O inventário florestal é uma das principais ferramentas na gestão dos recursos florestais, uma vez que as informações geradas por ele são utilizadas ao longo de toda a cadeia produtiva do setor. Desta forma, erros nas estimativas volumétricas dos inventários florestais devem ser controlados. Inúmeras informações podem ser obtidas a partir de imagens orbitais ou aerotransportadas, uma vez que podem cobrir facilmente toda a área de interesse, e estão comumente disponíveis em empresas florestais ou ao usuário final. A utilização de preditores derivados das imagens pode trazer benefícios para as estimativas do inventário florestal. Desta forma, a aplicação de técnicas de regressão linear múltipla (RLM) ganhou espaço no setor devido a sua facilidade de aplicação. Porém, a RLM não leva em consideração a dependência espacial entre as unidades amostrais, sendo que a geoestatística pode ser utilizada para predizer a distribuição espacial do estoque de madeira (VTCC) para uma dada região. A modelagem geoestatística mais simples como a krigagem ordinária (KO), por considerar apenas a dependência espacial entre os pontos não amostrados, pode apresentar erros de predição nestes locais. Tais erros podem ser reduzidos com a aplicação de técnicas mais robustas como a Krigagem com Deriva Externa (KDE), pois esta agrega as informações obtidas das imagens com a distribuição espacial do volume. Buscando-se avaliar as vantagens da integração do Sensoriamento Remoto (SR) ao inventário florestal foram testados 4 tipos diferentes de imagens; as oriundas dos satélites LANDSAT8, RAPIDEYE e GEOEYE, e as provenientes de aeronaves (Imagens Aerotransportadas). Avaliou-se também diferentes tipos de estimativas para a predição volumétrica sendo estas RLM, KDE e KO. A melhor estimativa serviu de variável auxiliar para o estimador de regressão (ER), sendo os resultados comparados com a abordagem tradicional da amostragem aleatória simples (AAS). Os resultados demonstraram por meio da validação cruzada que as estimativas da KDE foram mais eficientes que as estimativas da KO e da RLM. Os melhores preditores (variáveis auxiliares) foram aqueles derivados do satélite LANDSAT8 e do satélite RAPIDEYE. Obteve-se como produto das estimativas de KDE e RLM mapas capazes de detectar áreas com mortalidade ou anomalias em meio a formação florestal. A utilização de uma estimativa de KDE utilizando imagens LANDSAT8 como medida auxiliar para o ER permitiu reduzir o erro amostral da AAS de 3,87% para 2,34%. Da maneira tradicional, tal redução de erro apenas seria possível com um aumento de mais 99 unidades amostrais. / Forest Inventory (FI) is one of the main tools for managing forest resources, once the information derived from FI is used along the sector production chain. When estimating volume, errors resulting from FI are common, therefore these errors must be controlled. Once orbital or airborne imaging data are easily acquired for an entire area, and are commonly available in forest companies or for the end user, much information can be obtained from these products. The use of predictor derived from images can be of significant benefits to forest inventory estimates. For that reason, the application of linear multiple regression (LMR) techniques have taken place in the forest sector, due to the facilities of its application. However, the LMR technique does not take the spatial dependence among sample units in consideration, the geostatistics utilized to predict the spatial distribution of the wood stock (VTCC) for a specific region. Simpler geostatistical modeling as the ordinary kriging (OK), just takes in consideration the spatial dependence among non-sampled points, because of that, prediction errors can be found. Such errors can be reduced when techniques that are more robust are applied, such as the kriging with external drift (KED) approach. This technique aggregates the information obtained from the images with the spatial distribution of the volume. In order to evaluate the advantages of Remote Sensing and Forest Inventory integration, we considered 4 different types of images, from the satellites LANSAT 8, RAPIDEYE, GEOEYE and from airborne images. When predicting volume, three different approaches were evaluated: LMR, EDK, OK. The best model among those evaluated, served as auxiliary variable for the regression estimator (RE). The result were then compared to the traditional approach, simple random sampling (SRS).This approach showed, through a cross-validation, that the KDE estimates were more efficiently than the OK and the LMR. The best predictor model (auxiliary variables) were derived from LADNSAT 8 and RAPIDEYE satellites. There is a significant advantage to using the KDE and LMR approaches, as it allows for a spatial representation of areas with mortality or anomalies, in a forest environment. The combination of KDE approach and LANDSAT 8 images as an auxiliary method for the RE, abled the decrease of the sampling error of SRS from 3.87% to 2.34%.The traditional approaches to conduct plantation inventories would allow for this error reduction, only if there were an increase of 99 more sampling units.

