CLIMATE MODELLING

Il corso fa parte degli insegnamenti fondamentai del Master in Scienze Ambientali (Curriculum in Global Environmental Change). È il complemento naturale del primo modulo e si propone di introdurre gli studenti ai metodi statistici per l'analisi statistica di dati in climatologia. Importanti tecniche statistiche quali modelli di regressione, autocorrelazione, lisciamento e analisi spettrale verranno presentate in classe ed applicate per interpretare l'informazione contenuta in dataset climatici e rispondere alle relative domande scientifiche. Attività pratiche con il software statistico R costituiranno parte integrale del corso.

Saper lavorare con i formati di dati più diffusi in climatologia
Imparare ad estrarre informazione dai dataset
Manipolare un set di dati e prepararlo per ulteriori analisi.
Eseguire una varietà di analisi statistiche standard (ad esempio correlazioni / regressioni / EOF).
Presentare i risultati in maniera chiara e coincisa i risultati di un progetto

Conoscenza di base della statistica a livello di un corso introduttivo di una triennale (esempio di libro di testo David S. Moore (2013) Statistica di base, Apogeo) Elementi di programmazione saranno utili.

Metodi di archiviazione di dati climatici
Inferenza per dati in climatologia
Componenti delle serie storiche
Metodi esplorativi per serie temporali
Analisi spettrale
Modelli statistici per serie temporali climatiche

Chandler, R. and Scott, M. (2011). Statistical Methods for Trend Detection and Analysis in the Environmental Sciences. Wiley
von Storch, H. and Zwiers, F.W. (1999). Statistical Analysis in Climate Research. Cambridge University Press

L'esame consiste di due fasi:
1) preparazione di un elaborato individuale relativo all'analisi di un dataset
2) presentazione orale.
I voti saranno determinati da un esame orale (50%) e da un progetto (50%),

La votazione finale è una media dei voti riportati nei singoli moduli

Questo corso si basa su lezioni frontali, che copriranno i principali argomenti, sottolineando e discutendo i punti importanti.
Le lezioni teoriche saranno integrate da esercizi e sessioni di laboratorio. Il software statistico utilizzato nel corso è R (www.r-project.org).
La partecipazione personale è importante e aiuterà lo studente a imparare in modo più efficiente per leggere il materiale assegnato per rafforzare le lezioni.
Degli script R da varie fonti possono essere usati per rinforzare il materiale.

Inglese

La frequenza di ogni lezione e uno sforzo genuino nel fare gli esercizi suggeriti sono due dei fattori più importanti che influenzano la riuscita in questo corso. L'analisi statistica richiede sia l'ascolto che il fare.

orale