Você está na página 1de 20
KRIGAGEM (Krigeage, Kriging) 1
KRIGAGEM
(Krigeage, Kriging)
1
Aplicações da geoestatística  Lavra e prospecção  Agricultura de precisão  Análise espacial de
Aplicações da geoestatística
 Lavra e prospecção
 Agricultura de precisão
 Análise espacial de crimes
 Cartografia
 Climatologia
 Ecologia da paisagem
 Engenharia Florestal
 Epidemiologia
 Geologia ambiental
 Geologia do petróleo
 Geotecnia
 Hidrogeologia
 Pedologia
 Softwares para Confecção de Mapas ou Sistemas de Informações
Georreferenciadas (Exemplo: SPRING)
3

Teoria das Variáveis Regionalizadas tornou possível

A

a

Geoestatística

Qualquer variável dependente do espaço e/ou tempo em que, além do caráter aleatório, apresente um caráter estrutural pode ser tratada como V.R. e sofrer uma análise segundo o formalismo desenvolvido pela Geoestatística.

2
2

A Teoria das Variáveis Regionalizadas tem por objetivo o estudo e a representação estrutural das V.R. para a resolução de problemas de estimativa, a partir de dados experimentais medidos sobre suportes que não abrangem totalmente tais domínios

(Problema clássico da inferência estatística quando se pretende estudar uma população por meio de amostragem)

O melhor estimador para um V.R. deve levar em consideração as respectivas posições relativas e, portanto, a característica estrutural

Estimativas são sempre afetadas por erros e é necessária a avaliação da precisão da estimativa

4
4

Krigagem

Método geoestatístico estimador que leva em consideração as características espaciais de autocorrelação de variáveis regionalizadas

Nas variáveis 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 estimação de pontos onde o valor da variável seja desconhecido

Ao ser constatado que a variável não possui continuidade espacial na área estudada, não há sentido lógico em estimar/interpolar usando-se a krigagem

5
5

Único meio disponível para se verificar a existência ou não de continuidade espacial é, se houver, por meio da análise variográfica que determinará os parâmetros que caracterizam o comportamento regionalizado

Utiliza distâncias ponderadas e estimativa por médias móveis, pelo qual os pesos adequados são obtidos a partir de um variograma, representativo da média das diferenças ao quadrado dos valores de Z(x i ) distribuídos a intervalos de distâncias especificados (lags h)

7
7
Análise geoestatística  Estimação Krigagem simples Krigagem ordinária (normal) Krigagem universal
Análise geoestatística
 Estimação
Krigagem simples
Krigagem ordinária (normal)
Krigagem universal
Krigagem indicativa
Co-Krigagem
 Simulação
(A estimativa por krigagem tenta obter acurácia
e a simulação tenta atingir realismo)
6

Necessidade de um sistema de equações normais em matrizes, na qual são usados os parâmetros variográficos para a obtenção dos pesos a serem utilizados para o cálculo do valor do ponto a ser estimado/interpolado

Quando um variograma é adequadamente elaborado, a estimativa por krigagem resultante é reconhecida como sendo a estimativa linear melhor e não tendenciosa (BLUE = best, linear, unbiased estimate)

8
8

A krigagem pode ser usada para:

Previsão do valor pontual de uma variável regionalizada em um determinado local dentro do campo geométrico; é um procedimento de interpolação exato que leva em consideração todos os valores observados, o qual pode ser a base para cartografia automática por computador quando se dispõe de valores de uma variável regionalizada dispostos por uma determinada área;

Cálculo médio de uma variável regionalizada para um volume maior que o suporte geométrico como, por exemplo, no cálculo do teor médio de uma jazida a partir de informações obtidas de testemunhas de sondagens

9
9

No caso da estimativa por krigagem as distâncias são basadas na análise variográfica e alem desse relacionamento entre pontos estimadores e o ponto a ser estimado ha tambem o relacionamento entre os pontos estimadores que vão fornecer informações sobre

o

agrupamento presente.