Essa dissertação é um trabalho na área de geoestatística aplicada à avaliação de recursos minerais. Esta aplicação pode ser considerada o passo anterior à avaliação das reservas minerais. Os conceitos básicos são fundamentados na geoestatística atual, com amplo uso de recursos de informática. O objetivo principal foi de testar a técnica da krigagem com deriva externa na avaliação de recursos minerais, principalmente no que tange o ganho de resultado com a utilização de mais de uma variável, ou seja, verificar se o uso de variáveis auxiliares pode ser feito de maneira amigável com bom custo/benefício. Foram escolhidos dois depósitos, com geologias distintas entre si, um depósito de metal base com minério saprolítico e outro depósito de calcário. Em cada um foram selecionadas duas variáveis, uma variável principal e outra secundária, no depósito laterítico as variáveis foram \'SiO IND.2\' e Fe e no depósito de calcário as variáveis foram CaO e \'SiO IND.2\'. Foi elaborada a modelagem tridimensional dos depósitos no programa Datamine. Os modelos foram transferidos para o programa Isatis e serviram como base para a estimativa das variáveis. Essa modelagem foi necessária para que se pudesse dar aos blocos estimados a geometria do corpo do minério. A estimativa por krigagem com deriva externa foi comparada à krigagem ordinária, essa comparação serviu para mensurar as diferenças em relação a um método tradicional amplamente usado e divulgado com outro pouco utilizado, ou mesmo difundido. Os resultados mostraram pequenas diferenças entre os blocos estimados por krigagem com deriva externa e por krigagem ordinária. Porém como na mineração podem ocorrer situações de sub-amostragem, por diversos fatores, pode-se afirmar que a krigagem com deriva externa é uma alternativa válida, pois demanda menos esforço na estimativa multivariada do que, por exemplo, a cokrigagem ordinária. / This dissertation is a work on applied geostatistics to evaluation of mineral resources. This application can be considered as the last step to such the task. The basic concepts are based on current geostatistics, with extensive use of informatics resources. The first goal of this work was to test the technique named kriging with external drift in the evaluation of mineral resources, concerning to the resulting gain in the use of more than one variable, mainly whether the use of auxiliary variables con be done in a friendly way. Two deposits were chosen with different geology, a deposit of base metal saprolitic ore and another deposit of limestone. In each deposit two variables were selected, the principal and secondary variable, at lateritic deposit variables were respectively \'SiO IND.2\' and Fe and at the deposit of limestone were CaO and \'SiO IND.2\'. The three-dimensional modeling of the deposits was made in the software Datamine. The models were transferred to the software Isatis and used as the base for interpolate variables. This model was necessary in the way to print in the estimated blocks the geometry of the ore body. Estimates by kriging with external drift was compared to ordinary kriging, ones this comparison was done to measure the differences between a traditional method widely used to another underutilized, or even non widespread. Results showed minor differences between the blocks estimated by bolth methods. But as in mining sub-sampling can occur from several factors, one can say that the kriging with external drift is a reliable alternative since it requires less effort to perform multivariate estimation than those, for example, to perform the ordinary cokriging.

