| Summary: | R E S U M O
Diversas áreas da ciência têm dados provenientes caracterizados por variações no espaço e no tempo que são mensuradas utilizando-se procedimentos estatísticos que levam ou não em conta as interações existentes entre as dimensões do espaço e do tempo. Gneiting, em 2002, propôs um modelo que se baseia na construção de funções de covariâncias estacionárias não-separáveis, atendendo à condição de serem positivas definidas, que podem ser utilizadas para modelar a matriz de covariâncias utilizada na krigagem. A mesorregião sul de Minas Gerais é muito importante para o agronegócio brasileiro devido ao plantio da cultivar de café e possui uma extensa área de pastagem, permitindo a criação de bovinos, equinos e suínos e, por isso, é imprescindível o estudo de fatores que impactam o clima dessa região como o albedo da superfície terrestre, que é definido como a capacidade de uma superfície refletir a radiação solar. O objetivo deste artigo foi aplicar o modelo geoestatístico de funções de covariâncias estacionárias não-separáveis proposto por Gneiting, para predizer espaço-temporalmente o albedo da superfície terrestre na mesorregião em questão, nos 31 dias do mês de dezembro de 2019. Optou-se por usar o preditor de krigagem linear, pois ele tem a propriedade de ser o melhor preditor linear não enviesado (BLUP). Conclui-se que a família exponencial-cauchy pertencente a classe de funções de covariância apresentada por Gneiting obteve um MSE inferior no ajuste da matriz de covariância do preditor de krigagem linear e, portanto, pode ser usada para prever o albedo da superfície da Terra.
Palavras-Chaves: albedo, espaço-tempo, covariância, Gneiting
Spatio-temporal geostatistical modeling of Gneiting applied to surface albedo (Brazil)
Several areas of science have sourced data characterized by variations in space and time that are measured using statistical procedures that take into account or not the existing interactions between the dimensions of space and time. Gneiting, in 2002, proposed a model based on the construction of non-separable stationary covariance functions, given the condition that they are defined positive, which can be used to model the covariance matrix used in kriging. The southern mesoregion of Minas Gerais is very important for Brazilian agribusiness due to the planting of the coffee cultivar and has an extensive pasture area, allowing the creation of cattle, horses and swine and, therefore, it is essential to study the factors that impact the climate of this region as the albedo of the earth's surface, which is defined as the ability of a surface to reflect solar radiation. The objective of this article was to apply the geostatistical model of non-separable stationary covariance functions proposed by Gneiting, to spatially-temporally predict the albedo of the earth's surface in the mesoregion in question, on the 31st day of December 2019. We choose to use the linear kriging predictor as it has the property of being best linear unbiased predictor (BLUP). We conclude that the exponential-cauchy family belonging to the class of covariance functions presented by Geniting obtained a lower MSE in the adjustment of the covariance matrix of the linear kriging predictor and, therefore, can be used to predict the Earth's surface albedo.
Keywords: Albedo, space-time, covariance, Gneiting
|
|---|