Made available in DSpace on 2014-06-12T23:13:52Z (GMT). No. of bitstreams: 2 arquivo2699_1.pdf: 2927735 bytes, checksum: 3a9829afd48400b93823e1e0eca0409e (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O avanço da ciência e tecnologia tem trazido novas ferramentas para dar suporte na monitoração da radioatividade ambiental, tornando-se importantes na avaliação da exposição à radiação em regiões consideradas de alto background natural. Tais como a região uranofosfática do nordeste do Brasil que contém teores de urânio associado ao minério de fosfato e está localizada numa região de alta densidade populacional. O objetivo deste trabalho foi aplicar técnicas de inteligência artificial baseadas em lógica fuzzy, associadas ao processamento de imagens e mapa fuzzy para desenvolver um método capaz de avaliar, de forma mais próxima da cognição humana, a exposição a radiação de populações em áreas de alto background. Para isso, este objetivo foi dividido em duas etapas: a primeira etapa foi desenvolver um modelo de exposição fuzzy a radiação e a segunda etapa foi representar e identificar áreas de alta exposição à radiação utilizando um mapa fuzzy, a partir de dados da taxa de dose absorvida no ar da região de estudo e a dose efetiva recebida pela população. Na primeira etapa, o modelo fuzzy foi baseado nos seguintes fatores: peso corporal, taxa de consumo de feijão, idade, duração da exposição, fração da dieta e a concentração da atividade do urânio. O método de Monte Carlo foi usado para gerar distribuição probabilística dos dados de entrada e a ingestão média diária. O modelo fuzzy tipo Mamdani foi criado da opinião de especialistas. A técnica de avaliação sintética fuzzy foi usada e três blocos de inferência foram criados. A ingestão média diária obtida pelo método de Monte Carlo serviu como parâmetro de comparação entre os três modelos. Na segunda etapa, foram realizadas medidas radiométricas em 48 pontos de coleta com o auxílio de um cintilômetro na área de estudo. A técnica de interpolação por krigagem foi utilizada. Foi criada uma imagem digital da distribuição da taxa de dose absorvida no ar. Os resultados da primeira etapa na análise qualitativa, os resultados obtidos foram satisfatórios ao traduzir a opinião dos especialistas. Na análise quantitativa, os valores obtidos fazem parte do mesmo conjunto fuzzy que os valores encontrados na literatura. Na segunda etapa, foi obtido um mapa fuzzy da área de estudo e representado por três variáveis lingüísticas: baixa, média e alta exposição. Na área externa, os valores obtidos da taxa de dose absorvida no ar variaram de 55,7 a 304,5 nGy/h com uma média de 161,7 nGy/h, e na área interna de 93,4 a 356,7 nGy/h com uma média de 170,4 nGy/h. O resultado da estimativa da dose efetiva média anual foi de 1,03 mSv, ficando acima do valor considerado para média mundial. Os resultados globais sugerem que estes tipos de modelos fuzzy são altamente promissores para avaliação de exposição à radiação ionizante. O mapa fuzzy representou bem a região de radiação pela suavidade de seus contornos, que é inerente aos fundamentos da lógica fuzzy e pela utilização de variáveis lingüísticas podendo ser uma ferramenta para dar suporte a especialistas e não especialistas

Orientadores: Paulo Sérgio Graziano Magalhãe, Armando Zaupa Remacre / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-27T21:34:19Z (GMT). No. of bitstreams: 1 Sanches_GuilhermeMartineli_M.pdf: 13551439 bytes, checksum: 1aa534b602f92044d4ea34bee5e63027 (MD5) Previous issue date: 2015 / Resumo: Umas das ferramentas utilizadas na Agricultura de Precisão (AP) é a geoestatística, cujo principal objetivo é a descrição dos padrões espaciais e a estimativa de dados em locais não amostrados. Um dos fatores limitantes para se fazer um adequado mapeamento do solo e atender os requisitos mínimos dos métodos de interpolação é a necessidade de uma amostragem densa da área, o que inviabiliza muitas vezes o mapeamento do solo, devido ao demorado e custoso processo de retirada de amostras. Dentro deste contexto os métodos de interpolação geoestatísticos vislumbram uma solução para o presente desafio, tornando possível a descrição da variabilidade espacial do solo com uma pequena amostragem da variável a qual se deseja conhecer, utilizando para isto outros atributos que são mais facilmente mensuráveis e a um custo menor. Uma das técnicas possíveis para otimizar a quantidade de pontos amostrais consiste na utilização de dados obtidos através de sensores de solo para orientação da amostragem. Este trabalho tem como hipótese que, utilizando dados provenientes de sensores de Condutividade Elétrica Aparente (CEa) do solo em conjunto com técnicas de geoestatística, é possível, através de uma amostragem direcionada e reduzida, conhecer a descrição da variabilidade espacial da fertilidade e do estado físico dos solos com adequada precisão. A presente pesquisa teve como objetivo obter mapas da variabilidade espacial dos atributos