O

sistema de krigagem leva em consideração, portanto,

tanto a distância entre amostras como o seu

agrupamento.

11
11

O sistema de krigagem necessário para a determinação dos ponderadores associados a cada um dos pontos estimadores baseia-se na ideia que quanto maior a

covariância entre uma amostra x i, i=1, 2,

que está sendo estimado, x 0 , mais essa amostra deve contribuir para a estimativa.

, n, e o local

Num método geométrico, como o do inverso do quadrado da distância, o peso entre a amostra xi e x0 também diminui à medida que a amostra fica mais longe, mas essas distâncias são euclidianas.

10
10
Estimativa do valor no ponto A 12
Estimativa do valor no ponto A
12
Inverso da distância 13
Inverso da distância
13
Krigagem Estimação por uma combinação linear ponderada O erro cometido deve ter uma esperança zero
Krigagem
Estimação por uma combinação
linear ponderada
O erro cometido deve ter
uma esperança zero
Procura pela
máxima precisão
15
Krigagem ordinária (normal) 14
Krigagem ordinária (normal)
14
Cálculo dos ponderadores l i  O valor estimado por krigagem Z*(x i ) é
Cálculo dos ponderadores l i
 O valor estimado por krigagem Z*(x i ) é uma combinação
linear de n Variáveis Regionalizadas.
 O valor estimado é não enviesado
 A variância da estimativa é minimizada
16

Krigagem ordinária

Quando valores de uma variável regionalizada apresentam media constante, porem desconhecida, o algoritmo a ser aplicado é o da krigagem ordinária, para encontrar os ponderadores ótimos que minimizem a variância do erro de estimação.

Um valor amostral, obtido num ponto, é uma realização parcial de uma função aleatória Z(x), onde x denota a localização espacial.

17
17

Para a estimativa de um valor em um local não amostrado,

Z(x0), são utilizados realizações parciais Z(x 1 ), Z(x 2 ),

localizadas segundo coordenadas conhecidas.

Z*KO = l 1 Z(x 1 ) + l 2 Z(x 2 ) +

atribuidos a cada valor conhecido.

Z(x

n ),

+ l n Z(s n ), onde os li são os pesos

Variância dos erros: = desvios ao quadrado em relação ao erro médio = média de [(Z(x 0 ) Z*(x 0 )] 2.

Para estimar tal medida utilizar o variograma, em que são medidas as diferenças de valores ao quadrado.

Num variograma, previamente calculado, dada uma distância h entre os pontos, pode-se estimar a variância simplesmente lendo o valor no eixo dos g´s

g(x i ,x j ): variância entre os pontos estimadores

g(x i ,x 0 ): variância entre o ponto estimador i e o ponto a ser estimado

19
19

Existe associado a esse estimador um erro, =Z(x0)-Z*KO(x0); uma maneira simples seria representá-lo pela variância da estimativa:

2 (s0)=Var[Z*KO(x0)-Z(x0)]

A variância não pode ser obtida porque não se conhece o valor real que se esta estimando e, portanto, também não se sabe qual o erro associado; a solução é transformar a expressão em termos de quantidades que possam ser calculadas:

Z(x) honra a hipótese intrínseca:

E[Z(x)] = m Var[Z(sx)-Z(sx+h)] = 2g(h),

(A media é constante, mas como não entra no cálculo, pode continuar desconhecida).

18
18

É introduzido o multiplicador de Lagrange (m) porque os pesos l devem somar 1

Representa o balanço entre como os valores estimadores se relacionam com o valor a ser estimado e como se relacionam entre si.

A variância da krigagem é homoscedástica

Independe dos valores dos pontos usados para obter o estimador Z*(x 0 )

Mede apenas a configuração espacial dos dados

20
20
Krigagem ordinária para a estimativa de um ponto x 0 [l] = [A] -1 [B]
Krigagem ordinária para a estimativa de um ponto x 0
[l] = [A] -1 [B]
Cálculo da variância(desvio padrão) associada(o) ao valor
obtido por estimativa krigada
21
23
23

Exemplos

Krigagem simples

Conhecimento da média.

Para krigagem pontual:

Z* ks (x 0 ) = Σlz(x i ) + [1-Σl i ]m

A soma dos pesos l i não esta restrita a 1

Σl i g(x i ,x j ) = g(x 0 , x ) para j = 1,2,

Não há necessidade do multiplicador de Lagrange

N

Para variância da krigagem:

S 2 ks (x 0 ) = Σl i g(x i ,x 0 )

22
22
Ponto x i y i valor 1 2 1 0 30 500 2 30 30
Ponto
x i
y i
valor
1
2
1
0
30
500
2
30
30
450
X
3
0
0
550
4
30
0
490
3
4
X
15
15
?
D1,2 = D1,3 = D2,4 = D3,4 = 30km;
D1,4 = D2,3 = 42,43km;
D1,X = D2,X = D3,X = D4,X = 21,21km
Modelo linear: g =5h, fornece as variâncias:
21,21: 106,05 km
30,00: 150,00 km
42,43: 212,15 km
24
Cálculo dos pesos l i 25
Cálculo dos pesos l i
25
1(X) 2  0    150   0 [ g ] 
1(X)
2
0
150
0
[ g ] 
  1 
 
[B]  
150
0 
 
212.15 
 0 
1 
3
4
27 Interpolador exato
Sk = 9,169 Intervalo de confiança: 9,169 * 1,96=18 m. Estimativa do ponto X: 497,50m±18m
Sk = 9,169
Intervalo de confiança: 9,169 * 1,96=18 m.
Estimativa do ponto X: 497,50m±18m
26
Modelo esférico: Valor de C (variância espacial): 700 ppm 2 Valor de C 0 (efeito
Modelo esférico:
Valor
de C (variância espacial): 700 ppm 2
Valor de C 0 (efeito pepita; variância aleatória): 100 ppm 2
Valor do patamar, soleira ou sill: C+C 0 = 800 (valor de g,
segundo o qual o variograma se estabiliza)
Amplitude de influência(a): 100 pés.
3
5 A
2
1
4
Co+C
800
322.7
100 (Co)
21.54
100
g(h) substitui a distância euclidiana
g(h = 322,7
28
h≤a: campo estruturado até a distância 100 h>a: campo aleatório alem da distância 100 29
h≤a: campo estruturado até a distância 100
h>a: campo aleatório alem da distância 100
29
 0 415,5 491,4 403,0 790,5 1   l    1 
0 415,5
491,4
403,0
790,5 1 
 l 
1
  322,7 
415,5
0
581,3
642,9
800,0 1
581,3
l
 
2 
 
 
491,4
581,3
0
659,9
778,8
1  
420,9 
 l
 
 
403,0
642,9
659,9
0
745,1 1
l
3  
405,5
4
 
 790,5
 
800,0
778,8
745,1
0
1
l
714,9 
m
  
 1
1
1
1
1
0
  
 
5
  
1  
[
g xi, xi]
l
 g xi, A
31
Modelo esférico *755.2 ou 800.00? a=100; 800 30
Modelo esférico
*755.2 ou 800.00?
a=100; 800
30
0,372812       0,028330  0,300746   l  g
0,372812 
    0,028330
0,300746 
l  g
xi xi
,
 1
l
xi A
,
0,266999
  
 
0,087777 
09,697618
 
20,27 * 1,96= 39,73
Valor do ponto A deve estar entre 336,72 e
416,28.
32

Dados: espessuras, em metros, provenientes de 576 perfurações realizadas em uma jazida de argila de formato tabular.

Efetuar uma análise geoestatística referente à espessura do depósito

Alem da análise, tecer considerações especificamente com relação às seguintes questões:

Padrão da rede de amostragem.

Função de distribuição dos valores.

Presença ou não de tendência

Isotropia ou anisotropia presente.

Qual porção da área pesquisada mereceria uma amostragem mais densa.

33
33
Distribuição dos pontos de amostragem 24 22 20 18 16 14 12 10 8 6
Distribuição dos pontos de amostragem
24
22
20
18
16
14
12
10
8
6
4
2
2
4
6
8
10
12
14
16
18
20
22
24
35

Dados

 

ID

X

Y

Argila

1

1

1

11.9

2

2

1

12.1

3

3

1

15.3

4

4

1

18.1

5

5

1

16.1

6

6

1

16.1

7

7

1

17.9

8

8

1

16.3

9

9

1

16.5

10

10

1

15.2

11

11

1

14.1

12

12

1

12.8

13

13

1

11.3

34
34
36
36
37
37
39
39
38
38
Mapa de variogramas 40
Mapa de variogramas
40
Direção EW (90) 41
Direção EW (90)
41
IQD 43
IQD
43
Modelagem: g = 4,60 + 5,08 Sph (3,78) 42
Modelagem:
g = 4,60 + 5,08 Sph (3,78)
42
Mínima curvatura 44
Mínima curvatura
44
Krigagem 45
Krigagem
45

Respostas:

Padrão da rede de amostragem:

regular.

Função de distribuição dos valores:

normal.

Presença ou não de tendência:

sem tendência

Isotropia ou anisotropia presente:

isotropia.

Qual porção da área pesquisada mereceria uma amostragem mais densa:

nenhuma.

47
47
Desvios padrão da krigagem 46
Desvios padrão da krigagem
46

Krigagem ordinária para áreas (blocos)

Para a estimativa de uma área (ou bloco), em lugar de apenas um ponto x 0 , considera-se a região com área Ar, com um centro x 0 .

Desse modo as variâncias entre os pontos amostrados

48
48

(x1, x2, x3

anterior são substituídos pela média das variâncias entre os pontos amostrados e os pontos dentro da área Ar.

xn)

e o ponto interpolado da situação

 Em notação matricial: Para a solução dos coeficientes li e m: [li] = [xi,xi]
 Em notação matricial:
Para a solução dos coeficientes li e m:
[li] = [xi,xi] -1 * [xi,Ar]
49
51
51
 Cálculo da variância associada ao valor obtido pela estimativa (²)  [li]' = vetor
 Cálculo da variância associada ao valor obtido pela
estimativa (²)
 [li]' = vetor transposto com os pesos li
 [x i , Ar] = vetor com as médias dos semivariogramas entre
cada amostra e a área (Ar) desconhecida a ser estimada
 [g(Ar,Ar)] = média dos semivariogramas entre todos os
possíveis pares de pontos dentro da área estimada por
krigagem em bloco
50
Estimativa do bloco Ar 52
Estimativa do bloco Ar
52
0  415,5  491,4  403,0  790,5  l  356,7 1 415,5
0
 415,5
491,4
403,0
790,5
l
356,7
1
415,5
 0
581,3
642,9
800,0
 l
572,4
2
491,4
 0
581,3
659,9
778,8
 l
456,9
3
403,0
 0
642,9
619,9
745,1
 l
446,8
4
790,5
 745,1
800,0
778,8
0
 l
696,1
5
1
 1
1
1
1
m
1
l1 = 0,346; l2 = 0,023; l3 = 0,269; l4 = 0,234; l5 = 0,127; m = 19,72
Area (Ar) = Aili = 376,5 ppm (ponto A = 376,5)
g(Ar,Ar) = 344
Sk²=128.16 ppm e Sk = 11,32 ppm
Area (Ar): entre 354,35 e 398,65 ppm.
Valor do ponto A(x 0 ) deve estar entre 336,72 e 416,28
53

Krigagem pontual e em bloco

55
55

Dados: espessuras de 39 poços em uma unidade sedimentar

((Hohn, M. E. (1988) Geostatistics and Petroleum Geology:

Van Nostrand Reinhold)

ID

X

Y

ESPESSURA

1

0

24

1848

2

2.5

22

1806

3

4

25

2220

4

1

11

2513

5

6

0

3209

6

5

2

3080

7

10

2

3164

8

8

7

2164

9

5.5

11

2400

10

4

14.5

2434…

Valores obtidos por krigagem em blocos são mais suavizados que valores obtidos por krigagem pontual.

