Os processos espaço-temporais vêm ganhando destaque nos últimos anos, em razão do aumento de estudos compreendendo variáveis que apresentam interação entre as dimensões espacial e temporal. Com o objetivo de modelar esses processos, Pfeifer e Deutsch (1980a) propuseram uma extensão da classe de modelos univariados de Box-Jenkins, denominada por modelo espaço-temporal autoregressivo de média móvel (STARMA). Essa classe de modelos é utilizada para descrever dados de séries temporais espacialmente localizadas. Os processos passíveis de modelagem via classe de modelos STARMA são caracterizados por observações de variáveis aleatórias, em que os locais a serem incorporados no modelo são fixos no espaço. A dependência entre as n séries temporais é modelada por meio da matriz de ponderação, de modo que os modelos da classe STARMA expressem cada observação no tempo t e na localização i como uma média ponderada de combinações lineares das observações anteriores e a inovação defasada no espaço e no tempo conjuntamente. Dada a nova classe de modelos, os objetivos deste estudo foram apresentar a classe de modelos STARMA, implentar computacionalmente, no software R, rotinas que permitam a análise de dados espaço-temporais, com as rotinas implementadas estabelecer e testar modelos de séries temporais aos dados de temperaturas mínimas médias mensais de 8 estações meteorológicas situadas no Paraná e comparar a classe de modelos STARMA com a classe de modelos univariados proposta por Box e Jenkins (1970). Com este estudo verificou-se que na apresentação da classe de modelos STARMA há complexidade no conceito de ordens de vizinhança e na identificação dos modelos espaço-temporais. Em relação a criação de rotinas responsáveis pelas análises de dados espaço-temporais observou-se dificuldades em sua implementação, principalmente no momento de estimação dos parâmetros. Na comparação da classe de modelos STARMA, multivariada, com a classe de modelos SARIMA, univariada, constatou-se que ambos os modelos se ajustaram de maneira satisfatória aos dados, produzindo previsões acuradas. / Spatio-temporal processes have been highlighted lately, due to the increase of studies approaching variables that present interactions between the spatial and temporal dimensions. In order to model these processes, Pfeifer e Deutsch (1980a) have suggested an extension of the Box-Jenkins univariate model class, named spatio-temporal autoregressive moving-average model (STARMA). This model class is used to describe spatially located time series data. The processes prone to be modeled via the STARMA model class are characterized by observations of random variables, in which the locations to be incorporated in the model are spatially fixed. The dependence between the n time series is modeled through the weighing matrix. So STARMA models express each observation at time t and location i as a weighed mean of linear combinations of the previous observations and the jointly lagged innovation in space and time. Given the new class models, the objectives of this study were to present a class of models STARMA, implentar computationally, in textit R software, routines that allow the analysis of spatio-temporal data with the routines implemented to establish and test models time series data of monthly average minimum temperatures of 8 meteorological stations located in Paraná and compare the class of models STARMA with the class of univariate models proposed by Box e Jenkins (1970). With this study it was found that the presentation of the class of models STARMA no complexity in the concept of ordered neighborhood and identification of spatio-temporal models. Regarding the creation of routines responsible for the analysis of spatio-temporal observed difficulties in its implementation, especially at the time of estimation of parameters. In comparison class STARMA models, multivariate, with the class of SARIMA models, univariate, it was found that both models were adjusted satisfactorily to the data, producing accurate forecasts.

Os processos espaço-temporais vêm ganhando destaque nos últimos anos, em razão do aumento de estudos compreendendo variáveis que apresentam interação entre as dimensões espacial e temporal. Com o objetivo de modelar esses processos, Pfeifer e Deutsch (1980a) propuseram uma extensão da classe de modelos univariados de Box-Jenkins, denominada por modelo espaço-temporal autoregressivo de média móvel (STARMA). Essa classe de modelos é utilizada para descrever dados de séries temporais espacialmente localizadas. Os processos passíveis de modelagem via classe de modelos STARMA são caracterizados por observações de variáveis aleatórias, em que os locais a serem incorporados no modelo são fixos no espaço. A dependência entre as n séries temporais é modelada por meio da matriz de ponderação, de modo que os modelos da classe STARMA expressem cada observação no tempo t e na localização i como uma média ponderada de combinações lineares das observações anteriores e a inovação defasada no espaço e no tempo conjuntamente. Dada a nova classe de modelos, os objetivos deste estudo foram apresentar a classe de modelos STARMA, implentar computacionalmente, no software R, rotinas que permitam a análise de dados espaço-temporais, com as rotinas implementadas estabelecer e testar modelos de séries temporais aos dados de temperaturas mínimas médias mensais de 8 estações meteorológicas situadas no Paraná e comparar a classe de modelos STARMA com a classe de modelos univariados proposta por Box e Jenkins (1970). Com este estudo verificou-se que na apresentação da