יותר

הצטרפות מרחבית ללא פעולה על משתנה הריבית


יש לי בעיה פשוטה: אני חייב להצטרף מרחבית לתיעוד של מגיפה ביערות לכמה קואורדינטות עלילה שאספתי. הבעיה היא, שאני לא יכול להשיג את הרשומות לכל שנה על כל חלקה, אני יכול לקבל את הרשומה הראשונה של כל חלקה (לא מספיק, כיוון שזו רק שנה אחת) או לקבל את כל הרשומות האלה, אלא רק לאחר שהן הופכו באמצעות אחת או יותר ממוצע, דקות, מקסימום, חציון פעולה באמצעות בחירת סיכום התכונות שאני עושה, וכתוצאה מכך שורה אחת אך עם נתונים שאני לא יכול לנצל עבור העבודה שלי.

אני מעדיף שיהיו לי כפילויות של השורות שלי (כל אחת מתאימה למצב העלילה במשך שנה נתונה) כדי שאוכל לנתח את נתוני המגיפה משנה לשנה.

אני משתמש בפעם הראשונה ב- QGIS: הנתונים שלי מאוחסנים בקבצי Shape, כולם (יצרתי אחד מתוך קואורדינטות העלילה שלי לגיליון Excel פשוט, והשאר הורד מכאן ישירות, גם פורמטים: http:/ /www.donnees.gouv.qc.ca/?node=/donnees-details&id=2eed323f-e3fd-40cf-98c4-d0d25c52c404#meta_telechargement; זה בצרפתית)


זו מערכת יחסים של אחד לרבים. לעשות צלב במקום. אם אתה באמת רוצה לשמור את הרשומות הלא קשורות, השתמש בכלי הצטרפות מרחבית של ArcToolBox עם האפשרות JOIN_ONE_TO_MANY.


אתה יכול להשתמש ב מיזוג קבצי צורות לאחד פונקציה (וֶקטוֹר > ניהול נתונים > מיזוג קבצי צורות לאחד). זה ישלב את כל הרשומות שלך ונותן לך גם כפילויות.

לאחר מכן תוכל להשתמש ב- הצטרף למאפיינים לפי מיקום פונקציה (וֶקטוֹר > ניהול נתונים > *הצטרף למאפיינים לפי מיקום) כדי להצטרף מרחבית לנתונים שלך.

שכבת הפלט צריכה לכלול את כל הרשומות שלך במרחב, ואז תוכל להוסיף סגנונות (נכסי שכבה > סגנונות) כגון צבעים ספציפיים לסינון כל שיא לפי שנה או כל דבר אחר.

לבסוף, מכיוון שיש לך כפילויות, תוכל להריץ שאילתות אם ברצונך לראות רשומות לשנה מסוימת (שִׁכבָה > שאילתא… ).

מקווה שזה עוזר.


זה קשור לאופן כתיבת הצטרפות המרחבית של QGIS. בהתבסס על צילומי המסך של זה שאני רואה, אין פרמטר של קשר זמין. ההצטרפות המרחבית של ArcGIS עושה להציע יכולת זו.

אינך יכול להסיר את הפונקציה מכיוון שהיא "דבר" או פרמטר אחר של ההצטרפות. להצטרף יש משבצת תכונה אחת למילוי, אך ערכים מרובים לבחירה. לכן עליו להשתמש בפונקציה על האפשרויות כדי לקבל ערך יחיד או פשוט לקחת את הערך הראשון שנמצא. הסיבה לכך היא שלכל הנתונים שלך יש אותם שמות תכונות. למשל התכונה בכל מקור נקראת 'ספירה'. אם לכל אחד מהמקורות השנתיים הייתה התכונה בשם 'ספירת שנה' (כאשר השנה משתנה בין המקורות), היא הייתה פועלת.

שכפול תכונה בשם זהה היא דבר אחר, המבוסס על מערכת היחסים של ההצטרפות. הכלי QGIS אינו מציע זאת ממה שאני יכול לראות. כלי ArcGIS עושה שימוש בפרמטר הצטרפות למבצע (ראה קובץ עזרה מקושר למעלה). אם הוא הוגדר כראוי, הוא ייצור גיאומטריה כפולה לכל מופע של התכונה - כלומר אם אתה יוצר נקודות אתה מקבל נקודה אחת עבור כל 'ספירה' בכל המקורות שלך, כולם מוערמים זה על זה.

לא ברור לי הפורמטים של הנתונים שלך ומה התוצאה הרצויה לך. יתכן כי צירוף מרחבי הוא לֹא בדרך שאתה רוצה ללכת. אם יש לך מצולעים (עלילות) ונתוני שנה (נקודות), ואתה רוצה שהתכונות מכל שנה יהפכו לתכונות של יחיד מצולע עלילה, שיטה זו לא תעבוד (מבלי לשנות את שם שדות התכונות של הנקודות להיות ייחודיים). פעולות Overlay אחרות, כגון Identity, Union או Intersect, גם הן לא יעבדו. הם יאפשרו לך לקבל את שם העלילה כתכונה של הנקודות, אך לא להפך.

אם תוכל לתאר טוב יותר את הפורמט הנוכחי והרצוי של הנתונים שלך (אולי עם צילומי מסך של טבלאות או רק דוגמאות טקסט), אולי אוכל לערוך פתרון לתשובה זו. זכור כי כל ניתוח שתרצה לבצע ישחק תפקיד בצורה הטובה ביותר לארגון הנתונים. כדאי שתעיין כאן בשאלה אחרת: ארגון טבלת התכונות: מספר קבוצות של משתנים לנקודה


לפניכם תקציר. בעת שימוש בצירוף או בהצטרפות פנימית, התנאי במצב אופציונלי. זה שונה מתקן ANSI ושונה כמעט מכל מסד נתונים אחר. האפקט הוא צלב צלב. באופן דומה, אתה יכול להשתמש בסעיף on עם צלב צלב, שגם הוא שונה מ- SQL רגיל.

צלב צלב יוצר מוצר קרטזי - כלומר, כל שילוב אפשרי של שורה אחת מהטבלה הראשונה ושורה אחת מהשנייה. הצלב המצטרף לטבלה עם שלוש שורות ('a', 'b' ו- 'c') וטבלה עם ארבע שורות (נניח 1, 2, 3, 4) יכללו 12 שורות.

בפועל, אם אתה רוצה לעשות צלב צלב, השתמש בצלב צלב:

סעיף on נדרש להצטרפות חיצונית ימינה או שמאלית, כך שהדיון אינו רלוונטי עבורם.

אם אתה צריך להבין את סוגי ההצטרפות השונים, עליך ללמוד קצת על מאגרי מידע יחסיים. Stackoverflow אינו מקום מתאים לרמה זו של דיון.


הצטרפות מרחבית ללא פעולה על משתנה העניין - מערכות מידע גיאוגרפיות

ויזואליזציה מרחבית באמצעות אנימציה קרטוגרפית: תיאוריה ופרקטיקה. ההליכים של מערכות מידע גיאוגרפיות / מערכות מידע קרקעיות GIS / LIS 1994, עמ '250-258.

ויזואליזציה מרחבית באמצעות אנימציה קרטוגרפית: תיאוריה ופרקטיקה

תַקצִיר

יצירת אנימציות קרטוגרפיות הייתה אפשרית מאז תחילת שנות השישים, אך רק לאחרונה הפכה לחלופה מעשית להצגת מפות. מסגרת תיאורטית צומחת לצורה זו של ויזואליזציה מרחבית. המטרה הבסיסית של האנימציה הקרטוגרפית היא תיאור השינוי. ניתן לסווג את סוגי השינוי כזמני ולא זמני. רוב האנימציות הקרטוגרפיות מתארות שינוי לאורך זמן. אפשר גם הנפשה קרטוגרפית לא זמנית. דוגמאות כוללות הנפשות של סיווג נתונים, הכללת נתונים ושורה של משתנים קשורים מתקופת זמן אחת.

מספר כלים זמינים כעת לסייע בייצור אנימציות קרטוגרפיות. ניתן לסווג כלים אלה כאנימציה המבוססת על מסגרות או יצוק. אנימציה מבוססת מסגרת משלבת סדרת מפות שנוצרות בדרך כלל על ידי תוכנית אחרת. המפות מאוחסנות בצורת רסטר וניתן להציב אותן על המסך במהירות של עד 30-60 פריימים בשנייה. באנימציה מבוססת קאסט משתמשים בתסריט כדי לגרום לאובייקטים בחזית לנוע על רקע. צורת אנימציה זו אינה דורשת יצירת מסגרות בודדות. שתי שיטות האנימציה הקרטוגרפית נבדקות על שימושיותן בהדמיה מרחבית.

מבוא

ויזואליזציה היא יצירת תמונות גרפיקה ממוחשבות המציגות נתונים לצורך פרשנות אנושית, במיוחד של נתונים מדעיים רב ממדים. הוא פורש באופן רחב כשיטת מחשוב המשלבת איסוף נתונים, ארגון, דוגמנות וייצוג. ויזואליזציה מבוססת על היכולת האנושית לכפות סדר ולזהות דפוסים.

פועל יוצא של ניתוח סטטיסטי, ויזואליזציה משמשת כיום במגוון תחומים. זה השפיע מאוד על כל צורות ניתוח הנתונים. לדוגמה, תוכניות זמינות לתרשים משתנים x, y ו- z (למשל, Abacus MacSpin). התוכניות משתמשות באנימציה כדי 'לסובב' גרף תלת מימדי המתאר את הנתונים. האנימציה הופכת ענן נקודות הקיים בתלת מימד לגלוי.

ויזואליזציה קרטוגרפית, המכונה לעתים הדמיה גאוגרפית, מתפרשת כשימוש בטכניקות דומות להצגת מפות. בדיון על האפשרויות של טכנולוגיית המחשב, MacEachren ו- Monmonier כותבים:

המחשב מאפשר תיאור ישיר של תנועה ושינוי, תצוגות מרובות של אותם נתונים, אינטראקציה של משתמשים עם מפות, ריאליזם (באמצעות תצוגות סטריאו תלת-ממדיות וטכניקות אחרות), ריאליזם כוזב (באמצעות יצירת נופים פרקטליים), וערבוב של מפות עם גרפיקה, טקסט וצליל אחרים. ויזואליזציה גיאוגרפית באמצעות מערך הטכנולוגיות המחשב ההולך וגדל שלנו מאפשרת חשיבה ויזואלית/אינטראקציה עם מפות להתקיים בזמן אמת עם תצוגות קרטוגרפיות המוצגות מהר ככל שהאנליסט יכול לחשוב על הצורך בהן (1992, עמ '197).

באופן חלקי, העניין הרב בהדמיה בתוך הקרטוגרפיה הוא תגובה לתצוגה מבוססת נתונים של מפות שהופיעו יחד עם צמיחת מערכות המידע הגיאוגרפיות. המשתמע מתצוגת בסיס הנתונים הוא הרעיון שניתן לפרק את כל האלמנטים של המפה ולייצג אותם בתוך קובץ במחשב. יתר על כן, לאחר קידוד כל כך, כל הניתוח יכול להמשיך עם בסיס הנתונים ללא כל צורך בייצוג גרפי או מעורבות אנושית. תצוגה זו של מפות יכולה להיקרא קרטוגרפיה לא גרפית. ויזואליזציה מאשרת מחדש את חשיבות האיור הגרפי בכל היבטי הניתוח והפרשנות. הוא מכיר בכך שלאדם יש יכולות מיוחדות לפרש תצוגות גרפיות.

מרכיבים חשובים בממשק ההדמיה הם אינטראקטיביות ואנימציה. בעוד שמערכות GIS הדגישו את האינטראקציה, הן עם המרכיב הגרפי של המפה והן עם הנתונים הבסיסיים, הן לא שילבו אנימציה. זה נובע בחלקו ממגבלות חומרה וחוסר תאימות להצגת אנימציות. עם זאת, ההימנעות מאנימציה קשורה גם לקיבוע כללי על המפה היחידה, תוצאה של ניסיון של מאות שנים רבות בצורת ייצוג זו.

אנימציה קרטוגרפית

ניתן להגדיר הנפשה כיצירת אשליה של תנועה או שינוי על ידי הצגה מהירה של מסגרות בודדות, כמו בסרטים או בוידאו (Roncarelli 1988). דוגמה נפוצה תהיה תנועת דמות מצוירת. ניתן לפרש תנועה גם כשינוי בפרספקטיבה של הצופה כשהדמות נשארת דוממת.

היתרונות וההיתכנות של אנימציה קרטוגרפית תוארו על ידי נורמן Thrower כבר בשנת 1959 (Thrower 1959, 1961) שראה את הפוטנציאל שלה מבחינת הסרט. המחשב שימש במהרה ליצירת המסגרות הבודדות (קורנוול ורובינסון 1966). בשנים שחלפו מאז היו מעט דוגמאות לאנימציות קרטוגרפיות, בעיקר בשל מורכבות יצירתן וקיבוע קרטוגרפים על המפה המודפסת (קמפבל ואגברט 1990 קארל 1992). יוצאים מן הכלל כוללים אנימציות קרטוגרפיות המתארות את צמיחתה של עיר (טובלר 1970), תאונות דרכים (Moellering 1972, 1973a, 1973b), גידול האוכלוסייה באזור עירוני (Rase 1974) וחפצים קרטוגרפיים תלת מימדיים (Moellering 1980a, 1980b).

התרומות האחרונות באנימציה קרטוגרפית ניסו לגבש בסיס רעיוני לשימוש באנימציה בקרטוגרפיה. Monmonier (1990) הציע מנגנון סקריפטים לניהול הצגת סדרת מפות ו- DiBiase et al., (1992) מתווים שורה של משתנים דינאמיים לאנימציה קרטוגרפית.

הנפשת המפות נקשרה בעיקר לייצוג השינוי לאורך זמן. דוגמאות לאנימציות זמניות יכללו שינויים בהכנסה לנפש, הגידול בצפיפות האוכלוסייה או התפשטות שיטת חקלאות כגון השקיה. אנימציות קרטוגרפיות שימושיות גם למטרות אחרות, כגון תיאור העיוות הנגרם על ידי הקרנת מפה (Gersmehl 1990), משטח תלת ממדי (Moellering 1980a, 1980b) או סיווג הנתונים (פיטרסון 1993). שימושים לא זמניים כאלה באנימציה בקרטוגרפיה עשויים להתפתח ליישום העיקרי של הטכניקה.

אנימציה קרטוגרפית זמנית

בקרטוגרפיה, אנימציה מוגדרת בדרך כלל כתיאור השינוי לאורך זמן. המפות באיור 1 הן מסגרות נבחרות של אנימציה המתארת ​​את השינוי באוכלוסייה מעל 65 בארצות הברית. למרות שהנתונים נרשמים במרווחים של עשר שנים על ידי לשכת המפקד, ניתן לבצע אינטרפולציה של ערכי הנתונים מדי שנה או משנה שנתית כדי ליצור יותר מסגרות. המטרה של סוג אנימציה זה להראות שינוי לאורך זמן.

אנימציה קרטוגרפית לא זמנית

סוגים אחרים של אנימציה קרטוגרפית אינם מתארים שינוי לאורך זמן. המפות באיור 2 הן מסגרות בודדות מסוג הכללה של אנימציה קרטוגרפית. המפות המתוארות באנימציה משתנות משתי לשש מחלקות ומראות את ההשפעה של מספר קטגוריות הנתונים על התפלגות ממופה.

ניתן לראות את ההשפעה של סיווג הנתונים בעזרת הנפשת סיווג. כאן, כל מסגרת של האנימציה מתארת ​​תכנית סיווג שונה. קיימות מספר שיטות סטטיסטיות ולא סטטיסטיות שונות לסיווג נתונים כמותיים (למשל סטיית תקן, הפסקות טבעיות ראה Dent 1993). איור 3 מתאר את המסגרות הבודדות של הנפשת סיווג. הצפייה באנימציה של סיווג יכולה להציג את מגוון אפשרויות הסיווג במהירות ולספק מבט פחות מטעה על הנתונים מאשר פשוט להסתמך על מפה אחת.

סוג אחר של אנימציה יהיה תיאור מגמה מרחבית. מגמה מרחבית יכולה להיות ניכרת כאשר בוחנים סדרה של משתנים קשורים. לדוגמה, אחוז האוכלוסייה בקבוצות הגיל (5-13, 19-24, 45-54 שנים וכו ') בדרך כלל יראה אזוריות ברורה בעיר כשהאוכלוסיות המבוגרות יותר קרובות למרכז ואוכלוסיות צעירות יותר קרובות יותר הפריפריה. אנימציה של קבוצות גיל צעירות לבוגרות מתארת ​​ערכים גבוהים הנעים מפריפריה של עיר למרכז (ראו איור 4). משתנים כגון הכנסה והערכת דיור מתארים מגמות גיאוגרפיות דומות.

מספר סוגים שונים של אנימציות לא-זמניות אפשריות בעזרת מפות. כנראה שהשימוש הנפוץ ביותר הוא 'זבוב-דרך'. מולרלינג (1980a, 1980b) הראה כיצד ניתן ליצור אנימציה של אובייקט תלת מימדי על ידי תנועה סביבו בזמן. הטכניקה הורחבה על ידי שילוב של תמונה דיגיטלית של כדור הארץ ומודל גובה. מספר גדול של תצוגות אלכסוניות נבנות לאחר מכן כדי לדמות טיסה בשטח. השיטה הודגמה ב- LA: The Movie שיצרה המעבדה להנע סילוני. מסגרות בודדות של הסרט מוצגות באיור 5.

בהתחשב במספר היישומים השונים, ניתן להגדיר הנפשה קרטוגרפית בצורה הטובה ביותר כתיאור השינוי באמצעות הצגת סדרת מפות ברצף מהיר. הצמיחה של עיר או זרימת נחל סילון מראים שינוי במיקום. אנימציות זמניות מתארות שינוי לאורך זמן. אנימציות לא-זמניות מציגות שינוי הנגרם על ידי גורמים אחרים מלבד הזמן.

משתני אנימציה

סקירה של משתני האנימציה השונים מסייעת להראות את היישום הפוטנציאלי של האנימציה בקרטוגרפיה. משתני האנימציה כוללים מניפולציות גרפיות וצליל. ניתן להשתמש בקול להדגשת אנימציה. לדוגמה, שינוי גובה הצליל יכול ללוות "זום קרטוגרפי" כאשר המגרש גדל ככל שמתקרבים. המשתנים הגרפיים של האנימציה כוללים (לאחר הייוורד, עמ '9):

1) גודל - ניתן לשנות את גודל השטח במפה כדי להציג שינויים בערך. לדוגמה, גודל המדינות גדול יותר או קטן יותר באופן יחסי כדי לתאר את כמות עתודות הנפט או הפחם. ניתן להשתמש באנימציה כדי להפוך את מפת עתודות הנפט למפת עתודות הפחם כדי להראות את ההבדלים במיקום השמורות.

2) צורה - ניתן לגרום לאזור במפה לשנות את צורתו. הצורה (והגודל) של גרינלנד משתנים כתוצאה מהשפעת הקרנת מפה. ניתן להשתמש באנימציה כדי למזג בין שתי הצורות כדי להדגיש את ההשפעה של התחזיות השונות.

3) מיקום - נקודה מועברת על פני המפה כדי להציג שינוי במיקום. לדוגמה, מרכז האוכלוסייה בארצות הברית נע בעקביות מערבה, ולאחרונה לדרום. ניתן להשתמש באנימציה לתיאור תנועה זו לאורך זמן.

4) מהירות - מהירות התנועה משתנה כדי להדגיש את קצב השינוי כמו למשל עם אנימציה המתארת ​​את התנועה במרכז האוכלוסייה בארצות הברית.

5) נקודת מבט - שינוי בזווית הראייה יכול לשמש להדגשת חלק מסוים במפה כחלק מהנפשה. אנימציה של שינוי האוכלוסייה בארצות הברית עשויה להשתמש בזווית ראייה הממקדת את תשומת הלב במדינות המערב והדרום שבהן התרחשו גידול משמעותי באוכלוסייה.

6) מרחק - שינוי בסמיכות הצופה למקום, כמו במקרה של מבט פרספקטיבי. בקרטוגרפיה, משתנה המרחק עשוי להתפרש כשינוי בקנה מידה.

7) סצנה - השימוש באפקטים החזותיים של דהייה, ערבוב וניגוב לציון מעבר באנימציה מנושא אחד למשנהו.

8) מרקם, דפוס, הצללה, צבע - משתנים גרפיים שעשויים לתאר שינוי פרספקטיבה של אובייקט תלת ממדי. ניתן להשתמש בהם גם כדי 'להבהב' חלק מהמפה כדי להדגיש תכונה.

אנימציה ככלי חקר

אנימציה יכולה לשמש ככלי חקר לאיתור קווי דמיון או הבדלים בהפצה בתוך סדרת מפות. הדבר אפשרי במיוחד כאשר ניתן לגשת באופן אינטראקטיבי למסגרות הבודדות באנימציה ולעבור במהירות בין מפות בודדות או רצפי מפות.

קרטוגרפים התאימו את שיטות הוויזואליזציה, רבות שפותחו בתוך הסטטיסטיקה, להצגת מפות. אחת השיטות הללו נקראת reexpression (DiBiase et al., 1992). המונח מציין ייצוג גרפי חלופי הנובע משינוי הנתונים המקוריים. שלושה סוגים של ביטוי מחדש מוצעים לשימוש קרטוגרפי: צחצוח, סידור מחדש וקצב:

מברשת: היא תת -קבוצה אינטראקטיבית של נתונים כמו בבחירת ערכי הנתונים בתוך פיזור פיזור. לגבי מפות, מוצעים לקשור נקודות למיקומן הגיאוגרפי במפה (Monmonier 1989). אפשר גם 'לצחצח' על פני המפה כדי לבחור את הנקודות המתאימות במגרש הפיזור.

סידור מחדש: סדר הסצנות באנימציה מסדרת זמן הוא בדרך כלל מתחילתו ועד סופו. סידור מחדש כולל הצגת הסצנות בסדר אחר, בדרך כלל על פי תכונה. DiBiase, et. אל. (1992), תן דוגמה לתיאור אירועי רעידת אדמה. אנימציה מסדרת זמן טיפוסית תתאר אירועי רעידת אדמה לאורך זמן. גישה נוספת תהיה לסדר את המסגרות לפי מספר מקרי המוות שנגרמו ברעידת האדמה. בדרך זו מושם דגש על מידת חומרת רעידת האדמה. קצב: קצב מתייחס לשינוי משך הסצנות. שוב, באמצעות הדוגמה לרעידת אדמה, DiBiase, et. אל. (1992), מציעים שמשך הסצנה יהיה פרופורציונלי לגודל רעידת האדמה או למספר ההרוגים.

יצירת אנימציה קרטוגרפית

אנימציות נוצרו בעת ובעונה אחת באופן ידני, מסגרת בכל פעם והועברו על סרט.הטכניקות שפותחו עבור אנימציה ממוחשבת חורגות בהרבה מאלה של אנימציה קולנועית.

גרסמהל (1990) מבחין בין שבעה סוגים של אנימציה ממוחשבת החלים על קרטוגרפיה. את שבעת אלה ניתן לקבץ לשתי קטגוריות: אנימציה מבוססת פריימים ואנימציה מבוססת קאסט. השניים שונים באופן יצירת האנימציה. באנימציה מבוססת מסגרות, המסגרות הבודדות אינן חולקות אלמנטים משותפים. סוגי האנימציה המבוססת על מסגרות כוללים את ספר החוברות ואת מצגת השקופיות. בעזרת אנימציה מבוססת יצוק, ניתן לגרום לאובייקטים קדמיים לנוע על רקע. הגישות המתוחכמות יותר לאנימציה מבוססת קאסט מאפשרות לאובייקטים של רקע וחזית להתנועע בו זמנית. דוגמאות לגישה המבוססת על יצוק כוללות את ספרייט, שלב-משחק, רכיבה על אופניים בצבע, מטמורפוזה (tweening פולימורפי) ומודל ומצלמה.

אנימציה מבוססת מסגרת

הגישה המבוססת על מסגרת לאנימציה היא הצורה הפשוטה ביותר של אנימציה. ניתן ליצור את המסגרות הבודדות באמצעות תוכנה גרפית, מיפוי או GIS. מסגרות רבות נדרשות אפילו למספר שניות של אנימציה. אשליית התנועה או השינוי נוצרת על ידי הצגת המסגרות במהירות.

קיימות מספר תוכניות להרכבה, אחסון והצגה של אנימציה מסוג זה. הסוג הראשון, תוכניות מצגת (למשל, PowerPoint (Microsoft), שכנוע (Aldus) ופרילאנס גרפיקה (Lotus)), מיועדות להצגת טקסט וגרפיקה כחלק ממצגת אך יכולות גם להציג סדרה של מסגרות בודדות ב שיעורי הנפשה. ניתן לבצע תוכניות לעריכת מולטימדיה מבוססות כרטיסים או דפים כמו HyperCard כדי להציג סדרת מסגרות במהירות. היתרון בתוכניות אלו הוא בכך שהן מיועדות לשימוש אינטראקטיבי. המשתמש יכול לבחור באופן אינטראקטיבי אנימציה וגם לשלוט על מהירות התצוגה. תוכניות מסוימות לעיבוד תמונות יכולות לשמש לאנימציה. עם NCSA Image, תוכנית עיבוד וניתוח של רשות הציבור, הנפשות נוצרות על ידי ציון אפשרות הנפשה ולאחר מכן פתיחת סדרת תמונות. התוכנית מחייה ערימה על ידי הצגה חוזרת של הפרוסות שלה (פריימים) ברצף. לבסוף, תוכניות לעריכת סרטים דיגיטליים (למשל, Adobe Premiere) יכולות לשלב קבצים גרפיים, תמונות סטילס, רצפי שמע ווידאו ליצירת אנימציות.

אנימציה מבוססת קאסט

אנימציה מבוססת קאסט מבוססת על הרעיון של 'הסל'. צורה זו של אנימציה קשורה לאנימציה קולנועית קונבנציונאלית ושימוש במספר גיליונות שקופים ליצירת מסגרת שלמה. סל היא שכבה אינדיבידואלית של מסגרת אנימציה ומסגרת יכולה להיות מורכבת משכבות רבות. מסגרת של אנימציה יכולה להיות מורכבת מרקע (נוף) ומסדרת צלמים בחזית המכילה אובייקט שניתן לגרום לו לנוע על הרקע.

ישנם ארבעה סוגים של אנימציה מבוססת קאסט דו-ממדית: ספרייט, במה ומשחק, רכיבה על אופניים בצבע ומטאמורפוזה. הספריט והבמה והמחזה הם יישומים של מושג קדמי/רקע מבוסס תא זה באנימציה. הספרייט הוא פשוט אובייקט הנע על רקע סטטי. הנפשת ספרייט נפוצה בדרך כלל במשחקי וידאו כמו PacMan. סוג האנימציה הבמה והמחזה הוא צורה מורכבת יותר של הספרייט. כאן, האובייקט או השחקן בחזית יכולים להשתנות במראהו או במהירות התנועה שלו. הרקע יכול גם להשתנות במקביל לשינויים בחזית. משחקי וידאו מתוחכמים יותר (למשל מירוצי מכוניות) מיישמים אנימציה מסוג זה.

רכיבה על אופניים בצבע עושה שימוש בדרך שבה הצבעים מיוצגים על מסך המחשב. בעזרת טכניקה זו, מסלול מוגדר ומתפרק לקטעים קטנים. כל קטע מקבל צבע מעט שונה. ואז הצבעים מועברים במורד כל קטע בנתיב כדי ליצור רושם של תנועה. שינוי מהיר זה של צבע לאורך שביל משמש לדמות תנועה, כפי שנהוג לעשות עם ייצוג זרם הסילון במפות מזג אוויר בטלוויזיה (איור 6 א).

מטמורפוזה, הנקראת גם tweening פולימורפית, היא ההליך המשמש לשינוי צורה אחת לאחרת (איור 6 ב). לדוגמה, יכול להיות אובייקט גרפי של דג ואחר של ציפור. לאחר מכן היה אומר לתוכנה להפוך את הדג לציפור והיא תחשב את המסגרות ה'בין 'כדי לגרום לה להיראות כאילו השינוי מתרחש. ניתן לשלב זאת עם פעולת הספרייט להראות את הדגים קופצים מתוך אגם, הופכים לציפור ועפים לאוויר.

תוכניות אנימציה מלאות מיישמות את כל או כמעט כל טכניקות האנימציה שתוארו קודם לכן. התוכניות משלבות סביבה משולבת של עריכת גרפיקה ותסריטים. דוגמאות לתוכניות בקטגוריה זו כוללות: מנהל MacroMedia עבור Macintosh ו- AutoDesk Animator/Animator Pro עבור DOS.

סיכום

ויזואליזציה היא תהליך נפשי. הוא תלוי בזיהוי דפוסים בתצוגות סטטיות ודינמיות כאחד. מפה בודדת מתארת ​​דפוס סטטי. אנימציה מציגה דפוסים לאורך זמן. ניתן להשתמש ברכיב הזמן להצגת דפוסים שמקורם זמני או לא זמני.

אנימציה היא טכניקה חשובה בשימוש והבנת הנתונים המרחבים שלנו. אנימציה קרטוגרפית מדגימה שמפות בודדות הן רק תצלום בזמן. צריך לשאול: מה היה קודם? מה יבוא אחרי? אילו מגמות היו ניכרות אם ניתן היה לצפות באלמנט הזמן כאנימציה? המפה האישית היא צילום לא רק בזמן, אלא גם מבחינת הנתונים. אילו מגמות לא-זמניות יתבררו אם תראה מפה יחד עם מערכי נתונים קשורים אחרים (למשל, חלוקת הגילאים בעיר)? לבסוף, המפה האישית היא צילום מהיר בבחירת צורות הייצוג ששימשו לתיאור העולם. השימוש בסמלים או בסיווגי נתונים שונים יכול להוות גם אנימציה.

מגוון טכניקות קשורות לאנימציה ממוחשבת. הצורה הפשוטה ביותר היא אנימציה המבוססת על מסגרות המציגה סדרת פריימים ברצף מהיר. תוכניות ליצירת מצגות אינטראקטיביות, שילוב מולטימדיה ועיבוד תמונות עשויות לשמש כולן להרכבת אנימציה כזו. זוהי הגישה האפשרית ביותר ליצירת אנימציה קרטוגרפית אם יש תוכנית אחרת ליצירת המפות הבודדות. הליכי אנימציה נוספים קשורים לאנימציה המבוססת על צוות שחקנים, כולל: ספרייט, במה ומשחק, רכיבה על אופניים בצבע ומטאמורפוזה. ניתן להשתמש בטכניקות אלה ליצירה אינטראקטיבית של אנימציה קרטוגרפית עם מפת בסיס, אם כי התהליך יכול להיות זמן רב.

תוכניות מחשבים לאנימציה קרטוגרפית מונעת נתונים עדיין אינן זמינות באופן נרחב. פותחה תוכנית לאנימציה אינטראקטיבית של מפות choropleth (MacChoro ל- Apple Macintosh). התוכנית מדגימה שניתן להוסיף אנימציה מסוג מסגרת לתוכנית קיימת למיפוי מחשבים. ניתן לשלב הליכים מבוססי מסגרת בתוך תוכניות GIS וזה יגדיל משמעותית את הנגישות לצורה זו של הדמיה מרחבית.

הפניות

קמפבל, C.S. ואגברט, E.L. (1990). & quotAnimated Cartography: 30 שנים של גירוד על פני השטח. & quot Cartographica, כרך. 27, לא. 2, עמ '24-46.

קורנוול, ב 'ורובינסון, א' (1966). & quot אפשרויות לסרטים מונפשים ממוחשבים בקרטוגרפיה. & quot Journal Journal, כרך. 3, לא. 2, עמ '79-82.

דנט, ב '(1993). קרטוגרפיה: עיצוב מפות נושאיות. Dubuque, lowa: Wm. מוציאים לאור בראון.

DiBiase, D., MacEachren, A., Kygier, J. ו- Reeves, C. (1992). & quot אנימציה ותפקיד עיצוב המפות בהדמיה מדעית. & quot קרטוגרפיה ומערכות מידע גיאוגרפיות, כרך. 19, מס '4, 1992, עמ' 201 214, 265266.

גרסמהל, פיליפ ג'יי (1990) & quot כלים לבחירה: תשע מטפורות של קרטוגרפיה בת ארבעה ממדים. & פרספקטיבות קרטוגרפיות, לא. 5, 1990, עמ '3-17.

הייוורד, סטן. (1984). מחשבים לאנימציה. לונדון: עיתונות מוקד.

Karl, D. (1992) & quot אנימציה קרטוגרפית: סוגיות פוטנציאליות ומחקריות. & Quot; פרספקטיבות קרטוגרפיות מס '13, עמ' 3-9.

מקאצ'רן, א.מ. & amp Monmonier, M.S. (1992). מבוא. קרטוגרפיה ומערכות מידע גיאוגרפיות 19: 4, עמ '197-200.

מולרינג, ה. (1980 ב). "אסטרטגיות לקרטוגרפיה בזמן אמת", כתב העת Cartographic Journal, כרך. 17, עמ '12-15.

מולרינג, ה. (1973a). "סרט אנימציה ממוחשב: קרטוגרפיה דינמית." הליכים, איגוד מכונות מחשוב, עמ '64-69.

מולרינג, ה. (1973 ב). & quot 8, עמ '215-227.

מולרינג, ה. (1972). & quot

מונמונייה, מארק ס. (1990). & quot אסטרטגיות להדמיה של נתוני סדרות זמן גיאוגרפיות. & quot Cartographica, כרך. 27, לא. 1, עמ '30-45.

מונמונייה, מארק ס. (1989). צחצוח גיאוגרפי: שיפור ניתוח חקר של מטריצת הפיזור. ניתוח גיאוגרפי, כרך. 21, מס '1, עמ' 81-84.

פיטרסון, מייקל פ. (1995) קרטוגרפיה אינטראקטיבית ואנימציה, צוקי אנגלווד, ניו ג'רזי: אולם פרנטיס. פיטרסון, מ.פ. (1993). אנימציה קרטוגרפית אינטראקטיבית. & קרטוגרפיה ומערכות מידע גיאוגרפיות, כרך. 20, מס '1, עמ' 40-44.

רונקרלי, רובי (1988). מילון אנימציה ממוחשבת, ניו יורק ברלין: שפרינגר וראל, 124 עמ '.

Thrower, N. (1961). & quotAnimated Cartography in the United States. & quot; ספר השנה הבינלאומי לקרטוגרפיה, כרך 1, עמ '20-29.

טובלר, וו. (1970). & quotA סרט מחשבים המדמה צמיחה עירונית באזור דטרויט. & quot Economic Geography, כרך. 46, עמ '234-240.


יישומי GIS לסוציו-כלכלה ואנושיות

דניאל א 'גריפית, יונגוואן צ'ון, במערכות מידע גיאוגרפיות מקיפות, 2018

3.01.3.1 המשגה של אוטוקורלציה מרחבית

אוטוקורלציה מרחבית היא מקרה מיוחד של מתאם, שהוא התפיסה הגלובלית ששני מייחסים משתנים איקס ו י יש מידה מסוימת של יישור בין הגדלים היחסיים של הערכים שלהם. עם מתאם, ליישור חיובי, ערכים גדולים של איקס נוטים ליישר קו עם ערכים גדולים של י, ערכי ביניים של איקס נוטים ליישר קו עם ערכי ביניים של י, וערכים קטנים של איקס נוטים ליישר קו עם ערכים קטנים של י. לעומת זאת, עבור יישור שלילי, ערכים גדולים של איקס נוטים ליישר קו עם ערכים קטנים של י, ערכי ביניים של איקס נוטים ליישר קו עם ערכי ביניים של י, וערכים קטנים של איקס נוטים ליישר קו עם ערכים גדולים של י. ללא יישור, התערובת של איקס ו י זוגות ערך הם מקריים. ככל שהיישור משתפר יותר ויותר, הקשר המתאים מתחזק, עם נקודות (איקסאני, yאני), אני = 1, 2, …, נ, מתארגן יותר ויותר באופן שיטתי ליצירת קו ישר. יישור זה אינו משתנה על ידי בדיקת סטיות מאמצעים משתנים, מה שמביא לפשט שימושי. במילים אחרות, איקס ניתן להחליף ב- X - X ¯ ו- י ניתן להחליף ב- Y - Y ¯, אשר רק מעביר את מרכז החלקה לעבר מקור גרף דו ממדי.

עם מתאם אוטומטי מרחבי, פונקציה כלשהי של ערכים שכנים של Y - Y ¯, נגיד ∑ j = 1 n c i j y j - y ¯ עבור y i - y ¯, מחליף X - X ¯, כאשר גij = 1 אם מיקומים אני ו י הם שכנים, ו גij = 0 אחרת (החלק הבא מציג דיון במטריצה ​​שנבנתה עם אלה גij ערכים). במילים אחרות, עבור אוטוקורלציה מרחבית חיובית, ערכים גדולים של yi - y ¯ נוטים להתיישר עם ערכים גדולים של ∑ j = 1 ncijyj - y ¯, ערכי ביניים של yi - y ¯ נוטים להתיישר עם ערכי ביניים של ∑ j = 1 ncijyj - y ¯, וערכים קטנים של yi - y ¯ נוטים להתיישר עם ערכים קטנים של ∑ j = 1 ncijyj - y ¯. לעומת זאת, עבור יישור שלילי, ערכים גדולים של yi - y ¯ נוטים להתיישר עם ערכים קטנים של ∑ j = 1 ncijyj - y ¯, ערכי ביניים של yi - y ¯ נוטים להתיישר עם ערכי ביניים של ∑ j = 1 ncijyj - y ¯, וערכים קטנים של yi - y ¯ נוטים להתיישר עם ערכים גדולים של ∑ j = 1 ncijyj - y ¯. ללא יישור, התערובת של y i - y ¯ ו- ∑ j = 1 n c i j y j - y ¯ זוגות ערך היא מקרית. איור 2 מספקת קבוצה של דפוסי מפת התפלגות גיאוגרפית סינתטית הממחישים סוגים שונים ודרגות של אוטוקורלציה מרחבית עבור מחיצות השטח של המטרופולין בסיאול.

איור 2. דפוסי מפה של התפלגות גיאוגרפית הממחישים סוגים שונים ודרגות של אוטוקורלציה מרחבית עבור חלוקת שטח המטרופולין של סיאול. (א) חיובי מרבי, (ב) חיובי בינוני, (ג) חיובי חלש ו (ד) שלילי מרבי.

