Escolar Documentos
Profissional Documentos
Cultura Documentos
Numist - Modelacao e Estimacao - Sgems
Numist - Modelacao e Estimacao - Sgems
Modelao e
Estimao
Uma introduo geoestatstica
Pedro Correia
2010
ndice
Resumo Introdutrio.................................................................................................... 4
Caracterizao da Disperso Espacial ............................................................ 4
Mtodo Computacional de Clculo ................................................................ 6
Variografia ....................................................................................................................... 8
Modelos de Variogramas ....................................................................................... 12
Estimao por Krigagem ......................................................................................... 15
Input de Dados num Software de Geoestatstica .................................. 17
Exerccio de Krigagem ................................................................................................. 21
Introduo ao S-GeMS ................................................................................................ 41
Interface do S-GeMS .................................................................................................. 41
Painel de algoritmos ................................................................................................ 42
Painel de Visualizao ............................................................................................. 45
Comandos bsicos no S-GeMS ............................................................................. 48
Inserir Dados no S-GeMS ................................................................................... 48
Ferramentas do S-GeMS ........................................................................................... 51
Utilizao do Software S-GeMS na Estimao do Teor de
Contaminantes numa Horta ................................................................................... 54
Dados da Horta ........................................................................................................... 54
Preparao dos Dados ............................................................................................. 55
Estatsticos Descritivos ......................................................................................... 58
Estudo de Variografia ............................................................................................. 60
Krigagem ........................................................................................................................... 62
Anlise dos Resultados ........................................................................................... 65
Estimao da Impedncia num Reservatrio Petrolfero .................... 67
Dados do Reservatrio........................................................................................... 67
Estatsticos Descritivos ......................................................................................... 67
Estudo de Variografia ............................................................................................. 70
Krigagem da Impedncia ......................................................................................... 74
Exerccio 1 ........................................................................................................................... 77
Exerccio 2 ........................................................................................................................... 77
Exerccio 3 ........................................................................................................................... 78
Exerccio 4 ........................................................................................................................... 78
Exerccio 5 ........................................................................................................................... 79
Bibliografia......................................................................................................................... 80
Resumo Introdutrio
Vamos comear com uma breve introduo sobre estimao, nomeadamente com krigagem.
Mais frente poderemos ver todo o processo ao pormenor.
Figura 1 - Horta de onde se retiraram seis amostras para anlise da quantidade de fsforo no solo.
S existem seis locais que sabemos com toda a certeza a quantidade exacta de fsforo, tudo o resto
permanece desconhecido. necessrio inferir qual o valor de fsforo que cada uma das zonas ter
consoante a amostragem que foi feita. De entre os mtodos determinsticos podemos utilizar, por
exemplo, diagramas de Voronoi (mtodo dos polgonos de influncia) no qual cada ponto da horta toma
um valor igual amostra que se encontra mais prxima (Figura 2).
Cada uma das arestas dos polgonos de influncia representa o limite que define se um ponto
se encontra mais prximo de uma amostra, ou de outra. Outro mtodo bastante conhecido o
4
de triangulao no qual cada local toma o valor, ponderado ou constante, da mdia feita pelos
vrtices de cada tringulo representativos das amostras.
Figura 5 - Mapeamento da quantidade de fsforo na horta com base no mtodo dos polgonos de influncia.
Cada uma das cores representa uma dada quantidade de fsforo. Agora temos uma noo da
disperso espacial do fsforo na horta mas poder a mesma ser melhorada? Mtodos
determinsticos de inferncia espacial, como so os acima explicados, tm por base critrios
estritamente geomtricos quase arbitrrios dado que a disperso de um elemento numa dada
rea ou volume corresponde geralmente a um ou mais fenmenos especficos com
continuidade dependente da direco. Por esse e outros motivos se recorre, em muitos casos
e especialmente nas cincias da terra e do ambiente, a mtodos geostatsticos. Antes de
explicar estes mtodos e dado que os mesmos so, geralmente, efectuados em recurso a um
computador, importante explicar as limitaes que o mesmo tem e que estruturas necessita
para efectuar clculos que, no fim, daro origem a um mapeamento de um qualquer
fenmeno como o nosso caso do fsforo na horta.
Para colmatar esta deficincia o computador discretiza transformando uma linha (A) num
aglomerado de intervalos (B) que, num mapa de inferncia espacial, so reconhecidos como
blocos (C). Se aplicarmos a mesma lgica para o caso da horta, que se entende bidimensional
(ainda no foi considerado a profundidade), vamos ficar com uma discretizao por blocos no
espao 2D (Figura 7).
A partir daqui o computador ir efectuar um clculo para cada bloco da discretizao da horta.
Se formos aplicar o mtodo dos polgonos de influncia ao caso da horta atravs do
computador iremos ter o resultado da Figura 8.
O tamanho dos blocos definido pelo utilizador e diz-se ter uma malha mais apertada ou
menos apertada consoante o mesmo for menor ou maior, respectivamente. Ao conjunto dos
blocos habitual chamar-se de grid. Evidentemente que o estudo no s pode ser feito no
plano como no espao 3D passando a existir a coordenada da profundidade. Neste caso a grid
passaria a ter mais de uma camada de blocos (Figura 9).
Variografia
O variograma uma ferramenta estatstica de grande importncia na geoestatstica dado que
nos d uma medida da continuidade espacial mas comecemos pela anlise inicial aos
estatsticos bsicos. Imaginemos que fazemos um histograma da amostragem da nossa horta e
que o resultado o da Figura 10.
Imaginemos agora que o vizinho do lado da horta faz a mesma anlise sua horta e o seu
histograma resulta num igual ao nosso. Quando foi feita a anlise espacial da horta do vizinho
resultou no mapa da Figura 11.
Este caso nada tem a ver com o da nossa horta, no entanto os seus histogramas so iguais. De
maneira a conseguir completar a informao dada pelos estatsticos bsicos temos o
variograma. O variograma calculado pela seguinte expresso:
#
1
2
!"
No primeiro e segundo intervalos considerados no existem amostra com que fazer o clculo
pelo ficaro intervalos vazios. No terceiro intervalo considerado j existem duas amostras
9
disponveis e por isso o valor do variograma diferente de zero. Repetindo o mesmo processo
para todas as amostras e considerando todos os intervalos de distncia no final teramos que
perfazer a sua mdia por intervalo (porque o intervalo trs da segunda amostra pode dar um
valor diferente do intervalo trs da terceira amostra, por exemplo). O resultado do estudo de
variografia seria o da Figura 13.
