UNESP

FACULDADE DE CIÊNCIA E TECNOLOGIA Unesp

FCT – Campus de Presidente Prudente

Interpoladores
MODELOS DIGITAIS DO TERRENO:
GRADES REGULARES E IRREGULARES E SUAS CARACTERÍSTICAS

Discentes: Gabriela Bitto de Oliveira

Orientador: Nilton Imai
Curso: Engenharia Ambiental
2° ano

Presidente Prudente, 08 de março de 2010

Índice

Modelo Digital do Terreno ....................................................................................................2

Diferença das grades ..............................................................................................................2

Grade Regular
Grade Irregular

Comparação entre as representações de MDT ....................................................................5

Interpoladores ........................................................................................................................5
Diferentes Tipos de Interpoladores

Linhas de Quebra ................................................................................................................10

Bibliografia ..........................................................................................................................12

Presidente Prudente, 08 de março de 2010 1

 Modelo Digital do Terreno (MDT)

A representação do relevo ou terreno é uma componente fundamental no

processo cartográfico que, em formato digital, recebe o nome de Modelo Digital do
Terreno (MDT) e consiste de um conjunto de dados que explicitam as coordenadas
(X, Y, Z) do terreno e a forma como os mesmos estão relacionados.
“O modelo digital do terreno (MDT) é simplesmente uma representação
estatística da superfície contínua do terreno por um grande número de pontos
selecionados com conhecimento das coordenadas X, Y, Z em um sistema de coordenadas
arbitrário” (Charles Miller e R. A. LaFlamme, 1958).
Na Cartografia, o MDT é utilizado para a geração de ortofotos, mapas topográficos
e temáticos, em Sistemas de Informações Geográficas (SIG) etc. O Modelo Digital do
Terreno, também tem aplicações em outras áreas, como por exemplo (Petrie & Kennie,
1990; Bourrogh, 1986) :
– Engenharia Civil
– Mapeamento Batimétrico;
– Mapeamento Geológico e Geofísico;
– Simulação e Visualização do Terreno;
– Engenharia Militar.
O MDT pode ser classificado quanto à forma como os dados estão distribuídos
: regular ou irregularmente espaçados.

Diferença das Grades

Grade Regular:
Modelo de grade regular também chamado de grade retangular é uma
representação matricial aonde cada elemento da matriz está associado a um valor
numérico. Este modelo digital aproxima superfícies através de um poliedro de faces
retangulares. Os vértices desses poliedros podem ser os próprios pontos amostrados, caso
estes tenham sido adquiridos nas mesmas localizações xy que definem a grade desejada.

O espaçamento da grade, ou seja, a resolução em x ou y, deve ser idealmente menor

ou igual a menor distância entre duas amostras com cotas diferentes.
Nesta distribuição, os dados são estruturados em forma matricial, onde uma
posição qualquer da matriz implica em uma posição correspondente na malha, e

Presidente Prudente, 08 de março de 2010 2

armazena-se apenas o valor da cota Z do ponto.

As desvantagens das malhas regulares são, entre outras, segundo (Burrough, 1986) :

– Grande quantidade de dados redundantes em áreas onde o terreno é uniforme :

como a malha é regular, em terreno muito movimentado, ocorre uma falta
(subamostragem) de pontos para melhor explicitar o terreno; e ao contrário, onde o
terreno é pouco movimentado, ocorre uma superamostragem dos pontos;
– Ao se gerar uma grade muito fina (densa), com distância entre os pontos muito
pequena, existirá um maior número de informações sobre a superfície analisada
permitindo que o método interpolador tenha mais liberdade de criar valores entre
pontos amostrados, porém necessitará maior tempo para sua geração e em função do
algoritmo, isto poderá criar tendências irreais no resultado.
– Ao se gerar distâncias grandes entre os pontos, onde mais de um ponto amostral
fiquem dentro de um quadrângulo, será criada uma grade grossa pois produzira um
efeito de média espacial, que poderá acarretar perda de informação.
– Incapacidade de se adaptar a áreas de relevo complexo sem alterar o tamanho da
malha : devido a própria característica da malha regular, é impossível adaptá-la a
relevos muito movimentados.

