Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/32775
metadata.artigo.dc.title: Hybrid kriging methods for interpolating sparse river bathymetry point data
metadata.artigo.dc.title.alternative: Métodos híbridos de krigagem para interpolação de levantamentos batimétricos fluviais
metadata.artigo.dc.creator: Batista, Pedro Velloso Gomes
Silva, Marx Leandro Naves
Avalos, Fabio Arnaldo Pomar
Oliveira, Marcelo Silva de
Menezes, Michele Duarte de
Curi, Nilton
metadata.artigo.dc.subject: Geostatistics
Spatial prediction
Regression kriging
Riverbed morphology
Geoestatística
Predição espacial
Krigagem por regressão
Morfologia fluvial
metadata.artigo.dc.publisher: Universidade Federal de Lavras
metadata.artigo.dc.date.issued: Jul-2017
metadata.artigo.dc.identifier.citation: BATISTA, P. V. G. et al. Hybrid kriging methods for interpolating sparse river bathymetry point data. Ciência e Agrotecnologia, Lavras, v. 41, n. 4, p. 402-412, July/Aug. 2017.
metadata.artigo.dc.description.resumo: Modelos de terreno de rios são usados para análise de mudanças geomorfológicas e para simulações hidrológicas. Estes modelos são interpolados a partir de pontos batimétricos. A batimetria fluvial é geralmente conduzida através de seções transversais, o que pode acarretar em uma malha amostral esparsa. Métodos híbridos de krigagem, como krigagem por regressão (KR) e co-krigagem (CK), empregam a correlação com preditores auxiliares, além da auto-correlação entre variáveis, na predição da variável resposta. Neste estudo, sugere-se que a distância ortogonal de um ponto até a linha de centro do talvegue de um rio pode ser usada como covariável para KR e CK. Considerando-se que a variabilidade da cota do leito do rio é abrupta transversalmente a direção do fluxo, espera-se que quanto maior a distância euclidiana de um ponto até o talvegue, maior será sua elevação. O objetivo deste estudo foi avaliar o uso da covariável proposta em métodos híbridos de krigagem para a predição espacial da topografia do leito de rios. Para tanto, foi realizada uma validação externa, em que seções transversais foram usadas para interpolação e dados levantados entre as seções consistiram na amostra de teste. Os resultados da KR e CK foram comparados aos da krigagem ordinária. A KR apresentou a menor REQM. No mapa resultante da KR, o talvegue foi preservado nas lacunas não amostradas entre as seções, enquanto os demais métodos subestimaram a profundidade do talvegue nestes espaços. Assim, conclui-se que a KR pode melhorar a predição espacial de dados batimétricos fluviais.
metadata.artigo.dc.description.abstract: Terrain models that represent riverbed topography are used for analyzing geomorphologic changes, calculating water storage capacity, and making hydrologic simulations. These models are generated by interpolating bathymetry points. River bathymetry is usually surveyed through cross-sections, which may lead to a sparse sampling pattern. Hybrid kriging methods, such as regression kriging (RK) and co-kriging (CK) employ the correlation with auxiliary predictors, as well as inter-variable correlation, to improve the predictions of the target variable. In this study, we use the orthogonal distance of a (x, y) point to the river centerline as a covariate for RK and CK. Given that riverbed elevation variability is abrupt transversely to the flow direction, it is expected that the greater the Euclidean distance of a point to the thalweg, the greater the bed elevation will be. The aim of this study was to evaluate if the use of the proposed covariate improves the spatial prediction of riverbed topography. In order to asses such premise, we perform an external validation. Transversal cross-sections are used to make the spatial predictions, and the point data surveyed between sections are used for testing. We compare the results from CK and RK to the ones obtained from ordinary kriging (OK). The validation indicates that RK yields the lowest RMSE among the interpolators. RK predictions represent the thalweg between cross-sections, whereas the other methods under-predict the river thalweg depth. Therefore, we conclude that RK provides a simple approach for enhancing the quality of the spatial prediction from sparse bathymetry data.
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/32775
metadata.artigo.dc.language: en_US
Appears in Collections:DCS - Artigos publicados em periódicos

Files in This Item:
File Description SizeFormat 
ARTIGO_Hybrid kriging methods for interpolating sparse river bathymetry point data.pdf2,38 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons