Interp: interpSplineC(x, y=NULL, z, xo=seq(min(x), max(x), length =...

In Paquete2018-3/MetodosNumericos: MetodosNumericos

Description

Estas funciones implementan la interpolaci<c3><b3>n bivariada en una grilla. para datos de entrada espaciados irregularmente. Estriado bilineal o bic<c3><ba>bico La interpolaci<c3><b3>n se aplica utilizando diferentes versiones de algoritmos de Akima. se ha modificado de la funci<c3><b3>n original

Usage

interpSplineC(x, y=NULL, z, xo=seq(min(x), max(x), length = nx),
       yo=seq(min(y), max(y), length = ny),
       linear = TRUE, extrap=FALSE, duplicate = "error", dupfun = NULL,
       nx = 40, ny = 40,
       jitter = 10^-12, jitter.iter = 6, jitter.random = FALSE)

Arguments

x	Vector de las coordenadas en x de los puntos o SpatialPointsDataFrame objeto. Valores faltantes no son aceptados.
y	Vector de las coordenadas en y de los puntos. Valores faltantes no son aceptados. Si se deja como NULL indica que x deberia ser un SpatialPointsDataFrame y z nombra la variable de inter<c3><a9>s es el banco de datos.
z	Vector de las coordenadas en z de los puntos o un car<c3><a1>cter variable que nombra la variable de inter<c3><a9>s en SpatialPointsDataFrame x. Valores faltantes no son aceptados. x, y, y z deben tener la misma longitud (excepto si x es un SpatialPointsDataFrame) y puede contener no menos de 4 puntos. Los puntos de x y y no deben ser colineales, por ejemplo, no deben caer en la misma linea (dos vectores x y y tales que y = ax + b para alg<c3><ba>n a, b no produciran resultados relevantes). Algunas heuristicas se construyen para evitar este caso a<c3><b1>adiendo un peque<c3><b1>o de jitter de x y y cuando el numero de valores NA en el resultado excede el 10%. interp es para casos en los que se tenga n los valores x, y esparcidos sobre un plano y un valor z para cada uno. Si, en cambio, estas tratando de evaluar una funcion matem<c3><a1>tica, o tener una interpretaci<c3><b3>n gr<c3><a1>fica de relaciones descritas por un polinomio, intenta outer().
xo	Vector de coordenadas de x en una grilla de salida. El predeterminado es 40 puntos, espaciados regularmente sobre el rango de x. si la extrapolaci<c3><b3>n no se est<c3><a1> usando (extrap=FALSE, el predeterminado), xo deber<c3><ad>a tener un rango que es cercano o est<c3><a1> dentro del rango de x para resultados significantes.
yo	Vector de coordenadas yen la grilla de salida; an<c3><a1>logo a xo, ver arriba.
linear	logico – indicando si es lineal o spline interpolacion que debe ser usada.
extrap	bandera logica: La extrapolacion debe ser usada afuera de el casco convexo determinado por los puntos?
duplicate	caracter string indicando como manejar duplicados en los puntos. los valores posibles son: "error" Produce mensaje de error, "strip" Elimina los valores z duplicados, "mean","median","user" calcula mean , median or funcion definida por el usuario (dupfun) de los valores z duplicados.
dupfun	Una funcion aplicada a los puntos duplicados si, duplicate= "user".
nx	Dimension de la grilla de salida en direccion de x
ny	Dimension de la grilla de salida en direccion de x
jitter	Jitter de cantidad de diff(range(XX))*jitter (XX=x or y) sera a<c3><b1>adido a las coordenadas si se detectan puntos colineares. Despues la interpolaci<c3><b3>n se vuelve a intentar. Notese que jitter no se genera aleatoriamente a menos que jitter.random se ponga en TRUE. esto asegura un resultado reproducible. tri.mesh de paquete tripack esa el mismo mecanismo jitter. Eso significa que puedes gr<c3><a1>ficar la triangulaci<c3><b3>n en la cima de la interpolaci<c3><b3>n y ver la misma triangulaci<c3><b3>n como la usada para interpolar, ver ejemplos abajo.
jitter.iter	n<c3><ba>mero de reintentos de iteraci<c3><b3>n con jitter, cantidad que ser<c3><a1> multiplicada en cada iteraci<c3><b3>n por iter^1.5
jitter.random	l<c3><b3>gico, ver jitter, predeterminado en FALSE

Author(s)

akima modificado por Javier marin, Andres Mari<c3><b1>o, traducido, Leonardo G<c3><b3>mez

References

Akima, H. (1978). A Method of Bivariate Interpolation and Smooth Surface Fitting for Irregularly Distributed Data Points. ACM Transactions on Mathematical Software 4, 148-164.

Akima, H. (1996). Algorithm 761: scattered-data surface fitting that has the accuracy of a cubic polynomial. ACM Transactions on Mathematical Software 22, 362<e2><80><93>371.

R. J. Renka (1996). Algorithm 751: TRIPACK: a constrained two-dimensional Delaunay triangulation package. ACM Transactions on Mathematical Software. 22, 1-8.

Paquete2018-3/MetodosNumericos documentation built on May 4, 2019, 7:36 a.m.