em , ,

Migração De Algoritmos para a Linguagem R

A Geokrigagem informa que migrará todos os seus algoritmos para a plataforma open source R, seguindo uma tendência internacional. Inicialmente, a migração será feita em R e, posteriormente, em Python. Como um primeiro movimento neste sentido, pode-se mencionar a publicação de seu livro “Estatística, análise e interpolação de dados geoespaciais”, contendo mais de 50 scripts em R.

Os scripts disponibilizados neste livro permitem fazer a interpolação de dados geoespaciais por diversos métodos de interpolação globais e locais. Assim, tem-se como métodos de interpolação: equações multiquádricas, inverso da distância, superfícies de tendência, triangulação de Delaunay e vizinho mais próximo. Todos os resultados da interpolação são representados em mapas imagem, conforme um exemplo a seguir.

Representação da interpolação por equações multiquádricas – observar a continuidade e suavidade da superfície resultante (Yamamoto, 2020, p. 266).

                Esta decisão vem no sentido de promover uma maior divulgação dos algoritmos, permitindo ao usuário maior interação e conhecimento do processo utilizado, ao invés de utilizar um programa comercial fechado.

A grande vantagem de um script na linguagem R está justamente na possibilidade de se ver a codificação empregada, alterar e personalizar as saídas gráficas. Além disso, há mais de 15000 pacotes disponíveis para download em praticamente todas os campos do conhecimento científico. Trata-se de pacotes extremamente confiáveis e intensamente testados pela comunidade.

Outros Exemplos

                Outros exemplos de scripts são interCat.R e interPlot.R, que fazem a interpolação multiquádrica de variáveis categóricas, medidas nas escalas nominal e ordinal de Stevens (1946), como se pode ver na Figura 2. A interpolação de variáveis categóricas é fundamental na análise espacial de variáveis qualitativas. De acordo com o exemplo mostrado na Figura 2, pode-se obter um mapa do tipo mais provável (a variável categórica é composta por tipos), bem como desse tipo com o mapeamento da zona de incerteza.

Lembrando que qualquer resultado derivado de uma amostragem estará sujeito à incerteza, devido à amostragem insuficiente e natureza estocástica da variável em estudo. Pode-se observar no mapa da Figura 2B que a zona de incerteza se encontra separando os tipos e truncando um mesmo tipo, devido à falta de informação. Esses algoritmos inéditos estão publicados em Yamamoto (2020, p. 297-299), onde o Leitor poderá verificar a codificação utilizada.

Interpolação multiquádrica de uma variável categórica composta por 5 tipos. A) mapa mais provável; B) mapa mais provável com mapeamento da zona de incerteza (segundo Yamamoto, 2020, p. 182).

Referências bibliográficas

Stevens, S.S. 1946. On the theory of scales of measurement. Science, 103 (2684):  677-680.

Yamamoto, J.K. 2020. Estatística, análise e interpolação de dados geoespaciais. São Paulo, JK Yamamoto – EIRELI – EPP. 350p.

Jorge Kazuo Yamamoto

Escrito por Jorge Kazuo Yamamoto

Prof. Dr. Jorge Kazuo Yamamoto, fundador da Geokrigagem, é geólogo, foi pesquisador do IPT e docente do Instituto de Geociências da USP, onde se aposentou como Professor Titular do Departamento de Geologia Sedimentar e Ambiental. Atualmente, atua como Professor Sênior do Departamento de Engenharia de Minas e de Petróleo – Escola Politécnica – USP. É responsável pela disciplina “Métodos geoestatísticos” na Pós-Graduação do IPT – Investigação do subsolo: Geotecnia e Meio Ambiente. Dedica-se ao ensino de geoestatística, com ênfase no desenvolvimento de algoritmos e pesquisa de novas aplicações, tais como: variância de interpolação, cálculo da variância global de depósitos minerais e correção do efeito de suavização da krigagem. Ultimamente, seu interesse está voltado para o ensino e divulgação da linguagem R.

Comentários

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Carregando...

0

Probabilidade Condicional: Fórmula de Bayes

Sinopse do livro Estatística, Análise e Interpolação de Dados Geoespaciais, por Eduardo Freitas