III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao Recife - PE, 27-30 de Julho de 2010

p.001-007

INTERPOLAO PLUVIOMTRICA NA BACIA DO ALTO E MDIO

RIO TELES PIRES: UMA ANALISE DE SRIES HISTORICAS E
INTERPOLADORES
BRUNO VIEIRA DE DEUS 1
PETER ZEILHOFER
GABRIELLA COSTA ARAUJO
ADRIANO SEBASTIO LUCAS SANTOS 4

Universidade Federal de Mato Grosso - UFMT

Departamento de Geografia, Cuiab, MT
{brunodedeus, zeilhoferpeter}@gmail.com
gabi_esa@yahoo.com.br
geonegro10@yahoo.com.br 4

RESUMO - Esse artigo trata da utilizao de dados mensais de precipitao para criao de mapas
pluviomtricas da bacia do Alto e Mdio rio Teles Pires. Series temporais provenientes da Agencia
Nacional de guas foram consolidadas incluindo uma reviso interativa da sua consistncia e
preenchimento de lacunas a partir de regresso linear. Para interpolao foram comparados os algoritmos
Krigagem Ordinria Esfrica (KOS), Gaussiana (KOG) e Exponencial (KOE), IDW e Splines
regularizadas. Os resultados foram validados a partir de validao cruzada do tipo K-fold (i.e Leave one
out) e pelo Root Mean Square Error. Constatou-se melhor desempenho para a KOG seguido pela KOS,
KOE, IDW e Splines.

ABSTRACT - This article discusses the use of the monthly precipitation data to create maps of rainfall
for the upper and middle stream Teles Pires river. Time series from the Brazilian National Water Agency
(ANA) were consolidated, and it includes an interactive review of its consistency and fill gaps from linear
regression. For interpolation algorithms were compared Ordinary Kriging Spherical (KOS), Gaussian
(KOG) and Exponential (KOE), IDW and Regularized Splines. The results were validated from cross-
validation type K-fold (ie Leave one out) and the Root Mean Square Error.

