Simulação e Cossimulação sequencial direta colocalizada com correlação global na estimação da produção de café conilon
|
|
- Luiz Felipe Tuschinski Cortês
- 6 Há anos
- Visualizações:
Transcrição
1 Simulação e Cossimulação sequencial direta colocalizada com correlação global na estimação da produção de café conilon Waylson Zancanella Quartezani 1,Célia Regina Lopez Zimback 2 & Amilcar Soares 3 1 Engº. Agrônomo, Doutor em Agronomia (Energia na Agricultura), Faculdade Capixaba de Nova Venécia (UNIVEN)/Engenharias, waylson@yahoo.com.br; 2 Engª agrônoma, Profª. Adjunto, Depto. de Recursos Naturais, Faculdade de Ciências Agronômicas (FCA) /UNESP, Fazenda Experimental Lageado Caixa Postal 237, Rua José Barbosa de Barros, 1780, ; CEP: , czimback@gmail.com 3 Engº de Minas, Prof. Catedrático, Instituto Superior Técnico (IST), Universidade Técnica de Lisboa (IST/UTL), asoares@ist.utl.pt. Resumo Estimadores, como krigagem e cokrigagem, expressam valores locais de um ponto, mas não o comportamento simultâneo do conjunto de pontos, possível apenas com simulações. A simulação não gera apenas imagens com características mais prováveis da variável, mas sim, um conjunto de imagens equiprováveis com mesma variabilidade espacial dos valores experimentais, possibilitando identificar incertezas espaciais, pela variabilidade do conjunto de imagens. Objetivando avaliar a Cossimulação Sequencial Direta (CoDSS) na estimação da produção de café maduro (CM), foram identificadas e quantificadas as incertezas associadas à estimação por cokrigagem, utilizando NDVI como imagem secundária. Numa lavoura de café conilon, no Município de São Mateus (ES), foram demarcados pontos de amostragem, totalizando 87 células amostrais, espaçados irregularmente, formando área irregular de 18,567 ha. A variável primária (CM) foi obtida por amostras compostas de 3 plantas por ponto e, a variável secundária pela transformação da imagem de satélite em NDVI. Aplicou-se a Simulação Sequencial Direta (DSS) para simulação apenas e, CoDSS colocalizada para simular a variável CM, utilizando a imagem do NDVI. Na quantificação da incerteza, nos mapas de variância das simulações, a DSS apresentou maior incerteza que a CoDSS, comprovando maior eficiência deste método de simulações utilizando o NDVI na estimação da produção da variável CM. Palavras-chave: Índices de vegetação; mapa de variância; incerteza espacial. Direct Sequential Simulation and Cosimulation collocated with correlation global to estimate coffee production conilon. Abstract - Estimators, such as kriging and cokriging, express extreme local valuesof a point, but not the behavior simultaneously of the set of points possible only with simulations. The simulation does not generate images with only the more likely characteristicsof the variable likely, but rather a set of equiprobable images with the same spatial variability of experimental values, allowing identify spatial uncertainties by the variability of the set of images. Aiming evaluate the Direct Sequential Cosimulation (CoDSS) in the estimation of production of mature coffee (MC), was identified and quantified uncertainties associated with the estimation by cokriging, using NDVI as secondary image. In a conilon coffee plantation in the municipality of Sao Mateus (ES), sampling points were demarcated, spaced irregularly, forming an irregular area of ha. The primary variable (MC) was obtained from composed samples from 3 plants per point, totalizing 87 sampling cells and, the secondary variable by the transformation the satellite image on NDVI. The Direct Sequential Simulation (DSS) was applied for simulation only, and CoDSS-collocated to simulate the CM variable, using the image of NDVI. In the quantification of uncertainty, in the variance maps of the simulations, DSS presented greater uncertainty that CoDSS, proving the efficiency of this method simulations using NDVI to estimate the production of CM variable. Key words: Vegetation index; map of variance; spatial uncertainty. Introdução Os métodos de interpolação como a krigagem que são modelos de estimação, cujo objetivo é a inferência espacial das características médias de uma dada variável, consegue expressar os valores locais de um dado ponto, mas não o comportamento simultâneo do conjunto de pontos. Este só é possível com várias realizações da distribuição conjunta no espaço dos valores da variável, que pode ser feito por meio de simulações. A simulação estocástica tem como objetivo elaborar imagens equiprováveis da realidade III Simpósio de Geoestatística em Ciências Agrárias 1
2 que refletem as características do recurso natural, a variabilidade do conjunto de amostras, a lei de distribuição da variável em estudo e a continuidade espacial, tal qual é revelada pelos variogramas ou covariâncias, condições não abrangidas pelos modelos de estimação. Estes modelos fornecem um conjunto de imagens equiprováveis com a mesma variabilidade espacial dos dados experimentais, de modo que, em todas as imagens sejam reproduzidas as mesmas estatísticas e variabilidade espacial (histograma e variograma), quantificados pelas amostras (SOARES, 2006). Este conjunto de imagens representativas do fenômeno espacial permite a obtenção de incertezas espaciais pela variabilidade do conjunto de imagens equiprováveis, possibilitando visualizar o comportamento extremo das características internas ou morfológicas de um dado recurso natural e simultaneamente, quantificar a incerteza espacial dessas características (SANTOS, 2003). Soares (2006) propõe a utilização da Simulação e Cossimulação Sequencial Direta (CoDSS), que significa simular sem qualquer transformação da variável original. O modelo de Simulação Sequencial Direta (DSS) reside na utilização das médias e variâncias locais, não para definir as leis de distribuição locais como na Simulação Sequencial Gaussiana, mas para reamostrar a lei de distribuição global. Quando duas ou mais variáveis são espacialmente dependentes, a sua simulação deve reproduzir essa correlação além das distribuições e variogramas individuais. Com isso, os valores das variáveis devem ser gerados a partir de uma simulação conjunta ou Cossimulação. Portanto, o trabalho teve como objetivo avaliar a Cossimulação Sequencial Direta (CoDSS) colocalizada com correlação global (CoDSS_CCG) na estimação da produção de café maduro (CM), por meio da identificação e quantificação de incertezas associadas à estimação por Cokrigagem, utilizando o NDVI como imagem secundária. Material e Métodos O trabalho foi realizado em lavoura de café conilon localizada no Município de São Mateus (ES), com coordenadas geográficas centrais: 18 º de latitude Sul e 40 º de longitude W de Greenwich e altitude média de 78 m. O solo da área é classificado como LATOSSOLO VERMELHO-AMARELO Distrófico, textura franco argiloso arenosa, com relevo plano a suave ondulado, segundo o Sistema Brasileiro de Classificação de Solos (EMBRAPA, 2006). A espécie de café cultivada é a Coffea canephora Pierre, var. conilon. Foram demarcados pontos de amostragens, espaçados a diferentes distâncias (não equidistantes), situados dentro de uma área irregular de m 2 (18,567 ha). Em 5 regiões ao longo da malha foi feito um adensamento dos pontos, com a amostragem de 5 pontos a uma distância menor, para evitar que os variogramas apresentassem ausência de dependência espacial. Cada célula