Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-10-13T15:33:56Z No. of bitstreams: 1 rosaliviagoncalvesmontenegro.pdf: 1198338 bytes, checksum: d89102c7afac67d168fb89d581f5cd22 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-10-22T12:57:38Z (GMT) No. of bitstreams: 1 rosaliviagoncalvesmontenegro.pdf: 1198338 bytes, checksum: d89102c7afac67d168fb89d581f5cd22 (MD5) / Made available in DSpace on 2016-10-22T12:57:38Z (GMT). No. of bitstreams: 1 rosaliviagoncalvesmontenegro.pdf: 1198338 bytes, checksum: d89102c7afac67d168fb89d581f5cd22 (MD5) Previous issue date: 2008-12-18 / O objetivo principal do trabalho é investigar a influência de externalidades de diversificação e de especialização sobre a atividade inovadora de microrregiões de estado de São Paulo, no período compreendido entre 1996-2003. Além disso, outros fatores determinantes da inovação são também considerados, como a capacidade de realização de P&D, o nível de escolaridade e a defasagem temporal da inovação. As patentes per capita são usadas na pesquisa como proxy para a avaliação da atividade inovadora, ou seja, medem a capacidade tecnológica da microrregião. A base de dados consiste na utilização de microdados provenientes do Instituto Brasileiro de Geografia e Estatística (IBGE) e dos dados de depósitos de patentes do Instituto Nacional de Propriedade Industrial (INPI). A metodologia aplicada aborda a Análise Exploratória de Dados Espaciais (AEDE) e modelos de regressão espacial com dados em painel. Ambas as técnicas permitiram um acompanhamento espacial e temporal do progresso do sistema regional de inovação em São Paulo. Os resultados revelaram que a especialização produtiva das microrregiões é fator determinante para seu desempenho inovador. Alguns efeitos também se mostram importantes como a escolaridade, as inovações realizadas no período anterior, os transbordamentos de conhecimentos e, em menor grau, as externalidades de diversificação. / The aim of the present work is to assess the extent to which the degree of specialization or diversification externalities may affect the innovative performance in a particular microregion. Additionally, the influence of other regional factors on the innovative output is examined, such as regional R&D capacity, schooling of local population and the innovative tradition of the microregion. The analysis is based on a database of 63 microregions of the state of São Paulo from 1996 to 2003 that was merged by micro-data mainly from Yearly Industrial Survey and Brazilian Patent Office. These data were analyzed by means of Exploratory Analysis of Spatial Data and panel data regression models with spatial dependence. Both techniques reveal the spatial and temporal evolution of the regional innovation system of the state of São Paulo. The main result shows that microregion’s innovative performance seems to be affected mainly by the specialization externalities rather than diversification externalities. Other results emphasize the positive influence played by the schooling of local population, the technological knwoledge spillovers, and the innovative tradition of the microregion on its innovative output.

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-10-02T15:56:27Z No. of bitstreams: 1 Dissertação - Carla Zeline Rodrigues Bandeira.pdf: 2549224 bytes, checksum: aa333603d820f70948fed268d6c84524 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-10-09T14:13:31Z (GMT) No. of bitstreams: 1 Dissertação - Carla Zeline Rodrigues Bandeira.pdf: 2549224 bytes, checksum: aa333603d820f70948fed268d6c84524 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-10-09T14:19:46Z (GMT) No. of bitstreams: 1 Dissertação - Carla Zeline Rodrigues Bandeira.pdf: 2549224 bytes, checksum: aa333603d820f70948fed268d6c84524 (MD5) / Made available in DSpace on 2015-10-09T14:19:46Z (GMT). No. of bitstreams: 1 Dissertação - Carla Zeline Rodrigues Bandeira.pdf: 2549224 bytes, checksum: aa333603d820f70948fed268d6c84524 (MD5) Previous issue date: 2015-04-09 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This work proposes a new model for count data with excess zeros, overdispersion and spatial dependence. To accommodate these characteristics simultaneously, we used an zeroinflated quasi-likelihood (QIZ), where the spatial dependence is incorporated in the estimation process through generalized estimating equations (GEE). The estimation algorithm used in this process was the ES (Expectation-Solution); confidence intervals for the parameters were obtained via Bootstrap Inference. Simulation studies have been performed in various scenarios. Finally, the method is illustrated using data of leprosy cases in the State of Amazonas. / Neste trabalho foi proposto um novo modelo para dados de contagem com excesso de zeros, sobredispersão e dependência espacial. Para acomodar simultaneamente essas características, utilizou-se uma quase verossimilhança inflacionada de zeros (QIZ), onde a dependência espacial foi incorporada no processo de estimação através das equações de estimação generalizadas (GEE). O algoritmo de estimação usado nesse processo foi o ES (Expectation-Solution); os intervalos de confiança para os parâmetros foram obtidos via Inferência Bootstrap. Estudos de simulação foram realizados considerando-se vários cenários. Finalmente, o método proposto foi ilustrado usando dados de casos de Hanseníase no Estado do Amazonas.

Submitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2018-02-09T12:29:51Z No. of bitstreams: 2 Dyogo_Ribeiro2017.pdf: 1294201 bytes, checksum: 2406c2ef527fc306e8c428a6483553cb (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-02-09T12:29:51Z (GMT). No. of bitstreams: 2 Dyogo_Ribeiro2017.pdf: 1294201 bytes, checksum: 2406c2ef527fc306e8c428a6483553cb (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-09-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Geostatistical techniques have contributed on acquainting the studied area characteristics. They have made the decisions easier to be taken regarding the management of the agricultural yield system and contributed to sustainable development in precision agriculture. Anisotropy is a characteristic that has influenced the precision of thematic maps that represent spatial variability of the studied phenomenon. Thus, this trial aimed at using Moran directional index in anisotropy analysis in georeferenced variables. Moran directional index was calculated considering isotropic and anisotropic geostatistical models to highlight the directional difference in thematic maps when anisotropy is incorporated or not in the geostatistical model. Thus, simulated data were used considering an irregular sample configuration, with 100 points. Data were simulated with an anisotropic (geometric) spatial dependence structure following an exponential model, with an angle of greater spatial continuity equal to 90 ° (azimuth) and varying the anisotropy factor. Moran directional index was calculated for sampled values of simulated data, as a tool to assist in decision making regarding the existence of anisotropy. Then, this process was also used for soil chemical attributes, observed in an agricultural area with soybean cropping, referring to the agricultural year of 2014/2015. The directional spatial autocorrelation was effective in identifying geometric anisotropy for simulated data and soil chemical attributes. It also highlighted the directional difference among the thematic maps, when the existence of anisotropy is considered or not in the geostatistical model. / As técnicas de geoestatística contribuem para o entendimento das características da área em estudo, facilitam as tomadas de decisões em relação ao gerenciamento do sistema de produção agrícola e contribuem para o desenvolvimento sustentável em agricultura de precisão. A anisotropia é uma característica que influencia na precisão dos mapas temáticos que representam a variabilidade espacial do fenômeno estudado. Assim, esse trabalho tem por escopo utilizar o índice de Moran direcional na análise de anisotropia em variáveis georreferenciadas. O índice de Moran direcional foi calculado considerando modelos geoestatístico isotrópicos e anisotrópicos, com o intuito de evidenciar a diferença direcional que existe nos mapas temáticos quando se incorpora ou não a anisotropia no modelo geoestatístico. Para isso, foram utilizados dados simulados a partir de uma configuração amostral irregular, com cem pontos. Os dados foram simulados com uma estrutura de dependência espacial anisotrópica (geométrica) de acordo com um modelo exponencial, com ângulo de maior continuidade espacial igual a 90° (azimute) e variação do fator de anisotropia. O índice de Moran direcional foi calculado para os valores amostrais dos dados simulados, como ferramenta de auxílio na tomada de decisão quanto à existência de anisotropia. Posteriormente, esse processo também foi utilizado para os atributos químicos do solo observados em uma área agrícola com plantação de soja, referente ao ano agrícola de 2014/2015. A autocorrelação espacial direcional se apresentou eficaz para os dados simulados e os atributos químicos do solo, quanto à identificação da anisotropia geométrica e também para evidenciar a diferença direcional que existe nos mapas temáticos, quando se considera (ou não) a existência de anisotropia no modelo geoestatístico.

Submitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2018-09-06T14:42:33Z No. of bitstreams: 2 Leticia_Canton2018.pdf: 4218996 bytes, checksum: c5b6517613a487f781ed3cb408edc6ff (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-09-06T14:42:33Z (GMT). No. of bitstreams: 2 Leticia_Canton2018.pdf: 4218996 bytes, checksum: c5b6517613a487f781ed3cb408edc6ff (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-06 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Trading competition has demanded to the Brazilian agribusiness greater production at lower costs. Thus, the Precision Agriculture (AP) comes to light as an alternative, which can identify the spatial variability of physical and chemical soil properties, in order to better know the agricultural area and, consequently, raise crop yield standard. Regardless of the PA’s use, knowing the spatial variability of a variable in the agricultural area requires adequate sampling planning that allows collecting as few sample points as possible, avoiding too many costs and maintaining quality in sampling. Regardless of the PA’s management, it is required to know the spatial variability of a variable in an agricultural area and this also asks for an adequate sample planning that makes possible the collection of the least number of sampling points, in order to avoid too much cost and to keep quality in sampling. So, this trial aimed at reducing the number of sample points collected by calculating the effective sample size (ESS). The univariate and multivariate ESS value was estimated for georeferenced variables with normal probability distribution using two methodologies: Griffith and Vallejos and Osorio. This study was carried out with simulated data, varying the values of the nugget effect as well as the range attributed to the variables, and with physical-chemical attributes of a soil. Therefore, variables do not always have normal probability distribution, mainly due to the presence of discrepant points. Thus, the value of univariate effective sample size for stationary and isotropic stochastic processes was estimated, considering that the covariance structure had a t-Student probability distribution. According to the multivariate results from variables with normal probability distribution, there was a decrease in the number of sample points from 48% to 93%. In both univariate and multivariate cases, the estimated ESS was lower by the Griffith method, indicating that this suggestion can make feasible a larger decrease in sample size. Univariate results derived from attributes with Student’s t-distribution showed a decrease from 40% to 95% in the number of sample points. Such variation in the sample size is justified by the different values of the spatial dependence parameters presented by the variables. It was also recorded that the radius of spatial dependence was the parameter with the greatest influence on the estimated value of uni and multivariate ESS, and the higher its value, because the smaller the effective sample size, the larger is the decrease in the sample size. / A concorrência de mercado impõe ao agronegócio brasileiro que se produza mais a custos cada vez menores. Para tal, uma das alternativas é a utilização da Agricultura de Precisão (AP), que possibilita identificar a variabilidade espacial das propriedades físico-químicas do solo, de modo a conhecer melhor a área agrícola e, consequentemente, elevar o nível de produtividade das culturas. Independente do emprego da AP, é necessário conhecer a variabilidade espacial de uma variável na área agrícola e tal demanda exige planejamento amostral adequado que viabilize coletar o mínimo possível de pontos amostrais para evitar custos demasiados e manter a qualidade na amostragem. Um dos objetivos desse trabalho é reduzir o número de pontos amostrais coletados a partir do cálculo do tamanho amostral efetivo (ESS). Foi estimado o valor do ESS univariado e multivariado para variáveis georreferenciadas com distribuição normal de probabilidade utilizando-se duas metodologias: a de Griffith e a de Vallejos e Osorio. O estudo foi realizado com dados simulados, variando os valores do efeito pepita e alcance atribuídos às variáveis, e com atributos físico-químicos do solo. Nem sempre as variáveis têm distribuição normal de probabilidade, devido principalmente à presença de pontos discrepantes. Desta forma, estimou-se o valor do tamanho amostral efetivo univariado para processos estocásticos estacionários e isotrópicos, considerando-se que a estrutura de covariância apresentava distribuição de probabilidade t-Student. Diante dos resultados multivariados provenientes de variáveis com distribuição de probabilidade normal, constatou-se uma redução no número de pontos amostrais que variou entre 48% e 93%. Tanto no caso uni quanto multivariado, o valor estimado do ESS foi menor pelo método de Griffith, indicando que essa proposta viabiliza maior redução no tamanho amostral. Os resultados univariados derivados dos atributos com distribuição t-Student mostraram redução entre 40% e 95% no número de pontos amostrais. Tal variação na redução do tamanho amostral é justificada pelos diferentes valores dos parâmetros de dependência espacial apresentados pelas variáveis. Verificou-se ainda que o raio de dependência espacial foi o parâmetro que exerceu maior influência no valor estimado do ESS uni e multivariado, sendo que quanto maior seu valor, menor o tamanho amostral efetivo e, consequentemente, maior a redução no tamanho amostral.

Made available in DSpace on 2017-07-10T19:23:56Z (GMT). No. of bitstreams: 1 Ademir Natal Correa.pdf: 1505539 bytes, checksum: fd8e294f5766bf4043789d75eba28f1f (MD5) Previous issue date: 2007-07-16 / The objective of this study was to assess the relationship among soil physical attributes and their influences on wheat yield. For this purpose an estimating method, called State-Space Model or dynamic linear regression model, was used and compared to simple and multiple regression models of classical statistics. Experimental data were obtained at a Rhodic Ferralsol, originated from UNIOESTE Agricultural Engineering Experimental Nucleus Cascavel Campus, in an area where wheat was grown. In this area, 3 equally spaced transects, with 97 sampling points, 3.0 meters away from each other, were delimited. The State-Space approach was used to assess wheat yield estimate on position i, influenced by wheat yield, bulk density, soil compaction degree and soil resistance to penetration on position i-1 in different combination between data series of these variables. Applying the State-Space approach, all the response variables presented significant correlation with the dependent variable: soil resistance to penetration was the attribute with the best correlation, presenting R2 coefficient equal to 0.849. The other attributes had R2 coefficient of around 0.800. Comparing to conventional static models, soil resistance to penetration attribute had R2 coefficient equal to 0.102. The other attributes had R2 coefficient equal or less than 0.087, in conventional regression. Utilizing the State-Space approach, the two combinations that indicated the best results were: 1) between wheat yield and soil resistance to penetration that showed the best estimate to wheat yield with R2 coefficient equal to 0.849, while the same combination in conventional regression presented R2 equal to 0.102; 2) between wheat yield, soil compaction degree and soil resistance to penetration, with R2 coefficient equal to 0.836, while the same combination in classical regression presented R2 equal to 0.217. Thus, it is possible to show the advantage of the State-Space approach in relation to other more conventional regression methods for estimating and forecasting in soil-plant system relationship. / Este trabalho foi realizado com o objetivo de estudar o relacionamento entre os atributos físicos do solo e a influência destes na produtividade de trigo. Para isso, utilizou-se o método de estimação chamado de Modelo de Espaço de Estados ou modelo de regressão linear dinâmico, comparando-o aos modelos de regressão simples e múltipla da estatística clássica. Os dados experimentais foram obtidos em um Latossolo Vermelho-Escuro pertencente ao Núcleo Experimental de Engenharia Agrícola da Universidade Estadual do Oeste