Modelagem da distribuição diamétrica de espécies florestais em um fragmento de floresta ombrófila mista

Este trabalho teve como objetivo avaliar o desempenho das funções densidade de probabilidade (fdp) Weibull 3 Parâmetros (3P) e Beta ajustadas pelo método da Máxima Verossimilhança para descrever a distribuição diamétrica de espécies arbóreas de um fragmento de Floresta Ombrófila Mista. A área de estudo faz parte da Floresta Nacional de Irati (FLONA), onde foram instaladas 25 parcelas permanentes (100 m x 100 m) com área total amostrada de 25 ha e, para os ajustes, foram utilizados dados de todas as árvores com diâmetro à altura do peito (DAP) superior ou igual a 10 cm. Os ajustes foram feitos para as 20 espécies com maior valor de importância (VI) com dados agrupados em classes de 5 cm de DAP. A programação não linear (PNL) foi utilizada com o objetivo de minimizar os desvios entre valores observados e estimados. Para avaliação dos ajustes, foram utilizados os testes de aderência de Kolmogorov-Smirnov e de Hollander-Proschan, além do Erro-Padrão de Estimativa (%) e Índice de Reynolds. Os resultados indicaram que as funções Weibull 3P e Beta apresentaram resultados satisfatórios, que ambas poderiam ser recomendadas para avaliar a distribuição diamétrica das espécies consideradas e que o uso da PNL nem sempre melhorou os ajustes.

Utilização de redes neurais artificiais para a projeção da distribuição diamétrica de povoamento equiâneos

Objetivou-se neste estudo desenvolver e avaliar a aplicação de redes neurais artificiais para a projeção de parâmetros da distribuição Weibull. Utilizaram-se dados de parcelas permanentes de eucaliptos, mensuradas em oito ocasiões. Ajustou-se a função Weibull com dois parâmetros para todas as parcelas e ocasiões, pelo método da máxima verossimilhança. A projeção da distribuição diamétrica foi feita através de redes neurais artificiais. Comparou-se o método proposto com o método tradicionalmente utilizado na modelagem da distribuição diamétrica. Os modelos utilizando RNA apresentaram melhorias na dispersão gráfica dos resíduos, bem como das estatísticas avaliadas. O método proposto mostrou-se superior ao método comumente usado.

PARÂMETROS GENÉTICOS PARA A CAPACIDADE DE PROPAGAÇÃO DE Pinus taeda POR EMBRIOGÊNESE SOMÁTICA1

Objetivou-se com este trabalho avaliar a capacidade de propagação de famílias dePinus taeda por embriogênese somática utilizando estimativas de parâmetros genéticos. Para a embriogênese somática, foram selecionados cones imaturos de 65 famílias-elite de Pinus taeda. O germoplasma utilizado para a implantação dos testes de campo foi composto por 238 clones de 31 famílias. O estudo foi realizado por meio de análise genetíoco-estatística pelo procedimento de estimação de componentes de variância via máxima verossimilhança residual (Reml) e de predição de valores genéticos via melhor predição linear não viesada (Blup), usando-se o software Selegen-Reml/Blup. De acordo com os resultados, a variabilidade genética possibilita ganhos genéticos altos pela seleção entre famílias, para os caracteres presença de embriões somáticos e número de clones por famílias dePinus taeda. Há baixa ou nenhuma correlação genética entre o número de clones propagados viaembriogênese somática e as características altura, diâmetro, sobrevivência e volume avaliados aos 4 anos de idade em testes clonais. Conclui-se que há maior ganho genético para a capacidade de propagação por embriogênese somática com a seleção de famílias de Pinus taeda.

MODELAGEM DO CRESCIMENTO E DA PRODUÇÃO DE POVOAMENTOS DEEucalyptus EM NÍVEL DE DISTRIBUIÇÃO DIAMÉTRICA UTILIZANDO ÍNDICE DE LOCAL1

