Bright, J, Ebert C, KOSNIK MATTHEWA, Southon JR, Whitacre K, Albano PG, Flores C, Frazer TK, Hua Q, Kowalewski M, Martinelli JC, Oakley D, Parker WG, Retelle M, RITTER MATIASDONASCIMENTO, Rivadeneira MM, Scarponi D, Yanes Y, Zuschin M, KAUFMAN DARRELLS.
2021.
COMPARING DIRECT CARBONATE AND STANDARD GRAPHITE 14C DETERMINATIONS OF BIOGENIC CARBONATES, 2021. Radiocarbon. :1-17.: Cambridge University Press
AbstractThe direct carbonate procedure for accelerator mass spectrometry radiocarbon (AMS 14C) dating of submilligram samples of biogenic carbonate without graphitization is becoming widely used in a variety of studies. We compare the results of 153 paired direct carbonate and standard graphite 14C determinations on single specimens of an assortment of biogenic carbonates. A reduced major axis regression shows a strong relationship between direct carbonate and graphite percent Modern Carbon (pMC) values (m = 0.996; 95% CI [0.991–1.001]). An analysis of differences and a 95% confidence interval on pMC values reveals that there is no significant difference between direct carbonate and graphite pMC values for 76% of analyzed specimens, although variation in direct carbonate pMC is underestimated. The difference between the two methods is typically within 2 pMC, with 61% of direct carbonate pMC measurements being higher than their paired graphite counterpart. Of the 36 specimens that did yield significant differences, all but three missed the 95% significance threshold by 1.2 pMC or less. These results show that direct carbonate 14C dating of biogenic carbonates is a cost-effective and efficient complement to standard graphite 14C dating.
Pumi, G, Prass TS, Souza RR.
2021.
A dynamic model for double-bounded time series with chaotic-driven conditional averages. Scandinavian Journal of Statistics. 48:68-86., Number 1
AbstractAbstract In this work, we introduce a class of dynamic models for time series taking values on the unit interval. The proposed model follows a generalized linear model approach where the random component, conditioned on the past information, follows a beta distribution, while the conditional mean specification may include covariates and also an extra additive term given by the iteration of a map that can present chaotic behavior. The resulting model is very flexible and its systematic component can accommodate short- and long-range dependence, periodic behavior, laminar phases, etc. We derive easily verifiable conditions for the stationarity of the proposed model, as well as conditions for the law of large numbers and a Birkhoff-type theorem to hold. A Monte Carlo simulation study is performed to assess the finite sample behavior of the partial maximum likelihood approach for parameter estimation in the proposed model. Finally, an application to the proportion of stored hydroelectrical energy in Southern Brazil is presented.
ROSA, T, Konzen E, MENDES B, TOMAZONI C, FERREIRA G, MARQUES J, WELTER L, DAGNINO R, TANURE S, MOURA V, SOUZA M.
2021.
NAU Campus Litoral Norte (CLN). RAAI 2020: Relatório de autoavaliação institucional da Universidade Federal do Rio Grande do Sul: 16º Ciclo: 2020. Volume 2.. , Porto Alegre: Comissão Própria de Avaliação; Secretaria de Avaliação Institucional - UFRGS
Dagnino, R, Panitz LM, WEBER EJ, Freitas MWD, Oliveira GG, Batista SC, Megiato ÉI, dos RODRIGUES MS, Presser MK, SARMIENTO DWP, others.
2021.
O monitoramento da Covid-19 através de Sistemas de Informação Geográfica: estratégias e desafios para a transparência de dados públicos no Rio Grande do Sul. Boletim Gaúcho de Geografia. 47(2):79–110.
AbstractNo quadro da chegada da Covid-19 no Rio Grande do Sul (RS), em março de 2020, iniciamos o monitoramento da pandemia utilizando um Sistema de Informação Geográfica (SIG) online. Ele foi desenvolvido dentro do Projeto SIG Litoral, da Universidade Federal do Rio Grande do Sul, com a estratégia de disponibilizar à sociedade análises espaciais e dados organizados sobre a doença, reunindo pesquisadoras/es, bolsistas e voluntárias/os. O portal, voltado à comunicação em saúde, possibilita a visualização de dados nas escalas global, nacional e regional, além do monitoramento das populações indígenas da Amazônia e o mapeamento das redes de solidariedade no Litoral Norte do RS. Nesse artigo, enfocamos principalmente o monitoramento da Covid-19 no RS, abordando as ferramentas utilizadas, os desafios para obtenção de dados e algumas análises espaciais realizadas. Mostramos divergências entre as fontes de dados, indicando o problema da subnotificação e as diferentes metodologias empregadas pelos sistemas de vigilância sanitária. Por fim, mostramos alguns indicadores sobre números de acessos ao SIG e alcance geográfico do monitoramento da Covid-19 pela UFRGS, repercutindo positivamente na sociedade ao dar transparência aos dados oficiais, contribuindo para a pluralidade do debate sobre a pandemia, a interação de equipes multidisciplinares e a formação acadêmica de estudantes.
] 
