Submitted by Alberto Vieira (martins_vieira@ibest.com.br) on 2018-05-24T18:20:50Z No. of bitstreams: 1 278148.pdf: 9125580 bytes, checksum: 862e99d463533276f40617d6a6808f1f (MD5) / Made available in DSpace on 2018-05-24T18:20:50Z (GMT). No. of bitstreams: 1 278148.pdf: 9125580 bytes, checksum: 862e99d463533276f40617d6a6808f1f (MD5) Previous issue date: 1998-12-14 / CAPES / A laguna de Araruama, localizada no estado do Rio de Janeiro, com 220 Km2, tem uma grande importância ecológica e sócio econômica. É a maior laguna hipersalina do mundo em regime permanente. Sua estreita comunicação com o mar, sua fraca profundidade e as condições climáticas explicam a sua hipersalinidade constante (>50). A interferência antrópica crescente é um dos seus principais problemas. A fim de analisar a composição zooplanctônica e sua variação espaço-temporal ao longo de um ano, foram coletadas amostras a cada 16 dias, em dez estações na laguna. Temperatura, salinidade e transparência da água foram medidas simultaneamente. A variação diária do zooplâncton foi avaliada através de coletas em diferentes horários durante dois períodos, em uma estação fixa (07-09/09/93 e 07-10/04/95). Os resultados revelam a predominância de um zooplâncton de baixa diversidade e de pequeno porte, composto principalmente pela espécie eurihalina de copépode Oithona oswaldocruzi e larvas de bivalve. Os demais organismos holoplanctônicos, raramente encontrados, não devem reproduzir-se dentro da laguna. O.oswaldocruzi completa seu ciclo vital, estando adaptada às condições estressantes do meio. Copépodes e larvas de bivalve apresentam um máximo de abundância entre setembro e novembro, além de picos menores. A porcentagem de femeas... / The Araruama Lagoon, located in the state of Rio de Janeiro, measuring 220 Km2, has a great ecological and socio-economic importance. It is the largest permanent hypersaline lagoon in the world. Its constant hypersalinity can be explained by its narrow communication with the ocean, its shallowness, and the climate conditions. The increasing anthropic influence is one of its main problems. ln order to analyze the zooplankton composition and its spatial and temporal variations during one annual cycle, the samples were taken every 16 days, during 1994, in 10 stations in the lagoon. Simultaneously, temperature, salinity and transparency of water were measured. The daily variation of the zooplankton was analyzed by drags in different hours of the day in two periods, from November 7th to 9th 1993, and April 7th to 10th 1995. The results revealed the predominance of a zooplankton of small size and low diversity, composed basically of the eurihaline specie of copepod called Oithona oswaldocruzi and bivalve larvae. The other holoplanktonics organisms rarely found, may not reproduce in the lagoon. The O.oswaldocruzi is able to complete its life cycle, suggesting that it is adapted to the stressing conditions of the environment. The greatest abundance of copepods and bivalve larvae happens from September to November. The percentage of females...

Made available in DSpace on 2016-06-02T19:06:09Z (GMT). No. of bitstreams: 1 5554.pdf: 2294386 bytes, checksum: ce6dc6cd7128337c0533ddd23c0bc601 (MD5) Previous issue date: 2013-06-07 / The mining of sequential patterns in data from environmental sensors is a challenging task: the data may show noise and may also contain sparse patterns that are difficult to detect. The knowledge extracted from environmental sensor data can be used to determine climate change, for example. However, there is a lack of methods that can handle this type of database. In order to reduce this gap, the algorithm Incremental Miner of Stretchy Time Sequences with Post-Processing (IncMSTS-PP) was proposed. The IncMSTS-PP applies incremental extraction of sequential patterns with post-processing based on ontology for the generalization of the patterns. The post-processing makes the patterns semantically richer. Generalized patterns synthesize the information and makes it easier to be interpreted. IncMSTS-PP implements the Stretchy Time Window (STW) that allows stretchy time patterns (patterns with temporal intervals) are mined from bases that have noises. In comparison with GSP algorithm, IncMSTS-PP can return 2.3 times more patterns and patterns with 5 times more itemsets. The post-processing module is responsible for the reduction in 22.47% of the number of patterns presented to the user, but the returned patterns are semantically richer. Thus, the IncMSTS-PP showed good performance and mined relevant patterns showing, that way, that IncMSTS-PP is effective, efficient and appropriate for domain of environmental sensor data. / A mineração de padrões sequenciais em dados de sensores ambientais é uma tarefa desafiadora: os dados podem apresentar ruídos e podem, também, conter padrões esparsos que são difíceis de serem detectados. O conhecimento extraído de dados de sensores ambientais pode ser usado para determinar mudanças climáticas, por exemplo. Entretanto, há uma lacuna de métodos que podem lidar com este tipo de banco de dados. Com o intuito de diminuir esta lacuna, o algoritmo Incremental Miner of Stretchy Time Sequences with Post- Processing (IncMSTS-PP) foi proposto. O IncMSTS-PP aplica a extração incremental de padrões sequencias com pós-processamento baseado em ontologia para a generalização dos padrões obtidos que acarreta o enriquecimento semântico desses padrões. Padrões generalizados sintetizam a informação e a torna mais fácil de ser interpretada. IncMSTS-PP implementa o método Stretchy Time Window (STW) que permite que padrões de tempo elástico (padrões com intervalos temporais) sejam extraídos em bases que apresentam ruídos. Em comparação com o algoritmo GSP, o IncMSTS-PP pode retornar 2,3 vezes mais sequencias e sequencias com 5 vezes mais itemsets. O módulo de pós-processamento é responsável pela redução em 22,47% do número de padrões apresentados ao usuário, porém os padrões retornados são semanticamente mais ricos, se comparados aos padrões não generalizados. Assim sendo, o IncMSTS-PP apresentou bons resultados de desempenho e minerou padrões relevantes mostrando, assim, que IncMSTS-PP é eficaz, eficiente e apropriado em domínio de dados de sensores ambientais.