IT 190 Princpios em Agricultura de Preciso

IT Departamento de Engenharia
REA DE MECANIZAO AGRCOLA

MAPEAMENTO DA VARIABILIDADE ESPACIAL
.Carlos Alberto Alves Varella
1


Para o mapeamento da variabilidade espacial de um determinado atributo
necessrio ter um banco de dados que apresente o valor e a localizao do atributo. Esse
banco de dados normalmente obtido em uma amostragem no regular de pontos dentro
da rea avaliada e denominado de dados brutos. Assim, para se obter uma grade regular
de pontos necessrio o uso de interpoladores para estimar pontos em locais que no
foram amostrados. Os mais usados para mapeamento da variabilidade espacial em
agricultura de preciso so: vizinho mais prximo, mdia local, inverso da distncia e
krigagem. MOORE (1998) testou esses interpoladores para mapeamento da produtividade
de milho. Usou uma colhedora Massey Ferguson com sistema de mapeamento para gerar
um valor mdio de produtividade para clulas de 20-25m
2
. Concluiu que a interpolao
pelo mtodo da mdia local pode ser utilizada para mapeamento de produtividade com
colhedoras. Segundo esse mesmo autor o a escolha do mtodo de interpolao de dados
brutos para grade regular (Figura 1) depende do detalhamento desejado, isto , devemos
levar em conta a finalidade do mapa. Para uso em agricultura de preciso dificilmente ser
necessrio um nvel de detalhamento da variabilidade espacial em grade regular menor que
5m.

Figura 1. Interpolao de dados brutos para grade regular.


1
Professor. Universidade Federal Rural do Rio de Janeiro, IT-Departamento de Engenharia, BR 465 km 7 - CEP 23890-000
Seropdica RJ. E-mail: varella@ufrrj.br.
2
VIZINHO MAIS PRXIMO
O vizinho mais prximo o mais simples dos interpoladores. Apenas usa o valor do
ponto mais prximo do n da grade para estimar o valor interpolado. Os valores
observados no so modificados, havendo apenas uma redistribuio dos mesmos em uma
grade regular. usado quando desejamos transformar dados brutos em grade regular sem
modificao dos valores observados.

Figura 2. Interpolao pelo mtodo do vizinho mais prximo.
MDIA LOCAL
Este interpolador estima os valores de pontos da grade regular apenas calculando a
mdia de pontos selecionados ao redor de cada n. Os pontos so selecionados em funo
do nmero de vizinhos ou do raio de busca. No exemplo ilustrado na Figura 2 os
parmetros para a interpolao so: raio de busca = 10 m ou nmero de vizinhos = 8.

Figura 2. Interpolao pelo mtodo da mdia local.
INVERSO DA DISTNCIA
Esse interpolador utiliza o modelo estatstico denominado inverso das distncias. O
modelo baseia-se na dependncia espacial, isto , supe que quanto mais prximo estiver
N
3
um ponto do outro, maior dever ser a correlao entre seus valores. Dessa forma atribui
maior peso para as observaes mais prximas do que para as mais distantes. Assim o
modelo consiste em se multiplicar os valores das observaes pelo inverso das suas
respectivas distncias ao ponto de referncia para a interpolao dos valores.

=
=
=
n
1 i
i
n
1 i
i
i
d
1
z
d
1
z (1)
em que,
z = valor estimado para o ponto z;
n = nmero de amostras;
z
i
= valores conhecidos;
d
i
= distncias entre os valores conhecidos e o estimado ( z
i
e z).

A equao 1 pode ser ajustada para incluir uma potncia para as distncias, com
isso pode-se atribuir pesos diferentes para a estimativa do valor de uma observao para
uma mesma distncia.

=
=
=
n
1 i p
i
n
1 i
i
p
i
d
1
z
d
1
z (2)

Observando-se a equao 2 verifica-se que foi adicionado uma potncia p ao
inverso das distncias
i
d
1
.
Com essa modificao na Equao 1 pode-se atribuir diferentes valores a potncia
p, sendo que quanto maior for o valor dessa potncia maior ser a influncia dos
vizinhos mais prximos (z
i
) no valor estimado para o ponto z. A potncia mais utilizada
2 e por isso freqentemente esse interpolador chamado de inverso do quadrado das
distncias. conhecido tambm por IDW (The Inverse Distance Weighted). O algoritmo
est implementado em uma srie de programas comerciais e oferece as seguintes opes:
Barries: significa uma fronteira para a busca de pontos. Se optarmos por No Barries
significa que todos os pontos especificados em nmero de vizinhos (No. of Neighbors)
ou em raio de busca (radius) sero utilizados na estimativa do valor interpolado.
No. of Neighbors: significa o nmero de vizinhos que sero utilizados para estimar o
valor interpolado.
4
Radius: significa raio de busca. Determina a distncia mxima para selecionar pontos
que sero usados na estimativa do valor interpolado.
O Arcview apresenta opes na interface do interpolador IDW para variar o raio
de busca, a potncia e fronteiras, com isso pode-se obter diferentes resultados para valores
interpolados de um mesmo conjunto de dados.. A figura 12 ilustra a interface do
interpolador IDW no arcview.

