Variância do erro de predição em um modelo geoestatístico espaçotemporal em dados de albedo obtidos por sensoriamento remoto

• Ano de defesa: 2016
• Autor(a) principal: Silva, Naje Clécio Nunes da
• Orientador(a): Scalon, João Domingos
• Banca de defesa: Oliveira, Marcelo Silva de, Lima, Renato Ribeiro de, Alves, Marcelo de Carvalho, Olinda, Ricardo Alves de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Estatística
• País: brasil
• Palavras-chave em Português: Variabilidade do albedo; Georreferenciado; Processamento de dados; Variability albedo; Georeferenced; Data processing
• Área do conhecimento CNPq: Probabilidade e Estatística Aplicadas
• Link de acesso: https://repositorio.ufla.br/handle/1/11702

O albedo de uma superfície (ou coeficiente de reflexão) pode ser definido como a razão entre a quantidade de luz solar refletida pela superfície terrestre e a quantidade de luz solar recebida. Portanto, o aumento ou a queda do albedo pode ser um bom indicador de mudanças que ocorrem tanto na composição da atmosfera quanto na superfície da terra tais como desmatamentos e desertificações. Dessa forma, o uso de modelos capazes de modelar a variabilidade do albedo em uma determinada região, em um período de tempo, pode ser de grande importância para a pesquisa científica. O principal objetivo desta tese será explorar o potencial do modelo geoestatístico espaço-temporal (Kyriakidis e Journel (1999)) para analisar a variável albedo. Para atingir este objetivo, esta tese incorpora novos métodos estatísticos neste modelo, tais como: mapas de predição e mapas de variância do erro de predição via bootstrap não paramétrico. Os dados da variável albedo foram obtidos por meio de duas malhas regulares completas, contendo 249 e 499 pontos, georreferenciados na mesorregião Sul/Sudoeste do estado de Minas Gerais, durante os 31 dias de dezembro de 2010, capturados pelo satélite METEOSAT 9, adquiridos junto à EUMETSAT. Os resultados alcançados neste trabalho mostraram que: (1) Os métodos estatísticos propostos nesta tese para obtenção dos mapas de predição e de variância do erro de predição possibilitam que o modelo geoestatístico espaço-temporal seja usado em dados reais; (2) A partir dos métodos estatísticos propostos nesta tese é possível verificar que o número de pontos na malha não interfere nas predições do albedo produzido pelo modelo geoestatístico espaço-temporal; (3) A análise puramente espacial produziu um erro de predição ligeiramente menor do que o modelo geoestatístico espaço-temporal. Uma possí- vel razão para esse comportamento pode ser devido ao fato de que o modelo de Kyriakidis e Journel (1999) é construído tendo como base argumentos ad hoc.