Clusterização Espacial e Não Espacial: Um Estudo Aplicado à Agropecuária Brasileira

Abstract

RESUMO.Este trabalho apresenta uma análise de clusterização deÁreas 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 .Palavras-chave: Clusterização espacial, algoritmos hierárquicos, k-means. INTRODUÇÃÓAreas territoriais extensas podem implicar em diversidades econômicas, culturais, sociodemográficas, comportamentais, climáticas e geográficas. Dessa forma, a formulação de políticas públicas encontra obstáculos quando implementadas nas diversas regiões do país, já que as diversidades acima elencadas impõem diferentes intensidades de aplicação da política, uma vez que existemáreas mais ou menos dependentes dessas ações. O Brasil, por ser um país com grandes dimensões territoriais, pode apresentar dificuldades em implementar políticas públicas. O setor agropecuário, principalmente, sofre com essas dificuldades, já que ele se estende por quase todo o território nacional eé afetado com alterações nos padrões locacionais.

Spatial and Seasonal Assessment of Water Quality in the Lobo Stream River Basin, Brazil Using Multivariate Statistical Techniques

“…In this study, the WARD minimum variance technique was used, which aims to seek the smallest variance within the groups, which is measured by the sum of squares and then unite the groups according to homogeneity (Santos et al 2017). This method is recommended and has been used in several studies (Carvalho et al 2017, Pena et al 2017, Crispim et al 2020.…”