Estimativa Teórica do Tamanho da Amostragem da Geoestatística considerando o Modelo de Variograma Gaussiano

Autores

  • André Mendes Universidade Federal de Viçosa
  • Gerson Rodrigues dos Santos Universidade Federal de Viçosa https://orcid.org/0000-0002-4306-8334
  • Paulo Cesar Emiliano Universidade Federal de Viçosa https://orcid.org/0000-0002-1314-9002
  • Patrícia de Sousa Ilambwetsi Universidade Federal de Viçosa
  • Amy Leigh Kaleita Iowa State University

Palavras-chave:

Geoestatística, Amostragem, Taxa de Nyquist

Resumo

Na Geoestatística Clássica existe uma grande necessidade de pesquisas que criem
e/ou investiguem métodos de amostragem de dados geoespaciais. Além da complexidade do
assunto, alguns trabalhos apresentam soluções que utilizam mecanismos teóricos e práticos
de diferentes áreas do conhecimento científico que atendem demandas específicas de
pesquisadores da área. O objetivo deste artigo é utilizar a Teoria da Informação de Sinais
Elétricos, principalmente considerando o Teorema da Taxa de Nyquist, para determinar um
tamanho ótimo para amostras georreferenciadas que usam grade quadrática regular, no qual
o modelo de dependência espacial é o gaussiano. O que se deseja alcançar teoricamente é
uma densidade de amostragem necessária para a reconstrução de mapas populacionais de
variáveis nas quais as condições de regularidade necessárias em geoestatística foram
verificadas, a saber: estacionariedade de 1a e 2a ordem e/ou estacionariedade do variograma,
ausência de outliers e tendências, e variograma isotrópico. Como resultado, pode-se afirmar
que a distância máxima entre os pontos da grade regular quadrática é de aproximadamente
30% do alcance prático observado no variograma da primeira amostragem experimental.

Biografia do Autor

André Mendes, Universidade Federal de Viçosa

Departamento de Estatística. Área: Ciências Exatas

Gerson Rodrigues dos Santos, Universidade Federal de Viçosa

Departamento de Estatística - Centro de Ciências Exatas

Paulo Cesar Emiliano, Universidade Federal de Viçosa

Departamento de Estatística - Centro de Ciências Exatas

Patrícia de Sousa Ilambwetsi, Universidade Federal de Viçosa

Departamento de Estatística - Centro de Ciências Exatas

Amy Leigh Kaleita, Iowa State University

Department of Agricultural and Biosystems Engineering

Referências

ABRAMOWITZ, M.; STEGUN, I. A. Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables. Washington, D.C.: U.S. Government Printing Office, 1972, 1046 p.

ARMSTRONG, M. Basic Linear Geostatistics. Springer, Berlin, 153 p.

BROOKER, P. I. A geostatistical primer. World Scientific, 1991. 95 p.

BRUS, D.J.; HEUVELINK, G.B.M., 2007. Optimization of sample patterns for universal kriging of environmental variables. Geoderma 138, 86-95.

CLARK, I. Practical geostatistics. London: Applied Science Publishers, 1979. 130p.

CLARK, I. SAIMM Conference, Fourth World Conference on Sampling & Blending, 21-23 October 2009. The Journal of The Southern African Institute of Mining and Metallurgy, v. 110, p. 307-312, June 2010.

CLARK, I.; HARPER, W. V. Practical geostatistics. Geostokos (Ecosse) Limited, 2000. 416 p.

CRESSIE N. A. C.; Wikle, C. K. Statistics for spatio-temporal data. Wiley: New Jersey, 2011, 588 p.

DIGGLE, P. J.; MENEZES, R.; SU, T. Geostatistical inference under preferential sampling. Journal of the Royal Statistical Society: Series C (Applied Statistics) 59.2 (2010): 191-232.

DRUCK, S. et al. Análise Espacial de Dados Geográficos. Brasília, EMBRAPA, 2004.

ESRI. ArcGIS, 2014.

