Viticulture in Rio Grande do Sul state occupies a prominent position in the national scenario, the sector accounts for about 60.2 % of the total cultivated area in the country. Vine cultivation has very important economic and social, as well as a production chain organized in the different producing regions. The aim of this study was to quantify the spatial variability of the chemical attributes of the grape must, chemical soil properties, vegetation indices and verify possible correlations between variables. The study area consisted of a vineyard with 3.09 ha of farming Bordô (Ives) grafted onto the rootstock Paulsen, located in the trough line, in the municipality of Sarandi - RS. In a mesh composed of 34 sampling points soil samples were collected in a depth range from 0 to 20 cm. Analyses were performed in the laboratory of soil analysis at the Federal University of Santa Maria (UFSM), the chemical attributes analyzed were: clay; pH in H2O; SMP, P; K; organic matter; al; Here; mg; H + Al; CTC effective; CTC pH7; Base saturation; relationship between Ca and Mg; Zn; Cu; S and B. The analysis of grape must was held in the chemistry laboratory of the Federal Institute Farroupilha campus Panambi studied enological parameters were: total soluble solids; titratable acidity and pH in organic acid. The determination of vegetation indices was carried out in situ in the 34 sampling points with use of spectroradiometer. The data were submitted to descriptive statistical analysis and Geostatistics, using the computer program for such Geoestatistics for the Environmental Sciences (GS +), Pearson correlation coefficients were determined with the aid of Excel. Analysis of the spatial variability of the data was based on the experimental semivariogram and from adjusted models interpolation was performed by ordinary Kriging, Stochastic Simulation and map algebra. Only the figures for the amount of total soluble solids showed low values other chemical attributes must show proper values. The results of soil analysis identified low concentrations of B and organic matter and high for the other attributes. From the overall analysis of the statistical dependence between variables, there was no significant correlations between the chemical properties of grape must and the other variables, unlike the segmented analysis according to the different harvest dates. The spatial dependence index of most chemical properties of soil studied was considered strong, only the attributes, Cu, Effective CTC CTC in pH7 and Clay did not present spatial dependence structure. Vegetation indices, except TVI2 showed strong spatial dependency ratio. Chemical attributes of the grape must, the concentration of soluble solids did not present spatial dependence structure, while others showed strong spatial dependence. In the result of map algebra the middle class of titratable acidity in organic acid added to middle class NDVI was representing the highest. / A viticultura no estado do Rio Grande do Sul ocupa uma posição de destaque no cenário nacional, o setor responde por aproximadamente 60,2% do total da área cultivada no país. O cultivo da videira tem grande importância econômica e social, além de uma cadeia produtiva organizada nas diversas regiões produtoras. O objetivo desse estudo foi realizar a quantificação da variabilidade espacial dos atributos químicos do mosto da uva, dos atributos químicos do solo, dos índices de vegetação e verificar as possíveis correlações entre as variáveis estudadas. A área de estudo foi composta por um vinhedo com 3,09 ha da cultivar Bordô (Ives) enxertada sobre o porta enxerto Paulsen, situado na linha Cocho, no município de Sarandi - RS. Em uma malha constituída por 34 pontos amostrais foram coletadas amostras de solo numa faixa de profundidade de 0 a 20 cm. As análises foram realizadas no laboratório de análises de solo da Universidade Federal de Santa Maria (UFSM), os atributos químicos analisados foram: argila; pH em H2O; Índice SMP; P; K; matéria orgânica; Al; Ca; Mg; H+Al; CTC efetiva; CTC em pH7; Saturação por bases; relação entre Ca e Mg; Zn; Cu; S e B. A análise do mosto da uva foi realizado no laboratório de química do Instituto Federal Farroupilha campus Panambi, os parâmetros enológicos estudados foram: sólidos solúveis totais; acidez total titulável em ácido orgânico e pH. A determinação dos índices de vegetação foi realizada in situ nos 34 pontos amostrais com uso de espectrorradiômetro. Os dados foram submetidos à análise estatística descritiva e Geostatística, utilizando-se para tal o programa computacional Geoestatistics for the Environmental Sciences (GS+), os coeficientes de correlação de Pearson foram determinados com auxílio do programa Excel. A análise da variabilidade espacial dos dados foi realizada com base nos semivariogramas experimentais e a partir dos modelos ajustados foi realizada interpolação por Krigagem ordinária, Simulação Estocástica e álgebra de mapas. Apenas os valores referentes a quantidade de sólidos solúveis totais apresentaram valores baixos os demais atributos químicos do mosto apresentaram valores adequados. Os resultados das análises de solo identificaram baixas concentrações para B e matéria orgânica e altas para os demais atributos. A partir da análise global da dependência estatística entre as variáveis estudadas, observou-se não haver correlações significativas entre os atributos químicos do mosto da uva e as demais variáveis, diferentemente da análise segmentada de acordo com as diferentes datas de colheita. O índice de dependência espacial da maioria dos atributos químicos de solo estudados foi considerado forte, apenas os atributos, Cu, CTC Efetiva, CTC em pH7 e Argila não apresentaram estrutura de dependência espacial. Os índices de vegetação, com exceção do TVI2, apresentaram índice de dependência espacial forte. Dos atributos químicos do mosto da uva, a concentração de sólidos solúveis totais não apresentou estrutura de dependência espacial, enquanto os demais apresentaram forte dependência espacial. No resultado da álgebra de mapas a classe média da acidez titulável em ácido orgânico, somada a classe média do NDVI foi a que representou o maior percentual da área.

O conhecimento da variabilidade espacial dos atributos químicos do solo é fundamental quando se pensa em uma agricultura mais rentável e ambientalmente sustentável. A heterogeneidade do solo inicia com os processos pedogenéticos, que têm interação direta com os elementos climáticos e os fatores bióticos que vão se sucedendo ao longo do tempo. As amostragens de solo usuais contemplam a coleta de pequeno número de amostras, retiradas na profundidade de 0 - 0,20 m. Estas amostragens produzem resultados insuficientes para proporcionar a correção do solo conforme a variabilidade espacial de suas características. Este trabalho objetivou avaliar a variabilidade dos atributos químicos pH, soma de bases (SB), capacidade de troca catiônica (T) e saturação por bases (V%), em duas áreas, sob sistema de plantio convencional (SPC) e direto na palha (SPD), em bioma de cerrado, no município de Uberaba, MG. A área em plantio convencional é irrigada por pivô central, distando 500 m da área em SPD, cultivada em regime de sequeiro. Estabeleceu-se, para cada sistema, um grid de amostragem de 200 x 400 m, com 45 pontos georreferenciados, distantes 50 m entre si. Foram coletadas cinco subamostras em cada ponto, nas profundidades 0 - 0,5, 0,05 - 0,10, 0,10 - 0,15 e 0,15 - 0,20 m. As amostras foram analisadas para determinação dos valores de pH, SB, T e V%. Os dados foram submetidos à estatística descritiva, determinando-se média, mediana, moda, desvio padrão, coeficiente de variação, assimetria, curtose, valores mínimo e máximo e amplitude. A estatística clássica permite avaliar possíveis variações entre os atributos, sem, contudo, considerar a posição espacial dos pontos de amostragem. Com a utilização dos variogramas e da interpolação dos dados, por krigagem, é possível caracterizar a variabilidade espacial dos atributos de um solo e definir a amplitude do domínio de cada amostragem. Através do software GS+, foi avaliada a dependência espacial, por meio do ajuste de semivariogramas, predominando o modelo exponencial, seguido pelo esférico. Os resultados indicaram haver variabilidade espacial dos atributos avaliados, com teores variando entre as classes baixa a alta. Observou-se menor variação vertical dos atributos na área em SPC. Na área sob SPD, a camada de 0 - 0,10 m apresentou maiores teores de todos atributos. Com exceção da saturação por bases, na camada de 0,10 - 0,15 m, no SPD, todas as outras variáveis apresentaram dependência espacial, possibilitando, assim, a confecção dos mapas de krigagem. O alcance da dependência espacial variou entre 51 a 220 m, no SPC, e de 55 m a 155 m no SPD. A utilização das técnicas de geoestatística permitiu um melhor entendimento da dinâmica da variabilidade dos atributos do solo nos sistemas avaliados. / The understanding of the spatial variability of soil chemical attributes is crucial when thinking about a more profitable and environmentally sustainable agriculture. Soil heterogeneity begins with the pedogenetic processes, which have direct interaction with the climatic elements and the biotic factors happening over time. The usual soil sampling contemplates the collection of small number of samples, taken at depths of 0 to 0,20 m. These samplings produce insufficient results to provide soil correction, according to the spatial variability of its characteristics. This study aimed to evaluate the variability of the chemical attributes pH, cation exchange capacity (CEC), sum of bases (SB) and base saturation percentage (BS%), in two areas, under conventional and notillage planting systems, in Brazilian Cerrado biome, located in Uberaba, MG. The area in conventional tillage is irrigated by center pivot, 500 m away from the no-till area, cultivated under rainfed conditions. A sampling grid of 200 x 400 m was established for each system, with 45 georeferenced points, 50 m apart each other. Five subsamples were collected at each point, at depths 0 - 0,05, 0,05 - 0,10, 0,10 - 0,15 and 0,15 - 0,20 m. The samples were analyzed for pH, SB, CEC and BS% values. Data were submitted to descriptive statistics, determining mean, median, mode, standard deviation, coefficient of variation, asymmetry, kurtosis, minimum and maximum values and skewness. The classical statistics allowed to evaluate possible variations among the attributes, without, however, consider the spatial position of the sampling points. With the use of variograms and data interpolation, by kriging, it is possible to characterize the spatial variability of the soil attributes and define the domain amplitude of each sampling. By GS + software, the spatial dependence was evaluated by adjusting semivariograms, prevailing the exponential model, followed by spherical. Results indicated spatial variability of the evaluated attributes, with levels varying from low to high classes. In the no-till area lower vertical variation of the attributes was observed. Horizontal variability was significant, with spatial dependence occurring for all variables. In the no tillage area, layer 0 - 0,10 m presented higher levels of all attributes. Except for the attribute BS%, from layer 0,10 - 0,15 m in no-tillage system, all other variables showed spatial dependence, thus enabling the creation of kriging maps. The spatial dependence range varied from 51 m to 220 m in conventional system and from 55 m to 155 m in no tillage system. The use of geostatistical techniques allowed a better understanding of soil attributes variability dynamics in the studied systems. / Dissertação (Mestrado)

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 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.

Orientador: Morel de Passos e Carvalho / Banca: Ednaldo Carvalho Guimarães / Banca: José Augusto de Lollo / Resumo: O conhecimento dos atributos do solo, principalmente aqueles relacionados com sua distribuição granulométrica, tem grande influência na produtividade vegetal. No ano agrícola de 2002/2003 foram analisados atributos da planta e do solo: produtividade de grãos do feijoeiro (PG), produtividade de palha (PP), teor de argila (ARG), de silte (SIL) e de areia (ARE) de um Latossolo Vermelho Distroférrico sob plantio direto, do Campus Experimental da Faculdade de Engenharia/UNESP (Ilha Solteira/SP - Brasil: latitude 20°18’S; longitude 52°39’W). O objetivo foi analisar a variabilidade dos atributos pesquisados, de forma a caracterizar suas dependências espaciais, e as correlações, linear e espacial, entre eles. Foi instalada uma malha experimental para a coleta dos dados estabelecida com espaçamento de 10 x 10 m, contendo 135 pontos amostrais distribuídos numa área de 8000 m2. A variabilidade dos dados foi baixa para a ARG, média para o SIL e ARE, e alta para a PP e PG. A maioria apresentou moderada dependência espacial, com alcances entre 19,8 m (SIL) e 103,1 m (ARE), e de 29,8 m para a PG. Foi observada uma evidente correlação espacial entre todos os que apresentaram, dois a dois, os maiores coeficientes de correlação. Entretanto, entre aqueles que apresentaram os menores, os dados sugeriram, em alguns casos, haver uma moderada correlação espacial. / Abstract: The knowledge of the soil attributes, mainly those related with its particle-size diameter, has great influence on the vegetal productivity. In the agricultural year of 2002/2003 attributes of the plant and soil had been analyzed: grain productivity of common bean (GP), straw productivity (SP), clay content (CL), silt (SI) and of sand (SA) of a Red Latosol under no-tillage, pertainning to Experimental Station of Faculdade de Engenharia/UNESP (Ilha Solteira/SP - Brazil: 20º18' Latitude S; 52º39' Longitude W). The objective was to analyze the variability of the researched attributes to characterize its spatial dependences. Also, to study the correlations, linear and spatial, between them. An experimental grid for the collection of the data was installed, established with distance of 10 x 10 m, contends 135 points shows in an area of 8000 m2. The data variability was low for the CL, medium for the SI and SA, and high for SP and GP. The majority then presented moderate spatial dependence, with ranges between 19.8 m (SI) and 103.1 m (SA), and of 29.8 m for the GP. An evident spatial correlation was observed between all the ones that had presented, two to two, the biggest correlation coefficients. However, between the ones minors, the data had suggested, in some cases, to have an moderate spatial correlation. / Mestre

No description available.

Diese Dissertation umfasst drei empirische Analysen regionaler Arbeitsmärkte in Deutschland. Wir wenden dabei Methoden der räumlichen Ökonometrie auf regionale Arbeitsmarktdaten an, um der räumlichen Struktur von Arbeitsmarktaktivitäten Rechnung zu tragen. In der ersten Analyse schlagen wir ein räumliches Paneldatenmodell zur Untersuchung deutscher Matchingfunktionen vor. Mit Hilfe dieses Modells sollen verzerrte und ineffiziente Koeffizientenschätzungen aufgrund räumlicher Abhängigkeiten vermieden werden. Wir zeigen, dass das Vernachlässigen der räumlichen Struktur zu nach oben verzerrten Matchingkoeffizienten führt. Das Ziel der zweiten Untersuchung ist es, Bestimmungsfaktoren für regionale Unterschiede in Arbeitslosigkeit zu identifizieren. Unsere Ergebnisse zeigen, dass ein räumlich und zeitlich dynamisches Paneldatenmodell am besten für diese Fragestellung geeignet ist. Zudem zeigen unsere Ergebnisse, dass die regionalen Unterschiede in der deutschen Arbeitslosigkeit einen Ungleichgewichtszustand darstellen. Diese Erkenntnis kann als Argument für politische Interventionen dienen. In der letzten Analyse wenden wir uns der räumlichen Gewichtungsmatrix zu, der eine zentrale Bedeutung in räumlichen Modellen zukommt. Auf Basis einer empirischen Analyse wollen wir die Definition von räumlichen Gewichten untersuchen und ermitteln Faktoren, die die räumlichen Abhängigkeiten auf Arbeitsmärkten bestimmen. Dabei untersuchen wir sowohl unterschiedliche Dimensionen ökonomischer als auch geographische Distanzen als Wirkungskanal räumlicher Abhängigkeit. Für die Entscheidung, welche dieser Distanzdimensionen einen Einfluss auf die räumlichen Relationen hat, verwenden wir ein räumlich-autoregressives Modell höherer Ordnung. Unsere Ergebnisse zeigen, dass geographische Distanz alleine nicht ausreicht, um die räumlichen Interdependenzen zwischen regionalen Arbeitsmärkten zu erklären, sondern auch Dimensionen ökonomischer Distanz einen signifikanten Erklärgehalt haben. / In this dissertation, we present different empirical analyses of regional labor markets in Germany. To account for the spatial structure of labor market activities, we apply spatial econometric methods to regional labor market data. In the first analysis, we propose a spatial panel model for German matching functions to avoid possibly biased and inefficient estimates due to spatial dependence. Based on an official data set, we show that neglecting spatial dependencies in the data results in upward-biased coefficients. Furthermore, our results suggest that a dynamic modeling is more appropriate for matching functions than a static approach. In the second analysis, we study determinants for regional differences in unemployment rates. We specify a spatial panel model to avoid biased and inefficient estimates due to spatial dependence. The study covers the whole of Germany as well as East and West Germany separately. Our results suggest that a spatial dynamic panel model is the best model for this analysis. Moreover, we find that German regional unemployment is of disequilibrium nature, which justifies political interventions. Finally, we study the spatial weights matrix which is the key component in spatial econometric models. We investigate empirically the issue of defining spatial weights in labor market applications and propose factors driving spatial dependence in regional labor markets. In addition to geographic distance, we consider different dimensions of economic distance as transmission channel of spatial dependence. To decide which factors influence spatial dependence in labor markets, we apply a higher-order spatial autoregressive model to data on regional labor markets in Germany. Our results suggest that geographic distance does not capture the spatial dependence between regional labor markets sufficiently but economic distance needs to be considered as well.