Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2018-04-06T17:34:46Z No. of bitstreams: 1 texto completo.pdf: 1408279 bytes, checksum: 352e3e4af60736299206323ceaab03a3 (MD5) / Made available in DSpace on 2018-04-06T17:34:46Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1408279 bytes, checksum: 352e3e4af60736299206323ceaab03a3 (MD5) Previous issue date: 2018-03-07 / Com o estabelecimento da agriculta de precisão, a heterogeneidade do solo tornou-se um parâmetro expressivo quanto ao seu manuseio. Frente a este cenário, destaca-se a utilização massiva das zonas de manejo (ZM). As ZM são sub-regiões do campo com necessidades específicas quanto as variáveis analisadas, permitindo o controle da heterogeneidade do solo, maximização produtiva e sustentabilidade agrícola. Entretanto, sua aplicabilidade esta condicionada ao mapeamento do padrão de variabilidade espacial dos atributos físico-químicos presentes no solo. Este mapeamento tem sido resultante da utilização contínua de métodos geoestatísticos, dos quais apresentam pressuposições inexploradas em suas aplicações, conduzindo assim, o objetivo desta pesquisa. E consequentemente norteou os específicos objetivos: a) avaliar alterações em mapas de ZM devido à correção da anisotropia e b) avaliar variações em mapas de ZM quanto à utilização de metodologia robusta à outliers. Para tanto, 160 pontos amostrais regularmente espaçados, relativos à condutividade elétrica aparente do solo (CEa), e produtividade de soja foram utilizados. Quanto à verificação de alterações em mapas de ZM devido à correção da anisotropia, os mesmos foram interpolados sem e com correção da anisotropia geométrica para cada variável. Na sequencia foram então utilizados para o delineamento das ZM por meio do método fuzzy k-means. As ZM para cada variável, com e sem correção da anisotropia geométrica, foram avaliadas quanto as suas semelhanças pelo índice kappa. Para a avaliação de variações em mapas de ZM quanto à ocorrência de outliers utilizaram-se dois tipos de análises, robusta a presença de outliers (ARob) e não robusta à outliers (ANRob). Na ARob utilizaram-se estimadores robustos desemivariâncias e o plug-in de krigagem de deriva externa para a geração de mapas de variabilidade espacial da CEa. Para a ANRob utilizou-se o estimador de semivariâncias de Matheron e a krigagem ordinária. Posteriormente os mapas obtidos foram submetidos ao delineamento de zonas de manejo pelo classificador fuzzy k-means. E de maneira conclusiva, os mapas obtidos em ambas as análises (ARob e ANRob) foram confrontados quanto à significância do nível de concordância entre suas classes pelo índice Kappa. Os resultados obtidos na verificação de alterações em mapas de ZM devido à correção da anisotropia foram: a) utilizou-se o modelo gaussiano na constituição dos mapas de variabilidade espacial para a CEa e para a produtividade, tanto para os dados corrigidos à anisotropia quanto aos não corrigidos; b) conforme os índices FPI e MPE, definiram-se duas classes para o delineamento de ZM para os dados corrigidos à anisotropia, quanto aos não corrigidos; c) a comparação entre os mapas (corrigido e não corrigido à anisotropia) pelo índice Kappa apresentou concordância significativa entre classes de ZM a 5% de probabilidade. Concluindo assim que, no caso em estudo, a correção da anisotropia geométrica não apresentou alterações significativas nos mapas de ZM. Os resultados obtidos na avaliação de variações em mapas de ZM quanto à ocorrência de outliers foram: a) na ARob selecionou-se o estimador de semivariâncias de Cressie Hawkins dentre os demais estimadores robustos avaliados. Na predição do mapa de estrutura de variabilidade espacial da CEa utilizou-se o plug-in de krigagem de deriva externa. Os índices FPI, MPE, Fukuyama Sugento e Xie beni definiram duas classes de ZM. b) na ANRob utilizou-se o estimador de semivariâncias de Matheron e a krigagem ordinária na composição do mapa de variabilidade espacial da CEa. Os índices avaliados definiram duas classes de ZM. c) os mapas obtidos em ambas as análises (ARob e ANRob) apresentaram concordância significativa entre classes de ZM