שכתוב מחדש של מקדם המתאם לרגע המוצר של פירסון, במיוחד כסטטיסטיקה האוטוקורלציה המרחבית של MC, מדגימה את ההקבלה הזו בין מתאם לאוטוקורלציה מרחבית, ששניהם נתונים סטטיסטיים של משתנים. מקדם לשעבר זה יכול להיכתב כדלקמן:

המונח ∑ i = 1 n 1 = n מציין את חישוב הממוצע. מכיוון y j - y ¯ מחליף x i - x ¯, ניתן לשכתב נוסחה זו כדלקמן:

כאשר הביטוי הימני הוא ה- MC. ההחלפות בתרגום נוסחה זו הן כדלקמן: (1) y j - y ¯ מחליף x i - x ¯ במונה (2) גij מחליף 1 במניין (3) לחישוב הממוצע הנכון, ∑ i = 1 n ∑ j = 1 ncij מחליף ∑ i = 1 n 1 במונה (כלומר, הממוצע עולה על כל הערכים השכנים, ולא רק ה- n ערכים שנצפו) ו- (4) yi - y ¯ מחליף xi - x ¯ במכנה (כלומר, yאני ו yי הם מאותו משתנה, י). לכן, לאחר סידור מחדש של מונחים, מקדם המתאם של רגע המוצר של פירסון מתרגם לסטטיסטיקה האוטוקורלציה המרחבית של MC. הבדל חשוב אחד בין שני המקדמים הללו הוא שהראשון נע בין - 1 ל -1, כאשר 0 אינו מציין יישור, ואילו השני נע בין ערכים קיצוניים הנקבעים על ידי הערכים העצמיים הקיצוניים של מטריצה ​​הבנויה עם גij (de Jong et al., 1984 ראה את הסעיף הבא), עם - 1/(נ - 1) לא מציין יישור. טווח שני זה תלוי נ, ולעתים קרובות הוא בין 0.6 ל -1.2.

לאור רקע זה, מתעוררות תפיסות שונות של אוטוקורלציה מרחבית המבוססות על ייחודיות שונה של מאפיין נתונים זה. הפשוט שבהם הוא מילולי: מכיוון שהקידומת אוטומטי פירושה עצמי, מתאם עצמי המיוחס לקרבת ערכי התכונה. כותב מחדש את ה- MC כ

מתייחס לזה ישירות למגרש פיזור מורן: zאני הוא הציר האופקי, ו- ∑ j = 1 n c i j z j הוא הציר האנכי. כתוצאה מכך, ניתן לתאר אוטוקורלציה מרחבית במונחים של קו מגמת פיזור מורן או תבנית מפה. מכיוון שפיזור פיזור מציג גם את מידת היישור (כלומר, כמות הפיזור על קו מגמה), פיזור המורן מרמז על כך שניתן לתאר את האוטוקורלציה המרחבית במונחים של תוכן מידע, או מידע מיותר (המתייחס להגדרה הקודמת של משתנה אקראי. ). בהקשר אקונומטרי, ניתן להתייחס לאוטוקורלציה מרחבית כאל חיצוניות מרחבית או השפעת מרחב. תמחור הדירות בארצות הברית הוא אחת הדוגמאות הברורות ביותר לנקודת מבט זו. דוגמה התנהגותית היא הרגל החיקוי של דבורי בומבוס שודד: בשדה נתון, ברגע שחור ננקב בצד שמאל או ימין של פרח רעשן צהוב על ידי דבורה דבורית שודד, כמעט כל החורים נקבים בצד זה. של כל הפרחים על ידי פרק נתון של הדבורים (חיקוי התנהגות הנובע מאינטראקציה מרחבית). מכיוון שצבירה גיאוגרפית מייצרת החלקה ודיכוי וריאציה גיאוגרפית, המשגה נוספת של האוטוקורלציה המרחבית מעידה עליה כאינדיקטור לתיחום יחידת שטח מתאים. מדען מרחבי עשוי לרצות שיהיו לו מצולעים שאינם מראים שום אוטוקורלציה מרחבית, ומכאן מיקומים מצטברים להשגת מטרה זו. צבירת רזולוציה גיאוגרפית המציגה אוטוקורלציה מרחבית שלילית מניבה רזולוציה גסה יותר בוודאות המציגה אוטוקורלציה מרחבית לא או חיובית. קונספטואליזציה נוספת המיועדת לאקונומטריה המרחבית היא שהאוטוקורלציה המרחבית מייצגת את נוכחותם של משתנים חסרים המכילים דפוס מפה, וההתייחסות לכך היא פונדקאית למשתנים חסרים אלה, המתייחסת לבעיות כגון הטיית משתנים שהושמטו במקדמים משוערים. בהארכת המשגה זו, נוכחותה של מתאם אוטומטי מרחבי ללא אפס יכולה לשמש כלי אבחון, במיוחד לניתוח שיורי מודל.

לסיכום, קיימים מספר מושגים לאוטוקורלציה מרחבית המתארים אותו כנכס נתונים שימושי. עם זאת, המשגה של זה כפרמטר מטרד לא. טריוויאליזציה כזו של האוטוקורלציה המרחבית מצביעה על כך שיש לתת את הדעת על השפעותיה, אך יש לבודד אותה ולזרוק אותה. נקודת מבט זו אינה עולה בקנה אחד עם הטענה שגיאוגרפיה חשובה.


ניתוח טכנולוגיית ויזואליזציה של מערכת מידע גיאוגרפית תלת מימדית

התכנון העירוני המסורתי מתבטא בדרך כלל במערכת מידע גיאוגרפית דו ממדית, אך הביצועים שלה מוגבלים לכיוון המטוס. זה לא יכול לתת לאנשים רגשות טבעיים יותר וחוויות ראייתיים. ההתפתחות המהירה של מערכות מידע גיאוגרפיות תלת ממדיות מביאה לאנשים מידע גיאוגרפי. החוויה האינטואיטיבית בתלת מימד, אך למערכת המידע הגאוגרפית התלת מימדית המסורתית יש את החסרונות שהתכונות המרחביות אינן תואמות, מהירות עיבוד התמונה איטית ואפקט ההדמיה גרוע. במאמר זה, שיטת העיבוד המסורתית הממוקדת תחום משופרת בעיבוד ובמידול נתונים מרחביים. מוצע אלגוריתם אופטימיזציה מונחה עצמים מותאם. המידע הגיאוגרפי התלת מימדי מותאם על סמך מודל דינמי רב-פתרונות וטכנולוגיית עיבוד פירוט רב-שכבתית. עיבוד המערכת משפר את ההדמיה. בהתבסס על אלגוריתם האופטימיזציה של טכנולוגיית עיבוד הנתונים וההדמיה המוצעים במאמר זה, פלטפורמת עיבוד הנתונים המרחבית GISdata של 3D GIS מתוכננת במאמר זה. במקביל, ה- 3D GIS מדומה על בסיס תוכנת הדמיה של OpenGL. מוצג כי לאלגוריתם האופטימיזציה המוצע במאמר זה יש השפעות קדם ניסיוניות מצוינות.

1. הקדמה

מערכות המידע הגאוגרפיות התלת מימדיות (3D) הן נושא רחב, הכולל בעיקר דיסציפלינות רבות כגון טכנולוגיית מחשוב, קרטוגרפיה, מדידות ומיפוי. טכנולוגיית ההדמיה של 3D GIS היא טכנולוגיית מסחור היישומים של 3D GIS. תחומים רבים דורשים טכנולוגיית הדמיה של 3D GIS, כגון בנייה עירונית, כוח, בניית תחבורה וכו '.כדי להפוך את טכנולוגיית ההדמיה של 3D GIS לטובה יותר ולספק שירותי בני אדם טובים ונוחים יותר, אופטימיזציה ופיתוח הטכנולוגיה הפכו להיות חשובים מאוד [1-3].

בהשוואה למערכת המידע הגיאוגרפית הדו-ממדית, מערכת המידע הגאוגרפית התלת-ממדית מסובכת יותר בדוגמנות שכן היא מיישמת באופן מקיף טכנולוגיות מודרניות שונות, ויתרונותיה ברורים גם [4]. נכון לעכשיו, לטכנולוגיית היישום של 3D GIS עדיין יש בעיות כגון קושי דוגמנות בקנה מידה גדול, אלגוריתמים קיימים בלתי סבירים לעיבוד נתונים ואפקט תצוגה תלת ממדי גרוע [5]. לכן, יש צורך לבצע עיבוד ומידול נתונים בקנה מידה גדול על בסיס מאגר המפות הקיים והנתונים הקיימים של מערכות מידע גיאוגרפיות דו-ממדיות שונות. במקביל, מייעל את טכנולוגיית ההדמיה של 3D GIS ושפר את מהירות העיבוד. יתר על כן, אפקט העיבוד הפך לנקודה לוהטת ומאתגרת במחקר [6].

טכנולוגיית היישומים של 3D GIS כפופה בעיקר לטכנולוגיית רכישת ועיבוד הנתונים שלה וטכנולוגיית הדמיה [7]. הטכנולוגיה המסורתית לעיבוד נתונים מבוססת על CAD כדי לדגמן אובייקטים תלת מימדיים ולאחר מכן להשתמש באלגוריתם המרת הנתונים לבניית מסד נתונים תלת מימדי. עם זאת, שיטה זו תביא לעומס ניכר בארכיטקטורה תלת ממדית בקנה מידה גדול מכיוון שלא ניתן לבצע פעילויות רבות ולבזבז משאבים רבים. יחד עם זאת, הדיוק גרוע ואינו יכול לעמוד בדרישות [8]. האלגוריתם המסורתי בייצוג נתונים מבוסס על טכנולוגיית קידוד יחידות נפח. עם זאת, שיטה זו נמצאת בשימוש נרחב רק במערכות מידע דו-ממדיות. עדיין קיימות תופעות בוגרות בתלת מימד [9]. טכנולוגיית ההדמיה המסורתית היא בעיקר לא לתת תשומת לב ראויה לפרטים ולמרקמים. היא גורמת לאפקטים של תמונה חזותית ירודה ואינה תורמת להדגשת היתרונות של מערכת מידע גיאוגרפית תלת מימדית [10]. התרומה העיקרית של מאמר זה ניתנת להלן: מאמר זה מייעל ומשפר את החסרונות של עיבוד נתונים והדמיה המבוססים על טכנולוגיית הדמיה של 3D GIS. מאמר זה מציע אלגוריתם לעיבוד אופטימיזציה של נתונים מונחה עצמים ומקים פלטפורמת עיבוד נתונים של GIS. מאמר זה מציע מודל דינמי מרובה פתרונות וטכניקות עיבוד פירוט רב שכבתיות. בהתחשב בבית הספר כאובייקט הדוגמנות, תוצאות הניסוי המבוססות על האלגוריתם של מאמר זה מראות יתרונות ניכרים בעיבוד הנתונים והדמיה.

החלקים של מאמר זה מסודרים כדלקמן. החלק השני מציג את טכנולוגיית עיבוד הנתונים וטכנולוגיית ההדמיה של 3D GIS. החלק השלישי מתמקד בטכנולוגיית עיבוד הנתונים המותאמת וטכנולוגיית הדמיה. החלק הרביעי הוא בעיקר תוצאות הניסוי והניתוח של מאמר זה. החלק החמישי מסכם את העיתון.

2. טכנולוגיית 3D GIS

2.1. עיבוד ועיצוב נתונים תלת מימדיים של מערכות מידע גיאוגרפיות

שלושה ממדים של X מייצגים את הנתונים המרחביים התלת-ממדיים, Y ו- Z. בהשוואה למערכת המידע הגיאוגרפית הדו-ממדית. עם זאת, רק מימד אחד מתווסף כמות המידע שנוצר עולה גיאומטרית. המודלים הקיימים של מרחב הנתונים כוללים בעיקר מודלים מבוססי דומיין, אובייקט והיברידי. בעיקרו של דבר, הן שיטות ייצוג של אובייקטים בפועל. ככל שהאובייקטים מורכבים יותר, כמות הנתונים המקבילה ומורכבות הפרויקט משמעותית יותר. העקרונות הספציפיים של שלושת מודלי הנתונים הם כדלקמן.

2.1.1. תוכנית עיבוד הנתונים המבוססת על אובייקטים

העיקרון העיקרי הוא חלוקת מרחב המידע בו נמצא המודל. האובייקטים המסווגים מנותחים ומתוארים בדרך כלל. ניתן לייצג את המודל בפועל כפי שמוצג בערכה 1 הבאה, קבוצה נפרדת הניתנת לניתוח ולזיהוי. התרשים המקביל מוצג באיור 1. המודל מחלק את כל הגיאו-מרחב כולו לאוספים מבוססי אובייקטים מרובים, והנתונים המתאימים משמשים כמאפייני האובייקט:


מדוע ניתוח גיאו -מרחבי טוב לבריאות הומניטרית

תחומים כמו תכנון עירוני, עסקים ושיווק ומגוון מדעי כדור הארץ עלו על מדעי הבריאות הציבורית וההומניטרית ביישום GIS. שני חריגים בולטים בבריאות הציבור-בריאות סביבתית ומחלות זיהומיות-אימצו את כוחה של גיאו-אנליטיקה לדגמן את ההשפעות הבריאותיות על אוכלוסיות [11]. ומדעי האסון, שאינם כוללים בעיקר תרופות לאסון, מתחילים לשלב טכנולוגיות חישה מרחוק למודעות מצבית ולספירת אוכלוסייה. כריית השימוש בשיטות גיאו -מרחביות בתחומים אלה ממחישה את הפוטנציאל המשמעותי שלהן לייצר דרכי חשיבה חלופיות המגנות על אוכלוסיות, בנות קפדנות אקדמית ומשפרות את היעילות הפרוגרמטית במגזר הבריאות ההומניטרי.

חשיבה גיאו -מרחבית

חשיבה גיאו -מרחבית מאפשרת לנו לשאול ולענות על שאלות חדשות שמאירות את היקום שלנו בדרכים שונות מאלה הנגזרות מצורות קוגניטיביות אחרות. חשיבה מרחבית, כהגדרתה של מועצת המחקר הלאומית, משלבת שלושה אלמנטים בפתרון בעיות: מושגי מרחב, כלי ייצוג (למשל בסיס מערכות קואורדינטות ותחזיות מרחביות) ותהליכי חשיבה (למשל הגדרות של קרבה, אקסטרפולציה ואינטרפולציה) וכו ') [12]. מיקום מחדש של נתונים למסגרת מרחבית משנה את האופן שבו אנו מגדירים שאלות, מבטאים ומנתחים מערכות יחסים, משנים ומתקשרים מידע ובסופו של דבר מקבלים החלטות.

החלל הוא אפוא מסגרת להבנה. החשיבה המרחבית, המבוססת על החוויה האנושית והכושר האבולוציוני, משתמשת במודלים קוגניטיביים מושרשים עמוקים, לאחר מכן, כדי לחקור נתונים שננעלו בעבר במדיטים סטטיים ואנלוגיים [13]. עם התפתחות המדיה החזותית, יישומים מתויגים גיאוגרפיים ומציאות מדומה, אנשים צוברים יכולת מרחבית אינטואיטיבית עוד יותר. לאחר רתימה וחידוד, החשיבה המרחבית יכולה לתפקד באופן תיאורי, אנליטי או מסקנה.

אחת הדוגמאות המוקדמות והידועות לשמצה ביותר של חשיבה מרחבית בבריאות הציבור היא חקירת סנו של מקרי כולרה בלונדון בשנת 1854. על ידי אימוץ מסגרת מרחבית להערכתה את התפרצות הכולירה, סנאו פיזר את תורת המיאזמה של מצבי מחלה וזיהה בצדק את משאבת רחוב ברוד סטריט של סוהו כאשם העיקרי (איור 4) [14]. מקרים המייצגים מרחבית מובילים לייצוג חזותי של דפוס ההפצה, זיהוי אשכולות והשערות חדשות מועצמות בנוגע לאטיולוגיות של המחלה.

מפת התפרצות כולרה בשנת 1854 ביחס לאספקת המים. מיפוי מקרי כולרה של ג'ון סנואו מדגים את הגישה המרחבית למדעי בריאות הציבור, פיזור ואגירת המקרים והקשר שלהם לגורם סיבתי. תנאי שימוש: עבודה זו מורשית תחת רישיון Creative Commons ייחוס ייחודי. הוא מיוחס לג'ון סנואו ואת היצירה המקורית ניתן למצוא כאן, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2250686/pdf/brmedj06236-0004.pdf

האבולוציה של החשיבה המרחבית בתוך בריאות הציבור מתיאורים מרחביים בסיסיים ועד לתפקודיו האנליטיים הגבוהים יותר מתבטאת בשני העשורים האחרונים בספרות הבריאות הסביבתית, כפי שהוזכר קודם לכן [15]. מודלים של ריקבון מרחק, שבהם החשיפה לאתר רעיל היא ביחס הפוך למרחק מהמתקן הרעיל, ואלגוריתמים אינטרפולציה החוזים ערכים לא ידועים במיקום ספציפי משוואות המסתמכות על עקרון התלות המרחבית, הם נעשה שימוש בזיהוי לא רק של מקור המזהמים הסביבתיים, אלא גם את דפוסי החשיפה של קורבנות בתוך האוכלוסיות שנחשפו ולא נחשפו [16]. שניהם תלויים במושג האוטוקורלציה המרחבית, שבו אובייקטים קרובים יותר בסמיכות מרחבית נוטים יותר לחלוק תכונות. עם הכלי המושגי הזה ביד, אפשר לחשוב בקלות על ההשלכות של הבריאות על אוכלוסיות במשבר, עקרות או בתנועה. האם הקרבה למקומות מסוימים מלמדת על סבירות סטטיסטית לתוצאות בריאות מסוימות? האם במקומות מסוימים יש פרופיל דמוגרפי שנחשף למדדי בריאות שליליים יותר לתחלואה או תמותה? ההשערות הגיאו -מרחביות הן אינסופיות. עם זאת, החשיבה המרחבית, המסגרות התיאורטיות שלה והמתודולוגיות הסטטיסטיות הייחודיות, נעדרות בבהירות מבריאות הציבור הרבה ומהרוב המכריע של תוכניות לימוד הומניטריות ואסונות. כשם שאנו מדגישים את השיטה המדעית ואת הסטטיסטיקה ההסקתית כלמידה מכריעה בתוך האקדמיה האמפירית, כך גם עלינו לשלב נתונים סטטיסטיים גיאו -מרחביים בתוכניות הלימוד כדי לגדל דור של אנשי מקצוע בתחום ההומניטרי שיכולים לנצל את הכלים החזקים הללו.

התקדמות אקדמית מתקדמת

אימוץ מדע גיאו -מרחבי ישפר את בסיס הראיות לפעולות בריאות הומניטריות. GIS, יחד עם מערכות מיצוב עולמיות (GPS) ומכשירי חישה מרחוק, יכולים לחזק מחקרים כמותיים בתחום בריאות הציבור ומדעי האסון באמצעות ספירת אוכלוסין, יצירת מסגרות דגימה, יסוד לאימות תהליכים אנליטיים. שילובם הקריטי של שיטות אלה במחקר בריאות הומניטרי ובהתערבויות שלאחר מכן ייצור שפע של עדויות אמפיריות וידרבן תחום חקירה אשר נותן לגיטימציה נוספת לרפואה ההומניטרית בתוך האקדמיה.

הערכת אוכלוסיות

ספירת האוכלוסין ומיפוי הצפיפות של אוכלוסיות שנפגעו הן קריטיות לכל שלבי התגובה ההומניטרית. בפרט, הם מהווים חלק בלתי נפרד מהערכות הצרכים והקצאת המשאבים, ונדרשים למאמצי ניטור והערכה כמכנה להשפעות התערבותיות. למדינות מפותחות יש תשתית מפקדים חזקה המספקת נתונים סטטיסטיים דמוגרפיים. אך בהקשר של משברים הומניטריים המתרחשים לעתים קרובות במדינות לא מפותחות או הפוגעים באופן גלוי בתשתית איסוף הרישומים החיוניים, נתוני מפקד בסיסי בדרך כלל אינם שלמים, מיושנים, אינם מופרדים לפי גיל או מין, או חסרים פתרון מספיק מרחבי. במהלך אסונות ועימותים, אוכלוסיות האדם הן דינאמיות במיוחד, מה שהופך את כל ההערכות הקיימות לא מדויקות עוד יותר. ספירת מפקדים מבוססת קרקע היא זמן רב ומשאבים, מותנית באבטחה ובגישה, ותלויה בדגימת נוחות סטטיסטית נחותה ושיטות דמוגרפיות לא מאומתות המשמשות אוכלוסיות סטטיות יציבות [17].

נתונים חשים מרחוק, הנגזרים מכלי טיס בלתי מאוישים (UAVs), מטוסים מאוישים ולוויינים, מציעים גישה לנופים גדולים ובלתי נגישים והופכים זמינים יותר ויותר עם רזולוציה מרחבית טובה יותר ועלויות תפעול נמוכות יותר. מגוון לוויות של שחקנים אימצו במהלך שני העשורים האחרונים רזולוציה גבוהה מאוד (VHR) ותמונות לוויין מרובות-ספקטרליות. הערכת אוכלוסין מתבצעת במסגרות שאינן חירום ולמעקב אחר שונות האוכלוסייה במחנות עקורים מפני סרי לנקה לאתיופיה ועד האיטי בדרגות דיוק שונות [18,19,20,21,22,23]. מבנים, כגון אוהלים, מזוהים באמצעות ניתוח תמונות המבוסס על אובייקטים, נספרים ונכללים במשוואות המעלות את מספר האוכלוסייה. אך בעוד שהם בשלים לספק פוטנציאל למכנים מדויקים למחקר, ממשיכים להתקיים אתגרים בדייקנות הנתונים החשים מרחוק הנגזרים מלוויין, כאשר קהילות מושפעות עוברות מיישובים מאורגנים לסביבות עירוניות בלתי פורמליות, המתגוררות בבניינים צמודים ורב קומות. ערבוב עם אוכלוסיות מארחות.

עם חדירה משמעותית לבעלות הטלפונים הסלולריים ברחבי העולם, ניתוח דפוסים וניתוח חיזוי גיאו -מרחבי מספקים אפשרויות משכנעות לספירת אוכלוסיות ומעקב אחר אוכלוסיות. לאחר רעידת האדמה בהאיטי בשנת 2010, Digicel, חברת הסלולר של האיטי, סיפקה נתוני טלפון סלולרי מזוהים לחוקרים שהיישמו אלגוריתמים התנהגותיים על מיקומי טלפונים סלולריים. בדיוק הוגן הם עקבו אחר תנועות האוכלוסייה מ / אל פורט או-פרינס לאורך זמן [24]. לרוע המזל, עיכובים בהסכמי שיתוף נתונים, בניית תשתיות חישוביות וניתוח הביאו לעיכוב של ארבעה חודשים של נתונים שמישים המיועדים להתערבות תכנותית בזמן אמת.

לעומת זאת, מיד לאחר רעידת האדמה הנפאלית ב -2015, הסכם שיתוף נתונים מאורגן מראש עם NCell ו- Telecom, שני ספקי הטלפונים הסלולריים הגדולים במדינה, איפשר שחרור בזמן של רשומות פרטי שיחות אנונימיות (CDR). בתוך ה- CDR היו הקואורדינטות הנקודות למגדל התא שהורכבו בנתוני אוכלוסייה מחורפנים מ- WorldPop [25]. שילוב קשקשים זמניים ומרחבים במטריצת שינוי כדי לתחום זרימות אוכלוסיה רגילות (לפני רעידת אדמה) מזרימות שלאחר רעידת אדמה, החוקרים יכלו לעקוב אחר דינמיקת האוכלוסייה בזמן אמת, 9 ימים לאחר האירוע [26]. עבור תחום הבריאות ההומניטרית, הבנה מדויקת של מספר האוכלוסייה והדינמיקה היא קריטית לא רק למחקר אלא גם למיקוד משאבים (איור 5).

ניתוח מרחבי של אחוז האנשים שנשארו מחוץ לבית, 4 חודשים לאחר רעידת האדמה הנפאלית 2015. המפה מתארת ​​רשומות פרטי שיחות ברמת ועדת הפיתוח של מחוז או כפר (VDR) כאחוז מהאוכלוסייה שנותרו עקורים מרשומות הטלפונים הסלולריים שלהם 4 חודשים לאחר רעידת האדמה. תנאי שימוש: עבודה זו מורשית תחת רישיון ייחוס של Creative Commons ומשמשת אותה ללא עריכה. מיוחס לווילסון, ואחרים. PLoS Curr Dis, הגרסה המקורית של 2016 בכתובת: http://currents.plos.org/disasters/index.html%3Fp=27109.html

כעת, מתעוררים מאמצים להשתמש בנתוני מדיה חברתית מתויגים גיאוגרפית כדי לזהות התנהגות אנושית אנדוגנית ולעקוב אחר תנועות אנושיות, ואנליסטים יכולים להבדיל את השונות בניידות האדם בקני מידה מרחביים שונים [27]. יש אפילו עדויות לכך שניתן לדגמן נתוני הפצה מרחבית באמצעות מודלים של הזדמנויות המשוקללות על ידי אוכלוסייה כדי לשקף את התנועה האנושית בקנה מידה עירוני [28], כלי קריטי כאשר משברים הומניטריים הופכים לעירוניים יותר ויותר. כך שלמרות שיש פוטנציאל אדיר לסטטיסטיקה גיאו-מרחבית לשנות את ספירת האוכלוסייה ומעקב אחר ניידות בסביבות מורכבות, גישה בזמן למידע באמצעות זרמי נתונים שזוהו מראש והסכמי שיתוף נתונים שנקבעו מראש היא חיונית לרלוונטיות של שיטות אלה במרחב ההומניטרי. .

שיפור שיטות דגימת סקר הבריאות

כמו מדדי תוצאה רבים לבריאות הציבור, גם תמותה ותחלואה הם אינדיקטורים קריטיים המקובלים בקרב קהילת הבריאות ההומניטרית להבנת גורמי הלחץ הבריאותיים על אוכלוסייה ומעקב אחר ההשפעות הבריאותיות של הפעולות. עם זאת, קיימים אתגרים מרכזיים ביישום סקר אקראי למדדי בריאות. כפי שנדון לעיל, רשימות אוכלוסייה קיימות שממנה ניתן ליצור מסגרת דגימה ולבחור באופן אקראי משיבים המתאימים להסקת סטטיסטיקה אינן מספיקות לרוב. מבני רישום חיוניים המתעדים שיעורי לידה ותמותה נהרסים או נכים במשבר. אשכולות שנוצרו באופן ידני של יחידות אוכלוסייה גיאוגרפית היו ברירת המחדל ההיסטורית של חוקרים שניסו סקרי תוצאות בריאותיים אקראיים. אך גישה זו היא עתירת זמן, דורשת מיפוי משמעותי ברמה הקרקעית, הטיית בחירה בסיכונים ומציגה שונות מוגברת עקב השפעות אשכולות בהתאם למשתנה העניין הבריאותי.

תמונות חישה מרחוק, מערכי נתונים של אוכלוסייה מחורצת ואלגוריתמים של דגימה מרחבית הופכים את התרגיל ליעיל הרבה יותר, ובתוך כך לחזק יותר סטטיסטית. ניתן לטעון קבוצות אוכלוסייה מחוספסות כמו LandScan ו- WorldPop לפלטפורמות GIS, לחתוך לגבול עניין מנהלי ולהמיר לרשת צפיפות. כלים מרחביים ל'יצירת נקודות מאוזנות מרחבית 'משתמשים באלגוריתם אינטרפולציה מרחבית ליצירת נקודות אקראיות, ומשקלל באופן טבעי את הבחירה עם יותר נקודות שנבחרו באזורים צפופים יותר. לאחר מכן ניתן לתקן את תאי הרשת לצורך דיוק. מחקר תמותה שנערך בשנת 2008 בעיראק השתמש בטכניקה זו ומצא אותה מדויקת, חסכונית בזמן וכדאית מבחינה כלכלית (איור 6 א ו-ב) [29].

א (חלק עליון). שלב ראשון בדגימת אשכול מבוססת אוכלוסייה באמצעות ArcGIS ו- LandScan, מערך אוכלוסייה מחוספס, גאלוויי, ואח '. מסגרת התמונה הראשית (למעלה) מציגה תמונת לוויין של לנדסקאן (אוק רידג 'הלאומית) של עיראק עם צפיפות האוכלוסייה בקילומטר רבוע. הכניסה מימין מעצימה את הפיקסלים של צפיפות האוכלוסייה ומדגישה את האזור העירוני הצפוף יותר של בגדאד. למטרות דגימה, חוקר אוכלוסייה יכול לבחור אזורים אקראיים על פי פיזור האוכלוסייה. ב (תַחתִית). שלב שני של הדגימה באמצעות רשתות ArcGIS בקבצי kml של Google Earth, גאלוויי, ואח '. ברמת הדגימה הביתית, רשתות מונחות על ידי דוגמה אקראית באמצעות תמונות Google Earth. תנאי שימוש לשתי הדמויות: עבודה זו מורשית תחת Creative Commons Attribution 4.0 ונעשה בה שימוש ללא עריכה. מיוחס ל- Galway et al., Intl J Health Geogr, הגרסה המקורית של 2012 בכתובת: https://ijhealthgeographics.biomedcentral.com/articles/10.1186/1476-072X-11-12

סקרי בריאות הומניטאריים הדורשים איסוף נתונים ראשוני הם מאתגרים. הם יקרים, גוזלים זמן, מתרחשים בסביבות יחסית מסוכנות וחסרות ביטחון (ולכן לא נגישות), ולעתים קרובות לא מצליחות להשיג את ההשפעות שמשנות את המדיניות שלשמן נועדו. במקום אלה, קיימים מקורות נתונים גיאוגרפיים אחרים בתחום ההומניטרי (טבלה 1) המתאימים לניתוח מרחבי, ומפחיתים את הזמן והעלות לעבור מרעיון להמלצת מדיניות מבוססת ראיות.

האופי הפוזיטיביסטי של המדע האמפירי מדגיש שיטות שיטתיות של התבוננות, מדידה והערכה. אימוץ מדע גיאו-סטטיסטי על ידי חוקרי בריאות הומניטריים יכול רק לשפר את האמינות האמפירית. ההזדמנות למדוד במדויק, לדגום וליישם סטטיסטיקות מסקנות ולהסביר מתמטית רמה של קשר גיאוגרפי משמעותי או סיבתיות ברמה של ביטחון ודיוק מוסיפה ממד חדש למדעי הבריאות ההומניטאריים, למדיניות ולתכניות.

אפידמיולוגיה מרחבית, גרסה גיאוגרפית של אפידמיולוגיה מסורתית, היא המסגרת ההגיונית לקידום גיאו-אנליטיקה במסגרות הומניטריות [30]. על ידי מינוף תחום מאומת ואימוץ סמנטיקה ושיטות סטנדרטיות, בריאות הומניטרית תיכנס לשיחה אמפירית גדולה יותר, תשפר את בסיס הראיות שלה ותפתח קפדנות אקדמית קריטית. למרות מיעוטם של מומחים המנצלים את האפידמיולוגיה המרחבית לבריאות הומניטרית, קיימות תוכנות רבות וקהילות מקוונות המאפשרות ל'לא מומחים 'ליישם ניתוח גיאו-מרחבי הן למחקר והן לעיסוקים מבצעיים (טבלה 2).הזמינות של כלים גיאו-מרחביים ידידותיים למשתמש היא המפתח להתמודדות עם הפער הנוכחי במומחיות, אך יישום נכון של כלים אלה דורש הבנה של יסודות התאוריה הסטטיסטית המרחבית.

שיפור היעילות הפרוגרמטית

משברים הומניטריים ודרישות המשאבים העוקבות הולכים וגדלים, אך המימון ממשיך להיות לא מספיק -יותר מ -10 מיליארד דולר אמריקאיים בהשוואה לתחזיות האו"ם לשנת 2018 [31]. לפיכך חובה על ההומניטרים לקבוע את היוזמות החסכוניות ביותר. אנו מתחילים לראות כלי GIS וניתוח מרחבי זוחלים אל תחומים אחרים של בריאות הציבור והספרות הרפואית כאמצעי לתכנן, לפרוס, לפקח ולהעריך תגובה היפר-מקומית ויעילה במשאבים. הראיות ההולכות וגדלות סביב ניתוח גיאו-מרחבי באספקת מערכות בריאות, מחלות שאינן ניתנות להדבקה, חשיפה למפגעים, הגירה וקטורית, שכיחות של מחלות מדבקות, טראומה אלימה, מניעת פציעות ומדדי בריאות כלכליים [32] צריכות להוות דוגמה לקהילת הבריאות ההומניטרית.

מערכות מידע ומעקב אחר בריאות העוקבות אחר מחלות ניתנות ובלתי ניתנות להדבקה מותקנות כעת בנתונים מקודדים גיאוגרפיים לזיהוי אשכולות ונקודות חמה. ניתוח אשכולות, שיטה סטטיסטית לזיהוי נקודות חמות, נקודות קור, חריגות מרחביות ותכונות דומות, מיושם באופן נרחב בבריאות הציבור למקד התערבויות החל משירותי נשים, תינוקות וילדים (WIC) [33] ועד הפצת נלוקסון. [34]. ככל שקביעת הבריאות החברתית הופכת להיות מוכרת יותר כסיכות לינץ 'להתערבויות יעילות, מודלים של תלות מרחבית הממוקמים במסגרות היררכיות בייסיאניות [35] מספקים מסגרות הסקה גמישות להתאמה לדפוסים מורכבים של יתרון וחסרון סוציו-אקונומי בסביבות דינאמיות וליצור הערכה נכונה של אי וודאות. .

הניתוח הגיאו-מרחבי מתפתח כדי לתאר, לחזות ולדגם מחלות מתקשרות, לא מתקשרות וזואוטיות. מודלים מרחביים מכניים מפותחים ונבדקים כדי לחזות את העברת מחלות זיהומיות באמצעות סימולציה מבוססת אינדיבידואלים, מודלים מטה-אוכלוסייתיים או מודלים של רשת [36]. משתמש בשכבה מרחבית של התפלגות האוכלוסייה יחד עם שכבת רשת תחבורה ומודל מניפולטיבי גמיש של העברת מחלות כדי לחזות התפשטות מגיפה מדויקת כנגד תקן זהב [37]. מודלים שונים של רגרסיה במשקל גיאוגרפי יכולים כעת לספר לנו היכן לפרוס תוכניות למניעת לפטוספירוזיס [38], למשל, ברזולוציה מרחבית ויעילות משאבים. סטטיסטיקות סריקה, ניתוח נקודה חמה ו- Poisson kriging (צורות של ניתוח אשכולות ואינטרפולציה, בהתאמה) יכולות להדגיש אשכולות של דום לב לתוכניות התערבות, החל מאימוני החייאה מהצד ליד מיקום AED [39, 40].

מסגרות 'אקו -בריאות' הבוחנות את הקשר בין בני האדם, הסביבה והבריאות, מזהות גורמים סביבתיים, חברתיים וביולוגיים המשפיעים על רגישות וחשיפה למחלות באמצעות מיזוג מתמטי של מטאורולוגיה, דמוגרפיה, סוציו -אקונומיה ושימוש בקרקע וטופוגרפיה המורכבת מרחוק. נתונים למדד פגיעות. מדדים גיאו -מרחביים אלה לא רק מזהים את צפיפות המחלות, כגון דנגי [41], אלא גם מבהירים את ההשפעה של כל משתנה תורם, מה שהופך את ההתערבות הפרוגרמטית לממוקדת במיוחד. ניתוח המרכיבים העיקריים של משתנים סביבתיים וסוציו -דמוגרפיים נקשר לתחלואה ולתמותה כדי ליצור מפות פגיעות מרחביות להתייחסות לאירועי חום קיצוניים [42]. ובבוהק של שינויי אקלים, מנהלי אסונות משתמשים במודלים המאפיינים את התדירות הגוברת של סערות, קיצוניות טמפרטורה, בצורת, עליית פני הים וסערה לצורך הערכת פגיעות קהילתית ותכנון מוכנות (איור 7) [43].

דוגמה לניתוח סיכוני סכנה: התפלגות מרחבית של האוכלוסייה בסיכון להצפות לאורך מערכת הנהר ניגר-בניה, ניגריה. שכבות נתונים מרובות של מאפיינים סביבתיים ואזורי הצפה היסטוריים משולבות עם שכבות אוכלוסייה כדי לסנתז את סיכון ההצפה לאוכלוסיות חלשות. תנאי שימוש: עבודה זו היא ברישיון תחת Creative Commons Attribution 4.0 ונעשה בה שימוש ללא עריכה. מיוחס ל- Nkeki, et al., JGIS, הגרסה המקורית 2013 בכתובת: https://file.scirp.org/Html/3-8401214_29778.htm

במאמץ משותף להעריך את הטרוגניות מרחבית ולמקד על יוזמות לשיפור איכות, חוקרי מערכות בריאות, כלכלנים ומנהלים מאמצים כעת את הניתוח המרחבי של שירותי בריאות, ניצול משאבים ותוצאות המטופלים. מודלים אקונומטרים שמשתמשים במשתני תשתית הבריאות כתשומות ותמותה כתפוקות משמשים להבנת הקשר בין מקום, סוציו-כלכלה ויעילות מערכת הבריאות [44]. השימוש במודל רגרסיה הלוקח בחשבון את התלות המרחבית של מונחי שגיאה יכול להדגיש וריאציות אזוריות בסוגי הצרכים הרפואיים האמבולטוריים למטרות עיצוב מערכת [45]. והמרשים ביותר, שילוב אלגוריתמים לאופטימיזציה גיאוגרפית בתוך חלוקת מחלות או מודלים של מגיפות יכול לאמוד את הקצאת המימון האופטימלית בין קבוצות אוכלוסייה ותוכניות. מחקר זרע השתמש באלגוריתמים של ירידה סטוכסטית מסתגלת- שיטה המנצחת הנחות הסתברותיות לשכפול היבטים של התהליך הידני של התאמת פרמטרים לאלגוריתמים לאופטימיזציה- לייעול תוכניות מלריה המתמקדות בהפחתת שכיחות ותמותה בניגריה (איור 8) [46]. באמצעות יעילות חלוקית המעדיפה פעולות מניעה וטיפול ספציפיות במיקומים גיאוגרפיים מדויקים, ניתן למנוע כ- 84,000 מקרי מוות או 15.7 מיליון מקרי מלריה במשך 5 שנים.

