Baixe o app para aproveitar ainda mais
Prévia do material em texto
* Análise Espacial de Dados Geográficos Superfícies Contínuas * Objetivos da Análise Espacial: Descrição de Padrões Espaciais Explicação (ou até Predição) de Eventos (riscos etc.) Identificação de Clusters Distribuição Espacial do Fenômeno * Análise Espacial de Dados Geográficos Funções de análise típicas Buffers Intersection / sobreposição / overlay Análise Multicritério / Média Ponderada Operações entre matrizes (Combine / Raster calculator) Análise de pontos (Densidade de Kernel etc.) Análise de Áreas (Moran etc.) Análise de Superfícies (Interpolações, Geoestatística etc.) * Superfícies Contínuas: Estimadas a partir de amostras (pontuais e/ou lineares) Distribuição das amostras: regular irregular Mais usado para dados biofísicos, mas também se investiga sua aplicação para dados socioeconômicos Objetivo: reconstruir a superfície de onde vieram as amostras Fonte: Câmara et al. (2002) * Técnicas de Amostragem Estatística Clássica Aleatória Amostragem Aleatória Simples - Amostragem Sistemática - Amostragem Estratificada - Amostragem por Clusters - Amostragem Multi-Etápica Não Aleatória Amostragem por Conveniência - Amostragem por Quotas Em Geociências (com uso de dados georreferenciados) -E possível garantir aleatoriedade em todos os casos onde as amostras estão distribuídas no espaço? Usar estratégias para minimizar tendências / viés * Dependência Espacial Segundo Waldo Tobler (1970), citado em Câmara (2002): “Primeira Lei da Geografia”: “todas as coisas são parecidas, mas coisas mais próximas se parecem mais que coisas mais distantes”. Consequências da Dependência Espacial: Estimativas com variâncias maiores Níveis menores de significância nos testes de hipóteses Maior dificuldade no ajuste dos dados empíricos com os modelos teóricos * Opções para as Estimativas Fonte: Help do SPRING * Tipos de Grades Regular (Grid) Fonte: Help do SPRING * Tipos de Grades TIN (Triangular Irregular Network) Sem Linha de Quebra Com Linha de Quebra Fonte: Help do SPRING * Estimativas de Superfícies Modelar a Variabilidade Espacial: Interpolação Modelos Determinísticos Vizinho mais Próximo; Média Ponderada (1/d2); Spline Superfícies de Tendência Modelos Estocásticos ou Estatísticos Krigagem * Fonte: Camargo et al. Interpoladores Determinísticos * Fonte: Camargo et al. Interpoladores Determinísticos Vizinho mais Próximo Média 1/d2 IDQ ou IDW * Interpoladores Estocásticos/Estatísticos Krigagem Origem em Daniel G. Krige – década de 1950 (1951) – em estudos de mineração → Introduziu Médias Móveis para evitar a superestimativa sistemática das interpolações tradicionais. Características consideradas na Krigagem: Matriz de Covariância Espacial Determinação de pesos para as amostras Tratamento das redundâncias vizinhança erro associado (variância) ao valor estimado → Localização geográfica e dependência espacial Em média, fornece estimativas não tendenciosas e variância mínima * Por que compensa usar a Geoestatística? Área de Estudo P r o c e d i m e n t o s d e t e r m i n í s t i c o s geoestatística Amostras de campo inverso da distância média Simples vizinho + próximo Fazenda Canchim São Carlos - SP Fonte: slide do curso Geoestatística para Geoprocessamento/ INPE
Compartilhar