Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
realidade
Palavras-chave
• variáveis regionalizadas
• semivariograma empírico
análise estrutural
• efeito pepita, alcance e patamar
• análise estrutural
• isotropia e anisotropia
• krigeagem
1
OBJETIVO DO CURSO
2
TÓPICOS
1) Introdução / Motivação
3) A função variograma
5) Isotropia e anisotropia
6) Validação cruzada
7) Krigeagem linear
3
Parte 1 Introdução / Motivação
Origem da geoestatística
4
Parte 1 Introdução / Motivação
O que é geoestatística?
5
Parte 1 Introdução / Motivação
Etapas da modelagem geoestatística
Superfície estimada
do fenômeno
investigado
Região de estudo interpolação
krigeagem
Superfície da variância
da estimativa
análise
estrutural
Realizações equiprováveis
simulação
condicionada
análise
exploratória
• Construção de cenários
• Mapas de incerteza 6
Parte 1 Introdução / Motivação
Porque usar geoestatística?
Procedimentos determinísticos
Área de Estudo
geoestatística
inverso da distância
Fazenda
Fazenda Canchim
Canchim vizinho + próximo
São
São Carlos
Carlos -- SP
SP
Amostras de campo
média Simples
0 25 50 75 100
% teor de argila
7
Parte 2 Principais conceitos teóricos
+
+
Zona
Zona B
B
Escala de
poluição
Zona
Zona A
-
o aspecto aleatório: está relacionado com comportamento local do fenômeno.
Ex: dentro de uma zona de área poluída o conteúdo de metal pesado apresenta
flutuar aleatoriamente. Em outras palavras, é impossível prever com exatidão
o teor de metal pesado numa determinada localização.
9
Parte 2 Principais conceitos teóricos
A variação espacial de uma variável regionalizada pode ser expressa pela soma
de três componentes Burrough (1987):
em que:
10
Parte 2 Principais conceitos teóricos
Zona B
S/ Tendência
”(u)
’
Zona
Zona B
C/ Tendência
O aspecto aleatório:
V.A. Z(u) p
z(u)
0
z Z(u)
Função de Distribuição Acumulada (FDA)
univariada
F(u, z) = Prob[Z(u) ≤ z]
O aspecto estruturado:
Cada par de ponto em u e u + h, correspondentes às V.As. Z(u) e Z(u + h), não são
independentes, mas estão relacionados por uma correlação expressando a estrutura
espacial do fenômeno.
Na geoestatística um caso de particular
A
interesse de F.A. é a FDA bivariada de
z2(u+h) duas variáveis aleatórias.
h
F(u, u+h; z11, z22) = Prob[Z(u) ≤ z11, Z(u+h) ≤ z22]
z1(u)
z(u)
{z(u), u A}
14
Parte 2 Principais conceitos teóricos
15
Parte 2 Principais conceitos teóricos
Hipótese de estacionariedade estrita
Uma F.A. é dita ser estacionária no campo A se sua FDA multivariada é invariante
a qualquer translação l nas k coordenadas do vetor u (Goovaerts, 1997).
F(u1, ..., uK ; z1, ..., zK) = F(u1+l, ..., uK+l ; z1, ..., zK)
A l A
l
l
l
l
z(u) l z(u)
l
l
l l
l
1) E[Z(u)] = m, u A
z(u)
h
z(u+h)
17
Parte 2 Principais conceitos teóricos
Hipótese de estacionariedade de 2a ordem
2) a covariância entre os pares Z(u) e Z(u h), separados por um vetor distância h,
é estacionária.
A
h
h
h
z(u)
h
h
h
h h
h z(u+h)
18
Parte 2 Principais conceitos teóricos
Hipótese de estacionariedade de 2a ordem
Covariância
A
22
22
22
22
z(u)
22
22
22
22
22
19
Parte 2 Principais conceitos teóricos
Hipótese de estacionariedade intrínseca
estabelece que os incrementos [Z(u) Z(u h)] tem esperança zero e variância
somente em função de h, assim:
em que:
20
Parte 2 Principais conceitos teóricos
relação entre as funções semivariograma e covariância
21
Parte 3 Variograma 2(h)
O variograma é uma ferramenta básica de suporte às técnicas de geoestatística, que
permite representar quantitativamente a variação de um fenômeno regionalizado no
espaço (Huijbregts, 1975).
A
• 2(h) mede o grau de dissimilaridade entre pares
de observação separados pelo vetor distância h;
z(u)
• é função do vetor distância h;
h
z(u h) • depende da geometria de amostragem.
22
Parte 3 Variograma 2(h)
Definição: esperança matemática (E) do quadrado da diferença entre os
valores de pontos no espaço separados pelo vetor distância h.
