Análise Geoestaística No Arcgis 10.1 - Tutorial

Anlise Geoestastica no ArcGIS 10.
11
DOWNLOAD DO BANCO DE DADOS Com a anlise Geoestatstica do ArcGIS, voc pode facilmente criar uma superfcie contnua ou mapa, com base em pontos de amostragem armazenados em layers do tipo ponto, ou usando centrides de polgonos. Os pontos de amostragem podem ser medidas como a elevao, profundidade do lenol fretico, ou nveis de poluio, como o caso do presente tutorial. Quando usado em conjunto com o ArcMap, a Anlise Geotestastica fornece um conjunto abrangente de ferramentas para criar superfcies que podem ser usadas para visualizar, analisar e compreender os fenmenos espaciais. OBS: Exige-se conhecimento bsico do ArcGis para o acompanhamento deste mdulo.
1.1. Exerccio 1: Criando uma superfcie contnua a partir de parmetros Default.
1. O primeiro passo consiste em adicionar a toolbar Geoestistical Analyst. Abra uma nova seco em branco do ArcMap. 2. Cancele a abertura de um mapa existente.
3. Clique com o boto direito do mouse na barra de tarefas em uma rea em branco. Ative a ferramenta Geoestistical Analyst.
Mdulo desenvolvido com base em material oficial da ESRI. Adatptado de: http://help.arcgis.com/en/arcgisdesktop/10.0/pdf/geostatistical-analyst-tutorial.pdf
Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br
4. Deixe-a fixada na parte superior de sua janela do ArcMap. 5. Clique na opo Add Data . 6. Navegue at a seguinte pasta: (...) Banco de Dados/Mdulo 3/Geostatistical Analyst. 7. D um clique duplo no geodatabase ca_ozone.gbd. Mantenha pressionada a tecla CTRL do seu computador e adicione os dados O3_Sep06_3pm e ca_outline. 8. Clique ADD. 9. Na Table of Contents d um clique com o boto direito do mouse no layer ca_outline e escolha a opo No Color, como mostrado na Figura.
10. Apenas o contorno da Califrnia exibido. Isso permite que voc veja as camadas que sero criadas neste tutorial, debaixo desta camada. 11. Na Table of Content d um clique duplo no layer O3_Sep06_3pm 12. Nas propriedades do layer selecione a aba Symbology. 13. Na caixa de dilogos apresentada clique em Quantities e ento em Graduated Colors. 14. No campo Field selecione OZONE. Em Color Ramp selecione uma cor parecida com a da Figura a seguir.
15. Clique OK. Note que os valores mais altos de oznio ocorrem no Central Valley (Vale Central), na Califrnia, enquanto os mais baixos ocorreram ao longo da costa. O mapeamento dos dados o primeiro passo na explorao e entendimento do fenmeno que voc quer modelar.
16. Salve o mapa na pasta (...) Banco de Dados/Mdulo 3, com o nome Oznio_California.
Em seguida, voc ir criar (interpolar) uma superfcie de concentrao de oznio usando as configuraes padro da anlise geoestatstica. Voc vai usar o conjunto de dados de oznio (O3_Sep06_3pm) como o dado de entrada e usar krigagem ordinria para interpolar os valores de oznio nos locais onde os mesmos no so conhecidos. Iremos clicar em Avanar nas caixas de dilogo para aceitar os padres. No necessrio se concentrar nos detalhes das caixas de dilogo neste exerccio porque posteriormente as mesmas sero revisadas em detalhes. A inteno deste exerccio apresentar a funo Geoestatistcal Analyst. 17. Clique na aba Geoestatistical Analyst e escolha a opo Geoestistical Wizard.
18. Escolha Kriging/Cokriging na janela de mtodos a esquerda.
19. Confira na janela Dataset se est como na Figura a seguir.
20. Clique Next. 21. Na prxima janela escolha Ordinary e Prediction como opes do tipo de krigagem.
22. Clique Next. O modelo de semivariograma/covarincia exibido, permitindo que voc examine a relaes entre os pontos medidos. Pode-se assumir que os pontos que esto mais juntos so mais parecidos do que aqueles que esto mais distantes. O semivariograma permite explorar esta suposio.
