Made available in DSpace on 2017-07-10T19:23:39Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714138 bytes, checksum: a59b9d4eb09d8201b1cddd3c78f52e24 (MD5) Previous issue date: 2012-12-01 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78%. / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%. espacial

O objetivo deste estudo é explorar uma metodologia para análises de autocorrelação em redes utilizando um atributo de fenômenos cuja ocorrência esteja de alguma forma vinculada ou que seja dependente de uma rede. Para isso foram utilizados dados de acidentes de trânsito em um estudo de caso para a cidade de São Carlos, referentes aos anos de 2001, 2002 e 2003. Foram considerados inicialmente os dados totais dos acidentes e, em seguida, separados por tipos (atropelamentos, acidentes com danos materiais e acidentes com vítimas). A próxima etapa considerou os valores dos acidentes totais majorados pela UPS (Unidade Padrão de Severidade). A última etapa do estudo levou ainda em consideração a localização dos acidentes nos arcos ou interseções, que permitiu concluir que esta forma de caracterização espacial dos acidentes pode interferir significativamente nos resultados da análise. Outra conclusão relevante foi a identificação de autocorrelação espacial elevada e positiva no caso estudado. Finalmente a comparação com análise semelhante realizada por áreas demonstra vantagens para a análise por redes. / The objective of this study is to explore a methodology for network spatial autocorrelation analysis by applying it to an attribute of phenomena that are somehow connected to or dependent of a network. In other to do so, traffic accident data recorded in the years 2001, 2002, and 2003 in the city of São Carlos were selected for a case study. A first analysis considered all data, followed by analyses per accident type. In another phase of the study, the total accidents were weighted according to their severity. The last part of the study included in the analysis information about the location of each accident, either at a link or at an intersection. A conclusion drawn from the later analysis indicated that the consideration of the accidents locations can produce significant changes in the results. Another relevant conclusion was the identification of high and positive spatial autocorrelation in the case studied. Finally, the comparison with a similar analysis carried out with areas shows advantages for the network analysis.

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

O objetivo deste estudo é explorar uma metodologia para análises de autocorrelação em redes utilizando um atributo de fenômenos cuja ocorrência esteja de alguma forma vinculada ou que seja dependente de uma rede. Para isso foram utilizados dados de acidentes de trânsito em um estudo de caso para a cidade de São Carlos, referentes aos anos de 2001, 2002 e 2003. Foram considerados inicialmente os dados totais dos acidentes e, em seguida, separados por tipos (atropelamentos, acidentes com danos materiais e acidentes com vítimas). A próxima etapa considerou os valores dos acidentes totais majorados pela UPS (Unidade Padrão de Severidade). A última etapa do estudo levou ainda em consideração a localização dos acidentes nos arcos ou interseções, que permitiu concluir que esta forma de caracterização espacial dos acidentes pode interferir significativamente nos resultados da análise. Outra conclusão relevante foi a identificação de autocorrelação espacial elevada e positiva no caso estudado. Finalmente a comparação com análise semelhante realizada por áreas demonstra vantagens para a análise por redes. / The objective of this study is to explore a methodology for network spatial autocorrelation analysis by applying it to an attribute of phenomena that are somehow connected to or dependent of a network. In other to do so, traffic accident data recorded in the years 2001, 2002, and 2003 in the city of São Carlos were selected for a case study. A first analysis considered all data, followed by analyses per accident type. In another phase of the study, the total accidents were weighted according to their severity. The last part of the study included in the analysis information about the location of each accident, either at a link or at an intersection. A conclusion drawn from the later analysis indicated that the consideration of the accidents locations can produce significant changes in the results. Another relevant conclusion was the identification of high and positive spatial autocorrelation in the case studied. Finally, the comparison with a similar analysis carried out with areas shows advantages for the network analysis.

Made available in DSpace on 2017-07-10T19:25:24Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714140 bytes, checksum: 519aa9b0b92961245b0d80158227dea4 (MD5) Previous issue date: 2012-12-10 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78% / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

Made available in DSpace on 2017-05-12T14:48:47Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714140 bytes, checksum: 519aa9b0b92961245b0d80158227dea4 (MD5) Previous issue date: 2012-12-10 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78% / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%

