Panoramica sul catalogo dati ASDI

L'Amazon Sustainability Data Initiative offre diversi set di dati orientati alla sostenibilità tramite il programma AWS Public Dataset. Per informazioni su questi dati e indicazioni tecniche su come accedervi, visitare la pagina Registry of Open Data on AWS (RODA). Per partecipare, inviare un'email a sustainability-data-initiative@amazon.com.

Set di dati disponibili: Sentinel-2

La missione Sentinel-2 consiste in una costellazione di due satelliti per il monitoraggio terrestre che forniscono una copertura globale della superficie terrestre ogni cinque giorni. Questi dati vengono utilizzati in studi continuativi da organizzazioni quali il Blue Dot Observatory, che sta approntando un sistema di monitoraggio globale di tutti corpi idrici a rischio, e la Radiant Earth Foundation, che sta creando set di dati di training da utilizzare in soluzioni di Machine Learning per la comunità di sviluppo globale.

I dati presentati sono organizzati in dodici categorie principali:

Modelli di previsione meteorologica

I dati per le previsioni meteorologiche sono generati da modelli computerizzati e consentono di prevedere lo stato futuro del tempo meteorologico. Questi modelli forniscono variabili quali temperatura, precipitazioni e altre informazioni meteo su oceani, superficie terrestre e atmosfera. Si tratta di informazioni preziose per la comunità della sostenibilità poiché possono migliorare le capacità predittive di esperti e operatori impegnati nelle emergenze.

Modello meteorologico HIRLAM (High Resolution Limited Area Model) | gestito dall'Istituto meteorologico finlandese: HIRLAM è un modello operativo di previsione meteorologica a scala sinottica e a mesoscala che copre l'Unione europea e la Groenlandia.

Global Forecast System (GFS) | V2.0 e V3.0 gestito da NOAA: GFS è un modello di previsione meteorologica prodotto dal National Centers for Environmental Prediction (NCEP). Tramite questo set di dati sono disponibili decine di variabili atmosferiche e del terreno, da temperature, venti e precipitazioni a umidità del suolo e concentrazione di ozono nell'atmosfera. L'intero globo è coperto da GFS a una risoluzione orizzontale di base di 18 miglia (28 km) fra i punti di griglia, che viene utilizzata dagli operatori di servizi meteo per previsioni fino a 16 giorni nel futuro. La risoluzione orizzontale diminuisce a 44 miglia (70 km) fra i punti di griglia per previsioni da una a due settimane.

Modello Unidata NOAA Global Forecast System (GFS) | gestito da Unidata: GFS è un modello di previsione meteorologica prodotto dal National Centers for Environmental Prediction (NCEP). Tramite questo set di dati sono disponibili decine di variabili atmosferiche e del terreno, da temperature, venti e precipitazioni a umidità del suolo e concentrazione di ozono nell'atmosfera. L'intero globo è coperto da GFS a una risoluzione orizzontale di base di 18 miglia (28 km) fra i punti di griglia, che viene utilizzata dagli operatori di servizi meteo per previsioni fino a 16 giorni nel futuro. La risoluzione orizzontale diminuisce a 44 miglia (70 km) fra i punti di griglia per previsioni da una a due settimane.

NOAA High-Resolution Rapid Refresh (HRRR): HRRR è un modello atmosferico della NOAA che consente calcolo della convezione e cloud-resolving, aggiornato ogni ora e con risoluzione a 3 km (2 miglia) in tempo reale, inizializzato da griglie di 3 km con assimilazione di dati radar a 3 km. I dati radar vengono assimilati nel modello HRRR ogni 15 minuti in un periodo di 1 ora e aggiungono ulteriori dettagli a quelli derivanti dall'assimilazione oraria dei dati ottenuta con la tecnica Rapid Refresh supportata da radar a 13 km (8 miglia). Copre gli Stati Uniti continentali.

