A modelagem espaço-temporal é uma área de pesquisa que combina análise espacial e temporal para compreender e prever mudanças em um sistema ao longo do espaço e do tempo. Envolve o desenvolvimento de modelos estatísticos e matemáticos que podem analisar e integrar informações de várias fontes, como imagens de satélite, redes de sensores e dados meteorológicos, para prever padrões e tendências nas dimensões espacial e temporal. Aplicações da modelagem espaço-temporal podem ser encontradas em diversos campos, incluindo ciência ambiental, epidemiologia, planejamento de transporte e desenvolvimento urbano. Os modelos espaço-temporais podem variar de modelos simples de regressão linear a algoritmos complexos de aprendizado de máquina que utilizam técnicas sofisticadas como aprendizado profundo (deep learning) e redes neurais. O objetivo da modelagem espaço-temporal é fornecer previsões precisas e confiáveis que possam ser usadas para embasar tomadas de decisão em uma ampla variedade de contextos.
Coordenador de Pesquisa e Líder da Equipe
- da Silva, K.L.S., López-Gonzales, J.L., Turpo-Chaparro, J.E., Tocto-Cano, E., and Rodrigues, P.C. (2023). Spatio-temporal visualization and forecasting of PM10 in the Brazilian state of Minas Gerais. Scientific Reports, 13, 3269.
- Encalada-Malca, A.A., Cochachi-Bustamante, J.D., Rodrigues, P.C., Salas, R., and López- Gonzales, J.L. (2021). A spatio-temporal visualization approach to the exploration of PM10 concentration data in Metropolitan Lima. Atmosphere 12, 609.