MÃtodos de estimaÃÃo da funÃÃo semivariÃncia aplicados a dados simulados e reais da produtividade de soja e de atributos fÃsicos de um latossolo

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

VariÃveis regionalizadas apresentam algum tipo de dependÃncia entre as amostras. Essa dependÃncia que ocorre no espaÃo ou no tempo à estudada pela geoestatÃstica e tem aplicaÃÃes em mineralogia, hidrologia, ciÃncias biolÃgicas, geologia, ciÃncias do solo e estudo da produtividade de culturas. Um dos principais estudos da geoestatÃstica està em conhecer a estrutura de dependÃncia espacial de variÃveis regionalizadas pela semivariÃncia. A funÃÃo semivariÃncia pode ser estimada pelo Estimador ClÃssico de Matheron, pelo Estimador de Cressie e Hawkins e pelo Estimador de SemivariÃncia Relativa Pairwise. LI e LAKE (1994) propuseram dois novos estimadores chamados New1 e New2 que, segundo os autores, sÃo mais eficientes que os demais. Neste estudo foram simulados conjuntos de dados com estrutura de dependÃncia espacial conhecida, pela SimulaÃÃo de Monte Carlo e os dados simulados foram aplicados aos cinco estimadores da funÃÃo semivariÃncia e comparados com a semivariÃncia simulada, que à dada pelo modelo teÃrico. Nessa comparaÃÃo, os estimadores Matheron, New1 e New2 estimaram valores mais similares aos simulados. Foram analisados dados reais da resistÃncia do solo à penetraÃÃo, densidade do solo, umidade volumÃtrica e produtividade da soja, estudando os cinco estimadores de semivariÃncia mencionados. Todas as variÃveis em estudo apresentaram estrutura de dependÃncia espacial, mas nÃo estÃo correlacionadas espacialmente. Pela anÃlise de regressÃo, a produtividade da soja apresenta correlaÃÃo linear inversa com a RSP de 10-20 cm e direta com a umidade volumÃtrica de 20-30 cm.

ASSUNTO(S)

spatial dependence geostatistics geoestatÃstica estimators engenharia agricola dependÃncia espacial estimadores

ACESSO AO ARTIGO

Documentos Relacionados