A Importncia da Modelagem da Anisotropia na Distribuio Espacial de

Variveis Ambientais Utilizando Procedimentos Geoestatsticos

EDUARDO CELSO GERBI CAMARGO
1
CARLOS ALBERTO FELGUEIRAS
2
ANTONIO MIGUEL VIEIRA MONTEIRO
3
INPE Instituto Nacional de Pesquisas Espaciais
Caixa Postal 515 12201-097 So Jos dos Campos SP, Brasil
1
eduardo@dpi.inpe.br
2
carlos@dpi.inpe.br
3
miguel@dpi.inpe.br
Abstract Anisotropy is a common property in environment variables, implying in
preferential direction for the spatial distribution of the environment variable. This
directional tendency is difficult to be detected as well as modeled through deterministic
procedures. To reconstruct the spatial distribution of a nature variable from a sample set,
it is important that the model adequately represents its spatial autocorrelation structure.
Geostatistics offers a set procedures that deals with anisotropy. It involves a carefull
analysis of the variable's spatial variability, caracterized by the semivariogram. This
paper presents and discusses the results of a study, using geostatistic procedures to
reconstruct the spatial distribution of clay content in the soil of EMBRAPA's Canchim
Farm in So Carlos - SP.
Keywords : Isotropy, Anisotropy, Semivariogram, Ordinary Kriging.
Introduo
A anisotropia uma caracterstica muito freqente nos elementos da natureza, isto , a
variabilidade ou distribuio espacial de tais elementos ocorre mais intensamente numa direo e
menos intensamente em outra direo. Tome como exemplo o mapeamento do teor de zinco,
dentro de uma regio de interesse, pouco provvel que tal propriedade se espalhe igualmente
em todas as direes.
Para lidar com a anisotropia, importante que o modelo proposto represente bem a
variabilidade espacial da propriedade em estudo. Procedimentos determinsticos para este fim
so limitados, porque no consideram a estrutura de autocorrelao espacial bem como a
anisotropia presente. Modelos mais adequados para este objetivo vem sendo propostos e a
geoestatstica engloba esses modelos, cuja base conceitual est fundamentada na teoria das
variveis regionalizadas e nas funes aleatrias, formalizadas por Matheron (1963, 1971).
Uma anlise minuciosa atravs de procedimentos geoestatsticos, quer seja para identificao
estrutural, krigeagem ou simulao, inclui um estudo cuidadoso de como a variabilidade
espacial da propriedade em estudo depende da orientao relativa das localizaes dos dados
observados. Se a dependncia espacial entre observaes em duas localizaes quaisquer
395
funo somente da distncia (Euclidiana) entre essas localizaes, ento a variabilidade espacial
dita isotrpica; caso contrrio anisotrpica.
Para a propriedade em estudo assume-se, dentro dos limites de interesse, estacionariedade de
segunda ordem ou intrnseca (Camargo, 1997), cuja estrutura de autocorrelao espacial
geralmente estudada calculando-se semivariogramas experimentais em vrias direes,
desenhando todos num nico grfico, e visualmente avaliando suas similaridades. Se os
semivariogramas direcionais so aproximadamente idnticos, ento razovel proceder
ajustando um modelo isotrpico para o semivariograma estimado. Por outro lado, se um ou mais
dos semivariogramas direcionais diferem acentuadamente um dos outros, deve-se ajustar um
modelo anisotrpico que seja consistente com as diferenas indicadas.
Este trabalho apresenta, atravs de um estudo de caso, a importncia da modelagem da
anisotropia na distribuio espacial de propriedades naturais utilizando procedimentos
geoestatsticos. No final, uma anlise comparativa realizada onde os resultados oriundos de
modelos isotrpico e anisotrpico so comparados.
O presente trabalho contm, aps a introduo, uma seo conceitual formalizando os
principais conceitos necessrios para o entendimento deste documento. Seguindo so
apresentados os tipos de anisotropia presentes nos elementos da natureza, um procedimento de
modelagem da anisotropia, e, para finalizar, um estudo de caso realizado.
Conceitos
Os procedimentos geoestatsticos esto fundamentados na Teoria das Variveis Regionalizadas,
desenvolvida por Matheron (1963, 1971). A varivel regionalizada uma varivel distribuda no
espao (ou tempo). A teoria diz que alguma medida pode ser vista como uma realizao de uma
funo aleatria (ou processo aleatrio, ou campo aleatrio, ou processo estocstico). Esta teoria
consolida o alicerce da geoestatstica.
Suponha que {Z(s): s D} represente a varivel regionalizada de interesse na regio D,
onde D R
2
ou D R
3
. Um modelo conceitual para Z(
.
) (Burrough, 1987):
Z(s) = (s) + W(s) + (s), s D (1)
onde: (a) (
.
) E{Z(
.
)} um termo determinstico que descreve a estrutura do processo,
representa a tendncia global da varivel em D, (b) W(
.
) um termo estocstico intrinsecamente
estacionrio, representando a dependncia espacial da varivel (depois que a tendncia
removida), com semivariograma
W
(h) 1/2 E{[W(s) W(s+h)]
2
}, e (c) (
.
) um rudo aleatrio
no correlacionado, com distribuio normal com mdia zero e varincia
2
. Num caso mais
simples, admite-se que (
.
) constante, isto , (s) = para todo s D, em tal caso o modelo
expresso na Equao (1) implica que Z(
.
) intrinsecamente estacionrio com semivariograma

