أكثر

استخدام مجموعات البيانات النقطية Postgis لتصور وإنشاء GeoJSON

استخدام مجموعات البيانات النقطية Postgis لتصور وإنشاء GeoJSON


أستخدم حاليًا Boundless / OpenGeo 4.02 مع PostGIS 2.1. أود الحصول على القليل من النصائح حول تطوير وظائف معينة. أحاول حاليًا أن أبدأ بعدد من GeoTiffs ، وأود في النهاية استخدامها للعرض في خريطة OpenLayers ، وكذلك توفير القدرة للمستخدمين على رسم مضلع (أو إدخال الإحداثيات) على هذه الخريطة واستخراج GeoJSON ملف قيم البكسل أو النقاط من البيانات النقطية الأساسية. تفكيري هو استيراد العناصر الجغرافية كملفات نقطية لـ PostGIS ، وفتحها كمصدر بيانات في خادم OpenGeo ، ثم عرضها في خريطة OpenLayers. يمكن للمستخدمين بعد ذلك الاستعلام عن الخريطة عن طريق رسم مضلع ، والذي من شأنه الاستعلام عن جدول PostGIS وإرجاع قيم البكسل المحددة بتنسيق GeoJSON.

أولاً ، هل يبدو هذا وكأنه وسيلة معقولة لاتخاذها في ضوء الوظيفة المطلوبة؟

ثانيًا ، أين يمكنني العثور على أحدث الوثائق حول قراءة PostGIS rasters بشكل صحيح في خادم OpenGeo؟ لقد رأيت إشارات إلى Image Mosaic JDBC ، ولكن لا يمكنني العثور على كيفية إنشاء هذه الإمكانية في إصدار OpenGeo (4.02) الذي أستخدمه حاليًا ...


لسوء الحظ ، يتطلب استخدام PostGIS rasters مع GeoServer مكونًا إضافيًا للفسيفساء (Image Mosaic JDBC) لا يأتي مع OpenGeo Suite. من الشائع أكثر للمستخدمين استخدام دعم الفسيفساء المدمج [1] الذي يعمل فقط مع ملفات GeoTiff مباشرة من نظام الملفات.

بمجرد إعداد طبقة GeoTiff في GeoServer ، يمكنك استخدام خدمة تغطية الويب [2] للحصول على البيانات النقطية الأولية لمنطقة الاهتمام. لسوء الحظ ، لن تعيد WCS لك GeoJSON ولكن هناك تنسيقات أخرى يمكنك العمل بها على الأرجح.

ستكون أحدث الوثائق المستخدمة لبناء تطبيقات الويب [3]. يمكنك تصفح المجموعة الكاملة من المستندات من:

http://suite.opengeo.org/docs/

[1] http://suite.opengeo.org/opengeo-docs/geoserver/data/raster/imagemosaic.html

[2] http://suite.opengeo.org/opengeo-docs/geoserver/services/wcs/index.html

[3] http://suite.opengeo.org/opengeo-docs/webapps/index.html


دابنغ لي

أقوم بتدريس دورات نظم المعلومات الجغرافية التالية في SDSU. نحن نستخدم ArcGIS Pro في دورات GIS الخاصة بنا في SDSU منذ خريف 2020 (تم إلغاء ArcMap تدريجيًا في SDSU). يمكن لأولئك المهتمين ببرامج نظم المعلومات الجغرافية لدينا أو توظيف خريجي نظم المعلومات الجغرافية الرجوع إلى المنهج على موقع الويب الشخصي الخاص بي للحصول على مزيد من التفاصيل حول هذه الدورات.

1. GEOG 372: مقدمة في نظم المعلومات الجغرافية (فصل الربيع ، سنوي)
2. GEOG 471/571: مقدمة في برمجة نظم المعلومات الجغرافية (فصل الربيع ، يمكن تحديده لاحقًا ، يمكن تقديمه في ربيع 2023) (يمكن للطلاب أخذ INFO 101 لتعلم قواعد لغة Python في SDSU)
3. GEOG 473/573: إنشاء ودمج بيانات نظم المعلومات الجغرافية (فصل الخريف ، سنوي ، سيتم تقديمه في خريف 2021)
4. GEOG 474/574 GIS: Vector and Raster Modeling (فصل الربيع ، سيتم تحديده لاحقًا ، سيتم تقديمه في ربيع عام 2022)
5. GEOG 476/576: Web GIS (فصل الخريف ، سنوي ، سيتم تقديمه في خريف 2021)
6. GEOG 477/577: قواعد البيانات المكانية (PostgreSQL / PostGIS) (فصل الربيع ، سنوي / كل سنتين ، لن يتم تقديمها في ربيع عام 2022 ، وقد يتم تقديمها في ربيع عام 2023) (يمكن لطلاب نظم المعلومات الجغرافية الذين يرغبون في تعلم قواعد البيانات المكانية أن يأخذوا CSC 484 - أنظمة إدارة قواعد البيانات (COM) لتعلم قواعد البيانات العلائقية وأخذ https://www.udemy.com/course/spatialsqlpostgis/ لتعلم PostGIS)
7. GEOG 786: نظم المعلومات الجغرافية (الموضوعات: برمجة بايثون المتقدمة (نظم المعلومات الجغرافية مفتوحة المصدر)) (فصل الربيع ، كل سنتين ، سيتم تقديمه في ربيع 2023)
8. ندوة GEOG 790: برمجة نظم المعلومات الجغرافية أو مواضيع أخرى (فصل الربيع ، كل سنتين ، سيتم تقديمهما في ربيع 2022)
9. GEOG 791 دراسة مستقلة (فصل الربيع / الخريف ، يحدد لاحقًا ، يعتمد على الجدول الزمني الخاص بي)

ملحوظة: GEOG 477/577 و GEOG 786 يعتمدان على أدوات GIS مفتوحة المصدر. يركز GEOG 476/576 على استخدام Web GIS (ArcGIS). أخطط لتدريس برمجة ArcPy في GEOG 790 في ربيع عام 2022. لا تغطي دورات Python على مستوى الدراسات العليا قواعد لغة Python ، ويحتاج طلاب الدراسات العليا إلى حضور دورة برمجة Python على مستوى تمهيدي (على سبيل المثال ، INFO 101) قبل أن يأخذوا لغة Python المتقدمة. دورات البرمجة. يتم تغطية جميع الدورات الجامعية بالكامل بواسطة TAship / RAship في SDSU.

أشجع طلاب GIS بشدة على الحصول على شهادة GISP (https://www.gisci.org/) في وظائفهم المستقبلية. فيما يلي الدورات التي يمكن أن تأخذها في SDSU للتحضير لامتحان شهادة GISP في المستقبل:
1. الأسس المفاهيمية - 10٪ (GEOG 372)
2. رسم الخرائط والتصور - 10٪ (GEOG 383 رسم الخرائط)
3. الحصول على البيانات - 11٪ (GEOG 473/573)
4. تصميم وإدارة قواعد البيانات - 10٪ (GEOG 477/577 أو CSC 484)
5. طرق التحليل - 11٪ (GEOG 474/574 و / أو GEOG 743)
6. التلاعب بالبيانات - 11٪ (GEOG 372 و GEOG 473/573)
7. أساسيات البيانات الجغرافية المكانية - 15٪ (GEOG 372 و GEOG 473/573)
8. تطوير التطبيقات - 7٪ (GEOG 471/571 أو INFO 101)
9. تصميم النظام وإدارة أمبير - 7٪ (GEOG 476/576 و SE 305)
10. الممارسة المهنية - 8٪

مسؤوليات الامتداد

المتعاونون المحتملون:
لقد كنت أقوم بالبحث والتطوير في نظم المعلومات الجغرافية وتطبيقاتها لأكثر من خمسة عشر عامًا. أنا متخصص في استخدام أدوات مفتوحة المصدر أو منتجات ArcGIS لتصميم وتنفيذ الحلول المستندة إلى GIS لتطبيقات مختلفة. أستمتع بالعمل مع العلماء وأصحاب المصلحة والشركات واستخدام خبرتي لمساعدتهم على النجاح. لا تتردد في الاتصال بي (dapeng.li [at] sdstate.edu) إذا كنت بحاجة إلى دعم فني في بحثك أو مشروعك.