O inventário florestal é uma das principais ferramentas na gestão dos recursos florestais, uma vez que as informações geradas por ele são utilizadas ao longo de toda a cadeia produtiva do setor. Desta forma, erros nas estimativas volumétricas dos inventários florestais devem ser controlados. Inúmeras informações podem ser obtidas a partir de imagens orbitais ou aerotransportadas, uma vez que podem cobrir facilmente toda a área de interesse, e estão comumente disponíveis em empresas florestais ou ao usuário final. A utilização de preditores derivados das imagens pode trazer benefícios para as estimativas do inventário florestal. Desta forma, a aplicação de técnicas de regressão linear múltipla (RLM) ganhou espaço no setor devido a sua facilidade de aplicação. Porém, a RLM não leva em consideração a dependência espacial entre as unidades amostrais, sendo que a geoestatística pode ser utilizada para predizer a distribuição espacial do estoque de madeira (VTCC) para uma dada região. A modelagem geoestatística mais simples como a krigagem ordinária (KO), por considerar apenas a dependência espacial entre os pontos não amostrados, pode apresentar erros de predição nestes locais. Tais erros podem ser reduzidos com a aplicação de técnicas mais robustas como a Krigagem com Deriva Externa (KDE), pois esta agrega as informações obtidas das imagens com a distribuição espacial do volume. Buscando-se avaliar as vantagens da integração do Sensoriamento Remoto (SR) ao inventário florestal foram testados 4 tipos diferentes de imagens; as oriundas dos satélites LANDSAT8, RAPIDEYE e GEOEYE, e as provenientes de aeronaves (Imagens Aerotransportadas). Avaliou-se também diferentes tipos de estimativas para a predição volumétrica sendo estas RLM, KDE e KO. A melhor estimativa serviu de variável auxiliar para o estimador de regressão (ER), sendo os resultados comparados com a abordagem tradicional da amostragem aleatória simples (AAS). Os resultados demonstraram por meio da validação cruzada que as estimativas da KDE foram mais eficientes que as estimativas da KO e da RLM. Os melhores preditores (variáveis auxiliares) foram aqueles derivados do satélite LANDSAT8 e do satélite RAPIDEYE. Obteve-se como produto das estimativas de KDE e RLM mapas capazes de detectar áreas com mortalidade ou anomalias em meio a formação florestal. A utilização de uma estimativa de KDE utilizando imagens LANDSAT8 como medida auxiliar para o ER permitiu reduzir o erro amostral da AAS de 3,87% para 2,34%. Da maneira tradicional, tal redução de erro apenas seria possível com um aumento de mais 99 unidades amostrais. / Forest Inventory (FI) is one of the main tools for managing forest resources, once the information derived from FI is used along the sector production chain. When estimating volume, errors resulting from FI are common, therefore these errors must be controlled. Once orbital or airborne imaging data are easily acquired for an entire area, and are commonly available in forest companies or for the end user, much information can be obtained from these products. The use of predictor derived from images can be of significant benefits to forest inventory estimates. For that reason, the application of linear multiple regression (LMR) techniques have taken place in the forest sector, due to the facilities of its application. However, the LMR technique does not take the spatial dependence among sample units in consideration, the geostatistics utilized to predict the spatial distribution of the wood stock (VTCC) for a specific region. Simpler geostatistical modeling as the ordinary kriging (OK), just takes in consideration the spatial dependence among non-sampled points, because of that, prediction errors can be found. Such errors can be reduced when techniques that are more robust are applied, such as the kriging with external drift (KED) approach. This technique aggregates the information obtained from the images with the spatial distribution of the volume. In order to evaluate the advantages of Remote Sensing and Forest Inventory integration, we considered 4 different types of images, from the satellites LANSAT 8, RAPIDEYE, GEOEYE and from airborne images. When predicting volume, three different approaches were evaluated: LMR, EDK, OK. The best model among those evaluated, served as auxiliary variable for the regression estimator (RE). The result were then compared to the traditional approach, simple random sampling (SRS).This approach showed, through a cross-validation, that the KDE estimates were more efficiently than the OK and the LMR. The best predictor model (auxiliary variables) were derived from LADNSAT 8 and RAPIDEYE satellites. There is a significant advantage to using the KDE and LMR approaches, as it allows for a spatial representation of areas with mortality or anomalies, in a forest environment. The combination of KDE approach and LANDSAT 8 images as an auxiliary method for the RE, abled the decrease of the sampling error of SRS from 3.87% to 2.34%.The traditional approaches to conduct plantation inventories would allow for this error reduction, only if there were an increase of 99 more sampling units.