1 INTRODUO imageamento, i.e. por Sensoriamento Remoto (Jensen,

A precipitao uma dos principais componentes
da cincia hidrolgica (TUCCI, 2004) e est dentre as
principais variveis naturais com impacto na sociedade
humana. Alem de ser um dos fenmenos mais estudados
pela cincia (Hidrologia, Meteorologia, Climatologia) da
perspectiva temporal, ela tambm amplamente estudada
do ponto de vista espacial.
A estimao de superfcies da pluviometria,
consiste em uma das principais aplicaes da analise
espacial na geografia fsica, climatologia e hidrologia.
Possui importncia para estimativas do balano hdrico
em bacias hidrogrficas, alm de poderem ser utilizadas
como dados de entrada em modelos hidrolgicos
superficiais e/ou atmosfricos. A confeco dessas
superfcies possvel atravs de interpoladores ou
simulaes, sendo a interpolao a maneira mais usual de
produzir mapas (Assad & Sano 2004).
A anlise espacial de superfcies possui uma ampla
diversidade de ferramentas, incluindo tcnicas de
B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos
2009), geoprocessamento e estatstica espacial (Soares,
2006). Sistema de Informaes Geogrficas implementam
hoje diversos mdulos teis para analise espacial
(Cmara, 1996), incluindo diversos tipos de
interpoladores, inclusive baseadas em geoestatstica
(Assad & Sano 2004) como a krigagem (Deutsch e
Journal, 1994). H na literatura diversos artigos que
relatam o uso desses interpoladores, sendo que alguns
deles sero relatados a seguir. Goovaerts (2000) realizou
um estudo detalhado de interpolao pluviomtrica na
regio de Algarves (Portugal). Na comparao de diversos
interpoladores, destacaram-se Krigagem com Deriva
Externa e Krigagem Simples com Mdia Local Variada.
Algoritmos Geoestatsticos foram analisados pelo
Haberlandt (2007). Utilizando dados numa escala de
horas, a autora comparou: Krigagem Ordinria, K. com
Deriva Externa (KED), tendo este mtodo a melhor
performance na disponibilidade de dados secundrios e K.
da Indicatriz; alem dos mtodos clssicos: IDW (ao
quadrado) e Vizinhos + prximos. Os mtodos
univariados obtiveram pior performance; a 2 melhor
III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao
eficincia foi da K. da Indicatriz com Deriva Externa
(IKED). As variveis secundrias mais importantes
foram, em seqncia: os dados de Radar de Solo,
Precipitao diria e elevao do terreno.
Nicolau (2002) buscou a melhor tcnica de
Interpolao Pluviomtrica na Portugal Continental. A
famlia da Krigeagem: ordinria, co-krigagem e com
Deriva Externa (a melhor com dados de altitude)
obtiveram a melhor performance em relao aos
polgonos de Thiessen e tcnicas IDW. Destacou-se
tambm a boa performance da (Thin Plate) Splines.
Reis et al (2005) realizaram um trabalho
agroclimatolgico de espacializao de chuva em Gois e
Distrito Federal. Nele, aplicou-se o Inverso da Potncia da
Distancia IPD( i.e. IDW), expoentes entre 2 e 5, e a
Krigagem: Linear, Esfrica e Exponencial. Sobressaiu-se
a superioridade das tcnicas do IPD (melhor performance
para o peso 2) sobre a Krigagem.
Na Geoestatstica, optou-se pelos tipos de
Krigagem Ordinria: Esfrica, gaussiana e Exponencial;
IDW com peso 2, e a Splines regularizada. Buscou-se,
aqui, avaliar qual o melhor mtodo de interpolao
pluviomtrica para bacia do Alto e mdio Rio Teles Pires.
rea que est localizada na zona de transio da
Amaznia com o Cerrado.
2 REA DE ESTUDO
A bacia do alto e mdio rio Teles Pires possui uma
rea aproximada de ~91.253 km. E est localizada entre
as coordenadas 57 03 32 e S 09 10 48.
Figura 01: Mapa Climtico de Kppen. Modificado por
