geoprocessamento em recursos hídricos - hip 23 - aluno: rafael siqueira souza análise...
TRANSCRIPT
Geoprocessamento em Recursos Hídricos - HIP 23 -
Aluno: Rafael Siqueira Souza
Análise geoestatística para interpolação de chuva: integração entre dados de postos
pluviométricos e satélite TRMM pelo método da cokrigagem
Motivação• Estimar dados, variáveis ou atributos em locais não
amostrados a partir de dados amostrados e conhecidos na mesma região de interesse.
Por que interpolar?Sem viabilidade para amostrar um número infinito de pontos no espaço para criar uma superfície contínua de uma variável de interesse;
Mais barato realizar uma boa campanha de amostragem e criar uma superficie a partir dela;
Criar isolinhas do atributo para melhor analise espacial, ou seja, modelar a variabilidade espacial;
Calcular outras propriedades ou variáveis em função superfície gerada em qualquer local;
Modificar a resolução de mapas numéricos, etc.
JustificativaDaniel Krige – estimativa de reservas mineraisMatheson (1962) – Geoestatística – Variável Regionalizada (VR)
Principio:- Variáveis naturais possuem propriedades intermediárias entre variáveis puramente aleatórias e as completamente determinísticas. - Variáveis regionalizadas possuem dependência espacial, e esta correlação deve ser considerada no procedimento de interpolação.
SemiovariogramaDependência espacial
Avaliar a variabilidade espacial da chuva estimada por cokrigagem utilizando dados
de postos pluviométricos e do satélite TRMM.
Objetivos
Comparar com demais métodos utilizados para interpolar chuva: IDQ e Kriging.
Lim.Lim.Cont.Cont.
Área de Estudo:– Bacia Hidrográfica do Rio Quaraí
Metodologia
Metodologia (cont.)
Satélite TRMM (Tropical Rainfall Measuring Mission):- NASA e Agência Japonesa se Exploração Aeroespacial (JAXA)- Monitorar e estudar a precipitação nos trópicos- Resolução espacial – 0.25 º- Resolução temporal – 3 horas
0
20
40
60
80
100
120
0 1000 2000 3000 4000 5000
Dias
Prec
ipita
ção
diár
ia (m
m)Dados Disponíveis:
– Satélite TRMM e postos pluviométricos
Metodologia (cont.)
0
20
40
60
80
100
120
0 1000 2000 3000 4000 5000
Dias
Prec
ipita
ção
diár
ia (m
m)
Evento Chuvoso
Correlação entre TRMM e Pluviômetros
0.00
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00
TRMM (mm)Pl
uviô
met
ro (m
m)
Procedimento:
Metodologia (cont.)
Pluviômetros
0
2
4
6
8
0-50 51-100 101-150 151-200 201-250 251-300 301-350
Classes
Freq
uênc
ia
6.1. Postos Pluviométricos
Média 133.57D.P. 80.99
Resultados
R2 = 0.9978
0
50
100
150
200
250
300
350
0 50 100 150 200 250 300 350
Simulado
Obs
erva
do
6.1. Postos Pluviométricos - IDWResultados (cont.)
6.1. Postos Pluviométricos - Kriging
distance between pairs0.80.70.60.50.40.30.20.10
V(x
)
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
R2 = 0.1427
0
50
100
150
200
250
300
350
0 50 100 150 200 250 300 350
Simulado
Obs
erva
do
Modelo Esférico
distance between pairs0.80.60.40.20
V(x
)
8,000
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
R2 = 0.4657
0
50
100
150
200
250
300
350
0 50 100 150 200 250 300 350
Simulado
Obs
erva
do
Modelo Linear
Resultados (cont.)
R2 = 0.9566
0
50
100
150
200
250
300
350
0 50 100 150 200 250 300 350
Simulado
Obs
erva
do
R2 = 0.4657
0
50
100
150
200
250
300
350
0 50 100 150 200 250 300 350
Simulado
Obs
erva
do
0
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Postos
P (m
m)
Cross_ValidationObservadoSimulado
Resultados (cont.)
Postos Pluviométricos - IDW
Postos Pluviométricos - Kriging 265
285
Resultados (cont.)
6.2. Satélite TRMM
TRMM
0
4
8
12
16
20
0-50 51-100 101-150 151-200 201-250 251-300 301-350
Classes
Freq
uênc
iaMédia 95.60D.P. 69.38
Resultados (cont.)
6.2. Satélite TRMM - IDW
Resultados (cont.)