FERREIRA, D. F. Estatística básica. Lavras: Editora Ufla, 2a ed. ampliada e revisada. 2009. 664 p.

FERREIRA, I. O.; SANTOS, G. R.; RODRIGUES, D. D. Estudo sobre a utilização adequada da krigagem na representação computacional de superfícies batimétricas. Revista Brasileira de Cartografia. Nº 65/5, setembro/outubro 2013. (ISSN: 1808-0936)

JOURNEL, A. G., HUIJBREGTS, C. J. Mining Geostatistics. Academic Press, London, 1978, 600 p.

MODIS, K, PAPAODYSSEUS, K. Theoretical estimation of the critical sampling size for homogeneous ore bodies with small nugget effect. Math Geol 38(4), 2006, 489–501.

MOOD, A. M.; GRAYBILL, F. A.; BOES, D. C. Introduction to the Theory of Statistics. McGraw Hill. 1974, 480 p.

OLEA, R. A. Geostatistics for engineers and earth scientists. Kluwer Academic Publishers,

London, 1999, 303 p.

OLEA, R. A. A practical primer on geostatistics. Open-File Report, 2009-1103. U.S. Geological Survey, 2009. 346 p.

OLIVEIRA, M. et al. Introdução à Estatística, 2a ed. Lavras: UFLA, 2014. 462 p.

PEIGNÉ, J. et al. Soil Sampling based on field spatial variability of soil microbials indicators. European Journal of soil Variability, v.45, p.488-495, 2009.

PINTO, E. S. O.; SANTOS, G. R. ; OLIVEIRA, F. L. P. Análise Espaço-Temporal Aplicada às Ocorrências de Hipertensão e Diabetes nos Municípios do Estado de Minas Gerais. Revista Brasileira de Biometria, v. 32, p. 238-266, 2014.

SANTOS, G. R. et al. Krigagem Simples versus Krigagem Universal: qual o preditor mais preciso? Revista Energia na Agricultura, Botucatu, vol. 26, n. 2, 2011, p. 49-55.

SHANNON, C. E. The Mathematical Theory of Communication. Univof Illinois Press, 1949.

SILVA, S. A. et al. Avaliação de interpoladores estatísticos e determinísticos na estimativa de atributos do solo em agricultura de precisão. Idesia, v. 26, n. 2, p. 75-81, 2008.

Vašát, R.; Heuvelink, G. B. M.; Borůvka, L. Sampling design optimization for multivariate soil mapping. Geoderma, v. 155, n. 3-4, pp. 147–153, 2010.

VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R.F.; ALVAREZ, V.H.; SCHAEFER, G.R. (Ed.) Tópicos em ciência do solo. Viçosa: SBCS, 2000. v.1, p.1-54.

VER HOEF, J. Sampling and geostatistics for spatial data. Écoscience (2002): 152-161.

WEBSTER, R.; OLIVER, M. A. Geostatistics for environmental scientists. 2. ed. Wiley, 2007. 315p.

YAMAMOTO, J. K.; LANDIM, P. M. B. Conceitos e Aplicações. São Paulo: Oficina de Textos, 2015. Acesso em: 02 de fevereiro, 2018. Disponível em: <https://books.google.com.br/>.

YFANTIS, E. A.; Flatman, G. T.; Behar, J. V. Efficiency of kriging estimation for square, triangular and hezagonal grids. Mathematical Geology 19, 1987, 183-205.

WHITTAKER, J. M. On the Functions Wich are Represented by the Expansions of the Interpolation Theory. Proc. Royal Soc. Edinburgh, Sec. A, vol. 35, pp. 181-194, 1915.

Downloads

Publicado

07-05-2019

Como Citar

Mendes, A., dos Santos, G. R., Emiliano, P. C., Ilambwetsi, P. de S., & Kaleita, A. L. (2019). Estimativa Teórica do Tamanho da Amostragem da Geoestatística considerando o Modelo de Variograma Gaussiano. Sigmae, 7(1), 17–30. Recuperado de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/829

Edição

Seção

Estatística Aplicada