MODELAGEM GEOESTATISTICA DE ELEMENTOS-TRAÇO PRESENTES NO SOLO EM DEPÓSITO DE VEÍCULOS
|
|
- Fernanda Espírito Santo
- 5 Há anos
- Visualizações:
Transcrição
1 MODELAGEM GEOESTATISTICA DE ELEMENTOS-TRAÇO PRESENTES NO SOLO EM DEPÓSITO DE VEÍCULOS G. Libero 1 * & M. Monego 2 & L. Kummer 3 Resumo Neste trabalho foi utilizada a krigagem ordinária para modelar e mapear a distribuição espacial de elementos-traço presentes no solo, especialmente cobre, cromo, níquel e zinco. A área amostral trata-se de um depósito de veículos apreendidos pela Polícia Rodoviária Federal no município de Araucária, Paraná. Após uma análise descritiva para verificar a existência de dependência espacial, construiu-se os variogramas experimentais que foram ajustados pelos modelos esférico, exponencial e gaussiano. Os mapas krigados mostraram claramente a variação espacial dos elementos analisados na área em estudo. Os resultados obtidos são muito satisfatórios e levam a crer que o uso desta metodologia traz contribuições significativas aos processos de dispersão de poluentes no solo. Palavras-Chave Geoestatistica, Metais pesados, Solo. GEOSTATISTICAL MODELING FOR TRACE ELEMENTS IN THE SOIL OF VEHICLES DEPOSIT Abstract In this work, ordinary kriging was used to model and map the spatial distribution of trace elements in the soil, especially copper, chromium, nickel and zinc. The sample area is a vehicle depot seized by the Federal Police in Araucaria, Parana. A descriptive analysis to verify the existence of spatial dependence was done and experimental semivariogras were built fitting three theoretical models: spherical, exponential and gaussian. The kriged maps show clearly the spatial variation of the elements analyzed in the study area. The results are most suitable and suggest that the use of this methodology provides significant contributions to pollutant dispersion processes in the soil. Keywords Geoestatistical, Heavy metals, Soil. 1 Universidade Tecnológica Federal do Paraná, glelibero@gmail.com 2 Universidade Tecnológica Federal do Paraná, maurici@utfpr.edu.br 3 Universidade Tecnológica Federal do Paraná, lkummer@utfpr.edu.br XXI Simpósio Brasileiro de Recursos Hídricos 1
2 1. INTRODUÇÃO A contaminação ambiental por metais pesados no solo é um fato presente nos dias atuais, sendo que depósitos de veículos abandonados ou apreendidos oferecem este risco. O solo atua como um filtro, tendo a capacidade de depurar grande parte das impurezas nele depositadas. No entanto, essa capacidade é limitada, podendo ocorrer alteração da qualidade do solo em virtude do efeito cumulativo da deposição de poluentes atmosféricos, da aplicação de defensivos agrícolas e fertilizantes e da disposição de resíduos sólidos industriais, urbanos, materiais tóxicos e radioativos (CETESB, 1999). Os metais decorrentes da decomposição dos veículos expostos às intempéries do ambiente se depositam nas camadas superiores do solo devido a processos físicoquímicos de transformação, transporte e deposição, configurando um sério risco à saúde pública e ao meio ambiente, pela alteração da composição química local (Makara et al., 2014). Os métodos geoestatísticos fornecem um conjunto de técnicas necessárias para entender a aparente aleatoriedade dos dados, os quais apresentam, porém, uma possível estruturação espacial, estabelecendo, desse modo, uma função de correlação espacial (Yamamoto & Landim, 2013). Fenômenos naturais apresentam-se frequentemente com uma certa estruturação nas variações entre vizinhos, desta forma pode-se dizer que as variações não são aleatórias e, portanto, apresentam algum grau de dependência espacial. Neste trabalho foi aplicada a metodologia geostatística para análise de dados de contaminação de solos coletados no pátio do posto da Polícia Rodoviária no município de Araucária, Paraná, tendo como objetivos a modelação e a avaliação do modelo em função da menor estatística de erro. Primeiramente serão abordados alguns conceitos básicos da teoria geoestatística. Em seguida apresenta-se a aplicação das diversas etapas do método de krigagem ordinária aos dados em estudo, nomeadamente a análise exploratória, a construção do variograma e validação, concluindo-se com a apresentação dos resultados obtidos, e as respectivas conclusões. 