Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Para reduzir este efeito conveniente transformar a matriz de dados Z numa outra T,
cujo elemento genrico tij dado por:
t ij =
1 z ij z j
n sj
T u
(1)
u =
T' v
r jj ' =
n
i =1
t ij t ij ' =
1
n
i =1
s j s j'
u2
(28.0 %)
CP2
(28.0 %)
2.00
Cu
1.50
0.5
1.00
Cu
Zn
Pb
-0.5
0.50
As
Fe
0.00
Zn
-0.50
-1
-1.5
-1.5
u1
(44.6 %)
-1
-0.5
0.5
1.5
CP1
(44.6 %)
-1.00
-2.50
Fe
-2.00
-1.50
-1.00
-0.50
0.00
0.50
1.00
neste eixo com valores absolutos muito prximo de 1, traduzindo portanto correlaes
muito elevadas com este eixo). O Cu o responsvel pelo 2 eixo factorial,
evidenciando um comportamento independente face aos pares de variveis referidos
anteriormente. Relativamente ao As, mal representado neste plano, nada se pode
concluir.
No caso das amostras verifica-se que estas formam uma nuvem contnua de pontos,
densa no 4 quadrante, correspondendo a valores elevados de S e Fe (a projeco
simultnea das variveis facilita a leitura do grfico), dispersando-se ao longo do eixo
1 e do eixo 2.
MEDIDAS DE CONTINUIDADE ESPACIAL DAS VARIVEIS
Salvo em casos muito particulares e raros, a correlao entre pares de variveis,
porque no toma em ateno a sua estrutura espacial, um parmetro demasiado
pobre para medir a dependncia (espacial) entre essas variveis. necessrio
introduzir outras medidas que tomem em conta o carcter regionalizado das variveis.
Usualmente, costume definir trs funes que permitem quantificar a variao
conjunta de variveis regionalizadas: a covarncia espacial cruzada, a correlao
espacial cruzada e o variograma cruzado.
Estas medidas baseiam-se nos valores das variveis medidos em pares de amostras
separadas geograficamente pelo vector h (ver figura 3).
Y
h
Z(x)
Z(x+h)
Para os valores da varivel j medidos nas amostras iniciais de cada par, pode-se
calcular os valores mdios m j (h) e as varincias s 2j ( h) :
m j ( h) =
1 N (h)
Z (x i )
N ( h) i =1
s 2j ( h) =
1 N (h)
Z j ( x i ) m j ( h ) 2
N ( h) i =1
1 N (h)
Z j ' ( x i + h)
N ( h) i =1
s 2j ' (+h) =
1 N (h)
Z j ' (x i ) m j ' (+h) 2
N (h) i =1
1 N (h )
Z j ( x i ) Z j ' ( x i + h ) m j ( h ) m j ' ( + h )
N (h) i =1
C jj ' (h)
1 N (h )
N (h) i =1 s 2 (h) s 2 (+h)
j
j'
Variograma Cruzado
jj '
(h) =
1 N (h )
Z j ( xi + h ) Z j ( xi ) Z j ' ( xi + h ) Z j ' ( xi )
2 N (h) 1
][
r(h)
0.6
0.4
0.2
0
-0.2
-0.4
-80
-60
-40
-20
20
40
60
80
h(dias)
1.5
1.5
u2
(19.6 %)
u2
(19.6 %)
As
As
0.5
0.5
Cu
Pb
-0.5
Pb
Fe
Zn
Cu
Zn
-0.5
Fe
-1
-1.5
-1.5
-1
u1
(46.3 %)
-1
-0.5
0.5
1.5
-1.5
-1.5
u1
(46.3 %)
-1
-0.5
0.5
1.5
Figura 5 - Anlise Factorial das Correlaes Espaciais (Moinho) para h=10 e h=100
{Z ( x ); i = 1, ... n; j = 1, ..., p}
j
{[
E Z j ( x) = m j
][
]}
(2)
E Z j ( x + h ) Z j ( x) m 2j = C j (h)
Var Z j ( x) = C j (0)
Note-se que a estacionaridade da covarincia cruzada mais forte do que a
estacionaridade da covarincia simples, isto , mesmo que cada uma das variveis
Zj(x) seja estacionria de segunda ordem, nada garante que a corregionalizao o seja,
pois a covarincia cruzada Cjj (h) pode no depender apenas do vector h.
A hiptese intrnseca impe a estacionaridade dos dois primeiros momentos dos
acrscimos espaciais. Assim, sendo os acrscimos a passo h dados por:
j (h) = Z j ( x + h) - Z j ( x)
aquelas duas condies de estacionaridade so expressas por:
{ }
E{ j (h) j ' (h )} = 2 jj ' (h)
2
E{[ j (h) ] }= 2 j (h)
E j (h) = 0
x
x
jj '
(h) =
1
E j (h) j ' (h)
2
jj '
1
C jj ' (h) + C j ' j (h )
2
Verifica-se assim que o variograma uma funo mais pobre do que a covarincia
sendo equivalentes apenas no caso (frequente) em que estas so simtricas. No
entanto, o variograma4 pe problemas de estimao menos delicados do que as
covarincias (simples e cruzadas), pois estas no podem ser estimadas sem
enviezamento (provocado pelo desconhecimento da mdia a passo h, que tem de ser,
tambm, estimada).
