Discuz! Board

標題: 利用废弃农田进行碳封存一种数据驱动的方法 [打印本頁]

作者: shati510 時間: 2023-8-10 11:57
標題: 利用废弃农田进行碳封存一种数据驱动的方法
气候变化存在数据问题。碳封存项目在对抗日益极端的天气模式方面显示出希望。然而，最有效地使用这项新技术需要针对复杂环境数据执行强大的数据建模能力。解决气候变化问题需要学术界、非营利组织、政府和私营部门利益相关者之间的合作。通过更有效地使用数据，这些团体可以更好地协作，以更有效地实施碳封存等关键干预措施。麻省理工学院的 Terrer 实验室正在使用 chronobase 解决这个数据问题，chronobase 是一个精选的数据集，可作为潜在碳封存位置的关键信息来源。这篇博文将介绍 chronobase 数据库，以及 Terrer Lab 团队如何将其与Databricks Lakehouse架构一起使用来驱动关键用例。时基数据集 chronobase 数据集是有关废弃农田固碳潜力的重要信息来源。

碳封存是从大气中捕获保护和储存过量二氧化碳的过程，目的是稳定固体和溶解形式的碳，使其不会导致进一步的大气变暖。对于土壤固碳等自然过程，这涉及将碳吸收到固体有机材料中。创建一个反映废弃农田土壤吸收二氧化碳潜力的数据库，chronobase，意味着管理分散在数百个来源中的数据，需要许多 美国手机数据列表 艰苦的人工整合时间。这种分散阻碍了可以支持封存工作的数据驱动模型的开发。如果没有用于分析碳封存计划的复杂任务的集成数据模型，它们的影响力可能会降低。可以说，chronobase 数据集中最重要的变量是在指定深度的两个不同时间点测量的土壤碳含量。这允许计算从农业活动中从土壤中提取了多少碳，以及潜在的可用封存能力。

数据集及其机器学习模型的最终用途是帮助利益相关者协作管理废弃农田，以最大限度地发挥碳封存潜力。这不仅需要拥有数据和模型，还需要让所有组织和个人都能访问这些数据和模型，以制定利用农田应对气候变化的战略。将计时基地带到湖边小屋与 Databricks 一起，麻省理工学院 Terrer 实验室的研究人员将 chronobase 带到了 Lakehouse，并建立了一个 ML 模型来预测整个北美农田的封存潜力。通过利用与数据摄取、ETL 和模型创建的无缝连接，该项目成为 Lakehouse 如何用于具有复杂数据的气候科学的蓝图。由于气候数据中固有的病态问题——孤岛、缺乏可见性、不兼容的模式、陈旧的存储格式以及对复杂模型的需求——Lakehouse 架构简化并丰富了这一工作流程。在构建和部署模型的过程中，我们将识别用于摄取、编目、分析和共享数据的各种 Lakehouse 功能。

歡迎光臨 Discuz! Board (https://backup0014.win1.me/demo1/)