2. FUNDAMENTOS DE GEOESTATÍSTICA A teoria geoestatística foi desenvolvida graças aos estudos do engenheiro de minas Georges Matheron na França na década de 60, fundamentada na Teoria das Variáveis Regionalizadas, que foi formalizada pelo mesmo, a partir de estudos práticos desenvolvidos por Daniel G. Krige no cálculo de reservas nas minas de ouro do Rand na África do Sul. Georges Matheron, ao analisar dados de concentração de ouro, concluiu que havia vantagem em considerar a localização geográfica e a dependência espacial entre os dados. A partir da década de 80 esta teoria tem sido também aplicada com sucesso em estudos ambientais (Isaaks & Srivastava, 1989). A geoestatística é um tópico especial da estatística aplicada que trata de problemas referentes às variáveis regionalizadas, aquelas que têm comportamento espacial mostrando características intermediárias entre as variáveis verdadeiramente aleatórias e as totalmente determinísticas (Landim, 1998). Para a modelação do fenômeno espacial a metodologia utiliza-se do semivariograma para a quantificação da dependência espacial. De acordo com Soares (2000), na construção do semivariograma experimental deve-se levar em conta não só as distâncias entre as medidas, mas também as várias direções. O fenômeno muitas vezes pode apresentar um comportamento semelhante em todas as direções, sendo neste caso denominado isotrópico. Em certas situações o comportamento pode ser especifico seguindo uma determinada direção, sendo neste caso anisotrópico. XXI Simpósio Brasileiro de Recursos Hídricos 2
3 A dependência espacial entre as medidas da grandeza é quantificada através da semivariância, que é dada por: γ(h) = 1 N(h) [Z(x 2N(h) i) Z(x i + h)] 2 i=1 (1) onde, Z(xi) Z(xi + h) é o valor da diferença entre um par de medidas cuja distância é igual a h, N(h) é o número de pares de medidas cuja distância é igual a h, e γ(h) é o valor da semivariância correspondente à distância h. A função que traduz a semivariância para as várias distâncias entre as observações é designada por variograma experimental. Sendo que medidas mais próximas tendem a ser mais semelhantes do que as que estão mais afastadas. A medida que a distância aumenta, o valor da semivariância tende a aumentar, visto que a diferença entre medidas tende a ser superior (Kitanidis, 1997). Do oposto, quando a distância entre as medidas diminui, o valor da semivariância tende a diminuir, visto que a diferença entre medidas tende a ser inferior. Após a construção do variograma experimental, é necessário determinar um modelo matemático que melhor se ajuste ao comportamento da dependência espacial da grandeza em causa. Os modelos matemáticos que são geralmente utilizados nos estudos geoestatísticos para estimação são: o modelo esférico, o modelo exponencial e o modelo gaussiano representados nas equações 2 a 4 (Clark & Harper, 2000). γ(h) = { C 0 + C 1 [ 3 2 ( h a ) 1 2 ( h a )3 ], 0 h < a C 0 + C 1, h a γ(h) = {C 0 + C 1 [1 exp ( 3 h )], h 0 (3) a γ(h) = {C 0 + C 1 [1 exp ( 3 ( h XXI Simpósio Brasileiro de Recursos Hídricos 3 (2) a )2 )], h 0 (4) De acordo com esses modelos são determinados três parâmetros, efeito pepita ou nugget, C0, contribuição ou sill partial, C1, e alcance ou range, a. Esses parâmetros serão utilizados no cálculo das estimativas por krigagem. A etapa seguinte no processo de análise geoestatística consiste na avaliação e comparação do desempenho das estimativas obtidas por Krigagem usando os modelos de semivariograma ajustados. Para a avaliação e comparação usou-se a técnica da Validação Cruzada, após escolher-se o modelo em função da menor estatística de erro. Na análise estatística dos erros são normalmente calculados os seguintes indicadores estatísticos: erro médio (EM), raiz quadrada do erro quadrático médio (REQM) e o erro estandardizado médio (ESM), dados pelas equações 5 a 7 a seguir (Wackernagel, 2003): EM = 1 N [Z (x N i=1 i ) Z(x i )] (5) REQM = 1 N [Z (x N i ) Z(x i )] 2 i=1 (6) ESM = 1 N N [Z (x i ) Z(x i ) i=1 ] (7) σ 2 (x i ) Onde Z (x i ) é o valor estimado e Z (x i ) o valor observado na posição x i ; N é o número de observações estimadas; e σ 2 (x i ) é a variância da estimativa para o ponto x i (ou variância do erro de estimação) definida pela equação 8 a seguir: σ 2 (x i ) = det(x t M-2λI 1 )= α i γ(x i, x 0 ) M i=1 λ (8)
4 O desejável é que EM seja próximo a zero, indicando que o estimador é não enviesado. O valor de REQM deve ser o menor possível, indicando proximidade entre valores estimados e medidos. A krigagem é um método de inferência espacial que estima informações em pontos não amostrados a partir de informações situadas em pontos amostradas, considerando a estrutura de dependência espacial do fenômeno. O estimador geoestatístico é designado por krigagem. Este estimador pode assumir várias formas sendo a krigagem normal (ou ordinária) a mais habitual. A krigagem normal (ordinária) é um estimador BLUE (best linear unbiased estimator). É dito linear, visto que as suas estimativas são combinações lineares ponderadas das medidas. É dito não enviesado pois procura que a média dos erros de estimação seja igual a zero. É dito o melhor porque pretende que a variância dos erros de estimação seja mínima (Monego et al., 2010). 3. MATERIAIS E MÉTODOS No presente trabalho apresenta-se uma análise geoestatística de um conjunto de dados cedidos pelo laboratório de análise de solos da Universidade Tecnológica Federal do Paraná (UTFPR). Os elementos-traço analisados foram: Cobre (Cu), Cromo (Cr), Níquel (Ni) e Zinco (Zn), encontrados após análise laboratorial em amostras de solo coletadas no pátio de carros apreendidos da Polícia Rodoviária Federal, no município de Araucária, Paraná. O teor indicado para todos os metais analisados é em mg/kg de amostra de solo analisada. A Figura 1 apresenta o local de coleta e a representação bidimensional dos pontos amostrais georreferenciados na área em estudo. Figura 1 Local da amostragem (esquerda) e representação bidimencional dos pontos de coleta (direita) Foi realizada uma análise estatística descritiva para obter uma caracterização geral do comportamento da dispersão do conjunto de dados. Utilizou-se como coordenadas espaciais (UTM) o ponto exato do local onde foi retirada a amostra de solo. Para a análise estatística e geoestatística utilizou-se o software R e o pacote GeoR (R Development Core Team, 2008). 4. RESULTADOS E DISCUSSÃO A estimação através da krigagem apresenta melhores resultados quando os dados seguem uma distribuição ao menos aproximadamente normal. Quando os dados apresentam alta assimetria, a XXI Simpósio Brasileiro de Recursos Hídricos 4
5 média e variância globais dos valores dos dados não são adequados para caracterizar a continuidade espacial (Paz-Gonzalez et al., 2001). A Tabela 1 apresenta o resumo estatístico do conjunto de dados. Os valores positivos do coeficiente de assimetria indicam uma assimetria positiva na distribuição. Os valores do coeficiente de variação são interpretados como a variabilidade dos dados em relação à média. Quanto menor o seu valor mais homogêneo é o conjunto de dados. Pode ser observado uma certa heterogeneidade nos conjuntos de dados. Observando os míninos e máximos verificou-se que o intervalo da amplitude é alto, o que pode justificar essa heterogeneidade. Para o elemento Ni a amplitude é bem mais baixa representando que esse conjunto de dados é mais homogênio, e isto é confirmado pelo valor do coeficiente de variação do Ni que é mais baixo. Tabela 1 Sumário estatístico dos dados Parâmetros Metais Cu mg/kg Cr mg/kg Ni mg/kg Zn mg/kg Mínimo 11,099 16,08 10,80 32,93 Máximo 135,71 294,48 76,81 311,54 Média 32, ,47 102,18 Coeficiente de Variação (%) 107,51 75,37 51,53 77,05 Coeficiente de Assimetria 2,03 1,29 0,70 1,49 Curtose 2,81 0,77-0,42 1,02 1ºQuartil 16,54 65,65 24,92 57,78 3ºQuartil 24,63 116,50 45,24 89,64 Continuando a análise exploratória dos dados foram realizados gráficos de quartis para os elementos analisados. Através deles podemos verificar onde localizam-se os pontos amostrais de maior concentração (mg/kg). Esses valores, na Figura 2, estão representados pelas bolinhas maiores escuras (3º e 4º quartil). No caso do Cu esses valores encontram-se localizados do centro e na parte inferior da área de coleta, sendo valores acima de 24,63. Ao passo que, o Cr possui valores acima de 116,50; o Ni com valores acima de 45,24 e Zn valores acima de 89,64 (ver Tabela 1), posicionados na parte inferior da área. Esses pontos próximos com valores similares dão-nos evidências de que existe dependência espacial. Figura 2 Gráfico de dispersão mostrando os quartis O passo seguinte foi quantificar a dependência espacial através dos semivariogramas empíricos. Foram gerados os semivariogramas empíricos para os dados e adotou-se o modelo estacionário isotrópico. O ponto de corte dos semivariogramas foi estabelecido para os diferentes modelos através de uma análise visual, levando-se em consideração uma fração da máxima distância e a sua estabilização após certa distância. Na análise visual dos semivariogramas pode ser constatado que existe dependência espacial. Para modelar a dependência espacial utilizou-se os modelos esférico, XXI Simpósio Brasileiro de Recursos Hídricos 5
