[Data Analytics] 氣候資料探勘

今年的 ACM SIGKDD Innovation Award 得主是明尼蘇達的 Vipin Kumar，獲獎的原因除了多年來在資料探勘理論與「平行化」上的貢獻之外，主要也歸功於他近年來為研究氣候問題而開發出的一系列針對「時空分布資料」的資料探勘演算法，並且應用在人造衛星對地球生態變化的觀測上。

氣候研究領域一直有「遙相關」（telecorrelation）的研究，主要是透過分析長期資料，找出氣象參數高度相關的地點，然後嘗試從物理的觀點來詮釋這個現象。Kumar 將資料探勘當中的 Association Rule Learning 與遙相關的研究傳統結合，進而發展出一系列新的演算法，適用於「時空分布」性質的資料，大幅拓展了 association analysis 的適用範圍。

此外，Kumar 也將氣候資料與生態資料合併分析，建立了時空分布資料變化的自動偵測系統，而這個系統後來被應用在衛星監測的技術上，觀測地球表面生態系統的變化。


Kumar 教授是大型前瞻計畫 Understand Climate Change: a data-driven approach 與 GOPHER: Global Observation for Planetary Health and Resources 的主持人，這也算是 Big Data 趨勢當中的新資料型態的應用。不過 NoSQL  應當是另一個主題，之後再專文討論吧。