Moreno & Higa (2005) com localizao da rea de
estudo.
Nos principais municpios pertencentes a bacia
existem grandes plantaes de soja, milho e arroz. Uma
de suas principais caractersticas de antropizao, com um
grande papel modificador do ambiente a rodovia BR-
B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos
Recife - PE, 27-30 de Julho de 2010
p.002-007
163 (Cuiab Santarm) que em conjunto com as formas
de colonizao (ex. na re-territorizao de regies
pertencentes algumas aldeias Bakairi) foram
responsveis pela modificao do ambiente em torno de
seu eixo (Moreno & Higa 2005).
A anlise climtica da rea de estudo ocorrer pela
classificao de Kppen (Figura 2). De acordo com a
classificao de Kppen, na figura 2, o Clima Tropical
Chuvoso de Floresta ocupa a maior parte do norte de
Mato Grosso, na regio da floresta amaznica, mas com
algumas faixas de transio com o Cerrado; seu regime
hdrico no chega a ser equilibrado (a evaporao menor
que a precipitao), o seu clima tpico dessa regio, com
temperatura mdias superiores a 18 Celsius; o Clima de
Savana (Cerrado) predomina no estado, tropical, com
estaes seca e chuvosas.
A bacia possui uma baixa densidade de estaes
com series temporais consistentes (A rea em que esto os
28 pontos corresponde ~320.000 Km. Sendo a sua
densidade de ~11.428Km). Aps analise exploratria e
tratamento estatsticos (item 3.1) foram mantidas 28
estaes para as interpolaes, 10 na prpria bacia e 18 no
seu entorno (Figura 2).
Figura 02: Localizao das amostras na rea de estudo.
3 MTODOS E CONCEITOS
3.1 Preenchimento de falhas
III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao
Os dados pluviomtricos originais foram obtidos
pelo portal Hidroweb da Agncia Nacional de guas
(ANA). As sries histricas possuem tanto dados vazios
(i.e. desconhecidos) quanto errneos (ex. anotados
incorretamente, estaes parcialmente cobertos por
arvores, etc.). Para a sua consolidao (avaliao da
consistncia dos valores, preenchimento de falhas), as
sries histricas foram tabuladas numa nica planilha.
No tratamento estatstico optou-se, primeiramente,
pela excluso dos valores considerados impossveis (ex.
valores menores que 5 mm no perodo chuvoso, valores
menores que 100 mm em Jan ou Fev). Posteriormente
foram tambm eliminados dados considerados
improvveis (Novembro, Dezembro < 50 mm; Janeiro ate
Abril < 80mm). Aps este pr-processamento foram
selecionados somente estaes com no mximo 50
lacunas para a serie histrica utilizada (1993-2006).
Para preenchimento das lacunas (vazios nos dados
originais, valores descartados) foi elaborada
primeiramente uma matriz de correlao (Pearson) para
identificar o grau de semelhana entre todos os pares de
estaes. Em seguida foram determinadas as regresses
lineares para preencher os dados faltosos, sempre
escolhendo a estao com maior coeficiente de Pearson
para estimativa das lacunas em uma respectiva estao.
Aps o termino do tratamento estatstico, realizou-
se o calculo da precipitao anual e o valor mdio de
precipitao para o perodo de 14 anos para cada uma das
28 estaes utilizadas na interpolao.
3.2 Interpolao
Dentro da Analise Espacial destaca-se a Estatstica
Espacial (EE) que, de acordo com Bailey e Gatrell (1995)
apud Carvalho (2008), pg. 8 pode ser aplicada ....quando
os dados so espacialmente localizados e se considera
explicitamente a possvel importncia de seu arranjo
espacial na anlise ou interpretao dos resultados.
De acordo com Meirelles et al. (2007) e Druck et
al (2004) os modelos espaciais podem ser classificados
em determinsticos (e.g. IDW; Superfcie de Tendncia) e