Essa dissertação é um trabalho na área de geoestatística aplicada à avaliação de recursos minerais. Esta aplicação pode ser considerada o passo anterior à avaliação das reservas minerais. Os conceitos básicos são fundamentados na geoestatística atual, com amplo uso de recursos de informática. O objetivo principal foi de testar a técnica da krigagem com deriva externa na avaliação de recursos minerais, principalmente no que tange o ganho de resultado com a utilização de mais de uma variável, ou seja, verificar se o uso de variáveis auxiliares pode ser feito de maneira amigável com bom custo/benefício. Foram escolhidos dois depósitos, com geologias distintas entre si, um depósito de metal base com minério saprolítico e outro depósito de calcário. Em cada um foram selecionadas duas variáveis, uma variável principal e outra secundária, no depósito laterítico as variáveis foram \'SiO IND.2\' e Fe e no depósito de calcário as variáveis foram CaO e \'SiO IND.2\'. Foi elaborada a modelagem tridimensional dos depósitos no programa Datamine. Os modelos foram transferidos para o programa Isatis e serviram como base para a estimativa das variáveis. Essa modelagem foi necessária para que se pudesse dar aos blocos estimados a geometria do corpo do minério. A estimativa por krigagem com deriva externa foi comparada à krigagem ordinária, essa comparação serviu para mensurar as diferenças em relação a um método tradicional amplamente usado e divulgado com outro pouco utilizado, ou mesmo difundido. Os resultados mostraram pequenas diferenças entre os blocos estimados por krigagem com deriva externa e por krigagem ordinária. Porém como na mineração podem ocorrer situações de sub-amostragem, por diversos fatores, pode-se afirmar que a krigagem com deriva externa é uma alternativa válida, pois demanda menos esforço na estimativa multivariada do que, por exemplo, a cokrigagem ordinária. / This dissertation is a work on applied geostatistics to evaluation of mineral resources. This application can be considered as the last step to such the task. The basic concepts are based on current geostatistics, with extensive use of informatics resources. The first goal of this work was to test the technique named kriging with external drift in the evaluation of mineral resources, concerning to the resulting gain in the use of more than one variable, mainly whether the use of auxiliary variables con be done in a friendly way. Two deposits were chosen with different geology, a deposit of base metal saprolitic ore and another deposit of limestone. In each deposit two variables were selected, the principal and secondary variable, at lateritic deposit variables were respectively \'SiO IND.2\' and Fe and at the deposit of limestone were CaO and \'SiO IND.2\'. The three-dimensional modeling of the deposits was made in the software Datamine. The models were transferred to the software Isatis and used as the base for interpolate variables. This model was necessary in the way to print in the estimated blocks the geometry of the ore body. Estimates by kriging with external drift was compared to ordinary kriging, ones this comparison was done to measure the differences between a traditional method widely used to another underutilized, or even non widespread. Results showed minor differences between the blocks estimated by bolth methods. But as in mining sub-sampling can occur from several factors, one can say that the kriging with external drift is a reliable alternative since it requires less effort to perform multivariate estimation than those, for example, to perform the ordinary cokriging.

La pollution atmosphérique constitue un risque environnemental majeur dont les effets néfastes sur la santé et sur l’environnement sont déjà clairement démontrés. Toutefois, la mesure d’exposition des populations aux polluants tels que les particules fines et l’ozone troposphérique demeure approximative en raison de la faible densité des stations d’échantillonnage de ces polluants. Peu d’études ont considéré la variation spatiale intra-urbaine dans la modélisation spatiale des concentrations de polluants. Certaines études ont cependant combiné interpolation spatiale et corrélation avec des facteurs locaux. De plus, l’effet du régime météorologique (par exemple l’occurrence d’une inversion de température) sur l’amplitude de ces corrélations n’est pas pris en compte. Cette thèse a donc pour objectif d’évaluer de nouvelles manières de caractériser la distribution spatiale et temporelle des particules fines (PM2.5) et de l’ozone troposphérique (O3) à l’échelle intra-urbaine. Plus particulièrement, nous avons développé un modèle de géostatistique multivariable appelée krigeage avec dérive externe (KED, kriging with external drift) basé sur l’intégration de variables auxiliaires dans le processus d’estimation journalière des PM2.5 et de l’O3. Le krigeage constitue une forme d’interpolation spatiale des données de stations de mesures éparses, alors que la dérive externe mise sur des corrélations entre des conditions locales (axes de transport routier, espaces verts, etc.) et la concentration des polluants atmosphériques. Afin de prendre en compte les variations temporelles, notamment celles reliées aux conditions météorologiques, ces modèles ont été développés par groupes basés sur des conditions synoptiques et six classes d’états établies selon la température, le vent, l’humidité relative et les précipitations, d’après