Desenvolvimento

Análise da distribuição de cobre por tipo de solo (1-Argoviano; 2- Kimmeridgiano; 3-Sequaniano; 4-Portlandiano; 5 Quaternário):

I) Estatísticas básicas para o atributo:

Códigos

g <- prediction.dat

g1<- sqldf("SELECT * FROM g WHERE Rock==1")

g2<- sqldf("SELECT * FROM g WHERE Rock==2")

g3<- sqldf("SELECT * FROM g WHERE Rock==3")

g4<- sqldf("SELECT * FROM g WHERE Rock==4")

g5<- sqldf("SELECT * FROM g WHERE Rock==5")

> summary(g1$Cu)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.

   4.52    9.40   14.76   16.38   22.24   66.12

summary(g2$Cu)

Min. 1st Qu.  Median    Mean 3rd Qu.    Max.

   4.20   10.80   16.40   22.23   26.44   79.20

summary(g3$Cu)

Min. 1st Qu.  Median    Mean 3rd Qu.    Max.

   4.40   11.44   19.12   27.94   30.64  166.40

summary(g4$Cu)

Min. 1st Qu.  Median    Mean 3rd Qu.    Max.

   5.72    8.11   10.50   17.27   23.05   35.60

summary(g5$Cu)

Min. 1st Qu.  Median    Mean 3rd Qu.    Max.

   3.96   14.86   22.70   28.66   35.86  120.80

II) Histograma:

1-Argoviano:
data(jura)

g <- prediction.dat

x.norm<- g1$Cu

h<-hist(x.norm,breaks=10)

xhist<-c(min(h$breaks),h$breaks)

yhist<-c(0,h$density,0)

xfit<-seq(0, 70, 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="Cu",ylab="Frequência relativa",main="Histograma de Cu no Argoviano ")

lines(xfit,yfit,col="red")

2-Kimmeridgiano:

data(jura)

g <- prediction.dat

x.norm<- g2$Cu

h<-hist(x.norm,breaks=10)

xhist<-c(min(h$breaks),h$breaks)

yhist<-c(0,h$density,0)

xfit<-seq(0, 80, 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="Cu",ylab="Frequência relativa",main="Histograma de Cu no Kimmeridgiano ")

lines(xfit,yfit,col="red")

3-Sequanianao:

data(jura)

g <- prediction.dat

x.norm<- g3$Cu

h<-hist(x.norm,breaks=8)

xhist<-c(min(h$breaks),h$breaks)

yhist<-c(0,h$density,0)

xfit<-seq(0, 180, 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="Cu",ylab="Frequência relativa",main="Histograma de Cu no Sequanianao ")

lines(xfit,yfit,col="red")

4-Porlandiano:

g <- prediction.dat

x.norm<- g4$Cu

h<-hist(x.norm,breaks=10)

xhist<-c(min(h$breaks),h$breaks)

yhist<-c(0,h$density,0)

xfit<-seq(5, 40, 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="Cu",ylab="Frequência relativa",main="Histograma de Cu no Portlandiano")

lines(xfit,yfit,col="red")

5-Quaternário:

g <- prediction.dat

x.norm<- g5$Cu

h<-hist(x.norm,breaks=10)

xhist<-c(min(h$breaks),h$breaks)

yhist<-c(0,h$density,0)

xfit<-seq(0, 130, 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="Cu",ylab="Frequência relativa",main="Histograma de Cu no Quaternário ")

lines(xfit,yfit,col="red")

III) Mapa dos pontos de coleta:

Códigos:
data(jura)

plot(prediction.dat[,1],prediction.dat[,2],xlab="Xloc",ylab="Yloc",main="Mapa base dos pontos de coleta")

IV) Semivariograma:

1-Argoviano:

data(jura)

g_arg <- gstat(id="Cu", formula=log(Cu)~1, locations=~Xloc+Yloc, data=g1)

graf<-variogram(g_arg)

plot(graf, main="Semivariograma omnidirecional experimental de Cobre",sub="Argoviano",xlab="Distância",ylab="Semivariância")

2-Kimmeridgiano:

data(jura)

g_kim <- gstat(id="Cu", formula=log(Cu)~1, locations=~Xloc+Yloc, data=g2)

graf<-variogram(g_kim)

plot(graf, main="Semivariograma omnidirecional experimental de Cobre",sub=" Kimmeridgiano",xlab="Distância",ylab="Semivariância")

3-Sequanianao:

data(jura)

g_seq <- gstat(id="Cu", formula=log(Cu)~1, locations=~Xloc+Yloc, data=g3)

graf<-variogram(g_seq)

plot(graf, main="Semivariograma omnidirecional experimental de Cobre",sub=" Sequaniano",xlab="Distância",ylab="Semivariância")

4-Portlandiano:
Não foi possivel gerar um semivariograma para o atributo g4, porvavelmente isso se deve pelo fato dele conter poucos pontos de amostragem.

