B)

A) > 47,5
> 47,5
0.671

45,5
45,5
0,671
43,5
43,5
1,089
1.089

41,5
41,5
0,351
0,351
39,5
39,5

0,251
0,251 37,5
37,5
2,5 4,5 6,5 8,5 10,5 2,5 4,5 6,5 8,5 10,5
12,5
X

C D)
34,5 > 34,5
2,211 0,471
0,471
2,211
32,3 32,3

30,1 30,1

27,9 27,9

25,7 25,7
0,214 0,214
0,297 0,297
23,5 23,5
-1,0 1,2 3,4 5,6 7,8 10,0 -1,0 1,2 3,4 5,6 7,8
X 10.0
Fig. 3.18 Diferentes localizações dos pontos interpolados em relação aos pontos vizinhos (A-B e C-D), resultando
em variâncias de krigagem e multiplicadores de Lagrange iguais

TAB. 3.8 Pontos de dados para estimativa por krigagem ordinária de

Xo = (8,75; 41,75) e Xo=(6,25; 43,25). representados
nas Figs. 3.18A e 3.18B, respectivamente

Xo = (8,75; 41,75) Xo = (6, 25; 43,25)

X Y Z (x)
Pesos Pesos
10,50 46,50 0,671 0,129344 0,186156
3,50 43,50 1,089
0,161796 0,522704
4,50 38,50 0,251 0,186156 0,129344
11,50 41,50 0,351 0,522704 0,161796
Zko (Xo) 0,493298 0,783538
1,327584 1,327584
-0,140751 -0,140751

76 Geoestatística: conceitos e aplicações

 B

33,5
y 41,5
3,094
o.255 0,707 8,781
39,1 30,5

36,7 27,5

34,3 24,5
0,213

31,9 3,094 21,5

1,340
2,739
29,5 18,5
39,5 41,9 44,3 46,7 49,1 51,5
X
35,0 38,0 41,0 44,0 47,0 SO.0

> 47,5 33,0

0,650
0,671
45,5 31,0 3,491
8,781

43,5 29,0 -

41,5 27,0
0,351

39,5 25,0 0,581

0,213
1,910
37,5 23,0
16,0 30,0 32,0 34.0 36.0 38,0
8.0 10,0 12,0 14,0 18,0 40.0
Fig. 3.19 Diferentes localizações dos pontos interpolados em relação aos pontos vizinhos (A-B e C-D), resultando
em variâncias de krigagem praticamente iguais ( <0,000001)

TAB. 3.9 Pontos de dados para estimativa por krigagem ordinária de

Xo= (1,25; 26,75) ex, = (1,25; 31,25), representados
nas Figs. 3.18C e 3.18D, respectivamente

Xo = (1,25; 26,75) Xo = (1,25; 31,25)

X Z (x) Pesos Pesos

7,50 33,50 2,211 0,019869 0,077132

0,50 32,50 0,471 0,148312 0,754688
0,50 25,50 0,214 0,754688 0,148312
7,50 24,50 0,297 0,077132 0,019869