químicos e físicos do solo utilizando um número reduzido de amostras e aplicando métodos de interpolação geoestatísticos (krigagem ordinária e com deriva externa), tendo como base dados de condutividade elétrica aparente do solo. A metodologia utilizada para a obtenção dos mapas de variabilidade espacial dos atributos do solo indicam que é possível prever mapas que podem ser utilizados para recomendação de fertilizantes à taxa variável. Esta abordagem abre novas possibilidades para que atributos agronômicos importantes possam ser estimados em grandes áreas a partir de um número reduzido de amostras, auxiliando os agricultores no manejo da cultura e tomada de decisão / Abstract: One of the tools used in precision agriculture (PA) is geostatistics, which main objective is to describe the spatial patterns and the estimated data on non-sampled locations. One of the limiting factors for making a proper soil mapping and meet the minimum requirements of interpolation methods is the need for a dense sampling grid, which often makes it impossible, as the process are time consuming and expensive. Within this context, the geostatistical interpolation methods envision a solution for this challenge, making it possible to describe the soil spatial variability with a small sampling of the primary variable (which you want to know), using other attributes that are easily measured. One of the possible techniques to optimize the number of soil sampling is the use of data obtained from soil sensors. This work the assumption that, using data from the Apparent Electrical Conductivity (ECa) together with geostatistical techniques, it is possible, through a targeted and reduced sampling, know the spatial variability of soils fertility and physical condition with adequate precision. Therefore, this research aims to obtain maps of the spatial variability of chemical and physical soil properties using a reduced number of samples and applying geostatistical interpolation methods (ordinary kriging and kriging with external drift), based on data of apparent electrical conductivity. The methodology used to obtain the maps of spatial variability of soil attributes indicate that it is possible to provide maps that can be used for fertilizer recommendation to the variable rate. This approach opens new possibilities for important agronomic attributes be estimated in large areas from a small number of samples, assisting farmers in crop management and decision-making / Mestrado / Maquinas Agricolas / Mestre em Engenharia Agrícola

O inventário florestal é uma das principais ferramentas na gestão dos recursos florestais, uma vez que as informações geradas por ele são utilizadas ao longo de toda a cadeia produtiva do setor. Desta forma, erros nas estimativas volumétricas dos inventários florestais devem ser controlados. Inúmeras informações podem ser obtidas a partir de imagens orbitais ou aerotransportadas, uma vez que podem cobrir facilmente toda a área de interesse, e estão comumente disponíveis em empresas florestais ou ao usuário final. A utilização de preditores derivados das imagens pode trazer benefícios para as estimativas do inventário florestal. Desta forma, a aplicação de técnicas de regressão linear múltipla (RLM) ganhou espaço no setor devido a sua facilidade de aplicação. Porém, a RLM não leva em consideração a dependência espacial entre as unidades amostrais, sendo que a geoestatística pode ser utilizada para predizer a distribuição espacial do estoque de madeira (VTCC) para uma dada região. A modelagem geoestatística mais simples como a krigagem ordinária (KO), por considerar apenas a dependência espacial entre os pontos não amostrados, pode apresentar erros de predição nestes locais. Tais erros podem ser reduzidos com a aplicação de técnicas mais robustas como a Krigagem com Deriva Externa (KDE), pois esta agrega as informações obtidas das imagens com a distribuição espacial do volume. Buscando-se avaliar as vantagens da integração do Sensoriamento Remoto (SR) ao inventário florestal foram testados 4 tipos diferentes de imagens; as oriundas dos satélites LANDSAT8, RAPIDEYE e GEOEYE, e as provenientes de aeronaves (Imagens Aerotransportadas). Avaliou-se também diferentes tipos de estimativas para a predição volumétrica sendo estas RLM, KDE e KO. A melhor estimativa serviu de variável auxiliar para o estimador de regressão (ER), sendo os resultados comparados com a abordagem tradicional da amostragem aleatória simples (AAS). Os resultados demonstraram por meio da validação cruzada que as estimativas da KDE foram mais eficientes que as estimativas da KO e da RLM. Os melhores preditores (variáveis auxiliares) foram aqueles derivados do satélite LANDSAT8 e do satélite RAPIDEYE. Obteve-se como produto das estimativas de KDE e RLM mapas capazes de detectar áreas com mortalidade ou anomalias em meio a formação florestal. A utilização de uma estimativa de KDE utilizando imagens LANDSAT8 como medida auxiliar para o ER permitiu reduzir