NOAA National Digital Forecast Data (NDFD) | gestito da Cornell: La facoltà di Earth and Atmospheric Sciences della Cornell University ha creato un data lake pubblico di dati climatici. I dati sono archiviati in formati colonnari (ORC) per semplificare la creazione di query utilizzando strumenti standard quali Amazon Athena o Apache Spark. I dati stessi sono originariamente destinati a essere utilizzati per costruire strumenti di supporto decisionale per gli agricoltori e l'agricoltura digitale. Il primo set di dati è costituito dai dati storici degli NDFD/NDGD (National Digital Guidance Database), distribuiti da NCEP, NOAA ed NWS. Gli NDFD/NDGD contengono previsioni e osservazioni su griglia con risoluzione di 2,5 km (1,5 miglia) per gli Stati Uniti continentali (CONUS). Esistono anche griglie di 5 km (3 miglia) per diverse aree degli Stati Uniti più piccole e per i territori non contigui quali Hawaii, Guam, Porto Rico e Alaska. NOAA distribuisce archivi degli NDFD/NDGD tramite il proprio NOAA Operational Model Archive and Distribution System (NOMADS) in formato Grib2. I dati sono stati convertiti in formato ORC per ottimizzare lo spazio di archiviazione e, aspetto ancora più importante, per semplificare l'accesso ai dati tramite strumenti standard di analisi dei dati.

NOAA Global Ensemble Forecast System (GEFS) | gestito da NOAA: Noto precedentemente come GFS Global ENSemble (GENS), il GEFS è un modello di previsione meteorologica composto da 21 previsioni separate, o "spaghetti" ensemble. Il National Centers for Environmental Prediction (NCEP) ha avviato il modello GEFS per rispondere alla caratteristica di incertezza nelle osservazioni meteorologiche, che viene utilizzata per inizializzare i modelli di previsione meteorologica. Il GEFS tenta di determinare la quantità di incertezza nella previsione generando un ensemble di più previsioni, ciascuna leggermente diversa dall'altra o perturbate, dalle osservazioni originali. Con copertura globale, il GEFS viene prodotto quattro volte al giorno con una prospettiva di 16 giorni.

DWD COSMO-D2 | gestito da Deutscher Wetterdienst: Modello numerico di previsione meteorologica COSMO-D2 ad alta risoluzione e a corto raggio per la Germania e i paesi limitrofi; griglia regolare con risoluzione di 2,2 km (1,3 miglia) e 65 livelli verticali; aggiornato a 00UTC e ogni tre ore successive; intervallo di previsione di 27 ore (45 ore per 03UTC); selezione di parametri utilizzati comunemente.

DWD COSMO-D2 EPS Ensemble | gestito da Deutscher Wetterdienst: Modello numerico di previsione meteorologica ensemble COSMO-D2 EPS ad alta risoluzione e a corto raggio per la Germania e i paesi limitrofi; 20 "spaghetti" ensemble, griglia regolare con risoluzione di 2,2 km (1,3 miglia) e 65 livelli verticali; aggiornato a 00UTC e ogni tre ore successive; intervallo di previsione di 27 ore (45 ore per 03UTC); selezione dei parametri utilizzati comunemente; gli "spaghetti" ensemble sono aggregati in file GRIB combinati .

DWD ICON Global | gestito da Deutscher Wetterdienst: Modello numerico di previsione meteorologica globale ICON; risoluzione media di 13 km (8 miglia) con 90 livelli verticali; aggiornato alle 00UTC e ogni sei ore successive con un intervallo di previsione di 120 ore (180 ore per le 00UTC e le 12UTC); selezione di parametri utilizzati comunemente.

DWD ICON Global EPS Ensemble | gestito da Deutscher Wetterdienst: Modello di previsione ensemble ICON Global EPS; 40 "spaghetti" ensemble; risoluzione media di 40 km (25 miglia); aggiornato alle 00UTC e ogni sei ore successive con un intervallo di previsione di 120 ore (esteso a 180 ore per le 00UTC e le 12UTC); selezione di parametri utilizzati comunemente; gli "spaghetti" ensemble sono aggregati in file GRIB combinati.

DWD ICON-EU | gestito da Deutscher Wetterdienst: Modello numerico di previsione meteorologica regionale ICON-EU; regione di nesting europea con risoluzione aumentata di circa 6,5 km (4 miglia) con 60 livelli verticali; aggiornato alle 00UTC e ogni tre ore successive con un intervallo di previsione di 120 ore; selezione di parametri utilizzati comunemente.

