Título: Classes de modelos de covariância para Geoestatística espaço-temporal
Autor(es): Vinícius Basseto Félix, Eniuce Menezes de Souza, Diogo Francisco Rossoni
Resumo: Com o progresso tecnológico a coleta de dados tornou-se mais acessível e sofisticada em vários âmbitos, permitindo assim a fácil obtenção de dados no tempo e espaço. De tal forma, é necessário o uso de métodos que permitam a análise de dados em um domínio espaço-temporal, logo este trabalho almeja mostrar as principais classes de modelos de covariância e consequentemente semivariância em um contexto Geoestatístico. Previamente a modelagem em si, é importante conhecer as propriedades que tangem as técnicas, explorando assim as mais cruciais, como: estacionariedade, simetria total, separabilidade, integralidade e suporte compacto, além de efeitos relativos aos dados, por exemplo, tendência, sazonalidade, efeitos cíclicos, frequência temporal e regularidade de distribuição. Visto isso, apresenta-se as diferentes classes de modelos, tanto separáveis quanto não-separáveis, sendo elas: metric, sum, product, product-sum, Gneiting e Cressie/Huang bem como suas desvantagens e vantagens. Para exemplificação, faz-se aplicação em dados da base aérea Europeia através da plataforma pública de dados AirBase2 que possui dados sobre qualidade do ar da área econômica europeia. A variável de interesse consiste em médias diárias da concentração de PM10 (tipo de partículas inaláveis, de diâmetro inferior a 10 micrômetros) por metro cúbico, sendo este um indicador de qualidade. Os dados coletados datam dos anos 2004 a 2009, em 65 estações rurais na Alemanha. Foram feitas análises descritivas mostrando os percalços em se trabalhar de forma puramente temporal ou espacial e posteriormente uma modelagem espaço-temporal que permitiu a compreensão da interação dos efeitos espaço-temporais.