MÉTODOS GEOESTATÍSTICOS APLICADOS A DADOS COMPOSICIONAIS PARA CLASSIFICAÇÃO DE SOLOS\\ Ana Beatriz Tozzo Martins (Programa de Pós-graduação em Métodos Numéricos em Engenharia, UFPR - DES/UEM), Paulo Justiniano Ribeiro Junior (Laboratório de Estatística e Geoinformação-LEG, UFPR) Este trabalho se destina ao desenvolvimento de métodos de análise espacial de dados composicionais adotando declaração explícita de modelos. A abordagem da geoestatística através de modelos é discutida por Diggle, Tawn e Moyeed (1998), Schmidt e Sansó (2006), Diggle e Ribeiro Jr (2007). A teoria de dados composicionais considerando a independência das observações é discutida por Aitchison (1986). Pawlowsky e Olea (2004) consideram a espacialização das variáveis porém sem adotar declaração explícita do modelo. A meta é obter um modelo geoestatístico para dados composicionais de solo que sejam espacializados e multivariados, compatibilizando a estrutura de covariância induzida por modelo multivariado com a estrutura de covariância induzida por modelo de dados composicionais e permitindo obter resultados como, por exemplo, mapas de classificação espacial do solo. Recursos computacionais utilizaram o ambiente operacional GNU/Linux; o pacote estatístico R (R Development Core Team, 2006); o pacote geoestatístico geoR (RIBEIRO JR e DIGGLE, 2001) e o pacote compositions (BOOGAART, 2005), além de algoritmos específicos ao trabalho. Resultados preliminares para o modelo bivariado com dados de areia, silte e argila provenientes de Gonçalves (1997) e considerando-se independência das observações, mostraram que estimativas de parâmetros obtidas pelos métodos Nelder-Mead, BFGS, CG e L-BFGS-B\, foram coincidentes e o valor da função log-verossimilhança estimada maximizada foi igual a 14,967. Estes resultados possibilitaram o entendimento das estimativas dos parâmetros para o modelo bivariado composicional que auxiliará na construção do modelo bivariado espacial composicional. Palavras-chave: Geoestatística; Dados composicionais; Mapa de classificação do solo.