DWD ICON-EU EPS Ensemble | gestito da Deutscher Wetterdienst: Modello di previsione meteorologica regionale ensemble ICON-EU EPS; 40 "spaghetti" ensemble; regione di nesting europea con risoluzione aumentata di circa 20 km (12 miglia); aggiornato alle 00UTC e ogni tre ore successive con un intervallo di previsione di 120 ore; selezione di parametri utilizzati comunemente; gli "spaghetti" ensemble sono aggregati in file GRIB combinati.

UK Met Office Global and Regional Weather Forecasts: Dati di archivio del Regno Unito. Met Office Global and Regional Ensemble Prediction System (MOGREPS) disponibile su Amazon S3. Sono disponibili dati da due modelli: MOEGREPS-UK, una previsione meteorologica ad alta risoluzione che copre il Regno Unito, e MOGREPS-G, una previsione meteorologica globale.

Modelli atmosferici di Météo-France | gestiti da OpenMeteoData: Modelli atmosferici globali e regionali ad alta risoluzione di Météo-France. Il set di dati comprende decine di variabili atmosferiche, incluse temperature, venti e precipitazioni. Il nostro lavoro è basato su open data di Météo-France, ma non siamo supportati o approvati da Météo-France.

Osservazioni meteorologicheLe osservazioni meteorologiche costituiscono i dati fondamentali utilizzati per monitorare il tempo e determinare potenziali rischi derivanti da condizioni meteorologiche estreme allo scopo di rilasciare allerta meteo. Vengono inoltre utilizzate come input per le previsioni meteorologiche. I dati vengono acquisiti manualmente da un osservatore meteorologico, automaticamente utilizzando la strumentazione delle stazioni meteorologiche oppure attraverso uno schema ibrido avvalendosi degli osservatori meteorologici per migliorare i dati raccolti automaticamente dalle stazioni meteorologiche.

NEXRAD on AWS | gestito da NOAA: Dati in tempo reale e dati di archivio della rete Next Generation Weather Radar (NEXRAD) degli Stati Uniti.

Global Surface Summary of Day (GSOD) | gestiti da NOAA: GSOD è una raccolta di misurazioni meteorologiche giornaliere che includono temperatura, velocità del vento, umidità, pressione e altre informazioni da oltre 9000 stazioni meteorologiche internazionali.

NOAA Integrated Surface Database (ISD) | gestito da NOAA: ISD consiste di osservazioni globali orarie e sinottiche compilate da numerose origini in formato GZIP a larghezza fissa. ISD è stato sviluppato insieme al Federal Climate Complex di Asheville. Il database include oltre 35.000 stazioni internazionali, alcune delle quali dispongono di dati che risalgono al 1901, sebbene il volume dei dati aumenti significativamente negli anni '40 e nuovamente nei primi anni '70. Ora nel database vengono aggiornate giornalmente oltre 14.000 stazioni "attive". Il volume totale di dati non compressi è circa 600 gigabyte, tuttavia continua a crescere man mano che vengono aggiunti altri dati. ISD include numerosi parametri quali velocità e direzione del vento, raffiche di vento, temperatura, umidità relativa (punto di rugiada), dati sulle nubi, pressione al livello del mare, impostazione dell'altimetro, pressione alla stazione, tempo presente, visibilità, ammontare delle precipitazioni per diversi periodi di tempo, profondità della neve e svariati altri elementi osservati da ogni stazione.

Cambiamento climatico

I dati sul clima includono sia le osservazioni che i dati dei modelli. Affinché le osservazioni dei dati siano considerate di qualità climatica devono includere una serie temporale di misurazione di durata sufficiente (generalmente almeno 30 anni), coerenza e continuità dato che queste informazioni vengono utilizzate per determinare la variabilità e il cambiamento del clima. I dati dei modelli climatici sono più comunemente disponibili come proiezioni di dati climatici. Queste informazioni sono concepite per valutare il comportamento del sistema climatico globale e sono relativamente efficaci nella simulazione di caratteristiche climatiche globali quali i pattern di temperatura globale e circolazione atmosferica.

NASA NEX: Una raccolta di set di dati di scienza della Terra gestita dalla NASA, incluse proiezioni sui cambiamenti climatici e immagini satellitari della superficie terrestre, ovvero il set di dati Global Daily Downscaled Climate Projections.

