Stor datastrømning med en miljøpåvirkning - dummier

Stor dataanalyse kan hjælpe i erhvervslivet, men det har også et miljømæssigt formål. Forskere måler og overvåger forskellige attributter af søer, floder, oceaner, have, brønde og andre vandmiljøer til støtte for miljøforskning. Vigtig forskning på vandbevarelse og bæredygtighed afhænger af sporing og forståelse af undervandsmiljøer og viden om, hvordan de ændrer sig.

Hvorfor er dette arbejde gjort? Ændringer i disse naturlige omgivelser kan have en enorm indflydelse på individers og samfunds økonomiske, fysiske og kulturelle trivsel overalt i verden. For at forbedre deres evne til at forudsige miljøpåvirkninger begynder forskere ved universiteter og miljøorganisationer over hele kloden at inddrage analysen af ​​data i gang i deres forskning.

Videnskabelig forskning omfatter indsamling af store mængder tidsfølsom information om vandressourcer og vejr for at beskytte samfundene mod risici og reagere på passende vis på katastrofer, der påvirker disse naturressourcer. Matematiske modeller bruges til at lave forudsigelser som sværhedsgraden af ​​oversvømmelser på et bestemt sted eller virkningen af ​​et olieudslip på havets liv og det omgivende økosystem.

Den type data, der kan anvendes, omfatter alt fra målingstemperatur til måling af kemikalier i vandet til måling af strømmen. Derudover er det nyttigt at kunne sammenligne disse nyligt erhvervede data med historiske oplysninger om de samme vandkroppe.

Der findes mange sofistikerede forskningsprogrammer for at forbedre forståelsen af, hvordan man beskytter naturlige vandressourcer. Floder og tilstødende flodsletter og vådområder har for eksempel brug for beskyttelse, fordi de er vigtige levesteder for fisk og dyreliv. Mange samfund er afhængige af floder til drikkevand, elproduktion, mad, transport og turisme.

Derudover overvåges floderne for at give viden om oversvømmelser og give samfundene advarsler om oversvømmelser. Ved at tilføje en real-time komponent til disse forskningsprojekter håber forskere at have stor indflydelse på folks liv.

Brug sensorer til at give realtidsinformation om floder og oceaner

Ved et forskningscenter i USA bruges sensorer til at indsamle fysiske, kemiske og biologiske data fra floder. Disse sensorer overvåger rumlige ændringer i temperatur, tryk, saltholdighed, turbiditet og vandkemi.Deres mål er at skabe et realtids overvågningsnet for floder og flodmundinger.

Forskere forventer, at de i fremtiden vil kunne forudsige ændringer i floder på samme måde som vejrudsigter foretages. Et andet forskningscenter baseret i Europa bruger radioudstyrede bøjer, der indeholder sensorer til at indsamle data om havet, herunder målinger af bølgehøjde og handling. Disse streamingdata kombineres med andre miljø- og vejrdata for at give realtidsinformation om havforhold til fisker og forskere.

I begge eksempler bruges sensorer til at indsamle store datamængder, da hændelser finder sted. Selv om infrastrukturplatforme varierer, er det typisk at inkludere et middleware-lag for at integrere data indsamlet af sensoren med data i et datalager. Disse forskningsorganisationer bruger også eksterne kilder som kortlægning af databaser og sensorer fra andre steder samt geografisk information.

Dataene analyseres og behandles, da det strømmer ind fra disse forskellige kilder. En organisation bygger et integreret netværk af sensorer, robotik og mobil overvågning. Det bruger disse oplysninger til at opbygge komplicerede modeller som real-time multiparameter modelleringssystemer. Modellerne vil blive brugt til at se på de dynamiske interaktioner inden for lokale floder og flodmundingsøkosystemer.

De store datafordele ved data i realtid

Ved at indarbejde realtidsanalyse af data i miljøforskning fremmer forskere deres forståelse af store økologiske udfordringer. Streaming teknologi åbner nye forskningsområder og tager begrebet videnskabelig dataindsamling og analyse i en ny retning. De kigger på data, de måtte have samlet i fortiden på en ny måde og kan også indsamle nye typer datakilder.

Selv om du kan lære meget ved at overvåge ændringsvariabler som vandtemperatur og vandkemi med bestemte intervaller over tid, kan du gå glip af at identificere ændringer eller mønstre. Når du har mulighed for at analysere streamingdata som det sker, er det muligt at samle op på mønstre, du måske har savnet. Realtidsdata om flodbevægelser og vejr er vant til at forudsige og styre flodforandringer.

Forskere håber at forudsige miljøpåvirkninger og prognose vejr. De fremmer forskning om virkningen af ​​den globale opvarmning. De spørger hvad man kan lære af at se bevægelser af migrerende fisk. Hvordan kan man se, hvordan forurenende stoffer transporteres, hjælper med at rydde op fra fremtidig miljøforurening?

Hvis datavidenskaberne er i stand til at tage data, som de allerede har samlet, kan de kombinere det med realtidsdataene på en langt mere effektiv måde. De har også evnen til at foretage en mere dybtgående analyse og gøre et bedre arbejde med at forudsige fremtidige resultater.

Da denne analyse er gennemført, tillader det andre grupper, der har brug for de samme oplysninger, at kunne bruge resultaterne på nye måder til at analysere virkningen af ​​forskellige problemer.Disse data kan lagres i et datalogmiljø, så forskere over hele kloden kan få adgang, tilføje nye data i blandingen og løse andre miljøproblemer.