Course Syllabus
Obiettivi
Conoscenza e comprensione:
Fornire allo studente le informazioni sulle banche dati oceanografiche disponibili e su come i dati sono raccolti e conservati. Fornire conoscenze sul trattamento e sull'analisi statistica dei dati.
Capacità di applicare conoscenza e comprensione:
Sviluppare la capacità di visualizzare ed analizzare dati oceanografici al fine di rispondere a domande specifiche, con metodi statistici e con l'utilizzo di modelli, usando codici Python e Jupyter Notebook. Usare con capacità critica gli strumenti di intelligenza artificiale per scrivere codici informatici.
Autonomia di giudizio:
Saper interpretare figure scientifiche (serie temporali, mappe) con un'attenzione particolare alla loro significatività statistica.
Abilità comunicative:
Essere in grado di illustrare lo sviluppo di un breve progetto di ricerca con un linguaggio conciso, chiaro e coerente.
Capacità di apprendimento:
Acquisire la capacità di individuare e selezionare autonomamente le fonti pertinenti per l'approfondimento di tematiche specifiche, sapendone valutare criticamente l'attendibilità, e di apprendere da esse in modo indipendente. Acqusire la capacità di interfacciarsi con strumenti di intelligenza artificiale per la generazione di script in Python e per attività di debugging.
Contenuti sintetici
Sistemi di osservazione oceanografica, inclusi metodi di telerilevamento, stazioni di misura Euleriane, boe itineranti, misure da navi. Banche dati oceanografiche. Analisi spazio-temporale dei dati. Strumenti modellistici. Metodi di visualizzazione.
Programma esteso
Dati da osservazioni satellitari: temperatura superficiale, salinità superficiale, altezza dinamica, vento superficiale, colore dell'oceano.
ARGO floats: misure sottosuperficiali. Boe e stazioni osservative. Network costiero di radar ad alta frequenza. Rianalisi.
Variazioni stagionali, destagionalizzazione e filtri.
Correlazioni e covarianza.
Significatività statistica.
Formato NetCDF. Software TEOS-10 per le proprietà dell'acqua di mare.
Esempi pratici di elaborazione dei dati quali:
Calcolo delle velocità geostrofiche da misure idrografiche e da dati di livello del mare.
Cicloni tropicali: traiettorie e scie fredde.
Monitoraggio dello stress da sbiancamento dei coralli: hotspots e Degree Heating Weeks.
Prerequisiti
Physics of the Sea / Physical Oceanography
Modalità didattica
a) 1CFU: 2 lezioni da 2 ore e 1 lezione da 3 ore, Didattica Erogativa, in remoto. (DE - LEEL)
b) 5 CFU: 60 ore di attività di laboratorio informatico in presenza in blocchi da 2, 3 o 4 ore svolte in modalità Erogativa nella parte iniziale, e in modalità Interattiva nella parte successiva per un maggior coinvolgimento degli studenti. (DI - LAB)
Materiale didattico
Materiale presentato in aula dal docente.
Dispense scritte dal docente.
Codici scritti dal docente.
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
Prova scritta: rapporto su un progetto individuale di analisi dati oceanografici (max 6 pagine)
Prova orale: colloquio sugli argomenti svolti a lezione e sul progetto individuale di analisi dati
Verranno valutate la chiarezza espositiva, la capacità di analizzare in modo critico dei dati oceanografici, la l'interpretazione dei risultati ottenuti, la comprensione dei principi statistici alla base delle analisi effettuate.
Orario di ricevimento
Contattare il docente
Sustainable Development Goals
Aims
Knowledge and understanding:
Inform students about available oceanographic databases and how data are collected and stored. Provide information on data processing and statistical analysis techniques.
Ability to apply knowledge and understanding:
Develop the ability to visualize and analyze oceanographic data to answer specific questions, using statistical methods and models, using Python and Jupyter Notebook. Use, with a critical eye, AI tools to write pieces of codes to address the problems.
Autonomy of judgment:
Know how to interpret scientific figures (timeseries, maps) assessing their statistical significance.
Communication skills
Know how to illustrate the development of a short research-oriented project with a concise, clear and coherent language.
Learning skills:
Acquire the ability to independently identify and select relevant sources for exploring specific topics in depth—critically evaluating their reliability—and to learn from them autonomously. Acquire the ability to use artificial intelligence tools for generating Python scripts and for debugging tasks.
Contents
Ocean observing systems, including remote sensing, Eulerian stations, drifters and ship measurements. Ocean databases. Spatio-temporal data analysis. Modeling tools. Visualisation tools.
Detailed program
Data retrieved from satellites: sea surface temperature, sea surface salinity, sea surface height, surface wind speed, significant wave height, ocean color.
ARGO floats: subsurface measurements. Moorings and buoys. High Frequency coastal radar network. Reanalysis.
Seasonal variations, removal of seasonal cycle, data detrending and filtering.
Correlation and covariance. Composites.
Statistical significance.
Netcdf data format. TEOS-10 software for seawater properties.
Examples of practical data analysis such as:
Geostrophic currents from hydrographic measurements and from sea surface height.
Tropical cyclone tracks and cold wakes.
Coral bleaching heat stress monitoring: Degree Heating Weeks and coral hotspots.
Prerequisites
Physics of the Sea / Physical Oceanography
Teaching form
a) 1CFU: 2 two-hour lectures and 1 three-hour lecture, Delivered Didactics, remotely. (DE - LEEL)
b) 5 CFU: 60 hours of computer lab activities, in person, in blocks of 2, 3 or 4 hours, initially as Delivered Didactics, then actively involving students through Interactive Teaching. (DI - LAB)
Textbook and teaching resource
Slides, booklet, and scripts from the instructors, available on the elearning web page.
Semester
First
Assessment method
-
Written examination: short report on an individual ocean data analysis project (6 pages upper limit)
-
Oral examination: discussion of topics covered during class and of the individual data analysis project
The following will be evaluated: clarity in the presentation, ability to analyze oceanographic data in a critical way, interpretation of results, understanding and mastering of statistical concepts and tests for the analysis.
Office hours
Contact the instructor
Sustainable Development Goals
Staff
-
Agostino Niyonkuru Meroni
-
Claudia Pasquero