o erro amostral da AAS de 3,87% para 2,34%. Da maneira tradicional, tal redução de erro apenas seria possível com um aumento de mais 99 unidades amostrais. / Forest Inventory (FI) is one of the main tools for managing forest resources, once the information derived from FI is used along the sector production chain. When estimating volume, errors resulting from FI are common, therefore these errors must be controlled. Once orbital or airborne imaging data are easily acquired for an entire area, and are commonly available in forest companies or for the end user, much information can be obtained from these products. The use of predictor derived from images can be of significant benefits to forest inventory estimates. For that reason, the application of linear multiple regression (LMR) techniques have taken place in the forest sector, due to the facilities of its application. However, the LMR technique does not take the spatial dependence among sample units in consideration, the geostatistics utilized to predict the spatial distribution of the wood stock (VTCC) for a specific region. Simpler geostatistical modeling as the ordinary kriging (OK), just takes in consideration the spatial dependence among non-sampled points, because of that, prediction errors can be found. Such errors can be reduced when techniques that are more robust are applied, such as the kriging with external drift (KED) approach. This technique aggregates the information obtained from the images with the spatial distribution of the volume. In order to evaluate the advantages of Remote Sensing and Forest Inventory integration, we considered 4 different types of images, from the satellites LANSAT 8, RAPIDEYE, GEOEYE and from airborne images. When predicting volume, three different approaches were evaluated: LMR, EDK, OK. The best model among those evaluated, served as auxiliary variable for the regression estimator (RE). The result were then compared to the traditional approach, simple random sampling (SRS).This approach showed, through a cross-validation, that the KDE estimates were more efficiently than the OK and the LMR. The best predictor model (auxiliary variables) were derived from LADNSAT 8 and RAPIDEYE satellites. There is a significant advantage to using the KDE and LMR approaches, as it allows for a spatial representation of areas with mortality or anomalies, in a forest environment. The combination of KDE approach and LANDSAT 8 images as an auxiliary method for the RE, abled the decrease of the sampling error of SRS from 3.87% to 2.34%.The traditional approaches to conduct plantation inventories would allow for this error reduction, only if there were an increase of 99 more sampling units.

O inventário florestal é uma das principais ferramentas na gestão dos recursos florestais, uma vez que as informações geradas por ele são utilizadas ao longo de toda a cadeia produtiva do setor. Desta forma, erros nas estimativas volumétricas dos inventários florestais devem ser controlados. Inúmeras informações podem ser obtidas a partir de imagens orbitais ou aerotransportadas, uma vez que podem cobrir facilmente toda a área de interesse, e estão comumente disponíveis em empresas florestais ou ao usuário final. A utilização de preditores derivados das imagens pode trazer benefícios para as estimativas do inventário florestal. Desta forma, a aplicação de técnicas de regressão linear múltipla (RLM) ganhou espaço no setor devido a sua facilidade de aplicação. Porém, a RLM não leva em consideração a dependência espacial entre as unidades amostrais, sendo que a geoestatística pode ser utilizada para predizer a distribuição espacial do estoque de madeira (VTCC) para uma dada região. A modelagem geoestatística mais simples como a krigagem ordinária (KO), por considerar apenas a dependência espacial entre os pontos não amostrados, pode apresentar erros de predição nestes locais. Tais erros podem ser reduzidos com a aplicação de técnicas mais robustas como a Krigagem com Deriva Externa (KDE), pois esta agrega as informações obtidas das imagens com a distribuição espacial do volume. Buscando-se avaliar as vantagens da integração do Sensoriamento Remoto (SR) ao inventário florestal foram testados 4 tipos diferentes de imagens; as oriundas dos satélites LANDSAT8, RAPIDEYE e GEOEYE, e as provenientes de aeronaves (Imagens Aerotransportadas). Avaliou-se também diferentes tipos de estimativas para a predição volumétrica sendo estas RLM, KDE e KO. A melhor estimativa serviu de variável auxiliar para o estimador de regressão (ER), sendo os resultados comparados com a abordagem tradicional da amostragem aleatória simples (AAS). Os resultados demonstraram por meio da validação cruzada que as estimativas da KDE foram mais eficientes que as estimativas da KO e da RLM. Os melhores preditores (variáveis auxiliares) foram aqueles derivados do satélite LANDSAT8 e do satélite RAPIDEYE. Obteve-se como produto das estimativas de KDE e RLM mapas capazes de detectar áreas