ZKo (Xo) 0,297810 0,563223

0,902825 0,902825
-0,065831 -0,065831

3 Estimativas Geoestatísticas 77
 pontsexplicarpontos. <0,000001;
completamente
dd eo
rol assocau
incerteza
não
propostas, háainda
ordinária,
deuso a
diferentes
podem dos 3.13. disso,
nas -0,044237 nas espacial( a incerteza de O
0,084588
0,398801 0,013819
0,502793 3,889022
1,315590 0,333049
0,495009 0,074756 5,573413
0,097186 -0,140597
1,072105 iguais Fig. intervalo propös
representados Pesos representados Pesos Lagrange pontos que Apesar da
novas minerais. medida
uma
da krigagem krigagem
de Xo=(39,75;
27,25) 29,75) para menor
praticamente
ordinåria
de
ordinária configuração D de surgem 491)
Z(x))3,0948,7810,213 Zo
(Xo) (Xi)8,7813,491 0,213Zko
Z (Xo) e
Ce
medida do
1,340 0,581 aplicados
27,25), 29,75), (36,25; de arranjos muito pares cálculo
da
variância
de
p. de
(2000,
krigagem krigagem multiplicador frequentemente alternativa
estimativas
32,5030,5024,5019,50 30,5031,5025,50 24,50 como
= nos como
(39,75; (36,25; Xo quekrigagem
Y Y são de é
de reservas Yamamoto
estimativa
verifica usada
por respectivamente utilizada fins
iguais índice
45,5038,5038,5046,50 por respectivamente 38,5033,5031,50 38.50 verifica-se a
=
estimativa =
estimativa parade usar ser das
Xo X
=42,75)
xo
X e um de se
variância (1994), classificacão
e 0,470390 0,158258
0,365340
0,006012 1,898100 -0,065462e
1,315590 0,089008
0,237890 0,135444
0,537658 0,661819 -0,140597
1,07210S pesos variâncias
da mesmo ser propõem pode confiabilidade
ordinária,
35,25) Pesos Pesos krigagem
para 3.19B,
somente 3.19, incerteza pode
para
35,25) 3.19D, 42,75) Armstrong não interpolação:
que
dados(47,75; dadoS
Xo
(13,25; mesma Fig. O
não krigagem
e (xi)
Z (Xo)
ZKo e (x) 0,650 0,3511,910(Xo)
0,671
Zko mostram em 3.19B. ordinária. de
e krigagem
3.19A (47,75; 0,7070,2533,0942,739 3.19C (13,25; é a paraisso
de de Z krigagem a
resultam
analisa krigagem variância da
Pontos= Pontos de 3.19A, Fig. segundo ignoram
medida
Xo Figs. = 38,5040,5032,5030,50 Figs.
= 46,5046,5041,5038,50 situações krigagem
portanto,
de pela de
Xo Xo 3.9 da
10 3.11 Y se Fig. ponto de
reservas
minerais.
variância variânciaaplicações
Y
de quando também de
3. e da
sentido, que feitaa
48,5041,5045,5049,50 15,5010,5011,5015,50 3.8 variância na variância
TAB. TAB.
As uso e, pesquisadores para
X Tabs. exemplo,no da estimativa estimativa
amostrais. estimativa estimativa denominou
diferentes
Contudo, Nessede a
Como e
conceitos
a aceitas,
As a razao,
que Por da
Geoestatística:
78
 79
Geoestatísticas
Estimativas
3
seguintes
ser
interpolado,
a aparade
tanto -ésimodos de Yamamoto
interesse depósito
avaliação determinado
incerteza como: krigagem negligenciada
dos se segundo
da
(3.24)
ordinária. variância (3.25) relacão
interpolação (3.26) que
covariâncias cálculo
desenvolvida ZvZy
as
o
para à de a a que
o
de
Assim,
fazere o
pesos
da
krigagem
apresenta interpolação; a equivalente: similar em variável ser variâncias ser autores,
pares
aoponto
aplicada
autor, interpolação
de
encontra-se
se
médio
considerando
pode como:
(zy,-z¢))
o%E|(z,-z) as de
distâncias.
pode
é
variâncias ao ser envolve
das combinações
esse esses
krigagem ser
pode
com forma
S
(a0)]?- + - z * ela
seja,
da
médio
teor depósito
exemplo,
escrita pode não
s;-}[z()-Zi
(x)]' coincide
na
com utilizados
acordo de ou
3.24 o cubagem,
determinar
do
expressão média
termo
covariâncias
pequenascom
dos das valorPor ser
variância
de 3.24) de
(Eq. sub-bloco.
variância bloco, àEq. médio acordo
meio escrita média equivalente estudo. pode a consideram
simplesmente
segundo
o
próximos De o determinar de
teor médio essa para de
dado
de por bloco. e bloco
deve-se dessas
ser a sub-blocos Teoricamente,
principalmente
interpolação é l-ésimo a em N
1
zero: estrutural que 493). ocubagem, 323),
492-493),
a de também S; espaciali-ésimo teor N i=1
j O quais
se
um aigualvalores krigagem
ponto
1
V, é p. é3.25 depósito, p. cubagem. soma
se é
blocodomédiomais os 2000, do (1978,
1 expressão
Z;),asa
de do
Yamamoto
(2000,
p. será informaçãopode
dos de nada entre
Eq.
(Yamamoto,
fenômeno
necessidade médio
de global 323),
termo.
do a blocos Huijbregts
interpolação
dispersao a
variância V 1
teor que um estimativa de correlacionados,
para bloco médio 3.25variänciade p,
exatidão,
pos, N
N dessa -
blocos (1978,
-Z)(Zy,
como
eindiretamente
a oZ*(x0)é matemáticado de teor N 1 primeiro
por
propriedades:
de
acom da pontual
aYnressão

