Caros Listeiros. Estou utilizando o pacote geoR para análise geoestatística. Numa das áreas em estudo não apresentou dependência espacial. Sei que no pacote geosat contempla o método IDW. Alguém teria um CRM com este método? Agradeço desde já. -- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
Hélio, Se nao ha' dependencia espacial nao faz sentido interpolar. O IDW pode ser resumido numa conta matricial. Exemplo: n = 30; coo = cbind(runif(n)*2, runif(n)) y = rnorm(n) x0 = seq(0, 1, length=101) y0 = seq(0, 2, length=201) grid = as.matrix(expand.grid(x0, y0)) p = 5 w = 1/(outer(grid[,1], coo[,1], '-')^2 + outer(grid[,2], coo[,2], '-')^2)^(p/2) w = w/rowSums(w) result = matrix(w%*%y, length(x0)) require(fields) image.plot(list(x=x0, y=y0, z=result), asp=1) points(coo, cex=0.1+(y-min(y))/diff(range(y))) Elias. On 28/05/14 21:21, Hélio Gallo Rocha wrote:
Caros Listeiros.
Estou utilizando o pacote geoR para análise geoestatística. Numa das áreas em estudo não apresentou dependência espacial. Sei que no pacote geosat contempla o método IDW. Alguém teria um CRM com este método?
Agradeço desde já.
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
Corrigindo os limites x-y: n = 30; coo = cbind(runif(n)*2, runif(n)) y = rnorm(n) x0 = seq(0, 2, length=201) y0 = seq(0, 1, length=101) grid = as.matrix(expand.grid(x0, y0)) p = 5 w = 1/(outer(grid[,1], coo[,1], '-')^2 + outer(grid[,2], coo[,2], '-')^2)^(p/2) w = w/rowSums(w) result = matrix(w%*%y, length(x0)) require(fields) image.plot(list(x=x0, y=y0, z=result), asp=1) points(coo, cex=0.1+(y-min(y))/diff(range(y))) On 29/05/14 08:21, Elias T. Krainski wrote:
Hélio,
Se nao ha' dependencia espacial nao faz sentido interpolar. O IDW pode ser resumido numa conta matricial. Exemplo:
n = 30; coo = cbind(runif(n)*2, runif(n)) y = rnorm(n)
x0 = seq(0, 1, length=101) y0 = seq(0, 2, length=201) grid = as.matrix(expand.grid(x0, y0))
p = 5 w = 1/(outer(grid[,1], coo[,1], '-')^2 + outer(grid[,2], coo[,2], '-')^2)^(p/2) w = w/rowSums(w)
result = matrix(w%*%y, length(x0))
require(fields) image.plot(list(x=x0, y=y0, z=result), asp=1) points(coo, cex=0.1+(y-min(y))/diff(range(y)))
Elias.
On 28/05/14 21:21, Hélio Gallo Rocha wrote:
Caros Listeiros.
Estou utilizando o pacote geoR para análise geoestatística. Numa das áreas em estudo não apresentou dependência espacial. Sei que no pacote geosat contempla o método IDW. Alguém teria um CRM com este método?
Agradeço desde já.
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
Hélio, bom dia! Faz sentido interpolar? Acredito que sim, partindo do princípio que a dependência espacial pode existir, mas seu método não permitiu detectá-la. Acredito que a causa mais comum seja o esquema de amostragem utilizado, sobretudo no que se refere à distância entre amostras. No caso particular, você conseguiu modelar em algumas áreas e não em outras, dando margem à essa interpretação. O colega Elias já postou uma solução, mas acrescento o código abaixo, caso ainda tenha interesse em utilizar o {gstat}. Em termos gerais, a ideia de operação no {gstat} é similar a do {geoR}, no sentido em que você vai precisar criar um grid pra receber o resultado da interpolação. O espaçamento da grade será a resolução da interpolação. O ponto principal é que tem que trabalhar com objetos da classe 'sp'. Verifique os parâmetros número de vizinhos (nmax) e peso/potência da distância (idp). No {gstat} por default utilizam-se todos os pontos e o idp=2. Atte., ### <code r> sapply(c("gstat", "sp", "geoR", "RColorBrewer"), require, character.only=T) data(parana); names(parana) hist(parana$data, col=3) points(parana, pt.divide='quart') ### Criar objeto 'sp' pr <- data.frame(x=parana$coords[,1], y=parana$coords[,2], chuva=parana$data) names(pr); coordinates(pr) <- ~x+y class(pr) plot(pr, asp=1, axes=T, pch=20); polygon(parana$borders, border=2) ### Criar 'grid' bbox(pr) lim <- round(bbox(pr)+c(-1,-1, 1, 1)*50); lim ### amplia a área do bbox grid <- expand.grid(x=seq(lim[1,1],lim[1,2], by=10), y=seq(lim[2,1],lim[2,2], by=10)) grid -> grid.pt gridded(grid) = ~x+y ### SpatialPixels coordinates(grid.pt) = ~x+y ### SpatialPoints ### IDW Default idw <- idw(pr$chuva~1, pr, grid) idw.pt <- idw(chuva~1, pr, grid.pt) ### Visualização spplot(idw, "var1.pred", main = "IDW Default") spplot(idw.pt, "var1.pred", main = "IDW default - Mapa Pontuado") image(idw); polygon(parana$borders); points(pr) ### Variando parâmetros idw.data <- data.frame( default = idw(chuva ~ 1, pr, grid)$var1.pred, ### nmax=todos & idp=2 idw6 = idw(chuva ~ 1, pr, grid, nmax=6)$var1.pred, idw9 = idw(chuva ~ 1, pr, grid, nmax=9)$var1.pred, idp1 = idw(chuva ~ 1, pr, grid, idp = 1)$var1.pred, idp4 = idw(chuva ~ 1, pr, grid, idp = 4)$var1.pred, idp8 = idw(chuva ~ 1, pr, grid, idp = 8)$var1.pred) grid.data <- SpatialPixelsDataFrame(grid, idw.data) dput(names(grid.data)) spplot(grid.data, c("default", "idw6", "idw9", "idp1", "idp4", "idp8"), main = "IDW", col.regions=rainbow(16) # idp: numeric; specify the inverse distance weighting power # nmax: the number of nearest observations that should be used ### </code> Éder Comunello <c <comunello.eder@gmail.com>omunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]
humilhou... :) On 29/05/14 12:36, Éder Comunello wrote:
Hélio, bom dia!
Faz sentido interpolar? Acredito que sim, partindo do princípio que a dependência espacial pode existir, mas seu método não permitiu detectá-la. Acredito que a causa mais comum seja o esquema de amostragem utilizado, sobretudo no que se refere à distância entre amostras. No caso particular, você conseguiu modelar em algumas áreas e não em outras, dando margem à essa interpretação.
O colega Elias já postou uma solução, mas acrescento o código abaixo, caso ainda tenha interesse em utilizar o {gstat}.
Em termos gerais, a ideia de operação no {gstat} é similar a do {geoR}, no sentido em que você vai precisar criar um grid pra receber o resultado da interpolação. O espaçamento da grade será a resolução da interpolação. O ponto principal é que tem que trabalhar com objetos da classe 'sp'.
Verifique os parâmetros número de vizinhos (nmax) e peso/potência da distância (idp). No {gstat} por default utilizam-se todos os pontos e o idp=2.
