@InProceedings{SenaPaixFran:2019:RaPaEs,
               author = "Sena, Caio {\'A}tila Pereira and Paix{\~a}o, Jo{\~a}o 
                         Ant{\^o}nio R{\'e}cio da and Fran{\c{c}}a, Jos{\'e} Ricardo de 
                         Almeida",
          affiliation = "{Universidade Federal do Rio de Janeiro (UFRJ)} and {Universidade 
                         Federal do Rio de Janeiro (UFRJ)} and {Universidade Federal do Rio 
                         de Janeiro (UFRJ)}",
                title = "Rastreando padr{\~o}es espa{\c{c}}o\−temporais em dados 
                         atmosf{\'e}ricos por meio da an{\'a}lise topol{\'o}gica de 
                         dados",
                 year = "2019",
         organization = "Encontro de Alunos de P{\'o}s-Gradua{\c{c}}{\~a}o em 
                         Meteorologia do CPTEC/INPE, 18. (EPGMET)",
             abstract = "O entendimento do funcionamento de sistemas atmosf{\'e}ricos 
                         {\'e} constru{\'{\i}}do sobre uma base de dados 
                         meteorol{\'o}gicos, tanto observados quanto simulados. Essa forte 
                         depend{\^e}ncia nos dados, juntamente com um r{\'a}pido 
                         desenvolvimento de sensores e a evolu{\c{c}}{\~a}o dos recursos 
                         computacionais, impulsiona a expans{\~a}o do volume de dados 
                         meteorol{\'o}gicos dispon{\'{\i}}veis. Por esse motivo, as 
                         ci{\^e}ncias atmosf{\'e}ricas representam um dos 
                         dom{\'{\i}}nios mais ricos em dados em termos de volume, 
                         velocidade e variedade (geralmente chamados de 3Vs do Big Data). 
                         Devido a essa quantidade de dados dispon{\'{\i}}veis s{\~a}o 
                         necess{\'a}rias t{\'e}cnicas de minera{\c{c}}{\~a}o de dados 
                         para facilitar a extra{\c{c}}{\~a}o e an{\'a}lise 
                         autom{\'a}ticas de padr{\~o}es interessantes. No entanto, por 
                         conta da sua alta correla{\c{c}}{\~a}o 
                         espa{\c{c}}o\−temporal e heterogeneidade esses dados 
                         tamb{\'e}m imp{\~o}em algumas dificuldades ao seu exame por meio 
                         de t{\'e}cnicas tradicionais de minera{\c{c}}{\~a}o de dados. 
                         Tendo isso em vista, a An{\'a}lise Topol{\'o}gica de Dados (TDA) 
                         oferece uma vantagem significativa sobre as ferramentas mais 
                         convencionais de minera{\c{c}}{\~a}o de dados (baseadas em 
                         clusteriza{\c{c}}{\~a}o) por ter como foco propriedades globais, 
                         como a forma e a conectividade dos dados. Oportunamente, a forma 
                         aproximada das forma{\c{c}}{\~o}es de nuvens pode ser uma 
                         caracter{\'{\i}}stica significativa do estado da atmosfera. 
                         Dessa forma, o objetivo do presente trabalho {\'e} apresentar a 
                         aplicabilidade da t{\'e}cnica TDA na an{\'a}lise de alguns tipos 
                         de fen{\^o}menos meteorol{\'o}gicos. Para isso, v{\'a}rios 
                         experimentos s{\~a}o conduzidos com conjuntos de dados de 
                         sensores remotos para ilustrar a descoberta de 
                         caracter{\'{\i}}sticas de fen{\^o}menos atmosf{\'e}ricos por 
                         meio de ferramentas da TDA. No presente trabalho, foram efetuados 
                         estudos de caso em que a TDA permitiu rastrear padr{\~o}es 
                         fisicamente significativos em um conjunto de dados 
                         meteorol{\'o}gicos. No nosso primeiro experimento, aplicamos uma 
                         ferramenta da TDA chamada Homologia Persistente em dados de 
                         sat{\'e}lite do produto GridSat GOES durante eventos de ciclones 
                         tropicais de forma a rastrear a evolu{\c{c}}{\~a}o de estruturas 
                         com temperatura de topo de nuvem relativamente mais elevada, 
                         avan{\c{c}}ando radialmente a partir do centro desses ciclones. 
                         Com isso, foi poss{\'{\i}}vel detectar automaticamente o 
                         fen{\^o}meno do Ciclo Diurno de Ciclones Tropicais e 
                         consequentemente, construir uma an{\'a}lise quantitativa da 
                         evolu{\c{c}}{\~a}o desses eventos.",
  conference-location = "Cachoeira Paulista, SP",
      conference-year = "04-08 nov.",
             language = "pt",
           targetfile = "Caio_{\'A}tila_Pereira_et-al.pdf",
                 type = "Sensoriamento Remoto da Atmosfera",
        urlaccessdate = "02 maio 2024"
}