Projetos Relacionados
O objetivo deste projeto é desenvolver uma plataforma computacional capaz de integrar dados climáticos e de sensores remotos provenientes de diferentes bases de dados; e propor métodos computacionais para consistir os dados, preencher falhas, identificar padrões novos e relevantes que possam auxiliar no aperfeiçoamento de modelos de monitoramento e previsão de safras agrícolas. O desafio para a Ciência da Computação compreende desde o desenvolvimento de algoritmos de complexidade linear para processar, armazenar, minerar e analisar o grande volume de dados até a proposição de um mecanismo que dê autonomia aos agrometeorologistas para acesso aos dados com consultas parametrizáveis, prospecção de experimentos, reformulação e integração de modelos agrometeorológicos. Por outro lado, o avanço científico em Agrometeorologia depende em grande parte de um conjunto de dados climáticos completo, consistido e com boa densidade para todo o país a fim de aprimorar modelos que podem melhor subsidiar decisões no setor agrícola. Diante dos cenários de mudanças climáticas, esta integração entre cientistas da computação e agrometeorologistas torna-se fundamental, especialmente devido ao aumento de dados provenientes de simulações de modelos climáticos, de estações meteorológicas e de sensores remotos. Nesse contexto, o aperfeiçoamento de métodos computacionais para análise, mineração de dados, reconhecimento de padrões e visualização associados às técnicas de workflow científico permitem o aprimoramento dos modelos para análise numa perspectiva agroclimática atual e futura. Com o objetivo de contribuir nas pesquisas em Mudanças Climáticas e seu impacto em Agricultura, pesquisadores de instituições como Embrapa Informática Agropecuária, ICMC-USP, Cepagri/Unicamp, CPTEC/INPE, UFSCar, UFABC e UFU têm trabalhado conjuntamente há vários anos com importantes contribuições tanto em Computação quanto em Agrometeorologia. A validação das técnicas propostas será realizada com culturas de importância econômica: cana-de-açúcar e café. Workshops e um ambiente virtual serão usados como meio de facilitar a colaboração dos pesquisadores no projeto.
Problema:
Como é possível automatizar o processo de tomada de decisão sobre o monitoramento e previsão de safras agrícolas?
Hipótese:
A aplicação de técnicas de extração de regras de associação para detecção de padrões em séries temporais de clima e de imagens de sensoriamento remoto possibilita uma análise correlacionada do impacto de eventos climáticos extremos em culturas agrícolas, como cana-de-açúcar, café, entre outras.
Objetivo:
Desenvolvimento de métodos para análise e extração de padrões novos relevantes da associação entre dados climáticos e dados extraídos de sensores remotos para aperfeiçoar o monitoramento e previsão agrícola.
Justificativa/Motivação:
-
Necessidade de aprimoramento no processo de tomada de decisão no setor agrícola, para provimento e controle de melhores safras; e
-
Poucos métodos na área analisada são capazes de induzir conhecimento simbólico e inteligível a partir de dados temporais de variáveis distintas.
Mineração de Regras de Associação: Uma Análise Correlacionada entre Séries Temporais Multivariadas.
Tema: Ciência da Computação
Banco de Dados
Mineração de Dados
Mineração de Séries Temporais
Descoberta de Regras de Associação Temporal
Duração da Pesquisa:
Início: Março 2015 Previsto: Março 2017 Prazo máximo: Março 2018
Resumo
Contexto: O cenário de mudanças climáticas tem propiciado grande impacto na agricultura, diante disso alguns modelos matemáticos e estatísticos têm sido empregados para analisar os possíveis cenários futuros, de forma a auxiliar agrometeorologistas no processo de tomada de decisão, e consequentemente uma grande quantidade de dados complexos tem sido gerada. As séries temporais são um tipo de dado complexo que tem demonstrado alta relevância no processo de monitoramento e previsão de safras agrícolas
Lacunas: Diante deste contexto, a análise dos dados requer mais cuidado em sua elaboração, de modo a relacionar várias grandezas de interesse, como dados climáticos, oriundos de sensores remotos, e dados de imagem de satélite. Além disso, a maioria dos trabalhos atuais em Mineração de Séries temporais tem focado na descrição e análise dos valores associados a série, não utilizando a informação de sua evolução, que é o conceito de temporalidade.
Objetivo: Este projeto de pesquisa tem como objetivo o desenvolvimento de novos métodos de extração e análise de padrões frequentes, capazes de relacionar dados climáticos e dados extraídos de sensores remoto.
Métodos: Para isso, é proposto o aprefeiçoamento de técnicas de extração de regras de associação temporais, que mantenham o conceito de temporalidade agregando informação semântica relevante aos padrões identificados permitindo a correlação de múltiplas séries.
Resultados: Os resultados esperados no projeto irão contribuir para o avanço em mineração de dados, com reflexos na área de agrometereologia, e para melhorias nas saídas dos modelos regionais de previsão de mudanças climáticas auxiliando os agrometeorologistas no processo de tomada de decisão.
Conclusões: ...