Made available in DSpace on 2017-07-10T19:24:53Z (GMT). No. of bitstreams: 1 Franciele_texto.pdf: 972546 bytes, checksum: 4159555de632249d0c83764a3aecc74c (MD5) Previous issue date: 2011-07-07 / Studies on spatial variability of soybeans yield are of great importance for the development of new technologies that improve the world agricultural production. One of methods that allows this study is geostatistics. The geostatistical analysis makes possible the predictions of results and one of its products are thematic maps. Thus, this trial describes some techniques to draw and compare thematic maps using kriging. The analysis was based on data from soybean yield in t ha−1 according to harvest year 2004/2005 in an experimental area with sampling grades whose distances were: 25x25 m, 50x50 m, 75x75 m and 100x100 m plus a harvest monitor. The maps were compared using error matrix and confusion matrix. In addition, there was a better accuracy of the spatial variability maps that were drawn, while the analysis of coefficients of accuracy allows a better planning of sampling mesh for future studies. The measures of accuracy that were obtained by error matrix are significant options to make comparison among thematic maps, once they provide global indices and also by classes. / Com o aumento da produção agrícola mundial, o processo de produção agrícola tornou-se alvo do estudo de diversos pesquisadores. Estudos sobre a variabilidade espacial da produtividade da soja são de grande importância para o desenvolvimento de novas tecnologias, que beneficiam a agricultura. A análise geoestatística torna possível realizar previsões dos resultados, tendo como um de seus produtos os mapas temáticos. Este trabalho descreve algumas técnicas para a construção e comparação de mapas temáticos, utilizando a krigagem. A análise foi realizada com dados da produtividade de soja em t ha−1 do ano agrícola 2004/2005 numa área experimental com grades de amostragem com distâncias de 25x25 m, 50x50 m, 75x75 m, 100x100 m e monitor de colheita, comparando-se os mapas, utilizando a matriz de erros e a matriz de confusão. Além de uma melhor precisão dos mapas de variabilidade espacial gerados, a análise dos índices de acurácia possibilita um melhor planejamento das malhas amostrais para futuros estudos. As medidas de acurácia obtidas por meio da matriz de erros são opções significativas para realizar a comparação entre mapas temáticos, uma vez que fornecem índices globais e também por classes.

Made available in DSpace on 2017-05-12T14:48:16Z (GMT). No. of bitstreams: 1 Franciele_texto.pdf: 972546 bytes, checksum: 4159555de632249d0c83764a3aecc74c (MD5) Previous issue date: 2011-07-07 / Studies on spatial variability of soybeans yield are of great importance for the development of new technologies that improve the world agricultural production. One of methods that allows this study is geostatistics. The geostatistical analysis makes possible the predictions of results and one of its products are thematic maps. Thus, this trial describes some techniques to draw and compare thematic maps using kriging. The analysis was based on data from soybean yield in t ha−1 according to harvest year 2004/2005 in an experimental area with sampling grades whose distances were: 25x25 m, 50x50 m, 75x75 m and 100x100 m plus a harvest monitor. The maps were compared using error matrix and confusion matrix. In addition, there was a better accuracy of the spatial variability maps that were drawn, while the analysis of coefficients of accuracy allows a better planning of sampling mesh for future studies. The measures of accuracy that were obtained by error matrix are significant options to make comparison among thematic maps, once they provide global indices and also by classes. / Com o aumento da produção agrícola mundial, o processo de produção agrícola tornou-se alvo do estudo de diversos pesquisadores. Estudos sobre a variabilidade espacial da produtividade da soja são de grande importância para o desenvolvimento de novas tecnologias, que beneficiam a agricultura. A análise geoestatística torna possível realizar previsões dos resultados, tendo como um de seus produtos os mapas temáticos. Este trabalho descreve algumas técnicas para a construção e comparação de mapas temáticos, utilizando a krigagem. A análise foi realizada com dados da produtividade de soja em t ha−1 do ano agrícola 2004/2005 numa área experimental com grades de amostragem com distâncias de 25x25 m, 50x50 m, 75x75 m, 100x100 m e monitor de colheita, comparando-se os mapas, utilizando a matriz de erros e a matriz de confusão. Além de uma melhor precisão dos mapas de variabilidade espacial gerados, a análise dos índices de acurácia possibilita um melhor planejamento das malhas amostrais para futuros estudos. As medidas de acurácia obtidas por meio da matriz de erros são opções significativas para realizar a comparação entre mapas temáticos, uma vez que fornecem índices globais e também por classes.

