¿Se necesitan técnicas especiales de interpolación para los datos meteorológicos?

Question

He descargado una serie de observaciones meteorológicas de la agencia meteorológica local: consta de unos 1.000 puntos repartidos de forma no uniforme por toda Australia, con una mayor densidad de puntos situados cerca de zonas pobladas.

Me interesa mostrar las temperaturas medias y las precipitaciones mensuales (por separado) como superficies suaves, así que he utilizado la función Kriging de Spatial Analyst (con los valores por defecto) para calcular esta cuadrícula:

[editar]

Las cuadrículas se utilizarán únicamente con fines de visualización. En un mapa web mostraré las cuadrículas para dar contexto, pero sólo permitiré identificar las estaciones meteorológicas reales, en cuyo caso mostraré los valores originales. Supongo que esto significa que la precisión de las cuadrículas no es de vital importancia.

Mis preguntas:

• ¿Qué parámetros de la herramienta Kriging debo comprender para crear interpolaciones significativas de las precipitaciones, la temperatura y otros factores meteorológicos?
• ¿Debo tener en cuenta los efectos de la topografía (por ejemplo, el efecto de la lluvia orográfica) o el algoritmo de kriging se encarga de ello?
• ¿es el Analista Geoestadístico una herramienta mejor para este tipo de análisis? (Creo que está diseñado para manejar los sesgos debidos a la geografía)
• ¿hay algo más que deba tener en cuenta para crear un resultado significativo?

Gracias

Answer 1

• No nos dice nada sobre el uso de estos mapas. ¿Sólo quiere producir un mapa? ¿Los utilizará como entrada del modelo? Esto puede cambiar su metodología.
• ¿Qué error es aceptable para el uso que necesita?
• La topografía sólo puede incluirse si se utiliza como variable de entrada, en un procedimiento llamado kriging de regresión. No sé si arcgis admite esto, pero arcgis no puede tenerla en cuenta si no proporcionas la información. En este caso concreto parece que tienes muchos puntos de datos en regiones montañosas por lo que la diferencia real puede ser pequeña.
• Tienes suficientes puntos, así que supongo que arcgis será capaz de ajustar un variograma razonable. En ese caso, el uso de los parámetros automáticos está bien (al menos es mejor que usar, por ejemplo, la ponderación inversa de la distancia). Por supuesto debes tener en cuenta que en regiones con pocas observaciones la predicción tiene un gran margen de error.