طلاب الخريجين المحتملين:
أنا مهتم بالعمل مع الطلاب المتحمسين لدراسة نظم المعلومات الجغرافية وتطبيقاتها في المخاطر والصحة العامة والنقل والاستدامة والزراعة. عندما تصبح وظائف مساعد البحث الممولة متاحة ، سأقوم بنشر المعلومات هنا وعلى لوحات الوظائف الأخرى (على سبيل المثال ، موقع AAG الإلكتروني). سيكون لدى قسم الجغرافيا وعلوم الجغرافيا المكانية 4

6 وظائف مساعد تدريس متاحة كل عام. سيضم قسمنا خمسة أعضاء هيئة تدريس مُثبتين / متدرجين في علوم / تقنيات الجغرافيا المكانية (نظم المعلومات الجغرافية والاستشعار عن بُعد) في خريف عام 2021. المدرسون في دوراتنا لنظم المعلومات الجغرافية على الإنترنت هم متخصصون ذوو خبرة عاملين في نظم المعلومات الجغرافية في الولايات المتحدة. . البرامج عبارة عن برامج STEM. بالإضافة إلى ذلك ، لدينا موارد حوسبة متقدمة في القسم. أخيرًا ، يمكن أن تغطي المساعدة (TAship أو RAships) الرسوم الدراسية لأي دورة في نظام SDBOR. أشجع بشدة أولئك الذين يرغبون في ممارسة مهنة في نظم المعلومات الجغرافية للتواصل معي وإرسال نسخة من سيرتك الذاتية وملخصًا لخبراتك واهتماماتك البحثية.

البحوث الجامعية:
أستمتع بإشراك الطلاب الجامعيين المتحمسين في بحثي. لدي أيضًا علاقة وثيقة مع العديد من الشركات المحلية. أنا أشجع أولئك الذين يرغبون في تطوير مهارات قوية في نظم المعلومات الجغرافية (خاصة أولئك الذين يريدون أن يكونوا مطوري نظم المعلومات الجغرافية) على الاتصال بي. سأكتشف كيفية مساعدتك في الاندماج في مجموعتي البحثية ووضع خطة مهنية.


تطبيق قاعدة بيانات PostgreSQL

أقوم بالبحث عن خدمات رسم الخرائط عبر الإنترنت لمشروع دراسي ووجدت هذا:

قاعدة بيانات المسح الوطني لصحة الأسماك البرية.

يعمل على PostgreSQL. لا أعرف الكثير عن PostgreSQL بالإضافة إلى أنها مفتوحة المصدر وقادرة على المنافسة مع MySQL وخيارات قواعد البيانات الأخرى على مستوى المؤسسة. لقد ذكرنا & # 8217 قبل أن يكون له امتداد يسمى PostGIS يسمح بمعالجة ممتازة للبيانات المكانية.

لذا ، فإن رؤية هذا التطبيق لفت انتباهي حقًا. أعتقد أنه نموذج طموح جيد لما يمكننا فعله ببيانات DLIA. يبدو أنه مفتوح المصدر بالكامل. أنا أقوم بنسخ النص الذي شاركوه على & lthttp: //www.fws.gov/wildfishsurvey/database/page/about>

مكونات البرامج الرئيسية:

    ، مكتبة JavaScript مفتوحة المصدر لعرض بيانات الخريطة في معظم متصفحات الويب الحديثة ، وإطار عمل لتطوير خرائط الويب مفتوح المصدر ، ومجموعة أدوات JavaScript لتطبيقات Rich Web Mapping ، ومكتبة JavaScript عبر المستعرضات لبناء تطبيقات إنترنت غنية
    ، خادم برمجي مفتوح المصدر مكتوب بلغة جافا يسمح للمستخدمين بمشاركة وتحرير البيانات الجغرافية المكانية ، وبيئة تطوير مفتوحة المصدر لبناء تطبيقات الإنترنت الممكنة مكانيًا ، ولغة برمجة نصية مجانية ومستخدمة على نطاق واسع للأغراض العامة ، ونظام إدارة قاعدة بيانات مفتوح المصدر ، وهو برنامج برمجي مفتوح المصدر يضيف دعمًا للكائنات الجغرافية إلى قاعدة بيانات PostgreSQL ، وهو نظام قوالب ويب مكتوب بلغة PHP

من المحتمل أن أستكشف هذا الأمر أكثر ، لكنني أردت مشاركته معك الآن.


نتائج

محتويات مستودع البيانات

يمكن الوصول إلى الخصائص الزمانية المكانية لبيانات هطول الأمطار الساتلية العالمية في الفترات المنتظمة (بالملليمتر) لمنتجات PERSIANN الثلاثة من نظام ويب بوابة بيانات CHRS ، اعتمادًا على توفر البيانات. تتمثل الأداة الرئيسية لبوابة بيانات CHRS في إعداد استعلامات بيانات مخصصة بسرعة عن طريق تجميع وقص بيانات PERSIANN باستخدام أدوات الاستعلام المتوفرة على نظام الويب. منتجات البيانات قابلة للتخصيص في نطاقها الزماني المكاني ودقتها الزمنية ، وهي متاحة للتصور ، والتنزيل ، والمقارنة ، والاشتراك. يتم تنفيذ هذه الاستعلامات مباشرة على خريطة أساس Google التفاعلية التي تشمل مساحة كبيرة من نظام الويب. لتصور طبقات هطول الأمطار ، تستخدم بوابة بيانات CHRS منصة MapServer. MapServer هو نظام أساسي مفتوح المصدر يعالج الخرائط التفاعلية على الويب. تم تطوير MapServer في التسعينيات ويتم الاحتفاظ به في جامعة مينيسوتا.

يمكن للمستخدمين العثور على معلومات حول خوارزميات PERSIANN مع مراجع مختارة حول الإنتاج والتحقق من صحة وتحسين الخوارزميات والدراسات حول فلسفة تقدير هطول الأمطار عبر الأقمار الصناعية في الشريط الجانبي الأيسر في صفحة ويب بوابة البيانات. ينقسم الشريط الجانبي إلى ثلاث علامات تبويب ، كل منها يحتوي على معلومات خوارزمية عائلة PERSIANN ، وهي ملخص لوظائف الخوارزمية ، وتفاصيل عن آخر تحديث لبياناتها ، ومقياسها الزماني المكاني وتغطيتها ، وروابط لتنزيل النسخة الثنائية الأصلية ملفات البيانات التي تنتجها الخوارزمية.

يشتمل شريط الأدوات الموجود أعلى صفحة الويب على ورقة معلومات منبثقة حول مستودع البيانات ، وفيديو تعليمي مرصود يستكشف الوظائف الكاملة لبوابة بيانات CHRS في روابط متعمقة إلى أنظمة بيانات المناخ والطقس الأخرى المستضافة على الويب ، iRain ( http://irain.eng.uci.edu) و Rainsphere (http://rainsphere.eng.uci.edu) ورابط للصفحة الرئيسية لـ CHRS (http://chrs.web.uci.edu الشكل 1) .

القوائم المنسدلة والنوافذ المنبثقة المعروضة هي خصائص استعلام التنزيل - يشار إليها بنص "تنزيل" الأزرق بالقرب من الجزء العلوي. يمكن للمستخدمين تحديد أنواع استعلام أخرى من خلال النقر على أسماء الأدوات الأخرى المتوافقة أفقيًا مع أداة التنزيل. لاحظ وسيلة الإيضاح القابلة للتخصيص وجدول إحصائيات هطول الأمطار على الجانب الأيسر من خريطة الأساس ، والمعلومات المتعلقة ببيانات PERSIANN في الشريط الجانبي الأيسر على نظام الويب ، وعناصر القائمة الموجودة أسفل الشعار في أعلى الصفحة.

مجموعات البيانات والتطبيقات

يمكن استخدام مجموعات بيانات عائلة PERSIANN للمشاريع والبحوث في أي مكان يوجد فيه طلب لتقديرات هطول الأمطار بمرور الوقت والمساحة بين 60 درجة شمالاً و 60 درجة جنوباً. نظرًا للاختلافات في الدقة الزمانية المكانية ، والمدى الزمني ، ووجود وطريقة تصحيح التحيز ، ووقت التأخير للإتاحة للجمهور بسبب المعالجة ، وطرق الكشف ، ومصادر الإدخال ، يعتمد قرار مجموعة البيانات الأفضل لاستخدامها في المشروع على الهدف من المشروع. تمثل مجموعة بيانات PERSIANN الأصلية "منتصف الحزمة" ، بمهارة تنبؤية أكبر من PERSIANN-CCS ودقة زمنية أعلى وتحديثات أسرع من PERSIANN-CDR. يعد PERSIANN-CCS هو الأفضل للتطبيقات عالية الدقة وفي الوقت الفعلي 5 ، ويتم استخدام PERSIANN-CDR بشكل أفضل للمشاريع على مدى زمني طويل ، وبشكل أساسي لتحليل الاتجاه طويل الأجل 4. نحدد القرار الزماني المكاني ، والمدى الزمني ، ووقت التأخير بسبب إعداد كل مجموعة بيانات في الجدول 1. ندرج مزيدًا من المناقشة حول الفوائد والعيوب والتوظيف لكل مجموعة بيانات في الدراسات السابقة في قسم المنهجية.

