Você está na página 1de 0

1

Introduo aos mtodos de estimao espacial


para confeco de mapas






PAULO M. BARBOSA LANDIM
Professor Voluntrio do Depto. Geologia Aplicada
UNESP/Rio Claro











UNESP/campus de Rio Claro
Departamento de Geologia Aplicada - IGCE
Laboratrio de Geomatemtica
Texto Didtico 02
2000


Reproduo autorizada desde que citada a fonte
Norma 6023-2000/ABNT ( http://www.abnt.org.br):
LANDIM, P.M.B. Introduo aos mtodos de estimao espacial para confeco de mapas.
DGA,IGCE,UNESP/Rio Claro, Lab. Geomatemtica,Texto Didtico 02, 20 pp. 2000. Disponvel em
<http://www.rc.unesp.br/igce/aplicada/textodi.html>.
2
MTODOS DE ESTIMATIVA ESPACIAL PARA CONFECO DE MAPAS

Natureza dos dados geolgicos
qualitativos: cor do solo
grau de alterao
mineralogia
tipo de rocha
textura
estrutura, etc.
quantitativos: teor de elementos maior e/ou trao
propriedades fsicas de rochas
espessura de camadas
medidas geofsicas
dados de aerolevantamentos, etc.

Interpolao
procedimento matemtico de ajuste de uma funo pontos no amostrados,
baseando-se em valores obtidos em pontos amostrados
definio do reticulado, espaamento e origem
reticulagem estimando o valor de cada n por seleo de pontos prximos com
valores conhecidos
observaes discretas em rede de amostragem
filtragem dos valores dos ns de modo a suavizar os contornos resultantes e
permitir o melhor ajuste com os valores originais
resultado: mapas e sistemas de informaes georreferenciadas
interpoladores exatos (resduo nulo) e aproximados ( algum resduo)

Campo de validade da interpolao
geolgica (soft data)
quantitativa (hard data)

Mtodos de interpolao
funes globais: consideram todos os pontos da rea; permite interpolar o valor da
funo em qualquer ponto dentro do domnio dos dados originais; a adio ou
remoo de um valor ter conseqncias no domnio de definio da funo
polinmios
equaes multiqudricas
funes locais: definidas para pores do mapa; alterao de um valor afetara
localmente os pontos prximos ao mesmo
triangulao
inverso da potncia das distncias
base radial ( krigagem, multiqudrica-biharmnica, splines)

Avaliao dos mtodos de interpolao
Um mtodo "melhor" do que outro?
Quo fiel aos dados originais o resultado obtido?
A superfcie estimada representa uma soluo plausvel?
resultado esteticamente agradvel?
3
Interpolao ideal
superfcie interpolada ajusta-se aos dados a um determinado nvel de preciso, ou
seja, fiel aos dados dentro de um limite arbitrrio definido pelo usurio
superfcie interpolada contnua e suave em todos os locais, ou seja, tem um
gradiente finito em todo local onde a interpolao for necessria
cada valor interpolado depende apenas do subgrupo local de dados, e os membros
deste subgrupo so determinados somente pela configurao dos dados que, de
algum modo, so prximos ao ponto interpolado
mtodo de interpolao pode ser aplicado todas as configuraes e padres de
densidade dos dados.



MTODOS DE ESTIMATIVA PARA MODELAGEM DE SUPERFCIES

TRIANGULAO: conecta pontos amostrados atravs de tringulos e interpola os
valores entre eles; so considerados mtodos de estimao diretos, pois os contornos
derivam do padro original dos dados; no permite a extrapolao, as estimativas
limitam-se estritamente rea amostrada.













