O Brasil possui diversidade edafoclimática e realidades socioeconômicas e políticas distintas. Isto contribui para diferenciar as regiões político administrativas do país. Objetivou-se espacializar os fatores físicos, climáticos e socioeconômicos que melhor discriminam a produção de caprinos leiteiros no Brasil. Foram analisados índice de produção de leite por cabra; índice de produção de caprinos; índice de produção de leite, amplitude da temperatura; temperatura média; precipitação; índice normalizado de diferença vegetativa; umidade relativa do ar; altitude; estabelecimentos agropecuários; estabelecimentos com pastagem nativa; estabelecimentos com pastagens de boa qualidade; estabelecimentos com recursos hídricos; estabelecimentos que recebem orientação técnica; estabelecimentos de agricultura familiar; estabelecimentos de agricultura não familiar e índice de desenvolvimento humano. Foram realizadas análises multivariadas para espacializar as variáveis climáticas, físicas e socioeconômicas e, assim, discriminar os Estados e Regiões brasileiras. As maiores produções de caprinos e de leite foram observadas na região Nordeste. A região Sudeste apresentou segunda maior produção de leite, seguido pelo Sul, Centro-Oeste e Norte. As médias para produtividade mostraram que as regiões Centro-Oeste e Sudeste apresentaram animais mais especializados a produção de leite. As análises multivariadas evidenciaram distinções entre clusters das regiões político-administrativas do Brasil. As variáveis climáticas foram as mais importantes para discriminar entre as regiões brasileiras. A heterogeneidade dos componentes climáticos, físicos e socioeconômicos evidenciou peculiaridades em cada região. Portanto, é preciso implementar programas de melhoramento genético animal que atendam as necessidades de cada região.

Brazil has high climate, soil and environmental diversity, as well as distinct socioeconomic and political realities, what results in differences among the political administrative regions of the country. The objective of this study was to determine spatial distribution of the physical, climatic and socioeconomic aspects that best characterize the production of dairy goats in Brazil. Production indices of milk per goat, goat production, milk production, as well as temperature range, mean temperature, precipitation, normalized difference vegetation index, relative humidity, altitude, agricultural farms; farms with native pasture, farms with good quality pasture, farms with water resources, farms that receive technical guidance, family farming properties, non-familiar farms and the human development index were evaluated. The multivariate analyses were carried out to spatialize climatic, physical and socioeconomic variables and so differenciate the Brazilian States and Regions. The highest yields of milk and goat production were observed in the Northeast. The Southeast Region had the second highest production of milk, followed by the South, Midwest and North. Multivariate analysis revealed distinctions between clusters of political-administrative regions of Brazil. The climatic variables were most important to discriminate between regions of Brazil. Therefore, it is necessary to implement animal breeding programs to meet the needs of each region.

As imagens hiperespectrais são muito suscetíveis às interferências de ruídos, o que dificulta a identificação e a quantificação mineral. Portanto, torna-se fundamental o emprego de técnicas para minimizá-los. Um eficiente procedimento matemático para redução de ruídos é a Fração de Ruído Mínima (MNF). Esse método é derivado e análogo à transformação Análise de Componentes Principais, distinguindo-se por promover a maximização do ruído ao invés da variância dos dados, o que proporciona um ordenamento que reflete a qualidade das imagens. A transformação MNF pode ser subdividida em quatro etapas: a) obtenção de uma amostra do ruído; b) formulação de um índice de fracionamento do ruído; c) implementação de uma função de transformação linear no molde da APC, e d) inversão do MNF considerando apenas as informações de sinais. No presente trabalho é proposta uma metodologia de MNF seqüencial, utilizando referências internas e externas da imagem. Como referência externa foi utilizada a referência escura coletada durante o vôo simultaneamente à obtenção da imagem. A referência interna foi obtida por técnicas estatísticas para a segmentação da fração do ruído em relação ao sinal. Três tipos de ruídos podem ser definidos conforme a variância e correlação: a) ruídos não-correlacionados e com igual variância; b) ruídos altamente correlacionados; e c) ruídos com matriz de covariância desconhecida. Para as imagens AVIRIS pode-se esquematizar um procedimento seqüencial de MNF com duas etapas, sendo que, na primeira, são eliminados os ruídos de referência interna e na segunda, os de referência externa relativos ao ruído instrumental. Esse procedimento permite distinguir diferentes tipos de ruídos e eliminá-los seqüencialmente, de forma simples e eficiente.

Hyperspectral images are extremely susceptible to noise interferences which hinder mineral identification and quantification. Therefore, it is fundamental the use of techniques to minimize them. An efficient mathematical noise reducing procedure employs the Minimum Noise Fraction (MNF). The MNF procedure is derived from and similar to the Principal Component Analysis (APC). The main difference between them is that the MNF considers the noise while the PCA considers the data variation. It results in an ordering that reflects the image quality. The MNF transformation can be subdivided in four stages: a) obtaining a noise sample; b) formulation of a noise fraction index; c) implementation of a linear transformation function as PCA; and d) inversion of MNF considering only signs information. In the present work a methodology of MNF sequential steps is proposed using internal and external references of the image. As external reference it was used the dark reference collected during a flight simultaneously to the image acquisition. The internal reference was obtained by statistical techniques for the segmentation of the noise fraction in relation to the sign. Three types of noises can be defined by variance and correlation: a) uncorrelated noises with equal variance in all bands, b) highly correlated noises, and c) Noises with Unknown Covariance. Matrix. For the AVIRIS images, a sequential procedure of MNF can be accomplished with two stages: the first one eliminates the noises of intern reference and the second the relative external reference to the instrumental noise. That procedure allows to distinguish different types of noises and to eliminate them sequentially and efficiently.