Grade Irregular:

Modelo de malha triangular também chamado de grade irregular ou grade

triangular: é conjunto de poliedros cujas faces são triângulos. Os vértices do triângulo são
geralmente os pontos amostrados da superfície. Esta modelagem, considerando as arestas
dos triângulos sendo assim, se torna a forma mais comum de representar pontos
irregularmente espaçados, pois triângulos oferecem uma maneira relativamente fácil de
incorporar as linhas notáveis ou breaklines, ou seja, permite que as informações
morfológicas importantes, como as descontinuidades representadas por feições lineares
de relevo (cristas) e drenagem (vales), sejam consideradas durante a geração da grade
triangular, possibilitando assim, modelar a superfície do terreno preservando as feições
geomórficas da superfície.
Uma das triangulações mais utilizadas é a Triangulação de Delaunay que faz
as seguintes exigências :

Presidente Prudente, 08 de março de 2010 3

– Os triângulos devem ser os mais equiláteros possíveis : triângulos não
equiláteros, acarretam problemas em regiões que mudam rapidamente de inclinação
quando da interpolação;
– Os lados dos triângulos devem ser os menores possíveis : lados grandes ou
muito desproporcionais implicam em triângulos pouco equiláteros. Pois quanto
mais equiláteras forem as faces triangulares, maior a exatidão com que se descreve a
superfície. O valor de elevação em qualquer ponto dentro da superfície pode ser
estimado a partir das faces triangulares, utilizando-se interpoladores.

A triangulação tem algumas desvantagens :

– A geração da triangulação é mais complicada do ponto de vista computacional :

uma triangulação otimizada necessita de algoritmos complexos para ser realizada;
– A estrutura dos dados deve ser mais elaborada : para satisfazer a otimização de um
algoritmo de triangulação, os dados que representam a triangulação devem ser
muito bem estruturados.

Presidente Prudente, 08 de março de 2010 4

 Comparação entre as representações de MDT

As malhas triangulares são normalmente melhores para representar a variação do

terreno, pois capturam a complexidade do relevo sem a necessidade de grande quantidade
de dados redundantes. As grades regulares têm grande redundância em terrenos
uniformes e dificuldade de adaptação a relevos de natureza distinta no mesmo mapa, por
causa da grade de amostragem fixa.
Para o caso de variáveis geofísicas e para operações como visualização 3D, as grades
regulares são preferíveis, principalmente pela maior facilidade de manuseio
computacional.

Grade Irregular Grade Regular

Melhor representação de relevo
complexo
Incorporação de restrições como linha de
crista
Apresenta regularidade na distribuição
espacial dos vértices das células do modelo
Os vértices dos retângulos são estimados
a partir das amostras
Apresenta problemas para representar
superfícies com variações locais acentuadas homogêneas com variações locais
Estrutura de dados mais simples
Relação topológica entre os retângulos
são explicitas
Mais aplicados em representações
qualitativas e para análises multiníveis no
formato “raster”
Facilita o manuseio e conversão
Adequada para geofísica e representação
3D
Não apresenta regularidade na
distribuição espacial dos vértices das
células do modelo
Os vértices dos triângulos pertencem ao
conjunto amostral
Representa melhor superfícies não
acentuadas
Estrutura de dados mais complexa
É necessário identificar e armazenar as
relações topológicas entre os triângulos
Mais aplicadas em apresentações
quantitativas

Interpoladores
Tanto nas malhas regulares quanto nas irregulares, se for necessário realizar
uma densificação, esta é feita através de uma interpolação na malha regular, ou com a
colocação de uma malha regular sobre a triangulação. Neste caso os pontos são
interpolados em função do triângulo ao qual pertencem. Para os pontos da malha de
densificação que caiam fora da malha triangular, é necessário fazer uma extrapolação
com a fronteira visível a esses pontos. Para a geração da grade regular torna-se necessário
estimar, através de interpoladores matemáticos, os valores para as células que não
possuem medidas de elevação, considerando-se a vizinhança de medidas de elevação