4
RETICULAO (GRIDDING): estabelece uma grade regular (grid) sobre a rea
estudada e calcula os valores nos ns do reticulado com base nos valores dos pontos
j amostrados; so considerados mtodos de estimao indiretos, uma vez que os
contornos so construdos a partir dos dados estimados para os ns da grade e no a
partir dos dados originais; permite tanto a interpolao quanto a extrapolao de
valores
um algoritmo matemtico utilizado para ajustar uma superfcie atravs dos dados
estimados para os ns; h um grande nmero de algoritmos e os mais utilizados so
triangulao linear, inverso ponderado da distncia, mnima curvatura, regresso
polinomial e krigagem;

Razes para estimar por reticulao Razes para no faz-lo

a partir de dados irregularmente amostrados so
originados um nmero maior dispostos em rede
regular

extrapola a superfcie estimada para alm dos limites
da rea amostrada

possui dados regularmente espaados para:
obter melhores isolinhas ;
realizar operaes matemticas entre grids
utilizando operadores +,-,*,/,^ ou operadores
booleanos

conforme o mtodo de estimao selecionado
pode-se 'suavizar ou realar' a variabilidade da
superfcie estimada.



os valores podem ser extrapolados de forma
incorreta nas reas com pouco ou nenhum
dado; como resultado, a preciso pode ser
sacrificada e os contornos invlidos.
descontinuidades so dificilmente
modeladas
artefatos (artifacts) podem ser introduzidos;
padres 'fantasma' no reais:
rudos (noise) matemticos;
ondulaes irreais na superfcie em
reas entre pontos amostrados
irregularmente.
muitas tentativas podem ser
necessrias para identificar a melhor
opo.























5
TRIANGULAO LINEAR

pares de dados so unidos por linhas retas para formao de uma rede triangular
(triangular network);
uma equao matemtica (algoritmo) utilizada para ajustar uma superfcie atravs
dos pontos de dados; vrios algoritmos encontram-se disponveis, mas os mais
utilizados so a triangulao linear e a de Delaunay.
pontos estimados de igual valor (isovalores) entre os dados medidos e posicionados
nos vrtices dos tringulos so conectados para os intervalos especificados.




Vantagens Desvantagens

fcil de ser entendido

rpido

fiel aos dados originais

bom para uma visualizao rpida

superfcie pode ser interpolada entre os pontos
amostrados.


valores acima ou abaixo dos valores reais no
podem ser extrapolados.
valores alm da rea de distribuio dos pontos
amostrados no podem ser extrapolados.
contornos podem ser 'angulares' nas bordas dos
tringulos.
gera superfcies angulares.
rede triangular no nica e isso pode distorcer
resultados.

Quando usar Quando no usar

distribuio de dados bem regular.
Valores estimados necessrios apenas dentro da
rea amostrada.
Presena de grandes diferenas entre os dados
(encostas ngremes, dados de contaminao com
grande variabilidade)
Dados topogrficos


ao se desejar um mapa com contornos suaves
alguns dados coletados em linhas e outros com
distribuio irregular.
com grande volume de dados computao pode
tornar-se lenta

















6
INVERSO PONDERADO DA DISTNCIA

mais utilizado dentre os mtodos de distncia ponderada
mtodo utilizado para interpolao e gerao de MDTs (modelos digitais de
terreno)
o peso dado durante a interpolao tal que a influncia de um ponto amostrado
em relao a outro diminui conforme aumenta a distncia ao n da grade a ser
estimado
pontos amostrados de localizao prxima ao n a ser estimado recebem peso
maior que os pontos amostrados de localizao mais distante
ao calcular o valor de um n, a soma de todos os pesos dados aos pontos
amostrados vizinhos igual a 1,0, ou seja, atribudo um peso proporcional
contribuio de cada ponto vizinho
quando a posio de uma observao coincide com um n, seu valor recebe peso
1,0, enquanto todos os valores vizinhos recebem peso 0,0; o resultado ser o n
recebendo o valor exato da observao ali situada

n
1 = i

ij
n
1 = i

ij
i
h
1
h
Z
= * Z

Z* valor interpolado para o n do reticulado (grid);
Z
i
valor ( resduo) do ponto amostrado vizinho ao n (pode ser Z
res+
,

Z
res-
ou

Z
res0
);
h
ij
distncia entre o n da grade e Z
i

expoente de ponderao (peso)
n nmero de pontos amostrados utilizados para interpolar cada n.