54
54
Localização dos pontos 11 30 18 19 12 3 17 25 1 30 16 2
Localização dos pontos
11
30
18
19
12
3
17
25
1
30
16
2
13
15
29
20
14
27
32
10
15
26
28
31
33
25
4
9
10
24
22
23
34
37
8
35
38
5
21
36
39
6
7
20
5
0
0
5
10
15
20
25
56
Variograma: Surfer Column D: E Direction: 0.0 Tolerance: 90.0 500000 450000 400000 26 41 350000
Variograma: Surfer
Column D: E
Direction: 0.0
Tolerance: 90.0
500000
450000
400000
26
41
350000
33
300000
47
250000
21
27
32
12
29
200000
21
34
35
9
150000
100000
50000
1
0
0
2
4
6
8
10
12
14
57
Lag Distance
Variogram
Desvios padrão da krigagem 30 25 20 15 10 5 0 0 5 10 15
Desvios padrão da krigagem
30
25
20
15
10
5
0
0
5
10
15
20
25
30
59
460
440
420
400
380
360
340
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0
Krigagem ordinária pontual (100x100) Krigagem pontual 30 25 20 15 10 5 0 0 5
Krigagem ordinária pontual (100x100)
Krigagem pontual
30
25
20
15
10
5
0
0
5
10
15
20
25
30
58
4000
3900
3800
3700
3600
3500
3400
3300
3200
3100
3000
2900
2800
2700
2600
2500
2400
2300
2200
2100
2000
1900
1800
1700
1600
1500
1400
60
60
61
61
Desvios padrão da krigagem em bloco 10x10 30 25 20 15 10 5 0 0
Desvios padrão da krigagem em bloco 10x10
30
25
20
15
10
5
0
0
5
10
15
20
25
30
63
390
370
350
330
310
290
270
250
230
210
190
170
150
130
110
90
Krigagem em bloco 10x10 Krigagem em blocos 30 25 20 15 10 5 0 0
Krigagem em bloco 10x10
Krigagem em blocos
30
25
20
15
10
5
0
0
5
10
15
20
25
30
62
3800
3700
3600
3500
3400
3300
3200
3100
3000
2900
2800
2700
2600
2500
2400
2300
2200
2100
2000
1900
1800
Krigagem em bloco 5x5 30 25 20 15 10 5 0 0 5 10 15
Krigagem em bloco 5x5
30
25
20
15
10
5
0
0
5
10
15
20
25
30
64
3600
3500
3400
3300
3200
3100
3000
2900
2800
2700
2600
2500
2400
2300
2200
2100
2000
1900
Desvios padrão da krigagem em bloco 5x5 30 25 20 15 10 5 0 0
Desvios padrão da krigagem em bloco 5x5
30
25
20
15
10
5
0
0
5
10
15
20
25
30
65
340
330
320
310
300
290
280
270
260
250
240
230
220
210
200
190
180
170
160
150
140
130
120
110
100
90
80
70
GRID/DATA/KRIGING 67
GRID/DATA/KRIGING
67

Exercícicio 03:

Krigagem ordinária pontual

Com o auxílio do SURFER ® aplicar o algoritmo “Kriging” aos 359 dados do exercício 01.

Calcular mapas com valores estimados por krigagem pontual para os tres metais pesados (cádmio, cobre e chumbo).

Calcular os respectivos mapas de desvios-padrão da krigagem.

Usar os dados provenientes da modelagem variográfica efetuada no exercício 02.

Os mapas resultantes deverão obedecer a área irregular abrangida pelos pontos de amostragem.

66
66
68
68

Contorno de áreas

Após a aplicação de um algoritmo estimador, o resultado é apresentado na forma de um mapa com dimensões regulares, um quadrado ou um retângulo, englobando, portanto, uma área maior do que aquela amostrada.

