MODELAGEM

VARIOGRFICA
Estatstica espacial

Estatstica clssica
variveis independentes
sem continuidade espacial
Estatstica espacial
valores associados localizao no espao e/ou no tempo
distribuio contnua dos valores

Geoestatstica
variveis regionalizadas: fenmeno natural
aspecto estrutural (determinstico)
aspecto errtico (casual)
correlao espacial
Procedimentos em geoestatstica
anlise exploratria dos dados
calculo do variograma experimental
modelagem
krigagem: estimativa e interpolao
simulao
Geoestatstica
Metodologia para
determinar se existe uma autocorrelao
espacial entre dois pontos amostrados
quantificar o efeito da localizao
espacial sobre a variabilidade amostral
Baseia-se no pressuposto que pontos
mais prximos normalmente esto mais
relacionados entre si do que pontos
muito afastados.
A hiptse intrnsica

A hiptese intrnsica estabelece que a

distribuio das diferenas entre
pares de valores obtidos em locais de
amostragem a mesma em toda a
rea, dependendo apenas da distncia
e da orientao entre os pontos.
Em outras palavras, as diferenas
devem ser consistentes, NO
constantes por toda a rea.
Variograma e krigagem

Geoestatstica: variograma e krigagem.

Variograma: descrio matemtica da

relao entre a varincia de pares de
observao (pontos de amostragem) e a
distncia que separa essas observaes
Krigagem: a autocorrelao espacial pode
ser usada para estimar valores em
pontos no amostrados.
para a utilizao do semivariograma as
seguintes suposies bsicas so requeridas:

a) as diferenas entre pares de valores de

amostras so determinadas apenas pela
orientao espacial relativa dessas amostras;
b) o interesse enfocado apenas na mdia e
na varincia das diferenas, significando que
esses dois parmetros dependem unicamente da
orientao (hiptese intrnseca);
c) por convenincia assume-se que os valores
da rea de interesse no apresentam tendncia
que possa afetar os resultados e assim a
preocupao ser apenas com a varincia das
diferenas entre valores das amostras.
 Semivariograma mostra, pela anlise estrutural, o
comportamento espacial da varivel regionalizada ou de
seus resduos, quando na presena de tendncia:
tamanho da zona de influncia em torno de uma
amostra; toda amostra cuja distncia ao ponto a ser
estimado for menor ou igual ao alcance, fornece
informaes sobre o ponto
anisotropia, quando os semivariogramas se mostram
diferentes para diferentes direes de linhas de
amostragem;
continuidade, pela forma do variograma quando para
h=0 (h) j apresenta algum valor ( efeito pepita/nugget);
pode ser atribudo erros de medio ou ao fato de que
os dados no foram coletados a intervalos
suficientemente pequenos para mostrar o comportamento
espacial subjacente do fenmeno em estudo.
Variograma
semivariograma experimental
mnimo de 30 pares
remoo de valores anmalos
maior h, a metade da maior distncia existente entre os
pontos.
grau de casualidade dos dados, E = Co/C
E<0,15: componente aleatria pequena
0,15 < E < 0,30: componente aleatria significante
E > 0,30: componente aleatria muito significativa
extremo do grau de casualidade o modelo de pepita pura,
onde no ocorre covarincia entre os valores e a anlise
semivariogrfica no se aplica
iniciar com semivariograma omnidirecional
semivariograma terico
modelagem: processo que envolve vrias tentativas e no
qual a experincia pesa muito
pode-se optar por um ajuste manual, mais sujeito erros,
ou com o auxlio de algoritmos
Ajuste do variograma
experimental a um modelo
variogrfico terico
Comparao visual

Tcnicas de ajuste automtico:

Mtodo dos mnimos quadrados
Critrio AIC (Akaike Information
Criterion)
Critrio Cressie
Critrio Variowin, etc.
Validao cruzada
Modelos variogrficos

As funes
matemticas
dos modelos
devem permitir
que a matriz de
covarincias,
nele baseada,
possa ser
invertida, como
ocorre na
krigagem.
Somente certos
modelos podem
ser usados.
Dados
1. Varivel: cdmio (example.dat/GEOEAS)
2. Variable: valor de cdmio+100
As coordenadas X e Y so as mesmas para ambas as variveis
ID X Y Cd Cd100
1 288 311 11.5 111.5
2 285.6 288 8.5 108.5
3 273.6 269 7 107
4 280.8 249 10.7 110.7
5 273.6 231 11.2 111.2
6 276 206 11.6 111.6
7 285.6 182 7.2 107.2
8 288 164 5.7 105.7
9 292.8 137 5.2 105.2
10 278.4 119 7.2 107.2
11 360 315 3.9 103.9
12 355.2 291 9.5 109.5
13 367.2 272 8.9 108.9
14 367.2 250 11.5 111.5
15 352.8 226 10.7 110.7
16 350.4 203 8.3 108.3

