Engenheiro Agrimensor / Especialista GIS

Secretaria da Segurana Pblica da Bahia Superintendncia de Gesto Tcnica e Organizacional - SGTO Coordenador de Geoprocessamento Escola Politcnica Universidade Federal da Bahia UFBA Departamento de Transportes Professor de Geoprocessamento e pesquisador em Recursos Hidricos e-mail: rnegrao@ufba.br / rnegrao@ssp.ba.gov.br

Atencao Este material e uma adaptacao do original elaborado pela ESRI detentora dos direitos autorais. www.esri.com

Pr requisitos
Os estudantes devem ter concludo uma faculdade ou curso de estatstica nvel introdutrio (ou ter conhecimentos equivalentes) e deve possuir conhecimentos bsicos de anlise de superfcie e interpolao dos dados.

Descrio
Com o ArcGIS geoestatstica os usurios de GIS podem explorar, visualizar e criar sofisticadas superfcies com tima previso, bem como superfciesestatsticasde probabilidadee erropadro. Este curso introduz alguns conceitos fundamentais da geoestatstica e ensina comocriare compararsuperfciesinterpoladas.

Metas
Aqueles que conclurem este curso ser capaz de aplicar um processoestruturadobaseadoemmodelagemde dadoscomgeoestatstica. - Escolhaummtododeinterpolaoadequadosparaos dados. - Determinaromelhormodeloestatsticodosdadosdaamostra. - Criar e distinguir entre os mapas de previso, os mapas de erro padro, os mapasdequantise mapasdeprobabilidade.

Curso de Introduo

Este curso para aqueles de vocs que em algum momento, utilizando o ArcGIS Geoestatistical Analyst e perguntou-se: "Como posso fazer isso? Voc est prestes a descobrir. Se voc estiver enferrujado em estatsticas, o passeio pode ser um pouco instvel no incio, mas no deve ser muito ruim. Ao final deste curso, voc estar mais confortvel em criar superfcies geoestatsticas com todos os mtodos de Analise de Geoestatstica: 1. 2. 3. 4. 5. Inverso da distncia ponderada; Polinomial Global; Local Polinomial; Funes de Base Radial, e Krigagem.

Voc ser capaz de fazer escolhas informadas sobre as configuraes dentro de cada mtodo, e voc ser capaz de avaliar e comparar os resultados finais.

Noes bsicas de anlise geoestatstica

Neste mdulo, voc ir seguir uma abordagem sistemtica anlise de dados como voc aprender a usar o ArcGISgeoestatstica dos analistas. Voc vai trabalhar com um nmero de diferentes mtodos de interpolao espacial de dados e ferramentas de explorao. Voc tambm aprender sobre os diferentes tipos de superfcies espaciais que podem ser criados com o interpolador de krigagem. Ento, se voc est pronto para descobrir o que Geoestatistical Analyst faz e como ele funciona.

Os objetivos de aprendizagem Um aluno que conclui este mdulo: 1 - Aprenda a abordagem de cinco etapas estruturado para anlise de dados. 2 - Empregam essa abordagem durante toda a serie de apresentaes do Geostatistical Analyst. 3 - Sabe mais sobre os mtodos de superfcie de interpolao que podem serem usados. 4 - Criar e comparar superfcies utilizando cada um desses mtodos. 5 - Sabe mais sobre e criar os quatro tipos de superfcies que podem ser produzidos com Kriging. 6 - Comparar e contrastar os mtodos de interpolao geoestatstica.

Uma abordagem estruturada da anlise de dados Este tpico mostra como proceder a uma anlise metdica dedados de entrada e sada de superfcies utilizando ArcGISgeoestatstica .

O processo de anlise Uma anlise aprofundada da geoestatstica envolve um processo metdico. Em ltima instncia, seu objetivo tomar um conjunto de pontos de dados e criar um modelo que lhe diz coisas interessantes e teis sobre como os dados so distribudos em uma rea inteira. O processo pode ser dividido nos seguintes passos:

1 - Representando os dados significa transformar informaes em dados espaciais em um SIG. Por exemplo, as leituras da poluio tidas em estaes de vigilncia podem ser convertidos em recursos ponto. 2 - Explorando os dados: utilizao de ferramentas estatsticas, como grficos de distribuio de freqncia, para procurar padres nos dados. 3 - Ajustando um modelo significa escolher um mtodo de interpolao da superfcie para estimar valores de dados em locais onde as medidas no foram tomadas. 4 - Realizao de diagnstico que consiste em utilizar testes estatsticos, tais como validao cruzada, para avaliar a qualidade das estimativas. 5 - Comparando-se os modelos que implica a avaliao da qualidade de um conjunto de estimativas em relao aos outros. interpolao da superfcie A estimativa de valores de z de uma superfcie em um ponto no amostrados a partir dos valores conhecidos z dos pontos circundantes. validao cruzada O processo onde um dado removido e o restante dos dados so utilizados para prever o dado removido. Para produzir um grfico de validao cruzada em geoestatstica , cada ponto de dados sistematicamente retirados e o modelo usado para obter um valor previsto para aquele local. O processo repetido para todos os pontos e os previstos e valores atuais so plotados.

Um passeio pelo Geostatistical Analyst (Part 1) Neste exerccio, voc vai acompanhar as duas primeiras etapas da abordagem estruturada para a anlise de dados que representam e exploram os dados.

Step 1 - Start ArcMap and Geostatistical Analyst Start ArcMap and open a new, empty map. From the Tools menu, choose Extensions. If necessary, check the box for Geostatistical Analyst and close the Extensions dialog.

From the View menu, point to Toolbars, and click Geostatistical Analyst to display the Geostatistical Analyst toolbar.

Step 2 - Add the ozone data The first stage in the analysis process is to represent the data, which means to display the data values as points on a map. Click the Add Data button. Navigate to your VirtualCampus\Geostats\Basics folder and add the ca_outline.shp and ca_ozone_pts.shp data sets.

Um esboo do estado da Califrnia, junto com as localizaes das amostras de concentrao de oznio. Um mapa simples como este uma representao do SIG das coordenadas fsicas de seus dados.

Simbolizam os dados a seu gosto. Nota: Nos grficos Ver resultado, a camada ca_outline simbolizada com um contorno azul-escuro e um preenchimento transparente. A cor dos pontos de oznio Lapis Lazuli e seu tamanho de 2 pontos. Que cuida da primeira fase do processo, representando os dados.Voc vai explorar os dados em todo o resto do exerccio. Step 3 - View a histogram Na barra de ferramentas Geostatistical , clique Analista geoestatstica , aponte para explorar dados, e escolher Histograma. Um histograma ou um grfico de freqncia. (Voc pode redimensionar a histograma, arrastando os seus lados ou cantos). Na parte inferior do histograma, certifique-se na lista suspensa camada definida como ca_ozone_pts. Na lista suspensa atributo, escolha de ozono.
histograma Um grfico de barras onde os dados so divididos em grupos. A largura das barras mostra o intervalo de valores em cada grupo, e a altura da barra indica quantos valores so em cada grupo.

Step 4 - Use the histogram No eixo X do histograma, observe que os valores de dados originais forammultiplicados por 10. Esta para fins grfica, a fim de transportar apenas alguns dgitos significativos sobre o eixo-x no importa o que a escala dos dados originais. No histograma, clique na barra esquerda (o nico com os valores do ozonovariando de 0,45 a 0,58). Mova o histograma de distncia do ecr do mapa.

Step 4 - Use the histogram

Os pontos de amostragem que se encontram dentro deste intervalo (os menores)esto em destaque no mapa. Agora clique na barra direita. Os pontos de amostragem com os maiores valores esto na rea a leste de LosAngeles (regio conhecida localmente como o Inland Empire). Experincia com alguns dos outros ajustes. Por exemplo, alterar o nmero de barrasdo histograma, desmarque a caixa de Estatstica, e aplicar algumas das transformaes. Quando terminar, clique em uma parte vazia do grfico para limpar os pontosselecionados. Feche o histograma

Step 5 - View a semivariogram Voc vai continuar a explorar os dados olhando para o semivariograma. Na barra de ferramentas Analista geoestatstica, clique no menu Analistageoestatstica, aponte para explorar dados, e escolher Semivariogram / CovarinciaCloud. O semivariograma dos dados aberta. (Voc pode redimensionar a janela arrastando os seus lados.) Na parte inferior da caixa de dilogo, certifique-se na lista suspensa camada definida como ca_ozone_pts. Na lista suspensa atributo, escolha de ozono.

Step 5 - View a semivariogram

Step 5 Interpretando um semivariogram Interpretando o semivariograma nuvem covarincia / O semivariograma nuvem covarincia / permite que voc examine a autocorrelao espacial entre os pontos de amostragem avaliados. Cada ponto vermelho no grfico representa um par de localizaes. Cada valor doeixo y, chamado de valor de semivariograma, a diferena de quadrados de valor entre as duas localidades. Cada valor do eixo x a distncia entre as duas localidades. O princpio da auto-correlao espacial nos diz que os pares de localidades que esto prximas na distncia tambm deve estar perto do seu valor. No grfico, isso significa que os pontos vermelhos que esto perto de zero no eixo x tambm deve ser prximo de zero no eixo y (como se mover para a esquerda em x, voc deve se mover para baixo em y). Como a distncia entre os pares os aumentos ponto, os valores semivariograma deve tambm aumentar (como voc ir para a direita em x, voc deve mover-se sobre y). Alm de uma certa distncia, a nuvem se achata, indicando que os valores entre os pares de locais j no so espacialmente correlacionados

Step 5 Interpretando um semivariogram

Step 6 Destaque um ponto no semivariogram Use o mouse para arrastar uma caixa ao redor do ponto vermelho mostra o grfico a seguir.

No grfico, o ponto destacado em azul. No mapa, os dois locais utilizados para calcular que o ponto vermelho esto destacados e ligados.

No mapa, voc pode ver que os dois locais so bastante prximas umas das outras(que por isso que o ponto em destaque prximo de zero no semivariograma eixo-x). Os valores, no entanto, so distantes. Deixar o semivariograma aberto, mas afast-lo do mapa. Zoom para em seguida, identificar os dois pontos ligados. A janela Resultados Identificar exibe os valores. Um deles tem um valor de 0,06409, o outro um valor de 0,1736. Feche a janela Resultados Identificar e ampliar a extenso. No semivariograma, clique em uma parte vazia do grfico para remover o realce do ponto. O semivariograma uma boa ferramenta para encontrar locais outliers-locais com valores que so muito diferentes dos seus vizinhos, mas no pode ser fora do alcance do conjunto de dados de valores.

Step 7 Mostrar direo da pesquisa No semivariograma, marque a caixa Mostrar Pesquisa caixa de direo. Isso reduz o nmero de pontos vermelhos no grfico por pares de pontos quesatisfazem apenas os parmetros de direo da pesquisa so exibidos. Por padro, os pares de localizao so mostrados enquanto eles tm uma orientao geral norte-sul. (A direo do ngulo zero, uma linha reta norte-sul. A tolerncia o ngulo de 45 graus. pares de locais que esto no prazo de 45 graus de alinhamento norte-sul perfeito ser traado. Step 8 Ajuste a direo Coloque o ponteiro do mouse em qualquer lugar ao longo da linha azul direo do ngulo da superfcie de semivariograma. Clique e arraste para que a linha horizontal.

Agora coloque o ponteiro do mouse sobre um dos dois ns que ligam uma linhavermelha (tolerncia ngulo) para uma linha roxa (banda larga). Clique e arraste para que os ns so mais prximos.

Voc tambm pode definir os valores exatos dos parmetros no lado direito da janela. Nota: No Resultado Ver grfico, a direo do ngulo 90 graus, o ngulo de tolerncia de 13 graus, e a largura de banda de 0,9. Seus valores no tm de corresponder exatamente. No grfico, observe que o nmero de pontos vermelhos muito reduzida.

Step 9 Destaque para localizao de pares no semivariograma Coloque o ponteiro do mouse em algum lugar sobre a nuvem semivariograma. Clique e arraste uma linha mais ou menos vertical para destacar todos os pares de locais que esto mesma distncia. No mapa, todos os pares de localidades que tm uma orientao leste-oeste para a distncia especificada so destacados e ligados.

Clique em uma parte vazia do grfico para desmarcar a seleo. Fechar o semivariograma / Covarincia janela Cloud.

Step 10 Salvando o mapa

Voc terminou as duas primeiras fases da anlise, representar e explorar os dados.No prximo exerccio, voc ir concluir o processo. Navegue at a Geostats \ Bsicos \ MyData pasta e salvar o mapa como geostats_tour. Voc vai us-lo novamente no prximo exerccio.

Um passeio pelo Geostatistical Analyst (Part 2) No exerccio anterior, que representou os seus dados, adicionando pontos de medio de oznio a um mapa da Califrnia. Em seguida, explorou os dados com um histograma e um semivariograma. A prxima etapa no processo de anlise o de ajustar um modelo aos dados. Ajustando um modelo significa fazer um mapa usando um dos mtodos de interpolao geoestatstica dos analistas.

Step 1 Abrindo mapa Inicie o ArcMap e abra um mapa vazio. Se necessrio, ligue a extenso e exibir a barra de ferramentas Geostatical. Navegue at a Geostats \ Bsicos \ MyData pasta e abra o documento de mapa que voc criou no exerccio anterior (geostats_tour.mxd). Voc v o estado da Califrnia e os pontos de amostragem de oznio.

Step 2 Faa um mapa com o Inverso da distncia ponderada No menu Geostatistical Analyst, escolha geoestatstica Wizard. No primeiro painel, verifique se os dados de entrada ca_ozone_pts, em seguida,definir o atributo ao oznio. Na caixa de Mtodos na parte inferior da caixa de dilogo, escolha Inverso da distncia ponderada.

Clique em Avanar. No segundo painel da janela, no canto superior esquerdo, clique em Optimize PowerValue. Observe que o poder muda 2-3,8516.

Voc usar os padres para as outras configuraes. Clique em Concluir, em seguida, clique em OK na sada de dilogo informaes de camadas.

O Inverso da distncia da camada de ponderao adicionado ao mapa.

Step 3 Clip da camada para a fronteira do estado A extenso da camada de ponderao inversa Distncia um retngulo definido pelas coordenadas delimitadora da camada ca_ozone_pts. Voc clipe da camada para o limite da Califrnia. Na Tabela de Contedo, clique com o boto direito Layers (o quadro de dados) e clique em Propriedades. Na caixa de dilogo Propriedades de dados Frame, clique na guia Dados Frame. Na parte inferior da janela, marque a caixa Ativar e clique em especificar a forma

Na Tabela de Contedo, clique com o boto direito Layers (o quadro de dados) e clique em Propriedades. Na caixa de dilogo Propriedades de dados Frame, clique na guia Dados Frame. Na parte inferior da janela, marque a caixa Ativar e clique em especificar a forma. Ver resultado Na caixa de dilogo Dados Clipping Frame, certifique-se que: a opo Esquema de recursos selecionado no menu suspenso Layer ca_outline na lista suspensa Recursos Tudo Clique em OK, clique em OK para fechar os dados do quadro de dilogo Propriedades.

Step 4 Definir a extenso da camada para a fronteira do estado Agora voc vai aumentar a extenso do mapa para incluir a fronteira do estado inteiro. Na Tabela de Contedo, clique com o boto direito Inverso da distncia ponderada e clique em Propriedades. Na caixa de dilogo Propriedades da Camada, clique na guia Extenso. Definir o grau de extenso retangular de ca_outline.

Click OK.

Na Tabela de Contedo, clique no nome da camada para selecion-lo. Cliquenovamente e renomeie a camada IDW Optim um. No Sumrio, arraste a camada acima da camada ca_ozone_pts Optimum IDW.

Turn off the IDW Optimum layer.

Step 5 Faa um mapa com Kriging. No menuGeostatistical Analyst , escolha geoestatstica Wizard. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos na parte inferior da caixa de dilogo, escolha Krigagem. Clique em Concluir, em seguida, clique em OK na sada de dilogo informaes de camadas. A camada de krigagem ordinria adicionado ao mapa. (Ele j est preso fronteirada Califrnia, porque esta definio uma propriedade da estrutura de dados.)

Step 6 Definir a extenso da camada para a fronteira do estado No Table of Contents, boto direito do mouse na camada krigagem ordinria e escolha Propriedades. Se necessrio, clique na guia Extenso. Definir o grau de extenso retangular de ca_outline e clique em OK

Rename the layer OK Default.

Step 7 Faa uma camada de arquivo padro OK Na Tabela de Contedo, clique o boto direito do Default OK e escolha Salvar Como camada do arquivo. In the Save Layer dialog, navigate to your Geostats\Basics\MyData folder. Name the file Ordinary Kriging Default.lyr.

Click Save.

Step 8 Adicione o arquivo de camada para o documento Clique no boto Dados> Adicionar, navegue at a pasta Geostats\Basics\MyData, e adicionar a camada de arquivo que voc acabou de fazer. Ele aparece no topo do ndice com o nome Default OK. Voc tem agora duas cpias da camada padro OK no documento de mapa Step 9 Alterar as propriedades do mtodo No Table of Contents, boto direito do mouse no topo da camada e clique em OK PadroMtodo > Propriedades. O Assistente de geoestatstica abre. No altere nada no primeiro painel. Clique em Avanar. Na parte inferior do segundo painel, alterar o tamanho do atraso para 12000.

Tanto o semivariograma (superior esquerdo) e da superfcie de semivariograma(inferior esquerdo) mudar em resposta ao tamanho da defasagem novo. Clique em Concluir, em seguida, clique em OK na sada de dilogo Layer Informao. No ndice, renomeie o LagSize12000 camada superior em OK.

Click na camada LagSize12000 OK e desligar a compar-lo com a camada padroOK embaixo. Uma olhada rpida mostra que os mapas so diferentes.

Step 10 Adicione outra camada e alterar as propriedades do mtodo Clique no boto Add Data e adicione krigagem ordinria Default.lyr. A camada adicionada no topo da tabela de contedo com o nome Default OK. Boto direito do mouse no topo da camada e clique em OK Padro Mtodo Propriedades. No altere nada no primeiro painel. Clique em Avanar. No segundo painel, alterar o tamanho do atraso para 20000. No canto superior direito do painel, para alterar o modelo exponencial. Marque a caixa de anisotropia.

O semivariograma e a atualizao do semivariograma de superfcie, em resposta s mudanas. Clique em Avanar. O terceiro painel mostra os pontos de amostragem de dados que so usados para calcular o valor de um local desconhecido (marcado por linhas de interseo).

O nmero de pontos da amostra registrado no canto superior direito do painel de visualizao, juntamente com uma escala aproximada de seu peso (peso relativo) no clculo. Clique em alguns lugares diferentes no painel de visualizao. Observe que os movimentos de bairro e pontos de nova amostra so selecionados. No lado direito da caixa de dilogo, altere o nmero de vizinhos para incluir 510.Alterar o Incluir no menor nmero de 2-5. Clique em alguns lugares mais no painel de visualizao.

Clique em Avanar.

Step 11 Realizar diagnstico O quarto painel corresponde quarta fase do diagnstico de anlise de dados estruturados desempenho em um modelo. O grfico mostra os valores medidos para os pontos de dados no eixo-x, e os valores que o modelo prev para esses mesmos locais no eixo-y. Essa tcnica,chamada de validao cruzada, os testes da qualidade do modelo. Quanto mais prximos os pontos so para a linha tracejada cinza melhor. (A linha cinza representa valores idnticos para os valores previstos e reais).

Uma medida resumo da diferena entre os valores previstos e reais o erro quadrtico mdio (0,1164 no caso). Quanto menor for o root mean square, melhor. As coordenadas de cada ponto de amostragem e pela diferena entre o previsto e ovalor real so apresentados na tabela na parte inferior da janela. Clique em Concluir, em seguida, clique em OK na sada de dilogo informaes de camadas. No ndice, re nomeie a camada superior exponencial OK.

Click na camada OK exponencial se e desligando a comparar com a camadaLagSize12000 OK embaixo.

Step 12 - Compare os modelos

Voc est pronto para comparar os modelos, a ltima etapa da anlise. O documento mapa contm camadas de quatro modelos de previso. Trs das camadas (exponencial OK, LagSize12000 OK, OK e padro) so variaes do modelo de krigagem ordinria. A quarta (IDW Optimum) um modelo de ponderao inversa distncia. No Table of Contents, clique com o boto direito em OK camada exponencial e clique em Comparar. A caixa de dialogo Comparao validao cruzada se abre. Um grfico de validao cruzada para Exponencial OK aparece no lado esquerdo da janela. Grficos das camadas outro mapa pode ser exibida direita. Uma boa maneira de comparar os modelos estatisticamente com o nmero mdio de raiz quadrada na parte inferior da janela. Quanto menor for a raiz quadrada da mdia, quanto mais prximo o modelo chega, em mdia, para predizer os valores medidos que foram retirados da anlise. O modelo com o menor RMS provavelmente o que voc deseja manter. Use a lista suspensa na parte superior da caixa de dilogo para comparar exponencial OK para as outras camadas. Qual modelo tem a menor mdia da raiz quadrada? Exponencial OK LagSize12000 OK Default OK IDW Optimum Quando terminar, feche a validao cruzada de dilogo de comparao.

Step 13 Salvando o mapa Salve o documento do mapa e ArcMap sair. Agora voc tem alguma idia do que o Geostatistical Analyst pode fazer. Voc pode explorar um conjunto de dados com histogramas e semivariogramas, ajustar os dados a diferentes modelos, ajustar os parmetros do modelo, verificar o modelo de validao cruzada, e comparar os modelos entre si usando a raiz quadrada mdia medida. No prximo tpico, voc vai estudar a diferentes mtodos de interpolao que podem ser usados em analise geoestatstica.

Mtodos de interpolao interpolao da superfcie uma tcnica formal que utiliza valores em locais amostrados para prever valores em amostrados locais. Os valores podem descrever qualquer quantitativos geogrficos fenmeno. Exemplos comuns incluem a elevao, a precipitao, concentrao de oznio, temperatura e qumica do solo. Mtodos de interpolao se dividem em dois grandes grupos. Um deles um grupo de interpoladores determinsticos. Este grupo faz previses de frmulas matemticas que formam ponderada mdias dos valores conhecidos nas proximidades. Diferentes mtodos de uso diferentes maneiras para formar as mdias ponderadas. Este grupo inclui Inverse Distance Weighted, Global e Local polinmios, e Funes de Base Radial.

Mtodos de interpolao

O outro grupo utiliza mdias ponderadas, bem como, mas tambm modelos de probabilidade para fazer previses. Este grupo Krigagem e inclui todos os seus sub methods diferentes, incluindo a Universal e krigagem por indicao. Porque estes utilizar mtodos de clculos de probabilidade, eles so chamados interpoladores estocsticos. Todos os mtodos de usar a idia de uma pesquisa de previso bairro, onde voc olha para a dzia de conhecidos valores que esto mais prximas ao local de previso e descartar o resto dos dados. Isso feito para cada local de previso, assim que todos os dados so utilizados ao fazer uma superfcie interpolada.

Inverse Distance Weighted Inverso da Distancia Ponderada Inverso da distncia ponderada (IDW) interpolao implementa uma lei bsica da geografia coisas que esto perto um do outro so mais parecidos do que as coisas que esto distantes. Para estimar um valor para qualquer local desmedida, IDW usar os valores medidos em torno do local de previso. Os valores mais prximos medida para o local de previso tm mais influncia sobre o valor previsto do que aqueles que esto mais distantes (da o nome "distncia inversa ponderada). IDW assume que cada ponto de medida tem alguma influncia local, que diminui com a distncia. Na figura abaixo, voc pode ver trs diferentes curvas que mostram o quo rpido a influncia de um ponto decai com a distncia do local de previso.

Na curva azul, todos os locais de obter o mesmo peso, independentemente de quo longe eles esto do local de previso.Na curva verde, h uma ligeira diminuio da influncia de um ponto em que fica mais distante do local de previso. Na curva de vermelho, h a queda mais dramtica em termos de influncia de um ponto em que fica mais distante do local de previso. Observe que como as abordagens distncia zero, o peso relativos e aproxima de um. Isto significa que se um ponto de medida muito prximo do local de previso, que ir receber quase todo o peso. Assim, a IDW um interpolador "exato", o que significa que as previses sero exatamente iguais ao valor dos dados quando as previses ocorrem em locais onde os dados j foram coletados.

The search neighborhood A pesquisa por zona (ou bairro) Como mencionado no conceito anterior, uma lei bsica da geografia, diz que as coisas que esto perto um do outro so mais parecidos do que as coisas que esto mais afastadas.Como locais de amostragem se afastam do local de previso, a sua influncia sobre a localizao diminui previso. Para acelerar os clculos de interpolao, podemos ignorar os pontos distantes da amostra. (Alm da convenincia, h outra razo para ignorar esses pontos, se estiverem localizados em uma rea que muito diferente do local de previso, a sua influncia, ainda que pequena, seria indesejvel). prtica comum para especificar um bairro de pesquisa para limitar o nmero de valores de medio que so usados para prever um valor desconhecido. A forma do bairro define os limites da pesquisa. Voc pode estabelecer outros parmetros, bem como, colocao de novas restries que os locais dentro do bairro sero usados. Na imagem seguinte, cinco pontos obtidos sero utilizados para estimar um valor para o ponto amarelo desmedida.

Os cinco pontos medidos so mostrados em vermelho. O bairro de pesquisa descrito em azul. Os pontos pretos so ignorados; ns decidimos que eles esto muito longe em relao matria

Voc pode alterar a forma do bairro de busca. Se no houver influncias direcionais nos dados, voc quer dar peso igual aos pontos de amostragem, independentemente da sua direo a partir do local de previso. Isso significa que voc provavelmente vai querer o seu bairro um crculo. Por outro lado, se h influncia direcional em seus dados (como pode ser causado pela gua que escoa para baixo), ento voc pode querer fazer uma elipse com o eixo principal correndo para cima / baixo.

Se o fluxo de gua relevante para a anlise, em seguida, a ponta para cima a partir do local de previso podem ter mais influncia do que pontos perpendiculares drenagem, mesmo quando eles esto mais longe. Uma elipse de modelos esta situao melhor do que um crculo.

Uma vez que uma forma for especificado, voc pode restringir quais pontos de amostragem no bairro so usados. Voc faz isso especificando o nmero mximo e mnimo de pontos para usar e dividindo o bairro em setores. Se o bairro setorizada, ento o mximo e o mnimo de limitaes so aplicadas a cada parte.

O bairro dividido em quatro setores e um mnimo de um dado por setor foi especificado. Para um dos setores, a pesquisa deve se expandir para alm do bairro para encontrar um ponto de referncia.

Use Inverse Distance Weighted Step 1 Inicie o ArcMap e adicionar os dados de oznio Inicie o ArcMap e abrir um documento novo mapa. Clique no boto Add Data. Navegue at a VirtualCampus \ Geostats \ Basics pasta e adicione o ca_outline.shp e conjuntos de dados ca_ozone_pts.shp.

Simbolizam os dados como desejar. Dica: Nos grficos Ver resultado, a camada ca_outline simbolizada com um contorno azul-escuro e um preenchimento transparente. A cor dos pontos de oznio Lapis Lazuli e seu tamanho de 2 pontos.

Step 2 Use o interpolador Inverso da distncia ponderada Inicie o Assistente de geoestatstica. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos na parte inferior da caixa de dilogo, clique Inverso da distncia ponderada.

Clique em Avanar. No segundo painel da janela, no canto superior esquerdo, clique em Otimizar Power Value. Observe que o poder muda valor a 3,8516, indicando uma deteriorao rpida de influncia como os pontos se afastam do local de previso.

Clique em Concluir, em seguida, clique em OK na sada de dilogo informaes de camadas.

Step 3 Clip da camada para a fronteira do estado No topo da tabela de Contedo, clique com o boto direito Layers (o quadro de dados) e escolha Propriedades. Na caixa de dilogo Propriedades de dados Frame, clique na guia Dados Frame. Na parte inferior da janela, marque a caixa Permitir, clique em especificar a forma.

Na caixa de dilogo Dados Clipping Frame, certifique-se que: a opo Esquema de recursos selecionado no menu suspenso Layer ca_outline na lista suspensa Recursos Tudo (All)
Clique em OK, clique em OK para fechar os dados do quadro de dilogo Propriedades. Ver resultado O mapa de previso cortado para a fronteira do estado.

Step 4 Definir a extenso da camada para a fronteira do estado Renomeie a camada de Inverso da distncia ponderada a IDW Original. Na Tabela de Contedos, click com boto direito em IDW original e escolha Propriedades. Na caixa de dilogo Propriedades da Camada, clique na guia Extenso. Definir o grau de extenso retangular de ca_outline e clique em OK.

Aps resultado Desligue a IDW camada original.

Step 5 Modificar o bairro de pesquisa Inicie o Assistente de geoestatstica. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos certifique-se Inverso da distncia ponderada realado. Clique em Avanar. No segundo painel, definir os parmetros da seguinte forma: Vizinhos incluem: 5 Incluir pelo menos: 2 Tipo de formato: (quatro setores, com 45 graus de compensao) ngulo de viso: 340 Semiaxis Major: 100000 Semiaxis Menores: 50000 X local de ensaio de coordenadas: -2050000 Y local de ensaio de coordenadas: 216.000

No canto superior esquerdo da janela, clique na ferramenta Zoom In e arraste um retngulo ao redor do bairro de busca. Voc v os pontos de dados que ser usado para prever o local de ensaio (quando o bairro machados cruzados).

Step 6 Poder de alterar a configurao de uma nova camada IDW Clique valor de potncia Otimizar. Observe que o poder muda valor para 1,2433. Esta uma taxa de decaimento muito mais lento (a influncia de pontos de amostra diminui mais gradualmente com a distncia) do que o valor da Etapa 2. Clique em Concluir, em seguida, clique em OK na sada de dilogo informaes de camadas. Uma nova camada de ponderao inversa Distncia adicionado ao ArcMap.

Interpretando as cores dos pontos de dados A taxa de decaimento de influncia refletida nas cores ponto de dados. D uma olhada nos grficos a seguir ilustram isso. No grfico direita, o valor da potncia de 3,8. H um ponto vermelho e um ponto com uma influncia de mais de 10%. A maioria dos outros so verde - a sua influencia de 3% ou menos. (Dez dos quinze pontos utilizados para prever a localizao do teste tenha uma influncia de 3% ou menos, e seis delas tm uma influncia de apenas 1%). A influncia do ponto mais prximo ou nico para o local de ensaio bastante grande na pelo menos 57%. No grfico esquerda, o valor da potncia de 1,2. Trs pontos tm uma influncia de mais de 10%, e nove dos dez outros esto entre 5% e 10%. A influncia muito mais uniformemente distribuda entre os pontos amostrais.

Step 7 Definir a extenso da camada para a fronteira do estado Renomeie a nova camada de Inverso da distncia ponderada para IDW Ellipse Neighborhood. Na Tabela de Conteudos, clique com o boto direito IDW Ellipse Neighborhood e escolha Propriedades. Na caixa de dilogo Propriedades da Camada, clique na guia Extent , se necessrio. Definir a extenso da medida retangular de ca_outline clique em OK.

Step 8 Compare as superfcies Ligue a camada original IDW. Ligue a camada IDW Ellipse Bairro. Desligando consegue-se comparar visualmente as duas camadas. Na Tabela de Contedo, clique com o boto direito IDW EllipseBairro e clique em Comparar. A IDW Ellipse camada de bairro tem um menor erro quadrtico mdio do que a camada original IDW (0,01297 versus 0,01 342). Esta uma boa razo para escolhlo como um modelo melhor. Feche a validao cruzada de dilogo de comparao

Por que trabalhar com elliptical neighborhood melhor ?

Comparao entre o IDW Ellipse Neighborhood e o IDW Original

Na Califrnia, a disperso do oznio afetado por caractersticas geolgicas, como o litoral, serras e vales que so mais ou menos paralelo a 340 graus. Quanto mais voc conhece sua rea de estudo, mais cuidado voc pode escolher os parmetros do seu modelo. Step 9 Salve o Mapa Navegue at a Geostats \ Bsicos \ MyData pasta e salvar o mapa como interp. No prximo exerccio, voc vai continuar com o documento mesmo mapa.

Global polynomial Interpolao polinomial global ajusta uma superfcie lisa para os pontos de dados amostrados. Em contraste com a IDW, ele no usa informao local. Se voc estiver familiarizado com regresso,interpolao polinomial global ajusta uma regresso polinomial para o x-e y- coordenadas. Suponha que voc coletou os dados de elevao na figura a seguir.

Um polinmio de primeira ordem cabe um plano rgido com os dados. Visualize uma folha plana de papel apropriado para os pontos de elevao. Naturalmente, os valores de elevao inclui muitas depresses e salincias pouco alm da tendncia geral visto na figura acima. A superfcie plana de um polinmio suaviza global fora de todas as colises pequenas. Como a superfcie rgida, no vai passar exatamente atravs dos pontos de dados amostrados. Isso significa que o polinomial global no um interpolador exato, mas sim alisa mais numa escala de detalhes.

A primeira ordem da superfcie global polinmio em cross- section. A superfcie (linha vermelha) capta padro grosseiro escala nos dados. Ele no passa atravs dos dados amostrados (pontos verdes)

cross- section = Seo ou Corte Transversal

Uma folha de papel no ir representar uma paisagem com um vale. Nesse caso, voc pode escolher um polinmio de segunda ordem, que lhe permite "dobrar" o pedao de papel uma em cada direo. Um polinmio de segunda ordem permite que uma nica curva na superfcie. Da mesma forma, um polinmio de terceira ordem permite que duas curvas e assim por diante. Voc pode escolher at um polinmio de dcimo nos Analista geoestatstica. Global interpolao polinomial o nico mtodo de Analista de geoestatstica que no usa um bairro de busca. Se voc adicionara idia de um bairro de pesquisa para Global interpolao polinomial, voc comea a interpolao polinomial local, o que voc vai aprender sobre o conceito de prximo.

Step 1 Start ArcMap and open a map document

Start ArcMap. Navigate to your Geostats\Basics\MyData folder, and open the map document you created in the last exercise (interp.mxd).

Step 2 Escolha Global Interpolao polinomial Na Tabela de Contudos, desligue IDW Ellipse Neighborhood and IDW Original Inicie o Assistente de geoestatstica. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos na parte inferior da janela, clique em Global Polynomial Interpolation Clique em Avanar.

Step 3 Criar uma superfcie polinomial Global Neste painel (Etapa 1 de 2), voc ver um preview de uma primeira ordem de interpolao polinomial global para a superfcie. Lembre-se que um polinmio de primeira ordem mundial como uma folha de papel montado atravs dos pontos de amostragem.

Na parte superior da caixa de dilogo, altere a configurao para 2. (O poder a ordem do polinmio).

As mudanas de visualizao para um polinmio de segunda ordem global, o que permite uma curva na folha de papel. Experincia com as outras configuraes de energia, voc pode ir at 10. Quando terminar, coloque o poder de 2 e clique em Avanar.

Neste painel (Passo 2 de 2), voc ver um grfico de linha equipados traada atravs dos pontos de exemplo. Voc pode ver que a raiz quadrada mdia do erro 0,01679.

Clique em Voltar. Alterar a configurao de energia para 1 e clique em Avanar. Observe que a raiz quadrada mdia do erro um pouco maior, sugerindo que um polinmio de segunda ordem a melhor escolha para esta superfcie. Compare raiz quadrada mdia do erro para algumas das outras configuraes de energia.

Comparando-se o erro da raiz quadrada mdia Para esta superfcie, no existem grandes diferenas na raiz quadrada mdia do erro at chegar a polinmios de ordem superior. Para criar este grfico, os valores de erro RMS foram copiadas do Geostatistical Analyst em uma planilha Excel. Quando voc feito comparando, altere a configurao de volta para 2 e clique em Concluir. Clique em OK na sada de dilogo Layer Informao.

Uma camada Global polinomial adicionado a o ArcMap.

Step 4 Definir a extenso da camada para a fronteira do estado

Na tabela de conteudos, clique com o Global Interpolao Polinomial camada e escolha Propriedades. Na caixa de dilogo Propriedades da Camada, clique na guia Extenso. Definir o grau de extenso retangular de ca_outline e clique em OK.

Step 5 Compare a superfcie global polinomial para IDW Ellipse Bairro Na Tabela de Contedo, clique com o boto direito Global Interpolao Polinomial e clique em Comparar. Observe que IDW Ellipse bairro tem um menor erro quadrtico mdio. Feche a validao cruzada de dilogo de comparao.

Step 6 Alterar o poder de fixao da camada Polinomial Global Na tabela de conteudos, clique com o Global camada de interpolao polinomial e escolher Mtodo Propriedades. O Assistente de geoestatstica se abre para o painel onde voc define o poder. Alterar o poder 2-7 e clique em Concluir. Clique em OK na sada de dilogo Layer Informao.

Step 7 Comparando as superficies novamente

Na tabela de conteudos, colapso as duas camadas e arraste para o topo - camadas IDW e ca_ozone_pts. Observe que as reas sem pontos de dados tendem a ter muito alta ou muito baixos valores. Na Tabela de Contedo, clique com o boto direito Global Interpolao Polinomial e clique em Comparar. Na caixa de dilogo Cruz Comparao de validao, observe que a IDW Ellipse Bairro novo tem o menor erro quadrtico mdio. Feche a caixa de dilogo.

Step 8 Alterar a configurao do poder de resposta Na tabela de conteudos, clique com o Global Interpolao Polinomial camada e escolha Mtodo Propriedades. Alterar a configurao de energia a partir de 7 de volta para 2 e clique em Concluir. Clique em OK na sada de dilogo Layer Informao. Na tabela de conteudos, arraste a camada ca_ozone_pts a sua anterior posio (acima da camada ca_outline e abaixo da camada superficial).

Step 9 Salva o mapa Salvar o mapa. Voc vai continuar a us-lo no prximo exerccio.

Local polinomial Como voc observou, no exerccio, interpolao polinomial global cria uma superfcie a partir de uma nica frmula polinomial. Interpolao polinomial local cria uma superfcie de muitas frmulas diferentes, cada um dos quais otimizado para um bairro. O bairro forma, mximo e mnimo de pontos, e configurao do setor pode ser especificado. Alm disso, como com IDW, os pontos de amostragem em um bairro pode ser ponderada pela distncia do local de previso. Assim, a interpolao polinomial local produz superfcies que melhor representam a variao local. A primeira ordem polinomial local se encaixa em plano nico com pontos de dados no bairro de pesquisa, mas mantm apenas o valor montados no local de previso.O bairro, em seguida, desliza sobre a localizao prxima previso (cada bairro, assim, em grande parte as sobreposies em torno dele) e o processo repetido.Em cada caso, apenas o valor no local de previso mantida. Um polinmio de segunda ordem local cabe uma superfcie com uma curva para cada bairro de pesquisa, um de terceira ordem polinomial local cabe uma superfcie com duas curvas para cada bairro e assim por diante. Polinmios locais so mais flexveis do que os globais. Por exemplo, considere o caso de uma paisagem que se inclina, se nivela, e ento pistas novamente.

Um plano diferente est equipado diferentemente para cada um dos bairros ou zonas (linhas azuis) que se centram sobre os locais de previso (pontos amarelos) Um polinmio nico global no vai caber nesta paisagem muito bem. Interpolao polinomial local, no entanto, pode caber um plano diferente para cada bairro centrada em um local de previso. Como o interpolador considera cada localidade, por sua vez, os bairros se sobrepem. O valor utilizado para cada previso que do polinmio montado no centro do bairro de busca. Embora seja mais flexvel do que a interpolao polinomial global, interpolao polinomial local no um interpolador exato como IDW.

Funes de base radial Voc pode pensar da superfcie criado por funes de base radial como uma membrana de borracha que colocado a cada um dos pontos de dados medidos, minimizando a curvatura da superfcie total. Como a superfcie deve passar por cada ponto de amostragem, as funes de base radial so interpoladores exatos. Analista de geoestatstica utiliza cinco funes de base radial. Eles so similares, mas criar superfcies um pouco diferente porque eles usam a matemtica diferentes para se adequar a superfcie at aos pontos de amostragem. As cinco funes so: 1. 2. 3. 4. 5. thin-plate spline spline com tenso completamente regularizada spline funo multiquadric spline multiquadric inversa

Interpolao usando funes de base radial mostrada pela superfcie roxo; pensar nisso como uma folha de borracha bastante dura que dobra e dobra para caber exatamente para os pontos de dados da amostra.

Use Local Polynomial and Radial Basis Functions Step 1 Inicie o ArcMap e abrir um documento de mapa ArcMap Iniciar. Navegue at a Geostats \ Bsicos \ MyData pasta e abra o documento de mapa que voc est usando (interp.mxd). Step 2 Escolha interpolao polinomial local No ndice, desligue o Global camada de interpolao polinomial. Inicie o Assistente de geoestatstica. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos, clique em interpolao polinomial local. Clique em Avanar.

Step 3 Mova a barra deslizante de bairro ou zona Neste painel (Etapa 1 de 2), voc ver um preview de uma primeira ordem de interpolao polinomial local para a superfcie.

Lembre-se que a interpolao polinomial local visitas cada local de predio de cada vez e aplica uma funo que otimizado para um bairro local. Mova a barra deslizante na parte superior da caixa de dilogo de 100% local e 75%locais. Veja como a previso das alteraes da superfcie. Observe que quando voc move a barra para 75% locais, a percentagem global, no outro extremo se torna 25%. Mova a barra deslizante para 50% locais, em seguida, para 25% local. Conforme voc move o controle deslizante para a esquerda, a superfcie mais e maisse aproxima de uma interpolao polinomial global.

O que faz a barra deslizante ? A barra deslizante controla o tamanho do bairro utilizados no local de interpolao polinomial. O bairro padro um crculo de um determinado tamanho. Conforme voc move o controle deslizante para a esquerda, o crculo se torna maior, de modo que pontos de amostragem cada vez mais esto includos na vizinhana. A ponderao dos pontos tambm muda, para que pontos distantes tm tanta influncia sobre a localizao de previso como pontos prximos. A barra deslizante permite que voc altere os parmetros locais polinomial rapidamente. Voc pode exercer maior controle sobre esses parmetros com as Opes Avanadas.

Step 4 Definir opes avanadas No canto superior esquerdo da janela, clique em Opes Avanadas. As opes avanadas deve ser familiar para voc a partir do exerccio IDW. Defina os parmetros da seguinte forma: Vizinhos para Incluir: 20 Incluir pelo menos: 10 Tipo de formato: (quatro setores) ngulo de viso: 340 Semiaxis Major: 200000 Semiaxis Menores: 100000 No topo da janela, clique em Otimizar Peso Distncia Clique na ferramenta Zoom In e arraste um retngulo ao redor do bairro de busca.

Nota: O seu local de prova pode ser diferente daquele mostrado no resultado Ver grfico. Se assim for, o nmero de vizinhos utilizados e seus pesos relativos podem ser bem diferentes. Clique em Avanar para ver o painel de validao cruzada, clique em Concluir. Clique em OK na sada de dilogo informaes de camadas.

Uma camada de interpolao polinomial local adicionado ao ArcMap.

Step 5 Definir a extenso da camada Definir a extenso da camada para a fronteira do estado.

Lembra-me como Na tabela de conteudos, boto direito do mouse na camada Interpolao Polinomial Local e clique em Propriedades. Na caixa de dilogo Propriedades da Camada, clique na guia Extenso. Definir o grau de extenso retangular de ca_outline e clique em OK.

Step 6 Compare a superfcie Local polinomial com os outros Na Tabela de Contedo, clique o boto direito do Interpolao Polinomial Local e escolha Compare.

No canto superior direito da caixa de dilogo, use a lista suspensa para comparar a superfcie polinomial local s trs outras superfcies que voc fez. Tome nota do erro Root Mean Square para cada superfcie. Feche a validao cruzada de dilogo de comparao.

Step 7 Experincia com o bairro de busca local Polinomial Na tabela de conteudos, clique com o local Interpolao Polinomial camada e escolha Mtodo Propriedades. O Assistente de geoestatstica abre as opes avanadas para configurao parmetros de vizinhana. Alterar algumas configuraes de parmetros, tais como o nmero de vizinhos incluir o bairro ea forma e tamanho. Em seguida, otimizar o peso distncia. Clique em Avanar para ver o efeito sobre a raiz quadrada mdia do erro na Cruz Validao do painel. V para trs e frente algumas vezes para tentar configuraes diferentes. Se voc gosta, clique em Concluir para ver o mapa de sada. Antes de continuar, redefina os parmetros para os valores que lhes deu em Etapa 4. Clique otimizar peso Distncia e clique em Concluir. Clique em OK para fechar a sada de informaes de dilogo Layer. Voc vai continuar com uma interpolao de Funes Base Radial neste exerccio. Agora uma boa hora para salvar o documento de mapa.

Step 8 Escolha Funes de Base Radial interpolao No ndice, desligue a camada de Interpolao Polinomial Local. Inicie o Assistente de geoestatstica. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos, clique em Funes de Base Radial. Clique em Avanar. Step 9 Escolha uma funo e definir os parmetros de vizinhana Este painel mostra as opes de vizinhana familiar. Na parte superior do painel uma lista suspensa de funes kernel. Lembre-e que geoestatstica Analista Oferece cinco funes de base radial. Na lista suspensa Kernel Funes, escolha Multiquadric. Defina os parmetros de vizinhana como segue: Vizinhos incluem: 10 Incluir pelo menos: 5 Tipo de formato: (quatro setores) ngulo de viso: 340 Semiaxis Major: 300000 Semiaxis Menores: 150000 Na parte superior direita da janela, clique em Otimizar Valor Clique na ferramenta Zoom In e arraste um retngulo ao redor do bairro de busca.

Nota: O seu local de prova pode ser diferente daquele mostrado no resultado Ver grfico. Se assim for, o nmero de vizinhos utilizados e seus pesos relativos podem ser bem diferentes. Clique em Avanar para ver o painel de validao cruzada, clique em Concluir. Clique em OK na sada de dilogo informaes de camadas. A camada de Funes de Base Radial adicionado ao ArcMap. Step 10 Definir a extenso da camada Definir a extenso da camada para a fronteira do estado.

Step 11 Compare a superfcie RBF para os outros Na Tabela de Contedo, clique com o boto direito Funes de Base Radial e clique em Comparar. Compare a superfcie RBF para os outros que voc criou Cuja superfcie tem o menor erro RMS? Funes de Base Radial Interpolao Polinomial Local Interpolao Polinomial Global IDW Ellipse Bairro Feche a validao cruzada de dilogo de comparao. Step 12 Experincia com os parmetros de Funes de Base Radial Na Tabela de Contedo, clique com o boto Funes de Base Radial camada e clique Mtodo Propriedades. O Assistente de geoestatstica aberto no painel bairro de busca. A experincia com algumas funes do kernel e configuraes diferentes do bairro.Clique em Otimizar Valor, clique em Avanar para verificar o erro RMS no painel de validao cruzada. V para trs e frente algumas vezes para tentar configuraes diferentes. Se quiser,clique em Concluir para ver o mapa de sada.

O que significa otimizar o valor do parmetro fazer? Otimizando o valor do parmetro calcula o peso dos pontos na vizinhana de busca. Para ver isso, definir a funo kernel completamente regularizada Spline, Spline com Tenso, ou Multiquadric inversa. Um valor aparece na caixa de parmetro. Voc pode editar manualmente esse valor para ver a distribuio de pontos na mudana de escala de cores. Clique em Otimizar Relao ter geoestatstica dos analistas calcular o melhor valor a ser usado. (O melhor valor a que minimiza o erro mdio de previso ao quadrado).

Antes de ir, definir a funo de kernel de volta para Multiquadric e redefinir os outros parmetros como os valores na Etapa 9. Clique em Otimizar Valor, clique em Concluir e clique em OK na sada de dilogo Layer Informao.

Step 13 Salvar o mapa Salve o mapa e ArcMap sair. Voc vai continuar a usar este mapa no exerccio seguinte.

Krigagem Krigagem apresenta uma maneira diferente de pensar sobre a previso do que os interpoladores determinsticos. Na krigagem, o valor previsto depende de dois fatores: uma tendncia e um elemento adicional de variabilidade. Esta uma idia intuitiva, com abundncia de analogias no mundo real. Por exemplo, se voc vai do oceano at o topo de uma montanha, voc tem uma tendncia de aumento de altitude. No entanto, provvel que haja uma variao no caminho, voc vai para cima e para baixo quando atravessam vales, crregos, botes e outros recursos. Outro exemplo (um no-geogrficos) o mercado de aes. Historicamente, atendncia do mercado para cima, mas isso no significa que ele sobe a cada dia.H uma certa flutuao diria ou desvio em relao tendncia. Na krigagem, a parte de uma tendncia de previso chamado a tendncia. Aparte de flutuao chamado espacialmente autocorrelacionados erro aleatrio."Erro"no significa um erro, isso significa apenas uma variao da tendncia."Aleatrio" significa que a variao (erro) de distncia a tendncia no conhecidode antemo, que poderia ser para cima ou para baixo na elevao, isso pode estar acima ou abaixo da subida mdia do mercado de aes.

Espacialmente autocorrelacionados significa que, embora as flutuaes no so conhecidos exatamente com antecedncia, tm tendncia a ser acima da mdia ou abaixo da mdia, sempre que estes esto em estreita proximidade. Esta a autocorrelao espacial positiva. Tambm possvel ter correlao espacial negativa, onde se um site acima da mdia, num local prximo tende a ser abaixo da mdia. Mais sobre autocorrelao Normalmente pensamos de correlao como a tendncia para dois tipos de variveisa serem relacionadas. Por exemplo, o mercado de aes tende a subir quando os juros esto baixos, por isso dizemos que eles so negativamente correlacionados. No entanto, podemos tambm dizer que o mercado acionrio est positivamente autocorrelacionados, ou correlacionada com ela mesma. No mercado acionrio, dois valores de fechamento tendem a ser mais semelhantes que sejam um dia alm do que se forem de um ano. Especificamente, ns podemos chamar isso de autocorrelao temporal, porque depende de uma relao de tempo (proximidade desi no tempo tende a significar a prpria proximidade em termos de valor). Autocorrelao espacial a mesma idia aplicada a distncia. uma formulao estatstica da primeira lei da geografia, as coisas juntas no espao tendem a ser mais parecidos do que coisas distantes. Esta ideia expressa graficamente na figura a seguir.