do Paraná Campus de Cascavel, em uma área cultivada com trigo. Foram demarcadas 3 transeções com 97 pontos de amostragem espaçados de 3 m entre si. A abordagem de Espaço de Estados foi usada para avaliar a estimativa da produtividade do trigo na posição i, influenciada por medidas da produtividade do trigo, da densidade do solo, do grau de compactação do solo e da resistência do solo à penetração na posição i-1, em diferentes combinações entre as séries de dados dessas variáveis. Com a aplicação da abordagem de Espaço de Estados, todas as variáveis explicativas utilizadas apresentaram correlação significativa com a variável dependente: a resistência do solo à penetração foi o atributo com a melhor correlação, apresentando o coeficiente de ajuste R2 igual a 0,849. Os demais atributos tiveram os coeficientes R2 em torno de 0,800. Comparando-se com os modelos estáticos convencionais, o atributo resistência do solo à penetração teve o coeficiente de ajuste R2 igual a 0,102 e os demais atributos tiveram os seus coeficientes R2 abaixo de 0,087, na regressão convencional. Utilizando a metodologia de Espaço de Estados, as duas combinações que indicaram os melhores resultados foram a combinação entre produtividade do trigo e resistência do solo à penetração, que apresentou a melhor estimativa para produtividade do trigo, com coeficiente R2 igual a 0,849. A mesma combinação na regressão convencional resultou em R2 igual a 0,102. A segunda melhor combinação ocorreu entre os atributos: produtividade do trigo, grau de compactação do solo e resistência do solo à penetração, com R2 igual a 0,836, sendo que a mesma combinação na regressão clássica teve o coeficiente R2 igual a 0,217. Com isso é possível mostrar-se a vantagem da abordagem de Espaço de Estados em relação a outros métodos de estimativa e previsão para o relacionamento no sistema solo-planta.

Submitted by isabela.moljf@hotmail.com (isabela.moljf@hotmail.com) on 2017-07-04T10:49:12Z No. of bitstreams: 1 noegonçalvesmarandubajunior.pdf: 5198881 bytes, checksum: 3f1e29bd2e9de467b1d25326adaff9cc (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-08-08T13:51:50Z (GMT) No. of bitstreams: 1 noegonçalvesmarandubajunior.pdf: 5198881 bytes, checksum: 3f1e29bd2e9de467b1d25326adaff9cc (MD5) / Made available in DSpace on 2017-08-08T13:51:50Z (GMT). No. of bitstreams: 1 noegonçalvesmarandubajunior.pdf: 5198881 bytes, checksum: 3f1e29bd2e9de467b1d25326adaff9cc (MD5) Previous issue date: 2007 / Minas Gerais apresenta grande heterogeneidade sócio-econômica. Assim, o problema fundamental é se as políticas regionais implementadas pelo governo foram eficazes (diminuindo as desigualdades do PIB per capita) e eficientes (contribuindo para o crescimento do PIB per capita) ao longo do período de 1999 a 2004. A metodologia consiste da Análise Exploratória de Dados Espaciais (AEDE) e de modelos de dados em painel com dependência espacial. Os resultados da AEDE destacam a importância dos efeitos espaciais para as variáveis investigadas. A análise espacial das taxas de crescimento econômico mostra a presença de dependência espacial nos dados. Municípios pobres tiveram altas taxas de crescimento; municípios ricos tiveram baixas taxas de crescimento. A análise econométrica indica que a política da Lei Robin Hood não foi eficiente nem foi eficaz. Pelo contrário, acabou intensificando as desigualdades de renda em Minas Gerais. A política do Fundo de Participação dos Municípios e a política da carga tributária municipal, apesar de não terem sido eficientes, foram eficazes. A pesquisa revela que houve convergência condicional do PIB per capita. A velocidade de convergência é lenta (0,012%), com uma meia-vida de mais de 50 anos. Este resultado mostra a necessidade de se repensar as políticas regionais de forma a se acelerar esse processo (a literatura indica que alta convergência ocorre quando essa velocidade é cerca de 2%). As variáveis que contribuíram positivamente para o crescimento foram: meio industrial, mercado regional, capital humano dos municípios vizinhos e carga tributária dos municípios vizinhos. Aquelas variáveis que, ao contrário, influenciaram negativamente foram: densidade demográfica, taxa de crime, transferências da Lei Robin Hood, meio industrial dos municípios vizinhos, densidade demográfica dos municípios vizinhos, taxa do crime dos municípios vizinhos, transferências da Lei Robin Hood aos municípios vizinhos e fundo de participação dos municípios vizinhos. Estes resultados auxiliam na elaboração de políticas regionais, por apontarem quais variáveis mais contribuem para o crescimento e para a redução das disparidades de renda regional entre os municípios. Por fim, conclui-se que o mercado por si só não se revelou capaz de dirimir as desigualdades regionais, sendo que as políticas regionais parecem desempenhar um papel neste processo. Contudo, a existência de políticas regionais por si só não parece garantir que elas sejam eficientes e eficazes. É preciso delineá-las adequadamente com vistas a que alcancem as propriedades da eficiência e da eficácia. / Minas Gerais State presents big socio-economic differences. Thus, the key question is to find out if the regional policies implemented by the government were efficacious (in terms of reducing GDP per capita inequalities) and efficient (in terms of contributing to the GDP per capita growth) over the period 1999-2004. The methodology adopted is the Exploratory Spatial Data Analysis (ESDA) and panel date models with spatial dependence. The results of the ESDA stress the importance of the spatial effects for the variables investigated. The spatial analysis of the economic growth rates shows the presence of spatial dependence in the data. Poor municipalities had high growth rates; rich municipalities had low growth rates. The econometric analysis indicates that Robin Hood Act was neither efficacious nor efficient. On the contrary, this act finished intensifying regional income inequalities in Minas Gerais State. The regional policies represented by tax transferences from FPM and the regional policy of the tax burden, although they have not been efficient, were efficacious. In addition to, the findings reveal that there was conditional convergence of the GDP per capita. In despite of this, the convergence speed is slow (0,012%), with a half-life of more than fifty years. This result sheds light to the need to rethink the regional policies with the objective of speeding up this process (literature indicates that high convergence occurs when this speed is about 2%). The variables that had a positive contribution to the growth were: industrial environment, regional market, neighboring municipality human capital and neighboring municipality tax burden. Those variables, in turn, that had a negative influence over growth were: demographic density, crime rates, tax transferences from the Robin Hood Act, neighboring municipality industrial environment, neighboring municipality demographic density, neighboring municipality crime rates, tax transferences from the Robin Hood Act towards to neighboring municipalities and tax transferences from the FPM towards to the neighboring cities. These findings help to elaborate regional policies by pinpointing which variables are more important in order to contribute to the growth and to reduce regional income disparities among municipalities. Finally, one concludes that the market by itself is not able to nullify regional inequalities, thereby regional policies seem to play a role in this process. However, the presence of regional policies by itself does not seem to guarantee that these policies are efficient and efficacious. It is necessary to delineate them properly in order to reach the properties of efficiency and efficaciousness.

Made available in DSpace on 2017-07-10T19:24:46Z (GMT). No. of bitstreams: 1 Marcio Paulo de Oliveira.pdf: 1960743 bytes, checksum: 7438fe00d388d47b01b27d6cfdf2e229 (MD5) Previous issue date: 2010-02-04 / The knowledge about soil and plant attributes is important for the improvement of agricultural management. Intense tillage activities may induce not only alterations in the soil attributes but also decrease in productivity. Studies directed to the soil and plant spatial variability identification and the relations amid these variables are tools for agriculture, with the potential to increase productivity. The data set for this study was sampled in a Rhodic Acrudox soil, at a farmland that has been being cultivated for over five years under no-tillage system, with soybean and wheat in crop succession. At 252 m long transect, 84 points were demarcated, with 3 m of spacing between each of them. The relations between soybean productivity and soil water content, micro, macro and total porosity, soil density and soil resistance to penetration at 0,0-0,10 m and 0,10-0,20 m deep layers, were evaluated, as well as the respective variabilities. The relations between soybean productivity and soil attributes were determined using simple and cross correlations, followed by the state space models determinations, compared to linear and multiple regression models. The results have shown that the soybean productivity and soil mechanical resistance variables presented not only autocorrelation structure but also crosscorrelation structure. The state space models, relating to the soybean productivity at a point i, with the same attribute at point i-1, at the two layers, were more efficient than the equivalent models in simple and multiple regression. With geoestatistics, the spatial dependence structure was determined with envelopes and models for the semivariograms, allowing identification and classification of the spatial dependence for the variables under study. The thematic maps were obtained with simple kriging and indicated the soil attributes behavior, related to the soybean productivity. / O conhecimento do comportamento dos atributos do solo e da planta é importante para a melhoria das práticas agrícolas. A intensa atividade de cultivo pode provocar modificações dos atributos do solo e reduzir a produtividade de uma cultura em determinada região. Os estudos que visam identificar a variabilidade espacial dos atributos do solo e da planta e a relação entre esses atributos surgem como um recurso para a agricultura, podendo ser utilizados para realização de um manejo adequado dos recursos disponíveis, ampliando a produtividade e preservando o meioambiente. Os dados para a realização deste estudo foram obtidos em um Latossolo Vermelho distroférrico, em uma área cultivada há mais de cinco anos com alternância entre as culturas de soja e trigo, com o sistema de plantio direto. Em uma transeção de 252 m de comprimento foram demarcados 84 elementos amostrais, espaçados de 3 m entre si. As relações da produtividade da soja com os seguintes atributos físicos e hídricos do solo: teor de água no solo, microporosidade, macroporosidade e porosidade total do solo, densidade do solo e resistência mecânica do solo à penetração, nas camadas 0,0-0,10 m e 0,10-0,20 m, foram avaliadas bem como a variabilidade espacial desses atributos. A relação entre a produtividade da soja e os atributos do solo foi determinada através das correlações simples e cruzada entre os elementos amostrais de cada atributo, seguida da estimação dos modelos em espaço de estados, comparados aos modelos equivalentes em regressão linear múltipla. Os resultados mostraram que as variáveis produtividade da soja e resistência do solo a penetração apresentaram estrutura de autocorrelação e de correlação cruzada entre si. Os modelos estimados em espaço de estados, relacionando a produtividade da soja em um ponto i com a produtividade da soja e resistência do solo a penetração nas duas camadas no ponto i -1 mostraram-se mais eficientes do que os modelos equivalentes estimados em regressão linear simples e múltipla. Por meio da geoestatística, a estrutura de dependência espacial foi avaliada por meio dos envelopes e modelos para os semivariogramas experimentais, permitindo identificar e classificar a dependência espacial das variáveis em estudo. Os mapas temáticos foram obtidos por meio de interpolação por krigagem ordinária e indicaram o comportamento dos atributos do solo ligadas a produtividade da soja.

