Печать

Том 8 стр. 439-447

С.А. Красноперова

 

BIG DATA КАК БАЗА ДАННЫХ В ОБЛАСТИ ЭКОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ

 

Аннотация. В данной статье рассматриваются возможности применения технологии анализа, систематизации и обработки информации при помощи Big Data, так как в настоящее время традиционные методы становятся неэффективными. Выявлено, что данная технология позволяет собирать, хранить и анализировать огромные массивы разнородной экологической информации, к примеру: в области мониторинговых исследований экосистем; оценки воздействия антропогенных факторов на окружающую среду; прогнозирования природных явлений. Отмечено, что использование больших объёмов данных способствует повышению эффективности управления технобиосферой, улучшению качества мониторинга и созданию инновационных методов оценки состояния экосистем. Однако для успешного внедрения этих технологий необходима совместная работа ученых, инженеров и представителей государственных структур, направленная на создание инфраструктуры сбора, хранения и анализа данных, а также подготовку высококвалифицированных специалистов в сфере эколого-аналитической аналитики.

Ключевые слова: большие данные, экологические исследования, информация, структура Big Data.

Для цитирования: Красноперова С.А. Big Data как база данных в области экологических исследований // Управление техносферой: электрон. журнал, 2025. Т.8. Вып. 3. С. 439–447. DOI: 10.35634/UdSU.2025.88.31.006.

 

СПИСОК ЛИТЕРАТУРЫ

 

  1. Юсупов А.И. Роль больших данных в бизнесе и науке / Наука и образование – 2025: сборник статей Международной научно-практической конференции. Петрозаводск: Международный центр научного партнерства "Новая Наука", 2025. С. 158 – 162.
  2. Красноперова С. А. Экологизация образовательного процесса в условиях цифровой среды // Управление техносферой. 2022. Т. 5, вып. 2. С. 232 – 242. URL: https://technosphere-ing.ru/ru/. (Дата обращения: 15.04.2025).
  3. R., E. S.V., Anilkumar Ch., Thilakaveni P., Moorthy U. Big data analytics and implementation challenges of machine learning in big data, Applied and Computational Engineering. 2023, vol. 2, no. 1, pp. 532 – 537.
  4. Wei W. Looking at the demand of bank big data talents from the perspective of big data, Journal of Physics: Conference Series. 2020, vol. 1437, no. 1, pp. 012116.
  5. Wang H. Сollege physical education and training in big data: a big data mining and analysis system, Journal of Healthcare Engineering. 2021, vol. 2021, p. 3585630.
  6. Cuzzocrea A., Leung C.K., Olawoyin A.M., Fadda E. Supporting privacy-preserving big data analytics on temporal open big data, Procedia Computer Science. 2022, vol. 198, pp. 112 – 121.
  7. Big Data Analytics Market Study / Dresner Advisory Services, LLC, 2018, 94 p.
  8. Panesar S.S., Fernandez-Miranda Ju. Big data, big impact: the potential for data science in neurosurgery, World Neurosurgery. 2020, vol. 138, pp. 558 – 559.
  9. Стратегия развития информационного общества в Российской Федерации на 2017 - 2030 годы: указ Президента РФ от 9 мая 2017 г. № 203. 18 с. URL: https://рцис.рф/storage/uploads/2022/11/28/6384c39e5cd0e----9--2017--N-203-----.pdf. (Дата обращения: 15.04.2025).
  10. Маггерамов З.Т., Абдуллаев В.Г., Маггерамова А.З. Big Data: проблемы, методы анализа, алгоритмы // Информационные технологии. 2017. № 3. C. 42 – 52.

 

Сведения об авторе

Крacнoперoвa Cветлaнa Aнaтoльевнa

к.б.н., доцент, доцент кафедры геологии нефти и газа, Институт нефти и газа им. М.С. Гуцериева, Федеральное государственное бюджетное образовательное учреждение высшего образования «Удмуртский государственный университет», 426034, ул. Университетская, 1, г. Ижевск, Россия.

 E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Полнотекстовая версия - pdf(514kb)