Desenvolvimento
Sumário da variável
data(jura)
j <- prediction.dat
summary(j$Zn)
Mapa base
data(jura)
plot(prediction.dat[,1],prediction.dat[,2],xlab="Xloc",ylab="Yloc",main="Mapa base dos pontos de coleta")
Histograma de densidade
data(jura)
j <- prediction.dat
x.norm<- j$Zn
h<-hist(x.norm,breaks=10)
xhist<-c(min(h$breaks),h$breaks)
yhist<-c(0,h$density,0)
xfit<-seq(20, 220, by=1.0)
yfit<-dnorm(xfit,mean=mean(x.norm),sd=sd(x.norm))
plot(xhist,yhist,type="s",ylim=c(0,max(yhist,yfit)),xlab="Zn",ylab="Frequência relativa",main="Histograma de Zn ")
lines(xfit,yfit,col="red")
Boxplot
data(jura)
m<-prediction.dat
summary(m$Zn)
boxplot(m$Zn,horizontal=TRUE)
Simulações da mediana do teor de zinco (10 simulações)
s.grid<-GridTopology(c(0.3,0.3),c(0.1,0.1),c(50,50))# grid 100x100 com células 0.05 por 0.05
s.grid<-SpatialPoints(s.grid)# formata como objeto espacial
gridded(s.grid)<-TRUE#inicialização
#spatial pixels
data(jura)
m <- vgm(610.7212, "Sph",0.6108236, 218.7767)#modelo de semivariograma
xx <- krige(Zn~1, ~Xloc+Yloc, model = m, data = prediction.dat, newd = s.grid )
X11()# abre uma janela
xx <- krige(Zn~1, ~Xloc+Yloc, model = m, data = prediction.dat, newd = s.grid, nsim=10, nmax=10)
spplot(xx["sim1"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="1ª Simulação")
X11()
spplot(xx["sim2"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="2ª Simulação")
X11()
spplot(xx["sim3"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="3ª Simulação ")
X11()
spplot(xx["sim4"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="4ª Simulação ")
X11()
spplot(xx["sim5"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="5ª Simulação")
X11()
spplot(xx["sim6"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="6ª Simulação ")
X11()
spplot(xx["sim7"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="7ª Simulação ")
X11()
spplot(xx["sim8"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="8ª Simulação ")
X11()
spplot(xx["sim9"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="9ª Simulação")
X11()
spplot(xx["sim10"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="10ª Simulação")
x11()
Mapa de concentração da mediana do teor de Zinco
require(gstat)
require(sp)
s.grid<-GridTopology(c(0.3,0.3),c(0.1,0.1),c(50,50))
s.grid<-SpatialPoints(s.grid)
gridded(s.grid)<-TRUE#inicialização
data(jura)
#set.seed(9999)
m<-vgm(610.7212, "Sph",0.6108236, 218.7767)
xx <-krige(Zn~1,~Xloc+Yloc,model=m,data= prediction.dat,newd=s.grid,nsim=10,nmax=10)
X11()
aux=matrix(1:125,25,5)
for (i in 1:25)
for (j in 1:5)
{aux[i,j]=xx[[j]][i]}
#obtendo as medianas
for (i in 1:25)
{xx[[1]][i]=median(aux[i,])}
#plotando o mapa
spplot(xx[,1], xlab="xloc(0-4)", ylab="yloc(0-4)", main="Mapa de concentração da mediana do teor de Zinco")
Variograma experimental
data(jura)
z <- gstat(id="Zn", formula=Zn~1, locations=~Xloc+Yloc, data= prediction.dat)
graf<-variogram(z)
plot(graf, main="Variograma Experimental - atributo Zinco",xlab="Distância",ylab="Variância")
Variograma ajustado
data(jura)
vgm1<-variogram(Zn~1, locations=~Xloc+Yloc, data=prediction.dat)#variograma experimental
x=range(vgm1[,2])
y=range(vgm1[,3])#limites para a janela do gráfico
plot(x,y, main= "Variograma ajustado - atributo Zinco", asp = 0.002, type = "n", )
points(vgm1[,2],vgm1[,3],col="blue",cex=1.5)
lines(vgm1[,2],vgm1[,3],col="blue")
f<-fit.variogram(vgm1,vgm(800, "Sph", 2, 0))
v<-vgm(f$psill[2], "Sph",f$range[2],f$psill[1])
ff<-variogramLine(v,maxdist=2.2 ,n = 80 , min = 0.06)
#n é o número de pontos
#maxdist é a distancia máxima de dist
#min é a distancia mínima de dist
points(ff[,1],ff[,2],col = "red")
lines(ff[,1],ff[,2], col = "red")
