1983
DOI: 10.3733/hilg.v51n03p075
|View full text |Cite
|
Sign up to set email alerts
|

Geostatistical theory and application to variability of some agronomical properties

Abstract: In agronomic problems the sampling procedure may create some confusion and bias in the analysis. Geostatisrics provides a method for the analysis of the spatial and temporal properties in a data set and a method of interpolation between selected points. This paper describes the theory of geostatistics and its application to selected agronomic problems. Geostatistics considers a set of data collected in either space or time at discrete intervals. These samples may be correlated with each other to provide some u… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
4
1

Citation Types

2
207
0
246

Year Published

1990
1990
2022
2022

Publication Types

Select...
8
2

Relationship

0
10

Authors

Journals

citations
Cited by 436 publications
(455 citation statements)
references
References 18 publications
2
207
0
246
Order By: Relevance
“…A hipótese de normalidade dos dados foi testada pelo teste de Kolmogorov-Smirnov, por meio do programa computacional SAS (SCHLOTZHAVER & LITTELL, 1997). A dependência espacial foi analisada por meio de ajustes de semivariogramas (VIEIRA et al, 1983), com base na pressuposição de estacionariedade da hipótese intrínseca, a qual é estimada por: (McBRATNEY & WEBSTER, 1986). Para analisar o grau da dependência espacial dos atributos em estudo, utilizou-se a classificação de CAMBARDELLA et al (1994), em que são considerados de dependência espacial forte os semivariogramas que têm um efeito pepita <25% do patamar, moderada quando está entre 25 e 75%, e fraca quando >75%.…”
Section: Methodsunclassified
“…A hipótese de normalidade dos dados foi testada pelo teste de Kolmogorov-Smirnov, por meio do programa computacional SAS (SCHLOTZHAVER & LITTELL, 1997). A dependência espacial foi analisada por meio de ajustes de semivariogramas (VIEIRA et al, 1983), com base na pressuposição de estacionariedade da hipótese intrínseca, a qual é estimada por: (McBRATNEY & WEBSTER, 1986). Para analisar o grau da dependência espacial dos atributos em estudo, utilizou-se a classificação de CAMBARDELLA et al (1994), em que são considerados de dependência espacial forte os semivariogramas que têm um efeito pepita <25% do patamar, moderada quando está entre 25 e 75%, e fraca quando >75%.…”
Section: Methodsunclassified
“…A hipótese de normalidade dos dados foi testada pelo teste de KolmogorovSmirnov, SAS (SCHLOTZHAVER & LITTELL, 1997). A dependência espacial foi analisada por meio de ajustes de semivariogramas (VIEIRA et al, 1983;ROBERTSON, 1998), com base na pressuposição de estacionariedade da hipótese intrínseca, a qual é estimada por: em que N (h) é o número de pares experimentais de observações Z(x i ) e Z (x i + h) separados por uma distância h. O semivariograma é representado pelo gráfico versus h. Do ajuste de um modelo matemático aos valores calculados de , são estimados os coeficientes do modelo teórico para o semivariograma (o efeito pepita, C 0 ; patamar, C 0 +C 1 ; e o alcance, a). Os modelos de semivariogramas considerados foram o esférico, o exponencial, o linear e o gaussiano (McBRATNEY & WEBSTER, 1986).…”
Section: Methodsunclassified
“…O semivariograma é uma dessas ferramentas, e a seguinte expressão pode ser utilizada para o seu cálculo (JOURNEL e HUIJBREGTS, 1978;VIEIRA et al, 1983):…”
Section: Determinação Da Variabilidade Espacialunclassified