Productivity analysis of factors associated with soy agrometeorological, through spatial statistical area in west region of the state of ParanÃ

Este trabalho apresenta mÃtodos para serem aplicados na estatÃstica espacial de Ãrea na produtividade da soja e fatores agrometeorolÃgicos na regiÃo oeste do estado do ParanÃ. Os dados utilizados estÃo relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variÃveis: produtividade da soja (t ha-1) e agrometeorolÃgicas, tais como precipitaÃÃo pluvial (mm), temperatura mÃdia (oC) e radiaÃÃo solar global mÃdia (W m-2). Em uma primeira fase foram utilizados Ãndices de autocorrelaÃÃo espacial (Moran Global e Local) e apresentados modelos de regressÃo espacial mÃltipla, com avaliaÃÃes de desempenho. A estimativa dos parÃmetros dos modelos ajustados se deu pelo uso do mÃtodo de MÃxima VerossimilhanÃa e a avaliaÃÃo do desempenho dos modelos foi realizada com base no coeficiente de determinaÃÃo (R2), no mÃximo valor do logaritmo da funÃÃo do mÃximo valor do logaritmo da funÃÃo verossimilhanÃa e no critÃrio de informaÃÃo bayesiano de Schwarz. Em uma segunda etapa foram realizadas anÃlises de agrupamento espacial por meio da estatÃstica multivariada, buscando identificar associaÃÃes no mesmo conjunto de variÃveis, porÃm com um nÃmero maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definiÃÃo de um Ãndice com este objetivo. O estudo da primeira fase permitiu verificar a correlaÃÃo e a autocorrelaÃÃo espacial entre a produtividade da soja e os elementos agrometeorolÃgicos, por meio da anÃlise espacial de Ãrea, usando tÃcnicas como o Ãndice I de Moran Global e Local uni e bivariado e os testes de significÃncia. Foi possÃvel demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relaÃÃo ao modelo de regressÃo mÃltipla clÃssica. Na segunda fase, foi possÃvel apresentar a formaÃÃo de grupos de municÃpios utilizando as similaridades das variÃveis em anÃlise. A anÃlise de agrupamento foi um instrumento Ãtil para uma melhor gestÃo das atividades de produÃÃo da agricultura, em funÃÃo de que, com o agrupamento, foi possÃvel se estabelecer similaridades que proporcionem parÃmetros para uma melhor gestÃo dos processos de produÃÃo que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possÃvel a formaÃÃo de grupos de municÃpios similares à produtividade de soja, utilizando o MÃtodo de DecisÃo pelo Maior Grau de PertinÃncia (MDMGP) e o MÃtodo de DecisÃo pelo Limiar β (MDL β). Posteriormente, a identificaÃÃo do nÃmero adequado de agrupamentos foi obtida utilizando a Entropia de PartiÃÃo Modificada. Para mensurar o nÃvel de similaridade de cada agrupamento, foi criado e utilizado um Ãndice de Similaridade de Clusters (ISCl), que considera o grau de pertinÃncia de cada municÃpio dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o mÃtodo empregado se mostrou adequado, permitindo identificar agrupamentos de municÃpios com graus de similaridades da ordem de 60 a 78