L'insegnamento ha l'obiettivo di fornire agli studenti le conoscenze e le competenze necessarie per acquisire, gestire, analizzare, interpretare e rappresentare dati ambientali complessi, sviluppando un approccio quantitativo ai problemi dell'ingegneria per l'ambiente e il territorio.

Il corso approfondisce le principali metodologie per l'analisi di dati geospaziali e di serie temporali, illustrandone i fondamenti teorici e l'applicazione a dataset provenienti da differenti comparti ambientali. L'analisi quantitativa dei dati viene presentata come strumento essenziale per comprendere le dinamiche dei sistemi ambientali, individuare relazioni tra fenomeni naturali e antropici, sviluppare modelli interpretativi e supportare processi decisionali orientati alla tutela dell'ambiente, alla mitigazione dei rischi e alla pianificazione sostenibile del territorio.

L'insegnamento integra costantemente teoria e pratica attraverso esercitazioni svolte in ambiente Python, adottando un approccio learning by doing. Le attività applicative consentono agli studenti di acquisire competenze nell'utilizzo di strumenti di programmazione per l'analisi dei dati, nella scelta delle metodologie più appropriate, nella valutazione critica dei risultati ottenuti e nella loro comunicazione, promuovendo autonomia di giudizio e capacità di affrontare problemi complessi con un approccio data-driven.

The course aims to provide students with the knowledge and skills required to acquire, manage, analyse, interpret, and visualise complex environmental datasets, fostering a quantitative approach to environmental and territorial engineering problems.

The course covers the main methodologies for the analysis of geospatial data and time series, illustrating their theoretical foundations and their application to datasets from different environmental domains. Quantitative data analysis is presented as an essential tool for understanding the dynamics of environmental systems, identifying relationships among natural and anthropogenic processes, developing interpretative models, and supporting decision-making processes aimed at environmental protection, risk mitigation, and sustainable territorial planning.

The course continuously integrates theory and practice through hands-on exercises developed in Python, following a learning by doing approach. These practical activities enable students to acquire skills in scientific programming for data analysis, select the most appropriate analytical methodologies, critically evaluate the obtained results, and effectively communicate their findings, while fostering independent judgement and the ability to address complex engineering problems through a data-driven approach.