A mineraçăo de padrőes sequenciais em dados de sensores ambientais é uma tarefa desafiadora: os dados podem apresentar ruídos e, também, conter padrőes esparsos que săo difíceis de serem detectados. O conhecimento extraído de dados de sensores ambientais pode ser usado para determinar mudanças climáticas, por exemplo. Desta forma, o algoritmo Incremental Miner of Stretchy Time Sequences with Post-Processing (IncMSTS-PP) foi proposto. O IncMSTS-PP aplica a extraçăo incremental de sequencias com pós-processamento baseado em ontologia o que acarreta o enriquecimento semântico desses padrőes. IncMSTS-PP implementa o método Stretchy Time Window (STW) que permite que padrőes de tempo elástico (padrőes com intervalos temporais) sejam extraídos em bases que apresentam ruídos. Em comparaçăo com o algoritmo GSP, o IncMSTS-PP pode retornar 2,3 vezes mais sequencias. O módulo de pós-processamento é responsável pela reduçăo em 22,47% do número de padrőes apresentados ao usuário -padrőes semanticamente mais ricos. Assim, o IncMSTS-PP apresentou bons resultados de desempenho e minerou padrőes relevantes mostrando ser eficaz, eficiente e apropriado em domínio de dados de sensores ambientais.