estatsticos, incluindo os geoestatsticos (aonde tambm
podemos incluir os Estocsticos). A inferncia de pontos
para superfcies acontece por meio de diversas tcnicas.
As mais clssicas (ex.: Vizinho mais prximo, Polgonos
de Thiessen e Ponderadores Inversamente Proporcionais
Distancia) tem normalmente a caracterstica de serem
simples e unrias, i.e. s utilizam um nico atributo.
A predio de uma superfcie continua de valores a
partir de um limitado nmero de amostras dar-se atravs
da interpolao. As interpolaes so classificadas
normalmente dentro das 3 independentes formas a seguir:
a) Em exato ou aproximado; no exato, o mapa
criado reproduz nos locais das amostras os seus mesmo
valores; enquanto que nos aproximados mesmo os valores
estimados estando no exato local de cada amostra, eles
sero diferentes (Nicolau, 2002).
b) Se os valores preditos estiverem limitados ou
no pela amplitude amostral o interpolador poder ser
B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos
Recife - PE, 27-30 de Julho de 2010
p.003-007
chamado de Cncavo ou Convexo. No No-convexo os
valores preditos no ficam limitados dentro dos valores
mnimos e mximos das amostras (SOARES, 2006); ou
Convexo, em que o maior valor produzido no mapa ser
limitado pelos maior.
c) As formas de abordagens desses modelos: Em
determinsticos de efeito local, quando a regionalidade do
fenmeno, utilizar s as amostras prximas;
determinsticos de efeito global, se todos os valores esto
correlacionados, utilizando todas amostras para estimar; e
em estatsticos de efeitos locais e globais, i.e. a krigagem
(Drucks et al., 2004).
Um dos principais interpoladores utilizados o da
Ponderao pelo inverso da distncia (em ingls: IDW).
Esse mtodo simples e clssico recomendado para
regies com alta densidade de amostras. Os Splines (nesse
caso regularizada) faz parte da Funo de Base Radial,
um mtodo determinstico, exato e no-convexo.
Recomenda-se usar esta tcnica para estimar superfcies
com variaes suaves e deve ser evitado na espacializao
de conjuntos amostrais com tendncia. (ESRI, 2008).
A Krigagem um dos principais mtodos de
interpolao referendados na literatura (Deutsch &
Journel, 1992). Ela utiliza parmetros geoestatsticos
como termos de entrada no seu sistema de equaes
lineares. Estima o valor mximo da auto-correlao
espacial do atributo a ser espacializado e o valor do
semivariograma (que substitui em alguns casos o valor da
covarincia). Aps ter feito a analise descritiva dos dados,
deve ser feita a analise a partir de ferramentas
geoestatsticas.
Deve ser calculado o valor do semivariograma
condicional ao conjunto de dados de entrada. Atravs dele
pode se inferir o comportamento dos dados (esfrico,
gaussiano, exponencial, etc.). Deve ser analisado se existe
a anisotropia (mudana de valores segundo uma direo)
e caso exista, o seu alcance, alem de outros parmetros,
como Efeito pepita e Patamar (ver SOARES, 2006).
Para cada comportamento esperado h um
semivariograma terico que deve ser usado. Ele
definido por uma frmula que possui como termo de
entrada parmetros do semivariograma: alcance,
patamar,(...). Druck et al., 2004. Aps o calculo de todos
os semivariogramas (ou at covarincias, segundo
Deutsch & Journel, 1992) pode ser realizada a resoluo
das equaes da krigagem, pois os nicos termos que
permanecem desconhecidos so os pesos.
A equao para estimar cada valor,
n
Z k* = wi * z ( xi )
i =1
(1)
Sistema de Equaes lineares da krigagem
ordinria,
III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao Recife - PE, 27-30 de Julho de 2010
p.004-007