23. Clique Next. A mira mostra um local que no tem nenhum valor medido. Para prever um valor na mira, voc pode usar os valores nos locais medidos. Pressupe-se que os valores mais prximos dos locais medidos so mais parecidos com o valor do local no mensurvel que pretende-se prever. Os pontos vermelhos na imagem abaixo vo ser ponderados (ou influenciar o valor desconhecido) mais do que os pontos verdes, uma vez que esto mais prximas do local onde voc est prevendo. Usando os pontos circundantes do semivariograma, possvel prever valores para a localizao no mensurada.
24. Clique Next. O diagrama de validao cruzada lhe d uma ideia de quo bem o modelo prev os valores nos locais desconhecidos.
25. Clique em Finish. 26. Clique OK na prxima janela. O mapa de predio da distribuio do carbono adicionado como layer no topo da Table of Contents.
27. Abra as propriedades do layer recm-criado dando um clique duplo no layer Kriging.
28. Na janela aberta clique na aba General.
29. Em Layer Name escreva Kriging_Default. 30. Salve o mapa. 31. Iremos recortar a extenso do layer para corresponder a regio do estado da Califrnia. 32. Na mesma janela Properties navegue para a aba Extent.
33. Em Set the extent to, selecione a opo mostrada na Figura.
34. Clique Aplicar - OK. 35. Clique com o boto direito do mouse na opo Layers e ento em propriedades.
36. Navegue para a aba Data Frame. Em Clip Options clique em Clip to Shape.
37. Clique em Secify Shape e escolha o layer ca_outline como limite da rea.
38. Clique OK. Clique Aplicar e ento OK.
39. Arraster o layer O3_Sep06_3pm para cima do layer Kriging_Default.
Repare pela colorao dos pontos como o mtodo automtico de predio do oznio foi capaz de representar a realidade amostral. Em geral as altas concentraes representadas pontualmente coincidem com aquelas ilustradas pela krigagem. Agora veremos como avaliar a qualidade de um modelo para compara-lo com outros gerados por diferentes mtodos. 40. Clique com o boto direito no layer Kriging_Default e escolha a opo Validation.
41. Na opo Input Point Observation Location, clique na pasta ao lado e caminhe para o diretrio: (...) Banco de Dados/Mdulo 3/ca_ozone.gdb/. Insira o arquivo ca_cities. 42. Deixe a opo Field Validate em branco. 43. Em Output Statstics at Point Location salve o arquivo de sada com o nome CA_Cidades_Ozonio, dentro da pasta Mdulo 3.
44. Clique OK e espere o processo terminar. 45. O layer ser adiciona na janela do ArcMap. 46. Abra a tabela de atributos do layer recm adicionado, seguindo o caminho ilustrado.
47. Percebe que agora o ponto de cada cidade tem um valor predito de concentrao de oznio de acordo com a estimativa por krigagem, associado a este valor existe ainda a estimativa de erro mdio. 48. Feche a tabela de atributos. 49. Remova o Layer CA_cidades_ozonio clicando com o boto direto do mouse e selecionando a opo Remove. 50. Salve as alteraes e feche o ArcGis
1.2.
Exerccio 2: Criando uma superfcie contnua ajustada
Voc j criou um mapa da concentrao de oznio e completou Exerccio 1. Embora seja uma tarefa simples criar um mapa usando as opes padro que o Assistente de Geoestatstica oferece, importante seguir um processo estruturado partindo-se da anlise dos dados at a comparao de acurcia dos modelos.
Nos exerccios que sero apresentados a seguir neste tutorial, sero aplicadas tcnicas avanadas de anlise da correlao espacial de dados. Os exerccios seguintes possibilitaro a extrao do mximo de informao possvel para a criao de um modelo mais acurado. Exerccio 2.1: Examinando a frequncia dos dados usando o histograma. Os mtodos de interpolao que so utilizados para gerar uma superfcie fornecem melhores resultados se os dados tiverem uma distribuio prxima da normal (uma curva gaussiana). Se tais dados apresentam tendncia, voc pode optar por transforma-los, buscando uma distribuio mais harmnica. Assim, importante compreender a distribuio dos valores antes de criar uma superfcie. A ferramenta Histograma de Frequncia para os atributos do conjunto de dados, permite que voc examine a distribuio de uma varivel (univariada) para cada atributo no conjunto de dados. Em seguida, voc vai explorar a distribuio de oznio para o dado O3_Sep06_3pm. 1. Abra o mapa Ozonio_California.mxd localizado na pasta (...) Banco de Dados/Mdulo 3. 2. Aps abrir o ArcMap, arraste o layer ca_outline sobre o layer Kriging Default, na Table of Contents.
