Capítulo 7 Princípios da Amostragem Espacial

Atenção! Este capítulo está em fase de desenvolvimento. Visite a página do projeto se tiver alguma sugestão, dúvida ou estiver disposto a colaborar. Sua opinião/ajuda é muito importante!

7.1 Introdução

A amostragem é um dos maiores contribuintes para os custos da modelagem espacial do solo, seja pelo método chamado “tradicional” ou usando modelos estatísticos. Assim, o adequado planejamento amostral é essencial para reduzir a necessidade de recursos (financeiros, psicológicos, humanos, entre outros) e maximizar o número de observações possíveis, sejam elas tradagens, amostras superficiais, ou descrições de perfis completos.

A situação ideal é aquela em que os recursos disponíveis não impõe quaisquer limitações à amostragem. Nesse caso seria possível fazer observações e coletar amostras do solo em diversas etapas. Por exemplo, iniciaríamos com um levantamento exploratório para identificar a estrutura da variação espacial do solo. De posse desse novo conhecimento, executaríamos uma nova etapa amostral a fim de atender a algum critério como, por exemplo, obter uma cobertura espacial aproximadamente uniforme da área sendo modelada. Caso os resultados ainda sejam insatisfatórios, uma nova etapa amostral poderia ser executada para, por exemplo, fazer observações em locais específicos cujas condições ambientais estejam sub-representadas na base de dados. Por fim, calibrado o modelo espacial do solo e feitas as predições espaciais, coletaríamos amostras para validação do modelo preditivo em número suficiente para garantir um nível de confiança pré-determinado.

Mas a situação ideal está longe de ser o que acontece na prática. Em geral temos que fazer todas as observações em uma única fase, coletando todo o material possível, inclusive para as amostras de validação. Isso requer que o tipo de amostragem mais apropriado seja utilizado a fim de otimizar o uso dos recursos disponíveis e obter o melhor modelo preditivo possível. E qual seria o tipo de amostragem mais apropriado? Uma resposta universal à essa pergunda continua desconhecida. A melhor estratégia costuma ser avaliar os diferentes tipos de amostragem frente (1) os objetivos do projeto, (2) os recursos disponíveis, e (3) as dificuldades operacionais encontradas na área sendo modelada.

Podemos dizer que existem dois tipos fundamentais de amostragem:

probabilística, e
não-probabilística.

7.2 Exemplos

Ao longo dos capítulos sobre amostragem, você verá exemplos de cada tipo de amostragem implementados no R usando o conjunto de dados do Rio Meuse.

# Carregar malha de predição do conjunto de dados do Rio Meuse e
# criar objeto espacial definindo as coordenadas e o sistemas de
# coordenadas de referência (veja mais informações sobre
# sistemas de coordenadas de referência em http://spatialreference.org/).
data(meuse.grid, package = "sp")
sp::gridded(meuse.grid) <- ~ x + y
sp::proj4string(meuse.grid) <- sp::CRS("+init=epsg:28992")

# Carregar polígono do Rio Meuse
data(meuse.riv, package = "sp")
main <- "Conjunto de dados do Rio Meuse"

plot(
  meuse.grid@coords, type = "n", asp = 1, main = main,
  xlab = "Longitude (m)", ylab = "Latitude (m)")
polygon(meuse.riv, col = "lightblue", border = "lightgray")
image(
  meuse.grid, "soil", col = terrain.colors(3), axes = TRUE, add = TRUE)
legend(
  "topleft", title = "Tipo de solo", fill = terrain.colors(3),
  legend = c("Solo calcário", "Solo não-calcário", "Solo vermelho"),
  border = terrain.colors(3), bty = "n")
text(179050, 331200, "Rio Meuse", srt = 50, cex = 0.7)