10
Figura 15 - Anisotropia na disperso espacial de uma varivel onde se nota muito maior continuidade da esq. para a dir. que de
cima para baixo.
Assim temos um variograma para a direco escolhida. Se fizermos vrios variogramas para
vrias direces ficamos com uma noo da continuidade espacial que existe em cada direco
(isto se existirem dados amostrados que o permitam, podem existir direces onde no
existem quaisquer amostras para serem estudadas). Dado que estes clculos sero efectuados
pelo software mais frente abordaremos mais parmetros de variografia.
11
Modelos de Variogramas
O estudo de variografia d-nos informao sobre a continuidade mas no nos possvel
estimar blocos em distncias para a qual no existem pontos que apaream no variograma.
Para resolver este problema necessrio impor uma funo ou modelo que corresponda o
mais possvel aos pontos do variograma e consiga reproduzir novos pontos em distncias onde
no existe nenhum. Na Figura 17 est um modelo ajustado (embora no muito bem ajustado)
aos pontos do variograma omni-direccional da nossa horta. Com a incluso desta curva no
variograma passamos a ter qualquer
(que no nosso caso podemos interpretar como
sendo o valor indirecto de fsforo) a qualquer distncia porque o modelo contnuo e por
isso sempre possvel de se usar.
Figura 18 - Modelo exponencial (esq.), potencial (centro) e gaussiano (dir.) ajustados num variograma.
12
13
Figura 20 - Elipside (elipse ou esfera por ser um caso 2D) de um caso isotrpico (cima) e anisotrpico (baixo).
14
Figura 22 - ngulo lido nos dois sentidos da mesma direco e por esse motivo 450 igual a -1350, por exemplo.
O ngulo de 450 igual ao de -1350 e o de -800 ao de 1000. Assim quando pretendemos inserir
uma direco o fazemos somente num intervalo de 180 como o caso do ]90,-90]0.
Figura 23 - Amostragem de trs pontos que iro servir para calcular um quarto (ponto O) a partir do mtodo krigagem.
15
Para calcular o ponto O (e depois os restantes pelo mesmo processo) vamos fazer um estudo
de variografia amostragem ao qual adaptamos um modelo potencial a dois pontos de
variografia num variograma omni-direccional por o estudo das vrias direces revelar que se
trata de um caso isotrpico (Figura 24).
Figura 25 - Construo de elipside com duas direces de definio ortogonais com a mesma amplitude .
16
*+ ++
*, +,
*- +-
+.
*+ ,+
*, ,,
*- ,-
,.
*+ -+
*, -,
*- --
-.
Com o acrescento da linha para evitar erros (o somatrio dos pesos no pode dar maior ou
menor que 1):
*+
*,
*- 1
*, 6,
*- 6-
1.0
0.15
1.0
3.2
0.20
3.0
2.3
0.07
3.8
0.7
0.21
4.0
3.4
0.30
5.0
2.0
0.17
O ficheiro de input formato ASCII e portanto editvel em software como o bloco de notas,
por exemplo. O ficheiro teria de ter, ento, apenas a informao do excerto acima com
possvel adio de cabealho que alguns softwares exigem para funcionarem (mais frente
falaremos disto). Se utilizarmos a informao do excerto e a computarmos num grfico de
17
disperso com folha de clculo, por exemplo, vamos ter o resultado da Figura 26 onde
especificado apenas a localizao das amostras como j anteriormente tnhamos visto (neste
exemplo no est especificado teor, se estivesse cada bola correspondente amostra teria
uma cor correspondente a um teor de fsforo).
4
0
0
Figura 26 - Computao do ficheiro dos point-data das amostras da horta (sem evidenciao do teor de fsforo).
Se quisssemos meter mais variveis nas mesmas localizaes do point-data da horta (porque
poderiam ter resultado outros elementos contaminantes na anlise das amostras) teramos
que ter mais uma coluna. Mais frente explicaremos detalhadamente como fazer a krigagem
em recurso a software mas aps termos dado como input o point-data das amostras
recolhidas da horta (correspondente ao excerto), criado uma grid que considerasse a rea
coberta pelas amostras, e feito o respectivo estudo de variografia resultou no mapeamento da
Figura 27 onde o azul representa os baixos teores e os vermelhos altos teores.
Figura 27 - Mapa estimado por krigagem dos teores de fsforo na horta onde o azul corresponde a baixo teor e o vermelho a alto
teor.
Aps feita a krigagem no software utilizado precisamos dar entrada deste resultado noutro
software e por esse motivo exportamos a grid da horta (em que cada bloco tem um valor de
fsforo proveniente da krigagem). O ficheiro de output poder vir no formato que se mostra
no seguinte excerto:
18
0.16
0.17
0.19
0.22
0.23
0.24
0.23
0.22
...
Vem apenas uma coluna com correspondncia dos valores de fsforo em cada bloco sem
qualquer referncia da localizao dos mesmos e por isso sem possibilidade organizar os dados
no espao. Regra geral os softwares tm um algoritmo que especifica a que posio de uma
grid corresponde cada um dos valores de fsforo que passo agora a explicar. No caso da horta
criamos uma malha ou grid com 98 blocos no eixo do x e 64 no eixo do y. Sendo que
64 8 98 6272 ento temos 6272 blocos na nossa grid e por isso 6272 valores de fsforo no
nosso ficheiro de output. Se fizermos deste ficheiro um de input num software de
geoestatstica e especificarmos que o input para ser dado numa grid com as mesmas
caractersticas acima dadas ento o software ir recolocar todos os valores nos blocos
respectivos sem necessidade de ter colunas para as coordenadas. O algoritmo usado ,
geralmente, o seguinte. Primeiro percorrida linha do eixo x ou I, depois a do y ou J, e
finalmente a do z ou K como se v na Figura 28.
O primeiro valor que aparecer no ficheiro do output da horta corresponder posio (x,y),
(1,0), o segundo valor posio (2,0), o terceiro (3,0) e finalmente at completar um linha do
eixo x que fica na posio (98,0). O valor a seguir ficar na posio (1,1) e depois (2,1), e por ai
19
adiante at ter completado a primeira (ou nica no caso da horta por no existir profundidade
e por isso o nmero de blocos em z 1) camada. Se o caso fosse tridimensional ento aps
completar a primeira camada o software iria completar a segunda como se v na Figura 29 (e
se z tivesse mais de 2 blocos iria continuar fazendo camadas at todas estarem completas).
