@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"
}