Através de um conjunto amostral, {z(u1), z(u2), ..., z(uN)}, o variograma pode ser
estimado por:
N(h)
1
2^(h) = [ z(ui) z(ui h)]2
N(h) i=1
em que:
1
(h) = E{[z(u) z(u h)]2}
2
i=1
em que:
24
Parte 3 Semivariograma (h)
(h)
patamar (C)
h
h
alcance (a)
25
Parte 3 Semivariograma (h)
Cálculo do semivariograma a partir de amostras regularmente espaçadas.
1km
N(h)
^(h) = 1
1km
2N(h)
[ z(u ) z(u h)]
i i
2
i=1
direções de análise
N 0oo
C 45oo
90oo
L
vetor distância h C00
1 2 3 4 5 6 7 8 9 h (km) S 180oo
a
função simétrica
h
(h) = (h)
26
Parte 3 Semivariograma (h)
Cálculo do semivariograma a partir de amostras irregularmente espaçadas.
N(h)
^(h) = 1
2N(h)
[ z(u ) z(u h)]
i i
2
i=1
parâmetros adicionais
tolerância do incremento (lag)
tolerância angular
largura de banda
27
Parte 3 Semivariograma (h)
Cálculo do semivariograma a partir de amostras irregularmente espaçadas.
Exemplo:
h (|h|; ) 0oo incremento (lag) = 1 km direção de análise 90 o
o
o
tolerância angular = 90 o
1,
•5 C 180o
h(
oo )
270oo •2 , 45
(1 90oo o
5
oo
h 31 45
4 •
h (1 ,5oo)
h
(1
,1
oo )
35
25
oo
, 2
)
C00
1• (1 •
h 6 o
180oo 5
1 2 3 4 5 6 7 8 9 h (km) 13
a 28
Parte 3 Semivariograma (h)
Cálculo do semivariograma a partir de amostras irregularmente espaçadas.
N(h)
^(h) = 1 direção do vetor h
2N(h)
[ z(u ) z(u h)]
i i
2
90
90
oo
o
i=1 Tole
rânc
ia a n
gula
h (|h|; ) r<9 o
0o
0oo
8
3
• 7
oo ) •8 (h)
;5 Exemplo:
)
6 C
30 oo
,
(1
h 5 incremento (lag) = 1 km
(1;
oo ) •
• 2 7•
h
) C00
;3
oo
7
23
04
1• ; •
)
(1
h 1 2 3 4 5 6 7 8 9 h (km) |______|_______|
6 a
180oo
29
Parte 3 Semivariograma de nuvem
É um gráfico das semivariâncias de todos os pares de pontos tomados para um
determinado lag (distância).
““outliers”
outliers”
30
Parte 3 Semivariograma de superfície
É um gráfico 2D que fornece uma visão geral da variabilidade espacial do
fenômeno em estudo. Também conhecido como Mapa de Semivariograma.
N 0o
ângulo de anisotropia
90o
31
Parte 4 Modelos teóricos de semivariograma
O gráfico do semivariograma empírico estimado por ^(h) é formado por uma série
de valores, sobre os quais se objetiva ajustar uma função.
(h)
patamar (C) C C0 C1
contribuição (C1)
h
h
alcance (a)
32
Parte 4 Modelos teóricos de semivariograma
Modelo de ajuste esférico
• Normalizado Sph(h)
0 , | h | 0 1 C=1
|h | |h |
3
Sph(h) 1,5 0,5
, 0 | h | a
a a
1 , | h | a
0
a h
a h
33
Parte 4 Modelos teóricos de semivariograma
Modelo de ajuste gaussiano
• Normalizado
Gau(h)
0 ,| h |= 0 1 C1
Gau(h) |h |
2
1 exp
,| h | 0
a
0
a h
0 ,
C C0 C1
C0
C1
| h |
2
(h) C0 + C1 1 exp C0 + C1[Gau (h)] ,
0 | h | a
a C0
C0 + C1 ,
| h | a
a h
34
Parte 4 Modelos teóricos de semivariograma
Modelo de ajuste exponencial
• Normalizado
Exp(h)
1 C=1
0 ,| h |= 0
Exp h
|h |
1 exp a ,| h | 0
0
a h
• Normalizado
Pot(h) e>1
e=1
0 ,| h |= 0 e<1
Pot (h)
c.| h | e ,| h | 0
0
h
h
C0
h
36
Parte 4 Modelos teóricos de semivariograma
Modelo de ajuste aninhados
Existem determinados fenômenos em que são necessários modelos mais complexos de
semivariograma para explicar suas variações espaciais. Estes modelos são combinações
de modelos simples, denominados aninhados.
0, C0
(h)
C = C0+ C1+ C2
3
3 | h | 1 | h | C2
C0 C1 2 a 2 a 1(h), 0 | h | a1
1 1
(h) C1
3
3 | h | 1 | h |
C0 C2 2 a 2 a 2(h) , a1 | h | a2
C0
2 2
C C C , | h | a2 h
0 1 2 a1 a2
37
Parte 5 Isotropia
N
N N
N
O
O L
L O
O L
L
S
S S
S
38
Parte 5 Isotropia
Considere os semivariogramas ilustrados na figura abaixo
(h)
•• • Modelo de ajuste
C •
•• • • •••
•• •
• • O
O
• 0
••• O
O
•• 45
•• 90
O
O
Coo 135
O
O
Neste caso, um único modelo é suficiente para descrever a variabilidade espacial do fenômeno
em estudo.
