Escolar Documentos
Profissional Documentos
Cultura Documentos
5.1 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 ?
onde:
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
x denota uma posio em duas dimenses, com componentes (xi , yi), e h um vetor
distncia (mdulo e direo) que separa os pontos.
Atravs de uma amostra z(xi), i=1, 2, ..., n, o variograma pode ser estimado por
N( h )
2 ( h) =
1
N( h )
[z(x i )- z(x i + h)]2 , (5.5)
i=1
onde:
2 ( h) - o variograma estimado;
0 , | h| = 0
| h| | h| 3
Sph ( h ) = 1,5 0,5 , 0 < | h| a (5.6)
a a
1 , | h| > a
0 , | h|= 0
xp ( h ) = | h| (5.7)
1 exp a , | h| 0
0 , | h|= 0
Gau ( h ) = | h| 2 (5.8)
1 exp , | h| 0
a
0 ,| h|= 0
Pot (| h|) = (5.9)
c. | h|e ,| h| 0
onde,
c o coeficiente de declividade, e
e o expoente.
0 , | h|= 0
3 | h| 1 | h| 3
(h) = C + C = C + C [ Sph (| h|) ] , 0 < | h| a (5.10)
o 1 2 a 2 a o 1
C + C , | h| > a
o 1
Modelo Exponencial de Semivariograma:
0 , | h| = 0
(h) = | h| (5.11)
C o + C 1 1 exp a = C o + C 1 [ Exp (| h|)] ,| h| 0
0 , | h| = 0
(h) = | h| 2 (5.12)
o
C + C 1 1 exp = C o + C 1 [Gau (| h|)] ,| h| 0
a
0 ,| h|= 0
(h) = (5.13)
C 0 + c.| h|e = C 0 + Pot (| h|) ,| h| 0
3
3 | h| 1 | h|
C0 + C1 2 a 2 a = 1 (h ) , 0 <| h| a1
1 1
3
(h) = 3 | h| 1 | h|
C0 + C2 2 a 2 a = 2 (h) , a1 <| h| a2 (5.14)
2 2
C + C , | h| > a
0 2 2
0 , | h|= 0
onde,
5.3.5 ANISOTROPIA
5.4 KRIGEAGEM
1
Estimativas no tendenciosas significam que, em mdia, a diferena entre valores
estimados e verdadeiros para o mesmo ponto deve ser nula; e varincia mnima
significa que estes estimadores possuem a menor varincia dentre todos os estimadores
no tendenciosos.
E [Z x o - Z*x o ] = 0 . (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 . (5.17)
i=1 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 , os pesos i so obtidos a partir do seguinte sistema de
i=1
equaes, denominado sistema de krigeagem ordinria:
n
j C(x i , x j ) = C( x i , x 0 ) para i = 1,..., n
j=1
(5.19)
n
j = 1
j=1
onde,
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.
Fig. 5.17 - Representao grfica dos modelos tericos de ajuste aos semivariogramas
experimentais nas direes 0o e 90o.
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 o 2
h 0 o 2
h o 2 h o 2
+ 142,0 Sph +
90 0
(h ) = 45,5 + 210,0 Sph + + 90
4031,0 1883,0 4031,0
h 0o 2 h 90 o 2
+ 37,5 Sph +
. (5.21)
essas imagens revelam que, nas regies Norte e Nordeste, o teor de argila
relativamente baixo;
Resumindo, esta primeira anlise procurou enfocar, atravs de trs exemplos, que a
escolha do modelo decorrente da anlise de continuidade espacial deve ser a melhor
possvel, a fim de retratar a verdadeira variabilidade do fenmeno em estudo.
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.
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.
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.