Hola.<div><br></div><div>Les voy a aclarar un poco el tipó de información que contiene mis datos. La información de latitud y longitud esta espaciada de forma regular, es decir que en el caso del array de longitud los valores de cada columna son iguales entre ellos; en el caso del array de latitud sucede algo similar pero en las filas.</div>
<div><br></div><div>Ahora he considerado utilizar el método de interpolacion bilineal y el método de crosman (correcion por distancias); mi dificultad radica en dos puntos:</div><div><br></div><div>1. Como identificar los cuatro puntos que rodean mi punto de interés.</div>
<div>2. Como obtener los indices de estos cuatro puntos para realizar la interpolacion, es decir ubicar mis puntos de entrada a los algoritmos de interpolacion en el array de temperaturas.</div><div><br></div><div>Algunos me han manifestado la trivialidad del problema, realmente les pido excusas, he buscado la forma y no veo como hacerlo. Si me pueden colaborar con un ejemplo se los agradecería enormemente.</div>
<div><br></div><div>Estoy adjuntando un pequeño ejemplo de mis datos para mejorar mi explicación.<br><br><div class="gmail_quote">2011/9/13 Daπid <span dir="ltr"><<a href="mailto:davidmenhur@gmail.com">davidmenhur@gmail.com</a>></span><br>
<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex;">2011/9/13 Ricardo Cárdenes <<a href="mailto:ricardo.cardenes@gmail.com">ricardo.cardenes@gmail.com</a>>:<br>
<div class="im">> En caso de que la información no sea regular, supongo que te bastaría<br>
> calcular la norma de todos los puntos de la matriz respecto al tuyo y<br>
> escoger los N más cercanos.<br>
<br>
</div>Eso funciona si los puntos están distribuídos irregularmente "pero no<br>
demasiado". Si tienes clústeres de gran densidad de datos y áreas más<br>
dispersas acabarás haciendo una extrapolación, que puede dar<br>
resultados feos.<br>
<br>
En este caso, lo mejor es encontrar un polígono pequeño que englobe a<br>
tu punto. Una opción es a partir de los ángulos de los N puntos más<br>
cercanos (con N suficientemente grande), tomar puntos en todas<br>
direcciones, y de ahí encoger hasta quedarte con el triángulo óptimo.<br>
<br>
Si tienes que hacer esto muchas veces, quizá te interese reasimilar<br>
los datos a una rejilla regular a altura estándar, desde donde es<br>
mucho más fácil y rápido interpolar (quizá a costa de perder algo de<br>
precisión, tendrías que comparar con los datos originales).<br>
</blockquote></div><br><br clear="all"><div><br></div>-- <br><div><span style="border-collapse:collapse;font-family:Tahoma;font-size:13px"><div>JUAN CAMILO HERNÁNDEZ DÍAZ</div><div><div>Ingeniero de Proyectos</div></div>
</span></div><div><a href="http://www.jkoyo.net" target="_blank">http://www.jkoyo.net</a></div><br>
</div>