Cómo funciona Densify Sampling Network

Disponible con una licencia de Geostatistical Analyst.

La herramienta Densify Sampling Network se puede usar 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 se debe agregar una ubicación, incluida la máxima incertidumbre de la predicción y la mayor probabilidad de que se sobrepase un valor de umbral especificado.

La herramienta utiliza una capa de estadísticas geográficas existentes, creada usando un modelo kriging o cokriging con mediciones en las estaciones de monitorización existentes, para determinar el error estándar de la predicción, el rango intercuantil y la probabilidad de que un umbral especificado se sobrepase para todas las ubicaciones de entrada.

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 óptimo O₀(s) se puede expresar como:

O0(s) = maximum of stderr(s)

La probabilidad de sobrepasar un valor de umbral se puede usar para ponderar el error estándar de la predicción o el rango intercuantil (el rango intercuantil Z_0,75(s) - Z_0,25(s) se usa a menudo 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 óptimo O₁(s) es igual al máximo del error estándar de la predicción:

O1(s) = maximum of stderr(s)(1-2·abs(prob[Z(s)>Zthreshold]-0.5))

El valor del criterio disminuye a medida que se reduce la incertidumbre sobre el riesgo de exceder el valor del umbral. Agregar las ubicaciones con el mayor error estándar de la predicción O₀(s) a la red de monitorización mejorará las predicciones cerca del valor del umbral.

A menudo resulta útil multiplicar los criterios de optimización por los valores de la probabilidad de inclusión a priori (ráster ponderado de entrada). Por ejemplo, los valores iguales a 1 se pueden asignar a las áreas en las que no se permiten estaciones de monitorización y en los casos restantes se asignan valores iguales a 0.

Es importante usar los errores estándar de la predicción, que dependen no solo de la densidad de la red de monitorización, sino de los valores de medición. Esto se puede lograr usando las opciones de detrending y transformación de los datos.