|
|
.
|
\
|
|
|
.
|
\
|
>
s <
=
=
a | | , 1
a | | 0 ,
a
| |
3
0,5
a
| |
1,5
0 | | , 0
) ( Sph
h
h
h h
h
h
Sph(h)
h a
1
0
C = 1
(
(
(
|
|
.
|
\
|
|
|
.
|
\
|
> +
s < + = + =
a | | C C
a | | 0 , ] ) ( Sph [ C C
a
| |
3
2
1
a
| |
2
3
C C
C 0
) (
1 0
1 0 1 0
0
h
h h
h h
h
,
,
C
0
h
(h)
C
1
C = C
0
+ C
1
a
Normalizado
Na prtica: C
0
> 0 e C
1
> 1
Modelos tericos de semivariograma
Modelo de ajuste gaussiano
|
|
.
|
\
|
=
=
0 | | ,
a
| |
exp 1
0 = | | , 0
Gau
2
h
h
h
h) (
Normalizado
(
(
(
|
|
.
|
\
|
>
s < = =
a | |
C
+
C
a | | 0 )] ( [Gau
C
+
C
a
| |
exp 1
C
+
C
C
, 0
) (
1 0
1 0 1 0
0
2
h
h h
h
h
,
,
Na prtica: C
0
> 0 e C
1
> 1
Gau(h)
h a
1
0
C = 1
C
0
h a
(h)
C
1
C = C
0
+ C
1
Modelos tericos de semivariograma
Modelo de ajuste exponencial
( )
|
|
.
|
\
|
=
=
0 | h | ,
a
| |
exp 1
0 = | h | , 0
Exp
h
h
(
(
|
|
.
|
\
|
>
s < = =
a | |
C
+
C
a | | 0 , )] ( Exp [
C
+
C
a
| |
exp 1
C
+
C
C
, 0
) (
1 0
1 0 1 0
0
h
h h
h
h
,
Normalizado
Na prtica: C
0
> 0 e C
1
> 1
Exp(h)
h a
1
0
C = 1
C
0
h a
(h)
C
1
C = C
0
+ C
1
Modelos tericos de semivariograma
Modelo de ajuste potncia
Normalizado
Na prtica: C
0
> 0 e C
1
> 1
=
=
0 | | , | | c.
0 = | | , 0
) ( Pot
e
h h
h
h
> =
=
0 | | , |) (| Pot +
C
| | c. +
C
C
, 0
) (
0 0
0
e
h h h
h
Pot(h)
h
0
e<1
e=1
e>1
h
(h)
e<1
e=1
e>1
C
0
(
(
(
|
|
.
|
\
|
|
|
|
.
|
\
|
(
(
(
|
|
.
|
\
|
|
|
.
|
\
|
> + +
s < = +
s < = +
=
2 2 1 0
2 1 2
2 2
2 0
1 1
1 1
1 0
0
a | | , C C C
a | | a , ) (
a
| |
3
2
1
a
| |
2
3
C C
a | | 0 , ) (
a
| |
3
2
1
a
| |
2
3
C C
C , 0
) (
h
h h
h h
h h
h h
h
C
0
Modelos tericos de semivariograma
Modelo de ajuste aninhados
Existem determinados fenmenos em que so necessrios modelos mais complexos de
semivariograma para explicar suas variaes espaciais. Estes modelos so combinaes
de modelos simples, denominados aninhados.
Ex: Modelo aninhado duplo esfrico
(h)
C
1
C = C
0
+ C
1
+ C
2
C
2
a
1
a
2
h
Isotropia
Quando a variabilidade espacial de um fenmeno em estudo a mesma em todas as
direes, diz-se que o fenmeno isotrpico.
O
N
S
L O
N
S
L
Imagem nvel de cinza Composio Colorida
Isotropia
Considere os semivariogramas ilustrados na figura abaixo
0
O
45
O
90
O
135
O
Modelo de ajuste
a
C
C
o
(h)
Esta a representao de um caso simples e menos freqente, em que a distribuio espacial
do fenmeno denominada isotrpica.
Neste caso, um nico modelo suficiente para descrever a variabilidade espacial do fenmeno
em estudo.
Anisotropia
Quando a variabilidade espacial de um fenmeno em estudo no a mesma em todas as
direes, diz-se que o fenmeno anisotrpico.
O
N
S
L O
N
S
L
Imagem nvel de cinza Composio Colorida
maior menor
direes de continuidade espacial
Anisotropia
Uma forma de detectar a anisotropia atravs da observao dos semivariogramas obtidos
para diferentes direes.