6 exponencial e gaussiano. Para estimação dos parâmetros do semivariograma C0, C1 e a, para subsequente uso na previsão espacial, os modelos foram ajustados através do método dos mínimos quadrados ponderados. Foi realizado o procedimento de validação cruzada através dos parâmetros calculados pelas equações (5), (6) e (7). Após este calculo escolheu-se o melhor modelo dentre os testados. A Tabela 2 apresenta os parâmetros do modelo escolhido (Esférico) e a Figura 3 os semivariograma empíricos e os modelos testados. Tabela 2 Parâmetros do Semivariograma para o modelo escolhido (Esférico) Metal C 0 C 1 a Cu ,23 15,97 m Cr ,58 7,74 m Ni 0 235,19 6,47 m Zn ,88 10,50 m Para todos os modelos testados o C0 (efeito pepita) encontrado foi igual a zero, mostrando que a variabilidade a pequenas distâncias é nula. O elemento Ni apresentou uma variabilidade bem menos acentuada e o Zn a variabilidade mais alta. Os valores de alcance dos variogramas mais baixos foram verificados para o Cr e Ni, ao passo que o Cu apresentou alcance maior. Figura 3- Semivariogramas Empíricos e os Modelos Esférico, Exponencial e Gaussiano Após a escolha do modelo realizou-se, então, a krigagem ordinária dos dados utilizando os parâmetros do modelo de semivariograma escolhido, no caso esférico, para estimar a distribuição da dispersão dos elementos-traço nas amostras de solo, conforme Figura 4. Figura 4 Mapa das estimativas dos elementos-traço analisados utilizando a krigagem ordinária e o modelo esférico XXI Simpósio Brasileiro de Recursos Hídricos 6
7 Uma avaliação visual dos mapas mostra claramente a variação espacial da concentração dos elementos. Observando os mapas da Figura 4 e comparando os resultados com a Tabela 1 pode-se perceber que a amplitude das estimativas se encontram na faixa da amplitude da amostragem. Isso revela que a análise geoestatística pode fornecer boas estimativas da dispersão desses poluentes, sendo um método muito valioso para avaliação de impacto ambiental gerado. 5. CONCLUSÃO Após a análise geoestatística dos elementos-traço, observou-se que o modelo esférico obteve menor erro na etapa de validação cruzada. Aplicando este modelo aos dados coletados e utilizando a krigagem ordinária foi possível gerar mapas da distribuição espacial da concentração dos respectivos poluentes. Os resultados representam um retrato da situação que se encontrava o solo do pátio de carros apreendidos na Polícia Rodoviária Federal no município de Araucária naquele dia. Os resultados obtidos foram muito satisfatórios e levam a crer que o uso desta metodologia traz contribuições significativas para caracterizar a dispersão de elementos-traço no solo. REFERÊNCIAS CLARK, I.; HARPER, W. (2000). Practical Geostatiscs 2000, Ecosse North America Llc, USA, 342p. ISBN: COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL (1999). Manual de gerenciamento de áreas contaminadas. São Paulo: Companhia de Tecnologia de Saneamento Ambiental. ISAAKS, E.H.; SRIVASTAVA, R.M. (1989). Applied Geostatistics. Oxf University, New York, 561p. KITANIDIS, P. (1997). Introduction to geostatistics: Applications in hydrogeology.cambridge University Press, New York, 249p. ISBN: LANDIM, P.M.B. (1998). Análise estatística de dados geológicos. Editora da UNESP (Ciência e Tecnologia), São Paulo, 226p. MAKARA, C.N.; DIB, W.H.; KUMMER, L.; MONEGO, M.L.C.D. (2014). Avaliação da contaminação do solo em depósito de veículos por metais no município de Araucária. In Anais do 4º Seminário De Extensão E Inovação Da UTFPR. Cornélio Procópio PR, setembro MONEGO, M.L.C.D; RAMOS, P.; NEVES, M.V. (2010). Avaliação de impacto ambiental de descargas de águas residuais usando uma metodologia geoestatística. Revista Brasileira de Recursos Hídricos, vol. 15, n.3, Jul/Set, R DEVELOPMENT CORE TEAM (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing,Vienna, Austria. ISBN , URL PAZ-GONZALEZ, A., TABOADA CASTRO, M.T., VIEIRA, S.R. Geostatistical analysis of heavy metals in a one-hectare plot under natural vegetation in a serpentine area. Canadian Journal of Soil Science, vol. 81. pp , XXI Simpósio Brasileiro de Recursos Hídricos 7
8 SOARES, A. (2000). Geoestatística para as Ciências da Terra e do Ambiente, IST Press, Lisboa, 206p. ISBN: WACKERNAGEL, H. (2003). Multivariate geostatistics: An introduction with applications. Springer, Berlin, 291p. YAMAMOTO, J.K.; LANDIM, P.M.B. (2013). Geoestatística: conceitos + aplicações. Editora Oficina de textos, 1ª ed., São Paulo, 215p. XXI Simpósio Brasileiro de Recursos Hídricos 8
ANÁLISE GEOESTATÍSTICA DE UMA DESCARGA DE ÁGUAS RESIDUAIS Geostatistic Analysis of a Sewage Outfall Discharge
2. as Jornadas de Hidráulica Recursos Hídricos e Ambiente [2007], FEUP, ISBN 978-989-95557-1-6 ANÁLISE GEOESTATÍSTICA DE UMA DESCARGA DE ÁGUAS RESIDUAIS Geostatistic Analysis of a Sewage Outfall Discharge
Geoestatística 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
Tópicos 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
VARIABILIDADE 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
INSTITUTO 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.
