@PHDTHESIS{ 2023:2059136779,
 	title = {Fusão espaço-temporal de imagens termais e avaliação da  rede de monitoramento meteorológico da região oeste do estado do Paraná},
 	year = {2023},
 	url = "https://tede.unioeste.br/handle/tede/6933",
 	abstract = "As alterações climáticas globais afetam a distribuição espacial de temperatura em escala 
 regional e local. As ferramentas de Smart Farm auxiliam a tomada de decisão em tempo hábil.
 Entretanto, a continuidade da coleta de dados é de suma importância para entender a 
 dinâmica climática em escala local, portanto a redundância é fundamental para continuidade 
 da captura e preenchimento de dados em caso de falhas sistêmicas. Dados de sensoriamento 
 orbital, bem como estações governamentais distribuídas na região de interesse podem ser 
 utilizadas como ferramentas de redundância dos sistemas de Smart Farming. Entretanto,
 analisar a variabilidade espacial da distribuição de temperatura pode ser limitada em 
 pequenas e médias áreas de cultivo, devido à baixa resolução espacial ou baixa resolução 
 temporal de sensores orbitais. Este trabalho objetivou avaliar a correlação entre temperatura 
 média diária de superfície resultante de 3 e 4 observações diárias e temperatura média do ar 
 coletada por estações meteorológicas, bem como fusionar, utilizando o algoritmo ESTAFM, e 
 avaliar a utilização de imagens sintéticas de dados de temperatura de superfície dos sensores 
 MODIS – Terra e Aqua e TIRS – Landsat 8 e 9. Também foi avaliada a distribuição espacial 
 das estações públicas disponíveis na região Oeste do Estado do Paraná. As imagens de 
 temperatura média da superfície resultantes de 3 e 4 observações apresentaram forte 
 correlação com a temperatura média diária do ar, com coeficiente de correlação rs de 0,92 
 para ambas as observações. O ajuste de modelo apresentou coeficiente de determinação 
 R²ajustado de 0,85 para 3 observações e 0,86 para 4 observações; o RMSE foi de 1,74 °C e 
 1,5 °C respectivamente. As imagens sintéticas de temperatura média diária de superfície 
 apresentaram coeficiente de correlação rs de 0,69 e coeficiente de determinação R²ajustado de 
 0,59. Houve superestimativa dos valores médios de temperatura de superfície nas imagens 
 sintéticas, e a cobertura de nuvens foi um empecilho para a geração de maiores volumes de 
 dados. A avaliação das estações meteorológicas foi realizada com base em interpolação de 
 dados e estes, quando comparados à distribuição espacial de temperatura modelada para 
 temperatura do ar, apresentaram erros principalmente em aglomerados urbanos, com 
 coeficientes de correlação rs de 0,42 no verão, 0,53 no outono, 0,51 no inverno e 0,63 na 
 primavera. Entretanto, quando comparados às estações instaladas em meio agrícola, com 
 características ambientais semelhantes aos locais de instalação das estações, não 
 apresentaram diferença estatística de dados e coeficiente de correlação rs de 0,93.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}