ANALISI MULTIVARIATA DI DATI IN MATRICI AMBIENTALI

Il corso vuole fornire la conoscenza dei metodi, atti alla comprensione, allo studio e alla interpretazione di sistemi reali. In questo insegnamento, a partire dalla descrizione della struttura multivariata dei dati atti allo studio di un sistema chimico/ambientale, verranno illustrati i principali metodi di Pattern Recognition, con particolare riferimento alla Cluster Analysis, all'Analisi delle Componenti Principali (PCA), allo sviluppo di modelli mulivariati previsionali (PCR e PLS) attraverso la strategia QSAR (Relazioni Quantitative Struttura-Attività), e al Disegno Sperimentale. Particolare rilievo verrà dato alla costruzione ed alla validazione di modelli multivatiati di calibrazione, allo studio di sistemi ambientali con approfondimenti, presentazione e discussione di casi di studio.
Queste conoscenze sono di fondamentale importanza per il CdS, poichè consentono allo studente di acquisire le competenze necessarie all'interpretazione di dati ambientali, e di comprendere i meccanismi e le dinamiche dei processi ambientali in campo chimico, ecologico, geologico, idrogeologico, biologico: questa è la base per intraprendere strategie di risanamento, controllo, e valutazione della biodiversità ambientale, nonchè della salvaguardia del capitale e delle risorse naturali.
Il corso ha un'impostazione prevalentemente sperimentale ed è mirato alla comprensione e all'utilizzo pratico dei principali metodi di Pattern Recognition.
In questo corso si darà poco spazio agli approfondimenti matematico-statistici, per lasciare spazio a numerose applicazioni e casi di studio espressamente mirati all' acquisizione della capacità di risolvere problemi sia di moitoraggio/risanamento ambientale, che di supporto alla soluzione di problematiche tipiche del miglioramento della qualità dei servizi ecositemici, ossia dei due indirizzi del CdS magistrale.

Lo studente sarà in grado:
1) di acquisire le conoscenze adatte all'utilizzo dei metodi chemiometrici di analisi multivariata, ovvero i metodi di Pattern Recognition e di disegno sperimentale;
2) attraverso la presentazione di specifici casi di studio che utilizzano tali metodi, di acquisire la capacità di applicarli su problematiche ambientali nuove, ovvero di saper interpretare nuovi dati relativi a sistemi ambientali;
3) di acquisire una sufficiente capacità critica nella scelta dei metodi chemiometrici adatti a risolvere problematiche ambientali, e all'estrarre dai risultati le informazioni utili nell'indirizzarlo ad una strategia decisionale di intervento su un sistema ambientale.
Lo studente dovrà acquisire un linguaggio e un utilizzo coerente della terminologia, poichè dovrà essere anche in grado di proporre e comunicare questo approccio anche a persone che non dispongono di tali conoscenze, e con le quali dovrà confrontarsi e collaborare in un futuro professionale.

Conoscenza matematica di base di una qualsiasi scuola superiore e di Chimica Generale

Pattern Recognition.
Il trattamento preliminare dei dati, i metodi di classificazione e di raggruppamento basati su metrica e su aderenza a modelli matematici. K-NN, LDA.
Cluster Analysis: generalità, esempi numerici di cluster gerarchici agglomerativi, interpretazione di un dendrogramma, con l'ausilio di casi di studio: qualitò delle acque, studio di un profilo di una carota di sedimento marino, studio temporale di metalli presenti nel particolato atmosferico nella città di Torino.
I metodo non gerarchici (K-means)
Analisi delle Componenti Principali (PCA): teoria, utilizzo ed applicazioni, con ausilio di casi di studio: qualità delle acque, studio della composizione di inquinanti organici volatili e di un profilo verticale di un suolo, in un sito contaminato, studio della contaminazione chimica nella Laguna di Venezia, studio e caratterizzazione di steroli fecali (biomarkers) di grandi mammiferi in campioni di suolo provenienti dal Nord America.
il metodo SIMCA.
Modelli di correlazione multivariata: metodi MRA, PCR, PLS e criteri di validazione. Scelta della dimensionalità ottimale dei modelli e loro ottimizzazione. Strategie per ottenere la migliore dimensionalità (criteri di cross-validation). Applicazioni pratiche: modelli multivariati di persistenza troposferica di HCFC, modellazione per predire proprietà chimico fisiche in campioni di benzina in una raffineria
Disegno Sperimentale.
Disegni fattoriali, D-efficienza e disegni D-ottimali. utilizzo pratico di software chemiometrici. Una grossa parte del corso sarà dedicata allo studio di casi reali presenti in letteratura, e personalizzata sugli specifici due indirizzi del Corso di Studi: Capitle Naturale / servizi ecosistemici e monitoraggio/risanamento.

Dispense e presentazioni fornite dal docente.
Roberto Todeschini: "Introduzione Alla Chemiometria". EDiSES, Napoli.
D.L. Massart et al: "Chemometrics:a Textbook", Data Handling in Science and Technology, 2, ELSEVIER, Amsterdam.

La verifica dell'apprendimento avviene attraverso un colloquio orale sugli argomenti trattati, con l'obbiettivo di verificare (anche attraverso la discussione di casi di studio) la capacità dello studente di applicare i metodi chemiometrici alla realtà delle problematiche in campo ambientale

orale

1. punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
- limitata capacità di raccogliere e/o interpretare i dati, formulando giudizi autonomi;
- sufficienti abilità comunicative;
2. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- discreta conoscenza e capacità di comprensione applicata in riferimento al programma;
- discreta capacità di raccogliere e/o interpretare i dati, formulando giudizi autonomi;
- discrete abilità comunicative;
3. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- buona o ottima capacità di raccogliere e/o interpretare i dati, formulando giudizi autonomi;
- abilità comunicative pienamente appropriate.
4. la lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al programma, capacità di giudizio e abilità comunicative, eccellenti.

Lezioni frontali. La lezione avrà lo scopo principale di far comprendere "la filosofia" dell'approccio chemiometrico, che è completamente diversa da quella generalmente utilizzata per un approccio allo studio scientifico tradizionale.

Questo insegnamento tratta argomenti connessi alla macroarea "Capitale naturale e qualità dell'ambiente" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile