Otimização de amostras espaciais
Sendo fundamentalmente orientadas por dados, o sucesso das técnicas modernas de modelagem geoespacial depende, em grande medida, do número e distribuição espacial das amostras. Enquanto, o número máximo de amostras é definido em função da disponibilidade de recursos, sua distribuição espacial depende de critérios definidos pelos métodos de aprendizagem estatística utilizados. Assim, é necessário definir estratégias amostrais que otimizem o uso dos recursos disponíveis com manutenção ou, preferencialmente, incremento da capacidade preditiva dos modelos. Este projeto visa atender à essa necessidade por meio da 1) implementação computacional de modelos teóricos de amostragem geoespacial e 2) submissão desses modelos teóricas a rigorosas avaliações empírico-indutivas baseadas em simulações computacionais e dados reais. Uma versão preliminar da referida implementação computacional foi publicada na forma de um pacote, intitulado spsann, para o ambiente de análise de dados R.
O uso de estratégias amostrais robustas é fundamental para a estimativa de parâmetros e predição do comportamento espacial de recursos naturais com mínima incerteza. Dentro dessa temática, atualmente, desenvolvo o projeto
- Otimização espacial de configurações amostrais utilizando recozimento simulado
O desenvolvimento desse projeto teve início durante meu doutoramento na UFRRJ. Portanto, trata-se de uma parceria com Lúcia Anjos (UFRRJ), Gustavo Vasques (Embrapa Solos), Gerard Heuvelink (ISRIC World Soil Information, Holanda) e Dick Brus (Wageningen University and Research Centre, Holanda). Algumas publicações importantes resultantes desse projeto são:
- Optimization of sample configurations for spatial trend estimation (link)
- Optimization of sample configurations for variogram estimation (link)
- spsann – optimization of sample patterns using spatial simulated annealing (link)
Em termos práticos, a contribuição mais importante desse projeto é o pacote spsann para o R, que contém ferramentas para otimização espacial de configurações amostrais usando recozimento simulado. A última versão publicada do pacote pode ser descarregada gratuitamente de https://cran.r-project.org/web/packages/spsann/.