Laboratório 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
INTRODUÇÃO 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
INTRODUÇÃO 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
INSTITUTO 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
Prof: 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
ESTIMATIVA 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
GEOSTATISTICAL MODELING OF THE OCCURRENCE LEPTOSPIROSIS CASES AND FLOODING IN CURITIBA - PR CITY, IN 2014
MODELAGEM GEOESTATÍSTICA DA OCORRÊNCIA DE CASOS DE LEPTOSPIROSE E ALAGAMENTOS NO MUNICIPIO DE CURITIBA PR, NO ANO DE 014 B. DOZSA, M. L. C. D. MONEGO * e L. KUMMER Universidade Tecnológica Federal do Paraná
ANÁLISE 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
Nivelamento: 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
O 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
COKRIGAGEM. 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
UTILIZAÇÃO DE GEOESTATÍSTICA PARA O ESTUDO DO ATRIBUTO COBRE NO SOLO. Gabriel Tambarussi Avancini 1 RESUMO
UTILIZAÇÃO DE GEOESTATÍSTICA PARA O ESTUDO DO ATRIBUTO COBRE NO SOLO Gabriel Tambarussi Avancini 1 RESUMO Este trabalho teve como objetivo estudar a espacialização do atributo cobre, Cu, do solo utilizando
Introdução 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
Utilização de diferentes estimadores de semivariância com modelo teórico exponencial
Utilização de diferentes estimadores de semivariância com modelo teórico exponencial Marcilia Bruna dos Reis Teixeira João Domingos Scalon 3 Introdução A Geoestatística aborda a detecção da estrutura da
Autor 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
USO DO SOFTWARE GEOEST PARA ANÁLISE ESPACIAL DA PRECIPITAÇÃO PLUVIAL ANUAL NO ESTADO DE SÃO PAULO
USO DO SOFTWARE GEOEST PARA ANÁLISE ESPACIAL DA PRECIPITAÇÃO PLUVIAL ANUAL NO ESTADO DE SÃO PAULO Laurimar Gonçalves Vendrusculo 1 José Ruy Porto de Carvalho 2 Sidney Rosa Vieira 3 RESUMO O objetivo do
VARIABILIDADE 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
ANÁLISE DA VARIABILIDADE ESPACIAL DOS NÍVEIS DE ph EM UMA ÁREA AGRÍCOLA COMERCIAL UTILIZANDO MÉTODOS GEOESTATÍSTICOS
ANÁLISE DA VARIABILIDADE ESPACIAL DOS NÍVEIS DE ph EM UMA ÁREA AGRÍCOLA COMERCIAL UTILIZANDO MÉTODOS GEOESTATÍSTICOS Bruna Gabriela Wendpap 1 Miguel Angel Uribe Opazo 2 RESUMO: A geoestatística surgiu
João Marcos Louzada 1, Marcelo Silva de Oliveira 2, Marcelo de Carvalho Alves 3
COMPONENTES PRINCIPAIS E GEOESTATÍSTICA PARA CARACTERIZAR A VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DE SOJA NO ESTADO DE MINAS GERAIS EM ESCALA MUNICIPAL João Marcos Louzada 1, Marcelo Silva de Oliveira
Interpolação. 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
Um estudo da variabilidade espacial de condutividade elétrica do solo
Um estudo da variabilidade espacial de condutividade elétrica do solo Natália da Silva Martins 1 André Freitas Colaço 2 Paulo J. Ribeiro Jr. 3 1 Introdução Atualmente há uma necessidade do aumento da eficiência
Incerteza 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
INCORPORARAÇÃO 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
Autocorrelação Espacial. Sistemas de Informação Geográfica II. Estatística espacial MAUP. Estatísticas espaciais. Estatística espacial
Sistemas de Informação Geográfica II Estatística espacial Alexandre Gonçalves DECivil - IST alexandre.goncalves@tecnico.ulisboa.pt Autocorrelação Espacial Os dados de locais próximos entre si tendem a
Geoestatística como ferramenta para análise espacial da precipitação para o Mato Grosso e seleção de modelos semivariográficos
Embrapa Informática Agropecuária/INPE, p. 485-492 Geoestatística como ferramenta para análise espacial da precipitação para o Mato Grosso e seleção de modelos semivariográficos Vanessa Rakel de Moraes
Perfil geoestatístico de taxas de infiltração do solo
Perfil geoestatístico de taxas de infiltração do solo João Vitor Teodoro¹ Jefferson Vieira José² 1 Doutorando em Estatística e Experimentação Agronômica (ESALQ/USP). 2 Doutorando em Irrigação e Drenagem
PATRÍCIA RAMOS (1), MAURICI MONEGO (2) e MÁRIO VALENTE NEVES (3)
3 as Jornadas de Hidráulica, Recursos Hídricos e Ambiente [008], FEUP, ISBN 978-989-95557--3 ANÁLISE ESPACIAL DA DESCARGA DE ÁGUAS RESIDUAIS DO EXUTOR SUBMARINO DA FOZ DO ARELHO USANDO GEOESTATÍSTICA Spatial
GEOESTATÍSTICA 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
Variabilidade espacial da condutividade elétrica em pomares de laranja
Variabilidade espacial da condutividade elétrica em pomares de laranja Natalia da Silva Martins 1, André Freitas Colaço 2, Paulo R. Justiniano Jr. 3, Paulo Molin 4 Resumo: O mapeamento de atributos químicos
Artigo 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
KRIGAGEM INDICATIVA KRIGAGEM INDICADORA (Krigagem da Indicatriz)
Avaliação dos valores médios das variáveis que definem um recurso natural: krigagem ordinária. E para características extremas? Para valores acima, ou abaixo, de valores de corte? KRIGAGEM INDICATIVA KRIGAGEM
RESENHA 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.
5 PREVISÃO DE SÉRIES TEMPORAIS DE VAZÃO DE DRENOS DA BARRAGEM DE FUNIL
5 PREVISÃO DE SÉRIES TEMPORAIS DE VAZÃO DE DRENOS DA BARRAGEM DE FUNIL 5.1 Introdução Existem situações, como por exemplo, em grandes obras de engenharia (portos, barragens, usinas nucleares, etc.), em
Resumo. Abstract. Docente da Universidade Federal do Pampa - UNIPAMPA, Campus Itaqui-RS; 2
DOI: 10.5433/1679-0375.2013v34n1p125 Proposta de uma generalização para os modelos de semivariogramas Exponencial e Gaussiano Proposal of a generalization for Exponential and Gaussian semivariogram models
Trabalho 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
Referência 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
RELATÓRIO 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
LABORATÓRIO 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
Estatística 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
Variabilidade 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
IV Simpósio de Geoestatística Aplicada em Ciências Agrárias 14 e 15 de Maio de 2015 Botucatu, São Paulo
AMOSTRAS VIRTUAIS NO PLANEJAMENTO AMOSTRAL DE ATRIBUTOS DO SOLO DE UMA BACIA HIDROGRÁFICA Moraes 1, D. A. C., Sartori 2, A. A. C., Zimback 3, C. R. L. 1 Doutorando em Irrigação e Drenagem, FCA/UNESP Departamento
Distribuição 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
PATRÍCIA RAMOS (1), MAURICI MONEGO (2) & MÁRIO V. NEVES (3)
Jornadas de Hidráulica Recursos Hídricos e Ambiente 008, FEUP, ISB xxxxxx AÁLISE ESPACIAL DA DESCARGA DE ÁGUAS RESIDUAIS DO EXUTOR SUBMARIO DA FOZ DO ARELHO USADO GEOESTATÍSTICA Spatial Analysis of a Sewage
PONTIFICIA 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
Referência 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
Disciplina 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
Laboratório 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
KRIGAGEM: 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
ANÁLISE GEOESTATÍSTICA DOS CASOS DE DENGUE EM CURITIBA
ANÁLISE GEOESTATÍSTICA DOS CASOS DE DENGUE EM CURITIBA José Carlos Pereira Coninck Universidade Tecnológica Federal do Paraná Curitiba. Av. Sete de Setembro, 3165 - Rebouças Curitiba. coninck@gmail.com
KRIGAGEM ORDINÁRIA E INVERSO DO QUADRADO DA DISTÂNCIA APLICADOS NA ESPACIALIZAÇÃO DA POPULAÇÃO DE Zaprionus indianus
KRIGAGEM ORDINÁRIA E INVERSO DO QUADRADO DA DISTÂNCIA APLICADOS NA ESPACIALIZAÇÃO DA POPULAÇÃO DE Zaprionus indianus Mauricio Paulo Batistella Pasini 1, Alessandro Dal Col Lúcio 2, Diniz Fronza 3, Liane
ARTIGO 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
INTERPOLAÇÃO 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
Análise espacial da espécie Prosopis juliflora consorciada com o Cenchrus ciliaris L. no bioma caatinga. 0.1 Introdução. 0.2 Material e métodos
Análise espacial da espécie Prosopis juliflora consorciada com o Cenchrus ciliaris L. no bioma caatinga Marystella Duarte Correia 1 Ricardo Alves de Olinda 2 Rômulo Simões Cezar Menezes 3 0.1 Introdução
SELEÇÃO DE MODELOS DE VARIABILIDADE ESPACIAL E ELABORAÇÃO DE MAPAS TEMÁTICOS DO TEOR DE CARBONO NO SOLO. Rodrigo de Almeida Muniz
SELEÇÃO DE MODELOS DE VARIABILIDADE ESPACIAL E ELABORAÇÃO DE MAPAS TEMÁTICOS DO TEOR DE CARBONO NO SOLO Rodrigo de Almeida Muniz RESUMO: O estudo do carbono orgânico no solo constitui-se um desafio através
Aplicação 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
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
MÁXIMOS ANUAIS DE PRECIPITAÇÃO DIÁRIA NA ILHA DA MADEIRA: UM ESTUDO SOBRE NÍVEIS DE RETORNO
MÁXIMOS ANUAIS DE PRECIPITAÇÃO DIÁRIA NA ILHA DA MADEIRA: UM ESTUDO SOBRE NÍVEIS DE RETORNO Resumo DÉLIA GOUVEIA-REIS 1, LUIZ GUERREIRO LOPES 2 E SANDRA MENDONÇA 3 1 FCEE-UMa Faculdade de Ciências Exatas
CURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 7: Semivariograma: Definição, Estimativa, Cálculo, Dependência espacial, Parâmetros do semivariograma, Componentes de um semivariograma, Criando (gráfico) um semivariograma,
5 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
USO DE TÉCNICAS GEOESTATÍSTICAS PARA O PLANEJAMENTO DAS ATIVIDADES DE RESGATE DE FLORA EM ÁREAS DE SUPRESSÃO
USO DE TÉCNICAS GEOESTATÍSTICAS PARA O PLANEJAMENTO DAS ATIVIDADES DE RESGATE DE FLORA EM ÁREAS DE SUPRESSÃO André Luís Casarin Rochelle Biólogo Pós-Dr. em Ecologia Fabiana Bonani Bióloga Mestre em Recursos
KRIGAGEM INDICADORA KRIGAGEM INDICATIVA (Krigagem da Indicatriz)
Avaliação dos valores médios das variáveis que definem um recurso natural: krigagem ordinária. E para características extremas? Para valores acima, ou abaixo, de valores de corte? KRIGAGEM INDICADORA KRIGAGEM
SER 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
AGRICULTURA DE PRECISÃO POR METODOLOGIA GEOESTATÍSTICA: APLICAÇÃO EM SOLOS DO ESTADO DE RONDÔNIA
AGRICULTURA DE PRECISÃO POR METODOLOGIA GEOESTATÍSTICA: APLICAÇÃO EM SOLOS DO ESTADO DE RONDÔNIA Gerson Flôres Nascimento 1, Paulo Milton Barbosa Landim 2 1 Universidade Federal de Rondônia, Depto Matemática,
GEOESTATÍSTICA APLICADA NA AGRICULTURA DE PRECISÃO UTILIZANDO O VESPER
Empresa Brasileira de Pesquisa Agropecuária Embrapa Solos Ministério da Agricultura, Pecuária e Abastecimento Secretaria de Desenvolvimento Agropecuário e Cooperativismo Departamento de Propriedade Intelectual
Laboratório 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.
APLICAÇÃO DA GEOESTATÍSTICA NA ANÁLISE DE EXPERIMENTOS COM MAMONA (Ricinus communis L.)
APLICAÇÃO DA GEOESTATÍSTICA NA ANÁLISE DE EXPERIMENTOS COM MAMONA (Ricinus communis L.) Verônica Yumi Kataoka 1, Vânia Corrêa Mota 1, Marcelo Silva de Oliveira 1, Antônio Lucrécio Santos Neto 1, Luis Felipe
INTRODUÇÃO. Univariada Bivariada Multivariada. Classificação. Análise Espacial Descrição Estimação
INTRODUÇÃO Dados Monitorização Ambiental Descrição Estatística Univariada Bivariada Multivariada Classificação d A B C D E F G γ(h) 12 c0+c1 8 4 Mina de Feitais -Teor em As (%) Sondagem Modelo Esférico
ANÁLISE VARIOGRÁFICA. A Geoestatística é baseada nos seguintes conceitos: Funções aleatórias. Variável regionalizada.
ANÁLISE VARIOGRÁFICA A Geoestatística é baseada nos seguintes conceitos: Funções aleatórias Variável regionalizada Estacionariedade 1 2 No espaço (2D) ocorrem infinitos valores de uma variável. Por amostragem
GEOESTATÍSTICA NO R: UM ESTUDO COMPARATIVO ENTRE DOIS SCRIPTS. Geostatistics in R: a comparative study between two scripts
GEOESTATÍSTICA NO R: UM ESTUDO COMPARATIVO ENTRE DOIS SCRIPTS Batista, A. P. B. 1, Santos, G. R. 2, Mello, J. M. 3, Silva, K. E. 4, Kaleita, A. 5 1 Doutorando em Engenharia Florestal, UFLA/LEMAF/Departamento
Incerteza 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
IV 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
Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
ANÁLISES 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
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ PLANO DE DISSERTAÇÃO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ PLANO DE DISSERTAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA E EXPERIMENTAÇÃO AGRONÔMICA CURSO DE MESTRADO ANA JULIA RIGHETTO ORIENTADOR(A):
GEOESTATíSTICA: FUNDAMENTOS E APLICAÇÕES. Qual o tamanho ideal do domínio ou da janela de estimação?
