Wykorzystanie sztuki generatywnej do przekazania przeszłych i przyszłych przemian klimatycznych
31 marca 2023
Tutaj prezentowany jest protokół do wizualizacji danych klimatycznych jako sztuki generatywnej.
Przekazywanie danych klimatycznych może być trudne, zwłaszcza gdy ramy czasowe są znacznie dłuższe, niż ludzie zwykle myślą. Protokół ten umożliwia użytkownikom tworzenie generatywnych animacji z wizualizacjami skalowanymi do danych. Dzięki tej procedurze dane można przekształcić w animacje, które przekazują informacje bez polegania na wykresach lub diagramach.
Jest wysoce konfigurowalny pod względem używanych danych i wyświetlanych aspektów wizualnych. Interesujące byłoby przeprowadzenie eksperymentu społecznego dotyczącego publicznego postrzegania danych klimatycznych w oparciu o różne sposoby prezentacji danych. Ta praca może być jedną z technik wizualnych obok bardziej tradycyjnych lub artystycznych metod.
Kodowanie w dowolnym nowym języku lub nauka nowego oprogramowania może być wyzwaniem. Pomocne mogą być zasoby online i wyszukiwanie w Internecie kluczowych terminów lub kodów. Po pobraniu oprogramowania do kodowania i wizualizacji pobierz dane i rozpocznij kodowanie.
Przeciągnij żądany plik MPT, MPT 1, MPT 2, MPT 3 lub MPT 4 do edytora kodu, aby go zwizualizować. W menu eksploratora kliknij żądany folder MPT, MPT 1, MPT 2, MPT 3 lub MPT 4, aby wyświetlić menu rozwijane. Następnie kliknij skrypt, a następnie kliknij index.html.
Kliknij lewym przyciskiem myszy część okna z kodem index. html i wybierz z menu opcję Otwórz z serwerem na żywo. Powtórz kroki, zaczynając od wybrania folderu MPT w menu eksploratora dla każdego podzbioru czasu.
Aby wyświetlić wizualizację na podstawie przyszłych projekcji, otwórz folder przyszłości na komputerze i przeciągnij folder akumulacji lub przejścia do edytora kodu. Następnie wybierz nazwę folderu w oknie eksploratora i kliknij index.html. Kliknij lewym przyciskiem myszy część okna z kodem indeksu.
html i wybierz z menu opcję Otwórz za pomocą serwera live. Aby edytować wizualizacje, wybierz interesujący Cię folder w oknie eksploratora edytora kodu i otwórz główny plik skryptu, klikając sketch.js. Wykonaj wszelkie zmiany parametrów wizualizacji w tym kodzie.
Szukaj adnotacji w kodzie ze szczegółowymi opisami kodu i jego funkcji, po podwójnych ukośnikach i dodatkowo oznaczonych zielonymi tekstami. Zdefiniuj zmienne, które będą połączone z danymi lub używane do dostosowywania parametrów wizualnych. Następnie zapisz zmiany, naciskając jednocześnie Command i S.
Wyświetl zaktualizowane wizualizacje, przechodząc do indeksu. Plik HTML. W oknie eksploratora kliknij lewym przyciskiem myszy i wybierz z menu Otwórz z serwerem live.
Wygenerowano wizualizacje odpowiadające unikalnym okresom geologicznym. Aspekty wizualne, takie jak kolor, rozmiar i prędkość, zostały ilościowo przeskalowane do szacunków temperatury powierzchni morza, azotu, składu izotopowego i tempa zmian klimatycznych. Dane zostały zmierzone na osadach głębinowych lub wzorowane na podstawie Międzyrządowego Zespołu ds. Zmian Klimatu lub scenariuszy RCP (IPCC).
Animacja wygenerowana z kodu MPT 1 odpowiadała najwcześniejszemu segmentowi czasu sprzed około 1,2 do 1,118 miliona lat. Na długo przed wydłużeniem się interglacjału lodowcowego i ochłodzeniem lodowcowym. Kod MPT 2 odpowiadał około 1,112 do 1,06 miliona lat temu, bezpośrednio przed wydłużeniem się interglacjału lodowcowego i ochłodzeniem lodowca.