w1 S (d 11 ) + w2 S (d 12 ) + w3 S (d 13 ) + = S (d 1 p )
A razo da varincia (RVar) (Haberlandt (2007),
w1 S (d 21 ) + w2 S (d 22 ) + w3 S (d 23 ) + = S (d 2 p ) (2) como quarto mtodo, ajuda a avaliar o efeito da
w1 S (d 31 ) + w2 S (d 32 ) + w3 S (d 33 ) + = S (d 3 p ) suavizao da estimativa.

RVar =
[
Var Z * (u ) ] (6)
Aonde: *
k
= valor a ser estimado em x e y, Var [Z (u )]
wn = pesos usados na Krigagem e z(xi ) o valor de cada Ela divide a varincia dos dados estimados pelo
conjunto de entrada, permitido observar, por exemplo, se
amostra a ser utilizada. Aonde so os valores do houve grande variao da amplitude dos valores mnimos
semivariogramas S (d nn ) e o smbolo para os e mximos utilizados. Quanto mais prximo o valor for
multiplicadores de Lagrange (usados s na Krigagem igual a 1, melhor ser a capacidade de preservar a
Ordinria). varincia dos dados originados em comparao aos dados
Existem diversos tipos de Krigagem, sendo os estimados.
principais: simples, ordinria, universal (=com modelo de
tendncia), com Tendncia externa, etc.; alm da 4 RESULTADOS
Cokrigagem (Deutsch & Journel, 1992). Foi utilizada 4.1 Preenchimento de falhas
nesse trabalho somente a K. Ordinria. A Krigagem O preenchimento de falhas utilizado foi o do
Ordinria tem a covarincia estacionria, mas, mdia no mtodo que utiliza a correlao e regresso. Porm,
estacionria (i.e. local e condicionada s amostras na realizou-se tambm o preenchimento por outro mtodo,
vizinhana de busca), Deutsch e Journal (1992). A soma utilizando o valor mdio de cada ms. Para avaliar alm
dos pesos na KO igual a 1. Ela utiliza Lagrange para do mtodo a influncia do conjunto de dados, realizou-se
minimizar o erro da covarincia. o preenchimento sobre 2 grupos de valores diferentes. No
primeiro conjunto preencheram-se os dados faltosos (ou
3.3 Mtodos de Validao seja, no disponibilizados pela ANA) e impossveis (i.e.
extremos); e no 2 conjunto alm de estimar os mesmos
Foram empregadas em conjunto (ou seja, em dados tambm foram estimados os dados improvveis.
seqncia) varias tcnicas. Por haver poucos dados no se
pode criar um grupo de pontos controle (sub-set) Tabela 01 As maiores diferenas entre a srie preenchida por Corr. e
Regr. (s precisou preencher dados faltosos) com as demais sries
independentes, i.e. que no foram utilizados na predio, preenchidas por outros mtodos
sendo, ento, necessrio utilizar tcnicas alternativas Mdia
(ANDRIOTTI, 2002). Para extrair o resduo utilizou-se a Estao anual a (mm) b (mm) c (mm) d (mm) e f
validao cruzada. O erro calculado por esse tipo de (mm)
validao cruzada pertence ao tipo K-fold (que neste 254000 2235,5 -116,2 -89,8 -170,4 -221,6 5 e 6 0,951
255000 2523,5 -32,7 -5,1 -142,8 -224,2 3 e 5 0,987
caso igual ao Leave-one-out). O nmero de predies
1155000 1846,3 0,0 -6,3 6,2 3,0 14 e 0 1,000
necessrias para realizar esse mtodo igual quantidade
1158002 2080,4 108,8 121,4 107,1 106,9 2 e 0 1,055
de amostras. Para cada predio omitida uma amostra, 1154001 1919,3 -14,9 8,4 0,5 -51,6 11 e 1 0,992
para poder conhecer o valor estimado no local da amostra. 455002 2033,5 -2,1 -3,8 38,3 -41,6 22 e 1 0,999
Ao subtrair o valor verdadeiro com o valor predito tem-se 154003 1613,8 6,1 1,76 -54.4 -75,1 1e2 0,999
o erro da estimao da cada ponto para cada mtodo 1458002 1505,3 39,3 6,63 -241,0 -103,5 19 e 4 0,860
usado (GOOVAERTS, 2000). a) Com Correlao e Regresso preenchendo
Na seqncia, utilizaram-se trs mtodos para valores faltosos e impossveis, b) dados faltosos
analisar os resduos calculados pela validao cruzada, a preenchidos a partir da mdia mensal (dos valores
Raiz do Erro Mdio Quadrtico (=Root Mean Square observados), c) Regresso para preencher dados errneos
Error). Jacovides, 1995. e faltosos e d) Preenchimento pela mdia p/ preencher
2 dados errneos e faltosos, e) Nmero de falhas e dados
1 n ^