אופטימיזציה גיאו -מרחבית למזעור תמותת המלריה. כאן ניתן לדמיין ניתוח גיאו -מרחבי של הוצאות בתחום הבריאות למגוון מניעות וניהול מלריה באזורי ניגריה בשנת 2015 כדי להעריך את מספר מקרי המוות שנמנעו ממימון נוסף. תנאי שימוש: עבודה זו היא ברישיון תחת Creative Commons Attribution 4.0 ונעשה בה שימוש ללא עריכה. מיוחס ל- Scott, et al., Malar J, 2017 הגרסה המקורית בכתובת: https://malariajournal.biomedcentral.com/articles/10.1186/s12936-017-2019-1

אמנם ישנן מספר עצום של דרכים בהן שיטות גיאו -מרחביות יכולות להודיע ​​על עיצוב פרוגרמטי, אך ניתוח מרחבי יכול לשפר גם את מאמצי הניטור וההערכה. בסביבות מאובטחות, פרויקטים של פיתוח בריאות עולמי מצאו ניתוח גיאו -מרחבי שימושי לזיהוי מוקדים גיאוגרפיים של הצלחה פרוגרמטית ולהבנת המשתנים הרלוונטיים מבחינה מרחבית המשפרים את התוצאות. ניתוח אשכולות, תוך שימוש בנתון הסריקה של קולדורף (איור 9), מדגים כיצד ניתן להשתמש בנתוני סקר מתויגים גיאוגרפיים כדי לעקוב אחר התנהגויות סיכון של גברים שנימולו לאחרונה למאמצי מניעת HIV. אומדני צפיפות ליבה, שיטה לא-פרמטרית לאומדן פונקציית צפיפות ההסתברות של משתנה אקראי, יעילים למיפוי סביבות תפוסות, בהתחשב באופי המרחבי של התנהגות מחפשת טיפול, ויכולות להראות שונות בגישה ובאספקת תרופות [47]. ניתוח גיאו -מרחבי יכול להעיר על הצלחתם של מרכזי החיסונים במהלך מגיפות [48].

ניתוח אשכולות של שימוש בקונדום בגברים נימול בסיכון ל- HIV. כאן, תוצאות מיפוי התוכנית של תוכנית למניעת HIV (שימוש בקונדום) מהווה בסיס לניתוח אשכולות כדי להבין טוב יותר את הסיבות להצלחה או לכישלון של תוכנית בריאות. בשימוש ללא עריכה באישור MEASURE Evaluation, אוניברסיטת צפון קרוליינה, צ'אפל היל. מיוחס ל- Moise, et al., 2015. הגרסה המקורית בכתובת: https://www.measureevaluation.org/resources/publications/ms-14-98

על ידי הפעלה ברצף מודל של סדרת זמן של סיקור תוכניות ומודל גיאוסטטיסטי גיאסטטיסטי של באייסיה, Bhatt et al. הוכיח את הכימות הפורמלית הראשונה של P. falciparum שכיחות זיהומים, שכיחות והשפעה פרוגרמטית [49]. נתונים על שימוש ברשת המיטה שטופלה בקוטלי חרקים, ריסוס שיורי פנימי (IRS) וגישה לטיפול משולב מבוסס ארטמיסינין (ACT) של יותר ממיליון משקי בית באפריקה שמדרום לסהרה שולבו עם P. faciparum נתוני טפילים מ -27,573 אשכולות אוכלוסייה גיאוגרפיים ומגוונות סביבתיות וסוציו -דמוגרפיות בין השנים 2000 ל -2015. לא רק שהם הצליחו לייחס מניעה של 663 מיליון מקרים קליניים של מלריה להתערבויות, אלא הם הצליחו לזהות כיסוי ITN כפעילות החשובה ביותר. מיצוי הפוטנציאל הזה של מדע גיאו -מרחבי לתוכניות בריאות הומניטריות יחולל מהפכה כיצד הגהות, תכנון ומעקב אחר התערבויות, שיפור היעילות וההשפעה התוכניות.


תכנון מערכת מידע גיאוגרפי מבוסס אינטרנט לקביעת אזורי תעשייה

סוגים שונים של בחירת אתרים המנוצלים על ידי מערכות מידע גיאוגרפיות (GIS) על ידי שילוב סוגי נתונים שונים מתייחסים למטרת בחירת האתר. במציאות, גורמים רבים, כולל גורמים פיזיים, סביבתיים וחברתיים משפיעים על בחירת האתר מבחינת ההחלטה על מיקומה של תעשייה חדשה. בהתאם לכך, מאמר זה ממציא מערכות לקביעת אזורי תעשייה חדשים בצורה של יישומים מבוססי אינטרנט או נקראים בדרך כלל GIS מבוססי אינטרנט. לפיכך, שם היישום את המערכות החכמות הפוטנציאליות של אזור התעשייה, בהן אב הטיפוס של היישום מסוגל להקל על תכנון קביעת אזור תעשייה חדש המבוסס על שישה פרמטרים לאורך שיטת תהליך ההיררכיה האנליטית. משקל התוצאה של שישה קריטריונים הוא סוג קרקע 35%, שימוש בקרקע 32%, שיפוע קרקע 15%, מרחק הקרקע לנחל 9%, מרחק הקרקע מהכביש והנגישות 5%ומרחק הקרקע למתקנים ציבוריים. 4%. בנוסף, ה- GIS מבוסס האינטרנט הוא יישום ידידותי למשתמש לקביעת המיקום התעשייתי המתוכנן. יתר על כן, ההפגנה פועלת ללא מאמץ בהצגת נתונים על הפוטנציאל של אזורי תעשייה חדשים בעיר בקסי, מחוז ג'אווה המערבית שבאינדונזיה.

1. הקדמה

לקביעת המיקום של אזורי התעשייה יש השפעה חשובה על גורמים שונים, כולל הממשלה, מפתחי אחוזות תעשייה, וגורמים עסקיים בהגדלת המשק. הביצועים של אזור התעשייה של המדינה באזור ASEAN למשל נראים אטרקטיביים יותר ממדינות אחרות עבור משקיעים זרים. באינדונזיה יש 172 אחוזות תעשייתיות, אך מעטות הן אטרקטיביות למשקיעים, אחת מהן היא אזור התעשייה ג'בבקה הממוקם בבקאסי, מערב ג'אווה. לכן, יש לתכנן אותו בצורה מיטבית בקביעת המיקום של אזור תעשייה על ידי בחינת היבטים שונים במהירות באמצעות יישומי מחשב.

מערכת מידע גיאוגרפית (GIS) היא שיטה הצורכת היבט מרחבי ביישום למספר מטרות. GIS עובד עם נתונים מרחביים באמצעות קואורדינטות כדור הארץ כהפניה. כמו כן, GIS מועיל ללכוד, לשמור, לפתח, לתפעל, לנתח ולהציג את כל הנתונים המרחבים [1, 2]. באופן כללי, GIS נובע ממטרה מסוימת, למשל, בחירות מיקום [3]. בנוסף, שיטת GIS זהה לשילוב של מספר שכבות שונות ולאחר מכן ניתוח שלה להשגת המטרה. על ידי שימוש ב- GIS, העלות לזיהוי שטח גדול עשויה להיות מינימלית מבלי לזנוח מספר גורמים שנותנים השפעות משמעותיות בתוצאות הניתוח.

ל- GIS לבחירות המיקום יש הרבה שימושים לבחירת מיקומי תעשייה חדשים [4, 5]. מספר גורמים משפיעים על בחירת המיקום של תעשיות חדשות כגון היבטים כלכליים, חברתיים, פיזיים וסביבתיים [6–8]. באופן דומה, סיכוני אסון, זמינות מים, אזור שימור ושטח אסור הם דוגמאות לגורמים פיזיים וסביבתיים המשפיעים על מיקומי התעשייה [9, 10]. גורמים חברתיים המשפיעים על בחירת מיקומי התעשייה הם זמינות לעבודה, ניהול, פוליטיקה וכו '. כיום, GIS עבור מיקומים תעשייתיים חדשים הופך להיות מפורט יותר וספציפי יותר.

יתר על כן, פיתוח מחקר GIS ב -5 השנים הקודמות התמקד בקביעת פרמטרים. כמו כן, שיפור קביעות הפרמטרים מורכב משילוב של היבטים פיזיים, חברתיים ואוכלוסייתיים [8]. באופן דומה, בחירת המיקומים התעשייתיים החדשים תהיה אופטימלית באמצעות מקרו -אנליזה עם פרמטרים מורכבים. מצד אחד, ההשפעה של עידן המהפכה התעשייתית 4.0 שינתה את נקודת המבט של GIS כשיטת בחירת המיקום ליותר ספציפית [11–13]. מצד שני, הוא מכיל פיתוח תעשייתי שהוא דינאמי יותר.

בנוסף, קביעת המיקום של אזור התעשייה חייבת להתחשב בסוג הקרקע ובמאפיין שלה כבעלות תשתיות מתאימות. שחיקת קרקע והפחתת קרקע מוזנחים מביאים לסכנה לסביבה ומשפיעים על האזור שאינו יצרני כלכלית [14–17]. נכסי קרקע הם חלק ממחקר חשוב ומפורט של הנדסה אזרחית כגון קביעת סוג היסוד ויכולת הקרקע לתמוך בבנייה ותשתיות תעשייתיות.

יתר על כן, מחקר זה מציע תרומות מדעיות כדלקמן: (1) מוצע מודל מקיף של מערכות הערכה למיקומים תעשייתיים מתאימים, (2) הוא מציע גם לתכנן מערכת חכמה לבחירת אזור תעשייה ו (3) הופכת להיות מערכת הערכה של אחוזות תעשייתיות שנקבעו מראש, התואמות את תורת המיקום התעשייתי.

2. סקירת ספרות

2.1. איזור תעשיה

אזור התעשייה הוא אזור או אזור מיוחד שנועד ליצור סביבה מתאימה לקיים פעילות עסקית. כמו כן, סביבה עסקית מועילה היא סביבה שיכולה לייעל את ההמשכיות העסקית מזרם למעלה. כמו כן, שימוש בקרקע לאחוזה התעשייתית מהווה גורם משמעותי בהגדלת הצמיחה הכלכלית והפיתוח הכלכלי [18–20]. לכן אזורי התעשייה פועלים לשיפור העסקים ולפיתוח מיקומים, ומקימים "ערים חדשות" מורכבות עם תשתית התומכת בפעילויות עסקיות.

יתר על כן, הכנת מתקנים ציבוריים ותשתיות ספציפיות חיונית לקידום מערכת אקולוגית תעשייתית תחרותית. לדוגמה, אחוזות התעשייה והחברות הממוקמות בנסיבות מסוימות עשויות ליצור הדדיות מצטברות כלכלית. למעשה, במאמץ לתמוך בפיתוח אינדונזיה כוללת, הממשלה מנסה לעודד פיתוח של 14 אחוזות תעשייתיות מחוץ לג'אווה עד לשנת 2019. בקסי, אחת המדינות/ערים במחוז ג'אווה המערבית היא מיקומה של לפחות שלוש עשרה אחוזות תעשייה, אחת מהן היא אחוזת התעשייה ג'בבקה, אחוזת התעשייה הגדולה ביותר בדרום מזרח אסיה [21, 22]. בתורו, פארק התעשייה החדש, שנפתח ליצירת תחרותיות וצמיחה כלכלית, הוא מה שנקרא "אזורים כלכליים מיוחדים" או SEZ [23].

בנוסף, הערכה נוספת הקשורה לאזור התעשייה מגיעה מהבנק העולמי [24], המאשרת כי אזור התעשייה הוא אזור מיוחד (חלקת אדמה) המנותק ממחוזות עירוניים מאוכלסים בצפיפות ומסווג בהחלט למיקומם של מתקני תעשייה. לפיכך, אזור התעשייה צריך לקבל את מתקני התשתית המתאימים כגון כבישים, חשמל, אספקת מים ושירותי שירות אחרים.

2.2. מערכות מידע גיאוגרפיות (GIS)

בעיקרו של דבר, מערכת המידע הגיאוגרפי (GIS) הוא כלי מבוסס מחשב המשמש לניתוח, אחסון, מניפולציה והדמיה של מידע גיאוגרפי [25]. מפת שטח מבוססת GIS הנתמכת על ידי תוצאות הניתוח הסטטיסטי יכולה להועיל לגיבוש תחזיות. בהחלט, GIS היא שיטה עקיפה לניתוח הממד המרחבי. השימוש הנדרש ב- GIS משולב ביישום מחשב כך שניתן להוסיף בקלות גורמים חשובים אחרים כשיקול.

במקרה זה, ניתוח מרחבי מספק את הבסיס לשילוב ואיסוף נתונים עם קנה המידה המרחבי וממד זמן אחר, בעוד ניתוח הנתונים המרחבי החקריים הוא מערכת טכניקות לתיאור והדמיה של ההתפלגות המרחבית, זיהוי המיקום של טיפוסי. או זר מרחבי, גלה דפוסי התקשרות מרחבית, אשכולות או נקודות חמות, והציע משטרים מרחביים או צורות אחרות של הטרוגניות מרחבית [26, 27]. טכניקות דוגמנות מרחבית, למשל ניתוח רגרסיה, ישימות לכלול במפורש את המנגנונים של תבנית מרחבית בסיסית.

2.3. בחירת אתר תעשייה מבוסס GIS

בינתיים, ניתוח GIS הוא אחד השלבים העיקריים והמשפיעים ביותר על מחזור החיים של התשתית, מה שמוביל לתוקף, נכונות ושיטות הנהוגות בתכנון אזור תעשייה. כמה ניתוחים המבוצעים על ידי GIS הם ניתוח חלוקת מים, ניתוח ניהול תנועה, ניתוח קרקע, ניתוח היתכנות אתרים, ניתוח השפעות סביבתיות, ניתוח שטח נפח או מים, ניתוח נהר או תעלה וניתוח טמפרטורה ולחות [28].

בנוסף, הדגם מבוסס GIS נוח מאוד להצביע על המיקום המתאים ביותר לבניית אזור התעשייה. המחקר [29] מעדיף להשתמש בשבעה פרמטרים, כלומר שימוש בקרקע, מים, אדמה, חיות בר, אתרים ארכיאולוגיים, כבישים וקווי חשמל כדי להחליט על אזור התעשייה של סרי לנקה. באופן כללי, הקריטריונים מייחסים ערכים הכלולים ביישומי קבלת ההחלטות מרובת המסמכים המנצלים את מודל ה- GIS. באופן דומה, מפות התאמה נוצרות באמצעות מודל כיסוי המשוקלל שיכול לתאר בקלות את המיקום המתאים וכן לעמוד בכל הקריטריונים.

יתר על כן, מחקר נוסף [30], המתאר את המיקום האופטימלי לאזורי תעשייה חדשים המיישמים את שיטת ה- GIS המטושטשת, פעל בעיר יזד, איראן. מחקר זה ניצל תשעה קריטריונים לפרמטרים לבחירת אתרים, כלומר כביש, שבירה, מסילות ברזל, משאבי מים, עירוניים, הרים, אדמות חקלאיות, שטח או קרקע מוגנת, חיות בר ומדרונות. הקריטריונים מורכבים משתי קטגוריות: קריטריונים אנתרופולוגיים וגיאוגרפיים. במקרה זה, המחקר מציע שגישת ה- GIS תוכל לשתף פעולה עם השיטה המטושטשת.

יתר על כן, בחירת מיקומי התעשייה היא החלטה אסטרטגית הכוללת היבטים טכניים, כלכליים, חברתיים, סביבתיים ופוליטיים [31]. תהליך קבלת ההחלטות ידרוש את הכלים הנכונים ומאפשר איסוף נתונים, אחסון וניתוח כדי להתמודד עם התרחיש המורכב והמגוון. בתורו, מחקר בעל גישה חדשנית ויעילה להשגת הפתרון המתאים ביותר בונה שורה של מערכות תומכות החלטות הקשורות ביניהן.לדוגמה, המחקר עשוי לנצל שבע עשרה קריטריונים, כלומר, מים על פני השטח, מי תהום, סוג קרקע, שיפוע, מפגעים טבעיים, שטח נשחק, הצפות, יער, חיות בר, שטחי ביצות, אזורי חוף, שטחים חקלאיים, מקומות ציבוריים, אתרים ארכיאולוגיים, כבישי גישה , מי גישה ורוחב הכביש [32]. הערכת הקריטריונים צריכה לכלול הערכות מומחים. כתוצאה מכך, הדבר מציג כי גישת ה- GIS היא שיטה אחת שיכולה לשתף פעולה עם תהליך קבלת ההחלטות, מצד אחד.

מצד שני, מתודולוגיית AHP המטושטשת מתאימה גם להחליט את מיקומי המחסן הטובים ביותר מבין ארבע האפשרויות הקיימות לזמינות שרשרת האספקה ​​באזור כלכלי מיוחד (SEZ) ואזור הסחר החופשי (FTZ) באיראן. במקרה זה, הקריטריונים המיושמים הם עשרת הפרמטרים המורכבים מתחבורה וקישוריות, חשמל, מים, IT ותקשורת, עלות קרקע, תמריצי מס, גודל שוק, קרבה לשווקים מרכזיים והיקף לצמיחת השוק [33 ].

המהות התעשייתית 4.0, המקדמת חיסכון באנרגיה ומפחיתה את עלויות העבודה, מביאה לשינוי גם בבחירת הקרקע למפעלי תעשייה. לדוגמה, חקר הקריטריונים לבחירת קרקעות ייצור באזורים עירוניים-כפריים, שיהיו נחוצים למיקומים בתעשייה 4.0, כרוך בדפוסים המרחביים האפקטיביים [11]. הקריטריונים שנוצלו מכילים שני סוגים של אזורי תעשייה חדשים. הראשון הוא בחירת אזורי תעשייה מאורגנים שיש להם פרמטרים כגון איכות העבודה, קרבה לשווקים, מענקים, מחירי קרקעות, קלות שינוי, קרבה לאזורי דיור, תשתיות, קרבה לחומרי גלם, קרבה לבתי ספר ושירותי בריאות, נוספים מתקנים, מים, אנרגיה, שירותים עירוניים, התאמת קרקע, וקרבה כלכלית בין ערים לתעשיות. השני הוא משאבי אנרגיה לבחירת אזורים ו- IT עם פחות פרמטרים, כלומר הקרבה ל- IT ולתקשורת, אנרגיה, מענקים, קלות טרנספורמציה, קרבה לחומרי גלם, מתקנים נוספים, הזדמנויות והתאמת המדרון, מחיר הקרקע. , וחוסר התאמה לחקלאות. אבל, ב- [11] המיפוי מתבצע באופן ידני, בעוד שבמחקר זה תהליך המיפוי מתבצע באמצעות יישום מבוסס אינטרנט.

3. מתודולוגיה

השיטה המיושמת במחקר זה לקביעת מיקומו של אזור תעשייה היא הגישה של מערכות מידע גיאוגרפיות (GIS) ותהליך היררכיה אנליטית (AHP). לכן מפרט מחקר זה בהשוואה לקודמים הוא עיצוב של יישום המכונה מערכות חכמות אזור תעשייתי פוטנציאלי ידידותי למשתמש באמצעות שישה פרמטרים. הם משוקלים, מוערכים ונקבעים לפי טווח הציונים מבחינת תנאי השטח הקיים על סמך הערכת המומחים. במקרה זה, השקלול הושלם באמצעות שיטת תהליך ההיררכיה האנליטית (AHP) כקריטריון של ציוני הערכה ביישום. כמו כן, הקריטריונים והמשקלים המושגים ומנוצלים בעיצוב יישומי מערכת חכמה לקביעת אזורי תעשייה הם שיפוע קרקע, שימוש בקרקע, סוג קרקע, מרחק הקרקע מהכביש והנגישות, מרחק היבשה לנהר וה מרחק הקרקע למתקנים ציבוריים, ואילו ששת הקריטריונים והמשקולות ששוחזרו בהתאמת הקריטריונים מנוצלים במחקרים הקודמים, בין היתר [34] והוראות [35].