Autocorrelao espacial significa que as mudanas que a correlao com adistncia: uma caracterstica definidora da geoestatstica. Na estatstica clssica, as observaes so assumidos como no correlacionados.

Voc pode colocar estes conceitos de tendncia e erro aleatrio em uma equao como esta: Z (s) = (s) + (s) O smbolo s representa a localizao do local de previso. (Pense nele como representando um par de coordenadas x, y). Z (s) a varivel que voc est prevendo oznio, altitude, ou o que quer que seja. (O smbolo "Z" a letra grega "zeta"). (s) a tendncia determinista. (O smbolo "" a letra grega "mu"). (s) o erro espacialmente autocorrelacionados aleatria. (O smbolo "" a letra grega "psilon"). Essa equao formula a idia de que os valores dependem de previso sobre a evoluo e as flutuaes locais da tendncia.Desde variaes desta frmula so a base de todos os diferentes tipos de krigagem, vale a pena um pouco de esforo para se familiarizar com ele. Vamos comear do lado direito, e mover para a esquerda. Duas hipteses so feitas sobre (s), o erro espacialmenteautocorrelacionados aleatria. O primeiro pressuposto que ele 0, em mdia.

Em outras palavras, algumas flutuaes ser de um lado a tendncia e alguns estaro do outro lado, mas as diferenas, em mdia, vo anular-se mutuamente. O segundo pressuposto que a autocorrelao do erro puramente espacial, mas depende apenas da distncia, e no em quaisquer outros bens (como a posio) de uma localidade. Esta hiptese tecnicamente conhecido como "estacionariedade."

O diagrama acima ilustra que a autocorrelao entre (s) e (h + s)no depende da localizao real, mas apenas sobre a distncia h entre os dois. Erros aleatrios na localizao de pares conectados por setas supe-se que a autocorrelao mesmo porque a distncia entre eles o mesmo. Agora considere a tendncia parte da equao. A tendncia um padro consistente dos dados que explicada por algumas propriedades fsicas da superfcie. Mdia diria mudanas de temperatura constante com a latitude, as mudanas de forma consistente com a deposio de sedimentos, declividade e disperso de poluentes no ar as mudanas de forma consistente com a direo do vento predominante. Estes so todos os padres fixos nos dados que voc deseja para dar conta de um modelo preditivo.

Em muitos casos, no entanto, no existe uma tendncia nos dados, ou, se houver, ele fraco o suficiente para que suas previses so to boas quando voc ignorlo. Assumindo que no h uma tendncia nos dados matematicamente equivalente a assumir que os dados tm um valor mdio constante. Se a mdia uma constante simples, como (s) = (ou seja, nenhuma tendncia) para todos s locais, e se desconhecido(voc no tem conhecimento prvio do valor mdio), ento este o modelo krigagem ordinria em que se baseia.

Krigagem assume que os dados tm uma mdia constante (sem tendncia) e que o valor mdio no conhecido antecipadamente.Os valores de dados (pontos laranja) so vistos como erros aleatrios que variam em torno da mdia desconhecida. Os erros aleatrios so autocorrelacionados, ou seja, elas tendem a ficar acima ou abaixo da mdia em uma maneira similar aos seus vizinhos.

s vezes, como nos exemplos acima mencionados, h uma tendncia em que os valores de dados de alterao em conformidade com as coordenadas espaciais. Matematicamente,este representado como uma equao de regresso linear na espaciais x e y-coordenadas. As tendncias que variam (no tem uma mdia constante), e para os quais os coeficientes de regresso so desconhecidos, os modelos de formulrio para Krigagem Universal.

Universal Kriging assume que h uma tendncia nos dados, mas os termos da funo de tendncia no so conhecidos antecipadamente. Os valores de dados (pontos laranja) so considerados como erros aleatrios que variam em torno da tendncia desconhecido. Os erros aleatrios so autocorrelacionados, ou seja, elas tendem a ficar acima ou abaixo da tendncia de um modo semelhante aos seus vizinhos.

Use Kriging Neste exerccio, voc vai construir em seu trabalho no exerccio anterior. Voc vai criar dois modelos de krigagem: um modelo de krigagem ordinria e um modelo de Kriging Universal. Ento voc vai compar-las umas s outras e aos interpoladores determinsticos que voc usou at agora. Step 1 Inicie o ArcMap e abrir um documento de mapa ArcMap Iniciar. Navegue at a Geostats \ Bsicos \ MyData pasta e abra o documento de mapa que voc est usando (interp.mxd). Step 2 Inicie Krigagem Na tabela de conteudos, desligue a camada de Funes de Base Radial. Inicie o Assistente de geoestatstica. No primeiro painel, verifique se os dados de entrada ca_ozone_pts e definir o atributo ao oznio. Na caixa de Mtodos, clique Krigagem. Clique em Avanar.

Step 3 Criar uma superfcie previso krigagem ordinria

Neste painel (Etapa 1 de 4), observe que o mtodo padro a krigagem ordinria ea sada padro um mapa de previso. Voc usar esses padres, ento clique em Avanar. No painel seguinte (Etapa 2 de 4), voc v o semivariograma. Para o modelo, clique exponencial. Marque a caixa de anisotropia e definir o tamanho do atraso para 18.000. Clique em Avanar.

Neste painel, voc ver os parmetros de vizinhana familiar. A forma bairro foi padronizada como a terceira escolha. Note que o ngulo foi calculado automaticamente para 346,7 graus. (Com a outros interpoladores, voc definir esse valor um pouco mais ou menos a 340 graus, com base em seu conhecimento da superfcie). Voc usar as configuraes padro, ento no fazer qualquer alterao neste painel. Clique em Avanar. No painel final (Etapa 4 de 4), voc v a validao cruzada para asuperfcie. Clique em Concluir, em seguida, clique em OK na sada de dilogo informaes de camadas. Uma camada de krigagem ordinria adicionado ao ArcMap.

Step 4 Definir a extenso da camada Definir a extenso da camada para a fronteira do estado. Lembra-me como Remind me how In the Table of Contents, right-click the Ordinary Kriging layer and click Properties. In the Layer Properties dialog, click the Extent tab. Set the extent to the rectangular extent of ca_outline and click OK. Step 5 Compare a superfcie krigagem ordinria para os outros Na tabela de contedos, boto direito do mouse e escolha a krigagem ordinria Compare. Voc pode se lembrar do ltimo exerccio que a Funes de Base Radial teve um menor erro RMS do que qualquer dos outros. Observe que o valor krigagem ordinria 0,01177, menor (e, portanto, o melhor) ainda. Feche a validao cruzada de dilogo Comparao

Step 6 Alterar o mtodo de Kriging Na tabela de contdos, boto direito do mouse na camada krigagem ordinria e escolher Mtodo Propriedades. O Assistente de geoestatstica abre para o painel de Mtodo de Seleo (Etapa 1 de 5). Na lista de mtodos, clique Krigagem Universal. Certifique-se de previso do Mapa o tipo de sada de destaque. No lado direito do painel, defina a transformao em Log e a Ordem da Trend para a Primeira.

Clique em Avanar.

Step 7 Modelo de tendncia Note que este painel (Passo 2 de 5) se parece com o interpolaes polinomiais voc fez anteriormente. Ele mostra um polinmio de primeira ordem mundial se ajustou aos dados. Clique em Avanar

Step 8 Modelo do erro aleatrio Neste painel (Etapa 3 de 5), voc est modelando o erro aleatrio como um fenmeno espacialmente auto correlacionados. Dito de outra maneira, voc encontrar uma funo matemtica para estimar o desvio da tendncia para qualquer local de previso de acordo com os desvios dos pontos medidos que esto perto da localidade de previso. No painel, clique no modelo circular e marque a caixa de anisotropia.

Note-se que o valor de direo diferente do que foi calculado para a superfcie krigagem ordinria, que utilizou um modelo exponencial.

No lado inferior esquerdo do painel, clique no boto Mostrar Pesquisa caixa de direo. Coloque o ponteiro do mouse sobre a linha azul direo do ngulo na superfcie covarincia. Clique e arraste lentamente a carga em um crculo ao redor da superfcie.

Como voc se move a cunha, observar como o grfico acima ela muda. Voc pode se lembrar isso a partir do primeiro exerccio em curso, a carga do seleciona os pontos de amostragem (pontos vermelhos) dentro de suas fronteiras e mostra o perfil do semivariograma equipado como uma linha amarela. Clique em Avanar.

Step 9 Criar uma superfcie previso Krigagem Universal Este painel (Etapa 4 de 5) mostra o bairro de busca. Voc vai aceitar os parmetros padro. Clique em Avanar. O ltimo painel mostra a validao cruzada. A raiz quadrada mdia do erro para este modelo 0,1168. Isto um pouco melhor do que voc fez com a krigagem ordinria, que teve um erro RMS de 0,1177. Clique em Concluir, em seguida, clique em OK na sada de dilogo Layer Informao. A camada de krigagem ordinria substitudo pela camada de Krigagem Universal Step 10 Salve o mapa Salvar o mapa. Voc vai continuar a us-lo no prximo exerccio.

Use Cokrigagem Neste exerccio, voc vai construir em seu trabalho no exerccio anterior, criando uma superfcie previso Cokrigagem oznio. Para fazer isso, voc vai adicionar uma camada de dixido de nitrognio pontos (NO2) amostra para o documento de mapa. A idia bsica por trs Cokrigagem que a varivel de interesse (oznio) pode estar correlacionada com outra varivel (neste caso, o dixido de nitrognio). Se assim for, voc pode combinar os efeitos desta correlao com a autocorrelao espacial j est a utilizar para obter as previses ainda melhores de erro aleatrio. Step 1 Inicie o ArcMap e abrir um documento de mapa Se necessrio, inicie o ArcMap, navegue at o Geostats \ Bsicos \ MyData , e abra o documento de mapa que voc est usando (interp.mxd).

Step 2 Adicione dados ao ArcMap Desligue a camada de Krigagem Universal. Clique no boto Add Data. Navegue at a pasta VirtualCampus \ Geostats \ Bsico e adicionar os dados ca_NO2_pts.shp. Ver resultado

A camada adicionada ao ndice abaixo das camadas superficiais. Voc pode resymbolize a camada se quiser, mas no importante para o exerccio. Dica: No Resultado Ver grfico, os pontos de NO2 so 2 pontos chama vermelha.

O que o dixido de nitrognio tem a ver com o oznio? O principal constituinte do nevoeiro o ozono troposfrico. O oznio formado pela reao de xido nitroso, que um NO2 e uma classe de compostos qumicos chamados VOCs (compostos orgnicos volteis), na presena de calor e luz solar. Desde NO2 contribui para a formao de oznio, plausvel que eles tm uma correlao positiva, vale a pena investigar se uma relao matemtica pode ser criada para melhorar as nossas previses de oznio. Note-se que geoestatstica dos analistas no exige que a camada de oznio e as medidas de NO2 ser nos mesmos locais (que no so) para medir a correlao

Step 3 Escolha Cokrigagem interpolao Inicie o Assistente de geoestatstica. No primeiro painel, clique na caixa Cokrigagem Mtodos. Observe que as guias para os conjuntos de dados adicionais so adicionados no topo do dilogo. Na guia Dataset1, defina os dados de entrada para ca_ozone_pts e o atributo ao oznio. Clique na guia Dataset2. Defina os dados de entrada para ca_NO2_pts e o atributo para NO2AAM.

Clique em Avanar.

Step 4 Escolha Cokrigagem interpolao

Criar uma superfcie Universal previso Cokrigagem Neste painel (Etapa 1 de 5), clique no Universal mtodo Cokrigagem e certifique-se que a previso do Mapa destaque. No lado direito do painel, com a guia Dataset1 selecionado, defina a transformao em Log ea Ordem da Trend para a Primeira.

Clique na guia Dataset2 e aplicar as mesmas configuraes.

Clique em Avanar.

Step 5 Modelo de tendncia Neste painel (Passo 2 de 5), voc v o modelo de tendncia global para Dataset1, os dados de oznio. A partir da lista suspensa na parte superior do painel, escolha Dataset2 para ver a tendncia mundial de dixido de azoto. Clique em Avanar.

Step 6 Modelo do erro aleatrio Na parte direita superior do painel (Passo 3 de 5), verifique se a guia Model1 selecionado e sua caixa est marcada. Clique no modelo exponencial e marque a caixa de anisotropia. Marque a caixa na guia Model2 (isso tambm traz para a frente guia). Tal como acontece com Model1, clique no modelo exponencial e marque a caixa de anisotropia. Na parte inferior do painel, marque a caixa de Mudanas. Ver resultado no proximo slide Geoestatstica dos analistas est fazendo um monte de trabalho agora. Tenha pacincia se demorar algum tempo. Clique em Avanar.

Step 7 Criar uma superfcie Universal previso Cokrigagem Este painel (Etapa 4 de 5) mostra o bairro de busca. Voc vai usar os parmetros padro, ento clique em Avanar. No painel de validao cruzada, clique em Concluir, em seguida, clique em OK na sada de dilogo Layer Informao. A Universal Cokrigagem camada adicionada ao ArcMap.

Step 8 Definir a extenso da camada Definir a extenso da camada para a fronteira do estado.

Step 9 Compare os modelos Cokrigagem e Krigagem Na tabela de conteudos, clique com o modelo Universal Cokrigagem Compare e escolha. O erro RMS para o modelo Cokrigagem 0,01209, maior do que o erro RMS Krigagem Universal de 0,01168. De acordo com o padro de erro RMS, voc est realmente fazendo um pouco pior com Univeral Cokrigagem. Ainda parece haver uma relao entre as variveis, que no comprar um melhor modelo de previso. Clique em Fechar para ignorar a validao cruzada de dilogo Comparao Step 10 Salvar e explorar Salvar o documento de mapa. Agora voc tem um nmero de camadas de previso usando diferentes mtodos de interpolao. Se voc tiver tempo e disposio, tente melhorar cada modelo usando a raiz quadrada do erro mdio critrio. Veja se voc encontrar um mtodo que tem um menor erro RMS do que o de 0,01168 que temos para Krigagem Universal.

Uma comparao de mtodos de interpolao Voc j explorou os diversos mtodos de interpolao pode ser usado em geoestatstica dos analistas. Neste tpico, voc vai ver como eles se comparam a um outro acordo com a velocidade, flexibilidade e outros critrios.

Interpoladores determinsticos versus estocsticos

Um interpolador determinstico aquele que no usa erros aleatrios associados com suas previses. Interpoladores determinsticos podem criar superfcies previso, mas no o erro padro, probabilidade, ou superfcies de quantis (todas as quais utilizam os erros-padro em seus clculos). Um interpolador estocstico aquele que modelos como sendo os erros aleatrios e usa tcnicas estatsticas para avaliar o erro associado com suas previses. Interpoladores estocsticos pode criar o erro padro, probabilidade e de quantis superfcies, alm de superfcies de previso.

Interpoladores determinsticos no avaliar erros de previso e no pode criar superfcies que incorporar a anlise de erro. Interpoladores estocsticos fazer avaliao dos erros e pode criar essas superfcies.

Velocidade Interpolao

Inverso da distncia ponderada e Polinomial Global so as duas mais rpido interpoladores-IDW porque matematicamente simples e Global polinomial porque ele no usa bairros de busca. Isso significa que ele no tem que ir atravs de clculos separados para cada local de previso.

IDW e Global polinomiais so os dois interpoladores rpido

Interpoladores Exatos versus Bom Um interpolador exato aquele em que o valor da superfcie previso exatamente igual ao valor observado em todos os locais amostrados. Um interpolador bom aquele que suaviza ou filtra os dados da amostra, de modo que o valor de predio de superfcie no igual aos valores observados. Krigagem e Cokrigagem so geralmente considerados interpoladores exatos. No entanto, voc pode escolher modelos com erro de medio. O erro de medio ocorre quando suas medidas no so exatas, por exemplo, quando um laboratrio de qumica do solo, medidas e relatrios que suas medies esto dentro de alguma percentagem do valor verdadeiro. Outro exemplo quando voc mede alguma caracterstica ambiental com um instrumento que conhecido por ser preciso at um pouco de tolerncia. Nestes casos, krigagem e cokrigagem filtrar os erros de medio e no produzem mais interpoladores exatos.

Um interpolador exato "homenageia" os valores observados, um interpolador bom no.

Flexibilidade Um interpolador flexvel aquele que lhe d o controle sobre os resultados de sada da superfcie atravs da criao de vrios parmetros. Interpoladores flexvel exige mais decises de sua parte, mais ferramentas de tomada de deciso (como exploratrios ferramentas de anlise de dados), e, idealmente, uma compreenso mais profunda de como o interpolador obras. Um interpolador inflexvel aquela que lhe d pouco controle sobre a superfcie. H poucos parmetros para definir e principalmente a sada automtico.

IDW e Global interpoladores polinomiais so menos flexveis; Krigagem e Cokrigagem mais flexvel.

Hipteses No tpico anterior, vimos que alguns tipos de superfcies produzidas por Krigagem, tais como superfcies de quantis exigem as previses para ser distribudos normalmente. Para todos os tipos de superfcies, Kriging assume que os erros vm de um processo estacionrio. Lembra-me sobre estacionariedade Estacionariedade (discutido anteriormente no conceito Krigagem) o pressuposto de que a autocorrelao dos erros aleatrios depende apenas as distncias entre pontos de dados, e no em suas posies. Sem esse pressuposto, seria impossvel desenvolver uma funo de autocorrelao para uma superfcie.

Krigagem e Cokrigagem fazer a suposio de estacionariedade para todos os tipos de superfcie de sada (predio, erro padro, probabilidade e de quantis). Eles fazem a suposio de previses normalmente distribudo para superfcies de quantis e probabilidades

Vantagens e desvantagens Cada mtodo de interpolao tem vantagens e desvantagens. Considerando as vantagens e desvantagens de cada mtodo permite-lhe fazer escolhas melhores. Por exemplo, a flexibilidade lhe d o controle sobre a superfcie de sada (vantagem), mas exige mais do processo de deciso (uma possvel desvantagem).

Uma sinopse dos interpoladores

Inverse Distance Weighted IDW uma maneira rpida, exata interpolador determinstico, com poucos parmetros para definir. IDW pode ser uma boa maneira de dar uma primeira olhada em uma superfcie, mas tem a desvantagem de criar "miras" ao redor dos pontos dados observados. IDW no avalia erro de previso. Sem suposies so feitas dos dados. Polinomial Global polinomial Global um rpido, suave, interpolador determinstico, com poucos parmetros para definir. Tem as desvantagens de criar excedente superfcies lisas e superfcies que so hipersensveis a pontos de dados prximos s bordas da rea de estudo. polinomial global no avalia erro de previso. Sem suposies so feitas dos dados.

Local Polinomial polinomial local uma maneira rpida, interpolador, liso determinista. Ele tem mais parmetros para definir a polinomial global, mas a superfcie mais flexvel. Uma desvantagem que ele pode ser difcil determinar uma vizinhana boa pesquisa. polinomial local no avalia erro de previso. Sem suposies so feitas dos dados.

Funes de Base Radial funes de base radial so moderadamente rpido, interpolador exato determinista. RBF est no meio da flexibilidade escala mais flexvel do que IDW (com mais parmetros para definir), e menos flexvel que a Krigagem (mas com menos parmetros). funes de base radial no avaliam erro de previso. Sem suposies so feitas dos dados.

Krigagem A krigagem um interpolador estocstico moderadamente rpido. exato se os dados no tm erros de medio e suave, se tiver erros de medio. Krigagem muito flexvel, permite a investigao da autocorrelao espacial nos dados, e requer muita tomada de deciso. Ele permite que voc crie vrios tipos de superfcies: a previso, o erro padro de previso, probabilidade e de quantis. Kriging assume que os dados vem de um processo estacionrio e alguns mtodos requerem que os dados sejam normalmente distribudos. Cokrigagem Como Krigagem, Cokrigagem um interpolador estocstico moderadamente rpido que exato se os dados no tm erros de medio e de bom se tem erros de medio. Ele pode usar informaes de vrios conjuntos de dados. Cokrigagem muito flexvel, permite a investigao de autocorrelao e correlao cruzada dos dados, e requer muitos da tomada de deciso. Ele permite que voc crie vrios tipos de superfcies: a previso, o erro padro de previso, probabilidade e de quantis. Cokrigagem assume que os dados vm de um processo estacionrio e alguns mtodos requerem que os dados sejam normalmente distribudos.