CCAFS-Climate Data: Dati climatici ad alta risoluzione per contribuire a determinare l'impatto dei cambiamenti climatici in particolare sull'agricoltura. Questi set di dati open access di proiezioni climatiche supporteranno i ricercatori nel determinare l'impatto dei cambiamenti climatici.

Global Historical Climatology Network Daily (GHCN-D) | gestito da NOAA: GHCN-D è un database integrato di bollettini sul clima di stazioni di superficie in tutto il mondo che sono stati sottoposti alla stessa serie di revisioni di controllo della qualità. Alcuni dati risalgono a oltre 175 anni fa. Questa è la versione media giornaliera del set di dati, che viene aggiornato quotidianamente. I set di dati sono raggruppati in base all'anno.

NOAA Global Historical Climatology Network Hourly (GHCN-H) | gestito da NOAA: GHCN-H è un set di dati di NOAA che contiene osservazioni giornaliere su aree terrestri globali. Contiene misurazioni basate sulle stazioni di superficie in tutto il mondo, circa due terzi delle quali misurano solo le precipitazioni. Gli elementi meteorologici includono, fra gli altri, temperatura massima e minima, temperatura al momento dell'osservazione, precipitazioni nevose e profondità della neve. Si tratta di un insieme di registrazioni sul clima provenienti da numerose origini che sono state unite e sottoposte alla stessa serie di revisioni di controllo di qualità. Alcuni dati risalgono a oltre 175 anni fa. I dati sono in formato CSV. Ogni file corrisponde a un anno a partire dal 1763 ed è denominato di conseguenza.

ECMWF ERA5 | gestito da Intertrust: ERA5 è la quinta generazione di ri-analisi atmosferica di ECMWF del clima globale e la prima ri-analisi realizzata come servizio operativo. Utilizza i migliori dati di osservazione disponibili provenienti da satelliti e stazioni in situ, che vengono assimilati ed elaborati tramite l'Integrated Forecasting System (IFS) Cycle 41r2 di ECMWF. Il set di dati fornisce tutti i parametri meteorologici atmosferici essenziali tra cui temperatura dell'aria, pressione e venti ad altitudini diverse, insieme a parametri di superficie quali precipitazioni e contenuto di umidità del suolo, oltre che parametri marini quali temperatura della superficie marina e altezza delle onde. ERA5 fornisce dati a una risoluzione spaziale e temporale considerevolmente più alta rispetto alla sua controparte ERA-Interim. ERA5 consiste di una versione ad alta risoluzione con una risoluzione orizzontale di 31 km (19 miglia) e una versione ensemble a risoluzione ridotta con 10 "spaghetti". Attualmente è disponibile dal 2008, ma viene continuamente estesa a ritroso, in prima battuta fino al 1979, poi fino al 1950.

Downscaled Climate Data for Alaska | gestito da Scenarios Network for Alaska and Arctic Planning dell'International Arctic Research Center, University of Alaska, Fairbanks: Questo set contiene dati sul clima storici e previsti, a cui è stato applicato dinamicamente il downscaling per lo Stato dell'Alaska e le aree circostanti con risoluzione spaziale di 20 km (12 miglia) e risoluzione temporale oraria. I dati sono stati prodotti utilizzando il modello Weather Research and Forecasting (WRF), versione 3.5. Abbiamo applicato il downscaling sia ai dati di ri-analisi storici ERA-Interim (1979-2015) che ai run storici e previsti di due modelli generali della circolazione dal CMIP5 (Coupled Model Inter-comparison Project 5 ): GFDL-CM3 e NCAR-CCSM4 (run storico: 1970-2005 ed RCP 8.5: 2006-2100).

Scientific Information for Land Owners (SILO) | gestito dal Governo del Queensland: SILO è il database dei dati climatici australiani dal 1889 a oggi. Fornisce prodotti di dati continui in passaggi giornalieri, in formati pronti per l'utilizzo per applicazioni di ricerca e operative. I dati SILO su griglia in formato NetCDF annuale sono disponibili su AWS. I dati per punto sono disponibili sul sito Web SILO.

Energia

La categoria Energia include set di dati che supportano i lavori correlati all'energia sostenibile quali, tra gli altri, la climatologia eolica e solare, gli indicatori di intensità energetica o il consumo di energia annuale.

