出版社：Grupo de Pesquisa Metodologias em Ensino e Aprendizagem em Ciências
摘要：Normalmente, a profundidade dos reservatórios é estimada por dados pontuais de batimetria. Após a coleta dos dados batimétricos, seus valores são espacializados por métodos de interpolação. O objetivo deste trabalho foi avaliar o desempenho de três diferentes tipos de interpoladores em dados de batimetria coletados na barragem do rio Poxim-Açu, SE. Em setembro de 2016, 882 pontos batimétricos foram coletados no reservatório. Os dados de batimetria foram espacializados pelos métodos de interpolação do inverso do quadrado da distância, spline e da krigagem. Suas estimativas foram avaliadas e o melhor modelo escolhido com base nas estatísticas (RMSE) da validação cruzada. A barragem do rio Poxim apresenta uma profundidade média de aproximadamente 8,6 m e valores máximo e mínimo de 19,3 e 0,5 m, respectivamente. O melhor modelo de interpolação foi o da krigagem, com o ajuste do semivariograma esférico, com valores de RMSE de 1,64 m na validação cruzada, seguido pelo inverso do quadrado da distância (RMSE = 1,69 m) e o spline (RMSE = 1,72 m). Recomenda-se, portanto, a utilização da krigagem para espacialização dos valores de batimetria do reservatório analisado.
其他摘要：The depth of natural water reservoirs is usually estimated through bathymetry spot data. Once bathymetric data are collected, data values are spatially distributed using interpolation methods. This study aimed to evaluate the performance of three different types of interpolators across a range of bathymetric data collected at the Poxim river dam, in the state of Sergipe. In September 2016, 882 bathymetric measurements were performed in the water reservoir. The bathymetric data were spatialized using three methods: inverse distance square interpolation, spline and kriging. The resulting estimates were evaluated and the best method was chosen based on cross-validation statistics (RMSE). The Poxim river dam presents an average depth of approximately 8.6 m, with maximum and minimum values of 19.3 and 0.5 m, respectively. Kriging was pointed out as the best interpolation model, along with the spherical semivariogram adjustment, with RMSE values of 1.64 m in cross-validation, followed by the inverse distance square (RMSE = 1,69 m) and spline (RMSE = 1,72 m). Therefore, kriging is the recommended model for the spatialization of bathymetric data in the evaluated water reservoir.
