Geoestatística:
Motivação e Conceitos Básicos
Ana Cristina Costa ccosta@isegi.unl.pt
Universidade Federal de Pernambuco 3 Agosto 2009
Cristina Costa 2
Sumário
1. Introdução Algumas definições Áreas de aplicação Conceitos básicos 2. Aplicações
3. Bibliografia
Geoestatística:
Motivação e Conceitos Básicos
INTRODUÇÃO
Cristina Costa 4
Geoestatística:
Motivação e Conceitos BásicosO que é a Geoestatística? Algumas definições…
A geoestatística preocupa-se com o estudo de fenómenos que flutuam no espaço
A geoestatística oferece um conjunto de ferramentas determinísticas e estatísticas para compreender e modelar a variabilidade espacial
(Deutsch and Journel)
Cenário de seca (1997)
Incerteza do cenário (1997)
Cristina Costa 5
Geoestatística:
Motivação e Conceitos BásicosO que é a Geoestatística? Algumas definições…
A geoestatística permite descrever a continuidade espacial, a qual é uma característica essencial de muitos fenómenos naturais, e adapta as técnicas de regressão clássica para tirar vantagem dessa continuidade (Isaaks and Srivastava)
A geoestatística oferece um conjunto de ferramentas estatísticas que incorporaram no processamento as coordenadas espaciais das observações (Goovaerts)
Cristina Costa 6
Geoestatística:
Motivação e Conceitos BásicosO que é a Geoestatística? Algumas definições…
Os estimatores geostatísticos– conhecidos por kriging, devido a Krige (1951)– são uma família de algoritmos de regressão de mínimos quadrados generalizados que fornecem estimativas não enviesadas de valores no espaço a partir de um conjunto de observações recolhidas em várias localizações, e que usam o modelo de covariâncias espaciais estimado a partir dos dados observados
Krige D.G. (1951). A statistical approach to some mine valuations problems at the Witwatersrand. Journal of the Chemical, Metallurgical and Mining Society of South Africa 52, 119-138.
Cristina Costa 7
GEOESTAT GEOESTATÍÍSTICASTICA
≅≅≅≅
Teoria das variáveis regionalizadas
Ferramentas estatísticas para analisar informação espacial
Aumentar o nosso conhecimento sobre os fen Aumentar o nosso conhecimento sobre os fenóómenosmenos
Cristina Costa 8
Geoestatística:
Motivação e Conceitos BásicosEcologia paisagística Detecção remota Hidrologia Oceanografia Meteorologia Criminologia Geomarketing
…
Áreas de aplicação
Minas Petróleo Geofísica Geoquímica Ciências do solo Florestas Agricultura Ambiente
Cristina Costa 9
Geoestatística:
Motivação e Conceitos BásicosAdapted from: A. Soares and M.J. Pereira, Geoestatística:
aplicações nas ciências da Terra e ambiente, CMRP-IST, 2004.
Solos contaminados
Amostragem
Remediação
Cristina Costa 10
Geoestatística:
Motivação e Conceitos BásicosINPUT
Conjunto de Pontos(amostras), distribuídos numa região Cada ponto representa uma medição
da variável (atributo) nessa localização espacial
OUTPUT
Modelo Espacial de Dados Representação
computacional/matemática que permite estimar e/ou simular os valores do atributo nas localizações não amostradas
Cristina Costa 11
Geoestatística:
Motivação e Conceitos BásicosParadigma geoestatístico
Caracterizar qualquer valor zz como uma Variável AleatóriaZ,Z cuja distribuição de
probabilidade modela a incerteza sobre z
(Deutsch and Journel)
z = ?
Cristina Costa 12
Geoestatística:
Motivação e Conceitos BásicosOBJECTIVOS
Descrever o comportamento espacial dos dados
Estimar o valor médio de uma variável numa área ou volume Estimar o valor desconhecido numa dada localização Quantificar a incerteza associada à estimação
Usar os valores conhecidos de uma variável para estimar os valores de outra variável
Estimar a distribuição de valores de uma variável numa área ou volume
Adapted from: A.J. Sousa, Estatística Espacial, LMPM-IST, 2002.
