Análise geoestatística de dados composicionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPR |
Texto Completo: | http://hdl.handle.net/1884/25054 |
Resumo: | Resumo: Dados composicionais são vetores com elementos positivos e soma constante, geralmente 1 ou 100%. Essa restrição define o simplex unitário como o espaço amostral, induz correlação intrínsica entre as variáveis e impõe limitações à aplicação de técnicas estatísticas usuais para a análise e modelagem de dados. Essa estrutura de dados aparece em diversas áreas. Nas Ciências Agrárias, é usual expressar as frações granulométricas de solo como conteúdos de areia, silte e argila e usá-las para descrever e definir classes de solo. Os padrões da distribuição espacial das frações do solo são relevantes na compreensão do sistema agrícola auxiliando na determinação de práticas agrícolas, em particular, na agricultura de precisão que visa fornecer recursos para as culturas a taxas variáveis ao longo do espaço. A análise das frações, individualmente, dificulta a garantia da restrição unitária e exige ajustes. A análise de dados composicionais considera essa restrição ao modelar as frações conjuntamente. As (k) variáveis originais, proporções dos componentes, são transformadas em (k-1) variáveis para as quais supõe-se uma distribuição gaussiana multivariada. Os métodos foram esenvolvidos supondo a independência entre as observações das localizações amostrais. As extensões para o contexto espacial exige a acomodação de duas fontes de associação na matriz de covariância, a correlação intrínsica entre as frações e a corregionalização induzida pelos padrões espaciais nas proporções dos componentes variando suavemente na área. Sob o paradigma bayesiano, a estrutura de covariância pode ser especificada por uma distribuição a priori Wishart para a matriz de covariância. Outro procedimento, em geoestatística, é relacionar correlaçães à distância de separação entre os pontos amostrais utilizando funções de correlação. Essa estratégia foi adotada especificando-se um modelo geoestatístico bivariado paramétrico para dados composicionais transformados, supondo termos latentes comuns caracterizados por uma função de correlação induzindo a estrutura espacial, e termos correlacionados acomodando correlações composicionais intrínsicas. Métodos de inferência baseados na verossimilhança e bayesianos e predição espacial foram deduzidos e implementados. Interpolação espacial e predição do modelo foram deduzidas dos resultados da distribuição normal multivariada. Os dados foram transformados para o espaço amostral simplex considerando-se integração de Gauss-Hermite e simulação. Três conjuntos de dados simulados diferentes e um conjunto de dados de frações de solo em uma área irrigada por um sistema pivô-central ilustraram a análise. Foram utilizados a transformação log-razão aditiva para transformar as proporções originais e a função de correlação exponencial. Na inferência bayesiana foram consideradas diferentes priores para os parâmetros. Os resultados incluem mapas de predição na escala original das proporções esperadas de areia, silte e argila sobre a área, bem como outros objetivos de predição como mapas de quantis, de probabilidades de exceder um determinado patamar e a distribuição a posteriori das classes de solo. As rotinas computacionais foram organizadas num protótipo de pacote-R chamado geoComp. |
id |
UFPR_d80ec25b95656bdbd4039dcf51e43f92 |
---|---|
oai_identifier_str |
oai:acervodigital.ufpr.br:1884/25054 |
network_acronym_str |
UFPR |
network_name_str |
Repositório Institucional da UFPR |
repository_id_str |
308 |
spelling |
Martins, Ana Beatriz TozzoRibeiro Junior, Paulo Justiniano, 1967-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia2011-01-25T12:50:40Z2011-01-25T12:50:40Z2011-01-25http://hdl.handle.net/1884/25054Resumo: Dados composicionais são vetores com elementos positivos e soma constante, geralmente 1 ou 100%. Essa restrição define o simplex unitário como o espaço amostral, induz correlação intrínsica entre as variáveis e impõe limitações à aplicação de técnicas estatísticas usuais para a análise e modelagem de dados. Essa estrutura de dados aparece em diversas áreas. Nas Ciências Agrárias, é usual expressar as frações granulométricas de solo como conteúdos de areia, silte e argila e usá-las para descrever e definir