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.

O tamanho dos conjuntos de dados se tornou um grande problema atualmente. À medida que o sensoriamento urbano ganha popularidade, os conjuntos de dados de natureza espacial e temporal se tornam ubíquos, e levantam uma série de questões relacionadas ao armazenamento e gerenciamento destes. Isso também cria uma mudança no paradigma de análise, uma vez que os conjuntos de dados que antes representavam uma única série de medições ordenadas no tempo, agora são compostos por centenas dessas séries, com uma taxa de amostragem que está aumentando constantemente. Além disso, uma vez que os dados urbanos normalmente apresentam disposição geográfica inerente, a maioria das das tarefas requerem o suporte de representações espaciais apropriadas. Este se torna outro problema, visto que as tecnologias de exibição de imagens não avançam na mesma velocidade das tecnologias de sensoriamento, de modo que consequentemente acaba-se tendo mais dados do que espaço visual para representa-los. Após conduzir uma pesquisa exaustiva a respeito de análise de dados temporais e visualização, nós melhoramos uma visualização compacta de series temporais para auxiliar a exploração de grandes conjuntos de dados espaçotemporais. Nossa proposta aproveita a compacticidade de tal representação para permitir o uso de um mapa para representar os atributos espaciais dos dados, de modo coordenado, enquanto representação, de forma compreensível, centenas de series simultaneamente, com total contexto temporal. Nós apresentamos nossa proposta como sendo capaz de auxiliar várias tarefas de caráter exploratório de forma intuitiva. Para defender essa afirmação, nós mostramos como essa ideia foi desenvolvida e melhorada ao longo do desenvolvimento de dois estudos de design visual em diferentes domínios de aplicação, e validamos com a implementação de protótipos que foram usados na análise exploratória de vários conjuntos de dados com 3 representações diferentes. Palavras- / The size of datasets became the major problem in data analysis today. As urban sensing becomes popular, datasets of spatial and temporal nature become ubiquitous, leading to several concerns regarding storage and management. It also creates a shift of paradigm in data analysis, as datasets that once represented a single series of measurements ordered in time are now composed of hundreds of series with ever increasing sampling rates. Also, as urban data usually presents inherent geographic disposition, most analysis tasks requires the support of proper spatial views. It becomes another problem, once that displaying technologies do not advance at the same of pace that sensing technologies do, and consequently, there is usually more data than visual space to represent it. After conducting exhaustive research on temporal data analysis and visualization, we improved a compact visual representation of time series to support the exploration of large spatio-temporal datasets. Our proposal exploits the compactness of such representation to allow the use of a map to represent the spatial properties of the data in a coordinate scheme while presenting, in a comprehensible manner, hundreds of series simultaneously, with full temporal context. We argue that such solution can effectively support many exploratory tasks in an intuitive manner. To support this claim, we show how the idea was conceived, and improved along the development of two design studies from different application domains, and validated by the implementation of prototypes used in the exploratory analysis of several datasets with 3 different data structures.

Este trabalho introduz novos algoritmos de redes neurais para o processamento online de padrões espaço-temporais, estendendo o algoritmo Incremental Gaussian Mixture Network (IGMN). O algoritmo IGMN é uma rede neural online incremental que aprende a partir de uma única passada através de dados por meio de uma versão incremental do algoritmo Expectation-Maximization (EM) combinado com regressão localmente ponderada (Locally Weighted Regression, LWR). Quatro abordagens diferentes são usadas para dar capacidade de processamento temporal para o algoritmo IGMN: linhas de atraso (Time-Delay IGMN), uma camada de reservoir (Echo-State IGMN), média móvel exponencial do vetor de entrada reconstruído (Merge IGMN) e auto-referência (Recursive IGMN). Isso resulta em algoritmos que são online, incrementais, agressivos e têm capacidades temporais e, portanto, são adequados para tarefas com memória ou estados internos desconhecidos, caracterizados por fluxo contínuo ininterrupto de dados, e que exigem operação perpétua provendo previsões sem etapas separadas para aprendizado e execução. Os algoritmos propostos são comparados a outras redes neurais espaço-temporais em 8 tarefas de previsão de séries temporais. Dois deles mostram desempenhos satisfatórios, em geral, superando as abordagens existentes. Uma melhoria geral para o algoritmo IGMN também é descrita, eliminando um dos parâmetros ajustáveis manualmente e provendo melhores resultados. / This work introduces novel neural networks algorithms for online spatio-temporal pattern processing by extending the Incremental Gaussian Mixture Network (IGMN). The IGMN algorithm is an online incremental neural network that learns from a single scan through data by means of an incremental version of the Expectation-Maximization (EM) algorithm combined with locally weighted regression (LWR). Four different approaches are used to give temporal processing capabilities to the IGMN algorithm: time-delay lines (Time-Delay IGMN), a reservoir layer (Echo-State IGMN), exponential moving average of reconstructed input vector (Merge IGMN) and self-referencing (Recursive IGMN). This results in algorithms that are online, incremental, aggressive and have temporal capabilities, and therefore are suitable for tasks with memory or unknown internal states, characterized by continuous non-stopping data-flows, and that require life-long learning while operating and giving predictions without separated stages. The proposed algorithms are compared to other spatio-temporal neural networks in 8 time-series prediction tasks. Two of them show satisfactory performances, generally improving upon existing approaches. A general enhancement for the IGMN algorithm is also described, eliminating one of the algorithm’s manually tunable parameters and giving better results.

