 A Teoria das Variáveis Regionalizadas tornou possível

a Geoestatística

 Qualquer variável dependente do espaço e/ou

tempo em que, além do caráter aleatório, apresente
KRIGAGEM um caráter estrutural pode ser tratada como V.R. e
sofrer uma análise segundo o formalismo
(Krigeage, Kriging) desenvolvido pela Geoestatística.

1 2

 A Teoria das Variáveis Regionalizadas tem por objetivo o

Aplicações da geoestatística estudo e a representação estrutural das V.R. para a resolução
de problemas de estimativa, a partir de dados experimentais
 Lavra e prospecção medidos sobre suportes que não abrangem totalmente tais
 Agricultura de precisão domínios
 Análise espacial de crimes
 Cartografia  (Problema clássico da inferência estatística quando se
 Climatologia pretende estudar uma população por meio de amostragem)
 Ecologia da paisagem
 Engenharia Florestal
 Epidemiologia  O melhor estimador para um V.R. deve levar em
consideração as respectivas posições relativas e, portanto, a
 Geologia ambiental
característica estrutural
 Geologia do petróleo
 Geotecnia
 Hidrogeologia  Estimativas são sempre afetadas por erros e é necessária a
 Pedologia avaliação da precisão da estimativa
 Softwares para Confecção de Mapas ou Sistemas de Informações
Georreferenciadas (Exemplo: SPRING)
3 4

1
 Krigagem Análise geoestatística
 Método geoestatístico estimador que leva em  Estimação
consideração as características espaciais de  Krigagem simples
autocorrelação de variáveis regionalizadas
 Krigagem ordinária (normal)
 Nas variáveis regionalizadas deve existir uma certa  Krigagem universal
continuidade espacial, o que permite que os dados
obtidos por amostragem de certos pontos possam  Krigagem indicativa
ser usados para parametrizar a estimação de pontos  Co-Krigagem
onde o valor da variável seja desconhecido
 Simulação
 Ao ser constatado que a variável não possui (A estimativa por krigagem tenta obter acurácia
continuidade espacial na área estudada, não há e a simulação tenta atingir realismo)
sentido lógico em estimar/interpolar usando-se a
krigagem
5 6

 Único meio disponível para se verificar a existência

ou não de continuidade espacial é, se houver, por
meio da análise variográfica que determinará os  Necessidade de um sistema de equações normais
parâmetros que caracterizam o comportamento em matrizes, na qual são usados os parâmetros
variográficos para a obtenção dos pesos a serem
regionalizado utilizados para o cálculo do valor do ponto a ser
estimado/interpolado
 Utiliza distâncias ponderadas e estimativa por
médias móveis, pelo qual os pesos adequados são  Quando um variograma é adequadamente
obtidos a partir de um variograma, representativo da elaborado, a estimativa por krigagem resultante
média das diferenças ao quadrado dos valores de é reconhecida como sendo a estimativa linear
Z(xi) distribuídos a intervalos de distâncias melhor e não tendenciosa (BLUE = best, linear,
especificados (lags h) unbiased estimate)

7 8

2
 A krigagem pode ser usada para:
O sistema de krigagem necessário para a determinação
 Previsão do valor pontual de uma variável regionalizada em
um determinado local dentro do campo geométrico; é um dos ponderadores associados a cada um dos pontos
procedimento de interpolação exato que leva em estimadores baseia-se na ideia que quanto maior a
consideração todos os valores observados, o qual pode ser a covariância entre uma amostra xi, i=1, 2, ..., n, e o local
base para cartografia automática por computador quando se
dispõe de valores de uma variável regionalizada dispostos que está sendo estimado, x0, mais essa amostra deve
por uma determinada área; contribuir para a estimativa.

 Cálculo médio de uma variável regionalizada para um volume Num método geométrico, como o do inverso do
maior que o suporte geométrico como, por exemplo, no quadrado da distância, o peso entre a amostra xi e x0
cálculo do teor médio de uma jazida a partir de informações
obtidas de testemunhas de sondagens também diminui à medida que a amostra fica mais
longe, mas essas distâncias são euclidianas.

