ANLISE ESPACIAL DE DADOS

1. Modelagem da variabilidade espacial de dados por superfcies e

procedimentos de interpolao:

Modelos determinsticos com efeitos locais: inverso do quadrado
da distncia

=
=
=
n
j
ij
n
j
j ij
i
w
z w
z
1
1


Modelos determinsticos com efeitos globais: superfcies de
tendncia por regresso polinomial

i
e ..... y b
i
y
i
x b x b y b x b b ) Y , X (
i
z
2
i 5 4
2
i 3 i 2 i 1 0
+ + + + + + + =

Modelos estatsticos com efeitos locais e globais: krigagem
cada ponto da superfcie estimado a partir da interpolao das
amostras mais prximas, utilizando um estimador estatstico
baseado no variograma


2. Reticulado: fornecidos n valores conhecidos, regularmente
distribudos ou no, Z1, Z2,........., Zn,
o valor a ser interpolado para qualquer n do reticulado ser igual a

=
=
n
1 j
i ij
j Z w G

G
j
: valor estimado para o n j
n: nmero de pontos usados para a interpolao
Z
i
: valor estimador no ponto i com valor conhecido
W
ij
: peso associado ao valor estimador i


3. Diferenas entre mtodos: de que modo os fatores de ponderao
so calculados e aplicados durante a reticulagem.














0 10 20 30 40 50 60 70 80 90 100
0
10
20
30
40
50
60
70
80
90
100
0 20 40 60 80 100
0
20
40
60
80
100
0 10 20 30 40 50 60 70 80 90 100
0
10
20
30
40
50
60
70
80
90
100
0 10 20 30 40 50 60 70 80 90 100
0
10
20
30
40
50
60
70
80
90
100
Estimativa do reticulado









INVERSO DO QUADRADO DA DISTNCIA (IQD)





Ponto X Y U
3
O
8
Distncia 1/D (1/D)
2
A 4.150 2.340 ? 00.00
1 4.170 2.332 400 21.54 0.0464 0.0021
2 4.200 2.340 380 48.47 0.0206 0.0004
3 4.160 2.370 450 29.08 0.0344 0.0012
4 4.150 2.310 280 28.00 0.0357 0.0013
5 4.080 2.340 320 66.77 0.0150 0.0002


0150 0 0357 0 0344 0 0206 0 0464 0
320 0150 0 280 0357 0 450 0344 0 380 0206 0 400 0464 0
. . . . .
) x . ( ) x . ( ) x . ( ) x . ( ) x . (
A
+ + + +
+ + + +
=

1521 0
67 56
1521 0
80 4 00 10 48 15 83 7 56 18
.
,
.
. . . . .
A =
+ + + +
=
A = 372.58


0002 0 0013 0 0012 0 0004 0 0021 0
320 0002 0 280 0013 0 450 0012 0 380 0004 0 400 0021 0
. . . . .
) x . ( ) x . ( ) x . ( ) x . ( ) x . (
A
+ + + +
+ + + +
=

0052 0
06 0 36 0 54 0 15 0 84 0
.
. . . . .
A
+ + + +
=
A = 375.00


20 40 60 80
20
40
60
80
-665
-613
-586
-440
-544
-343
-455
-437
-354
-142
20 40 60 80
20
40
60
80
20 40 60 80
20
40
60
80
-665
-613
-586
-440
-544
-343
-455
-437
-354
-142
20 40 60 80
20
40
60
80
SUPERFCIES DE TENDNCIA (1 e 2)

KRIGAGEM
mtodo geoestatstico que leva em considerao as caractersticas
espaciais de autocorrelao de variveis regionalizadas
nas variveis 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 estimao de
pontos onde o valor da varivel seja desconhecido

ao ser constatado que a varivel no possui continuidade espacial
na rea estudada, no h sentido lgico em estimar/interpolar
usando-se a krigagem

nico meio disponvel para se verificar a existncia ou no de
continuidade espacial , se houver, a anlise variogrfica que
determinar os parmetros que caracterizam o comportamento
regionalizado
utiliza distncias ponderadas e estimao por mdias mveis pelo
qual os pesos adequados so obtidos a partir de um variograma,
representativo da mdia das diferenas ao quadrado dos valores
irregularmente distribudos de Zi a intervalos de distncias
especificados (lags)
necessrio um sistema de equaes normais em matrizes, no
qual so usados os parmetros variogrficos para a obteno dos
pesos a serem utilizados para o clculo do valor do ponto a ser
estimado/interpolado

quando um variograma adequadamente elaborado, a estimativa
por krigagem resultante reconhecida como sendo a estimativa
linear melhor e no tendenciosa (BLUE = best, linear, unbiased
estimate)
















Varincia da estimativa
V* valor estimado para o verdadeiro V, a partir de valores
adjacentes conhecidos

V* = p
1
x
1
+ p
2
x
2
+ p
3
x
3
+ ... + p
n
x
n
,

Associado a esse estimador h um erro =V-V*
se diversas estimativas forem feitas a mdia de erros ser zero.

Maneira mais simples de medir estatisticamente tal distribuio
pela varincia; a varincia, porm, no pode ser obtida porque no
se conhece o valor real que est sendo estimando e, portanto, no
se sabe tambm qual o erro associado.

Varincia dos erros:
2

= desvios ao quadrado em relao ao erro

mdio = mdia de (V-V*)
2
.

Para estimar a varincia utilizar o semivariograma, em que so
medidas as diferenas de valores ao quadrado.

Num semivariograma, previamente calculado, dada uma distncia h
entre os pontos, pode-se estimar a varincia simplesmente lendo o
valor no eixo dos s e multiplicando-o por 2

) h ( 2
2
=

KRIGAGEM ORDINRIA PARA A ESTIMATIVA DE UM PONTO

n n 3 3 2 2 1 1
x p ... x p x p x p V* + + + =

Se a soma dos pesos for igual a 1 e no ocorrer tendncia local,
esse estimador o melhor e no tendencioso; a partir dos pesos
atributos a cada amostra, minimizar a estimativa da varincia.
0 /
i
2
=

, n ,... 4 , 3 , 2 , 1 i =

Para a estimativa de cada ponto S
0
obtm-se uma combinao
linear dos valores dos pontos vizinhos com os respectivos pesos
S
0
= iSi

Construo de um sistema de n equaes com n variveis
incgnitas (
1
,
2
,
3
, ...
n
). Havendo a restrio de que i=1,
passa-se a n+1 equaes e introduz-se uma outra varivel, tambm
desconhecida, para balancear o sistema, o multiplicador de
Lagrange, .
0 ) 1 i (
2
=

, se 0 1 i =

Sistema de equaes, com n+1 incgnitas, para a estimativa de um
ponto (So):

]
o
S ,
i
S [ ]
i
[ ]
i
S ,
i
S [
1
) S , S (
) S , S (
) S , S (
0 1 1 1
1 ) S , S ( ) S , S ( )
1
S , S (
1 ) S , S ( ) S , S ( ) S , S (
1 ) S , S ( ) S , S ( ) S , S (
0 n
0 2
0 1
n
2
1
n n 2 n n
n 2 2 2 1 2
n 1 2 1 1 1

M M
L
L
M
L
M M
L


Obtm-se os pesos i e o multiplicador de Lagrange, , segundo:

[i] = [Si,Si]
-1
[Si,So]


Clculo da varincia associada ao valor obtido por estimativa ()

] S , S [ ]' [ ) S , S (
0 i i 0 i i
2
= + =

[
i
] = vetor transposto com os pesos
i

[S
i
,S
0
] = vetor com as mdias dos semivariogramas entre
cada valor estimador conhecido e o ponto (S
0
), desconhecido
a ser estimado.


EXEMPLO:


Ponto

x
i

y
i

valor
1 0 30 500
2 30 30 450
3 0 0 550
4 30 0 490
1 2
3 4
X

X 15 15 ?

D
1,2
=D
1,3
=D
2,4
=D
3,4
= 30km;
D
1,4
=D
2,3
=42,43km;
D
1,X
=D
2,X
=D
3,X
=D
4,X
= 21,21km
O modelo linear: =5h, fornece as semivarincias:
21,21: 106,05 km
2
30,00: 150,00 km
2
42,43: 212,15 km
2
[ ] [ ] B ] A [
1
05 , 106
05 , 106
05 , 106
05 , 106
0 1 1 1 1
1 0 150 150 15 , 212
1 150 0 15 , 212 150
1 150 15 , 212 0 150
1 15 , 212 150 150 0
4
3
2
1

=
=
=
=
=

] B [ ] A [ ] [
1
=

=
987 . 21
25 , 0
25 , 0
25 , 0
25 , 0
1
05 , 106
05 , 106
05 , 106
05 , 106
03750 . 128 25000 . 0 25000 . 0 025000 . 25000 . 0
25000 . 0 00520 . 0 00285 . 0 00285 . 0 00049 . 0
25000 . 0 00285 . 0 00520 . 0 00049 . 0 00285 . 0
25000 . 0 00285 . 0 00049 . 0 00520 . 0 00285 . 0
25000 . 0 00049 . 0 00285 . 0 00285 . 0 00520 . 0
] [

m 50 , 497 ) 450 ( 25 , 0 ) 550 ( 25 , 0 ) 450 ( 25 , 0 ) 500 ( 25 , 0 ) x ( z = + + + =
063 , 84 9875 , 21 ) 05 , 106 ( 25 , 0 ) 05 , 106 ( 25 , 0 ) 05 , 106 ( 25 , 0 ) 05 , 106 ( 25 , 0 S
2
k
= + + + =
S
k
= 9,169
Intervalo de confiana: 9,.169 * 1,96=18 m.
Estimativa do ponto X: 497,50m 18m



A metodologia geoestatstica:

transforma observaes geolgicas em nmeros
estima distribuies espaciais
interpola e extrapola valores em mapas
quantifica erros
analisa reas de riscos
orienta planos de amostragem
integra diferentes tipos de dados
modela processos geolgicos

no origina dados que sejam representativos
no acrescenta dados que necessitam ser adicionados
no economiza tempo e esforo
no substitui o entendimento e julgamento especializados
no caixa preta





















Krigagem/PMBLandim