Экоинформатика

Экоинформатика , или экологическая информатика, — наука об информации в экологии и науке об окружающей среде . Он объединяет науки об окружающей среде и информатике для определения объектов и природных процессов с помощью языка, общего как для людей, так и для компьютеров. Однако это быстро развивающаяся область экологии, и существуют альтернативные взгляды на то, что представляет собой экоинформатика.

Распространялось несколько определений, в основном связанных с созданием инструментов для доступа и анализа данных природных систем. Однако масштабы и цели экоинформатики, безусловно, шире, чем разработка стандартов метаданных , которые будут использоваться при документировании наборов данных. Экоинформатика стремится облегчить экологические исследования и управление путем разработки способов доступа, интеграции баз данных экологической информации и разработки новых алгоритмов, позволяющих объединять различные наборы экологических данных для проверки экологических гипотез. Экоинформатика связана с концепцией экосистемных услуг .

Экоинформатика характеризует семантику знаний о природных системах. По этой причине большая часть сегодняшних исследований в области экоинформатики относится к отрасли информатики, известной как представление знаний , а активные проекты по экоинформатике развивают связи с такими видами деятельности, как семантическая сеть .

Текущие инициативы по эффективному управлению, обмену и повторному использованию экологических данных свидетельствуют о растущей важности таких областей, как экоинформатика, для разработки основ эффективного управления экологической информацией. Примерами таких инициатив являются Национального научного фонда проекты Datanet , DataONE , Data Conservancy и Искусственный интеллект для окружающей среды и устойчивого развития .

Жизненный цикл разработки программного обеспечения

Центральным элементом концепции экоинформатики является жизненный цикл разработки программного обеспечения (SDLC), систематическая структура для написания, внедрения и поддержки программных продуктов. Обычно в проектах по экоинформатике конвейер разработки включает сбор данных, обычно из нескольких различных источников данных об окружающей среде, последующую интеграцию этих источников данных вместе и последующий анализ данных. Здесь каждый шаг SDLC описан в контексте экоинформатики, согласно Michener et al. Важно отметить, что этапы планирования, сбора, обеспечения, описания и сохранения относятся к субъекту сбора данных, которым могут быть отдельные исследователи или крупные сети сбора данных, тогда как этапы обнаружения, интеграции и анализа обычно относятся к отдельному лицу. исследователь.

План : Проекты экоинформатики требуют данных из нескольких баз данных. Каждая база данных содержит разные данные, и поэтому исследователи должны определить, какие типы экологических или экологических данных им потребуются для ответа на исследовательский вопрос.

Сбор : данные собираются несколькими различными способами. В экоинформатике это обычно ограничивается ручным вводом данных в электронную таблицу и анализом данных из существующей базы данных. Рост реляционных баз данных облегчил экологам загрузку соответствующих данных и интеграцию наборов данных вместе.

Обеспечьте : ввод данных должен быть тщательно проверен на предмет их точности и удобства использования, например, на наличие выбросов и ошибочных точек. Тот же принцип применяется к данным, загруженным из наборов данных. Эта ответственность ложится как на эколога, загружающего данные, так и на организацию, настраивающую систему сбора данных.

Описать : точное описание метаданных набора данных, который используется в исследовании, должно включать достаточно информации, чтобы сделать вывод о методологии сбора и обработки данных, о том, когда данные были собраны, почему данные были собраны и как данные хранились. Это важно для воспроизводимости, особенно для проектов, которые основаны друг на друге и могут перерабатывать данные.

Сохранение : после того, как данные собраны институциональной организацией, их следует заархивировать так, чтобы они были легко доступны. В идеале это базы данных, которые поддерживаются и не подвержены риску устаревания.

Обнаружение : хотя существуют передовые методы поиска данных для начала исследовательского проекта, этот процесс часто омрачен отсутствием пригодных для использования опубликованных данных, поскольку исследователи могут собирать данные, относящиеся к их исследованию, но не могут публиковать эти данные для более широкого использования. Что касается сбора данных, эту проблему можно решить с помощью более эффективных методов обмена данными, например, путем связывания наборов данных при публикации статей или исследований. Что касается получения данных, эту проблему можно решить путем более точного поиска данных, например, используя ключевые слова для поиска соответствующих наборов данных.

Интеграция : Синтезирование наборов данных вместе может быть трудным и трудоемким, в основном из-за методологических различий в сборе данных. Существует несколько подходов к этому, но лучшие практики обычно включают вычислительные подходы, а именно использование R или Python , для автоматизации процессов и предотвращения ошибок.

