Stor datastrømning med en miljøpåvirkning - dummies

Stor dataanalyse kan hjelpe i næringslivet, men det har også et miljømessig formål. Forskere måler og overvåker ulike egenskaper ved innsjøer, elver, hav, hav, brønner og andre vannmiljøer som støtter miljøforskning. Viktig forskning om vannvern og bærekraft er avhengig av sporing og forståelse av undervannsmiljøer og å vite hvordan de endres.

Hvorfor er dette arbeidet gjort? Endringer i disse naturlige miljøer kan ha en enorm innvirkning på det økonomiske, fysiske og kulturelle velvære hos enkeltpersoner og samfunn over hele verden. For å forbedre deres evne til å forutsi miljøpåvirkning begynner forskere ved universiteter og miljøorganisasjoner over hele verden å inkludere analysen av data i bevegelse i sin forskning.

Vitenskapelig forskning omfatter innsamling av store mengder tidssensitiv informasjon om vannressurser og vær for å beskytte samfunnene mot risiko og reagere på riktig måte for katastrofer som påvirker disse naturressursene. Matematiske modeller brukes til å gjøre forutsigelser som flomens alvorlighetsgrad i et bestemt sted eller virkningen av et oljesøl på sjølivet og det omkringliggende økosystemet.

Datatypen som kan brukes, inkluderer alt fra målingstemperatur, for å måle kjemikaliene i vannet, for å måle strømmen. I tillegg er det nyttig å kunne sammenligne disse nyoppkjøpte dataene med historisk informasjon om de samme vannkroppene.

Mange sofistikerte forskningsprogrammer er på plass for å forbedre forståelsen av hvordan man beskytter naturlige vannressurser. Elv og tilstøtende flomfelter og våtmarker trenger for eksempel beskyttelse fordi de er viktige habitater for fisk og dyreliv. Mange samfunn er avhengig av elver for drikkevann, kraftproduksjon, mat, transport og turisme.

I tillegg overvåkes elvene for å gi kunnskap om flom og for å gi samfunnet advarsler om oversvømmelser. Ved å legge til en sanntidskomponent i disse forskningsprosjektene, håper forskere å ha stor innvirkning på folks liv.

Bruk sensorer til å gi sanntidsinformasjon om elver og hav

Ved et forskningsenter i USA brukes sensorer til å samle fysiske, kjemiske og biologiske data fra elver. Disse sensorene overvåker romlige endringer i temperatur, trykk, saltholdighet, turbiditet og vannkemi.Målet er å skape et sanntids overvåking nettverk for elver og elvemunning.

Forskere forventer at de i fremtiden vil kunne forutsi endringer i elver på samme måte som værsprognoser blir gjort. Et annet forskningsenter basert i Europa bruker radioutstyrte bøyer som inneholder sensorer for å samle data om havet, inkludert målinger av bølgehøyde og handling. Denne streaming data kombineres med andre miljø- og værdata for å gi sanntid informasjon om havforhold til fisker og forskere.

I begge eksemplene brukes sensorer til å samle store datamengder når hendelser finner sted. Selv om infrastrukturplattformer varierer, er det typisk å inkludere et mellomlagringslag for å integrere data innsamlet av sensoren med data i et datalager. Disse forskningsorganisasjonene bruker også eksterne kilder som kartlegging av databaser og sensorer som kommer fra andre steder, samt geografisk informasjon.

Dataene blir analysert og behandlet ettersom det strømmer inn fra disse forskjellige kildene. En organisasjon bygger et integrert nettverk av sensorer, robotikk og mobil overvåking. Det bruker denne informasjonen til å bygge kompliserte modeller som real-time multiparameter modelleringssystemer. Modellene vil bli brukt til å se på de dynamiske samspillene innen lokale elver og elvemessige økosystemer.

De store data fordelene av sanntidsdata

Ved å inkorporere sanntidsanalyse av data i miljøforskning, utvikler forskerne sin forståelse av store økologiske utfordringer. Strømteknologi åpner nye forskningsfelt og tar begrepet vitenskapelig datainnsamling og analyse i en ny retning. De ser på data de tidligere har samlet på en ny måte, og kan også samle nye typer datakilder.

Selv om du kan lære mye ved å overvåke endringsvariabler som vanntemperatur og vannkjemi i bestemte intervaller over tid, kan du gå glipp av å identifisere endringer eller mønstre. Når du har mulighet til å analysere streaming data som det skjer, er det mulig å hente opp mønstre du kanskje har gått glipp av. Data i sanntid om elvebevegelser og vær er vant til å forutsi og håndtere elveendringer.

Forskere håper å forutsi miljøpåvirkning og værvarsel. De fremmer forskning på virkningen av global oppvarming. De spør hva som kan læres av å se på bevegelsene til migrerende fisk. Hvordan kan man se hvordan forurensninger transporteres, bidrar til å rydde opp fra fremtidig miljøforurensning?

Hvis dataforskere kan ta data de allerede har samlet, kan de kombinere det med sanntidsdataene på en mye mer effektiv måte. De har også muligheten til å gjøre mer grundig analyse og gjøre en bedre jobb med å forutsi fremtidige resultater.

Fordi denne analysen er fullført, tillater det at andre grupper trenger samme informasjon for å kunne bruke funnene på nye måter for å analysere virkningen av forskjellige problemer.Disse dataene kan lagres i et dataskytemiljø, slik at forskere over hele verden kan få tilgang, legge til nye data i blandingen og løse andre miljøproblemer.