Estimativa multivariada alicerçada em tabelas de covariância

• Autor(a) principal: Oliveira, Carlos Alexandre Santana
• Data de Publicação: 2020
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/210608
• topic: Estimativa; Análise multivariada; Transformada de Fourier; Covariância; Multivariate estimation; Fourier transform; Covariance tables; Correction of the covariance table.

Projetos de mineração geralmente contêm dados secundários espacialmente correlacionados com a principal variável de interesse (primária). Esses dados secundários são geralmente mais densamente amostrados do que os primários (conjunto de dados heterotópicos), pois são mais baratos e rápidos de serem obtidos. Nessa situação, o uso de dados secundários em modelagem geoestatística melhora a qualidade dos modelos (estimados ou simulados) finais. A principal metodologia geoestatística utilizada para integrar esses dois tipos de dados é a cokrigagem, que requer a modelagem conjunta de variogramas diretos e cruzados usando o Modelo Linear de Corregionalização (Linear Model of Coregionalization - LMC). O problema é que modelar o LMC se torna impraticável à medida que o número de variáveis aumenta. Além disso, o LMC é bastante restritivo, pois todos os modelos de variogramas devem ser combinações lineares das mesmas estruturas básicas. Essa restrição faz com que o LMC não mostre um bom ajuste à maioria dos variogramas experimentais. Esta tese mostra uma metodologia para estimativa e simulação com dados secundários heterotópicos que não requer a modelagem do LMC. A continuidade espacial será descrita por tabelas de covariância (diretas e cruzadas), que são obtidas diretamente dos dados. As tabelas de covariância são corrigidas para garantir que as matrizes de covariância usadas na krigagem sejam positivas definidas. Dois estudos de caso são apresentados, o primeiro para comparar a metodologia proposta com as estimativas/simulações feitas usando o LMC e o segundo, aborda alternativas para se obter a continuidade espacial da variável primária e realizar estimativas. Os resultados foram satisfatórios, pois os modelos estimados e simulados com tabelas de covariância foram devidamente validados.