Métodos para seleção de modelos de semivariograma em campos aleatórios gaussianos
Carregando...
Notas
Data
Autores
Orientadores
Coorientadores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Lavras
Faculdade, Instituto ou Escola
Departamento
Departamento de Ciências Exatas
Programa de Pós-Graduação
Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
Agência de fomento
Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos do desesenvolvimento sustentável
Dados abertos
Resumo
Vários fenômenos apresentam certa estruturação na variação entre vizinhos,
apresentando dependência espacial. A Geoestatística engloba um conjunto
de ferramentas que permitem o estudo da dependência espacial, sendo o semivariograma
uma de suas principais ferramentas, no qual expressa a dependência
espacial entre as amostras. O ajuste de um modelo ao semivariograma é fundamental,
pois toda predição Geoestatística depende desse modelo. Dentre vários
modelos que podem ser ajustados, deve-se selecionar o que mais bem se ajusta,
para que o mapa de krigagem a ser gerado após a seleção, seja o mais coerente
com a realidade. Como método de seleção para modelos de semivariograma, os
pesquisadores utilizam diferentes estatísticas, ocorrendo a seleção de diferentes
modelos para o mesmo semivariograma. A seleção de diferentes modelos reflete
uma decisão subjetiva dos pesquisadores, tendo como resultado diferentes informações
num mesmo experimento. O objetivo do presente trabalho enfoca nesse
problema de pesquisa, buscando recomendar um método para proceder a seleção
de um modelo que mais bem se ajusta ao semivariograma. Foram encontrados oito
métodos usuais de seleção e sete foram propostos, sendo todos eles programados
no software R. Os métodos foram aplicados em milhares de dados simulados em
diferentes cenários, tornando-se possível recomendar aquele que apresentar um
melhor comportamento em relação as proporções de acerto. Diante da classificação
dos métodos usuais e propostos em relação as proporções de acerto, destacase
que o método proposto 7 esteve entre as primeiras posições em todos cenários
adotados. Esse método possui uma grande vantagem, pois é composto por outros
métodos que estiveram entre as primeiras posições. Portanto, recomenda-se
utilizá-lo na seleção do modelo que mais bem se ajusta ao semivariograma, em
campos aleatórios gaussianos. Espera-se que este trabalho seja fundamental para
uma análise Geoestatística mais eficiente e informativa.
Abstract
There is a wide range of phenomena that present some level of structuring
and spatial dependence in the variation between observations. Geostatistics
include a set of tools that allow the study of spatial dependence. For example, the
Semivariogram, which is considered one of the main tools, expresses the spatial
dependence between two observations as a function of the distance between them.
The adjustment of a model to the semivariogram is fundamental since all geostatistical
prediction depends on this model. It is of great importance to adjust data
to models that fit the data well so that the kriging map that is generated after the
selection can present a great level of coherence with reality. As a method of selection
for semivariogram models, researchers use different statistics by selecting
different models for the same semivariogram. However, the selection of different
models reflects on a subjective decision of the researchers, resulting in different information
in the same experiment. Therefore, focusing on this research problem,
this work seeks to recommend a method to better select a model that best fits the
semivariogram. A total of eight usual methods of selection were found and seven
were proposed using the R software environment for statistical computing and
graphics. The methods were applied in thousands of simulated data in different
scenarios, and it was possible to recommend one that presented the best behavior
in relation to the correctness rate. Considering the classification of the usual and
proposed methods in relation to the correctness rates, it is worth noting that the
proposed method number 7 was in the first position in all scenarios adopted. This
method is advantageous because it is composed by other methods that were also
close to the first positions. Therefore, it is recommended to use it in selecting the
model that best fits the semivariogram in Gaussian random fields. It is expected
that this work will be fundamental for a more efficient and informative geostatistical
analysis.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
BASTOS, R. L. Métodos para seleção de modelos de semivariograma em campos aleatórios gaussianos. 2017. 136 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2017.