Serviço Computacional para Interpolação de Dados Espaciais
Resumo
A interpolação espacial (IE) permite modelar a superfície de uma variável espacialmente distribuída a partir de um conjunto finito de dados, sendo importante para diversas áreas de atuação. Devido à demanda cada vez maior pelo seu uso, este trabalho propõe um serviço web de interpolação espacial (SWIE) escalável e versátil. Resultados de seu desempenho também são apresentados e discutidos nesse trabalho. Os principais beneficiários do serviço web incluem pesquisadores e desenvolvedores de software que utilizarão o serviço na composição de ferramentas de software que necessitem da IE.
Palavras-chave:
Interpolação espacial, serviço web, modelagem de superfícies
Referências
Abreu, J. M. F. (2016). Modelos de Data Mining para suporte a avaliações sensoriais do vinho. PhD thesis, Instituto Superior de Engenharia do Porto.
Appelhans, T., Mwangomo, E., Hardy, D. R., Hemp, A., and Nauss, T. (2015). Evaluating machine learning approaches for the interpolation of monthly air temperature at Mt. Kilimanjaro, Tanzania. Spatial Statistics, 14:91–113.
CHAGAS, C. d. S., CARVALHO JUNIOR, W. d., Bhering, S. B., and Pereira, N. R. (2015). Mapeamento digital da ctc em solos do semiárido brasileiro. In Embrapa Solos-Artigo em anais de congresso (ALICE). In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 35., 2015, Natal. O solo e suas . . . .
da Silva Júnior, J. C., Medeiros, V., Garrozi, C., Montenegro, A., and Gonçalves, G. E. (2019). Random forest techniques for spatial interpolation of evapotranspiration data from brazilian’s northeast. Computers and Electronics in Agriculture, 166:105017.
de Sousa Santos, I. and dos Santos Neto, P. d. A. (2008). Automação de testes de desempenho e estresse com o jmeter.
De Vargas, T., Gomes, M. G., Belladona, R., and Adami, M. V. D. (2019). Aplicação do interpolador idw para elaboração de mapas hidrogeológicos paramétricos na região da serra gaúcha. Scientia cum Industria, 6(3):38–43.
Goovaerts, P. (2000). Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of hydrology, 228(1-2):113–129.
Jain, R. (1990). The art of computer systems performance analysis: techniques for experimental design, measurement, simulation, and modeling. JohnWiley & Sons.
Jakob, A. A. E. and Young, A. F. (2016). O uso de métodos de interpolação espacial de dados nas análises sociodemográficas. Anais, pages 1–22.
Li, J. and Heap, A. D. (2008). A review of spatial interpolation methods for environmental scientists. Geoscience Australia, Canberra. OCLC: 312275544.
Li, J. and Heap, A. D. (2014). Spatial interpolation methods applied in the environmental sciences: A review. Environmental Modelling & Software, 53:173– 189.
Li, J., Heap, A. D., Potter, A., and Daniell, J. J. (2011). Application of machine learning methods to spatial interpolation of environmental variables. Environmental Modelling & Software, 26(12):1647–1659.
Lopes, I., De Melo, J. M. M., and Leal, B. G. (2017). Espacialização da temperatura do ar para a região do submédio são francisco. Irriga, 22(1):177.
R Core Team (2018). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
Xavier, A. C., King, C. W., and Scanlon, B. R. (2016). Daily gridded meteorological variables in Brazil (1980-2013). International Journal of Climatology, 36(6):2644–2659.
Appelhans, T., Mwangomo, E., Hardy, D. R., Hemp, A., and Nauss, T. (2015). Evaluating machine learning approaches for the interpolation of monthly air temperature at Mt. Kilimanjaro, Tanzania. Spatial Statistics, 14:91–113.
CHAGAS, C. d. S., CARVALHO JUNIOR, W. d., Bhering, S. B., and Pereira, N. R. (2015). Mapeamento digital da ctc em solos do semiárido brasileiro. In Embrapa Solos-Artigo em anais de congresso (ALICE). In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 35., 2015, Natal. O solo e suas . . . .
da Silva Júnior, J. C., Medeiros, V., Garrozi, C., Montenegro, A., and Gonçalves, G. E. (2019). Random forest techniques for spatial interpolation of evapotranspiration data from brazilian’s northeast. Computers and Electronics in Agriculture, 166:105017.
de Sousa Santos, I. and dos Santos Neto, P. d. A. (2008). Automação de testes de desempenho e estresse com o jmeter.
De Vargas, T., Gomes, M. G., Belladona, R., and Adami, M. V. D. (2019). Aplicação do interpolador idw para elaboração de mapas hidrogeológicos paramétricos na região da serra gaúcha. Scientia cum Industria, 6(3):38–43.
Goovaerts, P. (2000). Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of hydrology, 228(1-2):113–129.
Jain, R. (1990). The art of computer systems performance analysis: techniques for experimental design, measurement, simulation, and modeling. JohnWiley & Sons.
Jakob, A. A. E. and Young, A. F. (2016). O uso de métodos de interpolação espacial de dados nas análises sociodemográficas. Anais, pages 1–22.
Li, J. and Heap, A. D. (2008). A review of spatial interpolation methods for environmental scientists. Geoscience Australia, Canberra. OCLC: 312275544.
Li, J. and Heap, A. D. (2014). Spatial interpolation methods applied in the environmental sciences: A review. Environmental Modelling & Software, 53:173– 189.
Li, J., Heap, A. D., Potter, A., and Daniell, J. J. (2011). Application of machine learning methods to spatial interpolation of environmental variables. Environmental Modelling & Software, 26(12):1647–1659.
Lopes, I., De Melo, J. M. M., and Leal, B. G. (2017). Espacialização da temperatura do ar para a região do submédio são francisco. Irriga, 22(1):177.
R Core Team (2018). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
Xavier, A. C., King, C. W., and Scanlon, B. R. (2016). Daily gridded meteorological variables in Brazil (1980-2013). International Journal of Climatology, 36(6):2644–2659.
Publicado
30/06/2020
Como Citar
ANTONIO, Wellington; BEZERRA, Diego; DA SILVA JÚNIOR, José; DE MEDEIROS, Victor; GONÇALVES, Glauco.
Serviço Computacional para Interpolação de Dados Espaciais. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 11. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 61-70.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2020.11020.