o expoente de ponderao pode ser selecionado
os resultados so variveis, desde altamente tendenciosos a favor dos pontos mais
prximos a resultados onde o peso praticamente o mesmo para todos os pontos
prximos
o expoente tem os seguintes efeitos sobre os resultados estimados:
expoentes baixos (0-2): destacam anomalias locais
expoentes altos (3-5): suavizam anomalias locais
expoentes 10: resultam em estimativas "poligonais" (planas)
expoente = zero: resulta em estimativas de "mdia mvel"
expoente = 2: inverso do quadrado da distncia (IQD), o mais usado












7
Vantagens Desvantagens

fcil de entender matematicamente.
algoritmo bem conhecido e discutido
disponvel em muitos softwares.
utiliza pouco tempo de computao.
razoavelmente fiel aos valores amostrados
originais.
no estima valores de Zi maiores ou menores
que os valores mximos e mnimos dos dados;
bom para estimativas de espessura,
concentrao qumica e propriedades fsicas
muito bom para analisar variaes de pequena
amplitude (anomalias) entre os dados
irregularmente distribudos.
bom estimador para propsitos gerais.


no estima valores de Zi maiores ou menores
que os valores mximos e mnimos dos dados;
ruim para estimativas de dados estruturais, isto ,
para determinar o topo ou a base de horizontes
estratigrficos ou litolgicos.
muito difcil obter a localizao precisa de uma
determinada isolinha se os valores amostrados
no contiverem este valor; difcil projetar a curva
de altitude zero se os dados no contiverem zero
ou valores negativos.
Influncia de valores locais anmalos
dificilmente removida; dados em clusters podem
influenciar as estimativas de modo bastante
tendencioso.
cria muitos artefatos, o que pode ser reduzido ou
eliminado se o raio de busca for reduzido, se a
tendncia for removida previamente e se ocorrer
mudanas no expoente utilizado, no tamanho da
grade, no nmero de pontos utilizados e
ponderao direcional.

Quando usar Quando no usar

estimativas de propsito geral.
distribuio uniforme de dados.
boa densidade de dados.
para destacar anomalias locais.
para clcular volume em operaes entre grids.


dados agrupados
tendncia pronunciada presente.
dados com falhas e distribudos de forma
esparsa.
no quiser artefatos.

























8
MNIMA CURVATURA

contnua aos pontos de dados irregularmente distribudos mtodo segundo o qual
equaes diferenciais ajustam uma superfcie
um valor inicial de Zi calculado para cada n das clulas a partir dos pontos
prximos
so efetuados clculos de derivao repetidamente at que seja alcanada uma
diferena (convergncia ou tolerncia) entre os valores amostrados e os estimados,
especificada pelo usurio, ou at que um nmero mximo de interaes seja
alcanado
mapas geradas apresentam contornos muito suaves
pelo menos um ponto amostrado em cada clula da malha tem seu valor respeitado de
forma fiel (honored)
artefatos indesejveis so gerados especialmente no interior das clulas onde o valor
inicial de Z calculado utilizando a mdia global dos valores amostrados; ocorre
quando no h valores amostrados dentro ou prximos da clula cujo n deve ser
estimado; outra fonte geradora de artefatos nmero insuficiente de interaes.

4
Z
E
= 0 com a existncia da seguinte condio:
2
Z
E
= 0
onde:
= equao diferencial e Z
E
= valor estimado para o n da clula;
o algoritmo calcula a quarta derivada:
0 = Z

+ Z

E
y
4
E
x
4


Vantagens Desvantagens

superfcie estimada independente da
distribuio dos dados e da presena de rudo
(noise).
superfcie estimada a mais suave entre as
geradas pelos outros algoritmos que ajustam
superfcies aos dados amostrados.
superfcie absolutamente fiel aos dados
originais se houver apenas um valor amostrado
por clula.
menor nmero de artefatos, com exceo das
bordas e interior de clulas sem amostragem.
capaz de estimar alm dos valores mximo e
mnimo dos dados amostrados.


superfcie suave gerada, quer realmente exista
ou no.
havendo dados prximos s bordas pode haver
gerao de depresses ou picos nas bordas do
mapa.
formas estranhas (artefatos) podem surgir no
centro das clulas que no contm pontos
amostrados e se um nmero insuficiente de
interaes for especificado.

Quando usar Quando no usar

para suavizar dados altamente anmalos.
para obter uma soluo nica.
contornos fiis aos dados originais.


quando a superfcie a ser modelada possuir
quebras bruscas , como por exemplo planaltos e
escarpas ou montanhas e pedimentos/leques
aluviais.
descontinuidades como falhas ou
inconformidades estiverem presentes.
estas formas podem ser modeladas por
mnima curvatura desde que sejam
estabelecidos os controles adequados:
muitas interaes e pequena convergncia.

9
REGRESSO POLINOMIAL (SUPERFCIES DE TENDNCIA)

mtodo pelo qual uma superfcie contnua ajustada, por critrios de regresso por
mnimos quadrados, aos valores de Zi como uma funo linear das coordenadas X-Y
dos pontos amostrados e irregularmente distribudos
a equao matemtica utilizada para o ajuste da superfcie baseia-se nos polinomios
no-ortogonais
o ajuste incrementado pela adio de termos adicionais (ordens) equao
polinomial
aps o ajuste da superfcie aos dados amostrados, segundo o grau desejado, os
valores de Zc para os ns da grade so calculados
Aps a soluo das equaes as mesmas com a determinao dos coeficientes, as
equaes so utilizadas para o clculo de Z para qualquer valor de X-Y, no caso a
localizao dos ns das clulas da grade
se necessrio, possvel calcular os resduos entre a superfcie gerada e os valores
originais.
podem ser obtidos contornos muito suaves. As isolinhas podem no ser fiis aos
dados originais
tcnica adequada para "remoo" de tendncias e destaque de resduos.
alguns artefatos indesejados podem ser gerados nas bordas e no interior do mapa
quando houver reas sem dados amostrados e com a utilizao de ordens polinomiais
elevadas.


Primeira ordem: Z
E
= A + Bx + Cy

Segunda ordem: Z
E
= A + Bx + Cy + Dx
2
+ Exy + Fy
2


Terceira ordem: Z
E
= A + Bx + Cy + Dx
2
+ Exy + Fy
2
+ Gx
2
+ Hx
2
+ Ixy
2
+ Jy
3


Quarta ordem: Z
E
= A + Bx + Cy + Dx
2
+ Exy + Fy
2
+ Gx
2
+ Hx
2
+ Ixy
2
+ Jy
3
+ Kx
4
+
+ Lx
3
y + Mx
2
y
2
+ Nxy
3
+ Oy
4

Onde:

Z
E
= Valor estimado de Z para o n da clula (varivel dependente)
X e Y = Coordenadas x e y (variveis independentes)
A ... O = Coeficientes que proporcionam o melhor ajuste aos dados amostrados.













10

Vantagens Desvantagens

uma nica superfcie gerada.
fcil definio de parmetros.
a mesma superfcie gerada mesmo com
mudana na orientao da grade.
tempo para clculo de superfcies de baixa
ordem baixo.
contempla tanto as tendncias regionais quanto
anomalias locais.
estima valores acima e abaixo dos amostrados.


extrapola valores de Z para alm dos limites da
rea amostrada.
anomalias locais no so vistas em mapas de
superfcies de baixa ordem, porm podem ser
destacadas em mapas para os resduos.
utilizao torna-se facilmente abusiva: a
tentao de especificar um ajuste de uma
superfcie de alta ordem pode ser maior do que o
bom senso quanto ao resultado
a quantia de RAM necessria aumenta
exponencialmente com o aumento da ordem do
polinmio.

Quando usar Quando no usar

nmero adequado de pontos amostrados estiver
disponvel, sempre maior que o nmero de
coeficientes da equao:
ordem=1, coeficientes=2, pontos 3
Ordem=2, coeficientes=5, pontos 5
dados forem regularmente distribudos.
como um "pr-processamento", para
remover a tendncia regional antes de
krigar ou estimar por IQD.
"gerar" novos dados em reas com dados
esparsos.


poucos dados, com distribuio irregular ou para
uma superfcie real com alta variabilidade local
pontos amostrados em clusters e valores de Z
altamente variveis.
superfcie for descontnua por falhas ou
inconformidades.
amplitude da superfcie variar drasticamente ou
erraticamente: anomalias locais de grande
variao.




















11
KRIGAGEM
mtodo geoestatstico que leva em considerao as caractersticas espaciais de
autocorrelao de variveis regionalizadas
nas variveis regionalizadas deve existir uma certa continuidade espacial, o que
permite que os dados obtidos por amostragem de certos pontos possam ser
usados para parametrizar a estimao de pontos onde o valor da varivel seja
desconhecido
ao ser constatado que a varivel no possui continuidade espacial na rea
estudada, no h sentido lgico em estimar/interpolar usando-se a krigagem
nico meio disponvel para se verificar a existncia ou no de continuidade
espacial e, se houver, quais os parmetros que caracterizam este comportamento
regionalizado, a anlise variogrfica
utiliza distncias ponderadas e estimao por mdias mveis pelo qual os pesos
adequados so obtidos a partir de um variograma, representativo da mdia das
diferenas ao quadrado dos valores irregularmente distribudos de Zi a intervalos
de distncias especificados (lags)
necessrio um sistema de equaes em matrizes, no qual so usados os
parmetros variogrficos, para a obteno dos pesos a serem usados para o
clculo do valor do ponto a ser estimado/interpolado
Quando um variograma adequadamente elaborado, a estimativa por krigagem
resultante reconhecida como sendo a estimativa linear melhor e no tendenciosa
(BLUE = best, linear, unbiased estimate)
12

Vantagens Desvantagens

valores estimados baseiam-se no variograma; se for apropriado,
fornece as seguintes informaes:
parmetros adequados de amostragem: nmero de amostras,
distribuio e densidade;
parmetros adequados de busca: tamanho da rea de busca,
forma (circular ou elipside) e, se elipside, orientao do eixo
principal;
parmetros adequados da grade: tamanho das clulas, forma
e orientao;
natureza da distribuio espacial da varivel investigada:
uniformidade da distribuio, importncia relativa da influncia
espacial x casual;
previsibilidade da variao espacial da varivel avaliada.
se o variograma for apropriado controla a krigagem, com as
seguintes vantagens:
evita ponderao arbitrria dos pontos amostrados;
permite a determinao das melhores estimativas sem
tendenciosidade: o melhor estimador aquele que produz a
melhor preciso (menor varincia);
permite o estabelecimento de limites de confiana, indicando
se os resultados so aceitveis e se a estratgia de
amostragem deve ser modificada;
preciso, contornos suaves, artefatos indesejveis raros a no
ser nas bordas do mapa.
interpolador exato: os valores estimados para os ns das
clulas exatamente igual ao valor amostrado naquela
posio.
estima alm dos limites mximo e mnimo dos valores dos
pontos amostrados.
modela tanto tendncias regionais quanto anomalias locais.
calcula varincias dos pontos estimados(erros), que podem
ser utilizadas para:
quantificar um intervalo de valores () para os pontos
estimados, definindo estimativas realistas;
calcular intervalos de confiana para verificar a probabilidade
dos valores ocorrerem dentro de um intervalo de 2 unidades
de desvio padro da mdia; varincias mapeadas podem
indicar locais para adensamento da amostragem


O usurio pode no
compreender o uso dos controles
matemticos e apesar disto
resultados so sempre obtidos.
necessrio tempo para
preparo do variograma e
entendimento de geoestatstica.
Pode no ser possvel a
construo de um variograma
adequado devido natureza da
variao espacial da varivel
analisada. Isto pode ocorrer
devido magnitude da
amostragem e por erros
analticos.
Requer longo tempo de
computao para grupos de
dados grandes ou complexos.
Necessidade de software
capacitado.


Quando usar Quando no usar


Estiverem presentes tanto tendncias regionais quanto anomalias
locais.
Anomalia local no presente em toda a rea, por ex. em ambiente
fluvial.
Quiser estimar com base em uma mdia global.
Tiver dados irregularmente amostrados ou agrupados (clustered).