9 10

Estimativa do valor no ponto A

No caso da estimativa por krigagem as distâncias são

basadas na análise variográfica e alem desse
relacionamento entre pontos estimadores e o ponto a
ser estimado ha tambem o relacionamento entre os
pontos estimadores que vão fornecer informações sobre
o agrupamento presente.
O sistema de krigagem leva em consideração, portanto,
tanto a distância entre amostras como o seu
agrupamento.

11 12

3
 Inverso da distância
Krigagem ordinária (normal)

13 14

Cálculo dos ponderadores li

Krigagem
 O valor estimado por krigagem Z*(xi) é uma combinação
linear de n Variáveis Regionalizadas.
 O valor estimado é não enviesado
Estimação por uma combinação
linear ponderada

O erro cometido deve ter

 A variância da estimativa é minimizada
uma esperança zero

Procura pela
máxima precisão
15 16

4
 Krigagem ordinária •Existe associado a esse estimador um erro,
=Z(x0)-Z*KO(x0); uma maneira simples seria
Quando valores de uma variável regionalizada apresentam
representá-lo pela variância da estimativa:
media constante, porem desconhecida, o algoritmo a ser 2(s0)=Var[Z*KO(x0)-Z(x0)]
aplicado é o da krigagem ordinária, para encontrar os
ponderadores ótimos que minimizem a variância do erro de •A variância não pode ser obtida porque não se conhece o valor
estimação. real que se esta estimando e, portanto, também não se sabe
qual o erro associado; a solução é transformar a expressão em
Um valor amostral, obtido num ponto, é uma realização
parcial de uma função aleatória Z(x), onde x denota a termos de quantidades que possam ser calculadas:
localização espacial. Z(x) honra a hipótese intrínseca:
E[Z(x)] = m
Para a estimativa de um valor em um local não amostrado, Var[Z(sx)-Z(sx+h)] = 2g(h),
Z(x0), são utilizados realizações parciais Z(x1), Z(x2),...Z(xn),
localizadas segundo coordenadas conhecidas. •(A media é constante, mas como não entra no cálculo, pode
Z*KO = l1 Z(x1) + l2Z(x2) + ... + lnZ(sn), onde os li são os pesos
atribuidos a cada valor conhecido. continuar desconhecida).
17 18

 Variância dos erros: = desvios ao quadrado em relação ao  É introduzido o multiplicador de Lagrange (m)
erro médio = média de [(Z(x0) – Z*(x0)]2. porque os pesos l devem somar 1
 Representa o balanço entre como os valores
 Para estimar tal medida utilizar o variograma, em que são
estimadores se relacionam com o valor a ser
medidas as diferenças de valores ao quadrado.
estimado e como se relacionam entre si.
 Num variograma, previamente calculado, dada uma distância
h entre os pontos, pode-se estimar a variância simplesmente  A variância da krigagem é homoscedástica
lendo o valor no eixo dos g´s  Independe dos valores dos pontos usados para
 g(xi,xj): variância entre os pontos estimadores obter o estimador Z*(x0)
 g(xi,x0): variância entre o ponto estimador i e o ponto a ser  Mede apenas a configuração espacial dos dados
estimado

19 20

5
 Krigagem ordinária para a estimativa de um ponto x0 Krigagem simples
 Conhecimento da média.
 Para krigagem pontual:
 Z*ks(x0) = Σlz(xi) + [1-Σli]m
 A soma dos pesos li não esta restrita a 1
 Σlig(xi,xj) = g(x0, x ) para j = 1,2, ...N
[l] = [A]-1 [B]  Não há necessidade do multiplicador de Lagrange
 Para variância da krigagem:
Cálculo da variância(desvio padrão) associada(o) ao valor  S2ks(x0) = Σlig(xi,x0)
obtido por estimativa krigada

21 22

Ponto xi yi valor
1 2 1 0 30 500
2 30 30 450
X 3 0 0 550
Pontos
4 xi
30 y0i zi
490
3 4 X 15 15 ?