MPT 3 wygenerował wizualizacje dla drugiego najnowszego segmentu czasu z dłuższymi cyklami lodowcowo-interglacjałowymi, około 1,06 miliona do 900 000 lat temu. Kod MPT 4 wygenerował wizualizacje dla najnowszego segmentu czasu, około 900 000 do 600 000 lat temu, kiedy dłuższe cykle lodowcowo-interglacjalne były bardziej ugruntowane. Kod akumulacji wygenerował modelową prognozę przyszłego ocieplenia antropogenicznego w oparciu o szacunki średnich temperatur z modelu RCP 8.5 dla Nowego Jorku.
Kod przejścia stworzył prostszą wizualizację tego samego, pokazując tylko kontur kul poruszających się w tle. Format produktu pozwolił na personalizację i prezentację danych, tworząc immersyjne eksponaty komunikacji naukowej. Podczas edytowania kodu upewnij się, że odpowiada on bieżącym sekcjom danych.
W przypadku przyszłych projekcji w przestrzeni roboczej należy przechowywać tylko foldery przejścia lub akumulacji. W przeciwnym razie program nie będzie działał. Technika ta otwiera drzwi do uwzględniania danych naukowych w projektowaniu graficznym.
Sztuka generatywna i immersyjna to szybko rozwijające się dziedziny, w których sztuka ma wiele możliwości interakcji z nauką i danymi.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejszy protokół przedstawia metodę wizualizacji danych klimatycznych za pomocą sztuki generatywnej, przekształcając złożone informacje w angażujące animacje. Pozwala on na dostosowanie zarówno reprezentacji danych, jak i estetyki wizualnej, oferując alternatywę dla tradycyjnych metod prezentacji danych.
Kluczowe elementy badania
Dziedzina nauki
- Wizualizacja danych
- Sztuka generatywna
- Nauka o klimacie
Wprowadzenie
- Przekazywanie danych klimatycznych może być trudne ze względu na zróżnicowane skale czasowe.
- Tradycyjne wykresy i diagramy mogą nie komunikować skutecznie złożonych informacji.
- Sztuka generatywna oferuje nowatorskie podejście do reprezentacji danych.
- Personalizacja zwiększa istotność i wpływ wizualizacji.
Cel badania
- Stworzenie protokołu generowania animacji z danych klimatycznych.
- Zbadanie postrzegania danych klimatycznych przez opinię publiczną poprzez różne formy prezentacji wizualnej.
- Zaproponowanie alternatywy dla konwencjonalnych technik wizualizacji danych.
Zastosowane metody
- Opracowanie konfigurowalnego protokołu wizualizacji danych.
- Tworzenie animacji generatywnych w oparciu o dane klimatyczne.
- Badanie estetyki wizualnej w reprezentacji danych.
- Potencjał do przeprowadzania eksperymentów społecznych nad percepcją danych.
Główne wyniki
- Skuteczna transformacja danych klimatycznych w angażujące animacje.
- Wykazano efektywność sztuki generatywnej w komunikacji danych.
- Podkreślono znaczenie personalizacji w prezentacjach wizualnych.
- Zasugerowano dalsze badania nad publicznym postrzeganiem danych klimatycznych.
Wnioski
- Sztuka generatywna może służyć jako wartościowe narzędzie do wizualizacji złożonych danych.
- Metoda ta może zwiększyć zrozumienie problemów klimatycznych.
- Wskazane jest dalsze badanie technik wizualnych.
Najczęściej zadawane pytania
Znaczenie dla Przemysłu
Przekształcanie złożonych, wielozmiennych zbiorów danych klimatycznych w immersyjne wizualizacje generatywne demonstruje skalowalny model komunikacji danych naukowych. Podejście to pozwala zespołom badawczo-rozwojowym na eksplorację nowych sposobów prezentacji wyników ilościowych, co wspiera weryfikację hipotez oraz angażowanie interesariuszy w badaniach odkrywczych i translacyjnych. Adaptacyjność tej metody do różnorodnych zbiorów danych sprawia, że może ona służyć jako powtarzalne narzędzie do wizualizacji dynamicznych układów biologicznych lub środowiskowych w procesach biofarmaceutycznych.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Umożliwia wizualną analizę wielowymiarowych zbiorów danych w celu wyjaśnienia sprzężeń zwrotnych na poziomie systemowym.
- Wspiera ograniczanie ryzyka mechanistycznego poprzez mapowanie oddziaływań zmiennych za pomocą animacji opartych na danych.
- Ułatwia testowanie hipotez poprzez powiązanie zmiennych ilościowych z parametrami wizualnymi.
Przesiewanie i opracowywanie testów
- Przygotowuje zwalidowane schematy wizualne do reprezentacji wyników analiz i odpowiedzi systemowych.
- Standaryzuje prezentację danych, poprawiając powtarzalność oraz komunikację między zespołami.
- Umożliwia skalowalną wizualizację ilościowych wyników analiz w celu szybkiej oceny screeningu.
Badania translacyjne i przedkliniczne
- Koreluje wyniki wizualne z danymi dotyczącymi biomarkerów środowiskowych lub związanych z chorobą, gdy jest to właściwe.
- Zapewnia ciągłość od etapu odkrycia po walidację przedkliniczną poprzez umożliwienie stosowania spójnych strategii wizualizacji danych.
- Stanowi platformę do integracji danych modelowych i empirycznych w badaniach translacyjnych.
Integracja potoku i przepływu pracy
Tę generatywną metodę wizualizacji można zastosować na każdym etapie – od wczesnego odkrywania po badania translacyjne, co wspiera podejmowanie decyzji w oparciu o dane oraz komunikację w całym cyklu badawczo-rozwojowym (R&D).
- Biologia odkrywcza: Ułatwia testowanie hipotez i wyjaśnianie szlaków poprzez wizualne mapowanie interakcji zmiennych.
- Przesiewanie: Zapewnia powtarzalne, ilościowe wyniki wizualne do porównywania warunków eksperymentalnych.
- Analityka: Umożliwia integrację danych geochemicznych, biologicznych lub modelowych w jednolite odczyty wizualne.
- Badania translacyjne: Wspiera dostosowanie wizualizacji do danych przedklinicznych lub danych o biomarkerach, gdy jest to właściwe.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje elastyczne, skalowalne ramy wizualizacji różnorodnych zbiorów danych w ramach wielu programów B+R.
Wpływ operacyjny i organizacyjny
- Wartość naukowa: Zwiększa pewność prognostyczną i zmniejsza niejednoznaczność w interpretacji złożonych zestawów danych.
- Wartość operacyjna: Standaryzuje i skaluje wizualizację danych w celu zapewnienia powtarzalności i możliwości wykorzystania międzyfunkcyjnego.
- Wartość strategiczna: Poprawia komunikację wyników ilościowych, wspierając świadome decyzje o kontynuacji lub przerwaniu działań (go/no-go).
- Wpływ na portfolio: Umożliwia priorytetyzację skorygowaną o ryzyko poprzez wyjaśnienie wniosków opartych na danych w ramach programów.
Uwagi dotyczące wdrożenia
- Wymaga biegłości w programowaniu, wizualizacji danych oraz interpretacji danych naukowych.
- Wymaga kompatybilnej infrastruktury oprogramowania do animacji generatywnych i integracji danych.
- Wymaga standaryzacji formatów danych i parametrów wizualizacji pomiędzy zespołami.
- Możliwość adaptacji do różnych systemów modelowych i typów danych poprzez odpowiednią konfigurację.
- Zależność od dokładnego powiązania między zmiennymi ilościowymi a wynikami wizualnymi.