O tamanho dos conjuntos de dados se tornou um grande problema atualmente. À medida que o sensoriamento urbano ganha popularidade, os conjuntos de dados de natureza espacial e temporal se tornam ubíquos, e levantam uma série de questões relacionadas ao armazenamento e gerenciamento destes. Isso também cria uma mudança no paradigma de análise, uma vez que os conjuntos de dados que antes representavam uma única série de medições ordenadas no tempo, agora são compostos por centenas dessas séries, com uma taxa de amostragem que está aumentando constantemente. Além disso, uma vez que os dados urbanos normalmente apresentam disposição geográfica inerente, a maioria das das tarefas requerem o suporte de representações espaciais apropriadas. Este se torna outro problema, visto que as tecnologias de exibição de imagens não avançam na mesma velocidade das tecnologias de sensoriamento, de modo que consequentemente acaba-se tendo mais dados do que espaço visual para representa-los. Após conduzir uma pesquisa exaustiva a respeito de análise de dados temporais e visualização, nós melhoramos uma visualização compacta de series temporais para auxiliar a exploração de grandes conjuntos de dados espaçotemporais. Nossa proposta aproveita a compacticidade de tal representação para permitir o uso de um mapa para representar os atributos espaciais dos dados, de modo coordenado, enquanto representação, de forma compreensível, centenas de series simultaneamente, com total contexto temporal. Nós apresentamos nossa proposta como sendo capaz de auxiliar várias tarefas de caráter exploratório de forma intuitiva. Para defender essa afirmação, nós mostramos como essa ideia foi desenvolvida e melhorada ao longo do desenvolvimento de dois estudos de design visual em diferentes domínios de aplicação, e validamos com a implementação de protótipos que foram usados na análise exploratória de vários conjuntos de dados com 3 representações diferentes. Palavras- / The size of datasets became the major problem in data analysis today. As urban sensing becomes popular, datasets of spatial and temporal nature become ubiquitous, leading to several concerns regarding storage and management. It also creates a shift of paradigm in data analysis, as datasets that once represented a single series of measurements ordered in time are now composed of hundreds of series with ever increasing sampling rates. Also, as urban data usually presents inherent geographic disposition, most analysis tasks requires the support of proper spatial views. It becomes another problem, once that displaying technologies do not advance at the same of pace that sensing technologies do, and consequently, there is usually more data than visual space to represent it. After conducting exhaustive research on temporal data analysis and visualization, we improved a compact visual representation of time series to support the exploration of large spatio-temporal datasets. Our proposal exploits the compactness of such representation to allow the use of a map to represent the spatial properties of the data in a coordinate scheme while presenting, in a comprehensible manner, hundreds of series simultaneously, with full temporal context. We argue that such solution can effectively support many exploratory tasks in an intuitive manner. To support this claim, we show how the idea was conceived, and improved along the development of two design studies from different application domains, and validated by the implementation of prototypes used in the exploratory analysis of several datasets with 3 different data structures.

