I naturgeografi anvendes dataindsamling, feltarbejde og laboratorieundersøgelser. Gennem det eksperimentelle arbejde er det muligt at opnå ny viden ved at afprøve hypoteser og videreudvikle forskningsforsøg.
Inden et feltarbejde iværksættes, er det vigtigt at være klar over formålet med undersøgelsen. Er det muligt gennemføre undersøgelse ud fra kendte analysemetoder, eller skal der laves test på forhånd for at undersøge, om en påtænkt analysemetode vil fungere? For at arbejde videnskabeligt er det nødvendigt at arbejde efter de videnskabelige metoder, der er opstillet for faget. De kan variere meget mellem de forskellige fagområder og mellem de enkelte fag. I naturgeografi kan der arbejdes med data på flere forskellige måder:
· Forsøg og eksperimentelt arbejde
· Feltarbejde
· Laboratorieundersøgelse
· Satellitbilleder, GIS og kort
· Dataindsamling
· Klassifikation
· Modeller
For at forstå eksperimentelt arbejde er det nødvendigt med en definition af begrebet. Ordet eksperimentel anvendes i forbindelse med forsøg, der har det formål at opnå ny viden eller bekræfte den kendte viden. Viden om eksperimentet giver en forudsætning for at vurdere kvaliteten af den forskning, der udføres og videreformidles. Desuden kan viden om eksperimentelt arbejde bidrage til at opnå ny viden – og til at planlægge yderligere eksperimentelt arbejde.
Når videnskabelige resultater skal vurderes, er det nødvendigt med et kendskab til de gældende videnskabelige teorier, de anvendte analysemetoder, indsamlingen af data, fejlkilder samt hvordan konklusionerne på analyseresultaterne er opstået.
Kendskabet til den gældende teori er en forudsætning i planlægningen af et eksperimentelt arbejde. Den gældende teori er blevet formuleret på baggrund af adskillige videnskabelige undersøgelser og derefter formidlet i videnskabelige tidsskrifter, bøger og på internettet. På baggrund af de videnskabelige artikler og lærebøgerne er det muligt at få kendskab til de videnskabelige teorier, der gælder inden for et område.
Inden det eksperimentelle arbejde iværksættes, er det vigtigt at være klar over det præcise formål med undersøgelsen. Er det muligt at gennemføre undersøgelse ud fra kendte analysemetoder, eller skal der laves test på forhånd for at undersøge, hvorvidt en bestemt analysemetode fungerer?
Valget af analysemetoden, der skal anvendes i forbindelse med det eksperimentelle arbejde, har en betydning for konklusionen på baggrund af den eksperimentelle undersøgelse.
Formålet med feltarbejdet er at indsamle data, der resulterer i ny viden. Det kan være de fysiske processer, den generelle miljøtilstand eller vekselvirkninger mellem de undersøgte elementer. Indsamlingen kan fx være jordbundsprøver, hvor indholdet af næringsstoffer analyseres i laboratoriet.
Feltarbejdets karakter afhænger af det, der undersøges. Der skal træffes valg i forhold til den rummelige udbredelse og tidsskalaen i feltundersøgelsen. Rummelig udbredelse dækker over, hvor stort et område der indgår i en undersøgelse. Den rummelige udbredelse vil være lille, når formålet er at få en detaljeret viden om processerne og vekselvirkningerne mellem de enkelte elementer. En stor, rummelig udbredelse er praktisk, når der skal sammenlignes variationer fra forskellige lokaliteter.
Tidsskalaen er et vigtigt parameter i feltarbejdet. De forhold, der skal måles, kan være ustabile forhold, der ændres konstant, i modsætning til stabile forhold der variere sæsonmæssigt gennem året eller endnu langsommere. Eksempelvis ændres luftens temperatur hurtigt. Det er nødvendigt med et forhåndskendskab til processer, før feltarbejdes metoder vælges.
Det er nødvendigt at indsamle mange prøver og målinger for at kunne konkludere noget ud fra de indsamlede data. Desuden er det nødvendigt at tage flere prøver fra det samme sted, dette kaldes replikater. Replikaternes formål er at sikre, at prøven er repræsentativ for området.