بالإضافة إلى مجموعات بيانات PERSIANN ، تستضيف بوابة بيانات CHRS العديد من مجموعات بيانات هطول الأمطار الخارجية للمقارنة. مجموعات البيانات الخارجية المتاحة للمقارنة هي NOAA المراكز الوطنية للتنبؤ البيئي (NCEP) مركز التنبؤ بالمناخ (CPC) تقنية MORPHing 6 (CMORPH) ، NOAA / خدمة البيانات والمعلومات البيئية الوطنية (NESDIS) - Hydro Estimator 7 ( HE) ، وعمليات الاسترجاع المتكاملة متعددة الأقمار الصناعية لـ GPM 8 (IMERG) ، ورادار NOAA NCEP المرحلة الرابعة ومنتج القياس 9 (المرحلة الرابعة). تعد كل من CMORPH و HE و IMERG مجموعات بيانات لتقدير هطول الأمطار تعتمد على الأقمار الصناعية تم تطويرها بواسطة NOAA وهي بعض مجموعات البيانات الأكثر استخدامًا في هذا المجال. بالإضافة إلى ذلك ، يتم تضمين المرحلة الرابعة في مستودع البيانات كمقارنة "المعيار الذهبي" بسبب المستوى العالي من المهارة بسبب توليف المقاييس وقياسات الرادار المستخدمة في إنتاجها.

أدوات الاستعلام

يتم توفير البيانات من عائلة خوارزميات PERSIANN بتنسيقات نقطية مختلفة (ArcGrid و TIFF و NetCDF) ومتاحة للطلب في الموقع للتنزيل الفوري باستخدام أداة التنزيل. تأتي طلبات البيانات الخاصة بالتغطية المكانية الأصغر من النطاق العالمي مع ملفات أشكال ESRI لسهولة استيرادها إلى برامج نظم المعلومات الجغرافية (GIS). يلخص الشكل 1 الإجراء الخاص بتنفيذ استعلام التنزيل.

إلى جانب كونها قابلة للتنزيل ، فإن أيًا من البيانات من عائلة PERSIANN قابلة للتطبيق للتصور المباشر (البيانات النقطية المتراكبة على خريطة أساس Google التفاعلية) باستخدام أداة التصور. تشتمل هذه الأداة أيضًا على جدول بالخصائص المتولدة التي يتم عرضها على الخريطة التفاعلية جنبًا إلى جنب مع بيانات هطول الأمطار الفسيفسائية ، ووسيلة توضيحية قابلة للتخصيص ، وناقلات التقسيمات الفرعية السياسية والهيدرولوجية المتراكبة.

تقارن أداة المقارنة مجموعات بيانات عائلة PERSIANN ومجموعات البيانات الخارجية الأخرى بمقاييس زمنية مطابقة مباشرة على مستودع البيانات. تُنشئ الأداة تقريرًا قابلاً للتنزيل عن خصائص كل مجموعة بيانات وتؤسس مقارنات مباشرة رقمية ورسومية بين مجموعة البيانات الأولية ومجموعة من مجموعات بيانات المقارنة (الشكل 2). توفر هذه التقارير تقييمات إحصائية سريعة للمهارات المقارنة لمجموعات البيانات المطلوبة. نظرًا لاختلاف الدقة المكانية لمنتجات PERSIANN الثلاثة ومجموعات بيانات المقارنة ، يتم إجراء الاستيفاء المكعب للنواة قبل المقارنة لتعديل الدقة المكانية لجميع مجموعات البيانات إلى 0.25 درجة ، وهو الدقة المكانية الأكثر خشونة بين جميع المنتجات. تشمل الخصائص والإحصاءات التي أعدتها الأداة العدد الإجمالي لخلايا الشبكة ، وعدد خلايا الشبكة مع هطول الأمطار المتوقع ، ومتوسط ​​معدل المطر (بوحدات ملم لكل دقة زمنية يحددها المستخدم ، ويشار إليها هنا باسم mm / T) ، والحد الأقصى من المطر المعدل (مم / T) ، بالإضافة إلى العديد من المقاييس المستمرة والفئوية. المقاييس المستمرة التي تم إنشاؤها بواسطة بوابة بيانات CHRS هي معامل الارتباط (CORR) ، ومتوسط ​​الخطأ المطلق (بالمليمتر) ، وخطأ الجذر التربيعي (المعدل RMSE أو بالمليمتر). المؤشرات الفئوية التي تنتجها بوابة بيانات CHRS هي احتمالية الكشف (POD) ، ونسبة الإنذار الخاطئ (FAR) ، ونسبة التحيز ، ودرجة مهارات Heidke 10 ، ودرجة Hanssen-Kuipers 11 ، ودرجة التهديد العادل 12.

مثال على التقارير التي تم إنشاؤها تلقائيًا والتي تم إنشاؤها بواسطة أداة المقارنة.

تم إنشاء هذا التقرير من خلال مقارنة PERSIANN-CDR مع المرحلة الرابعة لولاية تكساس كمجال مكاني وعام 2013 باعتباره الفترة الزمنية. تتضمن تقارير بوابة بيانات CHRS جدولًا للخصائص مثل العدد الإجمالي للبكسل وعدد البكسل المصحوب بالمطر ومتوسط ​​معدل المطر وأقصى معدل للمطر ومقاييس إحصائية متنوعة (أعلى). بالإضافة إلى ذلك ، يتم إنشاء خرائط تراكم هطول الأمطار من مجموعات البيانات الأولية والمقارنة (وسط اليسار ووسط اليمين ، على التوالي) وخرائط المقارنة الفرق النسبي (أسفل اليسار) في التقرير. علاوة على ذلك ، يتم إنشاء الرسوم البيانية للارتباط (أسفل اليمين) بقيم CORR و RMSE لمزيد من المقارنة. لم يتم تصوير الخرائط التي تم إنشاؤها والرسوم البيانية الشريطية المقابلة للارتفاع واستخدام الأراضي ونوع المناخ على نفس المجال المكاني.

تقدم بوابة بيانات CHRS نظام قاعدة بيانات اشتراك مخصص لخدمة المستخدمين المهتمين بالبيانات المتوفرة حديثًا في منطقة الاهتمام. يمكن للمستخدمين المهتمين باستخدام أداة Subscribe الاستعلام عن الاشتراك عن طريق تخصيص الموقع والمنتج والمدى الزماني المكاني والدقة الزمنية. يقوم نظام قاعدة البيانات باسترداد البيانات في الوقت الفعلي ، ومعالجتها وفقًا لطلب (طلبات) كل مستخدم ، وإخطار المشتركين ، وتوفير بيانات مخصصة من خلال روابط مؤقتة. الميزة الرئيسية لنظام الاشتراك هي تحرير المستخدمين من الاستعلام عن البيانات والتحقق منها يدويًا بعد كل تحديث. يتم عرض تفاصيل تفصيلية خطوة بخطوة حول عملية إنشاء استعلام ومثال استعلام في قسم الأساليب.

تأتي جميع مجموعات بيانات PERSIANN كبيانات شبكية ذات تغطية مكانية شبه عالمية ، ولكن يمكن للمستخدمين تحديد وتجميع البيانات لجميع أنواع الاستعلام (على سبيل المثال الموقع لاستعلامات الاشتراك) عبر الحدود السياسية أو حدود مستجمعات المياه أو المستطيلات المعرفة حسب الطلب أو المحددة بواسطة ملف أشكال. تنسيقات الشكل التي تستخدمها بوابة بيانات CHRS لحدود استعلام البيانات المخصصة هي ملف أشكال ESRI (.shp و .shx و .prj) ولغة ترميز ثقب المفتاح (.kml / .kmz) و GeoJSON (.geojson).

إحصائيات الاستخدام

ظلت بوابة بيانات CHRS قيد التطوير على مدار العامين الماضيين بدون منشورات في المجلات. ومع ذلك ، اعتبارًا من 27 يونيو 2018 ، تمكن المستخدمون من 145 دولة مختلفة من الوصول إلى الموقع 41879 مرة ، وقاموا بتنزيل 13.9 تيرابايت من البيانات. بدأ دفع CHRS لنشر معلومات حول قاعدة البيانات فقط في عام 2018. لذلك ، نتوقع انتشار عدد الزوار وحجم تنزيل البيانات في المستقبل القريب. البيانات الأكثر طلبًا هي من PERSIANN-CCS بمعدل 10.2 تيرابايت من إجمالي البيانات التي تم تنزيلها (هذا متوقع لأن PERSIANN-CCS لديها أعلى دقة مكانية كثافة) ، ثم PERSIANN عند 2.2 تيرابايت من طلبات البيانات ، وأخيرًا ، PERSIANN-CDR عند 1.5 تيرابايت من تنزيلات البيانات. مصدرنا الأساسي للزيارات من الولايات المتحدة ، وهو ما يمثل أكثر من نصف عدد الزيارات. تشمل البلدان الأخرى ذات إجمالي عدد الزوار البارزين إيران ، مع حوالي 2400 زيارة فريدة للهند ، مع حوالي 1500 زائر فريد والصين وبيرو ، مع ما يقرب من 1200 زيارة لكل منهما.