A tabela resume as propriedades importantes dos interpoladores

Reviso A geoestatstica uma forma de avaliar e analisar seus dados espaciais. Ele pode ser usado para criar superfcies a partir de pontos de dados e analisam o fenmeno em reas de tamanhos variados. Voc pode refinar um processo de anlise, variando os parmetros do seu modelo ou alterar os mtodos de interpolao utilizados. O ArcGIS Geostatistic Analyst fornece-lhe um conjunto de ferramentas para avaliar os dados. Voc pode executar a anlise geoestatstica e us-lo para criar erro de previso, a probabilidade, quantil, e outros mapas analticos. Voc pode usar essas ferramentas para executar a sua anlise de forma iterativa e refinar seus resultados. Perguntas para reviso Krigagem realiza a anlise estatstica dos erros em suas previses e permite que voc crie que quatro tipos de superfcies?

Em um mapa de erro padro, que mostra a distribuio do erro de previso para uma superfcie, onde os erros tendem a ser?

Que tipo de interpolador permite ajustar a sada: flexveis ou rgidas?

Quais so as respostas corretas? Resposta Predio, erro padro de quantis e probabilidades.

Erro tende a ser maior em locais onde h pouca ou nenhuma amostra de dados.

Interpoladores flexveis, tais como krigagem e Cokrigagem, dar-lhe controle sobre os resultados da superfcie de sada, permitindo-lhe definir vrios parmetros. Palavras-chave validao cruzada autocorrelao espacial histograma de erro padro desvio padro de interpolao superfcie de distribuio normal interpolao da superfcie quantil

validao cruzada O processo onde um dado removido e o restante dos dados so utilizados para prever o dado removido. Para produzir um grfico de validao cruzada em geoestatstica dos analistas, cada ponto de dados sistematicamente retirados e o modelo usado para obter um valor previsto para aquele local. O processo repetido para todos os pontos e os previstos e valores atuais so plotados. autocorrelao espacial Estatsticos de correlao espacial entre variveis aleatrias do mesmo tipo, atributo, nome, etc, onde a correlao depende da distncia e / ou a direo que separa as localidades. Muitas vezes percebemos que os locais que esto prximos tendem a ter valores semelhantes - esta a autocorrelao espacial positiva. Histograma Um grfico de barras onde os dados so divididos em grupos. A largura das barras mostra o intervalo de valores em cada grupo, e a altura da barra indica quantos valores so em cada grupo.

interpolao 1. A estimativa dos valores de superfcie em pontos no amostrados com base em valores de superfcie de pontos conhecidos ao redor. Interpolao pode ser usado para estimar a elevao, a precipitao, a temperatura, a disperso qumica, ou outros fenmenos espaciais baseados. A interpolao geralmente uma operao de varredura, mas tambm pode ser feito em um ambiente de vetor usando um modelo de superfcie TIN. Existem vrias tcnicas de interpolao conhecido, incluindo estrias e krigagem. 2. No contexto de referenciamento linear, o clculo dos valores de medida para uma rota entre dois valores de medida conhecida. Veja tambm: interpolao distncia inversa ponderada, krigagem; vizinhos natural; anlise de superfcie de tendncia interpolao distncia inversa ponderada Uma tcnica de interpolao que as estimativas de valores de clula em uma varredura de um conjunto de pontos de amostragem que foram ponderados de modo que, quanto mais um ponto de amostragem a partir da clula que est sendo avaliado, o que tem menos peso no clculo do valor da clula.

krigagem Uma tcnica de interpolao em que os valores medidos em torno so ponderados para derivar um valor previsto para um local no mensurados. Os pesos so baseados na distncia entre os pontos medidos, os locais de previso, e o arranjo geral espacial entre os pontos medidos. Krigagem nico entre os mtodos de interpolao na medida em que fornece um mtodo fcil para a caracterizao da varincia, ou a preciso, das previses. Krigagem baseia-se na teoria das variveis regionalizadas, que assume que a variao espacial dos dados que est sendo modelado homognea em toda a superfcie. Ou seja, o mesmo padro de variao pode ser observada em todos os locais na superfcie. Krigagem foi nomeado para o Sul-Africano engenheiro de minas Danie G. Krige (1919 -). Veja tambm: interpolao, krigagem de bloco; krigagem ordinria, krigagem simples, krigagem universal

vizinhos naturais Um mtodo de interpolao de dados multivariados em uma triangulao de Delaunay. O valor de um ponto de interpolao estimado usando valores ponderados dos pontos mais prximos ao redor da triangulao. Estes pontos, os vizinhos natural, so os do ponto de interpolao iria ligar para se inserido na triangulao. Interpolao; triangulao: Veja tambm

distribuio normal Uma curva em forma de sino que descreve a mdia e variabilidade de uma varivel aleatria. Quando variveis aleatrias so somados ou mdia, a soma ou a mdia tende a ser distribudos normalmente, por isso esta uma das distribuies mais comuns e usados. classificao quantil Um mtodo de classificao de dados, que distribui um conjunto de valores em grupos que contenham um nmero igual de valores. Veja tambm: Classificao erro padro A raiz quadrada da varincia de uma previso ou estimativa. Uma medida da incerteza de uma previso ou estimativa. Os erros padro formam a base para intervalos de confiana. desvio-padro A medida estatstica da disseminao de valores de sua mdia, calculada como a raiz quadrada da soma dos quadrados dos desvios do valor mdio, dividido pelo nmero de elementos menos um. O desvio padro para uma distribuio a raiz quadrada da varincia.

superfcie Um fenmeno geogrfico representado como um conjunto de dados contnuos (como elevao, geolgico, ou a poluio do ar), uma distribuio espacial, que associa um nico valor em cada posio em um plano, geralmente associada a atributos contnuos. interpolao da superfcie A estimativa de valores de z de uma superfcie em um ponto no amostrados a partir dos valores conhecidos z dos pontos circundantes.

Exame Este o exame de Fundamentos de Geostatistical Analysis . Voc precisa responder corretamente a 8 das 10 questes para passar. BOA SORTE! 1. Qual a caracterstica definidora de um interpolador "exato? ( ) A raiz quadrada mdia do erro para a superfcie interpolada zero. ( ) Tem um componente estocstico. ( ) Cada valor de parmetro do interpolador especificado pelo usurio. ( ) Suas previses so exatamente iguais ao valor de dados de localizaes de dados da amostra. 2. Qual o intervalo de valores para um mapa de probabilidade? ( ( ( ( ) 0-1 ) 0-10 ) 0-100 ) 0,01-,210

3. Se um conjunto de dados tem de autocorrelao espacial positiva forte, ento semivariograma parcela pontos que esto perto de zero no eixo-x tambm tendem a ser prximo de zero no eixo-y. ( ) True ( ) False 4. Em um bairro de pesquisa, um ponto de amostragem vermelho, um marrom, e oito so de cor verde escuro. Esta evidncia sugere que a influncia local sobre a localizao previso decai lentamente. ( ) True ( ) False 5. Os erros padro so menores perto de pontos de amostragem de dados e maior nas reas onde este pequena amostra de dados. Que princpio explica isso? ( ( ( ( ) Autocorrelao Espacial ) Estacionariedade ) A curva do sino ) Anisotropia

6. Um pressuposto Krigagem faz de erro sobre aleatrio que espacialmente autocorrelacionados. Qual o outro? ( ) Ela no afeta significativamente as previses menos que haja uma forte tendncia direcional nos dados. ( ) a mesma coisa, no importa qual modelo de semivariograma usado. ( ) Em mdia, zero. ( ) mais precisamente modelada por Krigagem Universal que por krigagem ordinria. 7. Suponha que um local com um valor muito baixo previso mapa tem um valor muito alto quantil mapa. Qual das seguintes uma explicao plausvel para isto? ( ( ( ( ) O local tem um valor alto limiar de probabilidade. ) Os dados da amostra no normalmente distribuda. ) O local tem um valor grande erro padro. ) A superfcie tem autocorrelao espacial negativa.

8. Um "outlier local" um ponto de dados cujo valor extrema em relao aos pontos prximos, mas no em relao a toda a gama de valores de dados. Que ferramenta boa para a identificao de outliers local? ( ) Um grfico de anlise de tendncias ( ) Um histograma ( ) A semivariograma ( ) Um grfico de validao cruzada

9. Inverse Distance Weighted um interpolador bastante inflexvel, que tem poucos parmetros para definir e, portanto, o usurio tem pouco controle sobre a sada. Qual o outro interpolador inflexvel? ( ( ( ( ) Local polinomial ) Global polinomial ) Krigagem ) Funes de base radial

10. Em uma interpolao de funes de base radial, o valor do parmetro define a ponderao dos pontos de amostragem da vizinhana. Qual o valor do parmetro ideal determinado? ( ) o valor que resulta no menor erro mdio (RMS) quadrado na validao cruzada. ( ) o valor que produz a melhor aproximao para um interpolador exato. ( ) o valor que produz mais lenta decadncia da influncia de pontos de amostragem da vizinhana. ( ) o valor que melhor quantifica a autocorrelao espacial dos dados de amostra.

Where do you go from here? To learn more about the ArcGIS Geostatistical Analyst extension, the Using ArcGIS Geostatistical Analyst product book may be of interest. To locate other materials about geostatistics and geostatistical applications, visit the ESRI Library and search for geostatistics. You will find hundreds of books and articles. To learn more about geostatistical theory and methods, you may find the following books helpful: An Introduction to Applied Geostatistics By Edward H. Isaaks and R. Mohan Srivastava Oxford University Press, New York, 1989

Geostatistics: Modeling Spatial Uncertainty By Jean-Paul Chiles and Pierre Delfiner John Wiley and Sons, Inc. New York, 1999

Statistics for Spatial Data By Noel A. C. Cressie John Wiley and Sons, Inc., New York, 1993

Engenheiro Agrimensor / Especialista GIS (Authorized Training Program - ATP) by ESRI Washington, D.C. Serving GIS Users in the Mid-Atlantic

Secretaria da Segurana Pblica da Bahia Superintendncia de Gesto Tcnica e Organzacional SGTO Coordenador de Geoprocessamento Escola Politcnica Universidade Federal da Bahia UFBA Departamento de Transportes Professor de Geoprocessamento e pesquisador em Recursos Hidricos e-mail: rnegrao@ufba.br / rnegrao@ssp.ba.gov.br