QUADRO DE DADOS GENÉRICO
Cada amostra i está localizada no ponto com coordenadas xi e é caracterizada por p atributos ou
variáveis zij(xi).
zij(xi) - Variável regionalizada
Exemplos: Teores químicos em amostras de solos
Porosidades
Intensidade de fracturação Litologia
ESTATÍSTICA ESPACIAL
Objectivo
Estudo estatístico de dados que apresentam distribuição espacial - Processos espaciais. D
x x
z( ) : ∈
Tipo de dados
• Dados geoestatísticos (Geostatistical data)
Ex.: Teor de um poluente no solo de uma região. Cota topográfica.
Variável Indicatriz
• Dados entreliçados (Lattice data)
Ex.: Níveis de cinzentos de uma imagem de detecção remota. Nº de habitantes por concelho.
• Padrões espaciais (Point patterns)
GEOESTATÍSTICA
• Estudo estatístico de variáveis relacionadas com as Ciências da Terra
• Aplicação do formalismo das Funções Aleatórias ao tratamento (caracterização, estimação / previsão e simulação) de Variáveis Regionalizadas. Iniciou-se com os trabalhos de G. Matheron (Centre de Geostatistique et Morphologie Mathématique de Fontainebleau) na década de 60.
OBJECTIVOS DA GEOESTATÍSTICA
• Descrição do comportamento espacial dos dados
• Estimação de um valor médio da(s) variáveis (VR) numa área ou volume de grandes dimensões • Estimação de um valor desconhecido num determinado ponto do espaço
• Determinação do grau de incerteza associado às estimações
• Utilização dos valores conhecidos de uma variável na estimação de outra variável
• Estimação da distribuição dos valores da variável numa área ou volume de grandes dimensões • Estimação da distribuição dos valores da variável numa área ou volume de pequenas dimensões • Estimação da distribuição de valores médios por bloco
ESTATÍSTICA DESCRITIVA ESPACIAL
MAPAS DE SÍMBOLAS MAPAS DE CORES
MAPAS DE CURVAS DE ISOVALOR MAPAS DE INDICATRIZES
REPRESENTAÇÃO EM PERFIS
REGRESSÕES EM FUNÇÃO DAS COORDENADAS ESTATÍSTICAS LOCAIS
• EM JANELAS MÓVEIS
ESTATÍSTICA DESCRITIVA ESPACIAL
ESTATÍSTICA DESCRITIVA ESPACIAL
ESTATÍSTICA DESCRITIVA ESPACIAL
ESTATÍSTICA DESCRITIVA ESPACIAL X Y h Z(x) Z(x+h) Médias Variâncias
∑
= = n i i Z n m 1 ) ( 1 x∑
[
]
= − = n i i m Z n 1 2 2 1 (x ) σ∑
= = − ) ( 1 ) ( ) ( 1 ) ( h N i i Z h N m h x∑
[
]
= − − = − ) ( 1 2 2 ( ) ( ) ) ( 1 ) ( h N i i m Z h N x h h σ∑
= + = + ) ( 1 ) ( ) ( 1 ) ( h N i i Z h N m h x h∑
[
]
= + − = + ) ( 1 2 2 ( ) ( ) ) ( 1 ) ( h N i i m Z h N x h h σESTATÍSTICA DESCRITIVA ESPACIAL X Y h Z(x) Z(x+h)
Medidas de continuidade e variabilidade espacial
• Covariância Espacial ) ( ) ( ) ( ) ( ) ( 1 ) ( ) ( 1 h h h x x h =
∑
+ − − + = m m Z Z h N C h N i i i • Variograma[
]
∑
= + − = ) ( 1 2 ) ( ) ( ) ( 2 1 ) ( h N i i i Z Z N h x x h h γ• Correlação Espacial (Correlograma)
∑
= − + = ) ( 1 2( ) 2( ) ) ( ) ( 1 ) ( h N i C h N h h h h σ σ ρCÁLCULO DOS VARIOGRAMAS EXPERIMENTAIS Variograma Experimental
[
]
∑
= + − = ) ( 1 2 ) ( ) ( ) ( 2 1 ) ( h N i i i Z Z h N x x h h γMalha regular de amostragem
1 Dimensão Dado inexistente 1 2 3 4 5 6 7 8 9 10 Z(x)
CÁLCULO DOS VARIOGRAMAS EXPERIMENTAIS
Malha regular de amostragem
CÁLCULO DOS VARIOGRAMAS EXPERIMENTAIS
Malha irregular de amostragem
Z(x) h ∆L θ −δ(θ) +δ(θ)
VARIÁVEL REGIONALIZADA
Variável regionalizada (VR)
Variável cujos valores dependem da localização espacial com características intermédias entre as variáveis puramente aleatórias e as variáveis determinísticas.
h(m) 35 37 39 41 43 45 S(%)
Estas variáveis apresentam um comportamento, aparentemente algo contraditório: • localmente, comportamento errático
VARIÁVEL REGIONALIZADA
Outras características
• Suporte • Anisotropia • Escalas
• Sobreposição de escalas genéticas
CARACTERÍSTICAS DAS VARIÁVEIS REGIONALIZADAS
Suporte
b l o c o s
c a r o t e s
CARACTERÍSTICAS DAS VARIÁVEIS REGIONALIZADAS Anisotropia 10.00 15.00 20.00 25.00 30.00 35.00 40.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00
CARACTERÍSTICAS DAS VARIÁVEIS REGIONALIZADAS
Escalas
CARACTERÍSTICAS DAS VARIÁVEIS REGIONALIZADAS
Escalas
Escalas de trabalho - Estacionaridade
x Z(x)
Estacionário Deriva
MODELO DA GEOESTATÍSTICA
V.R. ⇒ F.A. ⇓ ⇓ z(x) ⇒ Z(x)
• Em cada ponto do espaço com coordenadas x, z(x) é uma variável aleatória.