D1,2 = D1,3 = D2,4 = D3,4 = 30km;

D1,4 = D2,3 = 42,43km;
D1,X = D2,X = D3,X = D4,X = 21,21km

Modelo linear: g =5h, fornece as variâncias:

Exemplos 21,21: 106,05 km
30,00: 150,00 km
42,43: 212,15 km

23 24

6
 Cálculo dos pesos li

Sk = 9,169
Intervalo de confiança: 9,169 * 1,96=18 m.
Estimativa do ponto X: 497,50m±18m

25 26

Modelo esférico:
1(X) 2
 0  1 
Valor de C (variância espacial): 700 ppm2
 150    Valor de C0 (efeito pepita; variância aleatória): 100 ppm2
  0
[B]   150  [g]    Valor do patamar, soleira ou sill: C+C0 = 800 (valor de g,
  0 
 212.15   segundo o qual o variograma se estabiliza)
0 
 1 
3 4
Amplitude de influência(a): 100 pés.
3

5 A 2
1

Co+C 800

322.7
100 (Co)
21.54 100

g(h) substitui a distância euclidiana

g(h = 322,7
27 Interpolador exato 28

7
 Modelo esférico

h≤a: campo estruturado até a distância 100 *755.2 ou 800.00?

h>a: campo aleatório alem da distância 100 a=100; 800
29 30

 0 ,372812 
  0 ,028330 
 
 0 415 ,5 491 ,4 403 ,0 790 ,5 1  l1  322 ,7   0 ,300746 
 415 ,5   l   gxi , xi 
1
lxi , A  
0 581 ,3 642 ,9 800 ,0 1 l  581 ,3  
   2     0 ,266999 
 491 ,4 581 ,3 0 659 ,9 778 ,8 1 l 3   420 ,9  0 ,087777 
 403 ,0  
 642 ,9 659 ,9 0 745 ,1 1  l 4  405 ,5  
09 ,697618 

    
 790 ,5 800 ,0 778 ,8 745 ,1 0 1  l 5  714 ,9
    
 1 1 1 1 1 0   m   1 
[gxi , xi ] l  gxi , A

20,27 * 1,96= 39,73

Valor do ponto A deve estar entre 336,72 e
416,28.
31 32

8
  Dados
 Dados: espessuras, em metros, provenientes de 576
perfurações realizadas em uma jazida de argila de
formato tabular.  ID X Y Argila
 Efetuar uma análise geoestatística referente à espessura  1 1 1 11.9
do depósito..  2 2 1 12.1
 3 3 1 15.3
 Alem da análise, tecer considerações especificamente  4 4 1 18.1
com relação às seguintes questões:  5 5 1 16.1
 Padrão da rede de amostragem.  6 6 1 16.1
 Função de distribuição dos valores.  7 7 1 17.9
 Presença ou não de tendência  8 8 1 16.3
 Isotropia ou anisotropia presente.  9 9 1 16.5
 10 10 1 15.2
 Qual porção da área pesquisada mereceria uma
amostragem mais densa.  11 11 1 14.1
 12 12 1 12.8
 13 13 1 11.3
 ...

33 34

Distribuição dos pontos de amostragem

24

22

20

18

16

14

12

10

2 4 6 8 10 12 14 16 18 20 22 24

35 36

9
37 38

Mapa de variogramas

39 40

10
 Modelagem:
Direção EW (90) g = 4,60 + 5,08 Sph (3,78)

41 42

Mínima curvatura
IQD

43 44

11
 Desvios padrão da krigagem
Krigagem

45 46

 Respostas:
 Krigagem ordinária para áreas (blocos)
 Padrão da rede de amostragem:
 regular.
 Para a estimativa de uma área (ou bloco), em lugar de
 Função de distribuição dos valores:
apenas um ponto x0, considera-se a região com área Ar,
 normal. com um centro x0.
 Desse modo as variâncias entre os pontos amostrados
 Presença ou não de tendência: (x1, x2, x3 ...xn) e o ponto interpolado da situação
 sem tendência anterior são substituídos pela média das variâncias entre
os pontos amostrados e os pontos dentro da área Ar.
 Isotropia ou anisotropia presente:
 isotropia.

 Qual porção da área pesquisada mereceria uma

amostragem mais densa:
 nenhuma.
47 48

12
  Em notação matricial:
 Cálculo da variância associada ao valor obtido pela
estimativa (²)

 [li]' = vetor transposto com os pesos li

 [xi, Ar] = vetor com as médias dos semivariogramas entre

cada amostra e a área (Ar) desconhecida a ser estimada

 [g(Ar,Ar)] = média dos semivariogramas entre todos os

possíveis pares de pontos dentro da área estimada por
Para a solução dos coeficientes li e m: krigagem em bloco
[li] = [xi,xi] -1 * [xi,Ar]

49 50

Estimativa do bloco Ar

51 52

13
 0  415 ,5  491 ,4  403 ,0  790 ,5  l 1  356 ,7
415 ,5  0  581 ,3  642 ,9  800 ,0  l 2  572 ,4
491 ,4  581 ,3  0  659 ,9  778 ,8  l 3  456 ,9
403 ,0  642 ,9  619 ,9  0  745 ,1  l 4  446 ,8
790 ,5  800 ,0  778 ,8  745 ,1  0  l5  696 ,1
1  1  1  1  1  m  1
 Valores obtidos por krigagem em
l1 = 0,346; l2 = 0,023; l3 = 0,269; l4 = 0,234; l5 = 0,127; m = 19,72 blocos são mais suavizados que
Area (Ar) = Aili = 376,5 ppm (ponto A = 376,5) valores obtidos por krigagem pontual.

g(Ar,Ar) = 344

Sk²=128.16 ppm e Sk = 11,32 ppm

Area (Ar): entre 354,35 e 398,65 ppm.

Valor do ponto A(x0) deve estar entre 336,72 e 416,28

53 54

Krigagem pontual e em bloco

Localização dos pontos
 Dados: espessuras de 39 poços em uma unidade sedimentar 11
 ((Hohn, M. E. (1988) – Geostatistics and Petroleum Geology:
30 18
19
Van Nostrand Reinhold) 12
3
17
ID X Y ESPESSURA
25 1
 16
30

 1 0 24 1848 2
13
15 29
 2 2.5 22 1806 20

 3 4 25 2220 14 27
4 1 11 2513
32

 5 6 0 3209 15 10
26
 6 5 2 3080 28 31
25
33
4 9
 7 10 2 3164 10 24
 8 8 7 2164 23
22
37
34
9 5.5 11 2400
8 35

 10 4 14.5 2434… 5 21
38

36
39
6 7
20
5
0
0 5 10 15 20 25
55 56

14
 Variograma: Surfer Krigagem ordinária pontual (100x100)
Krigagem pontual
Column D: E
Direction: 0.0 Tolerance: 90.0 30

500000

450000 25

400000
26 20
41
350000

33
15
300000 47
Variogram

250000 21 27 10
32
12 29
200000 21
34
35 5
150000
9

100000
0
0 5 10 15 20 25 30

4000
3900
3800
3700
3600
3500
3400
3300
3200
3100
3000
2900
2800
2700
2600
2500
2400
2300
2200
2100
2000
1900
1800
1700
1600
1500
1400
50000

1
0
0 2 4 6 8 10 12 14
57 Lag Distance 58

Desvios padrão da krigagem

30

25

20

15

10

0
0 5 10 15 20 25 30
460
440
420
400
380
360
340
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0