Les communautés microbiennes benthiques participent activement au recyclage de la matière organique et de fait au fonctionnement biogéochimique des écosystèmes lacustres. Ces communautés comportent de nombreux phyla mais leur diversité fonctionnelle est encore incomplètement connue. Ce travail vise à appréhender les modifications de structure et d'abondance des gènes fonctionnels en lien avec la distribution spatiale verticale (liée au gradient d'oxydoréduction), la variabilité spatiale horizontale (zone côtière vs pélagique) et la dynamique saisonnière liée au brassage de la colonne d'eau (ré-oxygénation des interfaces benthiques), de même que l'identification de la diversité des méthanotrophes et des méthanogènes.Pour cette étude, des carottes sédimentaires ont été prélevées sur un transect zone côtière – zone pélagique, à différentes dates au cours d'un cycle annuel. Chaque carotte sédimentaire a été analysée dans la verticalité entre l'interface eau-sédiment et 20 cm. Les communautés microbiennes participant au cycle du méthane ont été ciblées par 2 gènes de fonction et étudiées en termes de structure, de diversité et d'abondance; par ailleurs, des marqueurs phylogénétiques ont été utilisés pour caractériser les communautés bactériennes et archéennes totales.Les résultats de l'étude spatiale montrent que, si à l'échelle locale (station d'échantillonnage) une relative homogénéité des communautés microbiennes (totales et fonctionnelles) est observée, des variabilités fortes sont détectées d'une part à l'échelle des transects horizontaux en lien avec des changements de conditions environnementales et d'autre part dans la verticalité des sédiments sous l'effet des conditions d'oxydoréduction. La communauté bactérienne étant la plus affectée dans la verticalité, avec des changements de structure entre toutes les strates étudiées. Dans cette même étude, une analyse comparative de la structure des communautés (totales et fonctionelles) a démontré que l'analyse d'échantillons individuels permettait d'obtenir un plus grand nombre d'OTU que l'analyse des mêmes échantillons regroupés en pools.Les résultats de l'étude de la dynamique temporelle des communautés méthanogènes et méthanotrophes révèlent des changements de structure et abondance, principalement à l'interface eau - sédiment en lien avec la dynamique d'oxygénation du lac. Quant à l'analyse de la diversité, elle montre une dominance des Methanomicrobiales (Methanoregula principalement) pour les méthanogènes, mais les Methanosarcinales (Methanosarcina) et les Methanobacteriales (Methanobacterium) ont également été identifiés. Pour les méthanotrophes, la diversité est dominée par Methylobacter en zone profonde et par Methylococcus en zone côtière, les méthanotrophes de Type II (Methylosinus et Methylocystis) ont aussi été identifiés.L'ensemble de ces travaux souligne l'importance de prendre en compte, à la fois la variabilité spatiale (horizontale et verticale) et la variabilité temporelle, des communautés méthanogènes et méthanotrophes lors de l'étude de ces communautés. Les changements quant à leurs structures et leurs abondances sont des paramètres non négligeables pour comprendre les processus impliqués dans le cycle du méthane. / Benthic microbial communities are actively involved in organic matter recycling and fact biogeochemical functioning of lake ecosystems. These communities comprise many phyla but their functional diversity is still incompletely known. This study is focused on the benthic microbial communities involved in the methane cycle in lacsutrine suystems. We aimed understanding the structural and abundance changes of functional genes related to the vertical distribution (redox gradient in sediment), the horizontal variability (coastal vs. pelagic benthic zone) and seasonal dynamics related to mixing of the water column (re-oxygenation of benthic interface). The composition of methanotrophic and methanogenic communities was characterized by sequencing analyses.For this study, sedimentary cores were sampled along a transect from coastal to pelagic zone, at different times during an annual cycle. In addition, each sediment core was analyzed in its verticality from the water-sediment interface to 20 cm depth. Microbial communities involved in the cycle of methane (methanogenesis and methanotrophy) were targeted by 2 functional genes (mcrA and pmoA). Furthermore, phylogenetic markers were used to characterize the total bacterial and archaeal communities. These communities are studied in terms of structure (genotyping), diversity (sequencing) and abundance (qPCR, DNA) of their functional genes.The results of the study showed that, on a spatial scale, a low heterogeneity was detected for a given sampling station in terms of structure of microbial communities (total and functional), however, a high variability was detected both at an horizontal scale along a transect (costal vs. pelagic zone), due to contrasted environmental conditions, and at a vertical scale (upper to deeper layers in the core) under the effect of redox conditions. The bacterial community being the most affected in the verticality, with structural changes among all strata studied. In the same study, a comparative analysis of the structure (for all of the communities), between pooled samples and individual samples, demonstrated that the analysis of individual samples provided a greater number of OTU for the majority of microbial communities.Moreover the study of the temporal dynamic of methanogen and methanotroph communities revealed changes in the structure and abundance, mainly at the water - sediment interface, according to the oxygenation levels that varied through time. The analysis of diversity showed a dominance of Methanomicrobiales (Methanoregula mainly) for methanogens, but Methanosarcinales (Methanosarcina) and Methanobacteriales (Methanobacterium) were also identified. The methanotrophs' community was dominated by Methylobacter on deeper stations and by Methylococcus in coastal station. Type II methanotrophs (Methylosinus and Methylocystis) were also identified.This work highlights the importance of taking into account both the spatial variability (horizontal and vertical) and the temporal variability of methanogen and methanotroph communities. Changes on their structures and abundances are significant parameters for understanding the processes involved in the methane cycle.

