SUPERFÍCIE BATIMÉTRICA GERADA POR KRIGAGEM ORDINÁRIA E INTERPOLADOR TIN BATHYMETRIC SURFACES MADE TO ORDINARY KRIGING AND TIN INTERPOLATOR
|
|
- Vitória Faro
- 5 Há anos
- Visualizações:
Transcrição
1 SUPERFÍCIE BATIMÉTRICA GERADA POR KRIGAGEM ORDINÁRIA E INTERPOLADOR TIN RESUMO Dalva Maria de Castro Vitti 1 *; Heymar Arancíbia Suarez 2, Frederico Fábio Mauad 3, Cira Souza Pitombo 2 Este trabalho compara dois métodos de interpolação de dados geográficos, a krigagem ordinária e o TIN (Triangular Irregular Network) aplicados ao levantamento batimétrico de uma lagoa natural localizada no município de Jaú, SP. O modelo numérico do terreno (MNT) é constituído de dados batimétricos coletados com ecosonda monofeixe e receptor GPS de navegação, e os pontos da borda da lagoa foram extraídos da carta do Instituto de Geografia e Cartografia do Estado de São Paulo, na escala 1: O variograma experimental obtido foi o omnidirecional, do tipo exponencial e os dados simulados na krigagem produziram uma planta batimétrica mais suavizada que a planta gerada a partir do interpolador TIN, o que afetou de forma significativa a área, 45% maior que a gerada no MDT - TIN, no entanto, essa suavização representou uma redução de apenas 2,34% no volume apurado. Palavras-chave: Batimetria. Geoestatística. Interpoladores. BATHYMETRIC SURFACES MADE TO ORDINARY KRIGING AND TIN INTERPOLATOR ABSTRACT This paper shows the comparison between two spatial data interpolation methods, ordinary kriging and TIN (Triangular Irregular Network) applied to bathymetric survey of a natural pond located in the city of Jau, SP. The digital terrain model ( DEM ) consists of bathymetric data collected with ecosonder single beam and GPS navigation receiver, and the pond edge points are taken from the letter of the Institute of Geography and Cartography State of São Paulo, at 1: 10,000 scale. The obtained experimental variogram is omnidirectional, the exponential data and simulated produced a smoother bathymetric plant that the plant generated from the TIN interpolation, which affected significantly the area, 45 % higher than that generated in MDT - TIN, however, that smoothing representing a decrease of only 2.34 % in the calculated volume. Key-words: Bathymetric. Geostatistic. Interpolators. 1. INTRODUÇÃO A coleta de dados batimétricos com ecosondamonofeixe produz um conjunto de dados tridimendionais que devem retratar as feições principais do leito submerso de reservatórios e 1 * FATEC-Jahu; Centro de Ciências da Engenharia Aplicada ao Meio Ambiente, EESC, Universidade de São Paulo; dalva@sc.usp.br 2 Departamento de Transportes, EESC, USP; hsuarez@usp.br; cirapitombo@gmail.com 3 Centro de Ciências da Engenharia Aplicada ao Meio Ambiente, EESC, Universidade de São Paulo; mauadffm@sc.usp.br XXI Simpósio Brasileiro de Recursos Hídricos 1
2 rios, como o talvegue, as vertentes e possíveis mudanças no relevo decorrente do processo de assoreamento; as bordas são obtidas por fotointerpretação de imagens de aerolevantamentos ou ou sensoriamento remoto ou se possível, por topografia (Carvalho; 2008). Geralmente, a coleta de dados batimétricos em reservatórios de água é realizada por linhas paralelas perpendiculares ao talvegue do curso d água principal, de margem a margem, com sonda monofeixe e receptor de navegação por satélite gerando um conjunto de pontos em que a profundidade é variável em função da posição que ocupa no espaço. A qualidade dos modelos de elevação do terreno é afetada pelo desempenho dos métodos de interpolação espacial e estes pela densidade de amostragem, distribuição espacial da amostra, agrupamento das amostras, tipo de superfície, dados de variância, normalidade dos dados, qualidade das informações secundárias, extratificação, tamanho da grade ou resolução, e interações entre os diferentes fatores (LI e HEAP, 2010). O TIN (Triangular Irregular Network) é o método de interpolação determinístico mais empregado para geração do modelo digital do terreno (MDT) submerso, que produz uma malha de triângulos com vértices comuns entre transectos vizinhos, apresentando-se pouco eficiente onde não há pontos coletados, principalmente nas regiões próximas as bordas do reservatório, em que a profundidade é inferior ao alcance do ecobatímetro (Estigoni et. al, 2012). A aplicação de ferramentas de geoestatística na estimativa de profundidades batimétricas foram estudadas por diversos autores, como Landim (2003), Borges et. Al (2005), Zani et.al (2008), Brulhões e Drumond (2012), estes últimos relatam que a krigagem apresenta melhor desempenho na extrapolação de