N
L O
S
0
o
90
o
45
o
135
o
Convenes direcionais usadas na geoestatstica
A anlise da anisotropia objetiva detectar as direes de maior e menor continuidade
espacial do fenmeno investigado.
Anisotropia
Um modo direto de visualizar e calcular os parmetros (fator e ngulo) da anisotropia
atravs do esboo grfico de uma elipse (ou diagrama de rosa ).
N
L O
S 180
o
0
o
90
o
30
o
120
o
a
1
a
2
Parmetros da anisotropia
Fator de anisotropia (Fa)
Fa = a2 / a1
ngulo de anisotropia (Aa)
Aa = tomado da direo Norte para o eixo de
maior continuidade. No exemplo = 30
o
.
Tipos de anisotropia: geomtrica, zonal e combinada.
Anisotropia
Neste caso, os semivariogramas apresentam o mesmo patamar (C) com diferentes
alcances (a) para o mesmo modelo.
(h) Mesmo modelo para as duas direes
a
C
a h
C
o
120
O
30
O
Anisotropia geomtrica
Anisotropia
Anisotropia zonal
Neste caso, os semivariogramas apresentam diferentes patamares (C) com mesmo
alcance (a) para o mesmo modelo.
Como a isotropia, a anisotropia zonal um caso menos freqente presente nos
fenmenos naturais.
(h) Mesmo modelo para as duas direes
a
C
h
C
o
150
O
60
O
C
Anisotropia
Anisotropia combinada (geomtrica + zonal)
Neste caso, os semivariogramas apresentam diferentes patamares (C) e diferentes
alcances (a) para o mesmo modelo. Pode apresentar tambm diferentes efeitos pepita.
(h) Mesmo modelo para as duas direes
a
C
h
C
o
150
O
60
O
C
a
Semivariograma de superfcie
um grfico 2D que fornece uma viso geral da variabilidade espacial do
fenmeno em estudo. Tambm conhecido como Mapa de Semivariograma.
Utilizado para detectar os eixos de Anisotropia (direes de maior e menor
continuidade espacial).
N 0
o
L
90
o
ngulo de anisotropia
Semivariograma de nuvem
outliers
um grfico das semivarincias de todos os pares de pontos tomados para um
determinado lag (distncia).
O variograma de nuvem til para detectar a presena de outliers.
Validao cruzada
um procedimento para verificar a adequao do modelo de ajuste ao semivariograma
Aprova ?
Modelo semariograma
Sim
No
?
?
?
?
?
1 2 3 4 5
Anlises
estatsticas do erro
histograma do erro
diagrama espacial do erro
diagrama de valores
observados versus estimados
Validao cruzada
Anlise de resultados
30/11/2012
41
Krigeagem
O termo krigeagem derivado do nome Daniel G. Krige
A krigeagem um estimador estocstico que depende da anlise de correlao espacial
baseada em semivariograma.
reas de Aplicaes:
mapeamento geolgico (Verly et al., 1984)
mapeamento solo (Burgess e Webster, 1980)
mapeamento hidrolgico (Kitanidis et. al., 1983)
mapeamento atmosfrico (Lajaunie, 1984)
A krigeagem engloba um conjunto de estimadores:
krigeagem Simples (*) krigeagem Ordinria (*)
krigeagem Universal co-krigeagem
krigeagem por indicao Outros
Krigeagem
Envolve uma combinao linear de n valores em pontos vizinhos.
u
1 u
2
u
3
u
4
u
0
?
z
z z
z
z
mdia local
Z =
^
u
0
i=1
n
i
. Z
u
i
i
= 1/n
inverso do quadrado
da distncia
i
= 1/d
2
Z =
^
u
0
i=1
n
i
. Z
u
i
krigeagem
Z =
^
u
0
i=1
n
i
. Z
u
i
i
= ?
Krigeagem
Os pesos so calculados considerando a estrutura de correlao espacial imposta
pelo semivariograma
u
1 u
2
u
3
u
4
u
0
?
z
z z
z
z
anlise de correlao espacial
baseada em semivariograma
1
ajuste do semivariograma
experimental (modelo terico)
2
4
estimador de krigeagem
validao do modelo de ajuste
3
Krigeagem
Segundo Journel (1988): K. = k => = K
1
k
o
1
2
:
n
1
C C .........C 1
C C .........C 1
: : : :
C C .........C 1
1 1 ......... 1 0
11 12 1n
21 22 2n
n1 n2 nn
C
C
:
C
1
10
20
n0
=
Substituindo os valores de C
ij
nas matrizes encontram-se
os pesos
1
,
2
, ..., e
n
.
