IBM e i big data geospaziali

Stampa

Una tecnologia IBM denominata Pairs Geoscope, acronimo di Physical Analytics Integrated Data Repository & Services, è destinata ad aprire la strada allo sfruttamento più efficace dei dati geospaziali.

Da poco IBM Pairs Geoscope è a disposizione di data scientists e sviluppatori software di un ampio ventaglio di settori che vanno dall’agricoltura alla finanza, dal commercio all’energia senza dimenticare le agenzie governative. Lo scopo è ottenere intuizioni utili allo sviluppo del business in chiave competitiva e alla soluzione di problemi d’interesse generale.

I dati geospaziali a cui ci si riferisce identificano un insieme di informazioni che comprendono immagini aeree e satellitari ad alta risoluzione, modelli su scala globale (meteo, clima, oceani), sensori IoT geo-referenziati e dati catturati su piattaforme come Twitter e Gdlt. Pubblici, e quindi accessibili a chiunque, si caratterizzano per un massiccio ammontare e per la complessità dei formati, due caratteristiche che ne fanno un bene di non facile uso e scalabilità, specialmente per grandi aree e applicazioni time-critical.
Pairs Geoscope inverte il processo: porta cioè gli analytics ai dati. In pratica, la piattaforma su cloud assicura un accesso semplice e diretto, via laptop o terminale, a un catalogo di informazioni che cresce di giorno in giorno a livello di terabytes. Il sistema è in grado di ingerire, curare e integrare senza soluzione di continuità le molteplici forme di dati geospaziali con un’analisi avanzata che si avvale dell’apprendimento automatico, reso possibile da grande potenza computazionale, e di tecniche di intelligenza artificiale. Così un’ampia, eterogenea mole di informazioni, in larga parte inutilizzata, trova archiviazione e ordine sotto forma di un insieme indicizzato di dati, in formato comune, che si presta a un efficiente recupero e all’attività di query.
La piattaforma è attualmente impiegata da alcune agenzie governative per predire l’impatto dei disastri naturali, inclusa la diffusione degli incendi. L’esplorazione petrolifera e l’estrattivo si candidano intanto come settori di elezione mentre l’industria primaria, l’energia e le utilities hanno già cominciato a farvi ricorso.
Due esempi paradigmatici ci portano negli Stati Uniti. Il primo è offerto da Bunge, azienda globale dell’agribusiness e del food. Qui Pairs Geoscope, affiancandosi all’analisi tradizionale dei dati proprietari, viene utilizzato su un ampio set di informazioni pubbliche -previsioni del tempo, produzione agricola, immagini dei satelliti- applicando metodi statistici avanzati e il machine learning alla granularità dei dati meteo e satellitari. Ciò che si ottiene sono previsioni sofisticate sull’impiego del terreno e sulla resa delle colture.
Interessante anche il caso di IHI Corporation, società di ingegneria che fornisce al mercato un ampio insieme di prodotti per il settore aeronautico, lo spazio e la difesa. IHI sta lavorando con il servizio di Pairs Geoscope per sviluppare un nuovo sistema in grado di migliorare del 30% l’accuratezza delle previsioni meteo di lungo termine, quelle dai trenta giorni in poi. Nello specifico, il team usa dati dai sensori di GPS Radio Occultation dei satelliti che alimentano i profili tridimensionali di temperatura, pressione e umidità dell’atmosfera. Miscelandoli con informazioni sia storiche sia di lungo termine, e impiegando tecniche di apprendimento automatico, si ottengono intuizioni con cui migliorare le previsioni del tempo.

https://www.ibm.com/blogs/research/2018/03/geospatial-temporal-insights/

 


 Copia qui lo "short link" a questo articolo
www.geoforall.it/

Vedi anche