Este trabalho introduz novos algoritmos de redes neurais para o processamento online de padrões espaço-temporais, estendendo o algoritmo Incremental Gaussian Mixture Network (IGMN). O algoritmo IGMN é uma rede neural online incremental que aprende a partir de uma única passada através de dados por meio de uma versão incremental do algoritmo Expectation-Maximization (EM) combinado com regressão localmente ponderada (Locally Weighted Regression, LWR). Quatro abordagens diferentes são usadas para dar capacidade de processamento temporal para o algoritmo IGMN: linhas de atraso (Time-Delay IGMN), uma camada de reservoir (Echo-State IGMN), média móvel exponencial do vetor de entrada reconstruído (Merge IGMN) e auto-referência (Recursive IGMN). Isso resulta em algoritmos que são online, incrementais, agressivos e têm capacidades temporais e, portanto, são adequados para tarefas com memória ou estados internos desconhecidos, caracterizados por fluxo contínuo ininterrupto de dados, e que exigem operação perpétua provendo previsões sem etapas separadas para aprendizado e execução. Os algoritmos propostos são comparados a outras redes neurais espaço-temporais em 8 tarefas de previsão de séries temporais. Dois deles mostram desempenhos satisfatórios, em geral, superando as abordagens existentes. Uma melhoria geral para o algoritmo IGMN também é descrita, eliminando um dos parâmetros ajustáveis manualmente e provendo melhores resultados. / This work introduces novel neural networks algorithms for online spatio-temporal pattern processing by extending the Incremental Gaussian Mixture Network (IGMN). The IGMN algorithm is an online incremental neural network that learns from a single scan through data by means of an incremental version of the Expectation-Maximization (EM) algorithm combined with locally weighted regression (LWR). Four different approaches are used to give temporal processing capabilities to the IGMN algorithm: time-delay lines (Time-Delay IGMN), a reservoir layer (Echo-State IGMN), exponential moving average of reconstructed input vector (Merge IGMN) and self-referencing (Recursive IGMN). This results in algorithms that are online, incremental, aggressive and have temporal capabilities, and therefore are suitable for tasks with memory or unknown internal states, characterized by continuous non-stopping data-flows, and that require life-long learning while operating and giving predictions without separated stages. The proposed algorithms are compared to other spatio-temporal neural networks in 8 time-series prediction tasks. Two of them show satisfactory performances, generally improving upon existing approaches. A general enhancement for the IGMN algorithm is also described, eliminating one of the algorithm’s manually tunable parameters and giving better results.

Since Dengue fever (DF) and its related forms, Dengue Hemorrhagic fever (DHF) and Dengue Shock Syndrome (DSS) have become important health concerns worldwide, it is also imperative to develop methods which will help in the analysis of the incidences. Dengue fever cases are growing in number as it also invades widely, affecting larger number of countries and crossing climatic boundaries. Considering that the disease as of now has neither an effective vaccine nor a cure, monitoring in order to prevent or control is the resorted alternative. GIS and its related technologies offer a wealth of interesting capabilities towards achieving this goal. The intention of this study was to develop methods to describe dengue fever outbreaks taking Rio de Janeiro, Brazil as a case study. Careful study of Census data with appropriate attributes was made to find out their potential influence on dengue fever incidence in the various regions or census districts. Dengue incidence data from year 2000 to year 2008 reported by the municipal secretariat of Rio was used to extract the necessary census districts. Base map files in MapInfo format were converted to shape files.  Using ArcGIS it was possible to merge the dengue fever incidence data with the available base map file of the City of Rio according to corresponding census districts. Choropleth maps were then created using different attributes from which patterns and trends could be used to describe the characteristic of the outbreak with respect to the socio-economic conditions. Incidence data were also plotted in Excel to see temporal variations. Cluster analysis were performed with the Moran I technique on critical periods and years of dengue outbreak. Using the square root of dengue incidence from January to April 2002 and 2008, inverse distance was selected as the conceptualised spatial relationship, Euclidean distance as the distance method. More detailed analyses were then done on the selected critical years of dengue outbreak, (years 2002 and 2008), to investigate the influence of socio-economic variables on dengue incidence per census district.   Dengue incidence rate appeared to be higher during the rainy and warmer months between December and May. Outbreaks of dengue occurred in years 2002 and 2008 over the study period of year 2000 to 2008. Some factors included in the census data were influential in the dengue prevalence according to districts. Satisfactory results can be achieved by using this strategy as a quick method for assessing potential dengue attack, spread and possible enabling conditions. The method has the advantage where there is limited access to field work, less financial means for acquisition of data and other vital resources. A number of difficulties were encountered during the study however and leaves areas where further work can be done for improvements. More variables would be required in order to make a complete and comprehensive description of influential conditions and factors.  There is still a gap in the analytical tools required for multi-dimensional investigations as the ones encountered in this study.  It is vital to integrate ‘GPS’ and ‘Remote Sensing’ in order to obtain a variety of up-to-date data with higher resolution.

A modelagem de processos espaço-temporais é de suma importância para dados climatológicos, visto que o clima sofre influência temporal e espacial. A classe de modelos STARMA, autorregressivo e de médias móveis espaço-temporal, adequa-se a esses processos, porém, não há, na literatura, um estudo sobre o melhor método para quantificar a dependência espacial, e não é sabido se há uma diferença entre os métodos para esses modelos. Logo, neste trabalho, é realizado um estudo de simulações do modelo STAR, utilizando-se diferentes formas para obter os pesos espaciais. Após concluir as simulações é realizado o ajuste de um modelo STARIMA para um conjunto de dados de médias mensais de temperaturas mínimas diárias coletadas em uma mesorregião localizada no Oeste do Estado do Paraná. Este trabalho é separado em dois artigos e ambos são realizados utilizando-se o programa R. O primeiro é o estudo de simulações, chegando-se à conclusão de que o método para determinar a dependência espacial interfere no resultado da modelagem e depende da região em estudo. No segundo artigo, conclui-se que o inverso da distância é a melhor opção para a matriz de pesos e um modelo STARIMA sazonal tem o melhor ajuste para o conjunto de dados em questão. / Process modeling spatio-temporal is of great importance for climatological data, once that the climate undergoes spatial and temporal influence. The class of models STARMA, autoregressive models and spatio-temporal moving averages, are suitable to the these processes, however, for these models, there is not a study about the best method to quantify the spatial dependence, and/or it is not known whether there is a difference between the methods for these models. In this thesis, a study simulations of the STAR model using different forms for the spatial weights is performed. After the simulation procedure, the STARIMA model is fitted to the real dataset of monthly mean daily minimum temperatures collected in a mesoregion located to the west of the state of Paraná. This thesis is separated into two papers and both are performed using the statistical software R. The first one is the simulation study that concludes that the method for determining the spatial dependence interferes with results of the modeling and depends on the region under study. In the second paper, it is concluded that the inverse distance is the best option for the weight matrix and a seasonal STARIMA model has the best fit for the data set.

Fluxos de dados são usualmente caracterizados por grandes quantidades de dados gerados continuamente em processos síncronos ou assíncronos potencialmente infinitos, em aplicações como: sistemas meteorológicos, processos industriais, tráfego de veículos, transações financeiras, redes de sensores, entre outras. Além disso, o comportamento dos dados tende a sofrer alterações significativas ao longo do tempo, definindo data streams evolutivos. Estas alterações podem significar eventos temporários (como anomalias ou eventos extremos) ou mudanças relevantes no processo de geração da stream (que resultam em alterações na distribuição dos dados). Além disso, esses conjuntos de dados podem possuir características espaciais, como a localização geográfica de sensores, que podem ser úteis no processo de análise. A detecção dessas variações de comportamento que considere os aspectos da evolução temporal, assim como as características espaciais dos dados, é relevante em alguns tipos de aplicação, como o monitoramento de eventos climáticos extremos em pesquisas na área de Agrometeorologia. Nesse contexto, esse projeto de mestrado propõe uma técnica para auxiliar a análise espaço-temporal em data streams multidimensionais que contenham informações espaciais e não espaciais. A abordagem adotada é baseada em conceitos da Teoria de Fractais, utilizados para análise de comportamento temporal, assim como técnicas para manipulação de data streams e estruturas de dados hierárquicas, visando permitir uma análise que leve em consideração os aspectos espaciais e não espaciais simultaneamente. A técnica desenvolvida foi aplicada a dados agrometeorológicos, visando identificar comportamentos distintos considerando diferentes sub-regiões definidas pelas características espaciais dos dados. Portanto, os resultados deste trabalho incluem contribuições para a área de mineração de dados e de apoio a pesquisas em Agrometeorologia. / Data streams are usually characterized by large amounts of data generated continuously in synchronous or asynchronous potentially infinite processes, in applications such as: meteorological systems, industrial processes, vehicle traffic, financial transactions, sensor networks, among others. In addition, the behavior of the data tends to change significantly over time, defining evolutionary data streams. These changes may mean temporary events (such as anomalies or