Cómo funciona Densificar red de muestreo

Disponible con una licencia de Geostatistical Analyst.

La herramienta Densificar red de muestreo se puede utilizar para determinar los mejores lugares para agregar nuevas ubicaciones de muestreo a una red de monitorización en función del criterio de selección predefinido.

Se pueden usar varios criterios para determinar dónde agregar una estación, incluida la incertidumbre máxima de predicción y la mayor probabilidad de que se supere un valor de umbral especificado.

La herramienta utiliza una capa de estadísticas geográficas existente, creada mediante un modelo de kriging o cokriging con mediciones en las estaciones de monitorización existentes, para determinar el error estándar de la predicción, el rango intercuartil y la probabilidad de que se supere un umbral especificado para cada ubicación de entrada. En ArcGIS Pro, esta herramienta solo admite las capas de estadísticas geográficas creadas con kriging bayesiano empírico.

Si se usa como criterio el error estándar de la predicción máximo, stderr(s), se elige una nueva ubicación de muestreo para minimizar stderr(s) y el criterio de optimidad O₀(s) se puede expresar como:

O0(s) = máximo de stderr(s)

La probabilidad de superar un valor de umbral se puede utilizar para ponderar el error estándar de la predicción o el rango intercuartil (el rango intercuartil Z_0,75(s) - Z_0,25(s) se usa con frecuencia en lugar del error estándar de la predicción si la distribución de la predicción no es simétrica). Por ejemplo, si esa probabilidad es igual a 0,5, el criterio de optimidad O₁(s) es es igual al máximo del error estándar de la predicción:

O1(s) = máximo de stderr(s)(1-2·abs(prob[Z(s)>Zthreshold]-0,5))

El valor del criterio disminuye a medida que desciende la incertidumbre sobre el valor del umbral. Agregar las ubicaciones con el error estándar de la predicción ponderado O₀(s) más alto a la red de monitorización mejorará las predicciones cercanas al valor del umbral.

A menudo resulta útil multiplicar los criterios de optimización por los valores de probabilidad de inclusión a priori (ráster ponderado de entrada). Por ejemplo, se pueden asignar valores iguales a 1 a las áreas donde se permiten nuevas estaciones de monitorización y se asignan valores de 0 en caso contrario.