um
para
teor
o

Eq.
a
que amais
Krige
507-509).
p.(2000,
vezes,
minerais
há domínioo for composto
Z* de
variância
eJournel termo
os
para
primeiroEZy,
Huijbregts
ao
oomndo yariância .aumenta interpolação é Observarde o Se apresentam
respeito
a
vonte
krigagem
Z; e
sub-bloco aditividade
Sub-blocosprova Muitas todorecursos
associada. Segundo calculadas
que émineral e
A em A sobre Como: A O erros Journel
cOm
de
 covariância do erro seria possível se o variograma
fosse
dentro do depósito, mas o variograma é calculado conheci do doem
seja, em no máximo metade das dimensões do
apenas dentro
depósito mineral. campo todas,as istanias h

oferecida porgeonYaetimcoa,nooto
Uma proposta ao cálculo da variância global do
(2001c, p. 63), que se baseia na seguinte equacão: depósito foi
N

(=1 0=1

Essa expressão ésimilar àEq. 3.25. Observar que se Dode usar (32)
de aditividade de Krige para calcular a variância da
krigagem de bloco, e, em a
essas variâncias individuais para calcular avariância
associada
recursivamente
ao teor seguida, relacao
Yamamoto (2001c, p.63) demonstrou que a Eq. 3.27 equivale a: médio compOY do
M depósito
S= =1
A3(Z(Xa) - z;]'
em que Aé opeso global definido associado ao a-ésimo ponto de dadoo Z(Xa), segundo
Crozel e David (1985, p. 788).
Além disso, Yamamoto et al. (2012, p. 150)
demonstraram que a
variância global de
variáveis categóricas também pode ser calculada de forma semelhante àEq.
comprova a confiabilidade da medida de incerteza por meio da 3.27,o que
variância de
Todas as expressões derivadas da fórmula básica da variância de interpolacâo (Pe 3an interpolaço.
foram provadas matematicamente e, por isso, não sao formulações empíricas. Isso
sionifra
que se pode usar a varnäncia de interpolação tanto
TAB. 3.12 Variâncias de interpolação calculadas para os para
arranjos das Figs. 3.28 e 3.29 variáveis contínuas como para variáveis discretas, inclusive
para as variáveis discretas com o mapeamentoda zona de
Ponto para interpolação Fig. incerteza.
Xo = (8,75; 41,75) 3.18A 0,083012 Para enfatizar oexposto, as Figs. 3.18 e 3.19 e as Tabs. 3.8 a
Xo = (6, 25; 43,25) 3.18B 0,118085 3.11 serão, em seguida, consideradas segundo a metodologia
Xo = (1,25; 26,75) 3.18C 0,082493 da variância de interpolação (Tab. 3.12).
Xo = (1,25; 31,25) 3.18D 0,235390
Comparando os resultados da variância de interpolação
Xo = (47, 75; 35,25) 3.19A 1,318030 com a variância de krigagem, verifica-se que a primera
Xo = (39,75; 27,25) 3.19B 16,480262
reflete sempre a dispersãodos valores. Por exemplo, entre
Xo = (13,25; 42,75) 3.19C 0,263057 OS pares A e B da Fig. 3.19, o arranjo da Fig. 3.19B tem uma
Xo = (36,25; 29,75) 3.19D 11,191281 dispersão de valores muito maior que a que ocorre na ti3
arranjo
3.19A e, dessa forma, a variância de interpolação do
da Fig. 3.19B é de 16,48, enquanto, para oarranjo da Fig. 3.19A, a variância de interpolaçãoé
igual a 1,318.
da
Para mostrar a mesmos dados
heterocedasticidade da variância de krigagem, os os
amostra do conjunto lognormal (arquivo 12, anexo B) foram processados, conforme
resultados ilustrados na Fig. 3.20. médioglobal
Com os teores krigados teor
representados na Fig. 3.20A, determinaram-se odados sâomuito
igual a 1,708 (Eq. 3.26) e a variância global igual a Esses
3,718 (Eq. 3.27). sefaça
necessário,
importantes para qualquer estudo de viabilidade técnico-econômica que

