<\/HEAD>
Gostaria de compartilhar um artigo importante escrito por dois dos meus colegas, @Konstantin Krivoruchko e @Kevin Butler. Esta é uma leitura obrigatória para quem trabalha com DEMs, especialmente para aqueles que buscam uma abordagem adicional\/alternativa para criação de DEM com considerável poder explicativo.<\/P>
<\/P>
Para aguçar seu apetite a partir do artigo:<\/P>
"Modelos digitais de elevação baseados em raster (DEM) são a base de alguns dos fluxos de trabalho GIS mais importantes: modelagem hidrológica, adequação do local e análise de caminho de custo. Embora existam várias técnicas para gerar modelos digitais de elevação (DEMs), nenhuma delas pode produzir uma superfície de elevação verdadeira. O erro de medição que varia localmente e a imprecisão dos métodos de interpolação contribuem para a incerteza da estimativa do modelo sobre o valor real da elevação. Modelos de kriging e simulações geoestatísticas disponíveis na extensão Geostatistical Analyst para ArcGIS 10.1 for Desktop para quantificar a incerteza espacialmente variável de um DEM derivado de dados lidar. ...<\/P>
<\/P>
Uma alternativa aos algoritmos determinísticos, métodos probabilísticos estatísticos de interpolação como o kriging, têm várias vantagens sobre os métodos determinísticos. "Empirical Bayesian Kriging: Implemented in ArcGIS Geostatistical Analyst," um artigo na edição de outono de 2012 da revista ArcUser discute essas vantagens em detalhes."<\/P>
<\/P>
Para ler mais e contatar os autores diretamente, por favor, encontre o anexo.<\/P>
<\/P>
Feliz kriging!<\/P><\/BODY><\/HTML>
