A Geoestatística é baseada nos seguintes conceitos:

ANÁLISE VARIOGRÁFICA
•Funções aleatórias

•Variável regionalizada

•Estacionariedade

1 2

No espaço (2D) ocorrem infinitos valores de uma variável.

Por amostragem obtem-se diversos resultados dessa variável.

média =

𝒙𝒊 − 𝒙 𝟐
𝒗𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 = 𝒔𝟐 =
𝒏−𝟏
𝒙𝒊 − 𝒙 (𝒚𝒊 − 𝒚)
𝒄𝒐𝒗𝒂𝒓𝒊â𝒏𝒄𝒊𝒂 = 𝒄𝒐𝒗 =
𝒏−𝟏

1
 Variável aleatória e função aleatória

 Cada ponto no espaço não apresenta um único valor, mas

uma distribuição de probabilidades de ocorrência de valores

 No ponto x a propriedade Z(x) é uma variável aleatória com

média m, variância s2 e uma função específica de distribuição
acumulada.

 No espaço existem infinitos pontos xi, i = 1,2, ..., Z(xi), com

suas próprias funções de distribuição

 O conjunto de variáveis aleatórias constituem uma função

aleatória, ou processo aleatório, ou processo estocástico.
Christakos, Olea, Serre, Yu, Wang (2005) – Interdisciplinary public health
reasoning and epidemiologic modelling: Springer

5 6

Momentos considerados na função aleatória

•Uma variável aleatória é entendida como uma única realização de em Geoestatística Linear: média e variância
uma função casual e não diversos resultados de uma única
variável casual. Momento de primeira ordem:
Média = E{Z(x)} = m(x)
•Uma realização é o conjunto de valores que surge após a
obtenção de um resultado para cada distribuição.
Momentos de segunda ordem:
•O conjunto de valores reais de Z que inclui a realização da função Variância (Covariância)
aleatória é conhecido como variável regionalizada.
Correlação
•No estudo do comportamento das variáveis regionalizadas, Variograma (semivariograma)
entendidas como resultantes de um processo aleatório, a
ferramenta básica é a análise da continuidade espacial.
Todos em função da localização espacial (vetor h)
•Para descrever a variação existente associada ao processo
aleatório, deve-se supor que os valores da variável regionalizada Os pares de valores referem-se à mesma variável, obtidos em
obtidos em lugares próximos tendem a ser autocorrelacionados. locais com distâncias “h(lag)”, ou seja Z(x)/head” e Z(x+h)/tail

7 8

2
 Covariância:
𝟏 𝑵 𝒉
𝑪 𝒉 =𝑵𝒉 𝜶=𝟏 𝒛 𝒖𝜶 ∙ 𝒛 𝒖𝜶 + 𝒉 − 𝒎𝟎 ∙ 𝒎+𝒉 Covariância e Correlação são medidas de similaridade
entre valores de Z(x) e Z(x+h).
𝑪 𝒉
Correlação: 𝝆 𝒉 =
𝝈𝟎 ∙𝝈+𝒉 Semivariância é uma medida de dissimilaridade entre
valores de Z(x) e Z(x+h)
𝟏 𝑵 𝒉
Semivariância: 𝜸 𝒉 = 𝜶=𝟏 [𝒛 𝒖𝜶 + 𝒉 − 𝒛 𝒖𝜶 ]𝟐
𝟐𝑵 𝒉

𝑵 𝒉 𝑵 𝒉
𝟏 𝟏
𝒎𝟎 = 𝒛 𝒖𝜶 𝒎+𝒉 = 𝒛 𝒖𝜶 + 𝒉
𝑵 𝒉 𝑵 𝒉
𝜶=𝟏 𝜶=𝟏
𝟏 𝑵 𝒉
𝝈𝟎 = 𝑵 𝒉 𝜶=𝟏 [𝒛(𝒖𝜶 − 𝒎𝟎 ]²
𝟏 𝑵 𝒉
𝝈+𝒉 = 𝑵 𝒉 𝜶=𝟏 [𝒛(𝒖𝜶 + 𝒉 − 𝒎+𝒉 ]²

9 10

Variável regionalizada (V.R.)

Como definir e, por conseqüência, prever o
 Apresenta duas características:
comportamento espacial da variável
 Característica “aleatória”: irregularidade e variação
imprevisível de um ponto para outro
regionalizada?
 Característica “estrutural”: ligações existentes entre os
A natureza estrutural de um conjunto de
pontos no espaço, motivadas pela gênese do fenômeno
natural. dados da variável regionalizada é definida a
partir da comparação de valores obtidos entre
 É impossível prever com exatidão o teor de um poluente na dois pontos, segundo uma determinada
pluma de contaminação (aspecto aleatório), mas é provável direção.
que se encontre um alto teor de um poluente perto de outro
alto teor (aspecto estrutural),
11 12

3
 Uma variável regionalizada obedece a uma
estacionariedade de 1ª ordem quando seus atributos
O conjunto de variáveis aleatórias Z(xi), i = 1, 2, ...N,
são invariantes por translação.
correlacionadas entre si constituem uma função
Se for admitido que todas as variáveis aleatórias tenham
aleatória da qual se conhece apenas uma realização z(xi),
a mesma media, este parâmetro passa a ser
ou seja o conjunto dos dados experimentais.
independente da localização de xi e pode ser estimado
pela média aritmética dos valores das realizações das
Com uma só realização é teoricamente impossível
variáveis aleatórias:
determinar quaisquer parâmetros, como média ou N
E{Z(x1)}= E{Z(x2)}=... E{Z(xi)}= E{Z(x)}= m m  1  Z ( xi )
variância, da função. N i 1

Essa hipótese estar correta significa supor que a média

A solução consiste em assumir restrições segundo
das amostras seja representativa da área estudada, ou
diversos graus de estacionariedade da função aleatória.
seja, que os valores não homogêneos.
A homogeneidade espacial dificilmente ocorre, sendo
necessário a verificação da variabilidade presente.
13

A hipótese de estacionariedade de 2ª ordem assume a existência

A hipótese de estacionariedade de 2ª ordem alem de definir
da variância e, portanto, de uma variância a priori finita.
que a esperança matemática, E{Z(x)}, existe e não depende do
Existe fenômenos físicos com uma capacidade infinita de
suporte x, define também que a correlação entre duas
dispersão nos quais não se pode definir a priori nem a
variáveis aleatórias depende somente da distância espacial, h,
covariância nem a variância.
que as separa e é independente da sua localização:
E{Z(x)} = m
Hipótese intrínseca: se a media pode não ser constante, para
Covariância= C(h)=E{Z(x+h)*Z(x)}-m2, onde h representa um
intervalos pequenos de h, as diferenças esperadas poderiam ser
vetor de coordenadas.
zero: E[Z(x) – Z(x+h)] = 0
Como a covariância depende do tamanho do vetor h, se h=0,
Alem disso substitui a covariância pela variância das diferenças
C(h) passará a representar a variância (C(0)).
como medida de relação espacial, assumindo a existência e
Var{Z(x)}=E{[Z(x)-m]2}=C(0).
estacionariedade do variograma.
Para todos os vetores h o incremento [Z(x+h) – Z(x)] tem uma
A função variograma é definida como a variância do
variância finita, a qual não depende do suporte x:
incremento [Z(x+h)–Z(x)]:
Var{Z(x+h) – Z(x)} = E{[Z(x+h) – Z(x)]2=2 (h).
(h)= E{[Z(x+h)-Z(x)]2}=C(0)-C(h).