20
Exerccio de Krigagem
Ao longo deste exerccio vamos explicar ao pormenor todo o processo da krigagem, desde o
tratamento inicial dos dados, construo dos variogramas e finalmente a estimao. Todo o
exerccio feito mo (quanto muito utilizando a calculadora) por isso podes tu tambm ir
buscar um lpis e papel para acompanhar. Por agora no vai haver computadores.
O variograma (semi-variograma) o grfico (e/ou frmula) que descreve a diferena esperada
de valor entre pares de amostras dada uma certa orientao. Vamos agora fazer os
variogramas experimentais ou calculados. Imaginemos que temos um jazigo de ferro do qual
foi feita uma amostragem (Figura 30).
A malha das sondagens regular, com distncias entre amostras iguais (Figura 31).
21
22
#
1
2
!"
100
27 28
" 32 30
" 30 31
" 31 29
" 44 42
"
42 43
" 43 41
" 41 39
" !/2 8 8
100
1,1875
Consideremos agora a mesma direco para a distncia de 200 metros (Figura 34).
200
27 27
" 32 31
" 30 29
" 38 33
" 33 30
"
44 43
" 42 41
" 43 39
" !/2 8 8
200
3.375
23
32 29
"
44 41
"
300
3,5
42 39
" !/2 8 4
Fazendo apenas para trs classes distncia de 100, 200 e 300 metros ficamos com o
variograma experimental da Figura 36 (repare-se que tem o nmero de pares de pontos para
cada distncia).
24
Consideremos agora a direco Norte-Sul para a distncia de 100 metros (Figura 37).
100
38 44
" 27 33
" 30 33
" 33 43
"
29 30
" 30 39
" !/2 8 7
100
19.4286
25
28 31
"
200
27 38
" 32 42
" 27 33
"
29 39
" !/2 8 6
200
48,833
30 43
"
31 41
"
27 43
"
300
119
28 41
" !/2 8 3
26
Podamos continuar a estudar outras direces com outras distncias (para um estudo mais
completo era o que devia ser feito) mas em favor da brevidade vamos ficar por estas
direces. Agora necessrio completar os nossos variogramas com os estatsticos bsicos.
Para fazer os estatsticos bsicos comeamos por usar os nossos dados iniciais (Tabela 1).
X
1
3
4
5
3
5
4
2
3
1
5
4
2
3
1
Y
4
4
4
3
3
2
3
3
2
2
1
1
1
1
1
Fe
27
27
28
29
30
30
31
32
33
38
39
41
42
43
44
A partir destes fizemos classes de teor de ferro e a frequncia de existia em cada uma delas
(Tabela 2).
Classes
[27, 31]
]31, 35]
]35, 39]
]39, 44]
Frequncia
7
2
2
4
27
O histograma revela uma distribuio curiosa mas dado a escassez de dados no vamos
assumir nada. A nossa amostragem de malha regular e tem boa representatividade na regio
que pretendemos estudar, por esse motivo vamos usar a varincia como patamar para os
nossos modelos de variografia. A varincia dada por (sendo 0 a varivel de amostragem):
5 ? 0
30 @
"
No qual @ 30
e 30
o valor esperado. Em casos como o nosso, no qual tratamos todos
os valores como tendo igual probabilidade, o valor esperado a mdia aritmtica.
A
1
30
0
E @, portanto, a mdia aritmtica da nossa amostragem. Assim a varincia vai ser a mdia
aritmtica do quadrado das diferenas de todas as amostras para a mdia.
A
1
5 ? 0
0 @
"
27
27
28
29
30
30
31
32
15
33
30
34,2667
28
38
39
41
42
43
44
5 ? 0
27 34,2667
" 27 34,2667
" 28 34,2667
"
B 43 34,2667
" 44 34,2667
" !/15
5 ? 0
38,49524
29 34,2667
"
Repare-se que na direco Norte-Sul o patamar est presente a tracejado mas na direco
Este-Oeste no. Ele existe nesta direco, no entanto os valores dos variogramas so
demasiado baixos para que o patamar seja visto a esta escala. Por comparao com as duas
direces podemos dizer que a continuidade na direco Este-Oeste muito superior
direco Norte-Sul. Ao fazermos uma nova escala para o variograma da Este-Oeste ficamos
com o resultado da Figura 43.
Figura 43 - Variograma da direco "Este-Oeste" com uma nova escala que permite ver o patamar.
29
Agora necessrio ajustar um modelo aos variogramas experimentais. Existem muitas funes
possveis de se usar em variografia mas vamos comentar apenas algumas das mais utilizadas.
Se considerarmos que C o patamar e a amplitude ento os modelos tero que ser
definidos com estas constantes (muito embora no ajuste do modelo num software o que se
varia a amplitude, mas para todos os efeitos as funes do modelo so de varivel , melhor
dizendo distncia). A ttulo de exemplo vamos explorar as hipteses modelo Gaussiano e
modelo Esfrico. A frmula do modelo gaussiano a seguinte:
C D1
#H
EFG J K
4 I L
#H
EFG J K
4 I L
M ln D1
"
L 3 " M
C
ln E1
K
C Q
3
Num software o ajuste do modelo feito fazendo variar a amplitude (dado que o patamar
fixo e que o ajuste , regra geral, a olho para os pares de ponto que dependem da distncia e
30
#
RFG S
I K
C E1 4
#
RFG S
I K
M ln D1
L 3 M 3
C
31
ln E1 C K
Se no software fizermos o ajuste variando a amplitude ento vamos ter funes idnticas s da
Figura 47 (a tracejado as variadas, a preenchido a original).
32
Continuando o nosso exerccio e dado que os nossos pares de pontos abaixo do patamar so
poucos vamos ajustar este modelo manualmente experimentando o gaussiano e exponencial.
Os nossos dados so os da Tabela 3 (distncia, variogramas e patamar).
h
N-S
100
200
300
100
19,4286 48,8333 119,0000 1,1875
38,4952
E-W
200
3,3750
300
3,5000
Apenas os valores a negrito esto abaixo do patamar (negrito e sublinhado) e por isso na
direco N-S apenas podemos considerar um ponto, na direco E-W teramos que
considerar os trs no fosse o facto de estarem todos to prximos entre si e distantes do
patamar. Assim na direco E-W tambm s vamos considerar os pares de ponto distncia
200 metros. Comeando pela direco norte-sul e recuperando as frmulas da inverso das
funes modelos ficamos com:
3
100
983,169 ? T4U 4VW?
