Curso 274972 Aula 07 Equipe Exatas Somente PDF 02b5 Completo

Aula 07 - Equipe
Exatas (Somente PDF)

CNU (Bloco 1 - Infraestrutura, Exatas e
Engenharia) Conhecimentos Específicos
- Eixo Temático 5 - Geoprocessamento e
Análise de Dados - 2024 (Pós-Edital)
Autor:
Alexandre Vastella, Equipe Exatas
Estratégia Concursos, Monik
Begname de Castro
20 de Fevereiro de 2024
60507787366 - Wilton venicio dos Santos coelho

Alexandre Vastella, Equipe Exatas Estratégia Concursos, Monik Begname de Castro
Aula 07 - Equipe Exatas (Somente PDF)
Índice
1) Geoestatística
..............................................................................................................................................................................................3
2) Questões Comentadas - Geoestatística - CESGRANRIO

..............................................................................................................................................................................................
36
3) Aviso de Questões
..............................................................................................................................................................................................
39
4) Questões Comentadas - Geoestatística - MULTIBANCAS

..............................................................................................................................................................................................
40
5) Lista de Questões - Geoestatística - CESGRANRIO

..............................................................................................................................................................................................
69
6) Lista de Questões - Geoestatística - MULTIBANCAS

..............................................................................................................................................................................................
72
2
CNU (Bloco 1 - Infraestrutura, Exatas e Engenharia) Conhecimentos Específicos - Eixo Temático 5 - Geoprocessamento e
www.estrategiaconcursos.com.br 89

NOÇÕES DE GEOESTATÍSTICA
Introdução
Imagine que estivéssemos interessados em estudar um fenômeno que varia no espaço, como a
distribuição de temperatura em uma região ou a concentração de poluentes em uma cidade. O
problema é que não poderíamos medir esses fenômenos em todos os lugares ao mesmo tempo.
Em vez disso, faríamos algumas medições em locais específicos, formando uma amostra.
A geoestatística entra em cena para nos ajudar a entender esse fenômeno espacial com base nas
medições que temos. Ela nos permite não só estimar valores em locais onde não temos medições,
mas também entender como esses valores variam de um lugar para outro. A geoestatística tem
por objetivo a caracterização espacial de uma variável de interesse por meio do estudo de sua
distribuição e variabilidade espaciais, com determinação das incertezas associadas.
O fenômeno espacial é basicamente o conjunto de todos os valores possíveis do que estamos

estudando, como a temperatura ou a concentração de poluentes, dentro de uma área específica.
Em termos estatísticos, podemos pensar nisso como a população total de valores que poderíamos
medir, mas que só temos uma amostra.
Vamos considerar um exemplo prático para entendermos melhor como a amostragem é essencial
ao estudar fenômenos espaciais. Vamos supor que estivéssemos interessados em compreender a
qualidade do ar em uma determinada área urbana. Para isso, temos um espaço de 50 por 50
metros, onde gostaríamos de medir a concentração de poluentes em cada ponto desse espaço:
Idealmente, gostaríamos de ter informações sobre a qualidade do ar em todos os pontos dessa

área, mas na prática isso seria muito difícil e caro de realizar. Portanto, decidimos realizar uma
amostragem, selecionando alguns pontos estratégicos dentro desse espaço para medir a
concentração de poluentes.
Suponha que escolhêssemos aleatoriamente 10 pontos para realizar nossas medições. Com base
nessas medições, poderíamos ter uma ideia geral da qualidade do ar na área, mas ainda há muitas
3

lacunas em nosso pensamento. Por exemplo, podemos ter pontos onde não realizamos medições,
mas que são importantes devido à presença de escolas, hospitais ou áreas residenciais densamente
povoadas.
Assim, mesmo que conhecêssemos os valores da variável em cada ponto dentro do domínio de 50
por 50 metros, o desconhecimento sobre o fenômeno espacial nos obrigaria a utilizar técnicas de
amostragem para obter uma compreensão mais abrangente e precisa da situação. Ela é essencial
quando estudamos fenômenos espaciais, pois nos permite obter informações úteis sobre áreas
extensas, mesmo que não conseguimos medir diretamente em todos os pontos.
Então, para resumir, a geoestatística nos ajuda a entender e prever como esses fenômenos
variam no espaço, mesmo quando só temos dados em alguns lugares. Isso é fundamental para
diversas áreas, desde a geologia até a climatologia e a ecologia, onde entender a distribuição
espacial de variáveis é essencial para tomadas de decisão informadas.
Amostra e Métodos de Amostragem
Uma amostra é um subconjunto selecionado de valores de um fenômeno espacial que, se

escolhido de forma representativa, deve refletir a distribuição e a variação espaciais tanto em
quantidade (número de pontos de dados) quanto em termos de sua localização na área estudada.
No entanto, qualquer estimativa feita com base nesses pontos amostrais enfrenta um certo grau
de incerteza. Nesse contexto, o método geoestatística se destaca ao fornecer uma medida dessa
incerteza associada às estimativas.
Para fazer uma amostragem eficaz, é necessário um planejamento cuidadoso que determine como
coletar as unidades de amostragem. Isso pode ser feito de diferentes maneiras, como seleção
aleatória simples, estratificada ou sistemática. Esse planejamento é crucial para garantir que a
amostra captura adequadamente a variabilidade espacial do fenômeno em estudo.
Amostragem Aleatória Simples

Em estudos geoestatísticos, a aplicação da amostragem aleatória simples consiste na coleta de
observações em pontos de amostragem localizados dentro da área em estudo. Assim, a
componente aleatória refere-se às coordenadas geográficas que são selecionadas de forma
aleatória.
O mapa a seguir mostra um conjunto com cem pontos escolhidos aleatoriamente a partir da
população original.
4

Amostragem Aleatória Estratificada

A amostragem aleatória estratificada envolve a divisão da área de estudo em estratos, ou seja,
subdividimos a região em células de dimensões fixas nas direções leste/oeste e norte/sul. Dentro
de cada célula, as coordenadas geográficas de um ponto são então escolhidas aleatoriamente. O
número de unidades selecionadas corresponderá ao número total de células.
No mapa seguinte, a área de estudo foi subdividida em cem células de dimensões 1 x 1, e em cada
célula, foi escolhido um ponto usando o método de amostragem aleatória estratificada.
Amostragem Sistemática
A amostragem sistemática envolve a seleção de pontos em uma grade regular definida com base
em uma origem escolhida aleatoriamente. Embora a componente aleatória seja determinada pela
escolha da origem, na prática, isso nem sempre acontece, pois a grade regular é configurada para
otimizar a coleta de unidades dentro da área de estudo.
O mapa a seguir mostra uma grade regular com cem pontos de amostragem:
5

Considerações acerca dos Métodos de Amostragem

Comparando os diferentes métodos de amostragem, podemos observar que a amostragem
aleatória simples geralmente oferece resultados menos satisfatórios. Isso ocorre especialmente
em áreas onde os pontos estão agrupados ou onde existem áreas não amostradas. A amostragem
aleatória estratificada melhora esse cenário, mas ainda pode apresentar problemas na
distribuição espacial dos pontos de amostragem.
Por outro lado, a amostragem sistemática geralmente oferece os melhores resultados. No

entanto, sua viabilidade pode ser limitada por uma série de fatores, como acesso ao local,
características geográficas (como rios, topografia) e vegetação densa. Além disso, frequentemente,
a amostragem é realizada ao longo de estradas, o que resulta em uma distribuição semirregular de
pontos.
Independentemente do método de amostragem escolhido, a geoestatística busca maximizar a

informação obtida a partir da amostra coletada. Isso significa que, independentemente dos
desafios enfrentados durante o processo de amostragem, a análise geoestatística visa extrair o
máximo de informações úteis e significativas dos dados disponíveis.
Variáveis Aleatórias e Regionalizadas
A unidade fundamental da geoestatística é a variável regionalizada, cuja variação espacial

delineia o fenômeno subjacente. Estas variáveis possuem características casuais e estruturais,
podendo assumir localmente qualquer valor de acordo com uma distribuição de probabilidade,
enquanto globalmente apresentam uma organização que pode ser modelada por uma função
espacial.
No estudo de depósitos minerais, ao se retirar uma amostra de um determinado ponto, o teor da

referida amostra é um valor único, fisicamente determinado, tornando praticamente impossível
6

a repetição desse experimento. Essa característica inviabiliza a obtenção da função de densidade

de probabilidade que controla uma variável regionalizada, contudo, podemos realizar inferências
se conhecermos alguns parâmetros dessa função.
Podemos descrever uma variável regionalizada como uma função numérica que exibe
distribuição e variação espacial, demonstrando uma continuidade aparente e cujas variações não
podem ser previstas por uma função determinística. Para compreender melhor essa definição,
podemos utilizar a técnica de análise de superfícies de tendência, ilustrada na figura a seguir:
Ao ajustar um polinômio aos pontos de dados, geralmente não se obtém uma correspondência
exata entre o valor estimado e o observado. Essa discrepância entre o valor estimado e o
observado é chamada de resíduo, que representa a componente aleatória da variável de
interesse. Por outro lado, o valor estimado calculado pelo polinômio é conhecido como
componente regional, caracterizado por uma alta continuidade.
O método geoestatístico é fundamentado no conceito de dependência espacial, reconhecendo

que cada ponto no espaço não possui apenas um valor singular, mas sim uma distribuição de
probabilidade associada à ocorrência de valores.
No ponto 𝑥, a propriedade 𝑍(𝑥) é uma variável aleatória com média 𝑚, variância 𝑆 ! e uma função
de distribuição acumulada. No espaço existem infinitos pontos {𝑋" , 𝑖 = 1,2, ⋯ , 𝑛 } em que os
valores {𝑧(𝑋" ), 𝑖 = 1,2, ⋯ , 𝑛 } são realizações das funções aleatórias com suas distribuições de
probabilidade.
O conjunto de variáveis aleatórias forma uma função aleatória ou processo estocástico, enquanto
o conjunto de valores reais de 𝑍(𝑥), representando a realização dessa função aleatória em um
determinado local 𝑥, é chamado de variável regionalizada.
7

Esse conceito difere do paradigma tradicional, onde cada observação pontual é tratada como o
resultado independente de uma variável aleatória. Em contraste, uma variável regionalizada é vista
como uma única realização de uma função aleatória, exibindo dependência espacial.
Classificação das Variáveis Aleatórias e Regionalizadas
As variáveis aleatórias podem ser subdivididas em contínuas e discretas. A tabela abaixo apresenta
a classificação das variáveis geológicas mais comuns:
Escala Nominal
==2e7ead==
Escala Ordinal
Litologia
Cor da Rocha Alteração

Discretas
Estrutura Fraturamento
Textura
Escala Relacional Escala Intervalar
Teores
Densidade
Contínuas Temperatura
Espessuras
Perfis Geofísicos
As variáveis contínuas podem ser medidas:
• na escala relacional, temos as seguintes variáveis: teores (em percentuais ou em partes por
milhão), espessuras, densidade, dados de perfilagem geofísica.
• na escala intervalar, encontramos as medidas de temperatura feitas em determinação do

grau geotérmico.
As variáveis discretas podem ser medidas:
• na escala nominal, as variáveis são litologia, estrutura, cor da rocha e textura.
• na escala ordinal, as variáveis são graus de alteração e de fraturamento, os quais são usados
para descrever o tipo de depósito.
8

Modelos de Dados Espaciais
Os modelos de dados espaciais armazenam dados geográficos de forma sistemática para que
possamos exibir, consultar, editar e analisar com eficácia nossos dados dentro de um Sistema de
Informações Geográficas (SIG).
Esses modelos formam um conjunto de abstrações para descrever e representar entidades

geográficas em um sistema digital. Basicamente, essas entidades são modeladas por meio de
objetos geográficos discretos ou superfícies contínuas, assim como de atributos numéricos e/ou
textuais, vinculados às suas coordenadas.
Existem dois tipos principais de modelos de dados espaciais:
• Raster: representa dados espaciais como uma grade de células, e cada célula possui um
atributo não espacial associado a ela;
• Vector: representa dados espaciais como pontos, linhas ou polígonos, cada um vinculado a
um ou mais atributos não espaciais.
Esses modelos de dados são intercambiáveis, de modo que a mesma entidade ou fenômeno
geográfico pode ser representado por modelos diferentes. Por exemplo, a topografia e uma
montanha pode ser retratada como uma superfície contínua ou como uma série de linhas (objetos
discretos) representando contornos de igual elevação.
O modelo de dados correto a ser usado depende da aplicação específica. Não existe um modelo
de dados único que seja melhor para todas as circunstâncias. A escolha de qual modelo usar é
muitas vezes definida por três fatores principais:
• o tipo de fenômeno que estamos tentando representar;
• a escala na qual planejamos analisar nossos dados; e
• como planejamos usar os dados.
9

Modelo de Dados Raster
O modelo de dados Raster representa entidades geográficas (fenômenos geográficos) no

espaço como um conjunto de células (ou pixels) em grade. O tamanho da célula determina a
resolução da imagem raster, que é o menor recurso que podemos resolver com o raster.
Um raster de resolução de 10 m possui células de 10 x 10 m (100 m²), uma resolução de 1 m possui

células de 1 x 1 m (1 m²). Junto com o tamanho da célula, o número de linhas e colunas determina
a extensão (ou limites) de uma imagem raster.
Devido à cobertura total dentro de seus limites, os modelos de dados raster são muito adequados
para representar fenômenos contínuos onde os valores das células correspondem a valores
medidos (ou estimados) em um local específico. Eles são comumente encontrados em: imagens
de satélite e drones, modelos de elevação, dados climáticos, modelos e mapas digitalizados.
O valor de um pixel pode ser quantitativo (por exemplo, elevação) ou qualitativo (por exemplo,
uso do solo). Cada pixel/célula tem um único valor associado a si. Os arquivos raster são
compostos de múltiplas matrizes de pixels que são armazenadas juntas. Essas matrizes são
chamadas de bandas ou canais.
Um exemplo da aplicação das bandas pode ser visto na fotografia colorida (RGB). Os olhos
humanos são capazes de detectar radiação de três regiões diferentes do espectro correspondentes
aos comprimentos de onda vermelho (R), verde (G) e azul (B). O cérebro humano combina essas
informações em uma única imagem colorida, como ocorre em uma imagem raster.
Os dados raster baseiam-se na Autocorrelação Espacial e na Primeira Lei da Geografia, o modelo

assume que todas as áreas dentro de uma determinada célula são igualmente representadas
pelo valor da célula. Contudo, dependendo da resolução e da escala, esta suposição pode não
ser adequada.
Modelo de Dados Vector (Vetorial)
O modelo de dados vetoriais é mais adequado para representar entidades geográficas discretas
do que o modelo de dados raster. Um recurso vetorial é uma representação de um objeto discreto
como um conjunto de pares de coordenadas x, y (pontos) vinculados a um conjunto de atributos
descritivos sobre esse objeto.
As coordenadas de um recurso vetorial podem consistir em apenas um par (x,y) para formar um
recurso de ponto único ou em vários pontos que podem ser conectados para formar linhas ou
polígonos.
10

Os dados de atributos não espaciais são normalmente armazenados em um formato tabular

separado dos dados espaciais e são vinculados por meio de um índice. Uma das principais
vantagens do modelo vetorial é a capacidade de armazenar e recuperar atributos rapidamente.
Dados vetoriais são comumente encontrados como: fronteiras políticas, caminhos (estradas,
trilhas), localização de pontos (semáforo, hidrante). Segundo esse modelo, um objeto geográfico
pode ser representado por três entidades básicas:
• os pontos não possuem comprimento, largura ou área. Um ponto é apenas um par de

coordenadas individual (x,y) que representa uma localização precisa, a qual estão vinculadas
informações de atributos. Hidrantes, postes de luz e árvores podem ser representados como
pontos;
• as linhas são unidimensionais, têm comprimento, mas não possuem largura e área. Cada
linha deve ter um ponto inicial e um ponto final, podendo também ter pontos de interseção.
As linhas também são ótimas para representar trilhas de caminhada, rotas, linhas costeiras
e linhas de transmissão de energia; e
• os polígonos são bidimensionais, têm comprimento e largura e, portanto, também

podemos calcular sua área. Todos os polígonos consistem em um conjunto de três ou mais
pontos (vértices) conectados por segmentos de linha chamados “arestas” que se conectam
para formar uma forma fechada. Os polígonos são úteis para representar muitos objetos
diferentes, dependendo de: fronteiras políticas, zonas climáticas, lagos, continentes, etc.
Função Semivariograma
A geoestatística usa momentos estatísticos, como média e variância, para entender a distribuição
espacial de dados georreferenciados. Esses momentos são cruciais para caracterizar a estrutura
espacial dos fenômenos e modelar a dependência entre as observações. Os principais são:
• Momento de primeira ordem da variável regionalizada (esperança matemática):
o 𝐸 {𝑧(𝑥)} = 𝑚(𝑥)
• Momento de segunda ordem:
o Variância de 𝑧(𝑥) em relação a 𝑚(𝑥):
§ 𝑉𝑎𝑟{𝑧(𝑥)} = 𝐸 {[𝑧(𝑥) − 𝑚(𝑥)]! }

o Covariância entre duas variáveis regionalizadas 𝑧(𝑥# ) e 𝑧(𝑥! ):
§ 𝑐(𝑥# , 𝑥! ) = 𝐸 {[𝑧(𝑥# ) − 𝑚(𝑥# )][𝑧(𝑥! ) − 𝑚(𝑥! )]}
11

o Variograma, isto é, variância das diferenças [𝑧(𝑥# ) − 𝑧(𝑥! )]:
§ 2𝛾(𝑥# , 𝑥! ) = 𝑉𝑎𝑟{𝑧(𝑥# ) − 𝑧(𝑥! )}

Para realização de inferências e estimativa de parâmetros, a geoestatística recorre à hipótese de
estacionaridade espacial, que pressupõe que o valor médio esperado seja constante para todas
as diferentes localizações, ou ainda, que todos os elementos avaliados pertençam à mesma
população. Assim, cada par de dados 𝑧(𝑥) e 𝑧(𝑥 + ℎ), com uma distância ℎ entre eles, é tratado
como uma realização distinta das variáveis regionalizadas dentro de um fenômeno regionalizado.
Por outro lado, a estacionariedade de segunda ordem, ou estacionariedade forte, vai além disso.
Além de ter média e variância constantes, implica que a estrutura de dependência espacial entre
os valores da variável regionalizada não muda conforme nos afastamos no espaço. Isso significa
que a correlação entre os valores em diferentes locais depende apenas da distância entre eles e
não da direção ou orientação específica no espaço. Nessa perspectiva, os momentos assumem as
seguintes formas:
• Esperança matemática [𝑚]:
o 𝐸 {𝑧(𝑥)} = 𝑚
• Variância [𝑐(𝑜)]:
o 𝑐(0) = 𝐸 {[𝑧(𝑥) − 𝑚]! }
• Covariância [𝑐(ℎ)]:
o 𝑐(ℎ) = 𝐸 {𝑧(𝑥 + ℎ)𝑧(𝑥)} − 𝑚!

• Semivariograma [𝜎(ℎ)]:
#
o 𝜎(ℎ) = ! 𝐸 {[𝑧(𝑥) − 𝑚]! } = 𝑐(𝑜) − 𝑐(ℎ)
Ao invés de impor uma estacionariedade global, como propõe a estacionariedade de segunda

ordem, a hipótese intrínseca permite que os modelos geoestatísticos sejam mais flexíveis,
adaptando-se às variações locais nos dados.
Ao considerar que a estacionariedade pode ser verdadeira apenas em escalas locais, os modelos
baseados na hipótese intrínseca têm maior probabilidade de se ajustar bem aos dados,
especialmente em áreas onde a estacionariedade global não é válida.
A hipótese intrínseca na geoestatística postula que as propriedades de uma variável regionalizada

são inerentes ao fenômeno estudado, independentes da localização ou escala de observação. Esta
hipótese pressupõe que os dois primeiros momentos das diferenças entre as variáveis 𝑧(𝑥) e
𝑧(𝑥 + ℎ) são independentes de suas localizações, dependendo apenas do vetor ℎ que as separa.
12

No contexto da hipótese intrínseca, o semivariograma é uma ferramenta essencial para investigar

a variabilidade espacial dos dados em uma direção específica e modelar a estrutura de
dependência espacial. Ele é construído com base nas semivariâncias das diferenças entre os
valores experimentais em intervalos regulares.
Em condições estacionárias, nas quais o valor médio esperado é constante ou zero, o

semivariograma é simplificado para a média quadrática das diferenças entre os valores
experimentais. Assim, para um conjunto de valores experimentais 𝑧(𝑥" ) e 𝑧(𝑥" + ℎ), separados por
uma distância ℎ, o semivariograma experimental é definido pela expressão:
𝑵(𝒉)
𝟏
𝝈(𝒉) = ) [𝒛(𝒙𝒊 ) − 𝒛(𝒙𝒊 + 𝒉)]𝟐
𝟐𝑵(𝒉)
𝒊'𝟏
em que 𝑁(ℎ) número de pares experimentais; ℎ é a distância que separa 𝑧(𝑥" ) e 𝑧(𝑥" + ℎ).
A expressão do semivariograma é aplicável apenas em situações de estacionaridade ou quase-

estacionaridade. Se o valor médio esperado variar gradualmente no espaço, indicando uma
tendência, outras técnicas deverão ser utilizadas.
A compreensão desse aspecto inerente do semivariograma pode ser aprimorada ao examinarmos

sua definição. Sejam as variações regionalizadas 𝑧(𝑥" ) e 𝑧(𝑥" + ℎ), cujas semivariâncias das
diferenças podem ser expressas por:
𝒛(𝒙𝒊 ) − 𝒛(𝒙𝒊 + 𝒉)
𝜸(𝒉) = ) 1[𝒛(𝒙𝒊 ) − 𝒛(𝒙𝒊 + 𝒉)]𝟐 − ) 2 456𝟐𝒏
𝒏
Se o valor esperado é estacionário no espaço, a relação a seguir é válida:

𝑧(𝑥" ) 𝑧(𝑥" + ℎ)
=
𝑛 𝑛
Então,
𝑧(𝑥" ) − 𝑧(𝑥" + ℎ)
BC D=0
𝑛
Assim, o segundo termo do numerador é nulo apenas sob a condição de estacionaridade ou

homogeneidade espacial. Na ausência dessas condições, é necessário remover a tendência antes
de realizar a análise variográfica, trabalhando com os resíduos de uma superfície de tendência.
Sendo assim, podemos afirmar que uma variável regionalizada não estacionária possui duas
componentes significativas:
13

• tendência espacial: variações sistemáticas que ocorrem em grande escala e que podem ser
modeladas por funções determinísticas, como uma tendência linear ou polinomial. Consiste
no valor esperado da variável regionalizada em uma vizinhança qualquer:
o 𝑚(𝑥) = 𝐸 {𝑧(𝑥)}
• variação aleatória: variações espaciais menores e aparentemente aleatórias que não podem
ser atribuídas à tendência e podem ser modeladas como variação residual. Também
conhecida como resíduo, constitui a diferença entre o valor real obtido e o valor esperado:
o 𝑟(𝑥) = 𝑧(𝑥) − 𝑚(𝑥)

Esse desdobramento é significativo porque os resíduos possuem média zero e são estacionários,
tornando viável a construção dos semivariogramas e permitindo uma análise mais abrangente da
variabilidade.
Por fim, ainda sob as condições de estacionaridade, o semivariograma e a covariância estão

estritamente relacionadas, segundo a expressão:
𝛾(ℎ) = 𝑐(0) − 𝑐(ℎ)

em que 𝛾(ℎ) representa o semivariograma, 𝑐(0) indica a variância e 𝑐(ℎ) denota a covariância.
Parâmetros do Semivariograma
O gráfico abaixo representa um semivariograma experimental com características próximas do

ideal. Sua disposição indica que as diferenças entre {𝑧(𝑥" ) − 𝑧(𝑥" + ℎ)} diminuem à medida que a
distância ℎ que os separa decresce.
É esperado que as observações geograficamente mais próximas apresentem comportamentos

mais semelhantes entre si do que aquelas separadas por distâncias maiores. Nesse sentido, espera-
se que o coeficiente de correlação espacial, representado por 𝛾(ℎ), aumente à medida que as
distâncias ℎ aumentem.
14

Alguns parâmetros do semivariograma podem ser identificados no gráfico anterior:
• Alcance ou Range (𝒂): a distância dentro da qual as amostras apresentam correlação

espacial. Corresponde ao raio de influência da variável;
• Patamar ou Sill (𝑪): representa o valor do semivariograma associado ao seu alcance (𝑎). A
partir desse ponto, consideramos que não há mais dependência espacial entre as amostras,
pois a variância da diferença entre pares de amostras 𝑉𝑎𝑟[𝑧(𝑥) − 𝑧(𝑥 + ℎ)], torna-se
constante com a distância;
• Efeito Pepita ou Nugget Effect (𝑪𝟎 ): conforme ℎ se aproxima de 0 (zero), 𝛾(ℎ) tende a um
valor positivo denominado Efeito Pepita (𝐶% ), que indica a descontinuidade do
semivariograma para distâncias inferiores à menor distância entre as amostras. Idealmente,
para ℎ = 0, o valor de 𝛾(ℎ) seria zero.
• Contribuição: é a diferença entre o patamar (𝐶) e o Efeito Pepita (𝐶% )
Cálculo para Amostras Distribuídas de Forma Regular
Considere o conjunto de amostras regularmente espaçadas, em duas dimensões, conforme

apresentado na figura abaixo. Para determinarmos o semivariograma experimental na direção de
90º, por exemplo, repetimos o cálculo de 𝛾J(ℎ) para todos os intervalos de ℎ.
Supondo que a distância entre dois pontos consecutivos seja de 1 metro, então, qualquer par de
observações, na direção 90º, cuja distância seja igual a 1m será incluído no cálculo de 𝛾J(90º, 1𝑚).
O processo deve ser realizado para outras direções (0º, 45º e 135º).
15

Cálculo para Amostras Distribuídas de Forma Irregular
Seja o conjunto de amostras distribuídas de forma irregular, em duas dimensões, conforme

ilustrado a seguir. Para determinarmos o semivariograma experimental, precisamos introduzir
limites de tolerância para direção e distância.
Tomando como referência uma distância pré-definida (lag) e supondo um incremento de 10 metros
com tolerância de 5 metros, juntamente com uma direção de medição de 45º com uma tolerância
angular de 10º, qualquer par de observações cuja distância esteja dentro do intervalo de 15m a
25m e cuja direção esteja no intervalo de 35º a 55º será incluído no cálculo do semivariograma de
lag2. O processo deve ser repetido para todos os lags.
A largura de banda refere-se a um valor de ajuste a partir do qual se limita o número de pares de
observações incluídos no cálculo do semivariograma.
Modelos Variográficos Teóricos
Após a elaboração dos semivariogramas dos valores experimentais, devemos ajustar um modelo
matemático que se assemelhe o máximo possível à configuração deles. Embora haja uma
infinidade de funções possíveis, a prática tem mostrado que alguns modelos teóricos satisfazem a
maioria das aplicações. Esses modelos podem ser classificados em:
Modelos com Patamares

Os modelos com patamares geralmente são ajustes que representam a estacionaridade de
segunda ordem. O semivariograma aumenta à medida que a distância entre as amostras
aumenta, até alcançar um patamar, onde se estabiliza. Esse patamar teoricamente deve ser igual
à variância a priori.
16

Para cada semivariograma ajustado, deve haver um covariograma equivalente:
𝒄(𝒉) = 𝒄(𝒐) − 𝜸(𝒉)
Os modelos mais comumente usados dentro deste grupo são:
Modelo Esférico
O modelo teórico esférico é uma das formas mais comuns de modelo de semivariograma na
geoestatística, especialmente no estudo de depósitos minerais. Antes de atingir o alcance, o
semivariograma aumenta de forma esférica, seguindo uma função que pode ser expressa pela
equação:
𝟑𝒉 𝒉𝟑
𝜸(𝒉) = 𝑪𝟎 + 𝑪𝟏 × 2; > − ? 𝟑 @4 , 𝒑𝒂𝒓𝒂 𝒉 ≤ 𝒂
𝟐𝒂 𝟐𝒂
𝜸(𝒉) = 𝑪, 𝒑𝒂𝒓𝒂 𝒉 > 𝒂
em que 𝐶 é o patamar, que corresponde à variância a priori finita e 𝑎 corresponde ao alcance.
Modelo Exponencial
Neste modelo, o semivariograma cresce exponencialmente com a distância até atingir um patamar,
representando o alcance da dependência espacial. O patamar 𝐶 é a assíntota desta curva e o
alcance 𝑎 corresponde ao encontro da tangente da curva na origem com o patamar. A fórmula
típica do semivariograma exponencial é:
𝜸(𝒉) = 𝑪𝟎 + 𝑪𝟏 × G𝟏 − 𝒆+𝒉⁄𝒂 I
17

Modelo Gaussiano
Neste modelo, a função do semivariograma adota uma distribuição gaussiana em relação à

distância, com uma forma parabólica próxima à origem. Possui um alcance amplo e um patamar
semelhante ao modelo exponencial. Sua expressão é:
𝟐 ⁄𝒂𝟐
𝜸(𝒉) = 𝑪𝟎 + 𝑪𝟏 × G𝟏 − 𝒆+𝒉 I
Modelo Aleatório (Efeito Pepita Pura)
Conforme a descontinuidade na origem do semivariograma aumenta, o fenômeno que deu origem

à variável em análise se torna mais aleatório. Essa característica surge de uma possível
regionalização em uma escala menor do que a malha de amostragem utilizada e/ou de variações
espúrias associadas à coleta e medição das amostras. Sua expressão é:
𝜸(𝒉) = 𝑪𝟎
Modelos sem Patamares

Quando a amostragem é insuficiente ou incompleta, ou até na presença de tendência nos dados,
o semivariograma experimental não apresenta patamar. O modelo teórico para variogramas sem
patamar pode ser representado pelo variograma de potência:
𝜸(𝒉) = 𝜶 × 𝒉𝜷
Nesse caso, 𝛼 representa uma constante positiva que multiplica a distância elevada a uma potência
𝛽. Para 𝛽 = 1, ocorre o modelo variograma linear. O caso em que 𝛽 é igual a 0 corresponde ao
modelo de variograma efeito pepita puro. O gráfico abaixo apresenta alguns exemplos de
variogramas de potência:
18

Características Estruturais dos Semivariogramas
Os semivariogramas refletem a configuração da regionalização da variável. A análise das

características das variáveis regionalizadas é conhecida como análise estrutural. As principais
características estruturais dos semivariogramas são delineadas a seguir:
Suporte
O suporte assume um papel fundamental na construção e interpretação dos semivariogramas. Ele
define o "tamanho" da menor unidade espacial considerada na análise, servindo como a base
fundamental sobre a qual a estrutura espacial do fenômeno em estudo é revelada.
A suporte se refere à área ou volume mínimo que um par de pontos precisa ter para ser
considerado na análise do semivariograma. Imagine uma grade regular sobreposta à área de
estudo: o suporte define o tamanho mínimo de cada célula da grade.
Zona de Influência
A zona de influência é a distância máxima a partir de um ponto de amostragem em que outros
pontos ainda exercem influência sobre a variabilidade espacial do atributo em questão. Ela nos
ajuda a entender como as características espaciais se propagam e se modificam ao longo do
espaço.
O ponto em que a curva do semivariograma se estabiliza indica o alcance espacial e,

consequentemente, a zona de influência. O alcance espacial, que é a distância a partir da qual a
variabilidade espacial se estabiliza, define o limite da zona de influência.
19

Regionalizações Superpostas
No estudo da geoestatística, a regionalização diz respeito à divisão do espaço em regiões
menores, homogêneas em termos de suas características. No entanto, em muitos casos, a
realidade espacial é mais complexa do que uma única regionalização pode capturar.
As regionalizações superpostas são duas ou mais regionalizações que dividem o espaço em

diferentes conjuntos de regiões. Cada regionalização captura um aspecto específico da
variabilidade espacial do fenômeno em estudo.
As regionalizações superpostas permitem explorar diferentes aspectos da variabilidade espacial do

fenômeno de forma independente. Ao analisar cuidadosamente a forma da curva do
semivariograma, podemos identificar e caracterizar diferentes estruturas espaciais, incluindo
flutuações em diferentes níveis e a presença de estruturas superpostas.
Anisotropias
A anisotropia é uma propriedade física que se manifesta em materiais cujas propriedades variam
de acordo com a direção em que são medidas. A anisotropia direcional (geométrica ou zonal)
aparece quando os variogramas são diferentes em direções distintas.
Existem dois tipos de anisotropia direcional:
• anisotropia zonal: os valores tanto do patamar quanto da amplitude variam conforme as

direções, sugerindo a possibilidade de zoneamento espacial da variável ou a associação
entre diferentes populações. Casos de anisotropia zonal pura são raros de encontrar.
• anisotropia geométrica: os variogramas construídos em diferentes direções exibem o

mesmo patamar, porém, possuem alcances diferentes. É comum em depósitos aluviais,
onde o alcance na direção vertical é menor do que na direção do depósito.
Continuidade Espacial
A continuidade espacial descreve a suavidade ou a regularidade das variações espaciais em
uma determinada área. Em outras palavras, indica o quão gradualmente ou abruptamente os
valores de uma variável mudam de um local para outro dentro da região de estudo.
Os tipos de continuidade espacial mais encontrados são:
• função contínua: a variável muda gradualmente de um ponto para outro, sem

descontinuidades abruptas. É o tipo mais comum de continuidade espacial;
20

• função pontual: a variável apresenta descontinuidades abruptas em pontos específicos. Isso

pode ser causado por eventos pontuais, como a presença de um mineral específico em um
local;
• função com transição: a variável apresenta mudanças bruscas em áreas específicas, mas não
em pontos específicos. Isso pode ser causado por mudanças graduais na topografia ou no
tipo de solo.
A progressão da curva do semivariograma em pequenas distâncias reflete a continuidade da

variável no espaço. Ao analisamos o semivariograma em distâncias próximas à origem, podemos
obter informações sobre a natureza da continuidade da variável. Isso ocorre porque as pequenas
distâncias capturam variações locais e detalhes finos na distribuição da variável.
Em teoria, o semivariograma deveria ser nulo na origem. Entretanto, na maioria das vezes, ele exibe
uma descontinuidade conhecida como "efeito de pepita". A relação entre os parâmetros 𝐶% e 𝐶
fornece um índice 𝐸 = 𝐶% /𝐶, denominado de efeito pepita relativo, que expressa a influência da
componente aleatória:
• 𝐸 < 0.15, a componente aleatória é pequena;
• 0,15 < 𝐸 < 0,30, a componente aleatória é significativa;
• 𝐸 > 0,30, a componente aleatória é muito significativa.
Corregionalização
A corregionalização se refere à estrutura espacial conjunta de duas ou mais variáveis. Em outras
palavras, ela captura como as variáveis se correlacionam entre si, não apenas em termos de seus
valores individuais, mas também em termos de seus padrões espaciais.
Em um depósito mineral, o teor de minério e o tipo de rocha podem ter uma corregionalização
negativa, o que significa que áreas com alto teor de minério tendem a ter um tipo de rocha
diferente de áreas com baixo teor de minério.
A corregionalização pode melhorar a qualidade da estimativa espacial. Ao levar em conta a

corregionalização, os métodos geoestatísticos, como a krigagem, podem produzir estimativas mais
precisas e confiáveis das variáveis em estudo.
21

Inferência de Dados Espaciais
O processo de reprodução das características do fenômeno espacial baseado em pontos amostrais

é denominado interpolação ou estimativa. A interpolação ou estimativa de um ponto não
amostrado é feita por meio do ajuste de funções matemáticas locais (pontos mais próximos ao
ponto não amostrado) ou globais (todos os pontos amostrais).
É preciso ressaltar que a interpolação ou estimativa em pontos não amostrados é sempre
necessária, pois a amostragem nunca é feita em pontos muito próximos entre si, por limitações
econômicas. Geralmente, os pontos não amostrados são interpolados ou estimados em uma grade
regular de duas ou três dimensões.
A grade regular resultante desse processo poderá ser usada para inferir a distribuição e
variabilidade espaciais do fenômeno espacial em estudo. A qualidade dessa inferência espacial vai
depender do tamanho da amostra e da distribuição espacial dos pontos amostrais.
Supondo que exista uma relação espacial entre os 𝑛 valores conhecidos, regularmente distribuídos
ou não, 𝑍# , 𝑍# , ⋯ , 𝑍& , o valor 𝑍 ∗ a ser interpolado para qualquer local será igual a:
𝑍 ∗ = B 𝑝" 𝑍"
A diferença fundamental entre os diversos métodos de interpolação existentes baseia-se na

maneira como os 𝒁𝒊 são escolhidos e os respectivos pesos 𝒑𝒊 são calculados e aplicados durante
o processo de estimativa.
Um princípio básico, compartilhado por todos os métodos de interpolação, é de que pontos mais
próximos tendem a ter características mais semelhantes do que pontos mais distantes. Esses
métodos podem ser caracterizados como:
• determinísticos ou probabilísticos:
a) métodos determinísticos são baseados diretamente nos valores medidos na
vizinhança e/ou fórmulas matemáticas aplicadas a estes mesmos valores e não
fornecem medidas de incerteza, como o método do inverso do quadrado da distância
(IQD);
b) métodos geoestatísticos são modelos estatísticos probabilísticos que incluem
autocorrelação, a qual expressa a intensidade de similaridade entre as amostras
medidas em relação à distância e direção.
• locais ou globais:
a) os interpoladores globais determinam uma função que é aplicada em toda a região
a interpolar; uma alteração em um valor de entrada afeta o mapa inteiro;
b) os interpoladores locais aplicam algoritmos repetidamente a subconjuntos do
conjunto total de pontos; uma alteração em um valor de entrada afeta apenas o
resultado de um subconjunto.
22

• transição gradual ou abrupta:

a) os interpoladores de transição gradual produzem superfícies que variam de forma
gradual;
b) os interpoladores de transição abrupta produzem superfícies que variam de forma
abrupta.
• exatos ou aproximados:
a) os interpoladores exatos respeitam os valores da amostra sobre a qual o modelo é
baseado, portanto, a superfície passa através de todos os pontos da amostra;
b) os interpoladores aproximados baseiam-se no fato de que, em muitas amostras,
existem tendências globais, com variações suaves, e simultaneamente flutuações
locais, que variam rapidamente.
Os métodos de interpolação normalmente utilizados, com as suas respectivas características, são:
• Média das altitudes das amostras vizinhas:
o determinístico, local, de transição gradual e aproximado;
• Triangulação de Delaunay e vizinho natural:
o determinístico, local, de transição abrupta e exato;
• Superfície de tendência:
o probabilístico, global, de transição gradual e aproximado;
• Superfície de mínima curvatura (Spline):
o determinístico, local, de transição gradual e exato;
• Krigagem:
o probabilístico, local, transição gradual e exato.
Média das altitudes das amostras vizinhas

A média das altitudes das amostras vizinhas é um dos esquemas de interpolação mais simples para
estimar valores de altitude para os pontos de uma malha regular ou irregularmente espaçada. A
formulação geral para este tipo de interpolação é:
∑&)*# 𝑊") 𝑍")
𝑍" =
∑&)*# 𝑊")
em que:
• 𝑍" é o valor de um ponto 𝑖 qualquer a ser calculado;
• 𝑍") é a altitude de uma amostra 𝑗 vizinha do ponto 𝑖 da malha;
• 𝑊") é o peso ou fator de ponderação.
23

A interpolação por vizinho mais próximo é definida pela escolha de apenas um ponto da amostra
mais próximo ao ponto a ser interpolado, ou seja, quando 𝑗 é igual a 1.
A interpolação por média simples considera o valor da altitude 𝑍" do elemento da malha igual à
média aritmética dos valores de altitude das amostras vizinhas. Neste caso considera-se que o fator
de ponderação 𝑊") é igual a 1 para todos os casos.
Na interpolação por média ponderada o valor da altitude de cada elemento da malha é estimado
utilizando um peso adequado para os valores de altitude das amostras vizinhas. A ponderação
mais usada é o inverso da distância euclidiana (IDW, do inglês inverse distance weighted)
elevada a um expoente, ou seja:
1
𝑊") = +
𝑑")
sendo 𝑘 o expoente e 𝑑") o valor de distância da amostra 𝑗 ao ponto 𝑖 a estimar. A potência 2 é a
mais utilizada em trabalhos práticos. O interpolador com a potência 2 é um caso particular e é
denominado de Inverso do quadrado da Distância (IQD).
Método do Vizinho Natural

A triangulação de Delaunay é utilizada para estabelecer os triângulos dentro de uma
representação qualquer de pontos, para aplicar um método de interpolação. A configuração
obtida tem a propriedade de que, uma circunferência qualquer definida pelos três pontos de um
triângulo não contém qualquer outro ponto do conjunto em seu interior.
A triangulação de Delaunay produz uma malha onde os triângulos têm ângulos internos mais
próximos do máximo possível. Significa dizer que, em geral, os triângulos tendem a ter ângulos
internos maiores e mais próximos de 60 graus, o que ajuda a evitar triângulos muito finos ou
alongados.
O método de interpolação de vizinho natural utiliza a triangulação de Delaunay e o diagrama
de Voronoi ou Thiessen para descobrir uma vizinhança mais apropriada para obter a altitude
de um dado ponto, como mostra a figura a seguir. Este método se aplica bem tanto para malhas
regulares como irregulares.
24

Esse algoritmo obtém os pontos mais próximos ou geometricamente mais convenientes em todas
as direções. A subamostra e o ponto cuja altitude vai ser determinada formariam os vértices de
triângulos, como se este ponto fosse introduzido na triangulação
Outro aspecto crucial nessa técnica de interpolação é o seu sistema de ponderação. Os pesos são
atribuídos com base na quantidade de área que seria "ocupada" pelos polígonos de Voronoi
formados pela subamostra, como se o ponto cuja altitude se deseja estimar estivesse sendo
inserido neles.
A figura abaixo ilustra esse esquema, onde o ponto dentro do polígono hachurado indica o local
onde a altitude será estimada. Os polígonos sólidos representam as regiões de Voronoi formadas
pelos pontos da triangulação. O peso de cada ponto da subamostra é determinado pela área de
sobreposição do polígono hachurado com os polígonos sólidos.
25

Superfície de Tendência
O método por meio do qual uma superfície contínua é ajustada aos pontos amostrados
irregularmente espaçados pelo critério de regressão por mínimos quadrados é chamado
superfície de tendência.
O ajuste é implementado por meio de polinômios que podem ser de diferentes ordens ou graus.
Aparentemente, aumentando o número de termos podemos conseguir um melhor ajuste à
amostra. A prática, no entanto, mostra que os polinômios podem apresentar comportamentos
indesejáveis em muitas situações.
O formato geral das superfícies de grau 1, 2 e 3 pode ser visualizado na figura a seguir, cujas
funções são expressas por:
𝑧(𝑥, 𝑦) = 𝑎, + 𝑎# 𝑥 + 𝑎! 𝑦
𝑧(𝑥, 𝑦) = 𝑎, + 𝑎# 𝑥 + 𝑎! 𝑦 + 𝑎- 𝑥 ! + 𝑎. 𝑥𝑦 + 𝑎/ 𝑦 !
𝑧(𝑥, 𝑦) = 𝑎, + 𝑎# 𝑥 + 𝑎! 𝑦 + 𝑎- 𝑥 ! + 𝑎. 𝑥𝑦 + 𝑎/ 𝑦 ! + 𝑎0 𝑥 ! 𝑦 + 𝑎1 𝑥 - + 𝑎2 𝑦 - + 𝑎3 𝑥𝑦 !
Superfície de Mínima Curvatura (Spline)

As splines são ferramentas de interpolação que usam polinômios para criar uma superfície que
minimize a curvatura da mesma, resultando em uma superfície suavizada que passa através dos
pontos da amostra.
A imagem de uma spline aproxima-se de uma superfície flexível passando por um conjunto de
pontos. Existem diferentes splines e parâmetros que podem ser testados para melhor se ajustar
26

aos pontos da amostra. Na prática, as splines mais utilizadas são as cúbicas e as lineares. Exemplo
de uma spline passando por 7 pontos de amostragem.
Esse método é útil para criar modelos de elevação em áreas com leve variação do terreno e
suaves transições, mas não é apropriado para mudanças bruscas em pequenas distâncias; pois
tende a exagerar o valor dos pontos interpolados nas áreas de variações.
Método Geoestatístico de Estimação (Krigagem)

A interpolação geoestatística, também conhecida como krigagem, tem como objetivo criar uma
superfície que reduza o erro entre os valores avaliados e o modelo estatístico da superfície. O
termo "krigagem" foi introduzido por Matheron em 1963, em reconhecimento aos trabalhos
pioneiros de D.G. Krige.
Este termo abrange um conjunto de métodos de estimação, sendo o mais comum a krigagem
normal, que pressupõe que as médias locais não necessariamente coincidam com a média da
população. Nesse método, a estimativa é realizada utilizando apenas os pontos vizinhos.
A principal diferença entre a krigagem e outros métodos de interpolação reside na forma como
os pesos são atribuídos às diferentes amostras. Na krigagem, os pesos são determinados através
de uma análise espacial, baseada no semivariograma experimental, o que a diferencia da
interpolação por média ponderada.
A krigagem é um método de estimação linear e local, realizado dentro de vizinhanças
estacionárias, com o intuito de minimizar o erro de estimação de forma imparcial. Em média, a
krigagem fornece estimativas não tendenciosas e com variância mínima.
Variância de Estimação
Depois da definição de um modelo variográfico que caracterize a continuidade das variáveis em
função das distâncias, podemos calcular o erro cometido na estimação para um certo domínio
(bloco, ponto), a partir de amostras situadas em uma vizinhança reconhecida como estacionária.
Qualquer que seja a forma de estimação de um valor em um ponto qualquer 𝑥, haverá um erro
𝑟(𝑥) associado, assim expresso:
𝑟(𝑥) = 𝑧(𝑥) − 𝑧 ∗ (𝑥)
em que 𝑧(𝑥) é o valor real no ponto x; 𝑧 ∗ (𝑥) é o valor estimado no ponto 𝑥.
27

A análise da função de distribuição dos erros fornece boas informações para avaliar a qualidade
do processo de estimação. Os parâmetros básicos da provável distribuição de erros, são:
• 𝑚4 = 𝐸 {𝑟(𝑥)}, o valor médio esperado;
• 𝜎4! = 𝑉𝑎𝑟{𝑟(𝑥)}, a dispersão dos erros, medida pela variância.
Se a estimação tiver boa qualidade, esses parâmetros devem possuir os seguintes aspectos:
• erro médio próximo ou igual a zero. Este aspecto implica na não tendenciosidade (viés) dos
valores na vizinhança do ponto 𝑥; e
• baixa dispersão dos erros. A concentração dos erros deve se situar ao redor da média.
A relação da variância de estimação com o semivariograma é estabelecida com o desdobramento
da equação da variância dos erros. Considere o valor médio de um determinado domínio 𝑉,
fornecido pela expressão:
5
1
𝑧5 = B 𝑧(𝑥+ )
𝐾
"*#
em que 𝑧(𝑥+ ) são valores desconhecidos, com 𝑘 variando de 1 até 𝐾.

Buscamos estimar este domínio pela média aritmética de 𝑛 amostras situadas na vizinhança. A
média usada na estimação é definida por:
&
1
𝑧5∗ = B 𝑧(𝑥" )
𝑛
"*#
em que 𝑧(𝑥" ) são os valores experimentais, om 𝑖 variando de 1 até 𝑛.

Sob a hipótese de estacionariedade de segunda ordem e não tendenciosidade (viés), temos que:
5
1
𝐸 {𝑧5 } = B 𝐸 {𝑧(𝑥+ )} = 𝑚
𝐾
+*#
&
1
𝐸 {𝑧5∗ } = B 𝐸 {𝑧(𝑥" )} = 𝑚
𝑛
"*#
Logo,
𝐸 {𝑧5 − 𝑧5∗ } = 0
Assim, a equação da variância de estimação pode ser desdobrada em:
𝜎4! = 𝐸 {(𝑧5 − 𝑧5∗ )! } = 𝐸 {𝑧5! } + 𝐸]𝑧5∗ ! ^ − 2𝐸 {𝑧5 𝑧5∗ }
Com base nas hipóteses já assumidas e após dedução matemática, cada termo da equação pode
ser assim expresso:
1 1
𝐸 {𝑧5! } = B B 𝐸 { 𝑍(𝑥+ )𝑍(𝑥 + ! )} = B B[𝑐(𝑥+ − 𝑥+ ! ) + 𝑚! ]
𝐾! !
𝐾 !
!
+ + + +
em que 𝑐(𝑥+ − 𝑥+ ! ) é a covariância entre todos os pontos dentro do domínio a ser estimado
28

1
𝐸_𝑧5∗ ! ` = B B_𝑐a𝑥" − 𝑥) b + 𝑚! `
𝑛!
" )
em que 𝑐a𝑥" − 𝑥) b é a covariância entre todas as amostras.

1
𝐸 [𝑧5 𝑧5∗ ] = B B[𝑐(𝑥+ − 𝑥" ) + 𝑚! ]
𝐾𝑛
+ "
em que 𝑐(𝑥+ − 𝑥" ) é a covariância entre os pontos do domínio e as amostras.

Eliminando-se a constante 𝑚! , a expressão original torna-se:
𝜎4! = 𝐸 {(𝑧5 − 𝑧5∗ )! }
1 1 2
= B B [ 𝑐(𝑥+ − 𝑥 + ! )] + B B_𝑐a𝑥" − 𝑥) b` − B B[𝑐(𝑥+ − 𝑥" )]
𝐾! !
𝑛 ! 𝐾𝑛
+ + " ) + "
Denominando de 𝑐̅(𝐾, 𝑛) a média da covariância 𝑐(ℎ) quando uma extremidade do vetor ℎ

descreve o conjunto de {𝑥+ , 𝑘 = 1, ⋯ , 𝐾 } e a outra extremidade independentemente descreve o
conjunto {𝑥" , 𝑖 = 1, ⋯ , 𝑛}:
1
𝑐̅(𝐾, 𝑛) = B B[𝑐(𝑥+ − 𝑥" )]
𝐾𝑛
+ "
A variância de estimação anterior pode ser expressa como:

𝜎4! = 𝑐̅(𝑉, 𝑉) + 𝑐̅(𝑣, 𝑣) − 2𝑐̅(𝑉, 𝑣)
Conforme a relação 𝛾(ℎ) = 𝑐(0) − 𝑐(ℎ), a equação pode ser reescrita em função dos
semivariogramas. Como o termo constante 𝑐(0) desaparece, basta substituir 𝑐̅ por −𝛾̅ e a variância
de estimação torna-se:
𝜎4! = 2𝛾̅ (𝑉, 𝑣) − 𝛾̅ (𝑣, 𝑣) − 𝛾̅ (𝑉, 𝑉)
em que 𝛾̅ é a função semivariograma médio; 𝑉 corresponde ao domínio a ser estimado, podendo
ser um bloco, área ou ponto; 𝑣 é um elemento do conjunto de amostras, com suporte 𝑛.
O significado de cada termo da equação geral de variância de estimação pode ser assim descrito:
• 𝛾̅ (𝑉, 𝑣) representa o valor médio do semivariograma entre os elementos do conjunto de
amostras estimadoras com suporte 𝑛 e o domínio 𝑉 a ser estimado. Leva em consideração
a posição das amostras em relação à unidade a ser avaliada;
• 𝛾̅ (𝑣, 𝑣) representa o valor médio do semivariograma entre todas as amostras estimadoras
de suporte 𝑛, situadas na vizinhança de estimação. Leva em consideração a influência
relativa das posições das amostras;
• 𝛾̅ (𝑉, 𝑉) representa o valor médio do semivariograma entre todos os pontos possíveis dentro
do domínio 𝑉. Leva em consideração as feições geométricas do domínio a ser estimado.
29

Krigagem Ordinária em Pontos

Suponha a estimação do valor médio de 𝑧(𝑢) pelo estimador 𝑧 ∗ (𝑢), obtido de uma combinação
linear 𝒏 valores situados em uma vizinhança homogênea. O estimador pode ser assim expresso:
&
𝑧 ∗ (𝑢) = B 𝜆" × 𝑧(𝑢" )

"*#
em que 𝜆" são os pesos associados a 𝑧(𝑢" ).

Diversos pesos que podem ser atribuídos aos valores de 𝜆" . Entretanto, há interesse somente por
uma combinação que forneça o melhor estimador não enviesado. Esta condição requer que o
erro de estimação seja em média a zero (ou seja, não tenha viés):
𝐸 {𝑧(𝑢) − 𝑧 ∗ (𝑢)} = 0
Para isso é necessário que os pesos cumpram a condição de não enviesamento:
&
B 𝜆" = 1
"*#
Visto que,
&
∗ (𝑉)}
𝐸 {𝑧 = B 𝜆" × 𝐸 {𝑧(𝑠" )} = 𝑚
"*#
∗
em que 𝑧 é a variância mínima de estimação.
A equação geral da variância de estimação para um conjunto de amostras pode ser assim
expressa:
& !
𝜎4! = 𝑉𝑎𝑟 {𝑧(𝑢) − 𝑧 ∗ (𝑢)}

= 𝐸 jk𝑧(𝑢) − B 𝜆" × 𝐸{𝑧(𝑢" )}l m
"*#
& & &
= 𝐸 j𝑧(𝑢)! + B B 𝜆" × 𝜆) × 𝑧(𝑢" ) × 𝑧a𝑢) b − 2 B 𝜆" × 𝑧(𝑢" ) × 𝑧(𝑢)m

"*# )*# "*#
& & &
= 𝑐(0) + B B 𝜆" × 𝜆) × 𝑐a𝑢" − 𝑢) b − 2 B 𝜆" × 𝑐(𝑢" − 𝑢)

)*# "*# "*#
em que 𝜆" são os pesos para cada amostra.

Para minimizar esta equação, sujeita a condições de não enviesamento ∑&"*# 𝜆" = 1, em relação aos
ponderadores 𝜆" , faz-se o uso da técnica Lagrangiana, com o desenvolvimento das 𝑛 derivadas
parciais e igualando-as a zero. Portanto, matematicamente:
𝜕𝜎4!
=0
𝜕𝜆"
Em que 𝑖 = 1, 2, 3, ⋯ , 𝑛.
30

Este procedimento gera um sistema linear de 𝑛 + 1 equações, conhecido como sistema de

krigagem, assim definido:
𝜆 𝛾̅ (𝑢# , 𝑢# ) + 𝜆! 𝛾̅ (𝑢# , 𝑢! ) + 𝜆- 𝛾̅ (𝑢# , 𝑢- ) + ⋯ + 𝜆& 𝛾̅ (𝑢# , 𝑢& ) + 𝜇 = 𝛾̅ (𝑢# , 𝑉)
⎧ #
𝜆 𝛾̅ (𝑢! , 𝑢# ) + 𝜆! 𝛾̅ (𝑢! , 𝑢! ) + 𝜆- 𝛾̅ (𝑢! , 𝑢- ) + ⋯ + 𝜆& 𝛾̅ (𝑢! , 𝑢& ) + 𝜇 = 𝛾̅ (𝑢! , 𝑉)
⎪ #
𝜆# 𝛾̅ (𝑢- , 𝑢# ) + 𝜆! 𝛾̅ (𝑢- , 𝑢! ) + 𝜆- tttt(𝑢- , 𝑢- ) + ⋯ + 𝜆& 𝛾̅ (𝑢- , 𝑢& ) + 𝜇 = 𝛾̅ (𝑢- , 𝑉 )
⎨ ⋮
⎪ 𝜆# 𝛾̅ 𝑢& , 𝑢# + 𝜆! 𝛾̅ 𝑢& , 𝑢! + 𝜆- 𝛾̅ 𝑢& , 𝑢- ) + ⋯ + 𝜆& 𝛾̅ (𝑢& , 𝑢& ) + 𝜇 = 𝛾̅ (𝑢& , 𝑉 )
( ) ( ) (
⎩ 𝜆# + 𝜆! + 𝜆- + ⋯ + 𝜆& = 1
em que 𝛾̅ (𝑢# , 𝑢# ) é o semivariograma médio entre as amostras; 𝛾̅ (𝑢# , 𝑣) é o semivariograma médio
entre as amostras e o domínio 𝑣; 𝜆" são os ponderadores das amostras 𝑠" , cuja soma é igual a 1; 𝜇
é o multiplicador de Lagrange, introduzido para balancear o sistema.
A variância de estimação mínima, ou variância de krigagem, pode então ser expressa como:
&
𝜎5! (𝑢) = B 𝜆" 𝛾(𝑢" − 𝑢) + 𝜇

"*#
Em notação matricial, os sistemas de krigagem podem ser expressos da seguinte forma:

[𝐾 ][𝜆] = [𝑀2]
a partir do qual, obtemos que:
[𝜆] = [𝐾]6# . [𝑀2]
e, [𝜆]7 sendo a matriz transposta de [𝜆], temos:
𝜎5! = [𝜆]7 . [𝑀2] − 𝛾̅ (𝑉, 𝑉)
em que a matriz de parâmetro [𝜆] e o segundo membro [𝑀2] podem ser escritos como duas
matrizes coluna:
𝜆 𝛾̅ (𝑢# , 𝑉 )
⎡ #⎤ ⎡ ⎤
𝜆
⎢ !⎥ ⎢ 𝛾̅ (𝑢! , 𝑉 )⎥
[𝜆] = ⎢ ⋮ ⎥ [𝑀2] = ⎢ ⋮ ⎥
⎢𝜆& ⎥ ⎢𝛾̅ (𝑢& , 𝑉)⎥
⎣𝜇⎦ ⎣ 1 ⎦
O primeiro membro, [𝐾 ], é escrito como:

𝛾̅ (𝑢# , 𝑢# ) 𝛾̅ (𝑢# , 𝑢! ) 𝛾̅ (𝑢# , 𝑢- ) ⋯ 𝛾̅ (𝑢# , 𝑢& ) 1
⎡ ⎤
⎢ 𝛾̅ (𝑢! , 𝑢# ) 𝛾̅ (𝑢! , 𝑢! ) 𝛾̅ (𝑢! , 𝑢- ) ⋯ 𝛾̅ (𝑢! , 𝑢& ) 1⎥
[𝐾 ] = ⎢ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮⎥
⎢𝛾̅ (𝑢& , 𝑢# ) 𝛾̅ (𝑢& , 𝑢! ) 𝛾̅ (𝑢& , 𝑢- ) ⋯ 𝛾̅ (𝑢& , 𝑢& ) 1⎥
⎣ 1 1 1 ⋯ 1 0⎦
Reparem que a matriz de krigagem é simétrica, isto é:
𝛾̅ a𝑢8 , 𝑢9 b = 𝛾̅ a𝑢9 , 𝑢8 b
31

Krigagem Ordinária em Blocos

Muitas vezes, as aplicações exigem valores médios do parâmetro em determinadas áreas, em vez
de valores pontuais. Essas médias poderiam ser calculadas usando krigagem pontual para muitos
pontos em uma área e calculando sua média. No entanto, a maneira mais simples de fazer isso é
usar a krigagem em blocos.
Suponha que a média do parâmetro sobre um volume V (bloco) no domínio D deva ser estimada
1
𝑧(𝑉) = • 𝑧(𝑢) 𝑑𝑢
|𝑉| :
Novamente, vamos supor um estimador na forma:
&
∗ (𝑉)
𝑧 = B 𝜆" × 𝑧(𝑢" )
"*#
e a condição de não enviesamento leva novamente a:

&
B 𝜆) = 1
)*#
A variância de estimação nesse caso é:

& & &
𝜎4! (𝑉) = 𝑉𝑎𝑟[𝑧(𝑉) − 𝑧 ∗ (𝑉)]

= 2 B 𝜆" × 𝛾̅ (𝑢" , 𝑉) − B B 𝜆" × 𝜆) × 𝛾̅ a𝑢" , 𝑢) b − 𝛾̅ (𝑉, 𝑉)
"*# "*# )*#
em que 𝛾̅ é o valor do variograma médio:

1
𝛾̅ (𝑢" , 𝑉) = • 𝛾(𝑢" − 𝑢) 𝑑𝑢
|𝑉| :
1
𝛾̅ (𝑉, 𝑉) = • • 𝛾(𝑢 − 𝑣) 𝑑𝑢 𝑑𝑣
|𝑉| : :
A minimização de 𝜎4! (𝑉) sob a condição de não enviesamento leva ao seguinte sistema de
equações lineares:
&
⎧B 𝜆 𝛾a𝑠 − 𝑠 b + 𝜇 = 𝛾̅ (𝑠 , 𝑉)
) " ) "
⎪
)*#
&
⎨
⎪ B 𝜆) = 1
⎩ )*#
Krigagem Simples
O procedimento de krigagem ordinária é baseada na suposição de que o valor esperado do
processo subjacente é o mesmo no domínio em estudo. O conhecimento desta constante não era
32

necessário. A krigagem simples é uma alternativa à krigagem ordinária, supondo que a média 𝑚(𝑢)
seja conhecida (não necessariamente constante) em todo o domínio.
Novamente, um estimador linear deve ser encontrado:
&
∗ (𝑢)
𝑧 = 𝑚(𝑢) + B 𝜆" × a𝑧(𝑢" ) − 𝑚(𝑢" )b
"*#
A condição de não enviesamento nesse caso é:

&
∗ (𝑢)
𝐸 [𝑧 − 𝑧(𝑢)] = 𝑚(𝑢) + B 𝜆" × a𝑧(𝑢" ) − 𝑚(𝑢" )b − 𝑚(𝑢) = 0
"*#
Essa condição não implica em nenhuma restrição adicional. A variância do estimador é expressa
usando a função de covariância 𝑐:
𝑉𝑎𝑟[𝑧 ∗ (𝑢) − 𝑧(𝑢)] = 𝐸 [𝑧 ∗ (𝑢)! + 𝑧(𝑢)! − 2 × 𝑧 ∗ (𝑢) × 𝑧(𝑢)]
& &
= B B 𝜆" × 𝜆) × 𝑐a𝑢" − 𝑢) b + 𝑐(0) − B 𝜆" × 𝑐(𝑢" − 𝑢)

"*# )*# +
A variância de estimação é mínima se:

𝜕𝑉𝑎𝑟[𝑧(𝑢) − 𝑧 ∗ (𝑢)]
=0
𝜕𝜆"
Essa condição leva ao sistema de equações da krigagem simples:
𝒏
B 𝝀𝒊 × 𝒄a𝒖𝒊 − 𝒖𝒋 b = 𝒄(𝒖𝒊 − 𝒖)
𝒋*𝟏
Medidas de Autocorrelação Espacial
As medidas de autocorrelação espacial são ferramentas estatísticas usadas para analisar a

distribuição e a estrutura de padrões espaciais nos dados. Elas ajudam a identificar se os valores
de uma variável em diferentes locais estão relacionados espacialmente, ou seja, se há dependência
espacial entre os dados.
A seguir são apresentadas as principais medidas de autocorrelação espacial:
Índice de Geary
O índice de Geary é uma medida de autocorrelação espacial que quantifica a semelhança entre os
valores de uma variável em diferentes locais. Ele compara as diferenças entre os valores dos dados
em pares de áreas adjacentes com as diferenças esperadas sob a suposição de aleatoriedade
espacial.
33

O índice de Geary varia de 0 a 2, sendo que valores próximos a 0 indicam alta autocorrelação
espacial positiva, enquanto valores próximos a 2 indicam autocorrelação espacial negativa. Esse
índice considera todos os pares de áreas.
Índice de Moran:
O índice de Moran é outra medida comum de autocorrelação espacial que examina a relação entre
os valores de uma variável em diferentes locais. Ele avalia a associação linear entre os valores da
variável em cada localidade e os valores nas localidades vizinhas, ponderados pela distância e
normalizados.
Esse índice varia de -1 a 1, sendo que valores próximos a 1 indicam autocorrelação espacial positiva
(valores semelhantes estão próximos uns dos outros), valores próximos a -1 indicam autocorrelação
espacial negativa (valores opostos estão próximos uns dos outros), e valores próximos a 0 indicam
ausência de autocorrelação espacial.
Intervalos de Confiança
Em aplicações de mineração, as funções de distribuição de erros são geralmente simétricas com
uma moda ligeiramente mais pronunciada e caudas maiores do que a distribuição normal com
a mesma média e variância, conforme a figura abaixo:
Assim, em relação à distribuição normal padrão, existem mais erros pequenos (na região de 𝑚4 =
0) e mais erros grandes nas caudas da distribuição. Porém, o intervalo de confiança clássico
[𝑚4 ± 2𝜎4 ] contém aproximadamente 95% dos erros observados.
O intervalo de confiança normal de 95% é então um bom critério para julgar a qualidade de uma
estimativa geoestatística, mas deve sempre, na medida do possível, ser verificado
experimentalmente por meio de zonas de teste ou de controle.
Sob a condição de não enviesamento (𝑚4 = 0), o intervalo de confiança gaussiano padrão de 95%
pode ser expresso como [𝑧 ∗ ± 2𝜎4 ] para o valor verdadeiro 𝑧 estimado por 𝑧 ∗ . Às vezes acontece
34

que o valor do desvio padrão da estimativa 𝑒 é tal que o limite inferior do intervalo de confiança
de 95% [𝑧 ∗ ± 2𝜎4 ] é negativo.
Uma solução é definir o desvio padrão relativo 𝜎4 ⁄𝑧̅ ∗ , ou seja, a razão entre o desvio padrão e a
média experimental:
&
1
𝑧̅ ∗ = B 𝑧"∗
𝑛
"*#
dos 𝑛 estimadores disponíveis. O intervalo de confiança de 95% de um determinado valor

verdadeiro 𝑧, estimado por 𝑧 ∗ será então:
𝝈𝑬
𝒛∗𝒊 ± 𝟐 L ∗ N 𝒛∗𝒊
𝒛M
Esta fórmula não garante que o limite inferior seja sempre positivo, uma vez que se torna negativo
quando o desvio padrão relativo é superior a 50%, 𝜎4 ⁄𝑧̅∗ > 0,5. Nesse caso, como a qualidade da
estimativa não é ruim, é melhor não utilizar intervalos de confiança.
35

QUESTÕES COMENTADAS – CESGRANRIO
Geoestatística
1. (CESGRANRIO/EPE/2014) Apesar de a superfície terrestre ser contínua, a medição de fenômenos que

ocorrem em uma área geográfica pode ser realizada apenas em alguns pontos dessa área.
Para estimar os valores desses fenômenos nos locais onde não houve medição, emprega-se a(o)
a) Análise de Fourier
b) Filtragem de Kalman
c) Índice de Moran
d) Krigagem
e) Processo de Poisson
Comentários:
A Krigagem é um método de regressão utilizado para interpolar dados levando em consideração as
características espaciais de autocorrelação de variáveis regionalizadas.
Gabarito: D.
2. (CESGRANRIO/IBGE/2014) Na Krigagem, a autocorrelação espacial pode ser usada para estimar valores
em pontos não amostrados. O recurso matemático que oferece esse tratamento é chamado de
semivariograma.
Considere o semivariograma mostrado a seguir.
A quantificação do efeito causado pela variância aleatória e a distância dentro da qual as amostras se
apresentam correlacionadas espacialmente no semivariograma acima são dados, respectivamente, pelos
valores
36

a) 0,00052818 e 1589
b) 0,001587 e 0,00052818
c) 0,00052818 e 0,0002155
d) 0,001724 e 1589
e) 0,00052818 e 0,001724
Comentários:
Para interpretar o semivariograma fornecido, precisamos identificar os valores que representam o efeito
pepita e o alcance.
O valor do efeito pepita é o patamar inicial do semivariograma, indicando a variabilidade espacial não
==2e7ead==
estruturada ou aleatória. No gráfico fornecido, o efeito pepita é aproximadamente 0,5 × 10−3 .

O alcance é a distância na qual o semivariograma atinge um plateau ou estabiliza, indicando a distância
máxima dentro da qual as amostras se correlacionam espacialmente. No gráfico, o alcance é de 1,589 × 103
metros.
Gabarito: A.
3. (CESGRANRIO/IBGE/2013) Um dos métodos de interpolação espacial mais utilizados em Sistemas de

Informação Geográfica calcula o valor interpolado a partir da combinação linear ponderada dos pontos
amostrados, segundo a qual o peso de cada ponto estimado diminui à medida que a distância aumenta.
Esse método é conhecido como:
a) Polígono de Voronoi
b) Hexágono de Dirichlet
c) Polígono de Thiessen
d) IDW
e) Krigagem
Comentários:
O Inverso da Distância Ponderada (IDW) é um método de interpolação espacial utilizado em Sistemas de
Informação Geográfica que calcula o valor interpolado a partir da combinação linear ponderada dos pontos
amostrados, na qual o peso de cada ponto estimado diminui à medida que a distância aumenta
Gabarito: D.
37

4. (CESGRANRIO/PETROBRAS/2010) Em geoestatística, associado a um processo gaussiano estacionário e

isotrópico, podem distinguir-se os seguintes componentes constantes de um semivariograma:
a) krigagem, amplitude e patamar.
b) krigagem, alcance e amplitude.
c) efeito pepita, amplitude e patamar.
d) efeito pepita, krigagem e amplitude.
e) efeito pepita, krigagem e patamar.
Comentários:
No contexto de um processo gaussiano estacionário e isotrópico, os componentes de um semivariograma
são:
• Efeito pepita: representa a variabilidade intrínseca que não pode ser explicada pela distância entre
os pontos. É a variância mínima entre os pontos devido a efeitos aleatórios não amostrados.
• Amplitude: é a distância máxima em que a correlação entre os valores amostrados ainda é observada.
Também conhecida como alcance ou raio de influência.
• Patamar: refere-se ao valor máximo da covariância ou semivariância, representando a variabilidade
total entre os pontos à medida que a distância entre eles aumenta. Também pode ser chamado de
patamar de variância.
Gabarito: C.
5. (CESGRANRIO/ANM/2006) O variograma é uma ferramenta fundamental utilizada na geoestatística. O

valor identificado na interceptação do eixo y pela curva do variograma e que representa fatores aleatórios
e de curta distância, tais como erro de amostragem, erros analíticos e mineralizações erráticas, é o:
a) patamar.
b) efeito pepita.
c) intervalo.
d) estimador.
e) passo.
Comentários:
O valor identificado na interceptação do eixo y pela curva do variograma e que representa fatores aleatórios
e de curta distância é conhecido como "efeito pepita".
Gabarito: B.
38

AVISO IMPORTANTE!
==2e7ead==
Olá, alunos (as)!
Informamos que não temos mais questões da banca, referente ao assunto tratado na aula de hoje, em virtude
de baixa cobrança deste tópico ao longo dos anos. No entanto, para complementar o estudo e deixar sua
preparação em alto nível, preparamos um caderno de questões de várias bancas que servirá como treino e
aprimoramento do conteúdo.
Em caso de dúvidas, não deixe de nos chamar no Fórum de dúvidas!
Bons estudos!
Estratégia Concursos
39

QUESTÕES COMENTADAS
Geoestatística
1. (AVANÇASP/Pref SM Arcanjo/2023) De acordo com o Sistema de Informação Geográfica (SIG), a

representação digital de uma porção da superfície terrestre baseado no mosaico dos polígonos de Voronoi
para definir pesos para a interpolação, se refere ao método de interpolação denominado de:
a) Triangulação de Delaunay.
b) Diagrama de Voronoi.
c) Polígonos de Thiessen.
d) Vizinhos naturais.
e) Splines.
Comentários:
No método dos Vizinhos Naturais, os pesos atribuídos aos pontos de dados conhecidos durante a
interpolação dependem da área de influência de cada ponto de dados em relação ao ponto de interesse (ou
ponto de interpolação).
Essas áreas de influência podem ser definidas pelos polígonos de Voronoi. O peso atribuído a cada ponto de
dados é proporcional à área do polígono de Voronoi correspondente ao ponto de dados, que intersecta a
área de interesse ou de interpolação.
Gabarito: D.
2. (IBFC/SEAD GO/2023) “Em um método puramente 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 distante, mas
essas distâncias são euclidianas. No caso da estimativa por krigagem, as distâncias são baseadas na análise
_____________ e, além desse relacionamento entre pontos estimadores e o ponto a ser estimado, há o
relacionamento entre os pontos estimadores que vão fornecer informações sobre o agrupamento
presente” (YAMAMOTO; LANDIM, 2013).
Assinale a alternativa que preencha corretamente a lacuna
a) do histograma
b) de Pearson
c) Variográfica
d) Qui-Quadrado
40

e) Kolmogorov-smirnov
Comentários:
Na estimativa por krigagem, as distâncias são baseadas na análise variográfica e, além desse relacionamento
entre pontos estimadores e o ponto a ser estimado, há o relacionamento entre os pontos estimadores que
vão fornecer informações sobre o agrupamento presente.
Gabarito: C.
3. (IBFC/SEAD GO/2023) A geoestatística, como mecanismo de interpolação, tem aplicação no meio

geotécnico, tanto no Brasil quanto no exterior. Uma das metodologias mais difundidas nos trabalhos
publicados é a krigagem ordinária (Matheron, 1963). Considerando a afirmação acima, assinale a
alternativa incorreta.
a) A krigagem ordinária é aceita como um dos melhores métodos de estimativa linear não enviesado e pode
ser aplicado em diversos campos, como mineração, geotecnia, hidrogeologia, agricultura de precisão,
recursos florestais etc
b) O amplo uso da krigagem ordinária se deve à simplicidade do método e também porque proporciona a
incerteza associada à estimativa, por meio da variância de krigagem
c) Quando os valores de uma variável regionalizada apresentam media variável, porém desconhecida, o
algoritmo a ser aplicado é o da krigagem ordinária
d) O estimador da krigagem ordinária é baseado na fórmula da média ponderada, onde os ponderadores
dependem da informação estrutural fornecida pelo variograma
e) Ao levar em consideração a existência de continuidade espacial, permite que os dados obtidos por
amostragem de certos pontos possam ser usados para a estimação de pontos onde o valor da variável seja
desconhecido
Comentários:
Na verdade, a krigagem ordinária assume que a média da variável regionalizada é conhecida e constante.
Quando a média é variável e desconhecida, outros métodos de krigagem, como a krigagem universal, podem
ser mais apropriados, pois permitem estimar tanto a média quanto a distribuição espacial dos dados.
Portanto, a afirmação da alternativa c) está incorreta.
Gabarito: C.
4. (IBADE/Pref B São Francisco/2022) Na Geoestatística, embora possa existir uma infinidade de funções
que se ajustem aos semivariogramas experimentais, a prática tem mostrado que alguns modelos,
41

fundamentados nas suposições teóricas das variáveis regionalizadas, têm satisfeito a maioria das suas
aplicações. A característica abaixo, indica o seguinte modelo:
A função é parabólica próxima a origem. Este modelo apresenta amplitude variográfica extensa e o
patamar semelhante ao modelo exponencial.
a) modelo gaussiano.
b) modelo exponencial.
c) modelo aleatório.
d) modelo logarítmico.
e) modelo esférico.
Comentários:
O modelo gaussiano é caracterizado por uma função parabólica próxima à origem. Ele apresenta uma
amplitude variográfica extensa e um patamar semelhante ao modelo exponencial. Portanto, a alternativa
correta é a letra a) modelo gaussiano.
Gabarito: A.
5. (IDIB/GOINFRA/2022) A Krigagem é um 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. Com relação à krigagem, assinale a alternativa correta:
a) Quando valores de uma variável regionalizada apresentam média descontínua, porém conhecida, o
algoritmo a ser aplicado é o da krigagem ordinária, para encontrar os ponderadores ótimos que minimizem
a variância do erro de estimação.
b) Valores obtidos por krigagem em blocos são menos suavizados que valores obtidos por krigagem pontual
c) O sistema de krigagem necessário para a determinação dos ponderadores associados a cada um dos
pontos estimadores baseia-se na ideia de que quanto menor a covariância entre uma amostra e o local que
está sendo estimado, mais essa amostra deve contribuir para a estimativa.
d) A krigagem pode ser usada para fazer a previsão do valor pontual de uma variável regionalizada em um
determinado local dentro do campo geométrico. Este 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.
e) Na estimativa por krigagem as distâncias são baseadas na análise variográfica e além deste relacionamento
entre pontos estimadores e o ponto a ser estimado há também o relacionamento entre os pontos
42

estimadores que vão fornecer informações sobre o agrupamento presente. O sistema de krigagem, portanto,
não leva em consideração a distância entre amostras, apenas o seu agrupamento.
Comentários:
A krigagem é um método de interpolação exato que leva em consideração a estrutura de autocorrelação
espacial dos dados. Ele pode ser utilizado para estimar valores em pontos desconhecidos dentro do campo
geométrico de forma precisa, utilizando informações de todos os pontos amostrados na área de interesse.
Isso o torna adequado para a cartografia automática por computador, desde que se tenha dados suficientes
e representativos para a área em questão. As outras alternativas apresentam afirmações incorretas sobre a
krigagem.
Gabarito: D.
6. (CEBRASPE/SLU DF/2019) Julgue o item a seguir, a respeito dos pacotes computacionais de sistema de
informações geográficas (SIG), que permitem diferentes tipos de armazenamento, interpolação e
visualização de dados espaciais e tabulares.
A triangulação de Delaunay baseia-se em critérios de distância e direção para efetuar interpolação de dados
espaciais.
Comentários:
Não, na realidade é a krigagem que se baseia em critérios de distância e direção para efetuar interpolação
de dados espaciais.
Gabarito: Errado.
7. (NC UFPR/ITAIPU/2019) A interpolação é um processo usual de produção de dados geoespaciais, que

se deve ao fato de ser um método:
a) de medição dos valores para os locais onde não foi possível a obtenção de dados, não se aplicando a
dados matriciais.
b) baseado no uso de ferramentas determinísticas (krigagem), o que possibilita a medição de valores nos
locais onde não foi possível a coleta de dados.
c) usualmente empregado para a estimativa de valores em áreas não amostradas.
d) que emprega duas ferramentas computacionais (krigagem ou interferometria e IDW ou IDW2) como
ferramentas computacionais para geração de modelos digitais.
e) baseado no uso de ferramentas determinísticas e probabilísticas, aplicável a dados matriciais e que
possibilita a medição de valores nos locais onde não foi possível a coleta de dados.
43

Comentários:
A interpolação é frequentemente usada para estimar valores em locais onde não foram realizadas medições
ou coletas de dados.
Isso é feito através da interpolação dos valores conhecidos em pontos de amostra para estimar valores em
locais não amostrados dentro da área de estudo. Essa técnica é fundamental em análise espacial e na
produção de dados geoespaciais.
As outras alternativas apresentam afirmações incorretas sobre a interpolação ou incluem detalhes que não
são necessariamente verdadeiros para todos os métodos de interpolação.
Gabarito: C.
8. (NC UFPR/ITAIPU/2019) A análise de dados geoespaciais difere da análise estatística convencional, por
considerar a localização como componente da informação. Nesse contexto, a autocorrelação espacial é
um conceito-chave, pois:
a) mede a distância entre os dados e utiliza esse valor para normalizar a média e a variância como medidas
espaciais (h).
b) emprega a distância entre amostras de uma mesma variável como medida do grau de ligação estatística
entre essas amostras e o espaço.
c) mede a correlação de Pearson entre o conjunto amostral no espaço (variáveis regionalizadas) e um
conjunto de dados não espaciais (variável aleatória).
d) utiliza o R² (coeficiente de determinação) como medida de correlação entre variáveis regionalizadas e não
regionalizadas.
e) possibilita a interpolação de valores amostrais de um mesmo conjunto de dados quando a variância
ultrapassa os valores da média local.
Comentários:
A autocorrelação espacial refere-se à relação estatística entre observações em diferentes locais dentro de
um conjunto de dados geoespaciais. Ela mede o grau de dependência entre as observações com base na
distância espacial entre elas.
Portanto, a letra b) está correta ao afirmar que a autocorrelação espacial utiliza a distância entre as amostras
da mesma variável como medida do grau de ligação estatística entre essas amostras e o espaço.
Gabarito: B.
44

9. (CEBRASPE/IPHAN/2018) Considerando um terreno com 10 m × 10 m de área, situado na latitude 30º

30’ 36” S e com declividade de 18º, julgue o item subsequente.
Os dados pontuais de declividade de diferentes pontos no terreno podem ser interpolados por meio de
diferentes técnicas geoestatísticas, como Krigagem, inverso do quadrado da distância e árvore de decisão.
Comentários:
A afirmação está incorreta porque a técnica "árvore de decisão" mencionada não é uma técnica de
interpolação utilizada em geoestatística para estimar valores em locais desconhecidos com base em dados
pontuais.
As duas primeiras técnicas mencionadas, Krigagem e inverso do quadrado da distância, são métodos
comumente utilizados para interpolação de dados geoespaciais, incluindo declividade. Porém, a árvore de
decisão é geralmente empregada em problemas de classificação ou regressão em aprendizado de máquina,
e não para interpolação espacial.
Gabarito: Errado.
10. (CEV UECE/FUNCEME/2018) A interpolação espacial busca fazer uma estimativa dos valores de um
campo contínuo em locais onde não foram feitas medidas de campo. Dos processos de interpolação,
aquele que utiliza as informações espaciais de distância e direção é chamado de
a) triangulação de Delaunay.
b) ponderação pelo inverso da distância (IDW).
c) estatística de Moran.
d) krigagem.
Comentários:
A krigagem é um método de interpolação espacial que utiliza informações de distância e direção entre as
amostras para estimar valores em locais não amostrados. Ele leva em consideração a estrutura de correlação
espacial dos dados, utilizando um modelo estatístico baseado em covariância para calcular as estimativas
interpoladas. Portanto, a krigagem é o processo de interpolação que se encaixa na descrição fornecida na
questão.
Gabarito: D.
11. (PGP UFV/UFV/2018) Em um experimento controlado, um pesquisador coletou dados pluviométricos

em pontos distribuídos regularmente espaçados em uma área de 10 km². O pesquisador buscava elaborar
um mapa matricial (raster) da distribuição da pluviosidade.
45

Sabendo que o fenômeno pluviométrico apresenta uma variação espacial, um método indicado para
interpolar a informação coletada entre os pontos do mapa é o método:
a) de Thiessen.
b) da média aritmética.
c) do inverso da distância.
d) da krigagem.
Comentários:
A krigagem é um método de interpolação que leva em consideração a estrutura de correlação espacial dos
dados. Isso significa que ele é capaz de estimar valores em locais não amostrados com base nas amostras
disponíveis, considerando a distribuição espacial das amostras e a correlação entre elas. Portanto, para a
interpolação de dados pluviométricos em uma área com variação espacial, a krigagem é uma escolha
adequada.
Gabarito: D.
12. (FGV/IBGE/2017) Uma das estratégias de modelagem do terreno para aplicações de visualização
tridimensional baseia-se na distribuição de pontos de coordenadas (X, Y e Z) ao longo da área de interesse
e na geração de uma malha triangular conectando tais pontos.
A Triangulação de Delaunay é uma forma particular de triangulação que atende à seguinte restrição:
a) minimização do espaço de armazenamento;
b) geração de triângulos com áreas equivalentes;
c) geração de normais apontando na direção do zênite;
d) maximização dos triângulos retângulos na malha;
e) maximização dos ângulos mínimos de cada triângulo.
Comentários:
A Triangulação de Delaunay é conhecida por produzir uma malha onde os triângulos têm ângulos internos
mais próximos do máximo possível. Isso significa que, em geral, os triângulos tendem a ter ângulos internos
maiores e mais próximos de 60 graus, o que ajuda a evitar triângulos muito finos ou alongados, tornando a
malha mais adequada para uma variedade de aplicações, incluindo visualização tridimensional e cálculos
geométricos.
Gabarito: E.
46

13. (FGV/IBGE/2017) Quando varia o comportamento dos semivariogramas de acordo com a direção das
amostras diz-se que o fenômeno em estudo é anisotrópico. A anisotropia geométrica, em relação a
algumas direções, ocorre quando:
a) as amplitudes dos semivariogramas variam nas direções de análise, mas os patamares permanecem
constantes;
b) as amplitudes dos semivariogramas não variam, mas os patamares variam nas direções em análise;
c) as amplitudes dos semivariogramas são constantes na mesma direção e sentidos opostos, mas os
patamares são constantes;
d) as amplitudes dos semivariogramas não variam, mas os patamares variam na mesma direção e sentidos
opostos;
e) as amplitudes e os patamares variam nas direções em análise.
Comentários:
A anisotropia geométrica é caracterizada pela variação espacial do alcance e da amplitude do
semivariograma em várias direções. O alcance define a distância máxima em que as amostras mantêm
correlação espacial, enquanto a amplitude indica a máxima variabilidade espacial do fenômeno em análise.
Por sua vez, o patamar representa a variabilidade residual, ou seja, aquela não explicada pela autocorrelação
espacial.
Na presença de anisotropia geométrica, o patamar permanece constante em todas as direções, o que
significa que a variabilidade espacial residual é independente da direção. No entanto, a amplitude varia
conforme a direção, indicando que a variabilidade espacial do fenômeno é mais pronunciada em certas
direções do que em outras.
Gabarito: A.
14. (FGV/IBGE/2017) Na krigagem, antes da estimação das variáveis, é necessário descrever sua variação
no espaço por meio de gráficos como variogramas (ou semivariogramas) e correlogramas. Quanto aos
semivariogramas, é correto interpretar que:
a) no eixo das abscissas estão registradas as distâncias de cada ponto em relação ao seu vizinho mais
próximo;
b) seus valores aumentam com a distância por se tratar de uma distribuição acumulada dos valores da
variância;
c) a diferença entre o valor máximo do semivariograma e o efeito pepita denomina-se patamar;
d) o efeito pepita depende essencialmente do tipo de fenômeno a ser interpolado;
e) com distâncias acima do valor do alcance, as amostras passam a ser independentes.
47

Comentários:
Vamos analisar cada alternativa:
Alternativa A: Incorreta. No eixo das abscissas geralmente estão registradas as distâncias entre os pares de
pontos amostrais.
Alternativa B: Incorreta. Os valores dos semivariogramas geralmente aumentam com a distância, refletindo
o aumento na variabilidade espacial.
Alternativa C: Incorreta. O patamar é o valor do semivariograma que corresponde ao seu alcance. A diferença
entre o valor máximo do semivariograma e o efeito pepita denomina-se contribuição ou patamar parcial.
Alternativa D: Incorreta. O efeito pepita representa a variabilidade intrínseca não explicada pela
autocorrelação espacial e pode depender do tipo de fenômeno estudado, mas também pode refletir a
variabilidade devido a erros de medição ou outros fatores.
Alternativa E: Correta. O alcance é a distância na qual a autocorrelação espacial não é mais observada,
indicando o limite da dependência espacial. Amostras com distâncias acima do alcance são consideradas
independentes para fins de interpolação.
Gabarito: E.
15. (QUADRIX/TERRACAP/2017) Suponha-se que um geólogo tenha construído variogramas em diversas

direções ao redor de um depósito de ouro em exploração. Sendo assim, o objetivo principal desse geólogo
seria determinar a
a) origem do depósito.
b) variabilidade espacial dos teores de ouro na área de estudo.
c) assimetria e curtose dos teores de ouro.
d) normalidade dos dados de teor de ouro.
e) existência de halos de alteração da mineralização de ouro.
Comentários:
Os variogramas são ferramentas essenciais na análise de dados geoespaciais, como os teores de minerais em
depósitos minerais. Ao construir variogramas em diferentes direções em torno de um depósito de ouro, o
geólogo está procurando entender como os teores de ouro variam no espaço e em que direções essa
variabilidade é mais pronunciada. Isso é fundamental para caracterizar a distribuição espacial do ouro e para
orientar atividades de exploração e mineração, identificando áreas com maior potencial mineral.
Gabarito: B.
16. (QUADRIX/TERRACAP/2017)
48

A figura acima mostra os componentes de um variograma. Os pontos A e B e o tipo de curva denominam-

se, respectivamente,
a) pepita, alcance e curva exponencial.
b) pepita, patamar e curva exponencial.
c) pepita, alcance e curva gaussiana.
d) alcance, pepita e curva gaussiana.
e) patamar, alcance e curva gaussiana.
Comentários:
Os componentes representados no variograma são:
Efeito Pepita (A): revela a descontinuidade do semivariograma para distâncias menores do que a menor
distância entre as amostras;
Alcance (Ponto B): distância dentro da qual as amostras apresentam-se correlacionadas espacialmente.
Tipo de Curva: A curva é parabólica próxima à origem, o que remete a uma curva gaussiana.
Gabarito: C.
17. (BIO-RIO/Pref B Mansa/2016) A geoestatística distingue-se da estatística clássica pelo fato de

considerar que os valores de uma variável estão de alguma forma relacionados à sua distribuição espacial,
ou seja, observações tomadas a curtas distâncias devem ser mais semelhantes do que aquelas tomadas a
distâncias maiores, e por levar em consideração o comportamento espacial das variáveis apresenta grande
potencial de aplicação nas geociências. Sobre a geoestatística, assinale a opção CORRETA, em relação aos
itens abaixo:
I. Serve para descrever e modelizar padrões espaciais (variografia) e predizer valores em locais não
amostrados (krigagem).
49

II. Serve para obter a incerteza associada a um valor estimado em locais não amostrados (variância de
krigagem) e para otimizar malhas de amostragem.
III. Patamar é um parâmetro de um semivariograma que corresponde à diferença entre o ponto de maior
correlação ou a origem do semivariograma e o ponto que teoricamente representa a variância
populacional e a variabilidade se estabiliza.
a) Apenas I e II estão corretos.
b) Apenas I e III estão corretos.
c) Apenas II e III estão corretos.
d) Todos estão corretos.
Comentários:
Vamos analisar cada item:
Item I: Correto. Serve para descrever e modelizar padrões espaciais (variografia) e predizer valores em locais
não amostrados (krigagem).
A afirmação está correta, pois descreve os principais usos da geoestatística na análise espacial de dados.
Item II: Correto. Serve para obter a incerteza associada a um valor estimado em locais não amostrados
(variância de krigagem) e para otimizar malhas de amostragem.
A afirmação também está correta, pois a geoestatística permite não apenas estimar valores em locais não
amostrados, mas também quantificar a incerteza associada a essas estimativas.
Item III: Incorreto. Patamar é um parâmetro de um semivariograma que corresponde à diferença entre o
ponto de maior correlação ou a origem do semivariograma e o ponto que teoricamente representa a
variância populacional e a variabilidade se estabiliza.
A afirmação está incorreta, pois confunde o patamar com uma diferença entre pontos específicos do
semivariograma, quando na verdade o patamar é a altura máxima alcançada pelo semivariograma após a
faixa de alcance. Além disso, a afirmação pode ser considerada imprecisa ao sugerir que o patamar é onde a
variabilidade se estabiliza, quando na verdade é o alcance que determina esse ponto.
A banca considerou como gabarito a alternativa d), considerando que todas as afirmativas estão corretas.
No entanto, há uma clara confusão de conceitos no item III, que deveria ter sido julgado incorreto. Portanto,
o gabarito correto para essa questão deveria ser a alternativa a) e não d).
Gabarito: D.
50

18. (CEBRASPE/FUB/2016) Com relação a georreferenciamento, julgue o item a seguir.

Entre os métodos comumente utilizados na reamostragem, incluem-se o vizinho mais próximo, os
polinômios de 2.º grau e a krigagem.
Comentários:
Entre os métodos comumente utilizados na interpolação de dados geoespaciais, incluem-se o vizinho mais
próximo, os polinômios de 2.º grau e a krigagem.
Gabarito: Errado.
19. (FCC/SEMA MA/2016) Sobre os interpoladores para geração de grades regulares:

a) Quando se faz uso de todas as amostras para interpolar cada ponto da grade, diz-se que a interpolação é
global.
b) No cálculo da interpolação local, o valor de cota de cada elemento da grade é estimado a partir de uma
quantidade preestabelecida de amostras vizinhas mais distantes do elemento.
c) Um modelo de grade regular retangular só pode ser gerado a partir de um conjunto de amostras
regularmente espaçadas jamais por um conjunto de amostras irregularmente espaçadas.
d) Para a geração de grades regulares pode-se utilizar os interpoladores por media móvel como, por exemplo,
a Krigagem.
e) As grades regulares geradas por superfícies de tendência são determinadas por um ajuste polinomial dos
dados, através de um processo de regressão simples entre os valores do atributo e as localizações
geográficas.
Comentários:
Vamos analisar cada alternativa:
a) Correta. Na interpolação global, todas as amostras disponíveis são consideradas para estimar cada ponto
na grade, resultando em uma abordagem mais suave e global para a interpolação.
b) Incorreta. Na interpolação local, o valor de cada ponto na grade é estimado a partir de uma quantidade
preestabelecida de amostras vizinhas mais próximas do ponto, não mais distantes.
c) Incorreta. Um modelo de grade regular retangular pode ser gerado a partir de um conjunto de amostras
regularmente espaçadas ou irregularmente espaçadas. O importante é que a estrutura da grade seja regular,
não necessariamente a distribuição das amostras.
d) Incorreta. Os interpoladores por média móvel, incluindo a Krigagem, são métodos de interpolação que
estimam valores em locais não amostrados com base nas amostras disponíveis, mas não geram diretamente
grades regulares.Para gerar uma grade regular, é necessário combinar a saída da Krigagem com métodos
51

adicionais, como interpolação bilinear ou cúbica, para preencher os espaços entre os pontos estimados e
criar uma grade regular.
e) Incorreta. As grades regulares geradas por superfícies de tendência não são necessariamente
determinadas por um ajuste polinomial dos dados através de um processo de regressão simples.
Portanto, a alternativa correta é a).
Gabarito: A.
20. (VUNESP/Pref. Pres. Prudente/2016) Para estimar a magnitude da autocorrelação espacial entre áreas,
as ferramentas que podem ser utilizadas são:
a) Índice de Poisson e Variograma.
b) Índice de Geary e Índice de Moram.
c) Índice de Moram e Índice de Delaunay.
d) Índice de Delaunay e Média Móvel Espacial.
e) Estimador de Intensidade e Estimador Kernel.
Comentários:
O Índice de Geary é uma medida de autocorrelação espacial que quantifica a semelhança entre os valores
de uma variável em diferentes locais. Ele compara as diferenças entre os valores dos dados em pares de
áreas adjacentes com as diferenças esperadas sob a suposição de aleatoriedade espacial.
O índice de Geary varia de 0 a 2. Valores próximos a 0 indicam alta autocorrelação espacial positiva, enquanto
valores próximos a 2 indicam autocorrelação espacial negativa. É uma medida de autocorrelação global que
considera todos os pares de áreas.
O Índice de Moran é outra medida comum de autocorrelação espacial que examina a relação entre os valores
de uma variável em diferentes locais. Ele avalia a associação linear entre os valores da variável em cada
localidade e os valores nas localidades vizinhas, ponderados pela distância e normalizados.
O índice de Moran varia de -1 a 1. Valores próximos a 1 indicam autocorrelação espacial positiva (valores
semelhantes estão próximos uns dos outros), valores próximos a -1 indicam autocorrelação espacial negativa
(valores opostos estão próximos uns dos outros), e valores próximos a 0 indicam ausência de autocorrelação
espacial.
Assim como o Índice de Geary, o Índice de Moran também é uma medida de autocorrelação global.
52

Ambos os índices são amplamente utilizados em análises de dados espaciais para entender padrões de
distribuição e associações entre variáveis em diferentes locais. Eles ajudam a identificar se há agrupamentos
ou padrões espaciais significativos nos dados.
Gabarito: B.
21. (VUNESP/Pref Pres Prudente/2016) Interpoladores servem para estimar o valor de um atributo em
locais não amostrados, a partir de locais amostrados na mesma área. Os resultados dos interpoladores são
grades regulares e/ou irregulares. Essas grades são representações estatísticas de uma superfície do
terreno, com pontos adquiridos representando altitude, precipitação, população, entre outras grandezas.
A respeito dos modelos de interpoladores, é correto afirmar que
a) a interpolação por Vizinho mais próximo é definida pela escolha de várias amostras vizinhas para cada
ponto da grade, constituindo o interpolador mais lento e que precisa de mais recursos computacionais.
b) a Média simples considera que dado um raio ao redor do ponto interpolado, calcula-se a média geométrica
de todos os pontos contidos dentro do raio.
c) a Média ponderada define um raio ao redor do ponto desejado e atribui pesos menores aos pontos mais
próximos e, dessa forma, o resultado tem maior proximidade com a realidade.
d) o Bilinear realiza primeiro a interpolação linear na direção das abscissas e depois na direção das
ordenadas.
e) no Delaunay, a grade final deve conter triângulos o mais próximo de escaleno possível, evitando-se a
criação de triângulos afinados.
Comentários:
Vamos analisar as afirmativas sobre interpoladores:
Alternativa A: Incorreta. A interpolação pelo vizinho mais próximo é o mais simples e rápido, pois utiliza
apenas o valor do ponto mais próximo para a interpolação. Contudo, é um dos métodos que exige menos
recursos computacionais.
Alternativa B: Incorreta. A média simples calcula a média aritmética dos pontos dentro de um raio, não a
média geométrica. De fato, é um método rápido e fácil de implementar, mas pode apresentar resultados
menos precisos em áreas com distribuição irregular de pontos.
Alternativa C: Incorreta. A média ponderada atribui pesos maiores aos pontos mais próximos, não menores.
Isso resulta em um resultado mais próximo da realidade, especialmente em áreas com distribuição irregular
de pontos.
Alternativa D: Correta. O método bilinear realiza a interpolação linear em ambas as direções (abscissas e
ordenadas). É um método preciso e versátil, mas pode ser mais lento que outros métodos, como o vizinho
mais próximo.
53

Alternativa E: Incorreta. A triangulação de Delaunay busca maximizar os ângulos mínimos, não minimizar a
criação de triângulos afinados. Isso resulta em uma grade final com triângulos mais próximos de equiláteros,
o que aumenta a precisão da interpolação.
Gabarito: D.
22. (VUNESP/Pref Pres Prudente/2016) O método de interpolação krigagem leva em consideração as

características espaciais de autocorrelação de variáveis regionalizadas. Com relação a esse método de
interpolação, é correto afirmar que
a) a krigagem fornece estimativas tendenciosas, com variância máxima e possibilidade de que se conheça
essa variância da estimativa.
b) para verificar a existência ou não de continuidade espacial são utilizadas, em conjunto, a análise
==2e7ead==
variográfica e a distribuição normal.

c) o método não utiliza a distância euclidiana para atribuição dos pesos entre os pontos, mas uma distância
estatística que expressa tanto a distância como a distribuição normal.
d) os pesos são atribuídos de acordo com a variabilidade da distribuição normal expressa no semivariograma.
e) a condição de variância mínima significa que, embora possam existir diferenças ponto por ponto entre o
valor medido e o estimado, essas diferenças devem ser mínimas.
Comentários:
Com relação à técnica de Krigagem, a condição de variância mínima significa que, embora possam existir
diferenças ponto por ponto entre o valor medido e o estimado, essas diferenças devem ser mínimas.
Gabarito: E.
23. (FDRH/FEPAM RS/2015) O variograma é uma ferramenta que permite analisar o comportamento
espacial de uma propriedade da variável em uma região delimitada, relacionando, para isso, o grau de
similitude das amostras com a distância e permitindo, assim, detectar as direções de anisotropia dessa
propriedade. Assinale V para as afirmativas verdadeiras e F para as falsas, considerando o enunciado
acima.
( ) O variograma normalmente atinge o platô, chamado de “sill”, que é aproximadamente igual à variância
total dos valores amostrais (a variância, a priori, dos dados).
( ) Para distâncias de separação extremamente pequenas, isto é, com h ≈ 0, não existe variabilidade entre
as amostras, razão pela qual o modelo variográfico deve, obrigatoriamente, partir da origem.
( ) Variogramas são tipicamente calculados para diferentes direções, sendo que, para qualquer direção, o
valor calculado da função variograma irá depender somente da distância, e não do sentido em que for
calculado.
54

A sequência correta de preenchimento dos parênteses, de cima para baixo, é

a) V – V – V.
b) V – F – V.
c) F – V – V.
d) F – V – F.
e) F – F – F.
Comentários:
Vamos analisar cada item:
Verdadeiro (V): O variograma normalmente atinge o platô, chamado de "sill", que é aproximadamente igual
à variância total dos valores amostrais. Isso ocorre porque o sill representa a variabilidade máxima que pode
ser explicada pelo modelo de dependência espacial.
Falso (F): Em distâncias infinitesimais, as amostras podem ser consideradas espacialmente coincidentes, o
que tende a reduzir a variabilidade. No entanto, a variabilidade espacial pode persistir em distâncias muito
pequenas, especialmente em casos com microrregionalização ou erros de medição. Além disso, o efeito
pepita representa a variabilidade espacial aleatória em distâncias infinitesimais. Se o efeito pepita for
significativo, o variograma não partirá da origem, mesmo que não haja autocorrelação espacial.
Verdadeiro (V): Variogramas são tipicamente calculados para diferentes direções, mas o valor calculado da
função variograma depende apenas da distância entre os pontos amostrais, não do sentido em que é
calculado.
Gabarito: B.
24. (CEBRASPE/FUB/2015) O Brasil é um dos países mais ricos do mundo em recursos minerais. Diversas
jazidas minerais estão sendo exploradas, e muitos outros depósitos estão sob avaliação para que se
determine sua viabilidade econômica de exploração. Com relação a esse assunto, julgue o item a seguir.
Entre os procedimentos indiretos de avaliação de recursos minerais incluem-se a técnica de geoestatística,
conhecida como krigagem, e o método de inverso do quadrado da distância.
Comentários:
O item está correto. Tanto a técnica de geoestatística, conhecida como krigagem, quanto o método de
inverso do quadrado da distância são procedimentos indiretos de avaliação de recursos minerais.
Ambos os métodos são amplamente utilizados para estimar a distribuição espacial de depósitos minerais e
avaliar a viabilidade econômica de sua exploração. Portanto, o item está correto.
Gabarito: Certo.
55

c) Índice de Moran
d) Krigagem
Comentários:
A Krigagem é um método de regressão utilizado para interpolar dados levando em consideração as
características espaciais de autocorrelação de variáveis regionalizadas.
Gabarito: D.
semivariograma.
valores
a) 0,00052818 e 1589
b) 0,001587 e 0,00052818
c) 0,00052818 e 0,0002155
56

d) 0,001724 e 1589
e) 0,00052818 e 0,001724
Comentários:
Para interpretar o semivariograma fornecido, precisamos identificar os valores que representam o efeito
pepita e o alcance.
O valor do efeito pepita é o patamar inicial do semivariograma, indicando a variabilidade espacial não
estruturada ou aleatória. No gráfico fornecido, o efeito pepita é aproximadamente 0,5 × 10−3 .
O alcance é a distância na qual o semivariograma atinge um plateau ou estabiliza, indicando a distância
máxima dentro da qual as amostras se correlacionam espacialmente. No gráfico, o alcance é de 1,589 × 103
metros.
Gabarito: A.
27. (Com. Exam./MPE RS/2014) As estimativas geoestatísticas têm por objetivo

a) aplicar a Estatística Descritiva em dados geológicos de qualquer natureza.
b) aplicar a krigagem em um conjunto com n dados.
c) testar diferentes métodos de interpolação em um conjunto com n dados.
d) determinar a distribuição e a variabilidade espaciais de uma variável de interesse.
e) determinar o peso de cada variável em uma única amostra espacializada.
Comentários:
Estimativas geoestatísticas visam caracterizar a distribuição espacial e a variabilidade de uma variável de
interesse em uma determinada área. Através de métodos como a krigagem e a análise variográfica, a
geoestatística permite não apenas estimar valores em locais não amostrados, mas também compreender a
estrutura espacial dos dados e as relações de dependência espacial entre eles.
Gabarito: D.
28. (FGV/Pref. Florianópolis/2014) Os dados topográficos fornecem variáveis importantes

frequentemente solicitadas nas análises ambientais e nos empreendimentos de engenharia. O principal
objetivo dessas análises é a caracterização de unidades da paisagem baseadas em variáveis morfológicas
ligadas a feições geométricas da superfície. Dados topográficos já prontos obtidos a partir dos MNTs
adquiridos de sensores orbitais, como o SRTM, possuem limitações (escala, resolução e precisão) para
determinados estudos. Uma alternativa é a geração de MNTs a partir de curvas de nível inseridas em
interpoladores.
57

O método de interpolação espacial que calcula a priori as propriedades gerais da superfície de acordo com
os valores medidos, antes de estimar as partes faltantes da superfície, é o:
a) vizinho mais próximo;
b) kernel;
c) inverso da distância;
d) krigagem;
e) polígono de Thissen.
Comentários:
A krigagem é um método de interpolação espacial que calcula as propriedades gerais da superfície com base
nos valores medidos, antes de estimar as partes faltantes da superfície. Ele leva em consideração a estrutura
de correlação espacial dos dados para fornecer estimativas mais precisas e confiáveis em locais não
amostrados.
Gabarito: D.
29. (INCAB/DER CE/2014) A interpolação espacial é uma operação comum em Sistemas de Informações
Geográficas que pode ser aplicada através de diferentes métodos. A coluna I apresenta 3 métodos
bastantes discutidos na literatura. Estabeleça a correta correspondência com as afirmações da coluna II.
Coluna I
1. Polígonos de Thiessen ou Voronoi
2. Ponderação pelo Inverso da Distância (IDW)
3. Krigagem
Coluna II
( ) O valor interpolado é a média dos valores observados normalmente ponderados pela distância.
( ) Método simples que gera mudanças bruscas nos limites das áreas geradas.
( ) Considera as propriedades gerais da superfície.
( ) A avaliação da anisotropia da variável pode ser levada em consideração.
( ) Usados internamente nos SIG como um meio de acelerar certas operações espaciais, como encontrar o
vizinho mais próximo de um ponto.
A sequência correta é:
a) 2, 1, 3, 3 e 1
b) 1, 1, 3, 3 e 2
58

c) 2, 1, 1, 3 e 1
d) 1, 2, 1, 1 e 3
e) 3, 2, 3, 2 e 1
Comentários:
Primeiro, vamos relembrar cada método de interpolação citado na questão:
• Polígonos de Thiessen ou Voronoi: este método divide o espaço em áreas de influência para cada
ponto amostrado. O valor interpolado em um ponto não amostrado é a média dos valores dos pontos
dentro da área de influência que o contém.
• Ponderação pelo Inverso da Distância (IDW): este método pondera os valores dos pontos
amostrados de acordo com a distância inversa entre eles e o ponto não amostrado. O valor
interpolado em um ponto não amostrado é a média ponderada dos valores dos pontos amostrados,
com pesos maiores para pontos mais próximos.
• Krigagem: este método é um modelo geoestatístico que considera a autocorrelação espacial dos
dados para estimar o valor em um ponto não amostrado. O valor interpolado é estimado através de
uma combinação linear dos valores dos pontos amostrados, com pesos que dependem da distância
e da autocorrelação espacial entre os pontos.
Agora, vamos analisar as afirmativas:

(2) O valor interpolado é a média dos valores observados normalmente ponderados pela distância.
O método da Ponderação pelo Inverso da Distância (IDW) utiliza a média ponderada dos valores dos pontos
amostrados, com pesos maiores para pontos mais próximos.
(1) Método simples que gera mudanças bruscas nos limites das áreas geradas.
Os polígonos de Thiessen ou Voronoi podem gerar mudanças bruscas nos limites das áreas, especialmente
em áreas com distribuição irregular de pontos.
(3) Considera as propriedades gerais da superfície.

A krigagem considera a autocorrelação espacial dos dados, o que permite modelar as propriedades gerais da
superfície.
(3) A avaliação da anisotropia da variável pode ser levada em consideração.

A krigagem permite levar em consideração a anisotropia da variável, ou seja, a variabilidade espacial em
diferentes direções.
59

(1) Usados internamente nos SIG como um meio de acelerar certas operações espaciais, como encontrar o
Os polígonos de Thiessen ou Voronoi podem ser usados internamente nos SIG para encontrar o vizinho mais
próximo de um ponto, entre outras operações.
Gabarito: A.
30. (UFMT/IFMT/2014) Dentre os diversos métodos de interpolação, um cria triângulos por meio de
ligação de pontos, tornando-se eficiente para representar relevos acentuados, e outro realiza a
ponderação dos dados pontuais de modo que a influência de um dado em relação a outro diminui com a
distância. Esses dois métodos de interpolação são denominados, respectivamente:
a) Rede regular de triângulos e Krigagem.
b) Triangulação de relevo e inverso do quadrado da distância.
c) Triangulação topográfica e Krigagem.
d) Triangulação de Delaunay e inverso do quadrado da distância.
Comentários:
A triangulação de Delaunay cria triângulos por meio de ligação de pontos, tornando-se eficiente para
representar relevos acentuados, e a interpolação pelo Inverso do Quadrado da Distância (IQD) realiza a
distância.
Gabarito: D.
31. (UFMT/UFT/2014) Sobre conceitos básicos em análise espacial e geoprocessamento, marque V para as
afirmativas verdadeiras e F para as falsas.
( ) Um processo espacial específico é considerado estacionário de segunda ordem se a média é constante
e se a covariância depende do vetor de distância relativa entre todos os pares de pontos na região.
( ) A isotropia é uma característica de elementos na natureza em que a distribuição espacial ocorre mais
intensamente em uma direção e menos em outra.
( ) A dependência espacial pode ser definida pela primeira lei da geografia, ou seja, todas as coisas são
parecidas, mas coisas próximas se parecem mais que coisas mais distantes.
( ) No método de interpolação pelo inverso da potência, o ajuste de modelos de semivariograma é um
passo chave para determinar os pesos de pontos vizinhos no ponto que será estimado.
Assinale a sequência correta.
60

a) V, V, F, F
b) V, F, V, F
c) F, F, V, V
d) F, V, F, V
Comentários:
Analisando cada assertiva, temos:
(V) Um processo espacial específico é considerado estacionário de segunda ordem se a média é constante e
se a covariância depende do vetor de distância relativa entre todos os pares de pontos na região.
(F) A isotropia é uma característica de elementos na natureza em que a distribuição espacial ocorre mais
intensamente em uma direção e menos igualmente em uma direção e em outra.
(V) A dependência espacial pode ser definida pela primeira lei da geografia, ou seja, todas as coisas são
(F) No método de interpolação pelo inverso da potência pela krigagem, o ajuste de modelos de
semivariograma é um passo chave para determinar os pesos de pontos vizinhos no ponto que será estimado.
Gabarito: B.
32. (CEBRASPE/ANP/2013) A geoestatística tem a variografia como bom mecanismo para analisar variáveis
regionalizadas. Acerca desse assunto, julgue o item seguinte.
Alcance é uma medida importante que um variograma fornece, pois indica a distância máxima dentro da
qual as amostras se correlacionam, enquanto o patamar possui um ponto a partir do qual não há
dependência espacial entre as amostras.
Comentários:
A banca considerou o gabarito como correto, mas nosso entendimento é de que deveria ter julgado o item
como incorreto. Vejamos:
• O alcance não indica a distância máxima dentro da qual as amostras se correlacionam. Na verdade, o
alcance indica a distância a partir da qual a autocorrelação espacial se torna irrelevante, ou seja, a
variabilidade espacial é explicada por aleatoriedade e não por relações espaciais. É importante notar
que a autocorrelação espacial pode persistir além do alcance, mas com efeito decrescente.
• O patamar não indica um ponto a partir do qual não há dependência espacial. O patamar representa
a variância total do processo espacial, que inclui a variabilidade espacial explicada pela
autocorrelação e a variabilidade espacial aleatória (efeito pepita). O patamar não implica em ausência
de dependência espacial, mas sim em um nível de variabilidade espacial constante.
61

Gabarito: Certo.
Supondo que, no variograma abaixo, estão sendo analisados valores de saturação de óleo de um reservatório
verticalmente em um mesmo poço, a variável que indica qual a distância máxima dentro do reservatório
apresenta uma correlação dos valores está representada pela letra B.
Comentários:
O item está incorreto. Na análise variográfica, o parâmetro que indica a distância máxima dentro do
reservatório apresentando correlação dos valores é o alcance (range), não o efeito pepita, indicado pela letra
B. O efeito pepita (nugget effect) refere-se à variabilidade espacial não estruturada, que pode ser devida a
erros de medição, variabilidade local ou variações microscópicas. Portanto, a letra B no variograma não
representa o alcance, mas sim o efeito pepita.
Gabarito: B.
34. (CEBRASPE/PF/2013) Julgue o seguinte item acerca de geoestatística.

O semivariograma determina a existência, no solo, de autocorrelação espacial de um atributo, como teor de
potássio. Quando há nítida autocorrelação espacial em determinada direção, tem-se o chamado efeito
pepita.
Comentários:
O item está incorreto. O semivariograma de fato é uma ferramenta usada para analisar a autocorrelação
espacial de um atributo, como o teor de potássio no solo. No entanto, o efeito pepita não é indicativo de
"nítida autocorrelação espacial em determinada direção", como afirmado no item.
O efeito pepita no semivariograma indica a variabilidade espacial aleatória ou erro experimental, ou seja, a
variação não explicada pelo modelo de dependência espacial. Ele não representa uma direção específica de
62

autocorrelação espacial, mas sim a variabilidade residual que não pode ser explicada pela estrutura espacial
modelada pelo variograma.
Gabarito: Errado.
35. (ESAF/DNIT/2013) Krigagem corresponde a um dos métodos de interpolação de dados espaciais mais
utilizados em Geoestatística. Assinale o termo que possui alta relação com krigagem.
a) Semivariograma
b) Decorrelação
c) Árvore de decisão
d) Filtragem espacial
e) Componentes principais
Comentários:
O semivariograma é a ferramenta básica de suporte às técnicas de krigagem, pois permite modelar a
dependência espacial entre as amostras. O semivariograma é a parte central dos estudos geoestatísticos,
sendo capaz de descrever tanto qualitativa quanto quantitativamente a variação espacial.
Gabarito: A.

d) IDW
e) Krigagem
Comentários:
O Inverso da Distância Ponderada (IDW) é um método de interpolação espacial utilizado em Sistemas de
Informação Geográfica que calcula o valor interpolado a partir da combinação linear ponderada dos pontos
amostrados, na qual o peso de cada ponto estimado diminui à medida que a distância aumenta
Gabarito: D.
63

37. (FGV/INEA/2013) A geração de superfícies contínuas é um tipo de informação utilizada em análises

espaciais de dados ambientais e socioeconômicos.
Em relação a esse tipo de superfícies, assinale a afirmativa correta.
a) As estruturas para armazenamento das grades de interpolação são exclusivamente vetoriais.
b) A krigagem, no caso de dados esparsos, possui limitações na representação da variabilidade espacial,
porque desconsidera a anisotropia e a continuidade do fenômeno que se quer observar.
c) A krigagem fornece a estimação de uma matriz de covariância espacial que determina os pesos atribuídos
às diferentes amostras.
d) As triangulações são bastante eficazes em análises com amostragem de dados esparsos.
e) Os interpoladores de ajuste linear se ajustam bem quando da sub‐amostragem de dados.
Comentários:
Na krigagem, uma das etapas fundamentais é a modelagem da covariância espacial, que considera a relação
entre os valores observados em diferentes locais e a distância entre eles. A partir dessa modelagem, é
possível estimar os pesos atribuídos às diferentes amostras durante a interpolação, levando em conta a
estrutura de correlação espacial dos dados. Portanto, a krigagem fornece uma estimação da matriz de
covariância espacial, que é essencial para determinar os pesos adequados para cada amostra durante o
processo de interpolação.
Gabarito: C.
38. (FGV/SUDENE/2013) Assinale a alternativa que não se refere a um interpolador de dados.