69
69
Há, porém, situações em que se quer o resultado referente apenas à área amostrada e,
Há, porém, situações
em que se quer o
resultado referente
apenas à área
amostrada e,
portanto, restrita a
um polígono
irregular.
5.5 5.5
5 5
3.2
4.5 4.5
3
2.8
4 4
2.6
2.4
3.5 3.5
2.2
2
3 3
1.8
Localização dos
pontos de
amostragem sobre o
mapa estimado por
krigagem para a
variável Cd
1.6
1.4
2.5 2.5
1.2
1
2 2
0.8
0.6
1.5 1.5
0.4
1 1
0.5 0.5
1 1
1.5 1.5
2 2
2.5 2.5
3 3
3.5 3.5
4 4
4.5 4.5
71
Mapa da distribuição de cádmio por krigagem ordinária pontual 5.5 5 3.2 4.5 3 2.8
Mapa da distribuição
de cádmio por
krigagem ordinária
pontual
5.5
5
3.2
4.5
3
2.8
4
2.6
2.4
3.5
2.2
2
3
1.8
1.6
1.4
2.5
1.2
1
2
0.8
0.6
1.5
0.4
1
0.5
1
1.5
2
2.5
3
3.5
4
4.5
70
Selecionar mapa: (Map|Contour map|New contour map) 5.5 5 3.2 4.5 3 2.8 4 2.6 2.4
Selecionar mapa:
(Map|Contour map|New contour map)
5.5
5
3.2
4.5
3
2.8
4
2.6
2.4
3.5
2.2
2
3
1.8
1.6
1.4
2.5
1.2
1
2
0.8
0.6
1.5
0.4
1
0.5
1
1.5
2
2.5
3
3.5
4
4.5
72
No menu Map, escolher a opção Digitize. Em seguida marcar no mapa os pontos de
No menu Map, escolher a opção Digitize.
Em seguida marcar no mapa os pontos de contorno
para a área escolhida
73
75
75

Após digitalizar os pontos de contorno para a área desejada, gravar o arquivo com a extensão *.bln.

Automaticamente será gravado o arquivo digit.bln, com as coordenadas XY referentes à área escolhida; a primeira linha/primeira coluna contem o número de pontos e a segunda coluna a opção 1. Essa opção significa que a área interna do polígono é que será omitida.

Como não é essa a intenção, entrar nesse arquivo e substituir a opção 1 por 0. Nesse caso a área externa ao polígono é que será omitida.

Regravar o novo arquivo com o nome CdK.bln

74
74
Após gravar o arquivo CdK.bln, com a opção 0, escolher no Menu Grid a opção
Após gravar o arquivo CdK.bln, com a opção 0,
escolher no Menu Grid a opção Blank.
Essa opção tem a finalidade de construir um filtro que
permita construir um mapa com limites condicionados
pela rede de amostragem
76
Abrir o arquivo CdK.grd que originou o mapa utilizado inicialmente. •Em seguida abrir o arquivo
Abrir o arquivo CdK.grd que originou o mapa utilizado
inicialmente.
•Em seguida abrir o arquivo CdK.bln
•Gerar um novo arquivo contendo pontos em reticulado
para a área selecionada e gravá-lo com o nome CdK2.grd
77
O resultado será um mapa dos valores de cádmio estimados por krigagem, porem restrito à
O resultado será um mapa dos valores de cádmio estimados
por krigagem, porem restrito à área amostrada.
79
Para a impressão do arquivo CdK2.grd, entrar no Menu Map e escolher Map Contour|New map
Para a impressão do arquivo CdK2.grd, entrar no Menu Map e
escolher Map Contour|New map contour
78
O mesmo procedimento devera ser adotado para obter um mapa dos desvios-padrão da krigagem 80
O mesmo procedimento devera ser adotado para obter um
mapa dos desvios-padrão da krigagem
80