Con side r a çõe s I n icia is
É im possível saber, ant es de am ost rar, de que m aneira os valores das variáveis irão se com port ar: se dependent e ou independent e um a da out ra.
Devido as lim it ações da est at ística clássica e pelo fat o de que m uitas variáveis são heterogêneas ( os atributos variam no espaço e no t em po) , torna- se necessária a ut ilização de procedim ent os estatísticos adicionais, que considerem e reflitam essa variações.
Assum indo as hipót eses exigidas pela est at íst ica clássica, pode- se dizer que:
um va lor m e dido é em part e explicado por um a m é dia e
Con side r a çõe s I n icia is
Os desvios dos valores em t orno da m édia são assum idos com o sendo in de pe n de n t e s e com dist r ibu içã o n or m a l de m é dia ze r o e va r iâ n cia σ²
ou sej a
a m é dia a r it m é t ica dos dados am ostrais é adotada com o sendo bom e st im a dor da posiçã o ce n t r a l dos va lor e s da popu la çã o.
A m é dia é ent ão t om ada com o est im at iva da propriedade em loca is n ã o a m ost r a dos, tornando necessário ident ificar o nível de
precisão dessa m édia com o est im ador, o que, na est at íst ica clássica, é realizado por m eio das m e dida s de dispe r sã o.
Quando é verificado que a com pon e n t e r e sidu a l da va r iâ n cia é r e la t iva m e n t e m u it o gr a n de, o que norm alm ent e é indicado por
um a lt o CV, o experim ent o ficar prej udicado, sendo que a ca u sa pode se r a va r ia bilida de do con j u n t o de da dos, assum ido com o
Con side r a çõe s I n icia is
Se a dist r ibu içã o e spa cia l da s a m ost r a s é con side r a da, em
m uitos casos, se r á possíve l t ir a r va n t a ge m da va r ia bilida de e spa cia l.
Port ant o a est at íst ica clássica e a geoest at íst ica, ou est at íst ica espacial, se com plem ent am . Um a não exclui a out ra, e pergunt as não respondidas por um a, m uit as vezes podem ser respondidas pela outra.
Quando os da dos sã o a bu n da n t e s, os m é t odos de in t e r pola çã o, em geral produzem valores sem elhant es.
Os m ét odos tradicionais de int erpolação espacial com o
t r ia n gu la çã o e m é t odo do in ve r so do qu a dr a do da dist â n cia, no
caso de da dos e spa r sos, possuem lim it a çõe s na represent ação da
Con side r a çõe s I n icia is
A sequência de passos em um est udo geoest at íst ico envolve:
1) Análise exploratória dos dados para que se possa t er a com preensão da nat ureza espacial da variável;
2) Análise estrutural do conj unto de dados para determ inação da correlação espacial ou continuidade dos dados;
3) Elaboração de est im at ivas por krigagem para est im ar valores em pont os não am ost rados.
Ant es de selecionar a t écnica de est im at iva m ais apropriada devem os responder a algum as quest ões básicas:
- Querem os um a est im at iva global ou local?
- Nosso obj et ivo é est im ar apenas a m édia ou a dist ribuição com plet a dos dados?
- Querem os est im ar valores pont uais ou blocos?
I n t e r pola çã o
- Atribuição de pesos para as am ost ras (w eight ed average int erpolat ion algorit hm s) .
- Pesos ent re 0 e 1, sendo que o som at ório dos pesos deve ser 1.
- Quant o m ais pert o um dado nó do grid, m aior seu peso.
I n t e r pola dor e s Clá ssicos
Polígonos: define zonas/ áreas de influência, sendo o peso de acordo com a área que corresponde a cada am ost ra;
I nverso da dist ância: valor est im ado a part ir de com binações lineares dos dados vizinhos, com o peso dado pela dist ância que separa as am ostras;
D e sva n t a ge m dos m é t odos clá ssicos
- Não consideram o suport e am ost ral;
- Não consideram o padrão de variabilidade espacial;
- Não fornecem m edida de erro da est im at iva.
Va n t a ge m dos m é t odos clá ssicos
- Sim ples;
- I ntuitivos;
Est im a t iva por com bin a çã o lin e a r pon de r a da
A ideia básica é est im arm os um at ribut o qualquer em um a posição usando:
Em que: u refere- se a um a localização qualquer
Z* ( u) é o valor estim ado nessa localização u
exist em n dados Z( ui), i = 1,...,n na circunvizinhança de u
λi refere- se aos pesos calculados.
