Course Syllabus
Obiettivi formativi
Acquisire competenze di base nel trattamento e aanalisi di dati georeferenziati.
Contenuti sintetici
Modulo 1:
Introduzione ai dati geospaziali
Modulo 2: Dati da osservazioni nelle sceinze del clima
Modulo 3: Modelli climatici
Modulo 4: Analisi di dati climatici
Modulo 5: Sintesi e progetti degli studenti
Programma esteso
Le lezioni frontali (2 ore per modulo) descrivono il contesto del campo di applicazione, con particolare attenzione alla relazione tra i dati ed i sistemi fisici che li hanno generati, in modo da fornire agli studenti gli strumenti per la gestione dei dati stessi, a livello teorico.
Le lezioni pratiche (3 ore per modulo) forniscono gli strumenti software per la gestione, visualizzazioen e analisi dei dati geospaziali. Il linguaggio di programmazione Python viene utilizzato sia per gliesempi illustrati dal docente, che per gli esercizi individuali o a gruppi proposti agli studenti. Sono previsti brevi assignments da consegnare entro l'ultima settimana del corso.
Nel Modulo 1 si introduce l'argomento dei dati geospaziali, compreso le tipologie dei dati e i concetti di base legati alla cartografia e ai sistemi informativi territoriali.
Nei Moduli 2-4 si trattano esempi e applicazioni tratti dalle sceinze del clima. Si presentano diverse tipologie di dati geospaziali, fra cui quelli derivanti da osservazioni del mondo fisico (M2) e quelli prodotti da simulazioni numeriche (M3), ognuno caratterizzato da specifiche caratteristiche e problematiche. In termini di analisi integratata dei dati, vengono introdotte diverse applicazioni che spaziano da semplici test di ipotesi fino al pattern recognition (M4).
Nel Modulo 5 è prevista una revisione degli argomenti principali, correzione degli assignments, domande da parte degli studenti; gli studenti potranno anche cominciare a lavorare al progetto finale da presentare all'esame.
Prerequisiti
Basi di Python.
Metodi didattici
Lezioni frontali e sessioni pratiche in laboratorio di informatica.
Nel periodo di emergenza Covid-19 le lezioni si svolgeranno da remoto asincrono con eventi in videoconferenza sincrona.
Modalità di verifica dell'apprendimento
Esame orale: 50% presentazione e discussione del progetto individuale finale, 50% argomenti ed assignments del corso.
Testi di riferimento
Prresentazioni del docente; links a paper scientifici e pagine web per approfondimenti. Il materiale viene reso disponibile sulla pagina elearning del corso.
Periodo di erogazione dell’insegnamento
Secondo semestre
Lingua di insegnamento
Italiano; slides e materiale di studio in inglese.
Learning objectives
The aim of the module
is to enable students to have a basic competence to manage and analyze georeferenced data.
Contents
Module 1: Introduction to geospatial data
Module 2: Observational data in climate sciences
Module 3: Climate models
Module 4: Analysis of climate data
Module 5: Wrap-up
and student projects
Detailed program
The frontal lessons (2 hours per module) will present some background on the field of application, with specific attention to the relation between the data and the system that generated them, providing the theoretical tools for their management.
The
practical sessions (3 hours per module) will provide the software tools for geospatial
data handling, visualization and analysis. Python will be used for examples
shown by the teacher and for students individual or group exercises. Small assignments are foreseen, due by the last week of classes.
Module 1 will introduce the topic of geospatial data, including data types, and basic concepts related to cartography and Geographic Information Systems.
In
Modules 2-4 examples and applications will be drawn from the domain of climate
science. Different geospatial data types will be presented, including from
observations of the physical world (M2) and from computer model simulations (M3), each
characterized by different features and challenges. Integrated data analysis applications, ranging from simple hypothesis testing to space-time pattern recognition, will be introduced (M4).
Prerequisites
Basic knowledge of Python.
Teaching methods
Frontal lessons and practical laboratory sessions.
During Covid-19 emergency phases classes will be held remotely (asynchronous format), with some "live" remote events.
Assessment methods
Oral
exam: 50% presentation and discussion of a final individual project, 50% topics
and assignments from the course.
Textbooks and Reading Materials
Teacher slides; links
to scientific papers and webpages. Distributed via elearning.
Semester
Second semester
Teaching language
Italian; slides and learning material in English.