pelo índice Kappa a 1% de probabilidade. Com isso, de maneira conclusiva, para o caso em estudo, o uso da ARob não apresentou variações significativas no estabelecimento das ZM. / With the precision agriculture establishment, soil heterogeneity became an expressive parameter for its handling. In front this scenario, the massive use management zones is highlighted. The ZM are field sub-regions with specific needs as the variables analyzed. Therefore, ZM allows control of soil heterogeneity, productive maximization and agricultural sustainability. Therefore, ZM allows control of soil heterogeneity, productive maximization and agricultural sustainability. However, its applicability is conditioned to spatial variability pattern mapping of the physico-chemical attributes in soil present. This mapping, has been result of the continuous use of geostatistical methods of which present untapped assumptions of these methods have been unexplored in their applications, thus conducting the purpose of this research. And consequently guided the specific objectives: a) evaluate alterations in ZM maps due to anisotropy correction and b) evaluate variations in ZM maps regarding use of a outliers robust methodology. Therefore, 160 regularly spaced sampling points, relative to soil apparent electrical conductivity (CEa), and soybean productivity, in different periods, were used. As for the verification of alterations in ZM maps due to the anisotropy correction, they were interpolated without and with correction of the geometric anisotropy for each variable. In sequence was then used for ZM delineation by fuzzy K-means method. The ZM for each attribute, with and without geometric anisotropy correction, were evaluated as similarities by Kappa Index. For the evaluation of variations in ZM maps for the occurrence of outliers, two types of analysis were used, robust to outliers (ARob) and non-robust to outliers (ANRob). In ARob we used robust semivariance estimators and the external drift kriging plug-in to generate spatial variability maps of CEa. For the ANRob, the Matheron semivariance estimator and the ordinary kriging were used. Afterwards the maps obtained were submitted to the management zones delineation by the fuzzy k-means classifier. And conclusively, the maps obtained in both analyzes (ARob and ANRob) were statistically compared, using Kappa index, in relation their zones composition. The results obtained in the verification of alterations in ZM maps due to anisotropy correction were: a) the Gaussian model was used in the constitution of spatial variability maps for CEa and productivity, both for anisotropy-corrected and uncorrected data; b) the FPI and MPE indices defined two classes for ZM delineation for corrected data for the anisotropy and the uncorrected; c) the comparison between the maps (corrected and uncorrected to the anisotropy) by the Kappa index showed significant concurrence between ZM classes at 5% probability. In conclusion, in this case, the geometric anisotropy correction did not present significant concurrence in the ZM maps. The results obtained in the evaluation of variations in ZM maps regarding the occurrence of outliers were the following: a) in ARob was selected the semivariances estimator Cressie Hawkins among the other robust estimators evaluated. In the prediction of the spatial variability structure map of the CEa, the external drift kriging plug- in was used. The FPI, MPE, Fukuyama Sugento and Xie beni indices defined two classes of ZM. b) in the ANRob was used the Matheron's semivariance estimator and the ordinary kriging in the spatial variability map of the CEa. The evaluated indices defined two classes of ZM. c) the maps obtained in both analyzes (ARob and ANRob) showed significant agreement between ZM classes by Kappa index at 1% probability. Thus, for the case under study, the use of ARob did not show significant differences in the establishment of the ZM maps.