5-Quaternário:

data(jura)

g_qua <- gstat(id="Cu", formula=log(Cu)~1, locations=~Xloc+Yloc, data=g5)

graf<-variogram(g_qua)

plot(graf, main="Semivariograma omnidirecional experimental de Cobre",sub="Quaternário",xlab="Distância",ylab="Semivariância")

V) Semivariogramas ajustados:

data(jura)

vgm1<-variogram(Cu~1, locations=~Xloc+Yloc, data=g1)

x=range(vgm1[,2])

y=range(vgm1[,3])

max(x)/max(y)

[1] 0.003450379 *a ordem de grandeza dessa valor q será o valor de ‘asp’

plot(x,y, asp = 0.001, type = "n",main="Ajuste de um modelo ao semivariograma")

points(vgm1[,2],vgm1[,3],col="blue",cex=1.5)

lines(vgm1[,2],vgm1[,3],col="blue")

f<-fit.variogram(vgm1,vgm(120,"Sph",0.5,46))

v<-vgm(f$psill[2],"Sph",f$range[2],f$psill[1])

ff<-variogramLine(v, maxdist=1.6, n = 15, min = 0.04411982)

points(ff[,1],ff[,2], col = "red")

lines(ff[,1],ff[,2], col = "red")

model     psill    range

1   Nug  13.10326 0.000000

2   Sph 112.13781 0.987314

Efeito Pepita: 13.10326

Patamar: 112.13781

Alcance: 0.987314

data(jura)

vgm1<-variogram(Cu~1, locations=~Xloc+Yloc, data=g2)

x=range(vgm1[,2])

y=range(vgm1[,3])

max(x)/max(y)

[1] 0.004603143*a ordem de grandeza dessa valor q será o valor de ‘asp’

plot(x,y, asp = 0.001, type = "n",main="Ajuste de um modelo ao semivariograma")

points(vgm1[,2],vgm1[,3],col="blue",cex=1.5)

lines(vgm1[,2],vgm1[,3],col="blue")

f<-fit.variogram(vgm1,vgm(120,"Sph",76,2.14))

v<-vgm(f$psill[2],"Sph",f$range[2],f$psill[1])

ff<-variogramLine(v, maxdist=2.14, n = 15, min = 0.05792374)

points(ff[,1],ff[,2], col = "red")

lines(ff[,1],ff[,2], col = "red")

model    psill    range

1   Nug 127.8599 0.000000

2   Sph 223.3456 1.328235

Efeito Pepita: 127.8599

Patamar: 223.3456

Alcance: 1.328235

data(jura)

vgm1<-variogram(Cu~1, locations=~Xloc+Yloc, data=g3)

x=range(vgm1[,2])

y=range(vgm1[,3])

max(x)/max(y)

[1] 0.0008666209*a ordem de grandeza dessa valor q será o valor de ‘asp’

plot(x,y, asp = 0.0001, type = "n",main="Ajuste de um modelo ao semivariograma")

points(vgm1[,2],vgm1[,3],col="blue",cex=1.5)

lines(vgm1[,2],vgm1[,3],col="blue")

f<-fit.variogram(vgm1,vgm(120,"Sph",283,1.9))

v<-vgm(f$psill[2],"Sph",f$range[2],f$psill[1])

ff<-variogramLine(v, maxdist=1.9, n = 15, min = 0.04626096)

points(ff[,1],ff[,2], col = "red")

lines(ff[,1],ff[,2], col = "red")

model psill range

1   Nug   1.9     0

2   Sph 120.0   283

Efeito Pepita: 1.9

Patamar: 120.0

Alcance: 283

data(jura)

x=range(vgm1[,2])

y=range(vgm1[,3])

max(x)/max(y)

[1] 0.01038533

plot(x,y, main= "Ajuste de um modelo teórico de Cobre no Quaternario", asp =0.001, type = "n", )

  points(vgm1[,2],vgm1[,3],col="blue",cex=1.5)

  lines(vgm1[,2],vgm1[,3],col="blue")

 f<-fit.variogram(vgm1,vgm(0.8,"Lin",20,0))

#ajustepara ovariograma

v<-vgm(f$psill[2],"Lin",f$range[2],f$psill[1])

#variogramateoricoajustado

ff<-variogramLine(v,maxdist=1.6 ,n = 15 , min =0.04411982)

#n é o número de pontos (que se vê naquele comando vgm1)

#maxdist é a distancia máxima de dist

#min é a distancia mínima de dist

model    psill      range

Nug 1.662979 0.00000000

Sph 4.436141 0.08885069

Valores do modelo teórico

Efeito Pepita: 1.662979

Patamar: 0.4018053

Alcance: 0.4737247