La medida del error atributivo

Como ya se ha indicado, en el error atributivo puede afectar tanto a los modelos vectoriales como a los matriciales. En el primer caso, la mayoría de las veces se trata de errores locales, equivocaciones al asignar la altitud a las curvas de nivel o a los puntos acotados.

En este caso, la forma más simple de detectar el problema es trazar perfiles paralelos en diversas direcciones y examinar visualmente los resultados. La corrección se realiza manualmente actualizando en la base de datos el registro que describe la curva errónea. También es posible y útil generar un MDE matricial y, a partir de él, modelos derivados. Algunos de ellos permiten ver fácilmente los errores debido a las irregularidades en la distribución de las variables —especialmente, pendientes y sombreado—.

En el caso de los modelos matriciales, el error puede considerarse de tres tipos posibles:

• grandes errores —blunders—; su magnitud excede el máximo error permitido. Son de naturaleza local y deben ser eliminados completamente
• errores sistemáticos, que presentan un patrón de distribución concreto e introducen un sesgo en el MDE. En caso de existir, son predecibles y pueden ser eliminados o, al menos, reducidos
• errores aleatorios, que permanecen tras la eliminación de los anteriores y que suelen presentar una distribución de Gauss. Este error es global y se origina en las imprecisiones de los datos originales y en los múltiples procesos de generalización, interpolación, etc. que se ejecutan en su construcción.