The Machine-Learning Methods in the Environmental Risk Assessment Spatial Modelling

HUDÍK, Tomáš. The Machine-Learning Methods in the Environmental Risk Assessment Spatial Modelling. In Proceedings of the 2nd international summer school on computational biology. Brno: Masaryk Univerzity, 2006, p. 52-57. ISBN 80-7355-070-9.

Basic information

• Original name: The Machine-Learning Methods in the Environmental Risk Assessment Spatial Modelling
• Name in Czech: Metódy strojového učenia v oblasti priestorového modelovania pre vyhodnocovanie rizík ohrozenia životného prostredia
• Authors: HUDÍK, Tomáš (703 Slovakia, guarantor).
• Edition: Brno, Proceedings of the 2nd international summer school on computational biology, p. 52-57, 6 pp. 2006.
• Publisher: Masaryk Univerzity

Other information

• Original language: English
• Type of outcome: Proceedings paper
• Field of Study: 10201 Computer sciences, information science, bioinformatics
• Country of publisher: Czech Republic
• Confidentiality degree: is not subject to a state or trade secret
• RIV identification code: RIV/00216224:14330/06:00018720
• Organization unit: Faculty of Informatics
• ISBN: 80-7355-070-9
• Keywords in English: machine learning; spatial modeling; environmental risk assessment
• Tags: environmental risk assessment, machine learning, spatial modeling

Abstract

Combining GIS, ERA, and ML is a very promising and challenging but also demanding issue. Even if the models for small areas appear simpler (more transparent), it is not always true. In many cases these small areas (water streams without surrounding areas, only tillages without cities or factories) are affected by processes which are detectable only in a larger scale. In the small areas, these processes usually look like some noise or even some unpredictable events. Needless to say, the more global areas or models covering more areas of interest always accumulate complex problems. In these larger areas, different problems, hardly covered by the small models, occur. The scientific effort is now focused on moving of various pollutants (in water, soil, air). These movings are again affected by the various direct and indirect processes which are hardly possible to describe.

Abstract (in Czech)

Kombinácia GIS a ML je veľmi sľubná a vyzývajúca, ale aj náročná úloha. Hoci modely pre malé územia sa javia ako jednoduchšie (priehľadnejšie), nie je to vždy pravda. V mnohých prípadoch takéto menšie územia (vodné toky bez priľahlých plôch, len polia bez miest a tovární) sú ovplyvnené procesmi detekovateľnými iba vo väčšom merítku. Na takýchto malých územiach, popísané procesy sa javia ako šum, alebo nepredikovateľné udalosti. Je zrejmé, že čím väčšie územia sa snažíme zahrnúť do výpočtového modelu, tým musíme čeliť zložitejším problémom. Pri takýchto veľkých územiach vyvstávajú rozličné problémy, ktoré nemusia byť popísané a zahrnuté v malých modeloch. Vedecké úsilie sa v súčastnosti sústreďuje na pohyby rôznych polutantov (voda, pôda, vzduch). Tieto pohyby su ovplyvnené rôznymi priamymi a nepriamymi vplyvmi, ktore je veľmi obťiažne popísať.

Links

• MSM0021622412, plan (intention): Name: Interakce mezi chemickými látkami, prostředím a biologickými systémy a jejich důsledky na globální, regionální a lokální úrovni (INCHEMBIOL) (Acronym: INCHEMBIOL)

Investor: Ministry of Education, Youth and Sports of the CR, Interactions among the chemicals, environment and biological systems and their consequences on the global, regional and local scales (INCHEMBIOL)