أحد المقاييس التي قد نستخدمها لتحديد تأثير عائلة خوارزميات PERSIANN في القطاع الأكاديمي ، وبالتالي اشتقاق فكرة التأثير المحتمل الذي قد يكون لدى المزيد من الوعي لبوابة بيانات CHRS ، هو العدد الإجمالي للاستشهادات لكل خوارزمية المقالات المجلات الأصلية لها. في هذه الحالة ، نستخدم (1) الورقة الأصلية حول صياغة الخوارزمية و (2) الدراسة مع التقييمات الأولى للمنتجات من كل خوارزمية. تم الاستشهاد بـ PERSIANN 1،2 1،415 مرة منذ عام 1997 ، وتم الاستشهاد بـ PERSIANN-CCS 3،13 مرة 480 مرة منذ عام 2004 ، وتم الاستشهاد بـ PERSIANN-CDR 4،14 مرة 239 مرة منذ عام 2015 ، بمجموع 2134 اقتباسًا للمجموعة بأكملها عائلة PERSIANN.


استخدام مجموعات البيانات النقطية Postgis لتصور وإنشاء GeoJSON - نظم المعلومات الجغرافية

سبيس نت: تسريع التقنيات التحليلية مفتوحة المصدر من خلال الشراكات منذ تأسيسها في عام 2016 ، كان هدف سبيس نت هو تسريع تطوير ونشر تقنيات التعلم الآلي مفتوحة المصدر للتطبيقات الجغرافية المكانية ، وتحديدًا الخرائط التأسيسية. وقد حققت المنظمة ذلك من خلال أربع ركائز: (1) نشر مجموعات البيانات المصنفة (2) هيكلة واستضافة تحديات علوم البيانات العامة (3) المصادر المفتوحة لنماذج التعلم الآلي الرائدة و (4) إجراء تقييم صارم لمجموعات البيانات والنماذج. انضمت المنظمات التجارية وغير الربحية والحكومية إلى شركاء سبيس نت على مر السنين في محاولة للمساعدة في توسيع عمق هذه الركائز وأنفاسها ومدى وصولها. في هذا الحديث الخاطف ، تصف قيادة سبيس نت بإيجاز تاريخ التنظيم والتقدم المحرز حتى الآن وخارطة الطريق للعام المقبل.

حالة محرك التصور مفتوح النواة الحالة الحالية لمحرك التصور مفتوح النواة مع أكثر من مليون تنزيل والبرامج التي تستفيد منه. مكبر الصوت

مشروع الفرصة: الأرض تتسابق مع مشروع الفرصة: حل التحديات البيئية بالبيانات المفتوحة ومتحدث تصميم محوره الإنسان

التدريب العملي يومالجمعة 6/12/2020

زمن الجلسات
09:00
-
12:00 مساء
الجلسات الصباحية المتزامنة مقدمة إلى QGIS تم تصميم ورشة العمل هذه لتعريفك بـ QGIS 3 ، وهو برنامج GIS مفتوح المصدر لعرض البيانات المكانية وتحريرها وإدارتها في مجموعة متنوعة من تنسيقات المتجهات والنقطية الشائعة الاستخدام. إنه خفيف الوزن ومرن ويمكن تثبيته على أنظمة Windows و MacOSX و Linux. سنغطي تثبيت البرنامج وعرض البيانات وترميزها وإنشاء خريطة. راندال هيل ، North River Geographic Systems PostGIS مقدمة ستستفيد هذه الجلسة من البرامج التعليمية التفاعلية عبر الإنترنت التي تقدمها Crunchy Data والتي ستوجه المشاركين عبر المفاهيم والميزات الأساسية لـ PostGIS. سيكون لدى Crunchy Data خبراء متخصصون في متناول اليد لتوجيه المشاركين والإجابة على الأسئلة. Crunchy Data Staff OpenStreetMap US & TeachOSM ستتضمن هذه الجلسة مقدمة للتحرير في OpenStreetMap (الخريطة المجانية القابلة للتحرير للعالم بأسره) متبوعًا بخريطة mapathon.

سيكتسب المشاركون فهمًا أساسيًا لإضافة البيانات إلى OpenStreetMap ثم سنقوم بتعيين جزء من العالم معًا باستخدام مدير المهام. هذه الجلسة مفتوحة لمصممي الخرائط من جميع مستويات المهارة! لا توجد تكلفة للانضمام ، ولكن هناك تبرع مقترح لـ OpenStreetMap US ، المنظمة غير الربحية التي تدعم مجتمع OSM في الولايات المتحدة. ستيفن جونسون وريتشارد هينتون ، مقدمة TeachOSM إلى GeoServer و MapStore مقدمة إلى GeoServer 9: 00-10: 30
بقيادة أندريا أيم

ستوفر ورشة العمل هذه المعلومات الأساسية لتبدأ بثقة في استخدام GeoServer ، من خلال تغطية: 1) التعرف على GeoServer ، 2) تطبيقات خدمات OGC ، 3) إعداد بيانات المتجهات والنقطية ، و 4) إنشاء حسن المظهر خرائط مع إمكانيات النمط القوية لـ GeoServer.

مقدمة إلى MapStore 10: 30-12: 00
بقيادة ماورو بارتولوميولي

سيوفر هذا التدريب مقدمة لإنشاء مزج جغرافي مكاني باستخدام إطار عمل MapStore مفتوح المصدر ، من خلال تغطية: 1) مقدمة إلى MapStore ووظائفه الرئيسية (بما في ذلك لوحات المعلومات ، و GeoStories) ، 2) مقدمة إلى إطار عمل MapStore ، مع وصف لمختلف اللبنات الأساسية ، 3) تثبيت وتكوين إطار عمل MapStore. Andrea Aime و Mauro Bartolomeoli وفريق GeoSolutions اجعل بياناتك تعمل في السيزيوم في هذه الجلسة التي تستغرق ساعة واحدة ، سيتم تغطية الموضوعات التالية:

هذه الجلسة عبارة عن مقدمة ونظرة عامة على خدمتين مكانيتين جديدتين مفتوح المصدر تم إصدارهما ، وهما pg_tileserv و pg_featureserv. تجعل هاتان الخدمتان الصغيرتان الجديدتان PostGIS أكثر إتاحة للمطورين لدمج بياناتهم المكانية في PostGIS بسهولة في التطبيقات المكانية المستندة إلى الويب.

انضم إلى المهندس الجغرافي المكاني التنفيذي لشركة Crunchy Data والمساهم المؤسس لـ PostGIS في جلسة نمط "Ask Me Anything" حيث يمكن للحاضرين طرح أسئلة على Paul بخصوص PostGIS والبيانات المكانية وحالات الاستخدام المكاني الأخرى. يتم تشجيع الحضور على إرسال الأسئلة في وقت مبكر حتى يمكن تجميعها ومعالجتها بطريقة فعالة. سيتمكن الحاضرون من طرح الأسئلة في الوقت الفعلي أيضًا. Paul Ramsey & amp Crunchy Data Staff حل التحديات البيئية باستخدام البيانات المفتوحة والتصميم الذي يركز على الإنسان The Opportunity Project (TOP) هو برنامج ابتكاري مقره مكتب الإحصاء الأمريكي ويجمع بين التقنيين والحكومة والمجتمعات لإنشاء منتجات رقمية تتعامل مع الجمهور - مواجهة التحديات باستخدام البيانات الفيدرالية المفتوحة. حتى الآن ، تم إنشاء أكثر من 100 منتج رقمي لمواجهة التحديات المتعلقة بأزمة المواد الأفيونية ، وتشرد الشباب والمحاربين القدامى ، وريادة الأعمال ، والتعليم ، والبيانات الجغرافية المكانية ، وغيرها الكثير.

هذا العام ، ستركز سباقات السرعة على التحديات المتعلقة بالبيئات المبنية والطبيعية ، بما في ذلك موضوعات مثل جودة الهواء ، والتنمية الاقتصادية الريفية ، والحد من النفايات البلاستيكية ، وإعادة التدوير ، والتنقل الاقتصادي ، ومساعدة اللاجئين ، وأكثر من ذلك.

انضم إلينا للحصول على مجموعة مثيرة من التقنيين والوكالات الفيدرالية التي شاركت في عملية TOP! سيتبادل المتحدثون خبراتهم ودروسهم المستفادة وأساليب التعاون المفتوح لمواجهة التحديات التي تشعر بها المجتمعات في جميع أنحاء البلاد. بعد فترة وجيزة ، انضم إلينا للحصول على فصل دراسي رئيسي في التصميم الذي يركز على الإنسان ، ومنهجية ثورية لفهم احتياجات الناس ، وبناء حلول فعالة. ستعلم هذه الجلسة المشاركين أدوات جديدة ومختلفة لتأطير المشكلة ، والبحث النوعي للمستخدم ، وتوليد الأفكار ، والنماذج الأولية ، والتفكير البصري. هالي أشكوم ، مسؤول الاتصال الاستراتيجي ، مختبرات التعداد المفتوحة للابتكار
إيما برينان ، مصممة ، Census Open Innovation Labs
Dominica Zhu ، مدير التأثير الاستراتيجي وإدارة البرامج ، مختبرات التعداد المفتوحة للابتكار باستخدام STAC وأدوات مفتوحة المصدر مع بيانات Sentinel-2 ، تم مؤخرًا إنشاء بيانات Sentinel-2 المصححة في الغلاف الجوي (المستوى 2) لجميع إفريقيا وتعود 3 مرات على الأقل سنوات لمشروع Digital Earth Africa. ومع ذلك ، فقد تم تخزين هذه البيانات في حاوية الطالب يدفع على AWS S3 بتنسيق JPEG2K مما حد من بعض الاستخدامات. يعمل Element 84 مع Geoscience Australia لتحويل هذه البيانات إلى GeoTIFF المحسّن من السحابة ، وإنشاء بيانات وصفية في كتالوج الأصول SpatioTemporal الجديد (STAC). البيانات نفسها مجانية ومفتوحة لأي شخص ، ويمكن اكتشافها بسهولة عبر STAC API.


وقائع الاستخدام والفقرة

نريد أن نبرز كيف يمكن أن يساعد التصور خبراء المجال في اكتساب رؤى حول ديناميكيات انتشار D. suzukii. نظهر فائدة نظامنا من خلال توضيح كيف يمكن لخبراء المجال التحقيق في الفرضيات باستخدام Drosophigator. لذلك ، قمنا بالتحقيق في افتراضين تم اقتراحهما مؤخرًا حول وقت الإصابة بواسطة JKI وتأثير العوامل البيئية بواسطة Pelton et al.

الشكل 4: نظرة عامة على التصور الرسومي لجميع مزارع الكروم في بادن فورتمبيرغ.

يظهر التطور على مدار الفترات الزمنية أن شدة الإصابة واليقين في تنبؤاتنا يزدادان في أواخر الصيف ويظل مرتفعًا حتى نهاية العام. هذا يؤيد فرضية JKI.

الشكل 5: مقارنة بين كروم العنب الموجودة في خليتين متجاورتين.

تظهر الخلية العلوية (الأرجوانية) إصابة مبكرة من قبل D. suzukii من الخلية السفلية (بنية). يوضح مخطط الإحداثيات المتوازية ، أن كروم العنب في الخلية العلوية بها حوالي 10٪ أكثر من الغابات المحيطة (والد) من تلك الموجودة في الخلية السفلى. هذه النتيجة تدعم بقوة فرضية بيلتون وآخرون.


استخدام مجموعات البيانات النقطية Postgis لتصور وإنشاء GeoJSON - نظم المعلومات الجغرافية

يتضمن Base R العديد من الوظائف التي يمكن استخدامها لقراءة البيانات المكانية وتصورها وتحليلها. ينصب التركيز في هذا العرض على & quot؛ البيانات الجغرافية & quot؛ المكانية ، حيث يمكن تحديد الملاحظات بالمواقع الجغرافية ، وحيث يمكن استرداد معلومات إضافية حول هذه المواقع إذا تم تسجيل الموقع بعناية. يتم استكمال وظائف Base R بالحزم المساهمة ، وبعضها موجود على CRAN ، والبعض الآخر لا يزال قيد التطوير. أحد المواقع النشطة هو R-Forge ، الذي يسرد & quot؛ البيانات المكانية والإحصاءات & quot؛ في شجرة المشروع. يتم نشر المعلومات الخاصة بحزم R-spatial ، وخاصة sp على موقع مشروع R-Forge rspatial ، بما في ذلك معرض التصور. يستمر التطوير النشط لـ sp على Github.

تتناول الحزم المساهمة مجالين عريضين: نقل البيانات المكانية داخل وخارج R ، وتحليل البيانات المكانية في R.

تعد القائمة البريدية لـ R-SIG-Geo مكانًا جيدًا للبدء في الحصول على المساعدة ومناقشة الأسئلة حول الوصول إلى البيانات وتحليلها. تعد القائمة البريدية مكانًا جيدًا للبحث عن معلومات حول الدورات التدريبية ذات الصلة. يمكن العثور على مزيد من المعلومات حول الدورات التدريبية ضمن علامة التبويب & quotEvents & quot في هذه المدونة.

هناك عدد من البرامج التعليمية والمقدمات التي ساهمت بها ، أحدها حديثًا هو مقدمة لتصور البيانات المكانية في R بواسطة Robin Lovelace و James Cheshire.

يمكن تنظيم الحزم في هذا العرض تقريبًا في الموضوعات التالية. إذا كنت تعتقد أن بعض العبوات مفقودة من القائمة ، فيرجى إبلاغي بذلك.

فئات البيانات المكانية : نظرًا لأن العديد من الحزم التي تستورد البيانات المكانية وتستخدمها كان يجب أن تتضمن كائنات لتخزين البيانات ووظائف لتصورها ، فإن هناك مبادرة جارية لإنشاء فئات مشتركة ووظائف التخطيط للبيانات المكانية. تمت مناقشة حزمة sp في ملاحظة في R News. حزمة جديدة تسمى sf موجودة الآن على CRAN ، ويتم تطويرها بنشاط على GitHub ، مما يوفر ميزات بسيطة لـ R. ويدعم R Consortium تطوير الحزمة. يوفر الوصول إلى ميزات بسيطة لبيانات المتجه ، وعلى هذا النحو يعد تنفيذًا حديثًا لأجزاء من sp. أصبحت العديد من الحزم الأخرى معتمدة على فئات sp ، بما في ذلك rgdal و maptools. توفر الحزمة rgeos واجهة لوظائف الهيكل الخاصة بكائنات sp باستخدام GEOS. يوفر stplanr فئة & quotSpatialLinesNetwork & quot استنادًا إلى الكائنات المحددة في sp و igraph التي يمكن استخدامها لتحليل التوجيه داخل R. حزمة شبكة أخرى هي shp2graph. يمكن استخدام أداة التنظيف لفحص الكائنات المكانية ، وتسهيل المعالجة والإبلاغ عن أخطاء الهيكل وقضايا الصلاحية الهندسية. تدعي أنها توفر منظفًا هندسيًا من شأنه إصلاح جميع مشاكل الهندسة ، والقضاء (على الأقل تقليل) احتمالية وجود مشكلات عند إجراء معالجة البيانات المكانية. تعد الحزمة النقطية امتدادًا رئيسيًا لفئات البيانات المكانية للوصول افتراضيًا إلى البيانات النقطية الكبيرة ، مما يسمح بتحليل الكائنات الكبيرة ، وتوسيع الأدوات التحليلية المتاحة لكل من البيانات النقطية والمتجه. عند استخدامه مع rasterVis ، يمكن أن يوفر أيضًا تصورًا وتفاعلًا محسّنًا. تحتوي حزمة spatial.tools على وظائف مكانية تهدف إلى تحسين الوظائف الأساسية لحزمة البيانات النقطية ، بما في ذلك محرك معالجة متوازي للاستخدام مع البيانات النقطية. توفر حزمة micromap خرائط مصغرة مرتبطة باستخدام ggplot2. توفر حزمة recmap رسومات كارتوجرام مستطيلة بأحجام مستطيلة تعكس على سبيل المثال عدد السكان الذي توفره صناديق الدولة طريقة تجميع أبسط للولايات الأمريكية. تعمل حزمة الزمكان على توسيع الفئات المشتركة المحددة في sp للبيانات المكانية والزمانية (انظر البيانات الزمانية المكانية في R). تقوم Grid2Polygons بتحويل كائن مكاني من فئة SpatialGridDataFrame إلى SpatialPolygonsDataFrame.

يتم تنفيذ نهج بديل لبعض هذه القضايا في حزمة PBSmapping يوفر PBSmodelling دعم النمذجة. In addition, GEOmap provides mapping facilities directed to meet the needs of geologists, and uses the geomapdata package.

Handling spatial data : A number of packages have been written using sp classes. The raster package introduces many GIS methods that now permit much to be done with spatial data without having to use GIS in addition to R. It may be complemented by gdistance, which provided calculation of distances and routes on geographic grids. geosphere permits computations of distance and area to be carried out on spatial data in geographical coordinates. The dggridR package provides an interface to DGGRID for working with discrete global grids, using hexagons, triangles, and diamonds to overcome the issue that every bin have the same area. The spsurvey package provides a range of sampling functions. The trip package extends sp classes to permit the accessing and manipulating of spatial data for animal tracking. The hdeco package provides hierarchical decomposition of entropy for categorical map comparisons. The GeoXp package permits interactive graphical exploratory spatial data analysis. spcosa provides spatial coverage sampling and random sampling from compact geographical strata. The magclass offers a data class for increased interoperability working with spatial-temporal data together with corresponding functions and methods (conversions, basic calculations and basic data manipulation). The class distinguishes between spatial, temporal and other dimensions to facilitate the development and interoperability of tools build for it. Additional features are name-based addressing of data and internal consistency checks (e.g. checking for the right data order in calculations).

The UScensus2000 suite of packages (UScensus2000cdp, UScensus2000tract) makes the use of data from the 2000 US Census more convenient. An important data set, Guerry's "Moral Statistics of France", has been made available in the Guerry package, which provides data and maps and examples designed to contribute to the integration of multivariate and spatial analysis. The marmap package is designed for downloading, plotting and manipulating bathymetric and topographic data in R. marmap can query the ETOPO1 bathymetry and topography database hosted by the NOAA, use simple latitude-longitude-depth data in ascii format, and take advantage of the advanced plotting tools available in R to build publication-quality bathymetric maps (see the PLOS paper). Modern country boundaries are provided at 2 resolutions by rworldmap along with functions to join and map tabular data referenced by country names or codes. Chloropleth and bubble maps are supported and general functions to work on user supplied maps (see A New R package for Mapping Global Data . Higher resolution country borders are available from the linked package rworldxtra. Historical country boundaries (1946-2012) can be obtained from the cshapes package along with functions for calculating distance matrices (see Mapping and Measuring Country Shapes ).

The landsat package with accompanying JSS paper provides tools for exploring and developing correction tools for remote sensing data. taRifx is a collection of utility and convenience functions, and some interesting spatial functions. The gdalUtils package provides wrappers for the Geospatial Data Abstraction Library (GDAL) Utilities.

An rOpenSci blog entry described a GeoJSON-centred approach to reading GeoJSON and WKT data. GeoJSON can be written and read using rgdal, and WKT by rgeos. The entry lists geojson, geojsonio, geoaxe and lawn among others. The rgbif package is used to access Global Biodiversity Information Facility (GBIF) data). The geoaxe allows users to split 'geospatial' objects into pieces. The lawn package is a client for 'Turfjs' for 'geospatial' analysis.

Reading and writing spatial data - rgdal : Maps may be vector-based or raster-based. The rgdal package provides bindings to GDAL -supported raster formats and OGR -supported vector formats. It contains functions to write raster files in supported formats. The package also provides PROJ.4 projection support for vector objects ( this site provides searchable online PROJ.4 representations of projections). Affine and similarity transformations on sp objects may be made using functions in the vec2dtransf package. The Windows and Mac OSX CRAN binaries of rgdal include subsets of possible data source drivers if others are needed, use other conversion utilities, or install from source against a version of GDAL with the required drivers. The rgeos package provides functions for reading and writing well-known text (WKT) geometry, and the wkb package provides functions for reading and writing well-known binary (WKB) geometry.

Reading and writing spatial data - other packages : There are a number of other packages for accessing vector data on CRAN: maps (with mapdata and mapproj) provides access to the same kinds of geographical databases as S - RArcInfo allows ArcInfo v.7 binary files and *.e00 files to be read, and maptools and shapefiles read and write ArcGIS/ArcView shapefiles for NetCDF files, ncdf4 or RNetCDF may be used. The maptools package also provides helper functions for writing map polygon files to be read by WinBUGS, Mondrian, and the tmap command in Stata. It also provides interface functions between PBSmapping and spatstat and sp classes, in addition to maps databases and sp classes. There is also an interface to GSHHS shoreline databases. The gmt package gives a simple interface between GMT map-making software and R. geonames is an interface to the www.geonames.org service. OpenStreetMap gives access to open street map raster images, and osmar provides infrastructure to access OpenStreetMap data from different sources, to work with the data in common R manner, and to convert data into available infrastructure provided by existing R packages.

The rpostgis package provides additional functions to the 'RPostgreSQL' package to interface R with a 'PostGIS'-enabled database, as well as convenient wrappers to common 'PostgreSQL' queries. The postGIStools package provides functions to convert geometry and 'hstore' data types from 'PostgreSQL' into standard R objects, as well as to simplify the import of R data frames (including spatial data frames) into 'PostgreSQL'

Integration with version 6.* and of the leading open source GIS, GRASS, is provided in CRAN package spgrass6, using rgdal for exchanging data. For GRASS 7.*, use rgrass7. RPyGeo is a wrapper for Python access to the ArcGIS GeoProcessor, and RSAGA is a similar shell-based wrapper for SAGA commands. The RQGIS package establishes an interface between R and QGIS, i.e. it allows the user to access QGIS functionalities from the R console. It achieves this by using the QGIS Python API via the command line. Note also this thread on an alternative R/QGIS integration.

Visualisation : For visualization, the colour palettes provided in the RColorBrewer package are very useful, and may be modified or extended using the colorRampPalette function provided with R. The classInt package provides functions for choosing class intervals for thematic cartography. The tmap package proveds a modern basis for thematic mapping optionally using a Grammar of Graphics syntax. Because it has a custom grid graphics platform, it obviates the need to fortify geometries to use with ggplot2. The mapview package provides methods to view spatial objects interactively, usually on a web mapping base. The quickmapr package provides a simple method to visualize 'sp' and 'raster' objects, allows for basic zooming, panning, identifying, and labeling of spatial objects, and does not require that the data be in geographic coordinates. The cartography package allows various cartographic representations such as proportional symbols, choropleth, typology, flows or discontinuities. The mapmisc package is a minimal, light-weight set of tools for producing nice looking maps in R, with support for map projections.If the user wishes to place a map backdrop behind other displays, the the RgoogleMaps package for accessing Google Maps(TM) may be useful. ggmap may be used for spatial visualisation with Google Maps and OpenStreetMap ggsn provides North arrows and scales for such maps. The plotGoogleMaps package provides methods for the visualisation of spatial and spatio-temporal objects in Google Maps in a web browser. plotKML is a package providing methods for the visualisation of spatial and spatio-temporal objects in Google Earth. A further option is leafletR, which provides basic web-mapping functionality to combine vector data files and online map tiles from different sources.

Point pattern analysis : The spatial package is a recommended package shipped with base R, and contains several core functions, including an implementation of Khat by its author, Prof. Ripley. In addition, spatstat allows freedom in defining the region(s) of interest, and makes extensions to marked processes and spatial covariates. Its strengths are model-fitting and simulation, and it has a useful homepage . It is the only package that will enable the user to fit inhomogeneous point process models with interpoint interactions. The spatgraphs package provides graphs, graph visualisation and graph based summaries to be used with spatial point pattern analysis. The splancs package also allows point data to be analysed within a polygonal region of interest, and covers many methods, including 2D kernel densities. The smacpod package provides various statistical methods for analyzing case-control point data. The methods available closely follow those in chapter 6 of Applied Spatial Statistics for Public Health Data by Waller and Gotway (2004).

ecespa provides wrappers, functions and data for spatial point pattern analysis, used in the book on Spatial Ecology of the ECESPA/AEET. The functions for binning points on grids in ash may also be of interest. The ads package perform first- and second-order multi-scale analyses derived from Ripley's K-function. The aspace package is a collection of functions for estimating centrographic statistcs and computational geometries from spatial point patterns. spatialkernel provides edge-corrected kernel density estimation and binary kernel regression estimation for multivariate spatial point process data. DSpat contains functions for spatial modelling for distance sampling data and spatialsegregation provides segregation measures for multitype spatial point patterns. GriegSmith uses the Grieg-Smith method on 2 dimensional spatial data. The dbmss package allows simple computation of a full set of spatial statistic functions of distance, including classical ones (Ripley's K and others) and more recent ones used by spatial economists (Duranton and Overman's Kd, Marcon and Puech's M). It relies on spatstat for core calculation. latticeDensity contains functions that compute the lattice-based density estimator of Barry and McIntyre, which accounts for point processes in two-dimensional regions with irregular boundaries and holes.

Geostatistics : The gstat package provides a wide range of functions for univariate and multivariate geostatistics, also for larger datasets, while geoR and geoRglm contain functions for model-based geostatistics. Variogram diagnostics may be carried out with vardiag. Automated interpolation using gstat is available in automap. This family of packages is supplemented by intamap with procedures for automated interpolation and psgp, which implements projected sparse Gaussian process kriging. A similar wide range of functions is to be found in the fields package. The spatial package is shipped with base R, and contains several core functions. The spBayes package fits Gaussian univariate and multivariate models with MCMC. ramps is a different Bayesian geostatistical modelling package. The geospt package contains some geostatistical and radial basis functions, including prediction and cross validation. Besides, it includes functions for the design of optimal spatial sampling networks based on geostatistical modelling. The geostatsp package offers geostatistical modelling facilities using Raster and SpatialPoints objects are provided. Non-Gaussian models are fit using INLA, and Gaussian geostatistical models use Maximum Likelihood Estimation.