19,4286
ln R1
S
38,495
100
19,4286
ln R1 38,495 S
Q
P
3
200
15056,531 ? T4U 4VW?
3,375
ln R1
S
38,495
200
3,375
ln R1 38,495S
Q
P
3
O elipside de variografia ficaria como na Figura 48, nos dois casos considerados.
33
Figura 48- Elipside de variografia resultantes da insero do modelo gaussiano (cima) e exponencial (baixo).
[I
?4 T ?
?4 T4?
1735,312
5,534 V Y ZVV
313,555
15056,531
15,314 V 44 U
983,169
O que implica que o eixo maior no caso gaussiano 5,534 vezes maior que o eixo menor, e no
caso exponencial, 15,314 vezes maior que o seu correspondente eixo menor. Dada a extenso
dos nossos dados e porque o nosso variograma experimental tem poucos pontos a grande
distncia do patamar vamos utilizar o modelo gaussiano para prosseguir na estimao. Para
fazer o nosso elipside (elipse neste caso) de variografia vamos usar a frmula da elipse.
"
^"
_"
1 Z
"
"
^"
_"
"
"
1 V4 WVV4 ZT 4UV4
"
_ . cosd
. sen e
. V4d
34
Para saber a amplitude numa dada direco basta que se aplique a seguinte frmula:
g^. cosd
. cos e
"
. cosd
. sen e
"
. V4d
"
No nosso caso dado que se trata de uma elipse (2D) e no um elipside (3D) esta frmula
simplificada para (dado que d 4 0 e por isso cosd
1):
g^. cos e
"
. sen e
"
Ento se pretendermos saber qual a amplitude do modelo a uma determinada direco, como
por exemplo 450, aplicamos a frmula:
g313,555. cos 45
"
" 1485.742
Aps tirar a amplitude da direco 450 podemos fazer a sua aplicao na frmula do modelo
(neste caso gaussiano) e temos a frmula de clculo de variograma para todas as distncias
nesta direco:
C D1
#H
EFG H K
4 I L
38,495 D1
#H
EFG
HK
hij.kh"
4
L
E est feito o nosso elipside de variografia. Neste momento podemos calcular o variograma
para qualquer direco utilizando as seguintes frmulas:
g313,555. cos e
"
1735,312. sen e
"
38,495 D1
35
#H
EFG H K
4 I L
J temos tudo o que necessrio para fazer a estimao, falta apenas definir como a mesma
vai ser feita. No nosso caso vamos fazer uma grid com malha larga para que os clculos no
sejam excessivos (Figura 50).
Figura 51 - Grid do jazigo com aco do elipside de procura aquando a estimao de um bloco.
36
Figura 52 - Bloco que pretendemos calcular neste exercicio e respectivo raio de procura que capta 3 amostras para serem usadas
na estimao.
Para simplificar vamos considerar que das trs amostras consideradas duas esto na direco
Este-Oeste em relao ao bloco a estimar e uma a 450 (por j termos as amplitudes
calculadas nestas direco, se pretendssemos maior pormenor seria razovel verificar as
direces correctas e correspondentes amplitudes (Figura 53)).
Sabemos que estas trs amostras vo ser consideradas para o clculo do bloco evidenciado e
at sabemos os variogramas nas direces que o bloco faz com as amostras. O que precisamos
37
de saber agora qual o peso que cada amostra vai ter no clculo deste bloco, dado que esto
a distncias diferentes (se fosse pesos iguais o bloco mais longnquo teria a mesma influncia
que o mais perto o que poderia comprometer a nossa estimao. De facto assume-se que as
zonas mais prximas do nosso bloco so tambm mais idnticas.) Assim tendo trs amostras
consideradas temos que ter trs pesos diferentes que na sua totalidade tero que ser 1. Assim
ficamos com a linha seguinte (em que o nmero 1,2 e 3 corresponde s amostras reais das
esquerda para a direita (das que esto dentro do elipside de procura) e 0 amostra a ser
estimada):
*
* "
* G
l
l"
lG 1
l" "
lG G
m
l" G"
lG GG
Gm
l" ""
lG "G
"m
O que na totalidade resulta de um sistema de 4 linhas para 3 variveis (l , l" , lG visto que os
parmetros restantes podem ser todos calculados). Para que se compreenda o sistema acima
necessrio perceber que no
o variograma na direco 6 e com distncia, , igual
distncia entre estes dois pontos (Figura 54).
Figura 54 - Explicao da noo de distncia e direco no smbolo do variograma utilizado no sistema de estimao de pesos para
as amostras.
mmH
EFG
HK
hij.kh"
4
L
38
0,519
"m
38,495 D1 4
Gm
38,495 D1
mmH
EFG
K
kGj,G"H L
"mmH
EFG
HK
kGj,G"
4
L
0
0,382
1,503
""
0
GG
0
jmH
EFG
K
hij.kh"H L
1,159
mmH
EFG
HK
kGj,G"
4
L
0,382
"
"
38,495 D1 4
G
G
38,495 D1 4
"G
G"
38,495 D1
O que nos deixa com o sistema:
"jmH
EFG
K
hij.kh"H L
l" 1,159
lG 3,134 0,519
* 3,134
* 1,159
l
3,134
lG 0,382 0,382
l"
lG 1
A resoluo do sistema pode ser feita por mtodo de gauss (Figura 55):
Figura 55 - Calculo por mtodo de Gauss dos pesos das amostras na estimao do bloco.
39
lG
0,29
0,14
2,062
0,519
3,136 8 0,14
0,826
1,159
E finalmente como precisamos de uma soluo que respeite a ltima linha fazemos a aplicao
desta:
l 1 0,826
0,14 0,314
Agora j sabemos os pesos que cada uma das amostras tem na estimao do bloco que
estamos a considerar. Assim o valor final do bloco tem:
4?m l 4?
4?m 0,3144?
l" 4?"
lG 4?G
0,8264?" 0,144?G
Temos que:
4?m 0,314 8 38
J est. Conseguimos fazer uma estimao do teor utilizando o mtodo de krigagem. Note-se
que foram dados pesos mais elevados s amostras mais perto da zona a estimar (1 e 2) e ainda
maior aquela que se encontra na direco de maior continuidade ou maior amplitude (2). Para
completar esta estimao teramos que fazer estes clculos para todos os blocos da nossa grid.
E est terminado o nosso exerccio de krigagem.