3. Na toolbar Geoestatistical Analyst siga o caminho mostrado na Figura.
4. Na caixa de dilogos da janela que ir se abrir clique na seta da opo Attributes e escolha Ozone.
5. Redimensione a janela e arraste para o canto do ArcMap para que o mapa possa ser visto juntamente com o histograma.
A frequncia dos dados dentro de cada classe representada pela altura de cada barra. Em geral, as caractersticas importantes de uma distribuio esto relacionadas ao valor central, a propagao e a simetria. Para uma verificao rpida, se a mdia e mediana tem valores aproximados, pode ser um indicativo de que os dados esto com distribuio prxima da normal. O deslocamento do pico de frequncia para a direita indica a presena de um nmero relativamente pequeno de amostras com altos valores de concentrao de oznio. Aparentemente os dados no esto prximos de uma distribuio normal. 6. Selecione as duas barras do histograma com valores de oznio maior que 0,10 ppm (lembre que os valores foram redimensionadas por um fator 10), clicando e arrastando o cursor sobre elas. Os pontos de amostragem dentro desta gama so selecionados no mapa. Observe que a maioria das amostras esto localizadas no Vale Central da Califrnia.
7. Limpe a seleo clicando no boto: 8. Feche a janela do histograma. Exerccio 2.2: Examinando a grfico Quantile-Quantile (Q-Q) O grfico quantil-quantil (QQ) usado para comparar a distribuio de dados para um padro normal. Quanto mais prximos estiverem os pontos da linha de tendncia normal (45 graus), melhor ser a distribuio dos valores amostrais. 1. Na toolbar Geoestatistical Analyst siga o caminho mostrado na Figura.
A interface QQ um grfico em que as duas distribuies de quantis so representados em funo uma da outra. Para duas distribuies idnticas, o grfico QQ ser uma linha reta. Portanto, possvel verificar a normalidade dos dados de oznio traando os quantis do grupo amostral versus uma distribuio normal padro. A partir do grfico QQ, nota-se que a distribuio no est prxima da normal. O desvio maior ocorre nos baixos valores de concentrao de oznio (selecionados e mostrados em azul na imagem abaixo. Tais valores foram selecionados, clicando e arrastando o cursor no grfico QQ). Se os dados no exibem uma distribuio normal, pode ser necessrio transform-los antes da aplicao de tcnicas de kigagem.
3. Feche o grfico QQ. Limpe a seleo caso tenha feito alguma. Exerccio 2.3: Identificando tendncias globais no dado. Se existe uma tendncia nos dados, a mesma trata-se de um componente no aleatria (determinstico) de uma superfcie, que pode ser representada por uma frmula matemtica. Por exemplo, um vale no terreno, seria representado por uma frmula complexa (um polinmio de segunda ordem), que cria uma feio em forma de U na anlise de tendncia. A ferramenta de anlise de tendncia permite que voc identifique a presena/ausncia de tendncias no conjunto de dados de entrada e avalie qual ordem do polinmio se encaixa melhor na realidade analisada. 1. Na aba Geoestatistical Analyst clique em: Geostatistical Analyst > Explore Data > Trend Analysis.
Cada haste vertical no grfico de anlise de tendncia, representa a localizao e o valor (altura) de cada medio de oznio. Os pontos so projetados sobre os planos perpendiculares, leste-oeste e norte-sul. A linha que melhor se ajusta (um polinmio) interpolada atravs dos pontos projetados, mostrando as tendncias em direes especficas. Se a linha tem um aspecto plano, isto indicaria que no existe qualquer tendncia. No entanto, se voc olhar para a linha verde na imagem acima, ir notar que os valores so mais baixos no incio, aumentam em direo ao centro do eixo x, e ento diminuem novamente. Da mesma forma, a linha azul est aumentando na regio central, tendo-se como base o eixo norte-sul. Isto demonstra que os dados parecem esboar uma forte tendncia no centro do estado, para todas as direes. Veja na Figura a representao de um dos sentidos possveis.
Norte
Oeste