Wind Integration National Dataset (WIND) | gestito da NREL: WIND è un aggiornamento e un'espansione dell'Eastern Wind Integration Data Set e del Western Wind Integration Data Set. Supporta la generazione successiva di studi sull'integrazione eolica.

National Solar Radiation Data Base | gestito da NREL: National Solar Radiation Data Base (NSRDB) è una raccolta completa in serie di valori rilevati ogni ora e ogni mezz'ora delle tre misure più comuni di irradiazione solare (irradiazione globale orizzontale, normale diretta e orizzontale diffusa) e di dati meteorologici. Questi dati sono stati raccolti in un numero sufficiente di località e scale temporali e spaziali per rappresentare accuratamente gli andamenti climatici regionali di irradiazione solare.

Idrologia

I dati idrologici includono sia le osservazioni che i dati dei modelli. I dati dei modelli contribuiscono al monitoraggio e alla previsione delle variabili ecologiche nei sistemi del mondo reale che non sono semplici da osservare, ad esempio le acque di superficie, l'umidità del suolo, il ruscellamento e le acque sotterranee. Questi dati supportano la comprensione e la gestione delle risorse idriche da parte delle comunità che si occupano di sostenibilità.

NOAA National Water Model Reanalysis | gestito da NOAA: Il set di dati NOAA National Water Model Reanalysis contiene l'output di una simulazione retrospettiva di 25 anni (da gennaio 1993 a dicembre 2017) della versione 1.2 del National Water Model. Un'applicazione di questo set di dati è fornire contesto storico alle condizioni correnti in tempo reale dell'NWM di ruscellamento, umidità del suolo e manto nevoso. I dati di ri-analisi possono essere utilizzati per ricavare le frequenze dei flussi ed eseguire analisi temporali con output del ruscellamento ogni ora e del suolo ogni tre ore. È anche possibile utilizzare il set di dati nello sviluppo di applicazioni per l'utente finale che richiedono una base di dati di lunga durata per il training dei sistemi e per scopi di verifica.

NOAA National Water Model (NWM) Short-Range Forecast | gestito da NOAA: NWM è un modello di risorse idriche che simula e prevede le variabili del fabbisogno idrico, incluso manto nevoso, evapotraspirazione, umidità del suolo e ruscellamento per tutti gli Stati Uniti continentali (CONUS). Il modello, lanciato nell'agosto 2016, è concepito per migliorare la capacità di NOAA di soddisfare le esigenze dei propri stakeholder (meteorologi, responsabili della gestione delle emergenze, addetti a bacini idrici, operatori di primo intervento, ambientalisti, agricoltori, operatori di chiatte, gestori di ecosistemi e golene), fornendo informazioni idrologiche con maggiore precisione, dettagli e frequenza delle. È gestito dall'Office of Water Prediction di NOAA. Questo bucket contiene un rollover di quattro settimane di output del modello Short-Range Forecast e i corrispondenti dati dei forzanti per il modello. Il modello viene "forzato" con i dati meteorologici provenienti dai modelli High Resolution Rapid Refresh (HRRR) e Rapid Refresh (RAP). La configurazione Short-Range Forecast ha cicli orari e produce previsioni deterministiche orarie di stati di ruscellamento e idrologici a 18 ore.

Modelli di previsione oceanica

I modelli oceanici sono modelli numerici incentrati sulle proprietà degli oceani e della loro circolazione. I modelli oceanici giocano un ruolo importante per comprendere l'influenza dell'oceano sul tempo e sul clima.

NOAA Ocean Forecast System (OFS) | gestito da NOAA: OFS è stato sviluppato per supportare la comunità di utenti marittimi in un progetto congiunto di NOAA/National Ocean Service (NOS)/Office of Coast Survey, NOAA/NOS/Center for Operational Oceanographic Products and Services (CO-OPS) e NOAA/National Weather Service (NWS)/National Centers for Environmental Prediction (NCEP) Central Operations (NCO). OFS genera quattro volte al giorno informazioni a brevissimo termine e di previsione su livello, correnti, temperatura, salinità dell'acqua (ad eccezione dei Grandi Laghi) e sulle condizioni del vento.

Qualità dell'aria

I dati sulla qualità dell'aria includono sia i dati osservati che i dati dei modelli e vengono utilizzati per monitorare e prevedere gli impatti della qualità dell'aria sulla salute dell'uomo e dell'ambiente. Inoltre, possono essere utilizzati per monitorare la conformità normativa.