Quais os fat ores que devem ser considerados para calcular os pesos?
- Proxim idade das am ost ras;
- Redundância ent re dados am ost rais; - Anisotropia;
Est im a t iva por com bin a çã o lin e a r pon de r a da
A krigagem é um est im ador linear a part ir da inform ação disponível, em que t em or z( u) posições desconhecidas e dados nas posições z( uα) com o realizações da variável regionalizada em est udo.
Em que: = é o valor estim ado;
= m édia do at ribut o z( u);
= pesos a serem det erm inados.
Est im a t iva por com bin a çã o lin e a r pon de r a da
Essa variância deve ser m inim izada sob a condição de não-t endenciosidade.
Assim a geoest at íst ica é um conj unt o de técnicas est at íst icas ut ilizadas para analisar a variabilidade e est im ar valores de um a variável de int eresse.
A m et odologia propost a pela geoest at íst ica difere da propost a pela est at íst ica clássica, basicam ent e, na form a de avaliar a variação dos dados.
Est im a t iva por com bin a çã o lin e a r pon de r a da
A regionalização da variável é a m aneira de ident ificar e avaliar a est rut ura espacial dos atribut os est udados.
Um a prem issa básica é que em t odas as áreas exist em regiões m ais ricas do que outras, para um a det erm inada variável.
Ou sej a, o valor da variável regionalizada f( x ) depende da posição
espacial x.
Na teoria das variáveis regionalizadas, Z( x ) pode ser definida
com o um a variável aleatória que assum e diferentes valores Z em
função de x.
O que diferencia a k r iga ge m de out ros m ét odos de int erpolação é
a e st im a çã o de u m a m a t r iz de cova r iâ n cia e spa cia l que
det erm ina os pe sos at ribuídos às diferent es am ost ras, o t r a t a m e n t o da r e du n dâ n cia dos da dos, a vizin h a n ça a se r con side r a da no
Est im a t iva por com bin a çã o lin e a r pon de r a da
O conj unt o de am ost ras deve ser represent at ivo do fenôm eno que se pret ende est udar.
Se x represent a um a posição em um a, duas ou t rês dim ensões,
então o valor da variável Z, em x, é, dada por ( Burrough, 1987) :
onde: m ( x ) é um a função det erm iníst ica que descreve a
com ponent e est rut ural de Z em x;
ε’( x ) é um term o est ocást ico, que varia localm ent e e
depende espacialm ent e de m ( x ) ;
ε” é um ruído aleat ório não correlacionado, com
Est im a t iva por com bin a çã o lin e a r pon de r a da
A hipót ese m ais com um é cham ada e st a cion a r ida de de 2 ª or de m:
⇒ A com ponent e det erm iníst ica, m ( x ) , é constante ( não há
t endências na região) .
⇒ A variância das diferenças ent re duas am ost ras depende som ente da distância h ent re elas, ist o é:
γ( h ) é cham ado de sem ivariância.
Para m ost rar a cont ribuição da sem ivariância, podem os reescrever a equação com o:
Em outras palavras, com o supom os m ( x ) ser constante, a variação
VARI OGRAM A ( SEM I VARI OGRAM A)
Quando a am ost ragem envolve duas direções ( x,y) o inst rum ent o m ais indicado na est im at iva da dependência ent re am ost ras é o variogram a ( Silva, 1988) .
O variogram a é um a ferram ent a básica de suport e às t écnicas de krigagem, que perm it e represent ar, quant it at ivam ent e, a variação de um fenôm eno regionalizado no espaço ( Huij bregt s, 1975) .
Considere duas variáveis regionalizadas, X e Y, onde X= Z( x) e Y= Z( x+ h) .
Nest e caso, referem - se ao m esm o at ribut o ( por exem plo, t eor de zinco no solo) m edido em duas posições diferent es, onde x
denota um a posição de duas dim ensões, com com ponent es ( x,y) , e h um vet or dist ância
VARI OGRAM A ( SEM I VARI OGRAM A)
O n íve l de de pe n dê n cia ent re essas duas variáveis
regionalizadas, X e Y, é r e pr e se n t a do pe lo va r iogr a m a, 2γ( h ), o
qual é definido com o a e spe r a n ça m a t e m á t ica do qu a dr a do da dife r e n ça e n t r e os va lor e s de pon t os n o e spa ço, se pa r a dos pe lo ve t or de dist â n cia h, isto é,
At ravés de um a am ost ra z( xi) , i = 1,2,...,n, o variogram a pode ser est im ado por:
onde: é o variogram a est im ado;
N( h) e o núm ero de pares de valores m edidos, z( xi) e z( xi+ h) , separados por um vet or dist ância h;
VARI OGRAM A ( SEM I VARI OGRAM A)
O variogram a é função do vet or h ( m ódulo e direção) .