בינתיים, הגישה העקרונית של מערכות מידע גיאוגרפיות (GIS) היא בהתאם [36], בהתחשב בגיאוטכני ובניית מודלים מרחביים [37–39]. עיצוב האפליקציה נשען גם על עקרונות גיאו -מרחביים [40–42].

באשר מקרה המחקר נועד לבדיקה ויישום של היישום שהתקבל, כאשר בבקאסי, אינדונזיה, המחקר מעריך את התאמת שטחה כאזור תעשייה. כמו כן, עבודות בדיקה והדמיה בהיקף קטן יותר ברמה המחוזית של בינטרה, בקסי, על מנת להעריך את התאמת הקרקע מבחינת אזורי תעשייה. באופן דומה, היישום מבצע בדיקות כדי לנסות ללחוץ על נקודת מצולע מסוימת כדי לקבוע את שטח המצולע.

3.1. תכנון מערכות

ניסוח האפליקציה מתחיל עם תרשים שימוש-מקרה כטכניקה המנוצלת בפיתוח תוכנות או מערכות מידע כדי להכיל את הדרישות הפונקציונאליות של המערכת. יתר על כן, מקרה השימוש מסביר את התקשורת בין השחקן ליוזם האינטראקציה של המערכות עצמן עם המערכות העומדות.

הכללים החלים במודל המערכות החכמות הפוטנציאליות של אזור התעשייה הם כדלקמן (ראו איור 1): משתמשי המערכות הם יותר מאדם אחד משתמשים לא יכלו להעלות יותר מנתונים בכל פעם למשתמשים פשוט יש זהות אחת שמשתמשים יכולים למחוק העלו נתונים משתמשים יכולים פשוט לראות את הנתונים שהם אם הם לא חברים

מודל המערכות החכמות הפוטנציאליות של אזור התעשייה כולל את הפונקציות הבאות: מנהל אימות: כניסה מנהלי מערכות נתונים: הזנת נתוני משתמש חדשים שינוי נתוני משתמש מחיקת נתוני משתמש מנהל הנתונים המרחבים: הצגת הנתונים המרחבים העלאת נתונים מרחביים כדי להסיר נתונים מרחביים כדי למצוא נתונים מרחביים לפי עיר/מחוז

תרשים השימוש-מקרה הנ"ל ממחיש את האופן שבו משתמשים מתקשרים עם המערכות. לכן, מערכות המשתמשים כוללות מנהל מערכת ומבקרים, שבהן מנהל המערכת יכול לבצע פעולות ניהול נתונים כגון העלאת נתונים ותיעודם, עם זאת, אך התנאי חייב להיות פעולת ההתחברות הראשונה. בינתיים, המבקרים יכולים רק להציג ולחקור נתונים במערכת מסד הנתונים שהועלתה בעבר על ידי מנהל המערכת (ראה איור 2).

3.2. תהליך עיצוב

יתר על כן, המערכות החכמות הפוטנציאליות של אזור התעשייה מורכבות משלושה תהליכים עיקריים, המתבטאים בשיטת תרשים זרימת הנתונים (DFD), כפי שניתן לראות באיור 3, כלומר הגדרת משתמשים (ניהול משתמשים), ניהול נתונים ותצוגת נתוני תהליכים. (הצג נתונים). בנוסף, כל התהליך מופיע בתצורת המפות והנתונים על ידי הצגת משתנים כגון שיעור שיפוע, שימוש בקרקע, סוג קרקע, מרחק לכביש ונגישות, מרחק לנהר ומרחק למתקנים ציבוריים.

עם זאת, מנהלי המערכת משרתים את תהליך הגדרת המשתמש (ניהול משתמשים), המורכב מקלט נתונים, מניפולציה של נתונים והסרת נתוני משתמשים, ראה איור 4.

כמו כן, פקדי הניהול בתהליך הגדרת הנתונים (ניהול נתונים) כוללים ניהול מסדי נתונים, העלאת נתונים ומחיקת נתונים, ראה איור 5.

3.3. עיצוב מסדי נתונים

בינתיים, אספקת מסד הנתונים יוצאת מהכנת משתנה של טבלת נתונים, המהווה חלק מזיהוי התהליכים של הנתונים ביישום מסד הנתונים כפי שהם מובנים בטבלאות 1 ו -2.


הצטרפות מרחבית ללא פעולה על משתנה העניין - מערכות מידע גיאוגרפיות

אלא אם צוין אחרת, הפונקציות בסעיף זה מתייחסות לארגומנטים הגיאומטריה שלהן כדלקמן:

אם ארגומנט כלשהו הוא NULL, ערך ההחזרה הוא NULL.

אם ארגומנט כלשהו בגיאומטריה אינו גיאומטריה מעוצבת מבחינה תחבירית, מתרחשת שגיאה ER_GIS_INVALID_DATA.

אם ארגומנט כלשהו של גיאומטריה הוא גיאומטריה מעוצבת מבחינה תחבירית במערכת התייחסות מרחבית לא מוגדרת (SRS), מתרחשת שגיאה ER_SRS_NOT_FOUND.

עבור פונקציות הדורשות ארגומנטים מרובים בגיאומטריה, אם ארגומנטים אלה אינם באותו SRS, מתרחשת שגיאה ER_GIS_DIFFERENT_SRIDS.

אם לארגומנטום גיאומטרי כלשהו יש ערך SRID עבור SRS גיאוגרפי והפונקציה אינה מטפלת בגיאומטריות גיאוגרפיות, מתרחשת שגיאה ER_NOT_IMPLEMENTED_FOR_GEOGRAPHIC_SRS.

עבור ארגומנטים גיאומטריית SRS גיאוגרפית, אם לארגומנט כלשהו יש אורך או קו רוחב שהוא מחוץ לטווח, מתרחשת שגיאה:

אם ערך אורך אינו נמצא בטווח (-180, 180], מתרחשת שגיאה ER_GEOMETRY_PARAM_LONGITUDE_OUT_OF_RANGE (ER_LONGITUDE_OUT_OF_RANGE לפני MySQL 8.0.12).

אם ערך קו הרוחב אינו בטווח [−90, 90], מתרחשת שגיאה ER_GEOMETRY_PARAM_LATITUDE_OUT_OF_RANGE (ER_LATITUDE_OUT_OF_RANGE לפני MySQL 8.0.12).

הטווחים המוצגים הם במעלות. אם SRS משתמש ביחידה אחרת, הטווח משתמש בערכים המתאימים ביחידתו. גבולות הטווח המדויקים חורגים מעט עקב חשבון נקודה צפה.

אחרת, ערך ההחזרה הוא NULL.

פונקציות מפעיל מרחביות אלה זמינות:

מחזירה גיאומטריה המייצגת את כל הנקודות שהמרחק שלהן מערך הגיאומטריה ז הוא פחות או שווה למרחק של ד . התוצאה היא באותו SRS כמו הארגומנט הגיאומטריה.

אם ארגומנט הגיאומטריה ריק, ST_Buffer () מחזיר גיאומטריה ריקה.

אם המרחק הוא 0, ST_Buffer () מחזיר את הארגומנט הגיאומטריה ללא שינוי:

אם ארגומנט הגיאומטריה נמצא ב- SRS קרטזי:

ST_Buffer () תומך במרחקים שליליים לערכי מצולע ורב פוליגון, ולאוספי גיאומטריה המכילים ערכי מצולע או ריבוי פוליגונים.

אם התוצאה מצטמצמת עד כדי היעלמותה, התוצאה היא גיאומטריה ריקה.

מתרחשת שגיאה ER_WRONG_ARGUMENTS עבור ST_Buffer () עם מרחק שלילי לערכי Point, MultiPoint, LineString ו- MultiLineString, ולאוספי גיאומטריה שאינם מכילים ערכי מצולע או רב פוליגון.

אם ארגומנט הגיאומטריה נמצא ב- SRS גיאוגרפי:

החל מ- MySQL 8.0.26, גיאומטריות נקודה ב- SRS גיאוגרפית מותרות. בגיאומטריות שאינן נקודתיות, עדיין מתרחשת שגיאה ER_NOT_IMPLEMENTED_FOR_GEOGRAPHIC_SRS.

לגרסאות MySQL המאפשרות גיאומטריות של נקודה גיאוגרפית:

אם המרחק אינו שלילי ואין ציון אסטרטגיות, הפונקציה מחזירה את המאגר הגיאוגרפי של הנקודה ב- SRS שלה. ארגומנט המרחק חייב להיות ביחידת המרחק של SRS (כרגע תמיד מטרים).

אם המרחק שלילי או שצוין כל אסטרטגיה (למעט NULL), מתרחשת שגיאה ER_WRONG_ARGUMENTS.

ST_Buffer () מאפשר עד שלושה ארגומנטים אסטרטגיים אופציונליים בעקבות ארגומנט המרחק. אסטרטגיות משפיעות על חישוב החיץ. ארגומנטים אלה הם ערכי מחרוזת בתים המיוצרים על ידי הפונקציה ST_Buffer_Strategy (), שישמשו עבור אסטרטגיות נקודה, צירוף וסיום:

אסטרטגיות נקודה חלות על גיאומטריות נקודה ומרובת נקודות. אם לא צוינה אסטרטגיית נקודה, ברירת המחדל היא ST_Buffer_Strategy ('point_circle', 32).

אסטרטגיות הצטרפות חלות על גיאומטריות LineString, MultiLineString, Polygon ו- MultiPolygon. אם לא צוינה אסטרטגיית הצטרפות, ברירת המחדל היא ST_Buffer_Strategy ('join_round', 32).

אסטרטגיות סיום חלות על גיאומטריות LineString ו- MultiLineString. אם לא צוינה אסטרטגיית סיום, ברירת המחדל היא ST_Buffer_Strategy ('end_round', 32).

ניתן לציין עד אסטרטגיה אחת מכל סוג, וניתן לתת אותן בכל סדר.

אם אסטרטגיות המאגר אינן חוקיות, מתרחשת שגיאה ER_WRONG_ARGUMENTS. האסטרטגיות אינן תקפות בכל אחת מהנסיבות הבאות:

צוין מספר אסטרטגיות מסוג נתון (נקודה, הצטרפות או סיום).

ערך שאינו אסטרטגיה (כגון מחרוזת בינארית שרירותית או מספר) מועבר כאסטרטגיה.

אסטרטגיית נקודה עוברת והגיאומטריה אינה מכילה ערכי נקודה או MultiPoint.

אסטרטגיית סיום או צירוף עוברת והגיאומטריה אינה מכילה ערכי LineString, Polygon, MultiLinestring או MultiPolygon.

פונקציה זו מחזירה מחרוזת בייט אסטרטגיה לשימוש עם ST_Buffer () להשפעת חישוב החיץ.

מידע על אסטרטגיות זמין ב- Boost.org.

הטענה הראשונה חייבת להיות מחרוזת המציינת אפשרות אסטרטגיה:

עבור אסטרטגיות נקודה, ערכים מותרים הם 'point_circle' ו- 'point_square'.

עבור אסטרטגיות הצטרפות, ערכים מותרים הם 'join_round' ו- 'join_miter'.

עבור אסטרטגיות סיום, ערכים מותרים הם 'end_round' ו- 'end_flat'.

אם הארגומנט הראשון הוא 'נקודה_מעגל', 'צירוף_אזור', 'צירוף_מיטר' או 'קצה_קצה', נקודות_מעגל יש לתת את הארגומנט כערך מספרי חיובי. המקסימום נקודות_מעגל value הוא הערך של משתנה המערכת max_points_in_geometry.

לקבלת דוגמאות, עיין בתיאור של ST_Buffer ().

ST_Buffer_Strategy () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה, למעט יוצאים מן הכלל הבאים:

אם ארגומנט כלשהו אינו חוקי, מתרחשת שגיאה ER_WRONG_ARGUMENTS.

אם הטיעון הראשון הוא 'point_square' או 'end_flat', נקודות_מעגל אסור לתת טיעון או שתתרחש שגיאה ER_WRONG_ARGUMENTS.

מחזירה גיאומטריה המייצגת את גוף הקמור של ערך הגיאומטריה ז .

פונקציה זו מחשבת את גוף הקמור של הגיאומטריה על ידי בדיקה ראשונה אם נקודות הקודקוד שלה קולינריות. הפונקציה מחזירה גוף קליפה אם כן, גוף מצולע אחרת. פונקציה זו מעבדת אוספי גיאומטריה על ידי חילוץ כל נקודות הקודקוד של כל מרכיבי האוסף, יצירת מהן ערך MultiPoint וחישוב הגוף הקמור שלה.

ST_ConvexHull () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה, למעט חריג זה:

ערך ההחזרה הוא NULL עבור התנאי הנוסף שהארגומנט הוא אוסף גיאומטריה ריק.

מחזירה גיאומטריה המייצגת את ההבדל במערך הנקודות של ערכי הגיאומטריה g1 ו g2 . התוצאה היא באותו SRS כמו הארגומנטים של הגיאומטריה.

החל מ- MySQL 8.0.26, ST_Difference () מאפשר ארגומנטים ב- SRS קרטזי או SRS גיאוגרפי. לפני MySQL 8.0.26, ST_Difference () מתיר ארגומנטים ב- SRS קרטזי רק לארגומנטים ב- SRS גיאוגרפי, מתרחשת שגיאה ER_NOT_IMPLEMENTED_FOR_GEOGRAPHIC_SRS.

ST_Difference () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה.

מחזירה גיאומטריה המייצגת את צומת ערכת הנקודות של ערכי הגיאומטריה g1 ו g2 . התוצאה היא באותו SRS כמו הארגומנטים של הגיאומטריה.

החל מ- MySQL 8.0.27, ST_Intersection () מאפשר ארגומנטים ב- SRS קרטזי או SRS גיאוגרפי. לפני MySQL 8.0.27, ST_Intersection () מתיר ארגומנטים ב- SRS קרטזיאני רק עבור ארגומנטים ב- SRS גיאוגרפי, מתרחשת שגיאה ER_NOT_IMPLEMENTED_FOR_GEOGRAPHIC_SRS.

ST_Intersection () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה.

פונקציה זו לוקחת גיאומטריה של LineString ומרחק שברי בטווח [0.0, 1.0] ומחזירה את הנקודה לאורך ה- LineString בחלק הנתון של המרחק מנקודת ההתחלה שלה לנקודת הסיום שלה. ניתן להשתמש בו כדי לענות על שאלות כגון איזו נקודה נמצאת באמצע הדרך המתוארת בטיעון הגיאומטריה.

הפונקציה מיושמת עבור גיאומטריות LineString בכל מערכות ההתייחסות המרחבית, הן קרטזית והן גיאוגרפית.

אם ה מרחק_ חלקי הארגומנט הוא 1.0, יתכן שהתוצאה אינה בדיוק הנקודה האחרונה של הארגומנט LineString אלא נקודה הקרובה אליה עקב אי דיוקים מספריים בחישובים בערך משוער.

פונקציה קשורה, ST_LineInterpolatePoints (), לוקחת ארגומנטים דומים אך מחזירה MultiPoint המורכבת מערכי נקודה לאורך מחרוזת Line בכל חלק מהמרחק מנקודת ההתחלה שלה לנקודת הסיום שלה. לקבלת דוגמאות לשתי הפונקציות, עיין בתיאור ST_LineInterpolatePoints ().

ST_LineInterpolatePoint () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה, למעט יוצאים מן הכלל הבאים:

אם הארגומנט הגיאומטרי אינו LineString, מתרחשת שגיאה ER_UNEXPECTED_GEOMETRY_TYPE.

אם ארגומנט המרחק השברירי נמצא מחוץ לטווח [0.0, 1.0], מתרחשת שגיאה ER_DATA_OUT_OF_RANGE.

ST_LineInterpolatePoint () הוא סיומת MySQL ל- OpenGIS. פונקציה זו נוספה ב- MySQL 8.0.24.

פונקציה זו לוקחת גיאומטריה של LineString ומרחק שברי בטווח (0.0, 1.0] ומחזירה את ה- MultiPoint המורכב מנקודת ההתחלה של LineString, בתוספת ערכי נקודה לאורך ה- LineString בכל חלק מהמרחק מנקודת ההתחלה שלה לנקודת הסיום שלה. זה ניתן להשתמש בהם כדי לענות על שאלות כגון אילו ערכי נקודה מונחים כל 10% מהדרך לאורך הדרך המתוארת על ידי הטיעון הגיאומטריה.

הפונקציה מיושמת עבור גיאומטריות LineString בכל מערכות ההתייחסות המרחבית, הן קרטזית והן גיאוגרפית.

אם ה מרחק_ חלקי הארגומנט מחלק 1.0 עם אפס שארית התוצאה עשויה שלא להכיל את הנקודה האחרונה של הארגומנט LineString אלא נקודה הקרובה אליו עקב אי דיוקים מספריים בחישובים בערך משוער.

פונקציה קשורה, ST_LineInterpolatePoint (), לוקחת ארגומנטים דומים אך מחזירה את הנקודה לאורך מחרוזת השורה בחלק השמור של המרחק מנקודת ההתחלה שלה לנקודת הסיום שלה.

ST_LineInterpolatePoints () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה, למעט יוצאים מן הכלל הבאים:

אם ארגומנט הגיאומטריה אינו מחרוזת Line, מתרחשת שגיאה ER_UNEXPECTED_GEOMETRY_TYPE.

אם ארגומנט המרחק השברירי נמצא מחוץ לטווח [0.0, 1.0], מתרחשת שגיאה ER_DATA_OUT_OF_RANGE.

ST_LineInterpolatePoints () היא סיומת MySQL ל- OpenGIS. פונקציה זו נוספה ב- MySQL 8.0.24.

פונקציה זו לוקחת גיאומטריה של LineString ומרחק בטווח [0.0, ST_Length ( ls )] נמדד ביחידת מערכת ההתייחסות המרחבית (SRS) של ה- LineString, ומחזיר את הנקודה לאורך ה- LineString במרחק זה מנקודת ההתחלה שלה. ניתן להשתמש בו כדי לענות על שאלות כגון איזה ערך נקודה נמצא 400 מטרים מתחילת הכביש המתואר על ידי הטיעון הגיאומטריה.

הפונקציה מיושמת עבור גיאומטריות LineString בכל מערכות ההתייחסות המרחבית, הן קרטזית והן גיאוגרפית.

ST_PointAtDistance () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה, למעט יוצאים מן הכלל הבאים:

אם ארגומנט הגיאומטריה אינו LineString, מתרחשת שגיאה ER_UNEXPECTED_GEOMETRY_TYPE.

אם ארגומנט המרחק השברירי נמצא מחוץ לטווח [0.0, ST_Length ( ls )], מתרחשת שגיאה ER_DATA_OUT_OF_RANGE.

ST_PointAtDistance () היא תוסף MySQL ל- OpenGIS. פונקציה זו נוספה ב- MySQL 8.0.24.