z
(h) 1/2 E{[Z(s) Z(s+h)]
2
}.
Denota-se H = {s - t: s D, t D } como o "lag space", isto , um conjunto de vetores
gerados pela diferena entre duas localizaes em D. O processo Z(
.
) dito isotrpico se
z
(h) =

z
(|h|) para todo h H; caso contrrio dito anisotrpico.
De um modo geral, a geoestatstica preocupa-se com a estimao de
z
(h) e seu uso na
krigeagem e simulao. Seja {H
1
, ...,H
k
} um subconjunto de H em classes de k distncia X
396
ngulo, e suponha que o dado z(s
1
), ...,z(s
n
) so tomados nas localizaes s
1
,..., s
n
. Ento cada
"lag" s
i
- s
j
pode ser atribudo para uma das classes distncia X ngulo e
z
(h) pode ser estimado
pelo semivariograma experimental como (Zimmerman, 1993):
(2)
onde N
u
= {(s
i
, s
j
): s
i
- s
j
H
u
} e | N
u
| o nmero de pares (s
i
, s
j
) em N
u
.
A Figura 1 ilustra um semivariograma experimental com caractersticas muito prximas do
ideal. O seu padro representa o que, intuitivamente, se espera de dados de campo, isto , que as
diferenas {z(s
i
) - z(s
j
)} decresam medida que h diminui. esperado que observaes mais
prximas tenham um comportamento mais semelhante entre si do que aquelas separadas por
maiores distncias. Desta maneira, esperado que
z
(h) aumente com a distncia h. Onde h
refere-se ao vetor distncia (mdulo e direo) que separa as localizaes s
i
e s
j
.
Figura 1 Semivariograma Experimental.
Conforme ilustrado na Figura 1, o semivariograma experimental possui alguns atributos
como: Efeito pepita (C
o
), Alcance (a) e Patamar (C). Uma descrio detalhada desses atributos
pode ser vista em (Isaaks e Srivastava, 1989). importante lembrar que esses atributos
caracterizam certos aspectos da dependncia espacial do correspondente processo. Por exemplo,
o Alcance (a) a distncia dentro da qual as observaes apresentam-se correlacionadas
espacialmente. Modelos tericos paramtricos so utilizados para ajustar
z
(h) e, na
geoestatstica, so classificados como (Isaaks e Srivastava, 1989): modelos com patamar ou
transitivos (ex: esfrico, exponencial, gaussiano, etc) e modelos sem patamar (linear e potncia).
Tipos de Anisotropia
Quando os semivariogramas experimentais direcionais apresentam diferenas acentuadas, a
distribuio denominada anisotrpica. Se a anisotropia observada e refletida pelo mesmo
Patamar (C) com diferentes Alcances (a) do mesmo modelo, ento ela denominada
Geomtrica, conforme ilustra a Figura 2(a).
Existe ainda um outro tipo de anisotropia em que os semivariogramas experimentais
direcionais apresentam os mesmos Alcances (a) e diferentes Patamares (C). Neste caso, a
anisotropia denominada Zonal. Como a isotropia, a anisotropia Zonal tambm pouco
2
)] z( - ) [z(
2
1
= ) (
j
i