OpenAQ: Dati fisici globali e aggregati sulla qualità dell'aria provenienti da origini di dati pubbliche fornite da enti pubblici, ricercatori e altre fonti.

GEOS-Chem Input Data: Dati di input per il GEOS-Chem Chemical Transport Model. Include i prodotti meteorologici NASA/GMAO MERRA-2 e GEOS-FP, gli inventari delle emissioni della HEMCO e altri dati di contesto quali le condizioni iniziali del modello.

Risk-Screening Environmental Indicators di Environmental Protection Agency: Risultati dettagliati del modello dell'aria provenienti dal modello Risk-Screening Environmental Indicators (RSEI) di EPA.

Safecast | gestito da Safecast: Raccolta continuativa di misurazioni delle radiazioni e della qualità dell'aria rilevate da dispositivi impiegati nel progetto Safecast.

Osservazioni terrestri

I set di dati delle osservazioni terrestri sono costituiti principalmente da informazioni derivate da osservazioni satellitari, ma possono includere anche immagini acquisite da velivoli. I dati vengono tipicamente utilizzati per verificare i cambiamenti nella copertura del suolo per monitoraggio ambientale, applicazioni in campo agricolo (ad esempio nella gestione delle colture a sostegno della sicurezza alimentare), monitoraggio delle acque interne e mappatura e gestione delle alluvioni (ad esempio in seguito a un'inondazione: analisi del rischio, valutazione delle perdite e gestione delle calamità naturali).

Sentinel-1 | gestito da Sinergize: Sentinel-1 è un insieme di due satelliti europei equipaggiati con radar ad apertura sintetica per la generazione di immagini lanciati nel 2014 e 2016. Il ciclo di rivisitazione di sei giorni e la capacità di osservazione attraverso le nubi, lo rendono perfetto per monitoraggio marino e terrestre, interventi di emergenza in caso di disastri ambientali e applicazioni economiche. (Bucket con pagamento a carico del richiedente)

Set di dati Sentinel-1 Single Look Complex (S1 SLC) per Asia meridionale, Asia sud-orientale, Taiwan e Giappone | gestito da Nanyang Technological University a Singapore: Il set di dati S1 SLC contiene dati provenienti da radar ad apertura sintetica in banda C. I sensori SAR sono installati su una costellazione di due satelliti (Sentinel-1A e Sentinel-1B) gestiti dall'Agenzia Spaziale Europea, in orbita intorno alla Terra con un tempo di rivisitazione combinato di sei giorni. I dati di S1 SLC costituiscono un prodotto di Livello 1 che raccoglie informazioni radar di ampiezza e fase in ogni condizione atmosferica, di giorno o di notte, ed è ideale per studio dei rischi naturali e interventi di emergenza, applicazioni al terreno, monitoraggio di sversamenti petroliferi, condizioni delle banchise ed effetti associati al cambiamento climatico. (Bucket con pagamento a carico del richiedente)

Sentinel-2 | gestito da Sinergise: La missione Sentinel-2 è una costellazione di due satelliti per il monitoraggio terrestre che forniscono immagini ottiche ad alta risoluzione e continuità per le missioni SPOT e Landsat correnti. La missione fornisce copertura globale della superficie terrestre ogni cinque giorni e produce dati di grande utilità per gli studi in corso. (Bucket con pagamento a carico del richiedente)

Landsat 8 | gestito da Planet: Una raccolta continua di immagini satellitari di tutto il suolo terrestre prodotte dal satellite Landsat 8.

Moderate Resolution Imaging Spectroradiometer (MODIS) | gestito da U.S. Geological Survey e dalla NASA: MODIS è un sensore installato a bordo dei satelliti Terra e Aqua. MODIS dispone di una risoluzione spaziale ridotta, ma di un'ampia risoluzione temporale che lo rende adatto al rilevamento dei cambiamenti al suolo. Viene anche utilizzato per rilevare incendi nelle foreste.

GOES | gestito da NOAA: GOES fornisce immagini meteorologiche continue e monitoraggio dei dati meteorologici ambientali e spaziali sul Nord America. Si tratta di un satellite geostazionario la cui funzione principale è di supporto alle previsioni meteorologiche. Vengono ospitati dati di GOES 17 e GOES 18.

