Muito boa a iniciativa, parabéns a todos os envolvidos. Espero que continuem com o projeto. Se for possível fazer uma sugestão, gostaria muito de saber mais sobre a validação cruzada e escolha de modelos, nos pacotes gstat e geoR, e como determinar os parâmetros: erro médio, desvio padrão do erro médio, erro médio reduzido, desvio padrão dos erros reduzidos, etc.
Olá, meus parabéns pelo vídeo. Me perdoe pela pergunta leiga, mas gostaria de saber por que quando se faz isso "g = gstat(id="solo_attr", formula = solo_atr ~ x+y, data=data)" , atende a anisotropia?
Obrigada Nelson! Nesse caso não se atende anisotropia. Para reconhecer anisotropia é preciso indicar tanto o ângulo de maior continuidade quanto a razão do alcance de menor continuidade dividido pelo alcance do ângulo de maior continuidade.
Parabéns pelo conteúdo e obrigado por compartilhar o conhecimento. Eu tenho algumas dúvidas: 1 - Para a análise variográfica, você modelou o "solo_atr" em função dele mesmo, certo? (solo_atr ~ 1). Caso eu tenha outras variáveis como, por exemplo, variáveis de precipitação, altitude, certo nutriente... seria possível modelar tendo outras variáveis? como faria isso? seria solo_atr + altitude + precipitação...? uma outra pergunta: vamos supor que eu tenha coletas aleatórias de volume de árvores, no qual, a distância entre as parcelas não é dada sistematicamente, ou seja, não tenho uma distância igual entre todas as parcelas (por exemplo, coletas em várias cidades de um determinado estado), como definir o tamanho do lag? Mais uma vez, parabéns pela apresentação!!
Márcio, obrigada pelo comentário. Em resposta a suas perguntas: 1 - É isso mesmo, você adiciona as suas varáveis preditoras dessa forma, um adendo é que você deixará de trabalhar com krigagem ordinária (que é o interpolador do exemplo) para trabalhar com krigagem universal/krigagem com deriva externa. 2 - uma forma de definir esse tamanho é a partir da distância mínima entre as amostras e identificar o número de pares de pontos utilizado para cada ponto que aparece no semivariograma experimental. Assim, você garante a estimativa do semivariograma com pelo menos 30 pares de ponto por lag.
Os dois últimos videos estão com suas ordens de execução trocadas. Primeiro o variograma e depois a krigagem, de acordo com a exposição teórica. Um outro problema: quando é feita a krigagem a apresentadora diz que o melhor modelo matemático ajustado aos dados foi o exponencial. Na verdade, durante a modelagem concluiu-se que o modelo esférico teve o melhor ajuste. Pequenos detalhes que ressalto apenas como uma contribuição.
Obrigada pelo apontamento João. Invertemos a ordem dos vídeos e realmente estava trocada. Boa observação quanto ao resultado da validação cruzada. Iremos modificar no vídeo de krigagem.
Parabéns pelo vídeo. Cheio de informações ricas.
Olá, como faço pra estimar o range (alcance) nos diferentes modelos?
Fiquei em dúvida de como determinar o lag. Se minha amostra tem intervalo de 30 m entre pontos e 50 em linhas dos pontos, qual o lag?
Muito boa a iniciativa, parabéns a todos os envolvidos. Espero que continuem com o projeto. Se for possível fazer uma sugestão, gostaria muito de saber mais sobre a validação cruzada e escolha de modelos, nos pacotes gstat e geoR, e como determinar os parâmetros: erro médio, desvio padrão do erro médio, erro médio reduzido, desvio padrão dos erros reduzidos, etc.
Obrigada Luis. É uma boa sugestão. Vamos preparar um vídeo nesse sentido.
Olá, meus parabéns pelo vídeo. Me perdoe pela pergunta leiga, mas gostaria de saber por que quando se faz isso "g = gstat(id="solo_attr", formula = solo_atr ~ x+y, data=data)" , atende a anisotropia?
Obrigada Nelson! Nesse caso não se atende anisotropia. Para reconhecer anisotropia é preciso indicar tanto o ângulo de maior continuidade quanto a razão do alcance de menor continuidade dividido pelo alcance do ângulo de maior continuidade.
@@GITAPFeagri Vocês teriam algum vídeo que façam a Krigagem levando em consideração a anisotropia? Ficaria extremamente grato por esse vídeo.
Parabéns pelo conteúdo e obrigado por compartilhar o conhecimento. Eu tenho algumas dúvidas: 1 - Para a análise variográfica, você modelou o "solo_atr" em função dele mesmo, certo? (solo_atr ~ 1). Caso eu tenha outras variáveis como, por exemplo, variáveis de precipitação, altitude, certo nutriente... seria possível modelar tendo outras variáveis? como faria isso? seria solo_atr + altitude + precipitação...? uma outra pergunta: vamos supor que eu tenha coletas aleatórias de volume de árvores, no qual, a distância entre as parcelas não é dada sistematicamente, ou seja, não tenho uma distância igual entre todas as parcelas (por exemplo, coletas em várias cidades de um determinado estado), como definir o tamanho do lag? Mais uma vez, parabéns pela apresentação!!
Márcio, obrigada pelo comentário. Em resposta a suas perguntas:
1 - É isso mesmo, você adiciona as suas varáveis preditoras dessa forma, um adendo é que você deixará de trabalhar com krigagem ordinária (que é o interpolador do exemplo) para trabalhar com krigagem universal/krigagem com deriva externa.
2 - uma forma de definir esse tamanho é a partir da distância mínima entre as amostras e identificar o número de pares de pontos utilizado para cada ponto que aparece no semivariograma experimental. Assim, você garante a estimativa do semivariograma com pelo menos 30 pares de ponto por lag.
Vídeo da teoria: th-cam.com/video/SJLDlasDLEU/w-d-xo.html
Os dois últimos videos estão com suas ordens de execução trocadas. Primeiro o variograma e depois a krigagem, de acordo com a exposição teórica. Um outro problema: quando é feita a krigagem a apresentadora diz que o melhor modelo matemático ajustado aos dados foi o exponencial. Na verdade, durante a modelagem concluiu-se que o modelo esférico teve o melhor ajuste. Pequenos detalhes que ressalto apenas como uma contribuição.
Obrigada pelo apontamento João. Invertemos a ordem dos vídeos e realmente estava trocada. Boa observação quanto ao resultado da validação cruzada. Iremos modificar no vídeo de krigagem.
Parabéns pelo conteúdo... obrigado... Só Esqueceu de disponibilizar o link com explicação teórica. ;)
Ficamos contentes por ter gostado Jefferson. O link está disponibilizado acima.