classe de modelos STARMA há complexidade no conceito de ordens de vizinhança e na identificação dos modelos espaço-temporais. Em relação a criação de rotinas responsáveis pelas análises de dados espaço-temporais observou-se dificuldades em sua implementação, principalmente no momento de estimação dos parâmetros. Na comparação da classe de modelos STARMA, multivariada, com a classe de modelos SARIMA, univariada, constatou-se que ambos os modelos se ajustaram de maneira satisfatória aos dados, produzindo previsões acuradas. / Spatio-temporal processes have been highlighted lately, due to the increase of studies approaching variables that present interactions between the spatial and temporal dimensions. In order to model these processes, Pfeifer e Deutsch (1980a) have suggested an extension of the Box-Jenkins univariate model class, named spatio-temporal autoregressive moving-average model (STARMA). This model class is used to describe spatially located time series data. The processes prone to be modeled via the STARMA model class are characterized by observations of random variables, in which the locations to be incorporated in the model are spatially fixed. The dependence between the n time series is modeled through the weighing matrix. So STARMA models express each observation at time t and location i as a weighed mean of linear combinations of the previous observations and the jointly lagged innovation in space and time. Given the new class models, the objectives of this study were to present a class of models STARMA, implentar computationally, in textit R software, routines that allow the analysis of spatio-temporal data with the routines implemented to establish and test models time series data of monthly average minimum temperatures of 8 meteorological stations located in Paraná and compare the class of models STARMA with the class of univariate models proposed by Box e Jenkins (1970). With this study it was found that the presentation of the class of models STARMA no complexity in the concept of ordered neighborhood and identification of spatio-temporal models. Regarding the creation of routines responsible for the analysis of spatio-temporal observed difficulties in its implementation, especially at the time of estimation of parameters. In comparison class STARMA models, multivariate, with the class of SARIMA models, univariate, it was found that both models were adjusted satisfactorily to the data, producing accurate forecasts.

Submitted by Deyse Queiroz (deysequeirozz@hotmail.com) on 2018-06-06T12:40:50Z No. of bitstreams: 1 MARCUS VINÍCIUS DO CARMO LOIOLA - DISSERTAÇÃO PPGSA PROFISSIONAL 2018..pdf: 820964 bytes, checksum: 8762c281ed02351e37733b5465883902 (MD5) / Made available in DSpace on 2018-06-06T12:40:50Z (GMT). No. of bitstreams: 1 MARCUS VINÍCIUS DO CARMO LOIOLA - DISSERTAÇÃO PPGSA PROFISSIONAL 2018..pdf: 820964 bytes, checksum: 8762c281ed02351e37733b5465883902 (MD5) Previous issue date: 2018-03 / A informática está cada vez mais presente na vida escolar, seja via internet, multimídia ou outros. Compreender a espacialidade dos fenômenos estudados, no presente e no passado, e compará-lo por meio de suas sobreposições, é algo que a própria Geografia busca fazer, e compreender e utilizar a linguagem cartográfica, ampliando as possibilidades dos alunos de analisar informações em vários campos do conhecimento, além de contribuir para a estruturação de uma noção espacial. O objetivo desse projeto foi de aplicar as possibilidades de uso de geotecnologias como incentivo para o ensino da geografia na EEEFM Plínio Lemos, do município de Puxinanã – PB, buscando verificar a visão temporal dos educandos a cerca de seu meio ambiente e as modificações ao longo do tempo. Foi aplicado um questionário nas turmas do 3º Ano médio, turno manhã, onde 50% afirmaram saber o que são geotecnologias e que têm acesso a softwares do gênero (Google Earth, Wikimapia e GPS-Sistema de Posicionamento Global), 73,8% disseram não terem sentido dificuldade em responder o questionário, no entanto, o tempo usado para responder o mesmo bem como as vezes em que os aplicadores do questionário foram chamados para tirar dúvidas mostram o contrário. É importante destacar que 85,7% dos alunos afirmaram que nunca tinham ouvido falar esse termo por parte do professor da disciplina. / Information technology is increasingly present in school life, either via the Internet or other multimedia. Understanding the spatiality of the phenomena studied, the present and the past, and compare it with their overlapping, is something that own search geography do, and understand and use the cartographic language, expanding the possibilities of students to analyze information in various fields of knowledge, and contribute to the development of a space notion. The project goal was to apply the geo usage possibilities as an incentive to the teaching of geography in EEEFM Pliny Lemos, the municipality of Puxinanã – PB, seeking to verify the temporal vision of the students about their environment and changes over of time. A questionnaire in class 3rd year average was applied, morning shift, where 50% said they know what they are geotechnology and who have access to the genus software (Google Earth, Wikimapia and Global Positioning System-GPS), 73.8% said they did not have experienced difficulty in answering the questionnaire, however, the time used to answer the same and the times in which the questionnaire applicators were called to answer questions show otherwise. Importantly, 85.7% of students said they had never heard that term by the subject teacher.