80
Geoestatística: conceitos eaplicações
 A) (B)
4,01342 7,87255 0,00112 7,53336 15,06561
0.15430

50
50

40
40

30
30

20
20

10
10

10 20 30 40 50 10 20 30 40 50

ig. 3.20 A) Mapa de teores estimados por rigagem pontual e B) mapa da variância de interpolação. Parâmetros
de interpolação: DX = DY = 2,5 e 1ponto por quadrante

Dois a incerteza é um fator determinante para qualquer tomada de decisão envolvendo

aplicacão de recursos financeiros. Avalidade da Eq. 3.27 pode ser comprovada diretamente
com os dados krigados (Fig. 3.20), como ilustra a Fig. 3.21.

B
50 80

40
60

30
40
20

20
10

0
0,15 1,70 3,24 4,79 6,33 7.87 0,00 3,01 6,03 9,04 12,05 15.07
Teor médio Variância interpolação

Fig. 3.21 Distribuição A)dos teores médios calculados nos blocos de cubagem e B) das variâncias de interpolação

Da distribuição dos teores médios (Fig. 3.21A), pode-se calcular o teor médio do depósito:

N1,708
e a variância:
1
E-6]' -2207
i=1

3 Estimativas Geoestatísticas 81
 Do histograma das variâncias de interpolação (Fig. 3.21B),
1N
(=1
=1,510 calcula-se a
média:
Somando os dois termos da variância. tem-se a variância global
do
S= 1,510 +2,207 =3,717 depósito.
Nesse exemplo, a média do depósito foi exatamente igual à média
o que demonstra que as fórmulas enmpregadas estão Corretas. Por dos
nos quais se calculam blocos de cubagem acima de um dado
outro
teor de ema 1ado,pontos casosde dardeogais
depósito será maior que a média dos pontos de dados, por causa
da corte, média dn
Atécnica da krigagem ordinária foi descrita nesta seção
como
se pode aplicá-la para ocálculo de estimativa e, ao mnesmo tempo,
restrição imposta.
objetivo de
chamar a mostrar como
medidas de incerteza. Como exposto, a variância de
krigagem, de natureza atencao para as
não pode ser usada como medida de incerteza e
muito menos para fins
intervalo de confiança da estimativa e, consequentemente. para de cálculo do
classificação de recursOS
minerais. Foi demonstrado que o multiplicador de Lagrange resultante
homocedástica.
da
sistema de equações da krigagem ordinária não pode ser usado
como umaresolmedida
ucão dode
variância, pois, dependendo da geometria do arranjo de pontos de dados que poderááser
positivo, ora negativo. A única exceção é o multiplicador de
que corresponde a uma variância, também independente dos
Lagrange na krigagem da médioraa
valores dos pontos
dados de
mas somente do modelo de variograma.
A variância de interpolação, por outro lado, parece ser a
única solução viável nam
determinação da incerteza associada àestimativa por krigagem ordináia. Além disso al
pode ser usada para o cálculo da variância global do depósito mineral, que é
fundamentzal
para estudos de viabilidade técnico-econômica.
Evidentemente, essa constatação não exclui a possibilidade de se fazer simulaçào
estocástica para determinação da incerteza, como serávisto no Cap. 5.
No processo de inferência espacial, é importante que as característicasdas amostras
sejam reproduzidas, para que possam ser usadas para inferir com segurança ofenômeno
espacial desconhecido. Assim, espera-se que a krigagem ordinária reproduza nao so o
istograma, mas também ovariograma, ou seja,a distribuição e variabilidade espaciais do
fenômeno em estudo.
A krigagem ordinária, entretanto, produz estimativas suavizadas, de tal mouo q
valores mais altos são subestimados e os valores mais baixOS, superestimados. Trata-se de
um efeito colateral da krigagem conhecido como efeito de suavização.
Esse efeito não éexclusivo da krigagem ordinária, mas de todos os demais métodos
efeitode
baseados na média móvel ponderada (p. ex., inverso da distância). Acorreção do
estimativas,
suavização pode ser feita Processamentodaspodeestar
pela aplicação de algoritmos de pós-
os quaisadicionam ou subtraem uma quantidade dependendo da estimativa, que po
sub ou superestimada. Yamamoto(201)
Yamamoto (2005, 2007) e, mais recentemente, Rezaee, Asgharie suavização
do efeitode:
estudando o assunto, propuseram algoritmos distintos para correção
82
Geoestatística: conceitos e aplicações
 , lericagem ordinària, sendo mais encientes se aplicados a dados transformados em vez dos
dados originais. As estimativas são corrigidas do efeito de suavização para em seguida serem
submetidas à transformação reversa, para retorná-las à escala original de
medida. Tais
algoritmos serão descritos na seção sobre krigagem não linear, que trabalha com estimativas
feitas no domínio dos dados transformados

