Made available in DSpace on 2017-05-12T14:48:03Z (GMT). No. of bitstreams: 1 Gustavo Henrique Dalposso.pdf: 751881 bytes, checksum: d4ec13dacd0e510c7549e67525afd909 (MD5) Previous issue date: 2010-01-13 / The methods provided by the spatial statistics are of great importance for studies involving data related to agriculture, for they allow one to know the space variability of the study and identify regions that have similar characteristics, which allows completely localized treatment, maximizing productivity and minimizing the impacts of excessive input application. One of the branches of spatial statistics is geostatistics, which uses a set of regionalized variables to model the structure of spatial dependence, allowing the preparation of thematic maps. Currently, geostatistical studies do not end with the preparation of maps, but also estimates monitored the attribute in non-sampled locations. It is necessary to investigate the quality of these maps, investigating influential points and using measurements to compare maps and area estimations. Another form of research is known as spatial statistics of areas where the objects of analysis are polygons representing blocks, neighborhoods, cities, states and others. This type of analysis seeks to identify spatial autocorrelation in global and local levels, and the usual form of reporting is through thematic maps. In this work we used geostatistics to investigate the productivity of wheat in an agricultural area of 13.7 hectares in the municipality of Salto do Lontra PR. Out of the 50 samples, two were identified as influential, and thus, we chose to build two thematic maps and to compare them using metrics derived from the matrix of errors. The results showed that the maps are different and the removal of influential points was essential to improve the quality of thematic map, since the difference between the estimated yield and actual yield was only 40 Kilos. In order to display the resources provided by the spatial statistics of areas we compared to the vegetation rates NDVI and GVI's of soybean yield from 36 cities in Western Paraná in the agricultural year of 2004/2005. The results showed regions with similar characteristics and that soybeans grow at different times in the region. / As metodologias fornecidas pela estatística espacial são de grande importância para estudos envolvendo dados relacionados à agricultura, pois permitem conhecer a variabilidade espacial dos atributos estudados e identificar regiões que apresentam características semelhantes, o que permite realizar tratamentos localizados, maximizando as produtividades e minimizando os impactos causados pela aplicação de insumos em excesso. Um dos ramos da estatística espacial é a geoestatística, que utiliza um conjunto de variáveis regionalizadas para modelar a estrutura de dependência espacial, possibilitando a elaboração de mapas temáticos. Atualmente os estudos geoestatísticos não terminam com a elaboração dos mapas, pois além de estimar o atributo monitorado em locais não amostrados se faz necessário investigar a qualidade destes mapas, investigando pontos influentes e utilizando medidas que permitam comparar mapas e realizar estimações de áreas. Outra forma de investigação é conhecida como estatística espacial de áreas, em que os objetos de análise são polígonos que representam talhões, bairros, municípios, estados entre outros. Neste tipo de análise, procura-se identificar autocorrelações espaciais em nível global e local, e a forma usual de apresentação dos resultados é feita utilizando mapas temáticos. Neste trabalho utilizou-se a geoestatística para investigar a produtividade de trigo em uma área agrícola de 13,7 hectares no município de Salto do Lontra Pr. Das 50 amostras coletadas, identificou-se duas como influentes e, com isso, optou-se por construir dois mapas temáticos e compará-los utilizando métricas derivadas da matriz dos erros. Os resultados mostraram que os mapas são diferentes e a retirada dos pontos influentes foi de fundamental importância para melhorar a qualidade do mapa temático, visto que a diferença entre a produtividade estimada e a produtividade real foi de apenas 40 quilos. Para apresentar os recursos fornecidos pela estatística espacial de áreas comparou-se os índices de vegetação NDVI e GVI da produtividade de soja de 36 municípios da região Oeste do Paraná no ano agrícola 2004/2005. Os resultados permitiram identificar regiões com características semelhantes e que a soja é cultivada em períodos distintos na região.

