Interpolacao Idw
ASecurityMapas interpolados por IDW, em classes, com a área de cada classe em hectares e em % e uma apostila em PDF, para qualquer dado medido em pontos (solo, produtividade, condutividade elétrica, pragas). Entradas: perímetro do talhão ou da fazenda, pontos de amostragem (shapefile/GeoJSON/KML/CSV) e a tabela de valores (o laudo do laboratório, no caso do solo). Casa os IDs do shape com os da tabela mesmo com divergências (T01-03 ≈ t1-3), interpola por IDW e mede o erro por validação cruzada, classi...
- 2 stars
- 0 votes
- 0 copies
- 0 views
- Added November 13, 2026
Works with
Security analysis
100/100Pro scans all 12 files and shows the line behind each finding
npx -y skills add guilherme-iaparaagronomos/skills-agro --skill interpolacao-idw --agent claude-codeAre you the author of Interpolacao Idw?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/guilherme-iaparaagronomos-interpolacao-idw)---
name: interpolacao-idw
description: >-
Mapas interpolados por IDW, em classes, com a área de cada classe em
hectares e em % e uma apostila em PDF, para qualquer dado medido em pontos
(solo, produtividade, condutividade elétrica, pragas). Entradas: perímetro
do talhão ou da fazenda, pontos de amostragem (shapefile/GeoJSON/KML/CSV) e
a tabela de valores (o laudo do laboratório, no caso do solo). Casa os IDs
do shape com os da tabela mesmo com divergências (T01-03 ≈ t1-3), interpola
por IDW e mede o erro por validação cruzada, classifica por limites do
usuário ou, em análise de solo, pela tabela oficial (5ª Aproximação de MG ou
Boletim 100 de SP) e entrega GeoTIFF, PDF e PNG por variável mais a apostila
com capa e resumo. Acione com "IDW", "interpolar", "mapa de fertilidade",
"mapa de produtividade", "apostila de mapas", "mapa de argila, P, K ou V%"
ou quando o usuário trouxer pontos de amostragem com valores.
---
# Interpolação IDW — do dado pontual à apostila de mapas
Transforma valores medidos em pontos (análise de solo, produtividade,
condutividade elétrica, contagem de pragas…) em **mapas interpolados por IDW e
classificados**, um por variável: a página traz o mapa em classes, a legenda
com **hectares e % de cada classe**, as estatísticas e a fonte das classes. No
fim, uma **apostila em PDF** com capa, resumo e um mapa por página.
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. Para outro dado, o
fluxo é o mesmo: uma linha por ponto, uma coluna por variável, com a unidade
no cabeçalho. As tabelas oficiais (MG e SP) valem só para análise de solo; nos
demais casos, pergunte os limites de classe ao usuário (`--limites`) ou use as
classes livres, e dê o título da apostila com `--titulo` (ex.: "Mapas de
produtividade").
## 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") e apontar o que não casou.
- Interpolar por **IDW** (inverso da distância, potência 2) e medir por
**validação cruzada** quanto o mapa prevê melhor que a média do talhão.
- **Classificar** cada elemento pela **5ª Aproximação (MG)**, pelo **Boletim
100 (SP)**, por limites do usuário ou, sem tabela, em classes livres.
- Entregar o mapa pronto para o cliente: PDF e PNG por elemento, GeoTIFF para
o QGIS e a apostila.
## Para que NÃO serve
- Não é geoestatística. Se o usuário pedir **krigagem**, semivariograma ou
análise de dependência espacial, use a skill `interpolacao-krigagem`.
- Não conserta malha rala: com menos de 5 pontos o script se recusa; abaixo
de 15 avisa que o mapa é só um esboço.
- Não recomenda adubo nem corretivo. Para recomendar, use `5a-aproximacao-mg`
ou `boletim-100-sp` sobre os mapas. A decisão é do responsável técnico.
- Não separa a tabela de áreas por talhão (v1 trata o perímetro como um todo;
os limites internos aparecem desenhados no mapa).
## Entradas
1. **Perímetro**: `.kml`, `.geojson`, `.shp` (polígono) ou WKT. Vários
talhões no mesmo arquivo viram um mapa só.
2. **Pontos de amostragem**: `.shp` (leitor embutido, sem GDAL), `.geojson`,
`.kml` ou `.csv` com lon/lat. `.zip`/`.kmz`: descompacte antes.
3. **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 a unidade no
cabeçalho, entre parênteses, exatamente como o laudo traz** — `K (mg/dm3)`,
`Ca (cmolc/dm3)`, `Argila (g/kg)`, `V (%)`. Diga também o método quando o
laudo disser: `pH CaCl2`, `pH H2O`, `P resina (mg/dm3)`, `P Mehlich (mg/dm3)`.
**A unidade é o que protege o mapa.** K em mg/dm³ classificado com limites de
mmolc/dm³ dá um mapa bonito e errado. Sem unidade no cabeçalho, o script não
aplica classe oficial. Nunca escreva uma unidade que o laudo não traz: se
faltar, PERGUNTE ao usuário. Não invente valores; decimais com vírgula e
"<0,1" podem ficar como estão (o script trata; "<LD" entra como metade).
Coordenadas em metros (UTM) sem `.prj` exigem a zona: `--zona 22S`.
## Fluxo de trabalho (siga nesta ordem)
1. **Extraia o laudo** para `laudo.csv` (regra acima) e liste as colunas
numéricas encontradas.
2. **Pergunte ao usuário** — nunca decida por ele:
- quais elementos quer mapear;
- qual tabela de classes: **MG** (5ª Aproximação), **SP** (Boletim 100),
limites dele ou nenhuma. A tabela é a do manual que ele usa para
recomendar, que nem sempre é o do estado onde fica a fazenda;
- para o P pelo Boletim 100: o grupo de culturas (`florestais`, `perenes`,
`anuais` ou `hortalicas`);
- o que vai na capa: fazenda, cliente, responsável técnico, camada
(ex.: "0–20 cm") e, se quiser, a logo (PNG ou JPG).
3. **Etapa 1 — conferência** (sempre primeiro):
`python scripts/interpolar.py --perimetro talhao.kml --pontos amostras.shp
--laudo laudo.csv --tabela mg --so-casamento --saida ./saida`
O JSON traz o casamento dos IDs e, em `classes_propostas`, como cada coluna
será classificada (quadro, limites na unidade do laudo, avisos).
4. **Revise o casamento — VOCÊ é a camada final.**
- `duplicados_laudo` preenchido = mais de uma linha por ponto
(profundidades). 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` e o seu entendimento
para PROPOR o par ao usuário. Nunca decida sozinho um par ambíguo: um
casamento errado põe o valor na coordenada errada.
- Pares confirmados entram com `--par "PONTO=ID DO LAUDO"` (repetível).
- Detecção de campo errada corrige-se com `--id-pontos`/`--id-laudo`.
5. **Revise as classes propostas com o usuário**, coluna por coluna:
- mostre o quadro e os limites que serão usados;
- coluna que caiu em "classes livres" tem o motivo em `avisos` (unidade
ausente, extrator diferente, item sem classe na tabela). Resolva com ele:
corrigir o cabeçalho, forçar o item (`--classe "pH=ph"`) ou dar limites;
- **P pela 5ª Aproximação** depende da argila ou do P-rem. Com a coluna no
laudo, o script interpola a argila (ou o P-rem) e classifica **cada pixel
com o limite da sua faixa**. Sem a coluna, peça um valor único
(`--argila-fixa 45`, em %; `--prem-fixo 20`, em mg/L);
- micronutrientes pressupõem o extrator da tabela (Mehlich-1 em MG, DTPA em
SP; B em água quente). Confirme com o usuário se o laudo usa o mesmo.
6. **Etapa 2 — interpolação**:
`python scripts/interpolar.py ... --tabela mg --elementos "K (mg/dm3),V (%)"
--fazenda "Fazenda Exemplo" --camada "0–20 cm" --saida ./saida`
(nomes exatamente como no cabeçalho do CSV; `todos` = todas as numéricas).
7. **Entregue**: a `apostila.pdf` e, por elemento, o PNG (mostre no chat), o
PDF e o GeoTIFF. Diga a potência usada, o RMSE da validação cruzada e o
ganho sobre a média, e repasse TODOS os avisos do relatório. A logo na capa
e nos mapas é a do cliente: peça o arquivo ao usuário (`--logo`); se ele não
tiver, a apostila sai sem logo.
8. **Honestidade**: se vier o aviso de que o IDW não previu melhor que a média
do talhão, diga claramente que a malha não captou padrão espacial e que o
mapa pouco difere da média. Não venda um mapa pobre como bom.
## Classes: as quatro formas
| Forma | Como pedir | O que acontece |
|---|---|---|
| 5ª Aproximação (MG) | `--tabela mg` | pH em água, MO, Ca, Mg, Al, SB, H+Al, t, T, m, V, K, P (por argila ou P-rem), S (por P-rem), Zn, Mn, Fe, Cu, B e textura |
| Boletim 100 (SP) | `--tabela sp` | pH em CaCl₂, V, K, P resina (por grupo de cultura), Ca, Mg, S, B, Cu, Fe, Mn, Zn |
| Limites do usuário | `--limites "CE (mS/m)=10,20,30"` e, se quiser, `--nomes "CE (mS/m)=Baixa\|Média\|Alta\|Muito alta"` | valem os limites dele, na unidade da coluna |
| Sem tabela | (padrão para o que não tem classe) | 5 intervalos iguais "redondos"; `--classes-livres quantis` troca por quantis |
- Unidade diferente da tabela mas conversível (cmolc ↔ mmolc; K em mg/dm³ ↔
mmolc/dm³; % ↔ g/kg) é convertida, e o aviso diz o fator. O mapa continua na
unidade do laudo.
- Cores: verde é bom. Para Al, m% e H+Al a escala inverte sozinha. Em coluna
com limites do usuário, `--sentido "Coluna=alto_ruim"` inverte.
- Para forçar ou desligar a classe de uma coluna: `--classe "Coluna=k"` ou
`--classe "Coluna=nenhuma"`.
- Tabelas, quadros e regras de conversão: `references/classes.md`.
## IDW ou krigagem?
- **IDW** (esta skill): simples de explicar, roda com poucas amostras, é o que
a maioria dos softwares de agricultura de precisão usa. O valor da amostra é
respeitado no ponto e o mapa nunca passa do mínimo e do máximo amostrados.
- **Krigagem** (`interpolacao-krigagem`): modela a dependência espacial e costuma
errar menos quando a malha tem 30 pontos ou mais e há estrutura espacial.
- Em dúvida, rode as duas e compare o RMSE da validação cruzada, que as duas
skills informam.
## Detalhes fixos da implementação
- Pixel padrão **5 m** (`--pixel` muda). Em fazenda grande com malha larga,
`--pixel 10` ou `20` gera arquivos bem menores sem perder conteúdo
agronômico. A decisão é do usuário.
- **Potência 2** é o padrão (o usual em mapas de fertilidade). A validação
cruzada leave-one-out roda sempre e testa 1 · 1,5 · 2 · 2,5 · 3 · 4: se outra
potência errar bem menos, o script avisa. `--potencia auto` adota a de menor
RMSE; `--potencia 3` fixa outra. Potência alta deixa o mapa perto do
"vizinho mais próximo", com manchas em volta de cada amostra.
- **Vizinhos**: 12 amostras por célula (`--vizinhos`). `--raio 600` limita a
busca em metros; célula sem amostra dentro do raio fica vazia.
- Projeção alvo: **UTM / SIRGAS 2000** (zona automática; EPSG no rodapé).
- Áreas: contadas na grade (célula entra se o centro cai no perímetro).
- Pontos em coordenada repetida viram um só (média).
- Arquivos: `<elemento>.tif` (valores), `.pdf`, `.png`, `apostila.pdf`,
`resumo_classes.csv`, `casamento.csv`, `relatorio.json`. Com
`--tif-classes`, também `<elemento>-classes.tif` (1 = primeira classe).
- Teoria e limitações: `references/idw.md`.
Files in this skill
- README.md
- SKILL.md
- references/classes.md
- references/idw.md
- scripts/casamento.py
- scripts/classes.py
- scripts/geometria.py
- scripts/idw.py
- scripts/interpolar.py
- scripts/mapa.py
- scripts/raster.py
- scripts/shapefile_min.py
Attribution
Related skills
View all in ai-agents →Comments
Loading comments…
Newsletter
Get the weekly list of safe new skills, and the ones we pulled.