Submitted by BRUNO TIMÓTEO RODRIGUES null (brunogta21@gmail.com) on 2016-09-28T19:47:11Z No. of bitstreams: 1 Dissertação Mestrado Bruno.pdf: 17780320 bytes, checksum: 9ae4b184379c35c8b718ffc683ad0b0f (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-09-30T18:20:40Z (GMT) No. of bitstreams: 1 rodrigues_bc_me_bot.pdf: 17780320 bytes, checksum: 9ae4b184379c35c8b718ffc683ad0b0f (MD5) / Made available in DSpace on 2016-09-30T18:20:40Z (GMT). No. of bitstreams: 1 rodrigues_bc_me_bot.pdf: 17780320 bytes, checksum: 9ae4b184379c35c8b718ffc683ad0b0f (MD5) Previous issue date: 2016-07-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Os novos sensores orbitais e a aquisição contínua de imagens da superfície terrestre têm oferecido um volume e variedade cada vez maior de dados a comunidade de sensoriamento remoto. Como exemplo desse novo segmento da modelagem ambiental, o projeto SRTM assim como o ASTER, obtendo como produtos Modelos Digitais de Terreno (MDT) de até 80% da área terrestre do planeta. Este trabalho teve como objetivo avaliar a qualidade e precisão de dados altimétricos obtidos em Modelos Digitais de Elevação (MDEs). Para tanto, foi elaborado um mapa altimétrico base (Verdade terrestre), o qual foi comparado, por analise do Indice Kappa, com três modelos digitais de terreno (MDT) obtidos dos projetos TOPODATA, SRTM 30 metros e ASTER. De acordo com a avaliação expressa pela Matriz de Confusão gerada a partir da Altimetría do TOPODATA cruzada a Verdade Terrestre, 19 das 26 classes de informações altimétricas apresentadas não tiveram os seus maiores valores expressos nos respectivos eixos principais das classes confrontadas com a verdade terrestre da área, constatando um bom grau de acuracidade nos dados classificados do cruzamento do TOPODATA com a Verdade Terrestre. Observou-se que as classes que apresentaram os maiores valores um nível abaixo do eixo principal da matriz de confusão se localizam exatamente na região que corresponde à área com declividade muito acentuada, se tratando da feição geomorfológica da Cuesta. Desta forma considera-se que a resolução espacial das imagens provenientes dos sensores de radar, neste caso o arquivo do TOPODADA, está diretamente ligada com a baixa acurácia em áreas de grandes declividades, pois quanto maior o tamanho do pixel, maior a dificuldade de capturar diferenças abruptas de declividade. No Modelo digital de elevação do sensor de Radar SRTM 30m, apenas 2 das 26 classes de informações altimétricas apresentadas não tiveram os seus maiores valores expressos nos respectivos eixos principais das classes confrontadas com a verdade terrestre da área. Dessa forma, pode-se verificar um bom grau de acuracidade nos dados classificados. Para os dados analisados do sensor ASTER confrontados com a Verdade Terrestre, assim como os dados do SRTM 30m, somente 2 das 26 classes de informações altimétricas apresentadas não tiveram os seus maiores valores expressos nos respectivos eixos principais das classes confrontadas com a verdade terrestre. Desta forma, também considera um bom grau de acuracidade do cruzamento do dados classificados dos sensores ASTER com a Verdade Terrestre. Por fim, observou-se que o sensor de radar SRTM 30 metros exibiu o melhor dos MDEs analisados, por apresentar resultados de índice Kappa, com 3,798% de acertos a mais em relação ao sensor ASTER e 6,43% a mais que o dados do TOPODATA. / The new orbital sensors and continuous acquisition of land surface images have offered a volume and increasing variety of data to remote sensing community. As an example of this new segment of the environmental modeling, SRTM project as well as ASTER, obtaining as products Digital Terrain Models (DTM) of up to 80% of the Earth's land area. To evaluate the quality and accuracy of altimetry data from Digital Elevation Models (DEMs). Thus, a altimetry basemap (terrestrial Truth) was prepared which was compared by analysis of Kappa Index, with three digital terrain models (DTM) obtained from TOPODATA projects, SRTM and ASTER 30 meters. According to the evaluation expressed by the confusion matrix generated from the altimetry of cross TOPODATA Truth Land, 19 of the 26 classes presented altimetric information did not have their greatest values expressed in the respective main axes of the classes faced with the ground truth area , finding a good degree of accuracy in the data classified as TOPODATA the intersection with Road Truth. It was observed that the classes that showed the highest values one level below the main confusion matrix axis is located exactly in the region that corresponds to the area with very steep slopes, in the case of geomorphological feature of Cuesta. Thus it is considered that the spatial resolution from images of the radar sensors, in this case TOPODADA file is