3. Na aba Rotate, rode o controle para a esquerda at que o ngulo em destaque na Figura chegue a um valor prximo de 90.
Voc ir notar que, enquanto roda o modelo, a tendncia sempre apresenta a forma de um U invertido. Alm disso, tal tendncia no parece ser mais forte para
qualquer direo especfica, confirmando a observao acima que existe uma forte tendncia a partir do centro. Esta tendncia possivelmente causada pelo fato de a poluio ser baixa no litoral. O alto contingente populacional concentrando no vale, aumenta os ndices de poluio que diminui novamente nas montanhas, devido ao efeito tampo. Voc vai remover essas tendncias no Exerccio 4. 4. Feche a janela Trend Analysis. Exerccio 2.4: Explorando a autocorrelao espacial e a influncia direcional 1. Na aba Geoestatistical Analyst clique em: Geostatistical Analyst > Explore Data > Semivariogram/Covariance Cloud.
O semivariograma/covairograma permite que seja examinada a autocorrelao espacial entre os pontos de amostra medidos. Supe-se geralmente que os dados que esto prximos um do outro so mais parecidos. O semivariograma/covairograma possibilita examinar esta relao. Para fazer isso, um valor de semivarincia (diferena entre o quadrado dos valores de cada par de locais), representado no eixo y em relao distncia que separa cada par de medies, que representada no eixo x. Cada ponto vermelho no semivariograma representa um par de localizao. Na rede de semivarincia locais que esto mais prximos (na extrema esquerda do eixo-x) devem ter varincia menor (valores baixos no eixo y). medida que a distncia entre os pares aumenta (para a direita no eixo x), os valores do semivariograma tambm devem aumentar (eixo y). Sendo assim, certa distncia atingida quando a nuvem se achata, indicando que o os valores dos pares de pontos separados por uma distncia maior do que esta, no so mais correlacionados. Olhando para o semivariograma, verifica-se que alguns dados que esto juntos (prximo de zero no eixo x) tem um valor elevado de varincia (alto no eixo y). Diante disso, deve-se investigar estes pares para ver se existe uma possibilidade de que os dados sejam imprecisos. 3. Na janela Semivariogram/Covariance Cloud selecione alguns pontos, procurando representar uma rea parecida com aquela mostrada na Figura a seguir. Voc deve dimensionar sua janela para enxergar o dado ao fundo.
Os pares amostrais que so selecionados no semivariograma so destacados no mapa. Como j era de se esperar, as linhas com valores altos de semivarincia para uma determinada distncia entre os pontos, so aquelas que correspondem ao maior gradiente de concentrao de oznio. A maioria das linhas so paralelas costa. Nota-se que existem influncias direcionais que afetam os dados. Essas influncias direcionais iro afetar a preciso da superfcie que voc ir criar no exerccio seguinte. No entanto, uma vez que se tem conhecimento de sua existncia, a anlise geoestatstica fornece ferramentas para explic-la no processo de criao da superfcie. Para explorar determinada influncia direcional na nuvem de semivarincia, voc pode usar as ferramentas de busca por direo. 4. Marque a caixa de dilogos Show search direction, em destaque na Figura acima. 5. No mapa da janela do semivariograma, mova a interface para alguma direo.
A direo do ponteiro determina quais pares de dados so plotados no semivariograma. Por exemplo, se o ponteiro est na direo leste-oeste, apenas os pares de dados que esto a leste ou oeste sero plotados no semivariograma. 6. Posicione o cursor na direo mostrada na Figura e ento, na janela do semivariogarama, selecione aproximadamente os pontos em destaque (azul).
Note que a maioria dos pontos interligados (que representam pares de pontos no mapa) correspondem a um dos pontos de amostragem localizados na regio central da Califrnia. Isto ocorre porque os valores de oznio nesta rea so maiores do que em qualquer outro lugar, da regio em anlise. 4. Feche a janela do semivariograma e limpe a seleo realizada
1.3. Exerccio 3: Mapeando a concentrao de Oznio por krigagem
