Submitted by Jordan (jordanbiblio@gmail.com) on 2017-05-04T13:38:27Z No. of bitstreams: 1 DISS_2015_Gracyeli Santos Souza Guarienti.pdf: 4160382 bytes, checksum: 066e507b4df1c012a091983043416a9b (MD5) / Approved for entry into archive by Jordan (jordanbiblio@gmail.com) on 2017-05-04T15:41:01Z (GMT) No. of bitstreams: 1 DISS_2015_Gracyeli Santos Souza Guarienti.pdf: 4160382 bytes, checksum: 066e507b4df1c012a091983043416a9b (MD5) / Made available in DSpace on 2017-05-04T15:41:01Z (GMT). No. of bitstreams: 1 DISS_2015_Gracyeli Santos Souza Guarienti.pdf: 4160382 bytes, checksum: 066e507b4df1c012a091983043416a9b (MD5) Previous issue date: 2015-05-27 / CAPES / Variáveis climatológicas podem ser estudadas a partir de seu comportamento temporal. Nesse sentido, este trabalho desenvolveu uma técnica computacional de processamento espaço-temporal de variáveis climatológicas que utiliza busca por similaridade e a possibilidade de comparação em várias resoluções temporais. Para demonstração do uso da técnica e verificação dos resultados, sequências de processamento foram aplicadas em séries de precipitação de um período de quinze anos usando os algoritmos Dynamic Time Warping (DTW) e wavelet em quatro biomas: Amazônia, Cerrado, Pantanal e Mata Atlântica. A técnica foi aplicada nas séries originais e em suas wavelets, com resoluções temporais mensal, semestral, anual e quinze anos de forma a permitir que análises específicas em cada resolução possam ser aplicadas. A flexibilidade e a variedade de resoluções temporais permitidas pela técnica torna possível acrescentar aos processos de monitoramento ambiental novas perspectivas em tomadas de decisão. / Climatic variables can be studied from its temporal behavior. In this sense, this study developed a temporal analysis technique for climatological variables using similarity search and the possibility of comparison in various temporal resolution levels. For the income statement, several processing sequences were applied in series of precipitation a period of fifteen years using the Dynamic Time Warping algorithm (DTW) and wavelet on four biomes: Amazon, Cerrado, Pantanal and Atlantic Forest. The technique was applied to the original data and wavelets, in the temporal resolution of time monthly, semi-annual, annual and fifteen years enable visualization and comparison of data on these different scales. Application the technique developed in this study, provide new perspectives to decision-making in environmental monitoring processes.