Menos de 30 pontos
amostrados: nmero insuficiente
de pares para modelar o
variograma.
Valores discrepantes de Z:
remov-los antecipadamente.
Erro grande e inexplicado (efeito
pepita pronunciado)*.
Amostras de populaes
Diversas


13
COMPARAO ENTRE ALGORITMOS (Krajewski & Gibbs, 1966)

Algoritmo Fidelidade aos
dados
originais
Suavidade das
curvas
Velocidade de
computao
Preciso geral
Triangulao 1 5 1 5
Inverso da Distncia 3 4 2 4
Superfcie/ Tendncia 5 1 3 2
Mnima Curvatura 4 2 4 3
Krigagem 2 3 5 1
1 = melhor 5 = pior



SOFTWARE PARA ESTIMATIVA DO RETICULADO (SURFER

)

Fornecidos n valores conhecidos, regularmente distribudos ou no,
Z1, Z2,........., Zn, o valor a ser interpolado para qualquer n da rede ser igual a

i ij
n
1 = i
j
Z w = G


j
G
=

valor estimado para o n j
n = nmero de pontos usados para a interpolao
i
z
=

valor estimador no ponto i com valor conhecido
ij
w
=

peso associado ao valor estimador i

Mtodos
inverso do quadrado da distncia
krigagem
curvatura mnima
mtodo de Shepard
vizinhana
regresso polinomial
funo de base radial
triangulao
Diferenas entre mtodos: de que modo os fatores de ponderao so calculados
e aplicados durante a reticulagem.



14
EXEMPLO
O arquivo de dados foi retirado do arquivo example.dat, que acompanha o programa
GeoEas, para a varivel cadmio.

ID X Y Cd
1 288 311 11.5
1 285.6 288 8.5
2 273.6 269 7
3 280.8 249 10.7
4 273.6 231 11.2
5 276 206 11.6
6 285.6 182 7.2
7 288 164 5.7
8 292.8 137 5.2
9 278.4 119 7.2
10 360 315 3.9
11 355.2 291 9.5
12 367.2 272 8.9
13 367.2 250 11.5
14 352.8 226 10.7
15 350.4 203 8.3
16 369.6 180 6.1
17 369.6 165 6.7
18 357.6 139 6.2
19 355.2 118 0
20 434.4 312 5.5
21 451.2 295 4
22 448.8 268 7
23 432 252 5.3
24 441.6 228 11.6
25 441.6 204 9
26 444 182 14.5
27 441.6 160 12.1
28 432 140 0.9
29 444 119 0
30 254.4 172 3.2
31 254.4 128 1.2
32 254.4 299 1.7
33 333.6 301 1.2
34 333.6 271 7.6
35 333.6 194 11.6
36 333.6 163 8.7
37 412.8 285 5.8
38 254.4 257 3.8
39 412.8 172 10.4
40 412.8 150 10
41 492 282 7.1
42 492 249 4.4
43 492 315 10.4
44 492 150 1.6
45 444 190 15
46 436.8 240 3.4
47 360 195 6.8
48 345.6 210 10.8
49 254.4 216 14.9
50 280.8 216 9.9
15
51 307.2 216 11.6
52 333.6 216 6.5
53 360 216 10.1
54 386.4 216 11.8
55 412.8 216 11
56 439.2 216 16.7
57 465.6 216 11.6
58 492 216 6.9
59 345.6 216 9.9




Distribuio dos pontos:

1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49 50 51 52 53 54 55 56 57 58 59
260 280 300 320 340 360 380 400 420 440 460 480 500
120
140
160
180
200
220
240
260
280
300
320
16
260.00 280.00 300.00 320.00 340.00 360.00 380.00 400.00 420.00 440.00 460.00 480.00
120.00
140.00
160.00
180.00
200.00
220.00
240.00
260.00
280.00
300.00
0.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
11.00
12.00
13.00
14.00
15.00
16.00
Triangulao linear


260.00 280.00 300.00 320.00 340.00 360.00 380.00 400.00 420.00 440.00 460.00 480.00
120.00
140.00
160.00
180.00
200.00
220.00
240.00
260.00
280.00
300.00
0.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
11.00
12.00
13.00
14.00
15.00
16.00
Inverso do quadrado da distncia