Made available in DSpace on 2017-05-12T14:48:09Z (GMT). No. of bitstreams: 1 Marcio Paulo de Oliveira.pdf: 1960743 bytes, checksum: 7438fe00d388d47b01b27d6cfdf2e229 (MD5) Previous issue date: 2010-02-04 / The knowledge about soil and plant attributes is important for the improvement of agricultural management. Intense tillage activities may induce not only alterations in the soil attributes but also decrease in productivity. Studies directed to the soil and plant spatial variability identification and the relations amid these variables are tools for agriculture, with the potential to increase productivity. The data set for this study was sampled in a Rhodic Acrudox soil, at a farmland that has been being cultivated for over five years under no-tillage system, with soybean and wheat in crop succession. At 252 m long transect, 84 points were demarcated, with 3 m of spacing between each of them. The relations between soybean productivity and soil water content, micro, macro and total porosity, soil density and soil resistance to penetration at 0,0-0,10 m and 0,10-0,20 m deep layers, were evaluated, as well as the respective variabilities. The relations between soybean productivity and soil attributes were determined using simple and cross correlations, followed by the state space models determinations, compared to linear and multiple regression models. The results have shown that the soybean productivity and soil mechanical resistance variables presented not only autocorrelation structure but also crosscorrelation structure. The state space models, relating to the soybean productivity at a point i, with the same attribute at point i-1, at the two layers, were more efficient than the equivalent models in simple and multiple regression. With geoestatistics, the spatial dependence structure was determined with envelopes and models for the semivariograms, allowing identification and classification of the spatial dependence for the variables under study. The thematic maps were obtained with simple kriging and indicated the soil attributes behavior, related to the soybean productivity. / O conhecimento do comportamento dos atributos do solo e da planta é importante para a melhoria das práticas agrícolas. A intensa atividade de cultivo pode provocar modificações dos atributos do solo e reduzir a produtividade de uma cultura em determinada região. Os estudos que visam identificar a variabilidade espacial dos atributos do solo e da planta e a relação entre esses atributos surgem como um recurso para a agricultura, podendo ser utilizados para realização de um manejo adequado dos recursos disponíveis, ampliando a produtividade e preservando o meioambiente. Os dados para a realização deste estudo foram obtidos em um Latossolo Vermelho distroférrico, em uma área cultivada há mais de cinco anos com alternância entre as culturas de soja e trigo, com o sistema de plantio direto. Em uma transeção de 252 m de comprimento foram demarcados 84 elementos amostrais, espaçados de 3 m entre si. As relações da produtividade da soja com os seguintes atributos físicos e hídricos do solo: teor de água no solo, microporosidade, macroporosidade e porosidade total do solo, densidade do solo e resistência mecânica do solo à penetração, nas camadas 0,0-0,10 m e 0,10-0,20 m, foram avaliadas bem como a variabilidade espacial desses atributos. A relação entre a produtividade da soja e os atributos do solo foi determinada através das correlações simples e cruzada entre os elementos amostrais de cada atributo, seguida da estimação dos modelos em espaço de estados, comparados aos modelos equivalentes em regressão linear múltipla. Os resultados mostraram que as variáveis produtividade da soja e resistência do solo a penetração apresentaram estrutura de autocorrelação e de correlação cruzada entre si. Os modelos estimados em espaço de estados, relacionando a produtividade da soja em um ponto i com a produtividade da soja e resistência do solo a penetração nas duas camadas no ponto i -1 mostraram-se mais eficientes do que os modelos equivalentes estimados em regressão linear simples e múltipla. Por meio da geoestatística, a estrutura de dependência espacial foi avaliada por meio dos envelopes e modelos para os semivariogramas experimentais, permitindo identificar e classificar a dependência espacial das variáveis em estudo. Os mapas temáticos foram obtidos por meio de interpolação por krigagem ordinária e indicaram o comportamento dos atributos do solo ligadas a produtividade da soja.

