환경 데이터 과학 - 천연 자원 - 더미

천연 자원을 원시 형태로 모델링하는 데 데이터 과학을 사용할 수 있습니다. 이러한 유형의 환경 데이터 과학은 일반적으로 천연 자원을 더 잘 이해하기 위해 몇 가지 고급 통계 모델링을 필요로합니다. 자연 환경에서 자연적으로 발생하는 물, 공기 및 육지 조건을 기초로 원시 자원을 모델로하여 자연 환경이 인간의 삶에 미치는 유기적 효과를보다 잘 이해할 수 있습니다. 자연 자원 모델링 탐색

강수량, 지질 학적 패턴, 지하수 흐름 및 지하수 독소 농도

대기 문제:

• 미립자 수준과 온실 가스 농도의 농도와 분산 토지 문제:
• 토양 오염 물질 이동 및 지형학, 지구 물리학, 광물 탐사 및 석유 및 가스 탐사
• 데이터 과학을 연구하다 환경 프로세스와 시스템은 많은 서로 다른 상호 의존적 변수를 포함하기 때문에 대부분의 자연 자원 모델링은 믿을 수 없을 정도로 복잡한 통계 알고리즘을 사용해야한다. 다음 목록은 자연 자원 모델링에 일반적으로 사용되는 데이터 과학의 몇 가지 요소를 보여줍니다.

통계, 수학 및 기계 학습:

베이지안 추론, 다중 레벨 계층 적 베이지안 추론, 다중 분할 스펙트럼 분석, 코 플레 세, Wavelet Autoregressive (AWAR), 자동 회귀 이동 평균 (ARMA), 몬테카를로 시뮬레이션, 구조적 가산 회귀 (STAR) 모델, 차수 통계 회귀 (ROS), 최우 추정 (MLE), 기대 최대화 (EM), 선형 및 비선형 차원 공간적 통계:

일반적으로 확률 적 매핑 (probabilistic mapping)

데이터와 같은 것 (예를 들어, 시각화:

• 다른 데이터 과학 분야와 마찬가지로 탐색 분석 및 다른 사람들과 소통하기 위해 필요 웹 스크래핑:
• 여러 번, 데이터 수집시 필요함 다른 프로그래밍 언어 중 Python, R, SPSS, SAS, MATLAB, Fortran 및 SQL 사용 자연 환경 모델링
• GIS 기술: 공간 분석 및 매핑
• 환경 문제를 해결할 수있는 자원 Columbia Water Center의 이사 Dr. Dr.Upmanu Lall은 엄청나게 복잡한 수자원 문제를 해결하기 위해 환경 데이터 과학을 사용하는 세계적 수준의 사례를 제공합니다. Dr. Lall은 고급 통계, 수학, 코딩 및 환경 공학 분야의 전문 기술을 사용하여 전 세계 수자원 특성, 국내 총생산 (GDP), 빈곤 및 국가 에너지 소비율 간의 복잡하고 상호 의존적 인 관계를 밝힙니다.
• Lall 박사의 최근 프로젝트 중 하나에서 그는 강우량 변동성이 큰 국가 (극심한 가뭄이 뒤따른 극심한 가뭄을 겪은 국가)에서 불안정성으로 인해 농업의 안정적인 수자원 부족이 발생한다는 사실을 발견했습니다 개발, 더 많은 유출 및 침식, 그리고 그 나라의 GDP의 전반적인 감소를 포함한다. 그 반대는 또한 안정적이고 적절한 강수량을 가진 국가가 농업 개발, 전반적인 환경 조건 개선 및 평균 GDP 증가를위한 더 나은 수자원 공급을하는 경우에도 마찬가지입니다. 따라서 환경 데이터 과학을 사용하여 Dr. Lall은 국가의 강우 경향과 빈곤율간에 강력한 상관 관계를 이끌어 낼 수있었습니다. 데이터 과학 기술 및 방법론과 관련하여 Dr. Lall은 다음 도구를 구현합니다.
• 통계 프로그램: Lall의 병기에는 다단계 계층 적 베이지안 모델, 다중 분할 스펙트럼 분석, 코 플러스, 웨이브 렛 자동 회귀 이동 평균 (WARM), 자동 회귀 이동 평균 (ARMA) 및 몬테 카를로 시뮬레이션이 포함됩니다. 수학 프로그래밍:

여기에는 선형 및 비선형 차원 축소, 웨이브 렛 분석, 주파수 도메인 방법 및 비균질 숨겨진 마르코프 모델이 포함됩니다.

클러스터링 분석:

이 경우 Lall 박사는 k- 가장 가까운 이웃, 커널 밀도 및 로그 라인 밀도 추정을 포함한 검증 된 방법에 의존합니다. 기계 학습: 여기서 Dr. Lall은 최소 분산 임베딩에 중점을 둡니다.