RMSE = * i =1 z ( xi ) z ( xi ) (3) impossveis e f) Razo entre dados faltosos preenchidos /
n dados errneos e faltosos preenchidos.
, a tendncia (Bias) (Haberlandt 2007):
Uma interessante observao que na tabela 1 e na
n
[
Bias = Z * (u i ) Z (u i ) n ] (4) tabela 2 haver diferentes valores de erros/variao de
i =1 acordo com a srie de referncia escolhida. Por ser
e a correlao (Cor) (Teegavarapu & subjetivo a escolha de qual deve ser a srie de Referencia,
Chandramouli (2005): i.e. se a mais elaborada ou a mais simples. Foram

Cor=
[
CovZ(u), Z * (u) ] colocadas ambas as tabelas no intuito de exemplificar a
situao. Observa-se que preferiu-se utilizar a srie
[ ]
(5)
Var [Z (u)]. Z * (u)
histrica em que foram estimados os dados faltosos e re-

B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos

III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao Recife - PE, 27-30 de Julho de 2010
p.005-007
estimados os valores improvveis e impossveis. Essa considerado relativamente baixo, sendo longe de ser um
srie histrica a srie de referncia usada na tabela 2. caso de efeito pepita puro (SOARES, 2006).

Tabela 2 - Maiores Diferenas entre Correlao e Tabela 3 - Parmetros na Interpolao

Regresso preenchendo dados: errneos, impossveis e Krigagem Modelo Alcance Vizinhana E. Patamar
faltosos com os demais mtodos de preenchimento da Pepita
srie histrica. Ordinria Gaussiano, 733 km 5 (min: 2) 2851 50803
Esfrica e
Exponencial
Estao a b c d e f
655002 20,5 9,50 0,67 -60,05 14, 5 e 1 1,00
Na tabela 4 esto representados os valores dos
1055002 0,62 0,62 -7,25 -18,24 7, 1 e 0 0,99 erros de cada mtodo. So destacadas em negrito as
1158002 -107,1 1,69 14,28 0,19 2, 1 e 0 1,00 estaes dentro da bacia e o mtodo que melhor previu os
1458002 241,0 201,73 247,65 137,51 19, 5 e 4 1,16 dados de cada estao. A figura 4 ainda destaca os
1154001 -0,51 -15,36 7,89 -52,15 11, 5 e 1 1,00 mtodos que melhor estimam a precipitao em cada
a) Correlao e Regresso Preenchendo Faltosos, b) com estao.
Cor. e Reg. p/ preencher os dados impossveis e faltosos,
c) Dados faltosos foram Preenchidos pela Mdia, d) Tabela 4: Valores do erro de cada estao e mtodo.
Preenchimento Pela mdia para os dados errneos, Estao P annual KOE KOG KOEx IDW S. Reg
impossveis e faltosos, e) Dados em Falta. Errneos e 855000 2444,57 -283,6 -251,9 -318,5 -424,2 -809,7
Impossveis e f) Correlao e Regresso preenchendo 857000 2121,07 -134,5 -41,6 -172,2 -169,4 394,9
dados: errneos, impossveis e faltosos / Mdia 954001 2228,68 -207 -202,7 -212,6 -283,9 59,6
preenchendo dados: errneos, impossveis e faltosos.
956001 2075,86 28,4 29,4 23,5 -59,1 -139,2
957001 1865,07 265,8 247,2 271,4 243,4 12,3
Observa-se que houve uma nica estao dentre as
57 que no precisou ter seus dados preenchidos. 1053001 1764,88 243,5 243,8 229,6 150,1 -58,4
Considerando o nmero total de dados de cada srie no 1054000 1872,88 27,5 21,8 28,6 23,6 -55,9
perodo do estudo de 14 anos (i.e. 168), podero ser feitas 1055001 2012,06 18,8 13,9 10,7 -45,1 200,8
algumas observaes. O nmero de erros pequeno, 1055002 1778,92 148,9 157,2 146,7 131,5 13,1
porem significativo, dentre as 57 estaes presentes. O 1055003 1904,68 -76 6,7 -107,3 -89,6 67,9
trabalho precisaria ser realizado com pouqussimas sries 1057001 2156,55 -241,0 -199,2 -258,5 -220,1 87,9
histricas, caso fossem consideradas somente estaes 1154000 1884,89 -25,7 -28 -27,2 -11,5 102,4
com um nmero mnimo/rgido de falhas.
1154001 1918,87 -135,6 -140,9 -125,1 -116,5 -95,8
1155000 1840,08 -10,5 -14,3 -11,8 -1,8 -31,9
3.2 Interpolao
A seguir mostrado a anlise descritiva feita a 1156000 1799,45 69,6 64,2 80,8 78,7 -38,0
partir dos dados de entrada na interpolao. Observou-se 1156001 1832,69 20,0 -13 31,8 12,9 -13,5
que a srie histrica possui uma distribuio bem prxima 1157001 1918,6 -17,0 -57,1 5,7 -21,1 53,7
da normal. Observa-se um valor do coeficiente de 1254001 1618,95 153,5 182,6 136,8 150,7 67
variao (adimensional) menor do que 1, sendo segundo 1255002 1723,89 17,9 66,3 0,4 12,2 46,6
Andriotti (2002) desnecessrio fazer uma transformao 1354000 1833,86 -121,5 -103,8 -118,2 -103,7 -44,6
lognormal. Com o coeficiente de assimetria positivo 1355001 1762,87 7 -1,2 10,4 4,6 146,1
(1,17), entende-se que h o predomnio da 2 metade de
1356002 1866,66 -83 -101,5 -72,6 -101 -169,5
valores.
1357000 1730,09 168,7 169,7 160 117,6 20,8
1453000 1697,86 77,5 50 83,1 97,2 6
1454000 1803,25 -87,1 -95,2 -86,7 -98,4 -38
1454002 1619,63 151 178,2 142,6 151,7 19,1
1455004 1771,68 -80,7 -20,6 -95,7 -110,8 -80
1457003 1954,1 -161,4 -154,8 -168,2 -182,8 2
Figura 3 - Analise descritiva dos dados de entrada na RMSE: 137,18 130,46 141,92 148,43 187,72
interpolao

Na tabela 3 h os valores obtidos na anlise

geoestatistica. Para o conjunto das 28 amostras mediu-se
o alcance da auto-correlao espacial em 733 km, sendo
isso um valor dentro do esperado para a regio, que
envolve uma zona de transio entre a Amaznia e o
Cerrado. O efeito pepita, com valor de 2851 pode ser
B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos
III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao Recife - PE, 27-30 de Julho de 2010
p.006-007
Tabela 5 - Rvar, Corr e Bias dos interpoladores
comparados.
KOE KOG KOEx IDW S. Reg
Rvar 0,49 0,51 0,47 0,33 1,33
Corr 0,66 0,70 0,63 0,60 0,55
Bias -9,52 0,19 -14,73 -30,89 -9,80

