No description available.

Landscape is about the relationship between people and place and in 2000 was defined by the European Landscape Commission (ELC) as "an area as perceived by people whose character is the result of natural and human actions and interactions”. In the 70s the reason for studying the landscape was because of the necessity of attributing a value to it. Nowadays the motivations behind managing, conserving and enhancing the landscape is because the landscape is the place where people belong to and, consciously or not, recognise themselves. In addition, people identify different landscapes on the basis of the particular combinations of the elements in the landscape. As a consequence a landscape can be distinguished from another on the basis of its character which, according to the Landscape Character Assessment (LCA) guidance for England and Scotland (C. Swanwick and Land Use Consultant, 2002), is defined as “a distinct, recognisable and consistent pattern of elements in the landscape that makes one landscape different from the other rather than better or worse”. This definition was the starting point of a PhD research project aimed at developing and implementing a methodology able to identify and quantify the character of the Scottish landscape through the application of GIS and statistics. The reason for doing this research was to provide the landscape architects and practitioners with a tool that could help them to define the landscape character types in a more consistent, objective, and scientifically robust way. One of the objectives of the research was to identify the spatial patterns formed by the landscape elements by taking into account the influence of the spatial location. The first law of geography, which states that "everything is related to everything else but near things are more related than distant ones" (W Tobler, 1970), was transposed in the assumption of the presence of spatial autocorrelation amongst the data which contributes to form spatial patterns within the data. Since landscape comprises of many elements, data were also multivariate, thus the analysis required a method of calculation able to deal simultaneously with multivariate and spatial autocorrelation issues. MULTISPATI-PCA, a spatially constrained Principal Component Analysis, was the statistical technique applied for the analysis of the data whose results showed that it was possible to detect the spatial structure of the data and that each spatial pattern corresponded to a distinct landscape. Despite their importance in forming the character of the landscape, aesthetic and perceptual aspects were not inlcuded in MULTISPATI-PCA analysis. It was preferred to test the technique only on data that were quantifiable in a more objective way. Perhaps taking into account the human perception of the landscape can be the starting point for future investigation.

L'optimisation d'une opération de mélange de poudre repose essentiellement sur un travail expérimental à l'échelle du laboratoire qui doit pouvoir être transposer aux mélangeurs de plus grandes tailles. Définir des lois d'extrapolation et améliorer notre connaissance de la dynamique du mélange est donc nécessaire. Dans ces travaux, la dynamique de mélange au sein des mélangeurs Turbula® a été étudiée en s'appuyant sur l'analyse des cinétiques de mélange et des fonctions d'autocorrélation pour plusieurs systèmes particulaires. Selon les vitesses de rotation de l'axe moteur, 3 régimes d'écoulement ont été définis et les principaux mécanismes de mélange et de ségrégation apparaissant pour chacun de ces régimes ont été identifiés en lien avec les propriétés d'écoulement des produits. Dans un deuxième temps, les qualités de mélange obtenues dans différentes tailles de mélangeurs ont été comparées sur la base du principe des similitudes afin de mettre en évidence les facteurs ayant une influence lors du passage d'une taille de mélangeur à une autre. Enfin dans le cadre d'une application industrielle, une méthodologie s'appuyant sur l'intensité de ségrégation et l'autocorrélation spatiale, a été développée pour identifier des défauts d'homogénéité au sein de plaques bipolaires composites / The optimization of a powder mixing step typically involves an experimental work at lab scale in order to be transposed to larger mixers. Defining scale-up laws and improving our knowledge of the mixing dynamics remains some of the mains industrial issues of this century. In this work, the mixing dynamics of several particulate systems has been studied in Turbula mixers thanks to the analysis of mixing kinetics and autocorrelation functions. According to the engine speed, three flow regimes have been defined. The corresponding main mixing and segregation mechanisms at play for each of these regimes have been identified in relation with the flow properties of the products. In a second phase, the qualities of the mixtures obtained in the different mixer sizes have been compared on the basis of the principle of similarities in order to shed light the factors which influencing scale-up. Finally, as part of an industrial application, a methodology has been developed using the concept of intensity of segregation and the spatial autocorrelation tools to identify heterogeneities in bipolar plates made of composite materials

