende se ha
los modelos a partir de cada creído conveniente DISTANCIA INVERSA
uno de los modelos de analizarlo a detalle como PONDERADA
interpolacion mencionados indica en la Fig. 3.
disponibles en Surfer13, Tabla 2
definiendo varios parámetros MÉTODO DE INTERPOLACION
DISTANCIA INVERSA
para cada Modelo se PONDERADA
obtienen también los
residuos de cada modelo así Parámetros M1 M2 M3 M4 M5
Tamaño de celda, x;y 1:1 0.7:0.7 1:1 1.5:1.5 3:3
como estadistas relevantes. Anisotropía: Radio m 0.6 0.6 0.5 0.6 0.7
RED DE TRINGULOS Angulo ° 20 15 30 30 20
IRREGULARES “TIN” Fuerza 4 3 3 4 5
Factor de Suavizado 2 1.25 1 2.5 0
Tabla 1 Sectores de búsqueda 5 5 6 4 6
MÉTODO DE INTERPOLACION RED Radio 1 40 50 30 45 30
DE TRINGULOS IRREGULARES Radio 2 25 25 20 45 30
Angulo 110 285 120 45 0
Parámetros M1 M2 M3 M4 Val. Cruzada ANOVA
Tamaño de celda, x;y 1:1 2:2 1:1 1.5:1 Distribución F de Snedecor 0.85 1.08 3.17 2.94 6.6
Media Cuadrática; Residual 0.52 0.64 0.83 0.66 0.6
Anisotropía: Radio m 1 2 2 3
Angulo ° 0 120 90 95 Coef. Deter. Múlt.(R^2) 2E-3 3E-3 6E-3 6E-3 0.01
Estadísticas residuos
dación Cruzada Mínimo -0.81 -0.66 -0.63 -1.42 -0.71
ribución F; Snedecor 1.36 1.92 3.7 2.26 Máximo 0.91 0.74 0.78 1.54 1.31
ia Cuadrática; Residual 0.11 0.18 0.08 0.09 Media 3E-3 3E-3 3E-3 5E-3 5E-3
f. Deter. Múlt.(R^2) 2E-3 4E-3 7E-3 5E-3 Varianza 3E-3 3E-3 2E-3 0.01 8E-3
adísticas residuos
Desviación Estándar 0.055 0.050 0.048 0.101 0.09
imo -0.35 -0.71 -0.28 -0.53
Rango Intercuartil 0.016 0.021 0.016 0.037 0.040
imo 0.39 0.88 0.39 0.6
ia -4E-3 8E-3 -1E-3 0.01
anza 3E-3 0.02 3E-3 1E-3
viación Estándar 0.06 0.14 0.06 0.1
go Intercuartil 0.04 0.09 0.04 0.06
0.42 1.5 0.5 1.35

Fig. 3. Residuos del Modelo Digital

TIN “M6”, curvas de nivel
cada 2.5cm

Analizando la Fig. 3 y la
Fig. 4 donde se presenta un
modelo en 3D para la
visualización de la
superficie, donde se nota que
la mayor parte de la
superficie tiene un error
menor a 2.5cm, el método da
mayor problema en las zonas
Fig. 2. Residuos de los Modelos de gran pendiente.
Digitales TIN; curvas de
nivel cada 2.5cm

En la Fig. 2 se observan los

residuos o errores de los
Modelo Digitales TIN,
donde para el método 1 no se
alteraron los parámetros
preestablecidos por Surfer13
a excepción del tamaño de la
malla, posteriormente se fue
modificando los radios de
anisotropía y su ángulo, así
como los tamaños de la
malla. Como se puede
observar el modelo 6, el
error y la desviación
estándar de los errores
pronosticados para los
vértices de la malla son los