• Globalmente, estas variáveis estão relacionadas entre si (apresentam estruturação espacial) caracterizada pela covariância espacial C(xi ; xi’).
ADEQUABILIDADE AOS DADOS Estacionaridade de 2ª ordem m(x)=m m(x)=Cte=m C(h)=existe e só depende de h
ADEQUABILIDADE AOS DADOS
Estacionaridade intrínseca (hipótese intrínseca)
m(x)≠Cte
m(x) depende de x Não existe covariância
FUNÇÕES ESTRUTURAIS Covariância espacial
{
( ) ( ) 2}
) ( E Z x Z x m C h = +h − Correlação Espacial{
}
{
}
{
( )}
) ( ) ( ) ( ) ( ) ( x Z Var C x Z Var x Z Var C h h h h = + = ρ Variograma[
]
{
( ) ( )}
2 1 ) (h = E Z x − Z x +h 2 γPROPRIEDADES DO VARIOGRAMA Função simétrica ) (-) (h γ h γ =
Função não negativa
0 h h 0 h h = = ≠ ≥ 0 ) ( 0 ) ( γ γ
Função definida positiva condicional - γ(h)
0 0 ) ( ≥ = −
∑∑
∑
i i j i j iλ γ λ λ hPROPRIEDADES DA COVARIÂNCIA ESPACIAL Função simétrica C(h)=C(-h) Desigualdade de Schwartz h h) ≤ (0) ∀ ( C C
Função definida positiva
h h) 0 , e ( i j j i j iλ C λ λ λ ≥ ∀
∑ ∑
RELAÇÃO VARIOGRAMA / COVARIÂNCIA
Quando existe estacionaridade de 2ª ordem o variograma e a covariância espacial são funções equivalentes:
[
]
{
( ) ( )}
2 1 ) (h = E Z x − Z x + h 2 γ{
} {
}
{
}
{
( ) ( )}
2 ) ( ) ( ) ( 2 ) ( 2 2 2 h h h = E Z x + E Z x + − E Z x Z x + x Z E 4 43 4 42 1 γ{
( )}
2{
( ) ( )}
2 ) ( 2γ h = E Z2 x − E Z x Z x +h{
( )}
{
( ) ( )}
) (h = E Z2 x − E Z x Z x +h γ Somando e subtraindo m2, vem:{
2( ) 2} {
( ) ( ) 2}
) (h = E Z x − m − E Z x Z x +h − m γ{
( )}
( ) ) (h =Var Z x −C h γ ) ( ) 0 ( ) (h =C −C h γRELAÇÃO VARIOGRAMA / CORRELAÇÃO
{
( )}
( ) ) (h =Var Z x −C h γ{
}
{
( )}
) ( 1 ) ( ) ( x Z Var C x Z Var h h − = γ{
( )}
1 ( ) ) ( h h ρ γ − = x Z Varem queρ( )h é o coeficiente de correlação espacial:
{
}
{
( )}
{
( )}
) ( ) ( ) ( ) ( h h h h + = = x Z Var x Z Var C x Z Var C ρVARIÂNCIA DE UMA COMBINAÇÃO LINEAR DE UMA V.R.
Seja Y uma VR definida como ( i)
i
i Z x
Y =
∑
λA variância de Y é dada por:
{ }
Y Var Z x E{ }
Y E{ }
Y Var i i i ( ) = 2 − 2 =∑
λ{ }
∑
={
}
∑
=∑
= i i i i i i i i Z x E Z x m E Y E λ ( ) ( ) λ λ⇒
{ }
j i i j j i i m m Y E2 = 2∑
λ∑
λ = 2∑
λ λ{ }
=∑
2 2 ( ) i i i Z x E Y E λ⇒
{ }
∑∑
∑∑
{
}
+ − = = i j j i j i j i i j i j j i m x x C x Z x Z E x Z x Z E Y E 4 4 3 4 4 2 1 2 2 ) ( ) ( ) ( ) ( ) ( λ λ λ λ{ }
=∑ ∑
− +∑ ∑
i j j i i j j i j i C x x m Y E 2 λ λ ( ) 2 λ λ{ }
=∑ ∑
− +∑ ∑
−∑ ∑
i j j i i j j i i j j i j i C x x m m Y Var λ λ ( ) 2 λ λ 2 λ λ{ }
=∑∑
( − ) ≥ 0 i j j i j i C x x Y Var λ λMODELOS TEÓRICOS DE VARIOGRAMAS
Modelos com patamar (estacionários de 2ª ordem) Esférico ≤ − = c a h a h a h c h) 1.5 0.5 ( 3 3 γ a c γ(h) h Exponencial ( ) =
[
1- -(h/a)]
e c h γ c a a'= 3a → γ( ') = 0.95 a’ c γ(h) h Gaussiano -( / )2 -1 = ) (h c e h a γ c a a'= 3a → γ( ') = 0.95 a’ c γ(h) hMODELOS TEÓRICOS DE VARIOGRAMAS
Modelos sem patamar (intrínsecos)
Parabólico (em hα) 2 < < 0 = ) ( α γ h whα 1<α<2 0<α<1 α=1