Proposta de um modelo de processo para aplicação de métodos de interpolação
Resumo
Na interpolação de dados espaciais existem vários métodos e cada um deles possui algumas vantagens em cenários específicos. Além disso, alguns métodos precisam de tratamentos para realizar uma interpolação confiável, como a remoção de outliers e anisotropia. Dessa forma, o objetivo deste trabalho é propor um modelo de processo para aplicação de métodos de interpolação, servindo como um guia de boas práticas. Os resultados demonstram a efetividade dos tratamentos na qualidade dos mapas, obtendo o melhor resultado quando seguido o modelo de processo.
Palavras-chave:
Agricultura de precisão, Interpolação, Modelo de processo
Referências
Alvarenga, L. H. V., Pinto, A. L. R., Silva, S. T., Altoé, T. F., Morais, V. A., and MELLO, J. (2010). Comparação de procedimentos de amostragem na precisão de Inventário Florestal em fragmento de Floresta Estacional Semidecidual. In XIX Congresso de Pós-graduação da UFLA.
Adhikary, S. K., Muttil, N., and Yilmaz, A. G. (2017). Cokriging for enhanced spatial interpolation of rainfall in two Australian catchments. Hydrological processes, 31(12), 2143-2161. DOI: https://doi.org/10.1002/hyp.11163
Bento, G. M., and Santos, R. T. (2018) “Avaliação de Métodos de remoção de outliers e seus impactos na precisão dos métodos de interpolação”, Simpósio Mato-grossense de Mecanização Agrícola e Agricultura de Precisão.
Boisvert, J. (2010). Geostatistics with locally varying anisotropy. DOI: https://doi.org/10.7939/R31X5C
Bottega, E. L., de Queiroz, D. M., de Assis de Carvalho Pinto, F., de Souza, C. M. A., and Valente, D. S. M. (2017). Precision agriculture applied to soybean: Part I-Delineation of management zones. Australian Journal of Crop Science, 11(5), 573-579.
Camargo, E. C. G., Felgueiras, C. A., and Monteiro, A. M. V. (2001). A importância da modelagem da anisotropia na distribuição espacial de variáveis ambientais utilizando procedimentos geoestatísticos. Simpósio Brasileiro de Sensoriamento Remoto, 10, 395-402.
Li, J., Duan, P., Sheng, Y., & Lv, H. (2015, December). Spatial interpolation approach based on IDW with anisotropic spatial structures. In International Conference on Intelligent Earth Observing and Applications 2015 (Vol. 9808, p. 98081O). International Society for Optics and Photonics. DOI: https://doi.org/10.1117/12.2209321
Li, J., and Heap, A. D. (2008). A review of spatial interpolation methods for environmental scientists.
Merwade, V. M., Maidment, D. R., & Goff, J. A. (2006). Anisotropic considerations while interpolating river channel bathymetry. Journal of Hydrology, 331(3-4), 731-741. DOI: https://doi.org/10.1016/j.jhydrol.2006.06.018
Oliver, M. A., & Webster, R. (2014). A tutorial guide to geostatistics: Computing and modelling variograms and kriging. Catena, 113, 56-69. DOI: https://doi.org/10.1016/j.catena.2013.09.006
OMG (2011). Business Process Model and Notation (BPMN), Version 2.0 Object Management Group (Technical report, Object Management Group).
Osborne, J. W., & Overbay, A. (2004). The power of outliers (and why researchers should always check for them). Practical Assessment, Research, and Evaluation, 9(1), 6. DOI: https://doi.org/10.7275/qf69-7k43
Pebesma, E., Cornford, D., Dubois, G., Heuvelink, G. B., Hristopulos, D., Pilz, J., ... & Skøien, J. O. (2011). INTAMAP: the design and implementation of an interoperable automated interpolation web service. Computers & Geosciences, 37(3), 343-352. DOI: https://doi.org/10.1016/j.cageo.2010.03.019
Requia, W. J., Coull, B. A., and Koutrakis, P. (2019). Evaluation of predictive capabilities of ordinary geostatistical interpolation, hybrid interpolation, and machine learning methods for estimating PM2. 5 constituents over space. Environmental research, 175, 421-433. DOI: https://doi.org/10.1016/j.envres.2019.05.025
Schenatto, K., Souza, E. G., Bazzi, C. L., Bier, V. A., Betzek, N. M., & Gavioli, A. (2016). Data interpolation in the definition of management zones. Acta Scientiarum. Technology, 38(1), 31-40. DOI: https://doi.org/10.4025/actascitechnol.v38i1.27745
Team, R. C. (2013). R: A language and environment for statistical computing.
