Orientador: Ricardo da Silva TorresDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: Fenologia de plantas tem sido reconhecida como uma importante área de pesquisa para o entendimento de mudanças climáticas globais. Neste contexto, novas tecnologias para observação fenológica têm sido propostas. Câmeras digitais têm sido utilizadas com sucesso como sensores de imagem multicanal, na medida em que permitem obter informações sobre medidas de alteração da cor (canais RGB) das folhas, do folheamento ou mudanças fenológicas em plantas. Recentemente, foi iniciado o monitoramento de mudanças nos padrões das folhas de uma região de cerrado por meio da captura diária de imagens digitais. As análises das imagens vêm sendo realizadas por meio da definição de 10 regiões de interesse (RIs) na imagem digital original, incluindo imagens totais ou parciais, associadas a 6 espécies de plantas. A extração de séries temporais associadas às diferentes regiões em que as imagens foram obtidas faz aumentar a necessidade do uso de ferramentas apropriadas para a mineração de padrões de interesse. Nos últimos anos, várias técnicas vêm sendo usadas para representar dados e séries temporais com o objetivo de facilitar a extração de informações e descoberta de padrões. Em especial, Recurrence Plot (RP) tem se mostrado uma boa solução para representação de séries temporais. Neste trabalho, usamos RP para representar as séries temporais extraídas a partir dos dados fenológicos com o objetivo de identificar e avaliar descritores de forma adequados para a caracterização de séries temporais associadas a diferentes horas do dia, a diferentes canais de cor, e a diferentes áreas de interesse. Em nosso estudo, as séries temporais foram caracterizadas por descritores de forma tradicionais. Resultados experimentais apontam para a boa eficácia de descritores de forma na caracterização de representações RP de séries temporaisAbstract: Plant phenology has been recognized as an important research area for climate change understanding. In this context, new technologies for phenological observation has been proposed. Digital cameras have been successfully used as multi-channel image sensors, providing measures of leaf color change information (RGB channels), or leafing phenological changes in plants. We have been monitoring leaf-changing patterns of a cerradosavanna vegetation by taking daily digital images. We extracted RGB channels from digital images and correlated it with phenological changes over time. The image analyses were conducted by defining ten regions of interest (ROIs) in the original digital image, including total or partial images, and six plant species. The extraction of time series associated with different regions in which the images have been obtained raises the need of using appropriate tools for mining patterns of interest. In recent years various techniques have been used to represent time series in order to facilitate the extraction of information and discovery patterns. In particular, Recurrence Plot (RP) has proven to be a good solution for the representation of time series. In this work, we use RP to represent the time series drawn from the phenological data in order to identify and evaluate appropriate shape descriptors for characterizing time series associated with different times of day, different color channels, and with different areas of interest. In our study, time series were characterized by traditional shape descriptors. Experimental results demonstrate the effectiveness of shape descriptors in characterizing RP representations of time seriesMestradoCiência da ComputaçãoMestre em Ciência da Computação01-P-1965/2012132748/2014-2CAPESCNPQ