260.00 280.00 300.00 320.00 340.00 360.00 380.00 400.00 420.00 440.00 460.00 480.00
120.00
140.00
160.00
180.00
200.00
220.00
240.00
260.00
280.00
300.00
-8.00
-6.00
-4.00
-2.00
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
16.00
Curvatura mnima




17


260.00 280.00 300.00 320.00 340.00 360.00 380.00 400.00 420.00 440.00 460.00 480.00
120.00
140.00
160.00
180.00
200.00
220.00
240.00
260.00
280.00
300.00
7.00
7.10
7.20
7.30
7.40
7.50
7.60
7.70
7.80
7.90
8.00
8.10
8.20
8.30
8.40
8.50
8.60
Superfcie de tendncia de grau 1





260 280 300 320 340 360 380 400 420 440 460 480
120
140
160
180
200
220
240
260
280
300
-55
-50
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
5
10
15
Resduos positivos e negativos da superfcie linear




18
260 280 300 320 340 360 380 400 420 440 460 480
120
140
160
180
200
220
240
260
280
300
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5
7
7.5
8
8.5
9
9.5
10
10.5
Superfcie de tendncia de grau 2





260 280 300 320 340 360 380 400 420 440 460 480
120
140
160
180
200
220
240
260
280
300
-24
-22
-20
-18
-16
-14
-12
-10
-8
-6
-4
-2
0
2
4
6
8
10
12
14
Resduos positivos e negativos da superfcie quadrtica








19
Krigagem: para efetuar a estimativa por krigagem necessrio, preliminarmente, verificar
se os dados apresentam correlao espacial. Isso feito por uma anlise variogrfica:

Distancia "h"
Cd:Variogramas Experimental e Exponencial
0. 40. 80. 120. 16
.0
4.0
8.0
12.0
16.0
20.0

Krigagem

260.00 280.00 300.00 320.00 340.00 360.00 380.00 400.00 420.00 440.00 460.00 480.00
120.00
140.00
160.00
180.00
200.00
220.00
240.00
260.00
280.00
300.00
-1.00
0.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
11.00
12.00
13.00
14.00
15.00
16.00



Mapa com os desvios padro da krigagem
260 280 300 320 340 360 380 400 420 440 460 480
120
140
160
180
200
220
240
260
280
300
1
.
8
5
1
.
9
1
.
9
5
2 2
.
0
5
2
.
1
2
.
1
5
2
.
2
2
.
2
5
2
.
3
2
.
3
5
2
.
4
2
.
4
5
2
.
5
2
.
5
5
2
.
6
2
.
6
5
2
.
7
2
.
7
5
2
.
8
2
.
8
5
2
.
9
2
.
9
5
3 3
.
0
5
3
.
1
260 280 300 320 340 360 380 400 420 440 460 480
120
140
160
180
200
220
240
260
280
300


20
BIBLIOGRAFIA

Krajewski, S.A. & Gibbs, B.L. (1966) Understanding Contouring: A pratical Guide to
Spatial Estimation and Contouring Using a Computer and Basics of Using Variograms:
Gibbs Associates

Landim, P.M.B. (1998) Anlise Estatstica de Dados Geolgiocos: Editora Unesp

Masson, M.R. & Czajkwski, S. (1999) Mtodos de interpolao para modelagem de
superfcies: Seminrio em Geocincias e Meio Ambiente, PsGraduao em
Geocincias, I.G.C.E., Unesp, Rio Claro

Surfer 7.0 (1999) Users guide. Contouring and 3D Surface Mapping for Scientists and
Engineers: Golden Software, Inc.

Yamamoto, J. K. (1998) A Review of Numerical Methods for the Interpolation of
Geological Data: Na. Acad.Bras. Cincias, 70(1):91-116


SUGESTES

Dvidas, questes, sugestes, etc. sobre o texto devero ser encaminhadas para o
endereo plandim@rc.unesp.br, as quais sero sempre bem recebidas.