מחזירה גיאומטריה המייצגת את ההבדל הסימטרי של ערכת הנקודות של ערכי הגיאומטריה g1 ו g2 , המוגדר כ:

או, בסימון שיחות בפונקציה:

התוצאה היא באותו SRS כמו הארגומנטים של הגיאומטריה.

החל מ- MySQL 8.0.27, ST_SymDifference () מאפשר ארגומנטים ב- SRS קרטזי או SRS גיאוגרפי. לפני MySQL 8.0.27, ST_SymDifference () מתיר ארגומנטים ב- SRS קרטזי רק עבור ארגומנטים ב- SRS גיאוגרפי, מתרחשת שגיאה ER_NOT_IMPLEMENTED_FOR_GEOGRAPHIC_SRS.

ST_SymDifference () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה.

הופך גיאומטריה ממערכת התייחסות מרחבית אחת (SRS) לאחרת. ערך ההחזרה הוא גיאומטריה מאותו סוג כמו גיאומטריית הקלט עם כל הקואורדינטות שהוסבו ל- SRID היעד, target_srid . תמיכת הטרנספורמציה מוגבלת ל- SRS גיאוגרפיים, אלא אם כן ה- SRID של הארגומנט הגיאומטרי זהה לערך ה- SRID היעד, ובמקרה זה ערך ההחזרה הוא גיאומטריית הקלט עבור כל SRS תקף.

ST_Transform () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה, למעט יוצאים מן הכלל הבאים:

ארגומנטים של גיאומטריה שיש להם ערך SRID עבור SRS גיאוגרפי אינם מייצרים שגיאה.

אם לארגומנטום או לארגומנט SRID היעד יש ערך SRID המתייחס למערכת התייחסות מרחבית לא מוגדרת (SRS), מתרחשת שגיאה ER_SRS_NOT_FOUND.

אם הגיאומטריה נמצאת ב- SRS ש- ST_Transform () אינו יכול להפוך ממנו, מתרחשת שגיאה ER_TRANSFORM_SOURCE_SRS_NOT_SUPPORTED.

אם יעד ה- SRID נמצא ב- SRS ש- ST_Transform () לא יכול להפוך אליו, מתרחשת שגיאה ER_TRANSFORM_TARGET_SRS_NOT_SUPPORTED.

אם הגיאומטריה נמצאת ב- SRS שאינו WGS 84 ואין לה סעיף TOWGS84, מתרחשת שגיאה ER_TRANSFORM_SOURCE_SRS_MISSING_TOWGS84.

אם יעד ה- SRID נמצא ב- SRS שאינו WGS 84 ואין לו סעיף TOWGS84, תתרחש שגיאה ER_TRANSFORM_TARGET_SRS_MISSING_TOWGS84.

ST_SRID () משנה את ערך ה- SRID הגיאומטרי מבלי לשנות את הקואורדינטות שלו.

ST_Transform () הופך את קואורדינטות הגיאומטריה בנוסף לשינוי ערך ה- SRID שלו.

מחזירה גיאומטריה המייצגת את האיחוד הנקוב של ערכי הגיאומטריה g1 ו g2 . התוצאה היא באותו SRS כמו הארגומנטים של הגיאומטריה.

החל מ- MySQL 8.0.26, ST_Union () מתיר ארגומנטים ב- SRS קרטזי או SRS גיאוגרפי. לפני MySQL 8.0.26, ST_Union () מתיר ארגומנטים ב- SRS קרטזיאני רק עבור ארגומנטים ב- SRS גיאוגרפי, מתרחשת שגיאה ER_NOT_IMPLEMENTED_FOR_GEOGRAPHIC_SRS.

ST_Union () מטפל בטיעוניו כמתואר בהקדמה לסעיף זה.


כיוונים עתידיים

GeoDa הינה עבודה בתהליך ועדיין נמצאת בפיתוח פעיל. התפתחות זו נמשכת לאורך שלוש חזיתות. בראש ובראשונה מאמץ להפוך את הקוד חוצה פלטפורמות וקוד פתוח. זה דורש שינוי ניכר בממשק הגרפי, החל מ- MFC שהם סטנדרטיים בטעמי MS Windows השונים, לחלופה חוצה פלטפורמות. המאמצים הנוכחיים משתמשים ב- wxWidgets, 17 17 http://www.wxwidgets.org
שפועל על בסיס קוד זה עם טעם GUI מקורי ב- Windows, MacOSX ו- Linux/Unix. הפיכת הקוד לקוד פתוח מונעת כיום מההסתמכות על קוד קנייני ב- MapObjects של ESRI. יתר על כן, הדבר כרוך ביותר בהפצת קוד המקור לזמין, אך טומן בחובו ארגון מחדש והתייעלות קוד (refactoring), כדי לאפשר לקהילה להשתתף ביעילות בתהליך הפיתוח.

קטע פיתוח שני נוגע לפונקציונליות הרגרסיה המרחבית. בעוד שעדיין עדיין בסיסי למדי, ההכללה של אומדנים אחרים מלבד ML וההרחבה למודלים לנתוני פאנל מרחבי. לבסוף, הפונקציונליות של ESDA עצמה מורחבת לדגמי נתונים אחרים מלבד המיקומים הנפרדים במקרה "הסריג". באופן ספציפי מתווספת וריאוגרפיה חקרנית, כמו גם חקר דפוסים בנתוני זרימה.

בהתחשב בשיעור האימוץ הראשוני שלה, יש אינדיקציה חזקה לכך GeoDa אכן מספק את "המבוא לניתוח נתונים מרחביים" המאפשר למספר גדל והולך של מדעני חברה להיחשף לפרספקטיבה מרחבית מפורשת. פיתוח העתיד של התוכנה אמור לשפר את היכולת הזו ויש לקוות שהמעבר לסביבת קוד פתוח יכלול קהילה בינלאומית של מפתחים בעלי דעות דומות במיזם זה.


הצטרפות מרחבית ללא פעולה על משתנה העניין - מערכות מידע גיאוגרפיות

מאת רוג 'ר טומלינסון

לגיאוגרפים#151 כולל אלה של האיגוד הבינלאומי הגיאוגרפי (IGU) — יש כמשימתם את התיאור וההסבר של מרחב המחיה של בני האדם והמבנה המרחבי של החברה שנוצר מכך. פיתוח השקפות פורמליות של חששות אלה מהווה בסיס למדע הגיאוגרפיה המודרני. היקף ומורכבות העולם בו אנו חיים מקשים על משימה זו. כמויות הנתונים הנובעות אפילו מחקירה גלובלית קפדנית מהוות מכשול רציני להבנתנו. לפני חמישים שנה לא ניתן היה לטפל באף קבוצה גדולה של מפות ונתונים שהועתקו, ועוד פחות לנתח אותם בצורה יעילה כלשהי. חוסר היכולת שנגרם והתבסס על הכשל לשאול שאלות, שלא לדבר על התייחסות לעומק לתפקידן של השפעות אינטראקציה שונות המעצבות את הגורמים האינדיבידואליים והחברתיים, הותיר אותנו עם אי ידיעה עמוקה ובאופן כללי בלתי מוכרת לגבי התנהגות מרחב וזמן.

הופעת המחשבים ככלי לעיבוד מידע ופיתוח GIS סייעו למדידות בגיאוגרפים בעבודתם. כלים חדשים אלה מתווספים למשמעת. כשם שהופעת הטלסקופ על ידי גלילאו הגדילה את הידע של השמים ואת מושגי המרחב והופעת המיקרוסקופ חוללה מהפכה בביולוגיה ביכולתה להוסיף רזולוציה ועומק לחקירה, כך הופעת הכלים של GIS השפיעה על תחום גיאוגרפיה. איכות השאלות שנשאלות עולה והיקפן והשימוש בניתוח המרחבי הופך להיות מתוחכם יותר. אנו מתעמקים במשתנים המרחבים בהתחשב בגורמים שאחרת לא היו נחקרים. הפשרה בין מאמץ לחקירה משתנה לטובת החקירה. עובדים מסוגלים להחליף את הנימוקים שלהם (מודלים להחלטה) בקלות רבה. זה תורם למודעות לגיאוגרפיה ולמספר ההולך וגדל של אנשים שמעורבים בתחום. החלפת רעיונות ושיטות הולכת וגוברת. כתוצאה מכך, לימודי הגיאוגרפיה משתנים באופן משמעותי ומועיל ובמיוחד מתרחבים מחוץ לתחום האקדמי. הגיאוגרפיה כמשמעת כבר אינה מוקפת על ידי הגיאוגרפיה האקדמית. היא איננה כעת בעיקר רדוקציוניסטית וסקרנית, במטרה לייצר חוקים כלליים (שיטה מדעית ותיקה עם סגולה רבה). יש דרישה דחופה לשימוש במדע הגיאוגרפי בממשלה, ביחס לחברה, ולתת מענה לסוגיות הדוחקות העומדות בפני העולם. לגיאוגרפים יש תרומות רבות לסוגיות אלה.


תהליך מיקום אמבולנסים מראש לשירות טוב יותר הוא אחת הדרכים שבהן GIS משמש לבחינת מצבים מרחביים.

קיימת, למשל, הסכמה רחבה בקהילה המדעית שאקלים כדור הארץ משתנה וכי הוא נגרם בחלקו על ידי בני אדם. אולם מעט מאוד ידוע על ההשפעות החברתיות של שינויי האקלים, וישנן שאלות גיאוגרפיות חשובות מאוד שיש לענות עליהן לגבי שינויים במחזורים ביוכימיים, מערכות אקולוגיות, משאבי מים וניצול משאבים המשך זיהום האטמוספירה והכלכלה הכללית, הפוליטית. , והשלכות חברתיות. גיאוגרפים יכולים לתרום לגוף הידע אודות שינויי אקלים על ידי סינתזה, ניתוח ודוגמניות של השפעות אפשריות.

באופן דומה, ביחס לבריאות ולרווחת האדם, ההבנה של בריאות האוכלוסייה, התפלגות המחלות באזור והשפעת הסביבה על בריאות ומחלות היא מרכזית בקיום האנושי ובעיה גיאוגרפית מובהקת. ישנן גם נושאים משמעותיים לגבי הנגישות של שירותי הבריאות וההפצה המרחבית של נותני שירותי הבריאות.

הגלובליזציה עוסקת באינטראקציה ואינטגרציה בין אנשים, חברות וממשלות של מדינות שונות, תהליך המונע על ידי סחר והשקעות בינלאומיות ונעזר בטכנולוגיית מידע. יש לה השפעות על הסביבה, התרבות, המערכות הפוליטיות, ההתפתחות הכלכלית והשגשוג והרווחה הפיזית של האדם בחברות ברחבי העולם. שוב, לניתוח התנאים הללו יש מרכיב מרחבי חזק.

ביטחון חברתי הוא מטרה מהותית של כל הממשלות וזו שהפכה לקשה יותר ומימוש בשנים האחרונות. בתחום הלחימה האסימטרית הפתרונות הסוציו -פוליטיים הפכו מורכבים יותר ויותר, והשפעותיהם משפיעות על קהילות וקבוצות סוציו -אקונומיות שונות בדרכים שונות.

קיימות כרוכה במתן מענה לצרכי ההווה מבלי לפגוע ביכולתם של הדורות הבאים לענות על צרכיהם, ועדיין היא נותרת בעיה, במיוחד לאור השינויים הסביבתיים המואצים ומשבר המזון הנוכחי. לגיאוגרפים יש הרבה מה לתרום להבנה ולפתרון של בעיה מורכבת, רב ממדית ובעיקר מרחבית.

ביסוס גיוון חברתי פירושו הבנה והכללה של תהליכי הטרוגניות מרחבית: הגדרת מאפיינים של דפוסים ותהליכים על פני כדור הארץ. הבנת תהליכים אלה, המתייחסים לשונות חברתית, להבדלים ולחוסר שוויון, היא המפתח לממשל טוב.

להלן איורים של כמה מהדרכים בהן נעשה שימוש ב- GIS לבחינת מצבים מרחביים.

אקלים —מדד חומרת הבצורת של פאלמר הוא הבסיס להקלה חקלאית לחקלאים במצוקה גדולה. עניין מיוחד הוא ניתוח הבצורת בתחנות כוח גרעיניות. הם דורשים כמויות גדולות של מים לצורכי קירור, ובצורת מתמשכת פירושה שיש לסגור אותם ולהסיר את אספקת החשמל שלהם במדינות הנוגעות בדבר.

השפעה אנושית —מפת ההשפעה האנושית הראשונה של צפיפות האוכלוסייה בשתי ההמיספרות היא של פליטת CO2 באטמוספירה, תוך שימוש במידע על חיישן לוויין בזמן אמת מעבדת הנעה.

צפיפות האוכלוסין —צפיפות האוכלוסייה ניתנת כמרכיב בחישובי ההשפעה האנושית וטביעת הרגל האנושית.

טביעת רגל אנושית —טביעת הרגל האנושית נועדה למדוד את היקף ההפרעות האנושיות על פני כדור הארץ, באמצעות נתונים מעודכנים על צפיפות האוכלוסייה האנושית, טרנספורמציה של קרקע, גישה אנושית, תשתיות חשמל והתנחלויות. הגרסה האחרונה הופקה בשנת 2008. העבודה הופקה על ידי יחידת המידע ההומניטרי של משרד הגיאוגרף והנושאים הגלובליים (מנהל, ד"ר לי שוורץ) של לשכת המודיעין והמחקר במשרד החוץ האמריקאי.

בריאות האדם —בריאות האדם בוחנת את האינטראקציה של משתנים מרחביים, כולל עבודת משרד החקלאות האמריקאי עם השפעה על בעלי חיים על בריאות האדם את התפרצויות שפעת העופות בסין על ידי איתור ההתחקות אחר התפרצות תסמונת הנשימה החריפה בסין והונג קונג כדי לזהות את מקורותיה הלאומיים ניתוח מכון הסרטן של ההשפעות הסביבתיות על אירועי סרטן והקשר בין עישון למשקל לידה בחלק מאונטריו, קנדה.

שפעת העופות —מסלולי נדידת שפעת העופות והציפורים ממחישים את המתאם בין התפרצויות ידועות של שפעת העופות למסדרונות נדידת ציפורים כדי לסייע בתהליך זיהוי המקור והתפשטות המחלה. אותה אפליקציית GIS מאפשרת למשתמשים לזהות תחנות הסגר, מרפאות של שפעת ומחלקות מקומיות לבריאות הציבור.

מיקום אמבולנס —נבחן תהליך מיקום אמבולנסים מראש לשירות טוב יותר. קווי המתאר של הביקוש בפועל (צפיפות השיחות) והמיקום הקיים של אמבולנסים כדי לענות על הביקוש מחושבים לייעל את זמני הנסיעה בתגובה, המשפיעים על יעילות ארגון האמבולנסים ושיעור ההישרדות באזור.

הפצת חיסונים נגד שפעת —הגישה להפצות חיסונים נגד שפעת מושווה להתפלגות האוכלוסייה עם אזורי חיץ גישה של רדיוס של קילומטר ושני קילומטרים סביב נקודות הפצה של חיסונים. ניתוח דומה משמש כהכנה למגיפות שפעת העופות.

איידס ומס '151ההתקדמות בתוכנית החירום של נשיא ארה"ב לסייע באיידס באפריקה שמדרום לסהרה מוצגת כבסיס לשינוי מדיניות. כמו כן כלולות התוצאות בווייטנאם ובגיאנה. ניתוח והבנה נוספים של מגיפת האיידס באפריקה, במיוחד קניה, אוגנדה, טנזניה, זמביה ומלאווי, נובעים מניתוח נתוני המטופלים לפי מגדר המציג את אחוז האנשים החולי HIV בארבע קטגוריות (2-5 אחוזים, 510 אחוזים, 10–15 אחוזים ויותר מ -15 אחוזים מהאוכלוסייה). באופן דומה נבדקת שכיחות ה- HIV בקרב בני נוער לפי מחלקות אדמיניסטרטיביות ממדרגה ראשונה במדינות הנוגעות, שוב כאחוז מהאוכלוסייה הכללית ולפי מגדר. מחקרים אלה מבססים את האספקה ​​האפקטיבית של הקלה באיידס באפריקה שמדרום לסהרה וניטור וניתוח יעילות התוכנית.


איור מאת אליזבת דייויס, אסרי

ניתוח החיים והמוות באפריקה הוא אחד עם היקף רחב. הוא כולל שיעורי תמותת תינוקות, גישה למי שתייה, דלקות איידס הכוללות, הכנסה לאומית ברוטו ותוחלת חיים לפי מדינה. איחוד משתנים אלה ביבשת מאפשר לעובדים להבין טוב יותר את האמצעים הדרושים לשיפור המצב הלאומי.

מהומות מזון 2007-2008 —מצבו האנושי של העולם, בייחוד פרעות המזון של 2007 ו -2008, עוקב וממחיש. זהו המופע הראשון של ממד עולמי.

טיפוח אופיום באפגניסטן —מכיוון שאפגניסטן מספקת 80 אחוז מהרואין בעולם, זוהי בעיה עולמית. מפה זו משווה את צפיפות האוכלוסייה באפגניסטן לאזורי גידול פרג. הטליבאן פועל רבות באזור הדרומי של המדינה והחל לאחרונה בפעולות בצפון מזרח.

הרס בית גידול —ברזיל ממחישה באופן גרפי את היקף הקציר, המסיר באופן שיטתי את בית הגידול של יערות הגשם.

היכן לשתול מיליארד עצים —תנועת החגורה הירוקה, בראשות חתן פרס נובל וואנגרי מאתאי, היא תנועה פוליטית/סביבתית, ומוצלחת מאוד, במטרה לשתול מיליארד עצים באפריקה. פיטר נדונדה הוא רכז ה- GIS לפרויקט, העובד באופן פעיל במזרח ובמערב אפריקה על כיסוי סוגי קרקע, אקלים, בית גידול של בעלי חיים, צפיפות אוכלוסייה ואדמות שבטיות כדי לקבוע את האתרים היעילים ביותר לשתילה. ללא ה- GIS, עצים היו נטועים באתרים שליליים. הישרדותם תהיה מפוקפקת, והתמיכה הפוליטית העממית תיעלם.

הגירה של אזור קשיחות הצמחים —שמירת הטבע באוניברסיטת וושינגטון חישבה אזורי עמידות צמחים בשנים 1960, 2008 ו -2099. התנועה צפונה ליער הבוראלי ושיפור הטמפרטורות באיים הארקטי ניכרים במיוחד. ניתן למדוד את ההשלכות על בית הגידול ולהעריך אותן טוב יותר.

קרח הים הארקטי#151תנאי הקרח בים הארקטי יובאו לפרספקטיבה. נתוני מינהל האווירונאוטיקה והחלל הלאומי (NASA) מראים כי קרח ים רב שנתי ארקטי, ששורד בדרך כלל את עונת ההיתוך הקיצית ונשאר לאורך כל השנה, התכווץ בפתאומיות ב -14 אחוזים בין 2004 ל -2005. אובדן הקרח הרב שנתי במזרח האוקיינוס ​​הארקטי היה אפילו גבוה יותר, קרוב ל -50 אחוזים במהלך הזמן הזה כאשר חלק מהקרח נע ממזרח הארקטי למערב. הירידה הכוללת בחורף קרח ים רב שנתי ארקטי מסתכם ב 720,000 קילומטרים רבועים (280,000 מייל רבוע) — שטח בגודל טקסס. עובי קרח רב שנתי יכול להיות בעובי של 3 מטרים או יותר. הוא הוחלף בקרח חדש עונתי בעובי של 0.3 עד 2 מטרים בלבד, שפגיע יותר להמסת הקיץ. הירידה בקרח הרב שנתי מעלה את האפשרות שקרח הים הארקטי ייסוג השנה לשיא נמוך יותר. זאת בעקבות סדרה של שנים מכסות קרח נמוכות מאוד שנצפו בארבעת הקיצים האחרונים מנתוני לוויין מיקרוגל פעילים ופסיביים.