Presidente Prudente, 08 de março de 2010 5

conhecidas.
“A interpolação é a arte de ler entre os valores de uma tabela” (Sadosky, 1980). O
resultado do processo de interpolação espacial pode ser representado através de isolinhas,
que são linhas de mesmo valor numérico (Watson, 1992). Interpolação espacial é o
procedimento para se estimar valores de propriedades de locais não amostrados,
baseando-se em valores de dados observados em locais conhecidos (Burrough, 1986). Os
interpoladores são distinguidos em (1) globais ou locais; (2) exatos ou suavizantes; e(3)
determinísticos ou estocásticos.
Interpoladores globais consideram todos os pontos da área amostrada, permitindo
interpolar o valor da função em qualquer ponto dentro do domínio dos dados originais, já
que determinam apenas uma função que é mapeada através de toda a região. A adição ou
remoção de um valor tem conseqüências no domínio de definição da função, ou seja, afeta
todo o mapa. Há uma tendência dos algoritmos de interpolação global agerar superfícies
mais suaves, com mudanças menos bruscas, porém este é pouco apropriado para o
processamento computacional e precisão do modelo. Assim ussa-se os interpoladores
locais onde há funções definidas para porções determinadas do mapa, portanto a alteração
de um valor afeta localmente os pontos próximos ao mesmo.
Interpoladores exatos geralmente são utilizados quando se tem certeza dos valores
dos pontos no qual a interpolação está baseada. Eles sempre honram os dados, de maneira
que após o processo de interpolação não há presença de resíduos, ou seja, a predição sobre
os locais amostrados vai ser igual ao próprio valor amostrado. Interpoladores suavizantes
(smoothing), ao
contrário, são utilizados quando há incerteza sobre os valores dos pontos amostrados,
geralmente provenientes de locais que sofrem variações ou flutuações rápidas. Produzem
suavização das curvas da superfície gerada, fazendo com que possíveis erros presentes nos
dados tendam a ser minimizados.
Interpoladores estocásticos fazem uso da teoria da probabilidade, e incorporam
critérios estatísticos na determinação do peso atribuído aos pontos amostrais para o
cálculo das interpolações. Interpoladores determinísticos já não fazem uso da
probabilidade. Para calcular a medida de uma grandeza no espaço, eles geram uma
combinação linear dos valores amostrados
baseando-se apenas na geometria da distribuição espacial dos dados amostrados (Soares,
2000).
Isaaks & Srivastava (1989), afirmam que não há uma resposta simples para a
escolha de um interpolador espacial apropriado ou superior, e colocam ainda que isto
depende de inúmeras variáveis, como por exemplo a configuração espacial dos dados e o
parâmetro a ser estudado.
Segundo (McCullagh, 1988), os requisitos desejáveis para uma função interpoladora
são :
– Que reproduza uma superfície contínua;
– O tempo de computação não seja proibitivo;
– Tenha propriedades matemáticas de interesse para a aplicação.

Presidente Prudente, 08 de março de 2010 6

Diferentes Tipos de Interpoladores:

➢ Inverso ponderado da distância:

Este método pode ser classificado tanto como um interpolador exato como
suavizante, faz com que os pesos dos dados sejam avaliados durante o processo de
interpolação, tal que a influência de cada ponto é inversamente proporcional á distância
do nó da malha. O modelo baseia-se na dependência espacial, isto é, supõe que quanto
mais próximo estiver um ponto do outro, maior deverá ser a correlação entre seus valores.
Dessa forma atribui maior peso para as observações mais próximas do que para as mais
distantes.
Souza (2002) afirma que o algoritmo “inverso de uma distância” é o que melhor
representa a superfície do solo para a geração do modelo digital do terreno (MDT), uma
vez que ele possui a característica de suavizar a superfície em estudo. Uma característica
negativa deste método é a geração de efeito mira, ou ‘bull’s eye’ em Inglês, ao redor dos
pontos observados. Este é um método rápido e requer pouco custo computacional.

➢ Kriging, krigagem ou krigeagem:

Este não é um simples método de interpolação estocástico pois utiliza geoestatística
para efetuar a interpolação, o que em muitos casos é uma grande vantagem sobre outros
métodos. A krigagem define o grau de dependência ou correlação espacial entre as
amostras através do semivariograma (Cressie, 1991) que é definido como a esperança
matemática do quadrado da diferença entre pares de uma variável no espaço. Uma vez
modelado o semivariograma, é possível verificar o nível de anisotropia dos dados, e então
definir os melhores pesos para as amostras. Kriging pode ser um interpolador tanto exato
como suavizador. Este método tenta expressar tendências sugeridas pelos dados, como
por exemplo, pontos de elevada altitude ao longo de uma cadeia montanhosa podem ser
conectados, ao invés de gerar “efeito mira”. Portanto a Krigagem, entendida como um
estimador que se baseia numa série de técnicas de análise de regressão, sejam essas
lineares ou não, procura minimizar a variância estimada a partir de um modelo prévio
levando em consideração a dependência estocástica entre os dados distribuídos no
espaço (Landim, 2003). Existem várias formas sendo as mais usuais a Krigagem ordinária,
universal, indicativa e a Cokrigagem.
A superfície gerada pela Krigagem cria uma forma de revelo mais uniforme,
evidenciada pela delimitação dos complexos recifais aonde percebe a diferença entre as
duas imagens, e a forma mais suave das linhas batimétricas. Devido esse fato, esse
método é o mais utilizado na geração de superfícies de interpolação. Em compensação,
esse método não permite avaliar detalhes de estruturas discretas apresentadas no
revelo como os possíveis canais de fluxo, submersos, transversais a linhas de costas.

➢ Curvatura Mínima ou spline:

O nome deriva de uma ferramenta flexível de desenho técnico, e é um método de
interpolação muito aceito e utilizado atualmente. Distinto de outros métodos de
interpolações polinomiais, o spline não utiliza apenas um polinômio de grande ordem
para interpolação de todo o conjunto de dados, mas sim divide a série de dados em

Presidente Prudente, 08 de março de 2010 7

subconjuntos e utiliza polinômios de pequenas ordens para cada subconjunto. A soma ou
junção deles é que forma a interpolação sobre todo o domínio. Muito utilizado em
geociências, este método gera curvas mais suaves ao mesmo tempo tentando honrar ao
máximo os dados, entretanto não é um interpolador exato. Outras vantagens do spline são
a boa convergência, aproximações precisas das derivações, e boa estabilidade na presença
de erros de aproximação.

➢ Método de Shepard modificado:

Pode ser tanto um interpolador exato como suavizante, e é muito similar ao método
inverso ponderado da distância descrito acima. Distingue-se deste por utilizar localmente
o método dos mínimos quadrados para reduzir ou eliminar o efeito mira.

➢ Vizinho natural:
Diferente das demais técnicas, esta não extrapola valores, resolvendo a interpolação
somente para o interior do domínio dos dados. Esta técnica utiliza polígonos Thiessen
para avaliação de pesos para os pontos. Este método faz a interpolação através da média
ponderada dos pontos vizinhos, onde os pesos são proporcionais às áreas proporcionais.

➢ Vizinho mais próximo:

Este método atribui o valor do ponto mais próximo para cada nó. Muito eficiente se
os pontos estão espaçados regularmente e precisam ser convertido em arquivos de malha
regular. Mostra-se útil para o preenchimento de lacunas nos dados. De acordo com Franke
(1982), o algoritmo de “vizinho mais próximo” é o método mais simples, tem como
principal característica, assegurar que o valor interpolado seja um dos valores originais, ou
seja, não gera novos valores. O produto final deste interpolador é caracterizado por um
efeito de degrau.
O vizinho mais próximo é o mais simples dos interpoladores. Os valores
observados não são modificados, havendo apenas uma redistribuição dos mesmos em
uma grade regular. É usado, também, quando desejamos transformar dados brutos em
grade regular sem modificação dos valores observados.

➢ Função da base radial:

Função da base radial é um conjunto de métodos de interpolação exatos. A maioria
dos métodos são derivações de spline, com características similares uns dos outros. O
método de derivação multi-quadrático é o padrão automático no Surfer©, pois é
considerado o melhor na maioria dos casos.

➢ Triangulação com interpolação linear:

Este é um interpolador exato e utiliza malha irregular com triangulação Delaunay.
Funciona melhor quando os dados estão distribuídos de forma regular ao longo do
domínio. Dados que contenham áreas dispersas ou espaçadas tendem a apresentar feições
triangulares no gráfico.

Presidente Prudente, 08 de março de 2010 8

 ➢ Médias móveis:
Este método atribui valores aos nós da malha através da média dos dados que estão
no domínio da elipse de busca do nó. A elipse, cujo tamanho pode ser determinada pelo
usuário assim como também o número mínimo de dados a serem utilizados, situa-se no
centro do nó, que tem seu valor obtido pela média aritmética dos dados observados dentro
da elipse. Caso o número de dados observados no domínio da elipse seja menor que o
estipulado, nenhum valor é atribuído ao nó.

➢ Médias local:
Este interpolador estima os valores de pontos da grade regular apenas calculando a
média de pontos selecionados ao redor de cada nó. Os pontos são selecionados em função
do número de vizinhos ou do raio de busca.

➢ Polinômio local:
Este método atribui valores aos nós da malha utilizando o método dos mínimos
quadrados a partir dos dados de dentro da elipse de busca do nó, sendo que os dados
observados mais próximos do nó obtêm maior peso nos cálculos, e os mais distantes,
menores pesos.