40
Introduo ao S-GeMS
O S-GeMS foi desenvolvido com dois objectivos. O primeiro providenciar um software de
interface amigvel com mltiplas ferramentas geoestatsticas. O seu fcil manuseamento
provem do seu aspecto grfico sbrio e simples e a possibilidade de visualizar directamente o
resultado das operaes num ambiente tridimensional interactivo. O segundo objectivo a
criao de um software cujas funcionalidades pudessem ser melhoradas. O cdigo do S-GeMS
aberto.
O site oficial do software http://sgems.sourceforge.net/ e existe um manual disponvel para
o mesmo (disponvel no conjunto onde vem este documento), bem como tutoriais como o
caso do de Geoffrey Bohling do Kansas Geological Survey, Universidade do Kansas
(http://people.ku.edu/~gbohling/BoiseGeostat/).
Este manual apenas pretende dar o passo inicial no mundo da geoestatstica usando o
software S-GeMS. Para operaes mais completas dever consultar bibliografia adicional.
Interface do S-GeMS
O interface do S-GeMS composto por trs grandes seces: o painel de algoritmos o painel
de visualizao e o painel de comandos. A partir do painel de comandos possvel introduzir
por cdigo os comandos que se podem fazer com teclado e rato a partir dos painis algoritmos
e visualizao. Por esse motivo, e em favor da brevidade, no vamos ensinar a linguagem do
painel de comandos neste documento. Tudo ser feito atravs do interface. Ao entrarmos no
software S-GeMS (poder ser necessrio maximizar para que o interface ocupe o ecr todo)
deparamos com algo idntico Figura 57 onde o painel de algoritmos e visualizao esto
assinalados a vermelho.
41
Painel de algoritmos
Figura 58 - Painel de algoritmos: listagem de funcionalidade (cima), especificao dos parmetros da funcionalidade (centro) e
comandos bsicos (baixo).
Comecemos pelo painel de algoritmos que tem 3 subdivises (Figura 58): a listagem das
funcionalidades, a especificao dos parmetros da funcionalidade (esta subdiviso s aparece
aps ter sido seleccionada uma funcionalidade) e os comandos bsicos (salvar, carregar,
apagar e correr os parmetros introduzidos na funcionalidade escolhida). Na listagem de
funcionalidades aparece as funes de estimao, simulao e restantes aplicaes. Ao
42
carregarmos no smbolo
de cada uma delas aparece cada uma das funcionalidades
individualmente (Figura 59).
A subdiviso de comandos bsicos (Figura 60) tem quatro comandos ao seu dispor. A funo
de Load serve para carregar um ficheiro que contenha a informao dos parmetros que
pretendemos introduzir na nossa funcionalidade de escolha. A funo de Save serve para
salvar os parmetros que introduzimos manualmente. A funo de Clear All serve para
apagar todos os parmetros que introduzimos. O comando de Run Algorithm serve para
correr a funcionalidade com os parmetros que lhe foram impostos. O resultado aparecer no
painel de visualizao que mais frente falaremos.
43
especificao de cada uma delas (geralmente s se usa uma) com o patamar (Contribution),
o tipo de modelo utilizado (Type) e o elipside de variografia que mais frente veremos.
44
Painel de Visualizao
O painel de visualizao tem duas subdivises: as especificaes e escolhas dos objectos (j
vamos explicar o que um objecto) e a visualizao propriamente dita (Figura 62).
Comecemos por ver a subdiviso das especificaes e escolha dos objectos. Na Figura 63
temos um caso de um conjunto de point data que foi inserido no S-GeMS que vem com trs
variveis: impedncia, permeabilidade e porosidade. A este conjunto foi dado o nome de
Reservatrio Petrolfero. Quando seleccionamos um esse fica escolhido com um smbolo de
um olho. Isto significa que este o objecto que estamos a visualizar no visualizador
tridimensional. O objecto um conjunto de poin-data, grids, etc.
Dentro dos objectos existem propriedades (ou variveis que no nosso caso a impedncia,
permeabilidade e porosidade). Se fossemos a fazer a krigagem que vimos anteriormente este
seria o objecto (Object) escolhido como dados de estimao (Hard Data) e a propriedade
(Property) qualquer uma das trs variveis que se pretenda estudar. Tal como podemos
45
verificar esta subdiviso tem trs sectores: objectos (Objects), preferncias (Preferences) e
informaes (Info). O primeiro sector o que acabamos de explicar. O terceiro (Info) dnos informaes como podemos ver na Figura 64 (nmero de pontos, valores mnimos e
mximos de x, y e z).
46
Se o objecto estudado for uma grid (e por isso tem volume) vai existir uma terceira opo que
o explorador (Volume Explorer). Usando o volume Explorer podemos fazer cortes nas
direces x, y e z para estudar a ou as propriedades dessa grid que de outra forma no haveria
maneira de as visualizar (para ver os cortes necessrio escolher a opo Use Volume
Explorer e depois a Hide Volume para esconder a grid e apenas ficarem visveis os cortes). O
visualizador bastante intuitivo e apenas com o rato possvel rodar o objecto e fazer zoom in
ou zoom out (se o rato tiver scroll). Para percorrer o espao sem rodar basta carregar no
Ctrl+Right Click e andar com o rato na direco que se pretende. Para fazer zoom in ou zoom
out carregar no Ctrl+Shift+Right Click e mover o rato. Existe mais uma srie de botes com
perspectivas de visualizao que no vale a pena explicar aqui (so facilmente reconhecidas as
suas funes com a experimentao) por isso vou evidenciar apenas um, o Camera
Snapshot(
) que permite retirar o que est no visualizador para um ficheiro de
imagem(ao carregarmos vai aparecer a Figura 66).
47
Para inserir dados para o S-GeMS basta fazer um Load Object (Ctrl+L) ou simplesmente leva-lo
com o rato para dentro do visualizador do S-GeMS. Ao ser feito isto vai aparecer o seguinte
menu:
Neste menu podemos ver uma visualizao do ficheiro que vamos utilizar e necessrio
escolher que tipo de objecto estamos a meter (Select Object Type). Neste caso um
conjunto point-data e por isso a opo correcta point set.
48
Neste menu escolhemos o nome que queremos dar ao nosso objecto (Pointset name) e os
locais apropriados para onde est a coluna das coordenadas. Neste caso o nome dado
Reservatrio Petrolfero e a localizao das coordenadas x, y e z coluna 1, 2 e 3,
respectivamente. A partir daqui j podemos trabalhar sobre eles, basta que seleccionemos a
sua visualizao carregando no objecto e respectiva propriedade que pretendemos observar.