Ved at undersøge det samme fænomen på forskellige lokaliteter og herefter sammenholde resultaterne er det muligt at slutte en almen konklusion. Der skal tages forbehold, for at der er mange ydre faktorer, der spiller ind på de målte forhold. Der anvendes avanceret udstyr til at indsamle data, den teknologiske udvikling af udstyret vil betyde, at undersøgelserne bliver mere detaljeret, og herved kan der fremkomme nye årsagsforklaringer.
Der er flere fordele ved at udføre eksperimenter under kontrollerede forhold i et laboratorie. Det er muligt at få et indblik i, hvorledes de biologiske forhold påvirker det, som man vil undersøge – uden påvirkning fra andre faktorer. Kemiske analyser kan fx foretages på jord- og vandprøver, der er udtaget i felten og senere transporteret til laboratoriet. Nogle undersøgelser er det nødvendigt at foretage i naturen, da transporten mellem feltlokaliteten og laboratoriet har stor indflydelse på de faktorer, der ønskes undersøgt. Temperaturforholdene har eksempelvis ofte betydning for de kemiske reaktioner i en prøve.
Anvendelsen af satellitoptagelser sætter os i stand til at observere jordoverfladens processer og opnå et globalt indblik i blandt andet ændringerne af:
Vegetation
Temperatur
Skydække
Arealanvendelse
Infrastruktur
Antallet af skovbrande
Oversvømmede områder
Rydning af Regnskov
Ozonlag
Partikelforurening
Atmosfærens indhold af aske fra vulkanudbrud
Sne- og isdække
Skydække og vandindhold i atmosfæren
Fugtighed i jordbunden
Vejret
Algeopblomstring
I naturgeografi indsamles data ved statistik, satellitdata, feltarbejde, modellering og laboratorieundersøgelse. I forhold til dataindsamling er det nødvendigt med et tilstrækkeligt datagrundlag, der berettiger undersøgelsens konklusioner. Desuden bør det vurderes løbende under det eksperimentelle arbejde, om undersøgelsesmetoden er tilstrækkelig, eller om der bør laves alternative undersøgelser.
Data kan stamme fra mange forskellige kilder. De kan være indsamlet automatisk af en målestation. Der anvendes typisk grunddata, som eksempelvis er digitale kort, statistik, flyfoto eller satellitbilleder. Statistik kan eksempelvis være gødningsforbruget eller arealanvendelsen i Danmark. Data, som kan være interessante i forbindelse med en undersøgelse af vandmiljøet og tidligere publiceret videnskabeligt data, kan sammenlignes med nye indsamlede data.
Det er nødvendigt at vurdere de enkelte undersøgelser nøje, inden de inddrages i en sammenligning, da forskellige undersøgelsesmetoder kan resultere i forskelle analysedata. Desuden kan der være forskel på feltlokaliteterne, som betyder, at en sammenligning ikke er mulig. Eksempelvis bør kyststrækningerne være identiske, hvis resultaterne skal sammenlignes.
Begrebet klassifikationsmetode dækker over fremgangsmåden til at klassificere. Her vil der typisk være en række klasser givet på forhånd. I en klassificering er der en sammenhæng mellem de enkelte emner. Det kan eksempelvis være forskellige vulkantyper og typer af udbrud. Vulkanerne varierer også i form og udbrud blandt andet på grund af variationer i magmaens kemiske sammensætning.
I klassifikationen indgår en række definitioner. En definition er en beskrivelse af et begreb eller en proces. En definition må således ikke være for bred eller for smal, den skal være gældende og fremstå klart.
Ved databehandling og observationer er det nødvendigt at klassificere efter en række betingelser, der på forhånd er sat op. Det kan være særlige kendetegn, kemiske egenskaber, størrelse eller form, som adskiller de forskellige kategorier. For at kunne foretage en klassificering er det nødvendigt med en opdeling, hvor de enkelte klasser er beskrevet. Der skal være klare skel mellem de enkelte klasser, og der skal være udvalgte kendetegn, som kan anvendes i klassificeringen.
Grænserne mellem klasserne kan være flydende, og der kan være afvigelser, som ikke passer ind i klassifikationen. Eksempler på klassificering er landskabstyper, kysttyper og jordbundstyper. Vulkantyperne er klassificeret på landskabselements dannelse, form, højde, længde og bredde samt udbruddets karakteristika.
En model er en forsimplet beskrivelse af sammenhængene mellem elementer og processer i et naturfænomen. Formålet med en modellering er at opnå indsigt i en proces. En model vil typisk bidrage til et overblik og en forståelse af sammenhænge mellem naturens elementer, som tidligere var ukendte. Et eksempel på en modellering kunne være forudsigelser om fremtidens klima.