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-08-30T18:28:46Z No. of bitstreams: 1 texto completo.pdf: 13316435 bytes, checksum: b0412364dab9dd00515656dc38ddb78d (MD5) / Made available in DSpace on 2018-08-30T18:28:46Z (GMT). No. of bitstreams: 1 texto completo.pdf: 13316435 bytes, checksum: b0412364dab9dd00515656dc38ddb78d (MD5) Previous issue date: 2018-03-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A brucelose bovina, causada pela bactéria Brucella Abortus, é uma doença presente em to- das as regiões do Brasil e provoca elevados prejuízos econômicos. O Programa Nacional de Controle e Erradicação de Brucelose e Tuberculose Animal (PNCEBT) estabeleceu os testes AAT, 2-ME, FC e DBac para realizar o diagnóstico da brucelose bovina. Na ausência de um teste Padrão Ouro, é necessário que o desempenho desses testes diagnósticos seja validado. O presente estudo, teve como objetivo empregar o modelo de classe latente Bayesiano para es- timar as sensibilidades e as especificidades dos testes diagnósticos AAT, 2-ME, FC e DBac, aplicados em amostras de sangue e carcaças de animais suspeitos de brucelose bovina, bem como a prevalência da doença. O conjunto de dados utilizado foi obtido junto ao Laboratório Nacional Agropecuário de Minas Gerais (LANAGRO-MG). Os testes foram avaliados em dois cenários: individualmente e combinados. Os modelos para a avaliação dos testes combinados foram ajustados considerando-se a independência condicional entre os quatro testes e também incorporando-se ao modelo a dependência condicional entre os testes AAT, 2-ME e FC. As aná- lises foram realizadas em R 3.2.5 usando o pacote R2OpenBUGS. Quanto à avaliação dos testes combinados, os resultados mostraram que os testes AAT, 2-ME e FC são condicionalmente in- dependentes. O teste FC foi o mais sensível, o DBac o menos sensível e os testes AAT, FC e DBac foram os mais específicos. Concluiu-se que nenhum dos quatro testes pode ser utilizado sozinho para o diagnóstico da brucelose bovina. Uma baixa sensibilidade foi encontrada para o teste AAT, resultado que diverge dos relatos geralmente encontrados na literatura. Portanto, recomenda-se que contínuos estudos sejam realizados para que a tomada de decisão dos pesqui- sadores não seja comprometida. Adicionalmente, concluiu-se que o modelo de classe latente bayesiano permitiu estimar os parâmetros de interesse satisfatoriamente. / Bovine brucellosis, caused by the bacterium Brucella Abortus, is a disease present in all regions of Brazil and causes high economic losses. The National Program for the Control and Eradi- cation of Brucellosis and Animal Tuberculosis (PNCEBT) established the AAT, 2-ME, FC and DBac tests for the diagnosis of bovine brucellosis. In the absence of a Gold Standard test, the performance of these diagnostic tests must be validated. The aim of the present study was to use the Bayesian latent class model to estimate the sensitivities and specificities of the AAT, 2- ME, FC and DBac diagnostic tests applied to blood samples and carcasses of animals suspected of bovine brucellosis, as well as the prevalence of the disease. The dataset used was obtained from the National Agricultural Laboratory of Minas Gerais (LANAGRO-MG). The tests were evaluated in two scenarios: individually and in combination. The models for the evaluation of the combined tests were adjusted considering the conditional independence between the four tests and also incorporating to the model the conditional dependence between the AAT, 2-ME and FC tests. Analyses were performed in R 3.2.5 using the R2OpenBUGS package. Regarding the evaluation of the combined tests, the results showed that the AAT, 2-ME and FC tests are conditionally independent. The FC test was the most sensitive, the DBac the least sensitive and the AAT, FC and DBac tests were the most specific. It was concluded that none of the four tests can be used alone for the diagnosis of bovine brucellosis. A low sensitivity was found for the AAT test, a result that diverges from the reports generally found in the literature. Therefore, it is recommended that continuous studies be carried out so that the decision-making of the researchers is not compromised. Additionally, it was concluded that the Bayesian latent class model employed allowed to estimate the parameters of interest satisfactorily.