Submitted by Daniella Santos (daniella.santos@ufma.br) on 2017-12-06T15:15:55Z No. of bitstreams: 1 ClemesonVale.pdf: 2633941 bytes, checksum: d3b7926b71b1f8326929442dd906fefa (MD5) / Made available in DSpace on 2017-12-06T15:15:55Z (GMT). No. of bitstreams: 1 ClemesonVale.pdf: 2633941 bytes, checksum: d3b7926b71b1f8326929442dd906fefa (MD5) Previous issue date: 2014-04-30 / CAPES / The constant concerns over the unsustainable use of natural resources, coupled with rapid population growth, direct them to the productive process of maximizing resources systems to provide greater increases in production to minimize impacts to the environment yields. The objective of this research was to evaluate the performance of maize in no-tillage in legume straw depending on the spatial variability of soil chemical properties and nutrient input in a Dystrophic cohesive oxisol. The experiment was conducted in a 0.6 ha area containing two environments (without legumes and pulses) and 170 sampling points regularly dispersed (7.0 x 5.0 m) for chemical soil variability and productive maize yields. Data were initially analyzed using descriptive statistics and later by geostatistical methods. The interaction between soil chemical properties and yield of corn production was assessed by Pearson correlation to 5%. There was an increase in levels of soil chemical properties in the area with legumes compared to the area without legumes, proving the applicability of this management system to improve the chemical quality of the soil due to continuous addition of plant residues. Found the presence of spatial variability for all soil chemical properties and productive yield with spatial dependence ranged from moderate to strong, allowing reveal through thematic maps the potentialities and limitations of the production system. The productive efficiency, productivity specifically, correlated positively with calcium, sum of bases, phosphorus, potassium, base saturation and cation exchange capacity. / As constantes preocupações com o uso insustentável dos recursos naturais, juntamente com o acelerado crescimento demográfico, direcionam os sistemas produtivos ao processo de maximização dos recursos a fim de proporcionar maiores incrementos nos rendimentos produtivos com minimização dos impactos ao ambiente. O objetivo da presente pesquisa foi avaliar o desempenho produtivo do milho em sistema de plantio direto na palha de leguminosas em função da variabilidade espacial dos atributos químicos do solo e do aporte de nutrientes num Latossolo Amarelo distrocoeso. O experimento foi conduzido numa área de 0,6 ha contendo dois ambientes (sem leguminosas e com leguminosas) e 170 pontos amostrais regularmente dispersos (7,0 x 5,0 m) para determinação da variabilidade química do solo e dos rendimentos produtivos do milho. Os dados foram inicialmente analisados por meio da estatística escritiva e posteriormente por métodos geoestatísticos. A interação entre os atributos químicos do solo e o rendimento produtivo do milho foi verificada pela correlação de Pearson a 5%. Verificou-se a elevação nos teores dos atributos químicos do solo na área com leguminosas quando comparado com a área sem leguminosas, comprovando a aplicabilidade desse sistema de manejo para a melhoria da qualidade química do solo em consequência da adição continuada de resíduos vegetais. Constatou-se a presença de variabilidade espacial para todos os atributos químicos do solo e rendimento produtivo, com grau de dependência espacial que variaram de moderado a forte, o que possibilitou revelar por meio de mapas temáticos as potencialidades e limitações do sistema de produção. O rendimento produtivo, especificamente a produtividade, apresentou correlação positiva com o cálcio, a soma de bases, o fósforo, o potássio, a saturação por bases e a capacidade de troca catiônica.

