24Ribeiro Jr (2007) dizem que esse comportamento errático se deve ao fato de que a distribuiçãoamostral marginal de cada ordenada v i j é proporcional a uma distribuição qui-quadra<strong>do</strong> com 1grau de liberdade, sen<strong>do</strong> portanto, fortemente assimétrica e com alto coeficiente de variação.Visan<strong>do</strong> facilitar o aspecto computacional <strong>do</strong> processo e ter uma interpretação gráficaplausível, Pannatier (1996) sugeriu dividir em intervalos a variação das distâncias u e representar,no ponto médio de cada intervalo, o valor médio <strong>do</strong> grupo das semivariâncias relativasa esse intervalo. O semivariograma se reduz a uns poucos pontos, permitin<strong>do</strong> o ajuste de ummodelo variográfico teórico, usan<strong>do</strong> como critério de ajuste méto<strong>do</strong>s basea<strong>do</strong>s em minimizaro erro médio quadrático, da<strong>do</strong> pela diferença entre o valor médio de v para uma distância u 0representante <strong>do</strong> intervalo e o valor teórico nessa mesma distância, ou seja, um erro <strong>do</strong> tipo(γ(u 0 ) − v(u 0 )) 2 . O gráfico típico resultante desse procedimento é mostra<strong>do</strong> na Figura 2.9.O estima<strong>do</strong>r pelo méto<strong>do</strong> <strong>do</strong>s momentos mais utiliza<strong>do</strong> para a semivariância é aqueleproposto por Matheron (1962) e defini<strong>do</strong> como:ˆγ(u) =1|2N(u)|∑( y(xi ) − y(x j ) ) 2N(u)(2.18)onde N(u) = { (x i ,x j ) : x i − x j = u;i, j = 1,2,...,n } é o conjunto <strong>do</strong>s pares cujas distâncias éu. Para Braga (1990), se Y for uma função aleatória estacionária, então esse estima<strong>do</strong>r, soba hipótese intrínseca, é não-tendencioso e não-vicia<strong>do</strong> para a média mas muito afeta<strong>do</strong> porobservações atípicas (outliers).Atteia, Dubois e Webster (1994) disseram que a situação ideal em uma região homogêneasegun<strong>do</strong> as observações amostrais de uma variável Y(x) espacialmente distribuída,corresponderia à reta bissetriz no primeiro quadrante de um plano cartesiano, onde ficariamaloca<strong>do</strong>s os pontos <strong>do</strong> diagrama u-dispersão. Mas a realidade é diferente disso, apresentan<strong>do</strong>pontos fora dessa reta. Esses pontos representam as diferenças de duas coordenadas quaisquer.Pela Figura 2.8, deduz-se que:cos45 0 =d αY(x α + u) −Y(x α )d α = cos45 0 (Y(x α + u) −Y(x α ))sen<strong>do</strong> que α representa uma certa distância fixa.A distância média quadrática γ(u) será obtida como:
25Y α (x+u)Y α (x).. ... d α ❅❅ 45 0❅Y α (x) cos(45 0 ) =d αY α (x+u) −Y α (x)Figura 2.8: Ilustração geométrica da obtenção de um par de pontos <strong>do</strong> variograma empirico. d αrepresenta a distância de um ponto separa<strong>do</strong> de outro por uma distância u até a reta bissetriz deum diagrama de dispersão u-scaterplot.γ(u) =γ(u) =∑N(u)1d 2 α = cos2 45 0N(u) N(u)α=1∑N(u)12N(u)α=1N(u)∑α=1(Y(x α + u) −Y(x α )) 2(Y(x α + u) −Y(x α )) 2que corresponde à expressão <strong>do</strong> estima<strong>do</strong>r <strong>do</strong> semivariograma experimental apresentada porIsaaks e Srivastava (1989), Journel e Huijbregts (1978), Pannatier (1996), Matheron (1962)entre outros.semivariância0 50 100 1500 100 200 300 400 500distânciaFigura 2.9: Variograma empírico agrupa<strong>do</strong> em classes (“bina<strong>do</strong>”) de concentração de cálcio emárea com 178 pontos amostrais, em da<strong>do</strong>s de pesquisa de Oliveira (2003).Essa abordagem vem sen<strong>do</strong> a<strong>do</strong>tada por diversos autores em estu<strong>do</strong>s que envolvemaplicações agrícolas. Reichardt, Vieira e Libardi (1986) estudaram 50 da<strong>do</strong>s de pH de solo,
- Page 4: A meus filhos, Denise e André e a
- Page 8 and 9: 4 CONCLUSÕES E SUGESTÕES DE TRABA
- Page 10 and 11: direita ilustra também o comportam
- Page 12 and 13: Figura 2.21 Distribuição a poster
- Page 14 and 15: Lista de TabelasTabela 2.1Estatíst
- Page 16 and 17: Lista de SiglasAPGPSSIGMVMVRACPCEPB
- Page 18 and 19: A análise revelou a capacidade do
- Page 20 and 21: deals with samples of small size.Ke
- Page 22 and 23: 2se dá na região Nordeste do Esta
- Page 24 and 25: 4reais, os fenômenos frequentement
- Page 26 and 27: 2 MODELO GEOESTATÍSTICO GAUSSIANOU
- Page 28 and 29: 8mente como Dβ é efeito espacial
- Page 30 and 31: 102.2.2 Componente determinísticoS
- Page 32 and 33: 12(a ′ ,b ′ ) = (a,b)(cos(ψA )
- Page 34 and 35: 14Para Tragmar, Yost e Uehara (1985
- Page 36 and 37: 162.4 TIPOS DE MODELO DE CORRELAÇ
- Page 38 and 39: 182.4.1 Função de correlação de
- Page 40 and 41: 20ρ(h) − Esferica0.0 0.2 0.4 0.6
- Page 42 and 43: 22Como solução dessas equações
- Page 46 and 47: 26de amostras coletadas com espaça
- Page 48 and 49: 28Agora substituindo σ 2 R+τ 2 I
- Page 50 and 51: 30[(l(φ,ν 2 ) = − 1 (Y − Dβ)
- Page 52 and 53: 32Segundo Perry e Iemma (1999) os e
- Page 54 and 55: 34variância do erro. Em uma coorde
- Page 56 and 57: 36origem, todavia o conhecido Teore
- Page 58 and 59: 38O modelo geoestatístico dado pel
- Page 60 and 61: 40Se forem conhecidos os parâmetro
- Page 62 and 63: 42então:[β;|Y(x);φ]∼ tnσ +n(
- Page 64 and 65: 44σ 2 r ′ (φ)R −1 (φ) r(φ)
- Page 66 and 67: 46d) Predição com incerteza nos p
- Page 68 and 69: 48região do patamar oriental da Ba
- Page 70 and 71: 50Figura 2.11: Localização das am
- Page 72 and 73: 52do valor de referência de 2,75 t
- Page 74 and 75: 54amostrais têm dimensão 5 × 5 m
- Page 76 and 77: 56os resultados obtidos por MV mas
- Page 78 and 79: 58256 amostras128 amostras64 amostr
- Page 80 and 81: 60Figura 2.19: Localização das am
- Page 82 and 83: 62Estatísticas descritivas da pred
- Page 84 and 85: 642.8.5 Conclusões sobre o método
- Page 86 and 87: 66suporte da ACP para a redução d
- Page 88 and 89: 68três ecossistemas. Efetuaram uma
- Page 90 and 91: 70 (y 2,1 )• x 4• x 1(y 1,1 )(
- Page 92 and 93: 72Figura 3.2: Grid regular com loca
- Page 94 and 95:
74observações y 1 (x i ) e y 2 (x
- Page 96 and 97:
76O método de cokrigagem poderá s
- Page 98 and 99:
783.5 REDUÇÃO DO NÚMERO DE VARI
- Page 100 and 101:
80como:R =( )V − 21 −1 (Σ V 2)
- Page 102 and 103:
82ou a componente representante de
- Page 104 and 105:
84secundária apresentada no caso a
- Page 106 and 107:
86t ha −1 obtida de fato na área
- Page 108 and 109:
883.6.5 Conclusões sobre o método
- Page 110 and 111:
90• Comparar diferentes formulaç
- Page 112 and 113:
92CRESSIE, N. Fitting variogram mod
- Page 114 and 115:
94PEBESMA, E. J.; WESSELING, C. G.
- Page 116 and 117:
ANEXO A -- Figuras: Validação Cru
- Page 118 and 119:
98data1.5 3.01.5 3.0predicted0.0 0.
- Page 120 and 121:
ANEXO B -- Código fonte R das aná
- Page 122 and 123:
102}45 }}## −−−−−−−
- Page 124 and 125:
104## Dados256 $SB ,## Dados256 $ i
- Page 126 and 127:
106## summary ( Soja256 . geo )## r
- Page 128 and 129:
108285 #### −−−−−−−
- Page 130 and 131:
110375 ##par ( mfcol =c ( 5 , 2 ) ,
- Page 132 and 133:
112##summary ( Soja64S .KC$ p r e d
- Page 134 and 135:
114t i t l e ( main="256 amostras"
- Page 136 and 137:
116par ( mfrow=c ( 1 , 2 ) , mar=c
- Page 138 and 139:
118Listagem B.2: Análise univariad
- Page 140 and 141:
12080 sd ( IMA18$ARG1)sd ( IMA18$AR
- Page 142 and 143:
122##165 ## D e f i n i n d o o mod
- Page 144 and 145:
124## −−−−−−−−−
- Page 146 and 147:
126## −−−−−−−−−
- Page 148 and 149:
128130 ###### iConeiCone150S . geo
- Page 150 and 151:
130round ( prop . t a b l e ( t a b
- Page 152 and 153:
132## F I M## −−−−−−−
- Page 154 and 155:
13445 ####IMA18