Clusterização espacial e não espacial : um estudo aplicado à agropecuária brasileira

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorPena, Marina Garcia-
Autor(es): dc.creatorMoreira, Guilherme Costa Chadud-
Autor(es): dc.creatorGuimarães, Luiz Felipe Dantas-
Autor(es): dc.creatorLaureto, Camilo Rey.-
Autor(es): dc.creatorAlbuquerque, Pedro Henrique Melo-
Autor(es): dc.creatorCarvalho, Alexandre Xavier Ywata de-
Autor(es): dc.creatorBasso, Gustavo Gomes-
Data de aceite: dc.date.accessioned2021-10-14T17:21:51Z-
Data de disponibilização: dc.date.available2021-10-14T17:21:51Z-
Data de envio: dc.date.issued2018-01-04-
Data de envio: dc.date.issued2018-01-04-
Data de envio: dc.date.issued2017-04-
Fonte completa do material: dc.identifierhttp://repositorio.unb.br/handle/10482/30922-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.5540/tema.2017.018.01.0069-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/606131-
Descrição: dc.descriptionEste trabalho apresenta uma análise de clusterização de Áreas Mínimas Comparáveis (AMC’s) para traçar um mapa de agrupamentos homogêneos a partir de uma combinação de variáveis climáticas, de características do solo e de produção agropecuária. A metodologia permite a visualização de interações entre as diversas variáveis utilizadas, identificando-se, por exemplo, padrões de coexistência, no nível municipal, de diferentes culturas agrícolas. A discussão apresenta os algoritmos tradicionais sem contiguidade (aglomerativo hierárquico e k-means) e o algoritmo aglomerativo hierárquico com imposição de contiguidade. Busca-se, dessa forma, explorar diferenças entre as tipologias construídas com diferentes abordagens, além de prover configurações alternativas de agrupamentos. Ainda, as metodologias discutidas permitem a incorporação de critérios tradicionais de escolha do número de clusters, tais como estatísticas CCC, pseudo-F e pseudo-t 2.-
Descrição: dc.descriptionThis paper presents a clustering analysis of Minimum Comparable Areas(MCAs) to draw a map of homogeneous grouping from a combination of climatic variables, soil characteristics and agricultural production. The methodology allows the visualization of interactions among the many different variables used, indentifying, for example, coexistence patterns, at the municipal level, of different crops. The discussion presents the traditional algorithms with no contiguity (hierarchical algorithm and k-means) and the agglomerative hierarchical algorithm with contiguity. Therefore, this paper seeks to explore differences among the typologies built with different approaches, as well as, provide alternative configurations of grouping. Also, the methodologies discussed allow the incorporation of traditional criteria for choosing the number of clusters, such as the CCC, pseudo-F and pseudo- t 2 statistics.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherSociedade Brasileira de Matemática Aplicada e Computacional-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsTEMA (São Carlos) - Este é um artigo publicado em acesso aberto sob uma licença Creative Commons (CC BY 4.0). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2179-84512017000100069&lng=en&nrm=iso. Acesso em: 9 jan. 2018.-
Palavras-chave: dc.subjectClusterização espacial-
Palavras-chave: dc.subjectAlgoritmos-
Palavras-chave: dc.subjectAgropecuária - Brasil-
Título: dc.titleClusterização espacial e não espacial : um estudo aplicado à agropecuária brasileira-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.