Aula 5 - Algoritimos de Interpolação

Algoritmos de Interpolação
Eng. Rudêncio Morais

Algoritmos para interpolação
• Inverso do quadrado da distancia

• Inverso da distancia
• Curvatura mínima
• Vizinho mais próximo
• Regressão polinomial
• Krigagem
A diferença entre os diversos métodos está em como, a partir de valores conhecidos, podem ser
estimados os nós da rede regular. Além disso, a krigagem se destaca por levar em consideração a
variabilidade espacial dos dados.
Estimativa dos valores da grelha
Modelos
• Modelagem da variabilidade espacial de dados por superfícies

e procedimentos de interpolação.
• Modelos determinísticos com efeitos locais: inverso do

quadrado da distancia
• Modelos determinísticos com efeitos globais: superfícies de

tendência
• Modelos estatísticos com efeitos locais e globais: krigagem

Inverso do quadrado da distancia
Normalmente nesse tipo de estudo parte-se de uma série de pontos irregularmente
distribuídos com valores conhecidos e a partir deles procura-se por construir uma rede
regular de pontos interpolados.
Seja uma situação hipotética (Fig. abaixo) em que 5 pontos foram amostrados para
teores de U3O8 e se pretende a partir deles estimar o valor no ponto A (Clark
1979).Aplicando, inicialmente, o método do inverso da distância, onde os pesos são
corrigidos para obter uma soma igual a um, é obtido o resultado :
Inverso do quadrado da distancia
Neste caso, para estimar um valor desconhecido a partir de valores conhecidos importa
apenas as distâncias euclidianas para a atribuição dos pesos e isso é válido para todos os
outros algoritmos, com exceção da krigagem. Na krigagem há necessidade de encontrar,
preliminarmente, a variabilidade espacial dos dados o que é conseguido por uma análise
variográfica.
Em outras palavras, antes da aplicação da krigagem é preciso calcular um semivariograma

experimental e em seguida modelá-lo.
Krigagem
Krigagem é um processo de estimativa de valores de variáveis distribuídas no espaço,

e/ou no tempo, a partir de valores adjacentes enquanto considerados como
interdependentes pelo semivariograma. Trata-se, em último caso, de um método de
estimativa por médias móveis.
krigagem pode ser usada, como algoritmo estimador, para:
a)previsão do valor pontual de uma variável regionalizada em um determinado local dentro

do campo geométrico; é um procedimento de interpolação exato que leva em
consideração todos os valores observados, o qual pode ser a base para cartografia
automática por computador quando se dispõe de valores de uma variável regionalizada
dispostos por uma determinada área;
b)b) Cálculo médio de uma variável regionalizada para um volume maior que o suporte
geométrico como, por exemplo, no cálculo do teor médio de uma jazida a partir de
informações obtidas de testemunhas de sondagens;
Em todas essas situações o método fornece, além dos valores estimados, o “erro”
associado a tal estimativa, o que o distingue dos demais algoritmos à disposição.
Krigagem
A krigagem usa informações a partir do semivariograma para encontrar os pesos ótimos a

serem associados às amostras que irão estimar um ponto, uma área ou um bloco. Como o
semivariograma é uma função da distância entre locais de amostragens, mantendo o
mesmo número de amostras, os pesos são diferentes de acordo com o seu arranjo
geográfico.
O uso do semivariograma para a estimativa por krigagem não exige que os

dados tenham distribuição normal, mas a presença de distribuição assimétrica,
com muitos valores anômalos, deve ser considerada, pois a krigagem é um
estimador linear.
Em todas essas situações o método fornece, além dos valores estimados, o “erro”
associado a tal estimativa, o que o distingue dos demais algoritmos à disposição.
Krigagem
Na krigagem para a estimativa de A são necessários não apenas os valores das distâncias de cada
um dos 5 pontos em relação a A, mas também as distâncias entre os pontos. Não são as distâncias
euclidianas, porém, que são utilizadas, mas sim os valores resultantes da análise espacial pelo
variograma modelado. Isso pode ser obtido graficamente colocando os valores no semivariograma ou
analiticamente utilizando a fórmula de um modelo, no caso, esférico.
A Figura abaixo mostra as relações entre amostras (em preto) e entre as amostras e o ponto a ser
estimado (em vermelho). Assim a distância euclidiana entre o ponto 1, o mais próximo, e A é de
21,54 pés, a qual corresponde, pelo variograma modelado, ao valor 322,7 (Fig. abaixo). Esse valor
também pode ser encontrado segundo:
Esquema mostrando a transformação da distância euclidiana