u
N
u
N
z
s s h
C
o
C
h
( ) h
^
Alcance (a)
Efeito pepita(C)
o
P
a
t
a
m
a
r
(
C
)
Fig. 2a
397
presente nas variveis ambientais. O mais comum encontrar combinaes da anisotropia Zonal
e Geomtrica, denominada anisotropia Combinada, conforme Figura 2(b). Nota: nas Figuras
2(a) e 2(b), a
1
e a
2
esto relacionados s direes de menor e maior continuidade espacial da
varivel, respectivamente.
Figura 2(a) - Anisotropia Geomtrica. Figura 2(b) - Anisotropia Combinada.
Existem vrias formas de detectar a anisotropia, por exemplo calculando-se os
semivariogramas experimentais direcionais em vrias direes, desenhando todos num nico
grfico, e visualmente avaliando suas similaridades. Outra forma, atravs do esboo grfico de
uma elipse (conhecido tambm como diagrama da rosa), calculada atravs dos alcances obtidos
em direes distintas (Deutsch e Journel, 1992). A forma mais eficiente e direta de detectar a
anisotropia atravs do mapa de semivariograma, que um grfico, 2D, no qual obtm-se uma
viso geral da variabilidade espacial da varivel em estudo. Alm disso, sobre o mapa de
semivariograma possvel detectar rapidamente os eixos de anisotropia, isto , as direes de
maior e menor continuidade espacial da varivel em anlise.
Modelagem da Anisotropia
Inicialmente identificam-se os eixos de anisotropia, isto , os eixos de maior e de menor
continuidade espacial da varivel em estudo. Isto realizado com auxlio do mapa de
semivariograma conforme descrito na seo anterior.
Identificados os eixos de anisotropia, calculam-se os dois semivariogramas experimentais
direcionais, relativos s direes de mnima e mxima continuidade espacial da varivel em
estudo, e procede-se o ajuste dos mesmos. Estabelecidos os dois modelos, o passo seguinte
combinar os dois modelos direcionais num nico modelo consistente para todas as direes.
Uma tcnica para combinar os dois modelos, num modelo nico e consistente, descrita por
Almeida e Bettini (1994) e sua utilizao apresentada num estudo de caso conforme descrito a
seguir.
Estudo de Caso
O sistema utilizado foi o Sistema de Processamento de Informaes Georreferenciadas
(SPRING), desenvolvido pelo do Instituto Nacional de Pesquisas Espaciais (INPE).
a
1
C
o
C
a
2
h
( ) h
^
a
1
C
1
C
1
o
Co
2
C
2
a
2
h
( ) h
^
a
2
a
1
a
1 a
2
398
Os dados utilizados, de propriedade do Centro Nacional de Pesquisas de Solos (CNPS - RJ)
da EMBRAPA, foram obtidos no levantamento dos solos da Fazenda Experimental Canchim.
Estes se referem a uma amostragem de 85 observaes georreferenciadas coletadas no horizonte
Bw (camada do solo com profundidade mdia de 1m), conforme Figura 3. Dentre as variveis
disponveis, selecionou-se para estudo de variabilidade espacial o teor de argila.
Considera-se o teor de argila ao longo do perfil, classificado do seguinte modo (Calderano
Filho et al., 1996):
Muito Argiloso: solos que apresentam 59% ou mais de argila;
Argiloso: solos que apresentam de 35% a 59% de argila;
Mdio: solos que apresentam de 15% a 35% de argila;
Arenoso: solos que apresentam menos de 15% de argila.
Figura 3 - Mapa de Localizao da Fazenda Canchim.
A anlise de variabilidade espacial do teor de argila foi realizada com o auxlio do
semivariograma. Primeiro sups-se isotropia do teor de argila. Neste caso um modelo terico do
tipo esfrico, conforme Figura 4 e Equao (3), foi suficiente para descrever a continudade
espacial da varivel em estudo. Esse modelo foi utilizado posteriormente para a estimao da
distribuio espacial da mesma. Os parmetros do modelo istorpico tipo esfrico foram: C
o
=
150, C
1
= C
o
+C= 200, a= 3500.
Figura 4 - Semivariograma experimental ajustado com modelo esfrico.
N
(h)
Modelo de ajuste tipo esfrico
Semivariograma experimental
h
) 3 (
3500
Sph 200 150 ) (
]
]
]

,
`

.
|
+
h
h
399
Prosseguindo na anlise, utilizou-se o mapa de semivariogramas, conforme Figura 5, no
qual constatou-se a presena de anisotropia no teor de argila. Neste caso, as direes de maior e
menor continuidade espacial foram aproximadamente 17
o
e 107
o
, respectivamente.
Figura 5 - Mapa de semivariograma do teor de argila.
Detectado os eixos da anisotropia, foram gerados os semivariogramas experimentais
direcionais relativos s direes 17
o
e 107
o
. Ambos foram ajustados utilizando-se modelo
esfrico, conforme Figura 6, com os seguintes parmetros: para o modelo esfrico relativo
direo 17
o
, C
o
= 141, C
1
= 231, a= 2512 e para o modelo esfrico relativo direo 107
o
, C
o
=
102, C
1
= 142, a= 1206. Uma vez estabelecido os modelos, em ambas direes, o prximo passo
foi combin-los num nico modelo consistente para todas as direes, segundo a tcnica descrita
por Almeida e Bettini (1994). O modelo anisotrpico resultante est expresso na Equao (4), o
qual foi utilizado posteriormente para a estimao da distribuio espacial do teor de argila.
Figura 6 - Semivariogramas experimentais ajustados com modelos esfricos.
Como mencionado anteriormente, a Equao (4) representa o modelo anisotrpico final,
cujas convenes de notao podem ser vistas em (Isaaks e Srivastava, 1989).
(4)
]
]
]
]