foi constituída pela amostragem de 3 plantas, na mesma fileira, para a coleta da variável produção do café maduro (CM), constituindo portanto, uma amostragem composta, totalizando 87 células amostrais. O georreferenciamento correspondeu ao centro de cada célula (planta do meio) e as coordenadas foram obtidas com o auxílio de um GPS topográfico. Foi utilizado o sistema de coordenadas UTM (Universal Transverso de Mercator) com Datum WGS-84. A colheita foi feita em abril quando os grãos iniciaram o amadurecimento. Os grãos de café de cada célula amostral foram derriçados manualmente em peneiras, colocados em sacos identificados e pesados em balança comercial para a determinação da variável primária (CM) em kg. A imagem de sensoriamento remoto foi adquirida pelo Instituto Nacional de Pesquisas Espaciais (INPE), com as descrições: Satélite CBERS 2B, sensor CCD, bandas 2 (verde), 3 (vermelho) e 4 (infravermelho), Orbita Ponto 148/121, data da aquisição 24/02/2010, no período seco, resolução espacial de 20 metros. Para obtenção da variável secundária, foi feito um tratamento na imagem que consistiu em condensar a informação contida nas bandas em índices espectrais (IVs). Um IV resulta da combinação dos valores de refletância em dois ou mais intervalos de comprimento de onda, possuindo certa relação com a quantidade e o estado da vegetação em uma dada área da superfície terrestre (RIZZI, 2004). Para o trabalho foi utilizado o Índice de Vegetação da Diferença Normalizada (NDVI), obtido da seguinte relação: em que: IV: valor numérico do pixel da banda do infravermelho; V m : valor numérico do pixel da banda do vermelho. Para análise estatística e geoestatística, foi utilizado o programa, geoms v. 1.0 (CMRP, 2000) com os MÓDULOS geodata, geovar; geovag; geomod, geokrig e geodss. A parte gráfica visual, com os mapas, foi feita no MÓDULO geoview. No Idrisi 15.0 Andes (EASTMAN, 2006) foram feitos todos os prétratamentos da imagem de satélite, para os cálculos do IV. III Simpósio de Geoestatística em Ciências Agrárias 2
3 A análise estatística dos dados foi realizada no intuito de identificar, descrever e avaliar as medidas de posição e dispersão. Os dados foram submetidos à análise geoestatística no intuito de verificar a existência da dependência espacial, com o ajuste do variograma clássico de Matheron. Definidos os parâmetros efeito pepita, alcance e patamar, a obtenção dos valores em posições não amostradas no campo, foi feita pela técnica de interpolação por krigagem, utilizada para a estimativa da variável CM. A grade interpolada foi utilizada para a criação de mapa temático da variável. A metodologia proposta consistiu na estimação e simulação da variável produção de café (CM) baseado nos procedimentos de interpolação por krigagem, Simulação (DSS) e Cossimulação Sequencial Direta (CoDSS), gerando mapas de variância com o objetivo de identificar e quantificar as incertezas associadas às estimações da variável CM na área de estudo. A simulação estocástica de imagens da variável primária CM - Z 1 (x) foi efetuada através do método de DSS, condicionada aos dados experimentais e por meio da CoDSS colocalizada, utilizando como variável secundária o NDVI obtido da transformação da imagem de satélite. Na CoDSS ainda, em vez da utilização da Cokrigagem, que implica a modelação de variogramas cruzados, recorreu-se à Cokrigagem colocalizada com correlação global (CoDSS_CCG), com a aplicação do conhecimento das covariâncias espaciais dos dados primários e entre os dados secundários e primários. Neste caso, apenas é necessário estimar as covariâncias dos dados primários e os coeficientes de correlação entre os dados primário e secundário, que se obtêm no correlograma entre os dados primário e secundário para h=0, ou seja, é necessária apenas a determinação do variograma ᵞ(h) da variável principal e do coeficiente de correlação (r) entre a variável primária e a secundária. Este método é utilizado quando a variável secundária é conhecida em todos os pontos que pretendemos estimar, como é o caso dos IVs, provenientes de imagens de satélite. Com as imagens simuladas satisfazendo os pressupostos impostos pela DSS e CoDSS de mesmas estatísticas e variabilidade espacial (histograma e variograma) quantificadas pelas amostras experimentais, foram gerados os mapas da média e variância provenientes da realização de 50 simulações, objetivando a estimação da variável primária e a identificação e quantificação de áreas de incertezas associadas à estimação da variável CM, respectivamente. A partir dos vários mapas equiprováveis da variável CM, pode-se representar em cada ponto o valor de CM mais provável assim como as zonas de maior e menor incerteza espacial. Resultados e Discussão Na Figura 1 temos os modelos teóricos ajustados aos variogramas experimentais da variável primária CM, para as direções E-W (90º) e NW-SE (-45º). Figura 1. Variogramas esféricos da variável CM para as direções E-W (90º) e NW-SE (-45º), respectivamente. Observa-se que a variável CM apresentou como parâmetros, modelo Esférico (Esf), valor zero de Efeito Pepita (C 0 = 0) e alcance(a) de 150 metros, para os variogramas nas direções analisadas. Segundo Soares (2006), a continuidade espacial de um recurso natural pode variar com as diferentes direções do espaço, e ainda, na situação em que a variável em estudo se estende preferencialmente, de um modo mais contínuo, numa direção particular, da origem a uma estrutura anisotrópica. Na Figura 1 verifica-se que os modelos dos variogramas ajutados são identicos, porém com patamares diferentes, entre as direções, o que classificaria uma anisotropia zonal, onde a continuidade espacial ao longo de um estrato contrasta significativamente com a variabilidade entre estratos (SOARES, 2006). Porém os ajustes encontrados foram influenciados pela disponibilidade de pontos em cada direção, tanto que, os ajustes com patamares mais bem definidos foram encontrados para a direção E-W (90º), seguido do NW-SE (-45º), devido maior densidade de pontos nestas direções. Já os variogramas N-S (0º) e NE-SW (45º) não atingiram o patamar, pois a malha amostral apresentou menor dimensão nestas direções. Este comportamento da continuidade III Simpósio de Geoestatística em Ciências Agrárias 3
4 espacial foi encontrado também para a imagem do NDVI utilizado como dado secundário, com os variogramas ajustando ao mesmo modelo e alcance, como podemos observar na Figura 2. Figura 2. Variogramas do NDVI para as direções N-S (0º) e E-W (90º). Esta continuidade espacial de 150 metros encontrada, corresponde a um valor próximo das dimensões (comprimento e largura) médias dos talhões na área. Por isso, devido a insuficiência de pontos em algumas direções e de posse dos variogramas das imagens do NDVI, adotou-se o variograma omnidirecional para a variável CM que expressa a continuidade espacial de um processo isotrópico. O ajuste do variograma teórico, possibilitou por meio da krigagem, determinar a continuidade espacial da variável CM, permitindo compara-la e correlaciona-la com a imagem do NDVI. A Figura 2 apresenta o mapa da variável CM interpolada por krigagem (a) e a imagem de satélite transformanda em NDVI (b). (a) (b) Figura 3. (a) Mapa de krigagem da variável CM e (b) imagem do NDVI usada como variável secundária. A Figura 3(b), evidência a existência de duas regiões diferentes das demais ao longo