➢ Regressão polinomial:
Não é exatamente um método de interpolação, pois não tenta prever valores da
variável dependente. Serve para definir padrões e tendências de larga-escala dos dados.
Segundo Landim (1998), este método recebe o nome de análise de superfície de tendência,
e ajusta um plano aos dados através de uma regressão pelo método dos mínimos
quadrados.

➢ Polinomial Global :
A interpolação polinomial global ajusta uma superfície suavizada definida por uma
função matemática (polinomial) aos pontos observados. Esta superfície gradualmente
muda e captura o padrão de escala dos dados. Seria como ajustar um plano aos pontos
observados, que pode ser linear (função polinomial de primeira ordem), de segunda
ordem (quadrática), de terceira ordem (cúbica), até a décima ordem. O resultado é uma
superfície matemática suavizada que representa as tendências graduais da superfície da
área de interesse.

➢ Ajuste linear:
Garante continuidade entre as superfícies de triângulos vizinhos mas não garante
uma suavidade na transição entre as superfícies. Isso ocorre devido ao comportamento
linear dentro de cada triangulo, onde pode-se estimar, com facilidade, o valor de qualquer
ponto da superfície definida pela malha triangular. O esforço computacional, neste caso, é
mínimo. Os três pontos dos vértices de cada triângulo definem um plano no espaço
tridimensional. Dessa forma, para qualquer ponto a ser estimado deve- se buscar o
triângulo que o contém e, através de uma álgebra simples de solução de sistemas lineares,
obtém-se facilmente o valor de cota desse ponto.

Presidente Prudente, 08 de março de 2010 9

 ➢ Ajuste quíntico:
Outro modelo mais complexo, proposto por Akima em 1978, que é uma função
interpoladora bivariada de grau cinco com garantia de continuidade C1 globalmente
sugerindo o ajuste de uma superfície polinomial de quinta ordem incompleta para cada
triângulo da malha triangular. Ou seja, a função interpoladora é contínua e a derivada
de primeira ordem também é contínua, o que garante a suavidade da superfície
Uma interpolação muito utilizada juntamente com a Triangulação de Delaunay.

Linhas de Quebra

Os modelos digitais de elevação que utilizam grades regulares retangulares são

amplamente
utilizadas nos sistemas de informação geográfica. A popularidade deste modelo se deve a
facilidade
de geração e de manipulação dos dados por utilizar uma matriz como estrutura de
armazenamento e
é adequado para superfí-cies suaves e de variação contínua. Quando a superfície tem
grandes variações ou tem descontinuidades, estas grades apresentam deficiências.
As descontinuidades na superfície ocorrem ao longo de linhas, em geral conhecidas
por linhas de quebra (linhas de falha, linhas de vale e linhas de crista), que permitem
caracterizar esta superfície. Devido a esta propriedade, as linhas de descontinuidade são
chamadas também de linhas
características.
Um modelo de superfície mais adequado do que o que utiliza grades regulares
retangulares é
necessário para incorporar a descontinuidade da superfície em lados diferentes das linhas
características. Os modelos de grades irregulares triangulares permitem modelar as
superfícies preservando estas linhas de quebra.
Ao gerar a malha triangular por um software, este não tem como “saber” como é o
terreno
e suas declividades. Portanto, os softwares utilizam um algoritmo que interpola pontos
que são
mais próximos, pois teoricamente tem mais chances de serem interpolados.

Presidente Prudente, 08 de março de 2010 10

 Nesta primeira triangulação, representada na figura acima, percebe-se o erro na
representação do relevo em foco. Não houve necessidade de levantar mais pontos no pé
do talude, pois ele é linear e com declividade constante. Assim, o software irá gerar a
malha triangular de forma errada, resultando numa representação da superfície também
errada, gerando produtos equivocados, como as curvas de nível da figura a seguir.

Qualquer produto gerado a partir deste MDT, conterá erros, pois o modelo não
representa
fielmente a área levantada.
Para se fazer correção desta superfície, deve-se importar as linhas de pé-de-corte
como
linhas de quebra, e novamente gerar a malha triangular do modelo, conforme figura a
seguir.