The RandomFields package provides functions for the simulation and analysis of random fields, and variogram model descriptions can be passed between geoR, gstat and this package. SpatialExtremes proposes several approaches for spatial extremes modelling using RandomFields. In addition, CompRandFld, constrainedKriging and geospt provide alternative approaches to geostatistical modelling. The spTimer package is able to fit, spatially predict and temporally forecast large amounts of space-time data using [1] Bayesian Gaussian Process (GP) Models, [2] Bayesian Auto-Regressive (AR) Models, and [3] Bayesian Gaussian Predictive Processes (GPP) based AR Models. The rtop package provides functions for the geostatistical interpolation of data with irregular spatial support such as runoff related data or data from administrative units. The georob package provides functions for fitting linear models with spatially correlated errors by robust and Gaussian Restricted Maximum Likelihood and for computing robust and customary point and block kriging predictions, along with utility functions for cross-validation and for unbiased back-transformation of kriging predictions of log-transformed data. The SpatialTools package has an emphasis on kriging, and provides functions for prediction and simulation. It is extended by ExceedanceTools, which provides tools for constructing confidence regions for exceedance regions and contour lines. The gear package implements common geostatistical methods in a clean, straightforward, efficient manner, and is said to be a quasi reboot of SpatialTools.

The sgeostat package is also available. Within the same general topical area are the deldir and tripack packages for triangulation and the akima package for spline interpolation the MBA package provides scattered data interpolation with multilevel B-splines. In addition, there are the spatialCovariance package, which supports the computation of spatial covariance matrices for data on rectangles, the regress package building in part on spatialCovariance, and the tgp package. The Stem package provides for the estimation of the parameters of a spatio-temporal model using the EM algorithm, and the estimation of the parameter standard errors using a spatio-temporal parametric bootstrap. FieldSim is another random fields simulations package. The SSN is for geostatistical modeling for data on stream networks, including models based on in-stream distance. Models are created using moving average constructions. Spatial linear models, including covariates, can be fit with ML or REML. Mapping and other graphical functions are included. The ipdw provides functions o interpolate georeferenced point data via Inverse Path Distance Weighting. Useful for coastal marine applications where barriers in the landscape preclude interpolation with Euclidean distances. RSurvey may be used as a processing program for spatially distributed data, and is capable of error corrections and data visualisation.

Disease mapping and areal data analysis : DCluster is a package for the detection of spatial clusters of diseases. It extends and depends on the spdep package, which provides basic functions for building neighbour lists and spatial weights, tests for spatial autocorrelation for areal data like Moran's I, and functions for fitting spatial regression models, such as SAR and CAR models. These models assume that the spatial dependence can be described by known weights. The SpatialEpi package provides implementations of cluster detection and disease mapping functions, including Bayesian cluster detection, and supports strata. The smerc package provides statistical methods for the analysis of data areal data, with a focus on cluster detection. The diseasemapping package offers the formatting of population and case data, calculation of Standardized Incidence Ratios, and fitting the BYM model using INLA. Regionalisation of polygon objects is provided by AMOEBA: a function to calculate spatial clusters using the Getis-Ord local statistic. It searches irregular clusters (ecotopes) on a map, and by skater in spdep. The seg and OasisR packages provide functions for measuring spatial segregation OasisR includes Monte Carlo simulations to test the indices. The spgwr package contains an implementation of geographically weighted regression methods for exploring possible non-stationarity. The gwrr package fits geographically weighted regression (GWR) models and has tools to diagnose and remediate collinearity in the GWR models. Also fits geographically weighted ridge regression (GWRR) and geographically weighted lasso (GWL) models. The GWmodel package contains functions for computing geographically weighted models. The lctools package provides researchers and educators with easy-to-learn user friendly tools for calculating key spatial statistics and to apply simple as well as advanced methods of spatial analysis in real data. These include: Local Pearson and Geographically Weighted Pearson Correlation Coefficients, Spatial Inequality Measures (Gini, Spatial Gini, LQ, Focal LQ), Spatial Autocorrelation (Global and Local Moran's I), several Geographically Weighted Regression techniques and other Spatial Analysis tools (other geographically weighted statistics). This package also contains functions for measuring the significance of each statistic calculated, mainly based on Monte Carlo simulations. The sparr package provides another approach to relative risks. The CARBayes package implements Bayesian hierarchical spatial areal unit models. In such models the spatial correlation is modelled by a set of random effects, which are assigned a conditional autoregressive (CAR) prior distribution. Examples of the models included are the BYM model as well as a recently developed localised spatial smoothing model. The glmmBUGS package is a helpful way of passing out spatial models to WinBUGS. The spaMM package fits spatial GLMMs, using the Matern correlation function as the basic model for spatial random effects. The PReMiuM package is for profile regression, which is a Dirichlet process Bayesian clustering model it provides a spatial CAR term that can be included in the fixed effects (which are global, ie. non cluster specific, parameters) to account for any spatial correlation in the residuals. The spacom package provides tools to construct and exploit spatially weighted context data, and further allows combining the resulting spatially weighted context data with individual-level predictor and outcome variables, for the purposes of multilevel modelling. The geospacom package generates distance matrices from shape files and represents spatially weighted multilevel analysis results. Spatial survival analysis is provided by the spatsurv - Bayesian inference for parametric proportional hazards spatial survival models - and spBayesSurv - Bayesian Modeling and Analysis of Spatially Correlated Survival Data - packages. The spselect package provides modelling functions based on forward stepwise regression, incremental forward stagewise regression, least angle regression (LARS), and lasso models for selecting the spatial scale of covariates in regression models.

Spatial regression : The choice of function for spatial regression will depend on the support available. If the data are characterised by point support and the spatial process is continuous, geostatistical methods may be used, or functions in the nlme package. If the support is areal, and the spatial process is not being treated as continuous, functions provided in the spdep package may be used. This package can also be seen as providing spatial econometrics functions, and, as noted above, provides basic functions for building neighbour lists and spatial weights, tests for spatial autocorrelation for areal data like Moran's I, and functions for fitting spatial regression models. It provides the full range of local indicators of spatial association, such as local Moran's I and diagnostic tools for fitted linear models, including Lagrange Multiplier tests. Spatial regression models that can be fitted using maximum likelihood include spatial lag models, spatial error models, and spatial Durbin models. For larger data sets, sparse matrix techniques can be used for maximum likelihood fits, while spatial two stage least squares and generalised method of moments estimators are an alternative. When using GMM, sphet can be used to accommodate both autocorrelation and heteroskedasticity. Spatial count regression is provided using custom MCMC by spatcounts. The McSpatial provides functions for locally weighted regression, semiparametric and conditionally parametric regression, fourier and cubic spline functions, GMM and linearized spatial logit and probit, k-density functions and counterfactuals, nonparametric quantile regression and conditional density functions, Machado-Mata decomposition for quantile regressions, spatial AR model, repeat sales models, and conditionally parametric logit and probit. The splm package provides methods for fitting spatial panel data by maximum likelihood and GM. The two small packages S2sls and spanel provide alternative implementations without most of the facilities of splm. The HSAR package provides Hierarchical Spatial Autoregressive Models (HSAR), based on a Bayesian Markov Chain Monte Carlo (MCMC) algorithm. spatialprobit make possible Bayesian estimation of the spatial autoregressive probit model (SAR probit model). The ProbitSpatial package provides methods for fitting Binomial spatial probit models to larger data sets spatial autoregressive (SAR) and spatial error (SEM) probit models are included.

Ecological analysis : There are many packages for analysing ecological and environmental data. They include ade4 for exploratory and Euclidean methods in the environmental sciences, the adehabitat family of packages for the analysis of habitat selection by animals (adehabitatHR, adehabitatHS, adehabitatLT, and adehabitatMA), pastecs for the regulation, decomposition and analysis of space-time series, vegan for ordination methods and other useful functions for community and vegetation ecologists, and many other functions in other contributed packages. One such is tripEstimation, basing on the classes provided by trip. ncf has entered CRAN recently, and provides a range of spatial nonparametric covariance functions. rangeMapper is a package to manipulate species range (extent-of-occurrence) maps, mainly tools for easy generation of biodiversity (species richness) or life-history traits maps. The siplab package is a platform for experimenting with spatially explicit individual-based vegetation models. ModelMap builds on other packages to create models using underlying GIS data. The SpatialPosition computes spatial position models: Stewart potentials, Reilly catchment areas, Huff catchment areas. The Watersheds package provides methods for watersheds aggregation and spatial drainage network analysis. An off-CRAN package - Rcitrus - is for the spatial analysis of plant disease incidence. The Geneland package uses fields and RandomFields to make use of both geographic and genetic informations to estimate the number of populations in a dataset and delineate their spatial organisation. The ngspatial package provides tools for analyzing spatial data, especially non-Gaussian areal data. It supports the sparse spatial generalized linear mixed model of Hughes and Haran (2013) and the centered autologistic model of Caragea and Kaiser (2009). The Environmetrics Task View contains a much more complete survey of relevant functions and packages.


Comparison of PSA Results: Pipette vs. Laser Granulometer

Soil texture data was collected via pipette and laser granulometer, each horizon from three pedons. This example illustrates a simple approach to comparing the two methods with both standard XY-style scatter plot and on a soil textural triangle. This example uses code in the plotrix package for ص, but you could also use this pythonapproach.