dados quando comparada com outros métodos, no entanto produz uma suavização no relevo. A profundidade, embora se distribua no espaço de modo não aleatório, pode ser tratada comum fenômeno espacial que pode ser modelado como uma variável aleatória regionalizada (VR), associada a um certo grau de incerteza (Machado; Souza, 2003). Bufonet al (2009) relatam que a análise do variograma permite espaçar mais os pontos amostrados, o que representa redução de custo na coleta de dados, principalmente nos casos em que a investigação é periódica. Segundo Borges et. al. (2005), concluíram que amostras menores e com melhor representatividade espacial conduziram a melhores resultados na estimação de dados batimétricos que amostras maiores e com maior densidade em semivariogramas omnidirecionais modelados com a função Gaussiana. A geoestatística fornece a incerteza de cada ponto estimado, assim o planejamento da amostragem de dados deve priorizar a minimização dessa incerteza, envolve tanto os esforços de campo como computacionais. Feições singelas, como talvegues de afluentes que foram submersos ou pequenos bancos de sedimentos que se formaram, para serem fielmente representados demandam uma escala grande com espaçamentos da ordem de 1 a 10 metros. A escala influencia na definição de h na modelagem do semivariograma e posteriormente na velocidade de processamento da simulação. Dessa forma, quando se trabalha com dados multivariados em geoestatística parte-se de uma escala grande a qual permite ampliação ou redução da escala em função da finalidade de modo a garantir a consistência dos dados. (Daniel Busby, 2007; Daniel Busby e tal, 2013; Ren, 2007). A krigagem estima profundidades com base nas profundidades medidas com a sonda batimétrica através da análise do semivariograma. As profundidades apresentam dissemelhança no sentido perpendicular ao talvegue, o que facilita a escolha da direção de anisotropia. De acordo com Machado e Souza (2003), o modelo Gaussiano e esférico são os que melhor se adaptam na XXI Simpósio Brasileiro de Recursos Hídricos 2
3 modelagem do variograma, no entanto, a escolha é definida após a análise do teste de validação cruzada e coeficiente de Pearson. Este manuscrito tem por objetivo comparar duas plantas batimétricas da Lagoa Preta, localizada no município de Jaú, geradas a partir de dois modelos digitais do terreno interpolados por dois processos distintos, o TIN (triangular irregular network e Krigagem ordinária). Sendo que, o modelo de referência é o gerado pelo TIN. 2. MATERIAIS E MÉTODOS A Lagoa Preta é uma formação natural perfazendoárea de 18,58 hectares e está localizada em área rural do município de Jahu, próximo ao Distrito de Potunduva, entre as coordenadas geográficas 22 o S, 48 o W e 22 o S, 48 o W e altitude média de 476,31 metros. O levantamento batimétrico foi realizado com ecobatímetromonofeixe, e receptor GPS Garmim embarcados, a coleta de dados se deu em 6transectos de aproximadamente 110 metros de equidistância, uma vez que a variabilidade do relevo era pequena. Os dados brutos (x, y e z) foram organizados em planilha eletrônica e realizada análise de consistência de dados para filtrar dados nulos devido a falha operacional dos equipamentos de medições. Nesta etapa, também foram inseridos os pontos da borda extraídos a partir da carta do IGC, Instituo de Geografia e Cartografia do Estado de São Paulo, na escala 1:10000, em que foi atribuída a altitude de 479,00 metros, assim totalizando 289 pontos. Os dados foram analisados no módulo GeoDATA do software GeoMS e a sua distribuição espacial é apresentada na Figura 1 e a análise estatística univariada dos dados pode ser visualizada na Figura 2. O histograma denota distribuição assimétrica, uma vez que mais de 75% dos pontos encontram-se abaixo da média, a qual é de 476,31 metros. A maior frequência de dados está entre as altitudes 475,00 e 477,00, o que se observa na função de distribuição na extremidade a reta denota os pontos de borda inseridos. Figura 1 - Distribuição espacial dos dados batimétricos da Lagoa Preta, Jaú-SP. XXI Simpósio Brasileiro de Recursos Hídricos 3
4 Figura 2 - Análise univariada dos dados batimétricos da Lagoa Preta, Jaú-SP. O estudo do variograma foi realizado no módulo GeoVAR do GeoMS que após várias tentativas, o modelo que melhor se ajustou foi o exponencial na direção omnidirecional, conforme mostrado na Figura 3. O patamar estabelecido foi de 1,579, o efeito pepita, C o,de 0,370, a variância espacial, C, de 1,147 e o alcance, a 1 de 309,082 m. Figura 3 - Variograma omnidirecional, modelo exponencial, dos dados batimétricos da Lagoa Preta. Co = 0,370; C1 = 1,470, variância = 1,517 e a1 = 309,082 m. Em seguida, foi realizada a simulação por krigagem ordinária no módulo GeoKrig do software GeoMs, o espaçamento da grade adotado foi de 10 x 10 m, a correlação de Pearson foi de 0,90 e o erro médio quadrático foi de 0,82, após análise cruzada entre altitude medidas e simuladas, como mostra a Figura 4. XXI Simpósio Brasileiro de Recursos Hídricos 4