As linhas de quebra, ruptura ou breaklines são as que definem descontinuidades na

superfície para os dois diferentes lados de uma linha de triangulação, como linhas de
fundo de vale ou de cristas de morros. Um rio, por exemplo, pode ser editado como uma
linha de quebra, pois ao longo de suas margens, há uma descontinuidade do relevo. Estas
linhas de quebra podem ser ou não consideradas na geração de uma grade triangular.
Outros exemplos de linhas de quebra: fundos de vale; margens de rios, cristas de aterro e
corte, pés de aterro e corte, muros de contenção de terreno, limites de lâminas d’água (rios,
lagos, mar); bordas e eixos de estradas, entre outros. Alguns softwares exigem que a linha
de quebra deve ser tridimensional e a sua projeção no plano não pode ser atravessada
pelas arestas da triangulação do MDT.

Presidente Prudente, 08 de março de 2010 11

 Referências:

Burrough, P.A. 1986. Principals of Geographical Information Systems for Land Resources
Assessment. Oxford, Clarendon Press, 194p.

Charles Miller e R. A. LaFlamme. Photogrammetric Eng. n.3, V.24, pp. 433-442,

Instituto de Tecnologia de Massachusetts (MIT), 1958

Davis, J.C. 1986. Statistics and data analysis in geology. Second Edition. John Wiley and
Sons Inc., New York, 646 p.

Franke, R. Scattered Data Interpolation: Test of Some Methods, Mathematics of

Computations, v. 33, n. 157, p. 181-200. 1982.

Isaaks, E.H. & Srivastava, R.M. 1989. Applied Geostatistics. New York: Oxford University
Press.
561 pp.

Landim, P. M. B. Análise estatística de dados geológicos. São Paulo: Editora UNESP, 2003.
2. ed. Rev. E ampl. 253 p.

Mazzini, P. L. F. & Schettini, C. A. F. Avaliação de metodologias de interpolação espacial

aplicadas a dados hidrográficos costeiros quase sinóticos. Laboratório de Hidrodinâmica
Costeira – LHICO/IOUSP, 2008.

McCullagh, M. J. Terrain and surface modelling systems : theory and practice.

Photogrammetric Record, vol. 72(12), pp. 747-779, 1988.

Meijering, E. 2002. A chronology of interpolation: From ancient astronomy to modern

signal and image processing. Proceedings of the IEEE, 90(3):319–342.

Moore, M. An Investigation into the accuracy of yield maps and their subsequent use in
crop management. Cranfield University, Silsoe College, Department of Agriculture and
Biosystems Engineering, 1988. http:// www. cpf.kvl. dk/Papers/ Mark_Moore_Thesis/
index.htm, acessado em 16 de março de 2006.

Paulo M. Barbosa Landim. Introdução aos métodos de estimação espacial para confecção
de mapas. Professor voluntário do departamento de geologia aplicada / UNESP Rio Claro,
2000.

Petrie, G. & Kennie, T. J. M. Terrain modelling in surveying and civil engineering.

Caithness : Whittles, 1990.

Ricardo Farias do Amaral. Comparação entre os métodos de interpolação (Krigagem e

Presidente Prudente, 08 de março de 2010 12

Topo to Raster) na elaboração da batimetria na área da folha Touros, RN. Universidade
Federal do Rio Grande do Norte – UFRN/LEGEO.

Sadosky, M. 1980. Cálculo numérico e gráfico; tradução de João Luís Escosteguy Merino.
Interciência. Rio de Janeiro. 306p.

Soares, A. 2000. Geoestatística Aplicada às Ciências da Terra e do Ambiente. IST PRESS.

Portugal, 206p.

Souza, E. C. B Análises temporais de alta precisão utilizando GPS para avaliação das
variações volumétricas ocorridas no ISTMO da Ilha do Mel. Dissertação de Mestrado.
Curso de pós-graduação em Ciências Geodésica, UFPR, 149p.

Stark, P. 1979. Introdução aos métodos numéricos; tradução de João Bosco Pitombeira de
Carvalho. Interciência, Rio de Janeiro, 426p.

Vieira, S.R. Geoestatística aplicada à agricultura de precisão. In: Borem, A.; Giudice, M.P.;
Queiroz, D.M.; Mantovani, E.C.; Ferreira, L.R.; Valle, F.X.R.; Gomide, R.L. Agricultura de
Precisão. Viçosa: Editora UFV, 2000. p.93-108.

Watson, D. F. 1992. Contoring: A Guide To The Analysis And Display Of Spatial Data.
Volume 10 of Computer Methods in the Geosciences. Pergamon Press, Oxford, 321 pp.

Presidente Prudente, 08 de março de 2010 13