Entre as técnicas de análise exploratória de dados espaciais encontram-se os indicadores de associação espacial, que mensuram o grau de dependência espacial dos dados analisados e são aplicáveis apenas a dados quantitativos. Outro procedimento disponível é a geoestatística, a qual se baseia no variograma, descrevendo quantitativa e qualitativamente a estrutura espacial de determinada variável. Neste trabalho, utilizam-se conceitos do variograma para desenvolver um indicador de associação espacial global (SIVAR-G) e um indicador de associação espacial local (SIVAR-L). São utilizados dois bancos de dados: dados binários de escolha modal de uma Cidade Fictícia e dados de média de viagens por modo automóvel por domicílio para um recorte da região central da cidade de São Paulo (Pesquisa de Mobilidade 2012). Em ambos os casos, o indicador global, para diferentes vizinhanças, foi calculado com base em valores padronizados, provenientes do variograma experimental e teórico. Em seguida, aplicou-se um teste de hipótese baseado em pseudo-significância para avaliar a significância do indicador proposto previamente. Por fim, os resultados do indicador proposto foram comparados ao índice de Moran, calculado com os mesmos parâmetros. Para o indicador local, foi elaborado um procedimento similar, porém os cálculos foram feitos pontualmente. Cada observação do banco de dados teve um variograma experimental calculado e um variograma teórico modelado para uma análise omniderecional. Um teste de hipótese similar ao do indicador global foi desenvolvido e aplicado. Assim obtiveram-se indicadores de associação espacial local ponto a ponto. Conclui-se que o indicador SIVAR-G possui desempenho satisfatório na estimação de associação espacial para dados contínuos e binários, mostrando-se sensível a anisotropia dos dados. O indicador SIVAR-L é capaz de identificar \"bolsões\" de associação espacial. É aplicável a dados contínuos e binários. Os indicadores propostos permitem a modelagem de variogramas teóricos globais e locais, fornecendo uma maior riqueza de detalhes da estrutura espacial dos dados. Os indicadores SIVAR baseiam-se na dissimilaridade espacial, enquanto o índice de Moran e LISA baseiam-se na similaridade espacial. / Among the exploratory spatial data analysis tools, there are the indicators of spatial association, which measure the degree of spatial dependence of the analyzed data and can be applied to quantitative data. Other procedure available is the geoestatistics, which is based on the variogram, describing quantitatively and qualitatively the spatial structure of a variable. The aim of this thesis is to use the concept of the variogram to develop a global indicator of spatial association (SIVAR-G) and a local indicator of spatial association (SIVAR-L). Two data bases were used: binary data of travel mode choice of a hypothetical city and mean of automobile trips by household to a region of São Paulo\'s center (Mobility Survey, 2012). In both cases, the global indicator, for different neighborhoods, was calculated based on standardized values, derived from the experimental and theoretical variogram. Then, a pseudo-significance test was applied to evaluate the significance of the previously proposed indicator. The results of the proposed indicator were compared to Moran\'s I, calculated with the same parameters. For the local indicator, it was made a similar procedure, however the calculation was punctual. For each observation of the database, it was calculated experimental variogram and adjusted a theoretical variogram for a omnidirectional analysis. A hypothesis test similar to the one applied in the global indicator was developed and applied. Therefore, it was obtained local indicators point by point. It was concluded that the indicator SIVAR-G has a satisfactory performance for spatial association of binary and continuous data, with sensibility for anisotropy cases. The SIVAR-L indicator is able to identify spatial association pockets and outliers. The local indicator is suitable for continuous and binary data. The developed indicators allow the modeling of theoretical global and local variograms, providing more details of the spatial structure of the data. The SIVAR indicators are based on spatial dissimilarity, while the Moran and LISA index are based on spatial similarity.