classes de solo. Os padrões da distribuição espacial das frações do solo são relevantes na compreensão do sistema agrícola auxiliando na determinação de práticas agrícolas, em particular, na agricultura de precisão que visa fornecer recursos para as culturas a taxas variáveis ao longo do espaço. A análise das frações, individualmente, dificulta a garantia da restrição unitária e exige ajustes. A análise de dados composicionais considera essa restrição ao modelar as frações conjuntamente. As (k) variáveis originais, proporções dos componentes, são transformadas em (k-1) variáveis para as quais supõe-se uma distribuição gaussiana multivariada. Os métodos foram esenvolvidos supondo a independência entre as observações das localizações amostrais. As extensões para o contexto espacial exige a acomodação de duas fontes de associação na matriz de covariância, a correlação intrínsica entre as frações e a corregionalização induzida pelos padrões espaciais nas proporções dos componentes variando suavemente na área. Sob o paradigma bayesiano, a estrutura de covariância pode ser especificada por uma distribuição a priori Wishart para a matriz de covariância. Outro procedimento, em geoestatística, é relacionar correlaçães à distância de separação entre os pontos amostrais utilizando funções de correlação. Essa estratégia foi adotada especificando-se um modelo geoestatístico bivariado paramétrico para dados composicionais transformados, supondo termos latentes comuns caracterizados por uma função de correlação induzindo a estrutura espacial, e termos correlacionados acomodando correlações composicionais intrínsicas. Métodos de inferência baseados na verossimilhança e bayesianos e predição espacial foram deduzidos e implementados. Interpolação espacial e predição do modelo foram deduzidas dos resultados da distribuição normal multivariada. Os dados foram transformados para o espaço amostral simplex considerando-se integração de Gauss-Hermite e simulação. Três conjuntos de dados simulados diferentes e um conjunto de dados de frações de solo em uma área irrigada por um sistema pivô-central ilustraram a análise. Foram utilizados a transformação log-razão aditiva para transformar as proporções originais e a função de correlação exponencial. Na inferência bayesiana foram consideradas diferentes priores para os parâmetros. Os resultados incluem mapas de predição na escala original das proporções esperadas de areia, silte e argila sobre a área, bem como outros objetivos de predição como mapas de quantis, de probabilidades de exceder um determinado patamar e a distribuição a posteriori das classes de solo. As rotinas computacionais foram organizadas num protótipo de pacote-R chamado geoComp.application/pdfTesesAnálise geoestatística de dados composicionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALTeseAnaBeatriz.pdfapplication/pdf2839320https://acervodigital.ufpr.br/bitstream/1884/25054/1/TeseAnaBeatriz.pdfbe19c8a283f26da90889f75757275615MD51open accessTEXTTeseAnaBeatriz.pdf.txtTeseAnaBeatriz.pdf.txtExtracted Texttext/plain354691https://acervodigital.ufpr.br/bitstream/1884/25054/2/TeseAnaBeatriz.pdf.txt94b2a1a35dd815cd3febc3d2d9a90c38MD52open accessTHUMBNAILTeseAnaBeatriz.pdf.jpgTeseAnaBeatriz.pdf.jpgGenerated Thumbnailimage/jpeg1127https://acervodigital.ufpr.br/bitstream/1884/25054/3/TeseAnaBeatriz.pdf.jpg630535f09baf4d2692acac62e5ecc7ecMD53open access1884/250542016-04-08 05:08:07.951open accessoai:acervodigital.ufpr.br:1884/25054Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082016-04-08T08:08:07Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false |
dc.title.pt_BR.fl_str_mv |
Análise geoestatística de dados composicionais |
title |
Análise geoestatística de dados composicionais |
spellingShingle |
Análise geoestatística de dados composicionais Martins, Ana Beatriz Tozzo Teses |
title_short |
Análise geoestatística de dados composicionais |
title_full |
Análise geoestatística de dados composicionais |
title_fullStr |
Análise geoestatística de dados composicionais |
title_full_unstemmed |
Análise geoestatística de dados composicionais |
title_sort |
Análise geoestatística de dados composicionais |
author |
Martins, Ana Beatriz Tozzo |
author_facet |
Martins, Ana Beatriz Tozzo |
author_role |
author |
dc.contributor.other.pt_BR.fl_str_mv |
