GeoVesper Versao Online
GeoVesper Versao Online
GeoVesper Versao Online
Embrapa Solos
Ministrio da Agricultura, Pecuria e Abastecimento
Secretaria de Desenvolvimento Agropecurio e Cooperativismo
Departamento de Propriedade Intelectual e Tecnologia da Agropecuria
GEOESTATSTICA APLICADA NA
AGRICULTURA DE PRECISO
UTILIZANDO O VESPER
Embrapa
Braslia, DF
2015
Exemplares desta obra podem ser adquiridos na:
Embrapa Solos
Rua Jardim Botnico, n 1.024, Bairro Jardim Botnico,
CEP: 22460-000, Rio de Janeiro, RJ - Fone: (21) 2179-4500 / Fax: (21) 2274-5291
www.embrapa.br/fale-conosco/sac
ISBN 978-85-7035-572-0
Antes do Vesper
Introduo
Este livro tem a proposta prtica de apresentar uma ferramenta
de apoio deciso e simulao geoestatstica. O objetivo principal
disponibilizar um material de referncia bsica e acessvel, que possa
orientar na execuo dos procedimentos fundamentais da geoestats-
tica. A proposta apresentar de forma simplificada os conceitos e
requisitos necessrios nas etapas de anlise variogrfica e gerao de
mapas temticos. Visa facilitar a execuo do fluxo de processos para
a obteno de parmetros da dependncia espacial de uma dada va-
rivel e a sua predio em locais onde esta no foi observada.
O material resultado da compilao, ajuste e detalhamento
do contedo da apostila do curso de nivelamento em geotecnologias
realizado no mbito da Rede de Pesquisa em Agricultura de Preciso1
(Rede AP). Participaram cerca de 35 pesquisadores na figura de multi-
plicadores para uma rede envolvendo mais de duzentos pesquisadores,
um laboratrio de referncia nacional e quinze campos experimentais
em diferentes regies agronmicas e culturas (i.e.: anuais e perenes).
Esta demanda por um nivelamento tcnico, de um grupo especializado
e multidisciplinar, enfatizou processos de anlise de dados georrefe-
renciados, posteriores ao monitoramento intensivo. Priorizou-se o uso
de ferramentas livres em temas como: pr-processamento de dados
observados no monitoramento intensivo; geoestatstica; e anlise es-
pacial. Em relao ao mdulo de geoestatstica, buscou-se facilitar o
aprendizado de conceitos e o entendimento das aplicaes em Agri-
cultura de Preciso (AP) utilizando a interface do Vesper (MINASNY et
al., 2005).
Considerado como uma ferramenta de referncia da rede de pes-
quisa, o Vesper (Variogram Estimation and Spatial Prediction plus
ERror) alm de eficiente no processamento e moldada para dados ge-
rados no monitoramento intensivo, oferece uma interface simplificada
para ajuste manual ou automtico de semivariogramas que pode fa-
cilitar a maturao de conceitos no estudo da autocorrelao espa-
cial. Foi desenvolvido no Laboratrio de Agricultura de Preciso da
Universidade de Sydney para a estimativa de variogramas e predio
1 http://www.macroprograma1.cnptia.embrapa.br/redeap2/Rede%20AP
14
Organizao do livro
Convenes Tipogrficas
Atributos do Solo
Carbono Total
Compactao
Profundidade
Salinidade e
Orgnica e
Sodicidade
Nitratos e
Nitrognio
Tipo de Sensor Umidade
Matria
Textura
CTC
pH
Eltrico e
X X X X X X X
Eletromagntico
tico e
X X X X X X
Rediomtrico
Mecnico X X
Acstico e
X X X
Pneumtico
Eletroqumico X X X
Captulo 2
(1)
(a) (b)
Figura 2.10. Diferenas na visualizao espacial dos pontos georreferenciados
em dois ambientes de software: a) mapa de pontos com preciso cartogrfica
em SIG; e b) representao dos pontos num grfico de disperso plotado em
planilha eletrnica.
Captulo 3
Conceitos Bsicos da
Geoestatstica
Clia Regina Grego
Ronaldo Pereira de Oliveira
(2)
Modelo Exponencial:
O modelo exponencial o que representa processos que tem a
maior perda de semelhana com a distncia. Dados de precipitao
pluviomtrica normalmente so ajustados por este modelo. Atinge o
patamar exponencialmente, por isso possui apenas uma estrutura onde
d a mxima distncia na qual o variograma definido. O parmetro a
48
(3)
Figura 3.2. Forma grfica dos trs modelos tericos mais utilizados no ajuste
de variogramas tpicos de variveis de processos geomorfolgicos.
Modelo Esfrico:
O modelo esfrico possui duas estruturas, uma com a distncia
entre zero e o alcance, e outra maior do que o alcance, onde atinge
o patamar. O modelo esfrico linear at aproximadamente 1/3 do
alcance e pode ser calculado pela Equao 4.
(4)
Modelo Gaussiano:
O modelo gaussiano inicia com uma queda nos primeiros va-
lores de semivarincia para as menores distncias, e aps este incio
h um crescimento da semivarincia at o alcance, onde atingido o
patamar. Tem um crescimento bastante lento no incio, at atingir um
ponto de inflexo antes do alcance. Os dados mais comuns de ocor-
rncia de modelo gaussiano so cotas topogrficas. Ele definido pela
Equao 5, representando os processos naturais mais contnuos que
se tem conhecimento.
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 49
(5)
(6)
Para validar o ajuste do variograma, ou seja, para verificar se os
parmetros de ajuste e o modelo de ajuste escolhidos foram adequados,
podem ser calculados alguns coeficientes como coeficiente de correla-
o (r2) e raiz quadrada do erro mdio (RMSE), sendo que, quanto mais
prximo do 1 o r2 for, e quanto menor o valor de RMSE, melhor o ajuste.
Para isso necessrio definir as respectivas equaes como segue:
1. Adicionar colunas para calcular a Soma de Quadrado do Resduo
(SQR). O SQR mede a soma dos quadrados dos resduos,
exclusivamente relacionados ao erro aleatrio medida dentro dos
grupos nas diferentes distncias (Equao 7);
(7)
2. Adicionar colunas para calcular a Soma de Quadrado Total (SQT).
O SQT mede a variao geral de todas as observaes (Equao 8);
(8)
3. Adicionar colunas para calcular a Soma de Quadrado dos Desvios
Ponderados (SQDP). O SQDP a soma dos quadrados dos desvios
de cada dado em relao mdia do conjunto (Equao 9);
(9)
(10)
(11)
Anisotropia
A anisotropia uma caracterstica comum nos processos de
disperso de elementos dos recursos naturais. O termo indica que
a variabilidade ou distribuio espacial de tais elementos ocorre
mais intensamente numa direo e menos intensamente em outra
direo, no apresentando uma dependncia espacial radialmente
homognea. Considerando o mapeamento de teores de potssio,
improvvel que esta propriedade se disperse igualmente em todas
as direes. A estatstica clssica limitada para tratar apropria-
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 53
(a)
(b)
Tendncia
Para a obteno de um ajuste preciso do variograma, supos-
to que a varivel regionalizada tenha um comportamento fracamente
estacionrio, onde os valores esperados, assim como sua covarincia
espacial, sejam os mesmos dentro de uma determinada rea. Nem
sempre o comportamento espacial de uma varivel tem a caracters-
tica estacionria, onde a mdia permanece constante. Quando isto
no ocorre, a varivel apresenta uma deriva, uma tendncia regional
(i.e.: trend ou drift). O que significa que o valor mdio da variao
56
A B
Krigagem Ordinria
A krigagem ordinria um mtodo de estimao linear para uma
varivel regionalizada que satisfaa a hiptese intrnseca. O mtodo
definido por um algoritmo que considera que os valores de uma
varivel regionalizada apresentam uma mdia constante, porm des-
conhecida. Destina-se a calcular ponderadores timos, que minimizem
a varincia do erro de estimao (DEUTSCH, 1996). A krigagem ordi-
nria a tcnica de interpolao geoestatstica mais difundida (LAN-
DIM et al., 2002; SOARES, 2006), j implementada em mdulos de
anlise espacial de vrios ambientes SIG. Considerando a dificuldade
em quantificar o erro e a varincia para os pontos estimados, dado o
desconhecimento dos valores reais, a krigagem ordinria faz uso de
uma funo aleatria que permite atribuir pesos s amostras usadas
nas estimativas. Por isso, no algoritmo de krigagem ordinria no h
a necessidade de se conhecer o valor da mdia a priori; isto , o valor
da mdia constante, mas como no entra no clculo, pode continuar
desconhecido.
