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

Marina Garcia Pena, Guilherme Costa Chadud Moreira, Luiz Felipe Dantas Guimarães, Camilo Rey Laureto, Pedro Henrique Melo Albuquerque, Alexandre Xavier Ywata de Carvalho, Gustavo Gomes Basso

Abstract


Este trabalho apresenta uma análise de clusterização de áreas mínimas comparáveis (AMCs) 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, 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. As metodologias discutidas permitem ainda a incorporação de critérios tradicionais de escolha do número de clusters, tais como estatísticas CCC, pseudo-F e pseudo-t2


Keywords


clusterização espacial; algoritmos hierárquicos; k-means.

References


L. Anselin, “Spatial econometrics: methods and models”, Dordrecth: KluwerAcademic, 1988.

L. Anselin; R. Florax, “Advances in spatial econometrics”, Heidelberg:Springer-Verlag, 2000.

A. X. Y. Carvalho et al., Spatial hierarchical clustering,Revista Brasileira deBiometria,27, n.3, (2009), 412-443, São Paulo.

A. X. Y. Carvalho et al., Clusterização hierárquica espacial com atributos bi-nários,Revista Brasileira de Biometria,19, n.1, (2011), p.147-197, São Paulo.

A. X. Y. Carvalho et al., Clusterização espacial e não espacial: um estudo apli-cado à agropecuária brasileira,Coleção Texto para Discussão, Ipea, no prelo,Brasília.

M. Charrad et al., Nbclust: an r package for determinig the relevant numberof clusters in a data set.Journal of Statistical Software,61, n. 6, 2014.

C. C. Diniz. Dinâmica regional e ordenamento do território brasileiro: desafiose oportunidades.Texto para Discussão, Cedeplar/UFMG,471, (2013), BeloHorizonte.

T. Hastie, R. Tibshirani, J. Friedman, “The elements of statistical learning:data mining, inference and prediction”, Standford: Springer, 2001.

R. Khattree, D. N. Naik, “Multivariate data reduction and discrimination withSAS software”, Cary: SAS Institut, 2000.

E. Reis, M. Pimentel, A. I. Alvarenga, Áreas mínimas comparáveis para osperíodos intercensitários de 1872 a 2000,Ipea/Dimac, (2008), Mimeografado,Rio de Janeiro.




DOI: http://dx.doi.org/10.5540/tema.2017.018.01.0069

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.



TEMA - Trends in Applied and Computational Mathematics

A publication of the Brazilian Society of Applied and Computational Mathematics (SBMAC)
ISSN: 1677-1966  (print version),  2179-8451  (online version)

Indexed in:

                        

 

Desenvolvido por:

Logomarca da Lepidus Tecnologia