RESUMO A predição da produção de povoamentos florestais por classe diamétrica é de suma importância quando se tem por objetivo gerar multiprodutos da madeira. Assim, objetivou-se, neste trabalho, estimar a produção de um povoamento de clones do híbrido de Eucalyptus urophylla x Eucalyptus grandis por classe diamétrica, utilizando a variável índice de local (S). A classificação da capacidade produtiva de cada parcela foi feita por meio de curvas de índices de local, empregando-se os métodos da curva-guia e da equação das diferenças. Em seguida, ajustou-se a função densidade de probabilidade (f.d.p.) Weibull de dois parâmetros pelo método da máxima verossimilhança. Para a projeção dos parâmetros da f.d.p., utilizou-se um sistema de equações com inclusão da variável S. A avaliação do ajuste desse sistema foi feita por meio da análise dos gráficos de resíduos e das estatísticas de precisão: coeficiente de determinação ajustado (R2ajust) e erro-padrão da média relativo (Syx%). O ajuste foi realizado utilizando 80% das parcelas e as 20% restantes, utilizadas para validação. A classificação da capacidade produtiva por meio de índices de local foi eficiente pelos dois métodos avaliados, sendo selecionado o método da curva-guia devido à sua simplicidade e facilidade de aplicação. O sistema de equações com inclusão da variável índice de local (S) foi preciso na modelagem da distribuição diamétrica do povoamento analisado. A aplicabilidade do sistema de equações se mostrou bastante eficiente para três prognoses consecutivas.

Eficácia de dados Hyperion/EO-1 para identificação de alvos agrícolas: comparação com dados ETM+/Landsat-7

O objetivo desta pesquisa foi avaliar o uso de dados hiperespectrais Hyperion/EO-1 na discriminação de alvos agrícolas, comparando a acurácia de classificação obtida pelos dados desse sensor à obtida por dados multiespectrais ETM+/Landsat-7. Para isso, alvos agrícolas da região de Franca - SP, com diferenças espectrais bem definidas e outros alvos com diferenças espectrais sutis, imageados por ambos os sensores, em 16 de julho de 2002, foram discriminados utilizando o classificador supervisionado de Máxima Verossimilhança (MaxVer). Os alvos agrícolas com diferenças espectrais bem definidas foram caracterizados por seis classes de uso e cobertura do solo; já os com diferenças espectrais sutis, por cinco classes de variedades de cana-de-açúcar. Quando os dados ETM+ foram classificados, a acurácia foi de 91,5% para as classes de uso e cobertura do solo e de 67,6% para as classes de variedades de cana-de-açúcar, enquanto, para os dados do sensor Hyperion, a acurácia de classificação foi de 94,9% e de 87,1%, respectivamente, demonstrando, assim, a importância do uso de dados hiperespectrais na discriminação de alvos agrícolas com características espectrais semelhantes.

Técnicas de diagnóstico de influência local na análise espacial da produtividade da soja

A modelagem da estrutura de dependência espacial pela abordagem da geoestatística é fundamental para a definição de parâmetros que definem esta estrutura, e que são utilizados na interpolação de valores em locais não amostrados pela técnica de krigagem. Entretanto, a estimação de parâmetros pode ser muito afetada pela presença de observações atípicas nos dados amostrados. O desenvolvimento deste trabalho teve por objetivo utilizar técnicas de diagnóstico de influência local em modelos espaciais lineares gaussianos, utilizados em geoestatística, para avaliar a sensibilidade dos estimadores de máxima verossimilhança e máxima verossimilhança restrita na presença de dados discrepantes. Estudos com dados experimentais mostraram que tanto a presença de valores atípicos como de valores considerados influentes, pela análise de diagnóstico, pode exercer forte influência nos mapas temáticos, alterando, assim, a estrutura de dependência espacial. As aplicações de técnicas de diagnóstico de influência local devem fazer parte de toda análise geoestatística a fim de garantir que as informações contidas nos mapas temáticos tenham maior qualidade e possam ser utilizadas com maior segurança pelo agricultor.

Influência local em um modelo espacial linear da produtividade da soja utilizando distribuição t-Student

O uso das ferramentas da geoestatística, aliadas à agricultura de precisão permitem o acompanhamento das áreas agrícolas produtoras de soja, estabelecendo as relações de dependência espacial entre os pontos amostrados. A modelagem da estrutura de variabilidade espacial possibilita a construção de mapas temáticos dos atributos estudados, utilizando como método de interpolação a krigagem. Porém, a presença de valores atípicos entre os elementos amostrais pode influenciar na construção e interpretação desses mapas. A distribuição de probabilidades t-Student tem sido utilizada na tentativa de diminuir a influência dos valores atípicos durante a estimativa dos parâmetros de dependência espacial, por ter caudas mais pesadas que a distribuição normal. A detecção dos valores influentes na área em estudo, por meio da análise de diagnósticos de influência local, confere maior confiabilidade na utilização dos mapas gerados, corroborando a aplicação de insumos. Deste modo, o objetivo deste trabalho foi aplicar as técnicas de influência local em dados espacialmente referenciados, com os modelos de perturbação aditiva e utilizando a matriz escala, considerando a distribuição t-Student n-variada. Foi utilizado um modelo espacial linear para o estudo de dados da produtividade da soja em função da altura média de plantas e do número médio de vagens por planta. As técnicas de influência local foram eficientes para detectar pontos que influenciam na escolha do modelo geoestatístico, nas estimativas dos parâmetros e na construção do mapa temático.