O variograma tambm uma funo mais geral do que a covarincia ou a correlao espaciais, na
medida em que estas duas s tm existncia na hiptese de estacionaridade de 2 ordem, enquanto o
variograma tambm definido na hiptese intrnseca. Justifica-se, assim, o uso generalizado do
variograma em geoestatstica.
jj '
(h ) =
1 N (h )
Z j ( xi + h) Z j ( xi ) Z j ' ( x i + h) Z j ' ( xi )
2 N (h) 1
][
jj ' (h) =
N e 1
u =0
jj ' (h) =
onde b
u
jj '
N e 1
u =0
2
jj '
N e 1
u =0
b ujj '
Neste caso, as variveis podem ser expressas como combinaes lineares de factores
ortogonais yu (x) :
Z j ( x) =
N e 1 p
u =0 l =1
e ujl y lu ( x)
10
p
l =1
e ujl e uj 'l
e ujl = l v jl
em que l o valor prprio de ordem l da matriz Bu e v jl a coordenada de ordem j
do vector prprio que lhe est associado.
O modelo linear conduz decomposio da corregionalizao numa srie de Ne
estruturas associadas a diferentes escalas. Para cada escala, obteve-se uma matriz
varincia-covarincia, de termo geral b ujj ' , que d conta do sistema de
interdependncias entre as p variveis para a escala u. No caso de estacionaridade de
2 ordem, pode-se, tambm, defenir a matriz de correlao Ru, relativa a cada escala.
Em paralelo com a Anlise em Componentes Principais (baseada na matriz das
correlaes experimentais), pode agora factorizar-se cada uma das matrizes Ru,
obtendo-se assim uma sntese da estrutura das variveis, relacionada agora com a
escala espacial do fenmeno. A esta tcnica, introduzida por Wackernagel (1988), dse o nome de Anlise Factorial do Modelo Linear de Corregionalizao.
Supondo que cada uma das estruturas espaciais imbricadas foi interpretada com base
nos seus variogramas, o que conduziu decomposio da varincia total em Ne
termos - o efeito de pepita, o patamar da estrutura 1, o patamar da estrutura 2, etc. pode agora interpretar-se cada uma das estruturas espaciais per si, do ponto de vista
da Anlise de Dados. Assim os factores resultantes da estrutura peptica esto
relacionados com determinado conjunto de variveis, os que se obtm a partir da 1
estrutura com outro conjunto de variveis, etc.
Enriquece-se deste modo a anlise factorial global atravs da considerao da
factorizao das Ne estruturas diferentes, cada uma delas ligada a uma escala do
fenmeno regionalizado.
No caso de estudo do jazigo de Moinho apresentado anteriormente, os variogramas
simples e cruzados foram modelados por um modelo linear de corregionalizo
constitudo pela sobreposio de 3 estruturas: uma peptica e duas esfricas, com
amplitudes de 36 e 120 metros, respectivamente (Sousa, 1989a). Nas figuras 6 a 9
apresenta-se
os
resultados
da
Anlise
Factorial
do
Modelo
Linear
de
1.5
1.5
u2
(17.8 %)
u2
(24.9 %)
As
Cu
As
0.5
0.5
Cu
Fe
Zn
Pb
Pb
-0.5
-0.5
-1
-1
-1.5
-1.5
u1
(48.7 %)
-1
-0.5
0.5
1.5
-1.5
-1.5
Fe
Zn
-1
-0.5
0.5
1.5
u2
(23.2 %)
u1
(57.7 %)
u2
(28.0 %)
Cu
As
0.5
0.5
Pb
Zn
0
Zn
Pb
Cu
-0.5
As
-0.5
Fe
Fe
-1
-1.5
-1.5
-1
u1
(53.0 %)
-1
-0.5
0.5
1.5
-1.5
-1.5
u1
(44.6 %)
-1
-0.5
0.5
1.5
Os resultados obtidos para cada uma das estruturas mostram, no caso do efeito de
pepita e da 1 estrutura, os mesmos traos gerais evidenciados pela Anlise em
Componentes Principais (Sousa, 1989a). As projeces das variveis no 1 plano
factorial da 2 estrutura apresenta, no entanto, uma relao nova: O Cu passa a
mostrar, a esta escala, uma elevada correlao negativa com o par constitudo pelo Zn
e Pb, isto , na estrutura mais contnua os teores em cobre seguem, de forma inversa,
os teores em zinco e chumbo: o comportamento conjunto destas trs variveis
depende da escala considerada. Esta concluso, que no pode ser retirada dos
resultados da ACP, est de acordo com a ideia generalizada de que, no jazigo de
Moinho, o Cu se concentrou preferencialmente a muro enquanto o Zn e Pb ocorrem
predominantemente a tecto da massa. No entanto, localmente, o Cu tem um
comportamento que independente dos valores de Zn e Pb.
12
KRIGAGEM FACTORIAL
De acordo com o modelo linear de corregionalizao, as variveis regionalizadas
podem ser interpretadas como combinaes lineares de um conjunto de factores
regionalizados ortogonais:
Z j ( x) =
N e 1 p
u =0 l =1
e ujl y lu ( x)
Estes factores regionalizados podem ser estimados a partir dos valores amostrais pelo
seguinte estimador (Wackernagel, 1995):
*
ylu ( x)=
j=1 =1
ulj z ( x )
nj
j =1 =1
nj
=1
ulj = 0
j = 1,..., p
N e 1
u =0
Z uj ( x) + m j
Z u ( x0 ) =
n
i =1
i Z ( xi )
*
n
i =1
( xi xi ' ) + = u ( xi ' x0 )
= 0
13
Valores brutos
Componente local
Componente peptica
Componente regional
14
Valores brutos
Componente peptica
Componente local
Componente regional
Cressie, N. (1991) - Statistics for spatial data analysis. Wiley-Interscience, 900 pp.
Goovaerts, P. (1997) - Geostatistics for Natural Resources Evaluation. Oxford
University Press, New York, 561 pp.
15
16