No exerccio 1, foram usados os parmetros padro para mapear a concentrao de oznio. No entanto, no foram examinadas as propriedades estatsticas dos dados. Sendo assim, a partir da explorao dos dados no exerccio 2, verificou-se que os mesmos apresentaram tendncia e uma influncia direcional. Tais aspectos podem ser incorporados ao modelo de interpolao. Neste exerccio, voc vai: - Melhorar o mapa da concentrao de oznio criado no Exerccio 1. - Aprender alguns conceitos bsicos de geoestatstica. Voc vai voltar a usar o mtodo de interpolao por krigagem ordinria, mas desta vez incorporando tendncia e anisotropia ao modelo, para criar previses mais apuradas. Krigagem Ordinria trata-se de um modelo mais simples, pois o nmero de suposies relacionadas a ela mais baixo. 1. Se voc fechou a sua seco do ArcMap abra-a novamente e abra o mapa Ozonio_California.mxd. 2. Certifique-se de que nenhum ponto da rea est selecionado, pois caso haja selees, somente estes pontos sero krigados. 3. Na barra Geotestistical Analyst clique "Geostatistical Analyst > Geostatistical Wizard.
4. Escolha a opo Kriging/Cokriging na janela de mtodos. 5. Clique na seta ao lado de Input Data e escolha o layer O3_Sep06_3pm. 6. Na opo Data Field escolha Ozone.
7. Clique Next. A partir da explorao dos dados no exerccio 2, voc descobriu uma tendncia global. Depois do refinamento com a ferramenta de anlise de tendncias, determinouse que um polinmio de segunda ordem parecia razovel para o ajuste. Esta tendncia pode ser representada por uma frmula matemtica e removida dos dados. Uma vez que a tendncia removida, a anlise estatstica ser realizada sobre os resduos ou o shortrange e da variao da superfcie. A tendncia ser automaticamente adicionada de volta antes da criao da superfcie final, para que os resultados preditos sejam mais significativos. 8. Escolha a opo Ordinary
9. Clique na opo Order of trend removal e escolha Second
10. Clique Next.
Por padro, a anlise Geoestatstica mapeia a tendncia global no conjunto de dados. A superfcie indica uma mudana mais rpida na direo sudoeste-nordeste e uma mudana mais gradual na noroeste-sudeste (o que ocasiona a forma elipsoidal). Tendncias s devem ser removidas se houver justificativa. A tendncia sudoeste-nordeste pode ser atribuda a um acmulo de oznio, entre as montanhas e a costa. A elevao e a direo predominante do vento so fatores que contribuem para valores relativamente baixos nas montanhas e no litoral. O alto contingente populacional, tambm conduz a nveis elevados de poluio entre as montanhas e o litoral. Assim, voc pode justificadamente remover essas tendncias. 11. Clique Next. A prxima janela apresenta o semivariograma e as opes de ajuste a modelos especficos. O objetivo do semivariograma determinar o melhor ajuste para um modelo que cruza os pontos de semivriancia (mostrada pela linha azul no diagrama abaixo). O semivariograma uma representao grfica usada para fornecer um layout da correlao espacial no conjunto de dados. A caixa de dilogos permite ajustar modelos para as relaes espaciais no conjunto de dados. A anlise geoestatstica primeiro determina os tamanhos dos lags para agrupar os valores do semivariograma. O tamanho lag trata-se de uma classe de distncia em que os pares so agrupadas para reduzir a grande quantidade de combinaes possveis.
Note que existem menos pontos neste semivariograma com relao aquele que voc viu no Exerccio 2. A caixa de dilogo exibe os valores do semivariograma como uma superfcie contnua (mapa na parte inferior esquerda da caixa de dilogo) e como um grfico de disperso relativa que ilustra a distncia de separao. Por padro, os valores dos parmetros ideais so calculados para um modelo de semivariograma omnidirecional (todas as direes). Existem vrios outros tipos de semivariograma que poderiam ser utilizadas, dependendo de quo bem eles se encaixam aos dados. Os valores dos parmetros para o modelo de semivariograma omnidirecional estvel so o efeito pepita, alcance, peitoril parcial, e forma. Voc vai notar que em distncias menores, o modelo de semivariograma (linha azul) aumenta acentuadamente. O algoritmo de encaixe usa tamanhos de lag variveis, que permitem que a autocorrelao espacial do oznio seja melhor modelada, especialmente em curtas distncias (que so as mais importantes para interpolao). Ao remover a tendncia, o semivariograma vai modelar a autocorrelao espacial entre os pontos sem ter de considerar a tendncia dos dados. A mesma ser automaticamente adicionada de volta para o clculo da superfcie final. A escala de cores, que representa o valor calculado do semivariograma, fornece uma relao direta entre os dados empricos no grfico e os da superfcie do