60 ...
 1 1 .5 3 .9 5 .5 1 0 .4

1 .7 1 .2
300 9 .5 4 .0
8 .5 5 .8 7 .1
7 .0 7 .6 8 .9
7 .0
3 .8
1 0 .7 1 1 .5 5 .3 4 .4
250 3 .4

Distribuio dos pontos

1 1 .2 1 1 .6
1 0 .7
1 4 .9 9 .9 1 1 .6 6 . 59 .91 0 . 1
1 0 .8
1 1 .8 1 1 .0 1 6 .7 1 1 .6 6 .9 Cd
1 1 .6

tem as mesmas
8 .3 9 .0
200 1 1 .6 6 .8
1 5 .0
7 .2 6 .1 1 4 .5

coordenadas.
3 .2 1 0 .4
5 .7 8 .7 6 .7
1 2 .1
1 0 .0 1 .6

Valores no.
150 0 .9
5 .2 6 .2
1 .2
7 .2 0 .0 0 .0
300 350 400 450

1 0 3 .9 1 0 5 .5 1 1 0 .4
1 1 1 .5
1 0 1 .7 1 0 1 .2
300 1 0 4 .0
1 0 8 .5 1 0 9 .5
1 0 5 .8 1 0 7 .1
1 0 7 .0 1 0 7 .6 1 0 8 .9 1 0 7 .0
1 0 3 .8
1 1 0 .7 1 1 1 .5 1 0 5 .3 1 0 4 .4
250 1 0 3 .4
1 1 1 .2 1 1 1 .6
1 1 0 .7
1 1 4 . 9 1 0 9 . 9 1 1 1 . 6 1 0 61. 05 9 1. 91 0 . 1 1 1 1 . 8 1 1 1 . 0 1 1 6 . 7 1 1 1 . 6 1 0 6 . 9
1 1 0 .8
Cd100
1 1 1 .6 1 0 8 .3 1 0 9 .0
200 1 1 1 .6 1 0 6 .8 1 1 5 .0
1 0 7 .2 1 0 6 .1 1 1 4 .5
1 0 3 .2 1 1 0 .4
1 0 5 .7 1 0 8 .7 1 0 6 .7
1 1 2 .1
1 1 0 .0 1 0 1 .6
150 1 0 0 .9
1 0 5 .2 1 0 6 .2
1 0 1 .2
1 0 7 .2 1 0 0 .0 1 0 0 .0
300 350 400 450
Determinao de h

Maior h: metade da maior distncia

entre pontos

E-W: 492-254= 238

N-S: 315-118 = 197
Maior distncia = (2382 + 1972 )1/2 = 309
Maior h = 150

Extenso do menor h?
Extenso do intervalo x nmero de
pares no intervalo
h = 2 (extenso = 75)
h = 75 (extenso = 2)
h = 15 (extenso = 10)
h = 10 (extenso = 15)
Nuvem variogrfica
direo NE-SW
h = 5 (extenso = 30)
 Krigagem para a estimativa de
( x1 1 x )um
( xponto
1 2(Xo)
x ) ... ( x x ) 1
1 n (x x 1 1 ) 0
(x x ) ( x2 x2 ) ... ( x2 xn ) 1 2 ( x x )
2 1 2 0
: : : : : : :

( xn x1 ) ( xn x2 ) ... ( xn xn ) 1 n ( xn x )
0
1 1 ... 1 0 1

Clculo da varincia(desvio padro) associada(o) ao valor

obtido por estimativa
n
2K Var( z0* z0 ) (x
i 1
i i x0 )

Esta equao pode ser expressa tambm em termos de covarincia

(h) = C(0) - C(h)
Modelagem da varivel Cd pelo
Variowin
Modelagem da varivel Cd100
pelo Variowin
Krigagem da varivel Cd e respectivo mapa de desvios
padro dos valores estimados pela krigagem
Modelo adotado: exponencial, de acordo com a
indicao da qualidade do ajuste calculado pelo Variowin

1 4 .5 0
300
1 3 .5 0
1 2 .5 0
1 1 .5 0
1 0 .5 0
250
9 .5 0
8 .5 0
7 .5 0
6 .5 0
200 5 .5 0
4 .5 0
3 .5 0
2 .5 0
150 1 .5 0
0 .5 0
- 0 .5 0
300 350 400 450