directly connected with the low accuracy in areas of great slope, because the larger the pixel size, the more difficult to capture sharp differences in steepness. In the digital elevation model of the radar sensor SRTM 30m, only 2 of the 26 classes of altimetric information submitted have not had their highest values expressed in the respective main axes of the classes faced with the ground truth of the area. Thus, it can be seen a good degree of accuracy in the data sorted. For the analyzed data ASTER faced with the Earth Truth, as well as data from SRTM 30m, only 2 of the 26 classes of altimetric information submitted have not had their highest values expressed in the respective main axes of the classes faced with the ground truth. Thus, also considers a good degree of accuracy of the data crossing the classified ASTER sensors with the Earth Truth. Finally, there was the SRTM 30 meters radar sensor exhibited the best of MOUs analyzed by presenting the results of Kappa index, 3.798% of the more hits against the ASTER and 6.43% more than the data the TOPODATA.

Submitted by Milena Rubi (milenarubi@ufscar.br) on 2017-02-15T14:11:09Z No. of bitstreams: 1 FERREIRA_Larissa_2015.pdf: 46221411 bytes, checksum: ae8a0358ebf5e33024f58e5c75dae037 (MD5) / Approved for entry into archive by Milena Rubi (milenarubi@ufscar.br) on 2017-02-15T14:11:21Z (GMT) No. of bitstreams: 1 FERREIRA_Larissa_2015.pdf: 46221411 bytes, checksum: ae8a0358ebf5e33024f58e5c75dae037 (MD5) / Approved for entry into archive by Milena Rubi (milenarubi@ufscar.br) on 2017-02-15T14:11:31Z (GMT) No. of bitstreams: 1 FERREIRA_Larissa_2015.pdf: 46221411 bytes, checksum: ae8a0358ebf5e33024f58e5c75dae037 (MD5) / Made available in DSpace on 2017-02-15T14:11:38Z (GMT). No. of bitstreams: 1 FERREIRA_Larissa_2015.pdf: 46221411 bytes, checksum: ae8a0358ebf5e33024f58e5c75dae037 (MD5) Previous issue date: 2015-11-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Some conservation actions require the knowledge of the geographical distribution of species, however, this knowledge is far from being achieved for most species. The species distribution models (SDMs) have proved a useful tool to predict the distribution of species and guide field research to find new records. The SDMs using field data occurrence and environmental variables to indicate potential sites for the occurrence of a species. The quality and quantity of the data used are important to a successful result prediction models and application to conservation. The choice of environmental data and the algorithm and their settings are important for the development of models, the choice of these variables have directly influences to the quality of the models. Another very important step in modeling is the quality assessment and validation of the model, is that it may decrease the risk of accepting as true models with gross errors. The objective of this study is to evaluate the applicability of models generated by MaxEnt to find new populations of plants considering different data configurations used. For this, considering that the field validation is the most appropriate in the literature, but the most costly, the first chapter proposes a validation methodology of the models as easy application field. The methodology was able to find new records in the field, therefore, indicated for the validation of models. In the second chapter, knowing of the existence of a wide variety of variables that influence the performance of the models, the aim was to test the influence of the sample size, the spatial bias, the set of climate data and settings available for the MaxEnt algorithm in the areas of prediction potential distribution. The results demonstrated that the use of sampling and climate data restricted to the limit of the study area and also the use of soil data generate more accurate models. / Algumas ações conservacionistas necessitam do conhecimento da distribuição geográfica das espécies, porém, esse conhecimento está longe de ser alcançado para a maioria das espécies. Os modelos de distribuição de espécies (MDEs) têm se mostrado uma ferramenta útil para prever a distribuição das espécies e guiar pesquisas de campo para encontrar novos registros. Os MDEs utilizam dados de ocorrência e variáveis ambientais para indicar locais potenciais para a ocorrência de uma espécie. A precisão e quantidade dos dados utilizados são importantes para um bom resultado de predição dos modelos e aplicação à conservação. A escolha dos dados ambientais e do algoritmo e suas configurações são essenciais para o desenvolvimento dos modelos, pois influenciam diretamente na qualidade dos mesmos. Outra etapa bastante importante na modelagem é a validação do modelo, pois é ela que diminui o risco de aceitar como verdadeiros modelos que possuem