APbase

O APbase transforma dados de campo irregulares, como dados do monitor de produtividade, amostras de solo e leituras de sensores, em mapas validados. Ele filtra os pontos amostrais, trata coordenadas geográficas quando necessário, monta a grade de interpolação, ajusta o semivariograma, compara métodos de interpolação e fica com o de menor RMSE na validação cruzada. Você recebe um mapa pronto para uso sem escolher um modelo matemático manualmente.

Nota

O trabalho numérico roda em kernels compilados. Com uma seed fixa, execuções repetidas sobre os mesmos dados produzem o mesmo mapa.

O pacote Python expõe o pipeline de mapeamento de alto nível por meio de apbase.Map e apbase.create_map:

import apbase

result = apbase.Map(resolution=10.0)(x, y, z)

result.method                  # "idw" ou "kriging", o que tiver menor RMSE leave-one-out
result.x, result.y, result.z   # pontos da grade dentro do contorno

O que o pipeline resolve

  • Seleção automática do modelo. O pipeline compara o IDW com a krigagem ordinária e usa o método com menor RMSE (raiz do erro quadrático médio) na validação cruzada leave-one-out para o conjunto de dados atual.
  • Trabalho numérico eficiente. Um semivariograma ajustado é reaproveitado na escolha do raio, na validação cruzada e na krigagem final, sem repetir trabalho.
  • Pronto para serviços e jobs em lote. A mesma chamada roda sem mudanças em um script, um serviço ou um job em lote, sem nenhum runtime extra para configurar. Veja Produção e implantação na nuvem.
  • Funciona com pontos irregulares e com ruído. Registros inválidos, outliers globais e outliers espaciais locais são removidos antes da interpolação.
  • Padrões úteis. O raio de busca é derivado do alcance (range) do semivariograma ajustado (veja Ajuste do semivariograma).

Veja Início rápido para um exemplo completo. Use Guia do usuário e Metodologia quando precisar de controle avançado ou quiser auditar a matemática por trás da escolha automática.

Conteúdo