Atte.,
### <code r> sapply(c("gstat", "sp", "geoR", "RColorBrewer"), require, character.only=T)
data(parana); names(parana) hist(parana$data, col=3) points(parana, pt.divide='quart')
### Criar objeto 'sp' pr <- data.frame(x=parana$coords[,1], y=parana$coords[,2], chuva=parana$data) names(pr); coordinates(pr) <- ~x+y class(pr) plot(pr, asp=1, axes=T, pch=20); polygon(parana$borders, border=2)
### Criar 'grid' bbox(pr) lim <- round(bbox(pr)+c(-1,-1, 1, 1)*50); lim ### amplia a área do bbox grid <- expand.grid(x=seq(lim[1,1],lim[1,2], by=10), y=seq(lim[2,1],lim[2,2], by=10)) grid -> grid.pt <http://grid.pt> gridded(grid) = ~x+y ### SpatialPixels coordinates(grid.pt <http://grid.pt>) = ~x+y ### SpatialPoints
### IDW Default idw <- idw(pr$chuva~1, pr, grid) idw.pt <http://idw.pt> <- idw(chuva~1, pr, grid.pt <http://grid.pt>)
### Visualização spplot(idw, "var1.pred", main = "IDW Default") spplot(idw.pt <http://idw.pt>, "var1.pred", main = "IDW default - Mapa Pontuado") image(idw); polygon(parana$borders); points(pr)
### Variando parâmetros idw.data <- data.frame( default = idw(chuva ~ 1, pr, grid)$var1.pred, ### nmax=todos & idp=2 idw6 = idw(chuva ~ 1, pr, grid, nmax=6)$var1.pred, idw9 = idw(chuva ~ 1, pr, grid, nmax=9)$var1.pred, idp1 = idw(chuva ~ 1, pr, grid, idp = 1)$var1.pred, idp4 = idw(chuva ~ 1, pr, grid, idp = 4)$var1.pred, idp8 = idw(chuva ~ 1, pr, grid, idp = 8)$var1.pred)
grid.data <- SpatialPixelsDataFrame(grid, idw.data) dput(names(grid.data))
spplot(grid.data, c("default", "idw6", "idw9", "idp1", "idp4", "idp8"), main = "IDW", col.regions=rainbow(16) # idp: numeric; specify the inverse distance weighting power # nmax: the number of nearest observations that should be used ### </code>
Éder Comunello <c <mailto:comunello.eder@gmail.com>omunello.eder@gmail.com <mailto:omunello.eder@gmail.com>> Dourados, MS - [22 16.5'S, 54 49'W]
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
Elias, bom dia! Reconheço o mérito das suas colocações, só complementei! Aproveitando a deixa... A exemplo do material do Jackson Aquino, mantenho também para consulta um material seu, "Introdução à análise de dados espacialmente referenciados". Tenho aqui uma versão de 2012. Tens alguma edição mais atual ou intenção de transformar esse material em livro? Grato, Éder Comunello <c <comunello.eder@gmail.com>omunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W] Em 29 de maio de 2014 07:18, Elias T. Krainski <eliaskrainski@yahoo.com.br> escreveu:
humilhou... :)
On 29/05/14 12:36, Éder Comunello wrote:
Hélio, bom dia!
Faz sentido interpolar? Acredito que sim, partindo do princípio que a dependência espacial pode existir, mas seu método não permitiu detectá-la. Acredito que a causa mais comum seja o esquema de amostragem utilizado, sobretudo no que se refere à distância entre amostras. No caso particular, você conseguiu modelar em algumas áreas e não em outras, dando margem à essa interpretação.
O colega Elias já postou uma solução, mas acrescento o código abaixo, caso ainda tenha interesse em utilizar o {gstat}.
Em termos gerais, a ideia de operação no {gstat} é similar a do {geoR}, no sentido em que você vai precisar criar um grid pra receber o resultado da interpolação. O espaçamento da grade será a resolução da interpolação. O ponto principal é que tem que trabalhar com objetos da classe 'sp'.
Verifique os parâmetros número de vizinhos (nmax) e peso/potência da distância (idp). No {gstat} por default utilizam-se todos os pontos e o idp=2.