Estimador de Krigeagem (Journel, 1988):
Varincia de Krigeagem (Journel, 1988):
Os elementos das matrizes de covarincias so calcu-
lados da seguinte forma (Journel, 1988):
Krigeagem
Considere o espao amostral na figura abaixo. Deseja-se estimar o valor da varivel Z no ponto u
0
, a partir
de z(u
1
), z(u
2
), z(u
3
) e z(u
4
). Considere ainda, que o semivariograma emprico foi ajustado atravs de um
modelo esfrico, com a = 200, C
1
= 20, e C
0
= 2.
50
50
u
1
u
2
u
3
u
4
u
0
krigeagem ordinria
(
(
(
(
(
(
(
(
4
3
2
1
o
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
1 0 1 1 1 1
1
1
1
1
04
03
02
01
44 43 42 41
34 33 32 31
24 23 22 21
14 13 12 11
C
C
C
C
C C C C
C C C C
C C C C
C C C C
1
Os elementos das matrizes so calculados: C
ij
= C
0
+ C
1
- (h)
Modelo Terico
(
(
|
|
.
|
\
|
+
3
3
) 200 (
) 2 50 (
5 , 0
200
2 50
5 , 1 20 2
C
12
= C
21
= C
04
= C
0
+ C
1
- (50 2)
= 9,84 = (2+20) -
EXEMPLO
Krigeagem
Parte 7
C
14
= C
41
= C
02
= (C
0
+ C
1
) - [ V (100)
2
+ (50)
2
] = 4,98
C
13
= C
31
= (C
0
+ C
1
) - [ V (150)
2
+ (50)
2
] = 1,23
C
23
= C
32
= (C
0
+ C
1
) - [ V (100)
2
+ (100)
2
] = 2,33
C
24
= C
42
= (C
0
+ C
1
) - [ V (100)
2
+ (150)
2
] = 0,29
C
34
= C
43
= (C
0
+ C
1
) - [ V (200)
2
+ (50)
2
] = 0
C
01
= (C
0
+ C
1
) - (50) = 12,66
C
03
= (C
0
+ C
1
) - (150) = 1,72
C
11
= C
22
= C
33
= C
44
= (C
0
+ C
1
) - (0) = 22
50
50
u
1
u
2
u
3
u
4
u
0
EXEMPLO
30/11/2012
47
Krigeagem
50
50
u
1
u
2
u
3
u
4
u
0
EXEMPLO
Substituindo os valores de C
ij
nas matrizes, encontra-se os seguintes pesos:
1
= 0,518
2
= 0,022
3
= 0,089
4
= 0,371
Finalmente o valor estimado dado por:
0,518 z(u
1
) + 0,022 z(u
2
) + 0,089 z(u
3
) + 0,371 z(u
4
) Z(u
0
) =
^
COMENTRIO: embora as amostras Z2 e Z3 tenham pouca influncia na
estimativa final de Z0, suas influncias no so lineares em relao s suas
distncias a partir de Z0. A amostra Z3 est mais distante que Z2; no en-
tanto, tem mais influncia, 8,9%, que Z2, 2,2%. Isto ocorre porque Z0
est diretamente sobre a influncia de Z3, enquanto Z2 est muito pr-
ximo de Z1. Ao se introduzir as covarincias no clculo dos pesos, evita-se
associar pesos indevidos a clusters (agrupamentos) de amostras, o que
no ocorre com outros mtodos baseados somente na distncia.
Integrao: SPRING e geoestatistica
SPRING: geoestatstica
Integrao: geoestatistica e SPRING
Integrao: geoestatistica e SPRING
Integrao: geoestatistica e SPRING
Integrao: geoestatistica e SPRING
Integrao: geoestatistica e SPRING
Referncias
Camargo, E.C.G.,; Fucks, S. ; Camara, G. Anlsie
Espacial de Superfcies
http://www.dpi.inpe.br/gilberto/livro/analise/cap3-superficies.pdf
Krig x Pycnophylatic
E. Yoo, P.C. Kyriakidis, W. Tobler
Reconstructing Population Density Surfaces from
Areal Data: A Comparison of Toblers
Pycnophylactic Interpolation Method and Area-to-
Point Kriging
Geographical Analysis 42 (2010) 7898 r 2010
Krig x Pycnophylatic
- Superfcie de densidade de populao dados coletados
em reas
- Interpolao area-to-point (ATP) comparada com Toblers
pycnophylactic