Escolar Documentos
Profissional Documentos
Cultura Documentos
Geoestatéstica - Fundamentos e Aplicaçoes PDF
Geoestatéstica - Fundamentos e Aplicaçoes PDF
5
GEOESTATSTICA: FUNDAMENTOS E APLICAES
INTRODUO
Como nos ensina Burrough (1998), quando os dados so abundantes, a maior parte
dos mtodos de interpolao produz valores semelhantes. Como discutido no captulo
anterior, os mtodos tradicionais de interpolao espacial, como triangulao, mdia
local das amostras e mtodo da distncia inversa, esto amplamente disponveis nos
SIGs do mercado. No caso de dados esparsos, no entanto, tais mtodos possuem
limitaes na representao da variabilidade espacial, porque desconsideram a
anisotropia e a continuidade do fenmeno que se quer observar. Alm disso, deixam
sem resposta algumas questes importantes, tais como (Burrough, 1987):
Que forma e orientao deve ter a janela para se obter uma estimao tima ?
Existem outros modos para estimar os pesos alm daqueles baseados em funo
de distncia ?
5-1
5.2
FUNDAMENTAO TERICA
5-2
(5.1)
onde:
5-3
HIPTESES CONSIDERADAS
(5.2)
(5.3)
5-4
Em outras palavras, como supomos m(x) ser constante, a variao local das amostras (e
seu relacionamento espacial) pode ser caracterizado pela semivarincia (h).
5.3
VARIOGRAMA
(5.4)
Atravs de uma amostra z(xi), i=1, 2, ..., n, o variograma pode ser estimado por
2 ( h) =
1
N( h )
N( h )
(5.5)
i=1
5-5
onde:
2 ( h) - o variograma estimado;
5.3.1
PARMETROS DO SEMIVARIOGRAMA
5-6
5-7
(90 o , 100m) . Isto feito, os clculos so repetidos para a prxima distncia, por
exemplo, 200m. Isto inclui todos os pares de observaes cuja distncia igual a 200m.
O processo repetido at que algum ponto de parada desejado seja alcanado. Este
procedimento pode ser melhor compreendido com o auxlio da Figura 5.5 e tambm
deve ser realizado para outras direes (00, 450 e 1350).
5-8
5.3.3 CLCULO
DO
SEMIVARIOGRAMA
IRREGULARMENTE ESPAADAS
PARTIR
DE
AMOSTRAS
5-9
5.3.4
MODELOS TERICOS
5-10
5.3.4.1
MODELO ESFRICO
| h|
| h| 3
Sph ( h ) = 1,5 0,5
a
a
1
5.3.4.2
| h| = 0
0 < | h| a
| h| > a
(5.6)
MODELO EXPONENCIAL
xp ( h ) =
| h|
1 exp a ,
| h|= 0
| h| 0
(5.7)
MODELO GAUSSIANO
Gau ( h ) =
| h| 2
1 exp ,
a
| h|= 0
| h| 0
(5.8)
5-11
5.3.4.4
MODELO POTNCIA
,| h|= 0
,| h| 0
(5.9)
onde,
c o coeficiente de declividade, e
e o expoente.
5-12
(h) = C + C
1
o
C + C
o
1
, | h|= 0
3 | h| 1 | h| 3
= C + C [ Sph (| h|) ] , 0 < | h| a
o
1
2 a 2 a
, | h| > a
(h) =
| h|
C o + C 1 1 exp a = C o + C 1 [ Exp (| h|)]
(5.10)
, | h| = 0
,| h| 0
(5.11)
(h) =
| h| 2
= C o + C 1 [Gau (| h|)]
+
1
exp
C
C
o
1
a
, | h| = 0
,| h| 0
(5.12)
5-13
5.3.4.5
(5.13)
MODELOS ANINHADOS
3 | h| 1 | h|
C0 + C1 2 a 2 a = 1 (h ) , 0 <| h| a1
1
3
(h) =
3 | h| 1 | h|
C0 + C2 2 a 2 a = 2 (h) , a1 <| h| a2
2
C + C
, | h| > a
2
2
0
, | h|= 0
0
(5.14)
onde,
5-14
ANISOTROPIA
5-15
5-16
5-17
5-18
5.4
KRIGEAGEM
5-19
5.4.1
KRIGEAGEM ORDINRIA
Z*x = 0 + i Z( x i ) .
(5.15)
i=1
(5.16)
A relao acima impe que as duas mdias sejam iguais; assim aplicando-se a
Equao 5.39 em 5.40, obtem-se:
n
n
E Z x o = E 0 + i . Z(x i ) m = 0 + i m .
i=1
i=1
[ ]
(5.17)
0 = 0
i=1 .
i=1
Z*x = i Z( x i )
0
i=1
com
i =1 .
(5.18)
i=1
Journel (1988) mostra que, minimizando a varincia do erro (Var [Z x 0 Z*x 0 ] ) sob a
n
condio de que
i =1 ,
i=1
5-20
n
j C(x i , x j ) = C( x i , x 0 )
j=1
n
j = 1
j=1
para i = 1,..., n
(5.19)
onde,
= Var [ Z x 0 Z ] = C( 0) i C(x i , x 0 ) .
2
ko
*
x0
(5.20)
i =1
5-21
5.5
EXEMPLO DE APLICAO
5.5.1
ANLISE EXPLORATRIA
5-22
Aps anlise exaustiva das diferente configuraes dos dados, descrita em Barbosa
(1997), foram considerados dois semivariogramas, como representativos da anisotropia
dos dodos: o associados direo Norte (0o), que possui maior alcance e o
semivariograma associado direo Leste (90o), que possui menor alcance. O resultado
do ajuste experimental dos semivariogramas apresentado na Figura 5.17.
5-23
Fig. 5.17 - Representao grfica dos modelos tericos de ajuste aos semivariogramas
experimentais nas direes 0o e 90o.
Conforme ilustrado na Figura 5.17, as linhas azuis, em ambas direes, so os modelos
tericos de ajuste dos semivariogramas direcionais. O semivariograma com maior
patamar foi ajustado com um efeito pepita de (83,0), uma estrutura esfrica com
contribuio (352,0) e alcance (4.031,0). De maneira anloga, o semivariograma na
direo 90o foi ajustado com efeito pepita (45,5), uma estrutura esfrica com
contribuio (210,0) e alcance (1.883,0).
O passo seguinte refere-se a modelagem da anisotropia. Inicialmente identifica-se os
eixos de anisotropia, isto , os eixos de maior e menor variabilidade espacial do
fenmeno em estudo. Neste caso, em particular, os eixos de anisotropia coincidem com
os eixos de coordenadas. Uma vez identificados os eixos de anisotropia, define-se um
nico modelo que descreve como o semivariograma varia quando mudam as distncias
e direes.
5-24
Um mtodo para combinar os modelos direcionais num nico modelo consistente para
todas as direes apresentado por Isaaks e Srivastava (1989, p. 377-386).
Resumidamente, este mtodo consiste em definir uma transformao que reduz o
modelo direcional a um modelo normalizado com alcance igual a 1 (substitui-se h pela
distncia h/a, onde a o alcance). O modelo nico (ou completo), o qual expresso
atravs da seguinte equao:
h 0 o 2
4031,0
h o 2
90
+
+ 142,0 Sph
1883,0
h 0o 2 h 90 o 2
+ 37,5 Sph
+
h o 2
0
4031,0
h o 2
+ 90
(5.21)
5-25
5.5.3
5.5.4
5-26
5-27
algumas caractersticas
comuns:
essas imagens revelam que, nas regies Norte e Nordeste, o teor de argila
relativamente baixo;
5-28
5-29
5-30
Fig. 5.26 - Comparao entre o mapa de classes de solos segundo o teor de argila e o
mapa de teor de argila gerado atravs de procedimentos geoestatsticos.
5-31
que pode ser constatado tambm no mapa de teor de argila (Mp2). Um outro exemplo,
so os solos argilosos e muito argilosos (classes de solos Lud, LRd1 e Tre1), que se
encontram na regio central de ambos os mapas, Mp1 e Mp2. E assim, vrias outras
classes de solo, como LVa1, LVa2, etc.
Considerando a deficincia de amostragem, com as conseqentementes
limitaes impostas anlise geoestatstica efetuada, o resultado apresentado na Figura
5.26 de certa forma expressivo e revela a boa adequao das tcnicas de krigeagem ao
estudo de caso.
5.5.5
5-32
5-33
alguns
fatos:
5-34
5-35
4.34). Tambm verifica-se que o resultado referente ao fatiamento da grade GID (Figura
4.37) prximo ao resultado do fatiamento da grade GKrI (Figura 4.36), mas apresenta
regies que h superestimao e subestimao de valores. Os resultados referentes s
Figuras 4.38 e 4.39 so menos expressivos que os demais.
Este captulo se encerra com a ilustrao da Tabela 5.1, a qual apresenta, de
forma sintetizada, as principais razes pelas quais os resultados obtidos pela krigeagem
produziram resultados mais significativos em relao aos outros mtodos de estimao.
TABELA 5.1 - CARACTERSTICAS DOS MTODOS DE ESTIMAO.
Mtodos Geoestatsticos
Mtodos Convencionais
em funo da distncia.
baseada no semivariograma.
i = f (di)
i = f [(h)]
de
maior
Anisotropia ignorada.
menor
atribui
pesos
adequados
para
agrupamentos de amostras.
subestimao de valores.
5-36