UNIVERSIDADE FEDERAL DO RECÔNCAVO DA BAHIA

CENTRO DE CIÊNCIAS AGRÁRIAS, AMBIENTAIS E BIOLÓGICAS

Geoestatística

Prof. Elton da Silva Leite

 “Ciclo da FAP”

Obtenção de dados

Ação ou aplicação
Análise dos dados
 GEOESTATÍSTICA

A teoria fundamental da geoestatística é a esperança de

que, na média, as amostras próximas no tempo e espaço
sejam mais similares entre si do que as que estiverem
distantes (Isaaks & Srivastava, 1989).
 GEOESTATÍSTICA
• Aplicações na agricultura e floresta de precisão:

– geração de mapas - produtividade, modelo digital de

elevação, incidência de pragas e doenças, e outros

– análise da variabilidade espacial

– análise da correlação entre fatores que afetam a

produtividade e a qualidade

– definição de zonas de manejo

 Geoestatística
•Krige
conceitos básicos
•Teoria das Variáveis Regionalizadas
•a diferença entre dois valores
tomados mais próximos no espaço
deve ser menor que a diferença entre
dois valores tomados mais distantes

•Estatística clássica X Geoestatística

Aleatoriedade Dependência espacial

 Geoestatística

•Objetivos
•Identificar uma medida da correlação espacial
•Identificar padrões de amostragens
adequadas
•Realizar estimativas de valores dos locais não
amostrados
•Correlação entre propriedades
VARIABILIDADE ESPACIAL

ANÁLISE ESPACIAL

GEOESTATÍSTICA

MAPA COM REPRESENTAÇÃO
ESPACIAL
ID N E pH H2O pH CaCl2 MO CTC P K
1 4495081.962 422783.754 6.2 5.5 37 117 256 3.8
2 4495092.143 422810.454 6.6 5.9 33 169 295 4.3
3 4495105.923 422784.391 6.3 5.6 24 99 250 3.4
4 4495122.840 422829.556 6.5 5.9 16 78 152 3.2
5 4495138.881 422799.650 7.0 6.4 21 170 265 2.5
6 4495167.725 422816.618 6.3 5.8 22 82 197 3.4
7 4495185.763 422786.852 6.6 5.6 12 61 101 2.5
8 4495201.815 422756.947 6.6 6.1 15 83 213 1.5
9 4495220.840 422727.242 6.4 5.5 14 73 157 2.1
10 4495228.727 422772.786 6.3 5.8 11 56 88 2.4
11 4495211.622 422803.620 6.9 6.3 17 155 435 2.7
12 4495195.647 422832.527 6.4 5.9 21 108 363 3.8
13 4495152.421 422762.569 5.3 4.5 18 71 100 6.0
14 4495169.976 422739.770 5.7 4.8 19 80 103 6.3
15 4495191.931 422711.263 6.1 5.6 30 93 210 5.4
16 4495268.786 422713.516 5.8 5.1 14 65 59 5.9
17 4495239.021 422695.480 5.9 5.4 32 110 263 5.8
18 4495209.114 422679.432 6.2 5.4 20 114 373 4.0
19 4495273.812 422683.860 5.8 4.9 17 68 100 4.8
20 4495256.061 422665.645 4.5 3.8 10 59 64 2.3
21 4495161.234 422692.168 6.3 5.4 15 87 284 3.3
22 4495148.706 422641.304 5.6 4.6 8 47 80 2.8
23 4495176.551 422658.211 5.7 4.7 17 76 202 2.9
Estatística
clássica
 Análise exploratória – estatística
clássica
CTC (mmolc/dm3) Log (CTC+1)
Média 64,61 1,76
Valor mínimo 34,00 1,54
Valor máximo 170,00 2,07
Quartil inferior 45,00 1,66
Quartil superior 76,50 1,86
Desvio padrão 30,42 0,13
Assimetria 1,89 0,60
Curtose 3,78 -0,55
Coeficiente de variação (%) 47,08 7,38

Outliers – Dados discrepantes – o semivariograma deve

ser estudado SEM os dados discrepantes. Mas na Krigagem
estes dados devem voltar.
 ESTATÍSTICA CLÁSSICA

 Independência entre as observações;

 distribuição normal dos dados;
 variância e coeficiente de variação
constantes.
 GEOESTATÍSTICA

 Dependência espacial;
 interpretação baseada na estrutura da
sua variabilidade natural;
 semivariogramas.
VARIOGRAMA
 O Semivariograma
ferramenta utilizada para medir e descrever a dependência espacial entre as
amostras (“medidor" da semelhança entre os vizinhos).
Um semivariograma típico

Co
Co  C
 Analisando a continuidade espacial
Terminologia associada aos variogramas:
– Patamar (sill):
Valor variograma quando se atinge o valor máximo e estável,
correspondendo a variância total (s2) obtida pela estatística
clássica

– Efeito pepita (nugget effect):

Corresponde a cota do ponto onde o semivariograma corta o eixo
das ordenadas.
– Efeito pepita relativo (relative nugget effect)
Razão entre o efeito pepita e o patamar
 EFEITO PEPITA (Co)
Indica a variância não explicada
devido:
 erros de medição e
 microvariações não detec-tadas,
etc.

Semivariância Constante

EFEITO PEPITA PURO
 EFEITO PEPITA PURO

Ausência de dependência
espacial; ou
alcance é menor que o menor
espaçamento entre as
amostras.
EFEITO PEPITA PURO
Os dados apresentam
distribuição espacial aleatória
(para a escala de amostragem)

Estatística Clássica
Os modelos de semivariograma
 MODELOS DE
VARIOGRAMAS
Esférico:

(h) = Co + C  1,5 (h/A) –

0,5(h/A)3

Exponencial:

(h) = Co + C  1 - exp(-h/A)
 MODELOS DE
VARIOGRAMAS
Gaussiano:

(h) = Co + C  1 - exp (-h/A)2

Linear:

(h) = Co +  h (C/A)
 MODELOS DE
VARIOGRAMAS
Linear com Patamar:

(h) = Co +  h (C/A) para h  A

(h) = Co + C para h  A.
Validação cruzada
 Emprego da interpolação
• Método da krigagem - fornecem o algoritmo dos erros associados aos
resultados obtidos .
• Engenheiro de Minas Sul-Africano Daniel G. Krige foi quem formulou e
implementou a krigagem em 1951.
• Interpolador na elaboração de mapas – modelos.

Validação cruzada compara os métodos de interpolação e checa

se o modelo ajustado é satisfatório ou não
Validação Cruzada
(jack-knifing)
Qual é o “melhor”
 r² = 0.97

r² = 0.18
r² = 0.99
 modelo Co Co + C a (m) coeficiente de
correlação1
CTC esférico 7,70 212,50 59,30 0,99
pH esférico 0,06 0,28 83,00 0,90
P exponencial 2437,00 4875,00 161,80 0,94
K esférico 0,001 1,91 51,70 0,77
Mg esférico 0,01 7,44 43,90 0,96
MO esférico 2,00 13,00 53,00 1,00
V% esférico 39,80 219,10 48,80 0,95
1
Coeficiente de correlação obtido pela validação cruzada.
onde: Co – efeito pepita; Co + C – patamar; a – alcance.
•“O modelo esférico é o mais adequado para
descrever a variabilidade espacial de solo e de
plantas.” (Vieira, 2000)
Interpolações em mapas
Realizar inferências para os locais não
amostrados a partir dos locais
amostrados
•Krigagem, melhor método de interpolação
não tendencioso e com variância mínima

Problema...

a krigagem somente deve ser utilizada quando se

possui os parâmetros do semivariograma
 Gráficos de dispersão

• Fornecem uma boa idéia qualitativa de como duas variáveis estão

relacionadas.
• Pode auxiliar a detectar dados completamente fora da realidade.

• Nos primeiros estágios da análise de continuidade espacial é necessário

checar e corrigir os erros que por ventura exista no conjunto de dados.
• Os métodos de estimativa dependem em muito da confiabilidade dos
dados.

• O gráfico de dispersão pode ser muito útil na validação inicial dos dados
e no entendimento de futuros resultados.
 Gráficos de dispersão

•Observar o comportamento e determinar a correlação

•Importante passo inicial para a análise de variabilidade
espacial
Analisando a continuidade espacial
Índice de Dependência Espacial (IDE)
•% da semivariância do Efeito Pepita

≤ 75% - forte dependência espacial;

25% a 75% - moderada dependência espacial
≥ 25% - fraca dependência espacial, denominado de IDE
(Índice de Dependência Espacial)
• USANDO O PROGRAMA GS+
 Considerações finais
• A agricultura de precisão veio para ficar
– Automatização das máquinas
– Necessidade de redução de custos
– Preocupação com meio-ambiente

• Necessidade de desenvolvimento de técnicas de

manejo para essa nova tecnologia

• Abre-se um grande mercado para prestação de

serviço de assessoria/consultoria na área agrícola
e florestal.
Quebre os paradigmas
... saia da indecisão

elton@ufrb.edu.br
Sala - A10

Muito obrigado !!!

perguntas?