| Summary: | Made available in DSpace on 2014-06-11T19:31:39Z (GMT). No. of bitstreams: 0
Previous issue date: 2002-04Bitstream added on 2014-06-13T20:02:34Z : No. of bitstreams: 1
melem_vm_dr_botfca.pdf: 1245740 bytes, checksum: 3f397ecf49e2ff47ffb8b3e467684468 (MD5) === Sabe-se que a época de plantio de determinadas culturas é dependente da ocorrência de chuva e das condições de temperatura e, também, que estas épocas variam de região para região. Muitos estudos, utilizando procedimentos clássicos de estatística para analisar como a temperatura afeta o crescimento de plantas e a produção de grãos na agricultura, já foram realizados no Brasil. Este trabalho apresenta uma alternativa para analisar valores de temperatura média do ar envolvendo distribuição espacial dos dados. Assim, com o objetivo de construir o mapeamento climático do Estado do Paraná por meio de uma técnica eficiente, simples e acurada (Geoestatística), foram utilizados dados obtidos pelo Instituto Agronômico do Paraná – IAPAR, coletados diariamente em 33 estações agrometeorológicas. A Geoestatística considera as associações entre amostras vizinhas através de sua geometria, ou seja, da localização das amostras no campo e detecta se existe influência de uma amostra sobre a outra, de acordo com a distância entre elas. As técnicas geoestatísticas de interpolação que se baseiam nessas associações entre amostras vizinhas, podem estimar com eficiência valores em locais não amostrados. A existência de dependência espacial é detectada pelo variograma (ou pelo covariograma). As análises permitiram concluir pela existência de dependência espacial na temperatura média do ar para os meses de janeiro e julho e o modelo esférico foi o que melhor expressou esta dependência espacial. As estimativas de temperatura em pontos não amostrados (um quadriculado com 50 colunas e 35 linhas, totalizando 1750 pontos sobre o Estado) foram obtidas através da técnica de interpolação Krigagem Universal e os mapas, comparados com os existentes no IAPAR, apresentaram-se eficientes, mesmo não considerando a variável altitude como variável auxiliar. === It is well known that sowing periods for some crops depend on rain and temperature conditions, and that the harvesting period may vary from region to region. Several studies on the effect of temperature on plants and grain production have been carried out in Brazil, using classic statistical procedures. This study offers an alternative for the analysis of mean air temperature values involving spatial data distribution. Data from 33 agrometeorological stations, collected daily by IAPAR (Agronomical Institute of Paraná, Brazil), were used to generate climatic maps for the state, adopting an efficient, simple and accurate technique (Geostatistics). Geostatistics takes into consideration the associations among neighboring samples through its geometry, i.e., the location of samples in the field, and detects the influence of one sample over the other according to the distance between them. Interpolation geostatistical techniques based on these associations among neighboring samples allows to estimating values for non-sampled locations efficiently. The existence of spatial dependence is detected by the variogram or covariance function. Data from the geostatistical analysis showed spatial dependence in the atmospheric mean temperature for the months of January and July which was best expressed by the spherical model. Temperature estimates from non-sampled points (a square with 50 columns and 35 lines, totaling 1750 points around the state) were obtained by the Universal Kriging interpolation technique, and the mappings were more efficient compared to those from Caviglione et al. (2000), even when altitude was considered an auxiliary variable.
|
|---|