Atte.,
### <code r> sapply(c("gstat", "sp", "geoR", "RColorBrewer"), require, character.only=T)
data(parana); names(parana) hist(parana$data, col=3) points(parana, pt.divide='quart')
### Criar objeto 'sp' pr <- data.frame(x=parana$coords[,1], y=parana$coords[,2], chuva=parana$data) names(pr); coordinates(pr) <- ~x+y class(pr) plot(pr, asp=1, axes=T, pch=20); polygon(parana$borders, border=2)
### Criar 'grid' bbox(pr) lim <- round(bbox(pr)+c(-1,-1, 1, 1)*50); lim ### amplia a área do bbox grid <- expand.grid(x=seq(lim[1,1],lim[1,2], by=10), y=seq(lim[2,1],lim[2,2], by=10)) grid -> grid.pt gridded(grid) = ~x+y ### SpatialPixels coordinates(grid.pt) = ~x+y ### SpatialPoints
### IDW Default idw <- idw(pr$chuva~1, pr, grid) idw.pt <- idw(chuva~1, pr, grid.pt)
### Visualização spplot(idw, "var1.pred", main = "IDW Default") spplot(idw.pt, "var1.pred", main = "IDW default - Mapa Pontuado") image(idw); polygon(parana$borders); points(pr)
### Variando parâmetros idw.data <- data.frame( default = idw(chuva ~ 1, pr, grid)$var1.pred, ### nmax=todos & idp=2 idw6 = idw(chuva ~ 1, pr, grid, nmax=6)$var1.pred, idw9 = idw(chuva ~ 1, pr, grid, nmax=9)$var1.pred, idp1 = idw(chuva ~ 1, pr, grid, idp = 1)$var1.pred, idp4 = idw(chuva ~ 1, pr, grid, idp = 4)$var1.pred, idp8 = idw(chuva ~ 1, pr, grid, idp = 8)$var1.pred)
grid.data <- SpatialPixelsDataFrame(grid, idw.data) dput(names(grid.data))
spplot(grid.data, c("default", "idw6", "idw9", "idp1", "idp4", "idp8"), main = "IDW", col.regions=rainbow(16) # idp: numeric; specify the inverse distance weighting power # nmax: the number of nearest observations that should be used ### </code>
Éder Comunello <c <comunello.eder@gmail.com>omunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]
_______________________________________________ R-br mailing listR-br@listas.c3sl.ufpr.brhttps://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
Éder, essa e' a ultima versao... On 29/05/14 17:16, Éder Comunello wrote:
Elias, bom dia!
Reconheço o mérito das suas colocações, só complementei!
Aproveitando a deixa... A exemplo do material do Jackson Aquino, mantenho também para consulta um material seu, "Introdução à análise de dados espacialmente referenciados". Tenho aqui uma versão de 2012. Tens alguma edição mais atual ou intenção de transformar esse material em livro?
Grato,
Éder Comunello <c <mailto:comunello.eder@gmail.com>omunello.eder@gmail.com <mailto:omunello.eder@gmail.com>> Dourados, MS - [22 16.5'S, 54 49'W]
Em 29 de maio de 2014 07:18, Elias T. Krainski <eliaskrainski@yahoo.com.br <mailto:eliaskrainski@yahoo.com.br>> escreveu:
humilhou... :)
On 29/05/14 12:36, Éder Comunello wrote:
Hélio, bom dia!
Faz sentido interpolar? Acredito que sim, partindo do princípio que a dependência espacial pode existir, mas seu método não permitiu detectá-la. Acredito que a causa mais comum seja o esquema de amostragem utilizado, sobretudo no que se refere à distância entre amostras. No caso particular, você conseguiu modelar em algumas áreas e não em outras, dando margem à essa interpretação.
O colega Elias já postou uma solução, mas acrescento o código abaixo, caso ainda tenha interesse em utilizar o {gstat}.