49
Para salvar qualquer objecto que tenhamos inserido ou criado no S-GeMS basta ir barra
superior e seleccionar Objects e depois Save Object.
50
Ferramentas do S-GeMS
A maioria das ferramentas no S-GeMS pode ser encontrada na barra superior no Data
Analysis.
Aqui podemos ter acesso ao menu de histogramas (Histogram, Ctrl+H), menu do QQ/PPplot, Scatterplot (grfico de disperso) e menu de variogramas (Variogram). No menu de
histogramas podemos ver o histograma de qualquer propriedade de cada objecto. No caso da
Figura 74 foi seleccionado o objecto Reservatrio Petrolfero e a propriedade Impedncia.
possvel meter os valores mnimos e mximos bem como mudar o tipo de visualizao de
funo de probabilidade (pdf o histograma propriamente dito) ou de funo cumulada de
probabilidade (cdf) no Plot type. Se formos para a diviso Display Options podemos
editar os eixos e mete-los em escala logaritmica. Repare-se que no menu de histogramas
possvel ver (na parte inferior) os dados estatsticos referentes propriedade estudada,
inclusive a varincia que posteriormente poder ser utilizada como patamar na variografia.
51
52
A variografia, dado o seu teor um pouco mais complexo, ser explicada no tutorial prtico. O
tutorial prtico ser composto por dois exerccios. Um primeiro explicado de forma intensiva
(o caso da horta) e um segundo para acompanhamento (caso do reservatrio petrolfero).
53
Dados da Horta
54
Os resultados das anlises qumicas foram compilados em ficheiros ASCII com 6 colunas na
qual a primeira localizao em x, a segunda em y, terceira em z, quarta teor em fsforo,
quinta em arsnio e sexta em cobre. Neste caso o software utilizado para se fazer a estimao
o S-GeMS pelo que os ficheiros de input necessitam de um cabealho. O cabealho
formado primeiro pelo nome do projecto, depois pelo nmero de variveis (incluindo
coordenadas), e finalmente pelo nome, em diferentes linhas, da cada varivel como se pode
ver no excerto do ficheiro de input abaixo.
Estudo na horta comunitria biolgica
6
X
Y
Z
Fsforo
Arsnio
Cobre
487987.93 4287445.15 88
0.1200 0.0048 0
487987.93 4287445.15 87.5 0.0635 0.0002 0
487987.93 4287445.15 87. 0.0278 0.0000 0
Estes so os nossos dados iniciais para o estudo das contaminaes no terreno da horta.
na barra
superior e fazer
(como se pode ver tambm existe o atalho
Ctrl+L). Seleccionamos o ficheiro das amostragens e abrimos. Apareceu uma nova janela com
um
onde podemos ver o ficheiro que acabamos de inserir, e um
,
neste ultimo temos trs hipteses. Apenas nos interessa o
pois o ficheiro que
55
inserimos , de facto, um ficheiro de point-data (caso quisssemos inserir uma grid teramos
que escolher
). Carregamos no
nossos dados. O
o campo onde se mete o nome dos dados que estamos a
inserir e neste caso ficou como Amostras da Horta. Os campos seguintes so a especificao
das colunas das coordenadas x, y e z (repare-se que neste caso temos de meter coluna 3 para
o z, se o caso fosse bidimensional deixaramos com a expresso NA (2d) no mesmo espao).
Existe apenas mais uma escolha a fazer, o
. Os No-Data so pontos em que
existe a localizao (o point) mas no existe um valor atribudo (o data). No caso da horta isto
no sucede mas imaginemos que em todas as localizaes teramos feito a anlise qumica ao
fsforo, arsnio, mas ao cobre em apenas algumas. Existiro pontos onde existem valores de
fsforo e arsnio mas no cobre, sendo por isso, o cobre, nesta localizao, um No-Data.
Geralmente opta-se por escolher um nmero que no tem hiptese de ser confundido com
outro no mesmo ficheiro como o caso de, por exemplo, o -99.99. Assim em algumas
localizaes existiria o valor de fsforo, o valor de arsnio e o -99.99 para o cobre.
Seleccionando
aparece uma caixa para especificar o valor do No-Data (no
caso acima seria -99.99). Daqui para a frente o software no iria considerar os pontos No-Data
na estimao do cobre. No caso da nossa horta no existe valores No-Data por isso podemos
seguir em frente carregando no
. Na seco de objectos no interface do S-GeMS
(Figura 79) seleccionamos o Amostras da Horta, que acabamos de criar, e qualquer uma das
variveis se quisermos que os point-data no visualizador sejam coloridos escala.
Figura 79- Seco de objectos no interface do S-GeMS (Note-se que o S-GeMS tirou os nomes da variveis directamente do
cabealho do ficheiro).
56
Figura 80 - Amostras da Horta com cores representativas da quantidade de fsforo em cada localizao.
A insero dos dados est feita mas temos um problema que podemos evitar. As grids criadas
pelo S-GeMS so sempre em relao aos eixos x, y e z e a sua forma sempre
paralelepipdica. Se construirmos uma grid nestas condies vamos ter muito espao que vai
ser estimado e onde no existe amostras, nem sequer terreno para a horta (Figura 81). Para
minimizar este problema vamos aplicar uma rotao de coordenadas s localizaes das
amostras.
Para fazermos a rotao (neste caso no plano xOy) vamos aplicar as frmulas:
r
0p q 8 CVYF R s0 S
r
rp q 8 u4YF R s0 S
q v0 "
r "
57
Gravmos um novo ficheiro com as trs colunas das novas localizaes e as trs respectivas de
valores das variveis fsforo, arsnio e cobre. Voltamos novamente a inserir um ficheiro de
dados, desta com as coordenadas transformadas, e damos o nome de Amostras da Horta
Transformadas.
Estatsticos Descritivos
importante tentar reconhecer padres nos nossos dados e perceber se um ou mais
fenmenos tiveram envolvidos na disperso dos contaminantes. O primeiro passo foi analisar
a distribuio dos dados a partir de histogramas. Para o fazer fomos ao
e
seleccionamos a opo
(atalho Crtl+H). Apareceu o menu de histogramas e
seleccionamos o objecto Amostras da Horta, analisando as propriedades fsforo, arsnio e
cobre, uma de cada vez resultando na Figura 83, Figura 84 e Figura 85.
58
Todas as distribuies so assimtricas com maior frequncia nos teores mais baixos. A
oscilao no caso do cobre e arsnio muito mais acentuada que no caso do fsforo. Talvez
por estarem presentes no terreno mais tempo tenham tido tempo de ter uma maior diluio.