Cristina Costa 13
MODELAÇÃO
Procedimentos Determinísticos
Goovaerts P. (1999). “Performance comparison of geostatistical algorithms for incorporating elevation into the mapping of precipitation”. In: Proceedings of Geocomputation 99.
http://www.geocomputation.org/1999/023/gc_023.htm
Conjunto de Amostras
Cristina Costa 14
Geoestatística:
Motivação e Conceitos BásicosMODELAÇÃO
Goovaerts P. (1999). “Performance comparison of geostatistical algorithms for incorporating elevation into the mapping of precipitation”. In: Proceedings of Geocomputation 99.
http://www.geocomputation.org/1999/023/gc_023.htm
Geoestatística Univariada Conjunto de Amostras
Cristina Costa 15
Geoestatística:
Motivação e Conceitos BásicosMODELAÇÃO
Geoestatística Multivariada
Goovaerts P. (1999). “Performance comparison of geostatistical algorithms for incorporating elevation into the mapping of precipitation”. In: Proceedings of Geocomputation 99.
http://www.geocomputation.org/1999/023/gc_023.htm
Informação Secundária Conjunto de Amostras
Cristina Costa 16
Geoestatística:
Motivação e Conceitos BásicosPorquê utilizar a geoestatística? Algumas ideias…
Os procedimentos determinísticos não têm em conta a dependência espacial entre as observações
Quando os dados são escassos, os métodos geoestatísticos fornecem melhores resultados
Os métodos geoestatísticos permitem aumentar a precisão das estimativas da variável principal usando informação disponível de outras variáveis secundárias correlacionadas espacialmente
Cristina Costa 17
Geoestatística:
Motivação e Conceitos BásicosPorquê utilizar a geoestatística? Algumas ideias…
As técnicasIndicator Kriging (krigagem da indicatriz)permitem estimar variáveis contínuas e categóricas, bem como incertezas associadas e valores extremos
Mapas de incerteza local podem ser usados para
avaliar as estimativas
tomar decisões
Adapted from: C.A. Felgueiras, Geostatistics: Classes Presentations, ISEGI-UNL, 2007/08.
Cristina Costa 18
Geoestatística:
Motivação e Conceitos BásicosPorquê utilizar a geoestatística? Algumas ideias…
Os métodos de Simulação Condicional Geostatisticadescrevem a variabilidade local dos dados, com base em muitas simulações equiprováveis do fenómeno, de forma consistente com os dados e suas propriedades estatísticas
Reproduzem a variância e a correlação espacial dos dados amostrados
Fornecem uma estimativa dos valores possíveis do atributo nas localizações não amostradas
A incerteza espacial pode ser avaliada através de mapas de probabilidade, mapas de quantis e mapas de dispersão
Estes mapas não dependem da configuração geométrica das amostras, mas sim dos seus valores locais
Cristina Costa 19 O processo geoestatístico
1. Análise exploratória dos dados
Conhecer e editar os dados de INPUT
2. Analise estrutural: modelação da continuidade espacial
Variografia: Modelos de autocorrelação e correlação cruzada
3. Estimação
Estimação/simulação local e global de variáveis contínuas e categóricas nas localizações não amostradas
4. Avaliação da incerteza
Local e espacial dos valores não amostrados
Cristina Costa 20
Geoestatística:
Motivação e Conceitos BásicosO processo geoestatístico Study region
Exploratory analysis Exploratory Exploratory analysis analysis
Structural analysis Structural analysis Structural analysis
Kriging interpolation
Kriging Kriging interpolation interpolation
Conditional simulation Conditional Conditional simulation simulation
Estimated surface
Realization fields
• Derived scenarios
• Uncertainty maps
Geoestatística:
Motivação e Conceitos Básicos
APLICAÇÕES
Cristina Costa 22
Geoestatística:
Aplicações1. A geostatistical exploratory analysis of precipitation intensity in southern Portugal
Objective: provide an insight of the geographic, spatial and temporal, distribution of precipitation intensity events from 1940 to 1999 SDII – Simple Daily Precipitation Index: average precipitation in wet
days
Sara Dias, Tiago Oliveira. A geostatistical exploratory analysis of precipitation intensity in southern Portugal. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 23
1940 1941 1942 1943 1944 1945 1946 1947 1948 1949
1950 1951 1952 1953 1954 1955 1956 1957 1958 1959
1960 1961 1962 1963 1964 1965 1966 1967 1968 1969
1970 1971 1972 1973 1974 1975 1976 1977 1978 1979
1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Geoestatística:
Aplicações1. A geostatistical exploratory analysis of precipitation intensity in southern Portugal
Space-time interpolation (ordinary kriging)
Sara Dias, Tiago Oliveira. A geostatistical exploratory analysis of precipitation intensity in southern Portugal. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 24
Geoestatística:
Aplicações1. A geostatistical exploratory analysis of precipitation intensity in southern Portugal
Interpolation accuracy (kriging variance)
1940 1950 1960 1970 1980 1990
Sara Dias, Tiago Oliveira. A geostatistical exploratory analysis of precipitation intensity in southern Portugal. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 25
2. Comparison of interpolation methods for the SDII Objective: compare inverse square distance, ordinary kriging and
ordinary cokriging
Distribution of the SDII average in 1990/99
Sushil Bandari. Comparison of Interpolation Results of CWD, R1, R1DAY AND SDII. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 26
Geoestatística:
Aplicações3. Geostatistical Modelling of Bird Diversity Objective: determine bird species diversity and identify
important breeding and migratory bird habitats
Locations of the bird counts
Hakim Abdi, Anand Nandipati. Geostatistical Modelling of Bird Diversity.
Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
April15th, 2007 May18th, 2007
Cristina Costa 27
Geoestatística:
Aplicações3. Geostatistical modelling of bird diversity Bird diversity(ordinary kriging)
Hakim Abdi, Anand Nandipati. Geostatistical Modelling of Bird Diversity.
Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 28
Geoestatística:
AplicaçõesMD Monirjamann, Benedict C. Mugambi. Spatial analysis of Sodium (Na+) in the soil in Essaouira – Morocco. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
4. Spatial analysis of sodium (Na+) in the soil in Essaouira – Morocco
Objective: investigate the spatial distribution of sodium Sodium distribution(ordinary kriging)
Cristina Costa 29
Geoestatística:
Aplicações5. Optimised beach surface creation and volume calculation
Objective: create a DEM of Lowestoft Beach (UK) and compare
Different data sources: traditional GPS, videography
Interpolation methods: TIN, inverse square distance, splines, ordinary kriging
Why
To facilitate modeling e.g. sea level rise To study beach volume
Monitor and predict erosion and its causes (seasonal or storm driven)
Monitor and predict the effects of coastal engineering works (e.g. groynes, renourishment…)
Vanessa Joy Anacta, Stephanie Duce. Optimised beach surface creation and volume calculation. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 30
Geoestatística:
Aplicações5. Optimised beach surface creation and volume calculation TIN surfaces
Vanessa Joy Anacta, Stephanie Duce. Optimised beach surface creation and volume calculation. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
TIN2: All GPS data
TIN1: GPS Data within the study area
TIN 2 higher
Cristina Costa 31
5. Optimised beach surface creation and volume calculation
Spline surface IDW surface
Vanessa Joy Anacta, Stephanie Duce. Optimised beach surface creation and volume calculation. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 32
Geoestatística:
Aplicações5. Optimised beach surface creation and volume calculation Ordinary kriging
Vanessa Joy Anacta, Stephanie Duce. Optimised beach surface creation and volume calculation. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Conclusion:
Little difference in the accuracy of surfaces produced(expected with so many points!)
Very little difference between TINS IDW and Splines resulted in the least accurate surfaces
Ordinary Kriging was the best but…. takes longer
Cristina Costa 33
Geoestatística:
Aplicações6. Geostatistical analysis of NDVI transects for a sugar-cane field in Invinheima, Mato Grosso do Sul – Brazil
Objective: to understand how many NDVI transects are necessary to make a kriging map, because the least amounts of transects to be made is the best choice for an economical point of view
Plant rows in a East to West configuration
Paulo Molin. Geostatistical analysis of ndvi transects for a sugar-cane field in Invinheima, MS – Brazil. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Cristina Costa 34
Geoestatística:
Aplicações6. Geostatistical analysis of NDVI transects for a sugar- cane field in Invinheima, Mato Grosso do Sul – Brazil
Paulo Molin. Geostatistical analysis of ndvi transects for a sugar-cane field in Invinheima, MS – Brazil. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Rows skipped between transects: 0 Rows skipped between transects: 2
Rows skipped between transects: 3 Rows skipped between transects: 4
Cristina Costa 35
Geoestatística:
Aplicações6. Geostatistical analysis of NDVI transects for a sugar- cane field in Invinheima, Mato Grosso do Sul – Brazil
Paulo Molin. Geostatistical analysis of ndvi transects for a sugar-cane field in Invinheima, MS – Brazil. Erasmus Mundus Masters Programme in Geospatial Technologies, ISEGI, 2008.
Rows skipped between transects: 0 Rows skipped between transects: 2
Rows skipped between transects: 3 Rows skipped between transects: 4
Not enough data to evaluate the spatial dependence in between transects
Cristina Costa 36
Bibliografia
Goovaerts P. (1997). Geostatistics for Natural Resources Evaluation. Oxford University Press, Inc, New York, USA
Isaaks E.H., Srivastava R.M. (1989). An Introduction to Applied Geostatistics. Oxford University Press, Inc, New York, USA
Deutsch C.V., Journel A.G. (1998). Geostatistical Software Library and User’s Guide. Oxford University Press, New York, USA
Soares A. (2000). Geoestatística para as Ciências da Terra e do Ambiente. Instituto Superior de Técnico, IST Press. Lisboa, Portugal