Em termos gerais, a ideia de operação no {gstat} é similar a do {geoR}, no sentido em que você vai precisar criar um grid pra receber o resultado da interpolação. O espaçamento da grade será a resolução da interpolação. O ponto principal é que tem que trabalhar com objetos da classe 'sp'.
Verifique os parâmetros número de vizinhos (nmax) e peso/potência da distância (idp). No {gstat} por default utilizam-se todos os pontos e o idp=2.
Atte.,
### <code r> sapply(c("gstat", "sp", "geoR", "RColorBrewer"), require, character.only=T)
data(parana); names(parana) hist(parana$data, col=3) points(parana, pt.divide='quart')
### Criar objeto 'sp' pr <- data.frame(x=parana$coords[,1], y=parana$coords[,2], chuva=parana$data) names(pr); coordinates(pr) <- ~x+y class(pr) plot(pr, asp=1, axes=T, pch=20); polygon(parana$borders, border=2)
### Criar 'grid' bbox(pr) lim <- round(bbox(pr)+c(-1,-1, 1, 1)*50); lim ### amplia a área do bbox grid <- expand.grid(x=seq(lim[1,1],lim[1,2], by=10), y=seq(lim[2,1],lim[2,2], by=10)) grid -> grid.pt <http://grid.pt> gridded(grid) = ~x+y ### SpatialPixels coordinates(grid.pt <http://grid.pt>) = ~x+y ### SpatialPoints
### IDW Default idw <- idw(pr$chuva~1, pr, grid) idw.pt <http://idw.pt> <- idw(chuva~1, pr, grid.pt <http://grid.pt>)
### Visualização spplot(idw, "var1.pred", main = "IDW Default") spplot(idw.pt <http://idw.pt>, "var1.pred", main = "IDW default - Mapa Pontuado") image(idw); polygon(parana$borders); points(pr)
### Variando parâmetros idw.data <- data.frame( default = idw(chuva ~ 1, pr, grid)$var1.pred, ### nmax=todos & idp=2 idw6 = idw(chuva ~ 1, pr, grid, nmax=6)$var1.pred, idw9 = idw(chuva ~ 1, pr, grid, nmax=9)$var1.pred, idp1 = idw(chuva ~ 1, pr, grid, idp = 1)$var1.pred, idp4 = idw(chuva ~ 1, pr, grid, idp = 4)$var1.pred, idp8 = idw(chuva ~ 1, pr, grid, idp = 8)$var1.pred)
grid.data <- SpatialPixelsDataFrame(grid, idw.data) dput(names(grid.data))
spplot(grid.data, c("default", "idw6", "idw9", "idp1", "idp4", "idp8"), main = "IDW", col.regions=rainbow(16) # idp: numeric; specify the inverse distance weighting power # nmax: the number of nearest observations that should be used ### </code>
Éder Comunello <c <mailto:comunello.eder@gmail.com>omunello.eder@gmail.com <mailto:omunello.eder@gmail.com>> Dourados, MS - [22 16.5'S, 54 49'W]
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br <mailto:R-br@listas.c3sl.ufpr.br> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br <mailto:R-br@listas.c3sl.ufpr.br> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
Caros Elias e Éder. Grato pelas opiniões e exemplos. Vou testar com meus dados. Mais uma vez, agradeço imensamente!!! Hélio Em 29 de maio de 2014 07:39, Eder Comunello [via R-br] < ml-node+s2285057n4662232h60@n4.nabble.com> escreveu:
Hélio, bom dia!
Faz sentido interpolar? Acredito que sim, partindo do princípio que a dependência espacial pode existir, mas seu método não permitiu detectá-la. Acredito que a causa mais comum seja o esquema de amostragem utilizado, sobretudo no que se refere à distância entre amostras. No caso particular, você conseguiu modelar em algumas áreas e não em outras, dando margem à essa interpretação.
O colega Elias já postou uma solução, mas acrescento o código abaixo, caso ainda tenha interesse em utilizar o {gstat}.
