O efeito de borda na Geoestatística

Abstract

A Geoestatística é uma ciência que se dedica a predição de valores de um fenômeno regionalizado a partir de pontos amostrados em uma área de interesse. Apesar da existência de métodos ótimos de predição, como a krigagem, ainda há alguns problemas a serem solucionados nessa ciência. Um desses problemas é o efeito de borda que ocorre na predição de pontos localizados na região mais extrema da área de interesse. Ele acontece porque ao se predizer nessa região há pouca ou nenhuma vizinhança amostrada. Dessa forma, o erro de predição é maior na borda do que na região central da área de interesse. Uma estratégia bastante empregada para diminuir o efeito de borda é a utilização de pontos amostrados fora da área de interesse na predição. No entanto, pouca informação é encontrada a respeito da eficácia dessa estratégia. Portanto, esse trabalho busca avaliar e mensurar a melhora obtida nas predições ao se utilizar dados externos à área de interesse. De acordo com os resultados obtidos, a utilização de dados externos à área de interesse é eficaz na diminuição do efeito de borda. Essa eficácia se mostrou maior para uma amostragem irregular do que para uma amostragem regular. O ganho na precisão das predições se torna pequeno na utilização de pontos distantes da área de interesse para a interpolação.

Geostatistics is a science that is concerned about the prediction of values of a regionalized phenomenon. Despite the existence of good interpolation methods, such as kriging, there are still a lot of problems to be solved in this science. One of these problems is the border effect, which occurs in the prediction of points located near the boundary of the area of interest. It happens because when the value of a point at the boundary is predicted there are a few or none sampling points in the neighborhood. Therefore, the prediction error is bigger at the boundary of the area of interest than in the center of this area. A strategy widely known to reduce the border effect is to use sampling points outside the area of interest; however, only little information is found regarding the efficacy of this strategy. Hence, this study aims to evaluate and measure the improvement in prediction obtained by using data outside the area of interest. According to the results obtained, the use of data outside the area of interest is efficient on reducing the border effect. This efficacy was higher for an irregular sampling than for a regular sampling. The gain in precision of the predictions becomes small when points away from the area of interest are used for interpolation.