Orientador: Prof. Dr. Marcio Eisencraft / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2015. / Um sinal caótico e caracterizado como sendo determinístico aperiódico e limitado em amplitude apresentando também dependência sensível às condições iniciais. Esta ultima característica implica que se o sistema gerador dos sinais for iniciado com condições iniciais ligeiramente diferentes, os sinais obtidos apresentarão valores completamente distintos após um curto período de tempo. Apesar das aplicações de sinais caóticos em Telecomunicações serem estudadas há mais de duas d'escadas, poucas contribuições foram apresentadas sobre as características espectrais desses sinais. Geralmente, eles são caracterizados como sinais. De banda larga devido à periodicidade. Porém, em aplicações práticas, é necessário uma descrição bem mais detalhada. Nesse trabalho, investigam-se as características da Sequencia de Autocorrelação (SAC) e da Densidade Espectral de Potência (DEP) de sinais caóticos gerados por algumas famílias de mapas unidimensionais, buscando-se generalizar resultados anteriores da literatura. Para uma particular família de mapas lineares por partes, deduz-se analiticamente a SAC e a DEP e investiga-se a relação entre a banda essencial e o expoente de Lyapunov. Obtém-se numericamente também a SAC e a DEP de mapas com não-linearidades quadráticas e esboça-se uma aplicação desses resultados na determinação do espectro e da banda ocupada por sistemas de comunicação baseados em caos. / A chaotic signal is deterministic, aperiodic, limited in amplitude and has sensitive dependence on initial conditions. This last one implies that if the signals of the generator system starts with slightly different initial conditions, the obtained signals have completely different values after a short time. Although the chaotic signals applications in Telecommunications has been studied for over two decades, just a few studies have been published on the spectral characteristics of these signals. They are usually characterized as wideband signals due to the aperiodicity. However, in practical applications, a much more detailed description is necessary. In this work, we investigate the characteristics of the Autocorrelation Sequence (ACS) and Power Spectral Density (PSD) of chaotic signals generated by some families of one-dimensional maps, generalizing previous results in the literature. For a particular family of piecewise linear maps, we analytically deduce the ACS and the PSD and investigate the relationship between the occupied bandwidth and the Lyapunov exponent. For nonlinear quadratic maps, we obtain the ACS and PSD numerically. We also apply the results in the determination of the spectrum and the band occupied by chaos-based communication systems.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / We studied species richness, abundance and spatial-temporal distribution of tadpole communities in eight ponds in an area of Cerrado in the state of Mato Grosso do Sul, Brazil. We carried out this study during a rainy season (October 2009 to March 2010). We determined the spatial and temporal niche breadth by standardized Levins index, and we used null models to explore the patterns of niche overlap. Additionally, we evaluated the influence of environmental descriptors and spatial distribution of ponds on the studied communities using redundancy analysis (RDA) applied to three phases of the rainy season (outset, middle and the end). We recorded tadpoles of 18 species belonging to four families: Hylidae, Leiuperidae, Leptodactylidae, and Microhylidae. Most species was considered specialist regarding to spatial niche breadth a (BA <0.20), and generalist regarding the temporal niche breadth (BA> 0.50). The spatial niche overlap did not differ from expected by chance, while the temporal niche overlap was clearly not random. Niche overlap was negatively correlated with ecomorphological guilds, even after removed the phylogenetic effects. This pattern seems figure a mechanism to reduce the competitive pressure among ecologically similar species. In relation to environmental and spatial components, these presented differential influence and importance along the rainy season. In early season pond area and the percentage of marginal vegetation up to 30 cm height were the descriptors related to community organization. During the full rainy season, the percentage of marginal vegetation up to 40 cm height, percentage of flat margin profile, pond depth, as well as two spatial co-variables explained the spatial distribution of species, followed by pure environmental variables and by pure spatial variables. At the end of rainy season no environmental or spatial and descriptor was included in the model. The importance of environmental descriptors of spatial components of spatially structured descriptors varied throughout the rainy season, indicating that dynamic processes occurs along the time are responsible for the organization of the studied communities. / Estudamos a riqueza, a abundância e a distribuição espaço-temporal de comunidades de girinos em oito poças em uma área de cerrado no estado do Mato Grosso do Sul, Brasil. Nós realizamos o presente estudo durante uma estação chuvosa (outubro de 2009 a março de 2010). Assim, determinamos a amplitude de nicho espacial e temporal, através do Índice de Levins padronizado e utilizamos modelos nulos para explorar os padrões de sobreposição de nicho. Adicionalmente, avaliamos influência de descritores ambientais e da distribuição espacial das poças sobre as comunidades de girinos estudadas. Para tanto, utilizamos análises de redundância (RDA), considerando três fases da estação chuvosa (início, meio e final). Registramos girinos de 18 espécies, pertencentes a quatro famílias: Hylidae, Leiuperidae, Leptodactylidae e Microhylidae. Em relação à amplitude de nicho espacial, a maioria das espécies foi considerada especialista em relação à utilização das poças (BA < 0,20), enquanto no nicho temporal a maioria foi considerada generalista (BA > 0,50). A sobreposição de nicho espacial não diferiu do esperado ao acaso, enquanto a sobreposição de nicho temporal foi claramente não aleatória. A sobreposição de nicho temporal apresentou correlação negativa com as guildas ecomorfológicas, mesmo após retirado o efeito filogenético. Tal padrão pode figurar um mecanismo de diminuição da pressão competitiva entre as espécies ecologicamente similares. Em relação aos componentes ambientais e espaciais, estes tiveram influência e importância diferenciadas ao longo da estação chuvosa. No início estação a área das poças e a porcentagem de vegetação marginal com até 30 cm de altura, foram os descritores relacionados à organização das comunidades. Durante a estação chuvosa plena, a porcentagem da vegetação marginal com até 40 cm de altura, a porcentagem de margens planas, a profundidade, bem como duas covariáveis espaciais explicaram a distribuição espacial das espécies, seguida pelas variáveis ambientais puras e pelas variáveis espaciais puras. Ao final da estação chuvosa nenhum descritor ambiental ou espacial foi incluído no modelo. A importância dos descritores ambientais, do componente espacial e dos descritores espacialmente estruturados variou ao longo da estação chuvosa, indicando que processos dinâmicos ao longo do tempo são responsáveis pela organização das comunidades larvárias estudadas.