Ribeiro Junior, Paulo Justiniano, 1967- Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia |
dc.contributor.author.fl_str_mv |
Martins, Ana Beatriz Tozzo |
dc.subject.por.fl_str_mv |
Teses |
topic |
Teses |
description |
Resumo: Dados composicionais são vetores com elementos positivos e soma constante, geralmente 1 ou 100%. Essa restrição define o simplex unitário como o espaço amostral, induz correlação intrínsica entre as variáveis e impõe limitações à aplicação de técnicas estatísticas usuais para a análise e modelagem de dados. Essa estrutura de dados aparece em diversas áreas. Nas Ciências Agrárias, é usual expressar as frações granulométricas de solo como conteúdos de areia, silte e argila e usá-las para descrever e definir classes de solo. Os padrões da distribuição espacial das frações do solo são relevantes na compreensão do sistema agrícola auxiliando na determinação de práticas agrícolas, em particular, na agricultura de precisão que visa fornecer recursos para as culturas a taxas variáveis ao longo do espaço. A análise das frações, individualmente, dificulta a garantia da restrição unitária e exige ajustes. A análise de dados composicionais considera essa restrição ao modelar as frações conjuntamente. As (k) variáveis originais, proporções dos componentes, são transformadas em (k-1) variáveis para as quais supõe-se uma distribuição gaussiana multivariada. Os métodos foram esenvolvidos supondo a independência entre as observações das localizações amostrais. As extensões para o contexto espacial exige a acomodação de duas fontes de associação na matriz de covariância, a correlação intrínsica entre as frações e a corregionalização induzida pelos padrões espaciais nas proporções dos componentes variando suavemente na área. Sob o paradigma bayesiano, a estrutura de covariância pode ser especificada por uma distribuição a priori Wishart para a matriz de covariância. Outro procedimento, em geoestatística, é relacionar correlaçães à distância de separação entre os pontos amostrais utilizando funções de correlação. Essa estratégia foi adotada especificando-se um modelo geoestatístico bivariado paramétrico para dados composicionais transformados, supondo termos latentes comuns caracterizados por uma função de correlação induzindo a estrutura espacial, e termos correlacionados acomodando correlações composicionais intrínsicas. Métodos de inferência baseados na verossimilhança e bayesianos e predição espacial foram deduzidos e implementados. Interpolação espacial e predição do modelo foram deduzidas dos resultados da distribuição normal multivariada. Os dados foram transformados para o espaço amostral simplex considerando-se integração de Gauss-Hermite e simulação. Três conjuntos de dados simulados diferentes e um conjunto de dados de frações de solo em uma área irrigada por um sistema pivô-central ilustraram a análise. Foram utilizados a transformação log-razão aditiva para transformar as proporções originais e a função de correlação exponencial. Na inferência bayesiana foram consideradas diferentes priores para os parâmetros. Os resultados incluem mapas de predição na escala original das proporções esperadas de areia, silte e argila sobre a área, bem como outros objetivos de predição como mapas de quantis, de probabilidades de exceder um determinado patamar e a distribuição a posteriori das classes de solo. As rotinas computacionais foram organizadas num protótipo de pacote-R chamado geoComp. |
publishDate |
2011 |
dc.date.accessioned.fl_str_mv |
2011-01-25T12:50:40Z |
dc.date.available.fl_str_mv |
2011-01-25T12:50:40Z |
dc.date.issued.fl_str_mv |
2011-01-25 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1884/25054 |
url |
http://hdl.handle.net/1884/25054 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPR instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Repositório Institucional da UFPR |
collection |
Repositório Institucional da UFPR |
bitstream.url.fl_str_mv |
https://acervodigital.ufpr.br/bitstream/1884/25054/1/TeseAnaBeatriz.pdf https://acervodigital.ufpr.br/bitstream/1884/25054/2/TeseAnaBeatriz.pdf.txt https://acervodigital.ufpr.br/bitstream/1884/25054/3/TeseAnaBeatriz.pdf.jpg |
bitstream.checksum.fl_str_mv |
be19c8a283f26da90889f75757275615 94b2a1a35dd815cd3febc3d2d9a90c38 630535f09baf4d2692acac62e5ecc7ec |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1801860259849961472 |