Geralmente, dados relacionados à demanda por transportes não são independentes no espaço. Por esta razão, o uso de técnicas de estatística espacial torna-se relevante para aprimoramento de estimativas. A geoestatística está entre as técnicas que incorporam a dependência espacial em suas análises e o semivariograma é uma ferramenta indispensável para descrever e ilustrar a estrutura espacial de uma Variável Regionalizada. Muitas vezes, o cálculo e ajuste do semivariograma experimental são realizados visualmente, de acordo a familiaridade com os dados ou experiência do pesquisador, o que exige, sobretudo, tempo de dedicação às análises. A partir destas considerações, técnicas de otimização podem ser uma alternativa viável para cálculo e ajuste de semivariograma experimental. Diante disso, este trabalho objetiva avaliar a adequabilidade do uso de Algoritmos Genéticos (AG) para otimização da modelagem geoestatística aplicada à demanda por transportes. Outro ponto importante é a forma de representação de dados de transportes: quando disponíveis, dados desagregados, por domicílios, comprometem a qualidade dos modelos variográficos, devido à sua alta aleatoriedade espacial. Diante disso, outra importante contribuição deste estudo foi a implementação de um código em software livre para definir a dimensão de uma grade para agregação de dados pontuais. A implementação do AG permitiu a obtenção de inúmeros modelos variográficos de duas variáveis relacionadas à demanda por transportes, para dois diferentes suportes geográficos. Além disso, foi possível obter os intervalos mais frequentes dos parâmetros dos semivariograma com melhor fitness. Finalmente, uma proposta primária de análise da semivariância foi apresentada, a fim de validar os resultados obtidos pelo AG. A análise de mapas de semivariância permitiu verificar o comportamento estrutural das variáveis estudadas. Apesar da abordagem tradicional (mapas de semivariância e ajuste manual) apresentar algumas dissimilaridades quando comparada aos melhores semivariogramas provenientes do AG, as medidas de desempenho, obtidas através da validação cruzada, foram bem similares. Conclui-se que a otimização da modelagem geoestatística, através de AG, pode trazer contribuições importantes, relativas a maior facilidade de cálculo e ajuste, além de distribuição de parâmetros variográficos associados a soluções quase ótimas. Vale ressaltar que o código desenvolvido ao longo desta tese, disponível ao público, pode ser utilizado em qualquer área do conhecimento onde se verifique a existência de dependência espacial entre as observações. / Data related to travel demand are generally not independent in space. Due to this, using spatial statistics techniques is important for improving estimates. Geostatistics is among the techniques that incorporate spatial dependence in its analyses and the semivariogram is an indispensable tool to describe and illustrate the spatial structure of a Regionalized Variable. The calculation and fitting of the experimental semivariogram are often performed visually, according to the familiarity with the data or the researcher\'s experience, which requires, above all, time for the analyses. Based on these considerations, optimization techniques can be a viable alternative to calculate and fitting the experimental semivariogram. Therefore, this study aims to evaluate the adequacy of using Genetic Algorithms (GAs) to optimize geostatistical modeling applied to travel demand. Another important point is the way of representing travel data: when it is available, disaggregated data by households affect the quality of variographic models, due to their high spatial randomness. Therefore, another important contribution of this study was the implementation of a free software code to define the size of a grid for aggregation of point data. Implementing the GA enabled us to obtain numerous variographic models of two variables related to travel demand for two different geographical supports. In addition, the most frequent intervals of the semivariogram parameters could be obtained with better fitness. Finally, a primary proposal for semivariance analysis was presented in order to validate the results obtained by the GA. The semivariance analysis maps verified the structural behavior of the studied variables. In spite of traditional approach (semivariance maps and manual fit) to present some dissimilarities when compared to the best semivariograms from GA, the performance measures obtained through cross validation were very similar. It can be concluded that the geostatistical modeling optimization, through GA, can bring important contributions, related to making calculations and fits easier, as well as distribution of variographic parameters associated with almost optimal solutions. It is worth mentioning that the code developed throughout this thesis, available to the public, can be used in any area of knowledge where there is a spatial dependence between observations.