Para alm disso parecem existir duas populaes no caso do arsnio e do cobre, os valores
mais baixos e mais frequentes, e os valores mais altos e menos frequentes. Possivelmente
correspondem a dois despejos diferentes. Se tentarmos fazer uma cronologia a partir dos
histogramas vemos que inicialmente foram despejados os contaminantes arsnio e cobre
agora j muito diludos e com teores baixos, posteriormente foi o fsforo com uma diluio
menor, e finalmente um novo despejo de arsnio e cobre quase sem diluio. Uma maneira de
suportar esta teoria ver os grficos de disperso seleccionando novamente
e
depois
. Mais uma vez escolhemos o objecto Amostras da Horta e comparamos
O fsforo com o arsnio e o cobre, e o arsnio com o cobre resultando na Figura 86, Figura 87,
Figura 88.
59
No existe relao aparente entre fsforo e cobre e tal como previsto na relao entre arsnio
e cobre se denotam duas populaes. Curiosamente o mesmo acontece entre o arsnio e o
fsforo o que leva a pensar que a hiptese cronolgica comentada anteriormente pode estar
incompleta. Apesar de tudo temos informaes suficientes para construir um conhecimento
significativo sobre a histria do terreno da horta. A seguir faremos a estimao.
Estudo de Variografia
Depois de termos aplicada uma rotao nas coordenadas das amostras da horta, o terreno
ficou alinhado com os eixos do software pelo que as direces de variografia mais bvias so
de azimutes 00 e 900 e de inclinao 900 (porque as amostras foram retiradas na direco
estritamente vertical em profundidade). Mais uma vez vamos ao
mas agora
seleccionamos a opo
. Aparece o menu de variografia e ns pretendemos fazer um
estudo de variografia para cada contaminante separadamente. Assim seleccionamos a opo
Compute variograms from scratch (fazer os variogramas desde o inicio, a outra opo serve
para ir buscar um ficheiro de variogramas j feitos) e Amostras da Horta Transformadas no
Grid name ( o conjunto de pontos que se pretende estudar, eles chamam grid a tudo). O head
property e tail property so o fsforo. Carrega-se no NEXT e passamos para a definio dos
nossos intervalos de variografia. O S-GeMS pede os parmetros nmero de intervalos (number
of lags), tamanho do intervalo (lag separation), tolerncia no tamanho (lag tolerance), direco
(azimuth, dip), tolerncia angular (tolerance), limite de direco (bandwith), e limite superior e
inferior (head cut off e tail cut off). Na Figura 89 esto os parmetros pedidos pelo software.
60
O Sill corresponde ao patamar e dado que as nossas amostragens esto bem distribudas
optmos por meter a varincia do fsforo (este dado est no histograma do fsforo no SGeMS). O Type corresponde ao tipo de modelo que neste caso ficou como o exponencial. Os
ranges equivale s amplitudes na direco Max, Med e Min que correspondem maior,
mdia e menor direco de amplitude. Na seco abaixo Angles especificamos qual a
direco maior e neste caso (0,0,0). O resultado da adequao dos modelos est na Figura
91.
61
Krigagem
Temos o elipside de variografia feito e as amostras por onde estimar. A nica coisa que nos
falta a discretizao do espao, melhor dizendo a grid. Com a transformao das
coordenadas a extenso em x, j considerando a margem de cerca de 22 metros. Em y cerca
de 7 metros. Uma maneira de fazer as contas da grid perceber quantos blocos vo haver por
metros. Se houver quatro blocos por metro vamos ter:
4 8 22 88 4T
4 8 7 28 4T _
Com um total de 176 8 56 8 8 78848 blocos no nosso modelo. E cada bloco ir ter um
tamanho (em x, y e z) 1s8 0,125 metros. Agora que est definida a grid vamos construi-la
no software indo ao
e escolhendo a opo
(com atalho
Ctrl+N). Aparece o menu de construo da grid. O grid name o nome do novo objecto grid
e ficou como Grid da Horta. O nmero de clulas em x, y e z ficaram com 176, 44 e 8 blocos
mantendo um rcio satisfatrio entre os lados da grid ( suficiente para cobrir as amostras
eficientemente). O tamanho do bloco ficou igual em todos os lados com o valor de 0,125. As
coordenadas do canto inferior esquerdo da grid foram tiradas aps anlise de um grfico
criado em folha de clculo (basta fazer um grfico de disperso x vs y) e os valores so
1315048 para x, 4109856 para y e 87 para z (Figura 92).
Em baixo desta seco aparece a caixa da krigagem. O Grid name a grid que acabamos de
criar com o nome Grid da Horta e a New Property name a varivel que a mesma vai
estimar e por isso metemos fsforo. Seguidamente est a opo entre krigagem simples e
krigagem normal. No iremos explicar neste momento a diferena mas se for escolhida a
simples necessrio inserir a mdia pretendida. No nosso caso optmos por krigagem normal
(ordinary kriging). De seguida temos de dizer a partir de que pontos vo ser feitas as
estimaes com os campos object e property, o primeiro Amostra da Horta
Transformadas e o segundo o fsforo. Nesta pgina ainda falta definir o elipside de
procura que nada tem a ver com o elipside de variografia. Este elipside existe para
limitarmos a estimao dos pontos s amostras mais prximas ou no. Neste caso o terreno da
horta pequena e no necessitamos de estar a limitar. Metemos uma extenso muito superior
aos limites do terreno com 50 em cada eixo do elipside e ngulo (0,0,0) correspondente.
Consideramos as 6 amostras como o mnimo para calcular cada um dos blocos e 16 como o
mximo (Figura 95).
64
De seguida carregamos em
65
Ainda assim necessrio estudar o interior do modelo e deste modo isto no possvel. Para o
fazer vamos ao
numa das seces do interface do S-GeMS e nesse menu
vamos parte respeitante ao Volume Explorer. E escolhemos a opo use volume Explorer
e tambm a opo hide volume (vai apagar o modelo e somente os cortes vo ficar visveis).
De seguida escolhemos em que eixo pretendemos fazer cortes e andamos com a barra
respectiva de maneira a percorrer o volume em x, y e z. Se necessrio possvel inserir mais
de um corte no mesmo eixo fazendo um Add ao eixo que se pretende acrescentar. Na Figura
99 esto estes tpicos preenchidos e foi feito um Add ao y ficando com duas opes de
corte.
O resultado destas operaes vo ter o resultado da Figura 100 onde se pode ver os cortes
especificados na Figura 99 no visualizador do S-GeMS.
