Cuando dice clima, quizás se refiere a “temperatura / lluvia”, datos reales medidos por instrumentos. También para la contaminación, quizás desee “datos reales” medidos por un instrumento estándar para un punto o área en particular. Mientras que, cuando solicita una imagen satelital, está recibiendo un “registro de longitud de onda” (no datos reales) que puede calibrarse para representar la temperatura o la precipitación. Quizás las imágenes satelitales del agua, específicamente algunas longitudes de onda como el infrarrojo térmico, brinden buenos indicadores de contaminación, no mediciones reales. Debe tener en mente esta diferencia fundamental antes de decidir sobre el conjunto de datos. ¿Has probado el sitio de la Universidad de Maryland? Para EE. UU., Quizás tengan los mejores recursos gratuitos de búsqueda para imágenes de satélite. Para imágenes satelitales internacionales, AVHRR y MODIS son las más fáciles de obtener (incluso si no puede descargarlas, puede escribir y recibir CD gratis para su tesis). En Europa, VITO Bélgica tiene el mejor sitio para imágenes SPOT. Recuerde que cuando obtiene los datos reales de la estación meteorológica para el clima, nunca son datos espaciales: es una serie de tiempo para un punto específico. Esos puntos de series de tiempo, cuando están disponibles para muchas ubicaciones espaciales, se pueden “interpolar” espacialmente para obtener datos espaciales, lo que significa una mayor precisión en los puntos de la estación meteorológica y la incertidumbre aumenta con la distancia. Mientras que cuando obtienes imágenes satelitales que tienen “indicadores” del clima o la contaminación, necesitas saber mucho sobre cómo esas longitudes de onda se relacionan con la variable que estás estudiando, pero la ventaja es que los puntos de datos son igualmente válidos ¡espacio! Una vez que haya descubierto claramente lo que realmente quiere y lo que está dispuesto a comprometer en el aspecto espacial, debe conocer claramente el aspecto temporal: ¿desea una sola cita en todo el mundo o en los Estados Unidos? ¿por un mes? El promedio del mes? ¿Quieres por cada mes más de un año? ¿Por cada año más de cuarenta años? ¿Quizás todas las semanas en los últimos 3 años? Realmente debe tener una imagen muy clara de la dimensión temporal de los datos que está buscando. Sí, a veces no está claro lo que queremos y nuestra búsqueda mejora a medida que encontramos cuáles son los tipos de datos disponibles para su área de interés. Por ejemplo, si opta por SPOT o AVHRR, puede obtener datos por cada 10 días, durante 20 años, para todas las regiones, incluidas las regiones con países en desarrollo para los que los datos climáticos son difíciles de obtener. MODIS es la mejor información de resolución espacial que ha reemplazado a AVHRR. ¡Los mejores deseos! Por supuesto, “datos faltantes” es la parte divertida de la investigación, que se resuelve con “interpolación” y se menciona claramente en “limitaciones” al escribir el resultado y se aborda a fondo en “discusiones” durante la publicación. En realidad, nadie puede obtener todos los datos durante todo el tiempo y el espacio que requieren, ¡las estadísticas tienen mucha magia para resolver con los datos faltantes!
¿Dónde puedo encontrar un conjunto de datos satelitales espaciales?
Related Content
¿Cuál es la diferencia entre almacenar datos en HDF5 frente al formato TFRecord de TensorFlow?
¿Por qué las personas incrustan / envuelven código python en C / C ++?
¿Cuánto Python necesito saber para completar un nanogrado de aprendizaje automático de Udacity?
¿Cuáles son las relaciones entre diversidad y precisión en los enfoques de conjunto?
More Interesting
¿Cuál es la diferencia entre una inferencia y una predicción?
¿Cuál es la diferencia entre regresión logística y factorización matricial?
¿Las redes neuronales artificiales pueden modelar interacciones multiplicativas?
¿Por qué es importante aprender el descenso de gradiente en el aprendizaje automático?
¿Cuál es mejor? ¿AI o machine learning nanodegree por Udacity?
Cómo crear un algoritmo de clasificación eficiente y preciso tan rápido como pueda
¿Cómo afectará el aprendizaje automático al mundo para 2030?