Clusterização espacial e não espacial : um estudo aplicado à agropecuária brasileira

• Autor(a) principal: Carvalho, Alexandre Xavier Ywata de
• Data de Publicação: 2017
• Outros Autores: Albuquerque, Pedro Henrique Melo, Laureto, Camilo Rey, Moreira, Guilherme Costa Chadud, Basso, Gustavo Gomes, Guimarães, Luiz Felipe Dantas, Pena, Marina Garcia
• Idioma: por
• Título da fonte: Repositório Institucional da IPEA (RCIpea)
• dARK ID: ark:/51990/0013000009x3d
• Texto Completo: http://repositorio.ipea.gov.br/handle/11058/7554
• topic: IPEA::Agricultura::Economia Agrícola::Setor Agrícola – Geral::Setor Agropecuário; IPEA::Agricultura::Economia Agrícola::Desenvolvimento Agropecuário::Desenvolvimento Agropecuário; IPEA::Agricultura::Produção Agropecuária::Produtos Agrícolas::Produtos Agropecuários; IPEA::Ciência da Terra. Ciência Espacial::Ciências Espaciais::Ciências Espaciais::Análise Espacial; IPEA::Indústria::Produção Industrial. Produtos Industriais::Produção Industrial. Produtos Industriais::Clusters; Clusterização espacial; Variáveis agropecuárias; Algoritmos hierárquicos; k-means

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.