Interpolação Krigagem — do dado pontual ao mapa (pixel 5 m)
Transforma valores medidos em pontos (análise de solo, produtividade,
condutividade elétrica, contagem de pragas…) em mapas interpolados por
krigagem ordinária, um por variável, prontos para o QGIS (GeoTIFF
georreferenciado) e para apresentação (PNG com legenda em régua).
O caso mais comum é o laudo de solo com a malha de amostragem, e por isso a
tabela de valores é chamada de "laudo" daqui em diante. Serve do mesmo jeito
para qualquer tabela com uma linha por ponto e uma coluna por variável.
Para que serve
- Casar os IDs do shape de amostras com os do laudo mesmo quando
divergem ("T01-03" vs "t1-3", "Ponto 12" vs "12", maiúsculas, zeros,
separadores) — e apontar o que não casou para o usuário decidir.
- Testar três modelos de semivariograma (exponencial, esférico,
gaussiano) e escolher o melhor por validação cruzada leave-one-out
(menor RMSE) — por elemento, sem chute.
- Interpolar em pixel de 5 m dentro do perímetro (furos respeitados) e
entregar GeoTIFF (EPSG SIRGAS 2000/UTM) + PNG com régua de valores,
escala gráfica e norte.
Para que NÃO serve
- Não substitui malha amostral decente: com menos de 8 pontos o script se
recusa; entre 8 e 25 ele avisa que o variograma é frágil.
- Não faz zonas de manejo, anisotropia nem co-krigagem (v1 é isotrópica).
- Não interpreta fertilidade — para recomendar corretivos/adubação use as
skills
5a-aproximacao-mg (MG) ou boletim-100-sp (SP) sobre os mapas.
Entradas
- Perímetro do talhão:
.kml, .geojson, .shp (polígono) ou WKT.
- Pontos de amostragem:
.shp (leitor embutido — não precisa de GDAL),
.geojson, .kml ou .csv com lon/lat. .zip/.kmz: descompacte antes.
- Laudo: qualquer formato (PDF, foto, planilha). VOCÊ extrai a tabela
para um CSV com uma linha por amostra: primeira coluna = ID da amostra
como está no laudo; demais colunas = elementos com unidade no cabeçalho
(ex.:
P (mg/dm3)). Não invente valores; decimais com vírgula e "<0,1"
podem ficar como estão (o script trata; "<LD" entra como metade do limite).
Coordenadas em metros (UTM) sem .prj exigem a zona: --zona 22S.
Fluxo de trabalho (siga nesta ordem)
- Extraia o laudo para
laudo.csv (regra acima). Liste as colunas
numéricas encontradas e PERGUNTE ao usuário quais elementos ele quer
interpolar — nunca decida por ele.
- Etapa 1 — casamento (sempre primeiro):
python scripts/interpolar.py --perimetro talhao.kml --pontos amostras.shp --laudo laudo.csv --so-casamento --saida ./saida
O JSON de saída traz os campos de ID detectados, pares por confiança,
pontos sem par e duplicatas.
- Revise o casamento — VOCÊ é a camada final. O script resolve o grosso
deterministicamente (rápido, 1:1 garantido, auditável no casamento.csv);
o que sobra é pouco e pede julgamento semântico — o seu:
duplicados_laudo preenchido = laudo com mais de uma linha por ponto
(profundidades 0-20/20-40). Pergunte qual usar e repita com
--filtro-laudo "0-20".
aproximados_para_confirmar = mostre a tabela ponto ↔ laudo e confirme.
pontos_sem_par = use sugestoes_para_os_sem_par (top-3 candidatos por
similaridade) + seu entendimento ("ponto quatro" = P4; O trocado por 0
no OCR; apelido de talhão) para PROPOR o par ao usuário. NUNCA decida
sozinho um par ambíguo: um casamento errado põe o valor na coordenada
errada e o mapa sai bonito e errado.
- Pares confirmados entram com
--par "PONTO=ID DO LAUDO" (repetível) —
sua decisão vira registro auditável, não mágica.
- Detecção de campo errada corrige-se com
--id-pontos/--id-laudo.
- Etapa 2 — interpolação:
python scripts/interpolar.py ... --elementos "P (mg/dm3),V (%)" --saida ./saida
(nomes exatamente como no cabeçalho do CSV; todos = todas as numéricas).
Para variáveis em que valor alto é RUIM (Al³⁺, m%), gere separado com
--cmap RdYlGn_r.