da área, uma ao centro e outra a direita do mapa, que corresponde aos valores máximos. Comparando o mapa da Figura 3(b) com o mapa de krigagem da Figura 3(a), temos que essas duas regiões correspondem as áreas de maior produção de café. O mesmo comportamento ocorre para o restante da área, indicando uma correlação positiva (+) entre o NDVI e a variável CM. Esta correlação espacial é confirmada pelos variogramas do NDVI ajustando ao mesmo alcance da variável CM, mostrado nas Figuras 1 e 2 e pelo valor do coeficiente de correlação igual a 0,631. A krigagem é um estimador ótimo por ser não tendenciosa e com variância mínima. Sendo uma média móvel ponderada, o interpolador promove uma suavisação na distribuição dos valores, como se observa no mapa da Figura 3(a). Isso porque os ponderadores do estimador de krigagem são calculados pelo critério de minimização da variância dos erros. Segundo Soares (2006), esta mesma variância pode ser utilizada para inferir a qualidade do estimador e, pode ser quantificada na medição do erro, permitindo o cálculo de zonas de incerteza em torno dos valores estimados, utilizando modelos geoestatísticos de simulação. A Figura 4 apresenta os mapas de variância e os histogramas das incertezas associadas a variável CM por DSS e CoDSS, das 50 simulações realizadas, respectivamente. No mapa da Figura 4(a), os valores de variância 0 (zero) representados em pontos azul escuro, correspondem ao local de amostragem da variável CM. Isso porque, nas simulações pelo método de DSS, os valores reais de campo da variável primária são respeitados, por isso a variância nesses pontos é nula. III Simpósio de Geoestatística em Ciências Agrárias 4
5 (a) (b) Figura 4. (a) Mapa de variância e histograma das simulações da variável CM por DSS e (b) mapa de variância e histograma das imagens simuladas da variável CM por CoDSS_CCG. No mapa fica evidente que a insuficiência de pontos amostrados em algumas regiões contribui para uma elevação da variância, o que aumenta a incerteza na hora de estimar a variável CM nessas regiões. O histograma do mapa de variância da Figura 4(a) apresentou uma coluna de frequência elevada no início da distribuição que representa os valores reais de campo. Na Figura 4(b) são apresentados o mapa de variância e histograma, respectivamente, das 50 simulações feitas pela CoDSS_CCG, utilizadas na determinação da incerteza da variável CM. Assim como observado no mapa de variância da DSS (Figura 4a), os valores de variância 0 (zero) representados por pontos em azul escuro no mapa, correspondem aos locais de amostragem da variável CM no campo. A variância possui valor zero nesses pontos devido aos critérios da CoDSS, de respeitar os dados primários e a sua influência prevalecer sobre os dados secundários na proximidade das observações de campo. Os pontos com maior variância estão presentes nas regiões periféricas do mapa, com diminuição da variância à medida que se aproxima dos pontos amostrados. Isso porque a influência dos dados de campo na estimação da variável CM é máxima quando o ponto a estimar coincide com uma observação de campo e diminui com o aumento da distância. Comparando o histograma da Figura 4(b) com o histograma da variância da DSS (Figura 4a), nota-se diferença na distribuição das incertezas, com a CoDSS_CCG apresentando distribuição normal, pois o p- valor igual 0,106 foi não significativo a 5 % de probabilidade pelo teste kolmogorov-smirnov (K-S), indicando distribuição normal dos dados, o que evidencia igual concentração dos valores de variância abaixo e acima da média. Enquanto a DSS apresentou distribuição assimétrica à direita, com maior concentração de valores de variância acima da média, indicando maior incerteza associada à estimação da variável CM. Estes resultados são confirmado também pelo coeficiente de assimetria (C s ) que, para a CoDSS_CCG foi positivo e próximo de zero (0,08), enquanto a DSS apresentou assimetria negativa (-0,41), confirmando assim maior incerteza ligada as simulações da variável CM por este método. O mapa de variância possibilitou quantificar a incerteza associada a variável CM. Para isso, estabeleceu um limite de corte igual a 80, sendo este valor baseado no Perc 95 médio entre as variâncias da DSS e CoDSS_CCG. A Figura 5 apresenta os mapas quantificados das incertezas associadas a variável CM pela DSS e CoDSS_CCG, respectivamente. III Simpósio de Geoestatística em Ciências Agrárias 5
6 (a) (b) Figura 5. Mapa de quantificação da incerteza associada a variável CM pela DSS (a) e CoDSS_CCG (b), com limite de corte baseado no valor do Perc 95 médio entre as variâncias da DSS e CoDSS_CCG. Os Pixels em vermelho nos mapas da Figura 5 representam pontos de incerteza, baseado no valor de corte 80 da variância. Estes pixels indicam que a amostragem dos pontos da variável primária foi ineficiente para estimar com maior precisão a variável no campo. A Figura 5(a) que corresponde às incertezas quantificadas pela DSS, apresentou parte da área classificada como incerta para estimar a variável CM. Enquanto a Figura 5(b), que representa as incertezas quantificadas pela CoDSS, apresentou algumas unidades apenas de pontos, localizados nas extremidades da área, evidenciando a eficiência do uso da ferramenta e do NDVI como imagem secundária. As áreas de incertezas dos mapas da Figura 5 foram quantificadas por ha e %. A quantificação pela DSS classificou 26,43 % (5 ha) da área total com incertezas associadas a estimação da variável CM, enquanto a CoDSS_CCG apresentou 1,69 % (0,32 ha) da área total, correspondendo a 8 blocos (pixels) de incertezas apenas, contra 125 blocos da DSS. Observa-se, portanto, que a utilização da CoDSS colocalizada com o NDVI como imagem secundária, promove uma estimação mais precisa da variável CM na área de estudo. Conclusão A aplicação da Cossimulação Sequencial Direta colocalizada com correlação global, utilizando o índice de vegetação da diferença normalizada como imagem secundária, apresenta grande vantagem na predição da variável Café maduro, com menor incerteza associada à estimação na área de estudo. Referências CMRP. GeoMS - Geostatistical Modeling Software. v Lisboa: IST, EASTMAN, J. R. IDRISI Kilimanjaro for Windows: User s guide. Version Software de sistema de informação geográfica (software). Worcester: Clark University, EMBRAPA. Sistema brasileiro de classificação de solos. 2 ed. Rio de Janeiro: Embrapa Solos, p. SANTOS, C.; ALMEIDA, J. C. Caracterização de um índice de produtividade nos povoamentos de pinheirobravo em Portugal. Finisterra: Revista Portuguesa de Geografia, v.38, n. 75, p , SOARES, A. Geoestatística para as ciências da terra e do ambiente. IST Press, Lisboa, PT, 2 ed., 2006, 214 p. RIZZI, R. Geotecnologias em um sistema de estimativa da produção de soja: estudo de caso no Rio Grande do Sul f. Tese (Doutorado em Sensoriamento Remoto)- Instituto Nacional de Pesquisas Espaciais, São José dos Campos, III Simpósio de Geoestatística em Ciências Agrárias 6
Quantificação da incerteza espacial para avaliação dos Índices de Vegetação na estimação da produção de café conilon
Quantificação da incerteza espacial para avaliação dos Índices de Vegetação na estimação da produção de café conilon Waylson Zancanella Quartezani 1,Célia Regina Lopez Zimback 2 & Rone Batista de Oliveira
Leia maisISSN Palavras-chave: Geoestatística, krigagem, mapa de variância.
Revista Energia na Agricultura ISSN 1808-8759 SIMULAÇÃO SEQUENCIAL DIRETA NA IDENTIFICAÇÃO E QUANTIFICAÇÃO DE IN- CERTEZAS ASSOCIADA À ESTIMAÇÃO DA PRODUÇÃO DE CAFÉ CONILON WAYLSON ZANCANELLA QUARTEZANI
Leia maisValidação da estimativa por cokrigagem e krigagem para produtividade do café conilon
Validação da estimativa por cokrigagem e krigagem para produtividade do café conilon Waylson Zancanella Quartezani, Célia Regina Lopes Zimback, Paulo Milton Barbosa Landim 3, Rone Batista de Oliveira 3
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU
UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU GEOESTATÍSTICA, SIMULAÇÃO ESTOCÁSTICA E SENSORIAMENTO REMOTO NA ESTIMATIVA DE PRODUÇÃO DO CAFÉ
Leia maisIncerteza local e incerteza espacial SIMULAÇÃO
Incerteza local e incerteza espacial SIMULAÇÃO Situações em que o interesse na avaliação da incerteza não se resume a um ponto, mas a um conjunto de pontos simultaneamente. Com a krigagem é possível a
Leia maisDistribuição espacial dos atributos físicos do solo no Horto Florestal São Benedito
Distribuição espacial dos atributos físicos do solo no Horto Florestal São Benedito Leda 1, V. C., Carvalho 2, T. M., Polonio 3, V. D., Zimback 4, C. R. L 1 Engenheiro Agrônomo, aluno PPG em Agronomia
Leia maisISSN Palavras-chave: Variograma cruzado, kigagem, Coffea canephora.
Revista Energia na Agricultura ISSN 1808-8759 EFICIÊNCIA DA COKRIGAGEM NA ESTIMATIVA DA PRODUTIVIDADE DO CAFÉ CONI- LON 1 WAYLSON ZANCANELLA QUARTEZANI 2 ; CÉLIA REGINA LOPES ZIMBACK 3 ; PAULO MIL- TON
Leia maisCOKRIGAGEM. Aplicação da cokrigagem
COKRIGAGEM Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial entre si. É uma extensão multivariada do método
Leia maisLaboratório Nº 5. A geoestatística permite descrever a continuidade espacial, a qual é uma característica
Laboratório Nº 5 INTRODUÇAO A geoestatística permite descrever a continuidade espacial, a qual é uma característica essencial de muitos fenómenos naturais. Modelos inferenciais para este objetivo vêm sendo
Leia maisIncerteza local e incerteza espacial SIMULAÇÃO
Incerteza local e incerteza espacial SIMULAÇÃO Situações em que o interesse na avaliação da incerteza não se resume a um ponto, mas a um conjunto de pontos simultaneamente. Com a krigagem é possível a
Leia maisRESENHA 1. Aluno: Rodrigo de Almeida Muniz Doutorando: Engenharia de Sistemas Agrícolas
RESENHA 1 Aluno: Rodrigo de Almeida Muniz Doutorando: Engenharia de Sistemas Agrícolas VARIABILIDADE ESPACIAL DO ESTOQUE DE CARBONO NOS TABULEIROS COSTEIROS DA PARAÍBA: SOLO SULTIVADO COM CANA DE AÇÚCAR.
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório V: Geoestatística Henrique
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Divisão de Sensoriamento Remoto. Geoprocessamento. Relatório do Laboratório 5: Geoestatistica Linear
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Divisão de Sensoriamento Remoto Geoprocessamento Relatório do Laboratório 5: Geoestatistica Linear Fátima Lorena Benítez Ramírez Professores Responsáveis: Dr.
Leia maisSER Introdução ao Geoprocessamento. Relatório sobre o Laboratório 5
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 - Introdução ao Geoprocessamento Relatório sobre o Laboratório 5 Acadêmico: Gabriel de Oliveira Docentes: Dr. Antônio Miguel Vieira Monteiro Dr. Cláudio
Leia maisSimulação sequencial de atributos contínuos e categóricos do solo. Sequential simulation of categorical and continuous soil attributes
Simulação sequencial de atributos contínuos e categóricos do solo Alessandra Fagioli da Silva 1, Maria João Pereira 2, Célia Regina Lopes Zimback 3, Paulo Milton Barbosa Landim 4 & Amilcar Soares 5 1 Doutoranda
Leia maisGeoestatística aplicada à agricultura de precisão
Geoestatística aplicada à agricultura de precisão José P. Molin ESALQ/USP jpmolin@usp.br www.agriculturadeprecisao.org.br Objetivo Abordar os conceitos fundamentais relacionados à geoestatistica aplicada
Leia maisINTRODUÇÃO À ESTATÍSTICA ESPACIAL. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À ESTATÍSTICA ESPACIAL Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Métodos Índices de agregação Métodos de quantificação da dependência especial Correlograma Variograma Métodos
Leia maisArtigo 2 Rafaelly Suzanye da Silva Santos
Artigo 2 Rafaelly Suzanye da Silva Santos Artigo: Bolfe, E.L.; Gomes, J.B.V.; Fontes, H.R. Variabilidade espacial de atributos do solo como subsídio para produção integrada de frutas em perímetro irrigado
Leia maisLABORATÓRIO 5 ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS
LABORATÓRIO 5 ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS João Bosco Coura dos Reis Registro nº: 130.362 Exercícios para avaliação parcial na disciplina de Introdução ao Geoprocessamento (SER-300) do Curso de
Leia maisII SIMPAGRO da UNIPAMPA
II SIMPAGRO da UNIPAMPA Empreendedorismo na Campanha gaúcha Dom Pedrito, RS. 24 e 25 de agosto de 2017. Eixo 4: Agronomia, Zootecnia e áreas afins Modalidade pós-graduação VARIABILIDADE ESPACIAL DE NDVI
Leia maisTópicos de Estatística Espacial Geoestatística
Tópicos de Estatística Espacial Geoestatística Anderson Castro Soares de Oliveira Geoestatística A geoestatística é uma análise espacial que considera que a variável em estudo se distribui continuamente
Leia maisReferência Banco de dados FioCruz Doc LAB1_GEO.doc. Autor Eduardo C. G. Camargo Versão 1.0 Data DEZ / Revisão Versão Data
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados FioCruz Doc LAB_GEO.doc
Leia maisAjuste de grades amostrais para o mapeamento da resistência à penetração de um Latossolo Bruno
2 Ajuste de grades amostrais para o mapeamento da resistência à penetração de um Latossolo Bruno Henrique Debiasi 1 *, Julio Cezar Franchini 1, Fabio Álvares de Oliveira 1, Thiago Martins Machado 2 * 1
Leia maisANÁLISES DE DIFERENTES AMOSTRAGENS NO APRIMORAMENTO DE ESTIMATIVAS DE MODELAGEM GEOESTATÍSTICA NA DEMANDA POR TRANSPORTES
ANÁLISES DE DIFERENTES AMOSTRAGENS NO APRIMORAMENTO DE ESTIMATIVAS DE MODELAGEM GEOESTATÍSTICA NA DEMANDA POR TRANSPORTES Anabele Lindner Cira Souza Pitombo ANÁLISES DE DIFERENTES AMOSTRAGENS NO APRIMORAMENTO
Leia maisAutor Eduardo C. G. Camargo Versão 1.0 Data DEZ / 2000
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados São Carlos Doc LAB_Geo.doc
Leia maisQuestões concursos
Questões concursos Grandezas radiométricas Índices de vegetação Classificação Concurso Público para Pesquisador do IMB Instituto Mauro Borges de Estatísticas e Estudos Socioeconômicos 25. A
Leia maisAnálise de Risco dos Teores de Ferro em Planos de Lavra Mensais e Anual de uma Mina em Operação
Análise de Risco dos Teores de Ferro em Planos de Lavra Mensais e Anual de uma Mina em Operação Agenda Objetivo Descrição do Problema Caso Base Resultados Conclusão Trabalhos Futuros Objetivo Descrição
Leia maisINCORPORARAÇÃO DA GEOESTATÍSTICA A PREVISÕES DE ESCOLHA MODAL
INCORPORARAÇÃO DA GEOESTATÍSTICA A PREVISÕES DE ESCOLHA MODAL Viviani Antunes Gomes Cira Souza Pitombo INCORPORARAÇÃO DA GEOESTATÍSTICA A PREVISÕES DE ESCOLHA MODAL Viviani Antunes Gomes Cira Souza Pitombo
Leia maisVARIABILIDADE ESPACIAL DA PRODUTIVIDADE DO CAFÉ CONILON EM DUAS SAFRAS AGRÍCOLAS
VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DO CAFÉ CONILON EM DUAS SAFRAS AGRÍCOLAS Rone Batista de Oliveira 1, Julião Soares de Souza Lima 2, Alessandra Fagioli da Silva 3, Ulisses Rocha Antuniassi 4, Samuel
Leia maisCongresso Brasileiro de Agricultura de Precisão- ConBAP 2014 São Pedro - SP, 14 a 17 de setembro de 2014
DISTRIBUIÇÃO ESPACIAL DO NUMERO DE PLANTAS POR METRO CORRELACIONADOS COM A PRODUTIVIDADE SOB SISTEMA DE PLANTIO DIRETO ALEXANDRE TORRECILHA SCAVACINI 1, ELTON FIALHO DOS REIS 2, DANILO GOMES DE OLIVEIRA
Leia maisAnálise da variação espacial do teor de argila sobre a Fazenda Canchim.
SER - 300 - INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório 5 Geoestatística Linear Análise da variação espacial do teor de argila sobre a Fazenda Canchim. Professor(es) coordenador(es): Dr. Antonio Miguel
Leia maisRELATÓRIO DO LABORATÓRIO 5 GEO-ESTATÍSTICA
RELATÓRIO DO LABORATÓRIO 5 GEO-ESTATÍSTICA Igor Ogashawara Relatório apresentado do Laboratório 5 na disciplina de Geoprocessamento (SER 300). INPE São José dos Campos 2012 1. RESUMO O laboratório 5 teve
Leia maisESTIMATIVA E DISTRIBUIÇÃO ESPACIAL DA BIOMASSA NA FLORESTA OMBRÓFILA MISTA
ESTIMATIVA E DISTRIBUIÇÃO ESPACIAL DA BIOMASSA NA FLORESTA OMBRÓFILA MISTA Henrique Luis Godinho Cassol SER301 - Análise Espacial de Dados Geográficos INTRODUÇÃO MATERIAIS E MÉTODOS RESULTADOS CONCLUSÕES
Leia maisNivelamento: conceitos básicos sobre geoestatística. Dr. Diego Silva Siqueira Colaborador no Grupo de Pesquisa CSME
Nivelamento: conceitos básicos sobre geoestatística Dr. Diego Silva Siqueira Colaborador no Grupo de Pesquisa CSME Panorama atual: conhecimento da variabilidade Tecnologia de sementes OK Insumos OK Engenharia
Leia maisProf: Felipe C. V. dos Santos
Prof: Felipe C. V. dos Santos Goiânia 04, 03 2016 PONTIFICIA UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE ENGENHARIA CURSOS DE ENGENHARIA CIVIL E AMBIENTAL HIDROLOGIA APLICADA Prof. M. Sc. Felipe Corrêa
Leia maisVariabilidade espacial de propriedades físico químicas do estuário Ciénaga Grande de Santa Marta - CGSM Colômbia.
Variabilidade espacial de propriedades físico químicas do estuário Ciénaga Grande de Santa Marta - CGSM Colômbia. Omar Felipe Chaparro Saavedra São José dos Campos, 2014 Motivação No processo de avaliação
Leia maisVARIABILIDADE ESPACIAL DA CONDUTIVIDADE ELÉTRICA NO SOLO EM UM TALHÃO DE LARANJA: AMOSTRAS EM GRIDES REGULARES. Lucas Santana da Cunha 1 RESUMO
VARIABILIDADE ESPACIAL DA CONDUTIVIDADE ELÉTRICA NO SOLO EM UM TALHÃO DE LARANJA: AMOSTRAS EM GRIDES REGULARES Lucas Santana da Cunha 1 RESUMO Todas as atividades que giram em torno dos conceitos da agricultura
Leia maisGeoestatística Para as Ciências da Terra e do Ambiente - 3ª ed.
Geoestatística Para as Ciências da Terra e do Ambiente - 3ª ed. 1 INTRODUÇÃO 1.1 A Geoestatística: Objecto e Evolução 1.2 Organização do Livro 2 A ABORDAGEM GEOESTATÍSTICA NA MODELIZAÇÃO DE FENÓMENOS ESPACIAIS
Leia maisGEOESTATÍSTICA APLICADA AO ESTUDO DA VARIAÇÃO DE CORES DO QUARTZO DA REGIÃO DE ANTÔNIO DIAS MG.
GEOESTATÍSTICA APLICADA AO ESTUDO DA VARIAÇÃO DE CORES DO QUARTZO DA REGIÃO DE ANTÔNIO DIAS MG. Adam Barros Fernandes 1, Felipe de Freitas Moreira Vilela 1, Gabrieli Santos Boulhosa 1, Giulia Fabri Rodrigues
Leia maisLaboratório 5 Analise Espacial de Dados Geográficos Geoestatística Linear
0 INPE-SER-300- Introdução ao Geoprocessamento Dr. Antônio Miguel Vieira Monteiro e Dr. Claudio Barbosa Laboratório 5 Analise Espacial de Dados Geográficos Geoestatística Linear Thamy Barbara Gioia INPE
Leia maisTrabalho final da disciplina de Introdução ao Geoprocessamento (SER-300)
Mapeamento da distribuição espacial de sólidos suspensos totais no reservatório de Barra Bonita via inferência estatística versus uso de dados orbitais do sensor OLI Trabalho final da disciplina de Introdução
Leia maisÁrea verde por habitante na cidade de Santa Cruz do Sul, RS
SCIENTIA PLENA VOL. 8, NUM. 4 2012 www.scientiaplena.org.br Área verde por habitante na cidade de Santa Cruz do Sul, RS C. C. A. Calegari 1 ; L. Calegari 2 ; M. P. Friedrich 3 ; D. A. Gatto 4 ; D. M. Stargerlin
Leia maisCURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento Laboratório 5 Aluno: Eufrásio João Sozinho Nhongo INPE São José dos Campos 2015 1. Carregamento de dados no sistema
Leia maisDisciplina SER 300 Introdução ao Geoprocessamento Relatório - Laboratório 5 : Geoestatística Linear
Disciplina SER 300 Introdução ao Geoprocessamento Relatório - Laboratório 5 : Geoestatística Linear Aluna: Camille Lanzarotti Nolasco Junho/ 2011 1 INTRODUÇÃO No presente laboratório foi possível aplicar
Leia maisANÁLISE GEOESTATÍSTICA: UMA INTRODUÇÃO. Célia Regina Grego
ANÁLISE GEOESTATÍSTICA: UMA INTRODUÇÃO Célia Regina Grego crgrego@cnpm.embrapa.br CONTEÚDO 1. INTRODUÇÃO 2. ANÁLISE EXPLORATÓRIA 3. SEMIVARIOGRAMA 4. INTERPOLAÇÃO 5. CONSTRUÇÃO DE MAPAS 1. INTRODUÇÃO SURGIMENTO
Leia mais3 Simpósio Internacional de Agricultura de Precisão
ANÁLISE DO MODELO DIGITAL DE ELEVAÇÃO GERADO UTILIZANDO TÉCNICA DE GEOESTATÍSTICA Elder Sânzio Aguiar Cerqueira 1, Selma Alves Abrahão 2, Marelliano Mediato de Sousa 3, Daniel Marçal de Queiroz 4, Francisco
Leia maisVARIABILIDADE ESPACIAL DA DENSIDADE DE UM LATOSSOLO SOB CAFEICULTURA NA REGIÃO DO CERRADO MINEIRO
VARIABILIDADE ESPACIAL DA DENSIDADE DE UM LATOSSOLO SOB CAFEICULTURA NA REGIÃO DO CERRADO MINEIRO Danilo Ferreira Mendes 1, Juliano Marques Pinto 2, Cinara Xavier de Almeida 3, Ricardo Falqueto Jorge 4
Leia maisLaboratório 5 Geoestatística Linear. Disciplina. Introdução ao Geoprocessamento SER 300. Prof. Antonio Miguel Vieira Monteiro
Laboratório 5 Geoestatística Linear Disciplina Introdução ao Geoprocessamento SER 300 Prof. Antonio Miguel Vieira Monteiro Aluno: Matheus Caetano Rocha de Andrade INPE, São José dos Campos. Junho, 2013.
Leia maisSpatial variability study in productivity and oil yield of sunflower
Estudo da Variabilidade espacial da produtividade e do rendimento de óleo de girassol Enio Júnior Seidel 1, Daniela Pereira Kener 2, Francilene de Lima Tartaglia 3, Gibran da Silva Alves 4 & Marcelo Silva
Leia maisReferência Banco de dados São Carlos Doc LAB2_Geo.doc. Autor Eduardo C. G. Camargo Versão 1.0 Data DEZ / Revisão Versão Data
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados São Carlos Doc LAB_Geo.doc
Leia maisEstimação do Conteúdo Eletrônico Total da Ionosfera utilizando Geoestatística.
Artigo Original DOI:10.5902/2179-460X14862 Ciência e Natura, Santa Maria v.37 n.3, 2015, Set.- Dez. p. 107 114 Revista do Centro de Ciências Naturais e Exatas - UFSM ISSN impressa: 0100-8307 ISSN on-line:
Leia maisINTRODUÇÃO À ANÁLISE GEOESTATÍSTICA
CICLO DE CAPACITAÇÃO TÉCNICA INTERNA INTRODUÇÃO À ANÁLISE GEOESTATÍSTICA Responsáveis Célia Regina Grego Fernando A P. Paim Alex de Oliveira Outubro - 2011 ITENS ABORDADOS 1- Introdução 2- Amostragem e
Leia mais5 Apresentação e Discussão dos Resultados
5 Apresentação e Discussão dos Resultados Os resultados serão apresentados de acordo com os procedimentos de análise dos dados descritos no Capítulo 4. 5.1. Estatística Descritiva Clássica Os resultados
Leia maisTamanho de amostra para estimação de medidas de tendência central de caracteres de tremoço branco
Tamanho de amostra para estimação de medidas de tendência central de caracteres de tremoço branco Cláudia Burin 1 Alberto Cargnelutti Filho 2 Marcos Toebe 3 Bruna Mendonça Alves 2 André Luis Fick 4 1 Introdução
Leia maisAnais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, Brasil, 25 a 29 de abril de 2015, INPE
Abordagem geoestatística por indicação com uso de copulas bivariadas empíricas para modelagem de incertezas associadas a imagens de sensoriamento remoto Carlos Alberto Felgueiras 1 Eduardo Celso Gerbi
Leia maisResposta espectral do feijão-caupi submetido a diferentes manejos de adubação
Resposta espectral do feijão-caupi submetido a diferentes manejos de adubação Nome dos autores: Karolline Sena Figuerêdo¹; Jacinto Pereira Santos² 1 Aluno do Curso de Agronomia; Campus de Gurupi-TO; e-mail:
Leia maisIntegração de dados de sondagens e desmontes para a construção de um modelo geológico de um depósito mineral filoniano
XIX Encontro Nacional do Colégio de Engenharia Geológica e de Minas Integração de dados de sondagens e desmontes para a construção de um modelo geológico de um depósito mineral filoniano André Oliveira
Leia maisIntrodução Variograma Modelos básicos de correlação espacial Modelação Interpolação espacial & Simulação. Geoestatística.
Geoestatística Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Geoestatística conjunto de técnicas matemáticas e numéricas para caracterizar fenómenos espaciais contínuos tendo em conta a correlação
Leia maisDISTRIBUIÇÃO ESPACIAL DA TEMPERATURA DO AR E QUALIDADE DO GRÃO DE CAFÉ NO MACIÇO DE BATURITÉ
DISTRIBUIÇÃO ESPACIAL DA TEMPERATURA DO AR E QUALIDADE DO GRÃO DE CAFÉ NO MACIÇO DE BATURITÉ Thereza Cristina de Assis Botelho 1, Francisco Ivan Carlos de Oliveira 2, Luana Martins da Silva Alexandre 3,
Leia maisAplicação da análise descritiva e espacial em dados de capacidade de troca de cátions
Aplicação da análise descritiva e espacial em dados de capacidade de troca de cátions SIBALDELLI, R. N. R. 1 ; OLIVEIRA, M. C. N. de, CAPECHE, C. L. 3, DA SILVA, E. F.3, HISSA, H. R. 3, MACEDO, J. R. 3
Leia maisDETERMINAÇÃO DO PREÇO DA TERRA EM GOIÁS A PARTIR DO USO DE GEOESTATÍSTICA
DETERMINAÇÃO DO PREÇO DA TERRA EM GOIÁS A PARTIR DO USO DE GEOESTATÍSTICA Fábio Campos MACEDO 1 ; Laerte Guimarães FERREIRA 2 ; Nilson Clementino FERREIRA 3 1 Doutorando em Geografia IESA/UFG; Professor
Leia maisAplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7
http://dx.doi.org/10.12702/viii.simposfloresta.2014.8-528-1 Aplicação de redes neurais artificiais para estimativa de produção florestal utilizando imagens Landsat 7 Pablo F. Lopes 1, Thaissa R. Teixeira
Leia maisCOMPARAÇÃO DE INTERPOLADORES ESTATÍSTICOS NA VARIABILIDADE ESPACIAL DO NDVI DA SUB-BACIA HIDROGRÁFICA DO CÓRREGO HORIZONTE
COMPARAÇÃO DE INTERPOLADORES ESTATÍSTICOS NA VARIABILIDADE ESPACIAL DO NDVI DA SUB-BACIA HIDROGRÁFICA DO CÓRREGO HORIZONTE Samuel Ferreira da Silva³; Jéferson Luiz Ferrari¹; Ricardo Ferreira Garcia²; Alexandre
Leia mais3 Simpósio Internacional de Agricultura de Precisão
SELEÇÃO DE ÍNDICES ESPECTRAIS PARA ESTIMATA DA VARIABILIDADE DA PRODUTIDADE NA CAFEICULTURA DE MONTANHA EM IMAGENS AÉREAS DIGITAIS 1 Diogo Santos Campos 2, Daniel Marçal de Queiroz 3, Francisco de Assis
Leia maisII Simpósio de Geoestatística Aplicada em Ciências Agrárias
Levantamento do tipo de malha amostral, tamanho de área e número de pontos utilizados em análise geoestatística Rone Batista de Oliveira 1, Alessandra Fagioli da Silva 2, Waylson Zancanella Quartezani
Leia maisSumário. Introdução, 9. 1 Conceitos Básicos, Cálculo e Modelagem de Variogramas Experimentais, Estimativas Geoestatísticas, 55
Sumário Introdução, 9 Breve histórico da Geoestatística, 9 Objetivos, 12 Organização do livro, 12 1 Conceitos Básicos, 19 1.1 Fenômeno espacial, 19 1.2 Amostra e métodos de amostragem, 1.3 Inferência espacial,
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Avaliação de Classificação
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Avaliação de Classificação Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ Classificação e Incerteza
Leia maisIncertezas das estimativas espaciais do teor de matéria orgânica do solo. Uncertainties of spatial estimates of soil organic matter content
Incertezas das estimativas espaciais do teor de matéria orgânica do solo Daniel De Bortoli Teixeira 1, Ismênia Ribeiro Oliveira 2, José Marques Júnior 3, Angélica Santos Rabelo de Souza Bahia 4 & Gener
Leia maisSynergismus scyentifica UTFPR
Synergismus scyentifica UTFPR I S S N 2 3 1 6-4 6 8 9 h t t p s : / / p e r i o d i c o s. u t f p r. e d u. b r / s y n s c y Variabilidade espacial dos atributos químicos do solo e sua relação com a
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA Instituto Agronômico Dr. Sidney Rosa Vieira
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Instituto Agronômico Dr. Sidney Rosa Vieira O QUE É GEOESTATÍSTICA. Todas as amostras retiradas de algum ponto no espaço ou no tempo devem ser consideradas como parte
Leia maisSIMULAÇÃO DE BANDAS DO SENSOR MSI/SENTINEL-2 EM LAGOS DA AMAZÔNIA E RIO GRANDE DO SUL
SIMULAÇÃO DE BANDAS DO SENSOR MSI/SENTINEL-2 EM LAGOS DA AMAZÔNIA E RIO GRANDE DO SUL 1. INTRODUÇÃO As geotecnologias estão cada vez mais inseridas nos estudos de cunho ambiental, servindo de suporte para
Leia maisO uso de técnicas geoestatísticas na espacialização da argila do solo
O uso de técnicas geoestatísticas na espacialização da argila do solo Elisângela Aparecida de Oliveira 1 Tiago Egídio Barreto 2 Ricardo Ribeiro Rodrigues 3 1 Introdução O termo estatística espacial é utilizado
Leia maisIV Simpósio de Geoestatística Aplicada em Ciências Agrárias 14 e 15 de Maio de 2015 Botucatu, São Paulo
VARIABILIDADE TEMPORAL DA VAZÃO MÉDIA MENSAL EM UM TRECHO DA BACIA DO RIO PARDO - SP Nicolete, D. A. P. 1 ; Filgueiras R. 2 ; Carvalho, T. M. 3 ; Zimback, C. R. L 4 1 Eng. Florestal, mestrando em Agronomia
Leia maisDensidade do solo de um Nitossolo sob cultivo de cana-de-açúcar utilizando analises geoestatística e bayesiana
Densidade do solo de um Nitossolo sob cultivo de cana-de-açúcar utilizando analises geoestatística e bayesiana Simone Grego 1, Célia Regina Grego 2, Paulo Justiniano Ribeiro Jr. 3, Carlos Manoel Pedro
Leia maisESTUDO DA ESPACIALIDADE DA MATURAÇÃO DE CAFÉ (Coffea arabica L.) VISANDO A CONFECÇÃO DE MAPAS DE PRODUTIVIDADE
ESTUDO DA ESPACIALIDADE DA MATURAÇÃO DE CAFÉ (Coffea arabica L.) VISANDO A CONFECÇÃO DE MAPAS DE PRODUTIVIDADE G.D.C. FAULIN 1 ; J.P. MOLIN 2 ; R.P. MAGALHÃES 1 ; W.M. STANISLAVSKI 3 RESUMO A cultura do
Leia maisVARIABILIDADE TEMPORAL DA TEMPERATURA EM PETROLINA-PE TEMPORAL VARIABILITY OF TEMPERATURE IN PETROLINA-PE
VARIABILIDADE TEMPORAL DA TEMPERATURA EM PETROLINA-PE CLOVIS MANOEL CARVALHO RAMOS ; ALESSANDRA FAGIOLI DA SILVA 2 ; ANDERSON ANTONIO DA CONCEIÇÃO SARTORI 3 ; LUÍS HENRIQUE BASSOI 4 ; CELIA REGINA LOPES
Leia maisCOKRIGAGEM NA DISTRIBUIÇÃO ESPACIAL DO CÁLCIO BASEADO NO ph EM UM LATOSSOLO CULTIVADO COM CAFÉ CONILON COSTA, Felipe Pianna 1
COKRIGAGEM NA DISTRIBUIÇÃO ESPACIAL DO CÁLCIO BASEADO NO ph EM UM LATOSSOLO CULTIVADO COM CAFÉ CONILON COSTA, Felipe Pianna 1 269 LIMA, Julião Soares de Souza 1 Recebido em: 2010-08-05 Aprovado em: 2011-02-10
Leia mais7 CONCLUSÕES E SUGESTÕES PARA TRABALHOS FUTUROS
7 CONCLUSÕES E SUGESTÕES PARA TRABALHOS FUTUROS 7.1. Conclusões Neste trabalho foi estudado o problema da dinâmica da atenuação aplicado a dados resultantes de 28 anos-sítio, sendo 7 de enlaces via satélite
Leia maisKey words: Stratification, R project, yield forecast. Eng. Eletricista, Embrapa Meio Ambiente, Jaguariúna, SP,
USO DO PROGRAMA LIVRE R NA ESTRATIFICAÇÃO DOS MUNICÍPIOS PRODUTORES DE PÊSSEGO NO RIO GRANDE DO SUL Fernanda P. Marion 1, Alfredo J. B. Luiz 2, Aline H. N. Maia 3, Marcos C. Neves 4 Resumo Informações
Leia maisIV Simpósio de Geoestatística Aplicada em Ciências Agrárias 14 e 15 de Maio de 2015 Botucatu, São Paulo
ANÁLISE ESPACIAL ENTRE INDICE DE VEGETAÇÃO E TEXTURA DO SOLO UTILIZANDO COMPONENTES PRINCIPAIS E GEOESTATÍSTICA Grego 1, C. R., Vicente 2, L. E., Albuquerque 3,J., Fernandes 4, T. T., Franchini 5, J. C.
Leia maisVariabilidade espacial da produtividade de milho cultivado em um LATOSSOLO VERMELHO
Variabilidade espacial da produtividade de milho cultivado em um LATOSSOLO VERMELHO Henrique José Guimarães Moreira MALUF 1 ; Diogo Santos CAMPOS 2 ; Adriano André LUIZ 3 ; Saulo Gomes COSTA 4. ¹Mestrando
Leia maisIDENTIFICAÇÃO DE FATORES DA FERTILIDADE QUÍMICA DO SOLO INTERFERINDO NA PRODUTIVIDADE EM AGRICULTURA DE PRECISÃO
IDENTIFICAÇÃO DE FATORES DA FERTILIDADE QUÍMICA DO SOLO INTERFERINDO NA PRODUTIVIDADE EM AGRICULTURA DE PRECISÃO ¹L.M.Gimenez, ²J.P. Molin (orientador): Departamento de Engenharia Rural ESALQ/USP As tentativas
Leia maisMODELAGEM DE SUPERFÍCIES. Prof. Dr. Cristiano Zerbato
MODELAGEM DE SUPERFÍCIES Prof. Dr. Cristiano Zerbato Introdução MODELO DIGITAL DO TERRENO: DTM - DIGITAL TERRAIN MODEL: Termo introduzido em 1958, por Miller e La Flame. Modelo Digital de Terreno MDT Digital
Leia maisCLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC
p. 001-007 CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC RAPHAEL SOUZA RIBEIRO DENILSON DORTZBACH. JUAN ANTÔNIO ALTAMIRANO FLORES Universidade
Leia maisvariabilidade espacial da vazão horária necessária em sistemas de irrigação convencional e autopropelido
Variabilidade espacial da vazão horária necessária em sistemas de irrigação convencional e autopropelido Diego Augusto de Campos Moraes 1, Alessandra Fagioli da Silva 2, Célia Regina Lopes Zimback 3 e
Leia mais3 Simpósio Internacional de Agricultura de Precisão
ANÁLISE DE CORRELAÇÃO ENTRE ÍNDICES ESPECTRAIS E PARÂMETROS DE LAVOURAS DE CAFÉ DE MONTANHA UTILIZANDO IMAGENS DE SATÉLITES 1 Rodrigo Sinaidi Zandoandi 2, Daniel Marçal de Queiroz 3, Francisco de Assis
Leia maisEstimativa de parâmetros agronômicos das culturas:
Estimativa de parâmetros agronômicos das culturas: Crescimento Desenvolvimento Trocas gasosas Crescimento: Associado ao aumento físico de volume, peso ou estatura das plantas Avaliação: IAF, matéria seca,
Leia maisBOLETIM TÉCNICO 2015/16
1 07 EFEITO DA SEMEADUR DIFERENTES ÉPOCAS E PLANTAS EM LUCAS DO RI Objetivo Avaliar o desempenho e atributos agronômicos da cultivar P98Y30 RR em três épocas de semeadura e populações de plantas em Lucas
Leia maisInterpolação. Interpolação. Padrões de amostragem. Autocorrelação. Padrões de amostragem. Padrões de amostragem
Sistemas de Informação Geográfica II Interpolação 1. Interpolação Autocorrelação Padrões de amostragem Validação de resultados Interpolação Predição do valor de atributos em pontos não-amostrados Tempo
Leia maisEFEITOS DA FUMAÇA SOBRE A DETERMINAÇÃO DO NDVI MARCELO LIMA DE MOURA LÊNIO SOARES GALVÃO
EFEITOS DA FUMAÇA SOBRE A DETERMINAÇÃO DO NDVI MARCELO LIMA DE MOURA LÊNIO SOARES GALVÃO INPE - Instituto Nacional de Pesquisas Espaciais Caixa Postal 515-12245-970 - São José dos Campos - SP, Brasil {moura,lenio}@ltid.inpe.br
Leia maisCARACTERIZAÇÃO E DELIMITAÇÃO DE CLASSES DE MANEJO DA FERTILIDADE DO SOLO UTILIZANDO ESPECTRORRADIOMETRIA Relatório Técnico Parcial
CARACTERIZAÇÃO E DELIMITAÇÃO DE CLASSES DE MANEJO DA FERTILIDADE DO SOLO UTILIZANDO ESPECTRORRADIOMETRIA Relatório Técnico Parcial CURITIBANOS SC 30 DE MAIO DE 2014 CARACTERIZAÇÃO E DELIMITAÇÃO DE CLASSES
Leia maisCOMPARATIVO ENTRE MÉTODOS DE TRATAMENTO DE MAPAS DE PRODUTIVIDADE. Favoni, VA 1, Tedesco, DO 2, Tanaka, EM, 3
COMPARATIVO ENTRE MÉTODOS DE TRATAMENTO DE MAPAS DE PRODUTIVIDADE Favoni, VA 1, Tedesco, DO 2, Tanaka, EM, 3 1 Discente do curso em Mecanização em Agricultura de precisão na FATEC Pompeia Shunji Nishimura,
Leia maisClassificadores de imagens por técnicas de sensoriamento remoto e geoestatística. Image classifiers by techniques of remote sensing and geostatistics
Classificadores de imagens por técnicas de sensoriamento remoto e geoestatística Alessandra Fagioli da Silva 1, Ana Paula Barbosa 2, Célia Regina Lopes Zimback 3 e Paulo Milton Barbosa Landim 4 1 Mestranda
Leia maisAvaliação por modelação em SIG da contaminação mineira por drenagem ácida em S. Domingos (Faixa Piritosa, Alentejo)
Ciências da Terra (UNL), Lisboa, nº esp. V, CD-ROM, pp. M6-M10 Avaliação por modelação em SIG da contaminação mineira por drenagem ácida em S. Domingos (Faixa Piritosa, Alentejo) M. J. Batista (a,1), M.
Leia maisDISTRIBUIÇÃO ESPACIAL DA LAGARTA Spodoptera spp. (Lepidoptera: Noctuidae) EM SOJA NO MUNICÍPIO DE SANTA MARIA 1
DISTRIBUIÇÃO ESPACIAL DA LAGARTA Spodoptera spp. (Lepidoptera: Noctuidae) EM SOJA NO MUNICÍPIO DE SANTA MARIA 1 BOSCHETTI, Moisés Joel 4 ; GUEDES, Jerson V.C. 2; PALMA, Janine 3 ; MACHADO, Maicon R. R.
Leia maisPalavras-Chave: Gráficos de Controle Especiais, Geoestatística.
Estudo de Cartas Especiais e Geoestatística no Controle Estatístico de Processos Bruna Fernanda Viotto Oliveira¹ Edilson Ferreira Flores² RESUMO O presente estudo teve como objetivo explorar as técnicas
Leia maisVARIABILIDADE DA DISTRIBUIÇÃO E PROFUNDIDADE DE PLANTIO DE TUBÉRCULOS DE BATATA (Solanum tuberosum L.)
VARIABILIDADE DA DISTRIBUIÇÃO E PROFUNDIDADE DE PLANTIO DE TUBÉRCULOS DE BATATA (Solanum tuberosum L.) Jaime Alberti Gomes 1 ; Afonso Peche Filho 2 1 Faculdades Ponta Grossa Ponta Grossa PR Brasil e-mail:
Leia maisNúmero de amostras e seus efeitos na análise geoestatística e krigagem de atributos do solo
Número de amostras e seus efeitos na análise geoestatística e krigagem de atributos do solo Zigomar Menezes de Souza 1, Gustavo Soares de Souza 2 1 Eng. Agrônomo D.Sc., Professor do Departamento de Engenharia
Leia mais