5 R² = 1900ral Exponencial () Linear () Figura 4 - Correlação entre as altitudes medidas e simuladas pela krigagem ordinária da batimetria na Lagoa Preta. As altitudes simuladas por Krigagem ordinária foram visualizadas no módulo GeoView do software GeoMS, como é apresentado na Figura 5. E, uma nova análise estatística é apresentada na figura 6, em que a simulação gerou 5916 amostras, a média deslocou-se de 476,31 metros para 477, 47 metros, a variância foi de 1,37 m e o desvio padrão foi de 1,17 metros. Provavelmente, esses resultados foram afetados pela distribuição irregular dos pontos coletados. Figura 5 - Visualização da simulação das altitudes da Lagoa Preta, no módulo GeoView do GeoMS. XXI Simpósio Brasileiro de Recursos Hídricos 5
6 Figura 6 - Análise univariada da distribuição de altitudes da Lagoa Preta simuladas por krigagem ordinária no GeoMS. Após a simulação dos dados, fez-se a conversão para o formato *ASCII, e o arquivo convertido foram importados para o software IDRISI Taiga a fim de gerar as curvas de nível a partir das altitudes simuladas. Em seguida foi gerado um arquivo DXF que foi importado para AutoCadMap 2010 para finalização da planta batimétrica. Na etapa seguinte, os dados brutos do levantamento batimético foram importados para o software de topografia Data-Geosis que utiliza o interpolador TIN (Triangular Irregular Network), uma vez que este método tem por característica conservar os valores dos nós interpolados e ser largamente empregado na construção de plantas topográficas. 3. RESULTADOS E DISCUSSÕES Como resultado deste trabalho são apresentadas as plantas batimétricas da Lagoa Preta gerada a partir de altitudes simuladas por Krigagem ordinária no GeoMS e por interpolação TIN no DataGeosis, como mostrado nas Figuras 7 e 8, respectivamente. Nota-se que a simulação por krigagem ordinária produziu uma planta batimétrica com terreno mais suavizado demonstrado pelo maior espaçamento entre curvas de nível no leito da lagoa, e por isolinhas paralelas na margem quando comparada com a planta batimétrica gerada pelo interpolador TIN. Houve uma sobrelevação da cota do leito de 1,33 metros e um rebaixamento da borda de 0,50 metros, ou seja, as curvas de nível na planta batimétrica gerada por krigagem ordinária, variaram de 475,33 a 478,50 metros, enquanto que as curvas de nível geradas por interpolador TIN variaram de 474,00 a 479,00 metros. Essa variação representou uma diferença na área de ,30 metros quadrados e no volume de ,81 metros cúbicos, ou seja, o MDT gerado pela krigagem aumentou em 45% a área superficial da represa e subestimou o volume em 2,34% quando comparados com a área e volume obtidos pelo MDT gerado a partir do interpolador TIN. XXI Simpósio Brasileiro de Recursos Hídricos 6
7 Figura 7 - Planta batimétrica com curvas de 0,50 em 0,50 metros da Lagoa Preta, Jaú-SP, gerada a partir da simulação por Krigagem Ordinária no GeoMS. Figura 8 - Planta batimétrica com curvas de 0,50 em 0,50 metros da Lagoa Preta, Jaú - SP, construída a partir do interpolador TIN no software DataGeosis. 4. CONCLUSÃO Com este trabalho pode-se observar que o esforço computacional, bem como a participação do analista foi maior na construção da planta batimétrica utilizando a simulação por krigagem ordinária quando comparado com o processo de construção da mesma planta no utilizando o interpolador TIN. XXI Simpósio Brasileiro de Recursos Hídricos 7
8 Embora a distribuição espacial dos dados coletados não apresentasse boa qualidade, tanto a simulação por Krigagem ordinária como o interpolador TIN conseguiram produzir dados que permitissem a geração de curvas de nível de modo satisfatório. E, como era esperada a simulação por krigagem ordinária gerou um modelo do terreno mais suavizado que o modelo gerado pela interpolação TIN, aumentando de forma significativa na área apurada, ou seja, 45%. Porém, no que se refere ao volume de água armazenado, houve pouca diferença entre os valores apurados em ambos modelos, ou seja, 2,34%. REFERÊNCIAS Borges, F. S. Pet al (2005).Sensoriamento Remoto e Geoestatística aplicados à estimativa de batimetria em reservatórios do Setor Elétrico Brasileiro. In: Anais XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, abril 2005, INPE, p Bufon, A. G. et al (2009). Estimativa do tempo de vida útil de represa de pequeno porte. Acta ScientiarumTechnology.Maringá. V. 31. n. 1, pag Busby, D. G. M. (2007).Uncertainty propagation and reduction in reservoirforecasting.tese de doutoradoemfilosofia.universidade de Leicester. 177p. Bulhões, E. M. R.; Drumond, M. K. (2012). In: Caderno de Estudos Geoambientais CADEGEO v.03, n.01, p Carvalho. N. O. (2008). Hidrossedimentologia Prática. 2ª. Ed. Revisada e Ampliada. Interciência Rio de Janeiro, Estigoni. M. Vet al. (2012). Análise da Orientação da ANA para a atualização das Curvas Cota - Área Volume de reservatórios. In: Anais X ENES, Foz do Iguaçu, de dezembro de Landim, P. M.B. (2003). Análise Estatística de Dados Geológicos. 2a. Edição. Editora da UNESP. São Paulo. 253 p. Li, J.;.Heap, A. D. (2010).Review of comparative studies of spatial interpolation methods in environmental sciences: Performance and impact factors. Marine & Coastal Environment, PMD, Geoscience Australia. Machado, P. B; Sousa, A. J. A. (2003).Geoestatística como ferramenta de estudo da batimetria na vertente continental portuguesa. Finisterra, XXXVIII, 76, pag Ren, W. (2007). Scale Consistent Geostatistical Modeling for Reservoir Characterization.Tese de doutorado em Filosofia em Engenharia de Petroleo. Universidade de Alberta. 194 p. Zani, H. et al (2008). Batimetria fluvial estimada com dados orbitais: Estudo de caso no alto curso do rio Paraguai com o sensor ASTER. São Paulo, UNESP, Geociências, v. 27, n. 4, p XXI Simpósio Brasileiro de Recursos Hídricos 8
18/05/2010. # Modelagem numérica do terreno (MNT) # Métodos de interpolação de dados numéricos
Departamento de Geografia UFRGS Disciplina: Sistemas de Informações Geográficas Professora: Eliana Lima da Fonseca # Modelagem numérica do terreno (MNT) # Métodos de interpolação de dados numéricos Modelo
Leia maisMNT: MODELAGEM NUMÉRICA DE TERRENOS
MNT: MODELAGEM NUMÉRICA DE TERRENOS LEB 450 Topografia e Geoprocessamento II Prof. Carlos A. Vettorazzi 1. Introdução MODELO : Representação da realidade sob a forma material (representação tangível) ou
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 maisModelos Numéricos de Terreno. Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo
Modelos Numéricos de Terreno Disciplina: Geoprocessamento Profª. Agnes Silva de Araujo Conteúdo programático e Objetivos Conceito de MNT, MDT e MDE; Principais fontes de dados; Exemplos de aplicações;
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 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 maisModeloDigital de Superfície-MDS
INSTITUTO FEDERAL DE CIÊNCIA E TECNOLOGIA DE SC CAMPUS FLORIANÓPOLIS DEPARTAMENTO ACADÊMICO DE CONSTRUÇÃO CIVIL CURSO TÉCNICO DE AGRIMENSURA ModeloDigital de Superfície-MDS e introdução ao formato raster
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 maisLaboratório 3 Modelagem Numérica de Terreno
Introdução ao Geoprocessamento (SER-300) Docentes responsáveis: Antônio Miguel Vieira Monteiro e Claudio Barbosa Laboratório 3 Modelagem Numérica de Terreno Professor Responsável pelo Laboratório: Carlos
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 maisModelagem Numérica do Terreno. Prof. Maria Isabel C. de Freitas Adaptado de INPE - DPI
Modelagem Numérica do Terreno Prof. Maria Isabel C. de Freitas Adaptado de INPE - DPI Modelagem Numérica de Terreno - MNT MNT (Modelo Númérico do Terreno) ou DTM (Digital Terrain Model): representa matematicamente
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 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 III: Modelagem Numérica
Leia maisSISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 5. SIG- Eng. Cartográfica Prof. Luciene Delazari
SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS Aula 5 SIG- Eng. Cartográfica Prof. Luciene Delazari MODELAGEM DIGITAL DE SUPERFÍCIES Os modelo digitais de superficie (Digital Surface Model - DSM) são fundamentais
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 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 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 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 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 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 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 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 maisINTERPOLAÇÃO DE DADOS BATIMÉTRICOS DO RESERVATÓRIO DE TUCURUÍ: COMPARAÇÃO DE INTERPOLADORES E DO NÚMERO DE PONTOS AMOSTRADOS.
INTERPOLAÇÃO DE DADOS BATIMÉTRICOS DO RESERVATÓRIO DE TUCURUÍ: COMPARAÇÃO DE INTERPOLADORES E DO NÚMERO DE PONTOS AMOSTRADOS. David de Andrade Costa Monografia para disciplina de Introdução ao Geoprocessamento
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 maisMODELO DIGITAL DE TERRENO I
Geoprocessamento Graduação em Geografia 4º ano / 1º Semestre Profa. Dra. Fernanda Sayuri Yoshino Watanabe Departamento de Cartografia fernanda.watanabe@unesp.br 2019 MODELO DIGITAL DE TERRENO I MODELO
Leia maisAplicação de métodos de interpolação espacial em dados batimétricos: estudo de caso do Alto curso do rio Paraná
Aplicação de métodos de interpolação espacial em dados batimétricos: estudo de caso do Alto curso do rio Paraná Everton Hafemann Fragal 1 Fabio Correa Alves 2 1, 2 Universidade Estadual de Maringá - UEM/GEMA
Leia maisMODELAGEM E CRIAÇÃO DE BANCOS DE DADOS
MODELAGEM E CRIAÇÃO DE BANCOS DE DADOS Anderson Reis Soares Relatório de atividades sobre o Laboratório 1 da disciplina de Introdução ao Geoprocessamento (SER-300) do Curso de Pós-Graduação em Sensoriamento
Leia maisREPRESENTAÇÃO DE SUPERFÍCIE
Geoprocessamento Graduação em Geografia 4º ano / 1º Semestre Profa. Dra. Fernanda Sayuri Yoshino Watanabe Departamento de Cartografia fernanda.watanabe@unesp.br 2019 REPRESENTAÇÃO DE SUPERFÍCIE REPRESENTAÇÃO
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 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 maisGEOPROCESSAMENTO. MNT - Modelo Numérico de Terreno. Prof. Luiz Rotta
1 GEOPROCESSAMENTO MNT - Modelo Numérico de Terreno Prof. Luiz Rotta MNT Um Modelo Numérico de Terreno (MNT) é uma representação matemática computacional da distribuição de um fenômeno espacial que ocorre
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 maisModelagem Numérica de Terreno: Teoria & Prática
Modelagem Numérica de Terreno: Teoria & Prática Flávia F. Feitosa Disciplina PGT 035 Geoprocessamento Aplicado ao Planejamento e Gestão do Território Aula disponível em: https://flaviafeitosa.wordpress.com/talksteaching/geopgt/
Leia maisTHE USE ORDINARY KRIGING IN DATA INTERPOLATION HYDROGEOLOGICAL TRAINING SAN SEBASTIAN, RECÔNCAVO NORTH BASIN, BA
O USO DA KRIGAGEM ORDINÁRIA NA INTERPOLAÇÃO DO NÍVEL ESTÁTICO EM POÇOS DA FORMAÇÃO SÃO SEBASTIÃO, BACIA DO RECÔNCAVO NORTE, BA Gonçalves, T. S 1 ; Silva, H. M 2 ; Alves 3, J. E; Sales L. Q 4 ; Melo, D.
Leia maisModelagem Numérica de Terreno. Carlos Alberto Felgueiras
Modelagem Numérica de Terreno Carlos Alberto Felgueiras Modelo Numérico de Terreno Definição Um MNT descreve a variação espacial contínua de uma grandeza sobre uma região. Dados de entrada arquivos pontuais
Leia maisAplicação do interpolador krigagem em modelos digitais de terrenos, comparando-se os casos de isotropia e anisotropia
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7222 Aplicação do interpolador krigagem em modelos digitais de terrenos, comparando-se
Leia maisAnais III Simpósio Regional de Geoprocessamento e Sensoriamento Remoto Aracaju/SE, 25 a 27 de outubro de 2006
COMPARAÇÃO ENTRE O MÉTODO DE INTERPOLAÇÃO LINEAR E O MÉTODO ESTATÍSTICO DE KRIGEAGEM PARA A GERAÇÃO DE MAPAS DE ILHAS DE CALOR ATRAVÉS DE SISTEMAS DE INFORMAÇÃO GEOGRÁFICA OLIVEIRA, L. G. L. de 1 ; PEREIRA,
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 maisCOMPARAÇÃO DE MODELOS DIGITAIS DE ELEVAÇÃO PARA A ILHA DE SÃO SEBASTIÃO - SP Nº 11503
COMPARAÇÃO DE MODELOS DIGITAIS DE ELEVAÇÃO PARA A ILHA DE SÃO SEBASTIÃO - SP ROGER TORLAY 1 ; DANIEL DE CASTRO VICTORIA 2 ; OSVALDO TADATOMO OSHIRO³ Nº 11503 RESUMO Os produtos gerados a partir de modelos
Leia maisATAS DAS I JORNADAS LUSÓFONAS DE CIÊNCIAS E TECNOLOGIAS DE INFORMAÇÃO GEOGRÁFICA
ATAS DAS I JORNADAS LUSÓFONAS DE CIÊNCIAS E TECNOLOGIAS DE INFORMAÇÃO GEOGRÁFICA Editores: José Gomes dos Santos Cidália Fonte Rui Ferreira de Figueiredo Alberto Cardoso Gil Gonçalves José Paulo Almeida
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 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 maisKRIGAGEM: UM ESTUDO COMPARATIVO ENTRE 2 VERSÕES DO ARCGIS E O R KRIGING: A COMPARATIVE STUDY BETWEEN TWO VERSIONS OF ARCGIS AND THE R
KRIGAGEM: UM ESTUDO COMPARATIVO ENTRE 2 VERSÕES DO ARCGIS E O R Rosa 1, L.M.F., Santos 2, G.R.dos, Santos 3, A.M.R.T., Medeiros 4, N.das G., Kaleita 5, A. 1 Doutoranda em Estatística, UFV/DET, Av. Peter
Leia maisPALAVRAS CHAVE: KRIGAGEM ORDINÁRIA, AQUÍFERO SÃO SEBASTIÃO.
O USO DA KRIGAGEM ORDINÁRIA NA INTERPOLAÇÃO DE DADOS TEOR DE DUREZA EM POÇOS DA FORMAÇÃO SÃO SEBASTIÃO, BACIA DO RECÔNCAVO NORTE, BA Gonçalves, T. S 1 ; Silva, H. M 2 ; Alves 3, J. E; Sales L. Q 4 ; Melo,
Leia maisARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS
ARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS Análise conceitual de dados 1. Estrutura de dados: Xi: coordenadas das 140 estações
Leia maisDefinição: representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro de uma região da superfície terrestre.
MODELO DIGITAL DE ELEVAÇÃO Modelagem Digital de Elevação Definição: UmModeloDigitaldeElevação (MDE) é uma representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro
Leia maisGeoprocessamento. Aula 11 SIG: MDT, Matrizes, Algebra de Mapas. Junho de 2017 P ROFA. MARIANA A. G I ANNOT TI
Geoprocessamento Aula 11 SIG: MDT, Matrizes, Algebra de Mapas Junho de 2017 P ROF. JOSÉ ALBERTO QUINTA NILHA P ROFA. MARIANA A. G I ANNOT TI Estrutura da Aula 1. MDT / MDS / MDE 2. Álgebra de Mapas: Locais
Leia maisINTRODUÇÃO AO GEOPROCESSAMENTO
INTRODUÇÃO AO GEOPROCESSAMENTO Carina Regina de Macedo RELATÓRIO DE ATIVIDADES LABORATÓRIO Nº 1: MODELAGEM DA BASE DE DADOS Base de Dados Georeferenciados para Estudos Urbanos no Plano Piloto de Brasília.
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Divisão de Sensoriamento Remoto. Geoprocessamento
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Divisão de Sensoriamento Remoto Geoprocessamento Relatório do Laboratório 3: Modelo Numérico do Terreno (MNT) Fátima Lorena Benítez Ramírez Professores Responsáveis:
Leia maisInferência de macrófitas aquáticas submersas por meio da Geoestatística
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.2279 Inferência de macrófitas aquáticas submersas por meio da Geoestatística
Leia maisGERAÇÃO DE CARTA IMAGEM A PARTIR DE IMAGENS DE SENSORES ORBITAIS DE ALTA RESOLUÇÃO
GERAÇÃO DE CARTA IMAGEM A PARTIR DE IMAGENS DE SENSORES ORBITAIS DE ALTA RESOLUÇÃO Francisco José Silva Soares Mendes Graduando em Geografia pela Universidade Federal do Ceará- UFC/Fortaleza-CE. mendesfjss@yahoo.com.br.
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 maisMODELO DIGITAL DE ELEVAÇÃO DA CIDADE DE PONTA GROSSA/PR
134 MODELO DIGITAL DE ELEVAÇÃO DA CIDADE DE PONTA GROSSA/PR RIBEIRO, Selma Regina Aranha VIRMOND, Rodolfo 1. Introdução; O relevo de uma paisagem visto em campo, mostra informações de certa forma limitadas,
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 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 maisAvaliação de MDE obtidos por meio de SRTM. Gustavo Garcia Fontes Duarte 1 Maria Leonor Lopes Assad²
artigo anterior 934 Avaliação de MDE obtidos por meio de SRTM Gustavo Garcia Fontes Duarte 1 Maria Leonor Lopes Assad² 1 Centro de Pesquisas Metereológicas e Climáticas Aplicadas à Agricultura Cepagri/
Leia maisLaboratório 3. Disciplina. Introdução ao Geoprocessamento SER 300. Prof. Dr. Antonio Miguel Vieira Monteiro
Laboratório 3 Disciplina Introdução ao Geoprocessamento SER 300 Prof. Dr. Antonio Miguel Vieira Monteiro Aluno: Isaque Daniel Rocha Eberhardt INPE, São José dos Campos. Abril, 2013. Introdução No curso
Leia maisComparação entre diferentes escalas de mapeamento de APP de Topo de Morro
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.1614 Comparação entre diferentes escalas de mapeamento de APP de Topo de Morro
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 maisTHE USE ORDINARY KRIGING IN DATA INTERPOLATION HYDROGEOLOGICAL TRAINING SAN SEBASTIAN, RECÔNCAVO NORTH BASIN, BA
O USO DA KRIGAGEM ORDINÁRIA NA INTERPOLAÇÃO DE DADOS TEOR DE CLORETO EM POÇOS DA FORMAÇÃO SÃO SEBASTIÃO, BACIA DO RECÔNCAVO NORTE, BA Gonçalves, T. S 1 ; Silva, H. M 2 ; Alves 3, J. E; Sales L. Q 4 ; Melo,
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 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 maisESTUDO GEOESTATÍSTICO DA VARIABILIDADE DA CHUVA NA BACIA DO PARANAPANEMA
ESTUDO GEOESTATÍSTICO DA VARIABILIDADE DA CHUVA NA BACIA DO PARANAPANEMA Jonas Teixeira Nery 1 UNESP de Ourinhos, curso de Geografia, SP, Brasil. Av. Vitalina Marcusso, 1500. CEP 19910-206. RESUMO Neste
Leia maisELABORAÇÃO DE MODELOS NUMÉRICOS DO TERRENO NO SPRING REPRESENTANDO O RELEVO DA BACIA HIDROGRÁFICA DO RIO ARATÚ
ELABORAÇÃO DE MODELOS NUMÉRICOS DO TERRENO NO SPRING REPRESENTANDO O RELEVO DA BACIA HIDROGRÁFICA DO RIO ARATÚ STEVENS, P. O. 1 ; MENESES, L.F. 2 RESUMO: Os diferentes tipos de Modelos Numéricos de Terreno,
Leia maisSER Introdução ao Geoprocessamento. Laboratório 3 LABORATÓRIO DE MNT
SER-300 - Introdução ao Geoprocessamento Laboratório 3 LABORATÓRIO DE MNT Thiago Sousa Teles Relatório do Laboratório 03 apresentada a disciplina de Introdução ao Geoprocessamento (Ser-300) do Mestrado
Leia maisMÉTODO ALTERNATIVO DE LEVANTAMENTO TOPOBATIMÉTRICO E DE DETERMINAÇÃO DE CURVAS COTA-VOLUME DE RESERVATÓRIOS.
MÉTODO ALTERNATIVO DE LEVANTAMENTO TOPOBATIMÉTRICO E DE DETERMINAÇÃO DE CURVAS COTA-VOLUME DE RESERVATÓRIOS. Homero Buba 1 ; Irani dos Santos 2 ; Dalton Pereira Filho 2 & Márian da Costa Rohn 2 RESUMO
Leia maisLaboratório 01. Modelagem da Base de Dados: Base de Dados Georeferenciados para Estudos Urbanos no Plano Piloto de Brasília
SER-300 Introdução ao Geoprocessamento Laboratório 01 Modelagem da Base de Dados: Base de Dados Georeferenciados para Estudos Urbanos no Plano Piloto de Brasília Sacha Maruã Ortiz Siani 1 INTRODUÇÃO Este
Leia mais3 REPRESENTAÇÃO DA SUPERFÍCIE TOPOGRÁFICA
3 REPRESENTAÇÃO DA SUPERFÍCIE TOPOGRÁFICA A representação da superfície topográfica adotada na Cartografia Convencional pode fazer uso de curvas de nível, pontos cotados, cores hipsométricas e sombreado.
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 maisCOMPARAÇÕES ENTRE MODELOS DIGITIAIS DE ELEVAÇÃO EM SISTEMAS DE INFORMAÇÃO GEOGRÁFICAS
COMPARAÇÕES ENTRE MODELOS DIGITIAIS DE ELEVAÇÃO EM SISTEMAS DE INFORMAÇÃO GEOGRÁFICAS Glauber José de Castro Gava 1, Jefferson Rodrigo Batista de Mello 2, Eduardo Caetano Ceara 3, Marcelo de Almeida Silva
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 maisRelatório do Laboratório 3
Relatório do Laboratório 3 MNT Daniela de Azeredo França Trabalho da disciplina Introdução ao Geoprocessamento SER-300, ministrada pelo Dr. Antônio Miguel Vieira Monteiro INPE São José dos Campos 2008
Leia maisGeoestatística aplicada ao estudo da relação entre profundidade e turbidez no Lago Grande de Curuai/PA
Geoestatística aplicada ao estudo da relação entre profundidade e turbidez no Lago Grande de Curuai/PA Aline Biasoli Trentin 1 Gisieli Kramer 1 Cláudio Clemente Faria Barbosa 2 Conrado de Moraes Rudorff
Leia maisPONTIFICIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA HIDROLOGIA APLICADA. Estatística aplicada a hidrologia. Prof.
PONTIFICIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA HIDROLOGIA APLICADA Estatística aplicada a hidrologia Prof. Felipe Corrêa Considerações Iniciais As variáveis hidrológicas são aleatórias
Leia maisSynergismus scyentifica UTFPR
ISSN 2316-4689 https://periodicos.utfpr.edu.br/synscy Geração de modelo digital de terreno do câmpus Pato Branco da UTFPR Andréia Rossini de Souza 1 Daniela Araldi 2 Claudinei Rodrigues de Aguiar 3 23
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 maisDisciplina Geoprocessamento Aplicadoao Planejamento
Mestradoem Territorial e Desenvolvimento Sócio-Ambiental MPPT Disciplina Geoprocessamento Aplicadoao Prof a. MarianeAlvesDalSanto Prof. Francisco Henrique de Oliveira EMENTA Conceitos e fundamentos do
Leia maisLABORATÓRIO Nº 1. Análise de Padrões de Distribuição de Pontos
LABORATÓRIO Nº 1 Análise de Padrões de Distribuição de Pontos 1. Objetivos: O objetivo deste laboratório é ilustrar as várias formas de analisar padrão de pontos, a partir de alguns conjuntos de dados.