En model forsøger matematisk at kvantificere processer i naturen. En model er ikke virkeligheden, men snarere et forsøg på at efterligne virkeligheden. De data, der indgår i modellen, stammer fra dataindsamlinger, feltundersøgelser og laboratorieundersøgelser. Derudover kan der indgå ligninger, der forsøger at beskrive naturens processer.
En model har en række forudsætninger, der skal være opfyldt, for at modellen kan anvendes. Det kan eksempelvis være et begrænset område, hvor modellen kan anvendes. En infiltrationsmodel, der beskriver nedsivningshastigheden af vand gennem jordlagene, til grundvandet kan kun anvendes i de områder, som er identiske med den lokalitet, hvor modellens data er indsamlet.
Modellerne kan anvendes til at understøtte feltdata og beskrive fremtidsscenarier. For at udarbejde en model skal der være kendskab til processerne, som ligger til grund for modellen, og der skal der være et stort datagrundlag til stede. Når mængden af data, der indgår i modellen, øges, stiger modellens forklaringskraft tilsvarende.
En model bør indeholde de elementer, der er nødvendige for at beskrive den naturlige proces. Jo flere elementer der inddrages, desto mere præcis bliver modellen. Når antallet af elementer i en model øges, stiger modellens kompleksitet, da der skal anvendes flere data og mere komplekse beregninger.
Når en model er etableret, skal den testes. Det kan ske på kendte observationer. Er der en sammenhæng mellem modellering og de observerede data, er der en sandsynlighed for, at den kan anvendes til at simulere fremtiden.
Der findes tre hovedtyper af modeller. Det er den empiriske model, den procesorienterede model og de to i kombination.
En empirisk model indeholder kun data. Her er sammenhængene mellem parametrene statistisk beregnet – eksempelvis en regressionsanalyse.
En procesorienteret model inddrager ligninger, der beskriver de biologiske, fysiske og kemiske processer, som finder sted i naturen.
Den sammensatte model indeholder både statistiske og procesbaseret sammenhænge.
Det er nødvendigt at have en forståelse af modelbegrebet for at kunne tolke på en modelforudsigelse og vurdere, om modellen er realistisk. Modellens sandsynlighed findes ved at vurdere usikkerheden i forhold til de elementer, der ikke er inkluderet i modellen, og ved at teste modellen på allerede målte data. Alle data, der indgår i modellen, skal vurderes nøje, da mange små usikkerheder vil give en stor kumuleret usikkerhed.
En usikkerhed i mange modeller er vekselvirkninger mellem de enkelte parametre. Vekselvirkningerne kan være alt fra enkle til meget komplekse. De kan være vanskelige at modellere, især når der mangler en fuldstændig forståelse for vekselvirkningernes indbyrdes samspil, der kan variere over tid. Et eksempel på en vekselvirkning er ocean-atmosfære koblingen, hvor der er et sammenspil mellem processerne i oceanet og atmosfæren.
Modeller er en væsentlig del af vores hverdag. Ofte forsøger modellerne at modellere menneskets påvirkning af naturen. Herved er det muligt at få en indikation af, hvornår naturen lider overlast. Gennem modelberegninger er det muligt at beregne udledningen af næringsstofsmængden til havet på basis af de forskellige forureningskilder, sammenholdt med de processer der optager næringsstofferne. På den baggrund kan der iværksættes tiltag, som kan afhjælpe problemerne.
Modellerne kan ligeledes anvendes i et overvågningsprogram, hvor de sammen med indsamlede feltdata kan give et indblik i miljøtilstanden. Herved er det muligt at vurdere den pågældende miljøindsats. Opsummerende kan det konkluderes, at jo større datamængderne er, desto mere præcis og detaljeret er modellen. Mange små usikkerheder giver tilsammen en stor usikkerhed. Variationer i måledata kan give et sløret billede og øge usikkerhederne.
Tid og sted er væsentligt i forhold til modellernes anvendelse. Nogle forhold ændres over tid, eksempelvis nedbør og temperatur. Det er yderligere vigtigt at afgrænse modellens virkeområde og anvendelighed. Afprøvning og testning af modellens anvendelighed kan afsløre fejl og utilstrækkelighed i modellering.