Modelo de regressão espacial para estimativa da produtividade da soja associada a variáveis agrometeorológicas na região oeste do estado do Paraná

Este trabalho apresenta o Modelo de Regressão Espacial Autorregressivo Misto (SAR) e Modelo do Erro Espacial (CAR) no intuito de investigar a associação entre a produtividade da soja e as variáveis agrometeorológicas relacionadas à precipitação pluvial, temperatura média e radiação solar global. O estudo foi realizado com os dados das safras dos anos agrícolas de 2005/2006 a 2007/2008, da região oeste do estado do Paraná. Como os dados agrometeorológicos estão disponíveis apenas para oito municípios da região em estudo, as estimativas foram obtidas por meio do uso de Polígonos de Thiessen. A estimativa de parâmetros dos modelos ajustados foi obtida utilizando o método de Máxima Verossimilhança. A avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R²), no máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz (BIC). Este estudo também permitiu verificar a correlação e autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando de técnicas como o índice I de Moran Global e Local uni e bivariado, e os testes de significância. O estudo pôde 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.

Variabilidade espacial da força de desprendimento de frutos do cafeeiro

O objetivo deste trabalho foi utilizar técnicas de georreferenciamento e de geoestatística para analisar a variabilidade espacial da força de desprendimento de frutos de cafeeiros por meio de semivariogramas e pela interpolação por krigagem. O trabalho foi conduzido no município de Três Pontas - MG, Brasil. A força de desprendimento dos frutos verdes e de cerejas dos cafeeiros foi obtida por meio de um protótipo de dinamômetro em pontos georreferenciados. A dependência espacial dos dados foi analisada por meio de ajustes de semivariogramas, clássico e robusto, para o método dos mínimos quadrados ordinários e ponderados, e apenas o ajuste clássico, para os métodos da máxima verossimilhança e máxima verossimilhança restrita. Testaram-se, para cada um dos métodos, os modelos esférico, exponencial e gaussiano. Os mapas de isolinhas obtidos por krigagem foram produzidos, baseados no melhor método e modelo de ajuste da função semivariograma, que foram obtidos pelas estatísticas de validação. As variáveis em estudo apresentaram estruturas de dependência espacial, as quais foram modeladas pelos semivariogramas, o que possibilitou a confecção dos mapas de isolinhas de distribuição espacial, obtidos por krigagem. Foi possível identificar os locais mais propícios para se iniciar a colheita seletiva e mecanizada dos frutos do cafeeiro.

Comparação de mapas temáticos de diferentes grades amostrais para a produtividade da soja

RESUMOEste trabalho teve como objetivo comparar mapas temáticos construídos a partir de conjuntos de dados referentes à produtividade da soja, com diferentes grades amostrais regulares de 25x25 m; 50x50 m; 75x75 m e 100x100 m, utilizando técnicas de krigagem. No ajuste dos modelos teóricos a semivariâncias experimentais, utilizou-se para a estimação dos parâmetros o método de máxima verossimilhança. A comparação dos mapas temáticos foi realizada por meio dos índices de acurácia, obtidos a partir da matriz de erros. Foi verificado que fatores tais, como o tamanho amostral e a densidade amostral entre pontos, interferem na escolha do modelo teórico espacial, nas estimativas dos parâmetros e na construção dos mapas temáticos.

TÉCNICAS PARA DETECÇÃO DE PONTOS INFLUENTES EM VARIÁVEIS CONTÍNUAS REGIONALIZADAS

RESUMO Na análise de dados espaciais em agricultura, a presença de pontos influentes pode alterar consideravelmente os resultados das análises de dependência espacial e, consequentemente, a construção dos mapas. Quando se referem a atributos físico-químicos do solo e da produtividade, os mapas devem representar uma estimativa eficiente das condições reais do campo, já que são importantes informações utilizadas para a manutenção de um sistema agrícola de manejo localizado, com a otimização da aplicação de insumos agrícolas, visando à maior produtividade. Este trabalho teve por objetivo apresentar as técnicas gráficas hair-plot, de influência local (Ci e |Lmax|) de identificação de observações influentes em dados contínuos espaciais georreferenciados, coletados em uma área experimental de cultivo comercial, com 167,35 hectares, onde o sistema agrícola de manejo localizado é adotado. Como resultados apresentam-se os pontos potencialmente influentes e os mapas construídos com e sem eles. Na comparação entre os mapas com e sem estes pontos, as métricas de comparação dos mapas mostraram a importância da identificação dos pontos influentes em uma base de dados espaciais. Sendo assim, a existência de pontos influentes deve ser investigada para entender o motivo de seu comportamento atípico, já que eles modificam, consideravelmente, os mapas gerados.

Identificação de tipos de papilomavirus e de outros fatores de risco para neoplasia intra-epitelial cervical

OBJETIVO: identificar os fatores de risco para neoplasia intra-epitelial cervical (NIC) e os tipos de papilomavírus humano (HPV) em mulheres com NIC, e comparar com os tipos de HPV entre as que apresentam colo normal. MÉTODOS: foram estudadas 228 pacientes, sendo 132 portadoras de NIC (casos) e 96 mulheres com colo normal (controles). Nos dois grupos, formados por pacientes selecionadas entre aquelas que procuraram atendimento no mesmo hospital e residiam em área próxima ao local da pesquisa, a média etária foi semelhante (34,0±8,3 anos), com predomínio de casadas. Os possíveis fatores de risco para NIC foram investigados com aplicação de questionário, pesquisando: idade, estado civil, grau de escolaridade, idade do primeiro coito, número de gestações, número de parceiros sexuais, método contraceptivo utilizado, referência de doenças sexualmente transmissíveis (DST) anteriores e tabagismo, comparados entre os grupos estudados. Foram coletadas amostras para colpocitologia oncótica e, a seguir, para pesquisa de HPV por reação em cadeia de polimerase (PCR), utilizando iniciadores (primers) MY09 e MY11, procedendo-se então ao exame colposcópico e exame histopatológico. Para análise estatística de associação de NIC com fatores de risco, utilizaram-se odds ratio com intervalo de confiança e os testes chi2 e Fisher, ao nível de significância de 0,05. Empregou-se ainda o método de regressão logística testado com significância expressa pelo valor de p com grau de máxima verossimilhança. RESULTADOS: no modelo de regressão logística permaneceram as variáveis: infecção por HPV de alto risco oncogênico (OR=12,32; IC 95%: 3,79-40,08), referência à DST anterior (OR=8,23; IC 95%: 2,82-24,04), idade precoce do primeiro coito (OR=4,00; IC 95%: 1,70-9,39) e tabagismo (OR=3,94; IC 95%: 1,73-8,98). A PCR foi positiva em 48,5% e 14,6% nos grupos caso e controle, respectivamente. CONCLUSÕES: o fator de risco principal para NIC foi infecção por HPV oncogênico, com os tipos 16, 18, 33, 35, 51, 52, 58 e 83. Dentre as portadoras de lesões de alto grau, houve predomínio de HPV-16 ou variante 16. Nas pacientes com colo morfologicamente normal, também foram identificados os tipos oncogênicos 51, 58 e variante 51.

MODELAGEM E SIMULAÇÃO DO PROCESSO DE EXTRAÇÃO SUPERCRÍTICA DO ÓLEO ESSENCIAL DE ALECRIM

Este trabalho objetiva a modelagem das curvas de extração características do processo de extração supercrítica do óleo essencial de alecrim (Rosmarinus officinallis l.), obtidas nas isotermas de 310,15 e 320,15 K nas pressões de 100, 120, 140 e 160 bar, e interpretar os parâmetros e a função objetivo com conceitos estatísticos. Utilizou-se na resolução das equações do modelo o método das diferenças finitas, na obtenção dos parâmetros utilizou-se o método da máxima verossimilhança. Os resultados simulados indicam que o modelo utilizado constitui-se numa ferramenta capaz de representar as curvas de extração do processo de extração supercrítica.

O problema do pixel mistura : um estudo comparativo

Os satélites para sensoriamento remoto atualmente dispoívies à comunidade científica possuem diferenies resoluções espaciais, por exemplo: SPOT 20 e 10 metros, LANDSAT-TM 30 metros e NOA-AVHRR 1100 metros. Essa resolução frequentemente não é grande o suficiente para um grande número de aplicações que necessitam de uma percepção da cena mais detalhada. Muitas vezes, no interior de uma célula de resolução (pixel) mais de uma classe ocorre. Este caso é conhecido como pixel mistura. Na classificação de imagens obtidas por sensoriamento remoto é comum a utilização de metodologias que atribuem somente uma classe a um pixel, como o procedimento clássico da máxima verossimilhança. Esse procedimento resulta frequentemente em uma estimação errônea das áreas ocupadas pelas classes presentes na cena. Em alguns casos, especialmente quando não há uma classe dominante, isto pode ser a fonte de um erro significativo. Desde o início dos anos 70, diferentes metodologias têm sido propostas para o trabalho num nível de subpixel. A grande vantagem do trabalho nesse nível é que um pixel não é necessariamente atribuído a somente uma classe. O pixel tem um grau que o correlaciona a cada classe: de zero(se a classe não ocorre no pixel) até 1 (a classe ocorre no pixel inteiro). Assim, cada pixel tem um vetor associado que estima a proporção de cada classe nele. A metodologia mais comumente utilizada considera a refletância do pixel mistura como uma combinação linear da refletância média de cada classe componente. De acordo com essa visão as refletâncias associadas às classes componentes são consideradas constantes conhecidas i.e., não são variáveis aleatórias. Assim, a proporção de cada classe no pixel é obtida pela resolução de um sistema de equações lineares. Uma outra metodologia é assumir as refletâncias que caracterizam as classes como sendo variáveis aleatórias. Nesta visão, as informações a respeito das distribuições das classes é utilizada. A estimativa das proporções de cada classe é obtida pelo vetor de proporções que maximiza a função de verossimilhança. Mais recentemente, uma visão diferente foi proposta: a utilização da lógica fuzzy. Esta metodologia utiliza o conceito de função de pertinência que é essencial à teoria dos conjuntos fuzzy. Esta função utiliza elementos com natureza estatística ou não para a estimação das proporções. No presente trabalho, duas funções de pertinência foram definidas: a primeira baseada na função densidade probabilidade gaussiana e a segunda baseada diretamente na distância de Mahalanobis. O objetivo deste estudo é avaliar cada uma das metodologias anteriores em termos de acurácia, performance e dados necessários. Para este objetivo, as metodologias foram implementadas computacionalmente e alimentadas com imagens LANDSAT-TM. Para a avaliação da acurácia dos modelos um estudo qualitativo foi executado.

Avaliação do desempenho de classificadores neurais para aplicações em sensoriamento remoto

Atualmente, pesquisadores das mais diversas áreas, tais como: Geologia, Física, Cartografia, Oceanografia, entre outras, utilizam imagens de satélite como uma fonte valiosa para a extração de informações sobre a superfície terrestre. Muitas vezes, a análise (classificação) destas imagens é realizada por métodos tradicionais sejam eles supervisionados (como o Método de Máxima Verossimilhança Gaussiana) ou nãosupervisionados (como o Método de Seleção pelo Pico do Histograma). Entretanto, pode-se utilizar as Redes Neurais Artificiais como uma alternativa para o aumento da acurácia em classificações digitais. Neste trabalho, utilizou-se imagens multi-espectrais do satélite LANDSAT 5-TM para a identificação de espécies vegetais (Mata Nativa, Eucalyptus e Acácia) em uma região próxima aos municípios de General Câmara, Santo Amaro e Taquari, no Estado do Rio Grande do Sul, Brasil. Comparou-se qualitativamente e quantitativamente os resultados obtidos pelo método de Máxima Verossimilhança Gaussiana e por uma Rede Neural Artificial Multinível com BackPropagation na classificação da área de estudo. Para tanto, parte desta área foi mapeada através de uma verificação de campo e com o auxílio de classificadores nãosupervisionados (Kohonen, que é uma Rede Neural, e o método de Seleção pelo Pico do Histograma). Com isto, foi possível coletar dois conjuntos de amostras, sendo que um deles foi utilizado para o treinamento dos métodos e o outro (conjunto de reconhecimento) serviu para a avaliação das classificações obtidas. Após o treinamento, parte da área de estudo foi classificada por ambos os métodos. Em seguida, os resultados obtidos foram avaliados através do uso de Tabelas de Contingência, considerando um nível de significância de 5%. Por fim, na maior parte dos testes realizados, a Rede Neural Artificial Multinível com BackPropagation apresentou valores de acurácia superiores ao Método de Máxima Verossimilhança Gaussiana. Assim, com este trabalho observou-se que não há diferença significativa de classificação para as espécies vegetais, ao nível de 5%, para a área de estudo considerada, na época de aquisição da imagem, para o conjunto de reconhecimento.