com mortalidade ou anomalias em meio a formação florestal. A utilização de uma estimativa de KDE utilizando imagens LANDSAT8 como medida auxiliar para o ER permitiu reduzir o erro amostral da AAS de 3,87% para 2,34%. Da maneira tradicional, tal redução de erro apenas seria possível com um aumento de mais 99 unidades amostrais. / Forest Inventory (FI) is one of the main tools for managing forest resources, once the information derived from FI is used along the sector production chain. When estimating volume, errors resulting from FI are common, therefore these errors must be controlled. Once orbital or airborne imaging data are easily acquired for an entire area, and are commonly available in forest companies or for the end user, much information can be obtained from these products. The use of predictor derived from images can be of significant benefits to forest inventory estimates. For that reason, the application of linear multiple regression (LMR) techniques have taken place in the forest sector, due to the facilities of its application. However, the LMR technique does not take the spatial dependence among sample units in consideration, the geostatistics utilized to predict the spatial distribution of the wood stock (VTCC) for a specific region. Simpler geostatistical modeling as the ordinary kriging (OK), just takes in consideration the spatial dependence among non-sampled points, because of that, prediction errors can be found. Such errors can be reduced when techniques that are more robust are applied, such as the kriging with external drift (KED) approach. This technique aggregates the information obtained from the images with the spatial distribution of the volume. In order to evaluate the advantages of Remote Sensing and Forest Inventory integration, we considered 4 different types of images, from the satellites LANSAT 8, RAPIDEYE, GEOEYE and from airborne images. When predicting volume, three different approaches were evaluated: LMR, EDK, OK. The best model among those evaluated, served as auxiliary variable for the regression estimator (RE). The result were then compared to the traditional approach, simple random sampling (SRS).This approach showed, through a cross-validation, that the KDE estimates were more efficiently than the OK and the LMR. The best predictor model (auxiliary variables) were derived from LADNSAT 8 and RAPIDEYE satellites. There is a significant advantage to using the KDE and LMR approaches, as it allows for a spatial representation of areas with mortality or anomalies, in a forest environment. The combination of KDE approach and LANDSAT 8 images as an auxiliary method for the RE, abled the decrease of the sampling error of SRS from 3.87% to 2.34%.The traditional approaches to conduct plantation inventories would allow for this error reduction, only if there were an increase of 99 more sampling units.

Made available in DSpace on 2017-05-12T14:46:57Z (GMT). No. of bitstreams: 1 Kelyn Schenatto.pdf: 4212903 bytes, checksum: 0ba04350cc25aff5e6acb249938e5375 (MD5) Previous issue date: 2014-02-04 / Despite the benefits offered by the technology of precision agriculture (PA), the necessity of dense sampling grids and use of sophisticated equipment for the soil and plant handling make it financially unfeasible in many cases, especially for small producers. With the aimof making viable the PA, the definition of management zones (MZ) consists in dividing the plotin subregions that have similar physicochemical features, where it is possible to work in the conventional manner (without site-specific input application), differing them from the other sub-regions of the field. Thus we use concepts from PA, but adapting some procedures to the reality of the producer, not requiring the replacement of machinery traditionally used.Therefore, yield is usually correlated with physical and chemical properties through statistical and geostatistical methods, and attributes are selected to generate thematic maps, which are then used to define the MZ. In the generation of thematic maps step, are commonly used traditional interpolation methods (Inverse Distance - ID , inverse of the square distance - ISD, and kriging - KRI), and it is important to assess if the quality of thematic maps generated influences in the MZ drafting process and can not justify the interpolation data using robust methods such as KRI. Thus, the present study aimed to evaluate three interpolation methods (ID , ISD and KRI ) for generation of thematic maps used in the generation of MZ by clustering methods K-Means and Fuzzy C-Meas, in two experimental areas (9.9 ha and 15.5 ha), and been used data from four seasons (three crops of soybeans and one of corn). The KRI interpolation and ID showed similar UM. The agreement between the maps decreased when an increase in the number of classes, but with greater intensity with the Fuzzy C-Means method. Clustering algorithms K-Means and Fuzzy C-Means performed similar division on two