3 .0 5
300
2 .9 5
2 .8 5
2 .7 5
250 2 .6 5
2 .5 5
2 .4 5
2 .3 5
200 2 .2 5
2 .1 5
2 .0 5
1 .9 5
150 1 .8 5
1 .7 5
1 .6 5
300 350 400 450
CD
Krigagem da varivel Cd100 e respectivo mapa de
desvios padro dos valores estimados pela krigagem
Modelo adotado: exponencial, de acordo com a
indicao da qualidade do ajuste calculado pelo Variowin

1 1 4 .5
300
1 1 3 .5
1 1 2 .5
1 1 1 .5
1 1 0 .5
250 1 0 9 .5
1 0 8 .5
1 0 7 .5
1 0 6 .5
200 1 0 5 .5
1 0 4 .5
1 0 3 .5
1 0 2 .5
150 1 0 1 .5
1 0 0 .5
9 9 .5
300 350 400 450

300
3 .0 5
2 .9 5
2 .8 5

250 2 .7 5
2 .6 5
2 .5 5
2 .4 5
200 2 .3 5
2 .2 5
2 .1 5
2 .0 5
15 0 1 .9 5
1 .8 5
1 .7 5
300 350 400 450 1 .6 5

Cd100
Escolha do modelo linear (default do
SURFER) para a varivel Cd
C o lu m n D : C d
D ir e c tio n : 0 .0 T o le r a n c e : 9 0 .0
20

18

16

14

12
V a r io g r a m

10

0
0 20 40 60 80 100 120 140 160
L a g D is t a n c e
Escolha do modelo linear (default do
SURFER) para a varivel Cd100
C o lu m n E : C d 1 0 0
D ir e c tio n : 0 .0 T o le r a n c e : 9 0 .0
20

18

16

14

12
V a r io g r a m

10

0
0 20 40 60 80 100 120 140 160
L a g D is t a n c e
Krigagem da varivel Cd e respectivo mapa de desvios padro
dos valores estimados pela krigagem
Modelo adotado: linear (SURFER)

300 17
16
15
14
13
250 12
11
10
9
8
200
7
6
5
4
150 3
2
1
0
300 350 400 450

300 7
6 .5
6
5 .5
250
5
4 .5
4
3 .5
200
3
2 .5
2
1 .5
150
1
0 .5
0
300 350 400 450
C d : m o d e lo lin e a r
Krigagem da varivel Cd100 e respectivo mapa de desvios
padro dos valores estimados pela krigagem
Modelo adotado: linear (SURFER)

300 1 1 7 .0
1 1 6 .0
1 1 5 .0
1 1 4 .0
1 1 3 .0
250 1 1 2 .0
1 1 1 .0
1 1 0 .0
1 0 9 .0
1 0 8 .0
200 1 0 7 .0
1 0 6 .0
1 0 5 .0
1 0 4 .0
1 0 3 .0
150 1 0 2 .0
1 0 1 .0
1 0 0 .0
9 9 .0
300 350 400 450

300 7
6 .5
6
5 .5
250 5
4 .5
4
3 .5
200 3
2 .5
2
1 .5
150 1
0 .5
0

300 350 400 450

C d 1 0 0 : m o d e lo lin e a r
CONCLUSES

O aspecto geral dos dois mapas para a varivel Cd,

resultantes da krigagem, praticamente o mesmo.

Idem em relao varivel Cd100

No primeiro caso, tendo sido ajustado o melhor modelo

(exponencial), o resultado, para ambas as variveis, com
relao ao intervalo de valores de desvios padro o mesmo
(1,65-3,05), independentemente da escala dos valores em Cd e
Cd100.

Quando, porem, adotado um modelo que no reflete o

comportamento espacial dos dados (modelo linear), os desvios
padro se apresentam com valores maiores (0-7), para ambas
as situaes.

Os menores valores de desvio-padro esto, sempre,

associados aos locais com pontos de amostragem.
Isso porque:
O semivariograma mostra a medida do grau de
dependncia espacial entre valores e uma
medida da variabilidade em relao distncia.
A krigagem usa essas informaes para
encontrar os pesos timos a serem associados
s amostras que iro estimar um ponto.

A varincia da krigagem independente dos

valores dos pontos usados para obter os
estimadores Zi* e mede somente a configurao
espacial dos dados. Sendo a krigagem baseada
apenas no variograma, que global, os valores
da varincia independe dos valores locais dos
pontos de amostragem.