erros grosseiros. O objetivo principal deste estudo é avaliar a aplicabilidade de modelos gerados pelo MaxEnt para encontrar populações de plantas, considerando diferentes configurações dos dados utilizados. Para isso o primeiro capítulo propõe uma metodologia de validação dos modelos em campo de fácil aplicação, uma vez que a validação em campo é a mais indicada pela literatura. A metodologia proposta no capítulo um é uma adaptação ao método de “caminhamento” ou método expedito de levantamento e caracterização da vegetação. A metodologia proposta foi eficaz para a localização das espécies em campo e mostrou que a caracterização da vegetação é uma etapa importante para a interpretação dos resultados, uma vez que explicou a ausência de duas espécies em áreas onde o modelo havia previsto presença. Apresenta como principal desvantagem a necessidade de pessoas experientes para o reconhecimento das espécies de plantas para a sua aplicação de forma agilizada. No segundo capítulo, foi testada a influência da área de amostragem, do conjunto de dados climáticos e das configurações do algoritmo Maxent na predição de áreas potenciais de distribuição. Os resultados obtidos demonstraram que o uso de dados amostrais e climáticos restritos aos limites da área de interesse para a busca das espécies e a inclusão de dados de solo geram modelos mais acurados. Mostrou também que as diferentes configurações do Maxent geraram modelos muito similares.

The retrieval of similar images in databases is a wide and complex research field that shows a great demand for good performance applications. The increasing volume of information available in the Internet and the success of textual search engines motivate the development of tools that make possible image searches by content similarity. Many features can be applied in determining the similarity between images, such as size, color, shape, color variation, texture, objects and their spatial distribution, among others. Texture and color are the most important features which allow a preliminary analysis of image similarity. This dissertation presents many techniques introduced in the literature, which analyze texture and color. Some of them were implemented, their performances were compared and the results were presented. This comparison allows the determination of the best techniques, making possible the analysis of their applicability and can be used as a reference in future works. The quantitative performance analyses were done using the ANMRR metric, defined in the MPEG-7 standard, and the confusion matrices were presented for each of the tested techniques. Two groups of quantitative tests were realized: the first one was applied upon a gray scale texture database and the second one, upon a color image database. For the experiment with the gray scale texture images, the techniques PBLIRU16, MCNC and their combination presented the best performances. For the experiment with the color images, SCD, HDCIG and CSD techniques performed best. / A recuperação de imagens semelhantes em bancos de dados é um campo de pesquisa amplo, complexo e que apresenta grande demanda por aplicativos que apresentem bons resultados. O volume crescente de informações disponibilizadas ao público e o sucesso das ferramentas de busca textuais na Internet motivam a criação de utilitários que possibilitem a busca de imagens por semelhança de conteúdo. Podem-se utilizar várias características para a determinação da semelhança entre imagens digitais, tais como tamanho, cor, forma, variação de cores, textura, objetos e sua disposição espacial, entre outras. A textura e a cor são as duas características mais importantes que permitem uma análise preliminar da semelhança. Este trabalho apresenta várias técnicas constantes da literatura, que analisam textura e cor. Algumas dessas técnicas foram implementadas, seus desempenhos foram analisados e comparados e os resultados foram apresentados detalhadamente. Esse comparativo amplo permite determinar as melhores técnicas, possibilita a análise da aplicabilidade de cada uma delas e pode ser utilizada como referência em estudos futuros. As análises quantitativas de desempenho foram realizadas utilizando a métrica ANMRR, definida no padrão MPEG-7, e as matrizes de confusão, apresentadas para cada técnica testada. Dois grupos de testes quantitativos foram realizados: o primeiro utilizando um banco de imagens de texturas em tons de cinza e o segundo utilizando um banco de imagens coloridas. Os resultados dos testes com o banco de texturas em tons de cinza mostraram que as técnicas PBLIRU16, MCNC e sua combinação apresentaram os melhores desempenhos. Para o banco de imagens coloridas, os melhores desempenhos foram observados com a utilização das técnicas SCD, HDCIG e CSD. / Mestre em Ciências