Fig. 5. Residuos de los Modelos
Digitales IDW; curvas de
nivel cada 2.5cm
En la Fig. 5 se presentan los
errores de los Modelo
Digitales del método de
interpolacion IDW, el cual
tiene una amplia gama de
parámetros, se inicio
introduciendo los parámetros
de anisotropía que dieron un
buen resultado para el
método TIN, se observa
entonces que los errores de
este método también se
encuentran en las aéreas mas
empinadas. Como se
observan en las estadísticas
los métodos con un alto
valor de suavizado dan
errores mayores, en cambio
métodos con un mayor valor
de fuerza da como resultado
menos errores. Dado que el
modelo 6 es el que menor
desviación estándar de
errores pronostica se lo
analizada a detalle en la
Fig. 6.
Fig. 6. Residuos del Modelo Digital
IDW “M6”, curvas de nivel
cada 2.5cm
En la Fig. 7 se presenta un
modelo en 3D, donde se
puede apreciar que aunque el
método de poco error no
representa la superficie del
terreno, ya que genera
muchas perturbaciones.
Fig. 7. Nube de puntos en 3D del
Modelo Digital IDW “M6”
MINIMA CURVATURA
Tabla 3
MÉTODO DE INTERPOLACION
MINIMA CURVATURA
terreno pese a que en ciertas
zonas de estas tenemos
errores por debajo de los
10cm. Como se puede
observar en la Fig. 8. Para
los 4 modelos creados este
método pronostica poco error
a excepción de las zonas de
gran pendiente. En la Fig. 9
se muestra con mayor detalle
los errores del método 4,
donde se puede evidenciar
buena predicción de la
superficie ya que la mayor
parte de esta no supera los
5cm de residuo.
Fig. 8. Residuos de los Modelos
Digitales de Curvatura
Mínima; curvas de nivel
cada 2.5cm

Parámetros M1 M2 M3
Para este método se inicio
Tamaño de celda, x;y 1:1 0.5:0.5 0.5:0.5introduciendo también los
Anisotropía: Radio m 1 1 0.6 parámetros predeterminados
Residuo Máximo 0.1 0.05 0.05 por Surfer13 y dado que se
Interacción máxima 1E5 1E6 1E6
Factor de relajación 1 1 0.5 obtuvo un buen resultado se
Tensión interna 0 0.5 0.5 disminuyo el tamaño de la
Tensión en la Frontera 0 1 0.5 celda y reduciendo el residuo

Estadísticas residuos máximo, e igual se utilizo el

-0.35 -0.30 -0.34 radio de anisotropía que
0.52 0.23 0.23 mejores resultados dio en lo
2E-3 -3E-4 -1E-3
2E-3 1E-3 8E-4
métodos TIN y IDW, los
Desviación Estándar 0.052 0.032 0.028 residuos de cada método se Fig. 9. Residuos del Modelo Digital
Rango Intercuartil 0.041 0.026 0.022 muestran en la Fig. 8. de Curvatura Mínima “M6”,
curvas de nivel cada 2.5cm
En la tabla 3 se puede ver
que para todos los modelos
digitales con sus diferentes
parámetros da un buen
resultado y que puede
mejorar significativamente
con los parámetros
adecuados, los errores
máximos y mínimos son de
este método tienen un
promedio de 0.25m, mismos
que se pueden considerar
muy bajos dado que estos se
producen en las zonas de
mayor inclinación del
 que mejor se adapta se lo interpolacion con un menor
analiza con mayor detalle en tamaño de celda sin perder
la Fig. 12 en la cual se puede la precisión sobre los
observar que prácticamente puntos.
toda la superficie tiene un
error cercano a 0, a
excepción de las zonas más
empinadas donde también se
logra una buena precisión.

Fig. 10. Nube de puntos en 3D del

Modelo Digital de
Curvatura Mínima “M6”

En la Fig. 10 donde se
presenta un modelo en 3D
donde se puede visualizar
que la superficie se ha
suavizado y que este
modelo digital representa de
mejor forma el terreno.

