O Uso da Geoestatística Espaço-Temporal na Predição da Temperatura Máxima do Ar (The Use of Space-Temporal Geostatistics in the Prediction of Maximum Air Temperature)

Abstract

Processos estocásticos de natureza espaço-temporais consistem de fenômenos que são caracterizados por meio da variabilidade espacial e temporal. Atualmente, é uma das áreas de maior crescimento com diversas aplicações em ciências ambientais, geográficas, biológicas, epidemiológicas, entre outras. Certamente, os métodos da estatística convencional não são adequados para modelar estruturas autocorrelacionadas no espaço e no tempo. De fato, ainda há grandes desafios no tange à implementação computacional da metodologia geoestatística para análise de processos espaços-temporais, com destaque para o pacote spacetime do programa R, utilizado neste estudo. Assim, este trabalho tem como objetivo aplicar a metodologia geoestatística espaço-temporal de funções de covariância a fim de inferir acerca da temperatura máxima do ar do Estado de Minas Gerais de 1996 a 2016, visando contribuir com desafios, tais como aquecimento global, urbanização descontrolada, escassez de recursos naturais, epidemias e catástrofes naturais. Utilizando os dados de 61 estações meteorológicas foi realizada a análise geoestatística espaço-temporal, no qual o modelo de covariância somamétrico foi o mais adequado, considerando-se o critério do Erro Quadrático Médio. Dessa forma, foi possível elaborar mapas de predições das temperturas máximas do ar no estado de Minas Gerais por meio da krigagem ordinária, assumindo-se estacionariedade de primeira ordem do processo estocástico avaliado. Pode-se observar que os modelos da geoestatística espaço-temporal mostraram ser eficientes nos estudos espaço-temporais das temperaturas máximas do ar. Palavras-chave: Modelagem de Dados Espaço-Temporal, Covariância, variograma, Krigagem Ordinária.

Evaluation of Body Surface Temperature in Pigs Using Geostatistics

“…These values varied from 28 to 36 • C. The elaborated kriging maps showed the temperature distributions in the dorsal-caudal regions of the animals. In [24], the kriging maps also presented the distribution of air temperature values in the state of Minas Gerais. In this way, it was possible to visualize the highest temperature values in the hottest hours of the analyzed period (redder colors) in all treatments, showing the relationship between the animal's skin temperature values and the environment.…”

“…Ref. [24] stated that geostatistics is one of the procedures for analyzing space-time data that takes into account the existing interactions between spatial and temporal components, allowing interpolations in time and space. Among the advantages of using geostatistics, according to [25], is the fact that it is a tool that can use as much information as is available with respect to the variable of interest-which is difficult to collect-to estimate its values in non-sampled locations through the generation of a continuous surface of estimated points.…”

Estimation of NDVI with visible images (RGB) obtained with drones

“…Portanto, usando sensores apropriados para estimar a refletância foliar podem ajudar monitoramento e gerenciamento precisos de um campo agrícola e de qualquer outros ambientais naturais ou ecossistemas, Orillo et al, (2017). Diferentes estudos têm se utilizado de ferramentais de sensoriamento remoto para análise de diferentes variáveis ambientais, Assis et al, (2012), Oliveira et al, (2014), Lima et al, (2016), Viana et al, (2019), Maier et al, (2016), Aleixo e Silva Neto (2015), Gomes et al, (2016), Oliveira et al, (2015); Ribeiro et al, (2014), . , Spinelli et al, (2016).…”

“…Sabe-se que os drones são ferramentas bastante inovadoras e que tem sido de utilidade em diferentes áreas do conhecimento, Galvincio (Assis et al, (2012), Oliveira et al, (2014), Lima et al, (2016), Viana et al, (2019), Maier et al, (2016), hidrológicos (Lima et al, (2014), Oliveira et al, (2014). Assis et al, (2014); energia (Silva et al, 2019); Miranda et al, (2017), Singh (2015), Souza et al, (2015), Silva et al, (2005) e carbono (Morais et al, 2017), Souza et al, (2015).…”