Sismologia
I sismologi di tutto il mondo si affidano a MATLAB per studiare la sismologia tettonica e di origine antropica, monitorare l’attività vulcanica e analizzare i dati delle forme d’onda provenienti da varie reti di sensori. Gli esperti hanno sviluppato dei toolbox che personalizzano MATLAB per l’accesso ai dati sismologici e la relativa analisi.
Scopri come:
- Usare MATLAB e Signal Processing Toolbox per leggere, analizzare e confrontare forme d’onda sismiche (Signal Processing Onramp)
- Analizzare in modo interattivo le forme d’onda e generare automaticamente codice con l’app Signal Analyzer (documentazione)
- Leggere e scrivere file miniSEED con le funzioni RDMSEED e MKMSEED (Toolbox)
- Scaricare ed elaborare dati sui terremoti provenienti dal bollettino dell’ISC con ISC Earthquake Toolbox per MATLAB (Toolbox e API)
- Usare la GUI ZMAP7 per l’app MATLAB per la visualizzazione dei dati sismici, l’analisi statistica e la ricerca dei dati nei cataloghi dei terremoti (Toolbox)
- Esplorare i toolbox geodetici di MATLAB Stavel e Gridstrain per derivare i campi del tasso di velocità e deformazione a partire dai dati GNSS (Toolbox)
Per saperne di più
- Toolbox della community per la sismologia
- Signal Processing Toolbox e Wavelet Toolbox per analizzare i segnali sismici, filtrare il rumore e rilevare pattern
Coulomb è un toolbox MATLAB open-source per la ricerca e la didattica nel campo dei terremoti, della tettonica e dei vulcani. In Toda et al., 2005 (600 citazioni), i ricercatori utilizzano il toolbox Coulomb per simulare le variazioni delle sollecitazioni, i pattern di deformazione e i fattori che danno avvio ai terremoti nella California meridionale.
Mare e clima
MATLAB permette ai ricercatori di analizzare e modellare sistemi oceanici e atmosferici complessi, offrendo informazioni sul cambiamento climatico e l’impatto ambientale.
- Climate Data Toolbox: esplora i dati storici e analizza i trend delle temperature e i pattern climatici spazio-temporali (paper, G3)
- Tide Model Driver 3.0: prevedi le maree sulla base dei dati dei modelli di maree (nozioni base su TMD)
- Ocean Data Tools: accedi ai dati tramite API dai siti di dati oceanografici più noti (Toolbox)
- jLab: esegui l’analisi dei big data, l’elaborazione di segnali, l’analisi delle wavelet e la mappatura per le applicazioni oceanografiche (Toolbox)
Per saperne di più
- cmocean: mappe di colori percettivamente uniformi per le variabili oceanografiche più utilizzate
- Luglio 2023 è stato il mese “più caldo” da quando si registrano i dati (post sul blog, articolo pubblicato)
- Toolbox della community per:
Idrologia
MATLAB consente di effettuare simulazioni complesse, analisi statistiche e rappresentazioni grafiche di dati idrologici, contribuendo ad attività quali la modellazione dei bacini idrici, la previsione di alluvioni e frane e la valutazione della qualità dell’acqua.
- Mappatura di aree alluvionate con le immagini Sentinel-1 SAR: mappa le aree alluvionate con le immagini Sentinel-1 SAR usando Hyperspectral Imaging Library for Image Processing Toolbox (pacchetto di supporto)
- CUAHSI Hydroshare: accedi e analizza i dati idrologici con gli archivi di codice MATLAB e MATLAB Online su HydroShare (piattaforma online)
- Wadenow Toolbox: prevedi i trend di velocità delle frane indotte dalla pioggia servendoti del Deep Learning e della trasformata wavelet continua (paper, Geosciences)
Per saperne di più
- Modellazione del bilancio idrico del lago Mono (piano di studi)
- Mappatura della suscettibilità da frana utilizzando il Machine Learning (blog e risorse)
- Toolbox della community per l’oceanografia e l’idrologia
- Hyperspectral Imaging Library for Image Processing Toolbox (pacchetto di supporto software)
Topotoolbox è un toolbox open-source per l’analisi dei dati topografici. Fornisce strumenti e un’interfaccia per elaborare modelli digitali di elevazione (DEM), consentendo lo studio dell’evoluzione del paesaggio, la modellazione idrologica e l’analisi geomorfologica.
Agricoltura:
MATLAB dispone di strumenti per l’analisi dei dati, l’elaborazione immagini e lo smart farming. Consente di prevedere la resa del raccolto, di analizzare l’umidità del suolo e di effettuare un monitoraggio avanzato basato su immagini. È possibile utilizzare:
- Funzioni di elaborazione di immagini iperspettrali per rilevare le modifiche a livello di copertura del suolo (esempio di codice)
- Sensori IoT e ThingSpeak per raccogliere e analizzare dati per il rilevamento precoce di malattie delle piante usando modelli di Machine Learning (caso di studio)
- MATLAB per analizzare i segnali immagine provenienti da parti diverse dello spettro elettromagnetico per rilevare e mappare la vegetazione (caso di studio)
Per saperne di più
- MATLAB per la tecnologia in agricoltura (5 video) - serie di video
- Toolbox della community per l’agricoltura
- ThingSpeak per lo Smart Farming
Li et al., 2020, hanno misurato la crescita delle piante implementando MATLAB per l’elaborazione automatizzata delle immagini. Immagini acquisite tramite smartphone in giorni di raccolto diversi sono state conservate e analizzate su un computer locale usando l’app MATLAB Mobile su uno smartphone. Successivamente, gli script MATLAB hanno estratto le immagini dalla cartella condivisa, elaborato le immagini e stimato l’area fogliare. I dati sono stati conservati nel Cloud e visualizzati sullo smartphone.