A krigagem ordinria considerada por Sturaro (1988) como o
melhor estimador linear sem vis, em funo das seguintes caracters-
ticas: a) Linear - as estimativas so feitas atravs de uma combinao
linear dos dados; b) Sem vis - o mtodo objetiva que o erro residual
mdio seja igual a zero; e c) Melhor estimador - o mtodo objetiva mi-
nimizar a varincia dos erros. Como em outras formas de krigagem, ela
pode ser executada com estimativas por ponto ou por bloco, onde os
resultados por bloco apresentam uma maior suavizao na superfcie
estimada.
Krigagem Simples
A krigagem simples utilizada quando estatisticamente se assu-
me que a mdia conhecida e constante para toda a rea (i.e.: ajuste
do variograma global). Difere da krigagem ordinria que considera uma
mdia flutuante ou mvel por toda a rea (i.e.: ajuste do variograma
local). Estas presuposies so muito restritivas para modelar, com
realismo, processos geoambientais e, por isso, uma tcnica pouco
utilizada. Em geral, transformaes de normalizao dos dados ou pro-
cedimentos de extrao de tendncias so necessrios para viabilizar
esta tcnica.
Krigagem Universal
um mtodo similar ao da krigagem ordinria, aplicado quando
a varivel regionalizada no estacionria mas apresenta uma ten-
dncia e seus resduos contm a hiptese intrnseca. Esta ocorrn-
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 61
Cokrigagem
A cokrigagem espcie de extenso da krigagem, a qual
permite estimar uma varivel a partir de suas prprias informaes
em conjunto com as informaes disponveis sobre outras variveis
espacialmente correlacionadas. um procedimento de interpolao
no qual diversas variveis regionalizadas podem ser estimadas em
conjunto, com base numa correlao espacial multivariada entre si.
Aplica-se quando duas ou mais variveis apresentam uma alta cor-
relao em seus valores numricos e tenham sido observadas em lo-
cais prximos dentro de uma mesma rea. Este mtodo comumente
utilizado quando a varivel de interesse (i.e.: primria) apresenta
uma menor densidade amostral, ou correlao espacial, em relao
s demais variveis de apoio (i.e.: secundrias). Onde, para cada
local amostrado, obtm-se um vetor de valores em lugar de um nico
valor. A cokrigagem busca melhorar a estimativa da varivel primria
utilizando outras mais densamente amostradas; ainda que, em geral,
apenas uma varivel secundria seja usada.
Utilizando o Vesper
Captulo 4
O Vesper
Ronaldo Pereira de Oliveira
4 http://sydney.edu.au/agriculture/pal/documents/Vesper_1.6_User_Manual.pdf
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 67
Botes Operacionais
Os Botes operacionais (Figura 4.7) controlam comandos cen-
trais do Vesper com quatro funes especficas como segue:
Arquivo de Entrada
O Vesper aceita dados de entrada em arquivos no formato de
texto delimitado por vrgulas, espaos ou tabulaes (e.g.: .txt,
.csv ou .dat), que podem ser criados num editor de texto simples
ou exportados por uma planilha eletrnica. Podem conter at 50
variveis numricas ou textuais obrigatoriamente georreferenciadas.
Como no exemplo da Figura 4.8, os dados de entrada devem es-
tar organizados de forma que cada ponto de observao no campo
corresponda a um registro (i.e.: linha da planilha), o qual dever
conter os valores das variveis dispostas em campos delimitados
(i.e.: colunas da planilha) incluindo: dois campos com coordenadas
cartesianas (i.e.: X e Y em metros) e ao menos um campo com os
valores da varivel a ser analisada (e.g.: CEa, NDVI, Produtividade, N
e K). No h uma ordem definida para disposio dos campos ou a
obrigatoriedade de uma linha de cabealho, mas sugere-se que seja
definida uma linha de cabealho e que o par de coordenadas estejam
posicionados nos dois primeiros campos na ordem X, Y (Figura 4.8).
Esta disposio visa facilitar a seleo das variveis de entrada na
interface File Preview: da sub-janela Data file, como detalhado
adiante. Registros sem os valores das variveis (i.e.: em branco) so
desconsiderados durante o processamento mediante o preenchimen-
to destes campos com o valor predefinido pelo Vesper como -9999.
Caso estes campos j estejam preenchidos com outro tipo de flag
(sinalizador), este valor pode ser definido no campo Missing value
no menu de opes Data na aba Files (Figura 4.3).
As coordenadas devem conter valores de referncia cartesiana,
em metros, ao invs de valores de coordenadas esfricas (i.e.: Lati-
tude e Longitude), em graus. Isto porque, um grau longitudinal no
representa uma distncia fixa, a qual varia em funo da posio
no globo. Isto , a diferena de um grau quando se est prximo ao
Equador representa uma distncia muito maior do que a diferena de
um grau prximo aos Polos. Por estas razes, as coordenadas geo-
grficas devem ser convertidas para coordenadas cartesianas antes
de dar entrada no Vesper. Nota-se que dados oriundos de sistemas
74
Figura 4.8. Formato do arquivo texto delimitado por vrgulas com dados de
entrada.
76
Figura 4.10. Opes da aba Files com interfaces para seleo do arquivo e
da varivel de entrada.
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 77
Figura 4.12. Sub-janela Vesper Map ativada pelo boto operacional View
Output do menu de opes Output para visualizao dos resultados da
krigagem armazenados no arquivo de texto kriged.txt.
Figura 4.13. Sub-janela Vesper Output File Conversion com interfaces para
a definio de parmetros e nomes dos arquivos convertidos para exportao.
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 81
(a) (b)
Figura 4.14. Exemplo dos arquivos convertidos nos formatos SIG ASCII
Raster Grid disponveis para exportao, sendo: a) ArcView; e b) Surfer.
Modelagem de Variogramas
Ronaldo Pereira de Oliveira
(a) (b)
Figura 5.2. Pr-seleo de parmetros da aba Variogram para o ajuste de
variogramas em modo local, sendo: a) o modelo terico (Variogram model)
e o tipo de ponderao (Weighting) do ajuste; e b) definio dos parmetros
para clculo do variograma emprico no menu de opes Variogram
computation.
Figura 5.7. Menu de opes Fitting Control Panel com interface interativa
para refinamento manual dos parmetros de ajuste, enquanto observando o
comportamento do variograma terico e a da qualidade do ajuste.
Captulo 6
Predio Espacial
(b)
(a) (c)
Figura 6.2. Sub-janelas da aba de krigagem para gerao interativa do
contorno e da grade regular de interpolao, sendo: a) delineamento manual
do contorno limtrofe da grade de interpolao; b) arquivo de texto delimitado
contendo os pares de coordenadas dos vrtices do contorno; e c) definio da
resoluo espacial (i.e.: distncia entre os pontos interpolados) para gerao
da grade de estimao.
98
Depois do Vesper
Captulo 7
Importao em SIG
Ronaldo Pereira de Oliveira
7.3 O QGIS
5 http://www.qgis.org/pt_BR/site/forusers/download.html
6 http://groups.google.com/group/qgisbrasil
7 http://qgisbrasil.org
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 109
Figura 7.5. Mapa de CEa importado no QGIS a partir dos mapas estimados
no Vesper.
(a) (b)
Figura 7.6. Procedimento de Renderizao da banda do mapa importado
com diferentes opes de legenda, selecionando: a) a sub-janela Propriedades
da Camada; e b) a aba de Estilo.
114
(a) (b)
Figura 7.12. Diferena entre os arquivos de texto contendo os pares de
coordenadas dos vrtices que definem o contorno da rea de estudo, sendo (a)
formatao do arquivo gerado no Vesper com texto delimitado por tabulaes;
e (b) formatao requisitada pelo complemento do QGIS para o arquivo com
cabealho, coluna de indexao e delimitado por vrgulas.
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 119
(a)
(b) (c)
Figura 7.16. Seleo do complemento Points2One na aba Vetor do menu
barra de ferramentas (em c), depois de selecionado e instalado na sub-janela
Complementos (em a e b respectivamente).