This research approaches the prediction models application along with the usage of residual control charts to evaluate productive processes with characteristics of autocorrelation in its samples. The overall objective was to determine the Individual Measurement Control Charts (IMCC) and the Exponentially Weighted Moving Average (EWMA) efficiency when applied to residuals of ARIMA class, to the outliers detection in autocorrelated processes, as well as identifying the autocorrelation influence and the amplitude of the outlier concerning the charts detection capacity. To each AR(1) and MA(1), 640.000 series were simulated, with varying strength and autocorrelation signal. After each series simulated residual stability verification, in the original series, outliers were inserted with varying amplitudes in a pre-determined observation. The series contaminated by the anomalous observation were again modeled and the residual were inscribed in IMCC and EWMA control charts, correctly registering the detected points. In the detection proportions to the outlier s variant pair, autocorrelation parameter and amplitude, non parametric tests were applied. The result obtained through the tests presented the superiority of the IMCC chart for both models. To what concerns the study of the autocorrelation parameter influence, regarding its signal and magnitude to both charts and AR(1) and MA(1) models, no significant difference could be verified. Therefore, the efficacy of IMCC control charts in the outliers detection through residuals in non independent processes could be confirmed. / A presente pesquisa aborda a aplicação de modelos de previsão juntamente com a utilização de gráficos de controle de resíduos para a avaliação de processos produtivos com características de autocorrelação em suas amostras. O objetivo geral foi determinar a eficiência dos gráficos de controle de observações individuais (IMCC) e de média móvel exponencialmente ponderada (EWMA) quando aplicados aos resíduos de modelos da classe AR(1) ou MA(1), para detecção de outliers em processos autocorrelacionados, além de evidenciar a influência da autocorrelação e da amplitude do outlier no poder de detecção dos gráficos. Foram simuladas 640.000 séries para cada modelo, variando a força e o sinal da autocorrelação. Após a verificação da estabilidade dos resíduos em cada série simulada, na série original, foram inseridos outliers com amplitudes variáveis em uma observação prédeterminada. As séries contaminadas pela observação anômala foram novamente modeladas e os resíduos foram grafados em gráficos de controle IMCC e EWMA, registrando-se os pontos detectados corretamente. Em cada gráfico, para o par de variáveis: parâmetro de autocorrelação e amplitude de outlier, gerou-se uma proporção de detecção, na qual foram aplicados testes de comparação não-paramétricos. O resultado obtido por meio dos testes evidenciou a superioridade do gráfico IMCC para ambos os modelos. Quanto ao estudo da influência do parâmetro de autocorrelação, referente ao sinal e a magnitude da mesma, para ambos os gráfico e modelos AR(1) e MA(1), não se verificou diferença significativa. Dessa forma, comprovou-se a eficácia dos gráficos de controle IMCC em detectar outliers por meio de resíduos em processos industriais autocorrelacionados.