• Menu
  • Passa alla navigazione primaria
  • Skip to secondary navigation
  • Passa al contenuto principale
  • Passa alla barra laterale primaria
  • Passa al piè di pagina

logo header oikos engineering

  • Home
  • Chi siamo
  • Blog
  • Soluzioni
    • Comuni e Unioni
    • Multiservizi
    • Patrimoni Immobiliari
    • Sanità
    • Industria e Impianti
    • Consorzi Forestali
    • Consorzi Irrigui
    • Consorzi di Tutela
  • Servizi
    • Cartografia Numerica
    • Integrazione Dati
    • Rilievi e Censimenti
    • Cloud Computing
    • Strumentazione GPS e GIS
  • Contatti
  • Richiedi Assistenza
    • Teleassistenza
  • Privacy
    • INFORMATIVA AI SENSI ART. 13 DEL REGOLAMENTO UE 679/16
  • Lavora Con Noi
  • Privacy
  • Glossario
  • Autovalutazione per il Cloud della PA
  • Documentazione tecnica
  • Reversibilità dei servizi SaaS
  • Responsabilità condivisa
  • Lavora Con Noi
  • Modello Organizzativo
  • Certificazioni
  • Codice Etico
  • Whistleblowing
  • Lasciaci un feedback
  • Home
  • Chi siamo
  • Blog
  • Soluzioni
    • Comuni e Unioni
    • Multiservizi
    • Patrimoni Immobiliari
    • Sanità
    • Industria e Impianti
    • Consorzi Forestali
    • Consorzi Irrigui
    • Consorzi di Tutela
  • Servizi
    • Cartografia Numerica
    • Integrazione Dati
    • Rilievi e Censimenti
    • Cloud Computing
    • Strumentazione GPS e GIS
  • Contatti
  • Richiedi Assistenza
    • Teleassistenza
  • Privacy
    • INFORMATIVA AI SENSI ART. 13 DEL REGOLAMENTO UE 679/16
  • Lavora Con Noi

Alla scoperta delle zone climatiche attraverso Machine Learning e i GIS

Home » Blog » Alla scoperta delle zone climatiche attraverso Machine Learning e i GIS

17 Aprile 2018 //  by Oikos Engineering//  Lascia un commento

Il clima della nostra terra sta cambiando molto velocemente, l’evoluzione climatica è diventata uno dei temi più scottanti e preoccupanti che deve essere affrontato dagli esperti nel settore ma che deve destare un certo turbamento anche nelle persone comuni.

Per affrontare la questione gli studiosi di tutto il mondo si sono interrogati su quali metodi e strumenti utilizzare per analizzare questo preoccupante cambiamento che ha effetti talvolta catastrofici.

Ecco perché gli studiosi americani che si occupano di scienze del luogo hanno pensato di andare alla scoperta delle zone climatiche alternative attraverso il Machine Learning e l’impiego dei GIS.

La ricerca, dunque, si avvale del Machine Learning, ovvero la capacità che alcuni computer hanno di apprendere e operare senza essere stati programmati precedentemente, e dei GIS, i sistemi informativi geografici sempre più utili nelle ricerche di vario tipo.

La ricerca di zone climatiche alternative, rispetto a quelle già conosciute e classificate, è importante poiché il clima è in grado di impattare la nostra vita in molti modi diversi e in molti ambiti differenti. Ad esempio, conoscere una zona climatica e le sue possibili evoluzioni può essere utile quando si progetta la costruzione della propria casa o di un edificio pubblico, quando si studia una malattia infettiva e i suoi esiti sanitari, oppure quando si intende avviare una particolare coltivazione agricola.

Già in passato era stata avanzata una prima classificazione climatica basata sugli studi di Wladimir Koppen, che divideva il mondo in cinque gruppi principali attraverso l’analisi delle temperature e delle precipitazioni; questa, tuttavia, era una classificazione troppo generica che non poteva tenere conto dell’evoluzione climatica che si è verificata nel tempo con la creazione di zone climatiche alternative.

Ora, invece, l’approccio alla scienza del clima è cambiato poiché gli studiosi non si basano più sulle regole e le suddivisioni precedenti, ma impiegano l’apprendimento automatico che, con l’utilizzo incrociato dei GIS, ha permesso di ottenere classificazioni più naturali e mettere in luce zone climatiche alternative che presentano differenze più specifiche.

Il National Center for Atmospheric Research ha prodotto con questo metodo i possibili modelli climatici che ci potrebbero essere nel 2050, i cui dati sono consultabili nell’atlante vivente ArcGIS.

Condividi:

Categoria: NewsTag: Cambiamento Climatico, GIS, Machine Learning

Post precedente: « Come i GIS possono aiutare le persone ipovedenti
Post successivo: Dati demografici, ecco le novità di Esri vancouver area antropizzata»

Barra laterale primaria

Ricerca sul Sito

Articoli Recenti

  • PNRR e Gestione del Patrimonio
  • PNRR e Comunicazione Istituzionale Web e Open Data
  • Realizzazioni Oikos
  • Progetto ARDÍ: aree dismesse della provincia di Asti
  • La pianificazione del paesaggio salverà il mondo

Footer

Contatti

Indirizzo
Via Ognissanti, 32
12051 - Alba (CN)

Telefono
+39.0173.440242

Email
[email protected]

Assistenza
[email protected]

P.IVA: 02762210041

Copyright

I contenuti presenti sul sito oikosweb.com, dei quali Oikos Engineering S.r.l. è autore, non possono essere copiati, riprodotti, pubblicati o redistribuiti perché appartenenti all’autore stesso. È vietata la copia e la riproduzione dei contenuti in qualsiasi modo o forma. È vietata la pubblicazione e la redistribuzione dei contenuti non autorizzata espressamente dall’autore.

Disclaimer

Questo blog non rappresenta una testata giornalistica in quanto viene aggiornato senza alcuna periodicità. Non può pertanto considerarsi un prodotto editoriale ai sensi della legge n. 62 del 07/03/2001.

Seguici sui Social

  • Privacy
  • Glossario
  • Autovalutazione per il Cloud della PA
  • Documentazione tecnica
  • Reversibilità dei servizi SaaS
  • Responsabilità condivisa
  • Lavora Con Noi
  • Modello Organizzativo
  • Certificazioni
  • Codice Etico
  • Whistleblowing
  • Lasciaci un feedback

Copyright © 2025 Oikos Engineering · All Rights Reserved ·