6.2. Satélite TRMM - Kriging
distance between pairs0.80.60.40.20
V(x)
3,500
3,000
2,500
2,000
1,500
1,000
500
0
R2 = 0.7771
0
50
100
150
200
250
300
0 100 200 300
Simulado
Obs
erva
do
Modelo Gaussiano
distance between pairs0.80.60.40.20
V(x)
4,5004,0003,5003,0002,5002,0001,5001,000
5000
R2 = 0.9035
0
50
100
150
200
250
300
0 100 200 300
Simulado
Obs
erva
do
Modelo Linear
Resultados (cont.)
0
50
100
150
200
250
300
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58
Pontos observados
P (m
m)
-200.00
-150.00
-100.00
-50.00
0.00
50.00
100.00
150.00
200.00
Cross_Validation Observado Simulado Erro (%)
Resultados (cont.)R2 = 0.9958
0
50
100
150
200
250
300
0 100 200 300
Simulado
Obs
erva
do
R2 = 0.9035
0
50
100
150
200
250
300
0 100 200 300
Simulado
Obs
erva
do
TRMM - IDW
TRMM - Kriging
Resultados (cont.)
6.2. Satélite TRMM - Kriging
Resolução Espacial – 0.25º
Resolução Espacial – 0.05º
Resultados (cont.)
R2 = 0.2263
0
50
100
150
200
250
300
0 100 200 300TRMM
Pluv
iôm
etro
s
0
50
100
150
200
250
300
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Postos
P (m
m)
PluviômetrosTRMM
0
4
8
12
16
20
0-50 51-100 101-150 151-200 201-250 251-300 301-350
Classes
Freq
uênc
ia
PluviômetrosTRMM
6.3. CokrigingResultados (cont.)
6.3. CokrigingCaso 1: Postos Pluviométricos X TRMM (postos)
Caso 2: Postos Pluviométricos X Krigagem TRMM (0.05º)
Resultados (cont.)
Caso 1
distance between pairs0.80.60.40.20
V(x)
5,000
4,000
3,000
2,000
1,000
0
Variograma Cruzado
Caso 2
distance between pairs10
V(x)
3,000
2,500
2,000
1,500
1,000
500
0
distance between pairs0.80.60.40.20
V(x)
4,5004,0003,5003,0002,5002,0001,5001,000
5000
Variograma Cruzado Modelo de Potência
Kr_TRMMModelo de Potência
Resultados (cont.)
-50
0
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Postos
P (m
m)
ObservadoCross_Validation_KrigagemCross_Validation_Cokrigagem
R2 = 0.3853
0
50
100
150
200
250
300
350
0 100 200 300
Simulado
Obs
erva
do
R2 = 0.4657
0
50
100
150
200
250
300
350
0 50 100 150 200 250 300 350
Simulado
Obs
erva
do
Kriging_plu
CoKrplu x TRMM
Resultados (cont.)
(IDW – Kriging_plu)
(IDW – cokriging)
(cokrig – Kriging_plu)
Resultados (cont.)
IDW_plu cokriging
Resultados (cont.)
IDW_plu Kr_plu
Kr_TRMM CoKr
Resultados (cont.)
Método Média Desvio-Padrão CorrelaçãoObs C.V. Simul. Obs C.V. Simul Simul C.V.
IDW_plu 133.57 - 139.77 80.99 - 50.69 1.0 -
Kr_plu 133.57 139.59 138.95 80.99 68.36 64.04 0.96 0.47
Kr_TRMM 95.60 95.76 130.74 69.38 62.37 46.20 1.0 0.77
Cokriging 133.57 147.0 141.0 80.99 48.79 53.96 1.0 0.38
Resultados (cont.)
Conclusões
Quanto à área de Estudo:
- Bacia com maiores dimensões, com maior densidade de pluviômetros, possibilitando um melhor ajuste do semiovariograma.
Quanto à metodologia:- Baixa correlação – correlação deve ser alta, é um pré-requisito para o método de cokrigagem.
- Sensibilidade nos resultados em função do modelo.
- (IDW = cokrigagem) – pesos atribuídos podem ser parecidos.
- Não houve diferença nos resultados ao usar os dados do TRMM como vetor ou raster (0.25º e 0.05º).
- Destaque para krigagem dos dados do TRMM, apresentou elevada correlação para a validação cruzada. Além de uma melhor representação espacial do evento em relação ao IDW.
Conclusões (cont.)
Conclusões (cont.) Recomendações para estudos posteriores:
- Variograma dos dados do TRMM para interpolar postos.
- Avaliar isotropia – cokriging MNT x chuva.
- Avaliar a sensibilidade dos parâmetros.
- Desenvolver algoritimos para interpolar séries de dados dechuva de postos e de satélite por métodos geoestatísticos.
- Simulação hidrológica com base em dados de precipitação interpolada por métodos geoestátisticos.
