Krigagem

O que o bloco faz

A krigagem interpola a variável onde ela não foi medida, usando o modelo de dependência espacial ajustado: cada ponto vizinho pesa conforme a distância e conforme o que o variograma diz sobre essa distância. É interpolador exato — numa coordenada amostral devolve o valor observado — e, diferente de qualquer outro interpolador, devolve o erro-padrão de cada célula. O mapa do erro-padrão é o par honesto do mapa do predito: mostra onde a predição vale pouco. Use spatial/map para ver os dois.

A entrada pontos é opcional: o modelo já carrega os pontos com que foi ajustado, e a krigagem usa esses. Conecte-a só se quiser ver o encadeamento explícito; se os pontos conectados não forem os mesmos dados do modelo, a krigagem para com erro em vez de interpolar outro conjunto.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

População

O conjunto completo de unidades sobre o qual se quer concluir algo: todas as propriedades de uma região, todos os alunos de uma escola. Em geral não é possível medir todas, e por isso se mede uma amostra.

Amostra

A parte da população que é de fato observada. Quando é sorteada com probabilidades conhecidas, permite estimar características da população e medir a incerteza dessa estimativa.

Erro padrão

O desvio padrão de uma estimativa: quanto ela variaria se o estudo fosse repetido com outra amostra. Diminui quando a amostra cresce e é a base dos intervalos de confiança e dos testes.

Tendência

O movimento de longo prazo de uma série, de subida ou de descida, separado das oscilações de curto prazo e da sazonalidade.

Distância e dissimilaridade

Uma medida de quão diferentes são duas observações quando consideradas todas as variáveis ao mesmo tempo. A escolha da distância (euclidiana, de Mahalanobis, de Gower) muda quem fica perto de quem no agrupamento.

Pressupostos

• O modelo de dependência ligado descreve estes dados: foi ajustado ao variograma deles, no mesmo suporte e na mesma unidade.

  Verificar:Ajustar modelo

  Se falhar: Ajuste o variograma destes pontos antes de krigar.

• Estacionariedade de segunda ordem na área krigada: média constante e covariância que só depende da distância.

  Verificar:Explorar

  Se falhar: Havendo tendência de larga escala, remova-a no variograma ('Tendência removida').

• A média da população é conhecida de fora dos dados (só na krigagem simples).

  Se falhar: Não a conhecendo, use a ordinária, que a estima junto com a predição.

• A predição fica dentro da área amostrada: krigagem interpola, não extrapola.

  Se falhar: Fora do envelope dos pontos o erro-padrão cresce rápido; leia o mapa de erro antes de usar a borda.

Parâmetros

• Tipo — ordinária estima a média a partir dos dados e é o padrão. Simples supõe a média da população conhecida e pede que você a informe; é a escolha certa só quando a média vem de fora dos dados.
• Média conhecida — só na simples. Usar a média amostral aqui não é krigagem simples: é fingir que se conhece o que se estimou.
• Resolução — pontos no lado maior da grade. A grade cobre os pontos e a borda, e é recortada na borda, quando há. O número de células cresce com o quadrado da resolução e o custo cresce com ele: algumas centenas de pontos em resolução 500 levam dezenas de segundos com vizinhança global. O remédio é Vizinhos (por exemplo 30), que reduz esse tempo várias vezes. A nota da superfície diz quantas células saíram.
• Vizinhos / Raio — vazios krigam com todos os pontos. Limitar acelera e deixa o resultado mais local, mas vizinhança pequena demais produz emenda visível entre regiões. O raio está na unidade das coordenadas (metros, nos exemplos); célula sem nenhum ponto dentro do raio fica sem predição, e a nota diz quantas. Se nenhuma célula for predita — raio fora da escala dos dados, como 1 em coordenadas UTM — o bloco para com erro em vez de devolver um mapa vazio, e a mensagem diz a que distância está o vizinho mais próximo.

Valor

Uma superfície predita (spatial/surface). O adaptador para data/table dá uma linha por célula, com as coordenadas, predito, variancia e erro_padrao.

Exemplos

tr_flow(reg) |>
  tr_add("p", "spatial/example", dataset = "milho_pr") |>
  tr_add("v", "spatial/variogram", dist_max = 250000, from = "p") |>
  tr_add("m", "spatial/variogram_fit", familia = "esferico", from = "v") |>
  tr_add("k", "spatial/kriging", resolucao = 40L, from = "m")