59 60

15
 63
61

0
5
10
15
20
25
30

0
5
390
370
350
330

10
310
290
270
250

15
230
210
190
170

20
150
130
110
90

25
30
Desvios padrão da krigagem em bloco 10x10

64
62
0
5
10
15
20
25
30

0
5
10
15
20
25
30

0
5

5
3800
3600 3700
3500 3600
3400 3500
3300 3400
10
Krigagem em blocos

10
3300
3200
3200
3100
3100
3000
3000
2900 2900
Krigagem em bloco 10x10

15

2800

15
Krigagem em bloco 5x5
2800
2700 2700
2600 2600
2500 2500
2400 2400

20
2300
20

2300
2200
2200
2100
2100
2000
2000
1900
1900

25
1800
25

30
30

16
 Exercícicio 03:
Desvios padrão da krigagem em bloco 5x5 Krigagem ordinária pontual
30

 Com o auxílio do SURFER® aplicar o algoritmo “Kriging” aos

25
359 dados do exercício 01.
 Calcular mapas com valores estimados por krigagem
20
pontual para os tres metais pesados (cádmio, cobre e
chumbo).
15
 Calcular os respectivos mapas de desvios-padrão da
krigagem.
10
 Usar os dados provenientes da modelagem variográfica
efetuada no exercício 02.
5
 Os mapas resultantes deverão obedecer a área irregular
abrangida pelos pontos de amostragem.
0
0 5 10 15 20 25 30
340
330
320
310
300
290
280
270
260
250
240
230
220
210
200
190
180
170
160
150
140
130
120
110
100
90
80
70

65 66

GRID/DATA/KRIGING

67 68

17
 Contorno de áreas
Mapa da distribuição 5.5

 Após a aplicação de um algoritmo estimador, o de cádmio por 5

resultado é apresentado na forma de um mapa com krigagem ordinária 3.2

dimensões regulares, um quadrado ou um retângulo, pontual 4.5

3

2.8

englobando, portanto, uma área maior do que 4

2.6

2.4
aquela amostrada. 3.5 2.2

3 1.8

1.6

2.5 1.4

1.2

1
2
0.8

0.6
1.5
0.4

0.5 1 1.5 2 2.5 3 3.5 4 4.5

69 70

Há, porém, situações Selecionar mapa:

em que se quer o 5.5
5.5 (Map|Contour map|New contour map)
resultado referente
5
5
apenas à área
3.2
amostrada e, 4.5
4.5
3
5.5

portanto, restrita a 4
4
2.8

2.6
5

um polígono 2.4 4.5

3.2

3
3.5
3.5 2.2
irregular. 2 4
2.8

2.6

3
3 1.8 2.4

Localização dos 1.6 3.5 2.2

1.4 2
2.5
2.5
pontos de 1.2
3 1.8

1.6

amostragem sobre o 2
2
1

0.8
2.5 1.4

1.2

mapa estimado por 1.5

1.5
0.6
2
1
0.4 0.8
krigagem para a 1.5
0.6
1
1
variável Cd 0.4

0.5
0.5 1
1 1.5
1.5 2
2 2.5
2.5 3
3 3.5
3.5 4
4 4.5
4.5

0.5 1 1.5 2 2.5 3 3.5 4 4.5

71 72

18
 No menu Map, escolher a opção Digitize.
Em seguida marcar no mapa os pontos de contorno
para a área escolhida  Após digitalizar os pontos de contorno para a área
desejada, gravar o arquivo com a extensão *.bln.
 Automaticamente será gravado o arquivo digit.bln,
com as coordenadas XY referentes à área escolhida; a
primeira linha/primeira coluna contem o número de
pontos e a segunda coluna a opção 1. Essa opção
significa que a área interna do polígono é que será
omitida.
 Como não é essa a intenção, entrar nesse arquivo e
substituir a opção 1 por 0. Nesse caso a área externa
ao polígono é que será omitida.
 Regravar o novo arquivo com o nome CdK.bln

73 74

Após gravar o arquivo CdK.bln, com a opção 0,

escolher no Menu Grid a opção Blank.

Essa opção tem a finalidade de construir um filtro que

permita construir um mapa com limites condicionados
pela rede de amostragem

75 76

19
 Abrir o arquivo CdK.grd que originou o mapa utilizado
inicialmente. Para a impressão do arquivo CdK2.grd, entrar no Menu Map e
escolher Map Contour|New map contour

•Em seguida abrir o arquivo CdK.bln

•Gerar um novo arquivo contendo pontos em reticulado
77
para a área selecionada e gravá-lo com o nome CdK2.grd 78

O resultado será um mapa dos valores de cádmio estimados O mesmo procedimento devera ser adotado para obter um
por krigagem, porem restrito à área amostrada. mapa dos desvios-padrão da krigagem

79 80

20