Unidata GOES-16 | gestito da Unidata: GOES fornisce immagini meteorologiche continue e monitoraggio dei dati meteorologici ambientali e spaziali sul Nord America.

National Agricultural Imagery Program (NAIP): Immagini aeree (da velivoli) di alta qualità con risoluzione di un metro, acquisite durante le stagioni agricole negli Stati Uniti continentali. (Bucket con pagamento a carico del richiedente)

China-Brazil Earth Resources Satellite (CBERS) | gestito da AMS Kepler: Le immagini acquisite da CBERS consentono osservazioni multispettrali che possono essere utilizzate per rilevare l'utilizzo del suolo. (Bucket con pagamento a carico del richiedente)

DigitalGlobe Open Data Program | gestito da DigitalGlobe: Immagini satellitari ad alta risoluzione pre e post evento per supportare pianificazioni di interventi di emergenza, valutazioni dei rischi monitoraggio di punti di raccolta e interventi di emergenza, valutazione dei danni e ripristino. I programma include anche la valutazione dei danni in crowdsourcing per calamità naturali gravi e improvvise.

OpenStreetMap (OSM): OSM è una mappa del mondo gratuita e modificabile, creata e gestita da volontari. Gli archivi di dati OSM standard sono disponibili su Amazon S3.

OpenStreetMap (OSMLR) Linear Referencing: OSMLR è un sistema di riferimento lineare costruito su OpenStreetMap. OSM offre utili informazioni su strade e collegamenti nel mondo, ma non dispone della funzione di assegnazione di un identificativo stabile a un tratto di strada. OSMLR fornisce un set stabile di ID numerici per ogni chilometro (0,6 miglia) di tratto di strada nel mondo. Nelle aree urbane gli ID di OSMLR sono associati a ogni gruppo di strade fra incroci significativi.

Terrain Tiles: Un set di dati globale che fornisce le elevazioni del suolo, raccolte in tasselli per comodità.

USGS 3DEP LiDAR Point Clouds | gestito da Hobu, Inc.: L'obiettivo di 3DEP è raccogliere dati di elevazione sotto forma di dati LiDAR (Light Detection And Ranging) negli Stati Uniti contigui, nelle Hawaii e nei territori degli Stati Uniti, con dati acquisiti in un periodo di 8 anni. Questo set di dati fornisce due realizzazioni dei dati in nuvola di punti di 3DEP. La prima risorsa è un'organizzazione di accesso pubblico fornita in formato Entwine Point Tiles, costituita da un octree abilitato per lo streaming, a piena densità e senza perdita di dati, basato sulla codifica LASzip (LAZ). La seconda risorsa è un Bucket con pagamento a carico del richiedente degli stessi dati in formato LAZ (Compressed LAS). I nomi delle risorse in entrambi i bucket corrispondono ai nomi dei progetti USGS.

NOAA Global Hydro Estimator (GHE) | gestito da NOAA: GHE fornisce un'immagine a mosaico globale delle stime di precipitazioni da molteplici satelliti geostazionari, che attualmente comprendono GOES-16, GOES-15, Meteosat-8, Meteosat-11 e Himawari-8. I prodotti GHE includono: stima delle precipitazioni istantanee e accumulo delle precipitazioni a 1, 3, 6, 24 ore e a lungo termine.

Indicatori naturali, sociali ed economici

I set di dati del capitale umano, sociale e naturale includono indicatori sociali, ambientali ed economici. Esempi di indicatori sono l'impronta ecologica, il tasso di povertà, l'aspettativa di vita e il tasso di disoccupazione. Queste informazioni sono preziose per la comunità che si occupa della sostenibilità per comprendere la situazione corrente di una regione, di un paese o di un continente, e il tasso di cambiamento delle misure ambientali, sociali ed economiche.

NFA 2017 – Ecological Resource Use and Resource Capacity of Nations from 1961 to 2013: Impronta ecologica e prodotto interno lordo a confronto. Il National Footprint Accounts (NFA) misura l'utilizzo delle risorse ecologiche e la capacità delle risorse delle nazioni dal 1961 al 2013. I calcoli negli NFA sono basati principalmente su set di dati delle Nazioni Unite, inclusi quello pubblicati dalla FAO (Food and Agriculture Organization), dall'UN Comtrade Database (United Nations Commodity Trade Statistics Database) e dalla Commissione statistica delle Nazioni Unite, oltre che dall'Agenzia internazionale dell'energia.