Made available in DSpace on 2015-03-26T13:32:11Z (GMT). No. of bitstreams: 1 texto completo.pdf: 446864 bytes, checksum: 1ba8efc18a08b922adc7e2c5eb3dc55c (MD5) Previous issue date: 2011-02-24 / The aim of this study was to evaluate the efficiency of spatial analysis, which considers spatially dependent errors, for classification of common bean families in relation to traditional analysis in randomized blocks and lattice that assuming independent errors. Were considered different degrees of spatial dependence and experimental precision. Were taken as reference to simulate the results of seven experiments carried out in simple square lattice for genetic evaluation of yield (g/plot) of families and bean cultivars of winter crops and water used in 2007 and 2008. From the results presented in the simulation, it was possible to assess the quality of their experiments based on different analysis (Block, lattice and Spatial) and simulated average of 100 families in different scenarios for Spatial Dependence (DE) and Accuracy Selective (AS). In the process of simulation, the average yield (645 g/plot) and the residual variance (7744.00), was defined based on the analysis results of the tests in blocks of bean breeding program at UFV. To make up the four simulated scenarios were considered magnitude of spatial dependence (null, low, medium and high), corresponding to ranges of 0, 25, 50 and 100% of the maximum distance between plots. Were also simulated three classes of selective accuracy (0.95, 0.80 and 0.60), corresponding to the experimental precision very high, high and average, respectively. The actual classification of families was used to evaluate the efficiency of analysis methods tested by Spearman correlation applied to orders and genotypic classification of Selection Efficiency between classifications based on tested methodologies and the actual classification for the selection of 10, 20 and 30% of the best families. To compare the efficiency of adjustment of the models tested, was used the Akaike information criterion (AIC), based on likelihood. Spatial analysis has provided estimates of residual variance very close to the simulated residual variance and higher selective accuracy estimated in all scenarios, indicating greater experimental accuracy. With the reduction in the accuracy and selective increase in spatial dependence, there was greater influence of analysis on the classification of families, and the spatial analysis showed the best results, providing more efficient selection of bean families than traditional analysis of randomized blocks and lattice, mainly for the selection of fewer families. The results for selective accuracy estimated on the basis of F statistics were very close to those obtained with the Spearman correlation between estimated and simulated averages for families, indicating that the accuracy should be used selectively as a measure of experimental precision tests of genetic evaluation. / O objetivo deste trabalho foi avaliar a eficiência da análise Espacial, que considera erros dependentes espacialmente, para classificação de famílias de feijoeiro em relação às análises tradicionais em blocos casualizados e em látice que assumem erros independentes. Considerou-se diferentes graus de dependência espacial e de precisão experimental. Foram tomados como referência para simulação os resultados de sete ensaios instalados em látice quadrado simples para avaliação genética da produtividade de grãos (g/parcela) de famílias e cultivares de feijoeiro das safras de inverno e das águas de 2007 e 2008. A partir dos resultados apresentados na simulação, foi possível avaliar a qualidade dos respectivos experimentos com base nas diferentes análises (Bloco, Látice e Espacial) e médias simuladas das 100 famílias nos diferentes cenários para Dependência Espacial (DE) e Acurácia Seletiva (AS). No processo de simulação, a média de produção (645 g/parcela), bem como a variância residual (7744,00), foi definida com base nos resultados de análises em blocos de ensaios do programa de melhoramento do feijoeiro da UFV. Para a composição dos cenários simulados foram consideradas quatro magnitudes de dependência espacial (nula, baixa, média e alta), correspondendo aos alcances 0, 25, 50 e 100% da distância máxima entre parcelas. Também foram simuladas três classes de acurácia seletiva (0,95, 0,80 e 0,60), correspondente a precisão experimental muito alta, alta e média, respectivamente. A classificação real das famílias foi utilizada para avaliar a eficiência das metodologias de análise testadas através da correlação de Spearman aplicada às ordens de classificação genotípica e da Eficiência de Seleção entre classificações com base nas metodologias testadas e na classificação real, para a seleção de 10, 20 e 30% das melhores famílias. Para comparar a eficiência de ajuste dos modelos testados, foi utilizado o critério de Informação de Akaike (AIC), baseado em verossimilhança. A análise Espacial apresentou estimativas de variância residual muito próxima da variância residual simulada e maior acurácia seletiva estimada em todos os cenários, indicando maior precisão experimental. Com a redução na acurácia seletiva e aumento na dependência espacial, observou-se maior influência do tipo de análise sobre a classificação das famílias, sendo que a análise espacial apresentou os melhores resultados, proporcionando seleção mais eficiente das famílias do feijoeiro do que as análises tradicionais em Látice e em Blocos casualizados, principalmente, para seleção de menor número de famílias. Os resultados para acurácia seletiva estimada em função da estatística F foram muito próximos aos obtidos para a correlação de Spearman entre médias estimadas e simuladas para as famílias, indicando que a acurácia seletiva deve ser utilizada como medida de precisão experimental nos ensaios de avaliação genética.