des données météorologiques journalières. Les résultats montrent que l’intégration des variables auxiliaires telles que la densité de la végétation et les zones des activités industrielles locales dans le KED expliquent en partie les variations intra-urbaines des PM2.5 de l’île de Montréal, mais que cet apport est variable selon la classe météorologique. Ainsi, lorsque les corrélations sont très faibles, une interpolation spatiale simple, comme la méthode IDW (inverse distance weighting) est plus exacte que l’interpolation multivariable, alors que pour d’autres conditions synoptiques le KED produit les prédictions les plus certaines. Nous avons pour cette raison proposé un modèle d’interpolation hybride (KED-IDW) s’adaptant aux conditions météorologiques. Nous avons également montré, particulièrement dans le cas de l’O3, que le krigeage avec dérive externe améliore les résultats obtenus par krigeage ordinaire (sans variables auxiliaires). Cette thèse a aussi permis d’évaluer l’apport d’un modèle spatio-temporel (BME, bayesian maximum entropy) dans l’estimation de l’effet à court terme de l’exposition à l’O3 sur les décès à Montréal. Les résultats suggèrent que ce modèle spatio-temporel dans les conditions développées (par ex. basé sur les données de 12 stations de mesures, pour un territoire de 1 310 km2) n’apporte pas de gains significatifs dans l’estimation de l’effet de l’exposition. Dans l’ensemble, cette thèse contribue au progrès de modélisation spatiale empirique des polluants atmosphériques en se fondant notamment sur l’adaptation aux conditions météorologiques et par l’ajout de certains facteurs météorologiques comme prédicteurs. Dans ce contexte, cette thèse ouvre une voie prometteuse pour l’amélioration des estimations de polluants atmosphériques à l’échelle intra-urbaine et de la capacité à évaluer les risques à la santé de la population par une meilleure caractérisation de l’exposition. Mots-clés : pollution de l’air, particules fines, ozone troposphérique, santé, géostatistique, krigeage avec dérive externe, environnement urbain. / Air pollution is a major environmental hazard with clearly demonstrable adverse effects on health and the environment. However, the measurement of populations’ exposure to pollutants such as particulate matter and ground-level ozone remains approximate due to the low density of sampling stations for these pollutants. Moreover, intra-urban spatial variation in the spatial modeling of pollutant concentrations has received little research attention. If anything, some studies have combined spatial interpolation and correlation with local factors; however, they do so without examining the effect of the weather regime (e.g., a temperature inversion) on the magnitude of these correlations. In order to overcome these shortcomings, this dissertation aims to evaluate new ways of characterizing the spatial and temporal distribution of fine particles (PM2.5) and ground-level ozone (O3) at the intra-urban scale. In particular, we developed a multivariable geostatistical model called “kriging with external drift” (KED) based on the integration of auxiliary variables into the process of estimating daily PM2.5 and O3 concentrations. Kriging is a form of spatial interpolation of data from measurement stations that are dispersed, while external drift is based on correlations between local conditions (road transport arteries, green spaces, etc.) and the concentration of atmospheric pollutants. In order to take account of temporal variations, especially those related to weather conditions, we designed these models around six synoptic weather classes based on daily meteorological data (such as temperature, wind, relative humidity and precipitation). v The results show that the integration of auxiliary variables (such as vegetation density and local industrial activity areas) in KED partly explains the intra-urban variations of PM2.5 on the island of Montreal, but that this contribution is variable depending on the weather conditions. Thus, when the correlations are very low, a simple spatial interpolation (such as the inverse distance weighting (IDW) method) is more accurate than multivariable interpolation, whereas for other synoptic conditions KED produces the most certain predictions. For this reason, we proposed a hybrid interpolation model (KED-IDW) that can adapt to different weather conditions. We have also shown, particularly in the case of O3, that KED improves the results obtained from ordinary kriging (without auxiliary variables). This dissertation also allowed to evaluate the contribution of a spatial-temporal model—BME (bayesian maximum entropy)—in the estimation of the short-term effect of exposure to O3 on deaths in Montreal. The results suggest that this spatio-temporal model under the determined conditions (e.g., based on data from 12 measurement stations, for a territory of 1 310 km2) does not offer significant improvements to the estimation of the effect of exposure. Overall, this dissertation contributes to the advancement of the empirical spatial modeling of air pollutants, namely by taking into account the adaptation to weather conditions as well as certain predictive meteorological factors. In this context, the dissertation opens up a promising path for improving the estimation of air pollution at the intra-urban scale and the capacity to assess population health risks through better characterization of exposure.