Calcula-se o valor mdio do erro/resduo (Bias)

para conhecer uma a tendncia de super- ou subestimao
de um mtodo. Para este critrio observa-se o pior
desempenho do mtodo IDW que subestima fortemente as
precipitaes observadas. Destaca-se ainda, o fato dos
splines ter tido tanto a maior razo (Rvar) quanto o valor
mais prximo de um, dentre os valores da razo da
varincia. A sua alta varincia pode ser associada
especialmente a sua no-convexidade (i.e estimar valores
alem da amplitude mnima e mxima das amostras).
Foi feita ainda uma analise da correlao entre
vrios fatores que foram considerados na analise, como o
erro dos mtodos, os vrios tipos de dados que precisaram
ser preenchidos alem da densidade de amostras. Porm,
dentre os 10 fatores analisados (KOE, KOG, KOEx, IDW,
S. Reg., Faltosos, improvvel, Impossvel, total de
preenchidos; e a densidade). S as 7 abaixo demonstraram
algum valor de correlao entre elas.
Na Tab. 6 pode ser vista a baixa correlao entre a
S. Reg. e os demais mtodos, mostrando a sua
singularidade como interpolador.

Tabela 6 - Correlao entre as principais variveis

estudadas.
KOE KOG KOEx IDW S. Reg Falhas Total
KOE 1 0,973 0,995 0,964 0,250 0,212 0,279
Figura 4 - Melhor interpolador por estao. Os desvios
KOG 1 0,949 0,932 0,294 0,300 0,353
absolutos so expostos na tabela 4.
KOEx 1 0,971 0,248 0,172 0,246
Observou-se uma expressiva heterogeniedade da IDW 1 0,363 0,135 0,215
eficincia dos mtodos. Destaca-se a boa performance S. Reg 1 -0,147 -0,126
para vrios pontos no mtodo Splines, se fosse Falhas 1 0,969
desconsidera a estao em que a S. Reg. teve pior Total 1
performance, ela teria sido o conjunto com a melhor
interpolao pelo RMSE. Sua eficincia supostamente Destacou-se a alta correlao entre os variados
deve-se a grande irregularidade dos valores daquela tipos de krigagem e o IDW. Sabe-se que ao utilizar
regio. Isso pode ser confirmado a partir da comparao amostras mais distantes que o valor da auto-correlao
do desvio-padro (DP) das amostras utilizadas para a espacial de vrios pontos da krigagem podem estimar
interpolao e seu erro conforme a validao cruzada. Foi valores similares ao mtodo do IDW (). possvel,
encontrada uma correlao relativamente baixa (0.56) tambm, entender a partir da tabela 6 que a maioria dos
entre o erro da Splines e o DP, mostrando a sua relativa dados estimados (coluna Total) pelo mtodo de
robustez para predies em regies de elevada preenchimento de dados eram dados que no foram
variabilidade da precipitao. disponibilizados pela ANA. Podendo entender, ento, que
Rvar, Corr e Bias, indicadores complementares do mesmo seus dados possuindo alguns problemas, eles
desempenho comparativo dos mtodos de interpolao possuem confiabilidade. Foi considerado que nessa
esto expostos na tabela 5. situao a densidade de amostras no teve grande
possvel observar que a KOG obteve o menor influncia na interpolao pela ausncia de uma
RMSE (ver tabela 5), alm do menor vis (Bias) e a maior correlao entre os demais conjuntos de dados
correlao com os valores medidos pela ANA. verificados. Uma das razes que normalmente os
mtodos interpoladores utilizam como parmetros
principais o nmero de amostras em vez das amostras
B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos
III Simpsio Brasileiro de Cincias Geodsicas e Tecnologias da Geoinformao
mais prximas segundo um raio qualquer (i.e.conhecido