היסטוריית נסיעות —על ידי מעקב אחר טיסות של חברה אחת במהלך שנה והבנת נתיבי ההשפעה הסביבתית, השימוש בדלק בעלות גבוהה יותר ויותר והפצת מיקומי החברה/משרדים אזוריים עתידיים מובנים.

קו פרשת הידרו —קו פרשת המים של נהר נוז בצפון קרוליינה הוא תרגיל מתוחכם בהסתברות ובקרה של הצפות המבוססות על גשמים והתאדות במהלך שנה.

סיוע הומניטרי —לצורך סיוע הומניטרי, הסוכנות האמריקאית לפיתוח בינלאומי (USAID) קובעת את מיקומם של אנשים שנפגעו מפעילות ציקלון בבנגלדש. ניתוח זה שימש בסיס לסיוע נרחב הניתן במקומות הנכונים.

דוגמה נוספת לסיוע הומניטרי שהפיק משרד הלשכה לסיוע לאסונות זרים ב- USAID נוגעת לשריפות היווניות של 2007. המפה העיקרית בה השתמש הפרויקט היא תוצאה של זיהוי יומיומי של חמישה גבולות. בפרט, הניתוח התמקד במידת חומרת צריבת הקרקע באגן קלאדיוס, שאפשר להפנות את מוקד הסיוע לאותן קהילות שנפגעו ביותר מנזקים ארוכי טווח ובצורך נואש ביותר של סיוע.

סיוע הומניטרי הניתן על ידי משרד החוץ האמריקאי בקרן אפריקה עוסק באינטראקציה אפשרית של בצורת, ארבה, שיטפונות ורעידות אדמה, ומספקת אמצעים להסתברות לפי סוג סכנה לספק הנחיות מדיניות לסיוע בתחום זה.

סיוע הומניטרי הוא הצד הממוזער לעתים קרובות של משרד ההגנה האמריקאי, שמשתמש ב- GIS נייד בזיהוי צרכים ובניית המתקנים לאספקת מים באפגניסטן.

תגובת העיתונות —העיתונות שמה לב לגיאוגרפיה בפעולה. היו שורה של כותרות עיתונים הנוגעות לניצול GIS בפעולות העיר, בפעילות משטרת המשטרה, עסקאות נדל"ן, לימודי נהרות וכן הלאה.

יישומים מסחריים —מיקומי חנויות מסחריות מראים את השימוש ההולך וגדל בגיאוגרפיה בקהילת העסקים, מנתח כיצד ממוקמים חנויות קמעונאיות ספציפיות ביחס למרחק הנהיגה (בקילומטרים) מהמתחרים הקרובים אליהן וניתוח אחר כך של אזורים עם גישה ליותר מחנות אחת כדי להבטיח כי מיקומי חנויות חדשים אינם מתחרים בתחום הסחר של החנויות הקיימות.

סיכום המצבים המרחבים

GIS משלב את היכולת לנהל מאגרי נתונים גיאוגרפיים ולבצע ניתוח ומודלים מרחביים כדי להמחיש פלט ולהפיץ תוצאות ושיטות.

אין זה מפתיע כי GIS וניתוח גיאוגרפי נמצאים בשימוש נרחב. אבל התפשטות מתודולוגיית הניתוח הגאוגרפי ברחבי העולם האמיתי היא יוצאת דופן למדי. בהתבסס על רשומות רישוי, יש מעט מדינות או מחלקות ממשלתיות בעולם שאינן משתמשות ב- GIS. לפחות 5 מיליון אנשים בלמעלה מ -300,000 מוסדות בלמעלה מ -150 מדינות משתמשים מדי יום בשיטות גיאוגרפיות בעבודתם. והקמפוסים הגדולים ביותר החוקרים ניתוח גיאוגרפי אינם באקדמיה אלא במגזר הפרטי (למשל, לאסרי יש יותר מ -2,700 עובדים בארה"ב, עם 100 דוקטורנטים ו -1,500 מקבלי מאסטר, ומוסיף מספר בוגרים חדשים מדי שנה).


מסלולי נדידת שפעת העופות והציפורים ממחישים את המתאם בין התפרצויות ידועות של שפעת העופות למסדרונות נדידת ציפורים כדי לסייע בתהליך זיהוי המקור והתפשטות המחלה.

בהנחה שכל מיליון דולר של השקעה בנתונים וב- GIS דורשים לפחות אדם מאומן אחד כדי שההשקעה תהיה בשימוש יעיל, יש מחסור של לפחות 3,000 אנשים מאומנים בשנה בצפון אמריקה בלבד, בהשוואה לתפוקה מכל אוניברסיטאות ומכללות טכניות בצפון אמריקה. הסטודנטים מבינים שגיאוגרפיה מציעה הזדמנויות קריירה ומשרות מעניינות ברחבי עולם העבודה.

העניין במשמעת גדל בכל מקום. הגיאוגרפיה האקדמית עשויה להתפצל למחלקות ותת-התמחויות בעלות שם, אך לתלמידים שהוכשרו בניתוח גיאוגרפי ויכולים להשתמש בכלים המודרניים של GIS יש ביקוש רב.גידולו של עניין זה מודגם בצמיחת איגוד הגאוגרפים האמריקאים, שגדלה במידה ניכרת בעשור האחרון ואשר בכנסים השנתיים משתתפים יותר אנשים מתמיד (ראה טבלה למטה). אינדיקציה דומה היא החדרה מחדש של הגיאוגרפיה בהרווארד לאחר היעדרות של 60 שנה במרכז החדש לניתוח גיאוגרפי. בחנוכת המרכז אמר נשיא הרווארד, "מערכות מידע גיאוגרפיות יאפשרו לנו לשנות את אופי השאלות הנשאלות במגוון רחב של מדעים ומדעי הרוח".

אכן, מגוון רחב של בעיות כבר הומחש וניתן לטפל בהן, אך סוגיות רבות ורחבות עדיין דורשות את תשומת הלב של הגיאוגרפים.

יש גיאוגרפיה של ביטחון וטרור שהיא רב -פנים ומעט נחקרת ומובנת יחסית, למרות שזה יכול לתרום רבות לבעיה הדוחקת הזו. יש היקף גדול בתחום זה לפיתוח תיאוריות ביקורתיות לבחינת גיאוגרפיות חלופיות.

הפיתוח הנרחב של הגיאוגרפיה הכמותית בשנות השישים והשבעים שנותן מענה לבעיות הניתוח והדוגמנות של החלל צריך להשתלב ביכולות ה- GIS של ימינו ולפגיש יחד מודלים רחבים יותר וישימים יותר של מרחב וזמן גיאוגרפיים, תוך התמקדות באינטראקציות ו דִינָמִיקָה.

עדיין אין לנו מודלים מתאימים לערים הגדולות, והרבה פחות לעולם עצמו. אני משוכנע שלפחות ולנכדינו יהיה לנו אותם, אך ישנן שאלות מחקר רבות שנותרו לחקור בדרך ליצירת "כדור הארץ הדיגיטלי" של אל גור. ישנן שאלות הנוגעות להיבטים רבים של הגיאוגרפיה, כולל ייצוג, יעילות ניהול המידע, ויזואליזציה מדעית מתאימה של נושאים, יישומים והשלכות מדיניות. אין לי ספק ש- GIS יהיה ליבה של ההתקדמות הזו ושהעתיד יהיה עשיר ופרודוקטיבי.

האיחוד הגיאוגרפי הבינלאומי (IGU)

האינטרס של האיחוד הגיאוגרפי הבינלאומי ב- GIS מקורו בוועדה לחישה מרחוק בראשות דיטר שטיינר (1964–1968). המעבר בין פרשנות צילום לטיפול בתצלומי לוויין בצורה דיגיטלית בישר על שינוי שם הוועדה בשנת 1968 כוועדה לזיהוי ועיבוד נתונים גיאוגרפיים. ועדה זו נשארה קיימת במשך 12 שנים בראשותי בשלבים הראשונים הקריטיים של GIS. היא קיימה את ועידות ה- GIS הבינלאומיות הראשונות בעולם, פרסמה את הטקסטים הראשונים, הקימה שיתוף פעולה בינלאומי בין עובדים בתחום, הקימה צוותי מחקר אקדמיים ותעשייתיים, ערכה מלאי ותיאור של כל תוכנות ה- GIS בפיתוח וביצעה הערכה של מערכות בית לסוכנויות ממשלתיות.

כדי לשים את זה בפרספקטיבה, בשנות החמישים והשישים, הקשרים בין מחשבים ומפות היו קלושים במקרה הטוב. העובדים הופרדו בינלאומית ואינטלקטואלית. התקשורת משתנה מדל עד לא קיים. אקדמאים גילו שבאופן כללי המחלקות שלהם לא תמכו באופן פעיל במאמציהם כתבי העת האקדמיים לא התעניינו במיוחד, ועיכובי הפרסום שלהם לא שימשו את צרכי התחום המתפתח במהירות. התחום הועבר קדימה על ידי אנשים במוסדות עם צורך ביכולות, בעיקר במשרדי הממשלה ובמגזר הפרטי על ידי אלה שביקשו לספק סחורות ושירותים לממשלה.

צרכים אלה נתפסו כאלו של סוכנויות שהפיקו מפות נייר והיו זקוקים לאוטומציה של התהליך הקרטוגרפי וסוכנויות שצריכו לקרוא ולנתח מפות גיאוגרפיות (ונתונים סטטיסטיים קשורים) ודרשו ממערכות מידע גיאוגרפיות לספק מידע לצורך קבלת החלטות. דרישות אלו הובילו לפיתוח נפרד בתחילה של מערכות קרטוגרפיה אוטומטיות ומערכות מידע גיאוגרפיות.

ברור כי היה צורך בתקשורת מוגברת בתחום ובמתן תמיכה לעמיתים אקדמיים, כמו גם הקמת בסיס בינלאומי למחקר ופרסום ופורום לדיון ורשתות. IGU עשה זאת.

הכנס הבינלאומי הראשון בנושא GIS התקיים באוטווה, קנדה, בשנת 1970. בחסות IGU ובעזרת אונסק"ו (במיוחד תמיכתו והדרכתו של ד"ר קונסטנטין לאנג) וממשלת קנדה, נשלחה הזמנה לכל מי שידוע שהוא פעיל בתחום. יצרו קשר עם ארבעים איש והשתתפו בכנס, ועד סוף השבוע נוצר הספר הראשון על מערכות מידע גיאוגרפיות. זה היה זכאי מערכות מידע לסביבה לנצל את האינטרס המחודש של הממשלה בנושאי איכות הסביבה באותה תקופה. המטרות העיקריות היו לבסס תקשורת בין עובדים בתחום ולפרסם. המשתתפים בפגישה הראשונה התחייבו לכתוב טקסט נוסף על מצב ההתפתחות של התחום הזכאי טיפול בנתונים גיאוגרפיים. זה פורסם בסיוע המחקר הגיאולוגי של ארצות הברית (USGS) בשנת 1972. זה היה טקסט בעל שני כרכים, 1,300 עמודים, שסקרו את כל ההתפתחויות הידועות של חישת נתונים גיאוגרפיים, עיבוד נתונים מרחביים, מניפולציה וניתוח נתונים מרחביים, מרחבית תצוגת נתונים, מערכות שוטפות וכלכלת הטיפול בנתונים גיאוגרפיים. אלה היו הטקסטים המרכזיים הראשונים בתחום והיו מוכרים בחיבה "מדריכי הטלפונים הצהובים והירוקים". הודפסו אלף עותקים. הם היו זמינים ללא תשלום בכנס IGU השני שנערך באוטווה באותה שנה. שלוש מאות איש השתתפו. השתתפו משלחות רשמיות משמונה מדינות ועובדים מ -15 מדינות. בשנים הקרובות, בעזרת ממשלת קנדה, פרסם IGU מדריך שנתי של השמות ופרטי ההתקשרות של המשתתפים המקוריים ותיאור עבודתם. לאחר מכן נוספה רשימה זו מרצון על ידי עובדים נוספים ונשלחה לכל מי שרשום. תהליך התקשורת החל.

בשנת 1975, הוועדה הקימה גם קבוצת ביקורת וביצעה מחקרי מקרה על חמש מערכות מידע גיאוגרפיות בצפון אמריקה והצלחותיהן וכישלונותיהן#בתמיכת אונסק"ו, שפרסמה את היצירה כטקסט בסדרת המחקר של משאבי הטבע בשנת 1975. . IGU הוזמן גם לסקור את עבודות ה- USGS. זה היה מחקר שנמשך שנתיים והוציא דו"ח מכריע בשנת 1976 שהזהיר את הסוכנות הגדולה כי היא מחויבת לעידן הדיגיטלי, אך היא לא הייתה מוכנה להחייב התחייבויות שכבר התחייבה. כמו כן, לראשונה, ה- IGU סיפק תשומת לב משמעותית לעבודה של ועדת הנתונים למדע וטכנולוגיה של המועצה הבינלאומית לאיגודים מדעיים.

בסוף שנות השבעים ערכה IGU מלאי של כל תוכנות המחשב לטיפול בנתונים מרחביים, במימון תכנית מלאי משאבים וקרקעות ותוכנית הגיאוגרפיה של משרד הפנים האמריקאי ובניהולו של ד"ר דואן מארבל הנודע. עבודה זו ייצגה את הסקירה המקיפה ביותר של תוכנות לטיפול בנתונים מרחביים שנעשתה עד לתאריך זה, ותיאר יותר מ -600 מערכות ותוכנות ברחבי העולם. טקסט ההפניה שהתקבל בשלוש כרכים פורסם על ידי USGS בשנת 1980 והועמד לרשות מדענים ברחבי העולם ללא עלות. הוועדה קיימה גם ישיבות בין תחומיות בשנים 1977 ו -1978 לבחינת הבעיות המתודולוגיות הטמונות באחסון עתידי של נתונים גדולים במרחב. אלה נערכו באוטווה ובטורונטו, קנדה ובפאלו, ניו יורק. IGU תרם גם לפגישת נאס"א בנושא נתוני לנדסאט ומערכות מידע גיאוגרפיות בשנת 1977. בהנהגתו של דיטר שטיינר, היא העבירה סדנה בת שלושה שבועות בניגריה בנושא שיטות חישה מרחוק לתכנון אזורי ולאומי ביולי 1978, במימון סוכנות הפיתוח הבינלאומית הקנדית ואונסק"ו. חומרי העבודה לסדנה זו כללו טקסט בן שלושה כרכים על היישומים האחרונים של טכנולוגיית חישה מרחוק לשימוש הוועדה.

בשנים 1980 עד 1988 הובילה עבודת הוועדה בנושא חישה ועיבוד נתונים גיאוגרפיים על ידי שיש. הפעילות התרכזה בעיקר בישיבות מומחה המתייחסות לחששות מדעיים מרכזיים בפיתוח GIS. בשנת 1988, שמה הוועדה לוועדה למערכות מידע גיאוגרפיות בראשות פרופסור סאצ'יו קובו מיפן.

בסך הכל, IGU ביצעה פיקוח על מענקים וחוזים של 1.5 מיליון דולר בין 1968 ל -1980. בסיס התקשורת הונח, הגיאוגרפים האקדמיים קיבלו יותר ויותר הכרה בעבודתם, כתבי עת שפורסמו באופן קבוע והיו זמינים וכנסים של GIS ברחבי העולם סיפקו המשך הכרחי של העבודה שהחל האיגוד הגיאוגרפי הבינלאומי. בקיצור, IGU היה הארגון שהזין את הצמיחה של GIS והניח לו להיות חלק קוהרנטי מהגיאוגרפיה לטובת הדיסציפלינה כולה.

הכרות

תרומות נדיבות למאמר זה הועברו על ידי ד"ר דיוויד מגווייר וד"ר דואן מארבל. המחבר מבקש להודות גם לג'ון קלקינס וג'יי לוטריה על הסיוע הגרפי.

על הסופר

ד"ר רוג'ר פ. טומלינסון, נשיא חברת טומלינסון אסוציאוטס בע"מ גיאוגרפים ייעוץ, קיפווה דרייב 17, אוטווה, אונטריו K1S 3G3 קנדה. הוא היה יושב ראש ועדת ה- GIS של האיגוד הבינלאומי הגיאוגרפי במשך 12 שנים, והוא ידוע בתור "אביו של GIS" כתוצאה מעבודתו בשימוש במחשבים לצורך הדגמת מלאי קרקעות עבור ממשלת קנדה בתחילת שנות השישים. הוא מחברם של יצירות רבות, כולל לחשוב על GIS, מהדורה שלישית, 2007, Esri Press, Redlands, קליפורניה.


גישה לנתוני GIS¶

משתמשי GIS צריכים לעבוד הן עם שכבות שפורסמו בשרתים מרוחקים (שכבות אינטרנט) והן בנתונים מקומיים, אך היכולת לתפעל מערכי נתונים אלה מבלי להעתיק את הנתונים לצמיתות חסרה. ה- SpatialDataFrame פותר בעיה זו מכיוון שמדובר באובייקט בזיכרון שיכול לקרוא, לכתוב ולתפעל נתונים גיאו-מרחביים.

ה- SDF משתלב עם חבילת האתר ArcPy של Esri, כמו גם עם חבילות ה- pyshp של קוד פתוח, חטובות ופיונה. המשמעות היא ש- ArcGIS API ל- Python SDF יכול להשתמש בכל אחד ממנועי הגיאומטריה האלה כדי לספק לך אפשרויות לעבודה קלה עם נתונים גיאו -מרחביים ללא קשר לפלטפורמה שלך. ה- SDF הופך נתונים לפורמטים שאתה רוצה, כך שתוכל להשתמש בפונקציונליות של פייתון כדי לנתח ולחזות מידע גיאוגרפי.

ניתן לקרוא ולתכנן נתונים כדי להפוך זרימות עבודה לאוטומטיות ולדמיין באותה קלות במפות במחברות Jupyter. ה- SDF יכול לייצא נתונים כמחלקות תכונה או לפרסם אותם ישירות לשרתים לצורך שיתוף בהתאם לצרכיך.

בואו נחקור כמה מהאפשרויות השונות הזמינות עם האובייקט הרב -תכליתי SpatialDataFrame:

קריאת שכבות אינטרנט¶

שכבות תכונה המתארחות ב- ArcGIS Online אוֹ ArcGIS Enterprise ניתן לקרוא בקלות לתוך DataFrame מרחבי באמצעות שיטת from_layer. לאחר שתקרא אותו לאובייקט SDF, תוכל ליצור דוחות, לתמרן את הנתונים או להמיר אותם לצורה נוחה והגיונית למטרה המיועדת לה.

דוגמה: אחזור פריט ArcGIS Online ושימוש במאפיין השכבות לבדיקת חמשת הרשומות הראשונות של השכבה


צפו בסרטון: ריבית פריים (אוֹקְטוֹבֶּר 2021).