<\/HEAD>
Me gustaría compartir un artículo importante escrito por dos de mis colegas, @Konstantin Krivoruchko y @Kevin Butler. Es una lectura obligada para quienes trabajan con DEMs, especialmente para aquellos que buscan un enfoque adicional\/alternativo para la creación de DEM con un considerable poder explicativo.<\/P>
<\/P>
Para abrir el apetito con el artículo:<\/P>
"Los modelos digitales de elevación basados en raster (DEM) son la base de algunos de los flujos de trabajo GIS más importantes: modelado hidrológico, idoneidad del sitio y análisis de ruta de costo. Aunque existen varias técnicas para generar modelos digitales de elevación (DEMs), ninguna puede producir una superficie de elevación verdadera. El error de medición variable localmente y la inexactitud de los métodos de interpolación contribuyen a la incertidumbre en la estimación del modelo del valor real de elevación. Los modelos de Kriging y las simulaciones geoestadísticas disponibles en la extensión Geostatistical Analyst para ArcGIS 10.1 for Desktop cuantifican la incertidumbre espacialmente variable de un DEM derivado de datos lidar. ...<\/P>
<\/P>
Una alternativa a los algoritmos deterministas, los métodos estadísticos probabilísticos de interpolación como kriging, tienen varias ventajas sobre los métodos deterministas. "Empirical Bayesian Kriging: Implemented in ArcGIS Geostatistical Analyst," un artículo en la edición de otoño 2012 de la revista ArcUser discute estas ventajas en detalle."<\/P>
<\/P>
Para leer más y contactar directamente a los autores, por favor encuentre el adjunto.<\/P>
<\/P>
¡Feliz kriging!<\/P><\/BODY><\/HTML>