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 123
(a)
(b)
Figura 7.17. Mapas vetoriais gerados a partir do arquivo de contorno de
interpolao definido no Vesper com as coordenadas dos vrtices do contorno
da rea de krigagem, sendo: a) permetro linear; e b) rea poligonal.
Figura 7.18. Superposio de mapas no QGIS, ilustrando os a localizao
dos dados brutos sobre a rea gerada a partir do contorno de interpolao
definido no Vesper.
Captulo 8
(a) (b)
(c) (d)
Figura 8. 7. Resultados tpicos de ajustes manuais condicionados, indicando
em diferentes escalas de variao: componentes espacialmente correlacionados
para pH (em a) e Potssio (em b); e um componente correlacionado com
tendncia (em c) ou aleatrio (em d) para diferentes escalas da dependncia
espacial do Zinco.
CRESSIE, N. A. C. Statistics for spatial data. New York: J. Wiley and Sons, 1991.
900 p.
DEUTSCH, C. Correcting for negative weights in ordinary kriging. Computers & Geo-
sciences, v. 22, n. 7, p. 765-713, Aug. 1996.
DIGGLE, P. J.; RIBEIRO JUNIOR, P. J. Model-based geostatistics. New York: Springer,
2007. 228 p.
GARCIA, P. A. G. Geoestatstica operacional. Braslia, DF: Ministrio de Minas e Ener-
gia, Departamento Nacional da Produo Mineral, 1988. 145 p.
GEBBERS, R. Current crop and soil sensors for precision agriculture. In: CONGRES-
SO BRASILEIRO DE AGRICULTURA DE PRECISO, 2014, So Pedro, SP. Anais...
Jaboticabal: SBEA, 2014. Disponvel em: <http://www.researchgate.net/publica-
tion/272016538_Current_Crop_and_Soil_Sensors_for_Precision_Agriculture>. Aces-
so em: 19 jul. 2015.
GOOVAERTS, P. Geostatistics for natural resources evaluation. New York: Oxford Uni-
versity Press, 1997. 483 p.
GREGO, C. R.; VIEIRA, S. R. Variabilidade espacial de propriedades fsicas do solo em
uma parcela experimental. Revista Brasileira de Cincia Solo, Viosa, MG, v. 29, n.
2, p. 169-177, 2005.
GREGO, C. R.; OLIVEIRA, R. P. de; VIEIRA, S. R. Geoestatstica aplicada a agricul-
tura de preciso. In: BERNARDI, A. C. de C.; NAIME, J. de M.; RESENDE, A. V. de;
BASSOI, L. H.; INAMASU, R. Y. (Ed.). Agricultura de preciso: resultados de um novo
olhar. Braslia, DF: Embrapa, 2014. p. 74-83.
HAAS, T. C. Kriging and automated variogram modeling within a moving window.
Atmospheric Environment. Part A. General Topics, v. 24, n. 7, p. 1759-1769, 1990.
HAMLETT, J. M.; HORTON, R.; CRESSIE, N. A. C. Resistant and exploratory tech-
niques for use in semivariogram analyses. Soil Science Society of America Journal, v.
50, n. 4., p. 868-875, 1986.
HUIJBREGTS, C. J. Regionalized variables and quantitative analysis of spatial data.
In: DAVIS, J. C.; McCULLAGH, M. J. (Ed.). Display and analysis of spatial data. New
York: J. Wiley, 1975. p. 38-53.
IBGE. Noes bsicas de cartografia. Rio de Janeiro, 1998. Disponvel em: <ftp://
geoftp.ibge.gov.br/documentos/cartografia/nocoes_basicas_cartografia.pdf>. Acesso
em: 19 jul. 2015.
ISAAKS, E. H.; SRIVASTAVA, R. M. An introduction to applied geostatistics. New
York: Oxford University Press, 1989. 561 p.
JIAN, X.; OLEA, R. A.; YU, Y.-S. Semivariogram modeling by weighted least squares,
Computers & Geosciences, v. 22, n. 4, p. 387-397, May 1996.
JOURNEL, A. G. Fundamentals of geostatistics in five lessons. Washington, DC:
American Geophysical Union, 1989. 80 p.
GEOESTATSTICA APLICADA NA AGRICULTURA DE PRECISO UTILIZANDO O VESPER 149
Arquivo de Controle
Anexo III
Apoio: