@Article{FelgueirasDruMonOrtCam:2016:SpMoCa,
               author = "Felgueiras, Carlos Alberto and Druck, Suzana and Monteiro, 
                         Ant{\^o}nio Miguel Vieira and Ortiz, Jussara de Oliveira and 
                         Camargo, Eduardo Celso Gerbi",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Empresa 
                         Brasileira de Pesquisa Agropecu{\'a}ria (EMBRAPA)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Spatial modeling of categorical attributes using indicator 
                         simulation and soft information with uncertainty analyses",
              journal = "Revista Brasileira de Cartografia",
                 year = "2016",
               volume = "68",
               number = "4",
                pages = "655--664",
             keywords = "Geostatistics, Geospatial Modeling of Categorical Attributes, 
                         Indicator Sequential Simulations, Hard and Soft data, Uncertainty 
                         Analyses, Geoestat{\'{\i}}stica, Modelagem Geoespacial de 
                         Atributos Categ{\'o}ricos, Simula{\c{c}}{\~o}es Sequenciais por 
                         Indica{\c{c}}{\~a}o, Dados Prim{\'a}rios e Secund{\'a}rios, 
                         An{\'a}lises de Incertezas.",
             abstract = "This work explores a methodology to apply indicator geostatistical 
                         simulation approaches to geospatial modeling of categorical 
                         attributes using hard and soft information. Uncertainty analyses 
                         of the predictions are performed to evaluate the quality of 
                         classifi cations. Sample points of a categorical attribute are 
                         considered as the hard, or primary, information while a 
                         categorical map is used for determine the soft, or the secondary, 
                         information. The soft information is incorporated in the indicator 
                         simulation procedure as prior mean values, taken from a 
                         probability distribution function, related to the hard data. The 
                         prior mean values are then updated via indicator simulation to 
                         account for the hard data available in their neighborhoods. To 
                         illustrate the methodology a case study is presented with samples 
                         of soil texture classes, as the hard data, and with classes of a 
                         soil map determining the soft information. These data are gathered 
                         from an experimental farm of agriculture researches. Uncertainty 
                         analyses of the results show that the use of soft information, 
                         along with the hard data, allows one to fi nd out new specifi c 
                         regions of higher and lower uncertainties. The highest 
                         uncertainties regions should be considered as candidates for 
                         future resampling. RESUMO: Este trabalho explora uma metodologia 
                         de uso de procedimentos geoestat{\'{\i}}sticos de 
                         simula{\c{c}}{\~a}o por indica{\c{c}}{\~a}o na modelagem 
                         geoespacial de atributos categ{\'o}ricos usando 
                         informa{\c{c}}{\~o}es prim{\'a}rias e secund{\'a}rias. 
                         An{\'a}lises de incertezas das predi{\c{c}}{\~o}es s{\~a}o 
                         realizadas para avalia{\c{c}}{\~a}o da qualidade das classifi 
                         ca{\c{c}}{\~o}es. Consideram-se amostras pontuais de um atributo 
                         categ{\'o}rico como informa{\c{c}}{\~o}es principais, ou 
                         prim{\'a}rias, enquanto que dados de um mapa categ{\'o}rico 
                         s{\~a}o usados como informa{\c{c}}{\~o}es auxiliares, ou 
                         secund{\'a}rias. A informa{\c{c}}{\~a}o auxiliar, 
                         correlacionada com a principal, {\'e} incorporada ao procedimento 
                         de simula{\c{c}}{\~a}o por indica{\c{c}}{\~a}o como valores 
                         m{\'e}dios a priori, tomados a partir de uma fun{\c{c}}{\~a}o 
                         de distribui{\c{c}}{\~a}o de probabilidade. Os valores 
                         m{\'e}dios a priori s{\~a}o, ent{\~a}o, atualizados via 
                         simula{\c{c}}{\~a}o por indica{\c{c}}{\~a}o considerando-se os 
                         dados principais dispon{\'{\i}}veis em suas vizinhan{\c{c}}as. 
                         Para ilustrar a metodologia, apresenta-se um estudo de caso com 
                         amostras de classes de textura do solo, dados prim{\'a}rios, e 
                         com classes de um mapa de solos, dados secund{\'a}rios. Estas 
                         informa{\c{c}}{\~o}es foram obtidas de uma fazenda experimental 
                         usada para pesquisas agr{\'{\i}}colas. As an{\'a}lises dos 
                         resultados mostram que a utiliza{\c{c}}{\~a}o de 
                         informa{\c{c}}{\~o}es secund{\'a}rias, em conjunto com os dados 
                         prim{\'a}rios, determinam novas regi{\~o}es espec{\'{\i}}fi 
                         cas de baixas e altas incertezas. As regi{\~o}es de mais altas 
                         incertezas devem ser consideradas como candidatas para futuras 
                         reamostragens.",
                 issn = "0560-4613 and 1808-0936",
                label = "lattes: 2916855460918534 1 FelgueirasMontOrtiCama:2016:SpMoCa",
             language = "en",
           targetfile = "felgueiras_spatial.pdf",
                  url = "http://www.rbc.lsie.unb.br/index.php?journal=rbc\&page=issue\&op=view\&path%5B%5D=81",
        urlaccessdate = "02 maio 2024"
}