4
 Como (h) = C(0) - C(h) se o vetor h for infinitamente
pequeno, a variância é mínima e a covariância máxima.
Haverá um valor Δh para o qual ambas podem apresentar
valores aproximadamente iguais, porém, à medida que Δh
aumenta a covariância diminui enquanto a variância
aumenta, porque ocorre progressivamente maior
independência entre os pontos a distâncias cada vez
maiores.
A variância distribui-se assim de 0, quando h=0, até um valor
igual à variância das observações para um alto valor de h, se
os dados forem estacionários, isto é, não ocorrer a presença
de tendência nos valores.
Estacionariedade de 1ª Ordem:
Lei de distribuição é invariante por translação
µ = E[Z(x)]
Estacionariedade de 2ª. Ordem ou estacionaridade fraca:
Quando x1 e x2 coincidem: s2=E[{Z)-m}2]
Quando x1 e x2 não coincidem, para qualquer par de pontos
x1 e x2 separados pelo vetor h=xi-xj:
C(xi,xj)=E[{Z(xi)-m}{Z(xj)-m}]
Constância da média, variância e covariância dependem
apenas da separação ‘h’ e não das posições absolutas.
19
Essas relações são mostradas quando a função (h) é colocada
em gráfico contra h para originar o variograma.
A distância segundo a qual (h) atinge um patamar,
denominado soleira ou sill, igual à variância à priori dos
dados, é chamada de alcance (a) ou amplitude (range).
A variância não é apenas igual à média das diferenças ao
quadrado entre pares de pontos espaçados segundo
distâncias h, mas também é igual à variância dessas
diferenças.
Hipótese intrínseca
 Admite que os incrementos [Z(x)-Z(x+h)] sejam fracamente
estacionários, i.e., independentes de x e dependentes
apenas da distância e da orientação entre os pontos.
 E[Z(x) – Z(x+h)] = 0 (estacionariedade de 1ª ordem)
 No lugar de covariância, variância:
 Var[Z(x) – Z(x+h)] = E{[Z(x) – Z(x+h)]}2 = 2(h)
 Função variograma 2γ(h): esperança matemática do
quadrado da diferença entre os valores de pontos no espaço,
separados por uma distância h.
20
5

 Para a obtenção de um variograma é suposto
que a variável regionalizada tenha um
comportamento fracamente estacionário, onde
os valores esperados, assim como sua covariância
espacial, sejam os mesmos por uma determinada
área.
 Assume-se, desse modo, que os valores dentro
da área de interesse não apresentem tendência
que possam afetar os resultados.
21
Variograma ou semi-variograma?
Variograma teórico 
Variância das diferenças entre dois valores em pontos
separados por h.
Na prática, o interesse é pela metade disso (semi) que
fornece a variância por ponto, quando os pontos são
considerados aos pares
23
(h) = C(0) - C(h)
Covariância e Correlação são medidas de similaridade entre valores
de Z(x) e Z(x+h).
Semivariância é uma medida de dissimilaridade entre valores
22 de Z(x) e Z(x+h).
Diagrama de dispersão com um ponto com coordenadas
(Z(x+h),Z(x)).
Esse ponto é projetado na reta bissetriz e resulta na
ordenada Z(x+h); em seguida, determina-se a distância
entre o ponto original e a reta bissetriz (vetor em
vermelho).
Esses três pontos formam um triângulo retângulo, cuja
hipotenusa é a diferença em módulo entre Z(x+h) e Z(x).
Sendo o i-ésimo par de coordenadas (Z(x+h),Z(x)), a
distância para a reta bissetriz pode ser calculada:
di =|Z(x+h)-Z(x)|.cos45º
Elevando a i-ésima distância ao quadrado tem-se:
di²= ½[Z(x+h)-Z(x)]²
Considerando n pares de pontos, para uma determinada distância h, pode-se calcular a média das distâncias,
chamada por Journel (1989) de momento de inércia:
Quanto maior a dispersão, maior o momento de inércia e menor a correlação.
Se não houver dispersão, isto é, todos os pares de pontos caírem sobre a reta 45º, o momento de inércia é zero
e o coeficiente de correlação é igual a 1 (máxima correlação).
Assim a fórmula do semi-variograma não é empírica, mas resultante da interpretação geométrica dos pares de
pontos em um diagrama de dispersão.
Como o variograma também usa a fórmula do semi-variograma, é indiferente denominar variograma ou semi-
variograma.
24
6
 Gráfico para o variograma: valores de , em
ordenada, e “h”, na abcissa. Preferência pelo Variograma

• O variograma pode ser utilizado para modelar

fenômenos não estacionários e a covariância não, pelo
não conhecimento da média. .

• Quando a média é constante, mas não conhecida, não

se torna necesaria para o cáculo do variograma, mas sim
para o cálculo da covariância.