- Entregue por elemento: o PNG (mostre no chat) + o GeoTIFF (pixel 5 m,
EPSG no relatório). Explique a escolha do modelo com a tabela de RMSE
LOO dos três candidatos (está em
relatorio.json), a dependência espacial
(razão pepita/patamar: ≤0,25 forte · ≤0,75 moderada · >0,75 fraca) e TODOS
os avisos (n baixo, estrutura fraca, valores "<LD", células truncadas).
- Honestidade: se
estrutura_fraca vier true, diga claramente que o
mapa tende à média do talhão e que a malha não captou padrão espacial —
não venda um mapa pobre como bom.
Detalhes fixos da implementação
- Pixel padrão 5 m (
--pixel muda se o usuário pedir). Em fazenda grande
com malha larga (~1 ponto/ha), avise que --pixel 10 ou 20 roda muito
mais rápido sem perder conteúdo agronômico — mas a decisão é do usuário.
- Vizinhança móvel automática acima de 120 pontos (
--vizinhanca,
--max-pontos): cada ladrilho da grade usa só os pontos vizinhos (buffer da
ordem do alcance do variograma) — malhas de centenas de pontos em milhares
de hectares rodam em segundos, sem emenda visível entre ladrilhos.
- Projeção alvo: UTM / SIRGAS 2000 (zona automática; EPSG no relatório).
- Ajuste do variograma: mínimos quadrados ponderados (Cressie, Np/h²), corte
em metade da distância máxima, alcance por varredura (sem otimizador
instável). γ(0)=0; alcance prático (95% do patamar) nos três modelos.
- Concentrações negativas pós-krigagem são truncadas em 0 (contado no aviso).
- Pontos em coordenada repetida viram um só (média).
- Teoria e referências:
references/krigagem.md.
1---2name: interpolacao-krigagem3description: >-4 Interpolação por krigagem ordinária de qualquer dado medido em pontos:5 análise de solo, produtividade, condutividade elétrica, pragas. Entradas:6 perímetro do talhão, pontos de amostragem (shapefile/GeoJSON/KML/CSV) e a7 tabela de valores (o laudo do laboratório, no caso do solo). Casa os IDs do8 shape com os da tabela mesmo com divergências (T01-03 ≈ t1-3), testa três9 modelos de semivariograma (exponencial, esférico e gaussiano), escolhe o10 melhor por validação cruzada e gera mapa raster (GeoTIFF) + PNG com legenda11 em régua, pixel de 5 m. Acione com "krigagem", "interpolar", "mapa de12 fertilidade", "mapa de produtividade", "agricultura de precisão" ou quando o13 usuário trouxer pontos de amostragem com valores de um talhão.14metadata:15 source: https://skillmd.com/skills/guilherme-iaparaagronomos/interpolacao-krigagem16---1718# Interpolação Krigagem — do dado pontual ao mapa (pixel 5 m)1920Transforma valores medidos em pontos (análise de solo, produtividade,21condutividade elétrica, contagem de pragas…) em **mapas interpolados por22krigagem ordinária**, um por variável, prontos para o QGIS (GeoTIFF23georreferenciado) e para apresentação (PNG com legenda em régua).2425O caso mais comum é o laudo de solo com a malha de amostragem, e por isso a26tabela de valores é chamada de "laudo" daqui em diante. Serve do mesmo jeito27para qualquer tabela com uma linha por ponto e uma coluna por variável.2829## Para que serve30- Casar os IDs do **shape de amostras** com os do **laudo** mesmo quando31 divergem ("T01-03" vs "t1-3", "Ponto 12" vs "12", maiúsculas, zeros,32 separadores) — e apontar o que não casou para o usuário decidir.33- Testar **três modelos de semivariograma** (exponencial, esférico,34 gaussiano) e escolher o melhor por **validação cruzada leave-one-out**35 (menor RMSE) — por elemento, sem chute.36- Interpolar em **pixel de 5 m** dentro do perímetro (furos respeitados) e37 entregar **GeoTIFF (EPSG SIRGAS 2000/UTM)** + **PNG com régua de valores**,38 escala gráfica e norte.3940## Para que NÃO serve41- Não substitui malha amostral decente: com menos de 8 pontos o script se42 recusa; entre 8 e 25 ele avisa que o variograma é frágil.43- Não faz zonas de manejo, anisotropia nem co-krigagem (v1 é isotrópica).44- Não interpreta fertilidade — para recomendar corretivos/adubação use as45 skills `5a-aproximacao-mg` (MG) ou `boletim-100-sp` (SP) sobre os mapas.4647## Entradas48491. **Perímetro do talhão**: `.kml`, `.geojson`, `.shp` (polígono) ou WKT.502. **Pontos de amostragem**: `.shp` (leitor embutido — não precisa de GDAL),51 `.geojson`, `.kml` ou `.csv` com lon/lat. `.zip`/`.kmz`: descompacte antes.523. **Laudo**: qualquer formato (PDF, foto, planilha). VOCÊ extrai a tabela53 para um CSV com **uma linha por amostra**: primeira coluna = ID da amostra54 como está no laudo; demais colunas = elementos com unidade no cabeçalho55 (ex.: `P (mg/dm3)`). Não invente valores; decimais com vírgula e "<0,1"56 podem ficar como estão (o script trata; "<LD" entra como metade do limite).5758Coordenadas em metros (UTM) sem `.prj` exigem a zona: `--zona 22S`.5960## Fluxo de trabalho (siga nesta ordem)61621. **Extraia o laudo** para `laudo.csv` (regra acima). Liste as colunas63 numéricas encontradas e **PERGUNTE ao usuário quais elementos ele quer64 interpolar** — nunca decida por ele.652. **Etapa 1 — casamento** (sempre primeiro):66 `python scripts/interpolar.py --perimetro talhao.kml --pontos amostras.shp67 --laudo laudo.csv --so-casamento --saida ./saida`68 O JSON de saída traz os campos de ID detectados, pares por confiança,69 pontos sem par e duplicatas.703. **Revise o casamento — VOCÊ é a camada final**. O script resolve o grosso71 deterministicamente (rápido, 1:1 garantido, auditável no casamento.csv);72 o que sobra é pouco e pede julgamento semântico — o seu:73 - `duplicados_laudo` preenchido = laudo com mais de uma linha por ponto74 (profundidades 0-20/20-40). Pergunte qual usar e repita com75 `--filtro-laudo "0-20"`.76 - `aproximados_para_confirmar` = mostre a tabela ponto ↔ laudo e confirme.77 - `pontos_sem_par` = use `sugestoes_para_os_sem_par` (top-3 candidatos por78 similaridade) + seu entendimento ("ponto quatro" = P4; O trocado por 079 no OCR; apelido de talhão) para PROPOR o par ao usuário. NUNCA decida80 sozinho um par ambíguo: um casamento errado põe o valor na coordenada81 errada e o mapa sai bonito e errado.82 - Pares confirmados entram com `--par "PONTO=ID DO LAUDO"` (repetível) —83 sua decisão vira registro auditável, não mágica.84 - Detecção de campo errada corrige-se com `--id-pontos`/`--id-laudo`.854. **Etapa 2 — interpolação**:86 `python scripts/interpolar.py ... --elementos "P (mg/dm3),V (%)" --saida ./saida`87 (nomes exatamente como no cabeçalho do CSV; `todos` = todas as numéricas).88 Para variáveis em que valor alto é RUIM (Al³⁺, m%), gere separado com89 `--cmap RdYlGn_r`.905. **Entregue por elemento**: o PNG (mostre no chat) + o GeoTIFF (pixel 5 m,91 EPSG no relatório). Explique a escolha do modelo com a tabela de RMSE92 LOO dos três candidatos (está em `relatorio.json`), a dependência espacial93 (razão pepita/patamar: ≤0,25 forte · ≤0,75 moderada · >0,75 fraca) e TODOS94 os avisos (`n` baixo, estrutura fraca, valores "<LD", células truncadas).956. **Honestidade**: se `estrutura_fraca` vier true, diga claramente que o96 mapa tende à média do talhão e que a malha não captou padrão espacial —97 não venda um mapa pobre como bom.9899## Detalhes fixos da implementação100101- Pixel padrão **5 m** (`--pixel` muda se o usuário pedir). Em fazenda grande102 com malha larga (~1 ponto/ha), avise que `--pixel 10` ou `20` roda muito103 mais rápido sem perder conteúdo agronômico — mas a decisão é do usuário.104- **Vizinhança móvel automática** acima de 120 pontos (`--vizinhanca`,105 `--max-pontos`): cada ladrilho da grade usa só os pontos vizinhos (buffer da106 ordem do alcance do variograma) — malhas de centenas de pontos em milhares107 de hectares rodam em segundos, sem emenda visível entre ladrilhos.108- Projeção alvo: **UTM / SIRGAS 2000** (zona automática; EPSG no relatório).109- Ajuste do variograma: mínimos quadrados ponderados (Cressie, Np/h²), corte110 em metade da distância máxima, alcance por varredura (sem otimizador111 instável). γ(0)=0; alcance prático (95% do patamar) nos três modelos.112- Concentrações negativas pós-krigagem são truncadas em 0 (contado no aviso).113- Pontos em coordenada repetida viram um só (média).114- Teoria e referências: `references/krigagem.md`.