Анализ : анализ данных может принимать несколько форм и должен быть адаптирован к конкретному экологическому проекту. Однако все методы анализа данных должны быть хорошо документированы, включая процедуру анализа, обоснование методов анализа и любые недостатки конкретного подхода.

Применение экоинформатики в экологии

Экосистема Экология

Экосистемные исследования по определению охватывают взаимодействие по всему спектру наук о жизни, от микроскопических биохимических реакций до крупномасштабных геологических явлений. В результате большие базы данных не могут быть разработаны специально для какого-либо конкретного исследовательского вопроса, но должны быть достаточно всеобъемлющими, чтобы поддерживать большинство исследований. Поскольку вопросы на уровне экосистемы требуют широкой перспективы, экосистемные проекты, связанные с данными, скорее всего, будут включать данные из нескольких баз данных.

Общей основой для включения данных в исследования на уровне экосистемы является модель сетевой науки , в которой механизмы и ресурсы сбора данных рассматриваются как большая взаимосвязанная сеть, а не как отдельные объекты. Сеть может включать несколько станций сбора данных в одной базе данных или может охватывать несколько баз данных. В настоящее время существует несколько крупномасштабных сетей, но они не генерируют данные в том масштабе, чтобы рассматривать экологию как науку о больших данных.

Текущая проблема экоинформатики в экологии экосистем заключается в том, что большая часть финансирования отдается приоритету генерации новых данных, а не поддержанию существующей инфраструктуры данных. Интеграция данных в разных пространственных масштабах также может быть затруднена, поскольку каждый набор данных может содержать разные типы данных.

Городская экология

Нынешняя тенденция к созданию умных городов и интеграции сенсорных сетей в инфраструктуру позиционируется как основной источник данных для экологических исследований. Типичные вопросы городской экологии касаются воздействия урбанизации на местную экосистему и того, как стимулировать будущее развитие для содействия городскому биоразнообразию .

Хотя сенсорные сети в городах обычно собирают данные об окружающей среде для оптимизации городских процессов, их также можно использовать для экологических инициатив, особенно в отношении понимания сложных, многоуровневых взаимоотношений между городами и их местной экосистемой. Его также можно использовать для лучшего понимания текущего ландшафта городов и определения возможностей для перемотки городов назад. Например, анализ моделей мобильности может выявить районы, которые могут хорошо подойти для строительства парков и зеленых насаждений. Данные наблюдения за птицами также можно использовать для определения типов видов птиц в данной местности.

Инфекционная болезнь

Как и другие дисциплины экологии, новые инфекционные заболевания и эпидемиология охватывают несколько масштабов: от понимания генетики, которая определяет тенденции развития заболеваний, до крупномасштабного пространственно-временного анализа. В результате исследования инфекционных заболеваний могут включать в себя все: от биоинформатики, генетических последовательностей, аминокислотных последовательностей и данных наблюдений за окружающей средой.

На микромасштабе эти данные затем можно использовать для прогнозирования инфекционности/трансмиссивности, устойчивости к лекарствам, потенциальных лекарств и мест мутации. В макромасштабе его можно использовать для выявления социальных тенденций или факторов окружающей среды, которые способствуют распространению инфекции, мест заражения и практики, вызывающей передачу болезней.

Базы данных

• Национальная сеть датчиков речного стока USGS
• ГБИФ
• Неотома
• База данных палеобиологии
• Европейский архив растительности
• Анализ лесной инвентаризации Министерства сельского хозяйства США
• ПЫТАТЬСЯ
• ХОРОШИЙ
• AmeriFlux
• КОМАНДА
• iNaturalist
• НЕОН
• ГЛЕОН
• ЛТЕР
• СЗО
• КРАЧКА
• САЭОН

Внешние ссылки

• ecoinformatics.org , Интернет-ресурс для управления экологическими данными и информацией.
• Сотрудничество по экоинформатике , исследовательские ссылки и общедоступная вики для обсуждения.
• Экоинформатическое образование , Экосистемная информатика в Университете штата Орегон
• промышленная экологическая информатика , промышленная экологическая информатика в HTW-Берлин, Университет прикладных наук
• Международное общество экологической информатики
• Канадский центр исследований экоинформатики , Экоинформатика при Университете Оттавы, Канада
• Программа экоинформатики в Национальном центре экологического анализа и синтеза. Архивировано 5 ноября 2014 г. в Wayback Machine.
• Экологическая информатика: международный журнал по вычислительной экологии и науке об экологических данных
• Экологические данные
• Прием предложений NSF DataNet
• DataONE
• Сохранение данных
• [1] , Летний институт экоинформатики, сайт REU, финансируемый NSF (Опыт исследований для студентов)