The data referenced in these examples are attached at the bottom of this page. The code boxes below represent what a user would type into the R console. Lines prefixed with a '#' are interpreted by R as a comment, and thus ignored. Further visualization examples, using a larger dataset, can be accessed by clicking on the link at the bottom of this page. The goals of this example are:

  • import data into R
  • plot data
  • perform a simple linear regression
  • plot sand, silt, clay data on a textural triangle

Example commands can be directly pasted into the R console, or typed by hand. I would recommend copyinf a single line of example code at a time into the R console, then press the ENTER key. In this way the results of each command will be visible. Remember that the str() function will give you information about an object. Note that in order to load the sample data, you will need to set your working directory in R to the same folder in which you downloaded the sample data. For example: if you downloaded the sample data to your Desktop, you would set your working directory with:

Optionally, you can use the file.choose() command to bring up a standard file selection box. The result of this function can then be pasted into the read.table('. ') function, replacing the '. ' with the data returned from file.choose()


Sample Plot: Pipette vs. Granulometer

Sample Plot: Soil Textural Triangle: pipette values are in red, granulometer values are in blue. Line segments connect corresponding observations.

Load Required Packages and Input Data

Initial Comparison of Clay Values See Figure 1

Simple Linear Model

Sample soil texture data plotted on the texture triangle See Figure 2


2. Deliverables

The deliverables of this Working Group are described in the Working Group Charter. For convenience those deliverables are replicated in this chapter. The charter remains the authorative source of the definition of deliverables.

2.1 Use Cases and Requirements

A document setting out the range of problems that the working groups are trying to solve (this document).

2.2 Spatial Data on the Web Best Practices

  • an agreed spatial ontology conformant to the ISO 19107 abstract model and based on existing available ontologies such as GeoSPARQL, NeoGeo and the ISA Core Location vocabulary
  • advice on use of URIs as identifiers in GI systems
  • advice on providing different levels of metadata for different usage scenarios (from broad sweep metadata to metadata about individual coordinates in a polygon)
  • develop advice on, or possibly define, RESTful APIs to return data in a variety of formats including those defined elsewhere, such as GeoJSON, GeoJSON-LD and TopoJSON.

2.3 Time Ontology in OWL

The WG will work with the authors of the existing Time Ontology in OWL to complete the development of this widely used ontology through to Recommendation status. Further requirements already identified in the geospatial community will be taken into account.

2.4 Semantic Sensor Network Vocabulary

The WG will work with the members of the former Semantic Sensor Network Incubator Group to develop its ontology into a formal Recommendation, noting the work to split the ontology into smaller sections to offer simplified access.

2.5 Coverage in Linked Data

The WG will develop a formal Recommendation for expressing discrete coverage data conformant to the ISO 19123 abstract model. Existing standard and de facto ontologies will be examined for applicability these will include the RDF Data Cube. The Recommendation will include provision for describing the subset of coverages that are simple timeseries datasets - where a time-varying property is measured at a fixed location. OGC's WaterML 2 Part 1 - Timeseries will be used as an initial basis.

Given that coverage data can often be extremely large in size, publication of the individual data points as Linked Data may not always be appropriate. The Recommendation will include provision for describing an entire coverage dataset and subsets thereof published in more compact formats using Linked Data. For example where a third party wishes to annotate a subset of a large coverage dataset or a data provider wishes to publish a large coverage dataset in smaller subsets to support convenient reuse.

The OGC is currently working on refinements of ISO 19123 (in particular, the OGC Coverage Implementation Schema 1.1), which could result in specifications that allow a higher level of interoperability of implementations. The Working Group will also consider these forthcoming standards.


Presentation

Randal Hale NRGS Youtube: https://www.youtube.com/watch?v=jJAqFFEOmgo Although Africa has experienced notable successes in technology, healthcare, and transportation development, there remain several factors that threaten the stability of several countries within the continent. The role that geopolitics, human development, and environmental health play on population stability is significant. This research will demonstrate a methodology for providing a scenario-based population forecast for each of the 54 countries in Africa based on the data fusion of several geopolitical, environmental, and social metrics. Conducted 100% through Python in PyCharm, African countries are categorized on a 1-5 scale of scenario-based population stability for the next five years based on considerations of their population structure, their Human Development Index, Fragile States Index, and Environmental Performance Index scores, and if the country is experiencing geopolitical unrest. The resulting visualization, made exclusively in QGIS, allows geopoliticians, humanitarian researchers, and data scientists to devote increased attention toward predicted crisis areas on the continent.

"Implementing a Discrete Global Grid System (DGGS) a New Open Geospatial Consortium (OGC) Standard."

Dr Paulo Raposo UTK Youtube: https://www.youtube.com/watch?v=SY0bJSF_F5M&t=2s We'll be talking about DGGS, what they are, how they're new at the OGC, and how we used FOSS software to implement one.

Landscape Level LiDAR and the National Land Cover Dataset

Doug Newcombe Youtube: https://www.youtube.com/watch?v=PKjhizrXSuw Multiple LiDAR collections from Southeast Virginia analyzed for canopy height, relative vegetation density at 1-3m and 3-7m heights aggregated at 30m resolution aligned with the US National Land Cover Dataset (NLCD), 10m resolution nested inside the 30m cells and at 6.096 m. Forest/non - forest classes at 5m heights where compared to forest and shrub classifications present in the NLCD.

“Tennessee’s Public Lidar Data”

Paul Dudley State of Tennessee Youtube: https://www.youtube.com/watch?v=jEefMPq4Q-Q The State of Tennessee has an amazing project underway to collect statewide Lidar data in a partnership with the USGS 3D Elevation Program. This data is in the public domain and is easily downloaded. Presentation will cover project specifics, available data products, access and common data use cases.

Implementing PostgreSQL and PostGIS in a water utility

Julian Burke Chatsworth Water Works Commission CWWC moved their GIS data collection to a PostgreSQL database and eliminated shapefiles and File Based Geodatabases. They are now able to combine other data stored in databases with their new system.

Understanding patterns of vegetation structure and distribution across Great Smoky Mountains National Park using LiDAR and meteorology data

Jitendra Kumar Youtube: https://www.youtube.com/watch?v=Xk-owg02j-4 Great Smoky Mountains National Park (GSMNP) in Tennessee is a biodiversity hotspot and home to a large number of plant, animal and bird species. Driven by gradients of climate (ex. temperature, precipitation regimes), topography (ex. elevation, slope, aspect), geology (ex. soil types, textures, depth), hydrology (ex. drainage, moisture availability) etc. GSMNP offers a diverse composition and distribution of vegetation which in turn supports an array of wildlife. Understanding the vegetation canopy structure is critical to understand, monitor and manage the complex forest ecosystems like the Great Smoky Mountain National Park (GSMNP). Vegetation canopies not only help understand the vegetation, but are also a critically important habitat characteristics of many threatened and endangered animal and bird species that GSMNP is home to. Using airborne Light Detection and Ranging (LiDAR) we characterize the three-dimensional structure of the vegetation. LiDAR based analysis gives detailed insight in the canopy structure (overstory and understory) and its spatial variability within and across forest types. Vegetation structure and spatial distribution show strong correlation with climate, topographic, and edaphic variables and our multivariate analysis not just mines rich and large LiDAR data but presents ecological insights and data for vegetation within the park that can be useful to forest managers in their management and conservation efforts.

Convolutional Neural Network Approach for Mapping Arctic Vegetation using Multi-Sensor Remote Sensing Fusion

Forrest M Hoffman Youtube: https://www.youtube.com/watch?v=fDIXaFCKqBc Accurate and high-resolution maps of vegetation are critical for projects seeking to understand terrestrial ecosystem processes and land–atmosphere interactions in Arctic ecosystems, such as the U.S. Department of Energy’s Next Generation Ecosystem Experiment (NGEE) Arctic. However, most existing Arctic vegetation maps are at a coarse resolution and with a varying degree of detail and accuracy. Remote sensing-based approaches for mapping vegetation, while promising, are challenging in high latitude environments due to frequent cloud cover, polar darkness, and limited availability of high-resolution remote sensing datasets (e.g., 5 m). This study proposes a new remote sensing-based multi-sensor data fusion approach for developing high-resolution maps of vegetation in the Seward Peninsula, Alaska. We focused the detailed analysis and validation study around the Kougarok River, located in the central Seward Peninsula of Alaska.

Hey, where are these spatial indexes?: Adventures of PostGIS in Production

Sean Brewer Youtube: https://www.youtube.com/watch?v=LHmZ17946Yk When building database-backed software, it's in your best interest to be smart about using your database. Postgres and PostGIS are very powerful. Often though, useful features get ignored or not used in the right way. Did you remember to put indexes on your geometry columns? Did you know you can generate and manipulate JSON/GeoJSON inside PostGIS? Did you know PostGIS is capable of analysis and geoprocessing inside the database? I will show you techniques that helped our PostGIS backed software to quickly serve over 10 million requests a month at our peak.

Submit

If you want to submit a presentation please contact Randy and the committee will get back with you. Talks will be 20 minutes with 5 minutes for questions. Presentations will be posted as they are accepted.


شاهد الفيديو: PostgreSQL Tutorial: How to import Shapefile into PostGIS EN