Informações desagregadas de demanda por transportes são recursos essenciais ao correto planejamento urbano, especialmente no que se refere ao transporte público. Contudo, o acesso a estes dados é limitado, devido ao alto custo para coleta de pesquisas domiciliares e à confidencialidade de informações individuais. A presente tese de doutorado aborda esta problemática ao propor dois métodos heurísticos de desagregação de dados, através de simulação geoestatística. Propõe-se empregar, como um input aos procedimentos, informações com alta disponibilidade, como, por exemplo, os microdados, coletados pelo censo demográfico. A diferença principal entre os métodos é que o primeiro não necessita de valores de dados provenientes de Pesquisa Origem/Destino do município de São Paulo, área de estudo deste trabalho. Ambas as abordagens, que podem ser aplicadas a outros diferentes estudos de caso, compreendem um procedimento alternativo para deconvolução de semivariogramas, Simulação Sequencial Gaussiana e validação, considerando malhas regulares de diferentes suportes. Os mapas e métricas estatísticas gerados comprovam que é possível desagregar dados, associados a Áreas de Ponderação de Setores Censitários (Método Proposto 1 – MP1) e a Zonas de Tráfego (Método Proposto 2 – MP2), através dos procedimentos aplicados. Além disso, este trabalho apresenta contribuições metodológicas ao viabilizar: a geração de diversos cenários que reproduzam o comportamento espacial da variável; e o estudo da incerteza associada às simulações. / Disaggregated data for travel demand are essential resources towards good urban planning, especially with regard to public transportation. However, the access to such data is limited due to high costs of collecting household data and due to individual information confidentiality. The present PhD dissertation addresses this issue by introducing two heuristic methods to disaggregate data using geostatistical simulation. It is proposed to employ, as input to the procedures, information with high availability, such as census microdata. The main difference between both methods rely on the fact that the first does not require data values of any Origin/Destination Survey of the São Paulo city, study area of this research. Both approaches, which can be applied to other different study cases, comprise an alternative procedure for semivariogram deconvolution, Sequential Gaussian Simulation and validation, using regular grids of various spatial scales. The resulting maps and statistical metrics corroborate that is possible to disaggregate data associated with a set of Census Tracts (Proposed Method 1 – MP1) and Traffic Analysis Zones (Proposed Method 2 – MP2). Besides, this dissertation presents relevant contributions as it enables: creating different scenarios to reproduce the spatial behavior of the study variable; and assessing the associated uncertainty.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2018-03-02T13:04:32Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Carlos Rafael.pdf: 2751688 bytes, checksum: 31c547702ea9189c4ded0e1d56077de5 (MD5) / Made available in DSpace on 2018-03-02T13:04:32Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Carlos Rafael.pdf: 2751688 bytes, checksum: 31c547702ea9189c4ded0e1d56077de5 (MD5) Previous issue date: 2017-08-14 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O conhecimento da dinâmica espacial de doenças de plantas, aliado a quantificação de inóculo e monitoramento das condições meteorológicas é de grande importância para a adoção de estratégias de manejos adequados e com menor impacto ambiental. Sendo assim, os objetivos deste trabalho de pesquisa foram caracterizar a distribuição, variabilidade espacial e possíveis relações entre atributos referentes ao mofo branco e atributos de plantas de soja além de avaliar técnicas de identificação e quantificação de ascósporos de Sclerotinia sclerotiorum durante o florescimento da soja. Foram realizadas amostragens através de uma malha georreferenciada em uma área de 12 hectares (ha) no município de Mauá-da-Serra-PR nas safras 2013/14 e 2014/15 e uma área de quatro hectares no município de Ponta Grossa-PR na safra 2015/16. Foram utilizados quadrats com área útil de 7,2 m² para avaliação das seguintes variáveis: escleródios presentes no solo, estande da cultura, incidência, índice de doença, rendimento, escleródios produzidos na colheita, além da deposição do bioaerossol, partes de folha e flores da soja como uso de Meio Semi-seletivo a Sclerotinia sclerotiorum (MSS) e Reação em cadeia da polimerase quantitativa (qPCR), em 36 pontos de amostragem na área de Ponta Grossa-PR, em três datas durante o florescimento da soja. Os dados foram analisados com uso de estatística descritiva, ajuste de semivariogramas e matriz de correlação de Pearson. As condições meteorológicas observadas nos três experimentos foram adequadas para o desenvolvimento da cultura da soja e do mofo branco na soja. As variáveis referentes a cultura da soja apresentaram coeficientes de variação baixos ou moderados e as variáveis referentes ao mofo branco apresentaram coeficiente de variação muito elevados. Os ajustes dos semivariogramas apresentaram diferenças nos três experimentos, com efeito pepita puro, ajuste linear, esférico e exponencial. A variável escleródios do solo apresentou efeito pepita puro nos dois experimentos em Mauá-da-Serra. Foram encontradas correlações significativas positivas entre a incidência do mofo branco e a produção de escleródios na colheita, além de correlação negativa com o rendimento nos três experimentos. A identificação de inóculo de mofo branco com incubação em MSS mostrou-se a técnica com maior sensibilidade, mas demanda de até 15 dias para a confirmação de S. sclerotiorum, tanto para bioaerossol, como flores e partes de folhas de soja. Foi possível otimizar o protocolo de extração de DNA e ciclo de reação para qPCR, além de gerar uma curva padrão com DNA oriundo de ascósporos de S. sclerotiorum, com ajuste ao modelo linear (R²=0,99) e eficiência de 92,2%. O uso de qPCR mostrou-se promissor para partes de folhas, sendo possível resultados em um dia de trabalho. / The knowledge of the spatial dynamics of plant diseases, allied with the quantification of inoculum and monitoring of the meteorological conditions, is important for the adoption of adequate management strategies and with less environmental impact. The aim of this work was to characterize the distribution, spatial variability and possible relations between white mold attributes and soybean plants attributes, as well as to evaluate techniques for identification and quantification of ascospores of Sclerotinia sclerotiorum during soybean flowering. Samplings were carried out through a georeferenced grid on a field of 12 hectares (ha) in the municipality of Mauá-da-Serra-PR in the 2013/14 and 2014/15 crop seasons and, on a field of four hectares in the municipality of Ponta Grossa-PR in the 2015/16 crop season. Quadrats with a useful area of 7.2 m² were used to evaluate the following variables: sclerotia in the soil, crop stand, incidence, severity, yield, sclerotia produced at harvest, as well as bioaerosol deposition, soybean leaf parts and flowers on semi-selective medium to Sclerotinia sclerotiorum (MSS) and quantitative polymerase chain reaction (qPCR), at 36 sampling points in the Ponta Grossa- PR field, at three dates during soybean flowering. Data were analyzed using descriptive statistics, semivariogram adjustment and Pearson correlation matrix. The meteorological conditions observed in the three experiments were adequate for the development of soybean crop and white mold disease. The variables related to soybean plants, showed low or moderate coefficients of variation and the variables related to white mold showed a high coefficient of variation. The semivariograms adjustments showed differences in the three experiments, with pure nugget effect, linear, spherical and exponential adjustments. The variable sclerotia of soil showed pure nugget effect on the two experiments in Mauá-da-Serra. Significant positive correlations were found between the incidence of white mold and the production of sclerotia at harvest, in addition to negative correlation to yield in the three experiments. The identification of white mold inoculum with incubation on MSS was shown to be the most sensitive technique, but takes up to 15 days for the confirmation of S. sclerotiorum pathogen for bioaerossol, flowers and parts of soybean leaves. It was possible to optimize the protocol of DNA extraction and reaction cycle for qPCR, besides generating a standard curve with DNA from ascospores of S. sclerotiorum, adjusted to the linear model (R² =0, 99) and efficiency of 92.2%. The use of qPCR showed promise results for leaf parts, being possible achieve concluding results in one working day.