3.3 KRIGAGEM NO LINEAR

0s métodos de estimativa que usarm os dados transformados não linearmente são agrupados
na categoria de krigagem no linear. Na verdade, todos esses métodos fazem uso do
estimador da krigagem ordinária (Eq. 3.14), mas para dados transformados. Os métodos
das krigagensmultigaussiana, lognormal e indicadora serão descritos nesta seção. Esses
métodos de estimativa envolvem a transformação dos dados originais,cálculo e modelagem
de variogramas experimentais para os dados transformados e estimativa em pontos não
amostrados no domínio da variável transformada e transformada reversa para a escala
original.

3.3.1 Correção do efeito de suavização da krigagem ordinária

Geralmente,a transformada reversa éfeita usando-se a função inversa da transformação
não linear. Por exemplo, para o caso da transformada lognormal, a transformada reversa é
obtida aplicando-se a função exponencial, com a base igual àusada na função logarítmica e
oexpoente igual àestimativa resultante no domínio lognormal. Deve-se somar um termo de
nãoviés antes da transformada reversa.
No caso da krigagem lognormal, esse termo de não viésé baseado na teoria lognormal e
usa a variância de krigagem (Journel, 1980, p. 295). Entretanto, comoa variância de krigagem
não éuma medida de incerteza, as transformadas reversas continuam apresentando vieses.
Uma proposta diferente foi feita por Yamamoto (2007, p. 220-222) e está fundamentada
nacoreção do efeito de suavização da krigagem ordinária.
Atransformada reversa produz resultados enviesados em relação aos dados amostrais.
Como a inferência espacial é feita usando-se a amostra, a inferência, se as estimativas
apresentarem vieses em relação ao conjunto amostral, não será confável.
Para justificar a necessidade da correção do efeito de suavização da krigagem ordinária,
considerar o exemplo mostrado na Fig. 3.22 da transformada reversa das estimativas de
krigagem enfileirada (Yamamoto, 2010a, p. 108).
A
transformada enfileirada nada mais éque a classificação dos dados em ordem crescente.
Na verdade, oordinal decorre da classificação dos dados em ordem crescente. Resulta,
portanto, no quantil, que é usado para fazer atransformada gaussiana:.
Essa transformação produz uma distribuição uniforme, conforme se pode verificar na
FIg. 3.22. Por causa do efeito de suavização da krigagem ordinária, as estimativas, ainda no
dominno dos quantis, não mostram mais a distribuição uniforme, e sim uma distribuição
Simetrica com forma de sino. Portanto, se essas estimativas forem transformadas de volta
Para a escala original dos dados, a distribuição resultante não serásemelhante à distribuição
amostral, enm razãoda supressão dos extremos pelo efeito de suavização.

3 Estimativas Geoestatísticas 83