Armazenamento da Seagate levanta voo

Os insights de conjuntos de dados não estruturados massivos podem melhorar o bem-estar do nosso planeta. Um exemplo disso é a equipe de Jennifer Fowler. Diretora assistente do Montana Space Grant Consortium (MSGC), um programa de ensino superior da NASA, e diretora do Autonomous Aerial Systems Office da Universidade de Montana, ela se dedica ao desenvolvimento de um sistema para usar drones para coletar dados sobre incêndios florestais, que podem ser usados para ajudar a combater o fogo, orientar evacuações e direcionar recursos de emergência.

E, então, temos Jason Hanlon da Nature Conservancy, um colaborador frequente de Fowler, cuja própria equipe usa drones para estudar a população da ave tetraz-cauda-de-faisão. Uma espécie nativa do território de artemisia tridentata, seus números estão relacionados com o bem-estar do ecossistema e servem de prova de fogo, indicando para onde direcionar o cuidado.

Embora as duas equipes tenham trabalhado juntas com frequência no passado, dessa vez elas não se conectaram pela ciência, mas pelo armazenamento de dados. Elas viram em primeira mão como um pode ajudar o outro.

As soluções atuais simplesmente não estavam funcionando. Os pesquisadores de Fowler eram obrigados a fazer upload de volumes enormes de dados para a nuvem, algo que podia levar muitas horas. Não era exatamente o esquema ideal para reunir insights em tempo real sobre desastres naturais, como incêndios florestais. Para o projeto de contagem de aves de Hanlon, os HDs externos lentos significavam horas de tempo ocioso em campo, e HDs de qualidade inferior significavam o potencial de perda de dados, um cenário que, infelizmente, ele já conhecia bem.

Armadas com a capacidade de mover dados de drone de ambientes em borda de volta a seus escritórios de uma maneira rápida, segura e eficiente, as equipes de Fowler e Hanlon puderam avançar seus estudos exponencialmente. Para Fowler, isso significou explorar análise de dados em tempo real, que contribuiria para o combate a incêndios florestais. Para Hanlon, isso significou que ele podia usar algoritmos e reduzir a chance de erro humano na contagem de tetraz-cauda-de-faisão e muitas outras espécies, à medida que ele continua a expandir seu trabalho para outros ecossistemas.

Para as duas equipes, o potencial de haver perda de dados em campo foi reduzido drasticamente, enquanto o potencial de análise de dados de longo prazo aumentou dez vezes.