UM. The best interpolation method was KRI following the ID, what justifies the choice of a more robust interpolation (KRI) to generate UM / Apesar dos benefícios proporcionados pela tecnologia de agricultura de precisão (AP), a necessidade de grades amostrais densas e uso de equipamentos sofisticados para o manejo do solo e da planta tornam o seu cultivo em muitos casos inviável financeiramente, principalmente para pequenos produtores. Com a finalidade de viabilizar a AP, a definição de unidades de manejo (UM) consiste em dividir o talhão em sub-regiões que possuam características físico-químicas semelhantes, onde se pode trabalhar de forma convencional (sem aplicação localizada de insumos), diferenciando-se das outras sub-regiões do talhão. Dessa forma, utilizam-se conceitos de AP, mas adaptam-se alguns procedimentos para a realidade do produtor, não havendo necessidade da substituição de máquinas tradicionalmente utilizadas. Para isso, são geralmente correlacionados atributos físicos e químicos com a produtividade das culturas e, por meio de métodos estatísticos e geoestatísticos, selecionam-se atributos que darão origem a mapas temáticos posteriormente utilizados para definição das UM. Na etapa de geração dos mapas temáticos, são normalmente utilizados métodos tradicionais de interpolação (inverso da distância ID, inverso da distância ao quadrado IDQ e krigagem KRI) e é importante avaliar se a qualidade dos mapas temáticos gerados influencia no processo de definição das UM, podendo desta forma não se justificar a interpolação de dados a partir do uso de métodos robustos como a KRI. O presente trabalho teve como objetivo a avaliação de três métodos de interpolação (ID, IQD e KRI) para definição dos mapas temáticos utilizados na confecção de UM pelos métodos de agrupamento K-Means e Fuzzy C-Means, em duas áreas experimentais (de 9,9 ha e 15,5 ha), sendo utilizados dados de quatro safras (três safras de soja e uma de milho). Os interpoladores ID e KRI apresentaram UM similares. A concordância entre os mapas diminuiu quando houve aumento do número de classes, mas teve maior intensidade com o método Fuzzy C-Means. Os algoritmos de agrupamento K-Means e Fuzzy C-Means se apresentaram similares na divisão em duas UM. O melhor método de interpolação foi a KRI, seguida do ID, o que justifica a escolha do interpolador mais robusto (KRI) na geração de UM

Made available in DSpace on 2014-12-17T15:26:38Z (GMT). No. of bitstreams: 1 DanielMC_DISSERT.pdf: 1549569 bytes, checksum: 5ad46f43cc6bf2e74f6fc1e20e5e2dc5 (MD5) Previous issue date: 2010-05-31 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Present day weather forecast models usually cannot provide realistic descriptions of local and particulary extreme weather conditions. However, for lead times of about a small number of days, they provide reliable forecast of the atmospheric circulation that encompasses the subscale processes leading to extremes. Hence, forecasts of extreme events can only be achieved through a combination of dynamical and statistical analysis methods, where a stable and significant statistical model based on prior physical reasoning establishes posterior statistical-dynamical model between the local extremes and the large scale circulation. Here we present the development and application of such a statistical model calibration on the besis of extreme value theory, in order to derive probabilistic forecast for extreme local temperature. The dowscaling applies to NCEP/NCAR re-analysis, in order to derive estimates of daily temperature at Brazilian northeastern region weather stations / Os dados de rean?lise de temperatura do ar e precipita??o do NCEP National Centers for Environmental Predictions ser?o refinados para a produ??o dos n?veis de retorno para eventos extremos nas 8 capitais do Nordeste Brasileiro - NB: S?o Luis, Teresina, Fortaleza, Natal, Jo?o Pessoa, Recife, Macei?, Aracaju e Salvador. A grade do Ncep possui resolu??o espacial de 2.5? x 2.5? disponibilizando s?ries hist?ricas de 1948 a atualidade. Com esta resolu??o a grade envolve o NB utilizando 72 localiza??es (s?ries). A primeira etapa consiste em ajustar os modelos da Distribui??o Generalizada de Valores Extremos (GEV) e da Distribui??o Generalizada de Pareto (GPD) para cada ponto da grade. Utilizando o m?todo Geoestat?stico denominado Krigagem, os par?metros da GEV e GPD ser?o interpolados espacialmente. Considerando a interpola??o espacial dos par?metros, os n?veis de retorno para extremos de temperatura do ar e precipita??o poder?o ser obtidos aonde o NCEP n?o fornece informa??o relevante. Visando validar os resultados desta proposta, ser?o ajustados os modelos GEV e GPD as s?ries observacionais di?rias de temperatura e precipita??o de cada capital nordestina, e assim comparar com os resultados obtidos a partir da interpola??o espacial. Por fim o m?todo de Regress?o Quant?lica ser? utilizado como m?todo mais tradicional com a finalidade de compara??o de m?todos.

Made available in DSpace on 2017-07-10T19:23:44Z (GMT). No. of bitstreams: 1 Kelyn Schenatto.pdf: 4212903 bytes, checksum: 0ba04350cc25aff5e6acb249938e5375 (MD5) Previous issue date: 2014-02-04 / Despite the benefits offered by the technology of precision agriculture (PA), the necessity of dense sampling grids and use of sophisticated equipment for the soil and plant handling make it financially unfeasible in many cases, especially for small producers. With the aimof making viable the PA, the definition of management zones (MZ) consists in dividing the plotin subregions that have similar physicochemical features, where it is possible to work in the conventional manner (without site-specific input application), differing them from the other sub-regions of the field. Thus we use concepts from PA, but adapting some procedures to the reality of the producer, not requiring the replacement of machinery traditionally used.Therefore, yield is usually correlated with physical and chemical properties through statistical and geostatistical methods, and attributes are selected to generate thematic maps, which are then used to define the MZ. In the generation of thematic maps step, are commonly used traditional interpolation methods (Inverse Distance - ID , inverse of the square distance - ISD, and kriging - KRI), and it is important to assess if the quality of thematic maps generated influences in the MZ drafting process and can not justify the interpolation data using robust methods such as KRI. Thus, the present study aimed to evaluate three interpolation methods (ID , ISD and KRI ) for generation of thematic maps used in the generation of MZ by clustering methods K-Means and Fuzzy C-Meas, in two experimental areas (9.9 ha and 15.5 ha), and been used data from four seasons (three crops of soybeans and one of corn). The KRI interpolation and ID showed similar UM. The agreement between the maps decreased when an increase in the number of classes, but with greater intensity with the Fuzzy C-Means method. Clustering algorithms K-Means and Fuzzy C-Means performed similar division on two UM. The best interpolation method was KRI following the ID, what justifies the choice of a more robust interpolation (KRI) to generate UM / Apesar dos benefícios proporcionados pela tecnologia de agricultura de precisão (AP), a necessidade de grades amostrais densas e uso de equipamentos sofisticados para o manejo do solo e da planta tornam o seu cultivo em muitos casos inviável financeiramente, principalmente para pequenos produtores. Com a finalidade de viabilizar a AP, a definição de unidades de manejo (UM) consiste em dividir o talhão em sub-regiões que possuam características físico-químicas semelhantes, onde se pode trabalhar de forma convencional (sem aplicação localizada de insumos), diferenciando-se das outras sub-regiões do talhão. Dessa forma, utilizam-se conceitos de AP, mas adaptam-se alguns procedimentos para a realidade do produtor, não havendo necessidade da substituição de máquinas tradicionalmente utilizadas. Para isso, são geralmente correlacionados atributos físicos e químicos com a produtividade das culturas e, por meio de métodos estatísticos e geoestatísticos, selecionam-se atributos que darão origem a mapas temáticos posteriormente utilizados para definição das UM. Na etapa de geração dos mapas temáticos, são normalmente utilizados métodos tradicionais de interpolação (inverso da distância ID, inverso da distância ao quadrado IDQ e krigagem KRI) e é importante avaliar se a qualidade dos mapas temáticos gerados influencia no processo de definição das UM, podendo desta forma não se justificar a interpolação de dados a partir do uso de métodos robustos como a KRI. O presente trabalho teve como objetivo a avaliação de três métodos de interpolação (ID, IQD e KRI) para definição dos mapas temáticos utilizados na confecção de UM pelos métodos de agrupamento K-Means e Fuzzy C-Means, em duas áreas experimentais (de 9,9 ha e 15,5 ha), sendo utilizados dados de quatro safras (três safras de soja e uma de milho). Os interpoladores ID e KRI apresentaram UM similares. A concordância entre os mapas diminuiu quando houve aumento do número de classes, mas teve maior intensidade com o método Fuzzy C-Means. Os algoritmos de agrupamento K-Means e Fuzzy C-Means se apresentaram similares na divisão em duas UM. O melhor método de interpolação foi a KRI, seguida do ID, o que justifica a escolha do interpolador mais robusto (KRI) na geração de UM

Orientador: Vilma Mayumi Tachibana / Coorientador: Maria de Lourdes B. T. Galo / Banca: José Silvio Govone / Banca: Nilton Nobuhiro Imai / Resumo: A disposição dos elementos amostrais na área de estudo e sua influência nos resultados de análises espaciais é algo que vem sendo discutido frequentemente, já que a qualidade de uma inferência espacial vai depender do tamanho da amostra e da distribuição espacial dos pontos amostrais. Nesse sentido, este trabalho tem o objetivo de analisar o impacto que diferentes delineamentos amostrais podem causar nos resultados da inferência espacial por Krigagem Ordinária. Para isso, primeiramente utilizou-se um conjunto de dados coletado em forma de transectos em uma parte do Reservatório de Nova Avanhandava, composto por 978 observações. Esse conjunto sofreu reduções sistemáticas, com o intuito de analisar o que essas reduções causariam nos resultados das inferências espaciais. Com o objetivo de analisar diferentes delineamentos amostrais, simulou-se uma quantidade densa de dados e aplicou-se as técnicas de Amostragem Simples, Amostragem Sistemática e Amostragem Estratificada. Para complementar, utilizou-se um conjunto de dados de tamanho reduzido (70 observações), coletado de forma aleatória, a fim de analisar os resultados obtidos pela Krigagem Ordinária ao utilizar um conjunto considerado "pequeno", do ponto de vista estatístico. Então, foi possível realizar o processo da Krigagem Ordinária e obter mapeamentos da variável clorofila-a na região de interesse para os diferentes tipos e tamanhos de amostras... / Abstract: The arrangement of sampling units in the study area and its influence on the results of spatial analysis is something that has been frequently discussed by researchers of the area, since the quality of a spatial inference will depend on sample size and spatial distribution of sample points. In this sense, this work aims to analyze the impact that different sampling designs may cause in the results of spatial inference by ordinary kriging. For this, first we used a dataset collected in the form of transects in a part of New Avanhandava Reservoir, consisting of 978 observations. This set suffered systematics reductions, with the aim to analyze what these reductions would cause in the results of spatial inferences. In order to analyze different sampling designs, simulated up a dense amount of data and it was applied the Simple Sampling, Systematic Sampling and Stratified Sampling techniques. To complement, it was used a data set with a small size (70 observations) and collected randomly, in order to analyze the results obtained by ordinary kriging when using a set considered "small", from a statistical point of view. Then, it was possible to perform the process of Ordinary Kriging and obtain mappings of the variable chlorophyll-a in the region of interest, for different types and sizes of samples. The validation of inference processes was carried out from two methods, the Mean Squared Error and the Kappa Index... / Mestre

Modelos de simulação de culturas são ferramentas usuais na literatura científica para representar o desempenho de uma cultura agrícola. Por representar os processos biofísicos, contém equações matemáticas e por operar em escala local, demandam investimento em equipamento e tempo computacional relativamente grande para sua execução. Ademais, nem sempre é possível obter dados climáticos e de solos cobrindo todo território brasileiro. Uma forma de representar regiões em escalas maiores é através da extrapolação das zonas edafoclimáticas homogêneas (ZEH). Portanto, objetivou-se no presente trabalho definir ZEH para as principais regiões de cana-de-açúcar do Brasil com base em dados de clima e de solo através de técnicas de geoestatística em um sistema de informação geográfica, afim de limitar ao máximo o número de pontos de simulação, sem prejudicar a representação espacial. Foram utilizadas 2.018 estações tanto meteorológicas quanto pluviométricas, além de 1.984 pontos de análises de perfis de solos espalhadas pelas principais regiões de cana-de-açúcar do Brasil. Os mapas das zonas climáticas e edáficas foram realizados através de técnicas de geoestatística e análises de indicadores estatísticos das variáveis espacializadas (VE). As escolhas das VE foram baseadas na literatura sobre zoneamento em escala global, dos quais foram selecionados para o presente trabalho, referente ao aspecto climático: graus-dias de crescimento (representando as condições térmicas do ambiente) e índice de evapotranspiração relativa (representando as condições hídricas no ambiente); referente ao aspecto edáfico, capacidade de troca de cátions (representando as características químicas) e água disponível no solo (representando as características físico-hídricas dos solos). Os mapas foram trabalhados em uma resolução de 10 quilômetros x 10 quilômetros. Numa primeira abordagem, obteve-se nove classes de zonas climáticas homogêneas e resultaram em dez classes de zonas edáficas homogêneas, totalizando 50 ZEH nas principais regiões canavieiras do Brasil, oriundas da combinação entre as classes de solo e clima. Uma segunda abordagem foi utilizada no sentido de se reduzir o número de classes finais, obtendo-se cinco classes de clima, oito classes de solo, o que resultou em 21 classes de ZEH ao final. / Crop simulation models are useful tools in the scientific literature to represent the performance of a crop in a given field. Because they are process-based and contain a number of algorithms and operate on a local scale, these models require investments in hardware and are usually time consuming. Furthermore, sometimes it is not possible to obtain climate and soil data covering the whole country. One way to represent regions at larger scales is by upscaling on homogeneous edaphoclimatic zones (HEZ). Therefore, the goal of the present study is define HEZ to the main sugarcane regions in Brazil based on weather and soil data through geostatistical techniques in a geographic information system, in order to limit number simulation points without harming the spatial representation. 2,018 weather stations in addition to 1,984 points of soil profile analyzes spread in the main sugarcane regions in Brazil were used. The maps of climate and edaphic zones were made through geostatistical techniques and statistical indicators analysis of spatialized variables (SV). The SV selected were based on homogeneous zone methods performed in global scale, from which were selected for climatic zones, thermal conditions (degree-days growth) and water conditions (relative evapotranspiration index); and edaphic zones, conditions chemical (cation exchange capacity) and water conditions (available soil water). The maps were made at a resolution of 10 km x 10 km. In the first approach, homogeneous climate zones resulted in nine classes and homogeneous edaphic zones resulted in ten classes, totaling 50 HEZ in the main sugarcane regions of Brazil, derived from the combination of the soil and climate classes. In a second approach were used in order to reduce the number of final classes, obtaining in climatic zones five classes, and in edaphic zones eight classes, in which resulted in 21 HEZ classes.