Webster, R., & Oliver, M. A. (2007). Geostatistics for environmental scientists. John Wiley & Sons.
Adhikary, S. K., Muttil, N., and Yilmaz, A. G. (2017). Cokriging for enhanced spatial interpolation of rainfall in two Australian catchments. Hydrological processes, 31(12), 2143-2161. DOI: https://doi.org/10.1002/hyp.11163
Bento, G. M., and Santos, R. T. (2018) “Avaliação de Métodos de remoção de outliers e seus impactos na precisão dos métodos de interpolação”, Simpósio Mato-grossense de Mecanização Agrícola e Agricultura de Precisão.
Boisvert, J. (2010). Geostatistics with locally varying anisotropy. DOI: https://doi.org/10.7939/R31X5C
Bottega, E. L., de Queiroz, D. M., de Assis de Carvalho Pinto, F., de Souza, C. M. A., and Valente, D. S. M. (2017). Precision agriculture applied to soybean: Part I-Delineation of management zones. Australian Journal of Crop Science, 11(5), 573-579.
Camargo, E. C. G., Felgueiras, C. A., and Monteiro, A. M. V. (2001). A importância da modelagem da anisotropia na distribuição espacial de variáveis ambientais utilizando procedimentos geoestatísticos. Simpósio Brasileiro de Sensoriamento Remoto, 10, 395-402.
Li, J., Duan, P., Sheng, Y., & Lv, H. (2015, December). Spatial interpolation approach based on IDW with anisotropic spatial structures. In International Conference on Intelligent Earth Observing and Applications 2015 (Vol. 9808, p. 98081O). International Society for Optics and Photonics. DOI: https://doi.org/10.1117/12.2209321
Li, J., and Heap, A. D. (2008). A review of spatial interpolation methods for environmental scientists.
Merwade, V. M., Maidment, D. R., & Goff, J. A. (2006). Anisotropic considerations while interpolating river channel bathymetry. Journal of Hydrology, 331(3-4), 731-741. DOI: https://doi.org/10.1016/j.jhydrol.2006.06.018
Oliver, M. A., & Webster, R. (2014). A tutorial guide to geostatistics: Computing and modelling variograms and kriging. Catena, 113, 56-69. DOI: https://doi.org/10.1016/j.catena.2013.09.006
OMG (2011). Business Process Model and Notation (BPMN), Version 2.0 Object Management Group (Technical report, Object Management Group).
Osborne, J. W., & Overbay, A. (2004). The power of outliers (and why researchers should always check for them). Practical Assessment, Research, and Evaluation, 9(1), 6. DOI: https://doi.org/10.7275/qf69-7k43
Pebesma, E., Cornford, D., Dubois, G., Heuvelink, G. B., Hristopulos, D., Pilz, J., ... & Skøien, J. O. (2011). INTAMAP: the design and implementation of an interoperable automated interpolation web service. Computers & Geosciences, 37(3), 343-352. DOI: https://doi.org/10.1016/j.cageo.2010.03.019
Requia, W. J., Coull, B. A., and Koutrakis, P. (2019). Evaluation of predictive capabilities of ordinary geostatistical interpolation, hybrid interpolation, and machine learning methods for estimating PM2. 5 constituents over space. Environmental research, 175, 421-433. DOI: https://doi.org/10.1016/j.envres.2019.05.025
Schenatto, K., Souza, E. G., Bazzi, C. L., Bier, V. A., Betzek, N. M., & Gavioli, A. (2016). Data interpolation in the definition of management zones. Acta Scientiarum. Technology, 38(1), 31-40. DOI: https://doi.org/10.4025/actascitechnol.v38i1.27745
Team, R. C. (2013). R: A language and environment for statistical computing.
Webster, R., & Oliver, M. A. (2007). Geostatistics for environmental scientists. John Wiley & Sons.
Publicado
10/11/2021
Como Citar
KIDA, Gustavo E.; SANTOS, Raul T..
Proposta de um modelo de processo para aplicação de métodos de interpolação. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA (SBIAGRO), 13. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 264-272.
ISSN 2177-9724.
DOI: https://doi.org/10.5753/sbiagro.2021.18398.
