Estimadores De Semivariância: Uma Revisão

Abstract

A Geoestatística é um ramo da estatística responsável pela incorporação e entendimento das dependências espaciais na modelagem de variáveis georreferenciadas. Na busca pelo melhor modelo ajustado, tem-se o desafio de desenvolver e dominar um ferramental que permita a análise-e quantificação-da variabilidade espacial do fenômeno em estudo, por meio de modelagens específicas. Para isso, é comum fazer uso de medidas de correlação espacial como covariância, correlação e, especialmente, semivariância, uma medida resumo da variabilidade e dependência espacial. É então essencial um bom ajuste do semivariograma, e um estimador adequado para a semivariância é necessário para este ajuste. Uma vez que a maioria dos métodos de estimação em Geoestatística e algoritmos de simulação requerem um modelo teórico ajustado a uma semivariância empírica, objetivou-se expor as construções, deduções e a ideia geral que determina a adequabilidade dos principais estimadores de semivariância a fim de divulgar estimadores ainda pouco utilizados pelos pesquisadores. Portanto, este artigo apresenta uma revisão de oito estimadores de semivariância: o estimador clássico de Matheron, Robusto de Cressie e Hawkins, das Medianas de Cressie, de Pairwise, New-1 (MW1) e New-2 (MW2), das Diferenças de Haslett e o estimador Altamente Robusto de Genton.

Defining management zones for a papaya culture considering soil chemical attributes by fuzzy c-means

“…The data underwent geostatistical analysis to check for spatial dependence and, when present, quantify the degree, using the adjustment of Matheron classical semivariogram (Félix et al, 2016). For each variable, the best fit for the experimental model (Santos et al, 2019) among the semivariogram models was determined by geostatistical analysis.…”

Explorando uma abordagem de Fusão Multimodal para auxílio a Gestão de Desastres: um estudo de caso com tweets e dados contextuais

“…Além disso, segundo Landim (2006) é imprescindível a utilização de uma função de semivariância, sendo que o resultado dessa função deve ser ajustado a um modelo teórico. Inclusive, a semivariância é uma técnica para a análise da variabilidade espacial do fenômeno estudado (FÉLIX et al, 2016). Dessa forma, a seguir encontra-se a fórmula da semivariância:…”