5 GEOESTATíSTICA: FUNDAMENTOS E APLICAÇÕES 5.1 INTRODUÇÃO Eduardo Celso Gerbi Camargo Como nos ensina Burrough (1998), quando os dados são abundantes, a maior parte dos métodos de interpolação produz valores
METÓDOS DE REGRESSÃO KERNEL
METÓDOS DE REGRESSÃO KERNEL George Cavalcanti de Albuquerque Júnior 1; Getúlio José Amorim do Amaral 2 1 Estudante do Curso de Estatística - CCEN UFPE; E-mail: gcdaj1@de.ufpe.br, 2 Docente/pesquisador
Mais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
IV 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.
3 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
PLANO DE ENSINO MÉTODOS ESTATÍSTICOS II. 1) IDENTIFICAÇÃO Disciplina: Método Estatístico II Código da Disciplina:
PLANO DE ENSINO MÉTODOS ESTATÍSTICOS II 1) IDENTIFICAÇÃO Disciplina: Método Estatístico II Código da Disciplina: 9071008 Carga Horária: 40 horas/aula Período Letivo: Professor(a): Édila Cristina de Souza
TT64 COMPARAÇÃO DE MODELOS INFERENCIAIS TRADICIONAIS E ESPACIAIS UTILIZANDO DIFERENTES VARIÁVEIS DE LOCALIZAÇÃO.
TT64 COMPARAÇÃO DE MODELOS INFERENCIAIS TRADICIONAIS E ESPACIAIS UTILIZANDO DIFERENTES VARIÁVEIS DE LOCALIZAÇÃO. CARLOS ALBERTO PERUZZO TRIVELLONI ENGENHEIRO CIVIL (UNIVERSIDAD DE LA REPÚBLICA, MONTEVIDÉU,
Congresso 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
Análise de variância para experimentos com dependência espacial entre parcelas: abordagem autoregressiva e Geoestatística
Análise de variância para experimentos com dependência espacial entre parcelas: abordagem autoregressiva e Geoestatística Diogo Francisco Rossoni (DES/UEM) Cristina Henriques Nogueira (DEX/UFLA) Renato
Modelagem de fenômenos naturais ANÁLISE ESTATÍSTICA DE VARIÁVEIS REGIONALIZADAS
FACULDADE DE CIÊNCIAS AGRONÔMICAS UNESP, campus de Botucatu Programa de Pós-Graduação ANÁLISE ESTATÍSTICA DE VARIÁVEIS REGIONALIZADAS Paulo M. Barbosa Landim paulomblandim@gmail.com 11/07 Análise espacial
AULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Análise 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
Uso da krigagem indicatriz na avaliação espacial de percevejos da espécie Piezodorus guildinii na Safra 2011/12.
Uso da krigagem indicatriz na avaliação espacial de percevejos da espécie Piezodorus guildinii na Safra 2011/12. Farias, C.H. 1 ; Oliveira, M.C.N. de 2 ; Roggia, S. 2 ; 1 Universidade Norte do Paraná (Unopar),
ANÁLISE ESPACIAL DA COBERTURA VEGETAL EM ÁREA DE PASTAGEM UTILIZANDO GEOESTATÍSTICA
ANÁLISE ESPACIAL DA COBERTURA VEGETAL EM ÁREA DE PASTAGEM UTILIZANDO GEOESTATÍSTICA Gustavo Soares de Souza 1, Julião Soares de Souza Lima 2, Samuel de Assis Silva 3, Alexandre Cândido Xavier 2 1 Eng.
KRIGAGEM INDICATIVA APLICADA À ELABORAÇÃO DE MAPAS PROBABILÍSTICOS DE RISCOS
KRIGAGEM INDICATIVA APLICADA À ELABORAÇÃO DE MAPAS PROBABILÍSTICOS DE RISCOS Paulo M. Barbosa Landim Professor Emérito Universidade Estadual Paulista/UNESP José Ricardo Sturaro Professor Assistente Doutor
FLÁVIA FERREIRA BATISTA INFLUÊNCIA DE MODELOS DE DEPENDÊNCIA ESPACIAL NA DEFINIÇÃO DE MAPAS TEMÁTICOS
FLÁVIA FERREIRA BATISTA INFLUÊNCIA DE MODELOS DE DEPENDÊNCIA ESPACIAL NA DEFINIÇÃO DE MAPAS TEMÁTICOS Dissertação apresentada à Universidade Federal de Viçosa, como parte das exigências do Programa de
THE 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,
VALIDAÇÃO DO MODELO PELO USO DE MEDIDAS DE NÃO LINEARIDADE
VALIDAÇÃO DO MODELO PELO USO DE MEDIDAS DE NÃO LINEARIDADE Adriana de Souza COSTA 1, Glaucia Amorim FARIA 2, Ana Patricia Bastos PEIXOTO 1 1 Departamento de Estatística, Universidade Estadual da Paraíba-UEPB,