Figura 12. Interface do interpolador IDW no Arcview.

No exemplo ilustrado na Figura 12, o raio de busca foi fixado em 100 m (Radius =
100 m); a potncia para o inverso das distncias igual a 2 (Power = 2) e nenhuma fornteira
foi definida.
De acordo com a Equao 2, quanto maior o valor de p maior ser a influncia
dos pontos mais prximos, e com isso tero maior influncia no resultado da interpolao.
Quando se seleciona a opo Nearest Neighbors o programa faz a seleo de pontos
usando o nmero de vizinhos, independente da distncia. Quando selecionamos Fixed
Radius o programa faz a seleo de pontos usando o raio de busca, independente do
nmero de vizinhos.



5
KRIGAGEM
A krigagem o nico mtodo de interpolao que ajusta um modelo para o
comportamento da varincia espacial dos dados brutos, e usa esse modelo, para estimar os
valores dos pontos de uma grade regular. Segundo VIEIRA (2000), necessrio que a
varivel estudada apresente dependncia espacial para a confeco de mapas por krigagem.
O estudo da dependncia espacial feito por anlise do semivariograma, que segundo
VIEIRA (2000) a ferramenta mais adequada para medir a dependncia espacial. O
semivariograma definido como a esperana matemtica do quadrado da diferena entre
pares de uma varivel no espao, dado pela Equao 1.

( ) | | { }
2
) h x ( Z ) x ( Z E
2
1
h + = (1)
em que,

(h) = semivariograma;
Z(x) = valor da varivel no ponto x;
Z(x+h) = valor da varivel no ponto (x+h);
h = distncia entre os pontos x e x+h.

Os semivariogramas podem ser modelados no programa computacional GS+
(GAMMA DESIGN, 2002). Os modelos disponveis no GS+ so: exponencial, gaussiano,
esfricos e linear. O algoritmo implentado no GS+ seleciona o modelo que apresentar
menor soma de quadradro de resduo no ajuste. O ajuste do modelo matemtico aos dados
define os parmetros do semivariograma, que so: efeito pepita (Co), que o valor de
quando h=0; alcance (A) a partir do qual constante; patamar (C+Co), cujo valor
aproximadamente igual varincia dos dados, se ela existe, e obtido pela soma do efeito
pepita (Co) e a varincia estrutural (C) (Figura 1).
6

Figura 1. Modelo ajustado para o semivariograma experimental pelo programa computacional
GS+

A dependncia espacial pode ser avaliada, segundo CAMBARDELLA et al.
(1994), por meio do coeficiente de efeito pepita (CEP), definido como a razo entre o
efeito pepita e o patamar (C
0
/C+C
0
). Segundo, se o CEPs 0,25 a amostra apresenta alta
dependncia espacial, isto , a componente aleatria pequena; se 0,25sCEPs0,75 a
amostra apresenta moderada dependncia espacial, isto , a componente aleatria
importante e se CEP>0,75 a amostra tem baixa dependncia espacial. Assim a varivel
apresenta alta dependncia espacial quando o efeito pepita 0.25 do patamar. Segundo
VIEIRA et al. (1997), quanto menor o coeficiente de efeito pepita, maior ser a
semelhana entre os valores vizinhos e a continuidade do fenmeno, e menor ser a
varincia da estimativa.
BIBLIOGRAFIA
MOORE, M. An Investigation into the accuracy of yield maps and their subsequent use in
crop management. Cranfield University, Silsoe College, Department of Agriculture
and Biosystems Engineering, 1988. http:// www. cpf.kvl. dk/Papers/
Mark_Moore_Thesis/ index.htm, acessado em 16 de maro de 2006.
7
CAMBARDELLA, C.A.; MOORMAN, T.B.; NOVAK, J.M.; PARKIN, T.B.; KARLEN,
D.L.; TURVO, R.F.; KONOPA, A.E. Field-scale variability of soil properties in
central Iowa soils. Soil Science Society of American Journal, v.58, n.5, p.1501-
1511, 1994.
VIEIRA, S.R. Geoestatstica aplicada agricultura de preciso. In: BOREM, A.;
GIUDICE, M.P.; QUEIROZ, D.M.; MANTOVANI, E.C.; FERREIRA, L.R.;
VALLE, F.X.R.; GOMIDE, R.L. Agricultura de Preciso. Viosa: Editora UFV, 2000.
p.93-108.
GAMMA DESIGN. GS+ for Windows Demonstration Version 5.3. Plainwell,
Michigan, USA: Gamma Design Software, 2002.
VIEIRA, S.R.; NIELSEN, D.R.; BIGGAR, J.W.; TILLOTSON, P.M. The scaling of
semivariograms and the kriging estimation of field-measured properties. Revista
Brasileira de Cincia do Solo, Viosa, v.21, p.525-533, 1997.