a) Krigagem.
b) Inverso da Distância Ponderada (IDW).
c) Vizinho mais próximo.
d) Média móvel.
e) Moran.
Comentários:
O Índice de Moran é uma medida estatística utilizada para avaliar a autocorrelação espacial em conjuntos
de dados geográficos. Ele quantifica a semelhança ou dissimilaridade entre os valores de uma variável em
diferentes locais
64

O Índice de Moran varia de -1 a 1: valores positivos próximos a 1 indicam autocorrelação espacial positiva
(valores semelhantes tendem a se agrupar), valores negativos próximos a -1 indicam autocorrelação espacial
negativa (valores dissimilares tendem a se agrupar), enquanto valores próximos de 0 indicam ausência de
autocorrelação espacial.
É frequentemente usado na análise espacial para identificar padrões de agrupamento e avaliar a eficácia de
modelos de interpolação espacial.
Gabarito: E.
39. (MS CONCURSOS/Pref. Pelotas/2011) Assinale a opção correta sobre a “krigagem”.

a) Este método fornece estimadores exatos com propriedades de não tendenciosidade e eficiência.
b) Os procedimentos geoestatísticos em SIG’s, baseados em técnicas de krigagem otimizam os
procedimentos tradicionais de tais sistemas devido à qualidade do estimador e, principalmente, pela
informação de acurácia fornecida nesse modelo inferencial.
c) O método geoestatístico denominado de “Krigeagem” simples ou Ordinária não necessita de hipóteses a
serem consideradas quando utilizada.
d) O efeito pepita revela a descontinuidade do semivariograma para distâncias maiores do que a menor
distância entre as amostras.
e) O método geoestatístico denominado de “Krigeagem” Simples ou Ordinária não necessita de hipóteses a
serem consideradas quando utilizadas.
f) O efeito pepita revela a descontinuidade do semivariograma para distâncias maiores do que a menor
Comentários:
A krigagem é um método geoestatístico que fornece estimativas espaciais ponderadas com propriedades
ótimas, incluindo não tendenciosidade e eficiência. Ela é amplamente utilizada em Sistemas de Informação
Geográfica (SIGs) para otimizar procedimentos de análise espacial devido à qualidade do estimador e à
informação de acurácia fornecida por esse modelo inferencial.
Gabarito: B.
40. (CESGRANRIO/PETROBRAS/2010) Em geoestatística, associado a um processo gaussiano estacionário

e isotrópico, podem distinguir-se os seguintes componentes constantes de um semivariograma:
65


Comentários:
No contexto de um processo gaussiano estacionário e isotrópico, os componentes de um semivariograma
são:
• Efeito pepita: representa a variabilidade intrínseca que não pode ser explicada pela distância entre
os pontos. É a variância mínima entre os pontos devido a efeitos aleatórios não amostrados.
• Amplitude: é a distância máxima em que a correlação entre os valores amostrados ainda é observada.
Também conhecida como alcance ou raio de influência.
• Patamar: refere-se ao valor máximo da covariância ou semivariância, representando a variabilidade
total entre os pontos à medida que a distância entre eles aumenta. Também pode ser chamado de
patamar de variância.
Gabarito: C.
41. (CEBRASPE/IBRAM DF/2009) Atualmente, pacotes computacionais como o ArcGIS e termos técnicos
como modelos digitais de elevação são bastante conhecidos por profissionais que atuam na área de meio
ambiente. Julgue o próximo item com relação aos conceitos básicos de sistemas de informações
geográficas (SIG).
Krigagem é um método de interpolação linear bastante utilizado para georreferenciar imagens de satélite.
Comentários:
A krigagem é um método de interpolação linear utilizado para realizar a predição de medições e observações
em localidades desconhecidas com base em dados previamente coletados.
Gabarito: Errado.
42. (FCC/MPU/2007) Durante a análise geoestatística de um determinado depósito mineral, constróem-se

variogramas segundo várias direções, justamente para a obtenção de parâmetros
a) que descrevem o comportamento espacial dos valores das variáveis regionalizadas.
b) que descrevem as características vetoriais e a origem dos fluidos mineralizantes.
c) termodinâmicos relativos ao depósito mineral.
d) que descrevem a origem do depósito.
e) relativos aos halos de alteração e a mineralização correlata.
66

Comentários:
A alternativa correta é a letra a). Os variogramas em diferentes direções permitem analisar a anisotropia do
depósito e capturar a dependência espacial em diferentes orientações, fornecendo informações importantes
sobre a distribuição e a continuidade das variáveis de interesse no espaço.
Gabarito: A.

a) patamar.
b) efeito pepita.
c) intervalo.
d) estimador.
e) passo.
Comentários:
O valor identificado na interceptação do eixo y pela curva do variograma e que representa fatores aleatórios
e de curta distância é conhecido como "efeito pepita".
Gabarito: B.
44. (CEBRASPE/EMBRAPA/2006) A geoestatística é uma ferramenta básica na pesquisa agropecuária. Ela

é utilizada com freqüência, por exemplo, na geração de mapas de produtividade, de declividade — a partir
de dados pontuais de elevação — e de curvas de nível, bem como na espacialização de dados de
precipitação, provenientes de estações pluviométricas. Julgue o item seguinte, relativos a conceitos e
aplicações da geoestatística na pesquisa agropecuária.
Uma das diferenças básicas entre a krigagem e outros métodos de interpolação é a forma com que os pesos
são atribuídos às diferentes amostras.
Comentários:
Uma das diferenças básicas entre a krigagem e outros métodos de interpolação é, de fato, a forma como os
pesos são atribuídos às diferentes amostras.
67

Enquanto em métodos, como a interpolação por distância inversa ponderada, os pesos são atribuídos com
base apenas na distância entre os pontos, na krigagem, os pesos são determinados com base na estrutura
de correlação espacial dos dados, modelada pelo variograma.
Isso significa que a krigagem leva em consideração não apenas a proximidade espacial dos pontos, mas
também a direção e a magnitude da correlação entre eles, resultando em uma estimativa mais precisa e
confiável.
Gabarito: Certo.
45. (CEBRASPE/EMBRAPA/2006) Dados topográficos são largamente utilizados em gestão territorial,

manejo de recursos naturais e zoneamentos ecológico-econômicos. Com relação a esse tema, julgue o item
subseqüente.
Na triangulação de Delaunay, utiliza-se o critério de maximização dos ângulos mínimos de cada triângulo.
Isso significa que a rede triangular final deve conter triângulos que sejam o mais próximo possível de
triângulos eqüiláteros.
Comentários:
A triangulação de Delaunay é um método de dividir um conjunto de pontos em uma malha de triângulos.
O critério de maximização dos ângulos mínimos garante que a rede triangular final seja robusta e bem
condicionada, o que significa que ela é menos propensa a erros e distorções.
Triângulos com ângulos mínimos próximos de 60° (triângulos equiláteros) são mais estáveis e menos
deformados do que triângulos com ângulos muito pequenos ou muito grandes.
Gabarito: Certo.
68

LISTA DE QUESTÕES – CESGRANRIO
Geoestatística

c) Índice de Moran
d) Krigagem
semivariograma.
valores
a) 0,00052818 e 1589
b) 0,001587 e 0,00052818
c) 0,00052818 e 0,0002155
d) 0,001724 e 1589
e) 0,00052818 e 0,001724
69


d) IDW
e) Krigagem
==2e7ead==
4. (CESGRANRIO/PETROBRAS/2010) Em geoestatística, associado a um processo gaussiano estacionário e

isotrópico, podem distinguir-se os seguintes componentes constantes de um semivariograma:

a) patamar.
b) efeito pepita.
c) intervalo.
d) estimador.
e) passo.
70

GABARITO – CESGRANRIO
Geoestatística
1. LETRA D 3. LETRA D 5. LETRA B

2. LETRA A 4. LETRA C
71

LISTA DE QUESTÕES
Geoestatística
1. (AVANÇASP/Pref SM Arcanjo/2023) De acordo com o Sistema de Informação Geográfica (SIG), a

representação digital de uma porção da superfície terrestre baseado no mosaico dos polígonos de Voronoi
para definir pesos para a interpolação, se refere ao método de interpolação denominado de:
a) Triangulação de Delaunay.
b) Diagrama de Voronoi.
c) Polígonos de Thiessen.
d) Vizinhos naturais.
e) Splines.
2. (IBFC/SEAD GO/2023) “Em um método puramente 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 distante, mas
essas distâncias são euclidianas. No caso da estimativa por krigagem, as distâncias são baseadas na análise
_____________ e, além desse relacionamento entre pontos estimadores e o ponto a ser estimado, há o
relacionamento entre os pontos estimadores que vão fornecer informações sobre o agrupamento
presente” (YAMAMOTO; LANDIM, 2013).
Assinale a alternativa que preencha corretamente a lacuna
a) do histograma
b) de Pearson
c) Variográfica
d) Qui-Quadrado
e) Kolmogorov-smirnov
3. (IBFC/SEAD GO/2023) A geoestatística, como mecanismo de interpolação, tem aplicação no meio

geotécnico, tanto no Brasil quanto no exterior. Uma das metodologias mais difundidas nos trabalhos
publicados é a krigagem ordinária (Matheron, 1963). Considerando a afirmação acima, assinale a
alternativa incorreta.
a) A krigagem ordinária é aceita como um dos melhores métodos de estimativa linear não enviesado e pode
ser aplicado em diversos campos, como mineração, geotecnia, hidrogeologia, agricultura de precisão,
recursos florestais etc
72

b) O amplo uso da krigagem ordinária se deve à simplicidade do método e também porque proporciona a
incerteza associada à estimativa, por meio da variância de krigagem
c) Quando os valores de uma variável regionalizada apresentam media variável, porém desconhecida, o
algoritmo a ser aplicado é o da krigagem ordinária
d) O estimador da krigagem ordinária é baseado na fórmula da média ponderada, onde os ponderadores
dependem da informação estrutural fornecida pelo variograma
e) Ao levar em consideração a existência de continuidade espacial, permite que os dados obtidos por
amostragem de certos pontos possam ser usados para a estimação de pontos onde o valor da variável seja
desconhecido
4. (IBADE/Pref B São Francisco/2022) Na Geoestatística, embora possa existir uma infinidade de funções
que se ajustem aos semivariogramas experimentais, a prática tem mostrado que alguns modelos,
fundamentados nas suposições teóricas das variáveis regionalizadas, têm satisfeito a maioria das suas
aplicações. A característica abaixo, indica o seguinte modelo:
A função é parabólica próxima a origem. Este modelo apresenta amplitude variográfica extensa e o
patamar semelhante ao modelo exponencial.
a) modelo gaussiano.
b) modelo exponencial.
c) modelo aleatório.
d) modelo logarítmico.
e) modelo esférico.
5. (IDIB/GOINFRA/2022) A Krigagem é um 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. Com relação à krigagem, assinale a alternativa correta:
a) Quando valores de uma variável regionalizada apresentam média descontínua, porém conhecida, o
algoritmo a ser aplicado é o da krigagem ordinária, para encontrar os ponderadores ótimos que minimizem
a variância do erro de estimação.
b) Valores obtidos por krigagem em blocos são menos suavizados que valores obtidos por krigagem pontual
c) O sistema de krigagem necessário para a determinação dos ponderadores associados a cada um dos
pontos estimadores baseia-se na ideia de que quanto menor a covariância entre uma amostra e o local que
está sendo estimado, mais essa amostra deve contribuir para a estimativa.
73

d) A krigagem pode ser usada para fazer a previsão do valor pontual de uma variável regionalizada em um
determinado local dentro do campo geométrico. Este 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.
e) Na estimativa por krigagem as distâncias são baseadas na análise variográfica e além deste relacionamento
entre pontos estimadores e o ponto a ser estimado há também o relacionamento entre os pontos
estimadores que vão fornecer informações sobre o agrupamento presente. O sistema de krigagem, portanto,
não leva em consideração a distância entre amostras, apenas o seu agrupamento.
6. (CEBRASPE/SLU DF/2019) Julgue o item a seguir, a respeito dos pacotes computacionais de sistema de
informações geográficas (SIG), que permitem diferentes tipos de armazenamento, interpolação e
visualização de dados espaciais e tabulares.
A triangulação de Delaunay baseia-se em critérios de distância e direção para efetuar interpolação de dados
espaciais.
7. (NC UFPR/ITAIPU/2019) A interpolação é um processo usual de produção de dados geoespaciais, que

se deve ao fato de ser um método:
a) de medição dos valores para os locais onde não foi possível a obtenção de dados, não se aplicando a
dados matriciais.
b) baseado no uso de ferramentas determinísticas (krigagem), o que possibilita a medição de valores nos
locais onde não foi possível a coleta de dados.
c) usualmente empregado para a estimativa de valores em áreas não amostradas.
d) que emprega duas ferramentas computacionais (krigagem ou interferometria e IDW ou IDW2) como
ferramentas computacionais para geração de modelos digitais.
e) baseado no uso de ferramentas determinísticas e probabilísticas, aplicável a dados matriciais e que
possibilita a medição de valores nos locais onde não foi possível a coleta de dados.
8. (NC UFPR/ITAIPU/2019) A análise de dados geoespaciais difere da análise estatística convencional, por
considerar a localização como componente da informação. Nesse contexto, a autocorrelação espacial é
um conceito-chave, pois:
a) mede a distância entre os dados e utiliza esse valor para normalizar a média e a variância como medidas
espaciais (h).
b) emprega a distância entre amostras de uma mesma variável como medida do grau de ligação estatística
entre essas amostras e o espaço.
74

c) mede a correlação de Pearson entre o conjunto amostral no espaço (variáveis regionalizadas) e um

conjunto de dados não espaciais (variável aleatória).
d) utiliza o R² (coeficiente de determinação) como medida de correlação entre variáveis regionalizadas e não
regionalizadas.
e) possibilita a interpolação de valores amostrais de um mesmo conjunto de dados quando a variância
ultrapassa os valores da média local.
9. (CEBRASPE/IPHAN/2018) Considerando um terreno com 10 m × 10 m de área, situado na latitude 30º

30’ 36” S e com declividade de 18º, julgue o item subsequente.
Os dados pontuais de declividade de diferentes pontos no terreno podem ser interpolados por meio de
diferentes técnicas geoestatísticas, como Krigagem, inverso do quadrado da distância e árvore de decisão.
10. (CEV UECE/FUNCEME/2018) A interpolação espacial busca fazer uma estimativa dos valores de um
campo contínuo em locais onde não foram feitas medidas de campo. Dos processos de interpolação,
aquele que utiliza as informações espaciais de distância e direção é chamado de
a) triangulação de Delaunay.
b) ponderação pelo inverso da distância (IDW).
c) estatística de Moran.
d) krigagem.
11. (PGP UFV/UFV/2018) Em um experimento controlado, um pesquisador coletou dados pluviométricos

em pontos distribuídos regularmente espaçados em uma área de 10 km². O pesquisador buscava elaborar
um mapa matricial (raster) da distribuição da pluviosidade.
Sabendo que o fenômeno pluviométrico apresenta uma variação espacial, um método indicado para
interpolar a informação coletada entre os pontos do mapa é o método:
a) de Thiessen.
b) da média aritmética.
c) do inverso da distância.
d) da krigagem.
12. (FGV/IBGE/2017) Uma das estratégias de modelagem do terreno para aplicações de visualização
tridimensional baseia-se na distribuição de pontos de coordenadas (X, Y e Z) ao longo da área de interesse
e na geração de uma malha triangular conectando tais pontos.
A Triangulação de Delaunay é uma forma particular de triangulação que atende à seguinte restrição:
75

a) minimização do espaço de armazenamento;

b) geração de triângulos com áreas equivalentes;
c) geração de normais apontando na direção do zênite;
d) maximização dos triângulos retângulos na malha;
e) maximização dos ângulos mínimos de cada triângulo.
13. (FGV/IBGE/2017) Quando varia o comportamento dos semivariogramas de acordo com a direção das
amostras diz-se que o fenômeno em estudo é anisotrópico. A anisotropia geométrica, em relação a
algumas direções, ocorre quando:
a) as amplitudes dos semivariogramas variam nas direções de análise, mas os patamares permanecem
constantes;
b) as amplitudes dos semivariogramas não variam, mas os patamares variam nas direções em análise;
c) as amplitudes dos semivariogramas são constantes na mesma direção e sentidos opostos, mas os
patamares são constantes;
d) as amplitudes dos semivariogramas não variam, mas os patamares variam na mesma direção e sentidos
opostos;
e) as amplitudes e os patamares variam nas direções em análise.
14. (FGV/IBGE/2017) Na krigagem, antes da estimação das variáveis, é necessário descrever sua variação
no espaço por meio de gráficos como variogramas (ou semivariogramas) e correlogramas. Quanto aos
semivariogramas, é correto interpretar que:
a) no eixo das abscissas estão registradas as distâncias de cada ponto em relação ao seu vizinho mais
próximo;
b) seus valores aumentam com a distância por se tratar de uma distribuição acumulada dos valores da
variância;
c) a diferença entre o valor máximo do semivariograma e o efeito pepita denomina-se patamar;
d) o efeito pepita depende essencialmente do tipo de fenômeno a ser interpolado;
e) com distâncias acima do valor do alcance, as amostras passam a ser independentes.
15. (QUADRIX/TERRACAP/2017) Suponha-se que um geólogo tenha construído variogramas em diversas

direções ao redor de um depósito de ouro em exploração. Sendo assim, o objetivo principal desse geólogo
seria determinar a
a) origem do depósito.
76

b) variabilidade espacial dos teores de ouro na área de estudo.

c) assimetria e curtose dos teores de ouro.
d) normalidade dos dados de teor de ouro.
e) existência de halos de alteração da mineralização de ouro.
16. (QUADRIX/TERRACAP/2017)
A figura acima mostra os componentes de um variograma. Os pontos A e B e o tipo de curva denominam-

se, respectivamente,
a) pepita, alcance e curva exponencial.
b) pepita, patamar e curva exponencial.
c) pepita, alcance e curva gaussiana.
d) alcance, pepita e curva gaussiana.
e) patamar, alcance e curva gaussiana.
17. (BIO-RIO/Pref B Mansa/2016) A geoestatística distingue-se da estatística clássica pelo fato de

considerar que os valores de uma variável estão de alguma forma relacionados à sua distribuição espacial,
ou seja, observações tomadas a curtas distâncias devem ser mais semelhantes do que aquelas tomadas a
distâncias maiores, e por levar em consideração o comportamento espacial das variáveis apresenta grande
potencial de aplicação nas geociências. Sobre a geoestatística, assinale a opção CORRETA, em relação aos
itens abaixo:
I. Serve para descrever e modelizar padrões espaciais (variografia) e predizer valores em locais não
amostrados (krigagem).
II. Serve para obter a incerteza associada a um valor estimado em locais não amostrados (variância de
krigagem) e para otimizar malhas de amostragem.
77

III. Patamar é um parâmetro de um semivariograma que corresponde à diferença entre o ponto de maior
correlação ou a origem do semivariograma e o ponto que teoricamente representa a variância
populacional e a variabilidade se estabiliza.
a) Apenas I e II estão corretos.
b) Apenas I e III estão corretos.
c) Apenas II e III estão corretos.
d) Todos estão corretos.
18. (CEBRASPE/FUB/2016) Com relação a georreferenciamento, julgue o item a seguir.