(21,54 pés) em valor da função semivariograma (322,7 ppm)
Exemplo
Atendendo aos dados da tabela abaixo obtidos da figura abaixo, estime o valor de A utilizando os métodos de Inverso
do quadrado da distancia e a krigagem considerando um semivarigrma esférico com os seguintes parâmetros:
amplitude de influência (a), 100 pés; valor da soleira (C), 700 ppm e um efeito pepita(C0) da ordem de 100 ppm, e a
formula abaixo.
Krigagem ordinária
Metodologia geoestatística apresenta diversas técnicas de estimativas disponíveis e a mais usual é a krigagem ordinária Seja
um ponto que se deseja estimar, sendo o valor real desconhecido representado por V.
O valor estimado (V*) é calculado, utilizando n amostras localizadas segundo coordenadas

conhecidas, com valores x1, x2, x3…xn (conjunto S), de forma linear, como por exemplo, através
da técnica da ponderação pelo inverso das distâncias.
V* = p1 x1 + p2x2 + p3x3 + … + pnxn, onde “os pi são os pesos atributos a cada amostra i.”
É evidente que existe associado a esse estimador um erro ε=V-V* e que se, teoricamente, diversas estimativas forem feitas a
média de erros é zero. Se os erros, portanto, apresentarem valores próximos a zero, o estimador é de confiança e isso pode ser
verificado pela distribuição desses valores. A maneira mais simples de medir estatisticamente tal distribuição é via o desvio
padrão ou a variância. No caso em questão, porém, a variância não pode ser obtida porque não se conhece o valor real que se
esta estimando e, portanto, também não se sabe qual o erro associado.
Variância dos erros = = desvios ao quadrado em relação ao erro médio = média de (V-V*)2.
Para encontro da variância pode-se, porém, utilizar o semivariograma, em que são medidas as diferenças ao quadrado. Num
semivariograma, previamente calculado, dada uma distância h entre os pontos, pode-se estimar a variância simplesmente lendo
o valor no eixo dos γ’s e multiplicando-o por 2.
Estimativa de um ponto utilizando a Krigagem
Se a soma dos pesos for igual a 1 e não ocorrer tendência local dos valores, esse estimador é o melhor e não
tendencioso, pois a partir dos pesos atribuídos a cada amostra, minimiza a estimativa da variância.
Isso é obtido construindo-se um sistema de n equações com n incógnitas (λ1, λ2, λ3, …λn) e havendo a
restrição de que Σλi=1, passa-se a n+1 equações. Como se tem apenas n incógnitas desconhecidas, introduz-
se uma outra, também desconhecida, para balancear o sistema, ou seja, o chamado multiplicador de
Lagrange, μ.
O objetivo da krigagem é procurar pelo conjunto ótimo de ponderadores de modo que a variância
do erro de estimativa seja a menor possível. Para isso, é organizado um sistema de equações com
n+1 incógnitas, para a estimativa de um ponto (So):
Em notação matricial:
A matriz [Si,Si] contém os valores obtidos no semivariograma referentes às distâncias entre as amostras estimadoras; o vetor
[Si,S0] contém os valores obtidos no semivariograma referentes às distâncias entre cada amostra e o ponto (So) a ser estimado
e o vetor [λi] contém os ponderadores a serem calculados. Resolvido o sistema de equações, obtém-se os pesos λi e o
multiplicador de Lagrange, μ, segundo:
[λi] = [Si,Si]-1 · [Si,So]
Para o ponto S0 a ser estimado, obtém-se uma combinação linear dos valores dos pontos vizinhos e respectivos pesos: So =
ΣλiSi
Para o cálculo da variância (σ²) associada ao valor So obtido por estimativa usa-se a expressão:
sendo [λi]’ = vetor transposto com os pesos

λi e [Si,So] = vetor com os valores obtidos no semivariograma referentes às
distâncias entre cada amostra e o ponto (So) a ser estimado.

Aula 5 - Algoritimos de Interpolação

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 5 - Algoritimos de Interpolação

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 5 - Algoritimos de Interpolação

Enviado por

Direitos autorais:

Formatos disponíveis

Algoritmos de Interpolação

Eng. Rudêncio Morais

• Inverso do quadrado da distancia

• Vizinho mais próximo

• Modelagem da variabilidade espacial de dados por superfícies

• Modelos determinísticos com efeitos locais: inverso do

• Modelos determinísticos com efeitos globais: superfícies de

• Modelos estatísticos com efeitos locais e globais: krigagem

Em outras palavras, antes da aplicação da krigagem é preciso calcular um semivariograma

Krigagem é um processo de estimativa de valores de variáveis distribuídas no espaço,

krigagem pode ser usada, como algoritmo estimador, para:

a)previsão do valor pontual de uma variável regionalizada em um determinado local dentro

A krigagem usa informações a partir do semivariograma para encontrar os pesos ótimos a

O uso do semivariograma para a estimativa por krigagem não exige que os

Esquema mostrando a transformação da distância euclidiana

O valor estimado (V*) é calculado, utilizando n amostras localizadas segundo coordenadas

[λi] = [Si,Si]-1 · [Si,So]

sendo [λi]’ = vetor transposto com os pesos

Você também pode gostar