Made available in DSpace on 2014-08-20T14:36:59Z (GMT). No. of bitstreams: 1 Dissertacao_Leandro_Sanzi_Aquino.pdf: 2633860 bytes, checksum: eeb09c0678ebe75556f513e8a4e089b7 (MD5) Previous issue date: 2010-02-25 / Soil land leveling is a technique used in low land areas and has the objective to improve agricultural use to facilitate the management of water both for irrigation and drainage operations, for the establishment of agricultural practices and crop harvest. However, it causes changes in the physical environment where the plant grows, and many studies have sought to identify the effect of this practice in the structure of soil spatial variability and in the relationship between the hydric-physical and chemical soil attributes. Thus, the objective of this study was to identify and characterize the structure of spatial variability of soil hydric-physical and chemical attributes of a low land soil, before and after land leveling, and to study the relationship between these soil attributes through an autoregressive state space model. In an experimental area of 0.81 ha belongs to Embrapa Clima Temperado situated in Capão do Leão county, state of Rio Grande do Sul, Brazil, was established a regular grid of 100 points spaced 10 m apart in both directions. At each point, soil disturbed and undisturbed samples were collected at the depth of 0-0.20 m to determine, before and after land leveling, the following soil attributes: clay, silt and sand contents, soil macroporosity, soil microporosity and soil total porosity, soil bulk density and soil water content at field capacity and permanent wilting point, soil organic carbon and cation exchange capacity. All data sets were organized into a spreadsheet in the form of a spatial transect consisting of 100 points and they were ordered following the gradient slope area resulting from the soil land leveling. Autocorrelograms and crosscorrelograms were built to evaluate the structure of spatial correlation of all soil attributes having served as a subsidy for the selection of variables in each autoregressive state-space model. The results show that the soil land leveling changed the structure of soil spatial dependence of all variables and between them as well. The soil cation exchange capacity and soil microporosity variables were the variables that made up the largest number of state space models, before and after soil land leveling. The contribution of the each variable at position i-1 to estimate its value at position increased to the sand content, silt content, soil bulk density, soil microporosity, soil macroporosity, soil water content at permanent wilting point, soil organic carbon and cation exchange capacity variables and decreased to soil water content at field capacity variable after land leveling. Soil land leveling improved the state space model performance for soil organic carbon content, sand content, soil bulk density, soil total porosity and soil water content at field capacity and permanent wilting point variables. The worst state space model performances, after soil land leveling, were found taking silt content, soil microporosity and cation exchange capacity variables as response variables. The best state space model performance, before land leveling, was obtained taking the soil total porosity as response variable. / A sistematização do solo é uma técnica utilizada em regiões planas, com características de várzea, e tem por objetivo aperfeiçoar o uso agrícola facilitando o manejo da água tanto de irrigação como de drenagem, as operações de implantação da lavoura, de tratos culturais e de colheita. No entanto, a sistematização do solo provoca alterações no ambiente físico onde a planta se desenvolve, sendo que muitos estudos têm buscado identificar o efeito dessa prática na estrutura de variabilidade espacial e no relacionamento entre os atributos físico-hídricos e químicos do solo. Dessa forma, o objetivo deste trabalho foi identificar e caracterizar a estrutura de variabilidade espacial dos atributos físico-hídricos e químicos de um solo de várzea, antes e depois da sistematização, assim como estudar o relacionamento entre esses atributos por meio de um modelo autoregressivo de espaço de estados. Em uma área experimental de 0,81 ha pertencente a Embrapa Clima Temperado, Capão do Leão-RS, foi estabelecida uma malha regular de 100 pontos, espaçados de 10 m entre si em ambas as direções. Em cada ponto foram coletadas amostras de solo deformadas e com estrutura preservada na profundidade de 0-0,20 m para a determinação, antes e depois da sistematização, dos teores de argila, silte e areia, macroporosidade, microporosidade e porosidade total, densidade do solo, conteúdo de água retido na capacidade de campo e ponto de murcha permanente, carbono orgânico e capacidade de troca de cátions. Os dados foram organizados em uma planilha de cálculo na forma de uma transeção espacial composta de 100 pontos e foram ordenados seguindo o gradiente de declividade da área resultante do processo de sistematização do solo. Para avaliar a estrutura de correlação espacial foram construídos autocorrelogramas e crosscorrelogramas que serviram de subsídio para a seleção de variáveis em cada um dos modelos autoregressivos de espaço de estados. Os resultados mostram que a sistematização do solo alterou a estrutura de dependência espacial tanto da variável como entre as variáveis deste estudo. A capacidade de troca de cátions e a microporosidade do solo foram as variáveis que compuseram o maior número de modelos de espaço de estados, antes e depois da sistematização. A contribuição da variável na posição i-1 na estimativa na posição i, por meio do modelo autoregressivo de espaço de estados, aumentou com a sistematização para as variáveis teor de areia, teor de silte, densidade do solo, microporosidade, macroporosidade, conteúdo de água no solo retido no ponto de murcha permanente, carbono orgânico e da capacidade de troca de cátions; e diminuiu para a variável conteúdo de água no solo retido na capacidade de campo.A sistematização do solo melhorou a estimativa, por meio dos modelos de espaço de estados, das variáveis carbono orgânico, teor de areia, densidade do solo, macroporosidade e do conteúdo de água no solo retido na capacidade de campo e no ponto de murcha permanente, sendo o modelo da variável porosidade total, antes da sistematização, que apresentou o melhor desempenho. Já os piores desempenhos dos modelos, depois da sistematização do solo, foram encontrados quando utilizadas as variáveis teor de silte, microporosidade e capacidade de troca de cátions como resposta.