Escolar Documentos
Profissional Documentos
Cultura Documentos
GEOESTATSTICA APLICADA
AO ESTUDO DE SOLOS
INTRODUO
A geoestatstica distingue-se da estatstica clssica pelo fato de
considerar que os valores de uma varivel esto de alguma forma
relacionados sua distribuio espacial, ou seja, observaes tomadas
a curtas distncias devem ser mais semelhantes do que aquelas
tomadas a distncias maiores, e por levar em considerao o
comportamento espacial das variveis apresenta grande potencial de
aplicao nas geocincias/cincias ambientais.
dos
mesmos,
considerando
uma
determinada
vizinhana
(Huijbregts, 1975).
Estacionaridade de 2 ordem
E {(x(i) - x(i+h) - m(h)} = 2y(h)
onde: m(h) representa a tendncia e y(h) representa a semivarincia.
O grau de relao entre pontos numa certa direo pode ser expresso
pela covarincia, e embora a covarincia exista entre todas as distncias
possveis ao longo de h, pode ser estipulado que somente sero
considerados valores entre pontos regularmente espaados por mltiplos
de h.
A covarincia entre valores encontrados nessas distncias separadas por
h ao longo de h : K(h)=K(h)=1/nx(i)x(i+h).
Onde: K=covarincia e n=nmero de pares de valores comparados.
Isso significa que a covarincia igual mdia dos produtos dos valores
x(i) encontrados nos pontos i pelos valores x(i+h) encontrados nos pontos
i+h, distantes a um intervalo h, e n representa o nmero de pares de
valores comparados.
Se h=0, K(h) passa a representar a varincia K(0)=1/n x(i)x(i+0).
Desse modo, pode-se computar uma funo denominada semivarincia,
definida como metade da varincia das diferenas y(h)=[x(i+h)-x(i)]/2.12
considerando
que
varivel
deve
ser
estatisticamente
13
aumentar,
porque
ocorrer
progressivamente
maior
14
Ocorrendo
estacionaridade
de
segunda-ordem,
covarincia
chamada
hiptese
intrnseca,
na
qual
apenas
15
Assim sendo, a funo aleatria z(x) tida como sendo intrnseca se:
- a esperana matemtica
E z ( x )
E z ( x ) m
1
1
2
Var z ( x h ) z ( x ) E z ( x h ) z ( x ) ( h )
2
2
17
18
1 n
(h)
V( x ) V( x h )
2n i 1
onde:
1 n
(h)
V( x ) V( x h )
2 n i 1
o semivariograma;
20
22
Segundo
Matheron
(1963)
apud
Sturaro
(1988),
em
geral,
Nesse
aspecto
que
semivariograma
experimental
deve
ser
23
continuidade
espacial
ou
regionalizao
de
uma
varivel,
ou
comportamento
da
varivel
prxima
origem,
corregionalizao.
24
25
Corregionalizao:
Esta caracterstica obtida no caso de duas variveis regionalizadas
serem analisadas em um mesmo suporte geomtrico e tambm no
mesmo semivariograma. O semivariograma cruzado exibe a existncia de
corregionalizao ou correlao regionalizada entre as duas variveis.
29
31
32
34
Modelos variogrficos
De posse da funo que exprime o comportamento da variabilidade
espacial do fenmeno, pode-se conduzir anlise que expresse aquele
comportamento atravs de modelos de duas dimenses, ou seja, atravs
de mapas.
Para tanto, necessrio que sejam ajustados modelos matemticos, ou
funes tericas, funo semivariograma, no intuito de que sejam
determinados os valores nos locais no amostrados e a partir de ento
definidas curvas de isovalores ou blocos com valores mdios.
Segundo Sturaro (1988), embora possa existir uma grande quantidade de
funes que se ajustem aos semivariogramas experimentais gerados, na
prtica, apenas alguns modelos, fundamentados nas teorias das variveis
regionalizadas, tem se ajustado em casos prticos aplicados.
35
que
os
diferencia
marcantemente:
um
grupo
de
36
37
38
Modelo esfrico
Modelo exponencial
Modelo gaussiano
Modelo aleatrio
43
44
Modelo logartmico
45
locais
no
amostrados.
Constitui-se
essa,
numa
tarefa
estimador
linear
sem
vis,
em
funo
das
seguintes
caractersticas:
Linear - As estimativas so feitas atravs de uma combinao linear dos
dados;
Sem vis - O mtodo objetiva que o erro residual mdio seja igual a zero;
Melhor estimador - O mtodo objetiva minimizar a varincia dos erros.47
exato
que
leva
em
considerao
todos
os
valores
49
Krigagem ordinria
A krigagem ordinria um procedimento de estimao linear para uma
varivel regionalizada que satisfaz a hiptese intrnseca e procura
minimizar, sem vis, o erro de estimao, ou seja, objetiva que o erro
residual mdio seja igual a zero. Na realidade, a minimizao do erro de
estimao constitui um dos principais objetivos no processo de
estimao, uma vez que, possibilita auferir a sua qualidade.
Alm disso, a krigagem ordinria ainda tem como caracterstica ser o
melhor estimador, pelo fato de minimizar a varincia dos erros.
Considerando que difcil quantificar o erro e a varincia para os pontos
estimados, haja vista o desconhecimento dos valores reais, a krigagem
ordinria faz uso do modelo de funo aleatria, de base probabilstica,
que permite atribuir pesos s amostras usadas nas estimativas.
50
Krigagem universal
Nem
sempre
comportamento
espacial
de
uma
varivel
tem
trabalhar
com
propagao
de
incertezas
para
modelos
53
54
consegue
modelar
atributos
com
alta
variabilidade
55
funo
de
disribuio
de
Z(u).
Os valores de
probabilidades
56
57
58
Cokrigagem
A cokrigagem similar krigagem e permite estimar uma varivel a
partir das informaes que se tem sobre ela prpria e tambm a partir das
informaes disponveis sobre outras variveis que tenham correlao
espacial com ela.
A cokrigagem busca melhorar a estimao de uma varivel pela utilizao
de informaes relativas tambm a outras variveis com as quais ela est
correlacionada.
A cokrigagem deve ser utilizada quando a varivel estudada for
subconhecida em relao s outras de cujos dados se socorre, ou seja,
quando a sua informao for insuficiente e quando a correlao espacial
entre ela e as demais for forte; e deve ser evitada quando o nmero de
observaes em que tivermos dados da varivel estudada e das outras a
ela correlacionados for pequeno.
59
60
62
c) obtm-se o erro cometido nessa estimao, que vale (Z i - Z*i), e comparase esse valor com (Zi - Z*i)/i;
d) repetem-se os procedimentos descritos nos itens a,b e c para todas as
observaes disponveis no conjunto de dados e procura-se observar se so
verificadas duas propriedades para o conjunto final obtido: a de que o valor
mdio dos valores (Zi - Z*i) seja aproximadamente zero e a de que o valor
63
2
Mtodos geoestatsticos
Mtodos convencionais
rea de influncia na
indicada pelo alcance.
Anisotropia ignorada.
interpolao
64
66
69
70
71
72
73
74
os
campos
referentes
aos
Parmetros
do
Mapa
de
75
76
78
79
81
Validao do Modelo
Como visto anteriormente, a anlise do semivariograma compreende o
levantamento do semivariograma experimental e posteriormente o
ajuste a uma famlia de modelos tericos.
Em toda esta seqncia, existe sempre um certo grau de incerteza sobre
os parmetros ajustados aos modelos. Esta incerteza o erro da
estimativa, o qual pode ser obtido atravs do procedimento chamado
validao do modelo.
Resumidamente, o processo de validao envolve a re-estimao dos
valores conhecidos atravs dos parmetros ajustados ao modelo do
semivariograma.
Antes de executar a krigagem, recomendvel verificar os resultados da
validao. Problemas bvios podem ser identificados com os parmetros
de entrada (por exemplo, a especificao do semivariograma) ou com os
dados (por exemplo, valores aberrantes, ou "outliers").
82
83
Resultados
Por exemplo,
pressionando-se a
opo Diagrama
Espacial do Erro,
ocorre a abertura da
janela grfica na
Figura.
84
Krigagem
Esta janela descreve a etapa de krigagem, com a qual se objetiva obter
uma grade regular de valores a partir dos dados (pontos) amostrados.
O mdulo de Krigagem implementado no SPRING engloba krigagem
simples, krigagem ordinria e krigagem com vrios modelos de tendncia
em duas dimenses (2D) ou trs dimenses (3D).
Os campos Res.X e Res.Y referem-se s resolues em X e Y da grade de sada.
Estes campos podem ser alterados desde que os novos valores no proporcionem
uma grade de sada com nmero de coluna e ou de linha maior que 1000. Em
outras palavras, o mdulo de Krigagem gera grades regulares com tamanho
mximo de 1000 colunas por 1000 linhas.
85
86
RESULTADOS DA KRIGAGEM
Como ponto de partida, interessante verificar a continuidade espacial do
fenmeno em estudo (teor de argila). Para realizar tal anlise,
necessrio
transformar
as
grades
de
valores
estimados
as
88
89
90
91
que
geoestatstica,
vem
sendo
intensamente
demonstrando
resultados
estudado
que
com
comprovam
tcnica
a
sua
necessidade
dessa
tcnica
como
forma
de
avaliar
92
93
partes
fundamentalmente
das
plantas,
heterogneos.
dentro
Em
funo
fora
do
disso,
solo,
so
medidas
de
94
uma
grande
variabilidade
da
rea
quanto
aos
parmetros
estudados.
95
temperatura
da
superfcie
do
solo
relao
com
outras
propriedades.
Reichardt et al. (1984)
umidade do solo pode ser utilizada para estudar a influncia sobre outras
propriedades do solo.
Reichardt et al. (1986) estudaram a variabilidade espacial do pH em gua
em um latossolo vermelho-escuro orto, comparando os dados com uma
avaliao feita pela estatstica clssica. Chegaram a concluso de que a
geoestatstica pode fornecer subsdios para um melhor esquema de
amostragem.
96
solo.
anlise
geoestatstica
permitiu
tambm
estabelecer
97
98
Outro tipo de estudo foi realizado por Waynick, que trabalhou com
nitrificao do solo e tomou amostras de solo em duas profundidades, em
esquema radial. As variveis consideradas foram o nitrato residual,
amostras com inexistncia de nitrognio, outras com 0,2 g de sulfato de
amnia e outras ainda com 1g de sangue submetido ao ressecamento.
Apenas as amostras coletadas em subsuperfcie com nitrato residual e
sangue, apresentaram semivariogramas com modelo esfrico. No geral
os semivariogramas experimentais e os semivariogramas cruzados no
foram bem definidos , talvez devido ao esquema de amostragem.
99
Em
100
102
da
propriedades
amaznia
fsicas
do
colombiana
solo
sobre
mais
deteriorao
especificamente
das
sobre
104
105
106
hdricos
subsuperficiais,
por
produtos
agroqumicos
107
108
Simulao condicionada
Por meio da estimao, persegue-se uma estimativa que represente o
mais fielmente possvel o valor verdadeiro de uma varivel em um
determinado ponto, sendo a krigagem um desses estimadores.
Portanto,
campo
interpolado
tem
menor
grau
de
procedimentos
geoestatsticos
que
utilizam
um
modelo
de