semivariograma. O valor de cada clula na superfcie codificado por cores, com valores mais baixos mostrados em azul e verde e os mais elevados apresentados em laranja e vermelho. O valor mdio para cada clula da superfcie representada no o grfico como um ponto vermelho. O eixo x ilustra a distncia do centro da clula para o centro da superfcie do semivariograma. Para os dados de oznio, o semivariograma comea mais baixo em distncias curtas (valores de oznio medidas nos locais que esto prximos so semelhantes) e aumenta medida que aumenta a distncia. Observe a partir do mapa do semivariograma que dissimilaridade dos valores de oznio aumenta mais rapidamente na direo oeste-leste do que na direo sul-norte. Aparentemente existe uma componente direcional para a autocorrelao, assim voc vai incorpor-la ao prximo modelo. 12. Voltando aos passos, na janela que voc est visualizando no ArcMap, para o tamanho do Lag, defina 15000. Reduzir o tamanho do lag significa que est sendo aplicado um zoom in no modelo.
13. Mude a opo Search Direction para True.
14. Clique e segure o mouse na linha azul da superfcie do semivariogarama. Mova a linha e perceba que a mudana da direo altera a correlao dos pares de lags.
15. Na opo Anisotropy escolha True.
A elipse azul no mapa do semivariograma indica o intervalo da semivarincia em diferentes direes. Neste caso, o eixo principal encontra-se aproximadamente na direo NO-SE. A anisotropia ser agora incorporada no modelo para ajustar a influncia direcional na superfcie de sada. 16. Mude a opo Angle de acordo com o valor apontado na Figura.
17. Note que o shape da curva do semivariograma (linha azul) muda drasticamente. Isso ocorre porque escolhemos uma direo onde a varincia dos dados muito elevada. 18. Agora na opo Angle citada logo acima mude o valor para 151,35. O shape da curva muda novamente destacando lags mais associados. 19. O alcance nessa direo de aproximadamente 180 km. O alcance a distncia na qual o modelo atinge seu limite, destacando-se que alm do alcance a dissimilaridade entre os pontos torna-se constante conforme aumenta-se a distncia entre os pares dos lags. Pares de pontos que esto alm desta distncia (no exemplo: 180 km) so espacialmente no correlacionados. 20. O efeito Pepita (Nugget) representa possveis erros de medio e/ou variaes em microescala (variao em escala espacial muito detalhada para ser detectada). possvel estimar o erro de medio, caso haja vrias observaes por local. 21. Clique Next.
22. Clique no mapa desta janela, para selecionar a localizao de estimativa (onde a mira est localizada). Note a alterao na seleo de posio dos dados (juntamente com os seus pesos associados) que ser usado para calcular o valor do local de predio. 23. Na aba Predicted Value entre com os valores para X e Y como mostrado na Figura.
24. Mude a opo Copy from Variogram para False e digite 90 na caixa de texto Angle.
25. Mude novamente a opo Copy from Variogram para True. 26. Clique em Next. O diagrama de validao cruzada ir aparecer.
27. Clique Finish.
28. A janela Method Report ir se abrir mostrando um resumo dos parmetros de sada do modelo de krigagem utilizado.
29. Opcionalmente tais parmetros podem ser salvos como referncia para que esse modelo possa ser aplicado posteriormente, caso necessrio. 30. Clique OK. 31. O mapa de predio da quantidade de oznio ir aparecer na tela. 32. Mude o nome do layer recm criado para Trend Removed. Para modificar clique e segure sobre o nome Kriging.
