@PHDTHESIS{ 2023:618499536,
 	title = {Análise Espaço-Temporal das variáveis meteorológicas associadas a culturas agrícolas em mesorregiões do estado do Paraná},
 	year = {2023},
 	url = "https://tede.unioeste.br/handle/tede/6848",
 	abstract = "O Brasil é um dos principais produtores agrícolas do mundo, com principal participação do
 estado do Paraná, em especial nas culturas de soja e milho. Manter esse rendimento é
 fundamental devido às demandas alimentícias, e uma forma de manter e aumentar esses
 rendimentos é por meio de monitoramentos. O objetivo do estudo é avaliar as associações
 das produtividades do milho de primeira safra, milho de segunda safra e soja de primeira safra
 com as variáveis meteorológicas: precipitação, radiação (valores acumulados), temperatura
 do ar, temperatura do ponto de orvalho e velocidade do vento (valores médios), obtidas por
 decêndio para a série histórica entre os anos 2010 e 2020 para os municípios das
 mesorregiões: oeste, sudeste, noroeste, centro-sul, centro ocidental e norte central do estado
 do Paraná. Para um monitoramento espacial, pode-se usar: a Análise Multivariada Espacial
 (MULTISPATI-PCA); Análises de agrupamentos; métodos geoestatísticos espaço-temporais;
 e análise de padrões e correlações espaciais entre áreas. A MULTISPATI-PCA reduz a
 dimensão do conjunto de dados em componentes principais espaciais (CPE) compostas por
 variáveis que apresentem maiores associações com as produtividades. Além disso, com a
 geoestatística espaço-temporal ajustaram-se os modelos: separable, sumMetric, metric,
 simpleSumMetric e product-Sum para as três produtividades em estudo, bem como as cinco
 variáveis meteorológicas, a título de definir o melhor modelo para representação espaçotemporal das variáveis. A escolha do melhor modelo ajustado foi definida pela estatística de
 erro médio quadrático (MSE). Ainda visando analisar a associação entre as variáveis,
 utilizaram-se os Índices Global e Local Bivariados de Moran, informando o grau associativo
 entre os municípios. Assim, com os métodos aplicados, foi possível determinar locais com
 agrupamentos associativos, bem como municípios e variáveis com maiores associações com
 as produtividades da soja de primeira safra e milho de primeira e segunda safras. Os melhores
 ajustes foram dos modelos espaço-temporais sumMetric e simpleSumMetric para as
 diferentes variáveis em estudo. Pode-se afirmar que os métodos abordados trouxeram
 explicações sobre o grau de associações entre as variáveis.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}