KRIGING
Fig. 13. Nube de puntos en 3D del
Tabla 4 Fig. 11. Residuos de los Modelos del método estadístico
MÉTODO DE INTERPOLACION Digitales del método Kriging “M6”
KRIGING estadístico Kriging ; curvas
de nivel cada 2.5cm
Parámetros M1 M2 M3 CONCLUSIONES
Tamaño de celda, x;y 1:1 0.7:0.7 0.5:0.5
Anisotropía: Radio m 1 0.6 0.5 Realizando un análisis de
Angulo 0 30 30 los errores mínimos y
Pendiente 1 1 1.5 Para este método estadístico
Fig. 12. Residuos del Modelo Digital máximos generados por
# de Sectores de Búsqueda 4 6 8 también se uso en el primer
Radio 1 50 50 50 modelo
del método estadístico cada modelo con sus
los parámetros Kriging “M6”, curvas de
Radio 2 50 30 30 respectivos parámetros y de
Angulo preestablecidos como se nivel cada 2.5cm
0 120 120 cada método de
indica en la Tabla 4, luego se
Val. Cruzada ANOVA interpolacion, es evidente
incorporo la anisotropía que En la Fig. 13 se puede
Distribución F de Snedecor 0.25 0.24 0.74 que hay métodos de
0.04 como hemos mencionado da presenta el modelo en 3D
Media Cuadrática; Residual 0.062 0.058 interpolacion más eficaces
4 una mejora a los modelos. del modelo 4 generado con
Coef. Deter. Múlt.(R^2) 5E-4 5E-4 1E-3 que otros ya que con los
También se hizo un ajuste de el Kriging, y dado que este
Estadísticas residuos parámetros debidos los
Mínimo -0.23 -0.18 -0.18 la pendiente y se incremento método dio los mejores errores se disminuyen
Máximo 0.24 0.26 0.13 el número de sectores de resultados en cuanto a
Media -1E-3 2E-4 4E-5 significativamente.
búsqueda, dando como predicción de errores se lo
Varianza 4E-4 -3E-4 1E-4
resultado que el modelo 4 se tomara con el más
Desviación Estándar 0.02
0.016 0.012 Los parámetros que mejoran
1 ajusta con una alta exactitud representativo de la
Rango Intercuartil 0.01 a la predicción del modelo
0.01 0.008 a la superficie original y esto superficie.
3 digital de superficie, son la
se puede verificar en las
anisotropía que se estableció
estadísticas del método Si comparamos los modelos por la forma de la superficie
como: error mínimo, error digitales de en 3D de los ya que como se observa en
máximo, desviación estándar mejores 4 modelos los modelos 3D se tiene una
y varianza. generados con cada modelo depresión en la zona
se puede apreciar que el noreste, la cual direcciona al
En la Fig. 11 se muestran los método Kriging tiene un terreno hacia este lugar.
errores de cada modelo y se mayor detalle de la Otro parámetro importante
puede evidenciar como superficie, menos en algunos métodos son las
mejora su predicción con los perturbaciones sobre el zonas de búsqueda, los
parámetros adecuados. Dado terreno, además de que este radios de búsqueda de datos
que el método 4 es el modelo método permite una que también están
relacionados con la representa la realidad de la
anisotropía para el caso de superficie, y por ultimo
estudio y la influencia que tenemos al modelo de
tienen los puntos de distancia inversa ponderada
alrededor sobre uno en que aunque predice pocos
especifico. El tamaño de errores no representa al
celda también juega un terreno ya que genera
papel importante en la la muchas perturbaciones y
generación de los de los deformaciones de la
modelos, para todos los superficie.
métodos reducir el tamaño
de celda mejora la exactitud AGRADECIMIENTOS
del modelo, con excepción
del método IDW que da Se agradece al Ing.
mayor error, generando Gerardo Arbito por el
perturbaciones en la trabajo encomendado ya que
superficie. se realizo bajo su petición y
con este se ha obtenido una
Se puede valorar la buena experiencia en la
coincidencia del modelo modelización digital de
digital con el modelo real superficies
con la ayuda de las
estadísticas de los errores o REFERENCIAS
residuos en los cuales lo [1] Antonio Luis Calaña-Azcuy,
más relevantes son; error "análisis de la precisión de los
mínimo, error máximo, interpoladores del Surfer en la
interpolacion de relieves con
media, desviación estándar, pendientes abruptas",
varianza y rango http://www.redalyc.org/html/22
intercualtilico, siendo a 35/223533734006/
desviación estándar y el
rango intercualtilico los
estadísticos más importantes
para analizar la exactitud de
la predicción. La validación
cruzada también brinda
estadísticos como tabla de
análisis de covarianza
donde los más importantes
son: Factor F de la
distribución de Fisher y
Snedecor y la de media
cuadrática residual los
cuales dan una visión
preliminar de que tan
buenos son los parámetros
usados para la generación
del modelo.
Finalmente se concluye que
le método que mejor predice
la superficie del terpeno es
el método estadística de
Kriging, el cual da muy
buenos resultados y permite
trabajar con valores
pequeños del tamaño de
celda sin perder exactitud,
luego está el método de
curvatura mínima que
también ofrece una
modelación del terreno, la
red de triángulos irregulares
también genera buenos
resultados aunque se una
con líneas rectas los puntos
de la superficie lo cual no