Uso da co-krigagem na caracterização da variabilidade espacial da condutividade hidráulica
Bibliographic record
Abstract
Este trabalho analisou a relação existente entre a condutividade hidráulica e a granulometria do solo da bacia hidrográfica do Rio Ipanema, em Pesqueira – PE. As medidas foram realizadas no período de Fevereiro de 2003 a Abril de 2003. O interesse principal foi modelar espacialmente através de técnicas geoestatísticas a propriedade condutividade hidráulica, e a granulometria do local, verificar a existência de correlação clássica ou espacial entre estas variáveis, e utilizar a co-krigagem com dois objetivos: melhorar os resultados conseguidos com a krigagem e diminuir o número de pontos amostrais necessários para o mapeamento da condutividade hidráulica da área, utilizando como variável secundária os teores de areia, argila e silte. Foram analisados 52 pontos com medidas de condutividade hidráulica obtidas através do Permeâmetro de Guelph, e o mesmo número de pontos com análise de granulometria em laboratório. As medidas e as sondagens foram efetuadas seguindo uma malha regular. As técnicas geoestatísticas utilizadas foram a krigagem e a co-krigagem.Foi necessária uma transformação raiz quadrada para a obtenção de normalidade dos dados da condutividade hidráulica. As medidas de textura mostraram-se normalmente distribuídas, e a correlação estatística entre cada uma das texturas e a condutividade hidráulica foi muito fraca. Contudo, verificou-se que havia uma correlação espacial entre o conjunto das três medidas de textura e a condutividade hidráulica. A condutividade hidráulica mostrou possuir uma estrutura espacial, assim como também os teores de areia, argila e silte. A transformação raiz quadrada forneceu resultados melhores que a transformação logarítmica, mais comumente usada. A co-krigagem melhorou os resultados obtidos com a krigagem, e permitiu a diminuição de pontos amostrais pela metade sem um aumento significativo dos erros.Pode-se afirmar que para este caso a co-krigagem pode ser usada, pois permite uma diminuição dos pontos amostrais de condutividade hidráulica sem perda significativa de informação, além de melhorar os resultados conseguidos com a krigagem
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".