Escolar Documentos
Profissional Documentos
Cultura Documentos
p.001-007
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.
2 REA DE ESTUDO
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-