Tabela de conteúdos

Fase 1
Fase 2

Projeto Fazenda Mobasa

Dados

Originais
1. Pontos verdes. Essa planilha contém 39 linhas mas dispõe de 18 coordenadas devido a repetições de medidas em diferentes anos.
2. Pontos azuis Essa planilha contém 86 linhas mas dispõe de 35 coordenadas devido a repetições de medidas em diferentes anos.
3. Pontos vermelhos Essa planilha dispõe de 556 coordenadas (a confirmar com o Itamar)
4. Bordas
Variáveis
1. Definição das variáveis do estudo (tb disponível em arquivo)

  (Itamar) Estas glebas são as fazendas da Mobasa, ou seja: 
  * Gleba A: Fazenda Cerro Azul A; 
  * Gleba B: Fazenda Cerro Azul B; 
  * Gleba C: Fazenda Cerrro Azul C e 
  * Fazenda Bonsucesso III.

Localização da área e dos pontos amostrais

No mapa de localização das amostras, o triângulo corresponde aos pontos azuis o quadrado os pontos verdes e o x os pontos vermelhos

Decisões

vamos usar IMA como a variável de interesse primário
(Edson) Conversando com Itamar e Lorena, decidimos trabalhar com os pontos azuis pois azul=azul+verde (12/01/07)
(Itamar) Estive fazendo correlação de Pearson entre as (6) variáveis dependentes com as independentes, tendo cada fazenda apenas uma idade (na análise de variância peguei as idades que não diferiam entre si: 13, 14 e 15 anos) e verifiquei que a variável HDOM foi a que obteve maiores índices de correlações.
1. com as variáveis químicas e físicas (bola azul):
  1. HDOM x SILTE1 (0,4426)
  2. HDOM x P1(fósforo da camada superficial) (0,5945)
  3. HDOM x PHCACL2 (-0,4800)
  4. HDOM x K2 (potássio da camada subsuperficial) (0,4323)
2. com as variáveis físico-hídricas apresentou os maiores índices (no entanto são poucos os dados para correlação):
  1. HDOM x 6KPa2 (-0,6242);
  2. HDOM x UATUA2 (-0,6222);
  3. HDOM x 10 KpA2 (-0,6381).
(Itamar/Edson) Como HDOM é afetada pela idade, abandonamos essa variável. Escolhemos IMA pois esta não é afetada pela idade. As correlações ficaram:
1. Bolas azuis
  1. IMA x Silte-1 (0,3699)
  2. IMA x Fósforo-1 (0,4650)
2. Bolas verdes
  1. IMA x Macro-1 (0,6150)
  2. IMA x 6KPa-2 (-0,6238)
  3. IMA x 10KPa-2 (-0,6630)
  4. IMA x 1500KPA-2 (-0,6229)
  5. IMA x Argila-1 (0,6779)
(Paulo/Edson - 22/01) Escolhemos a variável IMA (verde) para as árvores mais velhas e Argila (vermelho)

Decisão final para a escolha de variáveis da Etapa 1

Roteiro Exploratório

Fase 1

Análise univariada (IMA e argila(?) – quem estiver mais corr. com IMA – ok decidimos por argila mesmo)
1. podemos pegar duas variáveis: uma no vermelho e outra no azul (deixamos isto para depois)
Análise com argila como covariável (argila explicando IMA)
Análise bivariada (cokrigagem).

Nota: precisamos nos certificar que a relação de argila e IMA é linear.

a) colocar aqui o gráfico com o scatterplot de IMA vs argila

OK! Colocado em 24/01 - Acho que não precisa linearizar

b) linearizar a relação se necessário (se possivel transformando somente a argila)

Pearson's product-moment correlation

data: IMA.csv$IMA and IMA.csv$ARG1

t = -2.9248, df = 16, p-value = 0.009917

alternative hypothesis: true correlation is not equal to 0

95 percent confidence interval:

-0.8287407 -0.1703052

sample estimates: cor -0.5902447

Até aqui fica para tese do Itamar e artigo 1

Discussão

(Itamar) Idéia para discussão e verificar possibilidade: comparar com resultado de análise de agrupamento
(PJ) talvez não ainda aqui!

Cronograma

Executor: Edson A A Silva

Início	Final	Descrição das Atividades	Status
23/01	23/01	Preparar o arquivo de dados Azul e Vermelho - Local: projetos:mobasa:artigo	concluído
23/01	23/01	Preparar o arquivo de contorno (contorno.txt)- Local: projetos:mobasa:artigo	concluído
23/01	23/01	Fazer um mapa do IMA (Azul) - krigagem	concluído
24/01	24/01	Construir o gráfico com o scatterplot de IMA vs argila	concluído
25/01	25/01	Calcular o IMA médio (Azul) para o mapa estimado	concluído
26/01	26/01	Fazer um mapa do IMA (Azul) usando a Argila (Verde) como co-variável (Deu efeito pepita puro)	–
26/01	26/01	Calcular o IMA médio (AZul) para o mapa estimado com o Argila como co-variável (Não foi feito o mapa)	–
24/01	24/01	Fazer um mapa do IMA (Azul) adicionando estimativas nas coordenadas da Argila (Vermelho) – co-krigagem	concluído
26/01	26/01	Calcular o IMA médio (Azul + Vermelho) para o mapa estimado	concluído
26/01	26/01	Comparar as médias	concluído
27/01	28/01	Escrever a metodoĺogia para colocar no artigo	concluído
27/01	28/01	Descrever os resultados e discussão para colocar no artigo	concluído

Script em desenvolvimento:

bivariada.r – Versâo 1
bivariada1.r – Versão 2 (15/03)

Atividades Realizadas

Conversão dos dados Pontos azuis para o formato texto.

O mapa da esquerda representa a distribuição espacial do IMA (Azul) usando krigagem convencional (18 pontos amostrais) e o mapa da direita representa a distribuição espacial do IMA usando co-krigagem (555 pontos de Argila deram suporte)

O gráfico seguinte mostra o scatterplot dos valores do mapa preditos com krigagem vs valores do mapa predito com co-krigagem

Resultados descritivos
Argila
Cor	Média	Variância	C.V.	Menor distância	Maior distância	# pontos
Azul	32,84	157,29	38,19%	140,20	8.417,42	18
Vermelha	25,19	60,4739	30,87%	34,32 m	10.393,00 m	555
IMA
Azul	26,36	42,85	24,83%	140,20	8.417,42	18

Modelos Geoestatísticos Univariados
Variável	ML	Modelo	κ	λ	β	τ²	σ²	Φ	Alcance	CEP
IMA (azul)	58,4	Matérn	0,5	1,0	26,69	0	39,57	476,42	1.429,26 m	0
IMA (Azul)+Argila	55,0	Matérn	0,5	1,0	36,34/-0,31	26,37	0	0	0	1
Argila (vermelho)	1.765,0	Matérn	0,5	0	3,08	0,0255	0,1787	2.007,00	6.021,00 m	0,1249

* CEP: Coeficiente de efeito pepita – IMA (Azul)+Argila (ARG1 é co-variável)

(Edson: 25/01) Problemas com a estimativa do Φ para a argila..... comentar com o Prof. Paulo

Modelo Geoestatístico Multivariado
Parâmetros de média	μ 1 = 25,5029	μ 2 = 23,9779	–	–	–	–
Parâmetros de Variância	σ²(01) = 9,3083	σ²(02) = 50,4832	σ²(1) = 103,2856	σ²(2) = 0,0541	–	–
Parâmetros de correlação	Φ 0 = 722,6157	Φ 1 = 1.488,7095	Φ 2 = 1.675,1836	–	–	–
Reparametrização	η = 3,3311	υ 1 = 2,3288	υ 2 = 0,0763	Φ 0 = 722,62	Φ 1 = 1.488,71	Φ 2 = 1.675,84

Predict: Média = 25,7634 – SD = 3,3237

Krige.var: Média = 110,2289 – SD = 1,4820

Comparação dos mapas (médias) – IMA
Origem dos dados	média	S.D.	C.V.%
Dados amostrais (18 pontos)	26,36	7,78	29,50
Preditos com krigagem (base de 18 pontos)	26,69	1,72	6,43
Preditos com co-krigagem (base de 555 pontos)	25,76	3,32	12,90

Entregue a versão preliminar do Artigo para edição de texto

Fase 2

Idéia utilizar resultados de análises multivariadas. Combinar métodos MV tais como análise fatorial e PCA com geoestatística

Brainstorm

(afobações e anseios do Itamar)

(PJ) no final a pergunta básica é: pq sob mesmas condições de manejo etc as produções variam? Podemos usar métodos de estatística espacial para quantificar e explicar esta variação?
(PJ) no futuro evoluir para análise longitudinal de variáveis tais como o volume. Pensar em melhor forma de combinar dados de diferentes idades.
(Itamar) De acordo com opinião na empresa a predição dificilmente terá uma melhora substancial na sua predição, mas a metodologia poderia ajudar reduzindo custos amostrais.

Artigos

Artigo 01