Essa equação é t am bém definida com o sem ivariogram a, porque é dividida por 2.
Para efeito prático, tratar- se- á variogram a e sem ivariogram a com o m esm o significado.
O variogram a norm alm ente atinge o patam ar, cham ado de sill, o
qual é aproxim adam ent e igual a variância tot al dos valores am ost rais ( a variância a priori dos dados) .
VARI OGRAM A ( SEM I VARI OGRAM A)
Em bora o variogram a deva passar pela origem
γ( 0) = 0,
frequent em ent e ele aparece cort ando o eixo vert ical em um valor posit ivo, cham ado efeit o pepit a (n u gge t e ffe ct) .VARI OGRAM A ( SEM I VARI OGRAM A) Pa r â m e t r os do va r iogr a m a
O seu padrão represent e o que, int uit ivam ent e, se espera de dados de cam po, ist o é, que as diferenças { Z( xi) -Z( xi+ h) } decresçam , a m edida que h, a dist ância que os separa, decresce.
É esperado que observações m ais próxim as
geograficam ent e t enha um
com port am ent o m ais sem elhant e ent re si do que aquelas
separadas por
m aiores distâncias.
VARI OGRAM A ( SEM I VARI OGRAM A)
Alca n ce ( a ) : dist ância, dent ro da qual, as am ost ras apresent am
-se correlacionadas espacialm ent e.
Pa t a m a r ( C) : é o valor do variogram a correspondente a seu
alcance ( a).
Desse pont o em diant e, considera- se que não exist e m ais dependência espacial ent re as am ost ras, porque a variância da diferença entre pares de am ostras torna- s invariante com a distância.
Efe it o Pe pit a ( C0) : idealm ent e igual a zero.
Ent ret ant o, na prát ica, à m edida que h tende a 0 ( zero) ,
γ(
h) seaproxim a de um valor posit ivo, (C0) , que revela a descont inuidade do
sem ivariogram a para dist âncias m enores do que a m enor dist ância entre as am ostras.
VARI OGRAM A ( SEM I VARI OGRAM A)
Con t r ibu içã o ( C1) : é a diferença ent re o pat am ar (C) e o efeito
pepit a (C0) .
Cá lcu lo do se m iva r iogr a m a pa r a a m ost r a s r e gu la r m e n t e e spa ça da s
Para determ inar o sem ivariogram a experim ent al, por exem plo, na direção de 90º , o cálculo de é repet ido para t odos os int ervalos de h.
Suponha a dist ância ent re dois pont os consecut ivos igual a 100m .
Ent ão, qualquer par de observações, na direção de 90º , cuj a dist ância é igual a 100m , será incluído no cálculo de ( 90º ,100m ) .
I st o feit o, os cálculos são repet idos para a próxim a dist ância, por exem plo, 200m .
VARI OGRAM A ( SEM I VARI OGRAM A)
Cá lcu lo do se m iva r iogr a m a pa r a a m ost r a s r e gu la r m e n t e e spa ça da s
VARI OGRAM A ( SEM I VARI OGRAM A)
Cá lcu lo do se m iva r iogr a m a pa r a a m ost r a s r e gu la r m e n t e e spa ça da s
VARI OGRAM A ( SEM I VARI OGRAM A)
Cá lcu lo do se m iva r iogr a m a a pa r t ir de u m a m a lh a de a m ost r a ge m ir r e gu la r m e n t e e spa ça da .
Nest e caso é necessário
int roduzir lim it es de t olerância para direção e
distância.
VARI OGRAM A ( SEM I VARI OGRAM A)
Cá lcu lo do se m iva r iogr a m a a pa r t ir de u m a m a lh a de a m ost r a ge m ir r e gu la r m e n t e e spa ça da
Lag refere- se a um a dist ância pré- definida, a qual é ut ilizada no cálculo do sem ivariogram a.
Suponha um increm ent o de Lag igual a 100m com tolerância de 50m .
Considere ainda a direção de m edida de 45º com t olerância angular de 22,5º .
