Madrid, España
Algunas de las variables que tratan de representar el medio ambiente son de difícil medida, por lo que suelen estimarse en función de otras mediante modelos, propa- gando el error de los datos de origen. El presente artículo es una recopilación bibliográfica de los aspectos más importantes a considerar al analizar la propagación del error en modelos con datos de entradas espaciales y salidas discretas sobre vari- ables medioambientales. Debido a que estos modelos suelen tener datos de entrada en forma de variables discretas, también se aborda la influencia de sus fuentes de error en su propagación por los modelos cartográficos. Las fuentes de error más importantes en los datos de entrada de este tipo son la adecuada determinación de las clases, la identificación de la categoría —error temático y conceptual—, la localización de sus bordes —precisión y exactitud cartográfica— y la escala, considerándose como variables en los análisis de propagación de errores. Una vez conocida la fuente del error, posteriormente se analizan diferentes tra- bajos de análisis de sensibilidad de algunos modelos que pueden servir como refe- rencia para el estudio de otras variables medioambientales discretas. Monte Carlo se muestra como un método idóneo para el análisis de propagación de errores para variables discretas, aunque no se ha encontrado bibliografía que compare diferentes métodos para un mismo juego de datos ni modelo. Se analizan ciertas particularida- des de cada modelo de datos —raster y vectorial— y su influencia en el resultado.
Algumas das variáveis que tratam de representar o meio ambiente são de difícil medida, por isso frequentemente são estimadas mediante outros modelos, propa- gando-se o erro dos dados de origem. O presente artigo é uma recompilação biblio- gráfica dos aspectos mais importantes a serem considerados ao se analisar a propagação do erro em modelos com dados de entradas espaciais e saídas em variá- veis discretas de meio ambiente. Pelo fato destes modelos geralmente terem como entrada variáveis discretas, também se abordada a influência de suas fontes de erros na propagação nos mode- los cartográficos. As fontes mais importantes de erro nos dados de entrada neste tipo são a adequada determinação das classes, a identificação da categoria (erro temático) e conceitual, a localização de suas bordas (precisão) e exatidão cartográ- fica e, a escala, considerando-se como variáveis nas análises de propagação de erros. Uma vez conhecida a fonte de erro, posteriormente se analisam diferentes traba- lhos de análises de sensibilidade de alguns modelos que podem servir como refe- rência para o estudo de outras variáveis discretas de meio ambiente. Monte Carlo se mostra como um método idôneo para a análise de propagação de erros para variá- veis discretas, ainda que não se tenha encontrado bibliografia que compare diferen- tes métodos para um mesmo conjunto de dados no modelo. Também se analisam certas particularidades de cada modelo de dados raster e vetorial e sua influência no resultado.
Some of the variables that try to represent the environment are difficult to measure, so they are usually estimated using models based on other, spreading the errors in the source data. This article is a bibliographic compilation about the most important aspects to consider analyzing the error propagation in models with spatial inputs and discrete outputs data on environmental variables. Because these models usually have input as discrete variables, their error sour- ces influence is also analized by error propagation. The most important error sour- ces of this type data input are proper completion of the classes, identification of the category —thematic and conceptual errors—, tracing its edges —cartographic preci- sion and accuracy— and scale, allow for variables in the error propagation analysis. Once we know the source of the error, then different studies of sensitivity analysis of some models that can serve as reference to the analysis of other discrete environmental variables. Monte Carlo is shown as a suitable method for the analys- is of error propagation for discrete variables, but we have not find literature that compare different methods for the same data set or model. Certain peculiarities of each data model —raster and vector— and its influence on the results are discussed.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados