Interpolacao Krigagem
ASecurityInterpolação por krigagem ordinária de qualquer dado medido em pontos: análise de solo, produtividade, condutividade elétrica, pragas. Entradas: perímetro do talhão, 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), testa três modelos de semivariograma (exponencial, esférico e gaussiano), escolhe o melhor por validação cruzada e gera mapa raster (GeoTIF...
- 2 stars
- 0 votes
- 0 copies
- 0 views
- Added November 13, 2026
Security analysis
100/100Pro scans all 10 files and shows the line behind each finding
npx -y skills add guilherme-iaparaagronomos/skills-agro --skill interpolacao-krigagem --agent claude-codeAre you the author of Interpolacao Krigagem?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/guilherme-iaparaagronomos-interpolacao-krigagem)---
name: interpolacao-krigagem
description: >-
Interpolação por krigagem ordinária de qualquer dado medido em pontos:
análise de solo, produtividade, condutividade elétrica, pragas. Entradas:
perímetro do talhão, 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), testa três
modelos de semivariograma (exponencial, esférico e gaussiano), escolhe o
melhor por validação cruzada e gera mapa raster (GeoTIFF) + PNG com legenda
em régua, pixel de 5 m. Acione com "krigagem", "interpolar", "mapa de
fertilidade", "mapa de produtividade", "agricultura de precisão" ou quando o
usuário trouxer pontos de amostragem com valores de um talhão.
---
# 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
1. **Perímetro do talhão**: `.kml`, `.geojson`, `.shp` (polígono) ou WKT.
2. **Pontos de amostragem**: `.shp` (leitor embutido — não precisa de 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 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)
1. **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.
2. **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.
3. **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`.
4. **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`.
5. **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).
6. **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`.
Files in this skill
- README.md
- SKILL.md
- references/krigagem.md
- scripts/casamento.py
- scripts/geometria.py
- scripts/interpolar.py
- scripts/krigagem.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.