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

Made available in DSpace on 2017-07-10T19:25:24Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714140 bytes, checksum: 519aa9b0b92961245b0d80158227dea4 (MD5) Previous issue date: 2012-12-10 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78% / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

Made available in DSpace on 2017-05-12T14:48:47Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714140 bytes, checksum: 519aa9b0b92961245b0d80158227dea4 (MD5) Previous issue date: 2012-12-10 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78% / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%

Cette thèse utilise des modèles d’économétrie spatiale pour explorer les déterminants de la localisation spatiale de l’IDE au Vietnam. Le premier chapitre présente la littérature théorique relative à la localisation de l’IDE, et les faits stylisés de la localisation de l’IDE au Vietnam. Le deuxième chapitre analyse les déterminants de la localisation spatiale de l’IDE en ASEAN. Les résultats d’estimation indiquent une grande différence de motivation entre la localisation de l’IDE extra-ASEAN et intra-ASEAN. Les flux d’IDE extra-ASEAN sont de forme verticale complexe, alors que les flux d’IDE intra-ASEAN sont de plateforme d’exportation. Le troisième chapitre étudie les déterminants de la localisation spatiale de l’IDE dans les provinces au Vietnam. Les résultats d’estimation indiquent que l’IDE dans une province n’est pas seulement attiré par la taille du marché, la main-D'oeuvre qualifiée, la qualité des infrastructures, et l’agglomération des firmes dans cette province, mais aussi dans ses voisines. En outre, le coût du travail, la productivité du travail, et les politiques nationales et locales jouent également un rôle important. Le quatrième chapitre porte sur le rôle des institutions locales dans la localisation spatiale de l’IDE dans les provinces du Vietnam. Les résultats d’estimation montrent que la qualité des institutions locales mesurées par la transparence, la politique d’appui au secteur privé et la politique sur le travail affectent significativement la localisation spatiale de l’IDE dans les provinces au Vietnam. / This thesis uses spatial econometric models to explore the determinants of spatial location of FDI in Vietnam. The first chapter presents the theoretical literature on FDI location, and the stylized facts of the FDI location in Vietnam. The second chapter analyzes the determinants of the spatial location of FDI in ASEAN. Results indicate a significant difference in motivation between the location of extra-ASEAN FDI and intra- ASEAN FDI. The extra-ASEAN FDI are of the form of complex vertical FDI, while intra- ASEAN FDI are of the form of export platform FDI. The third chapter examines the determinants of the spatial location of FDI in the provinces in Vietnam. Results indicate that FDI in a province is not only attracted by the market size, skilled workforce, quality infrastructure, and agglomeration of firms in this province, but also in its neighbors. In addition, labor costs, labor productivity, and national and local policies also play an important role in the spatial location of FDI. The fourth chapter focuses on the role of local institutions on the spatial location of FDI in the provinces in Vietnam. Results show that the quality of local institutions, measured by transparency, political support to the private sector and labor policy, significantly affects the spatial location of FDI in the provinces in Vietnam.

Identifying high-risk areas for child maltreatment to ultimately aid public health agencies for interventions is necessary for protecting children at high risk. Rates of substantiated neglect and physical/emotional abuse in 2000-2002 are computed for the census tracts in the urban area of five counties in Metro Atlanta, Georgia, and analyzed using spatial regression to determine their relationships with twelve risk variables computed from the Vital Records births and the 2000 Census data. After accounting for multicollinearity among risk variables and spatial autocorrelation among observations for neighboring locations, it is found that high percentages of (1) births to non-married mothers, (2) births to mothers who smoked or drank alcohol during pregnancy, (3) unemployed males and females, and (4) single-parent families with children under age six best predict the rates of substantiated neglect, and that high percentage of births to mothers who smoked or drank alcohol during pregnancy best predicts the rates of substantiated physical/emotional abuse.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / We studied species richness, abundance and spatial-temporal distribution of tadpole communities in eight ponds in an area of Cerrado in the state of Mato Grosso do Sul, Brazil. We carried out this study during a rainy season (October 2009 to March 2010). We determined the spatial and temporal niche breadth by standardized Levins index, and we used null models to explore the patterns of niche overlap. Additionally, we evaluated the influence of environmental descriptors and spatial distribution of ponds on the studied communities using redundancy analysis (RDA) applied to three phases of the rainy season (outset, middle and the end). We recorded tadpoles of 18 species belonging to four families: Hylidae, Leiuperidae, Leptodactylidae, and Microhylidae. Most species was considered specialist regarding to spatial niche breadth a (BA <0.20), and generalist regarding the temporal niche breadth (BA> 0.50). The spatial niche overlap did not differ from expected by chance, while the temporal niche overlap was clearly not random. Niche overlap was negatively correlated with ecomorphological guilds, even after removed the phylogenetic effects. This pattern seems figure a mechanism to reduce the competitive pressure among ecologically similar species. In relation to environmental and spatial components, these presented differential influence and importance along the rainy season. In early season pond area and the percentage of marginal vegetation up to 30 cm height were the descriptors related to community organization. During the full rainy season, the percentage of marginal vegetation up to 40 cm height, percentage of flat margin profile, pond depth, as well as two spatial co-variables explained the spatial distribution of species, followed by pure environmental variables and by pure spatial variables. At the end of rainy season no environmental or spatial and descriptor was included in the model. The importance of environmental descriptors of spatial components of spatially structured descriptors varied throughout the rainy season, indicating that dynamic processes occurs along the time are responsible for the organization of the studied communities. / Estudamos a riqueza, a abundância e a distribuição espaço-temporal de comunidades de girinos em oito poças em uma área de cerrado no estado do Mato Grosso do Sul, Brasil. Nós realizamos o presente estudo durante uma estação chuvosa (outubro de 2009 a março de 2010). Assim, determinamos a amplitude de nicho espacial e temporal, através do Índice de Levins padronizado e utilizamos modelos nulos para explorar os padrões de sobreposição de nicho. Adicionalmente, avaliamos influência de descritores ambientais e da distribuição espacial das poças sobre as comunidades de girinos estudadas. Para tanto, utilizamos análises de redundância (RDA), considerando três fases da estação chuvosa (início, meio e final). Registramos girinos de 18 espécies, pertencentes a quatro famílias: Hylidae, Leiuperidae, Leptodactylidae e Microhylidae. Em relação à amplitude de nicho espacial, a maioria das espécies foi considerada especialista em relação à utilização das poças (BA < 0,20), enquanto no nicho temporal a maioria foi considerada generalista (BA > 0,50). A sobreposição de nicho espacial não diferiu do esperado ao acaso, enquanto a sobreposição de nicho temporal foi claramente não aleatória. A sobreposição de nicho temporal apresentou correlação negativa com as guildas ecomorfológicas, mesmo após retirado o efeito filogenético. Tal padrão pode figurar um mecanismo de diminuição da pressão competitiva entre as espécies ecologicamente similares. Em relação aos componentes ambientais e espaciais, estes tiveram influência e importância diferenciadas ao longo da estação chuvosa. No início estação a área das poças e a porcentagem de vegetação marginal com até 30 cm de altura, foram os descritores relacionados à organização das comunidades. Durante a estação chuvosa plena, a porcentagem da vegetação marginal com até 40 cm de altura, a porcentagem de margens planas, a profundidade, bem como duas covariáveis espaciais explicaram a distribuição espacial das espécies, seguida pelas variáveis ambientais puras e pelas variáveis espaciais puras. Ao final da estação chuvosa nenhum descritor ambiental ou espacial foi incluído no modelo. A importância dos descritores ambientais, do componente espacial e dos descritores espacialmente estruturados variou ao longo da estação chuvosa, indicando que processos dinâmicos ao longo do tempo são responsáveis pela organização das comunidades larvárias estudadas.