,
`

.
|
+
]
]
]
]

,
`

.
|
+
]
]
]
]

,
`

.
|
+

,
`

.
|
+

o o o o
17 17
2
107
2
17
Sph 44
2512
Sph 142
1206 2512
Sph 231 102 ) (
h h h h
h
Norte 0
o
Leste
90
o
17
o
107
o
Modelos de ajuste tipo esfrico.
Semivariograma experimental na direo 107
o
.
Semivariograma experimental na direo 17

.
(h)
h
400
De posse dos modelos isotrpico e anisotrpico, gerou-se a distribuio espacial do teor de
argila, dentro dos limites da rea de estudo, utilizando-se o estimador de krigeagem ordinria
(Journel, 1988). A Figura 7(a) apresenta o resultado oriundo do modelo isotrpico e a Figura
7(b) do modelo anisotrpico.
Figura 7(a) Distribuio espacial Figura 7(b) Distribuio espacial
oriundo do modelo isotrpico. oriundo do modelo anisotrpico.
Analisando-se os resultados apresentados nas Figuras 7(a) e 7(b) observa-se que as
diferenas na distribuio espacial do teor de argila so acentuadas. O resultado oriundo do
modelo anisotrpico (Figura 7(b) ) mostra que a varivel em estudo possui uma tendncia maior
de espalhamento na direo de aproximadamente 17
o
(ngulo de anisotropia) e uma menor
tendncia na direo ortogonal (107
o
). Este fato, mostra a importncia da modelagem da
anisotropia na reconstruo da distribuio espacial do teor de argila, proporcionando resultados
e anlises mais representativas.
Concluses
Conclui-se que possvel melhorar a distribuio espacial das variveis ambientais
significativamente quando procedimentos geoestatsticos so aplicados (Camargo et al., 1999).
Ficou constatado que o teor de argila varia mais intensamente numa direo do que em outra. Tal
fato refere-se anisotropia da varivel em estudo. Muitos aspectos particulares dos dados
ficariam ocultos sem o uso de semivariogramas e da modelagem da anisotropia, mostrando, por
exemplo, a tendncia da distribuio espacial nos dados de teor de argila. Informaes como
estas no so apresentadas quando se usam apenas parmetros estatsticos clssicos como mdias
e varincias ou ento, procedimentos determinsticos.
Referncias Bibliogrficas
Almeida, A. S.; Bettini, C. Curso de Geoestatstica Aplicada. Rio de Janeiro, UFRJ, 1994.
Burrough, P. A. Principles of geographical information systems for land resources
assessment. Oxford, Clarendon Press, 1987. 193p.
+ +

401
Calderano Filho, B.; Fonseca, O. O. M.; Santos, H. G.; Lemos A. L. Levantamento
Semidetalhado dos Solos da Fazenda Canchim So Carlos - SP. Rio de Janeiro,
EMBRAPA- CNPS, 1996. 261p.
Camargo, E.C.G. Desenvolvimento, Implementao e Teste de Procedimentos
Geoestatsticos (Krigeagem) no Sistema de Processamento de Informaes
Georreferenciadas (SPRING). Dissertao (Mestrado em Sensoriamento Remoto)
Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos, 1997.
Camargo, E.C.G.; Monteiro, A.M.V.; Felgueiras, C. A.; Fuks, S.D. Integrao de Geoestatstica e
Sistemas de Informao Geogrfica: Uma Necessidade. [CD-ROM]. In: V Congresso e Feira
para Usurios de Geoprocessamento da Amrica Latina, 7, Salvador, 1999. Anais. Bahia,
gisbrasil99. Seo de Palestras Tcnico-Cientficas.
Deutsch, C.V.; Journel, A. G. GSLIB: Geostatistical Software Library and users guide. New
York, Oxford University Press, 1992. 339p.
Isaaks, E. H.; Srivastava R. M. An Introduction to Applied Geostatistics. New York, Oxford
University Press, 1989. 560p.
Journel, A.G. Fundamentals of geostatistics in five lessons . California, Stanford Center for
Reservoir Forecasting Applied Earth Sciences Department, 1988.
Matheron, G. The theory of regionalized variables and its applications. Paris, Les Cahiers du
Centre de Morphologie Mathematique de Fontainebleu, 1971. 211p.
Matheron, G. Principles of geostatistics. Economic Geology, 58 (8): 1246-1266, 1963.
Zimmerman D.L. Another look at Anisotropy in Geostatistics. Mathematical Geology, 25 (4):
453-470, 1993.
402