39
Parte 5 Anisotropia
Quando a variabilidade espacial de um fenômeno em estudo não é a mesma em todas as
direções, diz-se que o fenômeno é anisotrópico.
N N
O L O L
S S
40
Parte 5 Anisotropia
A análise da anisotropia objetiva detectar as direções de maior e menor continuidade
espacial do fenômeno investigado.
o
N 0
o
45
o
90
O L
o
135
S
41
Parte 5 Anisotropia
Um modo direto de visualizar e calcular os parâmetros (fator e ângulo) da anisotropia
é através do esboço gráfico de uma elipse (ou diagrama de rosa ).
o
N 0o
30
oo Parâmetros da anisotropia
S 180oo
42
Parte 5 Anisotropia
Anisotropia geométrica
O
O
30
O
O
120
Coo
a a h
43
Parte 5 Anisotropia
Anisotropia zonal
C
C
O
O
60
Coo O
O
150
a h
44
Parte 5 Anisotropia
Anisotropia combinada (geométrica + zonal)
C
C
O
O
60
Coo O
O
150
a a h
45
Parte 6 Validação cruzada
É um procedimento para verificar a adequação do modelo de ajuste ao semivariograma
Modelo semariograma
Análises
11 22 33 44 55 – estatísticas do erro
? ?
? – histograma do erro
?
? – diagrama espacial do erro
– diagrama de valores
observados versus estimados
Não
Aprova ?
Sim
46
Parte 6 Validação cruzada
Análise de resultados
47
Parte 7 Krigeagem
O termo krigeagem é derivado do nome Daniel G. Krige
Áreas de Aplicações:
mapeamento geológico (Verly et al., 1984)
mapeamento solo (Burgess e Webster, 1980)
mapeamento hidrológico (Kitanidis et. al., 1983)
mapeamento atmosférico (Lajaunie, 1984)
48
Parte 7 Krigeagem
Envolve uma combinação linear de n valores em pontos vizinhos.
z u1 z u2
?
z u0
z u4 z u3
inverso do quadrado
média local krigeagem
da distância
n n n
^ ^ ^
Z
u0
= .Zu
i
i
Z
u0
= . Zu
i
i
Z
u0
= .Zu
i
i
i=1 i=1 i=1
i = 1/n i = 1/d2 i = ?
49
Parte 7 Krigeagem
Os pesos são calculados considerando a estrutura de correlação espacial imposta
pelo semivariograma
1
z u1 análise de correlação espacial
z u2 baseada em semivariograma
?
z u0 2
z u4 z u3 ajuste do semivariograma
experimental
3
estimador de
krigeagem
50
Parte 7 Krigeagem
51
Parte 7 Krigeagem
EXEMPLO
Considere o espaço amostral na figura abaixo. Deseja-se estimar o valor da variável Z no ponto u00, a partir
de z(u11), z(u22), z(u33) e z(u44). Considere ainda, que o semivariograma empírico foi ajustado através de um
modelo esférico, com a = 200, C11 = 20, e C00 = 2.
50 krigeagem ordinária
u2
1
50 u1 λ C 11 C 12 C 13 C 14 1 C 01
λ C 21 C 22 C 23 C 24 1 C 02
u3
u0 λ
= C 31 C 32 C 33 C 34 1 C 03
C 41 C 42 C 43 C 44 C 04
λ 1
u4
1 1 1 1 0 1
Modelo Teórico
Os elementos das matrizes são calculados: Cijij = C00 + C11 - (h)
C12
12
= C21
21
= C04
04
= C00 + C11 - (50 2)
50 2 (50 2 )3
= (2+20) - 2 20 1,5 0,5 = 9,84
3
200 (200)
52
Parte 7 Krigeagem
EXEMPLO
u3
u0 C24 = C42 = (C00 + C11) - [ V (100) 2 + (150) 2 ] = 0,29
2 2
24 42
u4
= (C00 + C11 ) - [ V (200) 2 + (50) 2 ] = 0
2 2
C34
34
= C43
43
C01
01
= (C0 + C11 ) - (50) = 12,66
C03
03
= (C00 + C1 ) - (150) = 1,72
C11
11
= C22
22
= C33
33
= C44
44
= (C00 + C11 ) - (0) = 22
53
Parte 7 Krigeagem
EXEMPLO
54
Parte 8 Integração: SPRING e geoestatistica
SPRING: geoestatística
55
Parte 8 Integração: geoestatistica e SPRING
56
Parte 8 Integração: geoestatistica e SPRING
57
Parte 8 Integração: geoestatistica e SPRING
58
Parte 8 Integração: geoestatistica e SPRING
59
Parte 8 Integração: geoestatistica e SPRING
60