•Se a função tem variância infinita (não estacionária), a

covariância não esta definida em 0, mas o variograma
sim e é tambem nulo.
25

Dados igualmente espaçados: 1D Dados igualmente espaçados: 2D

44 23 23 45 45 44 87 56
5

56 41 90 42 38 45 56 66
4 E-W
h
66 23 27 45 45 34 33 28
N-S
3
x1 x2 x3 x4 x5 x6 NE-SW
29 37 48 39 40 45 64 44
2
NW-SE
55 33 23 45 56 34 33 45
1

44 42 45 37 34 12 34 56
0
1 2 3 4 5 6 7 8

27 28

7
 Correção para regularizar a malha
Dados irregularmente espaçados: 2D

• Pode ocorrer que não existam valores da variável na distância h

• Pode ocorrer que não existam valores na direção θ

29 30

31 32

8
 Distância
Leste-Oeste
 h  Np
Norte-Sul
 h  Np
Variograma experimental
0,5 0,028 8 0,028 11
1,0 0,043 18 0,097 15
1,5 0,051 12 0,069 13
2,0
2,5
0,047
0,158
12
6
0,147
0,216
7
9  mínimo de 30 (50?, 100?) pares
3,0 0,015 5 0,133 3
3,5 0,104 4 0,178 3  remoção de valores anômalos
 maior h, a metade da maior distância existente entre
os pontos.
 grau de casualidade dos dados, E = Co/C
 E<0,15: componente aleatória pequena
 0,15 < E < 0,30: componente aleatória significante
 E > 0,30: componente aleatória muito significativa
 extremo do grau de casualidade é o modelo de pepita
pura, onde não ocorre covariância entre os valores e a
análise semivariográfica não se aplica
 iniciar com semivariograma omnidirecional

33 34

Efeito pepita
d
x x x x
x x x x Distancia entre pontos = d

x x x x

(h)
Mínimo alcance(range) detectavel = d

0 h
d
35 36

9
  Necessidade de ajustar uma função matemática que
Modelagem descreva continuamente a variabilidade ou correlação
espacial nos dados

 O variograma experimental não serve para esse fim,

porque há necessidade de interpolação e os pontos
apresentar-se-ão com uma certa dispersão, principalmente
para distâncias grandes, quando o número de pares de
amostras diminui.

• O variograma experimental não avalia distâncias e direções

Processo que envolve várias tentativas e
durante o qual a experiência pesa muito
37
intermediárias
• Uma interpolação entre pontos do variograma
experimental não garante a existência e unicidade de
38 solução para o sistema de krigagem

Variograma teórico Validação cruzada

Depois de obtido o modelo variográfico, cada valor

original é removido do domínio espacial e, usando-se os
 Ajuste do variograma experimental a um modelo
variográfico teórico demais, um novo valor é estimado para esse ponto.
 Comparação visual
 Técnicas de ajuste automático: Desse modo, um gráfico pode ser construído mostrando a
 Método dos mínimos quadrados relação entre valores reais e estimados.
 Critério AIC (Akaike Information Criterion)
 Critério Cressie A validação cruzada, porém, não prova que o modelo
 Critério Variowin, etc. escolhido é o mais correto, mas sim que o mesmo não é
 Validação cruzada inteiramente incorreto.

A melhor verificação, então, é aquela resultante do

confronto entre os valores estimados e a realidade de
campo.
39 40

10
 Modelo Esférico
Modelos de variogramas

 As funções matemáticas dos modelos devem

permitir que a matriz de covariâncias, neles baseada,
possa ser invertida, para fornecer os “pesos” para a
interpolação por krigagem.

 Desse modo, somente certos modelos podem ser

usados.

41 42

Modelo Exponencial Modelo Gaussiano

43 44

11
 Modelo Potência
45
 A interpretação do variograma permite obter parâmetros
que descrevem o comportamento espacial das variáveis
regionalizadas.
 Uma feição resultante da análise dos parâmetros do
variograma experimental é a zona de influência: qualquer
valor de Z(x) estará correlacionado com outros valores Z(x+h)
que estiverem dentro de um raio "a" de x. Esta correlação, ou
a influência de um valor em outro, decresce conforme Z(x+h)
aproxima-se de "a".
 O variograma é utilizado para calcular os valores de variância,
para uma dada distância, os quais são necessários para a
organização do sistema de equações da krigagem.
47
Modelo Efeito Pepita Puro
Este modelo representa um
fenômeno completamente
aleatório, no qual não ha S
correlação espacial
Variograma
Distancia
46
Para a utilização do variograma as seguintes
suposições básicas são requeridas:
 a) as diferenças entre pares de valores de
amostras são determinadas apenas pela
orientação espacial relativa dessas amostras;
 b) o interesse é enfocado apenas na média e na
variância das diferenças, significando que esses
dois parâmetros dependem unicamente da
orientação (hipótese intrínseca);
 c) por conveniência assume-se que os valores da
área de interesse não apresentam tendência que
possa afetar os resultados e assim a preocupação
será apenas com a variância das diferenças entre
valores das amostras.
48
12
 Análise variográfica
 Os variogramas expressam o comportamento espacial da
variável regionalizada e mostram:
 a) o tamanho da zona de influência em torno de uma amostra,
pois toda amostra cuja distância ao ponto a ser estimado for
menor ou igual ao alcance, fornece informações sobre o ponto;
 b) a anisotropia, quando os variogramas mostram diferentes
comportamentos para diferentes direções de linhas de
amostragem e de estudo da variável; geométrica quando o
alcance varia de acordo com as diversas direções consideradas,
mantendo constante a soleira; zonal quando o alcance
permanece constante e a soleira varia conforme for modificada
a direção;
49
c) presença de descontinuidade inicial, em que para h 0,
(h) já apresenta algum valor (efeito pepita (nugget effect);
pode ser atribuído a erros de medição ou ao fato de que os
dados não foram coletados a intervalos suficientemente
pequenos para mostrar o comportamento espacial
subjacente do fenômeno em estudo;
d) pela forma : 1) se estabiliza ao longo do patamar, indica
um processo estacionário de segunda ordem; 2) se cresce
indefinidamente, ou seja, sem estabilizar ao longo do
patamar, indica presença de tendência nos dados; 3) se com
h 0, (h) apresenta já algum valor e permanece nesse nível,
indica efeito pepita puro, ou seja que os valores não
apresentam autocorrelação espacial.
50

Anisotropias
Anisotropía Geométrica :

Variograma experimental ao ser calculado para distintas

direções apresenta distintos comportamentos
Variogramas com distintas 3

direções apresentam distintos

Anisotropia geométrica alcances, porém com o mesmo
2,5

Anisotropia zonal patamar 2

Variograma

1,5 N-S
E-O
Maior continuidade espacial 1

na direção com maior alcance

0,5

0
Menor continuidade espacial 0,0 0,9 2,0 3,0 4,1 5,1 6,2 7,2 8,3 9,3 10,4 11,4

na direção de menor alcance Distancia

51 52

13
 Anisotropía
Anisotropía Zonal Zonal : Fatores que podem afetar a confiabilidade no
variograma experimental:

3,5 • Tamanho da amostra

3 • Intervalo de amostragem e escala espacial
Variogramas em distintas
direções apresentam distintos
2,5
• Intervalo do “lag”
patamares para o mesmo 2
• Função de distribuição dos valores
Variograma

alcance 1,5
• Anisotropia
•
1

Presença de diferentes 0,5

Presença de tendência
estruturas
0
0 0,94 1,99 3,04 4,09 5,14 6,19 7,24 8,29 9,34 10,3911,44

Distancia

53 54

EXERCÍCIO 02. Análise variográfica Encontrar os variogramas experimentais apenas para a

variável Pb (359 valores) nas seguintes direções:
No Exercício 01 a matriz de dados era composta por 359 0º, abertura 90º (omnidirecional)
pontos. Posteriormente foi realizado um sorteio reduzindo a 45º, abertura 90º (omnidirecional)
matriz para 100 pontos, conforme listagem anexada. 90º, abertura 90º (omnidirecional)
135º, abertura 90º (omnidirecional)
Construir variogramas experimentais para as três variáveis 0º, abertura 20º
geoquímicas com dados tanto do exercício 01 como deste 45º, abertura 20º
exercício. Comparar os resultados. 90, abertura 20º
135, abertura 20º
Modelar os variogramas construidos para 359 pontos. Comparar os resultados e explicá-los.
Verificar para cada caso se a soma dos valores de “nugget” +
“sill” equivale à variância amostral. Explicar por que.

55 56

14