Leia maisEstatística espacial Geoestatística. Profa. Dra. Rúbia Gomes Morato
Estatística espacial Geoestatística Profa. Dra. Rúbia Gomes Morato Estatística espacial Diferencia-se da estatística tradicional por considerar a localização, a posição no espaço. Estatística espacial
Leia maisCURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO. SER-300 Introdução ao Geoprocessamento. Relatório do Laboratório 1 ANA CAROLINA MOREIRA PESSÔA
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento Relatório do Laboratório 1 ANA CAROLINA MOREIRA PESSÔA INPE São José dos Campos 2014 Sumário 1 INTRODUÇÃO... 2 2 DESENVOLVIMENTO...
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 maisPós-processamento das Estimativas de Krigagem com Deriva Externa
Revista do Instituto de Geociências - USP Geol. USP, Sér. cient., São Paulo, v. 9, n. 3, p. 89-101, outubro 2009 Pós-processamento das Estimativas de Krigagem com Deriva Externa Post-processing Kriging
Leia maisMapas altimétricos do estado de Pernambuco utilizando dados SRTM e dados altimétricos provenientes da Base de Dados do Estado de Pernambuco
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.3666 Mapas altimétricos do estado de Pernambuco utilizando dados SRTM e dados
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 maisCURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO. SER-300 Introdução ao Geoprocessamento. Relatório do Laboratório 3 ANA CAROLINA MOREIRA PESSÔA
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento Relatório do Laboratório 3 ANA CAROLINA MOREIRA PESSÔA INPE São José dos Campos 2014 Sumário 1 INTRODUÇÃO... 2 2 DESENVOLVIMENTO...
Leia maisSER Introdução ao Geoprocessamento. Relatório sobre o Laboratório 3
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 - Introdução ao Geoprocessamento Relatório sobre o Laboratório 3 Acadêmico: Gabriel de Oliveira Docentes: Dr. Antônio Miguel Vieira Monteiro Dr. Cláudio
Leia maisSER-330: INTRODUÇÃO AO GEOPROCESSAMENTO
SER-330: INTRODUÇÃO AO GEOPROCESSAMENTO Ulisses Denache Vieira Souza RELATÓRIO DE ATIVIDADES LABORATÓRIO: MODELO NUMERICO DE TERRENO INPE São José dos Campos 2010 1 1 APRESENTAÇÃO Disciplina: Introdução
Leia maisAvaliação de métodos de interpolação de variáveis climatológicas para a Bacia Hidrográfica do Rio Doce.
Avaliação de métodos de interpolação de variáveis climatológicas para a Bacia Hidrográfica do Rio Doce. Eliana Elizabet dos Santos Elpídio Inácio Fernandes Filho Eliana de Souza 3,,3 Universidade Federal
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 mais1. Introdução O presente artigo tem como tema apresentar uma aplicação da geoestatística no setor de geologia de engenharia como uma ferramenta capaz
boletim paranaense de geociências Volume 73 (2017) 1:46-53 Modelagem geoestatística aplicada a geologia de engenharia Geostatistic modelling applied to engineering geology BRUNO RODRIGUES OLIVEIRA 1, GABRIELA
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 maisInterpolação. Dr. Marcos Figueiredo
Introdução às Análises Espaciais para Ecologia e Conservação da Biodiversidade (PPGE, PPGBIO) (Graduação em Biologia - IBE 013) Interpolação Dr. Marcos Figueiredo (mslfigueiredo@gmail.com) Tópicos 1. Conceito
Leia maisDelimitação da rede de drenagem utilizando dados SRTM. Gustavo da Cruz Talon1 Gerardo Kuntschik1
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.4210 Delimitação da rede de drenagem utilizando dados SRTM. Gustavo da Cruz Talon1
Leia maisModelo Batimétrico da Plataforma Continental Interna de Acaraú Ceará - Brasil. Maria Valdirene Araújo 1,2
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 3 de abril a 5 de maio de 211, INPE p.7682 Modelo Batimétrico da Plataforma Continental Interna de Acaraú Ceará - Brasil
Leia maisCOMPRESSÃO DE DADOS PARA MODELAGEM NUMÉRICA DE TERRENO
COMPRESSÃO DE DADOS PARA MODELAGEM NUMÉRICA DE TERRENO Nelito Rodrigues de CARVALHO JUNIOR, Escola de Engenharia Civil, Universidade Federal Goiás, nelito_geo@hotmail.com Patrícia de Araújo ROMÃO, Escola
Leia maisTendências de precipitação na Bacia do Rio Tietê - SP
Tendências de precipitação na Bacia do Rio Tietê - SP Abordagem da atual crise nos reservatórios do Sistema Cantareira CAROLYNE BUENO MACHADO São José dos Campos, 2015 Introdução Mudanças nos padrões de
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 mais