Entre os métodos comumente utilizados na reamostragem, incluem-se o vizinho mais próximo, os
polinômios de 2.º grau e a krigagem.
19. (FCC/SEMA MA/2016) Sobre os interpoladores para geração de grades regulares:

a) Quando se faz uso de todas as amostras para interpolar cada ponto da grade, diz-se que a interpolação é
global.
b) No cálculo da interpolação local, o valor de cota de cada elemento da grade é estimado a partir de uma
quantidade preestabelecida de amostras vizinhas mais distantes do elemento.
c) Um modelo de grade regular retangular só pode ser gerado a partir de um conjunto de amostras
regularmente espaçadas jamais por um conjunto de amostras irregularmente espaçadas.
d) Para a geração de grades regulares pode-se utilizar os interpoladores por media móvel como, por exemplo,
a Krigagem.
e) As grades regulares geradas por superfícies de tendência são determinadas por um ajuste polinomial dos
dados, através de um processo de regressão simples entre os valores do atributo e as localizações
geográficas.
20. (VUNESP/Pref. Pres. Prudente/2016) Para estimar a magnitude da autocorrelação espacial entre áreas,
as ferramentas que podem ser utilizadas são:
a) Índice de Poisson e Variograma.
b) Índice de Geary e Índice de Moram.
c) Índice de Moram e Índice de Delaunay.
d) Índice de Delaunay e Média Móvel Espacial.
e) Estimador de Intensidade e Estimador Kernel.
78

21. (VUNESP/Pref Pres Prudente/2016) Interpoladores servem para estimar o valor de um atributo em
locais não amostrados, a partir de locais amostrados na mesma área. Os resultados dos interpoladores são
grades regulares e/ou irregulares. Essas grades são representações estatísticas de uma superfície do
terreno, com pontos adquiridos representando altitude, precipitação, população, entre outras grandezas.
A respeito dos modelos de interpoladores, é correto afirmar que
a) a interpolação por Vizinho mais próximo é definida pela escolha de várias amostras vizinhas para cada
ponto da grade, constituindo o interpolador mais lento e que precisa de mais recursos computacionais.
b) a Média simples considera que dado um raio ao redor do ponto interpolado, calcula-se a média geométrica
de todos os pontos contidos dentro do raio.
c) a Média ponderada define um raio ao redor do ponto desejado e atribui pesos menores aos pontos mais
próximos e, dessa forma, o resultado tem maior proximidade com a realidade.
d) o Bilinear realiza primeiro a interpolação linear na direção das abscissas e depois na direção das
ordenadas.
e) no Delaunay, a grade final deve conter triângulos o mais próximo de escaleno possível, evitando-se a
criação de triângulos afinados.
22. (VUNESP/Pref Pres Prudente/2016) O método de interpolação krigagem leva em consideração as

características espaciais de autocorrelação de variáveis regionalizadas. Com relação a esse método de
interpolação, é correto afirmar que
a) a krigagem fornece estimativas tendenciosas, com variância máxima e possibilidade de que se conheça
essa variância da estimativa.
b) para verificar a existência ou não de continuidade espacial são utilizadas, em conjunto, a análise
variográfica e a distribuição normal.
c) o método não utiliza a distância euclidiana para atribuição dos pesos entre os pontos, mas uma distância
estatística que expressa tanto a distância como a distribuição normal.
d) os pesos são atribuídos de acordo com a variabilidade da distribuição normal expressa no semivariograma.
e) a condição de variância mínima significa que, embora possam existir diferenças ponto por ponto entre o
valor medido e o estimado, essas diferenças devem ser mínimas.
23. (FDRH/FEPAM RS/2015) O variograma é uma ferramenta que permite analisar o comportamento
espacial de uma propriedade da variável em uma região delimitada, relacionando, para isso, o grau de
similitude das amostras com a distância e permitindo, assim, detectar as direções de anisotropia dessa
propriedade. Assinale V para as afirmativas verdadeiras e F para as falsas, considerando o enunciado
acima.
( ) O variograma normalmente atinge o platô, chamado de “sill”, que é aproximadamente igual à variância
total dos valores amostrais (a variância, a priori, dos dados).
79

( ) Para distâncias de separação extremamente pequenas, isto é, com h ≈ 0, não existe variabilidade entre
as amostras, razão pela qual o modelo variográfico deve, obrigatoriamente, partir da origem.
( ) Variogramas são tipicamente calculados para diferentes direções, sendo que, para qualquer direção, o
valor calculado da função variograma irá depender somente da distância, e não do sentido em que for
calculado.
A sequência correta de preenchimento dos parênteses, de cima para baixo, é
a) V – V – V.
b) V – F – V.
c) F – V – V.
d) F – V – F.
e) F – F – F.
24. (CEBRASPE/FUB/2015) O Brasil é um dos países mais ricos do mundo em recursos minerais. Diversas
jazidas minerais estão sendo exploradas, e muitos outros depósitos estão sob avaliação para que se
determine sua viabilidade econômica de exploração. Com relação a esse assunto, julgue o item a seguir.
Entre os procedimentos indiretos de avaliação de recursos minerais incluem-se a técnica de geoestatística,
conhecida como krigagem, e o método de inverso do quadrado da distância.
c) Índice de Moran
d) Krigagem
semivariograma.
80

valores
a) 0,00052818 e 1589
b) 0,001587 e 0,00052818
c) 0,00052818 e 0,0002155
d) 0,001724 e 1589
e) 0,00052818 e 0,001724
27. (Com. Exam./MPE RS/2014) As estimativas geoestatísticas têm por objetivo

a) aplicar a Estatística Descritiva em dados geológicos de qualquer natureza.
b) aplicar a krigagem em um conjunto com n dados.
c) testar diferentes métodos de interpolação em um conjunto com n dados.
d) determinar a distribuição e a variabilidade espaciais de uma variável de interesse.
e) determinar o peso de cada variável em uma única amostra espacializada.
28. (FGV/Pref. Florianópolis/2014) Os dados topográficos fornecem variáveis importantes

frequentemente solicitadas nas análises ambientais e nos empreendimentos de engenharia. O principal
objetivo dessas análises é a caracterização de unidades da paisagem baseadas em variáveis morfológicas
ligadas a feições geométricas da superfície. Dados topográficos já prontos obtidos a partir dos MNTs
adquiridos de sensores orbitais, como o SRTM, possuem limitações (escala, resolução e precisão) para
determinados estudos. Uma alternativa é a geração de MNTs a partir de curvas de nível inseridas em
interpoladores.
O método de interpolação espacial que calcula a priori as propriedades gerais da superfície de acordo com
os valores medidos, antes de estimar as partes faltantes da superfície, é o:
a) vizinho mais próximo;
81

b) kernel;
c) inverso da distância;
d) krigagem;
e) polígono de Thissen.
29. (INCAB/DER CE/2014) A interpolação espacial é uma operação comum em Sistemas de Informações
Geográficas que pode ser aplicada através de diferentes métodos. A coluna I apresenta 3 métodos
bastantes discutidos na literatura. Estabeleça a correta correspondência com as afirmações da coluna II.
Coluna I
1. Polígonos de Thiessen ou Voronoi
2. Ponderação pelo Inverso da Distância (IDW)
3. Krigagem
Coluna II
( ) O valor interpolado é a média dos valores observados normalmente ponderados pela distância.
( ) Método simples que gera mudanças bruscas nos limites das áreas geradas.
( ) Considera as propriedades gerais da superfície.
( ) A avaliação da anisotropia da variável pode ser levada em consideração.
( ) Usados internamente nos SIG como um meio de acelerar certas operações espaciais, como encontrar o
A sequência correta é:
a) 2, 1, 3, 3 e 1
b) 1, 1, 3, 3 e 2
c) 2, 1, 1, 3 e 1
d) 1, 2, 1, 1 e 3
e) 3, 2, 3, 2 e 1
30. (UFMT/IFMT/2014) Dentre os diversos métodos de interpolação, um cria triângulos por meio de
ligação de pontos, tornando-se eficiente para representar relevos acentuados, e outro realiza a
distância. Esses dois métodos de interpolação são denominados, respectivamente:
a) Rede regular de triângulos e Krigagem.
b) Triangulação de relevo e inverso do quadrado da distância.
82

c) Triangulação topográfica e Krigagem.

d) Triangulação de Delaunay e inverso do quadrado da distância.
31. (UFMT/UFT/2014) Sobre conceitos básicos em análise espacial e geoprocessamento, marque V para as
afirmativas verdadeiras e F para as falsas.
( ) Um processo espacial específico é considerado estacionário de segunda ordem se a média é constante
e se a covariância depende do vetor de distância relativa entre todos os pares de pontos na região.
( ) A isotropia é uma característica de elementos na natureza em que a distribuição espacial ocorre mais
intensamente em uma direção e menos em outra.
( ) A dependência espacial pode ser definida pela primeira lei da geografia, ou seja, todas as coisas são
( ) No método de interpolação pelo inverso da potência, o ajuste de modelos de semivariograma é um
passo chave para determinar os pesos de pontos vizinhos no ponto que será estimado.
Assinale a sequência correta.
a) V, V, F, F
b) V, F, V, F
c) F, F, V, V
d) F, V, F, V
Alcance é uma medida importante que um variograma fornece, pois indica a distância máxima dentro da
qual as amostras se correlacionam, enquanto o patamar possui um ponto a partir do qual não há
dependência espacial entre as amostras.
Supondo que, no variograma abaixo, estão sendo analisados valores de saturação de óleo de um reservatório
verticalmente em um mesmo poço, a variável que indica qual a distância máxima dentro do reservatório
apresenta uma correlação dos valores está representada pela letra B.
83

34. (CEBRASPE/PF/2013) Julgue o seguinte item acerca de geoestatística.

O semivariograma determina a existência, no solo, de autocorrelação espacial de um atributo, como teor de
potássio. Quando há nítida autocorrelação espacial em determinada direção, tem-se o chamado efeito
pepita.
35. (ESAF/DNIT/2013) Krigagem corresponde a um dos métodos de interpolação de dados espaciais mais
utilizados em Geoestatística. Assinale o termo que possui alta relação com krigagem.
a) Semivariograma
b) Decorrelação
c) Árvore de decisão
d) Filtragem espacial
e) Componentes principais

d) IDW
e) Krigagem
84

37. (FGV/INEA/2013) A geração de superfícies contínuas é um tipo de informação utilizada em análises

espaciais de dados ambientais e socioeconômicos.
Em relação a esse tipo de superfícies, assinale a afirmativa correta.
a) As estruturas para armazenamento das grades de interpolação são exclusivamente vetoriais.
b) A krigagem, no caso de dados esparsos, possui limitações na representação da variabilidade espacial,
porque desconsidera a anisotropia e a continuidade do fenômeno que se quer observar.
c) A krigagem fornece a estimação de uma matriz de covariância espacial que determina os pesos atribuídos
às diferentes amostras.
d) As triangulações são bastante eficazes em análises com amostragem de dados esparsos.
e) Os interpoladores de ajuste linear se ajustam bem quando da sub‐amostragem de dados.
38. (FGV/SUDENE/2013) Assinale a alternativa que não se refere a um interpolador de dados.

a) Krigagem.
b) Inverso da Distância Ponderada (IDW).
c) Vizinho mais próximo.
d) Média móvel.
e) Moran.
39. (MS CONCURSOS/Pref. Pelotas/2011) Assinale a opção correta sobre a “krigagem”.

a) Este método fornece estimadores exatos com propriedades de não tendenciosidade e eficiência.
b) Os procedimentos geoestatísticos em SIG’s, baseados em técnicas de krigagem otimizam os
procedimentos tradicionais de tais sistemas devido à qualidade do estimador e, principalmente, pela
informação de acurácia fornecida nesse modelo inferencial.
c) O método geoestatístico denominado de “Krigeagem” simples ou Ordinária não necessita de hipóteses a
serem consideradas quando utilizada.
d) O efeito pepita revela a descontinuidade do semivariograma para distâncias maiores do que a menor
e) O método geoestatístico denominado de “Krigeagem” Simples ou Ordinária não necessita de hipóteses a
serem consideradas quando utilizadas.
f) O efeito pepita revela a descontinuidade do semivariograma para distâncias maiores do que a menor
85

40. (CESGRANRIO/PETROBRAS/2010) Em geoestatística, associado a um processo gaussiano estacionário

e isotrópico, podem distinguir-se os seguintes componentes constantes de um semivariograma:
41. (CEBRASPE/IBRAM DF/2009) Atualmente, pacotes computacionais como o ArcGIS e termos técnicos
como modelos digitais de elevação são bastante conhecidos por profissionais que atuam na área de meio
==2e7ead==
ambiente. Julgue o próximo item com relação aos conceitos básicos de sistemas de informações
geográficas (SIG).
Krigagem é um método de interpolação linear bastante utilizado para georreferenciar imagens de satélite.
42. (FCC/MPU/2007) Durante a análise geoestatística de um determinado depósito mineral, constróem-se

variogramas segundo várias direções, justamente para a obtenção de parâmetros
a) que descrevem o comportamento espacial dos valores das variáveis regionalizadas.
b) que descrevem as características vetoriais e a origem dos fluidos mineralizantes.
c) termodinâmicos relativos ao depósito mineral.
d) que descrevem a origem do depósito.
e) relativos aos halos de alteração e a mineralização correlata.

a) patamar.
b) efeito pepita.
c) intervalo.
d) estimador.
e) passo.
44. (CEBRASPE/EMBRAPA/2006) A geoestatística é uma ferramenta básica na pesquisa agropecuária. Ela

é utilizada com freqüência, por exemplo, na geração de mapas de produtividade, de declividade — a partir
86

de dados pontuais de elevação — e de curvas de nível, bem como na espacialização de dados de

precipitação, provenientes de estações pluviométricas. Julgue o item seguinte, relativos a conceitos e
aplicações da geoestatística na pesquisa agropecuária.
Uma das diferenças básicas entre a krigagem e outros métodos de interpolação é a forma com que os pesos
são atribuídos às diferentes amostras.
45. (CEBRASPE/EMBRAPA/2006) Dados topográficos são largamente utilizados em gestão territorial,

manejo de recursos naturais e zoneamentos ecológico-econômicos. Com relação a esse tema, julgue o item
subseqüente.
Na triangulação de Delaunay, utiliza-se o critério de maximização dos ângulos mínimos de cada triângulo.
Isso significa que a rede triangular final deve conter triângulos que sejam o mais próximo possível de
triângulos eqüiláteros.
87

GABARITO
Geoestatística
1. LETRA D 16. LETRA C 31. LETRA B

2. LETRA C 17. LETRA D 32. CERTO
3. LETRA C 18. ERRADO 33. LETRA B
4. LETRA A 19. LETRA A 34. ERRADO
5. LETRA D 20. LETRA B 35. LETRA A
6. ERRADO 21. LETRA D 36. LETRA D
7. LETRA C 22. LETRA E 37. LETRA C
8. LETRA B 23. LETRA B 38. LETRA E
9. ERRADO 24. CERTO 39. LETRA B
10. LETRA D 25. LETRA D 40. LETRA C
11. LETRA D 26. LETRA A 41. ERRADO
12. LETRA E 27. LETRA D 42. LETRA A
13. LETRA A 28. LETRA D 43. LETRA B
14. LETRA E 29. LETRA A 44. CERTO
15. LETRA B 30. LETRA D 45. CERTO
88

Curso 274972 Aula 07 Equipe Exatas Somente PDF 02b5 Completo

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Curso 274972 Aula 07 Equipe Exatas Somente PDF 02b5 Completo

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 07 - Equipe

Exatas (Somente PDF)

60507787366 - Wilton venicio dos Santos coelho

2) Questões Comentadas - Geoestatística - CESGRANRIO

4) Questões Comentadas - Geoestatística - MULTIBANCAS

5) Lista de Questões - Geoestatística - CESGRANRIO

6) Lista de Questões - Geoestatística - MULTIBANCAS

60507787366 - Wilton venicio dos Santos coelho

O fenômeno espacial é basicamente o conjunto de todos os valores possíveis do que estamos

Idealmente, gostaríamos de ter informações sobre a qualidade do ar em todos os pontos dessa

60507787366 - Wilton venicio dos Santos coelho

Amostra e Métodos de Amostragem

Uma amostra é um subconjunto selecionado de valores de um fenômeno espacial que, se

Amostragem Aleatória Simples

60507787366 - Wilton venicio dos Santos coelho

Amostragem Aleatória Estratificada

60507787366 - Wilton venicio dos Santos coelho

Considerações acerca dos Métodos de Amostragem

Por outro lado, a amostragem sistemática geralmente oferece os melhores resultados. No

Independentemente do método de amostragem escolhido, a geoestatística busca maximizar a

Variáveis Aleatórias e Regionalizadas

A unidade fundamental da geoestatística é a variável regionalizada, cuja variação espacial

No estudo de depósitos minerais, ao se retirar uma amostra de um determinado ponto, o teor da

60507787366 - Wilton venicio dos Santos coelho

a repetição desse experimento. Essa característica inviabiliza a obtenção da função de densidade

O método geoestatístico é fundamentado no conceito de dependência espacial, reconhecendo

60507787366 - Wilton venicio dos Santos coelho

Classificação das Variáveis Aleatórias e Regionalizadas

Cor da Rocha Alteração

Escala Relacional Escala Intervalar

As variáveis contínuas podem ser medidas:

• na escala intervalar, encontramos as medidas de temperatura feitas em determinação do

As variáveis discretas podem ser medidas:

• na escala nominal, as variáveis são litologia, estrutura, cor da rocha e textura.

60507787366 - Wilton venicio dos Santos coelho

Modelos de Dados Espaciais

Esses modelos formam um conjunto de abstrações para descrever e representar entidades

Existem dois tipos principais de modelos de dados espaciais:

• o tipo de fenômeno que estamos tentando representar;

• a escala na qual planejamos analisar nossos dados; e

• como planejamos usar os dados.

60507787366 - Wilton venicio dos Santos coelho

Modelo de Dados Raster

O modelo de dados Raster representa entidades geográficas (fenômenos geográficos) no

Um raster de resolução de 10 m possui células de 10 x 10 m (100 m²), uma resolução de 1 m possui

Os dados raster baseiam-se na Autocorrelação Espacial e na Primeira Lei da Geografia, o modelo

Modelo de Dados Vector (Vetorial)

60507787366 - Wilton venicio dos Santos coelho

Os dados de atributos não espaciais são normalmente armazenados em um formato tabular

• os pontos não possuem comprimento, largura ou área. Um ponto é apenas um par de

• os polígonos são bidimensionais, têm comprimento e largura e, portanto, também

• Momento de primeira ordem da variável regionalizada (esperança matemática):

o Variância de 𝑧(𝑥) em relação a 𝑚(𝑥):

§ 𝑉𝑎𝑟{𝑧(𝑥)} = 𝐸 {[𝑧(𝑥) − 𝑚(𝑥)]! }

60507787366 - Wilton venicio dos Santos coelho

o Variograma, isto é, variância das diferenças [𝑧(𝑥# ) − 𝑧(𝑥! )]:

§ 2𝛾(𝑥# , 𝑥! ) = 𝑉𝑎𝑟{𝑧(𝑥# ) − 𝑧(𝑥! )}

• Esperança matemática [𝑚]:

o 𝑐(ℎ) = 𝐸 {𝑧(𝑥 + ℎ)𝑧(𝑥)} − 𝑚!

Ao invés de impor uma estacionariedade global, como propõe a estacionariedade de segunda

A hipótese intrínseca na geoestatística postula que as propriedades de uma variável regionalizada

60507787366 - Wilton venicio dos Santos coelho

No contexto da hipótese intrínseca, o semivariograma é uma ferramenta essencial para investigar