Les écosystèmes sub-Antarctiques sont particulièrement vulnérables aux perturbations environnementales et notamment aux invasions biologiques. L'introduction du Chat (Felis silvestris catus) sur la Grande Terre de l'archipel des Kerguelen a eu des effets désastreux sur les communautés d'oiseaux marins. Ce prédateur doit sa survie dans cet environnement à la présence d'une proie introduite, le Lapin (Oryctolagus cuniculus), qui constitue sa ressource principale pendant l'hiver lorsque les oiseaux marins sont repartis en mer. L'éradication du chat n'apparaît pas être une solution réaliste compte tenu de la taille de l'île (6675 km2) et son inaccessibilité. De plus elle serait susceptible de conduire à des résultats non souhaités comme par exemple une explosion démographique des populations de lapins. La mise en place d'une politique de gestion adaptée nécessite d'améliorer notre connaissance des facteurs qui conditionnent la dynamique spatio-temporelle des populations de chats. Au cours de cette thèse, j'ai cherché à identi_er les mécanismes des interactions entre le chat, le lapin et la végétation, car elles sont attendues conditionner celles existantes entre le chat et les oiseaux marins. J'ai analysé la dynamique spatio-temporelle de quatre populations de chats sur la Grande Terre et j'ai en particulier recherché si des conditions environnementales spatialement corrélées (effet Moran) pouvaient, en se propageant dans la chaine alimentaire, synchroniser les variations temporelles d'abondance des populations de chats. Enfin, j'ai étudié l'impact des variations spatio-temporelles d'abondance des populations de chats sur les variations spatio-temporelles de la structure génétique des populations de chats.

Ministério da Educação, Universidade Federal Rural da Amazônia e Programa de Pós-Graduação em Agronomia / Oil palm (Elaeis guineensis Jacq.) is a very important agricultural crop as a source of vegetable oil worldwide. Although it is still not very expressive in the country, Brazil has a gigantic growth potential of this culture, mainly in the Amazon region, without the need for deforestation of new areas. However, one of the main phytosanitary harriers to its development in the region has been Fatal Yellowing (FY), a disease still unknown but has devastated many plantations. In this way, this work aimed to study the spread ofthe disease in the field, through the study of the spatial and temporal dispersion of FA and its spatial autocorrelation, in oil palm plants of different ages and genetic material, in an organic production system. in the municipality of Acará / PA. The genetic materiais studied were Avros, Deli x Lamé and Deli x Lamé (EMBRAPA). The plants were monitored monthly for the purpose of identifying plants attacked by FY. Using the centroid of the plots, the study of the space-time distribution of the number of diseased plants per plot was done. Through the Moran index, it was possible to observe the presence of positive spatial autocorrelation in the arca, identifying areas of high and low incidence of disease clusters, as well as outliers. The index has proved to be a promising tool in epidemiological research, assisting in the study and management of the disease. Then a study was done isolating each genetic material. For the three materiais, the distribution model that fitted the most was Gaussian, followed by the Spherical and finally the Exponential. This reinforces the concept of FA, has a biotic cause. The Spatial Dependence Index for the Avros material was predominantly moderate, whereas for the materiais Deli x Lamé and Deli x Lamé (EMBRAPA) were strong. The range varied between the materiais, presenting a higher average value for Avros (2,939 meters), followed by Deli-Lamé (2,169 meters) and, finally, 853 meters for Deli-Lamé (EMBRAPA). The three genetic materiais tested showed different spatial distribution, statistical and geostatistical parameters, and were considered susceptible to fatal yellowing. / A palma-de-óleo (Elaeis guineensis Jacq.) é uma cultura agrícola muito importante como fonte de óleo vegetal mundial. Apesar de ainda ser pouco expressiva no país, o Brasil tem um potencial gigantesco de crescimento desta cultura, principalmente na região Amazônica, sem haver a necessidade de desmatamento de novas áreas. Entretanto um dos principais entraves fitossanitários para seu desenvolvimento na região tem sido o Amarelecimento Fatal (AF), doença de causa ainda desconhecida, mas que tem devastado muitas plantações. Desta forma, este trabalho objetivou estudar a evolução da doença em campo, por meio do estudo da dispersão espacial e temporal do AF e da sua autocorrelação espacial, em plantas de palma-de-óleo de diferentes idades e materiais genéticos, em sistema de produção orgânica, no município de Acará/PA. Os materiais genéticos estudados foram Avros, Deli x Lamé e Deli x Lamé (EMBRAPA). As plantas foram monitoradas mensalmente com a finalidade de identificar as atacadas pelo AF. Utilizando o centroide das parcelas foi feito o estudo da distribuição espaço-temporal da variável número de plantas doentes por parcela. Através do índice de Moran foi possível observar a presença de autocorrelação espacial positiva para esta variável, identificando as áreas de clusters de alta e baixa incidência da doença, além de outliers. O índice demonstrou ser uma ferramenta promissora nas pesquisas epidemiológicas, auxiliando no estudo e no manejo da doença. Em seguida foi feita uma análise isolando cada material genético. Para os três materiais o modelo de semivariograma que melhor se ajustou foi o Gaussiano, seguido do Esférico e por fim o Exponencial. Isto reforça o conceito do AF apresentar uma causa biótica. O índice de Dependência Espacial para o material Avros foi predominantemente moderado, enquanto que para os materiais Deli x Lamé e Deli x Lamé (EMBRAPA) foram fortes. O alcance variou entre os materiais, apresentando maior valor médio para o Avros (2.939 metros), seguido pelo Deli-Lamé (2.169 metros) e por fim, 853 metros para Deli-Lamé (Embrapa). Os três materiais genéticos testados, apresentaram distribuição espacial, parâmetros estatísticos e geoestatísticos distintos entre si, sendo considerados susceptíveis ao amarelecimento fatal.