Dados do Reservatrio
Os dados do reservatrio foram inseridos no software S-GeMS com o cabealho no excerto
abaixo.
12969.747 270
0.00918
13413.708 270
0.00918
. . .. .
Estatsticos Descritivos
Os resultados no estudo de histogramas foram os da Figura 101.
67
68
Figura 102 - Grficos de disperso "Permeabilidade vs Impedncia" (cima), "Porosidade vs Permeabilidade" (centro), "Porosidade
vs Impedncia" (baixo).
69
Estudo de Variografia
Para fazermos o nosso estudo de variografia fomos ver quais os valores mnimos para cada
uma das coordenadas (Figura 105).
70
Desta maneira (com tamanho de 0.5) mesmo no eixo z vo existir 10 classes de variografia.
Repare-se que apenas duas direces so consideradas (plano horizontal e eixo vertical). Na
direco horizontal (ngulo de tolerncia superior a 90) um variograma omni-direccional. O
resultado o da Figura 108.
Note-se que o variograma omni-direccional tem muito rudo entre o qual os pontos que
captou verticalmente. Se fossem muitos o ficheiro inicial teria que ser modificado para
conseguirmos um bom variograma mas neste caso fcil identificar os pontos pertencentes ao
plano vertical por comparao. Eliminando esses pontos e inserindo o patamar com valor da
71
varincia retirado do menu de histograma da impedncia ficamos com o modelo da Figura 109
no plano horizontal.
Figura 109 - Modelo do variograma omni-direccional onde foram desconsiderados os pontos do eixo vertical. O rudo assume-se
ser devido tambm aos pontos do eixo vertical noutros poos.
O modelo utilizado foi o exponencial sem efeito pepita. Para fazermos a krigagem da
impedncia precisamos de uma grid. A grid foi criada tendo em conta os valores retirados das
informaes do objecto Reservatrio Petrolfero. Para isto seleccionamos a opo New
Cartesian Grid e preenchemos os campos como se encontram na Figura 111.
72
Foi dado o nome de Grid do Reservatrio Petrolfero com nmero de clulas de 200, 200 e
20 para x, y e z, respectivamente. As dimenses dos blocos ficaram iguais para todas as
direces com 0.25 unidades de comprimento. Assim:
0,25 8 200 50
0,25 8 20 5
73
Krigagem da Impedncia
Para fazer a krigagem da impedncia fomos buscar esta funcionalidade ao painel de algoritmos
e preenchemos como se apresenta na Figura 113 e Figura 114.
74
Fazemos o Run Algorithm (deve demorar algum tempo visto a grid ser grande) e o resultado
pode ser visto aps seleco como se apresenta na Figura 115.
Foi uma krigagem bem sucedida. Para melhor anlise da estimao foram feitos alguns cortes
no Volume Explorer na zona de Preferences. O preenchimento do Volume Explorer
como o que est na Figura 116.
75
O valor da impedncia varia sendo mais forte no topo no canto superior direito e na base
canto inferior esquerdo.
76
Exerccio 1
Tenta fazer a estimao do teor de fsforo na primeira horta.
- Bidimensional.
- Seis amostras.
- Variografia pouco representativa.
- Esquema de coordenadas simples.
- Uma varivel.
O estudo de variografia pouco importante dado a escassez de dados que existe e o tamanho
da horta. Faz apenas uma estimao por krigagem sem grandes atenes aos pormenores
(ficheiro Horta do meu quintal na pasta de exemplos sintticos).
Exerccio 2
o exemplo que utilizamos para fazer o processo de krigagem mo mas tambm se pode
fazer a partir do software. Faz a estimao do teor de ferro num jazigo.
- Bidimensional.
- Quinze amostras.
- Forte anisotropia.
- Malha quase regular.
- Uma varivel.
O estudo de variografia importante pois a anisotropia considervel. Poder haver alguma
dificuldade em ajustar o modelo aos variogramas devido escassez de pontos. A malha
regular e por isso existem direces com muita facilidade em fazer os variogramas
experimentais (Jazigo de ferro na pasta de exemplos sintticos).
77
Exerccio 3
Faz a anlise estatstica e estimao da porosidade, impedncia e permeabilidade em recurso a
vrios poos num jazigo petrolfero.
- Tridimensional.
- Vrios poos.
- Variografia precisa.
- Relaes entre variveis importantes.
- Esquema de coordenadas simples.
- 3 variveis.
um exemplo feito para bater certo. Dever existir grande facilidade em fazer variogramas no
plano xOy e alguma dificuldade em Oz. Existem relaes entre as variveis (Reservatrio
Petrolfero na pasta de exemplos sintticos).
Exerccio 4
Caso da nossa horta!!! Ainda falta fazer a estimao do arsnio e do cobre e tambm melhor
voltar a verificar a do fsforo.
- Tridimensional.
- Muitas amostras.
- Variografia razovel.
- 3 variveis.
- Poder ser melhorado com transformao de coordenadas.
Tem alguma complexidade mas nada que j no tenhas aprendido a fazer. No exemplo foi feita
a transformao de coordenadas. Podes tentar com as coordenadas originais ou com as
coordenadas transformadas. Sabes que mais?!, tenta com as duas (Horta do Dept de Minas e
Horta do Dept de Minas trans na pasta de exemplos sintticos).
78
Exerccio 5
Este caso real, no vou dizer de onde, nem do qu, mas trata-se de um jazigo e precisa de
algum que o estude. Por agora j devers estar vontade para mexer num caso que te
poderia aparecer frente em qualquer centro de geoestatstica do mundo. Ests por tua conta
(Jazigo na pasta de exemplos reais).
Boa sorte
79
Bibliografia
Barnes, R. Variogram Tutorial. Golden Software, Inc.
Bohling, G. (2007). INTRODUCTION TO GEOSTATISTICS Hydrogeophysics: Theory, Methods, and Modeling. EUA: Kansas
Geological Survey.
Bohling, G. (2007). S-GeMS Tutorial Notes - Hydrogeophysics:
Theory, Methods, and Modeling. EUA: Kansas Geological Survey.
Clark, I. (1979). Pratical Geostatistics. Esccia: Geostokos Limited.
Merks, J. W. Sampling and Statistics: a synopsis of tools and
techniques. Canada.
Remy, N., Boucher, A., & Wu, J. (2006). SGeMS Users Guide.
Soares, A. (2006). geoestatstica para as cincias da terra e do
ambiente. Portugal: IST Press.
80