Made available in DSpace on 2014-08-20T14:36:59Z (GMT). No. of bitstreams: 1 Dissertacao_Leandro_Sanzi_Aquino.pdf: 2633860 bytes, checksum: eeb09c0678ebe75556f513e8a4e089b7 (MD5) Previous issue date: 2010-02-25 / Soil land leveling is a technique used in low land areas and has the objective to improve agricultural use to facilitate the management of water both for irrigation and drainage operations, for the establishment of agricultural practices and crop harvest. However, it causes changes in the physical environment where the plant grows, and many studies have sought to identify the effect of this practice in the structure of soil spatial variability and in the relationship between the hydric-physical and chemical soil attributes. Thus, the objective of this study was to identify and characterize the structure of spatial variability of soil hydric-physical and chemical attributes of a low land soil, before and after land leveling, and to study the relationship between these soil attributes through an autoregressive state space model. In an experimental area of 0.81 ha belongs to Embrapa Clima Temperado situated in Capão do Leão county, state of Rio Grande do Sul, Brazil, was established a regular grid of 100 points spaced 10 m apart in both directions. At each point, soil disturbed and undisturbed samples were collected at the depth of 0-0.20 m to determine, before and after land leveling, the following soil attributes: clay, silt and sand contents, soil macroporosity, soil microporosity and soil total porosity, soil bulk density and soil water content at field capacity and permanent wilting point, soil organic carbon and cation exchange capacity. All data sets were organized into a spreadsheet in the form of a spatial transect consisting of 100 points and they were ordered following the gradient slope area resulting from the soil land leveling. Autocorrelograms and crosscorrelograms were built to evaluate the structure of spatial correlation of all soil attributes having served as a subsidy for the selection of variables in each autoregressive state-space model. The results show that the soil land leveling changed the structure of soil spatial dependence of all variables and between them as well. The soil cation exchange capacity and soil microporosity variables were the variables that made up the largest number of state space models, before and after soil land leveling. The contribution of the each variable at position i-1 to estimate its value at position increased to the sand content, silt content, soil bulk density, soil microporosity, soil macroporosity, soil water content at permanent wilting point, soil organic carbon and cation exchange capacity variables and decreased to soil water content at field capacity variable after land leveling. Soil land leveling improved the state space model performance for soil organic carbon content, sand content, soil bulk density, soil total porosity and soil water content at field capacity and permanent wilting point variables. The worst state space model performances, after soil land leveling, were found taking silt content, soil microporosity and cation exchange capacity variables as response variables. The best state space model performance, before land leveling, was obtained taking the soil total porosity as response variable. / A sistematização do solo é uma técnica utilizada em regiões planas, com características de várzea, e tem por objetivo aperfeiçoar o uso agrícola facilitando o manejo da água tanto de irrigação como de drenagem, as operações de implantação da lavoura, de tratos culturais e de colheita. No entanto, a sistematização do solo provoca alterações no ambiente físico onde a planta se desenvolve, sendo que muitos estudos têm buscado identificar o efeito dessa prática na estrutura de variabilidade espacial e no relacionamento entre os atributos físico-hídricos e químicos do solo. Dessa forma, o objetivo deste trabalho foi identificar e caracterizar a estrutura de variabilidade espacial dos atributos físico-hídricos e químicos de um solo de várzea, antes e depois da sistematização, assim como estudar o relacionamento entre esses atributos por meio de um modelo autoregressivo de espaço de estados. Em uma área experimental de 0,81 ha pertencente a Embrapa Clima Temperado, Capão do Leão-RS, foi estabelecida uma malha regular de 100 pontos, espaçados de 10 m entre si em ambas as direções. Em cada ponto foram coletadas amostras de solo deformadas e com estrutura preservada na profundidade de 0-0,20 m para a determinação, antes e depois da sistematização, dos teores de argila, silte e areia, macroporosidade, microporosidade e porosidade total, densidade do solo, conteúdo de água retido na capacidade de campo e ponto de murcha permanente, carbono orgânico e capacidade de troca de cátions. Os dados foram organizados em uma planilha de cálculo na forma de uma transeção espacial composta de 100 pontos e foram ordenados seguindo o gradiente de declividade da área resultante do processo de sistematização do solo. Para avaliar a estrutura de correlação espacial foram construídos autocorrelogramas e crosscorrelogramas que serviram de subsídio para a seleção de variáveis em cada um dos modelos autoregressivos de espaço de estados. Os resultados mostram que a sistematização do solo alterou a estrutura de dependência espacial tanto da variável como entre as variáveis deste estudo. A capacidade de troca de cátions e a microporosidade do solo foram as variáveis que compuseram o maior número de modelos de espaço de estados, antes e depois da sistematização. A contribuição da variável na posição i-1 na estimativa na posição i, por meio do modelo autoregressivo de espaço de estados, aumentou com a sistematização para as variáveis teor de areia, teor de silte, densidade do solo, microporosidade, macroporosidade, conteúdo de água no solo retido no ponto de murcha permanente, carbono orgânico e da capacidade de troca de cátions; e diminuiu para a variável conteúdo de água no solo retido na capacidade de campo.A sistematização do solo melhorou a estimativa, por meio dos modelos de espaço de estados, das variáveis carbono orgânico, teor de areia, densidade do solo, macroporosidade e do conteúdo de água no solo retido na capacidade de campo e no ponto de murcha permanente, sendo o modelo da variável porosidade total, antes da sistematização, que apresentou o melhor desempenho. Já os piores desempenhos dos modelos, depois da sistematização do solo, foram encontrados quando utilizadas as variáveis teor de silte, microporosidade e capacidade de troca de cátions como resposta.

Neste trabalho, apresentamos os modelos simétricos parcialmente lineares AR(1), que generalizam os modelos parcialmente lineares para a presença de erros autocorrelacionados seguindo uma estrutura de autocorrelação AR(1) e erros seguindo uma distribuição simétrica ao invés da distribuição normal. Dentre as distribuições simétricas, podemos considerar distribuições com caudas mais pesadas do que a normal, controlando a curtose e ponderando as observações aberrantes no processo de estimação. A estimação dos parâmetros do modelo é realizada por meio do critério de verossimilhança penalizada, que utiliza as funções escore e a matriz de informação de Fisher, sendo todas essas quantidades derivadas neste trabalho. O número efetivo de graus de liberdade e resultados assintóticos também são apresentados, assim como procedimentos de diagnóstico, destacando-se a obtenção da curvatura normal de influência local sob diferentes esquemas de perturbação e análise de resíduos. Uma aplicação com dados reais é apresentada como ilustração. / In this master dissertation, we present the symmetric partially linear models with AR(1) errors that generalize the normal partially linear models to contain autocorrelated errors AR(1) following a symmetric distribution instead of the normal distribution. Among the symmetric distributions, we can consider heavier tails than the normal ones, controlling the kurtosis and down-weighting outlying observations in the estimation process. The parameter estimation is made through the penalized likelihood by using score functions and the expected Fisher information. We derive these functions in this work. The effective degrees of freedom and asymptotic results are also presented as well as the residual analysis, highlighting the normal curvature of local influence under different perturbation schemes. An application with real data is given for illustration.

Neste trabalho, apresentamos os modelos simétricos parcialmente lineares AR(1), que generalizam os modelos parcialmente lineares para a presença de erros autocorrelacionados seguindo uma estrutura de autocorrelação AR(1) e erros seguindo uma distribuição simétrica ao invés da distribuição normal. Dentre as distribuições simétricas, podemos considerar distribuições com caudas mais pesadas do que a normal, controlando a curtose e ponderando as observações aberrantes no processo de estimação. A estimação dos parâmetros do modelo é realizada por meio do critério de verossimilhança penalizada, que utiliza as funções escore e a matriz de informação de Fisher, sendo todas essas quantidades derivadas neste trabalho. O número efetivo de graus de liberdade e resultados assintóticos também são apresentados, assim como procedimentos de diagnóstico, destacando-se a obtenção da curvatura normal de influência local sob diferentes esquemas de perturbação e análise de resíduos. Uma aplicação com dados reais é apresentada como ilustração. / In this master dissertation, we present the symmetric partially linear models with AR(1) errors that generalize the normal partially linear models to contain autocorrelated errors AR(1) following a symmetric distribution instead of the normal distribution. Among the symmetric distributions, we can consider heavier tails than the normal ones, controlling the kurtosis and down-weighting outlying observations in the estimation process. The parameter estimation is made through the penalized likelihood by using score functions and the expected Fisher information. We derive these functions in this work. The effective degrees of freedom and asymptotic results are also presented as well as the residual analysis, highlighting the normal curvature of local influence under different perturbation schemes. An application with real data is given for illustration.