Blog Geo.NET Geoprocessamento, SIG e Sensoriamento Remoto

Seguindo os posts anteriores (partes 1 e 2), chegamos aos “finalmentes” desse sumário do bom paper publicado pelos autores E.E. Maeda, P. Pellikka e B.J.F. Clark (African Journal of Agricultural Research, v. 5(13), 2010).

Conforme mencionado anteriormente, a inovação da metodologia proposta é possibilitar a obtenção de informações confiáveis sobre áreas plantadas dos diferentes tipos de cultivos através do suporte à definição de quantas amostras realizar em campo, tendo-se previamente uma curva de estimativa de erro médio quadrático (RMSE) para um certo intervalo de número de amostras. Com essa informação, os tomadores de decisão podem avaliar, em conjunto com outras variáveis como recursos e tempo disponíveis para o trabalho de campo, qual esquema de amostragem adotar.

O cálculo da curva de RMSE segue a lógica de calcular a diferença entre a proporção real (P) de um determindo tipo de plantação no CPS (Campo Plantado Sintético) – baseado em informações estatísticas de distribuição disponíveis para a região – e a proporção estimada (p)  pelo método usando “n” amostras em cada iteração da Simulação de Monte Carlo (Fig. 1).

Fig. 1: Cálculo do RMSE (erro médio quadrático) nas amostras.

Após a aplicação do método, as curvas de RMSE geradas indicaram um erro de estimativa de área plantada variando entre cerca de 10% e menos de 1%, para número de amostras entre 10 e 1000, respectivamente. Uma Função que descreve a tendência foi encaixada nas curvas de RMSE, estatisticamente explicando quase a totalidade da variação desse erro - R²=0,985 (Fig. 2). Com essa importante informação, de quanto de erro se pode esperar na estimativa de área plantada para diferentes números de amostras, foram definidas 300 amostras para serem realizadas em campo, considerando as curvas de RMSE, os recursos e o tempo disponíveis para esta tarefa.

Fig. 2: Equação que descreve a tendência do RMSE no estudo de caso.

Das 300 amostras definidas, um total de 225 foram efetivamente implementadas devido a diversos empecilhos como falta de acesso ou mesmo de tempo para se implementar o conjunto total definido previsamente (300).  Com o uso da Equação na Fig. 2 pôde-se então calcular o RMSE para as 225 amostras implementadas em campo, estimado em 2,14%.

Os resultados alcançados permitem afirmar a viabilidade do método, enquanto uma forma estruturada de reduzir custos e ao mesmo tempo obter informações confiáveis sobre a ocorrência de diferentes tipos de plantação numa determinada região. Isto porque se tem um controle prévio do nível de erro que se pode esperar após o trabalho de campo, possibilitando melhor avaliar o esquema de campo a ser implementado. Embora a metodologia tenha sido aplicada à estimativa de área plantada por diferentes tipos de cultivos, parece evidente que a mesma lógica poderia ser adaptada para estimar outros tipos de cobertura do solo, estendendo a aplicação do método.

Até o próximo paper, semana que vem! Bom Carnaval a todos.

Por: Rodrigo Sperb