33. Clique com o boto direito no layer Trend Removed e escolha a aba Properties. Clique na opo Extent. Feito isso escolha a opo em destaque na Figura a seguir. Clique Aplicar OK.
34. Na Table of Contents arraste o layer O3_Sep06_3pm para o topo. 35. Clique com o boto direito sobre o layer Trend Removed e esocolha a opo em destaque na Figura a seguir.
O mapa de predio do erro que representa a incerteza para cada local na superfcie que voc criou, apresentado. Observe no mapa de erro que locais prximos a pontos de amostragem geralmente tm menor variao com relao a verdade de campo. 36. Clique com o boto direito no layer Trend Removed e volte para a opo Change output to Prediction. Assim o mapa de predio ser novamente apresentado na tela. 37. Salve as alteraes j feitas no mapa .
1.4.
Exerccio 4: Comparando Modelos Krigados
Usando a anlise geoestatstica, voc pode comparar a acurcia de duas ou mais superfcies mapeadas. Diante disso possvel tomar decises sobre qual modelo fornece previso mais precisa da concentrao de oznio, com base na validao cruzada. Neste exerccio, voc ir comparar o mapa Trend_Removed com o mapa de Krigagem padro. 1. Caso tenha fechado a sua seco do ArcGis abra novamente o mapa Ozonio_California.mxd. 2. Clique como boto direito no layer Trend Removed na Table of Contents. 3. Selecione a opo Compare.
4. A validao cruzada aparecer automaticamente comparando os mapas Trend Removed e o Kriging Default.
5. Compare as estatsticas de validao cruzada para ambos os modelos. Escolha o melhor modelo, considerando-se que: As previses devem ser imparciais, indicadas por um erro mdio padro mais prximo de 0 possvel (Mean, Root Mean Square, Mean Standardized). Os erros padro so precisos, quando obtm-se uma raiz quadrada mdia padronizada mais prxima possvel do valor 1. O erro padro mdio (Average Standard Error) devem ter valores mais prximos possvel de 0. 6. Feche a caixa Cross Validation Comparison. 7. Clique no Layer Kriging Default e escolha remove.
8. Salve as alteraes feitas no mapa
9. Clique na opo Add Data . 10. Adicione o layer ca_hillshade, localizado na pasta Banco de Dados/Mdulo 3/Geostatistical Analyst/ca_ozone.gdb. 11. Clique no layer Trend_Removed com o boto direito, escolha a aba Properties e ento navegue para a aba Display.
12. Digite 30 na opo Transparency. 13. Confira se possvel visualizar ao fundo o mapa de relevo sombreado. 14. Salve as alteraes feitas e feche o ArcMap. FIM

Análise Geoestaística No Arcgis 10.1 - Tutorial

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Análise Geoestaística No Arcgis 10.1 - Tutorial

Hochgeladen von

Copyright:

Verfügbare Formate

Anlise Geoestastica no ArcGIS 10.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

18. Escolha Kriging/Cokriging na janela de mtodos a esquerda.

19. Confira na janela Dataset se est como na Figura a seguir.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

28. Na janela aberta clique na aba General.

33. Em Set the extent to, selecione a opo mostrada na Figura.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

38. Clique OK. Clique Aplicar e ento OK.

39. Arraster o layer O3_Sep06_3pm para cima do layer Kriging_Default.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Exerccio 2: Criando uma superfcie contnua ajustada

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

3. Na toolbar Geoestatistical Analyst siga o caminho mostrado na Figura.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

9. Clique na opo Order of trend removal e escolha Second

10. Clique Next.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

13. Mude a opo Search Direction para True.

15. Na opo Anisotropy escolha True.

27. Clique Finish.

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Exerccio 4: Comparando Modelos Krigados

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

8. Salve as alteraes feitas no mapa

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Desenvolvido por: Osvaldo J. R. Pereira. ojrpereira@cena.usp.br

Das könnte Ihnen auch gefallen