extreme events) or relevant changes in the process of generating the stream (that result in changes in the distribution of the data). Furthermore, these data sets can have spatial characteristics such as geographic location of sensors, which can be useful in the analysis process. The detection of these behavioral changes considering aspects of evolution, as well as the spatial characteristics of the data, is relevant for some types of applications, such as monitoring of extreme weather events in Agrometeorology researches. In this context, this project proposes a technique to help spatio-temporal analysis in multidimensional data streams containing spatial and non-spatial information. The adopted approach is based on concepts of the Fractal Theory, used for temporal behavior analysis, as well as techniques for data streams handling also hierarchical data structures, allowing analysis tasks that take into account the spatial and non-spatial aspects simultaneously. The developed technique has been applied to agro-meteorological data to identify different behaviors considering different sub-regions defined by the spatial characteristics of the data. Therefore, results from this work include contribution to data mining area and support research in Agrometeorology.

O tamanho dos conjuntos de dados se tornou um grande problema atualmente. À medida que o sensoriamento urbano ganha popularidade, os conjuntos de dados de natureza espacial e temporal se tornam ubíquos, e levantam uma série de questões relacionadas ao armazenamento e gerenciamento destes. Isso também cria uma mudança no paradigma de análise, uma vez que os conjuntos de dados que antes representavam uma única série de medições ordenadas no tempo, agora são compostos por centenas dessas séries, com uma taxa de amostragem que está aumentando constantemente. Além disso, uma vez que os dados urbanos normalmente apresentam disposição geográfica inerente, a maioria das das tarefas requerem o suporte de representações espaciais apropriadas. Este se torna outro problema, visto que as tecnologias de exibição de imagens não avançam na mesma velocidade das tecnologias de sensoriamento, de modo que consequentemente acaba-se tendo mais dados do que espaço visual para representa-los. Após conduzir uma pesquisa exaustiva a respeito de análise de dados temporais e visualização, nós melhoramos uma visualização compacta de series temporais para auxiliar a exploração de grandes conjuntos de dados espaçotemporais. Nossa proposta aproveita a compacticidade de tal representação para permitir o uso de um mapa para representar os atributos espaciais dos dados, de modo coordenado, enquanto representação, de forma compreensível, centenas de series simultaneamente, com total contexto temporal. Nós apresentamos nossa proposta como sendo capaz de auxiliar várias tarefas de caráter exploratório de forma intuitiva. Para defender essa afirmação, nós mostramos como essa ideia foi desenvolvida e melhorada ao longo do desenvolvimento de dois estudos de design visual em diferentes domínios de aplicação, e validamos com a implementação de protótipos que foram usados na análise exploratória de vários conjuntos de dados com 3 representações diferentes. Palavras- / The size of datasets became the major problem in data analysis today. As urban sensing becomes popular, datasets of spatial and temporal nature become ubiquitous, leading to several concerns regarding storage and management. It also creates a shift of paradigm in data analysis, as datasets that once represented a single series of measurements ordered in time are now composed of hundreds of series with ever increasing sampling rates. Also, as urban data usually presents inherent geographic disposition, most analysis tasks requires the support of proper spatial views. It becomes another problem, once that displaying technologies do not advance at the same of pace that sensing technologies do, and consequently, there is usually more data than visual space to represent it. After conducting exhaustive research on temporal data analysis and visualization, we improved a compact visual representation of time series to support the exploration of large spatio-temporal datasets. Our proposal exploits the compactness of such representation to allow the use of a map to represent the spatial properties of the data in a coordinate scheme while presenting, in a comprehensible manner, hundreds of series simultaneously, with full temporal context. We argue that such solution can effectively support many exploratory tasks in an intuitive manner. To support this claim, we show how the idea was conceived, and improved along the development of two design studies from different application domains, and validated by the implementation of prototypes used in the exploratory analysis of several datasets with 3 different data structures.