####Trabalho manejo Matheus#### #Carregando o conjunto de dados e os pacotes necessários dados=read.table(file="Geoparcela.txt",head=TRUE,sep="",dec=",") head(dados) #str(dados) #View(dados) require(geoR) require(MASS) ####DAP MÉDIO POR PARCELA################ ## convertendo para o formto geodata usado na geoR e selecionando a variavel DAP dap <- as.geodata(dados, coords.col=c(2,3),data.col = 5) head(dap) ## Análise exploratória de DAP points(dap) summary(dap) #dap plot(dap) plot(dap,low=T) points(dap, pt.div="quint", cex.min=1, cex.max=1) points(dap, pt.div="quint", cex.min=1, cex.max=1,permute=T) #Tranformação da variável boxcox(dap) boxcox(dap, lam=seq(-3, 2, len=100)) plot(dap, lam=-1.5) points(dap) ## obtendo o variograma para a variável NÃO transformada v <- variog(dap,max.dist=4100) #,lam=-1.5) plot(v) v.mc <- variog.mc.env(dap, obj.variog=v) plot(v, env=v.mc) v.mc ## obtendo o variograma para a variável transformada v <- variog(dap,lam=-1.5,max.dist=4100) plot(v) v.mc <- variog.mc.env(dap,obj.variog=v) plot(v, env=v.mc) v.mc ################################################################################################# #retira parte do gráfico dap1 <- subset(dap, data < 20) plot(dap1,low=T) boxcox(dap1) boxcox(dap1, lam=seq(-3, 2, len=100)) summary(dap1) ## obtendo o variograma sob eliminação de dados que variam muito sem tranformar os dados v1 <- variog(dap1, max.dist=4100) plot(v1) v.mc1 <- variog.mc.env(dap1, obj.variog=v1) plot(v1, env=v.mc1) v.mc1 #plot(dap1.v1) # ## obtendo o variograma sob eliminação de dados que variam muito tranformando os dados v1 <- variog(dap1,lam=-1.3,max.dist=4100) plot(v1) v.mc1 <- variog.mc.env(dap1, obj.variog=v1) plot(v1, env=v.mc1) v.mc1 #plot(dap1.v1) ################################################################################################# #Continuando... #Ajuste do modelo var(dap$data) ##comparar os dois modelos: um apresenta a variável altitude como covariável mod <- likfit(dap,ini=c(0.000035,2000), nug=0,lam=-1.5);mod mod <- likfit(dap,ini=c(0.000035,2000), nug=0,trend=AltitudeZ,lam=-1.5);mod #Fazendo predição points(dap) gr <- expand.grid(seq(794000,800000,100),seq(8501000,8511000,100));gr points(gr,pch=19,cex=0.25,col=4) kc <- krige.conv(dap, loc=gr, krige=krige.control(obj.model=mod)) image(kc,col=terrain.colors(21),x.leg=c(798000,802000),y.leg=c(8502000,8503000)) ############################################################################ ############################################################################ ############################################################################ ####Trabalho manejo Matheus#### #Carregando o conjunto de dados e os pacotes necessários dados=read.table(file="Geoparcela.txt",head=TRUE,sep="",dec=",") head(dados) #str(dados) #View(dados) require(geoR) require(MASS) ####ALTURA MÉDIA POR PARCELA################ ## convertendo para o formto geodata usado na geoR e selecionando a variavel Altura alt <- as.geodata(dados, coords.col=c(2,3),data.col = 6) head(alt) ## Análise exploratória de Altura points(alt) summary(alt) #alt plot(alt) plot(alt,low=T) points(alt, pt.div="quint", cex.min=1, cex.max=1) points(alt, pt.div="quint", cex.min=1, cex.max=1,permute=T) #Tranformação da variável boxcox(alt) boxcox(alt, lam=seq(-3, 2, len=100)) plot(alt, lam=0.5) points(alt) ## obtendo o variograma para a variável NÃO transformada v <- variog(alt,max.dist=4100) plot(v) v.mc <- variog.mc.env(alt, obj.variog=v) plot(v, env=v.mc) v.mc ## obtendo o variograma para a variável transformada v <- variog(alt,lam=0.5,max.dist=4100) plot(v) v.mc <- variog.mc.env(alt,obj.variog=v) plot(v, env=v.mc) v.mc ################################################################################################# #Continuando... #Ajuste do modelo var(alt$data) mod <- likfit(alt,ini=c(0.8,2000), nug=0, lam=0.5);mod mod <- likfit(alt,ini=c(0.8,2000), nug=0,trend=AltitudeZ,lam=0.5);mod #Fazendo predição points(alt) gr <- expand.grid(seq(794000,800000,100),seq(8501000,8511000,100)) points(gr,pch=19,cex=0.25,col=4) kc <- krige.conv(alt, loc=gr, krige=krige.control(obj.model=mod)) image(kc,col=terrain.colors(21),x.leg=c(798000,802000),y.leg=c(8502000,8503000)) ############################################################################ ############################################################################ ############################################################################ ####Trabalho manejo Matheus#### #Carregando o conjunto de dados e os pacotes necessários dados=read.table(file="Geoparcela.txt",head=TRUE,sep="",dec=",") head(dados) #str(dados) #View(dados) require(geoR) require(MASS) ####DENSIDADE POR PARCELA################ ## convertendo para o formto geodata usado na geoR e selecionando a variavel Altura nind <- as.geodata(dados, coords.col=c(2,3),data.col = 7) head(nind) ## Análise exploratória de Altura points(nind) summary(nind) #nind plot(nind) plot(nind,low=T) points(nind, pt.div="quint", cex.min=1, cex.max=1) points(nind, pt.div="quint", cex.min=1, cex.max=1,permute=T) #Tranformação da variável boxcox(nind) boxcox(nind, lam=seq(-3, 2, len=100)) plot(nind, lam=1) points(nind) ## obtendo o variograma para a variável NÃO transformada v <- variog(nind,max.dist=5000) #,lam=-1.5) plot(v) v.mc <- variog.mc.env(nind, obj.variog=v) plot(v, env=v.mc) v.mc ## obtendo o variograma para a variável transformada v <- variog(nind,lam=1,max.dist=4100) plot(v) v.mc <- variog.mc.env(nind,obj.variog=v) plot(v, env=v.mc) v.mc ################################################################################################# #Continuando... #Ajuste do modelo var(nind$data) mod <- likfit(nind,trend="cte",ini=c(20000,2500), nug=2500, lam=1);mod #Fazendo predição points(nind) gr <- expand.grid(seq(794000,800000,100),seq(8501000,8511000,100));gr points(gr,pch=19,cex=0.25,col=4) kc <- krige.conv(nind, loc=gr, krige=krige.control(obj.model=mod)) image(kc,col=terrain.colors(21),x.leg=c(798000,802000),y.leg=c(8502000,8503000)) ############################################################################ ############################################################################ ############################################################################ ####Trabalho manejo Matheus#### #Carregando o conjunto de dados e os pacotes necessários dados=read.table(file="Geoparcela.txt",head=TRUE,sep="",dec=",") head(dados) #str(dados) #View(dados) require(geoR) require(MASS) ####ÁREA BASAL POR PARCELA################ dadossem19=read.table(file="Geoparsem19.txt",head=TRUE,sep="",dec=",") ## convertendo para o formto geodata usado na geoR e selecionando a variavel Altura basal <- as.geodata(dadossem19, coords.col=c(2,3),data.col = 8) head(basal) ## Análise exploratória de Área basal points(basal) summary(basal) #basal plot(basal) plot(basal,low=T) points(basal, pt.div="quint", cex.min=1, cex.max=1) points(basal, pt.div="quint", cex.min=1, cex.max=1,permute=T) #Tranformação da variável boxcox(basal) boxcox(basal, lam=seq(-3, 2, len=100)) plot(basal, lam=0) points(basal) ## obtendo o variograma para a variável NÃO transformada v <- variog(basal,max.dist=4005) #,lam=0) plot(v) v.mc <- variog.mc.env(basal, obj.variog=v) plot(v, env=v.mc) v.mc ## obtendo o variograma para a variável transformada v <- variog(basal,lam=0,max.dist=5000) plot(v) v.mc <- variog.mc.env(basal,obj.variog=v) plot(v, env=v.mc) v.mc ################################################################################################# #Continuando... #Ajuste do modelo var(basal$data) mod <- likfit(basal,ini=c(0.15,1000), nug=0.05, lam=0);mod #Fazendo predição points(basal) gr <- expand.grid(seq(794000,800000,100),seq(8501000,8511000,100)) points(gr,pch=19,cex=0.25,col=4) dados=read.table(file="Geoparcela.txt",head=TRUE,sep="",dec=",") basal1 <- as.geodata(dados, coords.col=c(2,3),data.col = 8) kc <- krige.conv(basal1, loc=gr, krige=krige.control(obj.model=mod)) image(kc,col=terrain.colors(21),x.leg=c(798000,802000),y.leg=c(8502000,8503000)) ############################################################################ ############################################################################ ############################################################################ ############################################################################