Ent ão, qualquer par de observações cuj a dist ância est á com preendida ent re 150m e 250m e 22,5º e 67,5º será incluído no cálculo do sem ivariogram a de Lag2.
VARI OGRAM A ( SEM I VARI OGRAM A)
Cá lcu lo do se m iva r iogr a m a a pa r t ir de u m a m a lh a de a m ost r a ge m ir r e gu la r m e n t e e spa ça da
A largura da banda ( BW) se refere a um valor de aj ust e a partir do qual se rest ringe o núm ero de pares de observações para o cálculo do sem ivariogram a.
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
O aj ust e de um m odelo teórico ao sem ivariogram a experim ent al não é direto e autom ático, pois, nesse processo, o int érprete faz um prim eiro aj uste e verifica a adequação do m odelo t eórico.
Dependendo do aj ust e obt ido, pode ou não redefinir o m odelo, at é obter um que sej a considerado sat isfat ório.
Os m odelos podem ser de dois t ipos: m ode los com pa t a m a r e m ode los se m pa t a m a r.
Os m ode los com pa t a m a r são conhecidos com o m ode los t r a n sit ivos.
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
Os m ode los se m pa t a m a r cont inuam aum ent ando enquant o a
dist ância aum ent a.
Tais m odelos são ut ilizados para m odelar fenôm enos que possuam capacidade infinit a de dispersão (m ode lo pot ê n cia) .
Os m ode los t r a n sit ivos m ais utilizados são:
- Modelo esférico ( Sph) ;
- Modelo Exponencial ( Exp) ; e
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
M ode lo e sfé r ico ( Sph )
O m odelo esférico e um dos m odelos m ais ut ilizados e a equação norm alizada é:
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
M ode lo e x pon e n cia l ( Ex p)
A equação norm alizada é:
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
M ode lo ga u ssia n o ( Ga u )
É um m odelo t ransit ivo, m uit as vezes, usada para m odelar fenôm enos ext rem am ent e cont ínuos. Sua form ulação é dada por:
Esse m odelo t am bém at inge o pat am ar assint ot icam ent e, com alcance prát ico definido com o a dist ância na qual o valor do m odelo é 95% do pat am ar ( I saaks; Srivast ava, 1989) .
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
Lin e a r
Sua form ulação é dada por:
Nest e m odelo o pat am ar é det erm inado por inspeção.
O coeficient e angular C/ a é det erm inado pela inclinação da ret a que passa pelos prim eiros pont os de
γ(
h) dando- se m aior pesoVARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
M ode lo cú bico
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
M ode lo e fe it o fu r o (h ole e ffe ct)
M ode lo pot ê n cia
O m odelo pot ência não é um m odelo t ransit ivo, port ant o não at inge o patam ar.
VARI OGRAM A ( SEM I VARI OGRAM A)
VARI OGRAM A ( SEM I VARI OGRAM A)
M ode los de Se m iva r iogr a m a s ( Va r iogr a m a s)
M ode los a n in h a dos
Os m odelos aninhados são com binações de m odelos sim ples ut ilizados para m odelar fenôm enos m ais com plexos.
Gr a u de D e pe n dê n cia Espa cia l
Os variogram as expressam o com port am ent o espacial da variável regionalizada ou de seus resíduos e m ost ram o t am anho da zona de influência em t orno de um a am ost ra, a variação nas diferent es direções do t erreno, indicando t am bém cont inuidade da caract eríst ica est udada no t erreno ( Landim , 1998) .
Trangm ar et al ( 1985) sugeriram o uso da % da variância do efeit o pepit a para m ensurar a dependência espacial ( I DE) , sendo que Cam bardella et al ( 1994) propuseram os seguint es int ervalos para avaliar a % da variância do efeito pepita:
I DE ≤ 25% = fort e dependência espacial;
25% ≤ I DE ≤ 75% = m oderada dependência espacial;
Gr a u de D e pe n dê n cia Espa cia l
Zim back ( 2001) propôs a inversão dos fat ores, com o:
e a classificação quant o ao grau de dependência espacial da variável em est udo é:
i) variável independent e espacialm ent e – se a relação ent re a com ponent e est rut ural e o pat am ar for igual a 0% , nest e caso o variogram a será com efeito pepita puro;
ii) variável com fraca dependência espacial – se a com ponent e est rut ural for m enor ou igual a 25% do pat am ar;
iii) Variável com m oderada dependência espacial – se a com ponent e est rut ural est iver ent re 25% e 75% do pat am ar;