U.S. American Community Survey (ACS) del Census Bureau: Il PUMS (Public Use Microdata Sample) di ACS del Census Bureau degli Stati Uniti è disponibile in formato dati collegati utilizzando il modello di dati Resource Description Framework (RDF).

High Resolution Population Density Maps + Demographic Estimates di CIESIN e Facebook | gestito da Facebook: Dati sulla popolazione per una selezione di paesi, allocati su blocchi di 1 arcosecondo e forniti in una combinazione di file CSV GeoTIFF ottimizzati per il cloud. Ottimizza la raccolta Gridded Population of the World di CIESIN utilizzando modelli di Machine Learning sulle immagini satellitari ad alta risoluzione di tutto il mondo Digital Globe. I numeri riferiti alla popolazione aggregati da dati di censimenti internazionali vengono assegnati a blocchi in cui l'immagine sembra contenere edifici.

Calamità naturali

I set di dati delle calamità naturali includono dati utilizzati per la mitigazione e la prevenzione di calamità naturali.

Open Earthquake Early-Warnings (OpenEEW) | gestito da Grillo: Grillo ha sviluppato un sistema di preavviso dei terremoti in Messico e Cile basato su IoT e sta ora rendendo disponibile a livello internazionale il proprio archivio completo di dati accelerometrici non elaborati per incoraggiare lo sviluppo di nuovi algoritmi capaci di rilevare rapidamente e caratterizzare i terremoti in tempo reale.

Biodiversità

I set di dati della biodiversità consentono di monitorare il numero e la variabilità degli organismi viventi (terrestri, marini e di altri ecosistemi acquatici) e i rispettivi ecosistemi.

eBird Status and Trends Model Results | gestito dal Cornell Lab of Ornithology: Il progetto eBird Status and Trends genera stime della presenza e dell'abbondanza di uccelli a un'elevata risoluzione spazio-temporale. Questo set di dati rappresenta i risultati di base modellati dal flusso di lavoro di analisi e sono progettati per ulteriori analisi, sintesi, visualizzazione ed esplorazione.

Machine Learning

I set di dati di Machine Learning sono utilizzati per la ricerca in Machine Learning relativa alla sostenibilità. Includono set di dati di training con etichetta per algoritmi di Machine Learning di tipo supervised e semi-supervised.

Africa Soil Information Service (AfSIS) Soil Chemistry | gestito da Quantitative Engineering Design: Questo set di dati contiene dati di spettrografia infrarossa del suolo e misurazioni di riferimento delle proprietà del terreno associate di campioni georeferenziati raccolti nell'ambito del progetto AfSIS, durato dal 2009 al 2018. In questa release sono inclusi i dati raccolti durante la Fase I (2009-2013). I campioni georeferenziati sono stati raccolti in 19 paesi dell'Africa sub sahariana utilizzando uno schema di campionamento statisticamente affidabile, e le proprietà del terreno sono state analizzate utilizzando sia i metodi di test del terreno convenzionali che i metodi a spettro (spettroscopia infrarossa in riflettanza diffusa). I due tipi di dati possono essere associati per formare un set di dati per Machine Learning, in modo che determinate proprietà del terreno possano essere previste in modo preciso attraverso tecniche spettrali meno costose.

Ultime notizie
Scopri in che modo abbiamo impiegato la nostra dimensione e cultura dell’innovazione per costruire un futuro sostenibile.
  • Emanuela Pieretto, assistente del General Manager nel centro di distribuzione Amazon di Passo Corese, racconta come i dipendenti del magazzino nel reatino hanno accolto l’iniziativa volta a sensibilizzare tutti sui temi della sostenibilità, del riciclo e della difesa dell’ambiente
  • Shipment Zero è la visione di Amazon per la carbon neutrality, con l’obiettivo di abbattere del 50% le emissioni di CO2 prodotte dalle nostre spedizioni entro il 2030.
  • In Amazon, ci impegniamo e investiamo nella sostenibilità perché è una vittoria assoluta e vantaggiosa per tutti. È positiva per gli affari, per il pianeta, per i clienti e per le comunità.