Em termos gerais, a ideia de operação no {gstat} é similar a do {geoR}, no sentido em que você vai precisar criar um grid pra receber o resultado da interpolação. O espaçamento da grade será a resolução da interpolação. O ponto principal é que tem que trabalhar com objetos da classe 'sp'.
Verifique os parâmetros número de vizinhos (nmax) e peso/potência da distância (idp). No {gstat} por default utilizam-se todos os pontos e o idp=2.
Atte.,
### <code r> sapply(c("gstat", "sp", "geoR", "RColorBrewer"), require, character.only=T)
data(parana); names(parana) hist(parana$data, col=3) points(parana, pt.divide='quart')
### Criar objeto 'sp' pr <- data.frame(x=parana$coords[,1], y=parana$coords[,2], chuva=parana$data) names(pr); coordinates(pr) <- ~x+y class(pr) plot(pr, asp=1, axes=T, pch=20); polygon(parana$borders, border=2)
### Criar 'grid' bbox(pr) lim <- round(bbox(pr)+c(-1,-1, 1, 1)*50); lim ### amplia a área do bbox grid <- expand.grid(x=seq(lim[1,1],lim[1,2], by=10), y=seq(lim[2,1],lim[2,2], by=10)) grid -> grid.pt gridded(grid) = ~x+y ### SpatialPixels coordinates(grid.pt) = ~x+y ### SpatialPoints
### IDW Default idw <- idw(pr$chuva~1, pr, grid) idw.pt <- idw(chuva~1, pr, grid.pt)
### Visualização spplot(idw, "var1.pred", main = "IDW Default") spplot(idw.pt, "var1.pred", main = "IDW default - Mapa Pontuado") image(idw); polygon(parana$borders); points(pr)
### Variando parâmetros idw.data <- data.frame( default = idw(chuva ~ 1, pr, grid)$var1.pred, ### nmax=todos & idp=2 idw6 = idw(chuva ~ 1, pr, grid, nmax=6)$var1.pred, idw9 = idw(chuva ~ 1, pr, grid, nmax=9)$var1.pred, idp1 = idw(chuva ~ 1, pr, grid, idp = 1)$var1.pred, idp4 = idw(chuva ~ 1, pr, grid, idp = 4)$var1.pred, idp8 = idw(chuva ~ 1, pr, grid, idp = 8)$var1.pred)
grid.data <- SpatialPixelsDataFrame(grid, idw.data) dput(names(grid.data))
spplot(grid.data, c("default", "idw6", "idw9", "idp1", "idp4", "idp8"), main = "IDW", col.regions=rainbow(16) # idp: numeric; specify the inverse distance weighting power # nmax: the number of nearest observations that should be used ### </code>
Éder Comunello <[hidden email] <http://user/SendEmail.jtp?type=node&node=4662232&i=0>[hidden email] <http://user/SendEmail.jtp?type=node&node=4662232&i=1>> Dourados, MS - [22 16.5'S, 54 49'W]
_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4662232&i=2> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
------------------------------ If you reply to this email, your message will be added to the discussion below: http://r-br.2285057.n4.nabble.com/R-br-IDW-tp4662226p4662232.html To unsubscribe from R-br, click here <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscribe_by_code&node=3357982&code=aGVsaW9nYWxsb3JvY2hhQGdtYWlsLmNvbXwzMzU3OTgyfC0xMzQ3NTkwMDY4> . NAML <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_viewer&id=instant_html%21nabble%3Aemail.naml&base=nabble.naml.namespaces.BasicNamespace-nabble.view.web.template.NabbleNamespace-nabble.view.web.template.NodeNamespace&breadcrumbs=notify_subscribers%21nabble%3Aemail.naml-instant_emails%21nabble%3Aemail.naml-send_instant_email%21nabble%3Aemail.naml>
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
participantes (3)
-
Elias T. Krainski -
Hélio Gallo Rocha -
Éder Comunello