Divisão de Observação da Terra e Geoinformática

Essa página está em modo somente de leitura. Você pode visualizar a fonte, mas não alterá-la. Informe-se com o administrador do Wiki, caso você ache que isso está incorreto.


===== Proposta =====

      Oi Felipe!
      Como anda o desenvolvimento do trabalho???



      Miguel,
      A idéia que tivemos é a seguinte:
      Há um banco de dados com 28 amostras pontuais de dados limnológicos 
      (turbidez, clorofila e fluorimetro) no rio Amazonas e adjacentes.
        Há outros 28 pontos que há somente (turbidez e fluorimetro, que estima clorofila). 
      Já realizei um modelo de regressão linear multipla, onde a variavel dependente 
      é fluorimetro e as independentes são turbidez e clorofila, para estimar a clorofila 
      nesses outros 28 pontos. O modelo não está tão preciso (R2=0.55), pois parece existir 
      correlação espacial entre as amostras e/ou outros fatores influenciando.
      O que preciso fazer agora é verificar independência e normalidade dos resíduos, 
      e caso não estejam normais nem independentes, será realizada uma regressão espacial, 
      de modo a incorporar a autocorrelação espacial.
      Dificuldades até o momento: testar a autocorrelação dos pontos. 
      A verificação de agrupamento espacial pelos métodos apresentados 
      em aula - vizinho + próximo, função K - são suficientes para verificar a autocorrelação? 
      Lembrando que essas amostras não são eventos mapeados (como registros de homicidios),
      mas sim  posições pré-definidas antes da coleta. O que estou interessado em saber é se o
      valores do atributo - no caso a clorofila - está correlacionados espacialmente e não 
      a distribuição dos pontos. Por enquanto é isso. Felipe



===== Resposta 1 =====

      Oi Felipe. Vamos lá.
      "verificação de agrupamento espacial pelos métodos apresentados 
      em aula - vizinho + próximo, função K - são suficientes para verificar a autocorrelação? "
      São métodos para evidenciar a existência e a escala desta autocorrelação. A Função L também.
      Mas a sua questão abaixo já traz alguns problemas na análise.
      "Lembrando que essas amostras não são eventos mapeados (como registros de homicidios),
      mas sim  posições pré-definidas antes da coleta. O que estou interessado em saber é se o
      valores do atributo - no caso a clorofila - está correlacionados espacialmente e não 
      a distribuição dos pontos." Lembre-se aqui que voce estar;á verificando se aquela 
      distribuição de pontos que representam o evento é aleatória ou não. POrtanto você tem razão quando se
      preocupa que as amostras são coletadas em pontos já establecidos. Neste caso o melhor mesmo e utilizar a 
      varigrafia. Ela sera um melhor indicador de aut-correlação para as amostras. 
      O kernel que utiliza o calor do atributo pode te dar uma
      idéia também da da variabilidade da média. Um abraço, Miguel