A área de estudo está localizada na parte sudeste do estado do Paraná, município de Carambeí, PR. Nessa região, há uma ocorrência de ouro conhecida desde a metade do século 18, que foi explotada por garimpeiros. Esse estudo tem por objetivo a modelagem geológica e avaliação de recursos minerais por técnicas geoestatísticas. A mineralização de ouro é encontrada nas rochas hidrotermalizadas do Grupo Castro. A pesquisa mineral foi desenvolvdia pela Terra Pura, uma empresa brasileira. Todos os dados da área foram liberados para este estudo. Nesse estudo, foram considerados os dados de sondagens por circulação reversa e diamantada. A primeira questão que surge do uso de dados de diferentes métodos de sondagem se refere ao suporte amostral e consequentemente sua validação. Geralmente, a validação de tais dados é feita usando a aproximação tradicional de furos gêmeos, onde uma é a circulação reversa e outra a diamantada. Isso é muito difícil porque há variação geológica mesmo para pequenas distancias. Além disso, quando esses dados são comparados em um diagrama de dispersão, o coeficiente de correlação é geralmente baixo. Assim, nesse trabalho foi usada uma nova aproximação estatística para comparar as distribuições de frequências das amostras coletadas nas sondagens por circulação reversa e a diamante. O resultado foi muito bom mostrando uma aderência de mais que 90%, que implica em uma possível mudança dos métodos de exploração, pois o custo da circulação reversa é muito menor que da sondagem diamantada. Essa conclusão permitiu a utilização de ambos os conjuntos de dados para desenvolver as etapas posteriores desta pesquisa objetivando a modelagem geológica e avaliação de recursos minerais usando métodos geoestatísticos. Nesta área, as rochas hidrotermalizadas ocorrem conforme um trend local com direção N45E e mergulhando 30 para SE. Essa informação estrutural foi usada tanto para a modelagem geológica e geoestatística dos recursos minerais resultando em modelos compatíveis e úteis para o entendimento da distribuição de ouro. / The study area is located in southeastern of Paraná state, municipality of Carambeí. In this region there is an occurrence of gold known since middle of 18th century, which was exploted by prospectors. This study concerns geological modeling and ore resource estimation by geostatistical techniques. The gold mineralization is found within hydrothermalized rocks of the Castro Group. The mineral exploration was developed by Terra Pura, a Brazilian company. All data regarding this area was released for this research. For this study we considered data from reverse circulation and diamond drill holes. The first question that arises from using data coming from different drilling methods is the sampling support and consequently its validation. Usually, validation of such data is made using the traditional approach of comparing twin drill holes, in which one is reverse circulation and the other is diamond drill. This is very difficult because we have geological variation even for short distances. Moreover, when both data are compared in a scattergram, the correlation coefficient is usually low. Thus, in this work we used a new statistical approach to compare frequency distributions of samples collected from reverse circulation and diamond drill holes. The result was very good showing a match of more than 90% that implies in a possible change of exploration methods, because reverse circulation is much cheaper than diamond drill holes. This result allowed us to use both data sets to develop further steps of this research aiming the geological modeling and ore resource estimation using geostatistical methods. In this area hydrothermal rocks occur according to a local trend striking N45E and dipping 30 SE. The structural information was used for both geological and geostatistical modeling of mineral resources resulting and compatible and useful models for understanding the distribution of gold.