No description available.

Thesis advisor: Joni L. Kinsey. Thesis advisor: Joni Kinsey. Includes bibliographic references (p. 287-299).

No description available.

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.

Made available in DSpace on 2016-08-17T14:53:04Z (GMT). No. of bitstreams: 1 Werner Borges de Sampaio.pdf: 2991418 bytes, checksum: 1c3fd03c2e6ffea37ed00740d75d2ffd (MD5) Previous issue date: 2009-08-31 / Breast cancer presents high occurrence frequency among the world population and its psychological effects alter the perception of the patient s sexuality and the own personal image. Mammography is an x-ray of the mamma that allows the precocious detection of cancer, since it is capable to showing lesions in their initial stages, typically very small lesions in the order of millimeters. The processing of mammographic images has been contributing to the detection and the diagnosis of mammary nodules, being an important tool, because it reduces the degree of uncertainty of the diagnosis, providing a supplementary source of information to the specialist. This work presents a computational methodology that aids the specialist in the detection of breast masses. The first step of the methodology aims at improvement the mammographic image, which consists of removal of unwanted objects, reduction of noise and enhancement of the breast internal structures. Then, Cellular Neural Networks are used to segment areas suspected of containing masses. These regions have their shapes analyzed by geometry descriptors (eccentricity, circularity, compactness, circular disproportion and circular density) and their textures are analyzed using geostatistical functions (Ripley's K function, Moran's and Geary's indices). Support Vector Machine were trained and used to classify the candidate regions in one of the classes, masses or no-mass, with sensibility of 80.00%, specificity of 85.68%, acuracy of 84.62%, a rate of 0.84 false positive for image and 0.20 false negative for image and an area under the curve ROC of 0.827. / Câncer de mama apresenta alta freqüência de ocorrência entre a população mundial e seus efeitos psicológicos alteram a percepção da sexualidade do paciente e a própria imagem pessoal. A mamografia é uma radiografia da mama que permite a descoberta precoce de câncer, sendo capaz a mostrar lesões nas fases iniciais, tipicamente lesões muito pequenas na ordem de milímetros. O processamento de imagens mamográficas tem contribuído para a descoberta e o diagnóstico de nódulos mamários, sendo uma importante ferramenta, pois reduz o grau de incerteza do diagnóstico, provendo uma fonte adicional de informação ao especialista. Este trabalho apresenta uma metodologia computacional que ajuda o especialista na descoberta de massas mamárias. O primeiro passo da metodologia visa à melhoria da imagem da mamografia que consiste em remoção de objetos externos à mama, redução de ruídos e realce das estruturas internas da mama. Então, Redes Neurais Celulares são usadas para segmentar áreas suspeitadas de conter massas. Estas regiões têm as suas formas analisadas por descritores de geometria (excentricidade, circularidade, densidade, desproporção circular e densidade circular) e as suas texturas analisadas por funções geoestatísticas (função de K de Ripley, e os índices de Moran e Geary). Máquinas de Vetores de Suporte são treinadas para classificar as regiões candidatas em um das classes, massas ou não-massa, com sensibilidade de 80,00%, especificidade de 85,68%, acurácia de 84,62%, uma taxa de 0,84 falsos positivos por imagem e 0,20 falsos negativos por imagem e uma área sob da curva ROC de 0,870.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.