como: varivel).
Segundo a tabela abaixo as sries com maior
diferena so do IDW e KOG e do IDW e KOEx. O IDW
ainda obteve a 3 menor significncia (0,022).
Demonstrando que a krigagem um mtodo superior ao
do IDW. A K O Esfrica tambm demonstrou pelo teste
t ser melhor que a KOEx.
Figura 5: Teste t de student. Comparao dos erros de
cada mtodo.
5 CONCLUSES
Observou-se que dentre os mtodos de
preenchimento de falhas, as melhores estimativas foram
obtidas atravs da correlao e regresso. O
preenchimento pela mdia mensal porem possui
desempenho pouco inferior com uma maior facilidade de
execut-lo. Foi ainda necessria a re-estimao de alguns
dados das series temporais originais que foram
considerados impossveis ou improvveis de acordo com
o conhecimento da pluviosidade mensal na regio.
Quanto a interpolao, observou-se a boa
performance dos Splines regularizados para a estimativa
das precipitaes anuais mdias em varias estaes. Sua
performance geral caiu principalmente por causa de uma
nica estao, tornando importante considerar esse
mtodo em futuras estimaes nessa rea de estudo. A
melhor performance geral foi obtida para a KOG, aferida
tanto pelo teste do RMSE, quanto pela Correlao e Vis
(Bias).
REFERNCIAS
ANDRIOTTI, J. L. S. Fundamentos de Estatstica e
Geoestatstica. So Leopoldo: Unisinos, 2002.
CMARA, G.; SOUZA, R.C.M.; FREITAS, UM;
GARRIDO, J. SPRING: Integrating remote sensing and
GIS by object-oriented data modeling. Computers &
Graphics, 20: (3), p. 395-403, 1996.
DE DEUS, Bruno Vieira; ZEILHOFER, Peter; SANTOS,
Emerson Soares dos. Interpolao Espacial de
Precipitaes Anuais na Bacia do Alto e Mdio Teles-
Pires, MT. In: Simpsio Brasileiro de Sensoriamento
Remoto, XII, 2007, Florianpolis. Anais... So Jos dos
Campos: SBSR, 2007.
B. V. Deus, P. Zeilhofer, G. C. Arajo, A. S. L. Santos
Recife - PE, 27-30 de Julho de 2010
p.007-007
DEUTSCH, C.V.; JOURNEL, A.G., 1992. GSLIB:
Geostatistical software library and users guide.
Oxford University Press, New York, p. 340.
DRUCKS, S.; CARVALHO, M. S.; CAMARA, G.;
MONTEIRO, A. M. V. (ed. tec.). Anlise Espacial de
Dados Geogrficos. Embrapa Cerrados: Planaltina, 2004.
ESRI. Environmental Systems Research Institute,
Redlands, EUA, 2008.
GOOVAERTS, P. Geostatistical approaches for
incorporating elevation into the spatial interpolation of
rainfall. Journal of Hydrology, v 228, p 113129, 2000.
Disponvel em: <www.elsevier.com/locate/jhydrol>.
Acesso em: 10 de Setembro de 2006.
HABERLANDT, Uwe. Geostatistical interpolation of
hourly precipitation from rain gauges and radar for a
large-scale extreme rainfall event. Journal of Hydrology.
332, 2007, 144157.
JACOVIDES, C.P.; Kontoyiannis, H. Statistical
procedures for the evaluation of evapotranspiration
computing models. Agricultural Water Management.
27, 1995, pg. 365-371.
MAITELLI, G. T. In: Moreno, G.; Higa, T. C. C. de S.
(org.). Geografia de Mato Grosso: territrio, sociedade
e ambiente. Cuiab, Entrelinhas, 2005. p. 296.
SOARES, Amlcar. Geoestatstica para as Cincias da
Terra e do Ambiente. 2 ed. Lisboa: IST, 2006, p. 214.
TEEGAVARAPU, R.S.V.; CHANDRAMOULI, V.
Improved weighting methods, deterministic and stochastic
data-driven models for estimation of missing precipitation
records. Journal of Hydrology, 312 (2005) 191206.
TUCCI, Carlos E.; SILVEIRA, M.; Andr L. L. da.
Hidrologia: cincia e aplicao. 2. ed. Porto Alegre:
UFRGS, 2004.